集中连片特困区旅游扶贫效率及旅游经济强度空间特征分析——基于Super-SBM模型和社会网络分析法

尹建军，罗倩，甘畅，熊鹰，郑斯佳

（1. 黄冈师范学院地理与旅游学院，湖北 黄冈 438000；2. 湖南师范大学旅游学院，湖南 长沙 410081）

贫困是全世界面临的难题之一，中国也不例外。“旅游扶贫”是实现脱贫的有效途径之一，扶贫效率是检验旅游扶贫工作的重要依据，高效率的旅游扶贫必然要求加强区域旅游资源整合、交通和信息互通，形成一体化的旅游经济联系网络，带动旅游经济高效发展，居民增收致富。因此，评价旅游扶贫效率，分析旅游经济强度空间特征，揭示旅游扶贫效率与旅游经济联系强度之间关系，探讨提高旅游扶贫效率的路径，对区域旅游扶贫工作和旅游经济发展具有重要理论价值和指导意义。

国外关于旅游扶贫研究，主要集中在旅游扶贫参与角色和受益者[1-2]、旅游扶贫理论、扶贫方式及效果[3-5]、旅游可持续发展（ST-EP）模式[6]等方面。相较于国外研究，国内关于旅游扶贫的研究起步较晚，始于20世纪末，但进展很快，取得了不少成果。最早主要研究旅游扶贫概念、旅游扶贫效应[4]，逐渐深入到旅游扶贫模式和机制研究[5]，再过渡到旅游扶贫效率测度、评价、时空格局及影响因素等系统分析和研究。在研究内容上，当前研究成果主要集中于旅游扶贫效率测度[7-8]、旅游扶贫效率空间特征[9-10]、旅游扶贫效率评价[11]、旅游扶贫效率网络结构演化[12]及驱动因素[13]。也有一部分学者基于旅游扶贫效率时空分异[14]、旅游扶贫与多维贫困关系[15]、旅游扶贫类型与模式[16]、居民对旅游扶贫效率感知[17]等视角展开研究。在模型指标选取上，学者们普遍将旅游扶贫看作一个“投入-产出”系统[7,9]，通常从旅游发展投入选取投入指标，从居民收入选取产出指标，目前还未建立统一的旅游效率评价指标体系。在研究方法上，通常采用DEA模型[10-11]、SBM模型[12]测度旅游扶贫效率，采用社会网络分析法[12]、Tobit方法[13]分析空间特征和影响因素。

综上所述，国内学者诸多研究成果为本文从研究内容、研究方法等方面提供厚实的理论基础，然而，研究尺度选择上，多侧重于大尺度的行政区域和社会区域，对于省域范围内小范围经济区域，尤其是经济相对落后的革命老区研究较少；研究内容上，单一的旅游扶贫效率测度与评价较多，少数学者进行时空特征和驱动因素分析，将旅游扶贫效率与旅游经济强度进行关联研究甚少。大别山区是我国14个集中连片特殊贫困区之一，位于湖北、河南、安徽三省交界处。经济发展方面，该区域经济相当落后，生态环境脆弱，区域贫困问题突出，具有明显的贫困化特征；旅游发展方面，该区域旅游资源丰富，资源禀赋较好，但资源整合不够，交通通达性不畅，具有明显的散乱化特征；行政管辖方面，该区域位于三省边界，由于省界边缘，离中心城市较远，受中心城市辐射带动较弱，经济发展具有明显的边缘化特征。作为革命老区及国家级贫困区，如何整合区域旅游资源，大力发展旅游产业，促进乡村产业振兴，带动居民脱贫致富，成为大别山区扶贫工作的重要抓手。基于此，选取湖北大别山区16个县（区）为研究对象，运用Super-SBM模型，对其旅游扶贫效率进行测度，采用社会网络分析法对各县（区）旅游经济强度空间特征进行分析，对比旅游扶贫效率与社会经济发展水平、旅游经济强度等关联性，探讨区域旅游扶贫模式及优化旅游经济发展、提升旅游扶贫效率的路径，以期为贫困山区旅游扶贫带动居民脱贫致富提供一定的理论依据和经验借鉴。

