基于super-SBM 模型的中國旅游生態效率評價

吳 呈

（貴州大學 經濟學院，貴州 貴陽 550025）

一、引言

改革開放以來，中國旅游業實現了跨越式發展，從旅游短缺型國家轉變為旅游大國。旅游業發展的重大影響力，促使其成為國民經濟戰略性支柱產業[1]。效率高低是決定經濟可持續發展的關鍵，故推動旅游業高質量發展和保持旅游經濟的可持續發展需從其效率研究入手[2]。與此同時，旅游發展帶來的生態問題逐漸顯露，各級政府對生態污染治理、生態環境改善問題高度重視。因此，對旅游生態效率進行測度和分析，既利于生態文明建設，又能促進當前旅游新業態的發展。

旅游生態效率是在旅游效率和生態效率的基礎上演化而來，是在追求旅游發展過程中以最小的生態代價獲得最大的旅游產出，通過旅游企業、政府管理、旅游者等建立旅游與生態的帕累托最優。國外學者對旅游生態效率的研究集中于概念界定、模型構建、效率測算等方面，包括對旅游產品、旅游目的地、旅游業的生態效率[3-5]。國內對相關概念界定的文獻較少，主要集中于對旅游生態效率測度的實證研究。其主要方法有比值法、指標體系法和模型法，其中比值法適用性較低，指標體系法中權重的確定客觀性不足，模型法是更恰當的測度方法。蔣素梅和幸嶺（2014）[6]用旅游碳排放和旅游收入指標核算昆明市的旅游業生態效率；李會琴等（2016）[7]基于DEA 模型計算湖北省市域的旅游業效率。在效率測度的基礎上，學者進一步分析旅游生態效率的區域差異，彭征和殷開明（2018）[8]通過定量分析法計算海南省旅游生態效率值，并對其區域差異進行分析；王兆峰和劉慶芳（2019）[9]采用均方差分解法對長江經濟帶旅游生態效率區域差異進行分解，并計算差異貢獻率；王勝鵬等（2020）[10]基于地理學視角，采用核密度估計分析黃河流域旅游生態效率的區域差異。

據此，本文在已有的文獻研究的基礎上，采取super-SBM 模型的方法測算旅游生態效率，運用Dagum 基尼系數探討各總體、區域和省際旅游生態效率水平差異。

二、研究方法及數據處理

（一）super-SBM 模型

DEA 的基本模型對于效率值為1 的有效DMU無法進一步比較，對投入產出變量的松弛性考慮不足，且僅從徑向和角度的度量結果也是可能存在偏差。Tone 結合傳統DEA 模型和SBM 模型構造了super-SBM 模型[11]：

（二）Dagum 基尼系數

Dagum 基尼系數是在Theil 指數基礎上提出的，是衡量差異的重要指標，相比傳統的基尼系數，它將基尼系數分解為區域內差距貢獻、區域間差距貢獻和超變密度貢獻三個部分，分解后可以解決樣本之間的交叉重疊問題[12]。本文運用Dagum 基尼系數對旅游生態效率差異進行分解：

其中，G 表示總體的基尼系數，n 為省份的個數，nj、nh分別是j、h 區域內的省份數，yji、yhr表示是j、h 區域內第i、r 個省份的效率，k 表示劃分的區域數，分別表示全國j、h 區域的旅游生態效率平均值。

在計算前先對旅游生態效率水平進行排序：

地區j 的基尼系數為Gjj，地區j、h 之間的基尼系數為Gjh。區域內差異貢獻為Gw，區域間差異貢獻為Gnb，超變密度貢獻為Gt，且G=Gw+Gnb+Gt，具體公式為：

Djh表示區域j 和h 間旅游生態效率的相互影響程度。函數F 為各區域的積累分布函數，djh為j與h 區域中所有yji-yhr＞0 樣本值的數學期望，pjh為j與h 區域中所有yji-yhr〈0 樣本值的數學期望。

（三）指標體系與數據來源

投入指標：旅游業從業人數作為勞動力投入，包括旅行社、星級酒店和A 級景區固定旅游從業人員；旅游固定資產投資作為資本投入，由于沒有具體的旅游固定資產投資的統計數據，利用旅游固定資產投資=固定資產投資總額* 旅游業GDP 占比來計算；旅游資源及基礎設施為三星級以上飯店數、3A 級以上景區數和旅行社數量總和；能耗和水耗代表資源的投入，用旅游業的能源消耗量和用水總量表示，計算方式與旅游固定資產類似。

