王淑华，司梦瑶

（郑州大学 旅游管理学院，河南 郑州 450001）

一、引言

国务院于2018 年发布《关于促进全域旅游发展的指导意见》中提出着力推动旅游业发展从粗放低效方式转向精细高效方式，加速推进旅游质量变革和效率变革[1]。2019 年5 月，习近平总书记在江西召开的中部崛起战略座谈会上，对新时期的中部崛起战略做出重要指示[2]。中部地区作为促进东西融合、南北对接的重要战略发展区域，覆盖河南、山西、湖北、安徽、湖南、江西六省区，在中国地域分工中扮演着重要角色。随着中部地区经济的不断发展，中部地区的旅游业也呈现出快速发展的趋势，中部地区2018 年旅游人次相较于2017 年增长17.23%，旅游总收入相较于2017 年增长20.05%。旅游效率的提升不仅能有效地提升区域经济发展水平，旅游业的空间效应还能推动相邻地区产业结构的合理调整、促进生产要素的合理配置，进而实现旅游资源的最大化利用。

经济学家法瑞尔（FarrellM.J.）于1957 年首次提出效率理论[3]，随后，有关效率问题的研究日渐丰富，其中经济发展效率一直是研究的热点。国外学者对旅游效率的研究最初多集中于酒店、旅行社等产业部门，随着研究的不断深入，研究内容逐渐向旅游景区、旅游交通等领域拓展。Barros（2005）[4]基于DEA-Malmquist 指数模型对葡萄牙酒店效率进行分析，结果表明，酒店全要素生产率有一定提升，但是较少酒店在技术变化上有显著提升。Koksal 和Aksu（2006）[5]运用DEA 模型对土耳其旅行社经营效率进行分析，发现在研究时段内独立经营和连锁经营两种类型旅行社在经营效率上并无显著差别。Fernandes 和Pacheco（2002）[6]对巴西35 家机场资源使用效率进行分析，其中16 家机场资源利用效率较高。除了对效率测算外，等运用DEA 理论、Tobit 模型等对欧盟国家和西方巴尔干半岛的旅游产业效率及其影响因素进行了分析，游客入境人数、签证使用率等指标对旅游效率有显著的正向影响[7]。国内学者同样对区域旅游效率进行了较为丰富的研究。除了对旅游不同产业部门效率进行分析，旅游目的地效率研究逐渐丰富，其中，风景名胜区和旅游城市是两种重要的旅游目的地形态[8]。曹芳东等（2015）[9]利用DEA 理论、Bootstrap-DEA 模型等研究方法对风景名胜区旅游效率、空间格局动态演化及影响因素等方面进行分析，结果显示，风景名胜区旅游效率整体上呈现波动态势，经济水平、交通条件、信息技术等都对风景区旅游效率提升产生一定的影响[10]。马晓龙和金远亮（2015）[11]对张家界城市旅游效率进行测算，发现张家界城市旅游效率在大多数年份非DEA 有效，并以2000 年为分界线，将其旅游效率划分为快速增长期和相对稳定期两个阶段。区域旅游产业间存在不平衡发展现象，旅游效率存在地区差异，因而旅游效率的空间分布差异相关研究逐渐丰富。吴媛媛和宋玉祥（2019）[12]运用DEA、ESDA 等方法对中国东北地区旅游效率时空格局演变特征及驱动因素进行分析，各地区旅游效率差异显著，经济发展水平、旅游服务设施、交通条件等因素对东北地区旅游效率有一定的影响。周骁等（2020）[13]基于DEA-Malmquist 指数模型对贵州省2010—2016 年旅游业效率的时空差异特征进行分析，发现综合效率呈现先下降后上升的趋势，技术进步对综合效率的提升有较多的影响；空间分布差异明显，南部市州普遍高于北部。旅游业存在着明显的跨区域流动性，相邻区域之间存在相互影响，因此，旅游效率的空间效应逐渐成为学者重要的研究方向。方叶林等（2018）[14]借助修正DEA模型、脉冲响应模型等方法对不同时期中国省际旅游效率、时空演变特征进行定量分析，东部地区旅游经济增长的集约化程度要高于西部地区，旅游效率在空间上存在趋同效应。王兆峰和赵松松（2019）[15]基于DEA-Malmquist 指数模型对湖南省2001—2016年旅游效率的时空演变进行分析，发现湖南省旅游产业效率逐步提升，规模效率是综合效率提升的主要贡献者；旅游综合效率以及分解效率都有圈层集聚特征，纯技术效率有明显的“核心—边缘”空间结构特征。

