基于DEA模型的我国旅游产业效率评价研究

刘红莲 官永彬

摘要：指出了中国旅游业发展深受宏观经济、内部各省市间社会经济、资源禀赋、地理区位、交通条件及基础设施等的影响，旅游业发展存在较大的地区差异。基于此，采用DEA的非参数测量了我国各省级地方政府的旅游产业效率。结果表明：从时间上看，2000年到2018年我国各省旅游产业效率起伏较大，但整体呈现出下降的趋势;从空间上看，东部旅游产业效率优于中部和西部。

关键词：旅游产业;效率;DEA模型

中图分类号：F570 文献标识码：A 文章编号：1674-9944（2020）03-0260-02

1 引言

改革开放后，随着我国经济水平的提高、经济全球化的加快和国际交流的增强，旅游业无论是作为拉动内需的重要产业，还是对外开放的窗口都得到相关部门的重视。据国家旅游组织统计，2017年我国国内旅游人数超过50亿人次，比上年同期增长12.8%;人出境旅游总人数2.7亿人次，同比增长3.7%;全年实现旅游总收入5.40万亿元，增长15.1%。初步测算，全年全国旅游业对GDP的综合贡献为9.13万亿元，占GDP总量的11.04%。旅游直接就业2825万人，旅游直接和间接就业7990万人，占全国就业总人口的10.28%。由此可见，经过改革开放四十余年的不断发展，我国的旅游业已完成从“事务接待型”旅游到“经济产业型”旅游的转变，形成颇具生机活力的旅游新局面，并朝着世界旅游强国的目标迈进。

旅游产业不是一个独立的产业，旅游活动的开展不仅能为旅游产业带来效益，也能带动其他产业发展。而任何经济活动均涉及到投入和产出的问题，即效率问题。当前，旅游行业竞争愈演愈烈，仅仅靠传统粗放、消耗资源式的经营管理方式已不能满足现代旅游发展的需要，各地区应该更加注重旅游效率问题。旅游效率的高低是衡量地区旅游发展水平的重要标准，也是关系到旅游投入成本与产出之间的比较[8]。旅游业的效率问题一直是学术界对旅游方面关注的重点问题，相关文献较多。对于旅游产业效率测算最主要采用数据包络分析技术（DEA）和随即前沿分析技术（SFA），其中DEA属于非参数测算法。该方法的基本思想最早由Farrell[10]提出，但直到美国著名运筹学家CharnesCooper和Rhode构建出基于不变规模报酬的CCR模型之后才得到广泛的重视，之后Banker、Charnes和Cooper[1]进一步开发了基于规模报酬可变的BCC模型。具体到对于旅游产业效率的测算发展领域：Lee（2002）等通过问卷调查和附随价值法对五个具有不同属性的公园进行调查研究，发现国有公园的地理区位和资源的优劣会影响其使用价值，而且游客在评估国有公园价值时会将时间和交通成本考虑在内[2]。马晓龙等就我国主要城市旅游效率及其全要素生产率进行了评价与研究[3];梁明珠和易婷婷以广东省21市为研究对象，采用DEA方法对2008-2010年旅游行业的面板数据，对其旅游效率进行评价，发现广东省城市旅游总效率、技术效率和规模效率均较高，各市、地区间的总效率和技术效率差距较大，规模效率较小[4];王志民运用DEA分析法和MI模型分别对2008年和2012年江苏沿江旅游区的旅游资源利用的综合效率、技术效率、规模效率及旅游效率变动情况进行测度和分析，结果表明沿江旅游业的综合效率水平较高，旅游生产要素的潜力发挥较好，区内差异较大，苏南城市旅游效率明显高于苏中城市[5]。

这些研究为旅游效率的深入研究提供了一些思路，但仍然存在一些问题：一是研究时间相对较短，目前我国关于旅游效率方面的研究主要侧重于在十年內旅游产业效率的变化;二是鲜少将大范围的空间和时间两方面结合的研究。从某种程度上看，旅游效率反映了该地区一段时间内对旅游活动开展投入要素所表现出的效果，因此，一个地区旅游的良好发展必须以谋求效率为基础，从而可持续提升当地旅游竟争力。

2014年国务院发布的《关于促进旅游业改革发展的若干意见》中指出，“以转型升级、提高增效为主线，推动旅游产品向观光、休闲、度假并重转变，满足多样化、多层次的旅游消费需求;推动旅游开发向集约型转变，更加注重资源能源节约和生态环境保护，实现可持续发展”[6]。由此可见，提升旅游产业的效率是目前旅游业转型升级的关键。本文以全国31个省自治区为例，在评价省域旅游产业效率的基础上，从空间和时间两方面对其旅游效率的演化过程进行深入探讨研究，这可为新时代各地区旅游产业的转型升级与经济高质量发展提供理论上的借鉴与政策参考。

