中国会展业发展效率时空特征及竞争力研究——基于三阶段DEA模型的实证分析

张 萌，狄乾斌

（辽宁师范大学 海洋经济与可持续发展研究中心，辽宁 大连 116029）

0 引言

当今世界正处于新的动荡变革期，这使中国经济之发大展变面局临，以更国加内复大杂循的环风为险主和体挑、战促。进面国对内百国年际未双有循环，是夯实中国经济发展根基、增强安全稳定发展的系统性深层次变革和必然选择。党的二十大报告更加强调必须全面贯彻新发展理念，加快构建新发展格局，着力推动高质量发展。要把握好全面建设社会主义现代化国家高质量发展的“首要任务”，需充分发挥中国门户型产业的重要功能。作为国家与区域对外交往与联系的重要端口，中国会展业或将成为国家高水平对外开放的重要抓手［1，2］，凭借其强大的影响效应促进新发展格局形成。

会展业作为新兴产业，广义上是指在一定空间范围内，以展馆为依托，以会展活动为纽带，支持核心会展经营企业、相关机构和配套服务业，根据专业化分工与协作，形成具有地方根植性的空间组织综合体［3］。会展业是被誉为“城市面包”“经济晴雨表”［4］的高度关联产业，具有覆盖领域广、产业链长、导向性强及交融性大等特点，已经成为国际交流、开放合作及贸易往来的重要平台和营销工具。其蓬勃发展所带来的乘数效应不仅能够有效带动区域经济发展、推动产业融合创新、塑造城市品牌形象［5］，还能够更好发挥生产性服务业的牵引作用，挖掘新消费热点、培育经济发展新动能。据中国贸促会公布结果显示，作为全球会展第一大国［6］，2022年中国会展业逐渐以卓越的发展韧性与强劲的生命活力率先复苏。然而在充分释放经济红利的同时，会展业也面临产能过剩、资源浪费和地区发展不均衡等现实问题［7］。在此背景下探讨中国会展业发展效率特征，对认识行业资源配置现状、提高有效供给、促进集约化发展、推进中国会展服务业高质量发展具有重要意义。

1 文献综述

伴随着贸易经济的规模扩张和职能演变，关于会展业的相关研究已经积累了一定的体量，近年来，学者们精准聚焦“互联网＋”、数字经济、双碳目标、新发展格局［8］等国家重要战略部署，对会展业为顺应瞬息万变的时代背景进行新发展方向的解读，研究成果主要集中在会展业发展现状和策略、区域或城市会展业评价及会展业经济功能研究等方面。其中在会展业经济功能研究中，除探究会展业对经济的直接拉动效应［9］，对会展业与其他经济系统的耦合互动评价占据研究主要地位。邸嘉禹等构建会展发展与商贸流通业的评价指标体系，证实了两系统处于拮抗阶段，且耦合协调水平在空间上呈现由东向西递减的发展态势［10］；肖晔等学者采用熵值法与耦合协调度模型，发现我国会展及会展教育耦合协调度整体水平较低，且空间差异明显［11］；还有学者从城市名片角度研究了会展业与城市社会发展的互动关系［12］。可以看出，会展业从市场、外贸、产业结构、创新环境等多方面对经济发展产生影响。“双循环”新发展格局对中国经济市场的发展方向产生重大影响，会展业作为服务贸易业的有力推手，必须着重自身结构转型升级，由此探究行业自身发展概况显得尤为重要。

