| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 海南省所属市县旅游效率研究 |
| 第622期 作者：□文/张 岩1 曾德炎1 付业勤2 时间：2019/12/1 15:55:26 浏览：299次 |
［提要］ 本文利用DEA模型测算海南省2012～2017年18个市县旅游综合效率、技术效率和规模效率，同时测度海南省各市县的Malmquist生产率指数及其分解指标；采用变异系数（CV）分析旅游效率空间分异成因，规模效率的变异系数（0.3021）大于技术效率的变异系数（0.2607）；分析海南省东部、南北和中西部地区旅游效率差异的影响因素，最后根据投入目标优化值，讨论提高各市县旅游效率的办法措施。
关键词：旅游效率；DEA模型；Malmquist指数；海南
基金项目：2018年海南省教育厅高等学校科学研究项目：“基于DEA方法的海南旅游产业效率评价及提升策略研究”（项目编号：Hnky2018-68）；通讯作者：付业勤
中图分类号：F59 文献标识码：A
收录日期：2019年9月9日
引言
以城市为决策单元，在旅游业发展过程中以单位投入达到最大化为目标，使所有城市得到利益最大化为条件，得到一个大于0小于1的数就是城市旅游效率。在旅游投入不断增加的背景下，不同城市对旅游投入的反馈能力肯定存在差异，研究城市旅游效率，可以了解城市对旅游投入要素的利用程度，对指导和优化旅游相关政策具有一定的指导意义。
目前，大多数研究者通常使用数据包络分析模型及曼奎斯特指数模型对旅游效率进行测算，已有研究主要集中在与旅游业相关的行业层面和旅游城市层面，其中行业层面主要包括酒店、旅行社和景区等领域，国内有很多研究者对酒店经营效率进行了研究。也有研究者利用DEA方法对旅行社运营效率进行了评价，结论是大多数旅行社的运营效率偏低。此外，一些学者还对旅游景区和森林公园的经营效率进行了评价。相对于行业层面，也有很多学者以城镇为对象，研究城市的旅游运行效率，现有研究多以城市群或某个区域为研究对象，缺乏针对某一省内城市旅游生产过程中对投入资源利用的测算和分析，尤其缺少对海南省内各市县的旅游效率研究。因此，本文以海南省18个市县为生产单元，在各市县旅游效率的基础上，测算每个市县的旅游效率变化，研究海南省域内各市县的空间差异特征，根据目标优化值，讨论海南省各市县旅游效率优化策略。
一、模型方法及指标数据
（一）DEA模型。1978年，Charnes，Cooper与Rhodes三位学者共同创建了“数据包络分析（DEA）”方法。DEA是评估运营绩效的强有力工具，DEA已经被成功地运用于世界各地不同类型的组织单元，包括医院、大学、城市及金融机构等，DEA有助于识别出这些组织中表现最佳的单元，并能够为其他单元指明绩效提升的方向。DEA是一种以数据导向的运营分析方法，他能够分析包含多重绩效指标在内的情形，将多个维度的数据整合为一个综合指标，并指出绩效提升的方向。
DEA的衍生模型有很多种，其中最基础的模型有两种，即CCR模型与BCC模型，这两种模型从数学形式上看，只有权系数λ的和是否为1的区别，以CCR模型为例，其数学形式为：
min?兹s.t.■xj?姿j＋s-=?兹x0■yj?姿j-s+=y0?姿j≥0，j＝1，2，…，ns-≥0，s+≥0
其中，θ为第j0个决策单元的效率值，xj与yj分别为投入和产出向量，?姿j为权向量，s-和s+分别为松弛变量和剩余变量。上面模型的结果只有三种：
（1）若θ=1，并且s-=s+=0，则决策单元j0为DEA有效；
（2）若θ=1，则决策单元j0为弱DEA有效；
