“双循环”格局下京津冀地区旅游业效率提升的路径探讨

张 斌

（北京联合大学 北京 100020）

引言

在《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中指出，加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局。旅游业作为国家发展的重要支柱，对内有拉动内需、提高居民幸福生活程度满意度的作用；对外有展示国家形象，是文化输出的窗口。越来越多的地区意识到旅游业的发展是社会发展不可或缺的一部分，并且在近些年不断加大对旅游的投入以促进旅游“食、住、行、游、购、娱”建设。

京津冀是我国的首都经济圈，包括北京、天津、河北的11个地级市，其中北京、天津、保定、廊坊为核心功能区。京津冀位于华北地区环渤海心脏地带，是我国北方经济规模最大的地区。作为我国游客出行主要目的地，京津冀地区的旅游发展对全国旅游业发展都有着重要的示范作用。近些年，在旅游业建设发展过程中，旅游资源投入不合理、基础建设不均衡等问题变得越来越严峻。北京作为我国的政治、文化、国家交往、科技创新中心，对内是我们的“国家心脏”，对外是文化交流的“总指挥”。提高京津冀地区旅游效率，对于我国形成“双循环”的发展格局有着重要的意义和作用。

文献回顾

（一）关于旅游效率的研究

“效率”表示产业发展过程中单位要素投入在特定时间产出的最大化，使所有利益相关者得到总剩余最大化的性质。它在1957年被英国学者Farrel提出，主要应用于管理学和经济学的相关领域。

张鹏样、郑婷、黄艳梅（2021）运用超效率SBM模型对中国不同省份2005-2018年的旅游经济效率进行评测，得出我国各省份、各地区、各时间段旅游经济效率的情况。在此基础上，运用Malmquist指数分析了在各年份发展过程中不同省份、不同地区技术效率和技术进步对旅游经济效率的影响。潘秋玲、宋玉强、陈乐等（2021）借助数据包络分析方法对陕西省107个县域进行旅游效率测度，发现旅游效率达到有效的县域比例偏低且多属于各地市所属郊区；通过旅游业水平、县域发展水平、交通服务水平对陕西省县域旅游总效率进行回归分析，发现旅游占GDP比例、人口密度和汽车站数量对旅游效率有显著的正向影响。纪晓萌、秦伟山、李世泰等（2021）选取我国329个地级行政单位2018年旅游业发展状况为研究对象，使用DEA模型测量各地级市旅游效率，发现旅游综合效率达到有效的城市仅有38个，使用ArcGIS对旅游效率进行可视化表达，使用空间自相关、热点分析、地理探测器分析旅游效率的形象因素，发现旅游发展质量、旅游服务水平和旅游资源质量对旅游业发展效率有显著影响。

（二）对京津冀地区旅游效率的研究

李瑞、吴殿廷、殷红梅等（2014）以京津冀、长三角、珠三角、山东半岛的主要城市为研究对象，采用DEA、Bootstrap-DEA纠偏和Malmquist指数模型测算和分析四大城市群旅游业发展效率和时空特征。郭伟、王凤娇、张铁宏等（2017）基于京津冀高铁线路的建设，研究在城市交通建设背景下旅游效率的情况，借助DEA模型对京津冀13个地级市进行效率计算。研究发现，旅游效率有效的城市主要集中在京津冀中北部，规模效率和总效率呈同步发展态势。但文章并没有将高铁对旅游效率的影响阐述清楚，只是将反映高铁建设的“铁路网密度”纳入投入要素进行计算。黄翼羽、吴盼玉（2018）借助DEA中的BCC模型，对京津冀、长三角、珠三角城市在2012年和2016年的旅游效率进行比较，发现三个地区的旅游效率都处于无效状态，其中京津冀的旅游效率最低。并对下属城市进行研究，总结各地旅游效率的差距以及在2012-2016年的旅游效率的发展情况。

通过对相关文献进行综述，可以发现关于旅游效率的研究已经有非常成熟的思路，近些年，相关领域的学者在分析旅游效率的同时关注到对影响旅游效率因素的分析，对旅游效率的提高有积极作用。但是对京津冀地区的研究只有基于某些年份截面数据的分析，对旅游效率动态变化缺乏清晰的认识；而其他地区对于旅游效率的数据计算已经较为充分，但大部分学者仅关注了对效率产生的原因分析，没有基于已有效率的研究结果对地区旅游业的发展方式提出建设性意见。本文将从京津冀的13个地区入手，研究2010-2018年期间，各地区旅游效率的情况以及动态变化，并深入分析影响京津冀效率的因素差异，在此基础上，结合当前我国提出的形成“双循环”发展战略对京津冀旅游业发展路径进行探究。

