吴东荣　李静贤　唐国松

中国的旅游产业不断发展，但是，需要注意的是，中国不同区域的资源、产业发展水平存在较大差异，这种差异对旅游产业效率带来较大的影响，人们需要采用科学的统计方式对其进行分析。笔者采用优化DEA方法，选取2012-2015年的资料数据，搜集中国31个地区的旅游产业发展数据，并对其进行测算，第一步，采用初级DEA方法，不考虑环境因素和数据异常，分析产业效率;第二步，采用改进DEA方法，对输入变量存在的冗余进行回归分析;第三步，采用优化DEA方法，将调整后的输入变量代入到优化DEA方法中，并与第一步得到的分析结果进行比较。通过上述分析，得出结论：东部地区、中部地区、西部地区的旅游效率逐步递减;采用第一步的方法分析旅游产业效率存在数值虚高;东部的产业效率较高，中西部的产业效率差异不大但发展规模差异较大。

引言

经济的全球化使得身处自己国家的人们可以通过飞机、游轮来到世界其他国家进行旅游，游客在领略世界各地风光的同时，也可以帮助其他国家增加当地的经济产值，更能将当地的文化带到世界其他的地方。据不完全统计，未来10年内，旅游产业对世界GDP增量的贡献占到总GDP增量的3.8%。旅游产业可以促进世界各国进行文化、民风、社会的交流，因而，从某种意义上来看，通过旅游产业可以看出一个国家软实力的强弱。

我国作为一个发展中国家，旅游产业发展较晚，但是经济不断发展，人们的消费能力得到极大的释放，人们的出游频率不断加快，旅游产业得到较快的发展。同时，由于中国各地区的自然资料、经济发展水平的不同，所以旅游产业的发展效率存在较大差异，不少科研人员对旅游产业效率进行了研究，部分研究者采用随机样本分析的方式，以30家旅行社作为样本，选取2008-2015年的经营数据，对经营效率进行分析，他们发现，经营效率与企业的发展周期存在正相关关系，同时，资本投入也会影响经营效率;部分研究者采用DEA方式，对土耳其的旅游业进行数据分析，他们发现当地的旅行社可以分为独立式旅行社和连锁式旅行社;部分研究者研究履行社的经营绩效，他们发现技术的应用可以加快旅行社的发展;部分研究者采用DEA方法，对南美主要机场进行资源使用率的分析，发现机场的使用率高达60%。

大部分学者对旅游产业效率采用的方法是DEA，但是，他们对旅游产业效率的研究，只是从旅游产业的局部进行了数据分析，缺乏全局式的产业效率分析。本研究在前期研究的基础上，研究DEA的数据分析方法，并引入了优化DEA方法，研究中国旅游产业效率，不是从局部去分析，而是从地区角度，分析中国大多数旅游产业效率存在的差别，从而为我国区域旅游产业的共同发展提供理论依据。

一、材料与研究方法

（一）数据采样

1.输入指标选取

笔者整理大量的文献，对旅游产业的投入变量作为模型的输入，经过整理，得到的部分输入指标如表1所示。

從输入指标来看，（1）旅游企业资产：本研究的资产总额是包括旅行社资产、大型度假型酒店资产、旅行景点的注册资本，资产总额是衡量旅游资本进场的一个主要因素;（2）相关从业人员数量与薪资：旅游产业的发展离不开人力的投入，这些旅游从业人员深入旅行社和酒店，他们的工作推动了旅游业的正常运行;（3）旅行社的数量：一个地区的旅游业发展程度，取决于当地的旅行社数量，他们是旅游产业发展的主要机构，也是旅游业发展的关键推动者。

2.输出指标选取

笔者整理大量的文献，对旅游产业的产出因素作为模型的输出，经过整理，得到的部分输出指标如表2所示。

从输出指标来看：（1）旅游总接待人次，该指标表示在一定时期，各个旅游部门的游客接待数量，游客的接待量可以说明旅游市场的火爆程度，可以作为投入旅游资源的一个重要参考指标;（2）酒店的游客住宿收入，该指标反映了人们在该地区旅游的忠诚度，人们愿意在一个地区或者一个景点游玩的热情程度;（3）旅游直接收入，该指标从旅游的酒店住宿、门店消费以及景点的观光进行收入核算，然后将该指标作为旅游经营的直接收入。

