中国旅游经营效率的空间差异及其驱动因素

2018-03-21曹妍雪李树民

统计与决策 2018年3期

曹妍雪，李树民

（西北大学经济管理学院，西安 710127）

0 引言

在国际竞争力日趋激烈和我国发展动力转换的形势下，目前中国的经济并不是一味追求高速的增长，而是追求高质量可持续的经济动力，这就需要对中国的产业结构进行调整。作为中国支柱型产业的旅游业，也必然要提高旅游效率来扩大其经济功能。而旅游全要素的改善正是实现这一目标的关键点。全要素是衡量一个单位的总产出与总投入的生产率指标，被用作检验一个地区的经济增长的因素，从而确定一个地区行业的经济增长方式。

鉴于此，通过对中国的旅游业阶段性全要素生产率和区域差异特征进行深刻分析，将会更有利于中国旅游业的经济增长模式转变以及经济增长效率的提高。通过分析省区旅游全要素和区域差异变动，有助于全面理解中国旅游业的发展现状。

1 研究方法与数据选取

1.1 研究方法

1978年美国著名的运筹学家A.Charnes和W.W.Cooper提出一种非参数评价方法来解释多个单元格的投入与产出问题，人们称这方法为数据包络分析法（DEA）。主要衡量单元格是否位于生产可能集的“前沿面”上，测量DMU与最佳前沿之间的距离。1953年瑞典的经济学家Sten Malmquist[1]提出了Malmquist指数来分析消费变化。1982年的时候Caves等[2]将Malmquist与DEA相结合，形成了基于DEA的Malmquist分析法。现在广泛运用的是1992年由Fare[3]扩展的非线性研究方法。Malmquist主要有三个优点，不需要相关的价格信息、可以分解为技术效率和技术进步两个源泉、可以比较跨区跨时间段的数据分析结果。

每个时期 t(t=1，…，T)，第 k(k=1，…，K)个省区单元数据n(n=1，…，N)种投入要素表 t时间段 k 省区第n种投入要素，得到代表t时间段k省区m种产生要素，为了得到Malmquist指数0需要引入距离函数。

两个时期的Malmquist平均值计算省区旅游全要素生产率的变化：

M0＞1，表明t时期相对而言t+1时期的效率是提高的。

M0＜1，表明t时期相对而言t+1时期的效率是下降的。

M0=1，表明t时期相对而言t+1时期的效率是不变的。

全要素生产率由两个部分构成，前半部分是技术效率变化，反应的是t时期到t+1时期每个DMU可能产生的边界“边界追赶效应”；后者指的是t时期到t+1时期生产技术变化程度的制度，反应技术前沿面的变化。原理上，效率增长大多是由于制度改革引起的，而技术进步则是由

创新或是引进新技术的结果。所以说，技术效率变化和技术进步是旅游全要素生产率的驱动力。

1.2 数据选取

本文将2006—2015年中国31个省区作为决策单元，参考前人的相关研究，确定以旅游总收入和旅游总人次作为产出水平的衡量指标，以旅游业的固定资产投资和旅游相关从业人员作为投入指标。由于没有旅游业的固定资产投入相关数据，本文以第三产业固定资产投资代替（主要源于旅游业是第三产业发展的支柱性产业，由于省区的固定资产投入指标都有放大的情况，同一水平上的放大对于DEA结果并不会产生影响）来测算旅游全要素生产率。同时选取的产出指标两个和投入指标两个，DMU个数31，满足了31＞（2+2）且31＞（2×2），符合测算要求。

选取各省区跨时期的旅游投入与产出数据来测算旅游全要素生产率，以2005年的数据作为基数研究。使用的数据主要来源于《中国统计年鉴》、《中国旅游统计年鉴》、《中国旅游年鉴》，各个省区的《国民经济与统计公报获取》。

2 实证结果与分析

本文采用DEAP2.1软件对所选取的31个省、自治区和三大区域的技术效率变化指数、技术进步指数、纯技术效率变化、规模效率变化以及Malmquist指数进行了测算与分析。

