丝路经济带旅游业发展效率的动态演变分析

法义滨

（安徽商贸职业技术学院，安徽 芜湖 241002）

一、引言与文献梳理

“一带一路”战略的提出为我国区域经济的协调发展提供了重要的历史机遇，丝路沿线省区具有丰富的自然与人文旅游资源，借助良好的优势区位条件，很多省区已经建立起了比较完善的旅游产业体系。杨立勋等人采用基尼系数对西北旅游业的发展差异进行了分析，认为西北省区旅游业发展水平存在着较大差距，不过各省区旅游发展效率仍然有很大提升空间[1]。屈小爽认为丝路经济带沿线各省旅游资源丰富，但是旅游配套设施较为落后，很多省区的旅游供给能力存在着较大缺口，这也导致各省区旅游业发展效率普遍不高，不过近年来这一情况有所改观[2]。邢慧斌基于旅游扶贫视角指出，旅游产业对贫困地区经济环境的改善具有显著促进作用，但是在推动人口脱贫时表现出效率衰退的现象，主要是由于居民在旅游扶贫项目中参与度较低[3]。郝金磊、尹萌采用DEA模型对丝路沿线省份的旅游业发展效率进行了评价，认为旅游产业发展受到外部环境因素影响较大，各省区旅游产业效率存在着较大差异[4]。谢大伟、张诺认为丝路经济带建设为沿线省区旅游业发展带来广阔的市场需求，对于部分民族地区，基础设施建设与生态保护是旅游产业效率提升过程中需要重点考虑的问题[5]。张洪、吕倩认为“一带一路”沿线省区的旅游业发展效率普遍处于上升期，不过在2010-2016年间旅游产业效率也存在着较大区域差异，提高旅游业技术水平是效率提升的关键[6]。刘玉丽认为1997-2014年间我国西部地区旅游产业效率相对较低，基础建设投资不足与创新驱动能力匮乏是导致效率低下的主要原因，改善西部区域经济发展环境是提高旅游产业效率的基础条件[7]。

二、丝路经济带旅游业效率评价方法与指标

（一）评价方法——DEA与Malmquist法

1.静态评价方法

研究采用数据包括分析（DEA）法对丝路经济带旅游业发展效率进行静态评价，以旅游业发展为例，DEA评价主要是通过构建资源投入与产出模型，考察样本期间内资源的产出效益，能够较好的消除由误差所产生的额外效应。一般而言，DEA主要包括规模报酬不变模型 (CCR)与规模报酬可变模型(BCC)，分别用于测量样本期间内资源投入的技术效率与规模效率情况。

2.动态评价方法

动态层面采用Malmquist指数指数法进行评价，Malmquist是在面板数据基础上对资源投入—产出进行全要素生产率测算，其优点在于可以将全要素生产率分解为技术效率变化与生产技术变化，而技术效率变化又可以分解为纯技术效率变化与规模效率变化，以便考察不同效率值的动态演变过程，以及全要素生产率变化的内在影响机制。

（二）指标体系构建

从以往研究来看，旅游资源投入主要包含资本与劳动力两方面，不过考虑到旅游业的发展情况，本文将旅游企业数量也作为投入要素。旅游业产出主要包括企业自身的经济效益以及行业发展对社会的影响效应，由此本文提出的旅游业投入—产出指标体系如下：

表1 旅游业投入—产出指标体系

从表1中可以看到，本文将旅游业投入指标设定为行业规模、资本与劳动存量三方面，产出指标从企业效益与税收贡献两方面衡量，税收贡献主要反映旅游业对社会的影响效应。

三、丝路经济带旅游业资源投入—产出效率的实证结果

（一）静态效率评价

采用CCR模型与BCC模型对丝路经济带旅游业发展的静态效率进行测算，表2给出了两模型下各省区的综合技术效率、纯技术效率与规模报酬阶段划分结果①：

表2 各省区高等教育资源配置的DEA分析结果

由表3可知，丝路经济带旅游业发展的平均综合效率值与两分解值均小于1，说明旅游业资源的投入—产出水平总体上较低，仍然有待于提高单位投入资源的产出比例。具体到各省区可以看到，东北3省的综合效率值与分解值也小于1，均处于规模报酬递增阶段，西部9省中内蒙古也处于规模报酬递增阶段，说明这四个省区的旅游业发展规模仍然有待于进一步扩大，旅游资源的社会供给能力存在着结构性不足的问题，尤其在内蒙古表现的更加突出。此外，陕西、青海与宁夏处于规模报酬递减阶段，说明这三个省区的旅游供给能力已经相对充足，过度的资源开发反而会带来经济效益的下滑，并且陕西面临着较为严重的技术落后问题，即旅游业发展在技术水平的运用方面表现出低效性，难以充分发挥相关技术的经济价值。广西、云南、西藏、甘肃与新疆五省区的综合效率值为1，说明这些省区旅游业的发展水平较优，旅游资源的开发与技术运用都处于较高水平，能够充分发挥地方旅游资源的经济价值。

