基于三阶段DEA模型的海南省旅游扶贫效率时空差异分析

王雅茜，鄢慧丽，崔照忠，张小浩，林文静

(1.海南大学 旅游学院，海南 海口 570228；2.潍坊护理职业学院，山东 潍坊 261000)

20世纪80年代以来，旅游在扶贫方面的优势与潜力逐渐被发掘与认可，国内外众多学者对此展开广泛研究，旨在将旅游与精准扶贫有效结合，以起到降低甚至消除贫困的作用。目前围绕旅游扶贫的研究主要集中在两方面：其一为完善研究方法，鉴于传统DEA模型的固有缺陷，学者们致力于测量方案的改良与精进，由传统DEA模型[1,2]逐步修正为二阶段DEA模型[3]，甚至三阶段DEA模型[4,5]等；其二为细化研究内容，主要针对旅游企业[6]、旅游目的地[7,8]、旅游城市[9]、旅游景区[10]、旅游资源[11]、酒店经营[12]、旅游交通[13,14]等方面展开多角度效率研究。

总体来看，关于旅游扶贫的研究视角逐渐呈多元化发展，但专注其效率的研究成果依然较少。此外，近几年出现的相关领域效率测算成果多以传统DEA模型为主，其结果易受干扰因素影响，三阶段DEA方法引入相似SFA模型，可剔除环境因素和随机因素干扰，使测算结果更贴近实际效率水平。当前随着海南国际旅游岛建设进程加快，海南省旅游收入占比逐步提升，仅“十二五”期间，海南省就凭借旅游优势，使当地贫困人口从82.9万人减少到47.7万人[15]。基于此，本文运用三阶段DEA模型对海南省2010-2018年旅游扶贫效率进行测算，随后运用ArcGIS10.0分析其时空差异特征，藉此为提升海南省扶贫效果提供有益参考。

1 研究设计

1.1 研究方法

Fried等提出三阶段DEA模型，能够将各DMU效率更为真实客观地呈现[16]。

1.1.1 第一阶段：传统DEA模型

DEA模型由美国运筹学家Charnes等率先提出，用于测度固定或可变规模报酬下决策单元的相对有效性，本文第一阶段选择投入导向BCC模型[17]，对海南省旅游扶贫效率进行评价。鉴于该传统模型运用较为广泛，故在此不再赘述。

1.1.2 第二阶段：相似SFA模型

第一阶段DEA模型用于效率测度时，易受周边环境影响，借用相似SFA模型可明确其环境变量影响程度。构建回归方程如下[21]：

Sni=fn(zi+βn)+vni+uni

(1)

式中：Sni为第i个DMU第n项投入的松弛变量，zi为环境变量，fn(zi+βn)表示环境变量对投入差额值Sni的影响。利用回归结果对其他各DMU投入量调整如下：

(2)

1.1.3 第三阶段：调整后的DEA模型

将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模型进行新一轮效率测度。

1.2 指标选取

考虑到数据的可获取性及合理性，结合前人研究成果[18,19]，本文构建如下指标体系(表1)。其中，产出指标表征旅游为当地居民带来的收入贡献，鉴于无法明确旅游收入占居民收入比重，本研究向城镇贫困居民和农村贫困居民分别发放350份问卷，问卷回收有效率为92.71%。通过对问卷数据分析可知，城镇贫困居民认为约85%的人均可支配收入和69%的人均GDP来源于旅游扶贫项目；农村贫困居民则认为两者占比分别为89%和83%。综上可知，本文将通过统计年鉴获取的城镇居民人均可支配收入的85%剥离出来，用于表示旅游贡献额；与此同时，将农民人均纯收入和人均GDP分别按照89%和77%进行剥离。

