碳排放影響下中國省域旅游效率損失度研究

曾瑜皙,鐘林生,*,虞 虎

1 中國科學院地理科學與資源研究所,北京 100101 2 中國科學院大學,北京 100049

碳排放影響下中國省域旅游效率損失度研究

曾瑜皙1,2,鐘林生1,2,*,虞 虎1

1 中國科學院地理科學與資源研究所,北京 100101 2 中國科學院大學,北京 100049

旅游效率損失度反映了碳排放對旅游效率的影響程度。采用超越對數生產函數測算2001—2014年中國30個省(區、市)的旅游效率及損失度,并運用面板回歸模型分析效率損失的驅動力。結果表明：(1)碳排放對中國各省(區、市),尤其是中部省份的旅游效率造成了損失。研究期內,中國總體旅游效率損失度呈現上升趨勢,東部地區年均增幅最大；(2)中國旅游效率與損失度總體上處于中等水平,但損失度年均增長率遠高于旅游效率增長率,中部地區因為排放問題造成了較大的效率損失；(3)根據不同省域旅游效率及其損失度,可劃分為“高效低損、高效高損、低效低損、低效高損”4種類型區；(4)基礎設施、旅游接待能力、旅游吸引力、旅游產業規模、旅游產業結構、能源技術對不同類型區的影響存在差異,應根據外力驅動大小和作用方向調整旅游效率優化策略。

旅游效率損失度；旅游碳排放；驅動力；中國省域

旅游效率是當前學術界和旅游業界關注的焦點[1]。旅游效率是指特定時間范圍內旅游產業單位要素投入與旅游產出之比[2],強調通過提高旅游投入要素使用效率、配置效率及技術效率來增強旅游產業競爭力,對于轉型期我國旅游業實現集約型增長具有重要意義[3]。國內外旅游效率研究集中于旅游產業技術效率及旅游企業運營效率分析,學者們先后對國家、省域、景區等尺度的旅游交通、旅行社、旅游酒店等旅游生產單元的發展效率進行了水平測度、影響因素及時空演化格局分析[4- 14]。

近年來,旅游業碳排放量占全球總量的比重不斷提高[15- 16],學界意識到旅游效率研究不能單從經濟角度考慮,還應將以碳排放為主的生態環境因素納入分析[17]。G?ssling等首次提出旅游生態效率,并分析旅游業碳排放和經濟收益之間的關系[18],之后有學者對旅游生態效率、旅游碳排放效率、碳排放的旅游產業效率進行了研究[19- 22]。相關研究在刻畫旅游業對生態環境的影響、提高旅游業生態意識方面起到了重要作用,但尚未觸及旅游業引致的負面環境后果(碳排放)對旅游經濟(旅游效率)自身產生的反饋效應。低碳經濟、綠色經濟在中國已倡導多年,但始終未能建立起節能減排的長效機制,其中一個重要原因即碳排放行為具有外部性,行為主體沒有意識到其造成的碳排放對生態環境的污染和破壞最終會帶來經濟組織(或個體)本身發展效率的折損[23]。考慮碳排放與否時的旅游產業效率存在顯著差異[20],即碳排放會對旅游效率造成一定的影響。由于大部分溫室氣體的生存壽命達到上百年乃至近千年[24],即便人類活動引起的碳排放立即停止,過去排放積聚產生的影響仍將持續幾個世紀[25],碳排放對旅游效率的影響必將是長期性的,探究其影響程度及驅動因素是學界亟需解決的科學命題。

基于以上認識,本文結合已有研究基礎,嘗試提出旅游效率損失度概念,并對2001—2014年中國30個省、自治區、直轄市(后文統稱為省份)的旅游效率損失度進行測算,分析其時空演化特征、驅動力及機制,據此提出降低損失的對策,以期為旅游產業環境負外部性的內化尋找可量化的途徑,提供一種旅游生態環境管理的新思路,豐富旅游經濟與旅游生態學研究內容,并對旅游業節能減排、旅游生態效率優化、旅游業綠色發展及生態文明建設提供實踐指導。

1 數據與方法1.1 變量遴選與數據來源

根據研究目的,本文使用的數據包括2001—2014年中國30個省份(因西藏、香港、澳門、臺灣數據缺失較多,故未納入研究范圍)的相關各自產出、投入及反映地區旅游產業規模、稟賦特征和體制狀況等變量的基礎數據,這些數據來源于相關年份《中國統計年鑒》、《中國旅游統計年鑒》、《中國能源統計年鑒》、《中國環境統計年鑒》、《中國勞動統計年鑒》、《中國交通統計年鑒》。對于變量的處理及解釋如下：

