海南省少数民族地区旅游扶贫效率测度与时空演化分析

鄢慧丽，王 强，熊 浩，徐 帆

(1.海南大学 旅游学院，海南 海口 570228; 2.海南大学 经济与管理学院，海南 海口 570228)

一、引言

贫困问题关系到社会稳定、民生福祉，是世界各国必须直面的棘手问题，中国也不例外。“十二五”时期数据显示，通过发展旅游业，使全国10%以上贫困人口脱贫，脱贫人数达1000万人以上，取得阶段性成效[1]。2011年出台的《中国农村扶贫开发纲要(2011-2020年)》，首次将发展旅游作为贫困地区脱贫致富、改善生态、缩小城乡差距的主要手段[2]。我国少数民族主要分布于边疆、山区及高寒等产业薄弱、交通阻塞地区。但与此同时，少数民族地区旅游资源富集、历史文化底蕴深厚，凭借旅游业已有不少少数民族地区实现脱贫致富。

20世纪80年代以来，旅游扶贫成为提升经济发展和脱贫致富的重要举措，引起国内外学者的关注。Ashley提出“面向贫困人口的旅游”[3]和Sofield等[4]提出“消除贫困的可持续旅游”将旅游扶贫研究推向高潮。国外对旅游扶贫的研究较早，主要从旅游扶贫的概念界定[5]、体系构建[6]、旅游扶贫模式[7-8]、旅游扶贫效应[9-10]等方面展开研究。国内学者对旅游扶贫的研究主要集中在旅游扶贫的影响因素[11-12]、战略选择[13]、模式与机制[14]、效应[15-16]以及旅游精准扶贫[17-18]等方面。

目前对效率评价应用较广泛的方法是数据包络分析法(DEA模型)。国内外学者对旅游相关领域效率的研究主要侧重于两方面：其一是研究方法的完善，由于传统DEA模型忽略了环境因素与随机因素对测量结果的干扰，随着研究的深入，学者们致力于探索更为精确的测量方法，于是由传统的DEA模型[19-20]修正为二阶段DEA模型[21]，甚至三阶段DEA模型[22-23]；其二是研究内容的细化，主要集中于旅游企业[24]、旅游目的地[25-26]、旅游城市[27-28]、旅游景区[29]、旅游资源[30]、酒店经营[31]、旅游交通[32-33]等方面效率的研究。

早期学者对旅游产业及相关领域效率的研究以实证研究为主，基于效率测算和宏观描述来探究影响因素，鲜有关注旅游效率演化规律的成果。近些年，部分学者从地理空间角度，解读旅游产业及相关行业效率演化的空间规律，进而反映旅游效率变化之下的空间影响。旅游效率空间结构的研究对象涉及省域[34]、市域[35]、经济带[36]、城市群[37]、风景区[38]等诸多方面，使得旅游研究体系更为完善。

总体看来，国内外学者运用多种方法，从不同的视角对旅游扶贫进行研究，但对旅游扶贫效率的研究鲜有涉及。2010年国际旅游岛建设以来，海南省旅游收入占 GDP 比重逐年上升，从2010年的12.48%增长到2016年的16.42%[39]。此外，“十二五”期间，海南省通过旅游扶贫，使当地贫困人口从82.9万人减少到47.7万人[39]。基于此，本文运用三阶段DEA模型，以海南省少数民族地区为例，对其2010-2016年旅游扶贫效率进行分析，并运用ArcGIS10.0对其时空演化特征进行分析，并提出相应的建议，藉此为海南省少数民族地区旅游扶贫项目高效持续发展提供有益借鉴。

