绿色发展背景下旅游产业生态效率的空间关联与驱动因素研究

张洪 方文杰 陶柳延

摘要：采用非期望产出的超效率SBM模型对2007—2017年国内旅游产业生态效率进行测度，并进一步采用非参数核密度估计、空间自相关分析、地理探测器等对其空间关联及驱动因素进行探索，结果表明：旅游生态综合效率呈现逐年上升趋势，区域旅游发展绿色化与可持续化水平逐步提升;国内旅游生态综合效率及规模效率均呈现全局空间正相关，纯技术效率则始终存在显著空间负相关;不同驱动因素对不同地区旅游产业生态效率的影响存在特定的同质性与异质性特征;相比于单一驱动因素，旅游产业生态效率的提升更加依靠多因素的“合力”推动;经济产业因素是全国层面影响旅游产业生态效率提升的关键，而由于我国旅游业绿色发展存在一定时序性，其发展条件存在“区内相似，区间异质”的特征，使得经济产业、社会基础、自然条件等二级驱动因素在不同地区的影响能力具有显著差异。

关键词：旅游产业生态效率;空间关联;驱动因素;超效率SBM模型;地理探测器

中图分类号：F591 文献标识码：A 文章编号：16735595（2022）03007509

一、引言

“绿色发展”是我国经济社会发展的核心理念，并且已经成为旅游业高质量发展的重要目标。旅游业作为国民经济中战略性支柱产业，在建设美丽国家中具有天然优势与基础。近年来，我国旅游业贯彻新发展理念，深化产业融合，创造了巨大的社会与经济效益，但与之而来的资源损耗、环境污染、生物多样性锐减等生态问题同样抑制旅游业提质增效和长远发展。新时期，旅游业作为我国国民经济发展的战略性支柱产业，承接着全新的历史使命，走绿色发展之路已经成为旅游业高质量发展和可持续发展的必然选择。旅游产业生态效率作为衡量旅游绿色发展与可持续发展的核心指标，探索其空间关联格局与驱动因素，对于区域旅游战略制定、科学开发与管理具有重要理论意义与实践价值。

生态效率是描述产品和服务生产过程中减少自然资源利用与污染物释放的重要理论，其核心在于降低自然资源消耗与环境影响，提升产品与服务价值及资源循环效用[13]。随着旅游生态环境问题的日益严峻，生态效率概念逐渐从工业、农业等产业引入旅游学科研究，用于研究减少旅游生态破坏、强化旅游经济的附加值等相关话题[4]。国内外旅游产业生态效率的早期研究主要集中于旅游产业生态效率的界定与阐释，学者们在参考生态效率定义的基础上，将旅游产业生态效率界定为旅游发展与环境影响间的比例关系[58]。由于旅游业的迅速壮大，其环境代价逐渐引起学术界的关注，在科学核算旅游过程中的能源消耗与碳排放强度的基础上，学界主要采用单一指标法[67，911]、综合评价法[12]及投入产出模型[1315]进行旅游产业生态效率的定量测量。旅游产业生态效率在旅游地管理的应用则主要涉及关于区域效率提升与驱动因素的研究，已有研究主要从内外驱动角度采用Tobit回归[16]、多元回归[17]、地理加权回归[18]等方法对旅游产业生态效率的驱动因素进行测量，并测出城镇化、旅游接待、产业规模、经济开放水平等因素对旅游产业生态效率具有显著影响。

综上所述，旅游业已经进入绿色与可持续发展的新阶段，国内外已有研究成果为旅游产业生态效率的进一步研究提供了一定的理论支撑与参考，但结合时空视角与空间分析方法对中国省域旅游产业生态效率进行研究仍有完善空间。基于此，本研究基于非期望产出的超效率SBM模型对旅游产业生态效率进行科学测算，并在此基础上采用非参数核密度估计、空间自相关分析、地理探测器等方法对2007—2017年中国省际旅游产业生态效率的动态演化、空间关联格局及其驱动因素进行研究。