(1)投入-產出變量。產出指標借鑒曾國軍等[26]的“旅游增加值剝離測算法”測算出各省旅游增加值；勞動投入指標使用有效旅游勞動的形式,用歷年各省份的旅游從業人數及各省份就業人員平均受教育年限的乘積來表示,根據陳釗等[27]的方法對缺失年份的就業人員平均受教育年限數據進行補齊；資本投入指標借鑒張軍等[28]、左冰等人[13]的方法,以旅游業固定資產凈值作為資本存量的替代,旅游業固定資產凈值利用永續盤算法延展得到,再把得到的數據統一調整為以2001年為基期的相應值；本文將碳排放作為投入要素來分析中國旅游效率。迄今為止,全球范圍內還沒有形成關于旅游業能源消耗和CO2排放量估算的系統性方法[29],中國能源統計年鑒中也沒有對旅游業或相關服務業能源消費做出細致的統計。為使能源消費與旅游產出對應,借鑒謝園方等[30]的“旅游消費剝離系數”,從交通運輸、郵電通訊及倉儲、餐飲業、批發和零售貿易業等第三產業部門的能源消費中剝離出旅游業能源消費量。計算公式為：

(1)

iRi=Ti/Vi

(2)

式中,TC表示旅游業碳排放總量；Ci為旅游行業i的碳排放量；Eij′表示行業i所消耗的j類能源量；Ri表示i行業旅游剝離系數；Vi為i行業增加值；Ti為i行業旅游增加值,通過i行業增加值率乘以i行業旅游收入獲得,其中i行業增加值率是i行業增加值與i行業總產值的比值；αj表示j類能源的折標準煤參考系數；k表示單位標準煤的二氧化碳排放量,取為2.45[31]。

(2)驅動因子變量。中國旅游效率存在典型的區域非均衡,受到區域旅游資源稟賦、城市化、市場化進程、區位因素[3]等影響。本文選取基礎設施狀況、旅游接待能力、旅游吸引力、市場活力、旅游產業規模、旅游產業結構、能源技術7個因子考察旅游效率損失度的外力驅動。①基礎設施狀況,借鑒吳延瑞等[32]的方法,用各省份每10 km2土地上的公路長度與鐵路長度的幾何平均值來表征；②旅游接待能力采用住宿、餐飲設施相關指標；③旅游吸引力不僅與資源稟賦有關,還涉及景區宣傳、內部設施、環境營造等,這些指標均可以通過景區企業數量、資金實力反映,故采用各省旅游景區數量、景區等級結構、旅游景區企業數量、固定資產來表征；④旅游市場活力指標采用樊綱等[33]提供的數據,并依據陳釗等[28]的方法對缺失值進行補充；⑤旅游產業規模用旅游業增加值表示；⑥旅游產業結構用旅游業中批發、零售、餐飲、住宿業與交通、倉儲、郵電業收入的比值表示；⑦能源技術指標用能源強度即萬元GDP能耗指標表示,該指標越小,則該省份的能源技術水平越強。

1.2 研究方法

1.2.1構建SFA模型測算各省旅游效率

隨機前沿(SFA,Stochastic Frontier Analysis)方法的優勢體現在個體的生產過程能夠通過估計的生產函數進行描述,且能將隨機誤差和無效率項分離,適于研究轉型經濟國家的效率問題[34]。為了盡可能減少因模型設定偏誤對估計結果造成的誤差,本文在Battese等[35]提出的SFA模型基礎上,以旅游產業增加值為產出,以旅游資本(K)、有效勞動力(L)、旅游業碳排放(C)為投入,設定如下超越對數形式的隨機前沿函數模型：

(3)

其中,

(4)

1.2.2運用變異系數法衡量旅游效率損失度省際差異

采用變異系數測度旅游效率及損失度的省際差異,其計算公式如下[36]：

(5)

1.2.3運用面板回歸模型分析效率損失度影響因素

面板模型綜合運用截面數據與時間序列數據建立計量模型,更能反映個體之間存在的異質性[37]。其主要建模方法有3種：固定效應回歸、隨機效應回歸及混合回歸。模型的具體選擇要通過Hausman檢驗及似然比檢驗來確定,本文首先初步建立中國30個省2001—2014年的旅游效率損失度與基礎設施(z1)、旅游接待能力(z2)、旅游吸引力(z3)、旅游市場活力(z4)、旅游產業規模(z5)、旅游產業結構(z6)、能源技術(z7)的面板回歸模型：

ln(EEit)=β0+β1ln(Z1it)+β2ln(Z2it)+…+μi+λi+μit

(6)

其中,EEit為i省在第t年的旅游效率損失度,t=2001,2002,…2014,i=1,2…30；Z1it為地區i在第t年的基礎設施水平,Z2it為地區i在第t年的旅游接待能力……；β0為面板回歸系數；μi反映個體之間不隨時間變化的差異性；λi反映不隨個體變化的時間差異性；μit為經典誤差項。

2 結果分析

2.1 模型檢驗及參數估計

效率損失是指因投入要素組合不合理而導致的生產結果對生產前沿的偏離[38],其程度可以用損失度來表示。碳排放影響下的旅游效率損失度是指將碳排放因子作為投入變量前后旅游效率的減少程度,是從效率角度識別碳排放對旅游發展造成的損失,具體可通過測算考慮碳排放的旅游效率與不考慮碳排放的旅游效率差值而得。本文運用Frontier4.1軟件,用極大似然法同時對考慮旅游碳排放因素的旅游效率(模型1)與不考慮旅游碳排放因素的旅游效率(模型2)的隨機前沿生產函數參數進行估計,結果如表1。