研究方法和指标选取

（一）研究方法

1.Super-SBM模型。DEA模型作为传统的估计经营效率的方法，由于其计算简单，操作方便被广泛应用在各个领域中，通过基于不变规模报酬的CCR模型或基于可变规模报酬的BCC模型进行效率评估。由于传统的DEA模型没有考虑投入产出的松弛性问题，计算数据往往偏高，且无法对多个有效决策单元进行评价和排序。在此基础上，Tone基于修正松弛变量对模型进一步完善提出了Super-SBM模型，有效解决了多个有效DMU单元的评价和排序问题。

式（1）中，ρ代表相对效率值；x代表输入变量；y代表输出变量；m代表投入指标个数；s代表产出指标个数；s代表投入松弛变量；s代表产出松弛变量。

2.Malmquist指数。1953年，Malmquist提出Malmquist指数，在1982年该指数被用于生产效率变化的计算。DEA模型的效率值只能反映某一事件的技术效率，1994年RolfFäre将该理论与DEA相结合，通过Malmquist指数可以对生产率的变动以及生产率变动的原因作进一步分析，它将全要素生产率变化（TFPCH）分解为技术效率变化指数（ECH）和技术进步变化指数（TECH），可以从时间维度上分析旅游效率的动态变化和其他各种变化对创新效率的影响程度。

式（2）中，i=1，2，……n表示决策单元；t=1，2，…n表示时期x代表投入向量，y表示产出向量；D(x，y) 与D(x，y) 分别表示一时期t为标准的时期t和t+1生产点的距离函数。

3.地理探测器。地理探测器主要包括分异及因子探测、交互作用探测、风险区探测和生态探测四个探测器。相较于传统的分析统计方法，地理探测器在不对q值进行统计显著性检验时，q值仍然具有明确的物理意义，可以有效克服传统统计方法处理类别变量的局限性，受到的制约更少，且自变量和因变量之间的关系比经典回归更加可靠。它以空间分层异质性为研究对象，探究某个自变量对某个因变量的影响。为了探究变量的空间分层异质性，以及研究某因子X在多大程度上解释了变量Y的空间分异，用q值度量，q值越大，表示X对Y的解释程度越好。

式（3）中，h=1，…L为变量Y或因子X的分层；N和N分别为层h和全区的单元数；σ和σ分别为变量Y在层h和全区的方差；SST和SSW分别表示层内方差之和及总方差。

（二）指标选取

李瑞、吴殿廷、殷红梅等（2014）将劳动要素投入、资本要素投入作为投入指标的一级指标，其中选取每万人第三产业从业数反映劳动要素投入，选取3A级以上旅游景点数、三星级以上饭店数、国际旅行社数、国内旅行社数反映资本要素投入；用旅游总人数和旅游总收入作为效率产出。张丽峰（2014）选取旅游固定资产、旅游业从业人数作为投入指标；旅游企业总营业收入作为产出指标。夏赞才、邹泉、罗文斌等（2020）选取旅游业基本单位数、旅游从业总人数、固定资产投资作为旅游投入指标，选取旅游业收入、旅游景区接待总人数为旅游产出指标进行省域旅游业效率的计算。王兆峰、刘庆芳（2021）用劳动力投入、资本投入作为投入指标，劳动力投入用旅游从业人数反映，资本投入用旅行社数量、星级酒店数量、A级景区数量衡量；旅游产出主要通过旅游人次和旅游收入表示。

旅游业经营过程可以看作是一个投入产出过程。基础设施建设投入指标主要通过固定资产投资反映、资本投入指标主要通过A级景区数、星级饭店数、旅行社数反映，劳动投入指标主要通过第三产业从业人数反映；选取旅游收入和旅游人数作为产出指标进行旅游效率的计算。

本文数据选取《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》以及河北各地级市年鉴、统计局网站和EPS全球统计数据/分析平台等名录。

结果分析

（一）基于超效率SBM的旅游效率分析

使用DEA-Solver，基于超效率SBM模型，对京津冀地区在2010-2018年的旅游效率进行计量，结果如表1和图1所示。

图1 京津冀地区2010-2018年旅游效率的空间格局

表1 2010-2018年京津冀各地区旅游综合效率

?

