綠色發展背景下旅游產業生態效率的空間關聯與驅動因素研究

張洪 方文杰 陶柳延

摘要：采用非期望產出的超效率SBM模型對2007—2017年國內旅游產業生態效率進行測度，并進一步采用非參數核密度估計、空間自相關分析、地理探測器等對其空間關聯及驅動因素進行探索，結果表明：旅游生態綜合效率呈現逐年上升趨勢，區域旅游發展綠色化與可持續化水平逐步提升;國內旅游生態綜合效率及規模效率均呈現全局空間正相關，純技術效率則始終存在顯著空間負相關;不同驅動因素對不同地區旅游產業生態效率的影響存在特定的同質性與異質性特征;相比于單一驅動因素，旅游產業生態效率的提升更加依靠多因素的“合力”推動;經濟產業因素是全國層面影響旅游產業生態效率提升的關鍵，而由于我國旅游業綠色發展存在一定時序性，其發展條件存在“區內相似，區間異質”的特征，使得經濟產業、社會基礎、自然條件等二級驅動因素在不同地區的影響能力具有顯著差異。

關鍵詞：旅游產業生態效率;空間關聯;驅動因素;超效率SBM模型;地理探測器

中圖分類號：F591 文獻標識碼：A 文章編號：16735595（2022）03007509

一、引言

“綠色發展”是我國經濟社會發展的核心理念，并且已經成為旅游業高質量發展的重要目標。旅游業作為國民經濟中戰略性支柱產業，在建設美麗國家中具有天然優勢與基礎。近年來，我國旅游業貫徹新發展理念，深化產業融合，創造了巨大的社會與經濟效益，但與之而來的資源損耗、環境污染、生物多樣性銳減等生態問題同樣抑制旅游業提質增效和長遠發展。新時期，旅游業作為我國國民經濟發展的戰略性支柱產業，承接著全新的歷史使命，走綠色發展之路已經成為旅游業高質量發展和可持續發展的必然選擇。旅游產業生態效率作為衡量旅游綠色發展與可持續發展的核心指標，探索其空間關聯格局與驅動因素，對于區域旅游戰略制定、科學開發與管理具有重要理論意義與實踐價值。

生態效率是描述產品和服務生產過程中減少自然資源利用與污染物釋放的重要理論，其核心在于降低自然資源消耗與環境影響，提升產品與服務價值及資源循環效用[13]。隨著旅游生態環境問題的日益嚴峻，生態效率概念逐漸從工業、農業等產業引入旅游學科研究，用于研究減少旅游生態破壞、強化旅游經濟的附加值等相關話題[4]。國內外旅游產業生態效率的早期研究主要集中于旅游產業生態效率的界定與闡釋，學者們在參考生態效率定義的基礎上，將旅游產業生態效率界定為旅游發展與環境影響間的比例關系[58]。由于旅游業的迅速壯大，其環境代價逐漸引起學術界的關注，在科學核算旅游過程中的能源消耗與碳排放強度的基礎上，學界主要采用單一指標法[67，911]、綜合評價法[12]及投入產出模型[1315]進行旅游產業生態效率的定量測量。旅游產業生態效率在旅游地管理的應用則主要涉及關于區域效率提升與驅動因素的研究，已有研究主要從內外驅動角度采用Tobit回歸[16]、多元回歸[17]、地理加權回歸[18]等方法對旅游產業生態效率的驅動因素進行測量，并測出城鎮化、旅游接待、產業規模、經濟開放水平等因素對旅游產業生態效率具有顯著影響。

綜上所述，旅游業已經進入綠色與可持續發展的新階段，國內外已有研究成果為旅游產業生態效率的進一步研究提供了一定的理論支撐與參考，但結合時空視角與空間分析方法對中國省域旅游產業生態效率進行研究仍有完善空間。基于此，本研究基于非期望產出的超效率SBM模型對旅游產業生態效率進行科學測算，并在此基礎上采用非參數核密度估計、空間自相關分析、地理探測器等方法對2007—2017年中國省際旅游產業生態效率的動態演化、空間關聯格局及其驅動因素進行研究。

