中国森林公园旅游发展协调性测度研究*

贾丽娜， 赵希勇

（东北林业大学 经济管理学院， 哈尔滨150040）

在发展低碳经济的背景下， 森林旅游行业因其绿色、 低能耗的特点而引发广泛关注[1]。 森林旅游逐渐成为传统林业转型与发展的主要方向， 为林区的经济社会发展做出重要贡献。 森林公园作为开展森林旅游的重要载体处于稳步发展时期， 根据国家林业局编制的中国林业出版社2018 年出版的《中国林业统计年鉴》， 截至2017 年年底， 中国森林公园共有3505 个， 其中国家级882 个， 省级1447 个， 接待游客9.62 亿人次， 实现旅游收入1 100.7 亿元。 关于森林公园旅游发展问题引发了国内外学者的持续关注。 国外学者主要在森林公园旅游的推动因素、 经济影响和经济价值及资源保护等方面进行研究， 如研究了新西兰皮隆尼亚森林公园旅游的游客动机和满意度[2]； 对德国最古老、 最著名的巴伐利亚国家森林公园进行成本效益分析， 得出国家森林公园的旅游收入为周边县域带来较好的经济效益[3]； 采用旅行费用法评估了伊朗北部马苏勒森林公园的娱乐和社会经济价值[4]； 高森林覆盖率是维持塔普兰国家公园森林自然生态系统可持续性发展的关键因素[5]。 国内学者根据中国森林公园的特点， 分析森林公园旅游发展中存在的问题和影响因素及森林公园旅游发展效率等问题。 如采用回归分析的方法研究了森林公园旅游发展的影响因素[6]； 分析中国森林公园发展过程中存在的问题及发展策略[7]； 根据ArcGIS和GeoDa 对中国31 个省级行政区森林公园旅游收入进行空间相关性分析， 得出2010 年至2015 年空间相关性逐渐增强[8]； 运用空间分析法， 探讨中国森林公园旅游发展的时空演变规律[9]； 对中国森林公园旅游发展效率进行研究， 发现不同地区间差异明显[10]。 森林公园旅游发展协调性问题的研究方法多数采用传统的DEA 基本模型， 该模型因其未考虑到外界因素的影响， 容易导致计算结果不精确。 借鉴并运用三阶段DEA 模型[11]对中国森林公园旅游系统内部发展协调性进行研究， 并根据局部空间自相关分析方法， 研究了森林公园旅游系统内部发展协调性及地域空间协调性与分布特点， 对协调性发展不高的省份提出针对性建议， 以促进区域间协同发展， 为中国森林公园旅游管理及可持续发展提供一定的借鉴与参考。

1 数据与方法

1.1 数据来源

数据主要来源于2014、 2016 和2018 年《中国林业统计年鉴》， 2014、 2016 和2018 年《国民经济和社会发展统计公报》。

1.2 指标选取

经济学评价指标选取中， 生产指标选择资本、 人力、 土地， 产出指标选择经济、 生态和社会效益。 结合森林公园产业属性特征， 参考相关文献[6，8，10]建立中国31 个省级行政区森林公园旅游发展协调性评价指标(表1)。

森林公园面积、 从业人数、 年度投入资金分别是土地、劳动力、 资金投入的体现； 旅游收入、 旅游接待人次、 植树造林面积分别是经济、 社会、 生态效益的体现。 外部因素不受森林公园旅游产业内部的主观控制， 需要从宏观经济环境、 资源支持等因素选取环境变量。 选取人均GDP 及国家对林业投资作为似回归分析的环境变量。 其中， 人均GDP体现了各省级行政区森林公园旅游所处的宏观经济环境， 国家投资体现了国家对森林公园旅游产业的资源支持。

