中国旅游企业技术效率测度及其影响因素研究

邓祖涛　周玉翠

摘 要：文章运用随机前沿超越对数生产函数分析了我国旅行社、旅游酒店和旅游景区技术效率及其影响因素。结果表明：（1）旅行社、旅游酒店和旅游景区内部都存在技术非效率;旅行社和旅游景区引起的技术非效率要远大于旅游酒店的非技术效率。（2）从纵向上看，我国旅行社技术效率呈下降态势，而旅游酒店和旅游景区呈上升趋势;从横向上看，旅游企业技术效率等级的省域空间分布不均衡。（3）信息化水平和旅游产业地位均对旅行社、旅游酒店和旅游景区的技术效率产生显著的正向影响，尤其是旅游产业地位的影响更为明显;人力资本水平对旅行社、旅游酒店的技术效率有显著的正向影响，但对旅游景区却是不显著的负向影响;时间变量对旅行社技术效率产生显著的负向影响，但对旅游酒店和旅游景区技术效率却产生不显著的负向影响。在此基础上，提出了一系列对策，以期提高我国旅游企业的技术效率。

关键词：技术效率;旅游企业;影响因素;随机前沿分析;超越对数生产函数

一、引言

随着社会经济的快速发展、人民生活水平的不断提高以及旅游产业地位的不断提升，我国旅游业迅猛发展，已从旅游资源大国转变为世界旅游大国[1]。2018年，我国旅游总收入为5.13万亿元，比上年增长12.3%，旅游总人数56.8亿人次，比上年增长10.5%。旅游产业在国民经济和社会发展中的地位越来越重要，已成为区域经济发展新的增长极。然而，我国省域旅游经济发展不平衡的现状依然存在，除了旅游资源禀赋、经济发展水平等原因外，旅游企业的技术效率差异是不可忽视的重要因素。技术效率是用来测度决策单元技术的生产效能和生产潜力的重要指标，它反映决策单元技术的发挥程度。从投入角度看，技术效率是指在产出一定、技术和价格不变的前提下可能所需要的最小成本与实际成本的比值[2];从产出角度看，它是指投入一定、价格不变的前提下实际产出与可能产生的最大产出的比值[3]。

旅游企业正面临着一个激烈竞争的全球环境。制定营销策略，加强运营管理，提升服务质量不仅对盈利能力至关重要，也对旅游企业的生存至关重要。所有这些因素都直接或间接地依赖于旅游企业的技术效率。因此，对我国省域旅游企业技术效率的测算，有利于评价和比较各省域旅游企业的综合绩效和技术的生产效能，为提升省域旅游企业竞争力提供实践指导和参考依据。

二、文獻综述

国外学者对旅游企业技术效率的研究始于20世纪90年代中期。从研究对象上看，主要包括对酒店、旅行社、旅游目的地等研究。就酒店而言，早期的文献主要采用Charnes等提出的CCR模型来计算酒店的运营效率[4-5]。之后有学者认为，对效率前沿进行规模收益不变的限制是不合理的，于是采用由Banker等提出的BCC模型来评估酒店效率[6]。考虑到输入减少和输出增加可能同时发生，Sun和Lu应用SBM模型和超级SBM模型来测量台湾观光酒店的入住效率和餐饮效率[7]。除了采用DEA方法进行研究外，也有学者采用随机前沿方法来评估酒店业的管理效率[8]。对旅行社效率的测度除了少数学者采用随机前沿分析方法来测度旅行社运营效率外[9]，大多数都采用投入导向型DEA分析方法[10-12]。Bell和Morey最早运用投入导向型DEA方法分析了美国31家企业旅游部门效率。就旅游景区和旅游目的地而言，大多数文献采用的都是传统的DEA模型[13-14]。不过，Assaf和Tsionas首次发展了贝叶斯随机前沿模型，并将旅游目的地质量纳入旅游效率估计当中[15]。

与国外相比，国内旅游企业效率测度文献研究较晚，主要集中在最近几年。既有对单一酒店类型的技术效率进行了评估[16]，也有对不同星级酒店的经营效率及其差异进行了测度[17]。既有以单个省域旅行社为研究对象[18]，也有以全国省域或地区省域旅行社为研究对象[19]来进行效率测算。国内对旅游景区和旅游目的地技术效率测度的文献主要侧重于国家风景名胜区[20]、森林公园[21]。此外，有学者对旅游产业和旅游企业整体的技术效率进行了评价[22-23]。

就旅游企业技术效率的影响因素而言，国外学者主要研究了区位、经营类型、规模、国际旅游吸引力、员工受教育程度、工资对酒店企业效率的影响[24-26];区位、所有制类型、国际化对旅行社效率的影响[12，27];旅游地类型、文化、自然、环境因素、犯罪率和世界遗产数对旅游目的地效率的影响[28-29];人力资源、信息技术等对整个旅游企业或旅游产业效率的影响[30-31]。而国内学者则主要研究地理位置、所有制结构、星级、人力资本、交通可达性、经济发展水平、信息化等对酒店效率的影响[32-33];交通条件、市场化程度、信息化程度、资本状况等对旅行社效率的影响[34];地理位置、制度、规模、多元化程度对旅游景区效率的影响[35];旅游产业地位、劳动力素质、城镇化水平、产业集聚度、基础设施建设水平、产业结构水平对整个旅游企业或旅游产业效率的影响[22-23，36]。