3.环境变量的选取

旅游产业的发展，需要具备一定的环境，从旅游产业发展的角度，学术领域并没有一个全面的定义来描述旅游产业的发展环境，本研究搜集大量的文献资料，得到的部分旅游产业环境变量如表3所示。

4.指标与变量的数据来源

本研究选取了2012-2015年中国31个省份的面板数据，各类指标及变量的来源均为《中国旅游统计发布册》（统计周期：2011-2016），一部分数据可以直接从发布册中获得，一部分需要从里面的数据进行二次挖掘，另外一部分偏远地区的数据存在缺失，所以笔者采用线性回归法进行补充。

（二）研究方法

1.DEA方法

数据包络分析方法（DEA）是由两位经济学专家于1978年提出，该方法可以用于产业效率的评价，而且它并不依赖于函数进行计算，而是采用一个线性描述的方式得到最佳的生产框架，每个决策模块与生产框架的差距可以表示为它们对应的效率值，人们可以由此对决策模块的输出效率进行评价。

由于DEA方法不需要预先设定函数及误差约束条件，因而，比起其他基于函数及约束条件的评估方法，DEA方法更适合于产业效率的测量。DEA方法的输入/输出涉及到多个变量，且决策模块与输入/输出的变量设定无关，也不需要设定决策模块的占比，提高了决策模块评价的真实性。

2.优化DEA模型

为了将环境异常因素和数据噪声的影响降到最低，部分研究者将DEA的求解过程分为初级阶段、改进阶段以及优化阶段，即优化DEA模型，该模型的具体实施步骤如表4所示。

二、结果与分析

（一）初级阶段DEA模型的区域旅游产业效率分析

在初级阶段，笔者在进行数据导入时，采用初级DEA模型，即BBC模型，软件为DEAP2.3。笔者对全国31个省/区2012-2015的旅游发展水平进行效率统计，效率计算包括产出效率（OE）、纯产出效率（POE）与规模效率（VE），部分结果如表5所示。

从表5可以看出，东部部分地区的产出效率呈现缓慢下滑的趋势，河北从2012年的0.6下滑到2015年的0.4;中部的部分地区，它们的产出效率不稳定，其中，江西2013年的产出效率为1.0，而到2014年的产出效率为0.4;西部部分地区的产出效率保持低位，西藏的旅游产出效率保持在0.3～0.4。

（二）改进阶段DEA模型的区域旅游产业效率分析

在改進阶段，笔者将环境变量看作为计算的各个系数，将初级阶段得到的松弛变量看作为系数，建立SFA模型，这些系数之间存在正相关、负相关的关系，正相关会提高决策的投入成本，不利于提高旅游产出效率;负相关可以降低决策的投入成本，进而，提高旅游产出的效率，采用模型得到的部分系数如表6所示。

从表6可以看出，人均GDP、客流量以及地理位置对企业资产误差的影响较大;客流量和地理位置对人员统计误差的影响较大;人均GDP和客流量对酒店住宿收入的影响较大。

（三）优化阶段DEA模型的区域旅游产业效率分析

将改进阶段得到的输入变量和初级阶段得到的输出分量，应用于BBC模型中，从而实现对决策模块产出效率的综合测算，得到的部分结果如表7所示。

从表7中可以看出，东部的部分地区产出效率较初级阶段有所下降;中部的部分地区产出效率较初级阶段有小幅度下降，但是幅度较小;西部的部分地区产出效率较初级阶段存在一定幅度的下滑。

三、结语

本研究采用优化DEA方法对中国31个省/区进行旅游开发效率的比较发现，东部地区总体效率好于中西部地区，中部地区略好于西部地区。同时，随着经济的不断发展，中西部的旅游产业效率正在逐渐追赶东部地区;此外，笔者还发现，初级阶段的DEA方法在计算过程中，数据存在虚高，对纯产出效率严重低估。

（作者单位：云南民族大学职业技术学院）