二、研究设计

(一)研究方法

Fried等(2002年)提出三阶段DEA模型，与传统DEA模型相比，剔除了环境因素与随机因素的干扰，能够更加精确地评估DMU效率[40]。

1.第一阶段：传统DEA 模型

美国运筹学家Charnes等最早提出DEA模型，用于测度固定规模报酬下决策单元的相对有效性，被称为CCR模型[41]。随后，Banker等提出可变规模报酬模型(即BCC模型)，将CCR模型中的综合技术效率分解为纯技术效率和规模效率，剔除了经营规模因素的纯技术效率更能准确反映DMU的经营管理水平[42]。DEA模型分为投入导向型(在产出水平一定的条件下，投入最小化)和产出导向型两种模型(在投入水平一定的条件下，产出最大化)，本文第一阶段选择投入导向型DEA模型(即BCC模型)对海南省少数民族地区旅游扶贫效率进行评价。鉴于传统DEA模型用于测度旅游产业效率已经非常成熟，本文不再赘述BCC模型原理[43]。

2.第二阶段：相似SFA模型

Fried等认为，传统DEA模型(第一阶段DEA模型)分析会受环境因素与随机因素的影响。通过相似SFA模型可以测出干扰因素对效率的影响程度。本文以投入导向BCC模型为例，梳理SFA模型构建过程，构建SFA回归方程[24]：

Sni=fn(zi+βn)+vni+uni

(1)

式中：n=1,2，，N；i=1,2，，I。Sni即为第i个DMU第n项投入的松弛变量，zi=(z1i，z2i，，zki)为环境变量，fn(zi+βn)表示环境变量对投入差额值Sni的影响。一般取fn(zi+βn)=ziβn；vni+uni为混合误差项，假设vni～N(0,∂2vn)，表示随机因素影响，uni≥0反映管理无效率。利用回归结果对决策单元投入项进行调整，剔除环境因素或随机因素的影响。基于有效的决策单元，以其投入量为基准，对其他各DMU投入量调整如下：

(2)

3.第三阶段：调整后的DEA模型

将第二阶段调整后的投入数据作为新的投入数据，产出数据保持不变，再次运用BCC模型对海南省少数民族地区旅游扶贫效率进行评价，得到的各个DMU效率值能更准确反映真实状况。

(二)指标选取

海南省是一个少数民族人口较多的省份。2016年底海南常住人口917.13万人，其中少数民族人口 164. 17万人，占总人口的17.9%[注]数据来源：海南省统计局：http://www.stats.hainan.gov.cn/。第六次人口普查中国大陆31个省、自治区、直辖市人口中，少数民族人口占总人口的8.49%[44]。本文选取海南省少数民族人口占比大于全国少数民族占比的市县作为研究对象。通过梳理2010-2017年《海南省统计年鉴》数据，计算其少数民族人口占比均值可知，五指山市少数民族人口占比最大为70.1%，临高县占比最小为0.2%，其中三亚市、五指山市等12个市县的少数民族人口占比超过8.49%(如表1所示)。此外，本文选取的12个少数民族市县中有5个国家级贫困市县(包括五指山市、临高县、白沙县、保亭县、琼中县)，涉及300个贫困村，47. 4万贫困人口。因此，本文将这12个市县作为研究典型区域(如图1所示)。

表1 海南省少数民族人口分布情况

图1 海南省少数民族分布图

考虑到数据的可获取性及运用DEA模型测算旅游效率的前期研究成果[21-23]，以及龙祖坤等对武陵山区旅游扶贫效率的研究成果[45]，构建了海南省少数民族地区旅游扶贫效率测算指标体系，如表2所示。

表2 旅游扶贫效率测算指标体系

投入指标用于衡量旅游业自身发展状况，旅游综合收入可以反映少数民族地区旅游业发展成效及潜力，而接待游客数量可以说明对周边产业的带动效应。考虑到指标间的匹配度，本文选取人均旅游综合收入和人均接待游客量作为投入指标。目前国家政策中强调的精准扶贫、精准脱贫，主要针对的是农村居民，不涵盖城市居民。因此，产出指标选取能够反映农村居民经济收入及生活状态改善程度的农村居民人均纯收入作为衡量指标。