从现有研究成果来看，关于旅游效率测度的研究较为丰富，将生态问题与旅游效率结合起来的研究仍需补充。旅游对环境的破坏是不可逆转的，因此，对旅游效率的评价应包括对环境治理的投入以及其他决定因素。本文从技术层面调整旅游业的投入指标，将生态环境因子加入到旅游效率评价中，将环境治理投资作为输入变量[16]，避免区域旅游业发展的短视化倾向，促进旅游业由粗放型增长向集约型转变，实现区域旅游业高质量发展。

二、研究方法

（一）DEA 模型

数据包络分析（Data Envelopment Analysis，DEA）是由查恩斯（Charnes）、库伯（Cooper）和罗兹（Rhodes）建立起来的对多投入、多产出的多个决策单元的效率评价方法，较为常见的是CCR 和BCC 模型[17]。BCC 模型把CCR 固定规模报酬的假设改为可变规模报酬，从而将CCR 模型中的综合技术效率（TE）分解为规模效率（SE）和纯技术效率（PTE），即TE=SE×PTE。本文选择投入导向的BCC 模型，BCC 模型可以定义为[18]：

式（1）中，xij、yrj分别表示第j 个DMU 的输入向量i 和产出向量r；m、t 为输入、输出指标数量；n 为DMU 的最大个数。θ 为综合技术效率，若θ=1，则决策单元DEA 有效；若θ<1，则决策单元非DEA 有效；θ 值越大，综合技术效率越高。

（二）Malmquist 指数模型

Malmquist 指数又称全要素生产率（TFP）指数，是由Malmquist 最早提出，并将其分解为技术效率变化（TEC）和技术进步（TP）。随后Fare 在此基础上又将技术效率变化（TEC）进一步分解为纯技术效率变化（PTEC）和规模效率变化（SEC），并广泛应用于动态分析各领域的投入产出效率，反映决策单元前后两个时期生产效率变化的状况。纯技术效率变化反映经营管理方式的进步与创新，规模效率变化反映规模收益变动状况[19]。本文在运用规模报酬可变的DEA-BCC 模型的基础上，结合Malmquist 指数模型，进一步探究2010—2017 年中部地区旅游效率演变的特征和趋势。从t 时期到t+1 时期，全要素生产率的Malmquist 指数表达式为[20]：

式（2）中，当M<1 时，表明t 到t+1 时期旅游全要素生产率降低；当M=1 时，表明t 到t+1 时期旅游全要素生产率不变；当M>1 时，表明t 到t+1 时期旅游全要素生产率提高；其他指数的意义与全要素生产率的判定标准相同。

（三）反距离权重插值

反距离权重（IDW）插值法是基于相近相似原理，将插值点与采样点间的距离设为权重参数进行加权平均，离插值点越近，采样点被赋予的权重越大[21]。其表达式为[22]：

式（3）中，Z0是估算点的值；Zi是采样点的值；di表示采样点i 与预测点间的距离；n 表示所用到的采样点的数目；K 为距离的幂。

反距离权重插值，可以对中部地区旅游全要素生产率联系密度的整体情况进行分析，直观地显示研究区域内旅游全要素生产率的差异化，并且可展现研究区域内相近省份旅游产业效率的关联度和趋同性[23]。