效率是评价组织运营及管理成果的重要标准，可以把握产业的资源配置能力及生产经营状况［13］。对于分析难以测定效果的公共服务事业的效率性，数据包络模型（DEA）不仅可以通过分析研究对象之间的相对效率来查明最有效的决策单元，还可以对非效率对象提出改善方案，在旅游业［14］、农业［15］、创新型产业［16］、海洋渔业［17］等诸多领域广泛应用，而对会展业效率评价仍有较大的研究空间。国内外学者关于会展业发展效率的研究主要聚焦于展会运作、公司运营、展馆利用等。韩国学者金奉旭等借助DEA模型衡量贸易促进小组参加海外展览的支持计划效率［18］；长福门等通过DEA 模型和Malmquist生产力指数比较韩国各会议中心的效率［19］；李尚敏借助DEA模型分析韩国16 个大城市会展业在CCR及BCC模型下的相对效率和专业会议组织者（PCO）的效率差异［20］；Soo等借助DEA模型和Malmquist生产力探究展览中心高效运营和竞争性会展业务发展的影响［21］；国内学者简思梦、陈秋英等学者以某一展会、展馆等为例，借助SFA 模型及DEA模型对展览中心运行效率进行分析，以此为依据划分各地区展馆运行效率等级［22，23］；Lee 等借助数据包络模型分析中国国际投资贸易洽谈会（CIFIT）基于传统的“线下”投资模式和“线上＋线下”投资模式的资源配置效率差异［24］；张书莲、鄢慧丽等基于DEA包络模型测度中国城市会展业的发展效率［25，26］。综上所述，已有文献对会展业发展探究已积累较多成果，但仍存在以下不足：在研究内容上，学者们更多专注于会展业与经济系统的耦合协调研究，对会展业自身动态分析稍显不足；在研究尺度上，已有研究对会展业的关注在中观层面的市域尺度及城市群、经济区等组合地域单元［27-29］的探索较广泛，而对全国或省域层面的大尺度空间探索较少；在研究方法上，以往关于会展业的评价以定性研究为主，借助DEA 模型进行测评则多采用一阶段DEA或简单的SFA回归，且多从截面年份或时序演变角度探索其发展进程，以统计学模型为主的定量研究较少，并且缺乏空间分布内容的实证探索。

客观评价会展业发展效率是正确了解会展业各层发展状况，把握其发展方向的重要依据。本文认为，会展业发展效率是衡量会展业质量的有力参照，主要体现在会展业规模经济质量、服务水平及区域会展业竞争优势等方面，力求会展业在规模扩大的同时实现投入最小化及效益最大化的资源有效配置发展。基于此，本文统筹考虑外部环境因素的影响，构建反映会展业特性的投入产出指标体系，运用三阶段DEA 模型测度中国30 个省区市2012—2020年会展业发展效率，探讨中国会展业发展效率时空演变规律及差异，并构建会展业“竞争力—效率”矩阵评价其发展态势，以期能够为促进会展业优化资源配置、提升竞争优势及实现高质量发展提供一定参考。

2 研究方法、指标选取和数据来源

2.1 研究方法

2.1.1 三阶段DEA模型

数据包络模型（DEA）由美国运筹学家Charnes和Cooper等人于1978 年提出［30］，用来测量决策部门的生产效率，Fried等在传统模型基础上提出三阶段DEA模型［31］（图1），通过滤除外部环境变量的影响，从而可以对同级决策单元会展业进行相对有效性评价。

图1 三阶段DEA模型Figure 1 Three-stage DEA model

第一阶段：选择DEAP2.1 软件包中的BCC 模型，忽略外部环境及随机误差干扰，测算省域会展业发展效率。具体计算公式如下：

式中：n为省域数量（简称DMU），每个DMU有m种投入和s 种产出要素；xik（xik＞0，k ＝1，2，…，m），yjk（yjk＞0，k ＝1，2，…，s）表示第k个DMU的第j种产出，记作Xj＝（x1j，x2j，…，xmj）T，Yj＝（y1j，y2j，…，ysj）T，j ＝1，2，…，n；θ是综合发展效率，取值范围在［0，1］。当θ ＝1 时，效率值有效；0≤θ ＜1 时，效率值非有效。

第二阶段：SFA 随机前沿分析。根据Batese 等人的研究结果［32］，恰当的SFA模型将投入要素松弛变量划分内部管理、随机误差和外部环境3 个因素。通过SFA回归剔除其影响，计算公式为：

式中：Sik代表第k个DMU第i种投入的松弛变量；f（Zk，βi）代表环境变量对投入松弛变量Sik的影响，一般取f（Zk，βi）＝Zkβi；Vik＋Uik代表混合误差，Vik代表随机干扰，Uik代表管理无绩效项。