综上所述，国内外关于旅游企业效率及其影响因素的研究已取得了较为丰硕的成果，但也存在以下不足：（1）侧重于单一旅游企业类型效率的研究，而忽视对多个旅游企业类型效率的比较，尤其较少关注它们的区域比较;（2）较多地采用数据包络分析（DEA）方法，而较少运用随机前沿分析（SFA）方法。随机生产前沿是一种利用与生产前沿距离来计算经济效率的参数方法。它作为一个统计方法由Afriat在1972年引入，目的是处理观测误差和可能的偏离校正。1977年，Aigner、Lovell和Schmidt，Meeusen和van den Broeck分别独立提出随机前沿生产函数[37]。通过在参数模型中引入组合误差项来进行广泛的统计推断。最初设定是为截面数据提供一个有误差项的生产函数，该误差项由两部分构成：一个是来解释随机效应;另一个是来解释技术非效率。之后它被应用在各个领域，同时也不断被修正和扩展[38-39]。与传统C-D生产函数方法相比，随机前沿生产函数方法放宽了中性技术进步的假定，克服了其不能反映偏性技术进步的缺陷[40];与DEA方法相比，SFA方法更具有稳健性，其优势主要有两点，其一对前沿函数模型中参数进行估计和检验;其二考虑了随机因素对产出的影响，使研究结论更接近现实[41];（3）绝大多数学者在进行旅游企业效率测度时都是采用C-D生产函数的随机前沿方法，很少有学者运用超越对数生产函数的随机前沿方法来进行研究。相对于传统的C-D生产函数而言，超越对数生产函数放宽了技术进步中性和产出弹性固定的假定，并能够较好地避免由于生产函数形式设定错误而带来的估计偏差[42];（4）旅游企业效率影响因素的评估大多采用相关分析和Tobit模型，较少将随机前沿的生产函数模型和技术非效率模型同步估算。早期的随机前沿生产函数对技术非效率误差项uit影响因素的研究通常采取两阶段回归分析方法，不过两阶段回归方法违背了两阶段估计中技术非效率独立性的假定。为解决这个问题，学者们将技术非效率uit表达为一个明确的函数形式和一个随机误差之和[38]，这样生产函数和技术非效率模型可以同时被估计出来，从而避免了两阶段回归对技术非效率假定前后不一致的情况。鉴于此，本文在研究方法上，采用稳健的随机前沿超越对数生产函数方法，并应用随机前沿的生产函数模型和技术非效率模型同步估算旅游企业技术效率影响因素，以克服既有文献研究的不足;在研究内容上，比较旅行社、旅游酒店和旅游景区三种类型旅游企业技术效率演变特征及其影响因素，剖析资本和劳动力两要素产出弹性变化趋势及其原因，对比不同省域三种类型旅游企业技术效率的高低及所属等级，以期为我国省域旅游企业竞争力的提升提供参考依据。

三、模型构建与变量选择

（一）随机前沿模型的构建

根据前文随机前沿生产函数和传统的生产函数的比较，本文将采用Battese和Coelli[38]构建的随机前沿生产函数模型，其表达式为：

Y=F（X，β）exp（v-u）          （1）

TE=exp（-u）（2）

式（1）中，Y代表产出变量，X代表投入向量，i代表地区，时间t代表技术进步，代表随机生产前沿面的变动，反映技术进步对旅游企业生产的影响，β为待估参数向量，误差项vit-uit为复合结构，且vit与uit相互独立。其中，vit是随机误差项，服从独立同分布的正态分布N（0，σv2），表示诸如天气等随机因素对于旅游企业产出的影响。uit为技术非效率误差项，服从均值为zitδ，方差为σu2的截断正态分布，且有uit=ηtui=exp（-η（t-T））ui。η表示时间对技术非效率误差项uit的影响。式（2）中的TEit表示第i个省域旅游企业在第t时期内的技术效率水平。当uit=0时，则TEit=1，表明旅游企业处于技术效率状态;当uit&gt;0时，则0<TEit<1，表明旅游企业处于技术非效率状态，旅游企业的技术非效率（uit）值越大，则意味着其技术效率（TEit）值越低。