表1 指标选取情况Table 1 Selection of indicators

1.3 三阶段DEA 模型

第一阶段: 传统DEA 模型。

数据包络分析方法[12](Data Envelopment Analysis， DEA)， 由Charnes 等人基于多个输入和多个输出来分析系统相对效率而提出的方法， 是分析系统协调性最便捷、 最可靠的方法之一。 DEA 基本模型通过综合效率(TE)、 纯技术效率(PTE)、 规模效率(SE) 分析系统内部的协调性， 三者之间的表达式为TE ＝PTE ×SE。 假设某个系统有k 个决策单元(DMU)， Xi＝ (x1i， x2i， ……， xmi)T表示m 个输入变量， Yi＝ (y1i， y2i， ……， yni)T表示n 个输出变量， DEA 基本模型如下:

式中θ 为模型的最优值； ε 和λ 为未知变量； S-和S+为两个松弛变量， S-＝ (，……，)T， S+＝(，， ……，)T； i＝1， 2， ……， k。

第二阶段: 似SFA 回归——剔除随机因素和环境变量。

构建以投入为导向的SFA 回归模型:

式中Sni为松弛变量；fn(Zi； βn) 为环境变量对Sni的影响， 通常fn(Zi； βn) 可简化为fn(Zi； βn)＝Ziβn； n ＝1， 2， 3， ……， N 为输入指标个数； i＝1， 2， 3， ……， I 为决策单元个数； vni是随机误差项， vni服从正态分布N (0，)； uni是管理无效随机变量， 服从正态分布N (0，)， vni与uni相互独立。

γ 表示管理无效和随机误差对松弛变量计算结果的影响大小。 当γ ≈1 时， 管理无效对结果影响更大； 当γ ≈0 时， 随机误差对结果影响更大。 其表达式如下:

式中γ 表示技术无效方差占总方差的比例。

对于协调性较低的决策单元， 输入指标按照下式进行调整。

在公式⑷中需要对随机误差项vni进行估算。 计算方法如下[13]:

第三阶段: 调整后输入指标值的DEA 分析。

经过SFA 回归剔除随机因素和环境变量后得到新的输入指标， 再次应用DEA 基本模型， 计算得到调整后决策单元的综合效率值， 即森林公园旅游的协调度， 综合效率值越高表明森林公园旅游发展协调度越好。 经过三步得到的数值已经剔除环境变量和随机因素的影响， 更能准确的反映出决策单元真实的效率水平， 更精确的分析森林公园旅游发展协调性。

1.4 局部空间自相关模型

局域空间自相关可以找到空间聚集点， 研究每个区域与相邻区域之间的关联程度。 采用LISA 聚集图来进行森林公园旅游协调性空间相关性分析。 LISA 值计算公式如下:

当Ii≈0 时， 研究区域内每个区域属性随机分布， 区域空间自相关不显著； 当Ii≫0 时， 表示研究区域内每个区域与相邻区域的属性存在显著的聚集现象， 其值越大， 聚集现象越明显； 当Ii≪0 时， 表示研究区域内每个区域与相邻区域的属性存在显著的差异现象， 其值越小， 两区域之间属性差异越大。

1.5 数据处理方法

首先， 采用DEA 基本模型， 选取2013、 2015 和2017 年这3 年的数据， 计算得到31 个省级行政区森林公园旅游发展协调性结果； 其次， 构建SFA 模型， 应用Frontier 4.1 进行测算处理， 剔除环境因素和随机因素带来的影响； 再次， 将第二阶段调整后的输入指标与原始输出指标相结合， 借助DEAP2.1，重新计算得到中国31 个省级行政区森林公园旅游发展协调性结果； 最后， 将调整后得到的中国31 个省级行政区森林公园旅游发展协调性结果， 按照协调度划分的5 个等级进行分级， 应用ArcGIS 10.2 将31个省级行政区协调性分级结果进行可视化处理， 并进行局部空间自相关分析。

结合均匀分布函数法拟定森林公园旅游协调度分级， 将协调度分为5 个等级， 具体等级分类如表2 所示。

表2 协调度等级划分标准Table 2 Standard for classification of coordination degree

2 结果与分析

2.1 传统DEA 方法忽略环境因素和随机因素影响导致结果存在差异

根据2013、 2015 和2017 年这3 年数据得到第一阶段DEA 模型测算均值如表3 所示。 国内研究学者在研究森林公园旅游发展协调性时， 主要采用传统DEA 模型(第一阶段) 计算分析中国31 个省级行政区之间的差异性， 选择3 位学者的研究结果进行对比分析， 比较存在的差异并分析原因。