环境变量选取是否恰当，将决定三阶段DEA模型中不可控变量的剔除。基于此，通过研究国家出台的旅游扶贫相关政策，确立本研究的环境变量为出游便利度和政府支持。其中，出游便利度直接决定游客是否会选择该偏远地区作为出游目的地，本研究选取公路网络密度(由各市县公路里程及铁路里程相加之后除以各市县面积)作为出游便利度的衡量指标。海南省少数民族贫困地区依靠发展旅游脱贫是在当地政府主导下，通过特定的帮扶政策改善贫困地区旅游业发展状况。旅游业投资可以反映该地区对旅游业发展重视程度，由于旅游业投资指标难以直接获得，为此本文选择第三产业投资占固定资产投资的比重作为当地政府对贫困地区旅游业发展影响的变量。本文选取投入产出指标共计3个，DMU数量为12，满足DEA模型中DMU数量应为指标总数两倍以上的条件。

为了确保投入-产出指标的相关性，本文运用SPSS20.0软件对其进行了Pearson相关性检验(如表3所示)。由表3可知，各市县投入产出指标均值的相关系数均为正值，并均在1%水平下通过检验，表明该投入产出指标体系符合模型的运算原则。

表3 投入产出均值的Pearson相关系数

注：**表示P值在0.01水平上显著相关。

(三)数据来源

本文所需数据均来源于2011-2017年《海南省统计年鉴》以及本文所涵盖的12市县2010-2016年国民经济和社会发展统计公报，个别缺失数据根据前后年份数据加权平均获得。为了消除价格因素，对相关指标以2010年为基期，进行了不变价处理。

三、结果与分析

(一)第一阶段传统DEA实证分析

运用DEA-Solver Pro5.0对海南省少数民族地区2010-2016年旅游扶贫效率及其规模报酬状态进行分析，结果如表4所示。

表4 旅游扶贫效率剔除环境因素与随机因素前后的测算结果

注：Crste 为综合效率值，Vrste为纯技术效率值， Scale为规模效率值，Crste=Vrste*Scale。irs为规模报酬递增；drs为规模报酬递减； -为规模报酬不变。

在不剔除环境因素和随机因素的情况下，2010年海南省少数民族地区旅游扶贫的综合效率均值为0.652，处于中等水平，且超过半数市县处于规模报酬递增状态。其中，海南省少数民族地区呈现DEA有效的仅有儋州市，说明在旅游扶贫项目实施过程中，旅游业对儋州市经济的拉动及其资源配置是有效的。此外，三亚市、万宁市、屯昌县、儋州市和乐东县处于技术效率前沿面，呈现DEA有效状态，其他市县旅游扶贫规模效率和纯技术效率均存在改进空间。2013年与2010年相比，海南省少数民族地区旅游扶贫综合效率均值略有增加，仅有东方市处于DEA最佳前沿面，纯技术效率呈DEA有效状态的市县在2010年基础上增加了琼中县，规模效率均值小幅增加，上升0.075，且各市县规模报酬状态基本保持不变。2016年与2013年相比，海南省少数民族地区旅游扶贫综合效率增长幅度较小，纯技术效率呈现降低态势，由2013年的0.922降低为2016年的0.897，规模效率呈上升态势，增速为7.14%。整体看来，2010-2016年间海南省少数民族地区旅游扶贫综合效率值在逐年提升，其均值由2010年的0.652增长至2016年的0.721，但仍处于中等水平。2010年12个市县中有5个市县的综合效率值低于均值水平，而2016年有7个市县综合效率值低于均值水平。这说明海南省少数民族地区旅游扶贫综合效率得益于旅游扶贫综合效率处于前沿面市县的带动，低于平均水平的市县亟待改善旅游业对经济发展的推动效应及资源配置模式。但由于环境因素和随机因素的干扰，此阶段数值并不能真实地反映旅游扶贫效率，因此需将环境因素和随进因素进行剥离。

(二)第二阶段SFA回归分析

在第一阶段DEA分析的基础上，将第一阶段各DMU投入变量的松弛变量作为因变量，将出游便利度和政府支持作为自变量，利用Frontier4.1软件进行回归分析，结果如表5所示。