（3）若θ<1，则决策单元j0为DEA无效。
（二）Malmquist指数模型。当被评价DMU的数据为包含多个时间点观测值的面板数据时，就可以对生产率的变动情况、技术效率和技术进步各自对生产率变动所起的作用进行分析，这就是常用的Malmquist全要素生产率（TFP）指数分析。Malmquist生产率指数的概念最早源于Malmquist（1953），因此将这一类指数命名为Malmquist指数。Fare R等人（1992）最早采用DEA的方法计算Malmquist指数，在DEA分析中反映生产前沿的变动情况，其计算公式如下：
M（xt+1，yt+1，xt，yt）=■
当M>1时表示生产率水平提高；M=1时表示生产率水平不变；M<1时表示生产率水平下降。Malmuist指数还可以进一步分解为技术效率变化和技术变化的乘积，它们的数学形式分别为：
EC＝■，TC＝■
（三）变异系数。变异系数（CV）是衡量各观测值的差异大小的量，通常用于比较不同组别数据离散程度的大小。CV值越大，分异程度越大，CV值越小，分异程度越小，其计算公式为：
CV＝■＝■
式中：σ为数列的标准差，μ为数列平均值，xi为组内第i个数据，n为组内数据个数。
（四）指标与数据。劳动力和资本对旅游效率具有重要影响，但目前相关统计数据没有给出详细的旅游从业人数，可以选取第三产业从业人数作为替代，资本投入更多的用于城市基础设施建设及房地产建设，因而选取住宿与餐饮业固定资产投资、饭店客房数作为资本要素投入指标，产出指标可以直接选取旅游收入作为产出指标。以上指标所用数据均来自《海南省统计年鉴》和各市县的统计公报。
二、海南省各市县旅游效率及动态分析
（一）海南省各市县旅游效率。利用DEA模型，分别计算出2012年和2017年海南省各市县的综合效率、技术效率和规模效率，见表1。（表1）
研究发现海南省各市县旅游效率具有下列特征：
1、综合效率水平有提高，综合效率最优的城市个数无变化。2012年和2017年的平均综合效率分别为0.5133和0.6172，各有4个城市达到了效率最优，占18个市县22.2%，其中，澄迈、琼海和文昌由综合效率有效变为无效，海口、临高和陵水由综合效率有效变为无效。
2、技术效率最优的城市个数变化不大。2012年和2017年纯技术效率最优的城市分别为8个和9个，占比达到或接近了50%，纯技术效率均值由0.8382小幅下降至0.8123。
3、规模效率与综合效率变化一致。规模效率为1的城市，其综合效率一定为1，海南旅游效率的这种变化规律说明了规模效率对综合效率的影响，在技术效率均值下降的情况下，是规模效率的提高拉动了综合效率的增长。规模报酬总体来看，递增和不变的城市在增加，说明海南省各市县的投入和产出还有很大的发展空间，旅游效率还可以继续提高。
（二）海南省各市县旅游效率动态变化趋势分析。利用Malmquist指数模型计算了2012～2017年海南省18个市县的技术效率变化指数、技术进步指数、纯技术效率变化指数、规模效率变化指数和全要素生产率指数，由表2发现，全部5个跨年时期的全要素生产率指数均大于1，同时，全要素生产率指数在逐年下降。技术效率变化指数也全部大于1，但同时也呈现出逐年下降的趋势；技术进步指数有4个时期的变动指数大于1，仅有1个时期小于1；纯技术效率变化指数只有2个时期大于1。全要素生产率指数同时受到技术效率变化和技术进步的影响，其中技术效率变化是主要因素。（表2）
（三）2017年海南省各市县旅游效率空间分布。（图1）通过图1可直观地展现2017年海南省各市县旅游效率的空间分布差异，其空间分布特征如下：