第三阶段：调整后的DEA模型。用第二阶段调整后的投入X*ik替换原投入Xik，再次代入BCC 模型计算会展业发展效率，得到不受外部环境和随机误差干扰的效率值。

2.1.2 热点分析——Getis-Ord Gi指数

热点分析（Getis-Ord Gi指数）通过高值、低值分布特征分析空间特点［33］，直观展示中国会展业发展效率水平的演变趋势，可借助ArcGIS软件中的热点分析实现。根据要素的z 值、p 值得分正负及大小可判断要素空间聚类类型及集聚程度。当z ＞0且增高（p值减小）表明决策单元为热点区且聚类密集程度越大。当z ＜0 且减小（p 值减小）表明决策单元为冷点区且聚类密集程度越大，若z 接近于0，则表明空间聚类特征不明显。其数学表达式为：

式中：n 为要素总和；xj为要素j 的属性值；Φij为要素i与j间的空间权重。

2.1.3 标准差椭圆

标准差椭圆可较好地刻画中国会展业发展效率的空间布局状态，主要包括长短半轴及方位角三要素。长短半轴可以看出会展业发展效率的空间分布、移动方向及辐射范围，转角θ可以判断其移动角度。为进一步展示会展业发展效率整体空间演变轨迹，引入重心迁移分析［34］，通过刻画各省份会展业发展效率的集中、离散趋势以及随时间迁移而改变的偏移轨迹来判断在空间上的变迁问题，其数学表达式为：

式中：Xt、Yt为t 时会展业发展效率重心坐标；EVt，i为i单元t时的会展业发展效率指数；Xi、Yi为i单元的地理中心坐标［35］。

2.2 指标选取

在第一阶段测算会展业发展效率前，首先借助SPSS22.0 软件，利用Pearson积矩相关系数的“同向性”原则［36］对投入产出变量进行同向性检验（表1），所选变量均呈现正向强相关关系，且通过1%显著水平检验，符合理论假设。依托展览服务业特征，以会展业的专业性、完整性、科学性及可获取性为原则，借鉴已有研究对会展业相关评价指标体系的构建［37，38］，建立关于会展业发展效率的6 投入2 产出的评价指标体系（表2），同时指标数量满足DEA模型的基本要求，即N≥max｛m×q，3 ×（m ＋q）｝。

表1 Pearson同向相关检验Table 1 Pearson′s homoscedastic correlation test

表2 会展业发展效率评价指标体系Table 2 Evaluation index system for the development efficiency of the convention and exhibition industry

投入指标。从区域会展业发展规模、专业水平、人力资本、能源消耗及科研建设等多方面考察生产要素投入的有效性，选取“专业展馆面积、承办展览数量、展馆使用率、就业人数以及科研管理机构数”等6 项内容对其量化。科研管理机构数为决策单元当年会展业管理机构、政府相关机构及专本院校数总和。展馆使用率参照中国会展经济研究会测算方式，按照“（评价单元当年实际办展面积/所拥有专业展馆面积）×100%”获得。从业人数的计算公式为：决策单元当年第三产业就业人数×各省展览竞争力指数占比（%）。

产出指标。选取省域会展竞争力指数以及产值衡量决策单元会展业经济效益。会展业竞争力指数以中国会展经济研究会公布为准，计算公式为：∑Pi，Pi为各省展览举办城市竞争力指数；i ＝1，2，…，n。各决策单元会展业产值计算公式为：当年全国会展业总收入×各省展览竞争力指数占比（%）。

环境变量。二阶段外部环境变量选取要符合“分离假设”，以对会展业效率产生影响，同时不受主观控制为原则。借鉴朱其静［39］对会展业空间分布影响因素的研究，从区域经济发展水平、科技创新能力、城市化水平及城市公共维护建设4 个角度出发，分别用人均GDP、R&D科技投入经费、城镇化率及城市维护建设税定义变量。

2.3 数据来源

为客观展现本研究评价单元会展业的系统完整性及层次连续性，综合考虑数据统计路径一致性及可获取性，本文所用数据是结合各地统计年鉴已有统计数据合理测算得出。以中国30 个省区市为研究对象（因数据收集原因，故研究区域未包含我国西藏自治区、香港特别行政区、澳门特别行政区和台湾地区），研究时段为2012—2020 年。所用数据源自2013—2021 年中国会展经济研究会公布的《中国展览数据统计报告》，国家统计局公布的《中国统计年鉴》《中国城市统计年鉴》《全国科技经费投入统计公报》。部分空缺值采用插值法进行填补。

