區域旅游業技術效率及其影響因素分析——基于DEA-PCR兩階段法的實證研究

□趙定濤 董慧萍 [中國科學技術大學 合肥 230026]

引言

隨著經濟社會的不斷發展，旅游業已成為全球經濟中發展勢頭最強勁、規模最大的產業之一，在區域經濟發展中的產業地位和經濟作用逐步增強，對區域經濟的拉動性、社會就業的帶動力、以及文化與環境的促進作用日益顯現。在我國，旅游業更是擴內需、調結構、促就業、惠民生的重要抓手和實現經濟發展方式轉型升級的切入點和突破口。2009年12月1日，國務院頒發了《關于加快發展旅游業的意見》，突出強調要把旅游業培育成國民經濟的戰略性支柱產業和人民群眾更加滿意的現代服務業，標志著旅游業在國民經濟發展中戰略地位的確立。改革開放以來,我國旅游業發展突飛猛進，成績顯著，然而中國國家旅游局局長邵琪偉指出中國目前只是旅游大國，離旅游強國還存在著很大差距，最大的問題就是“一流資源，二流開發，三流服務”。

由經濟增長理論可知，促進產業增長的兩大直接途徑是增加要素投入和改善效率。短期內要素投入可能會給經濟帶來高增長，但是由于要素收益遞減規則，這種高增長是不可持續的。因此，效率問題成為旅游產業亟待重點關注的問題。當前中國各區域旅游業投入產出效率究竟存在怎樣的差異？是什么因素影響了旅游業的投入產出效率？區域旅游的發展呈現怎樣的特點和態勢？這是本文力圖研究的問題。

一、文獻回顧

最早提出技術效率測量概念的是Farrell 和Afriat[1]，是用來衡量一個企業在等量要素投入條件下，其產出與最大產出的距離，距離越大，則技術效率越低。通常在固定的技術水平條件下，一個生產單位的綜合技術效率是指實際產出與其生產前沿面之間的差值，見圖1所示。其中，將所有可能的投入產出向量所組合的集合稱之為生產可能集，而當中有效率的投入產出向量稱之為生產前沿面[1]。

圖1 技術效率圖示

目前，對于某個行業或者企業運行效率的研究，國內外的很多學者運用前沿分析法，其中非常具有代表性的是數據包絡分析法（DEA，Data Envelopment Analysis）和隨機前沿分析法（SFA，Stochastic Frontier Analysis）。本文梳理了關于旅游產業效率的現有研究，對作者的主要觀點進行了總結，詳細內容可見表1。

表1 國內外旅游業效率的相關研究

可以看出，國內外旅游業效率研究中DEA和SFA都得到了較為廣泛的應用，然而盡管SFA具有較好的隨機擾動項的排除功能，但其單一產出指標的設定使得其并不是太適合旅游業的效率評價。國外關于旅游業地研究較多的集中在微觀層面，如對景點、旅行社和酒店等旅游業內部的微觀實體進行研究，在宏觀層面上進行分析研究的很少，對于影響因素的覆蓋面也較?。粐鴥扔猩倭亢暧^層面的分析，但多停留在效率的估計及比較，沒有深入分析區域間究竟存在怎樣的差異，造成這些差異的真正原因又是什么，而這些恰恰是區域旅游主管部門和旅游企業深切關注的問題；在影響因素的指標選取方面，較為缺乏具備實際可操作性的因素驗證。

本文通過構建兩階段DEA模型，首先對中國各地區2008年旅游業的區域技術效率差異進行了評價分析，然后結合已有研究和新業態構建了影響因素指標體系，通過主成分回歸探究區域旅游業效率差異的成因，并根據不同類型區域給出了相應的政策建議。

二、模型及變量選擇

（一）DEA評價方法

DEA 方法最初由美籍運籌學家Charnes 和Cooper于1978年提出，是一種評價多投入多產出決策單元(DMU，Decision Making Units)效率的方法。其核心思想是在保持決策單元的投入或者產出不變的條件下，借助于數學方法確定一個最小投入或最大產出邊界，即相對有效的生產前沿面。接著運用投射后的決策單元偏離生產前沿面的程度來說明它們是否相對有效[10]。

假設有n個決策單元DMUj，它的投入表示為xj=(x1j,x2j,…,xmj)T，產出則為yj=(y1j,y2j,…,ymj)T。DMUj的效率問題就是考慮以下線性規劃模型：