表5 海南省少数民族地区旅游扶贫效率SFA回归分析结果

注：*、**、***分别表示在10%、5%、1%显著水平下显著。LR表示单边似然比检验统计量，LogL表示对数似然函数值。

由表5可知，出游便利度和政府支持对2010-2016年两种投入松弛变量的系数基本通过了显著性检验，且γ值在0.9以上，通过了0.1的显著性检验，这表明环境因素和随机因素对海南省旅游扶贫的投入冗余存在明显影响。因此，对环境因素和随机因素进行剥离非常必要。

由BCC模型可知，在产出一定的情况下，可通过削减投入冗余来提高旅游扶贫效率。当回归系数为负值时，表明该变量有利于投入冗余的减少，有助于旅游扶贫效率水平的提高；当回归系数为正值时，表明该变量将导致投入冗余的增加，阻碍旅游扶贫效率的提高。

(1)出游便利度

该变量对投入松弛变量的回归系数均为负值，均通过0.1的显著性检验，说明随着海南省环岛高铁、高速公路等基础设施的完善，交通通达性的提升，提高了出游便利度，人均旅游接待量及旅游收入随之增加，符合正常发展状况。

(2)政策扶持

该变量对投入松弛变量的回归系数为负值，大部分通过0.1的显著性检验，说明政府扶持对海南省少数民族地区旅游扶贫效率产生正向影响。随着海南省自由贸易港的建设，宽松、优惠的相关政策(包括税收)等措施将有利于受到外来资本和技术的青睐，有助于带动当地旅游业的发展，使旅游扶贫能够提升当地生活质量及经济水平。

(三)第三阶段投入调整后的DEA实证分析

将第二阶段SFA回归分析调整后的投入变量和原产出变量代入BCC模型中进行分析，利用DEA-Solver Pro5.0得到第三阶段各市县旅游扶贫效率值及规模报酬状况，如表4所示。

剔除干扰因素之后，旅游扶贫效率及规模报酬状态都出现了不同程度波动。通过对调整后的旅游扶贫效率分析可知：(1)旅游扶贫综合效率仅有三亚市下降显著，其余市县总体呈缓慢增长态势，且综合效率均值由2010年的0.635增长到2016年的0.775。海南省少数民族地区在旅游业发展过程中对资源利用效率较低，旅游产出仍有巨大潜力。其主要原因是当地旅游业发展缓慢，居民参与旅游的收益较低。尤其在农村地区，旅游业接待主要是对当地村民的日常接待，对外来游客提供的服务较少，造成旅游扶贫效率投入过剩，产出不足。(2)旅游扶贫纯技术效率整体呈较高水平，约有40%的市县处于技术前沿面，这与当前海南省对少数民族地区大力推行旅游扶贫项目是分不开的。在海南省政府主导下，少数民族地区居民参与旅游扶贫的技术利用和管理水平逐渐提升。但纯技术效率总体呈现缓慢下降趋势，究其原因可能是参与旅游扶贫项目的人员素质普遍较低，新技术与新能源利用水平有限，致使资源和能源利用效率较低。(3)旅游扶贫规模效率整体呈快速上升趋势，其规模效率均值由2010年的0.635增长至2016年的0.839。究其原因可能是随着国家对旅游扶贫的重视，有较为完善的政府保障措施，在旅游扶贫过程中，海南省政府对少数民族地区投入大量人力资源、土地及能源，使其达到较高的规模效益。(4)大部分市县规模报酬在调整后处于递增状态，可以通过增加要素投入提高旅游扶贫综合效率。(5)就各市县在剔除干扰因素前后旅游扶贫综合效率均值而言(如图2所示)，2010-2016年间屯昌县、乐东县、东方市和保亭县出现较为明显的下降，其余市县均呈上升趋势，其中增幅较大的为三亚市和万宁市。同时可知，剔除干扰因素前后差异显著，表明其对旅游扶贫效率测度结果的真实性影响显著。