（四）Tobit 模型

美国经济学家Tobin 于1958 年提出的Tobit 模型属于受限因变量模型，适用于因变量在一定约束条件下取值的回归情况[24]。由于本文因变量是基于DEA-BBC 测得的综合技术效率值，效率值区间为[0，1]，即为双侧受限，若采用最小二乘法估计（OLS）进行回归，可能造成参数有偏，故本文采用Tobit 回归模型分析中部区域旅游效率的相关影响因素[25]。Tobit 回归模型的基本形式如下：

式（4）中，TEit为解释变量综合技术效率值；C为常数项；β1、β2、β3、β4、β5为回归系数；i 为中部地区省区个数；t 为样本观测期年份数；uit表示随机扰动项；Q1-Q5 表示旅游效率的影响因素。

三、指标体系与数据来源

（一）指标选取

旅游效率是衡量旅游发展水平和质量的重要指标。DEA 模型测量出的效率值会受到投入变量和产出变量的影响，随着对旅游效率的研究越来越丰富，不同学者在变量的选择上较为多样化。在基于其他学者研究的基础上，本文选取我国中部六个省区作为决策单元，除了考虑传统的劳动、资本等基本的生产要素，引入环境污染治理投资作为表达环境与经济关系的投入指标，进一步将影响旅游可持续发展因素纳入分析。本文所建指标体系如表1所示。

表1 中部六省区旅游业效率测度的指标体系

研究过程中，需使得投入与产出变量遵循同向性原则，即符合投入增加产出增加的趋势。本文利用SPSS 21.0 软件对中部省区旅游效率测度的投入产出变量做Pearson 相关性检验，得到的检验结果如表2 所示。结果显示，投入与产出变量为正向相关关系，且通过了0.01 水平下的相关性检验，表明所选投入产出变量满足同向单调性假设，并且具有较强的相关性，适用于投入产出效率分析。

表2 投入产出指标相关度检验

（二）数据来源

本文以2010—2017 年中部6 个省区（河南、山西、湖北、安徽、湖南、江西省）的旅游投入产出的面板数据作为研究对象，以中部六省旅游效率作为决策单元，所用数据来源于《中国旅游统计年鉴2011—2018》《中国环境统计年鉴2011—2018》和六个省区统计年鉴中相关的环境数据和旅游行业发展数据。同时为了数据的完整性，个别缺失数据采取插值法进行相应补充。

四、实证分析

（一）中部六省区旅游效率测度

利用DEAP 2.1 软件对我国2010—2017 年中部六个省区的旅游效率进行测算，得出综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），结果如图1 所示。

图1 2010—2017 年中部六省区旅游综合技术效率、纯技术效率和规模效率

结果显示，中部六省旅游效率总体上保持较高水平。从综合技术效率来看，湖南、江西、河南省较高于湖北、山西、安徽省，均值为0.94；从纯技术效率来看，湖南、江西、河南、山西均为1，安徽、湖北小于1，均值为0.985；从规模效率来看，各省区均小于1，湖南、江西、河南较高于湖北、安徽、山西，均值为0.954。综合技术效率受到纯技术效率和规模效率的影响，在数值上等于两种分解效率的乘积，上述结果显示，规模效率低下阻碍了综合技术效率的提升。在研究时段内，湖南省相对较稳定，仅在2015年处于规模效率递减，其他时间保持规模效率不变；山西省和江西省由规模效率递增到保持规模效率不变，规模效率持续优化；河南省从规模效率不变到规模效率递减；安徽省和湖北省从规模效率递增到规模效率递减，因此，各省区应控制旅游规模，提升管理水平。

（二）中部六省区旅游全要素生产率时序差异分析

本文基于中部六省区2010—2017 年旅游投入、产出指标的面板数据，运用DEA-Malmquist 指数模型测算六个省区旅游效率的动态变化趋势，中部省区旅游全要素生产率时序差异结果如表3 所示。