上述方程表示規模報酬不變，即傳統的CCR模型，計算可得到綜合技術效率（EFF）。如果添上附加限制條件方程將表示規模報酬可變，即BCC模型，可求得純技術效率（TE）。而規模效率等于綜合技術效率除以純技術效率，表示的是兩個有效的生產前沿面之間的距離，即SE=EFF/TE。方程中的θ值（0＜θ≤1）為第j個決策單元DMU的相對效率，如果θ值 等于1，就說明該決策單元是技術有效的，否則θ值越低說明效率越低、資源配置不合理程度越高。

（二）主成分回歸法

由于旅游業的高關聯性特征，使得在指標選取過程中很難避免多重共線性的存在，因此直接對變量進行回歸，使得顯著性檢驗失去意義，結果也存在較大的偏差。為了避免這種情況，本文利用原始數據對自變量進行主成分回歸分析。多元統計中的主成分回歸方法是采用較少的新變量（主成分）代表原來的變量，這些新變量是原變量的線性組合，他們正交的新變量捕捉了盡可能多的原變量的變差，包含了原變量的大部分信息，而且消除了原變量的多重共線性，降低了變量的系數，從而很好地解決了上述問題。

（三）樣本及指標選取

本文選取全國30個省、直轄市和自治區（以下為方便統稱為?。┑?008年旅游業的截面數據作為DEA模型中的決策單位DMU，主要考慮2008年我國人均GDP突破3000美元，標志著休閑大眾旅游時代的到來，而之前旅游業一直都處在起步階段，數據變動較大，時間序列分析存在偏差，因此選取2008年作為立足點進行分析是恰當的。研究對象中不包括港、澳、臺地區，投入產出指標主要來源于《中國旅游年鑒2009》、《中國旅游統計年鑒2009》和各省政府網站，影響因素指標主要來源于《中國統計年鑒2009》、《中國旅游統計年鑒2009》和慧科搜索數據庫，指標選取如圖2。

圖2 投入產出及影響因素指標體系

本文在參考相關研究以及旅游業本身特點的基礎上，選取了投入產出的指標，其中工農業示范點是新形勢下旅游業的重要組成部分，加入它是對旅游新業態的側面考察。影響因素方面，主要做如下考察：

1．區位條件。區位條件是區域發展差異化的重要因素。在旅游業中，可達性解決了旅游目的地首要問題——“能來”，同時，部分地區的難以到達性亦可能轉化成旅游的原動力——“想來”，從而構成區域發展潛力。本文采用高速公路里程數來衡量區域的可達性。

2．經濟發展水平。區域的經濟發展水平對于旅游業的發展有著顯著的影響。多項研究表明，旅游需求是基于基本需求滿足基礎上的高層需求，人均GDP達到3000美元以上旅游業將迎來井噴期，因此本文選取人均GDP對地方經濟發展水平進行考察。然而一方面較高的區域經濟發展水平會帶來商務旅游的發達，另一方面由于旅游的體驗性消費特點，使得區域旅游消費能力存在隨地理位移遞減的擴散輻射效應，即消費發生在區域外。

3．旅游企業數量及資產規模。旅游企業作為旅游活動的服務者和組織者，是旅游市場運作的主體，顯然直接影響旅游業的投入產出效率。旅游企業的數量及資產規模反映了地方旅游業的活力和地位，同時這兩個指標的結合能考察地方旅游企業平均規模的大小，從而探究當下環境中區域旅游發展的定位，哪種方式更有利于資源整合，大力促進中小旅游企業發展還是著力培養旅游龍頭企業？

4．媒體報道量。隨著網絡媒體和社交網絡等新業態的不斷普及，媒體報道及宣傳對旅游業的影響不可忽視。旅游業的研究中基本將旅游業同其他產業做同樣的處理，而忽視了旅游業體驗性消費的特點，即旅游業的產品需求是引導型、開發型的，有別于其他產業。本文采用慧科搜索數據庫中各地區的所有地方媒體的報道總量來進行考察。