3 实证结果及分析

3.1 第一阶段：传统DEA实证结果

第一阶段借助DEAP2.1 软件，以会展业发展的各项投入为主要考察对象测算2012—2020 年中国30 个省区市会展业综合发展效率及分解效率（图2）。同时，借鉴王贺封等的研究成果［40］，将中国会展业发展效率依次划分为高效率地区（均值≥1）、中等效率地区（1 ＞均值≥0.8）、较低效率地区（0.8＞均值≥0.6）、低效率地区（均值＜0.6）。

图2 第一阶段会展业综合发展效率及分解效率Figure 2 Comprehensive development efficiency and decomposition efficiency of the convention and exhibition industry in the first stage

从综合效率来看，第一阶段在不规避外部环境变量及随机误差项对生产要素干扰的情况下，测得2012—2020 年我国各省会展业发展综合效率均值为0.712，规模效率均值为0.772，纯技术效率均值为0.922 且高于平均规模效率。京、粤、黑、苏、沪、津、浙等8 个省市会展业综合效率、纯技术效率、规模效率均为有效且高于全国平均水平，而皖、黔、冀、吉、晋、陕6 省3 个效率值均低于全国平均水平。仅京、沪、粤3 个省市会展业效率值为1，处于高效率阶段；闽、黑、苏、内、鲁、津及浙7 个省市效率值均处于中效率阶段，有9 个省区市综合技术效率＜0.6，处于低效率阶段。

从分解效率来看，仅辽宁、四川两省的平均纯技术效率低于平均规模效率，反映出决策单元在管理和技术方面需要进一步提升。其余省区市的平均纯技术效率均大于平均规模效率，这些省区市应尽快落实供给侧结构性改革相关举措，转变会展业发展模式，科学合理变革产业规模，推陈出新。对第一阶段测算结果需要在纳入环境变量后再度分析。

3.2 第二阶段：相似SFA回归

第二阶段SFA回归分析剔除了外部环境、管理无效率项和随机误差项等对会展业发展效率评价的影响。本文选取区域经济发展水平、区域创新能力、城镇化水平及城市维护建设4 个环境因素为解释变量，以一阶段计算所得6 项投入要素的松弛变量为被解释变量，基于Frontier 4.1 软件包完成回归分析（表3）。SFA 回归系数的正负对应投入冗余的增减，大都通过有效显著性检验。LR值、γ值均在1%水平下通过显著性检验，表明所选环境变量对会展业发展效率产生影响。

表3 SFA回归结果Table 3 SFA regression results

经济发展水平。人均GDP 与能源投入松弛变量呈正相关关系对实际办展数量和展馆使用率的松弛变量回归系数为负且均在0.01 显著性水平下显著（表3）。说明一个地区当年的经济发展水平越高，则造成的会展业发展效率冗余的能源消耗越多，而实际办展数量的投入会相应减少，展馆的使用率也有所下降。城市经济发展水平越高，产业发展水平也就越高，市场规模越大，大型展览活动开办过程中对能源的需求及消耗量也就越大。但与此同时，高质量、品牌化发展的要求，使得场馆规模及展会配套服务的滞后将会制约会展业的发展。

城镇化水平。当年年末城市人口占比对3 项投入的松弛变量回归系数为正，其中对能源消耗的松弛变量在0.01 的显著水平下显著，从业人数的松弛变量在0.1 的显著性水平下显著，这表明能源消耗越多、劳动人数的增加会导致会展业发展效率越低，能源过度消耗对会展业生态发展会产生负面效应，符合理论预期。而劳动人口增加对会展业集群效率的负向作用与理论预期有所出入，可能是因为这些人才没有得到合理配置，从而不利于效率提升。城镇化水平与3 项投入要素松弛变量呈负相关关系，均在0.05 及以上水平下显著，表明区域城市化水平提高，对展馆面积、展馆使用率及科研机构投入冗余的减少发挥积极作用，促进资源合理配置，从而有助于提高会展发展效率。

