基于PVAR模型大數據的省域星級飯店商圈空間集聚與效率的關系測度

熊慈 王兆峰

摘 要： 區域星級飯店業集聚與效率的關系測度是當前研究的重要問題，基于2000—2017年中國30個省域的面板大數據，采用區位熵指數和DEA-Malmquist模型分別測度了中國省域星級飯店商圈的集聚程度和效率水平，利用PVAR模型檢驗了商圈星級飯店集聚與星級飯店效率之間的關系。結果表明：①中國星級飯店集聚趨勢明顯，省際差異較大；②中國星級飯店效率呈波動遞增趨勢，年均增長率為0.615%，在商圈空間上呈現點狀分布格局；③中國星級飯店集聚與星級飯店效率存在依賴自身發展的慣性現象，星級飯店集聚的發展慣性大于星級飯店效率；兩者相互沖擊對彼此都產生正向的影響，存在雙向作用關系，長期來看兩者的響應程度有所下降并趨近于較低水平

關鍵詞： 空間集聚；星級飯店效率；PVAR模型；測度

中圖分類號： F719.3 文獻標識碼： A 文章編號： 1674-9448 （2020） 02-0034-08

Measurement of the Relationship Between Spatial Agglomeration and Efficiency of Chinas Provincial Star-rated Hotels Trade Area--An Analysis Based on PVAR Big Data Model

XIONG Ci WANG Zhao-feng

（ College of Tourism， Hunan Nomal University， Changsha 410081，China）

Abstract： The measurement of the relationship between agglomeration and efficiency of regional starrated hotels has been an important problem nowadays. Based on the panel big data of 30 provinces in China from 2000 to 2017， this paper utilizes the location entropy index and DEA-Malmquist model to measure the agglomeration level together with efficiency of Chinas star-rated hotels. At the same time， it establishes a PVAR model to investigate the relationship of which. It comes out that： ①The trend of star hotels in China is obvious， and there are great differences between provinces， the agglomeration degree of star hotels shows an unbalanced feature in space； ②The efficiency of star hotels in China shows an increasing trend with an average annual growth rate of 0.615%，from the perspective of provincial scale， the efficiency of star hotels presents a point distribution pattern in space； ③ Star hotel agglomeration and efficiency have the phenomenon of development by their own inertia scale the development inert of star hotel agglomeration is more than efficiency.Both of them impact each other positively，there is a two-way relationship，in the long run， the degree of response of the two decreased and tended to be lower..

Keywords： spatial agglomeration，efficiency，PVAR model，measurement

一、引言

旅游業是拉動內需、促進經濟轉型升級和提升城市競爭力的重要途徑。星級飯店是拉動中國旅游經濟發展的主要力量[1]。自新世紀以來的17年中，星級飯店平均利潤率為0.03%，平均客房出租率為56.448%，年均增長率僅為0.044%?？梢?，中國星級飯店經濟效益低下，呈現出一種“高投入、低產出”的粗放型發展模式。提高飯店經營效率是重塑飯店業競爭力和提高旅游業效率的重要內容。集聚是經濟空間的重要現象，是提升地方經濟競爭力和發展水平的重要機制。從理論層面來看，集聚是飯店商圈空間分布的基本特征，而飯店在地理空間上的柔性集聚能實現規模經濟和資源共享效應，促進飯店的創新[2]。創新又可能會對飯店業的效率提升有影響。另一方面，飯店業效率提升所帶來的經濟收益往往會吸引新的飯店進入，提升區域飯店業的經濟密度和集聚水平。雖然飯店業的集聚和效率可能存在著相互影響的關系，然而現有研究很少對兩者之間的關系進行實證檢驗。因此，探討星級飯店業集聚與效率的關系，對于分析飯店效率的影響機制，科學引導生產要素的區際流動、實現資源優化配置，促進行業健康發展具有重要意義。