第一阶段计算数值与国内学者研究结果存在差异。杨萍[14]、丁振民[10]、朱磊[9]采用传统DEA模型计算得到31个省级行政区森林公园旅游发展协调性均值分别为0.473、 0.356 和0.804。 3 位学者研究结果中综合效率值为1 的省级行政区分别有2 个、 0 个和1 个。 3 位学者研究的森林公园旅游协调度大于0.6的省级行政区分别有6 个(北京市、 天津市、 上海市、 江苏省、 河南省和广东省)、 5 个(广西壮族自治区、 江西省、 四川省、 浙江省和重庆市)、 30 个(除安徽省， 其协调度为0.464)。3 位学者研究的结果中森林公园旅游协调度小于0.4 的省级行政区分别有12 个、23 个和0 个。

中国31 个省级行政区森林公园旅游协调性均值为0.738 (表3)。 吉林省、 海南省、 西藏自治区、 甘肃省和新疆维吾尔自治区这5 个省级行政区综合效率值为1， 森林公园旅游发展协调性处于最佳状态， 协调度等级处于优良协调。 除了以上5 个省级行政区以外还包括天津市、 内蒙古自治区、 黑龙江省、 上海市、 安徽省、 陕西省和宁夏回族自治区这7 个省级行政区。 协调度处于0.6 ～0.8 的有12 个省级行政区， 大于0.6 有24 个省级行政区， 所占比例为77.4%。 31 个省级行政区中仅有江西省和重庆市综合效率值小于0.4， 分别为0.305 和0.368， 处于一般失调状态。

通过对比发现， 杨萍[14]、 丁振民[10]、 朱磊[9]这3 位学者间研究的结果存在较大的差异， 与本文研究结果也存在差异。 除了森林公园旅游发展较协调的省级行政区数量不同外， 相同省级行政区不同的学者研究得到的结果也存在不同， 甚至出现极大的反差。 例如丁振民研究的江西和重庆两个省级行政区的森林公园旅游发展协调度均大于0.6[10]， 而本文得到的分析结果为31 个省级行政区中最低的两个， 均小于0.4。

从地区上分析， 杨萍[14]、 丁振民[10]、 朱磊[9]这3 位学者研究中国森林公园旅游发展中地区的协调度排名分别为东部地区＞东北地区＞中部地区＞西部地区， 东部地区＞中部地区＞西部地区， 东部地区＞西部地区＞中部地区， 且东部地区均处于协调的发展状态。 4 个地区中森林公园旅游发展协调性排名为东部地区＞西部地区＞东北地区＞中部地区(表3)， 并且4 个地区都处于一般协调状态， 未有处于优良协调状态的地区， 说明4 个地区的森林公园旅游产业仍然有很大的发展空间。

从地区上对比发现， 杨萍[14]、 丁振民[10]、 朱磊[9]这3 位学者及本文的计算结果得到东部地区森林公园旅游发展协调性是最好的， 西部地区和中部地区森林公园旅游发展协调性较差。 西部地区在现实中森林旅游公园发展较差， 但朱磊研究结果中西部地区森林公园旅游发展协调性比其他个别地区还存在优势[9]。 东北地区是重点国有林区转型发展森林旅游的主要发展地， 但是从计算结果分析相比东部地区却未体现出较好的结果。

杨萍[14]、 丁振民[10]、 朱磊[9]这3 位学者的研究结果与本文中第一阶段计算的结果存在较大的差异性， 主要有3 个原因: 第一， 研究时间年限不同。 每一年各省级行政区对森林公园旅游发展的投入存在差。 第二， 选择的评价指标不同。 选取评价指标不同则表示考虑的影响因素不同， 会直接影响计算结果。 第三， 研究方法的局限性。 传统DEA 模型忽略随机因素和环境因素的影响。 数据对比中出现极大的反差以及区域的森林公园旅游发展协调性与现实明显不符都是由于第3 点原因导致。 这是因为由传统DEA 方法得到的协调性结果未考虑随机因素和环境因素影响， 故所得到的结果并不能真实反映各省级行政区森林公园旅游发展的协调性， 需要通过第二阶段和第三阶段做出进一步调整和分析。

