全域旅游视角下海南省旅游产业绩效评价①

陈松 惠青

摘 要：本文以2009—2016年海南省11个市县的面板数据为样本，使用DEA-Malmquist生产力指数方法对海南省旅游业的动态效率进行评价，并将全要素生产率进行分解，探究导致全要素生产率发生变化的原因。结果表明，海南旅游业全要素生产率的变化受到技术效率和技术进步的共同作用。

关键词：全域旅游 产业绩效 DEA-Malmquist

中图分类号：F592 文献标识码：A 文章编号：2096-0298（2018）10（a）-054-04

海南省是我国唯一的热带岛屿省份，资源丰富、特色鲜明。国家旅游局编制的《中国旅游业发展“十五”计划和2015、2020年远景目标纲要》中认为，在我国旅游业发展的总体格局中，海南是惟一具备条件建成热带海岛海滨旅游度假胜地的地区。

近年来，支持海南旅游业发展的文件《国务院关于推进海南国际旅游岛建设发展的若干意见》《海南国际旅游岛建设发展规划纲要》《海南省“十二五”规划纲要》《海南省“十三五”规划纲要》等陆续出台，旅游业被确定为海南省重点支持发展的12大产业之一。2016年全国旅游工作会议期间，国家旅游局确定将海南作为首个全域旅游创建省。2017年12月出台的《海南省旅游发展总体规划（2017—2030）》确定了海南旅游发展目标，至2020年，基本建成国际旅游岛，创建全域旅游示范省；至2025年，建成世界一流的海岛休闲度假旅游胜地，全面发展海洋旅游、康养旅游、会展旅游等旅游产品；至2030年，建成世界一流的国际旅游目的地，形成全域联动的旅游发展格局。

在海南全岛建设自由贸易试验区、推进中国特色自由贸易港的建设背景下，海南旅游业必将迎来新的发展契机，全面激活《2017年政府工作报告》中提出的全域旅游、休闲农业、健康产业等发展热点。

综上所述，对旅游产业绩效的研究在海南从旅游资源大省向旅游强省迈进的过程中具有不可替代的作用，它对于旅游产业发展思路的转变，推动区域旅游一体化，促使旅游产业从重数量向重数量更重质量的增长方式转变同样具有重要意义。

1 理论综述

近年来，随着我国经济的增长和国民收入水平的提高，旅游业已经成为我国国民经济中发展速度最快并具有明显国际竞争优势的产业之一，旅游业的效率问题越来越受到人们的关注。在国外的相关研究中，数据包络分析（DEA）模型应用于旅游业始于上个世纪九十年代，主要集中在酒店效率、旅行社效率等企业效率评价层面，对区域旅游效率的研究较少。例如：Morey和Dittman[1]利用DEA模型对1993年美国54家连锁酒店的效率进行评价，结果显示美国酒店业的效率普遍较高。在国内的相关研究中，张根水等[2]较早利用DEA模型对2001年我国31个省级区域的旅游业总体效率进行比较研究，结果表明东部地区效率最高，西部地区效率次之，中部地区效率最低；除北京、上海、广东、吉林和辽宁之外，其余地区均处于规模收益递增阶段，通过扩大规模可促进旅游业的发展。金春雨等[3]基于三阶段DEA模型对剔除环境因素和随机因素影响后的2007—2009年我国31个省级区域的旅游业效率进行研究，结果表明各省级区域旅游业纯技术效率差异较小，规模效率差异较大；东部地区的北京、上海、江苏、浙江和广东的技术效率较高，规模效率是制约中西部地区旅游业效率的瓶颈。梁亚红等[4]基于DEA模型对2007—2014年河南省18地市的旅游业效率进行研究，结果表明河南省旅游业发展总效率在地域上呈现高中低阶梯状特征，地区差异明显；由于技术效率和规模效率的双向制约导致河南旅游业发展的纯技术效率和规模效率空间差别明显。

通过以上研究成果可以看出，近年来利用DEA模型对区域旅游业投入产出效率进行的研究还是比较少的，其中利用DEAMalmquist指数方法进行研究的论文只有3篇。龚艳等[5]利用超效率DEA模型和Malmquist指数模型研究了2001—2012年江苏省13个城市旅游业发展的静态效率和动态效率，结果表明各市旅游业呈现出显著的地区差异，旅游业效率的增长主要来自于技术进步而不是规模效率。李军等[6]基于DEA-Malmquist方法对2011—2015年我国16个智慧旅游试点城市的旅游业效率进行静态和动态的实证分析，分析结果表明技术效率在旅游业发展过程中表现不稳定，受规模效率和纯技术效率影响较大；全要素生产率和技术进步呈现无效率，表明技术进步是智慧旅游城市旅游业发展的关键。罗旋[7]运用DEA模型和Malmquist指数法对新疆各地州（市）旅游业生产效率的特征进行了研究并提出相关建议。本文将以海南旅游业为背景，利用DEA-Malmquist指数方法，基于2010—2017年的面板数据，对海南旅游业的动态效率进行评价，并对其影响因素进行分析，旨在为海南旅游业的发展提供一些有益的参考。