二、研究设计

（一）旅游产业生态效率评价体系构建

旅游产业生态效率的核心是以最少资源投入和环境污染使旅游产品或服务价值最大化。参考已有研究成果[1921]，分别选取旅游业就业人数、旅游业固定资产投资、旅游业能源消耗表征旅游产业生态效率的劳动、资本与能源投入;产出方面，选取旅游总收入作为期望产出，旅游业碳排放总量作为非期望产出。为避免各年度统计口径变动的影响，旅游业固定资产投资仅考虑旅行社与星级酒店，旅游业能源消耗则按照旅游总收入占地区国民生产总值的比重进行测算;碳排放等指标被广泛应用于不同层面的生态及环境研究[22]，本文对旅游业碳排放的测算主要以旅游交通、旅游住宿和旅游活动为重点领域，采用“自下而上”方法分别测量，并加总得出总碳排放量[23]。

（二）旅游产业生态效率驱动因素识别

旅游产业生态效率的空间聚类与演化受到多种因素的共同影响，在参考以往研究的基础上将其归纳为经济产业因素、社会基础因素与自然环境因素三类（见表1）[1618，2426]。经济产业因素主要包含驱动旅游业发展的区域经济基础条件、市场开放与技术引进情况、区域旅游业发展规模等，可以概括为经济基础、市场开放与产业结构;社会基础因素包括景区所在地基本情况、公共设施与服务条件、内生市场规模等，可以概括为城镇化、交通通达与常住人口;自然环境为区域旅游业发展提供自然环境与基础条件，而随之产生的环境污染问题则制约着旅游业的永续经营与绿色发展，该类因素可以概括为环境治理、循环处理与自然条件。

（三）数据来源

文章所需数据来源于2008—2018年《中国统计年鉴》《中国旅游统计年鉴》《旅游抽样调查资料》及各省级区域统计年鉴和发展公报等，对于少量失效或缺失数据采取线性插值法进行科学补充。研究区域主要涉及东中西三部分省级区域，其划分来源于已有文献[27]。东部包括北京、上海、广东、天津、河北、辽宁、浙江、福建、江苏、山东、海南（不包含港澳台）;中部包括黑龙江、山西、吉林、河南、安徽、江西、湖南、湖北;西部包括重庆、四川、贵州、云南、内蒙古、广西、陕西、宁夏、西藏、新疆、甘肃、青海。

（四）研究方法

1.基于非期望產出的超效率SBM模型

在旅游产业发展过程中，通常期望由旅游活动、旅游交通、住宿设施等相关产业和设施所产生的生态环境污染越小越好，即实现旅游业非期望产出最小化。基于非期望产出的超效率SBM模型由Tone提出，在处理旅游产业生态效率的非期望产出、决策单元横向比较等方面具有优势。该模型能有效避免DEA基本评价模型因多种严格假定而造成结果偏差以及未考虑非期望产出等不足，并且相比于传统SBM模型进一步修正了无效DMU松弛变量，解决了效率排序无效的问题[28]。具体模型构建如下：

其中，n个DMU中，每个DMU由投入m、期望产出r1和非期望产出r2构成; x、yd、yu分别为投入矩阵、期望产出矩阵和非期望产出矩阵中的元素; ρ为旅游生态综合效率。需要说明的是，由于非期望产出的超效率SBM模型结果评估与输入输出指标数据量纲无关，因此无需对各指标数据进行无量纲化处理。

2.非参数核密度估计

非参数核密度估计是一种应对随机变量概率密度进行估计的非参数法，本研究用于判断旅游生态综合效率及其分解效率的总体分布与演变趋势，其基本原理为[29]：

其中，n为观测单元数量;xi为独立同分布的观测值;为观测值均值;h表示带宽;K（x）为核函数，研究中取高斯核函数。

3.空间自相关分析

空间自相关是指位置相近空间单元具有相似的属性值，可分为全局空间自相关与局部空间自相关，文中分别选取全局与局部Moran’s I对旅游产业生态效率及其分解效率的空间聚类进行分析，其公式分别为[30]：

其中，n表示区域数量;xi、xj分别表示区域i和区域j的效率值;表示效率均值;Wij为基于距离标准构建的空间权重矩阵。

4.地理探测器

地理探测器（Geographical Detecter）运用于探测空间差异性，其核心在于若自变量对因变量有重要驱动作用，则二者的空间分布应具有相似性。该方法不存在大量的假设条件，可有效克服传统统计分析方法处理类型变量所存在的局限性，同时可揭示出两自变量对因变量的交互作用，其原理为[31]：

其中，q为驱动因素对旅游产业生态效率影响力探测值，数值越大表示驱动因素对旅游产业生态效率的影响力越大;Nh为探索要素所包含的单元数;N为全区单元数;σh2和σ2分别为所探测要素层和全局单元的旅游产业生态效率方差。

