基于DEA-Malmquist指数的旅游业融资效率研究

张胜武，冯小进

(安徽财经大学 工商管理学院，安徽 蚌埠 233030)

我国处于重要战略机遇期，坚持高质量发展、着力提升发展质量和效益是解决一切问题的基础和关键。现实情况是，激烈竞争下的市场环境日趋动态化、复杂化，加之我国市场融资体系建设不完善，融资约束普遍制约着企业的长远发展[1]，企业融资渠道有限、融资方式单一。相较于其他行业，旅游业建设项目通常投资规模大、资金回收周期长且收益水平低，旅游企业普遍面临外部融资难、融资贵的发展难题[2]。由此可见，优化旅游行业资源配置、提高旅游企业融资效率是推动旅游产业实现高质量发展的关键一步，全面审视融资效率及其变化特征是必要的。从产业实践看，不同行业、同一行业下不同子行业在资本结构、融资偏好、经营策略等方面均存在明显差异，融资效率具有显著的行业特性[3]。因此，分析旅游业及各子行业的融资效率特征及其变化趋势，探索不同业务类型旅游企业的融资效率提升途径具有重要的现实意义。

一、研究综述

始于20世纪50年代，市场经济的发展使学界开始关注企业融资问题。Modigliani和Miller从融资结构角度论述了融资活动对企业价值的积极作用[4]。Myers和Majluf对企业不同融资方式进行比较分析发现，实践中企业一般按照内源、债权、股权的顺序进行融资[5]。早期研究阶段，学者们试图从多种角度界定融资效率内涵，如方芳和曾辉以最高收益成本率和最低风险为标准，指出融资效率是企业开展融资活动的能力[6]；魏开文从效率的本质出发，认为融资效率是指单位时间、单位空间范围内融资活动的投入与产出之比[7]。随着相关研究的继续深入，融资效率测度及评价、影响因素分析成为新的研究方向。从测度方法看，模糊评价法、灰色关联度法和数据包络分析法(Data Envelopment Analysis，DEA)比较常见，其中，由于DEA计算时不需要预先设定指标权重，最大限度地减少了主观因素的影响，成为近年来融资效率研究中运用最普遍的方法。具体来说，魏开文采用模糊评价法比较分析中小企业不同融资方式的融资效率，指出内源融资效率最高，其次为债权融资，最低为股权融资[7]。伍装同时采用模糊评价法和灰色关联度法分析我国工业企业融资效率，发现内部融资优于外部融资，大企业优于中小企业[8]。Xianhua等采用两阶段DEA研究我国34家乡村振兴企业融资效率，发现仅6家企业效率较高且仍具有很大提升空间[9]。Xun等采用三阶段DEA分析我国低碳企业融资效率，发现该行业融资效率较高且纯技术效率变化平稳，融资效率随规模效率的变化而变化[10]。从影响因素看，融资效率影响因素可分为企业内部因素与外部因素两类。具体而言，刘超等选用DEA-Tobit模型研究人工智能行业融资效率，指出企业经营能力、成长能力和资本结构是影响融资效率的关键因素[11]。与之类似，Xianhua等选用灰色关联度法研究乡村振兴企业融资效率影响因素，指出企业要提高融资效率，不仅需要优化资本结构和治理结构，还要提高管理能力和创新能力[9]。姚德权和戴烊关注外部金融市场对企业融资效率的影响，指出融资约束与融资成本是企业提升融资效率的制约性因素[12]。

融资是维持企业生产经营的基础，保持高融资效率有助于企业获取更高利润[13]。融资效率不仅关乎企业生产经营，对整个社会经济发展也具有重要意义。梳理文献发现，现有研究大多关注科技、低碳等新兴行业或中小企业融资效率，旅游业作为国民经济战略性支柱产业，却少有学者提及。因此，本文以我国A股旅游上市企业为样本，采用DEA-Malmquist指数研究旅游业融资效率及其变化趋势，分析导致旅游业融资效率变化的主要原因。在此基础上，参考证监会《行业分类指引》将总样本划分成景区类、酒店餐饮类和综合服务类三个子样本进行比较研究，深入剖析不同业务类型的三类子样本融资效率，试图丰富旅游业融资效率的相关研究，也为各类型旅游企业优化融资效率提供参考。