在实证应用中，随机前沿生产函数通常选择柯布-道格拉斯（C-D）生产函数。尽管C-D生产函数形式简洁，容易使用，但其技术中性和产出弹性固定的假定却不能很好地反映旅游企业生产活动实际情况，而超越对数生产函数考虑了资本和劳动相互作用对于产出的影响，克服了C-D生产函数替代弹性固定为1的缺点[43]。为此，本文采用超越对数生产函数的随机前沿模型来反映旅游企业的生产行为。模型的具体形式为：

lnY=β+βlnK+βlnL+β（lnK）2+β（lnL）+βlnKlnL+βt+βt+βlnKt+βlnLt+v-u（3）

式（3）中的Yit表示第i个省域旅游企业（旅行社、旅游酒店和旅游景区）在第t年的营业收入，Kit和Lit分别表示第i个省域旅游企业在第t年的固定资产与从业人员。β0为常数项，β1—β9均为待估计的参数其余变量如上文所述。

进一步对式（3）中的技术非效率误差项（u）进行建模，以检验相关因素对我国旅游企业技术效率的影响。技术非效率模型的设定借鉴Battese和Coelli[39]研究成果，其基本形式为：u=zδ+w。其中，z为技术非效率解释变量，δ表示待估计的参数向量，w～N⁺（zδ，σ）。

前已述及，国内外学者对旅游企业技术效率的影响因素进行了一定研究，但考虑到本文是对旅行社、旅游酒店和旅游景区三种类型的旅游企业进行比较研究，鉴于数据的共同性、可获得性、完整性，在这里仅选取人力资本水平、信息化水平和旅游产业地位作为旅游企业技术非效率的影响因素，其中人力资本水平变量反映了旅游企业的内部環境，信息化水平和旅游产业地位变量反映了旅游企业的外部环境。同时，考虑到技术效率可能具有随时间变化的时变特征，引入时间趋势变量。由此，将旅游企业技术非效率模型设定为如下形式：

u=δ+δEdu+δInf+δTin+δtim（4）

（4）中的Eduit、Infit、Tinit分别代表人力资本水平、信息化水平和旅游产业地位。tim为时间趋势变量。δ0为常数项，δ1、δ2、δ3和δ4为待估计参数。如果某一个变量的待估计参数值大于0，表示该变量对旅游企业的技术效率产生负向影响，反之，如果小于0，表示该变量对旅游企业的技术效率产生正向影响。e表示第i个省域旅游企业在第t年的生产技术效率水平，uit值越大，表示该省域旅游企业的技术无效程度越高，即技术效率水平越低，反之，表明技术无效程度越低。

在随机前沿生产函数模型中，需要判断该模型是否存在技术非效率效应。如果该模型存在技术非效率，表明运用随机前沿生产函数模型来分析是合理的，反之，如果该模型不存在技术非效率，就无须用随机前沿生产函数模型来分析，直接用传统生产函数模型分析即可。判断该模型是否存在技术非效率常用方法是检验技术非效率误差项uit在总误差结构（v-u）中的比例及其显著性，这等同于检验变差系数γ的大小及其显著性。变差系数γ公式为：γ=σ/（σ+σ）。如果γ显著为0，表明该模型不存在技术非效率，如果γ显著异于0，表明该模型存在技术非效率。γ值越接近1，表明模型中前沿产出与实际产生之间的差距主要由技术非效率项引起的。

判断随机前沿超越对数生产函数是否比随机前沿C-D生产函数效果好，一般引入似然比LR检验。其公式为：λ=-2[lnL（H）-lnL（H）]～χ2（q）。ln（H）和ln（H）为零假设H0和备选假设H1设定下的对数似然值，自由度q是H0中的零约束个数。这里的零假设是假定生产函数中所有二次项系数都约束为0，在给定的显著性水平下，如果LR统计量λ大于单边广义似然比检验的临界值，应拒绝零假设，即采用随机前沿超越对数生产函数模型，反之，则采用C-D生产函数[44]。

（二）变量选择

本文选取2003—2017年中国31个省域的旅行社、旅游酒店和旅游景区投入产出数据。因西藏自治区在旅游景区上的投入产出数据大部分缺失，所以在构建旅游景区面板数据时予以剔除。旅行社、旅游酒店和旅游景区投入产出数据分别来自2004—2018年《中国旅游统计年鉴》（副本）中的固定资产原价、从业人数和营业收入。使用31个省域的固定资产投资价格指数和居民消费价格指数，将旅行社、旅游酒店和旅游景区的固定资产原值和营业收入分别平减为2003年不变价格的实际值。

人力资本水平（Edu）反映了从业人员在科学技术、生产技能等方面所掌握的程度。高素质的人力资本能给旅游企业带来新的理念和技术，并推动旅游企业技术效率不断提升。20世纪80年代，Romer和Lucas将人力资本理论引入新增长理论中，认为人力资本是技术进步的载体，人力资本水平的高低会直接影响技术进步程度。已有学者[45]以各省从业人口中受教育程度所占百分比为权重，对不同的受教育年数进行加权平均来表示该地人力资本总体水平。计算公式：各地就业人员平均受教育年数=（未上过学比重+小学比重）×6+初中比重×9+高中比重×12+大专比重×15+本科比重×16+研究生比重×19。人力资本水平数据来源于2004—2018年《中国劳动统计年鉴》中的分地区从业人员受教育年数。