1 研究方法和数据来源

1.1 研究对象

选取湖北大别山区作为研究对象，依据2015年国务院发布的《大别山革命老区振兴发展规划》，结合国家提出精准扶贫所涉及的区域范围和本区域的实际，主要选取黄冈市的团风、麻城、红安、罗田、英山、蕲春、浠水、黄梅、武穴；孝感市的孝昌、大悟、安陆；随州市的随县、广水；武汉市的新洲、黄陂等16个县（区）。所选的县（区）均位于大别山腹地，在旅游扶贫方面具有较强代表性。

1.2 研究方法

1.2.1 Super-SBM模型 SBM模型是由Tone[18]提出的一种非径向非角度的DEA模型，与传统CCR或BCC模型不同，该模型的优点在于投入产出无量纲，不影响测算的效率值，且效率值随着投入与产出松弛程度的变化而严格单调递减，但会出现多个决策单元（DMU）有效的情况，无法对其进行排序和评价。鉴于此，为解决模型中区分有效DMU的问题，Tone基于修正松弛变量进一步提出了super-SBM模型[19]，此时，有效DMU的效率值会出现大于1的情况，有效解决无法对其评价和排序的缺陷。运用Super-SBM模型，利用DEA-SOLVER Pro5.0软件对湖北大别山区旅游扶贫效率进行测算。模型公式如下：

式中：ρ代表相对效率值，x代表输入变量，y代表输出变量，m代表投入指标个数，s代表产出指标的个数，s-代表投入松弛变量，s+代表产出松弛变量。当ρ≥0时，DMU决策单元表示有效；当ρ＜1时，DMU决策单元表示无效，需要对投入和产出进行改进。

根据Super-SBM模型要求，分别选取3个投入和2个产出指标。为兼顾数据的可得性和评价的客观性，参考学者们研究成果，选取人均旅游收入[20]，人均接待游客量[11,21]和财政收入作为投入指标，人均旅游收入可以较好地反映旅游发展状况，而人均接待游客量则可较好地衡量旅游产业的催化效应与综合效应[11]，财政收入可直接反映各县（区）的经济发展水平，其中人均旅游收入通过旅游总收入与年末总人口之比得出；产出指标的选择，不仅要考虑地区经济的总体发展现状，还应考虑地区人们的生活水平，因此选取人均GDP[22]和农村常住居民人均可支配收入[23-24]作为产出指标。

1.2.2 引力模型 引力模型是测度各县（区）间联系强度的重要方法。通过构建各县（区）联系强度矩阵，得出各县（区）间“关系数据”。传统引力模型[25]公式如下：

式中：Rij为县（区）i、j的旅游经济联系强度，Pi、Pj表示县（区）人均接待游客量，Vi、Vj表示县（区）人均旅游收入，Dij2表示县（区）i、j的高速公路交通距离的平方。传统引力模型存在一定缺陷，例如所选自变量指标存在量纲化影响。基于此，将对所选自变量指标进行无量纲化处理，并运用层次分析法加权处理，对引力模型进行修正。

1）修正引力模型。对传统引力模型的修正，公式如下：

式中：Rij为县（区）i、j的旅游经济联系度；Dij表示县（区）i、j的高速公路交通距离；a，b，c分别表示财政收入、人均接待游客量、人均旅游收入的权重系数；Oi、Oj分别表示无量纲化处理后各县（区）财政收入；Pi、Pj分别表示无量纲化处理后各县（区）人均接待游客量；Vi和Vj分别表示无量纲化处理后各县（区）人均旅游收入。为了便于计算，式中λ取值0.01。

2）指标无量纲化处理。参考李伟伟等[26]研究成果，为消除量纲不同造成的影响，采用极值法对各指标数据进行无量纲化处理。公式如下：

式中：m表示县（区）；n表示年份指标的无量纲化值；Xmn表示指标实际值；Xmn(min)表示指标最小值；Xmn(max)表示指标最大值。

3）层次分析法确定权重。运用yaahp.ink软件对自变量进行权重确定，并进行一致性检验，结果为0.000，小于0.1，通过检验计算结果可信。结果显示人均旅游收入和人均接待游客量权重均为0.4545，财政收入权重为0.0909。