二、研究设计

DEA是基于多投入、多产出指标体系的分析方法，原理是利用数学规划评价样本有效性。按规模报酬是否可变分为CCR和BCC两种基本模型，引入Malmquist指数后形成DEA-Malmquist模型，两类模型分别用于样本有效性的静态和动态分析。

(一)模型方法

1.DEA-BCC模型方法

受外部环境等多种因素影响，企业很难获得与投入同等比例的产出，即规模报酬是可变的。因此，本文选择DEA-BCC模型如下：

根据上述模型方法，可计算样本技术效率TE、纯技术效率PTE和规模效率SE，TE=PTE*SE。其中，TE表示企业筹集资金与运用资金的效率，是融资能力的体现；PTE表示融资管理水平、内部融资体系建设等融资管理因素的影响效应；SE表示融资规模影响效应，即相关投入与产出规模及其配比情况对融资效率的影响。DEA评价结果位于[0,1]，越接近1表示该样本效率越高，等于1表示该样本有效。

2.DEA-Malmquist模型方法

与DEA-BCC模型的静态分析不同，DEA-Malmquist模型引入Malmquist指数，对研究样本自t期到t+1期的效率变化进行动态分析，并确定主要影响因素：

(二)评价指标体系构建

根据财报数据显示，我国A股旅游上市企业以内源、股权和债权为主要融资方式，则选取此三类指标作为投入指标。财务管理理论指出，可采用代表企业营运、盈利、成长和偿债能力的分析指标评价其经营状况，则选取此四类指标为产出指标。各指标具体含义及相关说明见表1。

表1 融资效率评价的投入—产出指标体系

(三)样本选取与数据处理

以2014―2020年A股旅游上市企业为总样本，并参考证监会《行业分类指引》，将其细分为景区类、酒店餐饮类和综合服务类三个子样本进行比较分析。数据来源于国泰安数据库。剔除ST和ST*样本后，获得总样本共27家企业，三类子样本分别为13家、7家、7家。

DEA要求所有投入、产出指标均为正，但部分指标可能存在负数，则须进行无量纲化处理，使所有原始数据转化至[0,1]。无量纲化公式如下：

其中，Xmin、Xmax分别表示指标X的原始数据的最小值和最大值，i为样本企业，j为样本期间，Y为指标X无量纲化后的值。数据处理及效率分析主要采用Stata 15.0和DEAP 2.1软件完成。

三、实证分析

首先使用Stata 15.0软件对样本进行描述性统计分析，再使用DEAP 2.1软件进行样本有效性的静态与动态分析，相关数据及分析结果如下。

(一)描述性统计分析

2014―2020年我国旅游业总样本及各子样本融资效率评价指标的描述性统计结果见表2。比较三类子样本各项投入指标的均值发现，各子样本间差异比较明显，景区类子样本的各项投入指标均值最小，综合服务类子样本的各项投入指标均远高于景区类和酒店餐饮类子样本，表明景区类子样本融资规模最小，融资难度也较小，而综合服务类子样本融资规模最大，相应的融资难度也较大。