從表1中可看出,對模型所對應的C-D生產函數模型使用性檢驗的似然比檢驗統計量LR的值達到62.3和54.1,表示本文選擇的超越對數形式的生產函數是比C-D生產函數更適合的模型。在43個回歸系數中,只有6個在10%的顯著性水平下不顯著,31個解釋變量在1%的水平下顯著,說明變量的解釋能力很強。同時,模型的單邊偏誤似然比都較大,表明兩模型的隨機誤差部分都符合混合卡方分布,γ值(0.87、0.82)都顯著接近于1,表明無論是否考慮碳排放因素,中國省份都存在普遍的技術無效情況。從投入變量來看,旅游勞動要素的產出彈性值與旅游資本要素產出彈性值之和在兩個模型中均大于1,表明中國旅游發展目前處于規模遞增階段,這與李亮等[3]的研究結果相一致。同時,旅游資本要素彈性值小于旅游勞動要素彈性值,表明中國旅游發展仍然處于勞動密集型階段；碳排放要素產出彈性值為-0.1172,表明碳排放對中國旅游效率的提高產生了反向作用。

表1 隨機前沿模型估計結果

***、**、 *分別表示估計在0.15、0.1、0.01可信水平下顯著不為0

在非效率無效方程中,表征市場體制情況的旅游市場活力指數不顯著,表明市場體制對旅游效率的作用不明顯。兩個模型中,旅游接待能力、旅游吸引力、旅游產業結構及能源技術的系數均為負,說明這4個變量對旅游效率的提高有積極作用。其中,旅游產業結構、能源技術在模型1中的系數小于模型2中的相應值,表明在加入碳排放因子的考慮時,旅游產業結構、能源技術對旅游效率的促進作用更大。旅游產業規模在模型1中的系數為正,在模型2中的系數為負,表明產業規模的提高能促進旅游產業效率,但將環境因子納入考慮后,產業規模的擴大反而使旅游效率降低；兩個模型中的基礎設施系數估計值均為正,即以公路和鐵路為代表的基礎設施的增多反而拉低了旅游效率。由于基礎設施建設需要大量投資,其效應的發揮又具有滯后性和長期性,而效率分析是一種短期(年度)分析,所以在這種分析中,出現對旅游效率的負面作用是符合邏輯的[39]。

2.2 旅游效率及損失度格局

2.2.1旅游效率損失度

(1)全國2001—2014年多年平均總旅游效率損失度為0.1397,由東部沿海向中西部內陸地區增加(圖1)。區域層面,中部地區平均損失度最高,其次為西部地區、東北地區、東部地區。省域尺度上,東部的天津、山東、浙江、江蘇等,中部的河南,西部的青海、內蒙古等省份損失度最小；損失較大的省份有中部的山西、湖南、湖北等,西部的甘肅、寧夏、新疆等省份。采用自然裂點法劃分為5個等級,最高等級(5級)損失度地區約占20%,集中在河西走廊、西北地區西部、華北西部及江南丘陵地區；4級損失度地區約占13.33%,以環渤海地區及閩江流域為集中分布區；3級損失度地區約占26.67%,主要分布華北東部及西南地區；2級損失度地區約占26.67%,以東北地區、內蒙古地區、四川盆地及東部沿海地區為主；1級損失度地區約占13.33%,主要分布在黃淮地區及黃河上游地區。這一現象表明,碳排放已經對中國各省的旅游效率造成了損失且大部分地區損失級別達3級以上。由于影響損失度的因子存在區域差異,旅游效率損失度也顯示出差異化分布的特征。東部大部分地區距離主要客源市場近,交通碳排放強度小,旅游產業結構及節能技術較先進,碳排放對旅游效率造成的損失較小；而廣大中西部地區因距離主要客源市場遠,同時,旅游及相關產業發展方式較粗放,碳排放增長速度快,加劇了旅游效率的損失。

圖1 2001—2014年中國省域旅游效率及損失度總體情況Fig.1 Chinese provincial tourism efficient and efficient-loss(2001—2014)

(2)2001—2014年中國旅游效率損失度整體呈現上升態勢,年均增幅為3.26%。其中,東部地區(7.90%)年均增幅最大,其次為西部(5.96%)及東北地區(0.10%),中部地區旅游效率損失度逐年下降,年均降幅為0.94%。全國整體、東部、東北旅游效率損失度增長率呈“U型”曲線,即“減小-增加”趨勢,東部地區增幅最大的省份有廣東、天津,東北地區的吉林、遼寧增幅也較大；中部地區為波動下降趨勢,降幅最大的省份有江西、湖北、安徽及山西,西部地區為波動上升趨勢,主要表現在青海、陜西、貴州、重慶等省。

