陇东南地区旅游扶贫效率分析——基于DEA视窗分析模型

尚清芳

在全国扶贫攻坚新阶段，旅游扶贫作为扶贫的重要方式之一，在经济社会发展落后、山水人文等旅游资源相对丰富的地区备受重视，并取得了显著成效。旅游扶贫由政府主导，旅游企业和贫困人口参与，在为企业带来收益的同时确保了贫困人口有稳定的就业岗位和收入来源，因此，旅游扶贫具有可持续性。旅游扶贫不仅为当前旅游业发展注入了新活力，而且也成为带动旅游目的地贫困居民脱贫致富的新业态。旅游扶贫效率是衡量旅游扶贫成效的重要指标。旅游扶贫效率的高低直接影响着当地旅游扶贫的政策调整、产业布局和目标实现等，因此，对旅游扶贫效率进行测度分析，对于旅游扶贫的健康可持续发展至关重要。

旅游扶贫问题引起了国内学者的关注与研究［1-10］。李瑞等人在实证分析的基础上提出，旅游扶贫成功的关键在于农户深度参与景区旅游经营体系。唐勇等人以秦巴山区连片特困地区为研究对象，通过案例分析政府主导型、生态优先型等5类旅游扶贫发展模式的使用条件、影响因素、发展对策。邸明慧等人对河北省环京津23个贫困县旅游开发进行评价，并采用四象限法对评价结果进行分类，得出了旅游扶贫模式的选择要避免“一刀切”的结论。当前旅游扶贫的研究大多采用截面数据，从空间维度出发进行分析，忽视了时间对旅游扶贫效果的影响，难以准确反映旅游扶贫效果。笔者在其他学者的研究基础上，从时间和空间维度出发，根据陇东南地区旅游扶贫的相关数据，采用DEA视窗分析法对陇东南地区旅游扶贫效率进行动态研究。

一、研究地区现状

陇东南地区包括庆阳市、平凉市、天水市和陇南市，土地面积 8.08×104km2，人口 1 088万。陇东南地区旅游资源丰富，有麦积山景区、平凉市崆峒山风景名胜区等2个国家5A级景区，25个4A级景区，64个2A级以上景区。2017年陇东南地区共接待游客7 916.38万人次，旅游收入2 278.4亿元［11］。陇东南地区将旅游业与一、二、三产业融合，在“旅游+”多产业深度融合发展的基础上，形成了“旅游+农户”“旅游+贫困村”“旅游+农业商品”等多种旅游扶贫模式，旅游扶贫效果显著。

二、研究方法和数据来源

近年来，旅游扶贫效率成为学术研究热点［12-17］。李会琴等人从农户参与的视角，基于陕西省延安市4村89户的调研，对旅游扶贫生态效益进行研究。曹妍雪、马蓝选取少数民族人口比例大于8.49%的12个省、自治区进行旅游扶贫DEA效率实证分析。黄渊基以武陵山湖南片区为例，构建二阶段DEA旅游扶贫效率评价模型进行实证研究。陈国柱、卢双鹏以秦巴山片区为例，进行旅游扶贫效率测度。李莉、陈雪钧以重庆民族地区为研究对象，构建PEST模型进行旅游扶贫效率研究。总的来看，对旅游扶贫效率的研究主要集中在近两年，且定量研究方法逐步成为主流。近年来DEA（数据包络分析）模型逐步被引入到旅游扶贫效率研究中。例如，丁煜、李啸虎以新疆和田地区为例，利用DEA和Malmquist指数模型进行旅游扶贫效率评价研究；耿长伟等人利用超效率DEA模型对六盘山片区各县旅游扶贫效率进行排名分析。DEA方法具有不受投入产出量纲影响、不用对评价指标赋予权重值、投入产出指标之间无需构建明确函数关系式、评价不受主观因素的影响、评价结果较为公平等优点。另外，王松茂、郭英之在旅游扶贫效率评价中的指标选取方法值得借鉴。

（一）评价模型的选取

1.DEA基本模型

DEA基本模型包括C2R模型和BC2模型。C2R模型是规模收益不变模型，BC2模型是规模收益可变模型。

假设有n个决策单元，m种投入和s种产出，建立C2R模型（以产出为导向），其线性规划表达式如下：

式中：x为投入指标；y为产出指标；λ是被评价单元DMU的线性组合系数；s+是松弛变量；s-是剩余变量；θ为最优解。

以产出为评价的旅游扶贫效率，θ是效率评价指数，取值范围为［0，1］。设 e=（1，1，…，1）T，当 θ=0，e-Ts-+eTs+=0时，被评价单元DMUj为DEA有效，其技术有效、规模有效；当θ=1，e-Ts-+eTs+>0时，被评价单元DMUj为弱DEA有效，其技术和规模不同时为最佳；当θ<1时，被评价单元DMUj不是DEA有效，其技术和规模都不是最佳。