三、研究结果及分析

（一）旅游产业生态效率的测度结果与动态演化

基于MAXDEA Pro 83软件，选取非期望产出的超效率SBM模型对2007—2017年各省份数据进行测算，得出旅游生态综合效率、纯技术效率与规模效率，并计算出观测期内各省份三种效率均值与排序（见表2）。

从综合效率来看，天津、北京、江苏、贵州4个省份的旅游生态综合效率均值大于1，表明这些省份的旅游生态资源投入与组合配置达到比较优质的程度;综合效率均值位于05到1之间的省份共有12个，主要为东部与中部省份;共有15个省份的综合效率均值低于05，其中宁夏、青海、新疆等西部省份相对最低，表明国内旅游生态投入产出结构仍有较大改善空间。旅游生态综合效率可以进一步分解为纯技术效率与规模效率，前者表示受管理和技术等因素影响的生态效率，后者表示由于规模因素影响的生态效率[32]。由表2可知，纯技术效率均值的省份排序与综合效率基本一致，而规模效率的排序则与二者有较大差异。从区域角度来看，东部地区旅游生态综合效率与规模效率均值均为最高，表明东部地区在旅游生态发展过程中其整体规划配置及规模化发展产生了良好效益;西部地区旅游生态纯技术效率均值最高，而规模效益最不显著，表明旅游生态制度设计、技术及管理水平等因素对区域旅游产业生态效率的影响最大。

为了进一步探究2007—2017年旅游产业生态综合效率、纯技术效率、规模效率的动态演化，本文以三种效率均值变化折线图反映其总体变化状态（见图1），并采用Stata 160软件中基于高斯核函数的非参数核密度估计法对关键时间节点（2007年、2012年、2017年）的效率分布与演变趋势进行分析（见图2）。

如图1所示，2007—2017年旅游生态综合效率总体呈现上升趋势，表明区域旅游发展绿色化与可持续化水平逐步提升，其增长速度在2007—2012年间相对较高;纯技术效率曲线同样在观测期内保持总体上升趋势，其增长速度在各阶段较为稳定;规模效率则在2007—2012年显著提升，2012年后的变化趋势则相对平缓。

由图2可知，综合效率的核密度曲线均呈现为“双峰”分布态势，其中低值波峰效率值分布于05附近，高值波峰效率值分布于11附近，表明综合效率的“两极分化”现象显著，并且多数地区处于低效率阶段。但随着时间演变，曲线高值峰峰值逐渐降低，低值峰峰值逐渐增大，区域差异又有所缩减;纯技术效率方面，各年度核密度曲线“双峰”分布形态特征逐渐增强，其中高值峰在2012—2017年间有显著提升，表明区域差异程度逐渐增大;规模效率方面，2012年核密度曲线的高值峰峰值出现大幅增长，并呈现为“三峰分布”态势，表明该阶段高规模效率地区数量显著增加。2017年，规模效率曲线基本恢复为2007年形态，区域差异有所减弱。综合可知，2007—2012年间旅游生态综合效率的提升主要依靠各地区旅游生态规模发展与技术优化所带来的显著成效，2012年后旅游生态综合效率增长的主要驱动力转向区域生态管理及环保技术水平的提升。

（二）旅游产业生态效率的空间关联分析

为展现国内旅游产业生态效率的空间相关性与聚类特征，研究采用Geoda 114软件对2007—2017年旅游产业生态效率进行全局空间相关性检验（见表3）。2007—2017年旅游生态综合效率及规模效率的全局Moran’s I均为正值，并在研究期内表现出“先增后减”的变化趋势，表明二者总体上存在显著的正向空间相关性，空间依赖性先增强后减弱;纯技术效率全局Moran’s I始终为负值且绝对值波动上升，表明纯技术效率存在显著的空间负相关性，高值区域与低值区域交错分布;规模效率空间相关性在研究期内的波动相对微弱，并且始终表现出非常顯著的空间正相关特征。