二、文獻綜述

國外學者對飯店業的集聚效應進行了探究，如Chun W等[3]分析了美國住宿業集聚度與績效的關系，發現集聚發展可提高企業的經營績效。Tsang等[4]分析了北京飯店業中不同類型星級飯店集聚產生的效應。Canina等[5]以美國飯店14995 家賓館為實證對象，采用廣義回歸模型，以集群中追求高分化的比例、追求低成本的比例及五種賓館類型為因變量，以基于規模的集群變量、集群中產品質量異質性變量、戰略類型的集中或分散程度等為自變量，認為未進行相似投資的企業可以從集聚競爭者的分化中受益。目前，國內多數研究成果集中于對星級飯店集聚或星級飯店效率展開的單獨研究。對星級飯店集聚的研究主要集中在特征分析[6-10]，對星級飯店效率的研究主要集中在測度及分解[11-13]和影響因素[14-15]的探析上。其中，張廣海等[16]在研究中國星級飯店業TFP影響因素時，發現星級飯店集聚水平有利于TFP的增長。目前，國內文獻中尚無針對星級飯店集聚對星級飯店效率關系的專門分析，少數學者以整個旅游行業為背景進行產業集聚與效率的關系研究，如：郭悅[17]、李姝姝[18]、張廣海[19]、高俊[20]等。其中，王凱等[1]運用回歸模型探究旅游產業集聚程度與產業效率之間的相互關系時，發現星級飯店企業集聚水平和技術效率水平較高，產業集聚對效率增長有顯著的積極作用。邴振華等[21]研究發現星級飯店區域集聚度變化與區域經濟發展具有高度的相關性，當星級飯店的集聚趨勢加快時，將一定程度上拉動經濟的增長。綜上所述，學者對星級飯店業集聚與效率之間的關系進行定量分析的研究還極為少見，而在研究旅游產業集聚與旅游效率的關系時，或側重時序動態分析，或側重靜態空間分析，大多采用回歸模型方法，兩者存在的內生性問題并未得到有效解決，致使結論難以從時序和空間上全面解釋星級飯店集聚與效率互動發展的現實。因此，本文基于2000—2017年中國30個省域的面板數據，擬采用面板向量自回歸模型（PVAR），在測度中國省域星級飯店的集聚程度和效率水平的基礎上，從時序和空間兩個維度，檢驗星級飯店空間集聚與星級飯店效率的關系，以彌補上述研究的不足，從而明確兩者間的作用機理，促進星級飯店創新。

三、研究方法與數據來源

（一）集聚的測度模型

目前，國內外測度產業集聚較為常用的方法有區位熵、行業集中度、基尼系數、E-G指數、主成分分析法等。區位熵可以反映出地區層面的產業集聚水平，是國內外學者使用頻率較高的衡量集中度的方法。本文結合研究數據的可獲取性，采用區位熵指數來衡量中國星級飯店在各省的空間集聚程度，計算公式如下：

式（1）中，Aggit表示第i省t時期的區位熵指數，它表示i省t時期星級飯店收入占全省GDP比重與全國星級飯店收入與全國GDP比重的比值，衡量了一個省份星級飯店產業在全國所占份額，若該指數大于1表示該省星級飯店集聚趨勢明顯。

（二）效率的測度模型

當前，國內外學者測算效率的方法主要包括數據包絡分析（DEA）、隨機前沿分析法（SFA）等。隨機前沿分析法是一種需要以設定具體的生產函數為前提的參數分析方法，而包括數據包絡分析是一種基于線性規劃模型來衡量多投入多產出的同類型決策單元（decision marking unit，DUM）相對技術效率的非參數分析法。DEA方法可以避免主觀因素造成的誤差，使結果具有較強的客觀性。因此，本文運用DEA—Malmquist指數法，以構建中國星級飯店業效率的測度模型：

式（2）中d t和d t+1 分別表示以t期的技術為參照的時期t和t+1的距離函數；（x t+1，yt+1）和（x t，yt）分別表示t+1時期和t時期的投入和產出，v和c分別指在可變規模報酬和不變規模報酬前提下的投入和產出向量；TFP代表效率，可以分解為技術效率變化指數（Effch）和技術進步變化指數（Tehch），Effch指數還可以進一步分為純技術效率變化指數（Pech）和規模效率變化指數（Sech），TFP>1將表明從時期t到時期t+1相對效率提升，TFP<1表示相對效率降低，TFPC=1表示相對效率保持不變。

（三）面板向量自回歸模型（PVAR）

面板向量自回歸模型 （Panel Data Vector Autoregression，PVAR）結合了向量自回歸模型和面板數據的優點，能夠反應觀測樣本的個體差異。它將所有變量均視為內生變量，在真實反映變量相互間的動態作用方面具有優勢。本文旨在探討星級飯店集聚與效率之間是否存在互相關系，具體公式如下：