2.2.2旅游效率與旅游損失度雙維度分析

中國旅游效率平均值為0.6033(圖1),損失度平均值為0.1397,總體處于中等水平。但損失度年均增長率(3.26%)遠高于旅游效率增長率(0.25%)。2001—2014年各省旅游效率平均值在0.5800—0.6400之間,旅游效率損失度在0.0400—0.2723之間,損失度相差值較大。同時,變異系數值表明,2001—2014年,全國旅游效率損失度變異系數平均值(0.53)大于旅游效率變異系數平均值(0.19),并且各時期、各區域的旅游效率損失度變異系數平均值均大于旅游效率變異系數平均值。表明中國各省在碳排放上的差異導致了更大的旅游效率差別,因此,不考慮碳排放因素的情況下,不僅會高估旅游效率,還會低估省際間的效率不平衡程度。區域層面上,旅游效率與損失度的區域分布存在差異,旅游效率從高到低依次為東部(0.7119)、中部(0.6576)、東北(0.5906)、西部(0.4784),效率損失從高到低依次為中部(0.1951)、西部(0.1338)、東北(0.1263)、東部(0.1183)。這表明,中部地區因為排放問題帶來了較大的效率損失。

旅游效率值與效率損失程度在空間上存在差異。根據各省旅游效率及效率損失度,可以將全國劃分為4種旅游效率類型區：①當省域旅游效率高于全國平均值、效率損失低于全國平均值,說明該省碳排放因素對旅游效率負面影響較小,旅游發展效益較好,劃歸為“高效低損區”,包括天津、上海、江蘇、浙江、山東、廣東、河南、吉林,大部分為東部省份；②當省域旅游效率高于全國平均值,效率損失高于全國平均值,說明該省在旅游經濟快速發展的同時引起的碳排放問題又反過來拉低了旅游效率水平,劃歸為“高效高損區”,此類型區有北京、河北、福建、山西、安徽、湖北、湖南、遼寧、重慶,集中在中部地區；③當省域旅游效率低于全國平均值,效率損失低于全國平均值,說明該省旅游效率水平較低,同時碳排放沒有對旅游效率構成主要威脅,劃歸為“低效低損區”,此類型區主要分布在東北、西南地區,主要有黑龍江、內蒙古、四川、貴州、云南、山西、青海；④當省域旅游效率低于全國平均值,效率損失高于全國平均值,說明該省旅游效率水平較低,同時又受到碳排放因素的顯著負面影響,旅游發展效益較差,劃歸為“低效低損區”,此類區主要有海南、江西、廣西、甘肅、寧夏、新疆,集中在中西部地區。

2.3 旅游效率損失度影響因素

2.3.1面板模型檢驗

技術無效函數結果表明,各地區旅游產業規模、旅游產業結構、能源技術、基礎設施、旅游接待能力、旅游吸引力等因素的非均衡性與鄰近地區的空間交互效應共同作用于旅游效率損失度空間格局的形成與演變。各因素在不同旅游效率類型區的影響效應如何？是否存在差異？針對上述問題,進行旅游效率損失度面板回歸模型驗證與分析。

運用Eviews8.0軟件將原數據進行對數處理后作為初始變量進行單位檢驗,結果顯示需要將基礎設施與能源技術變量滯后1年,再次進行檢驗后所有變量均通過平穩檢驗及協整檢驗；以隨機效應模型為原假設進行Hausman檢驗,檢驗結果的P值為0.001,在5%的顯著性水平下應該拒絕原假設,故適合建立旅游生態效率關于基礎設施、旅游接待能力、旅游吸引力、旅游市場活力、旅游產業規模、旅游產業結構、能源技術的個體固定效應變系數模型。模型檢驗結果見表2。

表2 平穩性檢驗及協整檢驗結果

***、**、 *分別表示估計在0.1、0.05、0.01可信水平下顯著不為0；△表示滯后1期；LLC 為Levin, Lin and Chu；ADF為Augmented Dickey-Fuller；PP 為Phillips-Perron

2.3.2各類型區旅游效率損失度外力驅動因子

基于個體固定效應變系數面板回歸模型對2001—2014年中國省域旅游效率損失度的影響因素進行估計,模型擬合優度達到0.9751,模型擬合效果較好。模型估計結果顯示,除市場活力變量未能通過10%水平下的假設檢驗外,其余變量對旅游效率損失度均產生顯著影響(表3)。市場活力變量反映市場化程度,市場化程度的提高對旅游效率有促進作用,但市場主體對減少碳排放、減緩碳排放影響的積極性有限,表明市場活力對旅游效率的影響較為復雜。