二、研究設計

（一）旅游產業生態效率評價體系構建

旅游產業生態效率的核心是以最少資源投入和環境污染使旅游產品或服務價值最大化。參考已有研究成果[1921]，分別選取旅游業就業人數、旅游業固定資產投資、旅游業能源消耗表征旅游產業生態效率的勞動、資本與能源投入;產出方面，選取旅游總收入作為期望產出，旅游業碳排放總量作為非期望產出。為避免各年度統計口徑變動的影響，旅游業固定資產投資僅考慮旅行社與星級酒店，旅游業能源消耗則按照旅游總收入占地區國民生產總值的比重進行測算;碳排放等指標被廣泛應用于不同層面的生態及環境研究[22]，本文對旅游業碳排放的測算主要以旅游交通、旅游住宿和旅游活動為重點領域，采用“自下而上”方法分別測量，并加總得出總碳排放量[23]。

（二）旅游產業生態效率驅動因素識別

旅游產業生態效率的空間聚類與演化受到多種因素的共同影響，在參考以往研究的基礎上將其歸納為經濟產業因素、社會基礎因素與自然環境因素三類（見表1）[1618，2426]。經濟產業因素主要包含驅動旅游業發展的區域經濟基礎條件、市場開放與技術引進情況、區域旅游業發展規模等，可以概括為經濟基礎、市場開放與產業結構;社會基礎因素包括景區所在地基本情況、公共設施與服務條件、內生市場規模等，可以概括為城鎮化、交通通達與常住人口;自然環境為區域旅游業發展提供自然環境與基礎條件，而隨之產生的環境污染問題則制約著旅游業的永續經營與綠色發展，該類因素可以概括為環境治理、循環處理與自然條件。

（三）數據來源

文章所需數據來源于2008—2018年《中國統計年鑒》《中國旅游統計年鑒》《旅游抽樣調查資料》及各省級區域統計年鑒和發展公報等，對于少量失效或缺失數據采取線性插值法進行科學補充。研究區域主要涉及東中西三部分省級區域，其劃分來源于已有文獻[27]。東部包括北京、上海、廣東、天津、河北、遼寧、浙江、福建、江蘇、山東、海南（不包含港澳臺）;中部包括黑龍江、山西、吉林、河南、安徽、江西、湖南、湖北;西部包括重慶、四川、貴州、云南、內蒙古、廣西、陜西、寧夏、西藏、新疆、甘肅、青海。

（四）研究方法

1.基于非期望產出的超效率SBM模型

在旅游產業發展過程中，通常期望由旅游活動、旅游交通、住宿設施等相關產業和設施所產生的生態環境污染越小越好，即實現旅游業非期望產出最小化。基于非期望產出的超效率SBM模型由Tone提出，在處理旅游產業生態效率的非期望產出、決策單元橫向比較等方面具有優勢。該模型能有效避免DEA基本評價模型因多種嚴格假定而造成結果偏差以及未考慮非期望產出等不足，并且相比于傳統SBM模型進一步修正了無效DMU松弛變量，解決了效率排序無效的問題[28]。具體模型構建如下：

其中，n個DMU中，每個DMU由投入m、期望產出r1和非期望產出r2構成; x、yd、yu分別為投入矩陣、期望產出矩陣和非期望產出矩陣中的元素; ρ為旅游生態綜合效率。需要說明的是，由于非期望產出的超效率SBM模型結果評估與輸入輸出指標數據量綱無關，因此無需對各指標數據進行無量綱化處理。