2 模型選择

本文采用基于DEA模型的Malmquist指数方法，来分析海南旅游业的动态效率。

Malmquist生产率指数是基于DEA模型提出的，利用距离函数来描述多个输入变量和多个输入变量之间的投入产出效率。本文运用Fare等[8]提出的基于产出的Malmquist生产率指数进行分析，基于t和t+1期参照技术的Malmquist生产率指数分别为：

3 变量选择与数据来源

海南省辖4个地级市、5个县级市、4个县、6个自治县，根据数据的可得性，本文选取2009—2016年11个市县的面板数据作为样本，DMU个数为11，时期数为8，数据主要来自于《中国旅游统计年鉴》（2010—2017）、《海南省统计年鉴》（2010—2017）、《国民经济和社会发展统计公报》（2010—2017）等，数据具有较强的客观性和权威性。

在投入指标方面，本文从劳动和资本两个方面确定投入变量。在劳动投入方面，旅游业从业人数是比较理想的指标，但相关统计资料中只有住宿和餐饮业从业人数，在海南“旅游+”的产业发展思路下，海洋旅游、康养旅游、会展旅游等产品将带动多个产业联动发展，因此，用住宿和餐饮业从业人数替代旅游业从业人数是不合适的，本文选取第三产业的从业人数（万人）作为替代指标。在资本投入方面，本文选择A级以上和重点景区数量（个）、星级饭店数量（个）作为投入变量。

在产出指标方面，本文选择旅游总收入（万元）和国内外过夜游客人数（人次）作为产出变量。

4 实证分析

4.1 海南省旅游业动态效率研究

本文使用Deap2.1软件进行分析，采用产出导向型的方法得到结果。

4.1.1 海南省旅游业全要素生产率变动分析

海南省旅游业全要素生产率变动及其分解情况如表1所示。数据分析结果表明，2009—2016年海南省旅游业全要素生产率（tfp）的动态变化均值为1.115，总体呈现上升趋势。其中，2009—2010年、2012—2016年海南省旅游业全要素生产率呈现连续上升趋势， 2010—2012年呈现下降趋势。根据Malmquist生产力指数，本文将全要素生产率变动分解为技术效率变动（effch）和技术变动（techch），其中技术效率变动又可进一步分解为纯技术效率变动（pech）和规律效率变动（sech），由此来分析各年度全要素生产率变动及其来源。

（1）2009—2010年海南省旅游业全要素生产率呈现上升趋势，上升幅度为11.6%，技术效率和技术进步共同推动了全要素生产率的上升，其中技术效率起主要的推动作用。

（2）2010—2011年、2011—2012年海南省旅游业全要素生产率呈现下降趋势，下降幅度分别为3.2%和6.5%。其中，2010—2011年全要素生产率下降主要由技术进步引起，技术进步下降幅度为2.4%。2011—2012年全要素生产率下降由技术效率和技术进步共同作用，技术效率下降幅度为5.5%，技术进步下降幅度为0.5%，技术效率变动主要是由规模效率下降引起，说明2011—2012年间海南省旅游业处于规模效率递减阶段。

（3）2012—2013年、2013—2014年、2014—2015年、2015—2016年海南省旅游业全要素生产率呈现持续上升趋势，上升幅度分别为6.9%、12.3%、26.9%、32.8%。2012—2013年全要素生产率上升主要由技术效率变动引起，技术效率上升幅度为10.9%，规模效率变动对技术效率的提升有着推动作用，说明在此期间海南省旅游业处于规模报酬递增阶段。2013—2014年全要素生产率上升由技术效率和技术进步共同作用，其中技术效率起主要作用。2014—2015年全要素生产率上升主要由技术进步引起，技术进步变动幅度为31.1%，技术效率起到阻碍作用。2015—2016年全要素生产率上升由技术效率和技术进步共同作用，其中技术进步起主要作用。

综上所述，2009—2016年海南省全要素生产率变动受到技术效率和技术进步的共同作用。其中，2009—2010年、2011—2012年、2012—2013年、2013—2014年全要素生产率的变动主要受到技术效率的影响，而技术效率和规模效率的变动呈现出很强的一致性，表明技术效率主要受到规模效率的影响。2009—2010年、2012—2013年、2013—2014年，海南省旅游业处于规模报酬递增阶段，使得全要素生产率呈现上升趋势。2011—2012年海南省旅游业处于规模报酬递减阶段，分析原因可能是2010年国务院发布《国务院关于推进海南国际旅游岛建设发展的若干意见》，使得旅游产业投入加大但效果并未立刻显现。2010—2011年、2014—2015年、2015—2016年全要素生产率的变动主要受到技术进步变动的影响。2010—2011年技术进步变动比例下降，分析原因可能是在此期间我国电子商务发展迅速，但旅游业网络化发展刚刚起步，技术进步对旅游业的推动作用还未显现。2014—2015年、2015—2016年技术进步变动比例上升，得益于旅游电子商务和智慧旅游的大力发展。