在这9年里，北京市旅游综合效率最高（1.897）、天津第二（1.6221）、沧州旅游综合效率最低（0.286）。

对表1中每个地区旅游效率的变化进行单独分析，可以看出，北京市的旅游效率呈现逐年递减趋势，但在京津冀地区一直处于领先地位；张家口在2014-2017年的旅游效率高于1，其他年份的效率值远低于1，波动较大；石家庄、邢台的旅游效率在不同年份之间存在波动，天津、秦皇岛、唐山、保定、沧州、邯郸的旅游综合效率在2010-2018年之间波动性较小，发展状态比较稳定。

从整体来看，在2010-2018年之间，除了2010年有6个地区的旅游效率高于当年平均效率和2012年的8个地区的旅游综合效率高于平均效率，其他年份均为7个地区的旅游效率高于平均效率。进一步对旅游综合效率进行方差计算，可以看到从2010-2015年京津冀地区的旅游业综合效率差距越来越小，2016-2018年趋于稳定，各地区旅游业发展进入了均衡状态。

（二）旅游效率动态演变分析

为了解京津冀地区旅游效率的动态变化，使用Malmquis模型对京津冀旅游效率的动态变化进行刻画（见表2-表4）。

表2 京津冀地区2010-2018年旅游业技术进步动态变化

?

表3 京津冀地区2010-2018年旅游业规模效率动态变化

?

表4 京津冀地区2010-2018年旅游业全要素生产率动态变化

?

在2010-2018年之间，京津冀地区旅游全要素生产率变动指数为1.178，表明年均旅游全要素生产率增长17.8%，其中，技术进步的增长率为16.4%，规模效率变化指数增长率为1.1%。这说明，技术进步和规模效率都为京津冀旅游全要素生产率提高做出贡献。其中，技术进步是全要素生产率提高的主要原因，在2014-2018年期间，京津冀地区的旅游全要素生产率在逐年上升，说明近些年，京津冀地区的旅游业投入产出效率正在改善。在对京津冀旅游效率进行分解后，可以看出，2012年之后京津冀的技术进步指数在逐年升高，在2012-2014年之间，规模效率下降，因此，京津冀旅游全要素生产率在2012-2014年之间比较稳定；在2014年之后，规模效率趋于稳定，技术进步指数逐年提高，京津冀全要素生产率提高。

在2010-2018年期间，各地的规模效率围绕1上下波动，其中，北京、邢台的平均规模效率低于1；天津、承德、秦皇岛、保定、邯郸的规模效率等于1；京津冀地区各个年份的规模效率变动不大，基本围绕1上下波动，其中，2013-2014年、2014-2015年期间，规模效率小于1，其他年份大于1。

在2010-2018年期间，北京市技术进步指数仅为1.09，天津市技术进步指数为1.15，均低于平均值1.16，可以看出，在经济发达地区，技术进步空间减小。京津冀地区旅游业效率不平衡的主要原因是发达地区和不发达地区的差距较大，但近些年的旅游效率差距减小，原因可能是河北地区的旅游业技术进步带动旅游效率的提高引起差距缩小。

（三）旅游业发展效率影响因素分析

为探究影响旅游业综合效率的因素，本文选取2010-2018年京津冀地区第三产业从业人数、地区生产总值、游客总人数、星级酒店数、A级景区数五个指标分别代表当地旅游业人力资源投入、地区发展水平、地区吸引力、旅游配套设施建设、旅游资源对旅游业影响因素进行探究（见表5）。第三产业从业人数从侧面反映了旅游业从业人数，旅游业作为劳动密集型行业，其发展需要大量的劳动力；地区生产总值反映了当地经济发展水平，地区发展往往能够促进消费，提高旅游要素利用效率；游客总人数能够直接反映当地旅游业发展水平；星级酒店数和A级景区数反映了地区旅游业固定资产投资水平，通过对当地旅游业的投入实现旅游效率的提升。

表5 京津冀地区2018年旅游效率影响因素

?