1、海南省旅游综合效率总体上呈现出东部高西部低的分布特征，DEA有效区域为三亚、陵水和海口等地，旅游综合效率最低值出现在中部地区的五指山，其值仅为0.208，东部沿海地区的旅游综合效率普遍高于西部和中部地区，中部地区只有琼中县为有效区域。
2、海南省旅游技术效率的分布特征与综合效率不同，技术有效区域较大，表明海南省对旅游资源的利用技术水平较高，全省旅游技术效率呈现出中部和南部高，东部和北部低的特征，其中，中南部地区技术有效的区域包括三亚、陵水、保亭、乐东、琼中和白沙，北部地区的澄迈和儋州技术效率值最低，东部地区技术效率值也不高，普遍位于0.49～0.63之间，低于全省的平均水平。
3、旅游规模效率呈现出东部和北部区域高，中西部偏低的分布趋势，规模有效的区域从南部的三亚开始，沿着东部沿海地区一直延伸到北部的临高，中部的白沙、五指山和屯昌规模效率值最低，全省的旅游规模效率略低于技术效率，表明旅游规模仍有一定的提升空间。
三、海南省各市县旅游效率分布差异因素
（一）海南省各市县旅游综合效率空间分异研究。计算海南省各市县旅游技术效率和规模效率的变异系数，结果见表3。从表3可知，海南省的平均规模效率达到了0.7743，虽略低于平均技术效率，但其变异系数（0.3021）高于技术效率的变异系数（0.2607），表明海南省各市县绝对规模效率普遍较高，同时彼此间差别也较高，总体而言，平均值最大的技术效率其变异系数较低，说明技术效率对全省旅游综合效率的提高起着支撑而非制约作用；从规模效率来看，虽然海南省旅游平均规模效率超过了0.7，但各市差异较大，变异系数达到了0.3021，且旅游技术效率大于旅游规模效率的城市居多。（表3）
海南各市县旅游发展整体上处于规模收益递增阶段，这说明海南旅游发展仍可通过扩大规模获取更高收益，海南省各市县经济发展水平不均衡，在劳动、资本和知名度吸引力上规模投入差异巨大，最终导致各市县旅游发展规模效率分异明显。
（二）海南省各市县旅游效率分布影响因素。海南北部旅游资源总量少，且分布不均，尤其是澄迈、临高、定安和文昌。北部地区第二产业GDP比重高于其他产业，独特的经济结构直接导致旅游接待能力低，表现在技术效率值不高，北部地区拥有一定的交通优势，省会海口是全省的交通枢纽中心，因此北部地区应充分发挥交通优势，整合文化旅游资源，突出特色旅游，在与三亚为代表的旅游中心城市错位竞争，利用技术创新驱动，提高旅游规模收益和整体效率。
海南中西部地区在旅游资源、GDP比重、第三产业比重和交通设施等方面均处于劣势，区内旅游效率分布不均，旅游资源、经济基础等因素影响较大，由于旅游景点的限制，城市旅游规模效率小，综合效率最低。在保证生态环境不被破坏的条件下，应加大其他城市经济投入，提高旅游创新能力，打破传统思维，依靠自身生态资源优势提高区域旅游效率。
海南东部和南部地区拥有国际级旅游资源，饭店和客房比重都在50%以上，旅游接待能力位居全省第一，较成熟的旅游城市三亚、陵水达到城市旅游效率最优。旅游景区、旅游市场、旅游舒适度和快捷度都很高，东部和南部地区在优惠政策扶持和较高的知名度加持下，更应关注旅游产品的升级和服务质量的提高，加大城市间的交流合作，在以三亚为核心的旅游背景下，使其旅游综合能力进一步提高。
四、海南省各市县投入指标优化目标值研究
优化目标值可以反映各市县投入产出的冗余情况及优化方向，由MaxDEA软件依据2017年的数据，计算出投入导向的优化值，如表4所示。（表4）
