中国城市展览业效率研究*——基于30个省会城市的DEA分析

鄢慧丽，何 彪，徐 帆，白 娟

(海南大学 旅游学院，海南 海口 570228)

0 前言

展览业的发展是城市经济发展中重要的组成部分，为了在竞争激烈的市场中脱颖而出，展览业的发展应该追求更高的效率，提升展览业的产出水平。城市是国家GDP增长的核心单元，追求更高效率成为城市内部各大行业的发展目标[2]。本文对城市展览业效率理解为：将城市视作展览业发展的生产单元，能够使展览业发展过程中的要素投入在特定时间和特定范围内实现产出最大化，使所有参与者实现利益最大化。

绩效评价对于任何一种类型的组织和管理均具备不可忽视的意义[3]。Lewin等最早展开对旅游企业效率的研究，利用数据包络分析方法(data envelopment analysis，简称DEA)对美国54家私营连锁酒店的管理绩效进行评估[4]。效率的研究最初集中在酒店行业，随后扩展到其他的相关领域。如Kao等应用DEA方法分析了中国国家旅游市场效率[5]；Alzua-Sorzabal等应用DEA研究方法对旅游目的地网站渠道的信息传播效率进行评价[6]；马晓龙等运用DEA方法相继对国家公园的资源利用效率[7]和中国主要城市的旅游效率进行了评价[8]。

效率研究虽涉及众多领域，但在展览业领域研究甚少：从研究内容上来看，只有少数的文献涉及展览业这个产业的效率研究，且缺乏效率来源和产生机理，尤其是缺少对整体的效率评价和研究。确定不同城市的展览业效率水平可以为其发展提供有价值的决策依据。中国省会城市的展览业效率如何？具有哪些特征？处于何种阶段？影响原因何在？这些都是本论文需要探讨的问题。

1 研究设计

1.1 研究对象

本文以中国大陆31个省会城市为研究对象，研究31个省会城市的展览业发展效率。由于西藏地区的数据收集不齐全，故本文的研究对象最后选定为除了拉萨以外的30个省会城市，具有一定的代表性。

1.2 研究方法

随机前沿分析(stochastic frontier analysis，简称SFA)和DEA是较好的两种效率测度方法[9-10]。其中DEA对处理存在多输入、多输出指标的有关问题具有独特优势[11]。城市是一个比较复杂的综合性的会展目的地，在城市展览业中包含着多重的输入输出要素，故本文选择DEA作为效率评价方法。考虑到展览业投入要素的可控性，本文采用在产出既定条件下不同投入组合的导向模式。

其数学表达式如下：设有j个决策单元(decision making unit，简称DMU)(j=1，2，…，j)，每个决策单元j分别对应一个输入和输出向量(xj，yj)，在基于凸性、锥性、无效性和最小性公理假设下，可得对于第jo个决策单元DMUjo投入和产出有效时满足规模报酬不变的DEA模型：

为了讨论和计算应用方便，进一步引入松弛变量S+和剩余变量S-，将不等式约束变为等式约束，即：

其中Xjo表示第jo个DMU的输入向量；Yjo表示第jo个DMU的输出向量；θ表示投入缩小比率；λ表示决策单元线性组合的系数，带*的符号表示最优解。当存在最优解θ*=1，S-*=S+*=0，则称jo单元为DEA有效，若θ*=1，S-*、S+*存在非零值，则称jo单元为DEA无效，且最终数值结果越靠近1，则表明该城市的展览效率越有效。因此，本文所指的城市展览业发展效率是指在同类城市的比较中，该城市的总剩余相比于其他城市而言最大。

1.3 研究指标选取

运用DEA方法计算的绩效结果，其正确性在很大程度上取决于所确立的投入指标和产出指标是否科学合理。本文将中国省会城市作为展览业生产决策单元，其效率可以表现为在相同规模生产要素投入下的产出结果，产出水平高则说明该城市展览业发展的效率高，反之效率低。基于数据的可得性和误差性，本文放弃用城市的直接收入和带动收益作为本研究的产出指标，选用了城市展览业发展指数作为产出指标。

经济学研究中最基本的生产要素包括土地、劳动和资本[12]。具体到展览业主要表现在：专业展馆的室内面积、展览业从业人数、城市固定资产投资、城市的吸引力，即本文的投入指标。由于DEA方法的结果与指标量纲无关，所以无须对数据进行无量纲化处理[13]。另外DEA方法要求DMU个数>2(产出指标个数+投入指标个数)或DMU个数>2(产出指标个数×投入指标个数)[14]；本文DMU为30个，投入指标有4个，产出指标有1个，而30>2(1+4)，符合要求。

