中部地区旅游全要素生产率评价及其影响因素分析*

何俊阳,贺 灵

(湖南科技大学 管理学院，湖南 湘潭 411201)

中部地区旅游全要素生产率评价及其影响因素分析*

何俊阳,贺 灵

(湖南科技大学 管理学院，湖南 湘潭 411201)

对中部地区8个省份的旅游业全要素生产率(TFP)进行了测度及动态分析，验证了旅游业发展效率的若干影响因素。研究表明，中部地区的旅游业TFP总体上呈改善趋势，但也出现波折。技术进步对全要素生产率的贡献最大，而技术效率变动的作用力则相对较小。实证结果表明，服务业发展、居民可支配收入、基础交通条件对旅游业发展效率具有正向影响；而产业中的国有经济比重过高则会有碍于产业效率的改善；FDI对旅游业效率的作用并不显著。

旅游产业；中部地区；发展效率；Malmquist指数；Tobit 模型

一、引言

当前国家正在大力推动经济增长方式转变、促进产业结构调整。在这一宏观背景下旅游业也在追求集约化发展方式以实现其可持续发展，而产业全要素生产率的改善正是迈向这一目标的重要切入点。要想提高产业TFP就必须认清自身的历史及现有水平，故采用适当方法对效率进行评价就非常必要。目前，学术界对全要素生产率的研究发展成为两个分支：第一，基于事先设定的生产函数或模型对效率进行测度。Blake A& Sinclair M T(2006)采用CGE模型评价了英国的旅游业效率，发现其旅游业TFP保持着较高的增长势头。[1]1099-1120第二，直接采用非参数的方法通过对指标数据的处理而得出生产率指数。Koksal C和Aksu A(2007)运用DEA法研究了土耳其的旅行社，发现大多数旅行社缺乏效率，这表明它们的经营状况并不理想。[2]830-834王耀中、张阳(2011)采用DEA-Malquist生产率指数考察了改革开放以来我国多个省份的服务业生产率，发现该指数呈现出衰退趋势。[3]10-18然而若事先设定生产函数或模型，常存在模型设定误差现象，这会导致测度结果的精确度下降。目前的非参数方法中用的最多的是传统DEA方法，但该方法不能将若干有效的决策单元进一步排序。

从2004年提出“中部地区崛起”的概念以来，中部地区各省份迎来了难得的发展战略机遇期。而旅游业在促进区域经济结构调整、落实中部崛起战略中承担了重要的角色。中部地区旅游资源丰富，历史文化底蕴厚重，旅游业的发展受到了地方政府及相关经济主体的高度重视。[4]327-331然而，目前中部地区旅游业并没有走向资源高效利用、合理配置的集约化道路，有些地区盲目开发旅游项目导致资源浪费等种种问题依然比较突出，旅游业TFP亟待改善。鉴于此，对中部地区旅游业发展进行科学评价，明确其所属省份间的差异性，进一步地认清影响发展效率的关键性因素，这对于改善旅游管理决策、提升TFP水平进而促进中部崛起具有较强的理论价值和现实意义。

二、研究方法与数据选取

(一)超效率DEA模型

如果将某一地区的旅游业当作一个决策单元(DMU)，那么它在运营中存在多投入、多产出的现象，采用DEA方法考察其效率是合适的。然而传统的C2R模型将有效决策单元效率值都取值为1，这样就不能进一步对众多有效的决策单元再比较了。[5]169-175超效率DEA模型能够克服这一缺陷，故采用它来评价各地区的旅游业TFP(超效率值)。超效率DEA模型的数学表达形式如式(1)所示：

(1)

当测算某个决策单元超效率值时，首先将其排除在决策单元集之外。对于原本无效的决策单元，由于生产前沿面没有发生改变，因此其超效率值也和基于传统C2R模型所测算的结果一样。[6]67-90但对于原本有效的决策单元，生产前沿面会向后移动，其超效率值将会大于1。

(二)Malmquist指数法

Fare等(1994)结合数据包络分析技术提出了非参数DEA-Malmquist指数法。[7]7-11以下对Malmquist指数的具体构建过程及其组成进行说明。首先，分别以t时期和t+1时期的技术为参照从产出角度确立出Malmquist指数，其表达如式(2)和式(3)所示：