C2R模型和BC2模型表示的含义以及判断方法类似，其用途的区别在于：C2R模型用来评价综合效率（Overall Efficiency，OE），BC2模型用来评价技术效率（Technical Efficiency，TE），单位投入产出水平的高低是技术效率评价的重要参照。规模效率（Scale Efficiency，SE）是二者之间的比值：SE=OE/TE，代表决策单元DMU是否在最佳生产规模下进行生产经营，即生产规模的有效程度。技术效率是指在一定或最优规模下，由于技术和管理等因素影响的生产效率，如技术进步或管理方法革新对生产效率提升的影响程度等。综合效率指的是评价单元的整体经济效益。

2.DEA视窗分析方法

旅游扶贫是指通过旅游产业增加贫困人口收入，以推动贫困地区经济发展。旅游扶贫投入产出在时间上存在滞后性，某一年份的统计数据不足以真实反映其投入产出效率。因此，为真实反映旅游扶贫效率，进行横向和纵向比较分析。G.Klopp基于DEA模型提出了视窗分析法 （Windows Analysis Approach），以不同时期（连续几年）的投入与产出作为新评价决策集。DEA视窗分析方法的基本思路是：首先，确定视窗宽度，若n（样本期间）为偶数，则视窗宽度w=（n+1）/2±1/2；若 n（样本期间）为奇数，则视窗宽度 w=（n+1）/2。其次，将n分割为（n-w+1）个有所重叠的时间窗，每个时间窗包含n个决策单元DMU在w个时间段的效率值。最后，分别对各个视窗进行DEA效率测算，根据计算结果分析在时间序列上的效率变化趋势。

（二）指标选取与数据来源

对近年来国内旅游扶贫效率评价研究的投入和产出指标进行归纳整理，旅游扶贫效率评价指标构建参考表见表1［15-17］。由表1可知，不同地域、不同研究内容以及不同研究模型下，选取的旅游扶贫投入和产出指标有明显差异，大多数旅游扶贫效率的研究将游客接待量、旅游总收入等作为投入指标，人均旅游收入等作为产出指标。根据不同的旅游扶贫评价导向，其投入产出指标不是唯一的。为评价旅游扶贫对农民和城镇居民收入的影响，选取当地旅游综合收入、旅游总人数作为投入指标，城镇居民人均可支配收入、农民人均纯收入、人均GDP作为产出指标（见表2）。

三、旅游扶贫效率分析

（一）效率综合分析

利用DEAP 2.1软件，对陇东南地区4市2011—2017年旅游扶贫投入产出面板数据进行计算，得到2011—2017年陇东南地区旅游扶贫效率平均值（见表3），2011—2017年陇东南地区旅游扶贫效率平均值变化趋势（见图1）。

由表3和图1可知，规模效率平均值整体呈逐年递增趋势，表明旅游扶贫规模效应使地区贫困人口收入增加。技术效率平均值呈上升趋势，表明技术的投入有利于旅游扶贫效率的提升。综合效率平均值由2011年的0.468上升到2017年的0.717，表明陇东南地区贫困人口收入与旅游活动的关联性不断增强。

表1 旅游扶贫效率评价指标构建参考表

表2 旅游扶贫效率评价指标体系

表3 2011—2017年陇东南地区旅游扶贫效率平均值

陇东南地区旅游扶贫效率平均值都小于1，即陇东南地区旅游扶贫整体上不是DEA有效，其技术和规模都不是最佳。从技术效率、规模效率和综合效率上都可以看出，陇东南地区旅游扶贫效率整体呈上升趋势，表明当地贫困人口收入不完全来自于旅游业。

（二）静态比较分析

陇东南地区各地旅游资源禀赋各异、区位条件不一，旅游扶贫模式和旅游发展程度也各不相同，因此，各地不同年份的旅游扶贫技术效率、规模效率和综合效率不同。为总结各地旅游扶贫经验，以更好地促进旅游业发展，带动更多贫困人口增加收入，有必要对各地旅游扶贫效率进行比较分析。

2011—2017年陇东南地区4市旅游扶贫效率见表4，2011年陇东南地区4市旅游扶贫效率比较见图2。由表4和图2可知，2011年天水市的技术效率最高，其后是陇南市、庆阳市和平凉市；天水市的规模效率最高，其他3市的规模效率相当；天水市的综合效率最高，其次是庆阳市、平凉市和陇南市。2013年陇东南地区4市旅游扶贫效率比较见图3。由图3可知，2013年陇南市的技术效率最高，其他3市差别不大；天水市的规模效率最高，庆阳市、平凉市基本持平，陇南市最低，但相对于2011年有了较大提高。2015年陇东南地区4市旅游扶贫效率比较见图4。由图4可知，2015年陇东南地区4市在技术效率、规模效率和综合效率上差别不大，除庆阳市的规模效率较高外，陇南市的效率值均处在相对较高的位置。2017年陇东南地区4市旅游扶贫效率比较见图5。由图5可知，2017年陇南市的技术效率、综合效率相对较高，庆阳市的规模相率相对较高。

