基于DEA视窗分析的旅游扶贫效率研究——以秦巴山区陕甘川毗邻区4市为例

尚清芳，鲁建平

（1.陇南师范高等专科学校 历史文化与旅游学院，甘肃 成县 742500；2.陇南师范高等专科学校 文学与传媒学院，甘肃 成县 742500）

在《中国农村扶贫开发纲要（2011—2020年）》中，秦巴山区、武陵山区被确定为连片特困地区，中央通过增设财政专项扶贫资金、扶贫开发项目等措施促进这些区域社会、经济快速发展。由于旅游业的带动性、开放性和关联综合性，旅游产业成为扶贫开发的切入点，以及扶贫战略的先导产业。秦巴山区陕甘川毗邻区包括甘肃省陇南市、陕西省汉中市、四川省绵阳市和广元市4市。4市通过美丽乡村建设、基础设施建设、特色产业扶持、加大生态保护力度、提高社会保障水平等措施，在扶贫攻坚中均取得了重大成就。该区域尤其在乡村生态环境和交通基础设施改善之后，旅游业取得了长足发展，通过不断挖掘这些地区特色旅游资源，旅游产业培育成了区域经济发展新的增长极，并成为该区域扶贫的重要产业。自4市旅游扶贫计划实施以来，各地通过旅游线路和项目的开放与协作，打造精品旅游线路，开发红色文化旅游、生态休闲旅游、民俗民族旅游等特色项目，在推动区域旅游业发展的同时，带动了该区域旅游扶贫事业的发展。

旅游扶贫是一个系统工程。在旅游扶贫项目实施中，既要关注旅游扶贫项目投入是否能激发村民“自生动力”，还要尊重市场规律；既要关注旅游扶贫的实现方式，还要重点关注旅游扶贫具体效果；既要因地制宜采用不同发展模式，还要注重旅游扶贫的产业带动；既要重视旅游扶贫项目的公益性，还要重视旅游扶贫投入产出的效率；既要保证旅游扶贫有足够的建设与投入，还要保证乡村的原生态；既要确保旅游业的可持续性，还要保证旅游扶贫项目的规模性。在扶贫攻坚的大背景下，旅游扶贫进入效果检验期和发展调整期。如何合理地对旅游扶贫效率做出评价，是当前旅游扶贫发展面临的重要问题。旅游扶贫效率的评价问题引起了学术界的关注与研究[1-2]。如李亚楠利用广西14市面板数据，对旅游扶贫投入/产出进行效率评价[3]；高雪莲等对甘肃省陇东南27个区县旅游扶贫总效率及分解效率进行实证研究[4]；李莉等构建了PEST模型，对旅游扶贫环境变化进行多维度分析[5]；马磊对新疆阿勒泰地区旅游扶贫效率的时间演进模式及空间分异状态进行研究[6]；周慧从综合效率、技术效率、规模效率3个方面评价了山东省旅游扶贫效率[7]，等等。总的来看，这些旅游扶贫效率评价大多是利用数学工具对旅游扶贫效率进行数量评价，对不同评价单元旅游扶贫效率进行比较排序。本文从经济学角度出发，构建评价指标体系，根据秦巴山区陕甘川毗邻区4市2011—2017年旅游扶贫投入产出数据，采用DEA视窗分析方法对该区域旅游扶贫效率进行评价。

1 秦巴山区陕甘川毗邻区4市旅游扶贫现状

秦巴山区陕甘川毗邻区4市是国家连片扶贫区，该区域土地面积9.17万平方公里，人口1409.6万，2017年GDP为4495亿元。2018年共有建档立卡贫困人口111.3万，建档立卡贫困村2279个[8]。秦巴山区陕甘川毗邻区4市历史文化旅游资源丰富，有4A级以上景区32个，包括剑门蜀道、唐家河森林公园、午子山景区、石门栈道风景区、哈达铺红军长征纪念馆等著名景区，既有民族特色鲜明的羌族、白马藏族文化，还有三国历史文化遗迹。4市地处西部腹地，近年随着交通、旅游基础设施改善，旅游业得到了很好发展。2017年该区域游客接待人数突破1.55亿人次，旅游收入达到1170.6亿元，旅游业收入占GDP的26%[9]。

2 旅游扶贫效率评价指标体系构建[10-14]

为构建旅游扶贫评价指标体系，笔者对近年的相关研究进行了整理，结果见表1。

表1 旅游扶贫效率评价参考指标

表1显示，尽管旅游扶贫效率评价的影响因素很多，但研究者大多选取了可计算的指标作为投入、产出指标，这也是定量研究中为描述生产活动而采取的通常做法。投入指标大多选取游客接待量及人均旅游综合收入，这两个指标是区域旅游扶贫发展规模和现状的直接体现。游客接待量用于衡量旅游业对关联产业的带动效应，人均旅游综合收入用于衡量区域旅游规模。产出指标选取了城镇居民人均可支配收入、农民人均纯收入、人均GDP等。城镇居民人均可支配收入和农民人均纯收入反映出旅游扶贫中旅游对当地城镇居民、农民收入的影响，人均GDP则用于衡量旅游扶贫中旅游业对区域经济的整体影响力。本文评价指标体系的构建参照他们的研究成果，选取当地旅游综合收入、游客接待人数作为投入指标，选取城镇居民人均可支配收入、农民人均纯收入、人均GDP作为产出指标，构建研究区域旅游扶贫效率评价指标体系见下页表2。评价指标数据来源于2011—2017年秦巴山区陕甘川毗邻区4市政府工作报告与统计公报。