(2)

(3)

其中，t时期和t+1时期的投入产出量分别为(xt,yt)和(xt+1,yt+1)；分别以t时期和t+1时期的技术为参照的距离函数为Dt和Dt+1。Caves等(1982)通过求取上述两种指数的几何平均值，以此作为对t时期到t+1时期内生产率变化的度量，即Malmquist指数，如式(4)所示。如果该指数大于1，则意味着被评价对象的全要素生产率处于改善状态；如果该指数等于1，则代表着全要素生产率没有发生变化；如果该指数小于1，则表示全要素生产率从t时期到t+1时期发生了倒退或萎缩。

(4)

进一步地，Malmquist指数又被分解为技术效率变化指数(EC)和技术进步指数(TC)两部分，该分解过程可用式(5)表达。技术进步会导致生产前沿面的移动，而技术效率变化是实际产出与生产前沿面之间的距离发生改变。[8]186-193技术效率变化指数还可进一步被分解为纯技术效率变化(PEC)和规模效率变化(SEC)两个部分。[9]12-23

=EC*TC=(PEC*SEC)*TC

(5)

(三)指标确定与数据选取

正确地设置指标是获得客观准确的评价结果的前提和关键，总体上讲指标设置应该坚持科学性、全面性、代表性以及可操作性原则。[10]93-97从投入产出角度设置出一系列指标(见表1)，并基于中部地区的山西、安徽、江西、河南、湖北、湖南、吉林、黑龙江8个省份(按照国家统计局网站对东、中、西部的划分标准)收集指标数据，时间的跨度为2004—2013年。为了确保指标数据的可比性，旅游总收入和固定资产投资额以2004年不变价格进行调整。研究所需(包括拟合Tobit模型)的数据来源于《中国统计年鉴》、《中国旅游统计年鉴》、《新中国六十年统计资料汇编》、国家知识产权局专利检索数据库平台以及中部省份发布的国民经济和社会发展统计公报、省级旅游统计年鉴、旅游统计公报及省级旅游局官方网站。

表1 旅游业投入—产出指标体系

三、实证结果及其分析

(一)全要素生产率静态分析

运用DPS9.5软件测度出2004—2013年间中部8个省份的旅游业发展超效率值，作为对全要素生产率的度量。从表2可以考察到8个省份在每一年的效率值。从时间维度考察，总体上中部地区旅游业的发展效率处于改善趋势。从表2中可知，尤其是2010年以来效率均值始终处于1以上，表示旅游业的运营处于相对有效状态。然而，在整个考察期内出现了一些波动：2004年的效率均值(0.856)超过2005年的效率值(0.810)；2008年的效率均值(0.879)相比2007年下降了较大幅度；2011年和2010年的效率均值虽然都大于1，然而2011年也出现了一定幅度的回落。从空间维度考察，江西、湖南、河南在10年中的效率均值大于1，其余5省份的效率均值皆小于1。这表明旅游业的发展存在着较为明显的地区差异性，而且产业发展质量存在较大的改进空间，应该加强区域间的旅游合作，有效整合旅游资源。

表2 2004—2013年中部地区旅游业TFP(超效率值)

(二)全要素生产率动态分析

采用DEAP软件测算出Malmquist生产率指数。表3列示了8个省份各自在2004—2013年期间年均全要素生产率的变动及分解情况。从表3所显示的结果来看，除山西省外其他省份的Malmquist生产率指数都是大于1的，这说明了总体而言中部地区的旅游业全要素生产率处于持续改善或增长的过程中。8个省的Malmquist生产率指数均值为1.042，这意味着平均而言中部地区旅游业TFP年均增长幅度达到4.2%。其中，年均全要素生产率增长最快的省份是河南，增长幅度达到9.2%；而山西省的全要素生产率出现了幅度为4%的负增长现象。河南是中部崛起战略实施的核心地区，有着丰富的历史文化及自然旅游资源，该省对区域范围内的旅游资源加大了整合力度，促进了旅游产业的发展。山西的旅游资源开发在中部几个省份中相对滞后，其旅游业发展的速度和质量都有待提升。