三、實證結果分析

（一）技術效率評價

本文運用Matlab7.0軟件，綜合考慮DEA的CCR模型和BCC模型，對各DMU的技術效率進行了分析，結果見表2。

表2 基于DEA求得的區域旅游產業效率值

在不考慮環境變量和隨機因素影響情況下，2008年我國各省市旅游產業綜合技術效率均值為0.752，純技術效率均值為0.848，規模效率均值為0.887。其中同時技術有效和規模有效的有八個省市分別是天津、上海、廣東、吉林、黑龍江、河南、重慶和貴州，只占樣本數的26.7%，他們構成了我國區域旅游產業的效率前沿面。江蘇、海南、湖南、四川、青海、寧夏等六個省是純技術有效而非規模有效，這些區域按照現有的產出計算，其投入很難再減少了。其他的16個省市既非技術有效也非規模有效，即使減少其部分投入，也有可能保持當前的產出水平不變。

進一步比較東部、中部、西部地區旅游產業的平均技術效率，如圖3所示。圖中明確顯示出，總效率和規模效率均值呈現出中部地區最高，其次是東部，西部最低。這與整個國民經濟發展水平呈現的中部地區低于東部地區的特點不同。進一步分析原始投入產出發現，中部地區旅游產出低，但是相對的景區數、從業人數等投入也較少，而DEA衡量的是投入產出之間的轉換關系，（相對于中部地區）東部地區的投入增量大于產出增量，這可能是造成中部地區技術效率高于東部地區的原因。而純技術效率依然是東、中、西逐漸降低的趨勢。

圖3 2008年東中西部平均技術效率

第一，我國旅游產業技術效率普遍較低，從投入角度看，導致技術無效率的主要原因是資源的非有效利用，大部分地區景區資源冗余。其中，遼寧、廣西、山西的旅游從業人數冗余；安徽、湖北、云南、陜西、新疆星級飯店數量冗余；內蒙古、江西旅行社數量過多。北京的星級飯店和旅游從業人數都冗余，河北、山東的旅行社和從業人數則過多。30個省市數據中除少數DEA有效省市以外，其他無效率決策單元都需做較大調整才能達到前沿水平。從產出角度看，各省市的境內外旅游收入和人數都還有很大提升空間。

第二，我國區域旅游產業的發展格局和地區分布差異也較大，很大程度上受到地理區位、地區經濟發達程度、國家相關政策以及管理體制等條件的影響。對于既處于技術有效又處于規模最大的地區，雖然他們在投入產出效率上都是優秀的，但也是有區別的，例如天津、上海和廣東，由于經濟比較發達，表現為人文旅游資源豐富、旅游企業多、旅游從業人數多，在產出方面國際旅游收入明顯高于其他省市。而中西部地區是，雖然投入不大，處于起步階段，但是投入產出的相對效率較高，例如吉林、黑龍江、河南、重慶、貴州五省，因此，也在發展良好之列。

通過波士頓矩陣工具，綜合純技術效率和規模效率兩個方面，以平均值為界將30個地區劃分為四種類型，如圖4所示。

圖4 波士頓矩陣及其象限地區

第一象限類型為“雙高型”，即純技術效率及規模效率均高于平均值的省市，包括上海北京、天津、福建、廣東、吉林、黑龍江、河南、湖南、重慶、貴州、四川和云南13個省市，這些區域或者旅游資源豐厚，或者區位和經濟實力優勢明顯，或者二者兼備，具有大力發展旅游產業的基礎條件和環境優勢，今后應著重促進區域內城市間優勢互補與錯位發展，更多地著力于潛在需求的引導與潛在市場的拓展。

第二象限類型為“低高型”，其純技術效率低于平均值，但規模效率高于平均值。包括安徽、湖北、江西、山西、陜西、河北、廣西和內蒙古8個省市，這些區域的旅游產業急需提高現有產業資源的利用效率。

第三象限類型為“雙低型”，包括甘肅、山東和新疆3個省市，以新疆為例，其純技術效率為0.3397，規模效率為0.5349，兩者均有較大的提升空間。這類省市的改善更為困難，一方面要注重管理水平的提高，另一方面要促進生產規模的擴大。

第四象限類型為“高低型”，包括江蘇、浙江、遼寧、海南、青海和寧夏6個省市，其純技術效率高于均值，規模效率低于均值。后續發展的重點是擴大生產規模，實現資源的集中優化配置。