区域创新水平。年末R&D 科技投入经费仅对会展从业人数的松弛变量的回归系数为负，区域创新能力越高，会展业自主创新及技术结构也将得到提升，能够使高技能劳动力的需求得到提升，降低对中低技能劳动力的需求，从某种角度则会促进会展业发展。但R&D投资对其中4 项投入的松弛变量回归系数为正，且通过1%及以上显著性水平，从整体角度出发区域R&D投资强度的增大，会增加城市办展数量及科研建设，提高展馆使用率，但从区域内部来看同时制约会展业的良性发展。这可能是由于R&D投资在受区域差异限制并未发挥其作用。服务业创新资源在投资强度较高区域的分布会相对均衡，但内部各产业领域生产性服务相互交叉，一定程度上使会展业与其他集群构成竞争关系，挤占其发展空间。

城市维护建设。当年对城市维护建设税的财政投入对实际办展数量、展馆使用率及科研管理机构3 项投入的松弛变量回归系数为正，且在0.05 及以上显著性水平显著，对劳动人数的松弛变量在0.05 显著性水平下回归系数为负。说明城市维护建设税的增加，造成会展业发展效率冗余的实际办展数量、科研管理机构建设及展馆使用率冗余增多，劳动力的投入冗余则相应减少，与当前会展业实际发展问题较符合。城市维护建设税的收入增加说明政府会加大宏观调控的力度。通常在大型展会项目中政府会扮演关键角色，各展览承办单位对政府的过度依附不利于展览集群市场健全发展。

3.3 第三阶段：调整后的中国会展业发展效率

3.3.1 中国会展业发展效率总体特征

从时序变化特征来看（图3），在排除外部环境变量后，第三阶段综合效率值较第一阶段有所下降。2012—2020 年中国会展业综合效率均值由0.712下降至0.662，呈现“下降—上升”的U型演变趋势，2018 年达到波谷，整体处于较低效率发展阶段。有63.3%的决策单元的综合技术效率有所下降，说明本研究选取的外部环境变量对会展业发展效率影响较大。虽然整体上处于较低效率阶段，但我国会展业发展仍保持相对稳定。经济的发展逐步带动会展业这一新兴产业的快速成长，同时除自身水平不断提高所带来的较高利润外，对优化城市产业集群，带动餐饮、交通、旅游及贸易产业融合交流的促进作用逐渐显现。然而在快速发展同时，产业瓶颈也逐渐显露，可以看到在研究期内发展效率逐渐降低，并在2018 年达到最低值，成长初期会展业规模化发展并未形成竞争优势，发展较为缓慢，地区发展不平衡、专业人才储备不足且比例失调、展馆使用率低及场地闲置等问题不但阻碍产业转型升级，也造成社会资源的浪费。2019 年后随着国家政策的支持、技术及管理水平进步以及科技赋能的优化，使其保持强劲发展态势。结合分解效率来看，纯技术效率依然显著领先规模效率，效率均值由0.922 上升至0.947，整体变化较平稳，峰值最高出现在2019 年（0.980）。研究期内平均规模效率与平均综合效率呈现“汤匙”状的协同变化趋势，效率均值由0.772下降至0.698，最低波谷在2018 年，仅为0.530。效率驱动因子的增减变化对综合效率产生决定性影响，研究期内纯技术效率虽然表现出较高水平，但增幅为0.56%，因此纯技术效率进步并未对会展业综合效率发挥带动作用。规模效率在研究期内的平均增幅为4.7%，效率值呈现出明显的下降趋势，表现出规模不经济的局面，表明人力、物力、财力的投入增加反而加剧了规模冗余，降低了研究期内中国会展业的要素生产力。

图3 三阶段会展业发展综合效率及分解效率Figure 3 Comprehensive and disaggregated efficiency of the development of the convention and exhibition industry in three stages