图2 2010-2016年旅游扶贫综合效率平均值

通过对比剔除前后表4中2010-2016年各市县效率测算结果可知，调整前后旅游扶贫效率出现不同程度改变。(1)调整后各市县综合效率发生显著改变。2010-2016年超过一半以上市县的综合效率值调整后呈现不同程度增长，其余市县呈现一定幅度下降，其中2010年三亚市、2013年万宁市和东方市及2016年儋州市综合效率调整后处于最佳前沿面，即达到了产出最大化，说明使用传统DEA模型进行分析存在估计偏差。(2)分解效率发生明显变动。2010-2016年三亚市、万宁市和儋州市的纯技术效率在调整后变化较小，其余市县出现不同程度上升，说明调整前大部分市县纯技术效率存在低估；2010-2016年约50%的市县规模效率在调整后呈现小幅下降，说明调整前的规模效率存在高估。(3)规模报酬状态改变较小。调整后，2010年三亚市、万宁市和儋州市规模报酬发生改变，其他市县保持不变。2013年仅有万宁市由规模报酬递减转向规模报酬不变。2016年仅有东方市由规模报酬不变转向规模报酬递增。

根据DEA效率评价原理，综合效率与纯技术效率、规模效率存在相互影响与相互制约的关系。因此，本文采用散点图呈现分解效率对综合效率的贡献。将表4中剔除干扰因素的数据做出如图3所示的散点图。

由图3可知，纯技术效率散点严重偏离45°对角线(图3a)，而规模效率散点大部分集中于45°对角线(图3b)附近。由此可知，海南省少数民族地区旅游扶贫综合效率的提升主要取决于规模效率的改善。可见，海南省少数民族地区旅游扶贫应更多地依靠规模效应，凭借海南省富集的旅游资源及少数民族文化风俗，推动旅游业发展，进而拉动区内其他产业的发展，提升旅游扶贫绩效。

图3 规模效率与纯技术效率对总效率的贡献

四、时空演化分析——基于第三阶段DEA结果

(一)基于产出角度时空演化分析

海南省少数民族地区因其得天独厚的旅游资源及气候条件，使得旅游业成为当地的主导产业，旅游业的发展使少数民族地区脱贫致富成为可能。自海南省开展旅游扶贫攻坚项目以来，海南省少数民族地区经济发展取得显著提升。本文利用ArcGIS10.0，运用自然断裂法，将2010-2016年海南省少数民族地区农村居民人均纯收入变化情况呈现在地图上(如图4所示)。

由图4可知，2010-2016年农村居民人均纯收入空间分布差异显著，总体呈“南北高中间低”的格局。旅游产业的发展依赖于当地的经济发展及资源禀赋，拥有较多高级别景点的市县，通过旅游扶贫使得各市县农村居民人均纯收入实现大幅增长。2010年三亚市、儋州市和万宁市农村居民人均纯收入最多，位于第一梯度；东方市、乐东县和屯昌县位于第二梯度；昌江县、白沙县、琼中县和陵水县位于第三梯度；农村居民人均纯收入最低的是五指山市和保亭县。2016年农民人均纯收入与2010年相比，整体增长一倍以上，可见，旅游扶贫对少数民族地区的经济增长及村民生活质量提升均有一定贡献。与2010年相比，农村居民人均纯收入增幅较大的市县是位于第一梯度和第二梯度的三亚市、儋州市、万宁市和昌江县，其中昌江县农村居民人均纯收入增幅最为显著，由2010年的第三梯度升至第二梯度，其他市县农村居民人均纯收入增幅较小。此外，2016年农村居民人均纯收入最高的市县为三亚市，为13360元，最低的市县为保亭县，为9398元，差距小，收入水平低。可见，海南省少数民族农村地区发展明显不足，在实施精准扶贫政策时，应向农村地区倾斜。

(二)基于效率角度时空演化分析

本文将第三阶段DEA模型处理的结果导入到ArcGIS10.0，运用自然断裂法，把2010-2016年海南省少数民族地区旅游扶贫综合效率、纯技术效率和规模效率的演变状态呈现在地图上，如图5-7所示。

