石薛桥，任春霞

（中北大学 经济与管理学院，山西 太原 030051）

党的十九大报告指出，我国经济已由高速增长阶段转向高质量发展阶段，越是在高水平经济发展阶段，越要通过提高全要素生产率来促进经济增长。经济快速增长带来的环境问题日益严重，而高质量的经济发展必定不能忽视环境的保护。“十三五”规划指出，绿色是持续发展的必要条件，党的十八大、十九大都以绿色经济发展为目标来提高经济增长质量。旅游业也面临同样的问题：旅游经济发展较快，但环境污染不可忽视[1]，要不断协调旅游业发展与环境保护的关系，让旅游业走绿色、可持续发展之路。基于此，本文研究环境约束下的旅游业全要素生产率——绿色生产率来探析旅游业发展的质量问题。

1 文献综述

国外学者对旅游业全要素生产率的研究主要集中在酒店[2]、旅行社[3]、旅游交通[4]和旅游目的地等旅游业核心组成部门的经营管理效率。国内学者关于旅游业全要素生产率的研究如下：研究尺度从宏观[5]向区域[6]、 省域[7]和城市[8]过度；研究内容扩展到冰雪[9]、文化[10]和民俗[11]等细分领域；研究过程主要包括全要素生产率的测度与分解、时空演变分析和效率变化的影响因素[5,7,12]解析；研究方法以非参数方法为主，DEA模型和Malmquist指数相结合的方法最为常见，三阶段DEA[13]、Bootstrap-DEA纠偏模型[14]、Super-SBM模型[15]等方法使效率研究更加精细化。随着环境问题的加剧，国内外学者逐渐将生态和环保的视角加入旅游业全要素生产率的测算中分析旅游业绿色生产率或者生态效率。

国内学者关于旅游业绿色生产率或旅游生态效率的研究集中在时空分布和影响因素探究两方面：（1）时空分布多将研究区域进行划分[16]，没有整体性和系统性的概念；探索性空间数据分析（ESDA）用来解释效率的全局和局部空间相关性[12]，较少使用定性方法研究效率的空间关联，以定性方法研究效率空间演变的文章又较少涉及细分效率[17]；多应用均值和标准差等对效率空间演变特征进行属性数据的描述性分析[5,12,18]，并未涉及关系数据以刻画效率的整体网络结构。（2）效率的影响因素多考虑经济水平、政府规制和城镇化等外部因素[6-7,12,14]， 并未探究效率的空间关系本身对效率存在的影响。

综上，本文将旅游业绿色生产率及其细分效率的空间演化作为研究内容，采用定性研究方法探究效率的空间网络结构，并分析空间网络本身对效率的影响效应。所以，首先应用考虑能源消耗和非期望产出的Super-SBM模型来计算全国旅游业绿色生产率（GTEC）及其分解效率——绿色纯技术效率（GTPEC）和绿色规模效率（GTSEC），并应用社会网络分析法对三种绿色旅游效率空间格局进行描述，最后应用回归模型分析三种效率对应的整体空间、个体空间网络对效率的影响效应。

2 研究设计

2.1 研究方法

2.1.1 考虑非期望产出的Super-SBM模型

DEA是评价有相同特征的多投入多产出的若干DMU相对效率的方法，但会因径向和角度的问题影响计算结果，还会因多个DMU相对有效而无法对效率进行更加细致的解释。SBM模型[19]解决了松弛变量问题，还纳入了非期望产出，超效率模型正好可对多个效率值为1的DMU做进一步评价和排序。因此本文选择考虑非期望产出的Super-SBM模型计算效率值，模型如下：

式（1）中各变量满足的约束条件为：

式中：ρ为效率值，n为DMU的个数，m、r1、r2分别表示投入、期望产出和非期望产出指标，x、yd、yμ分别表示投入、期望产出、非期望产出构成的矩阵中的元素。

2.1.2 修正的引力模型

关系的确定与构建是网络分析的基础，本文选择修正的引力模型来确定各省份之间的关系，计算公式为：

式中：yij表示两省份之间效率值的关联强度；Gi和Gj分别表示两省份的旅游总收入；Ti和Tj分别表示两省份的效率值；Dij表示两省份之间的距离；gi和gj分别表示两省份的人均国内生产总值。依据各行中具体数值的大小和各行平均值将引力矩阵转换为0-1矩阵，作为社会网络分析的数据基础。

2.1.3 社会网络分析法

社会网络分析法运用图论工具和代数模型等来描述各个单位之间的关系模式并探究关系模式对单位的影响和作用[20]，本文应用社会网络分析法测量三种效率的整体网和局部网特征，采用网络密度、网络关联度、网络等级度和网络效率对空间关联网络整体特征进行描述；采用点度中心度、接近中心度和中间中心度对空间关联网络个体特征进行描述。

2.2 指标确定和数据来源

旅游业绿色生产率测度指标体系的投入指标有资本、劳动力和能源，产出指标有旅游收入、旅游人数和环境影响，具体指标选择见表1。

表1 旅游业绿色生产率测度指标体系

其中旅游业SO2和COD不好准确计算，建立以下公式：

以上数据来自2010—2019年《中国统计年鉴》《中国旅游统计年鉴》《旅游发展统计公报》《旅游抽样调查报告》《中国环境统计年鉴》以及各省份统计局的相关数据，部分缺失数据用线性插值法补充完整。因数据可得性，本文选取除西藏及港澳台地区之外的其他30个省份为研究对象。

