成长期旅游目的地星级酒店经营效率评价及优化研究

卢学英，桑林溪，张建军

成长期旅游目的地星级酒店经营效率评价及优化研究

卢学英，桑林溪，张建军

文章运用数据包络分析方法和Tobit模型，以旅游业处于成长期的合肥市为案例地，对其星级酒店行业近九年来的经营效率及其效率影响因素进行研究发现：(1)合肥市星级酒店存在有三年投入冗余与产出不足的现象，除两年呈规模报酬递减外，其余年份规模报酬处于递增或不变的状态；(2)影响酒店经营效率的微观因素包括客房出租率、客房数、营业收入、从业人员、床位数和酒店数，影响星级酒店经营效率的宏观影响因素有产业结构、城镇化水平以及恩格尔系数。最后根据存在的问题及影响因素提出包括扩大投资规模、加大培训提高酒店从业人员的服务水平、调整产业结构、优化酒店业内部格局等优化对策。

成长期旅游目的地；星级酒店；数据包络分析；Tobit模型；宏微观因素

全球经济的不景气以及酒店相关经营政策的出台使国内星级酒店面临着入住率与利润率下降的压力，固守陈旧的管理、投资、决策方案的星级酒店遭遇着经营危机，转型成了星级酒店摆脱困境的关键所在。对于经营绩效的评价，学界多选用数据包络分析方法(Data Envelopment Analysis, 简称DEA)，例如早在1999年，Anderson就使用数据包络分析方法对美国的48家酒店进行了配置效率、纯技术效率以及技术效率进行了评价[1]。 而国内最早使用数据包络分析方法对我国酒店进行效率评价的是彭建军和陈浩[2]，他们运用数据包络的分析方法对北京、上海和广东的1999—2002年间星级酒店的经营情况进行了效率以及规模的分析。近年来，运用数据包络分析方法对我国旅游业整体效率进行评价的文献逐渐增多，其中涉及旅行社业经营效益[3]、生态旅游效率[4]、城市旅游发展效率[5]等。从某种程度上说，星级酒店代表着一个城市的整体旅游形象，研究星级酒店发展效率及有针对性的提出优化措施对国内酒店业及旅游业的发展意义重大，国内已有关于星级酒店发展效率更多使用单一的DEA模型进行研究，而与Tobit回归模型结合对发展效率影响因素进行分析的研究较少，另外，已有关于酒店经营绩效的评价更多针对成熟旅游地进行研究，而对于处于成长期的旅游案例地的研究相对较少，基于此，本文选取合肥这一处在成长期的旅游目的地为案例地，对其星级酒店的经营效率和影响其经营效率的宏微观因素进行分析，并进一步提出星级酒店发展的优化措施，这对合肥市星级酒店乃至国内处于成长期旅游目的地的星级酒店业提升经营绩效、指导酒店业的投资布局具有借鉴意义。

1 研究区域和研究方法

1.1 研究区域概况

合肥市为安徽省省会城市，皖江城市带的核心城市，也是中国优秀旅游城市，其中三河古镇是国家5A级旅游风景区，2015年，合肥拥有国家A级风景区157家，其中4A级以上风景区有23家。据《合肥统计年鉴》和统计公告显示，合肥旅游收入也基本处于逐年增长的态势，2015年，国内旅游收入达774.32亿元人民币，入境旅游收入达28200万美元。2014年，合肥星级酒店个数为71个，星级酒店客房达6539间，营业收入达18亿元人民币。由图1的拟合趋势图可见合肥的国内、国外旅游人次都基本呈指数增长趋势，所以合肥属于典型的处于成长期的旅游目的地。

