基于SBM-Malmquist 模型的江蘇省旅游產業效率分析

葉 咪

(南京財經大學管理科學與工程學院，江蘇 南京 210023)

一、 引言

隨著經濟的發展以及國民可支配收入的提高，越來越多的人會追求更高的生活品質，旅游已經成為國民十分熱衷的活動，國內旅游行業在不斷發展壯大，整個旅游業的產品體系在發展中逐漸完善。經國家統計局計算，2019 年我國旅游產業在GDP占比中達到4.56%。 在看到旅游業發展成績的同時，也應該注意到旅游業發展中的不合理問題，比如市場占有規模不足、旅游資源是否有效合理利用以及旅游是否秉持可持續發展規劃等。 因此，將城市旅游效率進行分解，并且充分評價其對總效率的貢獻，這樣才能找到影響旅游業效率的關鍵因素，從而進一步推動旅游業的發展。

旅游業的發展離不開旅行社、酒店、交通運輸等因素的影響。 謝春山等[1]對 2002 ～2008 年國內的五星級酒店采用超效率DEA 模型進行效率評價，發現效率與酒店所在的區域經濟發展存在著很大的關系。 Zhang 和An[2]通過采用DEA-BCC 模型分析了西雅圖地區公路利用效率問題，為當地運輸投資決策提供了重要依據。 Zhao 等[3]通過DEA 模型分析得出交通網絡在旅游效率中起著至關重要的作用。徐文燕和戴莉[4]通過對全國各地區50 個旅游城市的星級酒店投入產出進行分析發現區域差異化明顯，東部地區優于西部地區。 劉佳等[5]學者采用DEA 模型對沿海地區11 個省市區的旅游產業效率進行評價，采用Malmquist 模型對沿海地區旅游業TFP 效率值的時空演化特征進行研究分析。 董志文和趙博陽[6]運用DEA-Malmquist 模型對渤海地區17 個城市的旅游效率進行分析，對打造海洋特色旅游產業提出了相應的對策。

文章基于前人的研究，采用SBM 模型并結合Malmquist 指數，對江蘇省2012～2020 年間旅游產業效率進行測算，為提升旅游效率提供一定的參考。

二、 研究方法與指標選取

(一)SBM 模型

SBM 模型能夠同時從投入和產出兩個角度測量決策單元的無效情況，并且考慮了松弛變量對效率值的影響，彌補了傳統的DEA 模型的不足，提高了效率值的精確性[7]。 模型公式如下:

ρ*為效率值，取值范圍為 0 ～1，當 0＜ρ*＜1 時，說明決策單元無效，當ρ*=1 時，說明效率值為1，決策單元有效。

(二)Malmquist 指數模型

Malmquist 指數模型[8]可以對多個時期的數據進行分析，并且可以觀察不同時期生產率的變化情況，是一種分析全要素生產效率的動態研究方法。在規模報酬可變的情況下，全要素生產率可以進一步地分解為技術效率變化指數(effch)和技術進步指數(techch)，公式為:

tfpch=effch×techch=pech×scale×techch

其中 pech、scale、techch 分別表示為純技術效率、規模效率、技術進步指數。 若tfpch＞1，表示該階段效率提升，反之則下降，若tfpch=1，則表示該階段效率未發生變化。

(三)指標選取與數據來源

計算旅游產業效率需要選取合適的投入和產出指標。 參考相關文獻[9-10]，本文選取第三產業從業人員數量、第三產業固定資產投資額、旅行社數量、星級酒店數量以及交通運輸支出作為投入指標，選取國內旅游收入和旅游外匯收入作為產出指標。

本文數據通過江蘇省統計年鑒和各市統計年鑒計算可得，選取2012 ～2020 年江蘇省13 個城市的數據進行研究。

三、 實證分析

(一)江蘇省旅游產業效率靜態分析

本文運用DEA-SOLVER 軟件，選擇規模報酬可變的 SBM 模型，對 2012 ～2020 年江蘇省 13 個城市進行效率測算，結果如表1 所示。

表1 2012～2020 年江蘇省旅游產業效率值

由表 1 可知，2012 ～ 2020 年只有南京、無錫、蘇州、鎮江四個城市的旅游業效率均達到有效。 這9年間的總的效率平均值達到了0.706，其中徐州、南通、淮安、鹽城和揚州存在很大的改善空間。 這跟地理位置以及地區的經濟發展狀況有很大的關系，依據蘇南(南京、蘇州、無錫、常州、鎮江)、蘇中(揚州、泰州、南通)、蘇北(徐州、連云港、宿遷、淮安、鹽城)地區進行劃分，在研究期間，各地區的平均效率值如圖1 所示。 從圖中明顯看出，蘇南地區的效率值明顯優于蘇中和蘇北地區，且蘇南地區在研究期間一直處于穩定的狀態。 蘇中地區穩定性較差，2013 ～2018 年效率值整體呈下降趨勢，其中2017 年跌到最低(0.342)。 蘇北地區比較穩定，效率值平均在0.56左右。 從區域角度來看，旅游產業發展效率整體呈南部高、中北部地區低的趨勢，且差異明顯。

