基于DEA-Malmquist 模型的汉江生态经济带旅游效率评价探究

康晓媛 贾宗超 薛悦垚 何 敏 白 娜

（安康学院旅游与资源环境学院，陕西安康 725000）

一、旅游效率研究综述

旅游效率反映了某一地区旅游活动的投入与产出比率[1]，是衡量区域旅游高质量发展的重要指标之一。目的地旅游效率的测度和评价能够有效助力地区旅游业资源的利用效率和管理能力提升[2-3]。国内外学者针对旅游效率进行了一系列的探索和研究。研究内容方面，已有研究主要集中在旅游效率的测度与评价、影响因素、时空特征演变等方面。就旅游效率的测度与评价而言，目前学界较为经典的分析模型为DEA-CCR 模型、DEA-BBC 模型、DEAMalmquist 模型等。例如，郝瑞华运用DEA-BCC 模型和Malmquist 指数测度了陕西省11 个地市（区）旅游业的效率、时空特征及影响因素，指出陕西省旅游业综合效率处于中等水平，地区发展差异较大[4]。此外，学者往往辅之以核密度、Tobit 回归分析等方法，对地区旅游发展效率进行评价。

研究对象方面，国内外关于旅游效率的研究对象既有酒店、旅行社、旅游交通等具体的产业部门，也有旅游目的地效率、旅游生态效率、旅游交通效率等综合概念。例如，丛小丽以吉林省生态旅游系统为研究对象，分析了该省各地区旅游效率的差异性、空间结构和影响因素，提出提升吉林省生态旅游系统效率的措施[5]。黄和平等以江西省为研究对象，基于世界可持续发展工商理事会（World Business Council for Sustainable Development，WBCSD） 提出的旅游效率定义和核算方法，衡量分析了2000—2015 年江西省旅游效率变化轨迹与成因[6]。

研究方法方面，数据包络分析是旅游效率研究中较为普遍的分析方法。例如，马欣欣通过建立旅游生产效率投入产出指标体系，运用Max-DEA 软件，对2011—2016 年辽宁省各地级市的旅游生态效率进行评价分析[7]。王兆峰利用Malmquist-DEA 指数二次分解模型分析了湖南省旅游产业效率的时空演变及其影响因素[8]。

研究区域方面，现有研究案例地多集中在长江流域、黄河流域等全国性的战略经济带，对区域性案例地的关注较少。

基于上述分析，本文以汉江生态经济带为案例地，采用DEA-Malmquist 模型，深入探究汉江生态经济带旅游效率的演变特征与其背后动因，以期为汉江生态经济带沿线旅游发展提供针对性的建议，从而推动汉江生态经济带旅游效率提升，实现汉江生态经济带沿线旅游高质量发展。

二、研究区概况

汉江，又称汉水，古时曾与长江、黄河、淮河一道并称“江河淮汉”，其汉文化资源、水资源、森林资源、湿地资源等资源丰富，生态文化资源与旅游产业深度融合。汉江流域全长1 577 km，面积15.9 万 km2，流经鄂、陕、豫等多个省市。2018 年10 月，由湖北省牵头、陕西省和河南省共同参与推进的《汉江生态经济带发展规划》（以下简称《规划》）上升为国家战略，由此，汉江成为连接长江经济带和新丝绸之路经济带的一条战略通道，在区域发展总体格局中占有重要地位，有效助推了汉江流域各个城市的旅游经济发展。

然而，目前汉江流域经济发展在全国处于弱势地位，主要原因是汉江流域生态环境保护与建设形势严峻，经济产业结构层次较低，生态环境与经济发展的矛盾较为突出，区域经济发展不平衡问题突出。以汉江生态经济带为典型区域，汉江流域经济高质量发展成为未来我国经济发展的主要任务之一。旅游业作为我国国民经济的战略支柱性产业之一，同时也是环境友好型产业，其发展对加快构建汉江旅游发展新格局，实现汉江流域经济发展与环境保护双赢具有重要意义。

三、研究方法与指标体系构建

（一）DEA-Malmquist 模型

数据包络分析（Data Envelopment Analysis，DEA）是旅游效率评价常用的一种非参数估计法，该方法不需要考虑投入与产出之间的函数关系、预估参数与权重、进行无量纲化处理，就能够处理多种类型的数据。因此，它在处理多输入、多输出这一类型的问题上具有有利优势，较多旅游研究学者采用DEA 这一方法进行旅游产业效率方面的研究。传统的DEA 模型包括CCR（Charnes-Cooper-Rhodes）模型和BCC（Banker-Charnes-Cooper）模型，两个模型分别基于固定规模报酬或可变规模报酬对投入产出效率进行静态分析。Malmquist 指数能够在不同时间截面对效率进行连续动态比较，弥补了DEA传统模型计算效率的不足。因此，本文将DEA 与Malmquist 指数相结合，对汉江生态经济带旅游效率进行评价。