（二）影響因素分析

由于各因素之間存在著多重相關性，如果采用最小二乘法進行回歸，估計結果有時會很不理想。為了消除回歸分析中自變量之間的近似線性關系，本文采用了主成分與回歸分析相結合的主成分回歸法。它可以克服回歸問題中由于自變量之間的高度相關而產生的分析困難。

X1、X2、X3、X4、X5分別表示公路里程、人均GDP、旅游企業資產規模、企業數量和媒體報道量。首先我們利用SPSS對五個因素進行主成分分析，ESSL是因子提取的結果，是未經旋轉的因子載荷的平方和。它給出的是每個成分的特征值說明的方差占總方差的百分比和累計百分比，提取特征值大于1的，前三個因子為主成分，累計百分比是82.236。

表3 總方差分解

根據因子得分系數和原始變量的標準化值，可以計算每個觀測量的各因子的得分數，并可以據此對觀測量進行進一步的分析。旋轉后的因子（主成分）表達式可以寫成：

同時，我們得到兩個獨立的主因子F1（實力因子），F2（設施因子），剔除了隨機干擾。我們以每個因子的得分值作為自變量，以區域旅游產業的總效率值Y為因變量進行逐步回歸分析，最終得到總效率值和自變量之間的關系，結果可見表5。

回歸結果顯示因變量和自變量存在著顯著的線性關系，可以建立線性方程（通過了F檢驗）。結果中方差膨脹因子VIP都是1，說明變量之間已無多重共線性。DW 檢驗值為1.787 和2.084，均在2的上下浮動，可見殘差序列幾乎不存在自相關，因此回歸方程能很好地解釋變量。另外，方程共有兩個自變量，應該參考調整的判定系數0.797。因變量能夠被模型很好地解釋，因為擬合優度也顯示較高。綜上所述，研究所得的回歸結果被證實具備合理性，其方程可表示為：

表4 旋轉后的因子載荷陣

下面將表達式（1）、（2）分別帶入到回歸方程式（3）中，化簡可得到最原始的五個解釋變量與旅游產業總效率值之間的關系式，將系數保留3位小數，其表達式可寫為：

從R2等值判斷，我們得到的回歸方程擬合程度優良，從回歸系數的符號來看，我們發現公路里程、人均GDP、旅游企業資產規模、企業數量和媒體報道量均對旅游產業的效率起正向拉動作用，影響強度系數分別為：0.015、0.107、0.043、0.108、0.131。由此得到，五大因素對旅游效率的影響程度由強到弱依次為：媒體報道量、企業數量、人均GDP、旅游企業資產規模和公路里程。

表5 各方程系數表

結果可以看出，區位條件、經濟發展水平、旅游資產規模對旅游業的發展具有顯著的促進作用，然而多嵌入在區域特性里面，具有主管部門的不可操作性，因此對效率的影響效果不是特別明顯；而媒體報道量和企業數量的顯著影響很好地證實了旅游業的消費需求的引導型、開發型特點，同時二者的實際可操作性使得地方旅游主管部門應當充分地重視，一方面應當結合傳媒新業態適時更新宣傳方式，加強區域間的宣傳合作，突破行政區域限制，形成線路旅游，避免“滿天星”的無序競爭和重復建設；另一方面，積極培養龍頭型旅游集團企業，充分整合區域旅游資源，大力促進旅游中小型企業的建設，增強區域旅游業的活力。

四、結論

本文通過構建兩階段DEA模型，對2008年我國區域旅游業技術效率及影響因素進行了實證研究。研究發現，我國旅游業在效率水平上存在顯著的區域差異，技術與規模效率同時有效的地區只占樣本數的26.7%，還存在很大的上升空間。區域總效率和規模效率均值呈現出中部最高，東部次之，西部最低的形勢，中部正處于享受規模效益的發展階段；純技術效率依然是東、中、西逐漸降低的趨勢，說明在旅游資源開發利用水平上依然與地區經濟發展有著密切關系。

從投入角度來看，導致區域技術無效率的主要原因是資源的非有效利用，我國大部分地區存在景區資源冗余的現象，這主要是因為缺乏區域間的規劃整合，存在不同區域間各自為戰，存在無序開發，重復建設等諸多資源浪費現象。此外，遼寧、廣西、山西地區的旅游從業人員存在冗余；安徽、湖北、云南、陜西、新疆星級飯店數量存在冗余；內蒙古、江西旅行社數量過多；北京的星級飯店和旅游從業人數都存在冗余；河北、山東的旅行社和從業人員存在冗余。