表3 各省份年均Malmquist指数及分解

进一步地，从表3中对Malmquist指数的分解情况来看，对全要素生产率的增长贡献最大的是技术进步，技术进步的幅度达到年均6.1%；而技术效率却出现一定程度的滑坡，负增长幅度为1.8%，除湖南、河南两省外，其余省份的技术效率变化都不理想，出现了不同程度的衰退。在旅游业的发展中技术进步固然重要，然而持续开展管理理念方法的革新，设计出合理的制度，从管理和制度的创新中挖掘生产率，促使技术效率的改善进而推动全要素生产率的提高是一项不可忽视的系统工程。[11]167-172

从表4可以考察到，2004—2013年期间Malmquist生产率指数经历了比较曲折的变化过程，在2004—2005年该指数值为0.989，说明这一时间段内全要素生产率在递减。经历了2003年的非典疫情后，2004年的旅游需求出现了很大程度的反弹，导致2004年的效率提高很快，而2005年又出现了相对下降趋势。此后一直到2007年全要素生产率处于增长阶段，然而这一增长势头在2007—2008年被扭转。2008年受汶川大地震和次贷危机的影响，国内旅游及入境旅游受到较大冲击，这给旅游业TFP带来了很不利的影响。但从总体上考察，旅游业的全要素生产率处于改善之中。

表4 跨年份旅游业TFP平均变化及分解

四、旅游业全要素生产率影响因素分析

(一)研究方法的选择：Tobit模型

由于TFP的取值都是大于0的，故被解释变量属于取值受限制变量，也就是说其取值数据是被切断了的。如果采用OLS分析方法，就很容易加大参数估计的偏差程度从而导致估计的精度和可信度大幅降低。[12]93-98而借助Tobit模型能有效地克服这一缺陷，其具体采用的估计方法是最大似然估计，通过构建Tobit模型对解释变量的影响强度及其显著性水平展开估计和检验。Tobit模型可表达如式(6)所示：

(6)

其中，yit为被解释变量的观测值，具体地就是指相应省份在某一年的旅游业全要素生产率值；xit为解释变量的观测值，即指影响旅游业TFP的具体因素的表现值；αT为待估计的系数向量，用于衡量相关因素对旅游业TFP的影响强度；εit～N(0,σ2)，它是所构建模型的随机误差项。

(二)待验假设的提出及自变量说明

纵览国内外研究成果及结合中部地区实情后，选择以下5个解释变量来分析其对旅游业TFP的影响，并将对全体解释变量的选择及其说明归纳入表5中。

1.服务业发展水平

旅游业的发展需要众多与之相关的服务性行业为之提供支持。整个服务业的发展能为旅游业营造产业环境。如交通、通信、科技、医疗及各类中介组织服务在挖掘旅游者消费需求、调节旅游市场的供需结构、促进旅游资源的配置等方面会起到积极作用，从而对旅游业全要素生率的提高产生影响。

故提出假设1：提高服务业的发展水平对中部地区旅游业生产率会产生正面影响。

2.居民可支配收入

旅游商品属于正常品，当居民的可支配收入增加时便会增加这一领域的消费量，某一地区游客数量和旅游总收入就会增加，最终有利于提高旅游业的TFP。

4.5 通过试验筛选出高效低毒低残留的农药 使用化学农药上要疏堵结合，疏就要给烟农提供可使用的化学农药。通过开展试验筛选出适用于烟叶病虫害防治的高效低毒低残留的农药品种，烟草公司统一采购、统一管理，烟农可以在烟草公司选购到合适的防治农药品种，避免烟农在市场上盲目购买高毒高残留农药，而且有利于管理，对形成以“技术、信息、咨询、物资供应”等一条龙服务打下基础。堵就是要禁止烟农使用高毒、高残留、易超限的农药品种，经检测发现使用者将影响其烟叶被收购等级和来年种植合同签订面积。

故提出假设2：居民可支配收入的增加有利于地区旅游业TFP的改善。

3.产权结构状况

国外学者一般认为，过度提到国有经济的比重将会弱化产业内微观企业主体的经营自主权，这会扭曲市场机制配置资源的功能。从理论分析，旅游业属于一般性竞争行业，行业内企业资产的非国有化将会有利于企业经济效率的释放，进而对旅游业的TFP产生利好作用。[13] 931-940