2.非參數核密度估計

非參數核密度估計是一種應對隨機變量概率密度進行估計的非參數法，本研究用于判斷旅游生態綜合效率及其分解效率的總體分布與演變趨勢，其基本原理為[29]：

其中，n為觀測單元數量;xi為獨立同分布的觀測值;為觀測值均值;h表示帶寬;K（x）為核函數，研究中取高斯核函數。

3.空間自相關分析

空間自相關是指位置相近空間單元具有相似的屬性值，可分為全局空間自相關與局部空間自相關，文中分別選取全局與局部Moran’s I對旅游產業生態效率及其分解效率的空間聚類進行分析，其公式分別為[30]：

其中，n表示區域數量;xi、xj分別表示區域i和區域j的效率值;表示效率均值;Wij為基于距離標準構建的空間權重矩陣。

4.地理探測器

地理探測器（Geographical Detecter）運用于探測空間差異性，其核心在于若自變量對因變量有重要驅動作用，則二者的空間分布應具有相似性。該方法不存在大量的假設條件，可有效克服傳統統計分析方法處理類型變量所存在的局限性，同時可揭示出兩自變量對因變量的交互作用，其原理為[31]：

其中，q為驅動因素對旅游產業生態效率影響力探測值，數值越大表示驅動因素對旅游產業生態效率的影響力越大;Nh為探索要素所包含的單元數;N為全區單元數;σh2和σ2分別為所探測要素層和全局單元的旅游產業生態效率方差。

三、研究結果及分析

（一）旅游產業生態效率的測度結果與動態演化

基于MAXDEA Pro 83軟件，選取非期望產出的超效率SBM模型對2007—2017年各省份數據進行測算，得出旅游生態綜合效率、純技術效率與規模效率，并計算出觀測期內各省份三種效率均值與排序（見表2）。

從綜合效率來看，天津、北京、江蘇、貴州4個省份的旅游生態綜合效率均值大于1，表明這些省份的旅游生態資源投入與組合配置達到比較優質的程度;綜合效率均值位于05到1之間的省份共有12個，主要為東部與中部省份;共有15個省份的綜合效率均值低于05，其中寧夏、青海、新疆等西部省份相對最低，表明國內旅游生態投入產出結構仍有較大改善空間。旅游生態綜合效率可以進一步分解為純技術效率與規模效率，前者表示受管理和技術等因素影響的生態效率，后者表示由于規模因素影響的生態效率[32]。由表2可知，純技術效率均值的省份排序與綜合效率基本一致，而規模效率的排序則與二者有較大差異。從區域角度來看，東部地區旅游生態綜合效率與規模效率均值均為最高，表明東部地區在旅游生態發展過程中其整體規劃配置及規模化發展產生了良好效益;西部地區旅游生態純技術效率均值最高，而規模效益最不顯著，表明旅游生態制度設計、技術及管理水平等因素對區域旅游產業生態效率的影響最大。

為了進一步探究2007—2017年旅游產業生態綜合效率、純技術效率、規模效率的動態演化，本文以三種效率均值變化折線圖反映其總體變化狀態（見圖1），并采用Stata 160軟件中基于高斯核函數的非參數核密度估計法對關鍵時間節點（2007年、2012年、2017年）的效率分布與演變趨勢進行分析（見圖2）。

如圖1所示，2007—2017年旅游生態綜合效率總體呈現上升趨勢，表明區域旅游發展綠色化與可持續化水平逐步提升，其增長速度在2007—2012年間相對較高;純技術效率曲線同樣在觀測期內保持總體上升趨勢，其增長速度在各階段較為穩定;規模效率則在2007—2012年顯著提升，2012年后的變化趨勢則相對平緩。