假设(xt,yt)表示t期的投入和产出，(xt+1,yt+1)表示t+1 期的投入和产出，dt和dt+1分别为t时期和t+1 时期技术条件下的产出距离函数，Mt和Mt+1分别为t时期和t+1 时期的技术条件下，从t时期到t+1 时期效率的变化值，提出如下的Malmquist 指数公式：

规模报酬不变的情况下，Malmquist 指数可分解为技术效率（EFFCH）和技术进步（TECH），其中技术效率又可进一步分解为纯技术效率变化（PECH）和规模效率变化（SECH）。此外，Malmquist 指数有三种可能的结果，即全要素生产率（TFP）小于1、等于1 和大于1。当TFP＞1 时，表示生产率水平呈上升发展趋势；TFP=1 时，表示生产率水平没有变化；TFP＜1 时，表示生产率水平呈下降趋势。TFP计算公式如下：

（二）旅游效率评价指标体系构建

参考已有研究，基于数据的客观真实性、可获得性等评价指标构建原则，结合DEA-Malmquist 模型，本文采用替代性指标构建汉江生态经济带旅游效率投入产出指标（见表1）。相关研究将资本、劳动力、土地作为效率计算的基本生产要素，因此，在投入指标遴选中，本文选择固定资产投资额代表资本要素；旅游业从业人数代表劳动力要素；由于土地要素在旅游生产中难以衡量，故土地要素不纳入投入指标。本文的产出指标为旅游总接待人次和旅游总收入，分别反映接待客流规模和旅游综合发展效益。另外，本文研究区域基本以旅游业为支柱产业，因而使用全市固定资产投资代表旅游固定资产投资。针对个别年份缺失的数据，采用内插法补充完善。

表1 汉江生态经济带旅游效率投入产出指标

（三）数据来源与处理

本文依据《规划》，选取汉江生态经济带13 个城市作为研究对象，分别是陕西省安康市、汉中市、商洛市，河南省洛阳市、南阳市、三门峡市、驻马店市与湖北省荆门市、十堰市、随州市、襄阳市、孝感市、武汉市。研究样本期为2005—2019 年，研究数据源于2006—2020 年《中国城市统计年鉴》、汉江生态经济带沿线13 个城市2006—2020 年的统计年鉴与2005—2019 年《国民经济和社会发展统计公报》等。

本文将汉江生态经济带13 个城市作为独立决策单 元（Decision Making Units，DMU）， 把A1、A2、B1、B2代入DEAP 2.1 软件中进行数据处理。本研究中独立DMU 个数大于投入产出指标总数的3 倍，符合DEA 法的基本原则。

四、结果分析

（一）旅游效率分析总体评价

全要素生产率是总产量与全部要素投入之比，是反映生产效率变化情况的指标，效率改善、技术进步和规模效应3 个因素共同对其产生影响。根据表2 可知，考察期间内汉江生态经济带旅游效率TFP指数均值为1.075，表明在研究期内旅游效率水平一直在提升，平均每年增长了7.5%。从动态分解结果来看，EFFCH、TECH均值大于1，说明技术效率和技术进步均对全要素生产率的提高有影响。其中，TECH指数平均每年增长6%，EFFCH指数平均每年增长1.4%，说明技术进步对于全要素生产率的提高有更加积极的意义。由表2 可知，2009—2010年旅游效率EFFCH指数、TECH指数的波动较大，这是由于2009 年“中国生态旅游年”提出，使得大量资本、智慧技术手段进入生态旅游领域，因而汉江生态经济带旅游技术进步指数增加明显。然而，由于缺乏专业人才的管理和运营，因而，汉江生态经济带技术效率水平较低，技术潜力未能发挥，全要素生产率在2010-2011 年间回落。从技术效率变动分解来看，PECH和SECH均值为1.007，说明纯技术效率以及规模效率充分发挥了技术和资源的潜力，也形成了一定的规模经济。整体而言，纯技术效率指数在技术效率中发挥了更大的作用，规模效应相比技术创新的作用并不明显。