通过地理探测器对京津冀2010-2018年旅游效率的影响因素进行因子分析，可以发现对旅游效率的影响均值依次为第三产业从业数（0.679）、A级景区数（0.6）、地区生产总值（0.548）、星级饭店数（0.503）、接待游客数（0.472）。在2010-2018年期间，要素均值对旅游效率影响呈逐年下降趋势，说明旅游业发展受到除旅游从业人数投入、地区发展水平、地区吸引力、旅游配套设施建设、旅游资源的影响越来越小，从侧面反映了旅游业受地区经济和旅游发展等其他相关产业的影响越来越大。其中，第三产业从业人数对旅游业效率影响较大，说明旅游业作为“食、住、行、游、购、娱”的综合活动，其发展对整个行业的依赖程度较高，加大对第三产业的投入能较大程度促进旅游业的发展。

京津冀地区旅游业发展路径

在对2010-2018年京津冀地区旅游业效率的时间空间特征进行度量后，基于地理探测器可以发现：第三产业从业人数对地区旅游效率影响较大；且2010-2018年要素均值对旅游效率影响呈逐年下降的趋势。在此基础上，对京津冀地区旅游业发展路径提出意见，见图2所示。

图2 京津冀旅游发展路径

整合地区人力资源，加大对旅游业人才的培养力度。通过表5可以看出，第三产业从业人数与京津冀地区旅游效率存在较大程度的相关性，旅游业作为当前的朝阳产业，是服务业的重要组成部分。加大对人力资源的投入力度，大力引进相关人才，从旅游发展规划、景区管理到技术运用全面提升旅游要素的利用效率。

发展当地经济，加大对旅游业的投入。经济基础稳固可以为旅游业发展提供更坚实的发展基础，能够加强当地对其他服务业、基础设施建设的投入力度，对于包含“食、住、行、游、购、娱”的旅游业来说，拥有了更加肥沃的土壤，可以进一步促进地区旅游消费。同时，经济发展可以完善旅游业基础设施，加大景区的建设和创新投入，提高景区管理效率。大力挖掘优质资源进行市场开发、景区建设，对京津冀旅游效率有质的提升。

用信息技术助推区域一体化发展。当今阻碍区域一体化发展的一大原因是区域联动不够使得区域融合的广度和深度存在不足。信息技术作为不受行政区限制的一种交互方式，可以从目的地营销、电子商务、公共服务、行业监管等方面提高旅游资源的利用效率。充分挖掘地域特色，打造有代表的区域旅游景点；完善区域内旅游要素和公共服务体系，建立三地公共服务平台；建立异地投诉机制，提高问题解决效率。

结论

本文基于超效率SBM模型、Malmquist指数对2010-2018年京津冀地区旅游业效率和动态变化进行测度，在此基础上，借助地理探测器对京津冀地区旅游业综合效率的影响因素进行探究。主要结论如下：

京津冀地区中北京、天津、衡水旅游业综合效率一直处于较高水平，但是北京市综合效率呈逐年递减的趋势；沧州地区旅游业发展较为缓慢，旅游业投入产出效率较低；在2010-2015年期间，京津冀地区旅游业综合效率差距不断减小，并在2016-2018年趋于稳定。在2010-2018年期间，京津冀地区年均旅游业全要素生产率增长17.9%，其中，技术进步的增长率为16.4%，规模效率变化指数增长率为1.16%。这说明，技术进步是全要素生产率提高的主要原因；在2012-2014期间，京津冀地区旅游业技术效率进步，但是规模效率减少，因此全要素生产率止步不前；在2014-2018年期间，京津冀地区旅游规模效率趋于稳定，技术效率仍然保持上升趋势，地区旅游业全要素生产率逐年上升。在2010-2018年期间，北京市、天津市技术进步指数均低于平均值1.16，可以看出，在经济发达地区，技术进步空间减小，由于旅游业全要素生成率的变化主要取决于技术进步，因此2014-2018年地区旅游业效率差距减小和旅游业全要素生产率上升的原因可能是河北地区技术进步带动旅游业发展。第三产业从业数、A级景区数、地区生产总值、星级饭店数、接待游客数都在显著影响京津冀旅游效率，且影响程度随时间呈下降趋势。

在对京津冀旅游业效率的时空态势和影响因素进行分析后，提出从人力资源引进、信息化建设、经济建设方面提高京津冀地区旅游业效率的建议。