2.1 旅游总体指数及其变化

表1是2006—2015年我国旅游全要素生产的Malmquist指数及其相关分解指数结果。2006—2015年间全国旅游全要素生产率平均指数为1.065，表明全国旅游业生产率年均增长为6.5%,其中技术效率年均增长为2.6%，技术进步年均增长率为3.8%，纯技术效率年均增长为2.6%，规模效率年均增长为0.1%，可以看出技术进步对旅游全要素生产率增长起到了主要的推动作用。从时间序列上可以看出旅游全要素生产指数在2008年、2009年和2014年是负增长，虽说2008年北京夏季奥运会的举办吸引了一部分游客，增加旅游收入，但2008年美国“次贷危机”所引发的金融危机使全球经济陷入衰退，导致2008年和2009年旅游全要素生产率的下降要大于奥运会带来的积极影响。据统计2014年来华游客相较于2013年整体下降了0.45%，这主要是由于来华签证手续的复杂化和人民币升值相关，综合导致了旅游上产率的负增长。

2.2 分区域指数及其变化

为了宏观上把握大区域旅游全要素发展的影响因素，本文把2006—2015年中国全要素按东部地区、中部地区、西部地区划分来进行格局比较。表2得出东、中、西三个区域的旅游全要素生产率指数分别为1.033、1.085、1.083，都大于1，虽说三个地区的旅游全要素生产率都是增长的，但是增长的速度三个地区存在一定的差异。东部地区的指数年均增长率为3.3%、中部地区的指数年均增长率为8.5%、西北地区的年均增长率为8.3%。表现出了中西部地区优于东部地区的局面，与张丽峰[4]的研究结果有些出入，这是由于旅游业是一个技术含量相对较低的行业，任何经济不发达地区都可以在短时间内模仿和利用发展比较好地区的经验和技术，从而快速发展自身的旅游，达到高技术旅游发展地区水平。中西部地区正是结合自身资源优势，学习先进的技术水平短时期内赶超了经济较发达的东部地区。

表1 历年平均旅游全要素生产率指数及其分解(2006—2015)

表2 31个省区平均旅游全要素生产率指数及其分解

三大区域的技术效率指数和技术进步指数都大于1，表明三个区域的旅游全要素生产率的增长都是由技术效率和技术进步两个方面共同推进的。东中部地区的技术进步年均指数要大于技术效率年均指数变化，所以全要素增长主要源泉是技术进步，而西部地区的旅游全要素增长主要动力则是技术效率。中西部地区相对东部地区而言，经济欠发达，旅游起步相对较晚，马晓龙[5]主要依靠技术进步，学习发达地区的成功经验来发展旅游业。随着近几年旅游的快速发展，西部地区已经摆脱了主要依靠技术进步提高旅游全要素生产率的局面，反而旅游全要素生产率主要增长源泉成为了技术效率。东、中、西部地区的旅游全要素生产率会存在差异，但是最终表现为经济发达地区（东部）的旅游全要素生产率相较于经济欠发达地区（中西部）的增长相对较慢的趋势。

利用SPSS22.0以TC和EC分别做纵轴和横轴，把个省区的旅游发展状况划分为4个象限，描绘出31个省区的旅游全要素生产率增长的主要影响因素。本文可以看出只有东部地区的北京、福建、海南三个省区的年均旅游全要素生产率为负增长。北京的技术进步，福建和海南的技术效率是主要影响旅游全要素生产率的主要因素。图1可以看到大多数省区处于技术效率和技术进步大于1的情况，只有首都北京的技术进步小于1。技术效率小于1的地区有福建、海南、黑龙江和云南四个。

图1 31个省区的技术进步和技术效率的比较

无论是各省区还是全国而言我国的旅游全要素生产率表现出了其增长的主要源泉是技术进步，而并非再是以前的技术效率。这说明我国目前逐渐摆脱仅仅依靠旅游要素为投入为动力的粗放型发展模式，在互联网大数据的时代旅游业慢慢转变成了精细化的运营时代。