图4 2010-2016年海南省少数民族地区农村居民人均纯收入空间分布

图5 2010-2016年海南省少数民族地区旅游扶贫综合效率空间分布

图6 2010-2016年海南省少数民族地区旅游扶贫规模效率空间分布

图7 2010-2016年海南省少数民族地区旅游扶贫规模效率空间分布

1.综合效率时空演化分析

由图5可知，2010-2016年旅游扶贫综合效率差异显著。2010年旅游扶贫综合效率总体上呈现“南北高中间低”的格局，其均值为0.652，说明仅有少部分海南省少数民族地区在给定投入条件下达到产出最大化，大部分市县实际产出与最佳前沿面之间存在一定差距。在空间格局上，各梯度市县数量较为一致。三亚市、儋州市和万宁市位于第一梯度。东方市、乐东县、屯昌县和琼中县位于第二梯度，其效率值处于平均水平。处于第三梯度的是白沙县和昌江县。五指山市、保亭县和陵水县综合效率最低，其值都不足0.5，低于平均水平。2016年与2010年相比，旅游扶贫综合效率总体上呈现“北高南低”的格局，其均值上升0.14。且各梯度综合效率值都高于2010年，说明海南省少数民族地区旅游扶贫综合效率在逐年上升，旅游扶贫对当地经济拉动作用逐渐增强。陵水县旅游扶贫项目投入逐年增加，由于处于边缘地带，技术水平增速与投入要素不相匹配，导致其旅游扶贫综合效率一直处于较低水平。不难发现，2016年三亚市综合效率下降最为显著，由第一梯度下降至第四梯度。

通过图4与图5对比可知，2010-2016年基于旅游扶贫效率角度的研究结果与产出效益角度的研究结果存在一定差异，究其原因可知，产出效益是衡量产出绝对值的，而旅游扶贫效率是反映旅游业对当地经济带动效应的指标。产出效益高的市县并不代表旅游业已经发挥其拉动当地经济的功效。反之，旅游业对当地经济实现有效推动的市县，受到其他因素的影响，致使其产出效益并不高。最佳模式应该是在保持高效益的情况下追求更高的效率。由此可知，2016年的三亚市产出效益与旅游扶贫效率差距甚大，主要原因是三亚市旅游业发展使其旅游总收入逐年增加，但其没有带动当地农村居民经济收入的提升，造成城乡贫富差距拉大，同时农村地区旅游扶贫项目没有得到足够重视，资源要素投入不足，导致三亚市旅游扶贫效率降低。

2.规模效率时空演化分析

从图6可以看出，2010-2016年旅游扶贫规模效率变化明显。2010年旅游扶贫规模效率均值达到0.635。在空间分布上，规模效率空间格局与综合效率空间格局极为相似。位于第一梯度的市县为三亚市、儋州市和万宁市，第二梯度的是东方市、乐东县、琼中县和屯昌县，以上市县旅游扶贫规模效率值基本高于平均水平，旅游扶贫规模效率较低市县包括五指山市(0.402)和保亭县(0.317)。2016年旅游扶贫规模效率与2010年相比，规模效率均值上升0.204。2016年东方市晋升为第一梯度，三亚市下降最为显著，由第一梯度降至第四梯度，其规模效率值为0.661，似乎与人们的直观印象不相符。三亚市作为全国著名的滨海旅游胜地，旅游业发展势头强劲，但对三亚市少数民族地区贫困问题的解决没有得到应有的重视，旅游扶贫项目建设要素投入不足，目前急需引入资本、扩大旅游扶贫总量，提升规模效益。 整体看来，海南省少数民族地区旅游扶贫规模效率呈现逐年增加的趋势，差距在逐渐缩小。从区域发展角度来看，早期多数市县旅游规模投入与技术提升不相匹配，随着旅游扶贫项目投入力度增加，对当地旅游发展支持能力提高，多数市县旅游扶贫项目惠民绩效得到肯定。