（四）指標說明與數據來源

本研究以中國大陸30個省域2000—2017年星級飯店的面板大數據為樣本，采用各省域星級飯店營業收入和GDP構建飯店區位熵指數。在計算星級飯店效率時，以星級飯店從業人數、固定資產原值作為投入指標，以星級飯店營業收入作為產出指標。為了避免貨幣價值變動帶來的影響，本研究基于“國內生產總值指數”、“旅游類居民價格指數”、“固定資產投資價格指數”，以2000年為價格基期，分別對GDP、星級飯店營業收入、固定資產值進行平減處理。以上數據均來自2001—2018年《中國旅游統計年鑒》、《中國旅游統計年鑒副本》、《中國統計年鑒》。

四、中國星級飯店商圈集聚和效率的特征

（一）星級飯店集聚的商圈時空特征

（1）時間演化特征。中國星級飯店集聚年度均值變化圖（圖1）顯示，星級飯店區位熵指數整體呈增長態勢，表明研究期間內星級飯店的集聚程度整體呈現上升態勢。具體來看，從2000年0.967增長到2017年的1.054，年均增長率為0.511%，這是因為星級飯店為了追求集聚所帶來正向外部效益和資源、信息和客源共享效益，會出現明顯的集聚傾向。2007年前區位熵指數年度均值小于1，說明集聚水平不高，競爭優勢不明顯。2007年及以后其區位熵指數年度均值大于1，說明具有一定的集聚優勢。17年中有3個時期出現波動，其中，2000—2002年區位熵指數出現先升后降的小幅度波動，受“非典”的影響，2002年區位熵指數出現17年間最低值0.966；2008—2010年區位熵出現先增后減的態勢，可能是受到了金融風暴下投資與消費緊縮所帶來的負向影響；2010—2016年區位熵指數呈現先快速上升、后緩慢下降的態勢。2017年區位熵達到18年最高值1.054。

（2）空間分布特征?；诟鞯馗髂甑膮^位熵指數計算結果，借助ARCGIS10.2軟件可得到區位熵指數均值的空間分布圖（圖2）。從大三區域來看，東部地區的集聚度（1.736）>西部地區集聚度（0.701）>中部地區集聚度（0.442），星級飯店集聚度呈現出“東部高于西部，西部高于中部”的空間格局。從各省域來看，星級飯店集聚度省域分布差異明顯，空間分布不均衡性強。北京、上海的區位熵均值在1.686～7.943之間，超過全國星級飯店區位熵平均值（1.012），浙江、廣東、甘肅和新疆區位熵均值在0.929～0.928之間，具有較高水平。廣西、寧夏、江蘇、云南、遼寧、重慶、四川、湖南、天津的區位熵均值在0.531～1.685，內蒙古、河南、黑龍江等13個省域的集聚度均值則在0.0.530以下，遠沒有達到全國平均集聚水平。從區位熵的定義可以看出，區位熵的大小主要取決于星級飯店的產值，而在全國星級飯店收入排名中處于前幾位的山東和四川，其區位熵很低，可見星級飯店在山東和四川的行業發展過程中處于劣勢；反之，在全國星級飯店收入排名靠后的新疆、重慶，其區位熵很高，說明星級飯店在這些地區的行業中競爭優勢明顯。

（二）星級飯店效率的時空特征

（1）時序演變特征。星級飯店效率指數年度均值時間變化（圖3）顯示，中國星級飯店效率指數整體呈波動遞增態勢，從2000年的0.924增長到2017年的1.011，年均增長率為0.615%。按照谷—峰—谷的周期劃分方式，中國星級飯店星級飯店效率指數波動經歷了三個周期，2000—2008年為第一個周期，2003年全球爆發“非典”事件，人們出游減少，星級飯店消費市場不景氣，使得2002—2003年出現最低值0.913，經過2004年的恢復和調整，星級飯店效率指數在2005—2006年達到峰頂值1.014。隨著2008年金融風暴的爆發，使得星級飯店效率指數出現滑坡，并在2007—2008年滑到峰谷值0.934。2008—2011年為第二個周期，峰谷值出現在2007—2008年、2010—2011年，峰頂值出現在2009—2010年，該時期的波動可能是對經濟危機的后期響應。2011—2017年為第三個周期，峰谷值出現在2010—2011年和2016—2017年，峰頂值出現2013—2014年。該時期除2010—2011年的指數小于1以外，2011—2017年均大于1，說明星級飯店在該時期的運營效率不斷提升。從效率分解結果來看，技術效率變動指數出現-0.2%負增長，技術進步變動指數實現1.284%的增長。另外，星級飯店全要素生產率變動指數的平均值為0.982，技術效率變動指數為1.001，技術進步變化指數為0.982，可見星級飯店規模集聚引致的回報高于技術進步引致的回報。