图1 合肥旅游目的地生命周期分析

1.2 研究方法

1.2.1 DEA——BC2模型

数据包络分析方法是一种对具有相同决策单元(Decision Making Unit, 简称DMU)进行效率评价的方法，一个DMU就是将“输入”转化为“输出”的实体，根据多个输入指标、输出指标的数据评价各DMU的优劣，就是评价各DMU间的相对有效性[6]。DEA最早始于C2R模型，它是由美国运筹学家A. Charnes和W. Cooper以及E. Rhodes于1978年提出[6]，应用领域包括经济体效率评价、运行过程评价、技术评价等。但现实情况是任何环境的变化(不完全竞争、经济环境等)都可能导致DMU难以在最适合规模下运行，当被考察的DMU不是全部处于最佳规模时，仅凭C2R不能区别出由规模效率引起的技术效率的变化，考虑到这一点，Banker，Charnes，Cooper(1984)将C2R放宽到规模报酬可变，提出BC2模型[7]，这使得计算技术效率时可以忽略规模效率的影响，由此得到决策单元的纯技术效率(PTE)，在C2R中增加凸约束∑λj=1，得到BC2模型。这使得计算技术效率时可以忽略规模效率的影响，由此得到决策单元的纯技术效率(PTE)，在C2R中增加凸约束∑λj=1，得到BC2模型，其带有非阿基米德无穷小参数的对偶规划模型：

(1)

其中Xj=(x1j,x2j,…,xmj)T,j=1,2,…,n,Yj=(y1j,y2j,…,ysj)T,j=1,2,…,n,

xij=DMUj为第i种输入的投入量，xij>0,yrj=DMUj为第r种输出的输出量。

ω=(ω1,ω2,…,ωm)T,μ=(μ1,μ2,…,μs)T分别为输入和输出的权重向量。

自魏权龄教授将此方法引入我国后得到广泛应用，尤其是在管理科学以及运筹学等学科研究中取得多方成效，本研究在前期学者研究的基础上采用此方法对合肥市这一处于成长期的旅游目的地的星级酒店的经营效率进行评价，对其配置效率进行试探性分析。BC2模型是数据包络分析法的基本模型，继BC2模型之后，又衍生出其他模型，但在实证研究过程中，应根据评价模型的不同特点选择不同的模型，本研究是为了分析我国星级饭店综合效率、纯技术效率以及规模效率，所以选取BC2模型。

1.2.2 Tobit线性概率模型

Tobit模型的形式如下，

yi=α+βxi+μi

(2)

其中μi为随机误差项，xi为定量解释变量。yi为二元选择变量。此模型由James Tobin 1958年提出[8]，因此得名。应用领域包括利息税、机动车的费改税问题等，它考虑了经济模型中的因变量不能为负的情形，是一个有限因变量模型，回归估计系数不服从不偏性且残差也不服从正态分布。

采用该模型研究星级酒店的经营效率具备一定的优点，由于星级酒店的技术效率值受到所在区域宏、微观经济的影响，DEA数据分析结果仅仅侧重的是对经营效率进行评价，但是无法说明致使星级酒店经营效率发生这些变化的宏微观影响因素问题，因此采用Tobit模型来分析星级酒店效率值与宏微观经济数据的因果关系，用于对改进合肥市星级酒店的经营效率提出更具说服力的对策建议。研究中将宏微观数据设为自变量，而星级酒店的效率值设为因变量，运用Eviews计量统计软件的门限回归分析模块处理数据，如果因变量取值范围在0～1之间，则就用实际数值作为因变量值；若因变量大于0，采用0作为模型因变量值；因变量大于1，采用1作为因变量值。

2 研究结果与分析

2.1 变量选取与数据来源

笔者运用的是DEAP2.1软件，DEA方法测量效率的准确性很大程度上取决于选取指标的合理性，据选取指标的三原则：1)科学性：投入与产出指标之间应具有因果关系；2)适宜性：选取的指标应尽可能的选用专业术语，例如采用统计公报上的术语即具备权威性与可靠性；3)可操作性：所选用的指标数据可量化[9]。本研究选取客房数、年末酒店从业人员作为投入指标，而客房出租率、营业收入作为产出指标。DEA方法要求DMU个数大于两倍的产出与投入指标之和或者大于两倍的产出于投入指标之积。而本研究的DMU个数为9，产出指标与投入指标个数分别为2，9>2×(2+2)或9>2×(2×2)，所以符合要求，具体数据见表1。