表2 秦巴山区陕甘川毗邻区4市旅游扶贫效率评价指标体系

3 基于DEA视窗分析的旅游扶贫效率评价模型

诸多学者用不同方法对旅游扶贫效率评价做了分析研究[12,15-18]。如李会琴等运用数据包络分析方法对陕西省延安市4村89户农户旅游扶贫生态效益进行评价；邓爱民等运用DEA模型测算长江经济带各省市旅游扶贫效率，运用Malmquist生产率指数模型分析各省市旅游扶贫效率变化；陈国柱等以秦巴山片区为例进行旅游扶贫效率测度，等等。总的来看，DEA方法已广泛应用于旅游扶贫效率研究，并具有明显优势：（1）旅游扶贫效率评价往往是相对效率的评价，DEA模型在旅游扶贫效率评价中以各评价区域、省、市、县区等为评价单元，首先选取有效评价单元构建最优前沿面，再计算各单元效率值与最优前沿面的距离，从而计算出各评价单元的相对效率，进而实现对各评价单元的旅游扶贫效率评价，这一方法不需假定评价指标权重，不需建立投入产出指标函数关系，不需进行同一量纲化处理，因而具有准确、高效的明显优势；（2）旅游扶贫效率评价影响因素较多，不同地域和时间之下，其投入和产出是不一样的，C2R模型和BC2模型是分别针对规模收益不变和规模收益可变的两个DEA模型，对旅游扶贫效率目标中的以最小投入实现最大产出，或在一定产出前提下投入最小等问题的分析十分有效。因此，DEA方法在旅游扶贫效率评价中有很好的应用。

3.1 旅游扶贫效率评价的C2R模型和BC2模型

数据包络分析（DEA）基本模型有C2R模型和BC2模型，C2R模型是规模收益不变模型，BC2是规模收益可变模型[19]。

假设有n个决策单元，m种投入和s种产出，建立以产出为导向的C2R的线性规划模型如下：

（1）式中，x为投入指标，y为产出指标；λ是被评价单元DMU的线性组合系数；s+是松弛变量，s_是剩余变量；θ为最优解。在该旅游扶贫效率评价中，θ是效率评价指数，取值范围为[0,1]。设e=(1,1,…,1)T，当θ=1，êTs-+eTs+=0时，被评价决策单元DMUj为DEA有效，其技术有效、规模有效；当θ=1，êTs-+eTs+>0时，被评价单元DMUj为弱DEA有效，其技术、规模不同时为最佳；当θ<1时，被评价单元DMUj不是DEA有效，其技术和规模都不是最佳。

C2R模型和BC2模型表示的含义以及判断方法类似，用途区别在于：C2R模型用来衡量综合效率（Overall Efficiency，OE），BC2模型用来评价技术效率（Technical Efficiency，TE），是单位投入的产出水平高低、是技术效率评价的重要参照。规模效率（Scale Efficiency，SE）是综合效率与技术效率的比值，即代表生产规模的有效程度。技术效率是指在一定或最优规模下，由于技术、管理等影响下的生产效率。如技术进步或管理方法的革新对生产效率提升的影响程度等，综合效率是指评价单元的整体经济效益。

3.2 DEA视窗分析方法

旅游扶贫是通过对旅游投入而带动贫困人口增加收入以脱贫致富，产出效果在时间上是存在滞后性的，没有严格时间界限，某一年份的统计数据是不足以真实反映其投入产出效率的。因此，为真实反映旅游扶贫效率，有必要对投入与产出做横向和纵向比较分析[20]。视窗分析法（Windows analysis approach）以不同时期（连续几年）的投入与产出作为新评价决策集。视窗分析法的基本思路是：确定视窗宽度，若n（样本期间）为偶数，视窗宽度w=(n+1)/2±1/2，若n（样本期间）为奇数，视窗宽度w=(n+1)/2；将n年时间段分割为n-w+1个有所重叠的时间窗，每个时间窗包含m个决策单元DMU在w个时间段的效率值，构建DEA视窗分析表，见表3；对各个视窗进行DEA效率测算，根据计算结果分析出时间序列上的效率变化趋势。

表3 DEA视窗分析表

上述视窗中，均值计算：

标准差计算：

综合栏距计算：

全距计算：

这里，i=1,2,…,n-w+1;l=i,i+1,…,i+m-1。

4 旅游扶贫效率分析

传统效率评价忽视跨期投入产出对当年生产效率评价的影响。如许多经济活动中，前年（上一期）投入在当年（本期）的产出是客观存在的，当年的投入对次年的产出也有所影响，但传统效率评价忽视了投入对产出的持续影响，因而表现出其局限性。DEA视窗分析方法考虑到经济活动中投入与产出效应的滞后关系，以连续几年的投入产出效率构建新的评价单元，刻画出经济活动的持续性影响，从而更能真实反映投入产出的效率。秦巴山区陕甘川毗邻区4市的效率评价分析时间n=7，视窗宽度w=4，共有4个视窗。利用式（2）至式（6）计算该区域2011—2017年旅游扶贫效率、均值、标准差、综合栏距、全距，结果见下页表4。