表3 2013、 2015 和2017 年第一阶段DEA 模型测算均值Table 3 Estimated means of the first stage DEA Model in 2013， 2015 and 2017

2.2 环境因素对森林公园旅游发展协调性结果有影响

第二阶段计算结果如表4 所示。 做似回归分析有两个自变量， 所以自由度为2， 由混合卡方分布表可知， 在1%显著水平下临界值为8.273。 在2013、 2015 和2017 这3 年中， 旅游收入、 接待人数、 植树造林面积的LR 值均大于8.273， 表明3 个投入松弛变量在1%水平下拒绝无效率假设。 另外， 多数解释变量对被解释变量在规定的置信水平下显著的， 存在个别不显著变量。 查阅国内外研究文献发现[11-13]，国内外学者使用SFA 做似回归分析时， 同样存在不显著变量， 只要多数t 检验通过， 则解释是有意义的。 由以上两点分析， SFA 模型使用是比较合理的。

表4 第二阶段SFA 模型测算结果Table 4 The calculating result of the second stage SFA Model

λ 值大小反应随机和环境两方面因素对结果的影响程度。 当λ≈1 时， 环境因素影响更大； λ≈0 时，随机因素影响更大。 所有年份的所有输入指标的松弛变量λ≈1 (表4)， 表明这3 年中环境因素对协调性计算结果有着显著的影响， 因此计算森林公园旅游发展协调度进行环境因素剔除是非常有必要的。

根据第二阶段调整后的投入指标， 得到第三阶段计算结果如表5 所示。

对比第一阶段数值发现，31 个省级行政区森林公园旅游发展协调度均值有了一定程度的提高， 由0.738 提升至0.771， 纯技术效率由0.881提升至0.911， 规模效率由0.836 提升至0.851。 表明环境因素与随机因素对协调性计算结果体现出负影响， 降低了协调度， 剔除两方面影响后，协调度有了一定提高。

从各个省级行政区来看，有7 个省级行政区的森林公园旅游发展协调度在调整后降低， 所占比例为22.6%。 有20 个省级行政区的协调度在调整后上升， 所占比例为64.5%。 吉林省、 西藏自治区、 甘肃省和新疆维吾尔自治区4 个省级行政区的协调度未发生变化。 其中经过调整后协调度提升最大的是广东省， 提升了0.378， 协调度降低最大的是天津市， 降低了0.819。可见， 环境因素对广东省和天津市的协调度的影响较大， 对广东省是负影响， 而对天津市是正影响。 表明广东省的外界宏观经济环境、 国家资源支持降低了森林公园旅游发展协调性实际结果， 天津市的外界宏观经济环境、 国家资源支持提升了森林公园旅游发展协调性实际结果。 在剔除环境因素和随机因素后， 中部地区和东北地区的协调性计算结果有一定提升； 而东部地区和西部地区的协调度有所下降。 东部地区和西部地区协调度相比其他两个地区较低是因为规模效率相对较低； 制约中部地区和东北地区森林公园旅游发展协调性的是纯技术效率。 另外， 经过调整后， 东北地区森林公园旅游发展协调性计算结果是4 个地区最大的， 体现了东北重点国有林区产业转型的优势； 西部地区森林公园旅游发展协调度最低， 与实际情况吻合， 这都表明调整后得到的计算结果更真实可靠。

表5 2013、 2015 和2017 年第三阶段DEA 模型测算均值Table 5 Estimated means of the third stage DEA Model in 2013， 2015 and 2017