从地区分布来看（图4a），我国会展业发展差异显著。东部地区会展业处于高效率阶段（0.857）且位于领先地位，东北地区（0.694）、中部地区（0.639）及西部地区（0.622）会展业效率均值均处于较低效率阶段。30 个决策单元中仅渝、京、沪、浙、苏、鲁、粤等7 个省市会展业综合效率处于中、高效率阶段，其中4 个省市属于东部地区。效率赋值最高为上海和广东，与最低赋值宁夏（0.339）存在很大差距。东北地区中辽宁省效率值＜0.6，处于低效率阶段；西部地区仅四川、云南及重庆处于中、高效率阶段，其余省份会展业发展效率均处于低效率阶段；东部地区中海南、天津、河北效率值处于低效率阶段。中部地区中安徽、山西及江西效率值处于低效率阶段。由此可以看出，受地区经济发展限制，会展业在地区间及地区内部之间呈现极度不均衡，发展差异显著。就增长幅度来看，研究期内宁夏、青海、新疆等省区市会展业集群效率的增长幅度最大，分别为42.3%、52.5%、37.5%，而安徽、福建两省会展业发展效率却以-3.7%、-2.4%的增幅下降。西部省市会展业虽然起步较晚，但随着新时代西部大开发战略的推进，经济飞速发展，旺盛的需求与活跃的经济支持使得会展业更加注重产业的高质量转变，省会城市会展业的快速集聚迅速打开西北市场，占据一席之地。

图4 三阶段省际会展业发展综合效率及分解效率Figure 4 Comprehensive and decomposition efficiency of interprovincial convention and exhibition industry development in three stages

从分解效率来看（图4b），30 个省区市的纯技术效率差异及变化较小，规模效率较低地区技术效率也较低。技术与规模效率表现较好（ρ ＞0.9）的有京、苏、鲁、粤、沪5 个省市，其次（0.8≤ρ ＜0.9）为渝、浙和闽，大多处于东部地区，该区域拥有较高的经济活力、营商环境竞争力、科技创新实力，促使投入要素聚集得当，因此产业发展规模与质量较好。值得注意的是，仅北京市的平均纯技术效率（0.991）略低于平均规模效率，反映出其在管理和技术方面需要进一步提升；表现较差（ρ技和ρ规＜0.6）的有甘、青、宁、贵、晋5 个西部地区省区，这些省区地广人稀，处于完善期的基础设施建设及现有资本、知识技术落差使得投资环境仍有待改善。

3.3.2 中国会展业发展效率空间分布特征

利用标准差椭圆和重心迁移模型计算得出中国会展业发展效率的空间移动轨迹（图5）。从标准差椭圆的长短轴及扁平率来看，整体上长轴始终大于短轴，长轴在2012—2017 年由11.72km逐渐增大至13.5km，且在2017 年达到最大值为3.71km，至2019 年有轻微下降趋势，而后上升。短轴可代表会展业发展效率的分布范围，2012—2017 年短轴逐渐由8.69km增大至9.77km，表明中国会展业发展效率的离散程度增大，2019 年缩短至8.59km，表明会展业发展效率向心力较为明显。长短半轴的较大差距使得椭圆扁率较大，表明中国会展业发展效率的“东北—西南”方向性较明显，并且涵盖面积也由最初的东中部方向逐渐向西北方向增大，这表明在我国东中部地区会展业发展效率相对稳定的同时，椭圆外部的西部地区会展业发展有较好的拉动作用，呈现出扩张态势。

图5 中国会展业发展效率标准差椭圆及参数Figure 5 Standard deviation ellipse and parameters of development efficiency of exhibition industry in China

2012—2017 年中国会展业发展效率重心由33°5′50″N，113°58′4″E 向西北移动至33°22′25″N，111°40′2″E，总体累计位移距离为808.629km，向北位移32.014km，向西位移215.803km，总体趋势表现为向北向西移动。南北方向上，2018 年前表现为向北向南交替移动，2018 年后整体向北移动，且2019—2020 年向北移动距离最大为155.832km；东西方向上，2017 年前以向西移动为主，2016—2017年向东移动最大距离为151.520km，2017 年后逐渐向西移动。东部地区以其优越的区位优势使会展业发展规模及质量一直处于领先地位。“一带一路”经济带建设逐渐成熟，中西部地区及沿线国家组展、参展需求旺盛，境内外展览数量大幅提升。从2014年开始，京津冀作为国家重要经济协作发展区，再结合自身优势，会展业竞争力水平有所提升，再加上四川省建设成都“十四五”国际会展之都规划，自身及对周边地区会展业辐射带动发展态势向好，进一步推动会展业发展效率重心向西向北方向移动。