2 研究方法、变量选择与数据来源

2.1 DEA研究方法

把每一个省份看作是投入一定旅游资源并产生效益的决策单元（DMU，decision making units）。如果一个省份在旅游产出既定的情况下实现了最低的旅游资源投入或者说在旅游资源投入既定的情况下有最高的旅游产出，那么这个省份的旅游业效率在技术层面上就是有效的[7]。假定将对n个省份（DMU）进行旅游业效率考察，每个省份有m种类型的旅游业投入和s种类型的旅游业产出，其中第j个省份相对应的输入输出向

其中，θ表示标量，而λ表示一个1×1常数向量。该模型求解得到的θ值将是第j。个省份在投入导向BCC模型下的旅游投入产出效率值，它表示第j。个省份在旅游产出保持不变的情形下，旅游投入较之于包络前沿而言所能实现的最大程度的减少比例。在（1）式中BCC模型。BCC模型测算出的θ值为第j。个省份的纯技术效率[9]。通过CCR模型测算出的效率值除以通过BCC模型写算出的效率值，就得到了该省份的规模效率值。旅游业综合效率评价是纯技术效率和规模效率共同决定的，即旅游业综合效率是纯技术效率和规模效率的乘积。

2.2 投入产出变量选择

本文研究的是全国31个省份的旅游产业投入产出效率，由于省份较多变量选取必须具有普遍性。DEA方法测量效率的准确性大多取决于变量选取的合理性。在指标选取时主要遵循以下三个原则：投入产出指标相关性，选取的投入与产出指标在逻辑上有相关性，投入指标的变化会影响产出指标;指标来源可信度，指标数据来源具有权威性和专业性，确保指标恰当、可靠;数据可获取性，指标数据的获取有可靠且能获得的来源，且数据可量化[11]。根据上述原则，在投入指标选取方面，主要从资本和劳动力投入两个维度反映旅游产业的投人，其中以星级酒店数量、旅行社数量和旅游企业（酒店和旅行社）的固定资产总额来代表资本要素投入，以旅游业从业人员来反映旅游产业的劳动力投入。在产出指标选取方面，主要从经济效益和社会效益两个角度反映旅游产业的产出，其中以地区国际旅游收入反映经济效益，以地区接待游客总数反映社会效益（表1）。

2.3 数据来源

根据旅游产业投入产出效率评价体系，本文从2000～2018年历年《中国旅游统计年鉴》和《中国统计年鉴》中获取了我国31个省份（自治区、直辖市）的旅游产业投入产出数据，组成旅游产业投入产出效率分析的面板数据。为了研究我国旅游产业投入效率的地区差异，本文参照王小鲁、樊纲的传统区域划分方法，东部地区包括北京、河北、上海、辽宁、山东、浙江、天津、江苏、广东、福建、海南等11个省市;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省份;西部地区包括西藏、内蒙古、陕西、甘肃、青海、宁夏、新疆、广西、云南、贵州、重庆以及四川等12个省区[13]。旅游产业投入产出效率评价结果与分析

3.1 总体评价

基于旅游产业投入角度，本文运用经典的数据包络分析法测算了我国31个省份（自治区、直辖市）2000-2018年的旅游产业效率（表2）。从总体特征来看，首先，我国旅游产业的效率总体偏低，仍然存在较大的改善空间;其次，规模效率历年来都略高于纯技术效率。旅游产业产业投入综合技术效率近19年的平均值仅为0.420，这表明我国的旅游产业效率还有58%的提升空间。综合技术效率表示的是各级地方政府旅游产业的综合效率情况，综合技术效率是由纯技术效率和规模效率相乘得出的，所以从综合效率构成来看，我国旅游产业效率不高是因为纯技术效率和规模效率低造成的。纯技术效率19年的平均值为0.647，存在36%的提升空间;规模效率的平均值为0.683，存在32%的提升空间。纯技术效率侧重反映我国旅游产业投入资金在运行过程中相关机制的运行效率，从这个角度分析，我国旅游产业纯技术效率偏低可能是因为旅游产业资本运作监管不力以及旅游企业管理制度缺陷。规模效率侧重反映旅游产业资金投入所产生的规模效益，从这个角度分析，我国旅游产业规模效率较低可能是因为旅游产业资金支出总量仍显不足以及资金投入结构不合理。值得注意的是，从17年的旅游产业效率来看，规模效率总是略高于纯技术效率，这说明我国旅游产业无效率主要归因于纯技术无效率。这也就为我国提高旅游产业发展效率提供了主要思路，我们应把重点放在规范旅游资金运作以及提高旅游企业资金支出效率上。

