考虑非期望产出的中国大陆星级饭店效率测度及其演化

方叶林 娜塔莎 张天逸

(1.安徽大学商学院,安徽合肥 230601; 2.安徽大学国际教育学院,安徽合肥 230031)

0 引言

星级饭店是中国旅游业的主体,是旅游业的重要组成部分。星级饭店集中了中国住宿业的主体,而且形成了社会品牌,是城市形象的重要组成部分(方叶林 等,2013)。截至2016年年底,全国共有星级饭店11685家,其中五星级饭店800家,四星级饭店2363家,全年实现营业收入2027.26亿元,利润总额4.71亿元[注]数据来源:《中国旅游统计年鉴2017(副本)》。虽然近年来酒店行业规模不断扩大,但饭店企业业绩普遍较差,星级饭店客房出租率和平均房价维持在较低水平(田新 等,2014),饭店行业面临着产能过剩与竞争加剧的双重压力,在这样的背景下,星级饭店转型升级与提质增效势在必行。

饭店是旅游行业内较早涉及效率的行业之一。国内研究者彭建军等(2004)和陈浩(2005)较早对星级饭店的效率进行了研究;国外最早探讨饭店效率的是Baker等(1994),他们认为饭店的效率来源于领导者是否能够准确地预测市场需求的变化。之后相关研究逐渐增多(Morey et al.,1995;Anderson et al.,2000;卢洪友 等,2010;吉生保 等,2011;孙景荣 等,2012)。当前文献对饭店效率的研究主要集中在对效率计算方法的探讨及效率的测量上(谢春山 等,2012),同时对效率的空间分析也逐渐增多(胡宇娜 等,2017),无论是在方法上还是主题深度上,均取得一定的进展。但当前星级饭店效率研究仍存在以下问题:(1) 大部分文献没有充分考虑非期望产出问题,导致测算结果不够准确。星级饭店不同于其他旅游产业,日常经营活动中除了收入等期望产出外,也包括一些废弃物等非期望产出,星级饭店效率的测度需要考虑非期望产出。(2) 效率的测度模型亟须改进。当前效率测算方法主要包括随机前沿函数法(SFA)和数据包络分析法(DEA),传统DEA由于简单易行而逐渐成为旅游效率测度的主要方法,但存在指标选择过于简单,权重变化过于灵活等缺陷(方叶林 等,2015),导致测算结果容易出现一定的偏差。(3) 效率时空演化的稳健性问题。效率作为一种客观存在的经济现象,其时空演化的稳健性如何,需要进一步论证。

本研究利用中国大陆2000—2016年省级区域的数据,基于碳排放测度,将非期望产出纳入星级饭店效率测算体系,在此基础上利用SBM(Slack-Based Measure)模型对星级饭店效率进行测度,并利用马尔科夫链(Markov chain)分析效率演化特征,最后提出提升星级饭店效率的建议。

1 指标选择与研究方法

1.1 指标选择

星级饭店的非期望产出研究一直以来比较匮乏,尤其是涉及省域尺度。若完全考虑星级饭店日常经营中各环节的非期望产出,基本无法实现测算。文献中关于旅游非期望产出的衡量,一般采取折算成碳排放的方法(王凯 等,2013;王坤 等,2015)。因此,本研究采用魏艳旭等(2012)的方法,对中国大陆省域星级饭店碳排放进行估算,公式如下:

(1)

在参考相关文献的基础上(方叶林 等,2013;孙景荣 等,2012),我们选择从业人员(万人)、固定资产(万元)、房间数(间)作为星级饭店的投入指标;选择客房出租率(%)、营业收入(万元)作为星级饭店的期望产出;选择星级饭店碳排放作为非期望产出。中国旅游省域尺度的统计相对健全,如无特殊说明,本研究数据均来自《中国旅游统计年鉴(正副本)2001—2017》《全国星级饭店统计公报2000—2016》。

1.2 研究方法

1.2.1 SBM模型

在径向DEA模型中,对无效率程度的测度只包含投入(产出)等比例缩减(增加)的比例,对于无效决策单元DMU来说,还包括松弛改进部分(成刚,2014),而以CCR、BCC模型为代表的传统DEA模型对松弛的改进在效率值测度部分并没有得到体现(彭红松 等,2017)。为了解决这一问题,Tone(2001)提出了SBM模型。

P={(x,yg,bg)|x≥λx,yg≤λYg,yb≥λYg,λ≥0}

(2)

则基于规模报酬可变的SBM模型如下:

(3)