3.纯技术效率时空演化分析

由图7可知，旅游扶贫纯技术效率呈上升态势，但与规模效率及综合效率格局并不相同，在数值上普遍高于同一市县同时期的综合效率及规模效率值。具体来说，2010年旅游扶贫纯技术效率差异较小，且技术有效区域范围较广，表明海南省开展旅游扶贫项目以来，少数民族地区在政府指导下逐渐提高资源及能源利用水平。2010年旅游扶贫纯技术效率处于第一梯度的市县为9个，均值达到 0.985，占市县总数的75%，这些市县处于DEA最佳生产前沿面，呈现DEA有效状态。万宁市位于第二梯度，五指山市位于第三梯度，陵水县旅游扶贫纯技术效率值最低。2016年旅游扶贫纯技术效率空间分布于2010年相比空间分布差异较大，其纯技术效率呈缓慢下降趋势。位于第一梯度三亚市、万宁市和儋州市，仍处于技术效率前沿面，其余市县出现了不同程度的下降。其中，保亭县纯技术效率与2010年相比下降幅度较大，其值由1下降为0.759，与2016年其他市县纯技术效率值相比最小，导致其由第一梯度下滑至第四梯度，说明保亭县旅游扶贫的资源和技术利用水平及创新能力有待提高。万宁市纯技术效率与2010年相比变化较大，由0.992增长值1，呈DEA有效状态。

综上，通过对海南省少数民族地区旅游扶贫效率时空演变特征分析可知，三亚市和儋州市旅游扶贫纯技术效率一直保持有效状态，但三亚市综合效率的降低受到规模效率的制约，儋州市综合效率的提高主要在于规模效率的驱动。万宁市旅游扶贫综合效率的改善是纯技术效率和规模效率共同提升的结果，其他市县旅游扶贫综合效率的提高主要在于规模效率增长幅度大于纯技术效率降低幅度。究其原因在于：儋州市和万宁市开展旅游扶贫项目较早，建立了“企业+农民+政府+金融机构”的发展模式，旅游规模迅猛增长，在海南省产生了巨大的“标杆效应”，其旅游扶贫综合效率的提高很大程度上依靠于旅游规模效益。而随着海南国际旅游岛旅游产业的快速发展，三亚市技术水平持续提高，使其达到最佳前沿面，而资源要素投入不足，使得旅游扶贫综合效率在逐渐降低，而三亚市旅游扶贫规模报酬处于递增阶段，拥有较大的投入回报空间，在今后的发展中，需要加大要素资本投入，来提升三亚市旅游扶贫综合效率。其余市县旅游扶贫规模效率高、纯技术效率低，当期持续投入超过技术消化能力，这些市县综合效率的改善关键在于技术创新及利用水平的提升。总体而言，综合效率的格局主要受规模效率空间分异格局的影响，旅游扶贫规模效率成为海南省少数民族地区旅游扶贫综合效率提升的主要制约因素。

(三)旅游扶贫效率类型分布

依据2016年剔除后的纯技术效率值和规模效率值，并以其纯技术效率均值0.921和规模效率均值0.839为界限，将海南省少数民族12市县划分为四种类型(如图8所示)。