產出指標：旅游總收入包括國內和國際旅游收入；綜合污染是將廢水排放量、化學需氧量、氨氮化物、二氧化硫、煙（粉）塵、固體廢棄物排放指標運用熵值法綜合成一個綜合污染指數，再依據旅游固定資產投資的處理方法進行處理，由于綜合污染指數是非期望產出，其值越大表示污染程度、對生態的危害也越大，根據本文模型的選擇，借鑒黃光球和白龍博（2019）[13]對綜合污染排放量轉換處理的方法，將綜合污染轉化為污染凈化度。

數據來源：鑒于數據的可獲得性，本文分析中國30 個省、市、自治區（西藏、港澳臺地區除外）的旅游生態效率，數據來源于2012—2018 年的《中國統計年鑒》《中國旅游統計年鑒》《中國區域統計年鑒》及各省份的統計年鑒。

三、實證分析

（一）旅游生態效率的測算

對2011—2017 年的省域旅游生態效率進行測算。本文采用規模報酬可變的super-SBM 模型和規模報酬不變的super-SBM 模型，分別得到旅游生態效率的綜合技術效率和純技術效率，再依據等式“綜合技術效率=純技術效率×規模效率”，計算出規模效率。其結果如圖1 所示。

圖1 旅游生態效率及其分解

2011—2017年間全國旅游生態效率（綜合技術效率）不高（尚未突破0.8），但整體的增長趨勢較為明顯，純技術效率有明顯增長趨勢，而規模效率整體呈小幅波動下降。對比發現，東部的綜合技術效率較高，中部的綜合技術效率一直較為落后，東北部的綜合技術效率的增長幅度最明顯，并在2017年超過了東部；東部的純技術效率始終位于幾大地區首位；至于規模效率，東部趨于穩定，中、西部有下降趨勢，且中部的下降幅度略大，東北的規模效率有小幅上升趨勢，并在2015 年后處于領先地位。

（二）旅游生態效率水平區域差異

運用Dagum 基尼系數分別測算2011—2017 年總體基尼系數，四個地區內和地區間的旅游生態效率水平基尼系數，其計算結果如表1 所示。研究期內，總體基尼系數逐漸下降，旅游生態效率的整體差異在縮小。東、西部的基尼系數變化趨勢大體上與總體一致，并且高于中部和東北部，表明東、西部差異大于中、東北部。在地區間的基尼系數中，除2011 年與2012 年間中—東北地區間基尼系數略低外，地區間的基尼系數與總體基尼系數運動趨勢幾乎一致，呈波動下降的態勢。

表1 旅游生態效率的基尼系數

（三）旅游生態效率水平差異分解

對旅游生態效率水平總體差異進行分解，計算區域內差異Gw、區域間差異Gnb和超編密度的貢獻率Gt，如表2 所示。

表2 旅游生態效率水平基尼系數分解

據表2 可得，區域內的差異貢獻率基本處于平穩狀態，在27.88%～28.77%之間成小幅波動狀態。在2011—2012 年區域間的差異貢獻率與超變密度居處于穩定水平，2013 年以后區域間的差異貢獻率呈下降趨勢，超變密度呈上升趨勢，且Gnb＞Gt。可見，區域間差異和超變密度是研究區域旅游生態效率水平差異的主要來源。究其原因，主要是中國國土面積廣袤，東、中、西和東北部所在的地理區位、生態與旅游資源稟賦、科技發展水平等諸多方面的差異，因此旅游生態效率的不平衡主要表現為區域間的不平衡。

四、結論與建議

本文運用super-SBM 模型對我國30 個省域2011—2017 年的旅游生態效率進行測度，利用Dagum 基尼系數對全國及四大地區旅游生態效率差異進行測度并對其差異貢獻率進行分解，發現：第一，我國旅游生態效率成緩慢上升趨勢，東、中、西三個地區整體成“東部〉 西部〉中部”的態勢，而東北地區在波動上升過程中逐漸占據領先地位；第二，旅游生態效率的總體基尼系數呈現波動下降的趨勢，東、西兩地內部的差異在縮小，中、東北兩地內部差異在擴大；第三，區域內差異貢獻率成平穩狀態，區域間差異貢獻率呈下降趨勢，超變密度貢獻率呈上升趨勢，區域間差異和超變密度是研究區域的旅游生態效率差異的主要來源。

綜上所述，提出幾點建議：第一，建立以生態環境保護為目標的旅游區域合作機制，加強旅游發展經驗、生態創新模式、生態環境管制等方面的溝通，合理引導旅游產業要素在不同區域間流動，改善旅游生態效率落后地區的發展；第二，各省應積極加快旅游產業結構調整和旅游產業發展模式轉型，合理擴大各地區旅游企業規模，以便其整合各類資源，實現集約化經營，推動旅游生態效率提升；第三，合理開發旅游資源，降低環境耗能。