观察各产出指标均值发现，总样本的总资产净利润率均值仅为3.52%，三类子样本中，酒店餐饮类子样本的总资产净利润率均值最小(1.60%)，表明我国旅游业整体盈利能力不强，酒店餐饮类子样本盈利能力最弱。综合服务类子样本的资产负债率均值为49%，是三类子样本中的最大值，表明综合服务类子样本的总资产中债务占比较大，则企业偿债能力较弱。景区类子样本的总资产周转率和营业收入增长率均值均为三类子样本中的最小值，可能的原因是，旅游活动极易受外部环境变化的影响，如极端天气、自然灾害等直接因素及社会舆论等潜在因素都可能直接影响游客的出行选择，加之旅游活动存在明显淡、旺季，则从整体上看，景区类子样本的营运能力及成长能力较弱。从标准差、最小值和最大值看，总样本及各子样本的各项投入、产出指标的标准差都较大，最小值和最大值之间差异也较大，表明旅游业及各子行业的个体差异比较明显，即企业间融资效率呈现出两极分化，部分企业能够以合理成本快速筹集到所需资金，融资效率较高，但也存在部分企业融资难度大且融资成本高，严重制约企业的长远发展。

(二)旅游业及各子行业融资效率的静态分析

采用DEA-BCC模型测算2014―2020年我国旅游业总样本及各子样本融资效率水平，汇总结果见表3。从总样本看，旅游业2014―2020年技术效率TE各年均小于1，均值为0.922，TE有效的样本平均比例仅49.21%，约为13家，即我国旅游业一半以上上市企业未实现TE有效，行业整体融资能力不强。纯技术效率PTE总体水平较高，均值为0.993，PTE有效的样本比例最高达85.19%，最低为55.56%，平均达到20家，远优于TE。规模效率SE均值为0.928，SE有效的样本平均比例为49.21%，与TE基本一致。由此可见，规模效率SE是制约我国旅游业融资的技术效率TE提升的主要原因。

从子样本看，景区类、酒店餐饮类与综合服务类子样本的各年技术效率TE均小于1，均值分别为0.972、0.943、0.816，TE有效的样本企业占本组样本的平均比例为54.95%、38.78%、48.98%，即景区类子样本的TE水平及有效样本比例均为最高，酒店餐饮类子样本的TE有效样本比例最小，综合服务类子样本的TE水平最低。可能的原因是，景区类子样本可依托自身景点资源开展多种经营，不仅有景点门票、景区内店铺租金等传统营收，还包括文创产品、专业演出等创新型收入，整体盈利能力较强，在三组子样本中融资能力最强。酒店餐饮类子样本因客房、餐厅等主要资产的专用性较强，可拓展的经营业务有限，仅少数优秀企业能够实现TE有效，导致有效样本比例在三组子样本中最小。综合服务类子样本所涉产业范围广，非相关多元化程度较高[14]，但缺乏能够整合所有产业协调发展的支撑性主业，经营风险较大，外部投资者出于谨慎性考虑，对此类企业的投资意向不强，从而TE水平最低。观察纯技术效率PTE发现，三类子样本均值分别为0.998、0.983、0.996，有效样本比例分别为76.92%、67.35%、75.51%，即无论是效率水平，还是有效样本比例，各子样本的PTE都优于TE。观察规模效率SE发现，三类子样本均值分别为0.974、0.960、0.820，有效样本比例分别为54.95%、38.78%、48.98%，即各子样本的SE均值与有效样本平均比例都与各自的TE基本一致。由此可知，与总样本类似，各子样本融资的技术效率TE也主要受规模效率SE制约。

(三)旅游业及各子行业融资效率的动态分析

1.旅游业总样本融资效率的动态分析

采用DEA-Malmquist模型计算可得我国旅游业总样本融资效率动态变化结果，汇总结果见表4。从均值看，2014―2020年全要素生产率变化指数Tfpch均值为0.960，即7年内我国旅游业融资效率平均下降4.0%。其中，技术进步变化指数Techch均值为0.968，在各分解指数中效率下降幅度最大，平均下降3.2%。规模效率变化指数Sech均值为0.993，7年间规模效率平均下降0.7%，远大于纯技术效率平均0.1%的下降。由此可见，技术进步效率3.2%和规模效率0.7%的下降是2014―2020年我国旅游业融资效率平均下降4.0%的主要原因。