信息化水平（Inf）是指充分利用信息技术，开发利用各类信息资源，使之成为推动产业增长的重要手段。信息化在旅游产业中已有广泛的应用。各地区旅游企业的信息化水平是随着地区信息化水平提高而提高，因此，地区信息化水平基本上能反映地区旅游企业的信息化水平。目前测量地区信息化水平有两种方法：一是采用多种指标来计算信息化指数，二是采用信息化替代变量。前者虽然很全面，但涉及的指标太多，统计口径很难得到统一。考虑到邮电业务额包括固定电话、移动电话、互联网、函件、包裹、快递、报刊期发数等内容，本文借鉴俞立平和金鹏的观点，以地区邮电业务总量作为地区信息化替代变量，基本上反映了地区旅游企业的信息化水平[46]。信息化水平数据来自2004—2018年《中国统计年鉴》中的邮电业务总量。使用居民消费价格指数，将邮电业务总量平减为2003年不变价格的实际值。

旅游产业地位（Tin）反映旅游产业在地区经济发展中的重要程度。一般而言，旅游收入占国内生产总值比重越大的地区，旅游产业地位就越高，即旅游产业得到地方政府更多的政策倾斜和资金支持，并由此获得更多的技术创新机会。本文借鉴杨勇的观点，用各省域的旅游总收入与其国内生产总值的比值来表征旅游产业地位[36]。旅游总收入和国内生产总值数据均来自2003—2017年各省域《国民经济和社会发展公报》。

四、模型估计结果及其分析

（一）模型的适用性检验

采用Frontier 4.1软件对旅行社、旅游酒店和旅游景区随机前沿生产函数进行极大似然估计，参数估计结果如表1所示。由表1可知，旅行社、旅游酒店和旅游景区随机前沿模型的变差系数γ都通过了1%显著性水平，表明三个旅游企业内部都存在技术非效率问题。其中旅游景区的γ值最大，为0.795，表明旅游景区前沿产出与实际产出之间的差距的79.5%都是由技术非效率引起的，而旅游酒店的γ值最小，为0.263，表明旅游酒店前沿生产函数的误差仅有26.3%来源于技术非效率。旅行社、旅游酒店和旅游景区随机前沿模型的LR检验值在1%水平上拒绝了零假设，表明三类旅游企业所构建的随机前沿下的超越对数生产模型比传统的生产函数模型更有效。

（二）技术效率分析

根据公式（3）可以计算出2003—2017年各省域旅行社、旅游酒店和旅游景区生产技术效率。从纵向上来看，我国旅行社技术效率呈下降态势（图1）。喻书馨在研究中指出，对于目前我国大部分旅行社，尤其是国内旅行社来讲，只看到眼前的短期利益，不注重长远战略规划，导致规模无法发展壮大，这是我国旅行社业整体绩效逐年下降的一个重要原因[47]。当然，旅行社中高素质人才流失、从业人员的服务意识薄弱、决策人员的战略眼光短浅、信息技术利用不充分也是造成旅行社创新能力不足和技术效率下降的重要原因。武瑞杰則认为，生产技术、劳动力和资本等要素的效用不能在旅行社的运营过程中得到充分发挥是其主要原因[19]。

旅游酒店和旅游景区技术效率呈上升趋势，酒店技术效率年均增长率为3.92%，而旅游景区为1.28%。与旅行社相比，旅游酒店和旅游景区在集团化发展、人才培训、信息技术利用、市场定位等方面可能做得相对好些，这也成为其技术效率不断提升的重要原因。

为了更好地了解各省域旅游企业平均技术效率所处地位，本文依据相关文献对技术效率划分的标准[41]，将2003-2017年各省域旅行社、旅游酒店和旅游景区的平均技术效率分为较高型（TE≥80）、中间型（0.6≤TE<0.8）和较低型（TE<60）三个等级（表2）。结果显示，旅游企业平均技术效率的等级在数量上呈现少-多-少的格局。具体而言，旅行社、旅游酒店和旅游景区高技术效率的省域分别为3个、9个和6个，而中间型的省域则达到15个、18个和21个，低效率的省域分别为13个、4个和3个。技术效率的等级在空间上分布也不均衡。对于旅行社和旅游酒店，高技术效率的省域主要集中在东部地区，其中，旅行社有2个（北京、上海）在东部地区，旅游酒店除河南之外，其他8个也都位于东部地区。低技术效率的省域分布则有较大差异，旅行社在东、中、西的省域都有，旅游酒店全都位于西部地区，而旅游景区则分布在中、西部地区。为了进一步考察不同地区技术效率的差异，本文分别计算了旅行社、旅游酒店和旅游景区在东、中、西三个地区的技术效率平均值。旅行社平均技术效率在东、中、西的值分别为0.699、0.548和0.586。旅游酒店平均技术效率的值分别为0.856、0.737和0.62。旅游景区平均技术效率的值分别为0.762、0.695和0.711。由此可见，东部地区的旅游企业技术效率平均值都大于中西部地区的平均技术效率值。造成这种现象的原因可能是东部地区拥有发达的经济发展水平，其从业人员的综合素质、信息网络发展、旅游基础设施建设都要强于中西部地区[16]。西部地区在旅行社和旅游景区上的平均技术效率值要强于中部地区，可能是因为西部地区有丰富的旅游资源，更重要的是西部大开发为其发展提供了战略机遇，另外，地方政府的强烈支持是一个重要因素。为了快速发展旅游业，西部12个省域都将旅游业作为地区的支柱产业来建设。随着“一带一路”战略的持续开展，中西部地区旅游企业技术效率都将得到进一步提升。

