基于DEA模型的滨海旅游业高质量发展全要素生产率评价研究——以我国53个沿海城市为例

钟敬秋，高梦凡，潘婧雪

（1.教育部人文社科重点研究基地，海洋经济与可持续发展研究中心，辽宁 大连116029；2.辽宁师范大学海洋可持续发展研究院，辽宁 大连116029；3.中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室，北京100101；4.辽宁师范大学 地理科学学院，辽宁 大连116029）

引 言

将对海洋资源的开发利用定为国家的发展战略已成为全球多数沿海国家的战略共识，我国也同样位列其中。为推动“海洋强国”战略实施，习近平总书记在《致2019中国海洋经济博览会的贺信》中强调“海洋是高质量发展战略要地”。海洋经济在确保新的增长引擎，发展新的收入领域，增强工业能力以及指导新经济发展方面发挥着重要作用。滨海旅游业以成长速度快、产出效益高的特点成为推动海洋经济发展的主推动力。《2019年中国海洋经济统计公报》显示，沿海旅游业持续较快增长，与上年相比实现创收18 086亿元，并逐渐向生态化、多样化的发展。当前，中国的经济发展也处在发展的转折点上，从高速发展转向高质量发展仍是一个需要不断探索的历程。因此，必须优先考虑质量与效率问题，提高全要素生产率。

综合国外研究文献来看，外国学者在研究滨海旅游时主要关注其沿海自然环境与人类活动的交互作用，沿海旅游区的发展模式，游客行为以及运营者对滨海旅游资源的运转方式等方面[1]。我国的研究人员涉足于滨海旅游的研究至今仅有20多年，在研究内容上与外国学者存在一定共性。表现在对海洋旅游资源开发保护、发展状况、产品研发以及社会文化等内容[2]。这些研究方向归根结底均是为促进滨海旅游提供理论支撑。李淑娟等（2015）提出要想探究滨海旅游的高质量发展，要将研究焦点放在其发展高度、质量以及投入要素的配置情况上[3]。简而言之，目前首要也是最基本的任务就是提高滨海旅游的全要素生产率。全要素生产率的提升代表着行业升级以及生产力的进步。从目前的国外已有的对于全要素生产率的研究来看，酒店、旅行社、景区等旅游接待设施是外国学者常选择的研究对象。比如Martínez等（2006）通过对旅游全要素生产率的探究发现技术进步、资源配置效率以及酒店入住率的变化都会对旅游业的全要素生产率的发展产生影响，其中酒店的入住率是提升全要素生产率的关键因子[4]。国内学者对于全要素生产率的研究虽迟于国外，但成果颇丰，并且具有中国特色。在研究对象的选择上非常广泛，主要表现在：地域空间的选择上，34个省份[5]、19个（新）一线城市[6]、特定区域（如国家生态文明实验区[7]、一带一路经济区[8]、长江经济带[9]、淮海经济区[10]等）乃至个别城市（如杭州市[11]）均成为学者们的探讨对象；在行业领域上，旅游公司、酒店、景区[12-14]的全要素生产率变动同样是学者们关注的研究对象；在研究内容上，主要包括对旅游全要素生产率的分解、空间格局、时序演变特征、驱动因素及收敛性等的研究[15-18]；在研究方式上，数据包络分析[19]、随机前沿生产函数[5]和平均值法[3]是使用频率最高的三种方式。而对于“海洋经济高质量发展”方面的研究，目前学术界对于它的研究主要聚焦在路径选择和评价体系建设上[20-21]。常选择灰色关联法[22]、层次分析法[23]和信息熵权法[24]，构建评价体系。

综上所述，本文通过梳理文献资料发现，目前国内还缺乏具体系统的对于如何推进滨海旅游高质量发展方面的研究。虽然有的学者在研究旅游全要素生产率时选取滨海旅游城市为研究对象，但也只是选取各别具有代表性的沿海城市，无法掌握整体发展情况。为此，本文基于“海洋经济高质量发展”大背景，选取53个滨海城市为研究对象，探讨2005—2019年间滨海城市旅游全要素生产率的时序及空间演变特征，为更深入促进滨海旅游高质量发展提供理论实践支撑。