3.2 區域评价

为了更好的分析旅游产业投入效率，本文将31个省份分为东部地区、中部地区、西部地区，通过对比3个地区的平均综合技术效率、纯技术效率、规模效率，可以分析出地区间在旅游产业效率上的空间差异。从表3可以看出东部地区综合效率、纯技术效率和规模效率均领先于中部地区和西部地区。

东部、中部、西部三个地区19年的平均综合技术效率的旅游产业效率都还有很大的进步空间，东部地区平均综合技术效率0，57，中部地区平均综合技术效率0.43、西部地区平均综合技术效率0.35，19年期间东部的综合技术效率总是优于中部和西部的综合技术效率。

就纯技术效率而言，东部地区仍旧高于中西部地区，东部地区纯技术效率最高值0.814出现在2007年，此后逐年下降，同样在2016年有小幅回升;中部地区最高值0.648出现在2009年，2004年降至0.281是最低值;西部地区纯技术峰值0.783出现在2000年，此后在2005年以及2016年纯技术效率有上涨的趋势。

就规模效率而言，东部地区规模效率仍然普遍优于西部和中部，东部地区的规模效率峰值出现在2000年以及2006年前后，中、西部地区的峰值在2007年前后。东部地区的规模效率峰值出现在2000年，中部地区的规模效率峰值出现在2009年，西部地区的规模效率峰值出现在2000年（表3）。

3.3 省级评价

为了比较各省份旅游产业效率差异，详细测算了31个省份2000～2018年的旅游产业综合技术效率、纯技术效率和规模效率。并将测算之后的结果整理绘制成表4。

结果表明，从2000～2018年，旅游产业中位于最佳效率前沿的省份越来越少，总体呈下降趋势。其中综合技术效率从2000年的7个省份（北京、内蒙古、上海、福建、河南、广东、云南、陕西）下降到2018年的3个省份（上海、湖南、广东）;纯技术效率从2000年的11个省份（北京、内蒙古、上海、福建、河南、广东、云南、西藏、陕西、青海、宁夏）下降到2018年的8个省份（天津、上海、湖南、广东、广西、海南、西藏、宁夏）;规模效率从2000年的8个省份（北京、内蒙古、上海、福建、河南、广东、云南、陕西）下降到2018年的3个省份（上海、广东、湖南）。

为了更好的识别各地区旅游发展支出中存在的问题，从而更有效地指导各地方旅游产业实践，选择2000-2018年各省市的规模效率和纯技术效率的平均值作为指标，以0.7为临界值，将各省市旅游产业效率划分为四种模式[7]。第一种是规模效率和纯技术效率都高于0.7的“双高”模式，包含天津、上海、福建、广东、广西五个省市，此种模式为旅游产业投入产出的标杆模式，需要改进的地方较少。第二种是纯技术效率高于0.7规模效率从低于0.7的“高低”模式，此类模式中包含海南、宁夏、西藏、青海四个省市。相较于处于技术效率前沿的省份，此类模式地区的旅游产业发展投入较高，但是规模效率较低，说明此类地区未来发展应该改进的方向为适当缩减旅游业的财政及人力投入，合理配置资源。第三种模式为纯技术效率低于0.7规模效率高于0.7的“低高”模式，包括北京、江苏、浙江、安徽、山东、湖北、湖南、云南、陕西9个省市。此类模式相较于技术效率前沿的省份而言，纯技术效率更低，特别是山东和浙江，纯技术效率仅为0.268与0.332，远远偏低与技术效率前沿.因此，此类地区应该提高旅游业投入的管理水平，减少投入的资金与人力的浪费。第四类的是纯技术效率与规模效率都低于0.7的“双低”模式，此模式主要包括了河北、山西、内蒙古、辽宁、吉林、黑龙江、江西、河南、重庆、四川、贵州、甘肃、新疆十三个省份，此类地区未来的改进方向主要是扩大旅游产业的投入，优化旅游资源配置，同时加强旅游产业投入的运作与监管。