1.2.3 社会网络分析方法 社会网络是社会行动者及其间关系的集合，行动者可以说个人、群体乃至国家，关系可以是多样的[27]。社会网络分析法主要有两类研究：一是研究网络的整体结构，二是利用个体网成员之间关系研究个体网络[28]。社会网络关系研究指标众多，选取研究所涉及最相关的网络密度、中心度、核心-边缘模型及凝聚子群等指标[29]进行分析。

1）网络密度。网络密度是网络中存在的关系数除以理论上最大的关系数[28]，用来揭示网络图中各县（区）的紧密度，取值范围为0-1，取值越接近1，表示网络密度越大，各县（区）之间联系度越高。

2）网络中心性。中心度是用以刻画各县（区）节点在网络中是否居于中心的指标，包括点度中心度、中间中心度、接近中心度。

点度中心度，主要用来衡量反映在网络空间结构中的各县（区）与其他县（区）的联系程度，县（区）的点度中心度越大，则越处于核心地位，所拥有的“权力”就越大，其公式[30]如下：

式中：CRD(i)为县（区）i的点度中心度，li为节点i和其他县（区）之间的有效联系数量。

中间中心度指各县（区）对旅游、经济资源要素的掌控程度，县（区）中间中心度越大，说明成为其他县（区）资源传输“桥梁”的可能性越大。具体公式[29]如下：

式中：j≠k≠i，且j

接近中心度指其他县（区）到该县（区）最短距离之和，表明其不受其他县（区）影响的程度，县（区）的接近中心度越高，其依赖的县（区）就越少，具体公式[28]如下：

式中：CRC(i)为县（区）i的相对接近中心度，dij为县（区）i和j之间的最短距离。

3）核心—边缘模型。核心—边缘结构是一个区域内各县（区）之间联系疏密程度的指标[30]。“核心”是一个聚类，核心区的各成员即行动者，是与事件分区中的每个事件经常“共现”的，“边缘”是一系列行动者构成的分区，这些行动者在同一些事件中不“共现”。

4）凝聚子群。凝聚子群是各个行动者间的子集合，行动者之间均有着积极、紧密、直接的关联性[31]，用以描述各县（区）旅游网络空间内部的状态，得出该网络中凝聚子群的数目、划分的几个派系及各县（区）之间的关系。

1.3 数据来源

所需数据主要来源于2011—2018年《湖北省统计数据》以及所涵盖的16个县（区）2011—2017年国民经济和社会发展统计公报，少量数据来源于县（区）旅游局、统计局等管理部门及调研，并未考虑物价因素影响，个别缺失数据根据前后年份数据进行线性回归分析获得。

2 结果与分析

2.1 旅游扶贫效率分析

利用Super-SBM模型对研究区域2011、2014、2017年旅游扶贫效率进行测度，得出旅游扶贫综合效率、纯技术效率、规模效率值，见表1。

2.1.1 综合效率分析 旅游综合效率是衡量一个地区旅游业发展带动贫困居民脱贫程度的综合指标。湖北大别山区旅游扶贫综合效率处于中等偏上水平，多年均值为0.7762，其中广水、黄梅、新洲、安陆、随县、团风和浠水高于平均水平，其余10个县(区)均低于平均水平，说明该地区旅游业的发展整体上对促进当地居民脱贫作用不明显，扶贫综合效率主要得益于少数县（区）的带动；团风、浠水、随县多年呈现DEA有效状态，说明这三县旅游扶贫过程中，对资源配置和经济拉动效果明显，麻城、罗田、安陆、新洲、黄梅、武穴等在DEA有效和无效间徘徊，说明旅游扶贫对这些地区经济带动作用不稳定，存在改进的空间；2011—2017年，旅游扶贫综合效率呈现下降趋势，平均综合效率从2011年的0.8392下降到2017年的0.6916，由中等偏上降至中等水平，除新洲、安陆、团风和广水等地综合效率呈现不同幅度提升外，其他县（区）均下降明显，说明该区域旅游扶贫对经济整体拉动作用逐渐弱化，亟需提升旅游业对经济发展推动效应，优化资源配置模式；旅游扶贫综合效率地区差异明显，空间上呈现西北-东南的空间格局变化，东南各县（区）旅游扶贫效率值整体高于西北各县（区）。