3 影响旅游生产率的因素分析

为了进一步揭示中国旅游全要素生产率的影响因素，本文以31个省区的TFP作为因变量，以各种影响因素为自变量进行了回归。

由于求解出来的全要素值多数大于1，以期望实际数据值和求得数据值之间误差最小，本文选用LS模型进行回归。

3.1 因素的选择

参考前人的研究成果，一般选取旅行社、旅游业规模、城镇化水平、消费需求等角度考察影响旅游全要素生产率的因素。本文在已有的研究基础上，结合我国的实际情况，主要选取，对外依赖程度（各地区旅游外汇收入占旅游收入的比值）、旅游人次（各地区旅游专业学生占学生总数的比值）、对外开放程度（各地区进出口额占总GDP的比值）、城镇化水平（各地区城镇人口与总人口的比值）四个因素考察对中国旅游全要素生产率的影响。

（1）我国的旅游收入由国内和国外两个部分构成。从历年的数据可以看到旅游总收入主要以国内旅游市场为主，近几年虽说国外收入不断增加，但还是占的份额相对较小。所以我们国家应该稳固已有市场同时相应的做出调整，以此吸引更多的外国游客来华旅游。

（2）现在旅游业竞争的最高形式是人才的竞争，建设一支德才兼备的从业人员队伍是发展旅游业的前提之一，也是旅游业竞争的要素之一，因为旅游业的发展每个环节都离不开从业人员的引导和讲解。可随着旅游业的发展，旅游行业对于旅游人才的需求急剧加大，但是旅游人力资源的供给不足。同时人才培养模式上相对滞后，培养的人才与社会需求的相脱节，出现旅游发展中人才瓶颈的问题。各大高校指导中心的数据显示，目前很多旅游专业的学生不愿意从事本专业对口的工作。

（3）中共中央、国务院2014印发《国家新型城镇化规划（2014—2020年）》，明确了城镇化的建设需要根据地区的自然历史禀赋，体现地域风貌、区域差异性的生态文明发展模式，而且城镇的交通相对而言要比乡村的交通完善一些。这些对于旅游业的开展提供了重要的基础。

（4）用一个地区的进出口额反应对外开放的程度，因为对外开放不仅会反应一个地区参与全球化社会分工程度，也利于外资的投入，加剧竞争，使市场结构更加完善。而且通过对外开放可以学习国外的一些先进方法和经验，有利于我国旅游业的发展。通过对外开放在国外可以树立我国的形象，推广国际化市场需求的旅游产品，吸引更多的国外游客到中国旅游。

基于上述建立以下回归模型：

其中C0为常数项分别是各自变量的回归系数，ε*为残差项。运用本文运用软件EVIWES8.0，采用LS模型进行分析回归，结果如下页表3所示。

3.2 回归结果及分析

根据表3输出的结果，可以写出相应的方程（小数点后保留四位数）：

总体R拟合度是0.69，其中对开放与旅游全要素生产率呈负相关，而且通过了1%的显著性检验，代表过度的对外开放对于旅游全要素的增长并没有显著的增长，反而以-2.617的系数在降低。对外依赖与旅游全要素也曾负相关，但是其相关程度并不显著。旅游人才与旅游全要素生产率的相关程度达到系数258.65，而且通过了1%的显著性检验，说明目前中国旅游全要素的提高首要任务是旅游人才的培养，这与我国当前旅游发展的窘境不谋而合，总体上改善旅游全要素应该先从旅游人才着手，由于旅游的每一个环节与旅游服务人员息息相关，想要发展好旅游必然把抓好关键环节。城镇化水平与旅游全要素也呈现出正相关，但是并不显著，因此影响力度难以判断。

表3 中国旅游全要素生产率影响因素的回归结果

4 结论

通过2006—2015中国31个省区旅游业的相关面板数据，采用DEA-Malmquist指数法分解相应指数-技术效率、技术进步、纯技术效率、规模效率等指标对旅游业的投入产出进行了实证分析，同时采用LS模型考察了影响旅游全要素生产率的因素，研究发现：