2014―2020年旅游业总样本融资效率的DEA-Malmquist指数及各分解指数变化情况见图1。从各年变化情况看，全要素生产率变化指数Tfpch仅2017年大于1，其余年份都小于1，2020年变动幅度最大。2017年Tfpch为1.013，即2017年旅游业融资效率较2016年增长1.3%。其中，技术进步变化指数Techch为1.032，即技术进步效率较2016年增长3.2%。其他分解指数均小于1，规模效率变化指数Sech最小(0.984)，即规模效率下降幅度最大，较2016年下降1.6%。由此可见，2017年旅游业融资效率变化主要受技术进步效率和规模效率的变化影响。2020年，Tfpch出现断崖式下跌(0.864)，融资效率较2019年下降13.6%。可能的原因是，2020年受新冠疫情冲击，我国国内一度全面停工停产，旅游业成为受影响最大的行业之一，企业融资难度骤然增大，则融资效率明显下降。与2017年类似，2020年技术进步效率变化幅度也最大，规模效率次之，二者分别较2019年下降10.8%和2.3%。由此可见，2020年旅游业融资效率大幅下降主要由技术进步效率和规模效率的共同下降所导致。此外，7年间纯技术效率变化指数Pech的变动范围为0.991～1.009，各年变化都比较平缓，2017年和2020年分别下降0.2%和0.9%，对融资效率变化的影响较小。

图1 2014―2020年旅游业总样本融资效率的DEA-Malmquist指数及各分解指数变化情况

综上所述，技术进步效率变化是2014―2020年旅游业总样本融资效率变化的最主要原因，其次为规模效率变化。

2.景区类子样本融资效率的动态分析

采用DEA-Malmquist模型计算可得景区类子样本的融资效率动态变化结果，汇总结果见表5。从均值看，2014―2020年全要素生产率变化指数Tfpch均值为0.969，即7年间景区类子样本融资效率平均下降3.1%。其中，技术进步变化指数Techch均值最小(0.975)，在各分解指数中效率下降幅度最大，平均下降2.5%。规模效率变化指数Sech均值为0.994，规模效率在7年间平均下降0.6%。纯技术效率变化指数Pech均值为1，7年间纯技术效率几乎没有变化。由此可见，2014―2020年我国景区类子样本融资效率平均3.1%的下降由技术进步效率2.5%的下降和规模效率0.6%的下降所导致。

表5 2014―2020年景区类子样本融资效率的DEA-Malmquist指数

2014―2020年景区类子样本融资效率的DEA-Malmquist指数及各分解指数变化情况见图2。从各年变化情况看，全要素生产率变化指数Tfpch的变动情况以2018年为“拐点”呈现为倒U型，其中，仅2018年Tfpch大于1，其余年份都小于1，表明2014―2017年融资效率下降幅度逐年变小，2018年实现正增长，2019―2020年下降幅度逐年增大。2018年Tfpch为1.016，各分解指数均大于或等于1。其中，技术进步变化指数Techch最大(1.012)，即技术进步效率增长幅度最大，较2017年增长1.2%。规模效率变化指数Sech为1.004，较2017年增长0.4%。纯技术效率变化指数Pech等于1，即纯技术效率与2017年相比没有变化。由此可见，技术进步效率和规模效率变化是2018年景区类子样本融资效率变化的主要原因。2020年Tfpch为0.866，该年变动幅度最大，融资效率比2019年下降13.4%。其中，Techch、Sech、Pech分别为0.914、0.949、0.998，即技术进步效率下降幅度最大(8.6%)，纯技术效率下降幅度最小(0.2%)。由此可见，2020年景区类子样本融资效率下降的主要原因是技术进步效率和规模效率下降。