1 滨海旅游业高质量发展的内涵

对于“滨海旅游业高质量发展”含义的界定学术界目前尚无明确的说法。基于“海洋经济高质量发展”，韩增林等（2019）将其理解为“海洋经济的量达到一定程度后，海洋经济各方面，如综合实力、产业结构、社会分配以及生态环境的发展实现均衡发展的结果”[25]；丁黎黎（2020）则从对象维度和理念维度将其定义为“以‘海洋经济-海洋资源-海洋环境-海洋科技-海洋社会’五大系统所构成的海洋经济关联系统为对象载体，以五大发展理念为根本原则与目标导向，覆盖海洋经济运行的所有层次的质量、效率、劳动力的变革过程”[26]；王泽宇等（2020）认为海洋经济高质量发展“要将经济高质量发展内涵、其所遵循的五大发展理念以及海洋经济发展规律相结合，从而使海洋经济效益不断提升，结构持续优化”[27]。

基于此，经济高质量发展背景下的滨海旅游业应一改以往供需失衡、产品单一、破坏资源、产能低效的发展模式，应从微观（提高全要素生产率）—中观（加快产业转型升级，推动市场结构调整）—宏观（区域经济均衡发展）三个层面出发，形成一种供需均衡、文旅融合、绿色发展、产业升级的发展模式，从而实现滨海旅游业由高速增长转向高质量发展。

2 研究方法与指标选取

2.1 研究方法选择

2.1.1 数据包络分析模型

数据包络分析（Data Envelopment Analysis，DEA）是一种对被研究对象间进行相应比较的非参数技术效率分析方法，是由美国的Charnes、Copper和Rhodes等人于1978年首次提出的。数据包络分析方法由于具有操作简便、适用范围广等特点，继提出后，陆续被应用在诸多领域，如教育、农业、公共交通、旅游、生态环境等。但在研究过程中，一些学者发现传统的DEA基本模型在锥性、径向性等诸多严格假定下无法准确地对实践应用的效率结果进行准确评价。并且，在其模型考虑范围内并没有考虑到非期望产出，如负外部效益等指标[28]。为此，Tone（2003）直接将松弛变量放入了目标函数中，提出了SBM模型（Slake-Based Measure，SBM），不仅解决了投入产出的松弛性问题，也解决了效率评价问题[29]。其中SBM模型表现如下：

式（1）目标函数表示生产决策单元实际投入与产出相较于生产前言的平均可削减比重与平均可扩大比重的比值，也就是投入无效率与产出无效率，目标函数关于s-、sg、sb递减。式（2）中的变量s-、sg、sb分别为投入松弛变量、期望产出松弛变量和非期望产出松弛变量，λ则是权重向量。目标函数值ρ*变化区间为[0，1]，当ρ*=1，且s-、sg、sb均等于0时，三者全部有效；当ρ*<1，或s-、sg、sb不全为0时，决策单元是综合技术效率无效，纯技术效率或规模效率无效，具有投入产出改进的空间。

2.1.2 曼奎斯特指数模型

曼奎斯特指数（Malmquist Index，MI）的概念最早由Malmquist于1953年提出。只有在被评价DMU数据是包含了若干个时间点观测值的面板数据时，才可以对生产率的变动情况、技术效率和技术进步各自对生产率变动所引起的作用进行分析，因此也被称为Malmquist全要素生产率（Total Factor Productivity，TFP）指数分析。全要素生产率（TFPCH）被分解后一般包括技术进步（TECHCH）和技术效率变化（EFFCH）两部分，当假设规模报酬不变时，效率进步会再次被分解为纯技术效率变化（PECH）和规模效率变化（SECH），即TFPCH=EFFCH×TECHCH=PECH×SECH×TECHCH。TFPCH>1表示生产率水平相比之前有所上升，TFPCH=1表示其水平不变，TFPCH<1表示生产力水平相较于前一年有所下降。