表1 合肥市星级酒店指标数据

数据来源：《安徽统计年鉴》《合肥统计年鉴》《合肥统计公告》。

为探究影响酒店经营效率的影响因素，我们运用Tobit回归模型对结果进行定量分析，已有关于酒店经营效率的因素分析多处在微观层面，以上对选用指标的综述正说明了这点，宏观层面的分析较少。近年来，注意到宏观经济发展对酒店经营效率的影响的研究也在逐渐增多，但多处在定性评述方面。酒店、饭店是区域经济发展运行的重要组成部分，帮助游客实现空间位移的信息咨询、交通设施等营销设施是影响饭店业发展的重要因素，此外，目的地自身接待水平、旅游吸引物等都是影响酒店发展的重要因素。卢洪友,连信森在对澳门旅游酒店业进行效率评价时，从访澳旅客人次、澳门国际机场以及实际利率变化等宏观经济发展方面考察其对酒店业经营效率的影响[10]。基于此，我们选用城镇化率、第三产业增加值占国内生产总值的比重、人均GDP、旅游业发展水平等作为影响合肥星级酒店发展水平的宏观影响因素，具体宏微观数据指标参见表4、表5。

2.2 星级酒店经营效率评价

2.2.1 星级酒店整体效率

通过DEAP2.1软件的计算，得到星级酒店的投入产出总体效率结果(表2)。其中，表2中的综合效率值θ*为不考虑规模效益的技术效率，纯技术效率σ*为考虑规模效益时的技术效率，规模效率值S*是指考虑规模效益时的规模效率，另外综合效率为纯技术效率与规模效率的乘积，所以纯技术有效的地区，综合效率并不一定高，只有当纯技术效率与规模效率都高时，综合效率才会达到最大值。

表2 合肥市星级酒店资源配置效率

数据来源：本文整理。

合肥市星级酒店综合技术效率中具有效率的有5年，占星级酒店年数的近55%，并且2010年综合效率值也接近于1，而纯技术效率中具有效率的有6年，占星级酒店年数的近66%，规模技术效率中具有效率的有5年，也占总年数的近55%，并且2008年、2010年的规模效率值也接近于1。规模报酬中，2011和2013年递增，2008年和2010年规模效益递减，其余年份不变，规模报酬不变表示产量增加的比例等于各种生产要素增加的比例，说明合肥市星级酒店完全可以扩大生产规模即增加客房数、从业人员等来提高自己的经营效率。可见，除了纯技术效率外，合肥市总体技术效率值处于中等偏上的位置，要达到更高效率水平仍需要努力。

2.2.2 非有效决策年份星级酒店投入产出调整与优化措施

笔者将表2中的综合效率值θ*，纯技术效率σ*，规模效率值S*未达到1的年份称作非有效决策年份。由表3可知，2008年Δx1=-396.329,Δx2=-600.535,Δy1=0，Δy2=0即此年份客房数应减少396.329约396间投入量，从业人员应减少600.535约600个劳动力数量的投入，客房出租率和营业收入不变。2011年Δx1=-682.81，Δx2=-779.933，Δy1=22.074，Δy2=0，即此年份客房数应减少682.81约682间的投入量，从业人员应减少779.933约780个劳动力数量的投入，客房出租率能够提高22.074%，营业收入不变。2013年Δx1=-193.037,Δx2=-189.518，Δy1=2.557，Δy2=0，此年份客房数应减少193.037约193间客房的投入量，减少189.518约190个劳动力的投入量，客房出租率能够提高2.557%，营业收入不变。

表3 非有效决策单元投入产出调整量

从表2的规模效益来看，2008年曾规模效益递减状态，与表3的投入冗余相符合，适当缩减酒店的投入规模可以从客房数和从业数两方面入手。而2011年和2013年的规模效益曾递增状态，理论上应该增加投入，但从表3来看从业数和客房数存在冗余现象，说明管理者应从客房数与从业人员之外的投入要素着手，例如可能并不是企业投入的酒店业从业人员不够多，而是他们的技能与服务水平不到位，加强员工队伍建设，加大对员工职业技能培训是很好的选择。