表3 2010—2017 年中部六省区旅游效率各年份Malmquist 指数及其分解指标

由表3 可知，2010—2017 年中部六省区的旅游全要素生产率均大于1，均值为1.151，整体呈现上升趋势，发展态势较好。从指标分解来看，整体波动幅度较小，发展趋势较稳定。旅游全要素生产率年均提高15.1%，主要源于技术进步，年均提高15.6%。技术效率指数年均下降0.4%，其分解指标纯技术效率年均提升0.4%，规模效率年均下降0.8%，对旅游全要素生产率影响相对较小。2010—2011 年以及2016—2017 年旅游全要素生产率分别提升28% 和22.6%，增长幅度较大；2013—2014 年以及2015—2016 年旅游全要素生产率分别提升7.1% 和7.4%，增长幅度较小。以上分析表明，研究时段内旅游全要素生产率呈波动增长态势，技术进步对旅游全要素生产率的提升影响更大。

（三）中部六省区旅游全要素生产率空间差异分析

由中部旅游效率各省区Malmquist 指数及分解指标的结果来看（见表4），中部地区六个省份的旅游全要素生产率均大于1，平均提升15.1%。山西省和江西省旅游全要素生产率分别提升23% 和20.6%，增长相对较快；河南省和湖北省分别仅有6.6% 和11.7% 的提升，增长相对较慢。山西、江西、湖南三个省份的各项效率指数均大于或等于1，处于稳步增长状态；河南、安徽、湖北的技术进步效率指数和纯技术效率指数均大于或等于1，规模效率指数均小于1。以上分析表明，研究时段内不同地区的旅游全要素生产率提升速度存在差异，技术进步是提升旅游全要素生产率增长的重要因素，规模低效是旅游全要素生产率增长的主要障碍。

表4 2010—2017 年中部旅游效率各省区Malmquist指数及其分解指标

本文运用反距离权重插值法，以中部六个省会城市的经纬度为点坐标对其整体呈现状况进行分析，将中部地区旅游全要素生产率按相对规模进行排序，并从低到高分为五类区域（见图2），以此来揭示2010—2017 年中部地区旅游全要素生产率水平提升程度的空间分布差异。结果显示，山西省和江西省是研究时段内全要素生产率增长较快的省份；湖南省和安徽省的全要素生产率增长速度处于中间水平；湖北省和河南省的全要素生产率增长速度相对较低；整体呈现南北高、中间低的凹型分布特征。

图2 2010—2017 年中部六省区旅游全要素生产率均值反距离权重插值分析

结合表4 来看，河南省和湖北省的全要素生产率增长较慢，主要是由于其技术效率和规模效率提升较低，其中，河南省技术进步指数增长较低，导致整体效率提升较少。与其他省区相比，湖南省的旅游业全要素生产率处于稳定状态，分解效率值接近于1；安徽省和湖北省的规模效率则分别降低了3.5%和3.8%，受规模低效的影响较多；山西省和江西省处于效率较快增长状态。究其原因，河南省、湖北省旅游业基础、城市规划、基础设施等相对较完善，其全要素生产率增长空间相对有限；山西省、江西省基础建设相对薄弱，由于近几年通信、交通、环境等的提升，结合自身旅游资源，在技术提升、规模控制和管理等方面都有较多的改善，进而促进旅游全要素生产率的较快增长。

（四）中部六省区旅游效率影响因素分析

由上文中部地区旅游效率的分析结果可知，不同省份的旅游效率存在一定的差异。为进一步探究中部省区旅游效率的影响因素，本文对面板数据进行Hausman 检验后，发现随机效应优于固定效应，因此选择随机效应Tobit 模型进行回归分析。将旅游业综合技术效率（TE）作为因变量，根据已有研究及数据的可获得性，选取城镇居民人均可支配收入（Q1）、旅客周转量（Q2）、邮电业务总量（Q3）、实际利用外资额（Q4）、A 级景区数量（Q5）5 个指标作为自变量，运用Eviews 10.0 软件进行Tobit 模型回归分析，结果如表5 所示。