3.3.3 中国会展业发展效率的冷热点

通过自然断点分级法将G 指数按得分高低依次划分为不同冷热度区域，通过ArcGIS软件进行空间可视化（图6）。冷点越多且通过越高显著性水平检验，表明其会展业发展效率越低，不易形成聚集区，发展能力越弱。热点越多且通过越高显著性水平检验，则表明会展业发展效率越高，容易形成集聚区，发展能力就越强。总体上冷热点时空分布演化与前文三阶段综合效率值变化趋势较为相同，研究期内冷点区域主要分布在西北地区各省，热点区域主要集中在东部地区各省，且以浙江、上海、江苏、安徽为基点向外延伸拓展。2012—2018 年冷点分布省份数量变化较小，而热点区域分布省份数量逐渐增多，同时热点区域分布省份数量逐渐多于冷点区域，且在2018 年表现特征最明显，这表明中国会展业发展效率区域集聚特征愈发明显，东部地区热点区域由破碎向成片发展，集聚特征向好，呈现均衡化、健康化发展态势，至2020 年中国会展业发展效率冷热点无明显集聚特征变化。整体上，我国会展业“东强西弱”的空间分布格局较明显，地区发展差异较大，特别的2018 年东部地区会展业发展效率集聚特征显著，但全国会展业综合发展效率却达到最低值，从侧面反映出较大的地区发展差异对行业整体发展产生滞后作用，2020 年受新冠病毒的影响，全国会展业发展低迷，处于自身修复阶段空间集聚特征表现较弱。

图6 2012—2020 年中国会展业发展效率冷热点分布Figure 6 Distribution of cold hotspots in the development efficiency of exhibition industry in China，2012 -2020

4 会展业“竞争力—效率”矩阵的构建与分析

当前评价区域会展业发展实力大都参照会展经济研究会所公布的“城市会展业综合竞争力指数”为衡量标准，但单一效率及单一竞争力指数无法恰当说明各区域会展业实际发展概况。为判断竞争力实力与要素生产力是否相匹配，构建展览集群“竞争力—效率”矩阵进一步说明，如图7 所示。选取三阶段会展业发展综合效率与综合竞争力指数为横纵坐标，以综合效率值0.6 为纵向分界点，以综合竞争力指数均值为横向分界点，将各决策单元分为4种发展阶段。其中12 个决策单元的会展业竞争力指数与全要素生产率匹配有效。部分省份匹配度较低，如辽宁省会展业综合竞争力指数排名第9，但集群效率却位于第20 名；云南省展览产业集群效率位于第11 名，综合竞争力指数排名为20 名。由此可见展览产业集群发展水平并不完全取决于评分、规模、投入产出效率的大小影响。

图7 会展业“竞争力—效率”矩阵Figure 7 “Competitiveness-efficiency”matrix for the MICE industry

第一类是领军型。指会展业综合竞争力指数较高且效率较高的决策单元，包括北上广在内的9 个省市，主要分布在东部地区。处于这一阶段的各省市优势得天独厚，完善的投资环境、高自由度的展览市场及广阔对外开放平台使其拥有较强综合竞争力。对于处在这一发展阶段的会展业面对日新月异的科技革命和产业变革更要注重智能化，发挥数字技术、运用新模式打造新业态，积极抢占产业最高峰，引领带动全行业发展。

第二类是稳健型。此类型是指会展业综合竞争力指数不高，但发展效率较好。共有6 个省市处于这一发展阶段，主要集中在东北及中部地区。在这一类型的省份，良好的基础设施建设及发展环境为会展业发展奠定了坚实基础，会展业具有较好的发展潜力。若能提高其投入产出效率，积极引进新技术、挖进新人才，增强会展业发展深度及创新性，提高市场吸引力和竞争力，同时相关部门给予配套资金支持，从而提高会展经济的效益和市场竞争力。