（三）效率影响因素分析

运用随机前沿超越对数生产函数模型还可以考察各省域旅行社、旅游酒店和旅游景区技术效率的影响因素（表1）。

结果显示，人力资本水平对旅行社、旅游酒店的技术效率有显著的正向影响，影响系数分别为-0.149和-0.153。这与简玉峰[32]通过实证分析所得出的酒店经营效率的平均水平与学历层次成正相关的观点是一致的。人力资本是旅游企业竞争力的核心要素，人力资本的全面提升，可以加快旅游企业制度创新和人员结构优化，提升旅游企业的绩效和技术效率[48]。需要说明的是，人力资本水平对旅游景区产生的却是负向影响，尽管不显著，但与预期假设相反。可能的原因是大部分景区位于较偏僻的乡村，对高素质的人才吸引力下降，导致其工作积极性下降，进而影响了技术效率的提升。此外，人力资本与资金、信息化等要素的投入的不匹配导致其利用能力下降，在一定程度上也会对旅游景区技术效率的提升产生抑制作用。

信息化水平对旅行社、旅游酒店和旅游景区的技术效率产生显著的正向作用，影响系数分别为-0.034、-0.229和-0.486。这与杜源源等[18]、胡宇娜[33]的观点是一致的。金鹏等认为，信息化对旅游企业增长的贡献是显著的，信息化建设能推动旅游企业快速发展，能显著提升地区旅游产业增长水平[46]。目前，我国有不少的旅行社、旅游酒店和旅游景区充分应用旅游电子商务来开展业务，并取得了不凡的绩效。东部沿海地区由于信息化水平较高，使得旅游企业的技术效率平均值高于中西部地区[33]。未来旅游企业应考虑如何运用信息技术来增强企业的技术创新和管理创新能力，推动旅游供给侧改革，提高旅游产业竞争力。旅游产业地位对旅行社、旅游酒店和旅游景区技术效率的影响因素分别为-1.77、-1.487和-10.27，且都通过了1%显著性水平，表明旅游产业地位对旅游企业技术效率有显著的正向作用机制。旅游产业地位对旅游景区的影响远大于旅行社和旅游酒店的影响。旅游产业地位较高的省域，其旅游企业技术效率也会得到相应的提高[36]。旅游产业地位的提升离不开地方政府的政策支持和资金倾斜。为了促进本地区旅游产业的快速发展，地方政府会加大投入旅游基础设施及配套设施的建设，提高旅游景区的可进入性。在旅游市场失灵的领域内，政府出台的相关法律，如《旅游法》，能较好地规范本地旅游市场秩序，促进旅行社、旅游酒店和旅游景区等健康发展。一般来说，旅游产业地位较高的省域会加大国内、入境和出境三大旅游市场的培育力度，推动旅游企业向集团化方向发展。时间虚拟变量对旅行社技术效率产生显著的负向影响。即，随着时间的增加，旅行社的技术效率不断下降，而技术非效率不断增强。造成这种情况的原因可能是：我国大多数旅行社为控制成本开支，聘用较多廉价的、临时的、低素质的劳动力，导致人员结构不合理、服务意识淡化和利用信息技术的能力不足，再加上经营管理体制缺乏创新，规模效应亟待提高等问题，严重影响了旅行社技术效率的提升。武瑞杰认为，目前我国旅行社基本完成了由政府控制向市场主导的转型，进入旅行社行业的资本和技术限制性条件被取消，一方面带来旅行社数量的快速增长，另一方面也应由于制度保障和资本投入的缺失而引起旅行社技术水平和效率的下降[19]。时间虚拟变量對旅游酒店和旅游景区的影响尽管是负作用，但表现不显著，表明时间变量不是旅游酒店和旅游景区技术效率变化的主要原因。

五、结论与讨论

运用随机前沿超越对数生产函数对2003—2017年中国31个省域旅行社、旅游酒店和旅游景区的生产技术效率进行测度，分析其生产要素（资本和劳动力）的产出弹性和平均技术效率时空特征，在此基础上剖析了技术效率损失的主要影响因素，并得出如下结论：