總體來看,基礎設施、旅游接待能力、旅游吸引力、旅游產業規模、旅游產業結構、能源技術對省域旅游效率損失度有顯著影響。其中,負向驅動力從大到小依次為能源技術、旅游產業結構、旅游接待能力、旅游吸引力。能源技術對旅游效率損失度的影響最大。能源技術是增強產業可持續發展能力的重要支撐[40],能源技術系數為負說明能源技術水平的提高將導致旅游效率損失度降低。加強能源技術在旅游業中的應用及推廣是優化旅游能源結構的關鍵；正向作用從大到小依次為基礎設施、旅游產業規模。基礎設施是導致大部分地區旅游效率發生損失的重要因子,這種影響在高效高損區尤為明顯。旅游交通碳排放是旅游業碳排放的主要來源[41- 44],以鐵路和公路為主的基礎設施運行帶來了大量的旅游業碳排放。長期來看,基礎設施對旅游效率和旅游業碳排放的提高加劇了旅游效率的損失度；旅游產業規模變量系數為正,說明中國一些地區開始出現旅游產業規模不經濟現象。

表3 旅游效率損失度影響因素

***、**、 *分別表示估計在0.1、0.05、0.01可信水平下顯著不為0

6種驅動力對各不同旅游效率類型區的影響程度具有顯著差異：

①高效低損區中,能源技術、旅游產業結構、旅游產業規模、旅游接待能力、旅游吸引力對旅游效率損失度的降低產生了積極作用,其中能源技術和旅游產業結構的負面影響較大,說明能源技術的提高、旅游產業結構的輕型化將顯著降低這類地區旅游效率損失度；天津、上海、浙江、廣東等省市的旅游資源稟賦影響效應較小,旅游接待能力影響效應較大,說明以有形旅游資源為基礎的觀光旅游正逐漸被弱化,有形旅游資源經營的邊際收益遞減效應開始顯現,由旅游產業發展邊界融合而形成的具有高附加值的新型旅游業態將逐漸成為提高旅游效率的主要方式。基礎設施起正向推動作用但與其他3類地區相比作用力度較小,說明此類地區旅游交通仍然存在粗放發展的現象,一定程度上造成了旅游效率損失；

②高效高損區中,能源技術、旅游接待能力、旅游產業結構、旅游吸引力對旅游效率損失度的降低產生了積極作用,其中能源技術、旅游接待能力的反向作用較大,說明能源技術的提高、旅游接待能力的提升將顯著降低這類地區旅游效率損失度；基礎設施、旅游產業規模的正向推動作用大,尤其是遼寧、湖北、河北等省,說明這類地區應該加強旅游交通節能減排力度,加大旅游休閑消費占旅游收入中的比重,加快轉變傳統旅游發展方式為內涵式、集約型發展；

③低效低損區中,旅游產業結構、能源技術、旅游接待能力對旅游效率損失度有顯著的負向作用,尤其是旅游產業結構的改善促進了旅游效率損失度的下降；基礎設施對該類區的旅游效率損失產生了一定的貢獻,但程度較小；旅游產業規模在內蒙古、貴州、云南等省區產生了正向作用,表明這些省份出現了較嚴重的旅游產業規模不經濟現象,應該著重提高旅游產業邊際效益,改善旅游產業結構,提高資源能源節約集約利用及旅游管理水平；旅游吸引力對內蒙古、黑龍江、貴州、青海等省的旅游效率損失起到推動作用,主要是由于這些省份大多位于生態脆弱地區,旅游景區在相同的開發力度下,對旅游環境的影響要大于其他地區,再加上管理運營中不注重環境影響,季節性、粗放經營導致經營效率低下,加劇了旅游效率的損失；

④低效高損區中,能源技術、旅游接待能力、旅游產業規模、旅游吸引力對旅游效率損失度的降低產生了積極作用；基礎設施與旅游產業結構的回歸系數為正,基礎設施正向驅動較大表明基礎設施的增多促進了該類地區旅游效率損失的擴大,這主要是由于交通行業產生大量碳排放,同時基礎設施的建立未能有效帶動當地旅游經濟的發展和旅游產業結構的優化調整,尤其是寧夏、新疆等省,在未來發展中應該調整旅游產業結構,豐富旅游產品類型,同時注重旅游資源環境的保護,減輕旅游交通對生態環境的負面影響。

3 結論與討論

旅游效率損失度概念是在旅游效率與碳排放效率研究基礎上的延伸,對豐富旅游效率研究理論體系具有重要意義。碳排放對旅游效率的提高具有抑制作用,碳排放增加會導致旅游效率的下降,以往的研究僅分析了降低后的旅游效率,忽視了對下降程度及其影響因素的考察。本文通過引入旅游效率損失度,衡量旅游業碳排放影響下的旅游效率削減程度；從時間和空間角度,分析損失度格局演變特征；從整體和類型區的角度,探討基礎設施等因素的影響機理。研究結果能加深管理決策者、經營主體和公眾對碳排放與旅游經濟效益之間關系的認識,為節能減排驅動機制的創建提供參考依據。