由圖2可知，綜合效率的核密度曲線均呈現為“雙峰”分布態勢，其中低值波峰效率值分布于05附近，高值波峰效率值分布于11附近，表明綜合效率的“兩極分化”現象顯著，并且多數地區處于低效率階段。但隨著時間演變，曲線高值峰峰值逐漸降低，低值峰峰值逐漸增大，區域差異又有所縮減;純技術效率方面，各年度核密度曲線“雙峰”分布形態特征逐漸增強，其中高值峰在2012—2017年間有顯著提升，表明區域差異程度逐漸增大;規模效率方面，2012年核密度曲線的高值峰峰值出現大幅增長，并呈現為“三峰分布”態勢，表明該階段高規模效率地區數量顯著增加。2017年，規模效率曲線基本恢復為2007年形態，區域差異有所減弱。綜合可知，2007—2012年間旅游生態綜合效率的提升主要依靠各地區旅游生態規模發展與技術優化所帶來的顯著成效，2012年后旅游生態綜合效率增長的主要驅動力轉向區域生態管理及環保技術水平的提升。

（二）旅游產業生態效率的空間關聯分析

為展現國內旅游產業生態效率的空間相關性與聚類特征，研究采用Geoda 114軟件對2007—2017年旅游產業生態效率進行全局空間相關性檢驗（見表3）。2007—2017年旅游生態綜合效率及規模效率的全局Moran’s I均為正值，并在研究期內表現出“先增后減”的變化趨勢，表明二者總體上存在顯著的正向空間相關性，空間依賴性先增強后減弱;純技術效率全局Moran’s I始終為負值且絕對值波動上升，表明純技術效率存在顯著的空間負相關性，高值區域與低值區域交錯分布;規模效率空間相關性在研究期內的波動相對微弱，并且始終表現出非常顯著的空間正相關特征。

全局空間自相關在一定程度上均等了地區差異，難以細致反映省份間的局部空間聚類模式，因此研究進一步以2007年、2012年、2017年數據為樣本進行局部空間自相關分析，并且將旅游產業生態效率局部空間聚類模式劃分為四種類型（見表4）。綜合效率在觀測初期的集聚特征表現為弱空間正相關，但空間同質性趨勢隨時間愈加顯著，中期空間正自相關聚類省份達到13個。期末該指標聚集特征則表現為正負相關性并存，空間正、負相關聚類的省份數量相同。結合表4可知，綜合效率H-H型省份在空間上呈現“帶狀分布”，主要為北京、天津、遼寧、吉林、江蘇等中部、東部省份，這些地區旅游可持續發展與綠色發展的水平較高，能夠對周邊省份產生顯著的擴散與輻射效應;L-L型省份則主要呈現為聚集分布，主要為西藏、甘肅、青海、新疆等西部省份;L-H型省份在空間上表現為散亂分布，包含陜西、黑龍江、上海、浙江等;H-L型省份僅有重慶、貴州，且均未通過顯著性檢驗。

表5顯示了以2007—2017年旅游產業生態效率均值為樣本的局部空間自相關分析結果。其中，純技術效率在研究期始終保持較強的空間異質性，并且多數省份空間相關性并不顯著，以均值數據的結果為例，僅有重慶、新疆兩個省份的局部空間相關性通過顯著性檢驗。在不考慮顯著性的情況下，屬于空間負相關聚類類型的省份占比達到67.7%。與之相反，規模效率的空間分布則具有較強的同質性，絕大多數省份屬于H-H和L-L聚類類型，充分體現出旅游要素的規模投入對于旅游產業生態效率提升具有普遍作用，并且對于鄰近省份具有顯著的擴散與輻射效應。

（三）旅游產業生態效率的驅動因素分析

1.三級驅動因素影響力的總體探測

旅游產業生態效率的動態演化與空間聚類反映出不同區域的驅動機制可能同樣存在差異。為進一步探求旅游產業生態效率提升的具體路徑，運用地理探測器模型對其驅動因素進行探測。由于地理探測器對于類別數據的算法優于連續數據，采用SPSS 260軟件二階聚類方法將連續性驅動因子值分別轉化為1、2、3、4、5五種類別。本文分別使用2007—2017年間全國及東、中、西部地區所有省份數據進行計算，以探索各驅動因素對于不同區域旅游產業生態效率的總體影響力探測值及主導交互因子，結果如表6所示。