表5 中部地区旅游综合技术效率面板Tobit 回归结果

由结果可知，城镇居民人均可支配收入（Q1）通过了5% 水平上的显著性检验；旅客周转量（Q2）通过了1% 水平上的显著性检验，且两者的估计系数都为正值，说明Q1 和Q2 对中部地区的旅游效率有显著的正向影响。A 级景区数量（Q5）通过了1% 水平上的显著性检验，但是估计系数为负值，说明旅游景区相关资源的大量投入并没有带来中部地区旅游综合技术效率的有效提升，即旅游资源未得到充分合理的使用。邮电业务总量（Q3）、实际利用外资额（Q4）的估计系数为负，但是并不显著，说明两者对中部地区旅游综合技术效率并无显著影响。

五、结论与建议

（一）结论

本文基于旅游业高质量发展的角度，分别对2010—2017 年中部六个省区的旅游效率、时空差异及影响因素进行测算和分析，主要结论如下：

（1）根据中部地区旅游静态效率结果可知，2010—2017 年中部六省旅游效率总体上保持较高水平；综合技术效率和规模效率方面，湖南、江西、河南省较高于湖北、安徽、山西省；纯技术效率方面，山西、河南、湖南、江西省较高于湖北、安徽省；规模效率较小影响了综合技术效率的提升。

（2）根据中部地区旅游全要素生产率时序差异分析结果可知，2010—2017 年中部省区的旅游全要素生产率均大于1，整体呈现上升趋势，并且属于技术进步推动型。与中部地区旅游静态效率结果一致，技术的进步和创新是提升旅游效率的重要因素，而规模低效是中部地区旅游效率增长的主要障碍。

（3）根据中部地区旅游全要素生产率空间差异结果可知，在2010—2017 年研究时段内，山西省和江西省的旅游全要素生产率增长较快，湖南省和安徽省的旅游全要素生产率增长速度较平缓，河南省和湖北省的旅游全要素生产率增长速度相对较低，整体呈现南北高、中间低的凹型分布特征。

（4）根据中部旅游效率的影响因素分析可知，城镇居民人均可支配收入和旅客周转量对中部地区旅游综合效率有正向显著的影响；A 级景区数量对中部地区旅游综合效率有负向显著的影响；实际利用外资额和邮电业务总量对中部地区旅游综合效率并无显著影响。

（二）建议

基于以上研究结果，对中部地区旅游业高质量发展提出如下建议：

（1）中部地区旅游效率存在空间差异，因此，中部各省应积极打破行政壁垒，提升管理水平，加速推动区域旅游一体化进程，推进各省区之间的管理、技术经验交流，实现客源共享、线路互通、联合营销，提高科技、人才、品牌等方面的交流互助，发挥高效率地区对低效率地区的帮扶作用，进而提升整体旅游效率。

（2）中部地区旅游效率提升的重要因素是技术的进步和创新，因此，中部地区应积极引进新技术、提升自主创新能力。旅游景区、酒店等相关企业应完善智慧旅游系统建设，完善人脸识别、实时线路规划等功能开发，实现旅游服务、旅游体验等智能化建设，使得中部地区旅游业能够享有现代信息技术带来的规模收益和技术效率的提升。

（3）中部地区居民的消费能力以及交通水平的改善能够带来旅游效率的提升。道路的可通达性会大大缩短游客在路上逗留的时间，能够有效降低出行成本，释放更多的旅游需求。收入增长促进消费升级，各地区在传统观光旅游的基础上应完善适合自驾游、周边游、亲子游等休闲度假旅游的配套设施，培育养生旅游、探险旅游、乐活旅游等旅游新业态。

（4）中部地区旅游资源的投入并没有带来旅游效率的有效提升，即中部地区旅游业并未充分合理地利用旅游资源，因此，景区可通过整合区域旅游资源、提高运营效率、开发城市演艺等轻资产输出方式来提升旅游的综合效率。同时要避免盲目扩张、注重旅游规模合理化，在加强管理水平的同时，需进一步优化旅游资源配置，提高资源利用效率。