表1 2011—2017年各县(区)旅游扶贫效率测度值Table 1 Measurement values of the tourism poverty alleviation efficiencies of counties (districts) from 2011 to 2017

2.1.2 纯技术效率分析 纯技术效率是描述各县（区）技术创新和政府管理合理程度的指标。纯技术效率值若大于或等于1，说明达到生产前沿面，表示政府管理和技术应用合理；反之，则不合理。2011—2017年，旅游扶贫纯技术效率整体呈现下降趋势，达到最佳生产前沿面的县（区）由13个下降到7个，平均值由2011年1.0482下降到2017年的0.7674，说明随着旅游业的不断发展，该地区技术创新发展滞后，政府管理水平停滞不前，不能适应旅游发展新业态和旅游扶贫新要求，有待进一步改进和完善技术和管理水平；团风、浠水、随县、安陆、新洲和黄陂一直处在生产前沿面；安陆、大悟等6个县（区）纯技术效率出现不同幅度上升，其中新洲区纯技术效率增幅最为明显（1.7794），平均值高达2.0362，说明这些县（区）旅游扶贫工作中技术创新和政府管理水平持续提升；红安、麻城等旅游扶贫纯技术效率值持续走低，其中红安县最低值仅0.1938，纯技术效率平均值为0.2631，远低于该区域平均水平0.6613，反映了红安、麻城等旅游资源禀赋优异、旅游业发展较好的县（区）在旅游扶贫项目技术与管理方面提升空间很大，可以通过改善技术、优化管理等方式提升旅游扶贫效率。

2.1.3 规模效率分析 规模效率等于综合效率与纯技术效率的比值，是反映旅游业发展规模对旅游扶贫效率影响程度的指标。2011—2017年，规模效益呈现稳步上升趋势，均值由2011年的0.8202上升至2017年的0.9301，接近DEA有效，说明了该地区旅游扶贫规模效率提升空间不大，适当控制旅游业发展规模，把握好旅游业发展规模与经济发展的“度”有利于旅游扶贫效率提升。2017年麻城、红安、罗田、英山、武穴等6个县（区）规模效率达到有效状态，大部分县（区）规模效率接近有效，得益于近些年来该地区旅游业的快速发展。黄陂区旅游扶贫规模效率最低，平均值为0.3218，远低于研究区域平均值0.8653，说明黄陂的旅游业发展规模比较滞后，可以通过扩大旅游发展规模提升旅游扶贫效率。

2.2 旅游经济强度空间特征分析

如表2所示，该区域旅游经济联系强度较弱，呈现明显的区域不均衡性，经济联系强度平均值为0.90，仅黄陂、麻城、红安、罗田、英山等5个县（区）处于平均值之上，其余11县（区）均处于平均值之下，究其原因，主要与交通通达度和旅游资源优势度有关，彼此之间吸引力不够。旅游经济联系强度最高的是罗田与英山（34.68），远高于其他县（区）之间的联系，主要是因为：罗田与英山地理位置彼此相邻，时空距离小，旅游发展联系紧密；两县旅游业发展强势，基础设施完善，彼此间交通可达性好；旅游资源禀赋好，大别山主峰天堂寨景区位于两县交界处，成为两县连通最直接的“桥梁”。

2.2.1 网络密度 如图1所示，各县（区）间网络密度总体呈现“大分散、小聚集”的网络空间格局，空间网络联系松散，尚未形成一个占有绝对影响地位的集散场。计算结果显示，2017年网络密度值仅为0.2833，处于中等偏下水平，网络密度的标准差为0.4506，地区差异明显。从空间分布来看，集聚现象主要集中在中部偏东地区，黄陂、英山、红安、罗田等县（区）点入度与点出度明显较其他县（区）高，说明这四个县（区）网络空间联系较其他县（区）频繁。

表2 2017年县（区）旅游经济联系强度Table 2 Strength indices of the tourism economic linkages between counties (districts) in 2017

图1 2017年各县（区）旅游强度网络空间结构Fig. 1 Spatial structure of the tourism intensity network of counties (districts) in 2017