2.2 指标选取与数据来源

2.2.1 指标选取

本文在科学性、可行性、代表性、一致性原则指导下共选取3个投入指标，3个产出指标和53个研究对象，构建评价指标体系。

投入指标方面：本文选择社会固定资产投资、第三产业就业人数以及星级酒店数量作为投入指标代表我国滨海旅游业发展过程中所投入的人力、物力及财力等资源，其中社会固定资产投资代表资本投入规模；第三产业就业人数作为劳动力投入指标，表示目标城市所能提供的服务规模；而酒店作为目的地的服务接待设施，表示该市的服务接待能力。

产出指标方面：在滨海旅游的发展过程中，不但会产生经营者所期望的产值，如经济效益；也会出现经营者期望之外的结果，如环境污染等。因此本文选取旅游接待人数，即接待游客数量，和旅游收入作为期望产出指标；选取旅游污水排放量为非期望产出指标。由于旅游污水排放量并没有确切的数据，故借鉴狄乾斌等学者[30]的测算方法，旅游污水排放量=污水排放总量×（旅游收入/地区国民生产总值）来测算。

表1 53个滨海城市旅游全要素生产率评价指标体系

2.2.2 数据来源

本文选取我国53个沿海城市作为研究对象，其中包括51个地级城市和2个直辖市（天津市和上海市）。由于这些城市均位于我国东部沿海地带，人口密集，基础设施完善，经济较为发达，且城市发展过程中第三产业所占比重较大，城市经济发展模式具有相似性，可做比较。并且这些城市的数据资料相对完善，便于获取数据。文章中所有研究数据均收集于53个沿海城市2005—2019年间的《国民经济和社会发展统计公报》。

3 结果分析

3.1 53个滨海城市旅游发展效率分析

旅游综合效率用来表示生产要素在旅游业发展进程中的投入与产出的利用比例。本文选取6个二级指标作为这些城市滨海旅游业发展情况的研究对象，运用DEA6.5软件进行了分析测算，获得各地不同年份的综合效率。选取2005、2010、2015以及2019年不同城市的综合效率值，利用ArcMap绘制出这4个时期53个滨海城市旅游综合效率的发展水平演变图（见图1）。由于，53个滨海城市在2005—2019年间的旅游综合效率均值为0.687，且旅游综合效率值在0.8以上时表示发展状态良好，为此本文选取0.687和0.8作为临界值：综合效率在0~0.687之间的城市属于低水平区；综合效率值位于0.687和0.8之间的城市位于中水平区；高水平区的城市数值应在0.8~1之间。在图1中可以很明显看出三亚市在这4个年份中均处于高水平区。对比2005年，2010年旅游综合效率发展趋势出现滑坡，表现为多地由中高水平区转为低水平区。2015年这些滨海城市的旅游综合效率发展水平相较于2010年出现回升趋势。处于中高水平区的城市数量肉眼可见得增多，2019年，城市旅游综合效率水平的变化相对稳定，处于低水平区的滨海城市数量减少，整体旅游综合效率水平提高。而从空间分布上来看，南方处于中高水平区的滨海城市数量比北方多。可见南方滨海城市旅游吸引力、基础接待设施、产业结构等相较于北方滨海城市的旅游业发展存在着一定的优越性。

图1 53个滨海城市旅游综合效率发展水平演变示意图

综合效率大小由技术效率和规模效率决定。其中技术效率是指该地发展过程中科技水平的应用程度；而对资源的投资以及满足城市发展资源需求的能力则由规模效率来表示。图2和图3根据各市平均纯技术效率和规模效率，作x=1，y=1.035的两条直线，其中x轴为规模效率大小，y轴表示纯技术效率大小，将区域划分为四个版块，横向来看，海口位于x=1的直线上，即规模效率为1，处于旅游产业规模最佳状态。烟台、唐山、东莞、厦门等26个城市虽分散在直线x=1左右两侧，但波动较小，数值差控制在0.01以内，产业规模大小合适。绍兴、大连、深圳等12个城市旅游业规模处于递减状态，东营、防城港等城市旅游业规模则与之相反。特别是东营、防城港、汕尾3个城市的旅游产业规模增长幅度最大；纵向来看，烟台，温州、东莞等35个城市的技术效率高于平均值，而天津、台州、海口等城市在旅游业的科技投入量则有所下滑。从整体来看，烟台、唐山、温州、东莞等17个地级市的旅游业发展处于相对优越的位置上：其发展规模适宜，科技水平较高。原因或许在于这些城市在发展滨海旅游业的过程中不断进行产业结构调整，提高科技在旅游业中的应用效率，从而达到一个发展的最佳状态。