2 中国省会城市展览业效率分析

2.1 中国省会城市展览业效率的统计特征

通过输入2013年中国省会城市展览业的各项投入和产出指标的原始数据①，运用DEAP软件的数据分析，得出我国省会城市的综合效率(overall efficiency)以及分解效率—规模效率(scale efficiency)和技术效率(technical efficiency)的结果(如表1所示)。

从表1可得，有4个省会城市的综合效率有效：上海、广州、海口和石家庄。此外有3个省会城市的技术效率有效：乌鲁木齐、兰州和银川。

对各个省会城市的综合效率及分解效率分析发现，综合效率0.8以上的城市有南京，0.7以上的城市有沈阳，另外有5个城市的综合效率达到了0.6；而技术效率方面，除了有效的7个城市以外，还有3个城市效率达到了0.8以上，效率在0.6～0.8的城市有12个，另外8个城市则是在0.4～0.8范围内；城市的规模效率方面，大多数省会城市的数值较高，达到0.8的城市多达18个，其中5个城市在0.6～0.8范围之内，另外有7个城市在0.6之下，且最低值为0.255，整体差距相比于技术效率较大；从规模报酬方面来看，综合效率有效的4个城市及郑州市的规模报酬不变，长沙市处于规模报酬递减阶段，其余城市的规模报酬均处于递增阶段。

2.2 中国省会城市展览业效率的区域差异

本文研究对象是除拉萨外的30个省会城市，对于各个区域的综合效率及分解效率的计算，将各个区域视作1，计算得出各区域效率的平均值(结果如下表2)。

结果表明，综合效率方面，华南地区的综合效率平均值最高，为0.712，西北地区的均值最低，为0.487，而东北、华东、华北、西南、华中5个地区的综合效率相差较小。各个区域的纯技术效率和规模效率存在差异，纯技术效率的最高平均值是西北地区0.869，说明西北地区城市在展览业发展过程中，从投入到产出的转化能力略高于其他地区的城市。东北地区的规模效率均值最高，为0.929。各个区域的技术效率相对较高，且标准差较小，而规模效率则存在较大的区域差异。

表1 中国省会城市展览业综合效率及分解效率

注：drs：规模报酬递减；-：规模报酬不变；irs：规模报酬递增。

数据来源：作者计算。

表2 中国省会城市展览业效率的区域比较

数据来源：作者计算。

2.3 中国省会城市展览业效率的空间格局

2.3.1 综合效率的空间格局

本文所选用的2013年30个省会城市中效率有效的城市共有4个，而所有省会城市综合效率的平均值为0.567，表明在给定的展览业投入的情况下，只有少数省会城市达到了产出的最大化，即大多数城市在实际产出和最佳产出之间还存在着较大的差距。30个省会城市的综合效率的标准差达到了0.227，说明各个省会城市之间的效率水平差距较大。从统计数据可知共有4个省会城市的综合效率有效，分别是广州、上海、石家庄和海口。上海位于长三角，是华东地区的会展经济发展的龙头；广州和海口位于珠三角，则是华南地区城市展览业发展的代表；石家庄是华北地区的重要城市。

不难看出，综合效率高于0.8的省会城市除了综合有效的4个城市以外，只有南京市达到了0.871，效率较高。其次是沈阳、武汉、成都、天津、长春和乌鲁木齐市，其综合效率均达到了0.6～0.799，效率较高。其余大多数城市的综合效率集中在0.4～0.599之间，分别是北京、重庆、杭州、郑州、西安、长沙、济南、合肥、贵阳、昆明、兰州和西宁等12个城市。太原、银川、呼和浩特、福州和南昌共计5个城市效率为0.2～0.399。效率最低的城市为南宁，仅为0.137。整体的空间布局没有明显的空间特征。

从区域角度比较我国省会城市综合效率的规律，由数据结果可知，华南地区综合效率最高，西北地区的综合效率最弱，证明投入相比于产出的最优值，仍有较大的差距。东北、华东和西南地区的综合效率平均值差距较小，但是华东地区的标准差较大，可见该区域内的省会城市效率差距相对于其他两个地区较大。同时，华南地区的综合效率的标准差最大，此区域内的省会城市综合效率差距较大，而在西南地区的各个城市展览业发展的综合效率差距较小。