式(2)和式(3)中,s表示投入、产出的松弛变量,λ为权重向量。目标函数P*关于s-,sg,sb是严格递减的,并且0≤P*≤1。对于某一特定的决策单元DMU,当P*=1,并且s-,sg,sb均为0,综合效率有效,且技术效率和规模效率均有效。

1.2.2 重心

重心可用于分析点要素在空间上的集中与离散分布趋势。重心的概念最初来源于物理学,指物体内各个点所受重力产生合力的作用点(许月卿 等,2005),可看作是空间分布的平均中心,近年来被广泛运用于社会经济领域。假设一个大区域由n个小区域构成,mi(xi,yi)为第i个小区域的中心坐标,ui为小区域的某种属性值,M(xj,yj)为大区域第j年的重心坐标,其计算公式为(Fischer et al.,2010):

(4)

1.2.3 马尔科夫链

马尔科夫链是一种研究时间和状态均为离散的随机转移问题(覃成林 等,2007),分析俱乐部趋同,尤其是揭示俱乐部成员构成变化形式与过程的有效工具(Tsionas,2002)。在具体分析过程中,首先将连续的数据离散化,分为k种类型,不同时刻属于类型之间的转移可以用一个k*k的转移概率矩阵表示。假设mij为某地区星级饭店效率从t时刻i类型转移到t+1时刻的j类型的转移概率,计算公式为:

mij=nij/ni

(5)

式(5)中:nij表示在整个研究时段内,自t时刻至t+1时刻,从状态i转移到状态j的地区总数;ni表示整个研究时段内所有t时刻为状态i的地区总数。如果某地区效率在t时刻属于类型i,在t+1时刻仍位于类型i,则定义该区域转移类型为“平稳”型;如果某个区域效率提高,则定义该区域的类型为“向上转移”;反之,为“向下转移”。为了便于比较,按照0～33.33%、33.33%～66.66%、66.67%～100.00%的水平,将效率水平分为低中高3个层次。

空间马尔科夫链(spatial Markov chain)是传统马尔科夫链方法与空间自相关相结合的方法(王良健 等,2010)。效率作为一种客观存在的经济现象,其发展不可能不受周边地区的影响,效率的时空演化过程必须要考虑空间因素。空间马尔科夫链以区域i在t时刻的空间滞后类型N为条件,将传统k*k的马尔科夫矩阵分解为N个k*k的条件转移概率矩阵。对于区域i,其邻域为j,则某地区i的空间滞后值的计算方法为:

(6)

式(6)中:Lag为空间滞后值,xi为某地区的属性值(即各项效率值),wij为邻域j的观测值对于地区i的空间滞后权重,其确定一般采用临近标准和距离标准,本文采用临近标准:即如果i区域与j区域相邻,wij值为1;否则,wij=0;当i=j时,wij=0。

为了便于与一般马尔科夫链研究结果进行比较,本研究将空间滞后也划分为低中高3个层次,划分方法与上文一致。对于k个条件矩阵而言,mij(k)表示某个区域在空间滞后为k的条件下,该年份属于i而在下一年份属于类型j的转移概率。通过比较马尔可夫转移概率矩阵元素和空间马尔可夫转移概率矩阵中的对应元素,可以了解一个区域的类型变动与邻域区域效率转移状态的关系,探讨区域之间的空间关系对旅游效率转移类型的影响。

2 星级饭店效率测度

利用公式(1)计算2000—2016年各地区星级饭店碳排放,其均值分布如图1所示。高值区主要集中在东部地区:广东、北京、上海、江苏、浙江、辽宁、山东等地,其分布与中国省际经济发展水平有很强的正相关。

将星级饭店碳排放纳入旅游效率计算体系,利用SBM模型计算中国大陆各地区星级饭店效率,结果如图2所示:(1) 当前中国大陆星级饭店经营集约化程度较高,综合效率、纯技术效率、规模效率的均值分别为0.203、0.819、0.248,星级饭店是旅游行业中集约化生产方式较高的行业之一。(2) 综合效率与规模效率的分布与经济发展水平总体上表现出负相关态势,纯技术效率表现出与区域经济正相关态势。综合效率最大地区为宁夏(0.853)、最小地区为广东(0.039);纯技术效率最大地区为湖南(0.977)、最小地区为黑龙江(0.712);规模效率最大地区为青海(0.993)、最小地区为广东(0.043)。(3) 考虑非期望产出之后,与前期研究成果相比(方叶林 等,2013),效率分布的总体格局虽然没有发生变化,部分地区数值出现波动,但总体均值呈微弱的下降趋势,反映了当前星级饭店的低碳经营理念仍需进一步推进。