（1）旅行社、旅游酒店和旅游景区的变差系数γ分别为0.756、0.263和0.795，且都通过了1%显著性水平，表明旅行社、旅游酒店和旅游景区内部都存在技术非效率;旅行社和旅游景区引起的技术非效率要远大于旅游酒店的非技术效率。

（2）从纵向上看，我国旅行社技术效率呈下降态势，而旅游酒店和旅游景区呈上升趋势。旅游企业技术效率被划出较高型（TE≥80）、中间型（0.6≤TE<0.8）和较低型（TE<60）三个等级。从横向上看，旅游企业技术效率的分布不均衡。旅游酒店和旅游景区中较高型和较低型的省域数量相对较少，而中间型的省域数量较多。旅行社中效率较高的省域较少，而效率中间型和较低型的省域较多;从地区平均技术效率来看，东部地区大于中西部地区。具体而言，旅行社和旅游景区效率呈现“东部>西部>中部”格局，而旅游酒店呈现“东部>中部>西部”格局。

（3）人力资本水平对旅行社、旅游酒店的技术效率有显著的正向影响，对旅游景区产生的却是负向影响，但不显著。信息化水平和旅游产业地位对旅行社、旅游酒店和旅游景区的技术效率产生显著的正向作用。时间变量对旅行社技术效率产生显著的负向影响，对旅游酒店和旅游景区技术效率产生不显著的负向影响。

基于以上结论，为提高我国旅行社、旅游酒店和旅游景区技术效率，实现其可持续发展，本文分别提出如下有针对性的对策：

（1）旅行社效率提升对策。东部地区的旅行社不仅资本产出弹性和劳动力产出弹性普遍较高，技术效率也都处于中高型等级。未来应充分利用其较高质量的人力资本和先进的信息化水平，实施旅行社的规模化、网络化、专业化[19]，同时依托其良好的旅游政策环境，进行旅行社制度和管理体制的创新，引导旅行社走高效率、可持续发展之路;中部地区的旅行社资本产出弹性和劳动力产出弹性居于东部和西部之间，但其效率除湖南省属于中间型以外，其它省份都分布在较低型区内。中部地区的旅行社既不像东部地区拥有先进的信息化管理水平和较高质量的人力资本，也不像西部地区拥有丰富的旅游产品和重要的旅游产业地位，未来应加快旅行社信息化、规模化建设，加强从业人员的服务意识和技能培训，建立科学的人才管理机制，同时，加强旅游产品的宣传，提高其知名度和美誉度;西部地区一方面拥有丰富的旅游资源条件和西部大开发契机，另一方面，也因经济发展水平较低，服务设施建设滞后，客源市场相对狭小。未来应加快其旅行社信息化等软件设施的建设，加强和东部、中部地区旅游合作，扩大旅游客源市场，促使西藏、甘肃、青海三省旅行社效率从较低型提升到中间型，其他省域旅行社效率从中间型进入到较高型。

（2）旅游酒店效率提升對策。东部地区经济发达，信息化水平和人力资本水平普遍较高，但人才流失较为严重。未来应建立较为完善的人才管理机制和科学用人机制，同时，要引领和推动以信息技术为代表的新型技术在酒店业中的应用，促使酒店由粗放型向集约型转变，从投资驱动转向创新驱动[33]。中部地区的酒店平均资本产出弹性居于东部地区和西部地区之间，其技术效率均值也位于两地区之间。未来应通过走集约化发展之路，而不是走传统增加固定资产投入的粗放型增长之路来提高对酒店资本的利用率[49]。同时，引进发达地区信息化技术和优秀的人力资源，有利于酒店效率的提升。西部地区的酒店企业资本产出弹性较低，尤其是贵州、西藏、青海和宁夏居于末尾，而劳动力产出弹性与其他两地区没有显著性差异。西部地区虽然旅游资源禀赋良好，旅游产业地位较高，但酒店业信息化水平和人力资本水平普遍偏低，加之酒店入住率不高等原因，使得西部地区大多数省域酒店业技术效率处于中低型等级。未来应加强对西部地区酒店资本投入利用率，引用先进的信息化技术，加强客户关系管理，重视旅游人才教育，加强从业人员培训，提高旅游服务质量。

（3）旅游景区效率提升对策。东部地区的旅游景区平均资本产出弹性偏低，而平均劳动力产出弹性偏高，旅游景区效率居首位。未来应减少对资金的投入，提高现有资金和基础设施的利用率，加强景区管理模式和制度的创新，同时，要依托区内较高质量的从业人员，实施互联网的订票、查询等技术的逐步普及，不断促进东部地区旅游景区技术效率的稳步提升。中部地区的旅游景区资本产出弹性和劳动力产出弹性均居于东部和西部之间，而景区平均技术效率却排在两地区之后。未来应不断挖掘区内旅游产品特色，并通过互联网技术和手段，扩大旅游市场，同时，进一步改善旅游投资环境，适当增加景区旅游设施投入，着力构建较为完善的人才培育和管理机制。西部地区的旅游景区平均资本产出弹性普遍偏高，而平均劳动力产出弹性偏低。除青海省以外，其它省域都位于中高型效率等级区，其中，四川、贵州景区效率位于较高型。未来应加大对景区的投入，加强对景区从业人员的培训，提高从业人员的服务技能和服务质量，同时，要加强对西部地区旅游资源的宣传，培育旅游客源市场，并引进新的技术，提升旅游信息化水平。

参考文献：

[1] 韩元军，吴普，林坦.基于碳排放的代表性省份旅游产业效率测算与比较分析[J].地理研究，2015，34（10）：1957-1970.