2.2.2 中心性 1）点度中心度分析。黄陂的中心度遥遥领先，居于绝对中心位置，罗田和英山其次，居于次中心位置，这三个县（区）在该网络中“权力”最大，控制与影响着其他各县（区）资源流动的命脉，表明核心节点控制网络结构的程度较高。浠水、大悟和安陆各项指标均较低，主要受交通通达度低，基础设施不完善，资源禀赋较低，难以获取高质量的旅游客源影响（表3）。

2） 接近中心度分析。接近中心度最高的是黄陂、罗田和英山，表明这3个节点与区域内其他县（区）联系密切，交通通达度较高，较少受其他节点制约，位于整个网络组织的中心。浠水、大悟和安陆接近中心度值最低，表明他们在湖北大别山区影响力小，受其他县（区）影响大，依赖性较强（表3）。

3）中间中心度分析。总体来说，中间中心度呈现个别突出，整体平衡的局势。黄陂中间中心度十分突出（37.079），远远大于均值(4.047)，说明网络中心度被黄陂所垄断，各县（区）发展十分依赖黄陂的桥梁与中介作用，其他县（区）的中心度趋于平衡状态，县（区）间应加强彼此间经济联系，以适当削减黄陂的绝对中心地位（表3）。

表3 2017年各县（区）旅游空间联系网络中心度Table 3 Centrality of the tourism spatial linkages of counties (districts) in 2017

2.2.3 核心－边缘模型分析 由表4可知，麻城、红安、罗田、英山、广水、黄陂被划分为核心区，其余10个县（区）为边缘区。结合表1比对分析可知，从平均值来看，核心区县（区）旅游扶贫效率均未达到生产前沿面，且普遍较低，均值为0.3954，旅游扶贫效率最高的是英山（0.6032），最低的是红安（0.2638）；边缘区中有新洲等5个县（区）达到了生产前沿面，且普遍较高，均值为0.9800，说明边缘区旅游扶贫效率远比核心区旅游扶贫效率高，旅游经济联系与扶贫效率呈反向相关关系，旅游经济联系越强，旅游扶贫效率越低。密度矩阵显示，核心区的密度为0.567，边缘区的密度仅为0.100，密度值均偏低，说明旅游经济联系空间结构层次明显。核心区成员与边缘区成员间的联接密度为0.302，说明两个层次间的联系不够密切。

表4 2017年各县（区）旅游空间联系核心-边缘结构Table 4 Core-marginal structure of the tourism spatial linkages of counties (districts) in 2017

图2 2017年各县（区）空间联系网络凝聚子群Fig. 2 Agglomerated subgroups of the spatial connection network of counties (districts) in 2017

2.2.4 凝聚子群 该区域内部凝聚子群共划分为3个派系，5个子群（图2），地理位置空间相邻性、交通通达度、旅游资源共享性是其构成的关键因子。值得注意的是，团风和红安单独成型，未与其他县（区）构成子群，表明其与其他县（区）联系极少，内部空间结构与其他县（区）存在一定的差异。蕲春—浠水—黄梅—武穴子群与团风组建了东南派系；麻城—新洲、罗田—英山—黄陂等子群构成中部派系；孝昌—随县—大悟、广水—安陆等子群形成了西北派系。

2.3 对比分析

由表5可知，旅游扶贫效率和旅游强度呈现负相关性，旅游扶贫效率和GDP相关性不明显。旅游扶贫具体呈现以下四种模式：一是高效率高强度模式。旅游扶贫效率和旅游经济联系强度双高，如新洲和随县。二是高效率低强度模式。旅游经济强度值较低，旅游扶贫效率较高，比如团风、浠水、黄梅、安陆、大悟和武穴，尤其黄梅，虽然经济欠发达，旅游经济强度低，但旅游扶贫效率达到了生产前沿面，呈现有效状态。三是低效率低强度模式。旅游经济强度值及扶贫效率值均处于较低水平，且较均衡，如广水、孝昌和蕲春。四是低效率高强度模式。旅游扶贫效率值处于较低水平，但旅游经济强度值高，如罗田、英山、黄陂、麻城和红安。以上模式充分体现该区域经济发展水平对旅游扶贫工作影响不大，旅游扶贫工作呈现明显地域上的差异，展现出不同的旅游扶贫策略，如有的县（区）重视旅游扶贫效率，轻旅游经济发展；有的县（区）重视旅游发展，但忽略对经济拉动效应；有的县（区）对于旅游经济发展和旅游扶贫都不重视；只有极少数县（区）既重视旅游经济发展又充分发挥其带动作用。