（2）空間分布特征。各省區的星級飯店效率指數的均值空間分布圖（圖4）顯示，星級飯店效率指數呈現點狀分布格局，北京、上海、甘肅和寧夏的指數在0.955～1.015之間，處于最高水平。以這四個省域為中心，星級飯店全要素生產指數在全國地區形成了三大增長極，分別是京津冀地區、上海、江蘇、安徽和河南地區以及甘肅、寧夏、青海和四川地區。這些地區的指數在0.983～0.994，處于較高水平。而云南、新疆、重慶、遼寧和海南出現了指數整體低增長。從地區分布格局來看，效率指數是以京津冀、東北三省、長三角地區、西部甘肅、寧夏、青海、四川為中心逐步向外遞減。

五、星級飯店商圈集聚與效率的關系分析

（一）單位根檢驗

為了避免偽回歸，在對PVAR 模型估計之前需要對面板各變量進行平穩性檢驗，若數據不平穩，需進一步對差分序列進行檢驗。本文采用LLC、IPS方法分別對星級飯店集聚、星級飯店效率 2 個變量進行單位根檢驗。由表1可知，在10%的顯著性水平下2個變量的P值均小于0.05，即拒絕“存在單位根”的零假設，因此數據平穩。

（二）滯后階數的選擇

為保證PVAR模型參數估計的有效性，需要確定PVAR模型的最佳滯后階數。本文利用連玉君[23]的 PVAR2 程序包，根據AIC、BIC 和 HQIC準則選擇模型的滯后階數，計算結果如下表2所示。從判定結果可知，AIC、BIC、HQIC 信息準則說明選取滯后四階的PVAR 模型是合理的。

（三）PVAR 模型建立及估計

采用廣義矩估計 （GMM ）方法對面板自向量回歸模型（PVAR）進行有效估計，由于本文構建的 PVAR 模型包含時間效應和固定效應，可能會造成系數估計有偏。因此，在模型估計之前，使用截面均值差分法和前向均值差分法分別消除時間效應和固定效應。所得結果見表3。

以星級飯店集聚為解釋變量，其滯后一期對自身有0.762的顯著影響，星級飯店效率的滯后4期對其有0.139的顯著作用，其他滯后期數的變量對其無顯著影響；以星級飯店效率為解釋變量，除其滯后2期對自身無顯著影響外，其滯后1期、滯后3期和滯后4期均對自身有顯著的正向影響；滯后4期的星級飯店集聚對其有0.146的正向作用。由以上分析可知，星級飯店集聚、星級飯店效率存在依賴自身發展的慣性發展的現象，其滯后1期都促進了各自的提高。星級飯店集聚的滯后4期對星級飯店效率產生了正向作用，說明星級飯店集聚的增加能夠促進星級飯店星級飯店效率。總之，星級飯店集聚與星級飯店存在相互促進的作用。

（四）脈沖響應分析

為了進一步分析各變量之間的交互動態關系，本文采用 500次蒙特卡羅（Monte-Carlo）模擬，追蹤了6期，得到變量之間沖擊的脈沖響應圖。結果如圖5所示。其中，橫軸表示追溯期數，縱軸表示被解釋變量對各解釋變量的響應大小，脈沖響應函數曲線為中間實線，外側兩條線表示兩倍標準差的置信區間。