3.2 53个滨海城市旅游全要素生产率分析

图2 53个滨海城市旅游产业规模效率和技术效率分布图（1）

图3 53个滨海城市旅游产业规模效率和技术效率分布图（2）

3.2.1 旅游效率演化特征分析以及区域差异

旅游效率演化特征分析。基于曼奎斯特指数法对各滨海城市的旅游全要素生产率进行剖析，得出以下结果（见表2）。从表2可以看到53个沿海城市的旅游全要素生产率的均值为1.161，说明我国滨海旅游业以16.1%的速度攀升，旅游业在沿海地区的发展状况一直在改善。这主要在于滨海旅游业的年平均技术效率、技术进步、纯技术效率和规模效率得到显著的提高，其中技术进步变化指数平均上升23.8%，对全要素生产率的提高起到主推作用。在2009—2010年，技术效率、纯技术效率和规模效率分别下降了63.1%、43.7%和1.3%，然而旅游全要素生产率却提高了19.7%，这主要归功于技术进步指数的提升，这一时期技术进步指数达到历年最大值，提高了253.7%。2010—2011年技术效率、纯技术效率、规模效率得到很大程度的提高。在旅游业全要素生产率稳定攀升的同时，技术进步指数却降到了最低水平，妨碍其进一步提高。2012—2019年，技术效率和规模效率变化差异明显，特别是2016—2019年呈下降趋势；纯技术效率变化浮动小；技术进步指数普遍上升且呈扩大趋势；旅游全要素生产率指数普遍上升但呈收敛趋势，应理性调整其产业投入-产出结构比例。

表2 2005—2019年53个滨海城市旅游效率变动情况

旅游全要素生产率城市分析。通过表3，可以看出我国滨海地区的旅游全要素生产率、技术效率、技术进步、纯技术效率和规模效率在发展过程中均得到改善。全要素生产率年均增长16.1%，除珠海、漳州外，其他城市旅游业发展状态良好，特别是烟台的滨海旅游业发展进步最大，旅游全要素生产率年平均增长39.5%，处于第一位。在技术进步指数上，53个滨海城市呈普遍上升趋势且差异扩大，广州技术进步指数年平均增长41.3%，而三亚的年平均增长仅为7.2%，地区间的科技发展水平存在较大差异；在规模效率方面，防城港规模效率值最大为1.262，其余城市间差异不大。从空间分布图上来看，除规模效率外，南北方滨海城市在发展上差异较小，发展相对均衡。从图4上看，绝大多数城市的旅游业发展状况良好，情况得到改善；在技术效率变动分布图上，台州、厦门、三亚和海口4个城市的数值低于1，科技投入在其旅游发展过程中带来的成效较低，可以通过提高科技投入效率来达到预期成果；纯技术效率上南北方滨海城市差异较小；在规模效率分布图中，规模效率低于1的城市多集中在南方滨海城市，可见南方绝大多数城市的滨海旅游规模处于一个不断递增的状态，浙江省最具代表性。而河北、山东的滨海旅游业发展规模则处于一个相对缩减的状态。但无论是发展规模处于递增还是缩减，各城市都应积极找寻属于自己城市发展滨海旅游业的最佳规模状态。