總體上，不同驅動因素對不同地區旅游產業生態效率的影響存在特定的同質性與異質性特征。其同質性在于，產業結構、交通通達、常住人口、循環處理對于各地區旅游產業生態效率均產生重要影響。旅游產業占比直觀體現了區域旅游業發展的整體情況與重要程度，同時也能夠反映出區域旅游業開發與管理水平，是當前對全國及中、西部地區旅游業綠色發展影響力最高的核心因素。交通通達水平既是決定區域經濟建設、社會文明與旅游發展的重要支撐，也是區域間資金、技術、人才等要素流動與輻射的重要媒介。提升區域交通可達性能夠為旅游開發與經營提供基礎條件，因此交通通達因素在中西部地區影響力較高，但在交通基礎設施及服務相對完善的東部地區則相對較弱。旅游者是旅游活動的主體，人口數量是影響旅游內生市場需求的決定性因素，也是旅游開發、管理企業從業規模的重要支持。從全國來看，人口因素的影響力相對較弱，但在針對不同地區進行探測時該因素的決定性作用有所凸顯。垃圾無污染處理等環境規制措施有助于對旅游活動所產生廢棄物實現無害化與資源化，能夠有效促進區域生態文明建設與循環經濟發展，對于區域旅游產業生態效率的提升具有顯著影響。

異質性方面，經濟基礎、市場開放、城鎮化、環境治理、自然條件對于不同地區旅游產業生態效率的影響力差異較大。具體而言，經濟基礎能夠反映地區經濟建設及文明程度，是區域旅游業綠色發展的重要助推，對于全國及東、中部旅游產業生態效率具有較強影響，而西部地區由于經濟發展處于以環境污染、資源破壞為代價的重污染、低質量階段，該因素的影響較小且不顯著;市場開放一方面能夠通過先進人才、技術引進提升區域旅游生態發展水平，另一方面也可能促進工業聚集、人員流動等加重區域污染，因此該因素在經濟欠發達且人口流出的西部地區對于旅游產業生態效率提升的影響較弱;區域城鎮化發展能促進區域旅游開發與人才聚集，有助于生態文明理念融入居民生活與城市建設，但由于我國城鎮化建設仍存在不均衡問題，部分省份城鎮化推進較慢或質量較差導致其對于中、西部地區旅游產業生態效率的影響力較弱;環境治理投資的提升使得區域生態環境保護建設不斷加強，城鄉居民生活環境得到了持續改善，優化了旅游業賴以生存的自然環境，但污染治理措施同樣會產生一定成本投入和發展限制，因此對于經濟相對發達的東、中部地區旅游綠色發展的影響較弱;綠地面積是反映區域旅游業的自然基礎與景觀稟賦的重要指標，進一步優化生態環境資源配置有助于提升旅游業生態發展，其中東部地區城市旅游發達而西部地區受到基礎條件等限制，該因素對旅游產業生態效率的影響力相對較弱。

交互作用探測的目的是評估兩個驅動因素共同作用時是否存在對旅游產業生態效率解釋力的增強或減弱，由表6可知，各地區主導交互因子的影響力探測值均超過任意單一因子，說明旅游產業生態效率的提升更加依靠多因素的“合力”推動。總體而言，各地區交互主導因素均屬于非線性增強類型，其中產業結構、常住人口與其他因素的交互作用對于旅游產業生態效率的影響最為顯著。城鎮化與常住人口是全國層面影響旅游產業生態效率的主導因素，二者均屬于社會基礎因素;產業結構與常住人口對東、中部地區旅游產業生態效率的交互影響力探測值分別為0609和0732，二者交互作用強化了對旅游產業生態效率的影響;產業結構與自然條件是影響西部旅游業綠色發展的主導因素，二者交互影響力探測值為0773。