2.3 协调度较好的省级行政区呈现聚集分布、 协调度较差的省级行政区呈现离散分布

吉林省、 黑龙江省、 浙江省、 安徽省、 山东省、 西藏自治区、 甘肃省和新疆维吾尔自治区这7 个省级行政区综合效率为1 (表5)， 7 个省级行政区森林公园旅游发展协调度达到最优， 表明对森林公园旅游发展投入与产出达到一个平衡， 实现了纯技术效率与规模效率有效。 在严重失调至优良协调的5 个等级中省级行政区对应的个数分别是1 个、 3 个、 3 个、 6 个和18 个， 58.06%的省级行政区的森林公园旅游发展协调度处于优良协调的状态， 19.35%的省级行政区协调度处于一般协调发展状态， 仅有12.90%的省级行政区协调度处于失调发展状态。 可见， 中国森林公园旅游发展协调性多数处于一个较好发展状态， 资金、 人力的投入带来了良好的经济社会效益。 天津市、 上海市、 青海省和宁夏回族自治区这4 个省级行政区森林公园旅游发展协调度处于失调发展状态， 均是由于规模效率不高导致。 其中天津市处于严重失调的状态。 天津市地域面积小， 森林旅游资源匮乏， 截至2017 年12 月， 只有1 处森林公园。 另外根据2014 年、 2016 年和2018 年这3 年的《中国林业统计年鉴》 可知天津政府对森林公园的投资较少， 存在个别年份不投入资金的情况， 导致天津森林公园旅游处于严重失调的发展状态。 辽宁省、 江西省和云南省这3 个省级行政区的森林公园旅游发展协调度处于勉强协调发展状态， 协调度值同样不高，其中辽宁省和江西省协调度值不高是由于纯技术效率不高导致， 云南省是由于规模效率不高导致。 两个方面的原因导致森林公园旅游系统内部发展协调性较差， 都是因为系统内部投入与产出的失衡， 协调度不高的省级行政区需要调整投入结构， 使森林公园旅游系统内部协调性达到最佳状态。

森林公园旅游发展协调度较好的省级行政区呈现聚集分布状态(图1)， 森林公园旅游发展协调度较差的呈现离散分布状态。 森林公园旅游发展协调性较差的有天津市和上海市等经济发达的省级行政区， 也有青海省和宁夏回族自治区等经济不发达的省级行政区。 可见，森林公园旅游发展协调性好坏与地区经济发达程度没有直接的关系， 导致森林公园旅游发展协调度较低的主要原因是森林公园旅游投入与产出的失衡。

一方面是政府盲目无效的投入， 未匹配地区森林公园旅游资源， 导致投入过多， 造成资金资源的浪费， 影响森林公园旅游发展协调性； 另一方面因政府重视力度不够， 导致其投入不足， 地区森林旅游资源未能有效利用， 影响森林公园旅游发展协调性。

图1 31 个省级行政区森林公园旅游发展协调度空间分布特征Figure 1 Spatial distribution characteristics of tourism development coordination in forest parks in 31 provinces and cities

2.4 31 个省级行政区间森林公园旅游发展协调性显著区域逐渐减少

用局部空间自相关来分析单个省级行政区与相邻省级行政区间的关联程度。 2013、 2015、 2017 年森林公园旅游发展协调度LISA聚集图( 图2) 中不同纹理表示不同的集聚模式， 共有5 种集聚模式区域，分别为“H-H” 区域、 “H-L” 区域、 “L-L” 区域、“L-H” 区域和不显著区域。 “H-H” 区域表示本省级行政区协调性发展较好， 相邻省级行政区协调性发展也较好； “H-L” 区域表示本省级行政区协调性发展较好， 相邻省级行政区协调性发展较差； “L-L” 区域表示本省级行政区协调性发展较差， 相邻省级行政区协调性发展也较差； “L-H” 区域表示本省级行政区协调性发展较差， 相邻省级行政区协调性发展较好； 不显著区域表示本省级行政区与相邻省级行政区间空间自相关不显著。