（1）总体而言，全国的旅游全要素生产率是增长的，年均增长6.5%，其中技术效率年均增长2.6%，而技术进步年均增长率为3.8%，显然技术进步是中国旅游全要素生产率的主要推动因素。进一步分析技术效率会发现纯技术效率的年均增长率为2.6%，规模技术效率仅为0.1%。可以看出来中国的旅游从体制（旅游法的制定）、产业优化、人才培养、管理水平等方面都有了全面的提高，为我国成为旅游强国奠定了基础。

（2）从三个不同的区域来看，东部、中部和西部，三个地区旅游全要素生产率都处于增长状态，分别为3.3%、8.5%、8.3%,区域之间也存在着一些差异。东中部地区的技术进步均大于技术效率，是东中部地区旅游全要素生产率的主要驱动源泉。西部地区则主要还是以技术效率为主的，说明还是以旅游要素的投入、旅游资源开发为主的粗放式旅游发展形式，未能充利用到西部地区潜力资源，今后应该结合地区实际情况，通过创新体制来优化现有的旅游要素配置水平；以及充分重视提高旅游相关从业人员的教育水平；提高创新力度，提高旅游产品的质量等措施来提高西部地区的旅游全要素生产率。东中部地区经济较发达，旅游业的发展已经进入了中期阶段，发展旅游的各种条件也已经成熟，这一阶段旅游全要素生产率的增加对于制度制定等方面的依赖程度较低，而转向依赖于技术进步。但西部地区处于经济欠发达地区，旅游起步较晚，对于生产率的提高对于技术效率和技术进步均有依赖，且制度方面的作用要大于技术进步的作用。但是随着旅游业的发展会出现技术效率对于旅游全要素生产率的贡献要小于技术进步。中西部地区的增长率高于全国的平均增长率6.5%，所以这十年全国旅游生产率的提高中西部地区做出了巨大的贡献。中部地区的技术进步年均增长4.4%，要普遍高于全国及东西部地区，而西部地区的技术效率4.2%要高于全国及东中部地区

（3）全国31个省区的旅游全要素生产率在两个五年间大多数都是增长的，只有东部区的北京、福建、海南三个地方的全要素是降低的。其中内蒙古的旅游生产率年均增长高达16.9%，这也许和内蒙的地理优势相关，与蒙古国俄罗斯等国家接壤，开通二连浩特满洲里等口岸，尤其丝绸之路经济带的提出，更加发挥了边防桥头堡的作用，为国家旅游业的发展起到了重要的作用。海南省的旅游生产增长率是31个省区里面最慢的，海南一直是中国旅游圣地，主要是技术效率的降低导致的生产率下降，在今后的旅游发展中继续保持技术进步主导地位的同时应该加大旅游要素的投入。技术效率年增长率最高的省区是西藏11.5%，最低的是海南省-9%。技术进步年均增长最高的省区是天津7.5%，最低的是北京-1%。可以看出来技术效率增长最快和旅游全要素生产率最快的省区都是西部地区的，扭转了以前落后于全国平均水平的局面。技术进步最高的地方是旅游发展最早最快的东部地区。

（4）影响旅游全要素因素中对外开放与对外依赖呈现出负的相关程度，城镇化水平与旅游人才都显现出了正相关，但是城镇化水平的正相关相关并没有通过显著性检验。旅游全要素增长1个数，旅游人才的贡献增加258.65，显著促进了旅游全要素生产率的提高。因此继续加大旅游专业人才培养、加快城镇化进程，推动中国旅游业的快速发展和旅游全要素生产率的提高。

[1]Malmquist S.Index Numbers and Indifference Surfaces[J].Trabajos De Estadistica,1953,4(2).

[2]Caves D W,Diewert W E.The Economic Theory of Index Numbers and the Measurement of Input,Output,and Productivity[J].Econometri⁃ca,1982,50(6).

[3]Fare R,Grosskopf S,Lovell C A K,et al.Derivation of Shadow Prices for Undesirable Outputs,A Distance Function Approach[J].Review of Economics&Statistics,1993,75(2).

[4]张丽峰.基于DEA-Malmquist指数模型的旅游业全要素生产率研究[J].干旱区资源与环境,2014,28(7).

[5]马晓龙,保继刚.基于数据包络分析的中国主要城市旅游效率评价[J].资源科学,2010,32(1).