2.二級驅動因素影響力的演化分析

為進一步分析二級驅動因素影響程度及其演化規律，選取截面數據進行地理探測器分析，并通過將各維度下的三級驅動因素q值相加得到該二級驅動因素影響力探測值，探測結果及變化規律如圖3所示。

從全國來看，經濟產業因素是影響旅游產業生態效率提升的關鍵二級驅動因素，說明經濟基礎、開放環境、旅游產業規模等因素對于我國旅游業綠色可持續發展的影響力最大。隨著時間發展，三類驅動因素的影響力探測值均呈現波動下降的特征，三者間影響力差異逐年縮小。由于我國旅游業綠色發展存在一定時序性，并且所依托的經濟、社會、環境等發展條件在三大地區間存在“區內相似，區間異質”的特征，使得不同二級驅動因素在不同地區的影響能力具有顯著差異性。具體表現為：①東部地區經濟產業因素在初期及中期能夠顯著影響旅游產業生態效率的提升，2014年以后其影響力不斷降低。社會基礎因素的影響力在觀測期內變化較為平穩，自然環境因素的影響能力則存在波動下降后穩步上升的特點。②中部地區經濟產業因素對旅游產業生態效率的影響能力逐年凸顯，區域經濟發展為基礎建設及環境治理提供支撐，市場開放為互動交流及技術引進提供動力，共同推動了區域旅游業的綠色發展。社會基礎因素是初期影響中部地區旅游產業生態效率的關鍵因素，2010年出現“斷崖式下降”后保持穩定，自然條件因素總體影響力較弱，其影響力分別在2009年、2016年達到峰值。③西部地區各二級驅動因素影響力均在2013年達到峰值，總體呈波動上升平穩回落的特點。其中，自然環境因素的影響力波動幅度及峰值較高，這類因素是決定旅游資源分布及質量的重要條件，因此對于經濟、社會欠發達的西部地區具有更加顯著的影響。

四、結論與建議

本研究采用非期望產出的超效率SBM模型對2007—2017年省際旅游產業生態效率進行測算，并對其空間關聯與驅動因素進行探索，得到如下結論：

（1）2007—2017年國內旅游生態綜合效率總體呈現波動上升趨勢，區域旅游發展綠色化與可持續化水平逐步提升，初期增長主要依靠各地區旅游生態規模發展與技術優化所帶來的顯著成效，2012年后主要驅動力轉向區域生態管理及環保技術水平的提升。

（2）2007—2017年國內旅游生態綜合效率及規模效率均呈現全局空間正相關，二者在局部上均表現為“高值聚集、低值聚集”的空間聚類特征;純技術效率則始終存在顯著空間負相關，其局部空間相關性顯著性較弱，且多數省份屬于空間負相關聚類類型。

（3）產業結構、交通通達、常住人口、循環處理對于各地區旅游產業生態效率均有重要影響，經濟基礎、市場開放、城鎮化、環境治理、自然條件的影響力則在不同地區具有差異性;相比于單一驅動因素，旅游產業生態效率的提升更加依靠多因素的“合力”推動，其中產業結構、常住人口與其他因素的交互作用對于旅游產業生態效率的影響最為顯著。

（4）從全國來看，經濟產業因素是影響旅游產業生態效率提升的關鍵，三類驅動因素的影響力探測值在觀測期內均呈現波動下降的特征，三者間影響力差異逐年縮小;由于我國旅游業綠色發展存在一定時序性，并且經濟、社會、環境等發展條件在三大地區間存在“區內相似，區間異質”的特征，使得不同二級驅動因素在不同地區的影響能力具有顯著差異。

旅游業綠色發展的核心在于開發管理過程中實現自然生態影響減量化、經濟產出最大化以及環境污染與經濟價值最優化。鑒于此，本文提出如下建議：

（1）宏觀層面，旅游產業生態效率的提升需樹立全新旅游生態經濟發展管理理念，以創新、協調、低碳、共享發展為內核，轉變旅游經濟增長優先思想，進一步健全旅游生態發展法規制度，完善生態補償、預警、保護、防治、監督等旅游生態經濟運行管理機制;建立相應管理組織，主導區域旅游綠色發展規劃與發展及綠色科技研發、轉化與扶持。