全局空间自相关在一定程度上均等了地区差异，难以细致反映省份间的局部空间聚类模式，因此研究进一步以2007年、2012年、2017年数据为样本进行局部空间自相关分析，并且将旅游产业生态效率局部空间聚类模式划分为四种类型（见表4）。综合效率在观测初期的集聚特征表现为弱空间正相关，但空间同质性趋势随时间愈加显著，中期空间正自相关聚类省份达到13个。期末该指标聚集特征则表现为正负相关性并存，空间正、负相关聚类的省份数量相同。结合表4可知，综合效率H-H型省份在空间上呈现“带状分布”，主要为北京、天津、辽宁、吉林、江苏等中部、东部省份，这些地区旅游可持续发展与绿色发展的水平较高，能够对周边省份产生显著的扩散与辐射效应;L-L型省份则主要呈现为聚集分布，主要为西藏、甘肃、青海、新疆等西部省份;L-H型省份在空间上表现为散乱分布，包含陕西、黑龙江、上海、浙江等;H-L型省份仅有重庆、贵州，且均未通过显著性检验。

表5显示了以2007—2017年旅游产业生态效率均值为样本的局部空间自相关分析结果。其中，纯技术效率在研究期始终保持较强的空间异质性，并且多数省份空间相关性并不显著，以均值数据的结果为例，仅有重庆、新疆两个省份的局部空间相关性通过显著性检验。在不考虑显著性的情况下，属于空间负相关聚类类型的省份占比达到67.7%。与之相反，规模效率的空间分布则具有较强的同质性，绝大多数省份属于H-H和L-L聚类类型，充分体现出旅游要素的规模投入对于旅游产业生态效率提升具有普遍作用，并且对于邻近省份具有显著的扩散与辐射效应。

（三）旅游产业生态效率的驱动因素分析

1.三级驱动因素影响力的总体探测

旅游产业生态效率的动态演化与空间聚类反映出不同区域的驱动机制可能同样存在差异。为进一步探求旅游产业生态效率提升的具体路径，运用地理探测器模型对其驱动因素进行探测。由于地理探测器对于类别数据的算法优于连续数据，采用SPSS 260软件二阶聚类方法将连续性驱动因子值分别转化为1、2、3、4、5五种类别。本文分別使用2007—2017年间全国及东、中、西部地区所有省份数据进行计算，以探索各驱动因素对于不同区域旅游产业生态效率的总体影响力探测值及主导交互因子，结果如表6所示。

总体上，不同驱动因素对不同地区旅游产业生态效率的影响存在特定的同质性与异质性特征。其同质性在于，产业结构、交通通达、常住人口、循环处理对于各地区旅游产业生态效率均产生重要影响。旅游产业占比直观体现了区域旅游业发展的整体情况与重要程度，同时也能够反映出区域旅游业开发与管理水平，是当前对全国及中、西部地区旅游业绿色发展影响力最高的核心因素。交通通达水平既是决定区域经济建设、社会文明与旅游发展的重要支撑，也是区域间资金、技术、人才等要素流动与辐射的重要媒介。提升区域交通可达性能够为旅游开发与经营提供基础条件，因此交通通达因素在中西部地区影响力较高，但在交通基础设施及服务相对完善的东部地区则相对较弱。旅游者是旅游活动的主体，人口数量是影响旅游内生市场需求的决定性因素，也是旅游开发、管理企业从业规模的重要支持。从全国来看，人口因素的影响力相对较弱，但在针对不同地区进行探测时该因素的决定性作用有所凸显。垃圾无污染处理等环境规制措施有助于对旅游活动所产生废弃物实现无害化与资源化，能够有效促进区域生态文明建设与循环经济发展，对于区域旅游产业生态效率的提升具有显著影响。

异质性方面，经济基础、市场开放、城镇化、环境治理、自然条件对于不同地区旅游产业生态效率的影响力差异较大。具体而言，经济基础能够反映地区经济建设及文明程度，是区域旅游业绿色发展的重要助推，对于全国及东、中部旅游产业生态效率具有较强影响，而西部地区由于经济发展处于以环境污染、资源破坏为代价的重污染、低质量阶段，该因素的影响较小且不显著;市场开放一方面能够通过先进人才、技术引进提升区域旅游生态发展水平，另一方面也可能促进工业聚集、人员流动等加重区域污染，因此该因素在经济欠发达且人口流出的西部地区对于旅游产业生态效率提升的影响较弱;区域城镇化发展能促进区域旅游开发与人才聚集，有助于生态文明理念融入居民生活与城市建设，但由于我国城镇化建设仍存在不均衡问题，部分省份城镇化推进较慢或质量较差导致其对于中、西部地区旅游产业生态效率的影响力较弱;环境治理投资的提升使得区域生态环境保护建设不断加强，城乡居民生活环境得到了持续改善，优化了旅游业赖以生存的自然环境，但污染治理措施同样会产生一定成本投入和发展限制，因此对于经济相对发达的东、中部地区旅游绿色发展的影响较弱;绿地面积是反映区域旅游业的自然基础与景观禀赋的重要指标，进一步优化生态环境资源配置有助于提升旅游业生态发展，其中东部地区城市旅游发达而西部地区受到基础条件等限制，该因素对旅游产业生态效率的影响力相对较弱。