由表4可知，白沙、临高、琼中和屯昌投入结构合理，但投入规模不足，万宁的投入结构虽然较为合理，但投入要素仍呈冗余状态，澄迈、儋州、定安和东方的饭店客房数冗余较为严重，使得住宿与餐饮投资和第三产业从业人员存在不小比例的冗余，昌江和琼海住宿与餐饮投资较大，开工率低，导致人员和客房数存在等比例冗余。
一般来说，优化营商环境、产业结构调整、提升产业技术及劳动力素质等方法可提高旅游效率。白沙、临高、琼中和屯昌应优化投资环境，突出旅游业特色来提高区域投资吸引力，扩大产业规模，与旅游中心城市错位竞争差异化、互补化来提高旅游规模和综合效率；万宁、琼海和昌江应优化营商环境、培育特色旅游产业，推动旅游企业重组，激活资产投资、提高旅游产出利用率；澄迈、儋州、定安和东方应通过提高酒店业服务质量，吸引优质资本提高新技术和现代服务业在旅游业中的比重。
五、结论
本文利用DEA模型对对海南2012年和2017年各市县的旅游综合效率、技术效率和规模效率进行了测算，并通过Malmquist指数模型计算了2012年到2017年各市县的生产率指数及其分解指数，分析了海南省各市县旅游效率的空间分布及其影响因素，最后根据DEA模型的优化目标值讨论了提高海南省各市县旅游效率的路径方法。主要研究结论如下：①全要素生产率指数同时受到技术效率变化和技术进步的影响，其中技术效率变化是主要因素；②海南省各市县旅游效率总体上呈现出南北和东部地区高于中西部地区的特征，技术效率和规模效率分布不同，技术效率在空间上呈现出南北高，东西低的分布特点，规模效率表现为东部沿海地区高，中西部低的分布结构；③海南省各市县平均技术效率高于平均规模效率，并且各市县的规模效率差异较大，规模效率是制约海南省各市县旅游综合效率的主要因素；④全省各市县普遍存在投入要素冗余的现象，各市县的投入规模、结构和产业布局存在诸多不合理的地方，可通过优化营商环境、产业结构调整、提升产业技术及劳动力素质等方法减少投入冗余，从而提高各市县旅游效率。
（作者单位：1.三亚学院理工学院；2.海南师范大学旅游学院）
主要参考文献：
［1］彭建军，陈浩.基于DEA的星级酒店效率研究——以北京、上海、广东相对效率分析为例［J］.旅游学刊，2004.19（2）.
［2］彭磊义.基于DEA的浙江省饭店企业效率分析［J］.旅游科学，2009.23（5）.
［3］韩国圣，李辉.Alan Lew.成长型旅游目的地星级饭店经营效率空间分布特征及影响因素——基于DEA与Tobit模型的实证分析［J］.2015.29（5）.
［4］田喜洲，王渤.旅游市场效率及其博弈分析——以旅行社产品为例［J］.旅游学刊，2003.18（6）.
［5］胡志毅.基于DEA-Malmquist模型的中国旅行社业发展效率特征分析［J］.旅游学刊，2015.30（5）.
［6］刘东霞.基于Malmquist指数法的中国省域森林公园运营效率动态实证分析［J］.林业经济问题，2014.34（3）.
［7］曹芳东，黄震方等.国家级风景名胜区旅游效率空间格局动态演化及其驱动机制［J］.地理研究，2014.33（6）.
［8］虞虎，陆林，李亚娟.湖泊型国家级风景名胜区的旅游效率特征、类型划分及其提升路径［J］.地理科学，2015.35（10）.
［9］丁振民，黄秀娟.资本投入对中国森林公园旅游效率的影响研究［J］.资源科学，2016.38（7）.
［10］王恩旭，武春友.基于DEA模型的城市旅游经营效率评价研究［J］.旅游论坛，2010.3（2）.
［11］王兆峰，杨显.基于DEA-Malmquist模型的中部城市群旅游产业效率评价研究［J］.旅游科学，2018.32（3）.
［12］邓洪波，陆林.基于DEA模型的安徽省城市旅游效率研究［J］.自然资源学报，2014.29（2）.
|
|
|
|