[2] Farrell M. J. The measurement of production efficiency [J]. Journal of Royal Statistical Society， 1957，120（3）：253-281.

[3] Leibenstein H. Allocative efficiency vs. “X-efficiency” [J]. American Economic Review， 1966， 56（3）：392-415.

[4] Morey， R， Dittman， D. Evaluating a hotel GM’s performance： a case study in benchmarking[J].Cornell Hotel Restaurant and Administration Quarterly， 1995， 36（5）：30-35.

[5] Johns， N.， Howcroft， B.， Drake， L. The use of data envelopment analysis to monitor hotel productivity[J]. Progress in Hospitality and Tourism， 2015，3（2）：119-127.

[6] Anderson， R.I.， Fok， R.， Scott， J. Hotel industry efficiency： an advanced linear programming examination[J]. American Business Review， 2000，18（1）：40-48.

[7] Sun， S.， Lu，W.M. Evaluating the performance of the Taiwanese hotel industry using a weight slacks-based measure[J].Asia-Pacific Journal of Operational Research， 2005，22（4）：487-512.

[8] Ching-Fu Chen. Applying the stochastic frontier approach to measure hotel managerial efficiency in Taiwan[J]. Tourism Management， 2007， 28 （3）： 696-702.

[9] Barros， C. P.， & Matias， A. Assessing the efficiency of travel agencies with a stochastic cost frontier： a Portuguese case study[J].International Journal of Tourism Research. 2006， 8（5）：367-379.

[10] Bell， R.， and R. Morey. Increasing the Efficiency of Corporate Travel Management through Macro Benchmarking[J]. Journal of Travel Research， 1995， 33（3）：11-20.

[11] Köksal， C. D.， & Aksu， A. A. Efficiency evaluation of A-group travel agencies with data envelopment analysis （DEA）： a case study in the Antalya region， Turkey[J]. Tourism Management. 2007， 28（3）：830-834.

[12] Fuentes R. Efficiency of Travel Agencies： A Case Study of Alicante， Spain[J].Tourism Management，2011，32（1）： 75-78.

[13] Tsionas E.G.， Assaf A.G. Short-run and long-run performance of international tourism： Evidence from Bayesian dynamic models[J]. Tourism Management， 2014， 42（3）： 22-36.

[14] Assaf， A. G.， & Josiassen， A. Identifying and ranking the determinants of tourism performance： a global investigation[J]. Journal of Travel Research， 2012， 51（4）：388-399.

[15] Assaf A.G.， Tsionas E.G. Incorporating destination quality into the measurement of tourism performance： A Bayesian approach[J]. Tourism Management，2015，（49）：58-71.

[16] 韓国圣，李辉，Alan Lew.成长型旅游目的地星级饭店经营效率空间分布特征及影响因素——基于DEA与Tobit模型的实证分析[J].旅游科学，2015，29（5）：51-64.

[17] 何玉荣，张鑫，王兰兰.基于DEA的旅游型城市星级酒店经营效率空间差异分析——以安徽黄山市为例[J].合肥工业大学学报（社会科学版），2013，27（4）：1-6.

[18] 杜源源，王慧.基于DEA分析法的辽宁省旅行社经营效率评价[J].中国林业经济，2013，（2）：43-48.

[19] 武瑞杰.论中国旅行社省际相对效率及省际规模经济特征——基于2001—2010年省际面板数据的DEA分析[J]. 东疆学刊，2013，30（3）：97-101.

[20] 马晓龙，保继刚.基于DEA的中国国家级风景名胜区使用效率评价[J].地理研究，2009，28（3）：838-840.

[21] 黄秀娟，黄福才.中国省域森林公园技术效率测算与分析[J].旅游学刊，2011，26（3）：25-30.

[22] 刘佳，宋秋月.中国旅游产业绿色创新效率的空间网络结构与形成机制[J]，中国人口·资源与环境，2018，28（8）：127-137.

[23] 胡亚光.基于DEA扩展模型的江西旅游产业效率研究[J].江西社会科学，2017，（3）：73-83.

[24] Barros C.P. Evaluating the efficiency of a small hotel chain with a Malmquist productivity index[J].International Journal of Tourism Research，2005，7（3）：173-84.