表2 2005—2019 年汉江生态经济带全要素生产率及其分解

（二）各市旅游效率分析

从表3 可知，汉江生态经济带13 个市旅游效率差异明显，2005—2019 年TFP指数大于1 的研究单元有10 个，说明汉江生态经济带内大部分城市旅游效率在不断提升，达到了较高的发展水平。各市EFFCH指数均大于1，说明旅游效率提升的主要原因是技术方面有所改进。信息化和数字化时代，技术创新已成为提升旅游目的地竞争力的重要因素。荆门市、襄阳市、孝感市的EFFCH指数均小于1，TECH指数均大于1，这说明技术效率对于这些城市全要素生产率的增长几乎没有贡献，技术进步贡献了全部的全要素生产率的增长。换而言之，新技术的引入使得3 市在投入比例不变的情况下，产出有明显的提升带动。而在一定的技术水平下，由于3 市旅游资源要素间的协调性不足和规模经济不足，导致资源浪费，现有技术水平的潜能未能充分发挥，影响了旅游的整体效益。

表3 2005—2019 年汉江生态经济带13 个城市旅游效率变化及其分解

从EFFCH分解来看，荆门市、襄阳市、孝感市PECH指数和SECH指数均小于1，说明这些城市在旅游发展的管理优化、高新技术引进及旅游要素投入和旅游资源整合利用方面均存在一定的问题，当地政府需要重视旅游的集群化发展、品牌化建设与智慧化运营，并给予相应的政策和资金倾斜。三门峡市SECH指数小于1，说明其旅游发展缺乏规模效应，需要合理调整产品和要素结构，以实现一定投入条件下，旅游规模效益最优化。

五、结论与建议

（一）结论

本文以2005—2019 年汉江生态经济带13 个城市为研究单元，利用DEA-Malmquist 模型，通过汉江生态经济带旅游相关的数据收集与分析，得出以下结论。

第一，2005—2019 年汉江生态经济带旅游全要素生产率年平均值为1.075，表明全要素生产率水平上升了7.5%，但旅游效率的整体水平偏低，且旅游效率的提升呈现波动变化状态。其中，波动较大的2009—2011 年，旅游效率的变化主要是受到了外部政策的影响。

第二，2005—2019 年汉江生态经济带旅游的全要素生产率提高主要归因于技术进步。信息技术的进步，数字化、智慧化在旅游领域的应用，以及交通领域的科技创新，为旅游业发展带来新的发展动能。例如，以三门峡市、洛阳市、商洛市、安康市、驻马店市为典型代表的沿线城市，通过智慧景区建设、旅游信息化的大力应用等举措，推动了旅游效率的提升。技术效率对于全要素生产率的提高也有一定的积极意义。其中，纯技术效率指数和规模效率指数均值为1.007，说明研究区充分发挥了技术和资源的潜力，形成了一定的旅游规模经济。

第三，汉江生态经济带13 个城市的旅游效率存在着较大的地区差异，技术效率是导致不同城市存在差异的主要原因。旅游效率较低的城市在旅游发展的管理优化、高新技术引进及旅游要素投入和旅游资源整合利用方面均存在一定的问题，当地政府需要重视旅游建设，并给予相应的政策和资金倾斜。

（二）建议

本文研究发现，汉江生态经济带13 个市的旅游效率波动变化主要受外部政策、技术条件、规模水平等因素的影响。基于此，提出以下建议。

1.加大政策倾斜和资金投入力度

政策倾斜对于旅游发展具有显著的正外部效应。汉江生态经济带13 个市的政府部门应给予地方旅游发展更多的政策支持，吸引资金、人才、管理、技术、项目等要素聚集到旅游产业，实现地方旅游资源高效配置，实现旅游效益的提高。同时，政府应通过制度变革、财税减免等方式鼓励企业积极创新，打造具有地方特色的旅游产品与服务，助力地方旅游业的可持续发展。

2.注重技术引入与创新，实现技术赋能

技术进步和技术效率是影响汉江生态经济带13 个城市旅游效率的重要因素，因此，这13 个城市首先应更新基础设施设备，在景区、酒店等旅游场所引入智能导览等设备，满足游客的基本旅游需求。其次，应善于使用旅游大数据进行数据分析，完成对客流量、游客偏好、游客旅游路径等数据的挖掘与分析，从而优化旅游服务流程，提升旅游服务水平。最后，加强技术创新在旅游产品研发中的应用，如将虚拟现实、增强现实等技术应用到产品设计中，为游客打造沉浸式旅游体验，提高旅游目的地的竞争力。

3.加强区域资源整合，打造区域联动发展模式

整体上，汉江生态经济带13 个市旅游效率增幅有限，各市旅游投入产出比还有较大的提升空间。因此，13 个城市应加强合作，共同挖掘开发系列具有地方特色的旅游资源与产品，避免旅游项目与产品重复建设，避免资源浪费和吸引力下降。另外，要加强13 个城市在信息、技术、人才等要素的交流共享，如可通过建立统一的旅游推介平台、推行旅游联票服务、共建研发中心、加强旅游从业人员的技术培训与交流等，不断提升汉江生态经济带城市群的旅游品牌形象和吸引力。