2001—2014年,碳排放對中國省域旅游效率造成了損失且大部分地區損失級別達3級以上,中部地區平均損失度最高,其次為西部地區、東北地區、東部地區；中國旅游效率損失度年均增長率遠高于旅游效率增長率,其中,東部地區年均增幅最大,其次為西部、東北部,中部地區旅游效率損失度逐年下降。從整體來看,能源技術水平的提高將顯著減緩旅游效率損失。近年來,中部地區因資本投入的增加替代了部分能源投入進而降低能源強度[45],但與此同時,中部地區旅游產業規模增大引起的碳排放增多又導致了旅游效率損失,產生規模不經濟現象。此外,旅游產業結構、旅游接待能力、旅游吸引力等指標與損失度呈負相關；基礎設施是導致大部分地區旅游效率發生損失的重要因子,雖然基礎設施的完善有利于旅游經濟的增長,但不注重資源環境影響的粗放式發展最終會加劇旅游效率的損失。從類型區來看,基礎設施等因子對不同類型區的影響作用方式具有顯著差異,因根據外力驅動的大小和作用方向采取旅游效率優化措施。高效低損區應進一步提高能源技術和旅游產業結構；高效高損區應加強旅游交通節能減排力度,加快轉變傳統旅游發展方式為內涵式、集約型增長發展；低效低損區應著重提高旅游景區邊際效益,改善旅游產業結構,提高資源能源節約集約利用及旅游管理水平；低效高損區應調整旅游產業結構,注重旅游資源環境的保護,減輕旅游交通對生態環境的負面影響。

本文采用的超越對數形式的隨機前沿函數模型(Translog-SFA)確保了生產前沿面本身的隨機性(前沿面固定時會忽略統計噪聲,如DEA方法),對于面板數據研究而言,其結果更加接近現實。但傳統的SFA參數方法不能直接用于考慮多產出情況下的旅游效率分析,無法同時考察旅游產業內部多種行業的產出變化,未來在進行結構效率損失分析時需要利用距離函數與成本函數來估計多產出技術中的參數問題[46]；本文在歸因分析中,僅考慮了旅游產業規模、能源技術等經濟指標,未來需要進一步關注環境政策、旅游者環境行為等社會文化變量；本文采用的交通運輸、郵電通訊及倉儲、餐飲業、批發和零售貿易業等第三產業是影響旅游業碳排放的主要驅動因素,但旅游活動及其附帶服務等也起到間接影響作用[29,47- 48]受數據所限,本文未能估算這些間接環節的碳排放,可能造成估算結果偏小,這也是省域尺度研究中的一個難點。今后將進一步追蹤旅游活動的碳排放量并研究旅游間接碳排放量測算方式,使碳排放測算結果更加綜合全面。

[1] 曹芳東, 黃震方, 余鳳龍, 吳麗敏. 國家級風景名勝區旅游效率空間格局動態演化及其驅動機制. 地理研究, 2014, 33(6): 1151- 1166.

[2] 馬曉龍. 國內外旅游效率研究進展與趨勢綜述. 人文地理, 2012, 27(3): 11- 17.

[3] 李亮, 趙磊. 中國旅游發展效率及其影響因素的實證研究——基于隨機前沿分析方法(SFA). 經濟管理, 2013, 35(2): 124- 134.

[4] Morey R C, Dittman D A. Evaluating a Hotel GM′s performance: a case study in benchmarking. Cornell Hotel and Restaurant Administration Quarterly, 1995, 36(5): 30- 35.

[5] Anderson R I, Fish M, Xia Y, Michello F. Measuring efficiency in the hotel industry: a stochastic frontier approach. International Journal of Hospitality Management, 1999, 18(1): 45- 57.

[6] Ng C K, Seabright P. Competition, privatization and productive efficiency: evidence from the airline industry. The Economic Journal, 2001, 111(473): 591- 619.

[7] Fernandes E, Pacheco R R. Efficient use of airport capacity. Transportation Research Part A: Policy and Practice, 2002, 36(3): 225- 238.

[8] Barros C P, Matias. Assessing the efficiency of travel agencies with a stochastic cost frontier: a Portuguese case study. International Journal of Tourism Research, 2006, 8(5): 367- 379.

[9] 方葉林, 黃震方, 王坤, 涂瑋. 中國星級酒店相對效率集聚的空間分析及提升策略. 人文地理, 2013, 28(1): 121- 127.

[10] Bosetti V, Locatelli G. A data envelopment analysis approach to the assessment of natural park′s economic efficiency and sustainability. The case of Italian national parks. Sustainable Development, 2006, 14(4): 277- 286.

[11] 曹芳東, 黃震方, 吳江, 徐敏, 周瑋. 國家級風景名勝區旅游效率測度與區位可達性分析. 地理學報, 2012, 67(12): 1686- 1697.

[12] 陶卓民, 薛獻偉, 管晶晶. 基于數據包絡分析的中國旅游業發展效率特征. 地理學報, 2010, 65(8): 1004- 1012.

[13] 左冰, 保繼剛. 1992- 2005年中國旅游業全要素生產率及省際差異. 地理學報, 2008, 63(4): 417- 427.

[14] 曹芳東, 黃震方, 吳江, 徐敏. 城市旅游發展效率的時空格局演化特征及其驅動機制——以泛長江三角洲地區為例. 地理研究, 2012, 31(8): 1431- 1444.