2.3 合肥市星级酒店经营效率影响因素

运用DEA模型虽然能在一定程度上能够说明合肥星级酒店的发展效率如何，以及是技术进步还是规模扩张造成了这一结果，但还是无法说明这种技术因素或者规模因素是什么，还有必要运用回归分析方法来找出具体影响因素。笔者将继续以综合技术效率、规模技术效率以及纯技术效率为因变量，以影响星级酒店发展的宏微观因素为自变量构建Tobit模型，检验影响酒店业发展的具体影响因素，其中就表5中的宏观影响因素指标进行简单介绍其来源：产业结构(IS)是第三产业占GDP的比重；经济发展水平(AVGDP)是用人均GDP表示；旅游业发展水平(TDS)用当地旅游业收入表示；城镇化水平(SS)由年末城镇人口占总人口的比重表示。

表4 合肥市星级酒店发展微观影响指标

数据来源：合肥统计年鉴。

表5 合肥市星级酒店发展宏观影响指标

数据来源：合肥统计年鉴。

注：旅游业发展水平用合肥市旅游业收入指标表示。

表6 影响合肥市星级饭店经营效率的微观影响因素

注：***为p<0.01,**为p<0.05。

表7 影响合肥市星级饭店经营效率的宏观影响因素

注：***为p<0.01,**为p<0.05。

1.整体技术效率

整体技术效率是对决策单元的资源配置和使用效率的综合评价与衡量。由表6可以看出客房出租率、营业收入、客房数、从业人员以及酒店数在0.01显著水平上对星级酒店整体技术效率有显著性影响，而床位数在0.05显著性水平上对星级酒店整体技术效率有显著性影响。营业收入是饭店重要产出指标，营业收入多少直接影响酒店经营效率的多少，客房出租率较为直接地影响酒店的营业收入，进而能够对酒店的整体技术效率产生影响。客房数、从业人员以及酒店数一方面是酒店经营规模的体现，也是酒店经营多元化以及部门多元化的表现，对整体技术效率会有显著影响。

2.纯技术效率

纯技术效率主要是指由企业管理和技术等方面的因素所影响的生产效率。由表6可以看出客房出租率、营业收入、从业人员以及酒店数等在0.05的显著性水平上，酒店是劳动密集型行业，酒店内几乎所有的服务都要靠酒店服务人员来完成，并且酒店的经营业绩间接的依赖于酒店从业人员的技术含量和服务水平，所以酒店从业人员对酒店经营的纯技术效率会有显著影响。客房出租率的提高和酒店营业收入的增加意味着酒店服务产品销售量的增加，因此这些资金会使管理层加大管理与培训力度，进一步提高酒店经营的纯技术效率。因纯技术效率侧重衡量企业的管理和技术水平，并且有时候也把纯技术效率理解为剥离掉饭店规模影响之后的效率，因此饭店数、床位数等这些表现饭店规模的指标对纯技术效率没有显著影响。

3.规模技术效率

规模技术效率是指由规模因素影响的生产效率。由表7可以看出宏观影响因素中的产业结构在0.01的显著性水平上，而城镇化率是在0.05的显著性水平上。产业结构IS是第三产业与GDP的比重，产业投资比例情况对酒店规模效率高低产生重要影响，第三产业投资规模较大时，酒店业的规模效率较高，所以产业结构对规模技术效率有显著影响。城镇化是一个国家或地区随着科技的进步、产业结构的调整，社会由以农业为代表的第一产业向以工业为代表的第二产业和以服务业为代表的第三产业转变的过程。由此，两者都是产业结构的表征，所以也对酒店业的规模效率产生显著影响。

3 研究结论与讨论

3.1 结论

1.合肥市较多年份的规模效益呈现不变状态，说明酒店业相关产品或人员的投入量以相同百分比增加，产出量也会以相同百分比增加，所以除少数年份外，合肥市酒店内部的相关投入要增加；

2.影响星级酒店经营效率的微观因素有客房出租率、客房数、营业收入、从业人员、床位数和酒店数，影响星级酒店经营效率的宏观影响因素有产业结构、城镇化水平；

3.结论(1)中说明合肥市星级酒店的投入规模需要增加，但从前述分析中看仍有些年份投入要素规模存在过剩问题，所以不能盲目扩大投入规模，需要从优化内部要素结构方面入手，酒店业各部门的协调、企业从业人员服务质量的提高、酒店内部住房环境的优化等；

