伍文卿,姚国荣

(安徽师范大学 经济管理学院，安徽 芜湖 241002)

一、引言

随着中国经济的高质量发展，人民生活水平的不断提高，休闲体验、康养度假型旅游逐渐渐融入人们生活，不断推动旅游业的发展。《中国旅游统计年鉴》显示，2018年全国国内和入境旅游人数56.8亿人次，安徽省国内和入境旅游人数达到7.27亿人次，比上年增长15.03%，占比12.80%；全国全年实现旅游总收入6.02万亿元，安徽省旅游总收入7253亿元，增长13.31%，占比12.05%。在这个背景下，研究地区旅游效率特征，分析安徽省旅游效率情况有着重大意义。

旅游业的不断发展，使得旅游效率研究在学术界的关注度不断提高。在旅游效率研究文献中，研究方向包括酒店经营管理效率、旅行社效率方面，如萨米(Sami)等运用DEA(数据包络分析)模型和资产收益率分析突尼斯27家酒店的经营效率[1]；阿玛(Amar)等运用二阶段DEA评价阿曼苏丹国58家酒店业的绩效[2]；刘宏伟与亨利(Henry)运用DEA和Hicks-Moorsteen TFP (希克斯-穆斯汀指数)从金融和服务业研究中国星级酒店的全要素生产率变化情况[3]；罗蒙(Romon)运用DEA分析了西班牙22个旅行社的相对效率，并提供了可行的行动方案[4]；胡宇娜等运用 GWR(地理加权回归)模型探索中国旅行社效率的空间异质及影响因素[5]。随着研究领域不断增加，研究方向不断扩大，对旅游目的地、旅游扶贫效率评价研究日益增加，如Sami等运用二阶段DEA对突尼斯旅游目的地进行比较分析[6]；彭红军等运用DEA模型构建综合评估指标体系，分析黄山旅游目的地的生态旅游效率特征[7]；黄渊基将自助法(Bootstrap)与DEA模型相结合研究武夷山连片特困区的旅游扶贫效率，并以生命周期理论进行时间变化分析[8]；李烨使用DEA模型进行中国农村旅游业的扶贫效率和改进分析[9]；孙春雷等运用super-DEA(超效率数据包络)研究湖北大别山地区的旅游扶贫效率并针对不同的类型提出建议[10]。此外，区域旅游效率、风景区旅游效率、城市旅游效率等方面是国内学者当前的主要研究方向，如：姚治国等运用旅游生命周期理论实证分析海南省区域旅游生态效率[11]；曹妍雪等运用三阶段DEA分析我国民族地区旅游扶贫效率并提出意见[12]；曹芳东等运用DEA模型分析国家级风景名胜区的旅游效率及空间布局特征[13]；游诗咏等对广东省21个地级市进行Bootstrap-DEA纠偏分析，并运用空间自检验及地理加权回归分析其空间特征[14]；邓洪波等运用DEA模型分析长三角、珠三角都市圈的城市旅游效率及空间分异特征[15]。

根据阅读文献发现大多数学者都以DEA模型为基础研究不同领域的旅游效率与空间分异特征，如Hicks-Moorsteen TFP 指数、Bootstrap-DEA二阶段、全要素生产率等，但较少的学者运用三阶段DEA模型进行旅游效率和空间分异特征分析。因此，本文以安徽省16个市2018年旅游实际情况为例，运用三阶段DEA模型研究其旅游综合效率、纯技术效率和规模效率，在此基础上运用ArcGIS软件分析安徽省旅游效率空间分布特征。

二、研究设计

(一) 研究方法

传统的DEA模型是在无环境等因素的前提下提出的，而弗里德(Fried)等人认为环境因素、管理无效率对一个部门效率评价有不可忽视的影响[16]，他提出三阶段的DEA模型很好地运用随即前沿理论剔除了环境因素与管理无效率的影响，具体步骤如下。

第一阶段，传统DEA模型。DEA模型[17]是以相对效率为基础对具有相同类型的部门或单位(决策单元DMU)进行评价。班克(Banker)等人在1984年研究提出BCC-DEA(可变的数据包络分析)模型[18]，假设决策单元处于可变规模报酬，研究多输入多产出的部门或单位效率。本文选择投入导向型BCC模型进行分析，并得出DMU的投入松弛变量，为第二阶段分析提供初始数据。