故提出假设3：国有经济比重的提高将会有碍于旅游业TFP的改善。

4.外商直接投资

一个地区在引进外资的同时，往往也伴随着先进的管理思想和技术的流入，管理模式和方法的改进能够有效挖掘旅游产业发展的潜力，提高经济体的资源配置和效益水准。先进技术在旅游产业内部及产业间的扩散能带来产业技术水平的提升，这对改善产业的全要素生产率是大有裨益的。

故提出假设4：扩大FDI规模将有利于旅游业TFP提升。

要实现旅游业的顺利运营，必须首先解决旅游目的地可达性的问题，要做到既能可达又能返程。从理论上分析，地区基础交通条件的具备是实现游客规模和营业收入目标的基础，它对旅游业TFP的改善具有重要作用。

故提出假设5：基础交通条件的改善对旅游业TFP的增长具有促进作用。

表5 Tobit模型中的自变量说明

基于以上对所选解释变量的理论分析及所提出的若干假设，构建出如式(6)所示的待估计的计量模型，采用极大似然估计法对参数进行估计并检验所提假设。

yit=α0+α1Serviceit+α2Incomeit+α3Propertyit+α4FDIit+α5Trafficit+εit

(6)

(三)回归结果及分析

利用Eviews软件对Tobit模型进行估计，所得到的结果列示于表6中。服务业发展、居民可支配收入、基础交通条件对旅游业TFP都产生了正向的影响，且其显著性水平都达到了1%或5%，验证结果支持假设1、假设2和假设5。总体而言，服务业发展、居民可支配收入、基础交通条件每改善1个百分点，平均地将会促使旅游业TFP提升0.247%、0.308%、0.316%，其中基础交通条件的影响系数最大。政府应当加大力度完善区域内铁路、港口、机场、公路等基础设施建设，尤其是旅游区内的交通设施建设。另外，为了提高居民的可支配收入，在促进地区GDP增长的同时应该完善收入分配政策，合理构建区域内就业人员薪酬增长机制。进一步地，地区政府应为当地服务业的发展营造良好的政策环境，在税收、信贷等方面为其提供支持。

旅游业中国有经济比重对该产业TFP的作用是负向的，其影响系数为-0.187，这说明民营经济成分在一定范围内的提高有利于旅游经济效率的改善，这主要是因为民营企业具有灵活的经营机制、自主的决策能力，可以根据旅游市场所发生的变化迅速调整决策行为。FDI对中部地区旅游业发展效率的影响在10%水平下仍然不显著。外商对旅游业的投资主要关注的是廉价的劳动力和丰富的旅游资源，且存在对当地旅游资源开发方式欠科学的现象，有些地区的旅游资源不仅未被合理利用反而遭到破坏。最终，引进外商资本借此提高旅游企业的技术和管理水平的目的难以实现。故检验结果支持假设3而不支持假设4。

表6 全要素生产率影响因素验证结果

注明：*、**、***分别代表10%、5%、1%的显著性水平。

五、总结及建议

1.旅游业TFP的超效率值测度结果表明，总体而言各省份的旅游业TFP处于改善趋势中，然而从各年的具体表现来看出现了很多波折且存在较明显地区差异。尤其是有较多年份的效率值小于1，这表明旅游资源的优化配置目标并未实现，资源的投入或者不够，或者存在浪费现象而没有实现理想产出水平。相关省份应该优化旅游产业内部结构，科学有序开发旅游基础层、中间层和高端层产品，在坚持市场机制配置资源的前提上，在政府引导下合理开发旅游资源从而实现旅游资源投入产出的最佳配置，以提高各区域的全要素生产率水平。

2.对旅游业TFP变动的分析表明，除山西省外其余7省的Malmquist生产率指数都大于1，这说明样本地区旅游业的生产率在2004—2013年期间总体上是递增的。进一步的研究表明，技术进步对TFP增长的贡献度相对要大，而技术效率未能释放出足够的力量来推动TFP的增长。这说明在管理理念和方法的变革、制度的完善方面还存在较大的改进空间，从管理和制度中挖掘效益、提升技术效率水平应该是今后旅游产业管理中的重中之重，否则不仅会抵消掉技术进步的影响，而且还会出现“后发劣势”的局面。