4 结论与建议

在中国现在经济发展情况下，旅游业不再仅仅有拉动消费、创造经济价值的责任，更被赋予了乡村振兴、旅游扶贫等意义，因此了解旅游产业的效率对于旅游产业的发展意义重大。有关区域旅游产业效率的研究方法已经趋于固定和成熟，但对于区域旅游产业效率的时空动态演化的研究多是停留于表征，少有对区域旅游产业效率时空动态格局进行规律性的总结;对于区域旅游产业效率影响要素的研究较多，但对于区域旅游产业效率时空增长机制的研究仍有待深入[14]]。本文运用数据包络分析法测算了2000年到2018年我国31个省份的旅游产业综合效率、纯技术效率和规模效率。得出以下结论：从时间上看，2000～2018年期间中国31个行政省市旅游业投入产出综合效率偏低且呈下降趋势，这主要是因为纯技术效率水平整体偏低;从空间分布上来看，中国旅游业投入产出综合效率东部地区高于中部地区和西部地区，中部地区与西部地区综合技术效率呈交替上升状，东部地区的综合技术效率值几乎是西部地区的2倍。由此可见，我国旅游业效率在空间分布上存在显著的差异。

旅游业效率是旅游活动过程中客观存在的一种经济现象，其演化发展过程具有一定的规律性。发展国内旅游业不仅有利于加快资金周转、增加资金累计和国民收入，更有利于促进我国产业结构调整和优化。为此，各级政府部门需要持续推动旅游产业的发展创新和改革，加大旅游产业的财政收入。但是对于中国这样旅游产业需求旺盛，供给结构性不足的现状来看，更加需要各级政府部门提升旅游产业效率。首先，应当摸清旅游市场真实需求，从市場出发而不是资源人手，加强需求与供给、需求与资源的对接;其次，应当建立科学合理的旅游产业效率评价体系，规范地反政府和各级部门对旅游产业的财政投入;再次，应当建立严格的对于旅游产业财政投入的监察机制，提升资金的利用率，防止旅游产业资金的浪费;最后，我国幅员辽阔，东部、中部、西部地区旅游发展现状差异较大，应当因地制宜制定发展策略，不仅仅是提升旅游所带来的财政收入，更应当注重旅游产业的效率。

参考文献：

[1]Yildirim S，Coskun.Seasonal dynamics of in major Turkishinboundtourism markets[J].Impact assessment tourism economics，2016（1）：23～41.

[2]Lee，C.K.&Han，S.H.Estimating the use and preservation valuesof national parkstourism resource using a contingent valuationmethod[J].Tourism Management，2002（121）.

[3]马晓龙.中国主要城市旅游效率及其全要素生产率评价：19952005[D].中山：中山大学，2008.

[4]梁明珠，易婷婷.广东省城市旅游效率评价与区域差异研究[J].经济地理，2012（10）：158～164.

[5]王志民.基于DEA-MI模型的江苏沿江旅游区旅游效率评价研究[J].南京师大学报：自然科学版，2014（4）：120～125.

[6]Hultkrantz L，Olsson C.Chernobyl effects on domestic andinbound tourism in Sweden-A time series analysis[J].Environ-mental and Resource Economics，1997（9）：239～258.

[7]宫永彬.基于DEA模型的我国地方政府环境保护支出效率评价[J].重庆师范大学学报（哲学社会科学版），2015（4）：73～80.

[8]万绪才，王厚廷.中国城市人境旅游发展差异以其影响因素—以重点旅游城市为例[J].地理研究，2013，32（2）337～346.

[9]官永彬.民主与民生：分权体制下公众参与影响公共服务效率的经验研究[J].经济管理.2016，38（1）：177～187.

[10]Farrell M J，The measurement of productive efficiency[J].Journalof the royal statistic society，1957，120（3）：253～281.

[11]陶卓民，薛献伟，管晶晶，基于数据包络分析的中国旅游业发展效率特征[J].地理学报，2010，65（8）：1004～1012.

[12]杨春梅，赵宝福.基于数据包络分析的中国冰雪旅游产业效率分析[J].干旱区资源与环境，2014，28（1）：169～174.

[13]王小鲁，樊刚.中国地区差距的变动趋势和影响因素[J].经济研究，2004（1）：33～44.

[14]王兆峰.赵松松.基于DEA-Malmquiet模型的湖南省旅游产业效率时空动态演化及影响因素[J].长江流域资源与环境，2019，28（8）：1886～1897.

[15]查建平.改革开放40年中国旅游产业效率演变及规律[J].旅游学刊，2019，34（1）：5～6.

收稿日期：2019-12-31

作者简介：刘红莲（1995-），女、硕士研究生，研究方向为旅游地管理与区域规划。