4.1.2 海南省11个市县旅游业全要素生产率变动分析

海南省11个市县旅游业全要素生产率变动及其分解情况如表2所示。数据分析结果表明，除临高县外，其余10个市县的全要素生产率均大于1，全要素生产率的增长主要来自于技术进步。《海南国际旅游岛建设发展规划纲要（2010—2020）》 提出建設“无线海南”，实现宽带无线网络全覆盖；积极推进“物联网”、云计算等新技术的深入应用；加快建设旅游电子政务，发展旅游电子商务。这些政策都凸显了技术进步对旅游业的推动作用。临高县全要素生产率小于1，主要是受技术效率变动的影响，纯技术效率和规模效率都起到了阻碍作用，说明临高县旅游业投入资源的利用率较低，同时处于规模报酬递减阶段。

4.2 海南省旅游业动态效率分类研究

利用SPSS17.0对海南省11个市县旅游业效率Malmquist生产力指数进行聚类分析，将11个市县分为三类：高效率地区、效率均衡地区和低效率地区。分析结果如下：第一类包含文昌市、陵水县和琼海市3个市县，第二类包含三亚市、儋州市、海口市、昌江县和五指山市5个市县，第三类包含保亭县、万宁市和临高县3个市县。表3为三类地区旅游业效率Malmquist生产力指数均值。

5 结语

本文以2009—2016年海南省11个市县的面板数据为样本，使用DEA-Malmquist生产力指数方法对旅游业的全要素生产率进行了测算，进而对海南省旅游业的动态效率进行评价，并将全要素生产率进行分解，探究导致全要素生产率发生变化的原因，得到以下结论。

（1）从海南省旅游业的整体状况来看，2009—2016年全要素生产率受到技术效率和技术进步的共同作用。其中，2009—2010年、2011—2012年、2012—2013年、2013—2014年全要素生产率的变动主要受到技术效率的影响，而技术效率又主要受到规模效率的推动。2010—2011年、2014—2015年、2015—2016年全要素生产率的变动主要受到技术进步的影响。

（2）从海南省11个市县旅游业的发展状况来看，除临高县外，其余10个市县的全要素生产率均大于1，全要素生产率的增长主要来自于技术进步。临高县的全要素生产率小于1，主要是受技术效率变动的影响，纯技术效率和规模效率都起到了阻碍作用，说明临高县旅游业投入资源的利用率较低，同时处于规模报酬递减阶段。

（3）通过对海南省11个市县旅游业效率的Malmquist指数进行聚类分析得到，高效率地区包括文昌市、陵水县和琼海市3个市县，效率均衡地区包括三亚市、儋州市、海口市、昌江县和五指山市5个市县，低效率地区包括保亭县、万宁市和临高县3个市县。

参考文献

[1] Morey R C，Dittman D A.Evaluating a hotel GMs performance： a case in benchmarking[J].Comell Hotel Restaurant and Administration Quarterly，1995，36（5）.

[2] 张根水，熊伯坚，程理民.基于DEA理论的地区旅游业效率评价[J].商业研究，2006（1）.

[3] 金春雨，程浩，宋广蕊.基于三阶段DEA模型的我国区域旅游业效率评价[J].旅游学刊，2012（11）.

[4] 梁亚红，付琦.基于DEA的河南省旅游业发展效率特征及时空演化研究[J].河南科学，2016（8）.

[5] 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（4）.

[6] 李军，汪鹤飞，魏玲艳.基于DEA-Malmquist方法的智慧旅游城市旅游业效率评价研究[J].数学的实践与认识，2017（6）.

[7] 罗旋.基于DEA和Malmquist指数对新疆各地州（市）旅游业效率评价研究[J].新疆教育学院学报，2018（3）.

[8] Fare，R1，Grosskopf，S1，Norris，M1，and Zhang， Z1，Productivity Growth，Technical Progress， and Efficiency Change in Industrialized Countries[J]. American Economic Review，1994.

①基金項目：海南省教育厅2017年度高等学校科学研究项目“全域旅游视角下海南省旅游产业绩效及影响因素研究”（Hnky2017-70）。

作者简介：陈松（1981-），男，安徽东至人，副教授，硕士，主要从事农产品供应链及食品安全、营销管理方面的研究；惠青（1980-），女，陕西西安人，副教授，硕士，主要从事知识管理、物流管理、技术创新方面的研究（通讯作者）。