（二）动态效率评价

1.时期层面效率评价结果

表3反映的是2006-2016年间丝路经济带旅游业全要素生产率的变化情况，同时给出了各分解指数的效率评价结果：

表3 2006-2016年间丝路经济带旅游业全要素生产率评价结果

从表3中可以看到，2006-2016年间丝路沿线经济带旅游业发展的全要素生产率均值为1.019，说明旅游业资源的投入—产出效率处于上升期，不过从分解值可以看到，技术效率变化的均值小于1，这又主要由纯技术效率变化引起，说明旅游企业对现有技术使用效率不充分是阻碍全要素生产率持续提升的关键问题。再来看样本期间内全要素生产率的时期演变可以发现，2006-2014年间全要素生产率总体上呈现出下降趋势，2013年以后出现了短期的上升，不过于2015年后又开始下降，说明样本期间内丝路经济带旅游业发展的动态效率总体上在逐渐走低。

具体来看各分解指数的变化情况，技术效率与生产技术呈现出明显相反变化趋势，而生产技术的变化又与全要素生产率变化基本吻合，不过在2009-2014年间全要素生产率又受到技术效率变化的影响表现出持续下降的过程，而技术效率的变化又与其分解指数规模效率表现出一致性，纯技术效率则是技术效率下降的重要影响因素。这一结果说明，丝路沿线经济带旅游业全要素生产率主要受到技术创新的影响，但是，由于相关技术水平的运用能力不足又导致全要素生产率难以持续提升，不过旅游业的资源开发能力在不断提升。分析原因在于，受到地域特征与季节变化的影响，居民外出旅游的意向往往表现出较大的波动性，旅游资源的丰富性与新奇性是吸引游客集聚的关键因素，这也就决定了旅游业发展的根本性因素在于技术创新；但是，在不考虑旅游资源条件的情况下，对现有技术水平的运用能力又决定着旅游业发展效率的持续提升能力，这也就解释了生产技术变化与技术效率变化对全要素生产率影响的差异性作用。

2.省际间效率评价结果

为了进一步反映丝路经济带各省区旅游业的发展情况，表4给出了沿线省区旅游业的全要素生产率及其分解指数变化情况。

由表4可知，2006-2016年间吉林、黑龙江、广西、云南与西藏的全要素生产率处于衰退期，不过，除了广西外，其他省区全要素生产率均在0.9以上，说明丝路经济带旅游资源的投入—产出效率总体上处于可接受范围内。但是从全要素生产率分解值来看，仅有内蒙古、云南、陕西与青海的技术效率值大于1，其他省区的技术效率水平均处于衰退状态，而引起技术效率衰退的主要原因在于纯技术效率的下降，说明丝路沿线经济带旅游企业普遍面临着技术运用能力不足的问题。不过，丝路经济带各省区的生产技术与规模效率均处于较高水平，其中有6个省区的生产技术值大于1，其他省区的生产技术值也在0.95以上，规模效率大于1的省区有7个，其他省区的规模效率值均在0.98以上，这说明丝路经济带的技术创新能力相对较高，并且旅游资源的开发程度也处于较高水平，在很大程度上可以满足地方旅游业发展的市场需求。

表4 丝路经济带沿线各省区旅游业全要素生产率变化情况

四、结论与建议

研究采用DEA与Malmquist指数法对2006-2016年间我国丝路经济带旅游业的发展效率进行了评价，主要得出以下结论：总体来看，样本期间内丝路经济带旅游资源投入—产出的静态效率相对较低，并且技术效率与规模效率也处于低效状态，具体到各省区以东三省与内蒙古的旅游业效率问题最为严重。从动态层面来看，2006-2016年间丝路经济带旅游业发展的全要素生产率处于较高水平，生产技术是全要素生产率变化的主要影响因素，不过技术效率的下降也阻碍着全要素生产率的持续提升，在各省区也表现出类似情况；此外，各省区旅游业发展的生产技术与规模效率变化总体上处于较高水平。

（一）提高旅游行业的创新驱动，保障旅游业的平稳发展

一是要加强对旅游业从业人员的技能培训。从业人员素质在旅游业技术创新过程中起着决定作用，要着重培养从业人员在互联网技术、供应链以及云计算等方面的技能运用，推动“互联网+旅游”模式的发展，逐渐转变传统的旅游营销方式，为旅游业新兴增长点的培养提供人才基础。二是要优化旅游企业的经营管理模式。旅游管理模式在旅游业发展过程中起着战略性地位，随着互联网技术的推广，旅游管理模式除了提高标准化过程，还要注重管理信息化的建设，利用新闻、广告、微博等媒体技术加强对景区的宣传力度；同时，提高管理精细化的程度，在服务供给方面强调员工的“细节”意识，从满足游客的需求出发打造人性化的服务内容，实现旅游服务质量的稳步提升。

（二）提升对现有旅游资源的利用效率，推动旅游产业集约化进程

一是要注重旅游项目的多样化发展，提高景区内容的丰富度。旅游企业要以地方旅游资源的特殊性为出发点，在旅游项目开发过程中融入地方特色元素，提高旅游业的异质性水平，打造具有地方标志性的旅游产品，满足游客的新奇感。二是要转变粗放化的经营理念，注重优质旅游产品的开发。旅行社在对各类景区的宣传过程中要逐渐转变依靠“价格优势”吸引游客的单一做法，充分借助互联网技术的运用，对不同属性特征的游客群体进行服务配套分析，在不同时期采取针对性的旅游项目宣传，增强旅游服务的指向性功能，为游客提供人性化的选择方案，提高行业的整体服务质量。

【注 释】

①丝路经济带主要包括东北三省以及西部的内蒙古、广西、云南、西藏、陕西、甘肃青海、宁夏以及新疆9省区，本文中采用的是上述12省区的面板数据。