第三类是进取型。指会展业综合竞争力指数较高，发展效率较低的地区。在研究期内，仅辽宁省位于这一发展模式当中，说明辽宁省会展业拥有良好的发展实力，加快产业结构调整，优化产业布局协作，提升会展业发展质量成为重要目标。

第四类是滞后型。指会展业综合竞争力指数不大且发展效率较低，在四种发展类型中分布的省份最多，皖、津、陕、新等14 个省区市处于这一发展模式。除天津、河北外其余省市均位于中、西部地区。投入冗余、管理无效及技术水平都成为追求规模发展的制约因素，在积极应对市场需求的基础上仍需做出正确积极判断，清醒认识“时”与“势”，深刻把握“危”与“机”，扎实做好会展经济布局、开拓增量市场、完善市场化运营体系，鼓励企业创新，推动会展经济的高质量发展。

5 结论与讨论

5.1 结论

本文运用三阶段DEA模型对中国30 个省区市2012—2020 年会展业发展效率进行系统性分析，探讨中国会展业发展效率时空演变规律及差异，并结合会展业竞争力指数构建会展业“竞争力—效率”矩阵综合评价各省区市会展业发展态势。主要结论如下：①2012—2020 年中国会展业发展效率均值为0.711，整体处于较低效率发展阶段，呈现先减后增的“U”型发展趋势。分解效率中平均纯技术效率始终大于平均规模效率，规模效率与综合效率保持“汤匙”状的协同变化趋势，表明技术进步会带动会展业发展效率提升，但规模不经济是造成我国会展业发展效率较低的主要原因。②借助三阶段DEA模型，在排除外部环境变量及随机误差扰动后，发展效率值发生明显波动，表明本文选取的外部环境变量确实对效率值产生了影响。经济水平、创新能力、城镇化进度及基础设施维护等环境因素及扰动项加剧了产业规模冗余。经济发展水平、城镇化水平及区域创新水平较高地区可以为会展业发展创造良好的发展环境及空间，短期红利明显，但随着产业的成长，更需要注意资源的节约化利用、提高技术及管理水平，提升专业劳动力及科研院校的综合能力，尽量避免过度依附政府主导指向，才能将短利变为长宏。③从中国会展业发展效率的时空演变规律及差异来看，整体上2012—2020 年中国会展业发展效率重心位置向北向西方向偏移，方向指向性较为明显，且标准差椭圆辐射面积逐渐扩大，西部地区扩张态势向好。中国会展业发展效率冷热点结果进一步反映出我国会展业发展热点在东中部地区集聚发展较好，西部地区近年来会展业发展水平虽有提升，但协同发展有待进一步加强。④将30 个省区市会展业水平按展览竞争力指数及效率分为“领军型”、“稳健型”“进取型”及“滞后型”4 种发展类型，呈滞后型＞领军型＞稳健型＞进取型的分布态势。我国会展业“东强西弱”的发展特征明显，总体表现为东部最优，东北次之，中部靠后，西部最低的空间分布格局，受政策倾向、地区差异性、发达程度的影响，最高省份与最低省份存在很大差距，表明我国会展业发展效率在省级区域间发展水平差距较大，呈不均衡态势。各地区间应以综合效率为参考，相互借鉴发展优势，扬长避短，从而缩小地区间会展业发展差距。

5.2 讨论

中国会展业发展效率，一方面受外部环境因素影响，另一方面受产业经济、社会与生态层面影响。未来在会展经济持续升温下，应注重对专业人才的培养，对区域会展业建设进行科学统一规划，从而规避会展经济短板效应，促进会展业高质量提升。

通过对上述指标应用三阶段DEA 模型进行系统性分析，对整体把握我国会展业发展现状具有一定参考价值，但仍有以下不足待深入研究：①由于数据限制，所构建会展业发展效率评价指标体系虽涉及资本、技术及劳动力等要素，仍需进一步考虑具有会展业表征的影响因素，从而更加精确地反映其发展水平；②对会展业发展效率的研究可以大致获悉我国会展业发展概况，未来可对会展业发展效率的影响机制及空间关联格局进一步深入，揭示不同机理在空间作用上的变化差异。