2.3.2 规模效率的空间格局

30个省会城市样本中规模效率达到有效的有4个，其均值为0.776，标准差达到了0.239，可见各个省会城市之间的规模效率差距仍然较大。有效率达到0.8的城市共有14个，占据较大比例，分别为哈尔滨、长春、沈阳、北京、西安、成都、重庆、武汉、郑州、长沙、合肥、济南、南京和杭州，这些城市大都经济比较发达，展览业比较繁荣，规模效率接近有效；处于0.6～0.799范围内的城市有乌鲁木齐、天津、昆明、太原和贵阳5个城市，这5个城市展览业相对于之前的14个城市规模效率较低，规模也较小；处于0.4～0.599范围的城市有西宁、兰州、福州和呼和浩特4个城市，除福州外，其余3个城市皆处于内陆地区，规模效率最低的城市是南宁市，南昌和银川次之。

从区域角度比较我国省会城市规模效率的规律，通过数据分析可知，东北地区的城市展览业规模效率平均值最高，华东地区次之，西北最差，西北城市的规模效率相比于东北，差距不小。东北地区规模效率的标准差最小，该地区各个城市展览业规模比较相近，且水平较高。华中地区展览业规模效率的标准差最大，表明其中4个城市的规模效率差距较大。

2.3.3 技术效率的空间格局

30个城市的纯技术效率有效的城市达到了7个，相比于综合效率有效的城市，这个类型的城市增加了兰州市、乌鲁木齐市和银川市，平均值为0.734，标准差为0.181，可见各个城市的技术效率仍存在较大差异，但相比于规模效率差距较小。具有较高技术效率的城市分布较广，有广州和上海这样的大型城市，也有银川和兰州这样的内陆城市，抑或是乌鲁木齐和海口这些与其他国家相邻的城市。从整体技术效率的空间布局可以看出，处于0.8～0.999范围内的城市有南京、天津和呼和浩特，这3个城市的技术效率接近有效；处于0.6～0.799范围的城市最多共计有12个，分别是成都、沈阳、西安、长沙、长春、武汉、贵阳、福州、昆明、太原、南昌和西宁；其余的8个城市都处于0.4～0.599的范围内，相比于综合效率，技术效率的有效性较高。

从区域角度分析我国省会城市的技术效率，在7个区域中，展览业技术效率平均值最高的是西北地区，其次是华南地区，东北最低。各个区域技术效率的标准差，最小的是西南地区，其次为华中地区，差异最大的是华南地区，可见华南地区海口、广州和南宁3个城市的技术效率差异较大。

2.4 中国省会城市展览业效率的综合分析

根据DEA测算方法，当规模收益非递增条件下效率等于规模收益不变条件下效率时，城市展览业生产处于规模收益递增阶段；反之则处于规模收益递减阶段，进一步增加要素投入将导致资源冗余，从而阻碍城市展览业效率的提高[15]。根据DEA效率原理，总效率由规模效率和纯技术效率构成，且总效率=规模效率×纯技术效率，这3个要素必然是相互影响和制约的。

从测算的中国省会城市的综合效率来看，综合效率平均值为0.567，有16个城市低于这个平均值，占总城市数的53.3%，大多数城市没有达到产出最大化。由平均值可以看出，城市展览业发展中，仅46.7%的投入资源实现了效率，其余53.3%无效率。即使减少现有投入资源规模的53.3%，城市仍可通过加强资源利用来获得相应的产出。显然我国现在处于一个展览业发展对资源利用程度较低的阶段，仍存在着较大的浪费。以区域比较，华南地区的综合效率最高，东北次之。分析可知，区域展览业的综合效率与其经济发展水平密切相关，东部地区省会城市展览业效率较高，中西部地区较低。

从投入产出关系来看，由于中西部的经济发展易受社会基础设施和社会环境的影响，展览业只是其中的一种资金投入方式，其社会基础设施的投入受到各项产业分割，展现出高投入低产出的现象。东部地区展览业发展较早，基础设施建设较完善，大量经济投入的是较单纯的经营性项目。本文认为：展览业的区域性差异是导致很多城市效率低甚至无效的根本原因。

从发展阶段来看，大部分城市展览业发展尚处于规模收益递增阶段，存在较大的需求缺口，无论何种类型资源投入都可以被城市展览业生产所消化，各个城市的纯技术效率差距较小。但是各个城市的规模效率显示出较大差异性，并且规模区域要素受到其经济发展水平的影响，经济发展较快的城市往往具有较大的规模要素投入，反之则规模要素的投入比较小。由此可见，我国区域经济发展的不平衡性形成了城市规模要素的投入差异，进一步导致了我国各省会城市规模效率偏低、差距较大的现状。