[25] Huang，C.W.， Chiu，Y.H.， Tu， C.H.， Luo， Z.Y.， Wang，Z. Using the nonhomogeneous frontier two-stage DEA model to assess the efficiencies of expense utilization and operation of the Taiwanese hotel industry[J].International Transactions In Operational Research， 2016，23（6）：1067-1087.

[26] Huang， Y.H.， Mesak， H.I.， Hsu， M.K.， Qu， H.L. Dynamic efficiency assessment of the Chinese hotel industry[J]. Journal of Business Research， 2012，65（1）：59-67.

[27] Ramírez-Hurtado， J.M.R.， Contreras，I. Efficiency of travel agency franchises： a study in Spain[J].Service Business， 2017，11（4）：717-739.

[28] Pestana，B.C.， Laurent，B.， Nicolas，P.， Elisabeth，R.， Bernardin，S.， Assaf，A.G. Performance of French destinations： Tourism attraction perspectives[J].Tourism Management，2011，32（1）：141-146.

[29] Cuccia， T.， Guccio， C.， Rizzo，I. The effects of UNESCOWorld Heritage List inscription on tourism destinations performance in Italian regions[J].Economic Modelling， 2016，53，（3）：494-508.

[30] Baum， T.， Szivas， E. HRD in tourism： A role for government？ [J].Tourism Management， 2008， 29 （4）：783-794.

[31] Buhalis，D.， Law， R. Progress in information technology and tourism management： 20 years on and 10 years after the Internet—The state of eTourism research[J].Tourism Management，2008，29（4）：609-623.

[32] 焦念涛，郑向敏，殷杰.我国沿海地区酒店产业效率时空差异及其影响因素研究[J].重庆工商大学学报（社会科学版），2018，35（6）： 540-544.

[33] 胡宇娜，梅林，魏建国.中国酒店业效率的时空演变及驱动机制[J].世界地理研究，2017，26（3）：114-123.

[34] 胡宇娜，梅林，魏建国.中国区域旅行社业效率的时空分异及驱动机制[J].地理与地理信息科学，2017，33（3）：91-97.

[35] 霍守花.中国旅游景区上市公司经营效率研究[D].合肥：安徽师范大学硕士学位论文，2013.

[36] 杨勇，冯学钢.中国旅游企业技术效率省际差异的实证分析[J]，商业经济与管理，2008，（8）：68-80.

[37] Aigner D， Lovell， CAK. and Schmidt P. Formulation and Estimation of Stochastic Frontier Production Function Models[J]. Journal of Econometrics，1977，（6）：21-37.

[38] Battese， G.E.， Coelli， T.J. Frontier Production Functions， Technical Efficiency and Panel Data： with Application to Paddy Farmers in India[J].Journal of Productivity Analysis， 1992，3（1）：153-169.

[39] Battese， G.E.， Coelli， T.J. A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J].Empirical Economics，1995，20（2）：325-332.

[40] 邓蒙芝.技术进步、技术效率与河南省农业增长——基于随机前沿生产函数的分析[J].农林经济管理学报，2015，14（2）：145-151.

[41] 朱承亮，岳宏志，严汉平，李婷.基于随机前沿生产函数的我国区域旅游产业效率研究[J].旅游学刊，2009，24（12）：18-22.

[42] 马晓琳，万志芳.基于随机前沿分析的工业科技创新效率测度[J]，统计与决策，2017，（3）：156-159.

[43] 李双杰，范超.随机前沿分析与数据包络分析方法的评析与比较[J].统计与决策，2009，（7）：25-28.

[44] 刘恩初，李健英.技术标准与技术创新效率关系实证研究[J]. 研究与发展管理，2014，26（4）：56-66.

[45] 王志平，陶长琪.我国区域生产效率及其影响因素实证分析——基于2001—2008年省际面板数据与随机前沿方法[J]，系统工程理论与实践，2010，30，（10）：1762-1773.

[46] 金鹏，周娟.信息化对旅游产业增长的贡献——基于面板数据分位数回归的分析[J]，旅游学刊，2016，31（4）：71-80.

[47] 喻书馨.我国旅行社企业成长路径研究[D].成都：西南财经大学硕士学位论文，2007.

[48] 孙景荣，张捷，章锦河，钟士恩，马金海，張玉玲.中国城市酒店业效率的空间特征及优化对策[J].经济地理，2012，32（8）：155-159.

[49] 刘中艳.基于超效率DEA模型的我国酒店业经营效率的测度与评价研究[J].湖南科技大学学报（社会科学版），2013，16（4）：77-81.

基金项目：国家社会科学基金一般项目“长江经济带旅游空间结构动态评价、影响机理及优化路径研究”（15BJY128），湖北省教育厅科技处项目（T201613）

作者简介：邓祖涛（1969-），男，湖北经济学院旅游与酒店管理学院教授，博士，研究方向为旅游经济;周玉翠（1968- ），女，衢州学院经贸管理学院教授，博士，研究方向为旅游开发与管理。