图1 星级饭店碳排放测算结果分布图

图2 星级饭店各项效率均值计算结果

3 星级饭店效率演化分析

3.1 各项效率演化的地带差异

星级饭店各项效率在不同经济地带数值变动如图3所示。根据效率测算结果可以发现:(1) 综合效率表现出西部大于中部、中部大于东部的格局,与三大地带经济发展水平呈负相关。(2) 纯技术效率的年际差异较大,但总体上表现出东部大于西部,西部大于中部的格局,尤其是2009年之后这种格局得以强化。(3) 规模效率表现出与综合效率相同的空间分布格局,总体上西部大于中部,中部大于东部。各项效率之所以呈现出这样的空间分布格局,一方面是由于东部地区星级饭店,尤其是高星级饭店的数量与固定资产投入普遍偏多,过多的投入并没有得到理想的产出,导致效率偏低(谢春山 等,2012);另一方面是由于相对于中西部地区,东部地区酒店业面临着激烈的市场竞争,存在资源闲置与浪费现象,仅仅依靠数量的增加不会提升经营效率。纯技术效率代表星级饭店在经营过程中的集约化程度,总体上与区域经济表现出正相关的态势。

图3 星级饭店各项效率在三大地带计算结果

3.2 各项效率的时空演变特征

3.2.1 重心演化轨迹

本文借助GIS软件分析2000—2016年中国大陆星级饭店各项效率的演化重心,结果如图4所示:(1) 从重心演化轨迹来看,综合效率表现出与规模效率大致相同的轨迹,总体上向东北发生偏移,表明省际综合效率及规模效率高值区向东北发生偏移;纯技术效率空间演化轨迹较为复杂,总体上向西南发生偏移,表明省际纯技术效率高值区向西南发生偏移。(2) 从重心的分布范围看,综合效率重心主要分布在陕西与甘肃交界处,纯技术效率重心主要分布在河南西南部,规模效率重心与综合效率大致相同,主要分布在陕西与甘肃交界处。(3) 重心分析表明,2000—2016年中国大陆星级饭店综合效率主要由规模效率驱动,星级饭店经营方式不太合理,仍需进一步提升。

图4 星级饭店各项效率的重心演化轨迹

3.2.2 不考虑空间因素的马尔科夫链分析

本文利用马尔科夫链原理,分析2000—2016年中国大陆星级饭店各项效率的马尔科夫转移矩阵,结果如表1所示:(1)各项效率的高值大部分分布在主对角线上,表明2000—2016年星级饭店经营效率具有一定的稳定性;(2)各项效率转移概率存在差异,中值区稳定性非常低,大部分向高值区或低值区转移;(3)各项效率维持原有水平的概率表现出综合效率与规模效率大于纯技术效率,纯技术效率稳定性相对较低,相对而言,综合效率与规模效率的“俱乐部趋同”现象更加显著。

表1 2000—2016年星级饭店各项效率的马尔科夫矩阵

根据以上马尔科夫链计算结果,利用GIS软件进行可视化处理,结果如图5所示。可以看出:(1) 综合效率与规模效率维持原有水平的省份较多,向上转移的省份主要有天津与吉林;向下转移的省份主要有内蒙古与贵州;纯技术效率变动幅度较大,向下转移的省份较多。(2) 从各项效率空间转移格局来看,总体上综合效率与规模效率移动较少,纯技术效率发生位移较多。

3.3 空间作用下各项旅游效率演化特征

3.3.1 各项旅游效率时空转移特征

传统的马尔科夫链可计算各项效率的时间演化特征,但无法探测邻域地区效率水平对本地区的影响。随着区域旅游业的发展,各地区之间的旅游交流日益密切,邻域地区旅游发展水平对本地区旅游发展水平具有较大的影响,如区域旅游一体化较高的长三角地区。因此,需要将空间因素纳入马尔科夫概率转移矩阵的计算。本文构建2000—2016年中国大陆星级饭店各项效率的空间马尔科夫转移概率矩阵,如表2所示。

图5 星级饭店各项效率的空间分布格局

空间滞后ti/ti+1综合效率水平类型n123纯技术效率水平类型n123规模效率水平类型n12311620.9150.0770.008500.9050.0740.020700.9390.0610.0002630.6670.0000.333700.3200.0000.680580.5000.0000.5003350.0000.0001.000720.2110.7890.000320.1000.0000.90021520.9650.0350.000560.8860.0860.029420.9580.0420.0002520.6670.0000.333350.6000.0000.400660.4000.0000.6003560.0000.0001.000370.5000.5000.000520.1670.0000.833311250.9820.0180.000460.8350.1070.0581070.9440.0560.0002100.2860.0000.714680.4550.0000.545240.7270.0000.2733410.0000.0001.000620.2270.7730.000450.0000.0001.000