交互作用探测的目的是评估两个驱动因素共同作用时是否存在对旅游产业生态效率解释力的增强或减弱，由表6可知，各地区主导交互因子的影响力探测值均超过任意单一因子，说明旅游产业生态效率的提升更加依靠多因素的“合力”推动。总体而言，各地区交互主导因素均属于非线性增强类型，其中产业结构、常住人口与其他因素的交互作用对于旅游产业生态效率的影响最为显著。城镇化与常住人口是全国层面影响旅游产业生态效率的主导因素，二者均属于社会基础因素;产业结构与常住人口对东、中部地区旅游产业生态效率的交互影响力探测值分别为0609和0732，二者交互作用强化了对旅游产业生态效率的影响;产业结构与自然条件是影响西部旅游业绿色发展的主导因素，二者交互影响力探测值为0773。

2.二级驱动因素影响力的演化分析

为进一步分析二级驱动因素影响程度及其演化规律，选取截面数据进行地理探测器分析，并通过将各维度下的三级驱动因素q值相加得到该二级驱动因素影响力探测值，探测结果及变化规律如图3所示。

从全国来看，经济产业因素是影响旅游产业生态效率提升的关键二级驱动因素，说明经济基础、开放环境、旅游产业规模等因素对于我国旅游业绿色可持续发展的影响力最大。随着时间发展，三类驱动因素的影响力探测值均呈现波动下降的特征，三者间影响力差异逐年缩小。由于我国旅游业绿色发展存在一定时序性，并且所依托的经济、社会、环境等发展条件在三大地区间存在“区内相似，区间异质”的特征，使得不同二级驱动因素在不同地区的影响能力具有显著差异性。具體表现为：①东部地区经济产业因素在初期及中期能够显著影响旅游产业生态效率的提升，2014年以后其影响力不断降低。社会基础因素的影响力在观测期内变化较为平稳，自然环境因素的影响能力则存在波动下降后稳步上升的特点。②中部地区经济产业因素对旅游产业生态效率的影响能力逐年凸显，区域经济发展为基础建设及环境治理提供支撑，市场开放为互动交流及技术引进提供动力，共同推动了区域旅游业的绿色发展。社会基础因素是初期影响中部地区旅游产业生态效率的关键因素，2010年出现“断崖式下降”后保持稳定，自然条件因素总体影响力较弱，其影响力分别在2009年、2016年达到峰值。③西部地区各二级驱动因素影响力均在2013年达到峰值，总体呈波动上升平稳回落的特点。其中，自然环境因素的影响力波动幅度及峰值较高，这类因素是决定旅游资源分布及质量的重要条件，因此对于经济、社会欠发达的西部地区具有更加显著的影响。

四、结论与建议

本研究采用非期望产出的超效率SBM模型对2007—2017年省际旅游产业生态效率进行测算，并对其空间关联与驱动因素进行探索，得到如下结论：

（1）2007—2017年国内旅游生态综合效率总体呈现波动上升趋势，区域旅游发展绿色化与可持续化水平逐步提升，初期增长主要依靠各地区旅游生态规模发展与技术优化所带来的显著成效，2012年后主要驱动力转向区域生态管理及环保技术水平的提升。

（2）2007—2017年国内旅游生态综合效率及规模效率均呈现全局空间正相关，二者在局部上均表现为“高值聚集、低值聚集”的空间聚类特征;纯技术效率则始终存在显著空间负相关，其局部空间相关性显著性较弱，且多数省份属于空间负相关聚类类型。

（3）产业结构、交通通达、常住人口、循环处理对于各地区旅游产业生态效率均有重要影响，经济基础、市场开放、城镇化、环境治理、自然条件的影响力则在不同地区具有差异性;相比于单一驱动因素，旅游产业生态效率的提升更加依靠多因素的“合力”推动，其中产业结构、常住人口与其他因素的交互作用对于旅游产业生态效率的影响最为显著。

