基于SBM-Malmquist 模型的江苏省旅游产业效率分析

叶 咪

(南京财经大学管理科学与工程学院，江苏 南京 210023)

一、 引言

随着经济的发展以及国民可支配收入的提高，越来越多的人会追求更高的生活品质，旅游已经成为国民十分热衷的活动，国内旅游行业在不断发展壮大，整个旅游业的产品体系在发展中逐渐完善。经国家统计局计算，2019 年我国旅游产业在GDP占比中达到4.56%。 在看到旅游业发展成绩的同时，也应该注意到旅游业发展中的不合理问题，比如市场占有规模不足、旅游资源是否有效合理利用以及旅游是否秉持可持续发展规划等。 因此，将城市旅游效率进行分解，并且充分评价其对总效率的贡献，这样才能找到影响旅游业效率的关键因素，从而进一步推动旅游业的发展。

旅游业的发展离不开旅行社、酒店、交通运输等因素的影响。 谢春山等[1]对 2002 ～2008 年国内的五星级酒店采用超效率DEA 模型进行效率评价，发现效率与酒店所在的区域经济发展存在着很大的关系。 Zhang 和An[2]通过采用DEA-BCC 模型分析了西雅图地区公路利用效率问题，为当地运输投资决策提供了重要依据。 Zhao 等[3]通过DEA 模型分析得出交通网络在旅游效率中起着至关重要的作用。徐文燕和戴莉[4]通过对全国各地区50 个旅游城市的星级酒店投入产出进行分析发现区域差异化明显，东部地区优于西部地区。 刘佳等[5]学者采用DEA 模型对沿海地区11 个省市区的旅游产业效率进行评价，采用Malmquist 模型对沿海地区旅游业TFP 效率值的时空演化特征进行研究分析。 董志文和赵博阳[6]运用DEA-Malmquist 模型对渤海地区17 个城市的旅游效率进行分析，对打造海洋特色旅游产业提出了相应的对策。

文章基于前人的研究，采用SBM 模型并结合Malmquist 指数，对江苏省2012～2020 年间旅游产业效率进行测算，为提升旅游效率提供一定的参考。

二、 研究方法与指标选取

(一)SBM 模型

SBM 模型能够同时从投入和产出两个角度测量决策单元的无效情况，并且考虑了松弛变量对效率值的影响，弥补了传统的DEA 模型的不足，提高了效率值的精确性[7]。 模型公式如下:

ρ*为效率值，取值范围为 0 ～1，当 0＜ρ*＜1 时，说明决策单元无效，当ρ*=1 时，说明效率值为1，决策单元有效。

(二)Malmquist 指数模型

Malmquist 指数模型[8]可以对多个时期的数据进行分析，并且可以观察不同时期生产率的变化情况，是一种分析全要素生产效率的动态研究方法。在规模报酬可变的情况下，全要素生产率可以进一步地分解为技术效率变化指数(effch)和技术进步指数(techch)，公式为:

tfpch=effch×techch=pech×scale×techch

其中 pech、scale、techch 分别表示为纯技术效率、规模效率、技术进步指数。 若tfpch＞1，表示该阶段效率提升，反之则下降，若tfpch=1，则表示该阶段效率未发生变化。

(三)指标选取与数据来源

计算旅游产业效率需要选取合适的投入和产出指标。 参考相关文献[9-10]，本文选取第三产业从业人员数量、第三产业固定资产投资额、旅行社数量、星级酒店数量以及交通运输支出作为投入指标，选取国内旅游收入和旅游外汇收入作为产出指标。

本文数据通过江苏省统计年鉴和各市统计年鉴计算可得，选取2012 ～2020 年江苏省13 个城市的数据进行研究。

三、 实证分析

(一)江苏省旅游产业效率静态分析

本文运用DEA-SOLVER 软件，选择规模报酬可变的 SBM 模型，对 2012 ～2020 年江苏省 13 个城市进行效率测算，结果如表1 所示。

表1 2012～2020 年江苏省旅游产业效率值

由表 1 可知，2012 ～ 2020 年只有南京、无锡、苏州、镇江四个城市的旅游业效率均达到有效。 这9年间的总的效率平均值达到了0.706，其中徐州、南通、淮安、盐城和扬州存在很大的改善空间。 这跟地理位置以及地区的经济发展状况有很大的关系，依据苏南(南京、苏州、无锡、常州、镇江)、苏中(扬州、泰州、南通)、苏北(徐州、连云港、宿迁、淮安、盐城)地区进行划分，在研究期间，各地区的平均效率值如图1 所示。 从图中明显看出，苏南地区的效率值明显优于苏中和苏北地区，且苏南地区在研究期间一直处于稳定的状态。 苏中地区稳定性较差，2013 ～2018 年效率值整体呈下降趋势，其中2017 年跌到最低(0.342)。 苏北地区比较稳定，效率值平均在0.56左右。 从区域角度来看，旅游产业发展效率整体呈南部高、中北部地区低的趋势，且差异明显。