第二阶段，相似SFA(随机前沿分析)模型。第一阶段求出的投入松弛变量受环境因素、管理无效率和随机噪声三个因素的影响，为了剔除其影响，得出较为准确的管理无效率，需要构建投入松弛变量与环境变量的SFA回归模型1：

Sni=f(zi;βn)+vni+uni,i=1,2,3,…,I;n=1,2,3,…,N

(1)

(2)

i=1,2,3,…,I;n=1,2,3,…,N

(3)

(4)

第三阶段，投入调整后的DEA模型。运用SFA回归结果，根据公式2、3、4计算出环境变量调整值、管理无效率值和随机干扰项调整值3个值，最后求出目标投入值，带入DEA-BCC模型进行效率评价。

(二) 指标选取与数据来源

投入产出指标。借鉴现有研究，选取国内旅游总收入和国内旅游人数作为产出指标。2018年安徽省过夜游游客的数量占游客接待人数的46.3%，星级酒店数量体现了一个地区旅游业的发展情况与对其重视程度，因此，选取星级酒店数量为投入指标。旅游业是第三产业的支柱产业，其发展与第三产业增长存在长期稳定关系[21]，旅游直接从业人数、旅游固定资产投资能够反映当地旅游业的劳动和资产投入情况，但是旅游业数据在统计年鉴中没有单独体现，所以本文选取第三产业就业人数与第三产业固定资产投资作为投入指标。

环境指标。①地区生产总值。地区生产总值是衡量一个地区经济发展的重要指标，能够反映当地居民的消费能力及旅游需求，间接地反映一个地区在旅游业上的投入能力及水平。②居民可支配收入。居民的收入水平体现出居民对旅游等需求的消费能力，居民可支配收入可以准确地反映居民的生活水平与消费能力。③居民出游偏好。居民的偏好程度体现在对旅游目的地的选择上，不同的人有不同的需求和偏好，对不同地方的旅游业发展有不同程度的影响。本文采用各市旅游接待人数占全省旅游接待人数的比重与该市常住人口占全省常住人口的比重之比表示居民出游偏好。以上数据均来源于安徽省统计局、各市统计局，其数据样本区间为2018年。

三、研究结果分析

(一)第一阶段传统DEA结果

利用DEAP 2.1软件对安徽省16个市2018年的产出投入值进行投入导向BCC运算分析，计算出各市的旅游综合效率、纯技术效率、规模效率及规模报酬情况，结果见表1。

表1 2018年安徽省16个市的旅游效率值

从整体角度而言，安徽省各市综合效率均值为0.81，纯技术效率均值为0.84，规模效率均值为0.95，说明安徽省旅游效率有19%的提升空间可到达生产前沿面， 纯技术效率有16%的改进空间到达最优，规模效率有5%的改进空间达到最优。总体看来安徽省的旅游效率值较高，各市规模效率值普遍大于纯技术效率值，高达93.75%，说明规模效率是影响安徽省旅游综合效率的主要因素。从规模报酬角度看，规模报酬递增的有4个市、递减的有6个市、不变的有6个市。

从各市角度而言，有6个市的旅游效率值都为1，处于生产前沿面上达到DEA有效，包括合肥、淮北、宿州、阜阳、池州、黄山，可见这些地区旅游投入得到充分利用，产出实现最大化；铜陵各个旅游效率值都在0.9以上，规模效率为0.99，基本实现规模效率有效；亳州、淮南、滁州、六安、宣城5个市的综合效率较低，在0.6左右浮动，但是亳州、滁州、六安、宣城的规模效率明显高于纯技术效率，其纯技术效率明显投入不足；其他各市的旅游效率均存在明显的波动，各年各指标的值变化不同。

(二) 第二阶段SFA回归结果

根据第一阶段传统DEA分析结果得到的安徽省16个市的三个投入指标的松弛变量作为被解释变量，将3个环境变量(地区生产总值、居民可支配收入、居民出游偏好)作为解释变量分别带入Frontier 4.1软件中，进行SFA回归分析，结果见表2。