表5 2017年各县（区）旅游扶贫效率值与人均GDP及旅游强度排名Table 5 Ranking of the efficiency values of tourismpoverty alleviation and the per capita GDP and the strength of tourism linkages in counties (districts) in 2017

3 结论

以湖北大别山区为实证靶向，引入Super-SBM模型对旅游扶贫效率进行测度，并通过修正传统引力模型，构建各县（区）旅游空间关系矩阵，运用社会网络分析法，对湖北大别山区16个县（区）2017年的网络空间结构进行可视化分析，得出以下研究结论。

1）该区域旅游扶贫综合效率处于中等偏上水平(均值为0.7762)，整体呈现下降趋势，纯技术效率也呈现下降趋势，规模效率稳步上升，纯技术效率的快速下降是旅游扶贫综合效率下降的主要原因。县（区）间旅游扶贫效率差异明显，三大效率均能达到DEA有效的县（区）较少，进一步优化旅游资源配置，改进旅游扶贫方式，提升旅游扶贫效率空间较大。

2）县（区）之间旅游联系强度较弱，具有明显的不均衡性。网络密度呈现“大分散，小聚集”的网络空间格局，县（区）间网络空间联系松散，尚未形成具有绝对影响地位的集散场。核心区与边缘区之间连接密度较低，联系不够紧密。

3）旅游经济联系地域空间结构分为东南，西北和中部三个主要派系。根据旅游扶贫效率值与经济发展水平、旅游经济强度值三者关系特征，旅游扶贫效率与旅游经济强度呈现负相关性，与GDP相关性不明显，边缘区旅游扶贫效率远比核心区旅游扶贫效率高，具体呈现高效率高强度、高效率低强度、低效率低强度、低效率高强度四种模式。

4 建议

1）改进区域旅游扶贫手段，优化扶贫管理模式。充分发挥核心区龙头支撑和示范作用，构建旅游扶贫合作机制。麻城、罗田、黄陂等核心区利用龟峰山、天堂寨、木兰天池等景区资源优势，吸引企业资金投资，大力发展旅游产业，吸纳当地居民参与经营管理，通过提升旅游扶贫产出，带动居民脱贫致富；新洲、大悟、安陆、团风等边缘区，利用当地农村特色，发展乡村旅游，创建“企业投资+集体管理+农民经营”的双赢乡村旅游模式，将居民土地所有权转化为经济收益，通过扩大旅游扶贫投入提升扶贫效率；各县（区）政府加强落实机关、事业单位对口扶贫政策，引进符合农村实际的旅游扶贫项目，让居民以不同的方式参与其中，成为真正的受益者，增加产出效应。

2）调控县（区）旅游发展规模，合理配置旅游资源。湖北大别山区整体规模效率较高，应合理评估投入-产出效应，科学控制发展规模。麻城、红安、罗田、英山等规模效应已达到生产前沿面的县（区），可以通过扩大产出效应以匹配旅游发展规模；规模效率较低的黄陂，可以通过创造良好的旅游投资环境，积极尝试政府主导，企业主体旅游运营模式，充分发挥企业优势，打造个性旅游品牌，提高旅游产业规模，提升规模效率；其他规模效率较高但未达到生产前沿面的县（区），维持现有旅游发展规模稳步发展。

3）加强县（区）旅游经济联系，提升旅游扶贫效率。通过完善基础设施、提升知名度及提高交通通达度等方式扩大旅游经济联系面，加速构建区域旅游经济一体化网络，加强区域内县（区）旅游经济合作，以旅游合作促旅游扶贫。建立湖北大别山区三大旅游经济圈，即以蕲春和武穴为中心的东南旅游经济圈、以麻城、罗田、英山为中心的中部旅游经济圈、以广水和大悟为中心的西北旅游经济圈，完善圈内旅游交通基础设施，建设旅游经济圈之间旅游直达高速公路，缩短旅游距离。优化旅游经济圈内旅游线路，打造中心主景区游玩、周边副景区娱乐休闲一体化旅游线路，变“一日游”为“两日游”或“过夜游”，带动居民农副产品消费，提升旅游扶贫效率。