[15] UNWTO, UNEP, WMO. Climate Change and Tourism: Responding to Global Challenges. Madrid: CEDRO, 2008.

[16] 王凱, 李娟, 席建超. 中國旅游經濟增長與碳排放的耦合關系研究. 旅游學刊, 2014, 29(6): 24- 33.

[17] Cadarso M, Gómez N, López L A, Tobarra M. Calculating tourism′s carbon footprint: measuring the impact of investments. Journal of Cleaner Production, 2016, 111: 529- 537.

[18] G?ssling S, Peeters P, Ceron J P, Dubois G, Patterson T, Richardson R B. The eco-efficiency of tourism. Ecological Economics, 2005, 54(4): 417- 434.

[19] 王坤, 黃震方, 曹芳東. 中國旅游業碳排放效率的空間格局及其影響因素. 生態學報, 2015, 35(21): 7150- 7160.

[20] 韓元軍, 吳普, 林坦. 基于碳排放的代表性省份旅游產業效率測算與比較分析. 地理研究, 2015, 34(10): 1957- 1970.

[21] 彭紅松, 章錦河, 韓婭, 湯國榮, 張瑜. 旅游地生態效率測度的SBM-DEA模型及實證分析. 生態學報, 2017, doi: 10.5846/stxb201507311616.

[22] 李鵬, 楊桂華, 鄭彪, 張一群. 基于溫室氣體排放的云南香格里拉旅游線路產品生態效率. 生態學報, 2008, 28(5): 2207- 2219.

[23] Dasgupta P S, Ehrlich P R. Pervasive externalities at the population, consumption, and environment nexus. Science, 2013, 340(6130): 324- 328.

[24] 謝平, 段兵. 氣候變化風險溢價研究. 金融研究, 2010, (8): 16- 32.

[25] IPCC. Climate change 2013: the physical science basis. Cambridge: Cambridge University Press, 2013

[26] 曾國軍, 蔡建東. 中國旅游產業對國民經濟的貢獻研究. 旅游學刊, 2012, 27(5): 23- 31.

[27] 陳釗, 陸銘, 金煜. 中國人力資本和教育發展的區域差異: 對于面板數據的估算. 世界經濟, 2004, 27(12): 25- 31.

[28] 張軍, 吳桂英, 張吉鵬. 中國省際物質資本存量估算: 1952- 2000. 經濟研究, 2004, (10): 35- 44.

[29] Kuo N W, Chen P H. Quantifying energy use, carbon dioxide emission, and other environmental loads from island tourism based on a life cycle assessment approach. Journal of Cleaner Production, 2009, 17(15): 1324- 1330.

[30] 謝園方, 趙媛. 長三角地區旅游業能源消耗的CO2排放測度研究. 地理研究, 2012, 31(3): 429- 438.

[31] 陳飛, 諸大建. 低碳城市研究的理論方法與上海實證分析. 城市發展研究, 2009, 16(10): 71- 79.

[32] 吳延瑞. 生產率對中國經濟增長的貢獻: 新的估計. 經濟學(季刊), 2008, 7(3): 827- 842.

[33] 樊綱, 王小魯, 朱恒鵬. 中國市場化指數——各地區市場化相對進程2009年報告. 北京: 經濟科學出版社, 2010.

[34] Fries S, Taci A. Cost efficiency of banks in transition: evidence from 289 banks in 15 post-communist countries. Journal of Banking & Finance, 2005, 29(1): 55- 81.

[35] Battese G E, Coelli T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data. Empirical Economics, 1995, 20(2): 325- 332.

[36] 劉漢初, 盧明華, 劉成. 山西省縣域人口半城市化的空間格局研究. 經濟地理, 2015, 35(1): 21- 28.

[37] Teixeira A A C, Queirós A S S. Economic growth, human capital and structural change: a dynamic panel data analysis. Research Policy, 2016, 45(8): 1636- 1648.

[38] Nguyen B H, Takahashi Y, Yabe M. Environmental efficiency and economic losses of Vietnamese tea production: implications for cost savings and environmental protection. Journal of the Faculty of Agriculture Kyushu University, 2016, 61(2): 383- 390.

[39] 匡遠鳳, 彭代彥. 中國環境生產效率與環境全要素生產率分析. 經濟研究, 2012, (7): 62- 74.

[40] 關偉, 許淑婷. 中國能源生態效率的空間格局與空間效應. 地理學報, 2015, 70(6): 980- 992.

[41] G?ssling S. Global environmental consequences of tourism. Global Environmental Change, 2002, 12(4): 283- 302.

[42] G?ssling S. Sustainable tourism development in developing countries: some aspects of energy use. Journal of Sustainable Tourism, 2000, 8(5): 410- 425.

[43] Dubois G, Ceron J P. Tourism/leisure greenhouse gas emissions forecasts for 2050: factors for change in France. Journal of Sustainable Tourism, 2006, 14(2) 172- 191.

[44] Peeters P, Szimba E, Duijnisveld M. Major environmental impacts of European tourist transport. Journal of Transport Geography, 2007, 15(2): 83- 93.