3.对旅游业TFP影响因素的分析表明，服务业发展、居民可支配收入、基础交通条件对TFP的改善具有正向积极作用，影响系数的显著性水平较高。而旅游产业中的国有经济比重越高则会有碍于旅游经济的发展，故应该切实推进服务业(尤其是旅游业)领域的经济改革力度，积极稳妥地为旅游业的发展引进民营资本，引导旅游企业建立灵活的经营机制以适应瞬息万变的旅游市场环境。研究表明，FDI对旅游业的作用并非预期的理想，在引进国外投资时要慎重，不能仅着眼于资本的引进，更应该追求管理理念与方法的改善及技术的学习与融合。

[1] Blake A，Sinclair M T．Tourism productivity：Evidence from the United Kingdom[J]．Annals of Tourism Research，2006，33(4)．

[2] Koksal C，Aksu A．Efficiency evaluation of A group travel agencies with data envelopment analysis(DEA)：A case study in the Antalya region，Turkey[J]．Tourism Management，2007，28(3)．

[3]王耀中，张阳．改革开放以来中国服务业生产率实证分析[J]．管理评论，2011，23(10).

[4]陈淑兰．中部六省旅游发展综合评价及空间结构系统构建[J]．经济地理，2009，29(2).

[5]付丽娜，陈晓红，冷智花．基于超效率DEA模型的城市群生态效率研究[J]．中国人口·资源与环境，2013，23(4).

[6]Suzuki S，Nijkamp P，Rietveld P． Regional efficiency improvement by means of data envelopment analysis through Euclidean distance minimization including fixed input factors：An application to tourist regions in Italy[J]．Papers in Regional Science，2011，90(1)．

[7]龚艳，郭峥嵘．江苏旅游业发展效率及对策研究：基于超效率DEA和Malmquist指数分析[J]．华东经济管理，2014，28(4).

[8]王惠榆，陈兴鹏.西部地区旅游产业发展效率[J]．兰州大学学报(自然科学版)，2014，50(2).

[9] 赵磊. 中国旅游全要素生产率差异与收敛实证研究[J]．旅游学刊，2013，28(11).

[10]王学峰，张辉．中部六省区旅游发展潜力评价体系构建及应用研究[J]．云南社会科学，2013(1).

[11]王琪延，黄羽翼．中国城市旅游竞争力动态分析[J]．经济问题探索，2014(2).

[12]顾江，胡静．中国分省区旅游生产效率模型创建与评价[J]．同济大学学报(社会科学版)，2008，19(4).

[13] Hadad Sharon, Hadad Yossi, Malul Miki. The economic efficiency of the tourism industry: a global comparison [J].Tourism Economics, 2012, 18(5).

责任编辑：廖文婷

Analysis of Tourism Industry TFP Evaluation and Its Influencing Factors in Central China

HE Jun-yang, HE Ling

(ManagementSchool,HunanUniversityofScienceandTechnology,Xiangtan,Hunan411201,China)

Total factor productivity (TFP) of tourism industry in central China (8 provinces) was measured and analyzed. What’s more, related factors that maybe affect TFP were empirically studied. The results show that the tourism industry TFP level experienced overall improvement trend, but there were some fluctuations. The technology progress made much contribution to the TFP, but the effect of technology efficiency was much smaller. The empirical results show that the development of service industry, household disposable income, basic transportation have positive impact on tourism development efficiency, while the high proportion of state-owned economy in this industry will hinder the efficiency improvement; the effect of FDI on the tourism efficiency is not significant.

tourism industry; central China; development efficiency; Malmquist index; Tobit model

2014-11-28

何俊阳(1969-)，男，湖南益阳人，湖南科技大学管理学院副教授；贺 灵(1980-)，男，湖南平江人，博士研究生，湖南科技大学管理学院讲师。

教育部人文社科

基金项目“突发事件对泛珠三角入境旅游客源市场影响研究”(项目编号：13YJA630029);湖南省社科

基金项目“突发事件对湖南入境旅游客源市场影响研究”(项目编号：2010YBB135)。

F592.3

A

1001-5981(2015)03-0085-06