3 结论与讨论

改革开放30多年以来，城市一直都是我国经济的关键生产单元，但是学术研究鲜有以城市为单元的展览业效率的评价和研究，本文选用了效率评价的DEA方法，对我国的30个省会城市的展览业效率进行研究。研究表明，我国的很多省会城市的发展效率仍处于较低的发展水平，只有少数省会城市资源利用有效率。从发展阶段上来看，大多数省会城市的展览业发展仍处于规模收益递增的阶段，需要扩大规模，以获得更高的收益。只有长沙市处于规模收益递减的阶段，需要缩小规模以获得更高的收益。另外，因为城市经济水平的差异是城市区域差异的根本原因，从区域的视角来看，规模效率是影响城市展览业发展的重要原因。因此，本文认为，现阶段城市应扩大展览业规模以提升效率，尤其应加大中西部地区的基础设施建设力度，并且在城市建设中，有意识地增加展览业相关的建设，同时吸纳高素质的展览业从业人才，增加从业人数的同时提升服务质量。

在进行区域特征分析时发现，将所有省会城市视为同等比重进行计算的研究方式较为宽泛，可在今后的研究中将北京、上海等一线城市，南京、杭州等二线城市与银川、海口等三线城市进行划分后归类分析，降低经济水平差异的影响，以期发掘更深层的影响因素。本文对城市展览业效率的研究属于静态分析，可考虑进行动态测度，分析各城市的展览业效率在时间上的变化特征，发现变化规律及作用原理，进而利用其规律，提升城市展览业效率。

注释

①数据来源：中国展览年鉴编委会.中国展览年鉴2014[M]. 北京：中国民族摄影出版社， 2015.

[1] MANKIW N G. Principles of economics [M]. LIANG X M，trans.Beijing： China Machine Press，2003.[N.格里高利·曼昆. 经济学原理[M]. 梁小民，译. 北京： 机械工业出版社，2003.]

[2] ZHOU Y X. The relationship between urban industrial output level and urban scale in China[J].Economic research journal，1988(5)：74-79.[周一星. 中国城市工业产出水平与城市规模的关系[J]. 经济研究，1988(5)：74-79.]

[3] LEWIN A Y， MINTON J W. Determining organizational effectiveness： another look， and an agenda for research[J]. Management science， 1986， 32(5)：514-538.

[4] MOREY R C， DITTMAN D A. Evaluating a hotel GM’s performance： a case study in benchmarking[J]. Cornell hotel & restaurant administration quarterly， 2003， 44(5)：53-59.

[5] KAO M C， LIN C Y， LAI M C， et al. Exploring the efficiency of international tourism development in an emerging market[J]. African journal of business management， 2011， 5(17)：7526-7532.

[6] ALZUA-SORZABAL A， ZURUTUZA M， REBN F， et al. Obtaining the efficiency of tourism destination website based on data envelopment analysis[J]. Procedia-social and behavioral sciences， 2015， 175：58-65.

[7] MA X L， BAO J G. Study on the evolution of Chinese primary cities’ tourism efficiency influence factors[J]. Economic geography， 2009， 29(7)：1203-1208.[马晓龙， 保继刚. 中国主要城市旅游效率影响因素的演化[J]. 经济地理， 2009， 29(7)：1203-1208.]

[8] MA X L， BAO J G. An evaluation on the efficiency of Chinese primary tourism cites based on the data envelopment analysis[J]. Resource science， 2010， 32(1)：88-97.[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)：88-97.]

[9] BERGER A N， MESTER L J. Inside the black box： what explains differences in the efficiencies of financial institutions?[J].Journal of banking & finance，1997，21(7)：895-947.

[10] BERGER A N， MESTER L J. Efficiency and productivity change in the U.S. commercial banking industry： a comparison of the 1980s and 1990s[D]. Philadelphia：University of Pennsylvania， 1997.

[11] WEI Q L. The DEA method for evaluating relative effectiveness：a new field of operations research [M]. Beijing： China Renmin University Press，1988. [魏权龄. 评价相对有效性的DEA方法：运筹学的新领域[M]. 北京： 中国人民大学出版社，1988.]

[12] ZHANG M F. The meaning of sustainable development of knowledge economy[J].Journal of socialist theory guide， 2000(3)： 24-26. [张淼丰.知识经济的可持续发展涵义[J].理论导刊，2000(3)：24-26.]

[13] WU Y H， LIU X H， GUO J P. Quantitative methods in economic management [M].Beijing：Economic Science Press，2008.[吴育华， 刘喜华， 郭均鹏. 经济管理中的数量方法[M]. 北京：经济科学出版社， 2008.]

[14] ZHANG J R， GUO Y H. The relationship between the number of factors and DEA efficiency[J].Systems engineering-theory methodology applications， 2004， 13(6)：520-523. [张俊容， 郭耀煌.评价指标与DEA有效的关系[J].系统管理学报，2004，13(6)：520-523.]

[15] FARRELL R， GROSSKOPF S，LOVELL C A K. Production frontiers[M]. Cambridge： Cambridge University Press，2008.