2013、 2015 和2017 年森林公园旅游发展协调度在空间上未出现“H-H” 区域和“L-L” 区域(图2)，表明各省级行政区协调度相比其他省级行政区未有明显优势和劣势， 不存在一直处于高速发展和低速发展的省级行政区， 各省级行政区处于一个过渡区和极化效应区的发展模式。

2013、 2015 和2017 年森林公园旅游发展协调度在空间上出现“L-H” 区域的是上海市， 2017 出现“L-H” 区域的还有天津市。 上海市和天津市两个城市的相邻省级行政区处于高发展区域， 两个市处于低发展区域， 表明两个城市与相邻省级行政区发展协同性差。 上海市是经济快速发展的港口城市， 天津市是内陆经济快速发展的典型城市， 用地面积少， 森林旅游资源缺乏。 截至2017 年， 上海仅有5 处森林公园，天津市仅有1 处森林公园， 是两个省级行政区森林公园旅游发展协调度较低的主要原因， 缺少与相邻省级行政区的发展合作也是导致其森林公园旅游发展协调度较低的重要原因。 随着经济快速发展， 各省级行政区间的相互合作非常重要， 打造共赢的发展局面。

2013 和2015 年森林公园旅游发展协调度在空间上出现“H-L” 区域的是甘肃省， 2017 年未有省级行政区出现。 表明2013、 2015 年甘肃省森林公园旅游发展协调度相比其他省级行政区处于绝对优势， 自身发展水平高。 随着各省级行政区森林公园旅游的发展这种优势逐渐降低， 在一定程度上说明了森林旅游资源的雷同性， 不存在独一无二的旅游资源， 但随着各省级行政区重视程度增加这种区域会逐渐消失。

随着时间的推移， 出现显著的区域越来越少， 表明各省级行政区越来越重视森林公园旅游的发展， 相邻省级行政区之间的差异性在逐渐降低。

3 结论与展望

图2 31 个省级行政区森林公园旅游发展协调度LISA聚集图Figure 2 LISA aggregate graph of tourism development coordination in forest parks in 31

3.1 结论

第一， 环境因素与随机因素对31 个省级行政区森林公园旅游发展协调度计算结果呈现出负影响， 剔除这两个影响因素后， 东北地区森林公园旅游发展协调度最高， 体现了东北地区重点国有林区产业转型的优势， 表明调整后得到的计算结果更真实可靠。第二， 根据三阶段DEA 模型得到的协调度计算结果， 31 个省级行政区森林公园旅游发展协调度均值为0.771， 处于一般协调等级。 从空间分布特征分析， 协调度较好的省级行政区呈现聚集分布现象， 协调度较差的省级行政区呈现离散分布现象。 协调度的好坏与所处地市经济发达程度没有直接的关系， 主要由森林公园旅游资金投入、 专业技术人员库、 科学的管理制度决定。 第三， 2013、 2015 和2017 年森林公园旅游发展协调度在空间分布上未出现“H-H” 区域和“L-L” 区域， 各省级行政区处于一个过渡区和极化效应区的发展模式。 “L-H” 区域是上海市和天津市两个城市， 自身旅游资源匮乏、 与邻近省级行政区协同发展低是形成该区域类型的主要原因。 “H-L” 区域只有甘肃省， 随着各省级行政区森林公园旅游的发展， 该区域逐渐消失， 显著区域逐渐减少表明近年来森林公园旅游的发展受到各地政府的重视， 各省级行政区间的差异性逐渐降低。

3.2 展望

因数据的选择及研究方法选用的局限性， 论文仍有3 个方面可以继续完善。 首先， 论文选择了3 年数据和三阶段DEA 模型研究中国森林公园旅游发展协调性， 仅通过3 年数据和一种方法计算结果可能存在偶然性， 选择多年数据并结合多种方法对比分析是今后继续探讨的方向。 其次， 研究国内与国外森林公园旅游发展同异性， 提出更加科学的发展策略是今后研究的重点。 最后， 随着科技的发展， 智慧旅游会随之出现， 研究智慧旅游产生对森林公园旅游的发展的影响是一个极具价值的研究方向。