图1 2012～2020 年江苏省旅游业效率均值变化趋势

(二)江苏省旅游产业效率动态分析

本文运用DEAP2.1 软件，通过建立Malmquist指数模型，对2012 ～2020 年江苏省13 个城市的数据进行测算，结果如表2 所示。

表2 2012～2020 年江苏省旅游产业效率Malmquist 指数及分解

由表 2 可以看出，除 2012 ～ 2013 年和 2019 ～2020 年间，其余年份的全要素生产效率值均大于1，说明旅游业发展态势良好。 研究期间全要素生产效率均值为0.976，总体呈下降趋势，这说明江苏省旅游产业效率还有提升的空间。 从构成角度来看，全要素生产率与技术效率和技术进步相关，从结果来看，技术进步变动是影响全要素生产效率变化的关键性因素。 在研究初期，2012 ～2013 年技术进步变动为0.779，抑制了全要素生产效率的发展，2013 ～2019 年，旅游产业注重技术创新，技术进步变动促进了全要素生产率的提高。 而在2019 ～2020 年间，技术进步变化下降到了0.474，技术进步指数不仅和技术创新相关还与市场环境息息相关。 2019 年12月新冠肺炎疫情的暴发，人们的生活发生了巨大的变化，因为疫情限制了人们的活动，这对旅游行业产生了非常大的影响。 外部环境因素导致了技术进步指数的下降，从而进一步导致了全要素生产效率的下降。

对研究期间各城市的Malmquist 指数进行分析，结果如表 3 所示。 从表 3 可以看出，2012 ～ 2020 年江苏省13 个城市的全要素生产效率整体呈下降趋势，除无锡市全要素生产效率提高了1.4%，其余城市均处于下降状态。 从指数分解情况来看，纯技术效率整体呈上升趋势，而技术进步变化和规模效率变化处于下降趋势。 从变动幅度来看，技术进步变动是影响全要素生产效率变化的关键因素，因此需要进一步提高技术进步水平，另外，需要提升规模效率，提高管理水平，才能更进一步提高技术效率，提高旅游效率。

表3 江苏省各城市旅游产业效率Malmquist 指数及分解

四、 结论与建议

通过构建SBM 和Malmquist 指数模型，对江苏省13 个城市2012～2020 年旅游产业的效率进行了分析测算，研究结论与建议如下:

旅游产业效率存在很大的地区差异，苏南地区的效率值明显看出是优于苏中和苏北地区的，从总体来看呈现出南高北低的态势，苏中和苏北地区的城市还有很大的改善空间。 因此，苏中和苏北区域要结合当地的特色，因地制宜地发展旅游业，同时苏南和苏中、苏北区域要实现区域联动，发展联合旅游一条龙服务，以南京、苏州等发展较好的城市带动其他城市旅游业的发展，促进江苏省整个旅游产业的发展。

对江苏省旅游产业效率进行动态评价，在研究期间，全要素生产效率整体呈下降趋势，说明旅游产业效率还有提升的空间，并且技术进步变动是影响全要素生产效率变化的关键性因素。 尤其在2019 ～2020 年间，技术进步变化下降到了0.474，这是效率值降低的主要原因。 因此，要着重考虑技术进步指数。 技术进步指数与市场环境也息息相关。 因为疫情的影响，旅游产业进入了寒冬，随着疫情常态化发展，旅游产业需要寻找新的出路来谋求发展。 旅游产业可以加强技术创新，实现云旅游、云体验等虚拟旅游，让旅客在线上也能身临其境地处于旅游景点之中，并且增加互动，增加旅客的体验感。

五、 结语

总体来说，技术进步指数是影响旅游产业效率的主要因素。 因此各城市要进一步加强技术创新，将科技与旅游更深融合。 另外，需要提升规模效率，提高管理水平，才能更进一步提高技术效率，提高旅游效率。