表2 安徽省16个市SFA模型的回归结果

SFA回归结果，星级酒店数量、第三产业就业人数、第三产业固定资产投资3个投入松弛值的LR(似然化检验)单边似然估计值都通过1%的显著性检验，故模型设定是可靠的。此外，星级酒店数量、第三产业就业人数、第三产业固定资产投资的γ值都接近1，说明管理因素是影响旅游效率的决定性因素，而随机噪声的影响较小。

其一，地区生产总值。星级酒店数量、第三产业就业人数、第三产业固定资产投资的松弛变量系数为负，意味着GDP越大越有利于旅游效率的增加。地区GDP越高，该地区居民人均收入越高，居民的生活品质越高，对休闲度假游需求越大，有利于旅游人数和旅游收入的增加。第三产业固定资产投资通过1%的显著性检验，这说明第三产业固定资产投资对安徽省旅游效率有很大影响，体现出资产投入对旅游业发展的重要影响。

其二，居民可支配收入。该变量对第三产业就业人数的松弛变量为负，并且通过1%的显著性检验，从业人数的上升，间接推动旅游人数的上升。对星级酒店数量与第三产业固定资产投资的松弛变量为正，同时对第三产业固定资产投资通过显著性检验，表明这两者之间的影响显著，居民可支配收入高对第三产业固定资产投资是一种浪费，形成拥挤现象，导致旅游业对投入资金的不合理利用，不利于安徽省旅游效率的提高。

其三，居民出游偏好。该变量对三个投入松弛值的回归系数都为负，并且只有第三产业固定资产投资通过10%的显著性检验，说明居民出游偏好越大，该地区的第三产业固定资产投资会减少，这符合正常发展情况。而星级酒店数量和第三产业就业人数都未通过显著性检验，表明这二者与旅游效率的变动关联性较低。

(三) 第三阶段投入调整后的DEA结果

根据第二阶段SFA结果，对安徽省16个市的投入变量值进行调整，运用调整后的值，计算剔除环境因素后安徽省各市的旅游效率值，结果见表3。

表3 调整后安徽省16个市的旅游效率值

由表3可知，在剔除环境因素的影响后，安徽省旅游综合效率有小幅度增加，其均值由0.81增加到0.84，纯技术效率由0.84增加到0.88，总体来看安庆、六安的旅游综合效率增加较多，说明环境变量对这两市的旅游效率值有影响。调整后淮南市的旅游效率值最低为0.5，但其纯技术效率较高(0.89)，规模报酬递增。从各市来看，与第一阶段相比，原处于生产前沿面上的6个市效率值不变，旅游效率降低的只有铜陵市，其效率值从0.94到0.91，其他9个市的旅游效率都有小额增加，其中亳州、蚌埠、滁州3个市得益于纯技术效率和规模效率，淮南、六安、马鞍山、芜湖、宣城、安庆6个市主要得益于纯技术效率。

为了更好地分析各市旅游效率情况，以纯技术效率的均值0.88为纵轴临界值，以规模效率的均值0.95为横轴临界值，将安徽省16个市的旅游效率划分为4个区域，如图1所示。

图1 安徽省旅游纯技术效率及规模效率分布

第一种类型为“双高型”，该部分有铜陵市及合肥、淮北、宿州、阜阳、池州、黄山6个处于生产前沿面的市。铜陵市应提高技术改进和管理水平，提高纯技术效率；其他6个市应充分利用丰富的旅游资源，不断创新，使旅游效率一直处于有效面。

第二种类型为“高低型”，这部分只有蚌埠市，蚌埠市的规模效率是影响综合效率的主要原因，可以不断促进旅游产业的发展，扩充旅游项目，扩大旅游业规模，通过规模效率来提升地区的综合效率。

第三种类型为“低高型”，包括马鞍山、芜湖、滁州、六安4个市，这些地区的纯技术效率较低，尤其是六安市。因此，该地政府应加强旅游技术管理，加快旅游产业转型升级，实现对纯技术效率的提升。

第四种类型为“双低型”，包括淮南、安庆、滁州、宣城4个市。淮南市的纯技术效率和规模效率都很低，与该市经济发展水平低，旅游资金投入不足密切相关。安庆、亳州、宣城的纯技术效率较低，应加强管理，开发旅游产品新业态，减少资源浪费。