表1 旅游扶贫效率测算指标体系

1.3 数据来源

本文所需数据均来源于2011-2019年《海南省统计年鉴》以及18市县2010-2018年国民经济和社会发展统计公报，由于三沙市数据缺损，故不予纳入研究范围。

2 结果与分析

2.1 第一阶段传统DEA实证分析

运用DEA-Solver Pro5.0对海南省2010-2018年旅游扶贫三大效率进行分析，测算平均值如表2所示。

表2 2010-2018年海南省旅游扶贫效率剔除环境因素影响前后的测算平均值

鉴于篇幅有限，仅列出历年均值情况。在不过滤外部因素影响前，海南省旅游扶贫综合效率均值为0.710，处于中上等水平。其中，2010年海南省旅游扶贫效率均值为0.663，海口市、文昌市、三亚市等超过一半的市县处于技术效率前沿面。2014年与2010年相比，旅游扶贫综合效率均值略有增加，仅有临高县和东方市处于DEA最佳前沿面。2018年与2014年相比，综合效率小幅增加；纯技术效率呈降低态势，由2014年的0.941降低为2018年的0.931；规模效率呈上升态势，增速为6.85%。整体看来，2010-2018年海南省旅游扶贫综合效率值在逐年提升，其中规模效率均值小于纯技术效率均值，且多数市县处于技术效率前沿面，表明在此期间海南省旅游扶贫效果欠佳主要归咎于规模状态较差。

2.2 第二阶段SFA回归分析

在第一阶段基础上，运用SFA模型进行回归分析，结果如表3所示。

表3 海南省旅游扶贫效率SFA回归分析结果

由表3可知，环境变量对2010-2018年两投入松弛量基本都通过了0.1的显著性检验，这表明环境因素对海南省旅游扶贫效率测度存在明显影响。其中，出游便利度与政府支持对两投入松弛变量的回归系数均为负值，说明随着海南省交通基础设施完善与利好政策环境发展，旅游接待量与旅游收入增加明显，优势环境有助于减少旅游资源投入冗余。

2.3 第三阶段调整后DEA时空差异分析

2.3.1 旅游扶贫效率时间演进

将调整后的投入变量导入BCC模型中进行分析，结果如表2和图1所示。剔除环境因素和随机因素之后，整体来看，2010-2018年海南省旅游扶贫综合效率、纯技术效率和规模效率均值与第一阶段相比都有所上升，但仍未达到最佳前沿面。旅游扶贫综合效率提升的制约因素主要是规模效率较低，可适当扩大各市县旅游业发展规模。同时可知，剔除干扰因素之后的旅游扶贫效率均值显著高于剔除之前，说明环境因素和随机因素对于旅游扶贫效率的测度有重要的影响。

图1 调整前后海南省扶贫效率平均值

2.3.2 旅游扶贫效率空间分异

自从海南省开展旅游扶贫攻坚以来，海南省经济发展取得显著提升。本文以第三阶段数据为基准，运用Arcgis10.0对其空间分异结构进行分析。

2010-2018年旅游扶贫综合效率空间格局具有显著差异。2010年总体上呈现“边缘高中间低”的格局，2018年空间格局演化为“北高南低”分布。第一梯度的市县主要是位于东线的琼海市、文昌市、海口市以及西线的澄迈县和儋州市，位于第二梯度的市县有四个，其效率值均高于平均水平；安定县、屯昌县等位于第三梯度，其效率值处于平均水平；中部大部分市县综合效率最低，其值都不足0.6，低于平均水平，其中三亚市下降最为明显。

结论与建议

本文运用三阶段DEA模型对海南省旅游扶贫综合效率、规模效率和纯技术效率进行测度，并利用ArcGIS10.0对其时空差异特征进行分析，得出如下结论：(1)过滤干扰因素影响前后，三大效率变动显著，说明干扰因素对旅游扶贫效率测度具有明显影响。(2)2010-2018年海南省旅游扶贫综合效率逐年提升，其制约因素主要是较低的规模效率，可适当扩大各市县旅游业发展规模。(3)海南省旅游扶贫综合效率空间格局由“边缘高中间低”演化为“北高南低”分布，其中三亚市下降梯度最为明显。

基于上述旅游扶贫效率演变分析，本文提出以下建议：(1)因旅游扶贫效率空间差异显著，中西线应积极承接东线旅游扶贫项目模式及经验的转移和技术扩散，广泛发挥东线旅游扶贫的模范作用。(2)随着海南自由贸易港及国际旅游消费中心的建设，各市县应推动旅游消费提质升级，进一步释放旅游消费潜力，进而提升海南省经济欠发达地区居民的生活质量。