从下页表4可看出，每个视窗包含4市2011—2017年的16个效率值。视窗分析表反映出各个决策单元在视窗内的动态变化趋势。以第一视窗为例，2011—2014年，广元市各年旅游扶贫效率值分别是0.604、0.635、0.621、0.712，呈上升趋势，并且2014年旅游扶贫效率优于其他年份，绵阳市各年旅游扶贫效率值分别是0.701、0.623、0.620、0.723，汉中市各年旅游扶贫效率值分别是1.000、1.000、0.892、1.000，陇南市各年旅游扶贫效率值分别是0.546、0.667、0.788、0.896。上述计算结果反映出各评价单元旅游扶贫效率在同一视窗年份的动态变化。借助视窗分析表还可对同一视窗里的不同评价单元进行效率比较。以第二视窗为例，2012—2015年，汉中市各年旅游扶贫效率值分别为1.000、0.974、0.861、1.000，广元市各年分别为0.622、0.826、0.694、0.895，绵阳市各年分别为1.000、0.867、0.686、1.000，陇南市各年分别为0.572、0.824、0.791、0.921。汉中市在这个时期内效率值整体高于其他评价单元。再进行不同决策单元在不同视窗下的整体效率比较，汉中市不同视窗下的均值为0.959，绵阳市为0.803，陇南市为0.776，广元市为0.749，汉中市旅游扶贫整体效率最高，广元市旅游扶贫整体效率最低。均值在一定程度上反映出各市旅游扶贫的综合效率，所以，汉中市旅游扶贫综合效率最高，广元市最低。

表4 秦巴山区陕甘川毗邻区4市旅游扶贫投入产出效率视窗分析表

标准差用来分析不同评价单元的效率值分布的离散程度，标准差越大分布越离散。从表4可看出，绵阳市标准差值为0.099，广元市为0.078、陇南市为0.038、汉中市为0.012。绵阳市旅游扶贫效率分布离散程度最大，汉中市最小。标准差值反映出同一时期旅游扶贫投入产出的效率变化情况，其变化受投入与产出影响明显。

综合栏距反映出不同评价单元旅游扶贫的效率稳定性，综合栏距越小效率越稳定。陇南市综合栏距值为0.331，绵阳市为0.254、广元市为0.251、汉中市为0.141，汉中市旅游扶贫效率稳定性最好。另外，全距是同一视窗中旅游扶贫效率最大值和最小值的差，其值越小越优，它反映的是评价单元本身效率值变化的极端情形，即效率值在评价期内的跨度，对分析效率稳定性提供数据上的参照，但不能完全反映评价单元效率值的稳定性。例如，从综合栏距分析来看，广元市旅游扶贫效率稳定性优于绵阳市，但绵阳市全距值（0.380）小于广元市全距值（0.396），因此全距是用于对不同评价单元自身效率变化的刻画，而不用于不同评价单元稳定性的比较。

5 结语

运用视窗分析方法，对秦巴山区陕甘川毗邻区4市旅游扶贫效率进行评价，在视窗中引入均值、标准差、综合栏距、全距对被评价单元综合效率的高低、效率值的离散性、效率变化的稳定性进行了动态分析，结果显示：（1）该区域内4市连续4年的旅游扶贫效率有明显差异。汉中市基本高位徘徊，绵阳市波动幅度较大，广元市和陇南市呈现整体提升趋势。广元市和陇南市2011—2017年旅游业综合收入和游客接待人数大幅增长，对产出有直接影响；汉中市和绵阳市旅游业发展规模大，旅游扶贫综合效率虽然高但增长空间受限。（2）该区域内4市旅游扶贫效率稳定性较好，旅游扶贫整体呈现稳步发展趋势。2011—2017年汉中市旅游扶贫处于稳定发展期，陇南市处于追赶发展期，绵阳市处于发展波动期，广元市处于追赶波动期。

投入产出指标体系构建是进行旅游扶贫效率DEA视窗分析的关键，投入产出指标的选取直接影响着评价结果。本文利用DEA视窗分析方法对评价区内4市的旅游扶贫效率进行了宏观角度的测算和动态分析，但是，由于没有考虑评价单元内部经济社会发展对人均GDP的影响，以及城镇居民和农民收入来源的多样性，尤其是难以将其他产业扶贫形式对旅游扶贫效果的影响纳入到该评价体系中，测算的结果与旅游扶贫的实际效果还存在一定差异。而旅游综合收入和游客接待人数对参与旅游业的贫困人口增加收入有直接的、重要的影响，因此，在旅游扶贫实施过程中，以投入产出为指向，对旅游扶贫效率做出合理评价，在脱贫攻坚实践中具有重要现实意义。