（4）从全国来看，经济产业因素是影响旅游产业生态效率提升的关键，三类驱动因素的影响力探测值在观测期内均呈现波动下降的特征，三者间影响力差异逐年缩小;由于我国旅游业绿色发展存在一定时序性，并且经济、社会、环境等发展条件在三大地区间存在“区内相似，区间异质”的特征，使得不同二级驱动因素在不同地区的影响能力具有显著差异。

旅游业绿色发展的核心在于开发管理过程中实现自然生态影响减量化、经济产出最大化以及环境污染与经济价值最优化。鉴于此，本文提出如下建议：

（1）宏观层面，旅游产业生态效率的提升需树立全新旅游生态经济发展管理理念，以创新、协调、低碳、共享发展为内核，转变旅游经济增长优先思想，进一步健全旅游生态发展法规制度，完善生态补偿、预警、保护、防治、监督等旅游生态经济运行管理机制;建立相应管理组织，主导区域旅游绿色发展规划与发展及绿色科技研发、转化与扶持。

（2）中观层面，应着眼于旅游产业升级与行业管理。一方面关注旅游业能耗与生产方式，推进旅游产业转型升级，促进低能耗、小排放、高效率旅游生态系统构建;另一方面需强化旅游行业治理与管理能力，发挥行业组织自律、维权、沟通、协调等优势，提高旅游业资本利用率，关注旅游产业链延伸，提升经济产出附加值。

（3）微观层面，企业应树立生态效率意识，推广清洁能源、节能设备、污染处理设施设备，转变原有粗放型生产局面，充分发挥标尺意义;注重旅游环境解说系统规划与设计科学性、观赏性、趣味性及合理性，从而更好地向旅游者介绍当地珍稀和濒危动植物以及各种典型生态系统，宣传普及低碳旅游理念，从需求侧对旅游活动观念进行重构，进而间接影响旅游企业供给侧改革。

参考文献：

[1] Ayres R U. Towards a Zeroemissions Economy[J]. Environmental Science and Technology，1998，32（15）：366367.

[2] WBCSD. EcoEfficiency： Creating More Value with Less Impact[R]. Geneva： WBCSD， 2000.

[3] Raymond C， Aaron B， Bertha L. EcoEfficiency and SMEs in Nova Scotia， Canada[J]. Journal of Cleaner Production， 2006， 14（67）： 542550.

[4] 刘军，马勇.旅游可持续发展的视角：旅游生态效率的一个综述[J].旅游学刊， 2017， 32（9）： 4756.

[5] Goessling S， Peeters P， Ceron J P， et al. The Ecoefficiency of Tourism[J]. Ecological Economics， 2005， 54（4）：417434.

[6] 李鹏，杨桂华，郑彪，等.基于温室气体排放的云南香格里拉旅游线路产品生态效率[J].生态学报，2008，28（5）：22072219.

[7] 蒋素梅，幸岭.旅游业生态效率研究——以昆明市为例[J].旅游研究， 2014，6（2）：1419.

[8] 姚治国，陈田.旅游生态效率模型及其实证研究[J].中国人口·资源与环境，2015，25（11）：113120.

[9] PerchNielsen S， Sesartic A， Stucki M. The Greenhouse Gas Intensity of the Tourism Sector： The Case of Switzerland[J]. Environmental Science & Policy， 2010， 13（2）：131140.

[10] 甄翌.基于溫室气体排放的旅游目的地旅游生态效率研究——以张家界为例[J].安徽农业科学，2013，41（8）：34853487.

[11] 刘军，问鼎，童昀，等.基于碳排放核算的中国区域旅游业生态效率测度及比较研究[J].生态学报，2019，39（6）：19791992.

[12] Schaltegger S， Burritt R L. Contemporary Environmental Accounting Issues， Concepts and Practice[M]. Sheffield：Green

Leaf Publishing，2000.

[13] 彭红松，章锦河，韩娅，等.旅游地生态效率测度的SBMDEA模型及实证分析[J].生态学报，2017，37 （2）：628638.

[14] 林文凯， 林璧属.区域旅游产业生态效率评价及其空间差异研究——以江西省为例[J].华东经济管理， 2018，32（6）：1925.