图2 2014―2020年景区类子样本融资效率的DEA-Malmquist指数及各分解指数变化情况

综上所述，技术进步效率变化是2014―2020年景区类子样本融资效率变化的最主要原因，其次为规模效率变化。

3.酒店餐饮类子样本的融资效率动态分析

采用DEA-Malmquist模型计算可得酒店餐饮类子样本融资效率的变化结果，汇总结果见表6。从均值看，2014―2020年全要素生产率变化指数Tfpch均值为0.966，即酒店餐饮类子样本融资效率7年间平均下降3.4%。其中，技术进步变化指数Techch均值最小(0.963)，即技术进步效率下降幅度最大，平均下降3.7%。纯技术效率变化指数Pech和规模效率变化指数Sech均值为0.997和1.006，二者呈反向变动，7年间分别平均下降0.3%和上升0.6%。由此可见，2014―2020年我国酒店餐饮类子样本融资效率平均3.4%的下降主要由技术进步效率3.7%的下降和规模效率0.3%的下降所导致。

表6 2014―2020年酒店餐饮类子样本融资效率的DEA-Malmquist指数

2014―2020年酒店餐饮类子样本融资效率的DEA-Malmquist指数及各分解指数变化情况见图3。从各年变化情况看，全要素生产率变化指数Tfpch波动下降，变动幅度较大，变动范围为0.853～1.117。其中，2015年和2017年融资效率为正增长，其余年份为负增长，2020年变动幅度最大。2017年Tfpch为1.117，融资效率比2016年增长11.7%。其中，技术进步变化指数Techch为1.140，技术进步效率较2016年提升14.0%。纯技术效率变化指数Pech和规模效率Sech分别为0.989和0.990，两效率值较2016年分别下降1.1%和1.0%，二者下降幅度相当。由此可见，2017年酒店餐饮类子样本融资效率变化主要受技术进步效率变化的影响。2020年Tfpch为0.853，融资效率比2019年下降14.7%，其中Techch和Pech分别为0.869和0.979，技术进步效率和纯技术效率分别下降13.1%和2.1%，Sech为1.002，规模效率上升0.2%。由此可见，2020年酒店餐饮类子样本融资效率下降的原因是技术进步效率和纯技术效率下降。

图3 2014―2020年酒店餐饮类子样本融资效率的DEA-Malmquist指数及各分解指数变化情况

综上所述，技术进步效率变化是2014―2020年酒店餐饮类子样本融资效率变化的最主要原因，其次为纯技术效率变化。

4.综合服务类子样本的融资效率动态分析

采用DEA-Malmquist模型计算可得综合服务类子样本融资效率的变化结果，汇总结果见表7。从均值看，2014―2020年全要素生产率变化指数Tfpch均值为0.936，7年间综合服务类子样本融资效率平均下降6.4%。其中，技术进步变化指数Techch均值最小(0.958)，则技术进步效率在各分解指数中下降幅度最大，7年间平均下降4.2%。规模效率变化指数Sech均值为0.979，规模效率7年间平均下降2.1%，而纯技术效率仅平均下降0.2%。由此可见，2014―2020年我国综合服务类子样本融资效率平均6.4%的下降主要由技术进步效率4.2%的下降和规模效率2.1%的下降所导致。

表7 2014―2020年综合服务类子样本融资效率的DEA-Malmquist指数

2014―2020年综合服务类子样本融资效率的DEA-Malmquist指数及各分解指数变化情况见图4。从各年变化情况看，仅2019年的全要素生产率变化指数Tfpch大于1，其余年份都小于1，2020年变化幅度最大。具体来说，2019年Tfpch为1.003，即融资效率较2018年增长0.3%。其中，技术进步变化指数Techch大于1，较2018年正向增长0.3%。纯技术效率和规模效率反向变动同等幅度，即分别增长和下降0.2%，二者对融资效率的影响效应相互抵消。由此可见，2019年综合服务类子样本融资效率变化主要受技术进步效率的变化影响。2020年Tfpch为0.873，融资效率较2019年下降12.7%。其中，Techch为0.875，技术进步效率较2019年下降12.5%。Pech和Sech分别为0.991和1.007，纯技术效率较2019年下降0.9%，规模效率效率较2019年上升0.7%，二者呈反向变动。由此可见，2020年综合服务类子样本融资效率变化也主要受技术进步效率影响。此外，观察Pech和Sech发现，Pech的变动范围为0.991～1.002，Sech的变动范围为0.919～1.011，即规模效率的变动幅度远大于纯技术效率。