兩個變量均受其自身滯后的正向影響較顯著，隨著時間的推移，這種影響逐漸減小。這說明星級飯店集聚和星級飯店效率存在一定程度上的路徑依賴現象。星級飯店集聚對星級飯店效率的沖擊做出正向響應，初始響應值為0，隨后產生較大的正響應狀態，并且響應值在第3期末達到最大，最終趨向于平穩?？梢姡羌夛埖昙蹖π羌夛埖晷十a生正向促進作用，但影響不具有長期性，星級飯店效率依賴于星級飯店集聚的穩定性。星級飯店效率對來自星級飯店集聚的沖擊做出正向響應，具體來看，星級飯店效率最初響應為正，并且響應值在當期達到最大，隨后減弱至第3期達到負值，最終收斂于很小的正向響應值。可知，星級飯店集聚能夠促進效率的提升?？傊?，星級飯店集聚與星級飯店效率之間存在相互促進的動態關聯性。

（五）方差分解

為說明沖擊對星級飯店集聚和星級飯店效率的影響， 使用面板模型的方差分解來加以說明，結果如表4所示。第6個預測期和第10個預測期的方差分析結果已相差不大，說明第6個預測后每一種沖擊對某一變量的解釋力度保持穩定。在對星級飯店效率誤差項的分解中，其自身貢獻的方差貢獻率達到91%，星級飯店集聚貢獻了9%，說明星級飯店效率存在自我加強機制。在對星級飯店集聚誤差項的分解中，其自身貢獻的方差貢獻率達到95.4%，星級飯店效率貢獻了4.6%，說明星級飯店集聚主要依賴自身慣性發展。星級飯店集聚與星級飯店效率存在對彼此的解釋能力，星級飯店集聚對星級飯店效率（9%）大于星級飯店效率對星級飯店集聚的貢獻率（4.6%），所以星級飯店效率對星級飯店集聚的影響要大于星級飯店集聚對星級飯店效率的影響。

六、結論和建議

（一）結論

本文利用2000—2017年中國30個省域的面板數據，采用區位熵指數和DEA—Malmquist模型測度了中國星級飯店集聚水平和效率狀況，并建立PVAR模型考察星級飯店集聚與星級飯店效率的關系，從而得出以下結論：

（1）星級飯店集聚水平整體呈上升態勢。從2000年0.967增長到2017年的1.054，年均增長率為0.511%。星級飯店集聚水平在各省域之間的發展存在較大差異。北京、上海等地區表現為星級飯店的高度集聚，但是內蒙古、河南、黑龍江等地區的星級飯店集聚水平處于較低水平，沒有形成集聚趨勢。

（2）星級飯店的效率整體上呈波動遞增趨勢。從2000年的0.924增長到2017年的1.011，年均增長率為0.615%。技術效率變動指數出現-0.2%負增長，技術進步變動指數實現1.284%的增長。星級飯店效率在空間分布上呈現出點狀分布格局，高效率值主要集中在京津冀、東北三省、長三角地區等地區。

（3）PVAR模型的GMM估計表明：星級飯店效率對星級飯店集聚具有顯著的促進作用，星級飯店集聚對星級飯店效率具有顯著的正向影響。脈沖分析響應表明：兩者相互沖擊對彼此都產生正向的影響，存在雙向作用關系，長期來看兩者的響應程度有所下降并趨近于較低水平。方差分析表明：星級飯店集聚對星級飯店效率的影響要大于星級飯店效率對星級飯店集聚的影響。

（二）建議

（1）提升星級飯店商圈集聚水平，提高飯店業效率。星級飯店集聚對飯店效率具有正向影響，因此政府或主管部門要科學地做好中國星級飯店規劃，積極引導星級飯店的集聚發展，充分發揮星級酒店集聚在人才、資本、信息、知識、市場等方面的優勢，提升星級飯店效率增長，特別是高端酒店集群效應有利于擴大城市商圈輻射效應，進一步提升區域城市商務交流以及旅游、休閑度假、會展的接待能力，助推城市經濟高質量健康增長。

（2）推動區域星級飯店商圈集群創新，增強擴散效應，提升城市競爭能力。星級飯店效率的快速增長依賴于純技術效率的快速提升，而純技術效率的快速提升來源于創新，因此星級飯店集聚所帶來的創新效應將成為實現星級飯店效率提升的關鍵。各省域要鼓勵高端星級飯店的集群發展，推動集聚內部的創新與學習，打造區域內部的創新示范區和增長極。集群內的星級飯店注重在服務、產品、設施等方面的創新與改善，積極引進和利用前沿的技術，通過創新實現融合，在產品與對客服務方面實現質的突破，增強星級飯店乃至城市的核心競爭力。

參考文獻：

[1]王凱， 易靜， 肖燕， 等. 中國旅游產業集聚與產業效率的關系研究[J]. 人文地理， 2016（2）：120-127.