（2）中觀層面，應著眼于旅游產業升級與行業管理。一方面關注旅游業能耗與生產方式，推進旅游產業轉型升級，促進低能耗、小排放、高效率旅游生態系統構建;另一方面需強化旅游行業治理與管理能力，發揮行業組織自律、維權、溝通、協調等優勢，提高旅游業資本利用率，關注旅游產業鏈延伸，提升經濟產出附加值。

（3）微觀層面，企業應樹立生態效率意識，推廣清潔能源、節能設備、污染處理設施設備，轉變原有粗放型生產局面，充分發揮標尺意義;注重旅游環境解說系統規劃與設計科學性、觀賞性、趣味性及合理性，從而更好地向旅游者介紹當地珍稀和瀕危動植物以及各種典型生態系統，宣傳普及低碳旅游理念，從需求側對旅游活動觀念進行重構，進而間接影響旅游企業供給側改革。

參考文獻：

[1] Ayres R U. Towards a Zeroemissions Economy[J]. Environmental Science and Technology，1998，32（15）：366367.

[2] WBCSD. EcoEfficiency： Creating More Value with Less Impact[R]. Geneva： WBCSD， 2000.

[3] Raymond C， Aaron B， Bertha L. EcoEfficiency and SMEs in Nova Scotia， Canada[J]. Journal of Cleaner Production， 2006， 14（67）： 542550.

[4] 劉軍，馬勇.旅游可持續發展的視角：旅游生態效率的一個綜述[J].旅游學刊， 2017， 32（9）： 4756.

[5] Goessling S， Peeters P， Ceron J P， et al. The Ecoefficiency of Tourism[J]. Ecological Economics， 2005， 54（4）：417434.

[6] 李鵬，楊桂華，鄭彪，等.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[J].生態學報，2008，28（5）：22072219.

[7] 蔣素梅，幸嶺.旅游業生態效率研究——以昆明市為例[J].旅游研究， 2014，6（2）：1419.

[8] 姚治國，陳田.旅游生態效率模型及其實證研究[J].中國人口·資源與環境，2015，25（11）：113120.

[9] PerchNielsen S， Sesartic A， Stucki M. The Greenhouse Gas Intensity of the Tourism Sector： The Case of Switzerland[J]. Environmental Science & Policy， 2010， 13（2）：131140.

[10] 甄翌.基于溫室氣體排放的旅游目的地旅游生態效率研究——以張家界為例[J].安徽農業科學，2013，41（8）：34853487.

[11] 劉軍，問鼎，童昀，等.基于碳排放核算的中國區域旅游業生態效率測度及比較研究[J].生態學報，2019，39（6）：19791992.

[12] Schaltegger S， Burritt R L. Contemporary Environmental Accounting Issues， Concepts and Practice[M]. Sheffield：Green

Leaf Publishing，2000.

[13] 彭紅松，章錦河，韓婭，等.旅游地生態效率測度的SBMDEA模型及實證分析[J].生態學報，2017，37 （2）：628638.

[14] 林文凱， 林璧屬.區域旅游產業生態效率評價及其空間差異研究——以江西省為例[J].華東經濟管理， 2018，32（6）：1925.

[15] 李振山，白洋，李曉東，等.絲綢之路經濟帶中國段旅游業生態效率評價及空間差異分析——以西北5省域和西南4省域為例[J].西北師范大學學報（自然科學版），2020，56（1）：114121.

[16] 王兆峰，劉慶芳.長江經濟帶旅游生態效率時空演變及其影響因素[J].長江流域資源與環境，2019，28（10）：22892298.