圖1 2012～2020 年江蘇省旅游業效率均值變化趨勢

(二)江蘇省旅游產業效率動態分析

本文運用DEAP2.1 軟件，通過建立Malmquist指數模型，對2012 ～2020 年江蘇省13 個城市的數據進行測算，結果如表2 所示。

表2 2012～2020 年江蘇省旅游產業效率Malmquist 指數及分解

由表 2 可以看出，除 2012 ～ 2013 年和 2019 ～2020 年間，其余年份的全要素生產效率值均大于1，說明旅游業發展態勢良好。 研究期間全要素生產效率均值為0.976，總體呈下降趨勢，這說明江蘇省旅游產業效率還有提升的空間。 從構成角度來看，全要素生產率與技術效率和技術進步相關，從結果來看，技術進步變動是影響全要素生產效率變化的關鍵性因素。 在研究初期，2012 ～2013 年技術進步變動為0.779，抑制了全要素生產效率的發展，2013 ～2019 年，旅游產業注重技術創新，技術進步變動促進了全要素生產率的提高。 而在2019 ～2020 年間，技術進步變化下降到了0.474，技術進步指數不僅和技術創新相關還與市場環境息息相關。 2019 年12月新冠肺炎疫情的暴發，人們的生活發生了巨大的變化，因為疫情限制了人們的活動，這對旅游行業產生了非常大的影響。 外部環境因素導致了技術進步指數的下降，從而進一步導致了全要素生產效率的下降。

對研究期間各城市的Malmquist 指數進行分析，結果如表 3 所示。 從表 3 可以看出，2012 ～ 2020 年江蘇省13 個城市的全要素生產效率整體呈下降趨勢，除無錫市全要素生產效率提高了1.4%，其余城市均處于下降狀態。 從指數分解情況來看，純技術效率整體呈上升趨勢，而技術進步變化和規模效率變化處于下降趨勢。 從變動幅度來看，技術進步變動是影響全要素生產效率變化的關鍵因素，因此需要進一步提高技術進步水平，另外，需要提升規模效率，提高管理水平，才能更進一步提高技術效率，提高旅游效率。

表3 江蘇省各城市旅游產業效率Malmquist 指數及分解

四、 結論與建議

通過構建SBM 和Malmquist 指數模型，對江蘇省13 個城市2012～2020 年旅游產業的效率進行了分析測算，研究結論與建議如下:

旅游產業效率存在很大的地區差異，蘇南地區的效率值明顯看出是優于蘇中和蘇北地區的，從總體來看呈現出南高北低的態勢，蘇中和蘇北地區的城市還有很大的改善空間。 因此，蘇中和蘇北區域要結合當地的特色，因地制宜地發展旅游業，同時蘇南和蘇中、蘇北區域要實現區域聯動，發展聯合旅游一條龍服務，以南京、蘇州等發展較好的城市帶動其他城市旅游業的發展，促進江蘇省整個旅游產業的發展。

對江蘇省旅游產業效率進行動態評價，在研究期間，全要素生產效率整體呈下降趨勢，說明旅游產業效率還有提升的空間，并且技術進步變動是影響全要素生產效率變化的關鍵性因素。 尤其在2019 ～2020 年間，技術進步變化下降到了0.474，這是效率值降低的主要原因。 因此，要著重考慮技術進步指數。 技術進步指數與市場環境也息息相關。 因為疫情的影響，旅游產業進入了寒冬，隨著疫情常態化發展，旅游產業需要尋找新的出路來謀求發展。 旅游產業可以加強技術創新，實現云旅游、云體驗等虛擬旅游，讓旅客在線上也能身臨其境地處于旅游景點之中，并且增加互動，增加旅客的體驗感。

五、 結語

總體來說，技術進步指數是影響旅游產業效率的主要因素。 因此各城市要進一步加強技術創新，將科技與旅游更深融合。 另外，需要提升規模效率，提高管理水平，才能更進一步提高技術效率，提高旅游效率。