综上所述，由于陇东南地区4市经济发展水平存在差异，因此，地区旅游收入对贫困人口人均收入的影响程度也明显不同。陇南市旅游扶贫技术效率、规模效率明显优于其他3市，但综合效率较低，表明该市旅游扶贫还有较大的增长空间。天水市旅游扶贫规模效率的波动幅度较大，表明该市贫困人口的主要收入可能来自于其他方面。庆阳市和平凉市旅游扶贫技术效率、规模效率和综合效率一直处于中位或低位，表明两市“旅游扶贫+产业”在管理、资金、技术等方面还有待加强，以提高当地旅游综合收入和游客接待人数，进而促进贫困人口人均收入的增加。

表4 2011—2017年陇东南地区4市旅游扶贫效率

（三）动态比较分析

为了更好地分析不同地区不同时期旅游扶贫效率的变化情况，利用DEA视窗分析方法进行分析。研究期n=7，视窗宽度w=（7+1）/2=4，将研究期分为2011—2014年、2012—2015年、2013—2016年、2014—2017年4个时间窗，计算得出陇东南地区连续4年旅游扶贫效率（见表5），进一步分析2011—2017年陇东南地区4市旅游扶贫效率的时序变化特征。

为分析陇东南地区4市在4个视窗中旅游扶贫效率的稳定性，以庆阳市为例，其旅游扶贫综合效率由第1视窗的0.441提升到第4视窗的0.611，提升幅度为38.55%。平凉市和陇南市旅游扶贫综合效率分别提升了32.81%和42.64%，而天水市旅游扶贫综合效率下降了4.26%。陇东南地区4市旅游扶贫技术效率都呈上升趋势，庆阳市、平凉市、天水市、陇南市上升幅度分别为18.18%、12.94%、7.13%、13.52%。天水市旅游扶贫规模效率呈下降趋势，下降幅度为10.37%，陇南市旅游扶贫规模效率提升了26.32%，平凉市提升了17.52%，庆阳市提升了17.06%。

陇东南地区旅游扶贫综合效率、技术效率和规模效率在 4个视窗中的变化情况见图 6、图7、图8、图9。以第1视窗为例，天水市旅游扶贫综合效率排名第一，其他依次为陇南市、平凉市和庆阳市，这与2011年的排序有较大差异，接近于2014年的排序。陇南市旅游扶贫技术效率最高，其他依次是天水市、平凉市和庆阳市，这与2011年的排序有较大差异。天水市旅游扶贫规模效率最高，其他依次是平凉市、庆阳市和陇南市，这与2011年和2014年的排序一致。

表5 陇东南地区连续4年旅游扶贫效率

四、讨论与结论

笔者从静态和动态两个角度对陇东南地区旅游扶贫综合效率、技术效率和规模效率进行评价研究。研究表明，2011—2017年天水市旅游扶贫综合效率、技术效率、规模效率的排序相对稳定。陇南市旅游扶贫综合效率、规模效率的递增明显。庆阳市旅游扶贫技术效率的递增相对较大。旅游扶贫效率除了受到旅游收入和贫困人口数量的直接影响外，还可能受到其他因素的影响。例如，陇南市旅游扶贫效率呈明显的上升趋势，这与陇南市产业结构单一、经济发展缓慢和旅游业快速发展有密切关系。相对其他市而言，天水市经济条件较好，贫困人口从业渠道较多，旅游收入在贫困人口总收入中的比重较低。

旅游扶贫效率研究具有一定的复杂性，以下两个方面还有待深入研究：第一，本文为了避免指标过于宽泛而给测算带来干扰，选取当地旅游综合收入、旅游总人数作为投入指标，城镇居民人均可支配收入、农民人均纯收入、人均GDP作为产出指标。实际上，影响旅游扶贫效率的因素是复杂多变的，应进一步优化旅游扶贫效率指标体系，更为真实客观地反映和评价旅游扶贫效率。第二，DEA视窗分析的优势在于通过确定视窗宽度进而确定视窗数，以连续若干年效率的稳定变化对投入产出效率进行动态评价。然而，DEA模型是通过测算决策单元与最优前沿面之间的距离，进而判断决策单元的有效性来实现效率评价的［18］。DEA模型固有的缺陷就在于一旦决策单元DEA有效（效率值为1），就很难对这些决策单元进行排序。