影響因素方面，五個指標均對旅游業的發展起著正向拉動作用。影響強度大小依次為：媒體報道量、企業數量、經濟發展水平、旅游企業資產規模和區位條件。其中，區位條件、經濟發展水平、旅游資產規模盡管在地方旅游也發展中起著至關重要的作用，然而因其區域的路徑依賴和長期性，使得旅游主管部門難以直接操作從而促進旅游業發展；而旅游業的消費者需求存在需引導、需開發的特點，使得媒體報道量和企業數量可以作為地方旅游主管部門切實有力的“抓手”。

[1]TIMOTHY J,COELLI D S,et al.效率與生產率分析引論[M].王忠玉,譯.北京：中國人民大學出版社，2002.

[2]BARROS C P,BOTTI L,NICOLAS P,et al.Performance of French destinations:Tourism attraction perspectives [J].Tourism Management,2011,32(1):141-146.

[3]K?ksal C D,AKSU A A.Efficiency evaluation of A-group travel agencies with data envelopment analysis (DEA):A case study in the Antalya region,Turkey[J].Tourism Management,2007,(28):830-834.

[4]CHEN Ching-Fu.Applying the stochastic frontier approach to measure hotel managerial efficiency in Taiwan[J].Tourism Management,2007(28):696-702.

[5]Ramo′n Fuentes.Efficiency of travel agencies:A case study of Alicante,Spain[J].Tourism Management,2011,(32):75-87.

[6]朱順林.區域旅游產業的技術效率比較分析[J].經濟體制改革,2005,(2):116-119.

[7]楊勇,馮學鋼.中國旅游企業技術效率省際差異的實證分析[J].商業經濟與管理,2008,(8):68-74.

[8]顧江,胡靜.中國分省區旅游生產效率模型創建與評價[J].同濟大學學報（社會科學版），2008,19(4):93-98.

[9]朱承亮,岳宏志,嚴漢,平李婷.基于隨機前沿生產函數的我國區域旅游產業效率研究[J].旅游學刊，2009,(12):18-22.

[10]魏權齡.數據包絡分析[M].北京：科學出版社，2004.

[11]田里.旅游經濟學[M].北京：高等教育出版社,2002:208.

[12]郭嵐,張勇,李志娟.基于因子分析與DEA 方法的旅游上市公司效率評價[J].管理學報，2008，5(2):258-262.

[13]簡玉峰,劉長生.隨機前沿函數、酒店管理效率及其影響因素研究[J].旅游論壇，2009,(4):540-544.

[14]傅利平,王中亞.基于DEA模型的資源型城市經濟發展效率實證研究[J].電子科技大學學報（社科版），2010,12(6):20-23

[15]ARGENTI.J.Corporate collapse:the cause and symptoms [M].New York:Wiley,1976.

[16]BARROS C P.Evaluating the efficiency of a small hotel chain with a Malmquist productivity index[J].International Journal of Tourism Research,2005,(7):173-184.

[17]CHARNES A，COOPER W W,RHODES E.Measuring the efficiency of decision making units [J].European Journal of Operational Research,1978,2(6):429-444.

[18]CHIANG W E,TSAI M H,WANG L S M.A DEA evaluation of Taipei hotels [J].Annals of Tourism Research,2004,(31):712-715.

[19]FARRELL M J.The Measurement of Productive Efficiency[J].Journal of the Royal Statistical Society,1975,120(3):253-290.

[20]FNCHS M.Strategy development in tourism destinations:a DEA approach [J].The Poznan University of Economics Review,2004,(1):52-73.

[21]HWANG S,CHANG T.Using data envelopment analysis to measure hotel managerial efficiency change in Taiwan[J].Tourism Management,2003,(24):357-369.

[22]SIGALA M.Using data envelopment analysis for measuring and benchmarking productivity in the hotel sector [J].Journal of Travel and Tourism Marketing,2004,(16):39-60.

[23]SIMAR L,WILSON P W.Estimation and inference in two-stage:semi-parametric models of production processes [J].Journal of Econometrics,2007,(136):31-64.

[24]WOBER K W.Data envelopment analysis [J].Journal of Travel &Tourism Marketing,2006,(4):91-108.