由表2可知,邻域地区星级饭店效率水平对本地区自身旅游效率水平的影响是存在的,但存在一定分异。(1) 就综合效率与规模效率而言,主对角线上的最小值大部分小于表1,表明考虑空间因素后,效率的稳健性降低,即综合效率与规模效率转移概率增大,其“俱乐部趋同”现象减弱。(2) 就纯技术效率而言,考虑空间因素后,在空间滞后为1时,对角线上最大值大于表1;其他情况对角线上数值均小于表1。总体而言,纯技术效率维持稳定的概率降低。酒店业不同于其他旅游行业,面临着激烈的省内外竞争。考虑空间因素后,各项效率的稳健性均出现下降趋势,表明空间因素对各项效率,尤其是综合效率与规模效率的演化具有加大的影响。

3.2.2 区域相互作用下各项效率空间分布格局

以上分析表明:中国星级饭店各项效率水平转移在地理空间上并不是孤立的,往往受到邻域地区旅游效率的影响。图5揭示了中国大陆星级饭店效率水平的空间分布格局,但没有考虑邻域的转移状况。通过计算空间马尔科夫链,利用ArcGIS10对地区及其邻域间各项效率的空间演变进行可视化处理,结果如图6所示。

图6 星级饭店各项效率及邻域类型转移的空间格局

对比图6及图5可以发现:(1) 各项效率维持平稳水平的地区与图5相比大大减少,表明考虑空间因素后,星级饭店效率维持原有稳定格局概率大大降低。效率既然作为一种客观存在的经济现象,其发展固然受到其他社会因素的影响,但区域之间的相互作用会使得效率变动加快。(2) 各项效率维持原有稳定态势但表现出不同的态势。综合效率与规模效率稳定性较高,星级饭店的粗放型增长方式在短时间内较难改变,依靠规模效率驱动的综合效率稳定性较高;纯技术效率稳定性较小,外界技术革新是集约化增长方式的助推器,中国经济稳中有进的总体格局,会助推星级饭店技术及管理方式的创新,进而导致了纯技术效率出现不稳定性。(3) 综合效率与规模效率稳定性较高的地区主要分布在东南沿海及西部内陆,东南沿海及西部内陆也是综合效率与规模效率极值分布较多的区域,结果表明了这两项效率的中值区变化较大,综合效率与规模效率存在一定程度的“马太效应”。

总体而言,马尔科夫链分析结果基本上验证了重心分析的结论,从而证明了本研究对星级饭店效率稳健性分析的客观性。

4 结论与讨论

作为旅游业的核心部门,星级饭店效率测度必须要考虑“非期望”因素。本文为旅游业(包括星级饭店)非期望效率测度提供了一种方法参考,同时对效率的稳健性进行了验证,揭示了星级饭店效率演化时空规律。主要结论有:

第一,非期望产出是星级饭店效率测算必须要考虑的因素,考虑非期望产出后,部分地区数值出现波动,效率分布的总体格局虽然没有发生变化,但总体均值出现微弱的下降,反映了当前星级饭店的低碳经营理念仍需进一步推进。

第二,2000—2016年中国大陆星级饭店综合效率主要由规模效率驱动,表现出经济发展水平负相关的态势,综合效率与规模效率的高值区主要集中在中西部,粗放型增长方式在中西部较为明显;纯技术效率总体上表现出与经济发展水平正相关的态势,集约化的经营方式在东部地区较为显著。

第三,重心与马尔科夫链分析结果表明了中国大陆星级饭店效率时空演化具有一定的稳健性。重心分析表明综合效率与规模效率表现出大致相同的空间演化轨迹,总体上向东北发生偏移,纯技术效率重心总体上向西南发生偏移。不考虑空间因素,各项效率维持原有水平的概率表现出综合效率与规模效率大于纯技术效率,纯技术效率稳定性相对较低;考虑空间因素后,星级饭店效率维持原有稳定格局概率大大降低。

星级饭店是旅游业中集约化经营程度较高的产业之一,但其综合效率仍由规模效率驱动,这样制约了饭店的集约化经营方式。未来中西部地区需要进一步转变增长方式,适当增加投资规模;东部地区要严格控制星级饭店数量,同时需要大力推进集约化生产方式,倡导绿色生产。本文的不足之处在于:指标选择与研究年限的不同是否会对结果产生根本性影响,未来仍需要进一步验证。此外,本研究主要创新点是将“非期望”因素纳入效率测度体系,效率的演化机理是未来研究的重要方向之一。