[45] 林伯強, 杜克銳. 理解中國能源強度的變化: 一個綜合的分解框架. 世界經濟, 2014, 37(4): 69- 87.

[46] 蒂莫西·J·科埃利, D·S·普拉薩德·拉奧, 克里斯托弗·J·奧唐奈, 喬治·E·巴蒂斯. 效率與生產率分析引論 (第二版). 王忠玉, 譯. 北京: 中國人民大學出版社, 2008: 265- 265.

[47] Dawson J, Stewart E J, Lemelin H, Scott D. The carbon cost of polar bear viewing tourism in Churchill, Canada. Journal of Sustainable Tourism, 2010, 18(3): 319- 336.

[48] Howitt O J A, Revol V G N, Smith I J, Rodger C J. Carbon emissions from international cruise ship passengers′ travel to and from New Zealand. Energy Policy, 2010, 38(5): 2552- 2560.

EvaluationofthetourismefficiencylossduetotheinfluenceofcarbonemissionsfromtourisminChina

ZENG Yuxi1,2, ZHONG Linsheng1,2,*,Yu Hu1

1InstituteofGeographicalSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China2UniversityofChineseAcademyofSciences,Beijing100049,China

Tourism efficiency (TE) has

increasing attention in research and policy development. Considering that CO2-emission is one of the important factors influencing TE at both, international and regional levels, the need to understand its impact on TE is not only a managerial challenge, but also an issue of vital importance. This paper proposes a conceptual framework of tourism efficiency-loss (TEL), and calculates the TE and TEL of 30 Chinese provinces during 2001—2014 by utilizing the transcendental logarithmic production function, followed by the analysis of TEL variables using the panel regression model. Our results show that: (1) TEL can serve as an indicator of the impact of carbon emissions on TE. (2) For the entire study period, the CO2-emission has resulted in a high TEL value for all provinces, especially in central China. At the provincial level, most of the eastern provinces (e.g., Tianjing, Shandong, Zhejiang, Jiangsu, etc.), small parts of the central provinces (e.g., Henan), and parts of the western provinces (e.g., Qinghai and Inner Mongolia) showed a lower TEL value, while most of the central and western provinces, such as Shanxi, Hunan, Hubei, Gansu, etc., showed a relatively high TEL value.(3) An average increase was observed in the growth rates of both TE and TEL; however, the annual growth rate of TEL was relatively higher than that of TE. The general TEL levels have been experiencing a rising trend over the past 15 years in China, and the eastern region became the fastest region, followed by the western and northeast region. On the contrary, the central provinces experienced a decrease in the rate of TEL. (4) According to their TE and TEL values, the Chinese provinces can be categorized into four types: high-TE and low-TEL, high-TE and high-TEL, low-TE and high-TEL, and low-TE and low-TEL. The “high-TE and low-TEL” regions included Tianjing, Shanghai, Jiangsu, Zhejiang,Shandong,Guangdong, Henan, and Jilin, mostly in eastern China; the “high-TE and high-TEL” regions included Beijing, Hebei, Fujian, Shanxi, Anhui, Hubei, Hunan, Liaoning, and Chongqing, mostly in central China; the “low-TE and high-TEL” regions included Heilongjiang, Inner Mongolia, Sichuan, Yunnan, Shanxi, and Qinghai, mostly in northeast and northwest China; and the “low-TE and low-TEL” regions included Hainan, Jiangxi, Guangzhou, Gansu, Ningxia, and Xinjiang, mostly in central-western China. (5) The impacts of the infrastructure, reception capacity, attraction, industrial scale, industrial structure, and energy technology varied according to the type of region, making the selection of optimization measures different in each region. The “high-TE and low-TEL” regions should further improve the energy technology and optimize the structure of tourism industry. The “high-TE and high-TEL” regions should use energy-saving technology, reduce emissions from tourism transport, and speed up the transformation of the mode of traditional tourism development pattern to a more connotative and intensive growth pattern. The “low-TE and high-TEL” regions should focus on raising tourism scenic marginal benefit, optimizing the tourism industrial structure and improving the level of energy conservation and intensive utilization of resources and tourism management. The “low-TE and low-TEL” regions should adjust the structure of the tourism industry, pay attention to the protection of tourism resources and environment, and reduce the negative impact of transportation on the environment.

tourism efficiency-losses; tourism carbon emissions; drive force; Chinese provinces

國家自然科學基金(41671527)

2016-09-20; < class="emphasis_bold">網絡出版日期

日期:2017-07-12

*通訊作者Corresponding author.E-mail: zhongls@igsnrr.ac.cn

10.5846/stxb201609201895

曾瑜皙,鐘林生,虞虎.碳排放影響下中國省域旅游效率損失度研究.生態學報,2017,37(22):7463- 7473.

Zeng Y X, Zhong L S,Yu H.Evaluation of the tourism efficiency loss due to the influence of carbon emissions from tourism in China.Acta Ecologica Sinica,2017,37(22):7463- 7473.