图4 2014―2020年综合服务类子样本融资效率的DEA-Malmquist指数及各分解指数变化情况

综上所述，技术进步效率变化是2014―2020年综合服务类子样本融资效率变化的最主要原因，其次为规模效率变化。

比较分析三类子样本2014―2020年全要素生产率变化指数Tfpch及各分解指数的均值发现，综合服务类子样本的Tfpch均值最小，景区类子样本的Tfpch均值最大，表明综合服务类子样本融资效率下降幅度最大，景区类子样本融资效率下降幅度最小。从各分解指数均值看，综合服务类子样本的技术进步变化指数Techch均值最小，酒店餐饮类子样本次之，景区类子样本最大，即三类子样本的Techch均值大小关系与Tfpch均值大小关系一致，表明不同业务类型旅游企业融资效率变化均受技术进步效率变化的影响最大。景区类和综合服务类子样本的规模效率变化指数Sech均值小于1，酒店餐饮类子样本的Sech均值大于1，表明规模效率下降是景区类和综合服务类子样本融资效率下降的重要原因。酒店餐饮类子样本的纯技术效率变化指数Pech均值最小，表明酒店餐饮类子样本的纯技术效率下降幅度最大，则纯技术效率下降是酒店餐饮类子样本融资效率下降的重要原因。

总体而言，2014―2020年我国旅游业总样本及各子样本融资效率都处于下降水平，但导致不同业务类型旅游企业融资效率下降的原因有所不同。具体来说，技术进步效率与规模效率下降是景区类和综合服务类子样本融资效率下降的主要原因，技术进步效率与纯技术效率下降是酒店餐饮类子样本融资效率下降的主要原因。

四、研究结论与建议

根据2014―2020年沪深A股旅游上市企业数据，本文采用DEA-Malmquist指数研究旅游业及各子行业融资效率水平及其变化趋势，分析影响融资效率变化的主要原因。研究发现：(1)从效率水平看，我国旅游业融资效率水平不高，比较而言，纯技术效率水平较高且变化相对平缓，规模效率变化对融资效率影响更大。三类子样本中，景区类子样本的融资效率水平最高，酒店餐饮类子样本次之，综合服务类子样本最低。(2)从效率变化情况看，2014―2020年我国旅游业融资效率总体呈下降水平，三类子样本中，综合服务类子样本的融资效率下降幅度最大，酒店餐饮类子样本次之，景区类子样本最小。(3)从导致融资效率下降的原因看，技术进步效率下降是最主要原因，此外，规模效率下降是景区类和综合服务类子样本融资效率下降的重要原因，纯技术效率下降是酒店餐饮类子样本融资效率下降的重要原因。

上述研究结论对我国旅游业及不同业务类型旅游企业制定经营管理策略以提高融资效率具有如下启示。第一，加强融资管理建设。提高融资效率有助于缓解企业融资约束，帮助企业实现更好发展。旅游业及不同业务类型旅游企业须从自身实际出发全面审视融资效率，建立健全内部融资管理体系，推动旅游业实现高质量发展。第二，质量提升与创新发展相结合。技术进步效率下降是旅游企业融资效率下降的主要原因，各类旅游企业均应着力提升技术进步效率。一方面，持续经营优秀传统旅游产品，不断提升产品质量；另一方面，树立创新意识、坚持创新发展，以客户为中心打造有吸引力的创新型旅游产品。第三，选择适当的融资管理策略。景区类与综合服务类子样本应合理优化融资投入与产出的规模及其配比，酒店餐饮类子样本应注重提高融资活动的专业管理水平。