[15] 李振山，白洋，李晓东，等.丝绸之路经济带中国段旅游业生态效率评价及空间差异分析——以西北5省域和西南4省域为例[J].西北师范大学学报（自然科学版），2020，56（1）：114121.

[16] 王兆峰，刘庆芳.长江经济带旅游生态效率时空演变及其影响因素[J].长江流域资源与环境，2019，28（10）：22892298.

[17] 王淑新，何红，王忠锋.秦巴典型景区旅游生态效率及影响因素测度[J].西南大学学报（自然科学版），2016，38（10）：97103.

[18] 王坤，黄震方，曹芳东.中国旅游业碳排放效率的空间格局及其影响因素[J].生态学报，2015，35（21）：71507160.

[19] 王兆峰，刘庆芳.长江经济带旅游生态效率时空演变及其与旅游经济互动响应[J].自然资源学报，2019，34（9）：19451961.

[20] 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（10）： 19571970.

[21] 查建平.中国低碳旅游发展效率、减排潜力及减排路径[J].旅游学刊，2016（9）：101112.

[22] 闫俊娜，苏斌，李莹珠.能源与碳排放强度研究综述：基于乘性结构分解分析框架[J].中国石油大学学报（社会科学版），2020，36（5）：110.

[23] 马丽君，邓思凡.2008—2017年中国旅游碳排放与旅游经济增长的脱钩分析——基于31个省区的比较[J].资源开发与市场，2020，36（3）：225232.

[24] 陈梅，赵炜涛.新型城镇化下的旅游业与生态效率关系——以长江中游城市群为例[J].旅游学刊，2018，33（3）：8997.

[25] 彭征，殷开明.我国旅游生态效率测度及发展策略——以海南省为例[J].改革与战略，2018，34（2）：151154.

[26] 胡美娟，丁正山，李在军，等.生态效率视角下旅游业生态福利及驱动因素——以常州市为例[J].生态学报，2020，40（6）：19441955.

[27] 赵东喜.中国省际入境旅游发展影响因素研究——基于分省面板数据分析[J].旅游学刊，2008，23（1）： 4145.

[28] Tone K. Dealing with Undesirable Outputs in DEA： a SlacksBased Measure（SBM） Approach[J].GRIPS Research Report Series，2003（3）：4445.

[29] 于洋，张丽梅，陈才.我国东部地区经济-能源-环境-科技四元系统协调发展格局演变[J].经济地理， 2019，39（7）：1421.

[30] 程叶青，王哲野，张守志，等.中国能源消费碳排放强度及其影响因素的空间计量[J].地理学报，2013，68（10）：14181431.

[31] 王劲峰，徐成东.地理探测器：原理与展望[J].地理学报，2017，72（01）：116134.

[32] 张洪，方芳，朱文静，等.长江经济带旅游发展效率与经济增长水平——基于2011—2017年数据的实证研究[J].中国石油大学学报（社会科学版），2020，36（2）：4351.

Research on Spatial Correlation and Driving Factors of Ecological Efficiency in Tourism Industry Under the Background of Green Development

ZHANG Hong， FANG Wenjie， TAO Liuyan

（School of Business， Anhui University， Hefei 230601， Anhui， China）

Abstract： Study has been conducted to measure the 2007-2017 ecological efficiency of tourism industry in China based on the unexpected output SSBM models， and further use nonparametric kernel density estimation， spatial autocorrelation analysis， geography detector to explore its spatial correlation and driving factors. The results suggest that the comprehensive efficiency show gradual annual rising trend， green and sustainable level of regional tourism gradually improving. The comprehensive efficiency and scale efficiency of domestic tourism ecology are positively correlated globally， while the pure technical efficiency is always negatively correlated spatially. The effects of different driving factors on the tourism ecoefficiency in different regions manifest specific characteristics of homogeneity and heterogeneity. Compared with a single driving factor， the improvement of ecological efficiency of tourism industry relies more on the joint force of multiple factors. Economic and industrial factors are the key contributors to the improvement of ecological efficiency of tourism industry at the national level. However， due to certain timing sequence of the green development of tourism in China， the development conditions are characterized by "similarity within regions and heterogeneity across regions"， which marks the significant discrepancies of secondary drivers in different localities.

Key words： ecological efficiency of tourism industry; spatial correlation; driving factors; SSBM model; geographic detector