[17] 王淑新，何紅，王忠鋒.秦巴典型景區旅游生態效率及影響因素測度[J].西南大學學報（自然科學版），2016，38（10）：97103.

[18] 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[J].生態學報，2015，35（21）：71507160.

[19] 王兆峰，劉慶芳.長江經濟帶旅游生態效率時空演變及其與旅游經濟互動響應[J].自然資源學報，2019，34（9）：19451961.

[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[J].地理研究，2015（10）： 19571970.

[21] 查建平.中國低碳旅游發展效率、減排潛力及減排路徑[J].旅游學刊，2016（9）：101112.

[22] 閆俊娜，蘇斌，李瑩珠.能源與碳排放強度研究綜述：基于乘性結構分解分析框架[J].中國石油大學學報（社會科學版），2020，36（5）：110.

[23] 馬麗君，鄧思凡.2008—2017年中國旅游碳排放與旅游經濟增長的脫鉤分析——基于31個省區的比較[J].資源開發與市場，2020，36（3）：225232.

[24] 陳梅，趙煒濤.新型城鎮化下的旅游業與生態效率關系——以長江中游城市群為例[J].旅游學刊，2018，33（3）：8997.

[25] 彭征，殷開明.我國旅游生態效率測度及發展策略——以海南省為例[J].改革與戰略，2018，34（2）：151154.

[26] 胡美娟，丁正山，李在軍，等.生態效率視角下旅游業生態福利及驅動因素——以常州市為例[J].生態學報，2020，40（6）：19441955.

[27] 趙東喜.中國省際入境旅游發展影響因素研究——基于分省面板數據分析[J].旅游學刊，2008，23（1）： 4145.

[28] Tone K. Dealing with Undesirable Outputs in DEA： a SlacksBased Measure（SBM） Approach[J].GRIPS Research Report Series，2003（3）：4445.

[29] 于洋，張麗梅，陳才.我國東部地區經濟-能源-環境-科技四元系統協調發展格局演變[J].經濟地理， 2019，39（7）：1421.

[30] 程葉青，王哲野，張守志，等.中國能源消費碳排放強度及其影響因素的空間計量[J].地理學報，2013，68（10）：14181431.

[31] 王勁峰，徐成東.地理探測器：原理與展望[J].地理學報，2017，72（01）：116134.

[32] 張洪，方芳，朱文靜，等.長江經濟帶旅游發展效率與經濟增長水平——基于2011—2017年數據的實證研究[J].中國石油大學學報（社會科學版），2020，36（2）：4351.

Research on Spatial Correlation and Driving Factors of Ecological Efficiency in Tourism Industry Under the Background of Green Development

ZHANG Hong， FANG Wenjie， TAO Liuyan

（School of Business， Anhui University， Hefei 230601， Anhui， China）

Abstract： Study has been conducted to measure the 2007-2017 ecological efficiency of tourism industry in China based on the unexpected output SSBM models， and further use nonparametric kernel density estimation， spatial autocorrelation analysis， geography detector to explore its spatial correlation and driving factors. The results suggest that the comprehensive efficiency show gradual annual rising trend， green and sustainable level of regional tourism gradually improving. The comprehensive efficiency and scale efficiency of domestic tourism ecology are positively correlated globally， while the pure technical efficiency is always negatively correlated spatially. The effects of different driving factors on the tourism ecoefficiency in different regions manifest specific characteristics of homogeneity and heterogeneity. Compared with a single driving factor， the improvement of ecological efficiency of tourism industry relies more on the joint force of multiple factors. Economic and industrial factors are the key contributors to the improvement of ecological efficiency of tourism industry at the national level. However， due to certain timing sequence of the green development of tourism in China， the development conditions are characterized by "similarity within regions and heterogeneity across regions"， which marks the significant discrepancies of secondary drivers in different localities.

Key words： ecological efficiency of tourism industry; spatial correlation; driving factors; SSBM model; geographic detector