图8 海南省少数民族地区旅游扶贫 纯技术效率-规模效率图

由图8可知，第一类为“高-高”型(规模效率值≥0.839，纯技术效率值≥0.921),包括纯技术效率处于前沿面的儋州市和万宁市，还包括纯技术效率和规模效率均高于均值的东方市和昌江县。上述市县旅游扶贫效率较高，发展较为成熟，防止发展陷入停滞期，需要加速旅游扶贫项目转型升级、引进创新人才、构建创新发展模式。第二类为“高-低”型(规模效率值≥0.839，纯技术效率值<0.921)，包括乐东县、陵水县和屯昌县，旅游扶贫效率的改进方向是在维持规模效率的基础上，优化当地产业结构，将旅游扶贫与光伏扶贫、科技扶贫相结合，推广农民参与旅游的科技投入，最终提升旅游扶贫纯技术效率。第三类为“低-高”型(规模效率值<0.839，纯技术效率值≥0.921)，包括三亚市和琼中县，旅游扶贫提升的途径是凭借现有国家及地方政府政策支持前提下，扩大旅游要素投入和推进技术应用，来改善现有资源配置，提升旅游总量，扩大规模效益。第四类为“低-低”型(规模效率值<0.839，纯技术效率值<0.921)，包括保亭县、白沙县和五指山市，这类市县旅游业技术利用水平及市场规模均有很大提升空间。因此，可以探索潜在旅游资源，寻找发展契机，利用重大事件(如国际赛事、会展)提升当地形象及知名度，扩大旅游业规模，同时借鉴其他地区成熟经验和先进技术，使得当地旅游市场具有长足发展，助力于当地少数民族地区的脱贫。

五、结论与建议

本文运用三阶段DEA模型对海南省少数民族地区旅游扶贫的综合效率、规模效率和纯技术效率进行分析，剔除环境因素和随机因素的干扰，测算结果能更准确地反映少数民族地区旅游扶贫的成效。

通过对海南省少数民族地区旅游扶贫效率及其时空演化特征的分析，得出如下结论：(1)剔除干扰因素之后，各市县旅游扶贫综合效率及其分解效率变动显著，说明干扰因素对旅游扶贫效率影响显著，且规模效率是决定综合效率的关键因素。(2)2010-2016年海南省旅游扶贫综合效率不断提升，在其分解效率中，纯技术效率较高，但呈现下降趋势，规模效率次之，呈现波动上升趋势，且大部分市县规模报酬在调整后处于递增状态，通过增加要素投入可以提高旅游扶贫综合效率。(3)对剔除干扰因素的旅游扶贫效率进行时空演化分析可知，海南省少数民族地区旅游扶贫综合效率与规模效率空间分布较为相似，空间格局由“南北高中间低”的格局演变为“北高南低”的格局，而纯技术效率格局与前两者差距较大。此外，纯技术效率2010年与2016年相比，空间分布差距也较大。(4)从旅游扶贫效率类型分布来看，处于“高-高”型的市县主要是儋州市、万宁市、东方市和昌江县，这些市县旅游扶贫效率较高，发展较为成熟，防止发展陷入停滞期，需要加速旅游扶贫项目转型升级；而处于“低-低”型的市县为保亭县、白沙县和五指山市，其旅游扶贫项目处于建设期，旅游业技术利用水平及市场规模均有很大提升空间。

因旅游扶贫具有扶贫力度大、受益群体众多等特点，故迅速成为连片特困区、少数民族地区脱贫致富的途径之一。通过上述分析可知，旅游扶贫带来了海南省少数民族地区居民生活水平的提升及当地经济的发展，但旅游扶贫效率有待提升。基于上述旅游扶贫效率时空演变分析，结合不同市县类型，本文提出以下建议：(1)扩大旅游扶贫投资渠道，提升村民参与度。旅游扶贫不能仅仅依靠政府投资与支持，应积极探索和发展多方位建设。旅游扶贫项目实施初期由政府主导推进，在此期间，少数民族地区应抓住国家关于脱贫致富的一系列倾斜政策的机遇，吸引大量民间企业投资。考虑到少数民族地区旅游扶贫项目的持续发展，要鼓励当地村民积极参与到旅游扶贫项目中，同时为了最大限度地让村民在旅游扶贫项目中获益，尽可能将旅游各要素产品落地化生产。(2)提升规模效率，有效组合资源。通过上述分析可知，综合效率主要受规模效率的影响与制约。因此，要注重提升各市县旅游扶贫的规模效率，实现各项经济要素的有效利用，进而提升旅游扶贫综合效率。其一，地方政府要为投资者创造良好的投资环境，吸引各类要素的投入，合理配置旅游资源；其二，积极打造标志性的旅游产业集团，发展独具个性的旅游产业品牌，不断提高旅游产业的规模化、集约化水平。