表3 53个滨海城市全要素生产率变动及分解效率变动值

图4 53个滨海城市旅游全要素生产率变动及分解效率变动值空间分布示意图

3.2.2 53个滨海城市旅游效率的形态类别及演进模式分析

城市旅游效率演进模式分析。通过对2005—2019年滨海城市的旅游效率大小和全要素生产率变化程度的研究发现，同一个城市在研究期的时间内，效率状态也并非是一成不变的。以旅游效率的均值0.687和全要素生产率的均值1.161为临界点，将53个城市的演变模式划分为凹槽型、循环型、波动型和平稳型四种。如图5所示。

图5 53个滨海城市旅游效率演进模式

凹槽型：效率状态由稳定的高速发展跌落到最低点后再次回至高速平稳发展的演变模式被称为凹槽型演变模式，它的基本特征就是在演变过程中表现为“高-低-高”。主要有大连、天津、上海等13个城市。这种类型的城市在前期可能是通过调整产业结构、合理资源配置、提高服务水平等内部调整使产值有所上升；但在中期，受外部政策或者竞争对手的影响，发生下滑，之后经过调整适应逐渐恢复原来状态。

循环型：这类模式的最大特点就是旅游综合效率和全要素生产率的发展状态反反复复。这一类型城市仅有丹东、锦州、日照和汕头4个城市。这一类型的城市可能因其旅游产业存在特定的发展规律或者在摸索适合自己的最佳发展路线，而呈现出循环往复的特征。

波动型：这一类型的发展具有很强的突变性，跨度大，涉及的类型多。在53个滨海城市当中，共有25个城市的演变特征属于波动型，多集中在南方滨海城市占绝大多数。这种类型的城市其演化特征并不明显，很难预测接下来的走向趋势。从侧面也可以看出这类城市的旅游业发展还不成熟，对于自己的发展定位还处于探索中。

平稳型：该种城市的旅游综合效率和全要素生产率的变化不明显，并且趋势也趋于稳定。这一类型的城市共有11个，多集中在北方沿海地区。这一类型的城市能够根据自身需求合理配置要素，并且能够对内外部因素变化及时做出调整，最终使效率状态变化趋于稳定。

4 结语

本文通过DEA计算出53个滨海城市的旅游效率，发现：第一，在旅游综合效率上，只有三亚达到最优状态，综合效率为1，除此之外，还有15个城市的综合效率超过了平均值，发展状态良好。而东营、东莞、漳州、盐城和滨州的综合效率相对较低，发展状况不理想。第二，根据纯技术效率和规模效率对其发展状态划分，发现绝大多数研究对象处于高技术效率、高规模效率发展状态。烟台、温州、东莞等17个城市的滨海旅游业发展综合来看相较于其他城市更为优越。从规模效率上来看，烟台、唐山等26个城市的滨海旅游业发展规模适宜，其中海口规模效率为1，发展规模处于最佳状态。第三，在旅游效率演化特征上，2005—2019年间我国滨海旅游业的发展得到改善，其中滨海旅游全要素生产率的提高主要由技术进步决定；空间上，在旅游效率空间分布上，除规模效率外，南北方城市的滨海旅游业发展较为均衡，差异不明显；在发展规模上，南方城市的滨海旅游业发展规模相较于北方处于不断递增状态，其中浙江省最具代表性。第四，在城市旅游效率演进模式分析中，将53个城市的演进模式划分为凹槽型、循环型、波动型和平稳型四种类型。北方滨海城市的旅游演进模式多属于凹槽型和平稳型；演进模式呈波动型的城市多集中在南方，特别是广东、福建和广西。

综上所述，结合实证分析，对于提高城市旅游效率，推进滨海旅游高质量发展，本文提出了以下建议：第一，提高旅游管理水平。提高旅游从业人员的专业涵养，优化调整人力资源结构，向高学历人群扩展，并且调整提高旅游行业标准。第二，适度增加旅游产业投入。积极引入投资，加强对现有旅游基础设施的维护与修复，提高当地旅游接待服务能力。第三，加大旅游产业科技投入。建立相关科研机构，鼓励高校开展相关课程，培养专业型人才。第四，提倡绿色生态旅游。制定相关环境保护条例，提高排污标准，加大节能减排政策力度，加强环保教育，提高群众环保意识。