4.从Tobit模型中宏观影响因素的分析中看出经济发展水平对星级酒店的影响不显著，说明成长期旅游目的地星级酒店的发展不同于受制于经济发展水平限制的传统产业的发展，有“旅游飞地”(指旅游业的发展虽然要依托当地的土地等自然资源，但其带动作用与当地经济发展水平关联性很小)特性，产业结构的调整仍然是旅游业规模效率提高的关键因素。

3.2 讨论

1.已有关于酒店业的研究多选择在旅游业发展较为成熟的地区，本研究视角有所不同，选择的是处于成长型的旅游目的地——合肥，但还是比较单一，未来可以选择将成长期旅游目的地和成熟期旅游目的地星级酒店的发展情况做一个更加细致的研究，这样更具比较性，能够提供更加具有针对性的建议；

2.选择合肥的星级酒店作为案例地，其中的星级酒店没有严格区分，例如高星级如四、五星级酒店与较低星级一、二、三星级两个档次的酒店经营效率缺乏比较，未来可以将此区分进行研究；

3.未来可以对星级酒店经营效率的空间分布特征进行评价，可以给决策者更直观的呈现，使决策管理者能够采取措施进行分区优化。

[1] ANDERSON R I, Michello F. Measuring efficiency in the hotel industry: A stochastic frontier approach[J]. International Journal of Hospitality Management, 1999,18(1):45-57.

[2] 窦学飞. 基于DEA的上海三星级饭店经营绩效及转型升级研究[D].上海：上海师范大学旅游学院,2015:37-68.

[3] 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(5):23-30.

[4] 邹伏霞. 生态旅游资源可持续利用的评价:以湖南省为例[J]. 统计与决策,2014(9):68-71.

[5] 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(2):313-323.

[6] CHARNES A, Cooper W W , Rhodes E . Measuring the efficiency of decision making units. European Journal of Operational Research,1978(2):429-444.

[7] BANKER R D, Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management science,1984, 30(9): 1078-1092.

[8] TOBIN, J. Estimation of relationships for limited dependent variables[J]. Econometrica, 1958, 26(1):24-36.

[9] 焦琼,贺兴时. 基于DEA方法的五星级酒店经营效率评价[J]. 西安工程大学学报,2015(2):244-248.

[10] 卢洪友,连信森.澳门酒店业经营绩效评估[J].旅游学刊,2010(2):54-59.

ResearchontheEvaluationandOptimizationofOperatingEfficiencyofStarHotelsintheGrowthPeriod

Lu Xueying, Sang Linxi, Zhang Jianjun

This paper uses the data envelopment analysis method and Tobit model to analyze the tourism industry in the growth stage of the city of Hefei. The study found that: (1) Star hotels in Hefei have three years of redundant inputs and insufficient output. In addition to two years of diminishing returns to scale, the scale returns in the rest of the year are increasing or unchanged; (2) The micro factors that affect the operating efficiency of the hotel room occupancy rate include the number of guest rooms, business income, the hotel staff, hotel beds. The macro factors include hotel industry structure, urbanization level and the Engel coefficient. Finally, this paper gives optimization measures like expanding the scale of investment, increasing training to improve the service level of the hotel employees, adjusting the industrial structure and optimizing the internal structure of the hotel industry etc.

growing tourist destination; star hotels; data envelopment analysis; Tobit model; macro and micro factors

F59

A

1673-1794(2017)05-0065-06

卢学英，安徽财经大学工商管理学院副教授，研究方向：旅游企业管理；桑林溪；张建军，安徽财经大学(安徽 蚌埠 233030)。

安徽省高校人文社科重点研究基金项目：安徽省旅游环境承载力研究(SK2015A086)；安徽省旅游业研究型英才培养项目：名人效应、地方依恋与游客行为意向关系研究(AHLYYC2016201)

2017-07-21

责任编辑：刘海涛