[2]傅慧. 產業集群的集聚效應：基于飯店業的分析[J]. 商業經濟與管理， 2007（1）：76-80.

[3]Chun W A.Kalnins.Algglomenration Effects and Performance：A Test of the Texas Lodging Industry[J].Strategic Management Journal，2001，22：969-988.

[4]Tsan E W K，Yip P S L.Competition，agglomeration，and performance of Beijing hotel[J].The Service Industries Journal，2009，（2）：155171.

[5]Canina L， Enz C A，Harrison J s. Agglomeration effects and strategic orientations：Evidence from the US lodging industry[J].Academy of Management Journal， 2005，48（4）：565-581.

[6]李莊容. 基于競爭視角的廣州高星級飯店集聚分析[J]. 經濟地理， 2007， 27（4）：697-700.

[7]張玲，皮平凡，陳建斌.城市飯店業集聚形成機理及集聚模式——以廣州為例[J]. 社會科學家， 2012（12）：91-95.

[8]方葉林， 黃震方， 王坤， 等. 中國星級飯店相對效率集聚的空間分析及提升策略[J]. 人文地理， 2013（1）：121-127.

[9]閆麗英， 韓會然， 陳婉婧， 等. 北京市住宿業空間分布格局及影響因素研究[J]. 經濟地理， 2014， 34（1）：94-101.

[10]陳佳妮， 席宇斌. 上海飯店業集聚的時空演變研究[J]. 旅游研究， 2015（4）：62-68.

[11]孫景榮， 張捷， 章錦河， 等. 中國城市飯店業效率的空間特征及優化對策[J]. 經濟地理， 2012， 32（8）：155-159.

[12]張洪， 程振東. 基于數據包絡分析的中國星級飯店效率評價及區域差異分析[J]. 資源開發與市場， 2014， 30（10）：1207-1212.

[13]張琰飛. 基于DEA-Malmquist模型的中國星級飯店經營效率時空演化研究[J]. 地理科學， 2017， 37（03）：406-415.

[14]胡宇娜， 梅林， 魏建國. 中國飯店業效率的時空演變及驅動機制[J]. 世界地理研究， 2017，26（3）：114-123.

[15]張大鵬，舒伯陽.中國星級飯店經營效率及其影響因素的實證研究——基于隨機前沿分析方法（SFA）[J]. 經濟管理，2018，33（9） ：138-154.

[16]張廣海，高俊.中國星級飯店業TFP時空特征與影響因素研究[J]. 旅游學刊，2018，33（12） ：66-75.

[17]郭悅，鐘廷勇，安燁.產業集聚對旅游業效率的影響——基于中國旅游業省級面板數據的實證研究[J]. 旅游學刊， 2015， 30（5）：14-22.

[18]李姝姝， 邢夫敏， 章玲玲. 旅游產業集聚對區域旅游業效率的影響研究 ——基于中國省際面板數據的實證分析[J]. 世界地理研究， 2017， 26（3）：134-146.

[19]張廣海， 汪立新. 我國旅游產業集聚與效率關系研究[J]. 商業研究， 2016， 62（11）：186-192.

[20]高俊， 張琳林. 中國旅游產業集聚、效率與旅游經濟關系研究[J]. 資源開發與市場， 2017， 33（8）：1005-1010.

[21]邴振華， 高峻. 長三角區域旅游產業集聚水平研究[J]. 旅游科學， 2010， 24（1）：86-94.

[22]Banker R， Charnes A， Cooper W. Some Models for EstimatingTechnical and Scale Inefficiencies in Data Envelopment Analysis[J]. Management Science， 1984， 30（9）： 1078-1092.

[23]連玉君， 蘇治. 融資約束、不確定性與上市公司投資效率[J]. 管理評論， 2009， 21（1）：19-26.

收稿日期： 2020-05-10

基金項目： 國家自然科學基金（41771162），教育部人文社科規劃基金項目（20YJA790068）

作者簡介： 熊慈（1994—），女，湖南師范大學碩士研究生，主要研究方向：旅游經濟大數據.