(四)空间分异

根据第三阶段计算出的旅游效率值，利用ArcGIS 10.0软件导出安徽省各市的综合效率、纯技术效率、规模效率空间分布图，由图2可知安徽省旅游效率空间分布特征。

图2 2018年安徽省16个市的旅游效率空间分异

其一，安徽省各市综合效率分布不均，均值为0.81，总体上呈现南北中高东西较低分布。皖北地区综合效率普遍较高，除亳州市综合效率为0.68，阜阳、宿州、淮北3个市的旅游综合效率值都为1。皖中地区只有合肥的旅游综合效率有效，此外蚌埠游综合效率值仅次于合肥为0.9，其他地区的旅游综合效率值以合肥为核心向四周不同程度递减。皖南地区旅游综合效率有效的有池州和黄山，其旅游综合效率中间高、东西两边较低。

其二，从空间分布来看，安徽省旅游纯技术效率与综合效率在地理特征上分布相似，呈现南北中部高东西两边较低。与旅游综合效率值相比，只有皖中的淮南旅游纯技术效率变化明显较大，增加值为0.39，其他地区的纯技术效率与综合效率值差异不大。安徽省旅游纯技术效率均值为0.88，皖北、皖中、皖南地区的旅游纯技术效率平均值分别为0.925、0.84、0.885，可见皖北地区的纯技术效率值最大，该地区旅游投入资源利用技术水平较高。

其三，由图可以看出淮南的旅游规模效率值最低(0.56)，安徽省其他地区旅游规模效率都较高，旅游规模效率值达到1的有7个市，除去与旅游综合效率同为1的6个市，六安的旅游规模效率也为1，实现DEA有效。旅游规模效率值大致上呈现南北中有效，东部地区未达到DEA有效，旅游规模效率均值(0.95)>旅游纯技术效率(0.88)>旅游综合效率(0.84)，表明安徽省旅游规模效益实现最优水平，旅游技术管理能力有待提高。

皖北地区的第三产业投资和星级酒店数量与全省相比占比较小，但皖北地区的交通优势大，加上其对旅游投入的充分利用使得投入冗余很小，最终表现出皖北的旅游效率较高。皖中地区以合肥为中心，各地经济发展较快，相比于皖中地区旅游资源较少，国家级风景区仅占30%，该地区的资源分配不均，应合理分配资源，提高其他地区的旅游效率。皖南地区是安徽省旅游资源最充分的地区，特别是黄山和九华山的名气极大地带动了周边地区的发展，由此黄山和池州的旅游效率达到最优。但是皖南地区的公路交通不发达，比如芜湖的公路、高铁不发达，这极大地限制了芜湖旅游业的发展。

四、结论

本文运用三阶段DEA研究安徽省2018年旅游效率情况；然后为了区分各地的旅游效率构成情况，将各地划分成“双高型”“高低型”“低高型”“双低型”4种类型，探讨不同的类型的特征；随后运用ArcGIS 10.0软件分析安徽省旅游综合效率、纯技术效率、规模效率的空间分布特征，得出以下结论。其一，通过传统DEA-BCC模型运算结果发现，安徽省综合效率均值为0.81，纯技术效率均值为0.84，规模效率均值为0.95，达到DEA有效的市有6个，规模报酬递增、不变、递减的市分别有4个、5个、6个。其二，环境变量对安徽省旅游效率有显著性影响，其中，地区生产总值与居民出游偏好对星级酒店数量、第三产业就业人数、第三产业固定资产投资的回归系数都为负，说明其影响是有利的。其三，在剔除环境因素和随机噪声干扰后，安徽省旅游综合效率、纯技术效率都有小幅度提升，分别增加到0.84、0.88，增幅为3.7%、4.7%，规模效率不变。规模效率是影响安徽省旅游综合效率的主要因素，环境变量对纯技术效率的影响大于规模效率。其四，安徽省旅游综合效率和纯技术效率空间分布特征相似，除淮南的纯技术效率值变化明显，其他地区分布呈现南北中高东西较低，规模效率值呈现南北中有效，东部地区未达到DEA有效。