3 绿色生产率测算

3.1 绿色生产率均值

2009—2018年的效率测算结果（表2）显示：GTEC均值为0.78，GTPEC均值为0.93，GTSEC均值为0.84，表明GTEC处在中等偏上的水平，仍有发展空间，GTEC、GTPEC、GTSEC大体上稳步增长，而且GTPEC和GTEC的变化较为一致。

表2 绿色生产率效率变化趋势

3.2 绿色生产率变异系数

本文应用变异系数表征30个省份在2009—2018年间三种效率的波动情况和离散程度，变异系数的值越大，表明该省份在2009—2018年间的效率值波动越大，反之效率值波动越小，如图1所示。

图1 绿色生产率的波动程度

（1）2009—2018年，各省份的GTEC平均变异系数为0.251，大于分解后的GTPEC（0.216）和GTSEC（0.126）平均变异系数，表现出较强的不稳定性。其中，GTEC变异系数值大于变异系数均值的省份有黑龙江、吉林、新疆等，黑龙江的变异系数最大（0.594），可知这些省份的GTEC波动较大，发展不太稳定；变异系数较小的省份有北京、上海、天津、重庆等，均小于0.15，其中变异系数最小的是重庆（0.028），表明这些省份的GTEC波动较小，发展较为稳定。

（2）2009—2018年，各省份的GTPEC平均变异系数为0.216，不稳定性较强，其中变异系数较大的省份有黑龙江、吉林和甘肃等，系数均超过0.3，黑龙江的变异系数最大（0.871），说明这些省份的GTPEC波动较大；而江苏、重庆、上海、天津和北京等省份的GTPEC平均变异系数值均小于0.1，江苏的变异系数最小（0.01），表现出较高的稳定性。变异系数超过平均变异系数的省份有14个，未超过平均变异系数的省份有16个，全国范围内的GTPEC稳定性还有待加强。

（3）2009—2018年，各省份的GTSEC平均变异系数为0.126，海南、广西、宁夏、黑龙江、辽宁、河北、四川、江苏、湖南的GTSEC变异系数值高于变异系数均值，海南的变异系数最大（0.528），其余21个省份的GTSEC变异系数值低于平均变异系数，说明我国大部分省份的GTSEC较稳定。

4 绿色生产率空间网络

根据修正的引力模型，确定旅游业绿色生产率的空间关联关系并建立关系矩阵。本文应用UCINET可视化工具Netdraw绘制了效率的空间关联网络图，并主要对GTEC整体、个体网的特征数据进行分析。

4.1 整体网络结构特征

本文从网络关联度和网络关联性两方面来分析空间关联网络的整体结构。GTEC空间关联网络（图2）和网络结构数据（图3）整理如下。

图2 2018年GTEC空间关联网络

图3 2018年GTEC网络结构数据

（1）网络关联强度。考察期内空间关联总数呈上升趋势，2009年的关联关系总数为159个，2018年的关联关系总数为181个，增长率为13.84%，其中2017年的关联关系数最多，为184个，但与最大可能的关联总数（870）之间还有较大差距；网络密度从2009年的0.18上升到2018年的0.20，增长率为11.32%，2017年网络密度最大，为0.21，在2015—2017年间，网络密度较为稳定。综上，GTEC空间关联度呈现上升趋势，但有待提升。

（2）网络关联性。研究期内空间网络关联度均为1，网络等级度从2009年的0.44下降到2018年的0.23，网络效率也从2009年的0.68下降到2018年的0.65。综上，各省份GTEC关联性不断增强，并趋于稳定。

4.2 个体网络结构特征

2018年个体网络结构特征部分数据见表3，具体分析如下：

表3 2018年效率个体网络结构特征数据

（1）点度中心度。2018年GTEC个体网络的点度中心度均值是31.03，较2009年增长2.99，北京、上海、天津、江苏、浙江、福建、广西、重庆、甘肃9个省份的点度中心度高于均值，在空间关联网络中与其他省份的联系较多；并列第一的北京和上海与其他29个省份中的26个都存在空间关联和空间溢出，说明北京和上海处在GTEC空间关联网络的中心位置。位列前五的北京、上海、江苏、天津、浙江的点入数均大于点出数且大于点入数均值，表明这些省份接受其他省份的溢出效应较多；而甘肃、福建、广西和重庆的点出数大于点入数且大于点出数均值，表明这些省份对其他省份产生的溢出效应较多。其他省份个体网络点度中心度小于均值，彼此之间的关联度不高。

（2）接近中心度。2018年GTEC个体网络的接近中心度均值是60.08，较2009年增长0.87，其中北京、上海、天津和江苏的接近中心度高于均值，与其他省份较易产生直接关联，其中，北京与上海的接近中心度并列第一且远高于另外两个省份。而中西部地区省份的接近中心度较低，受其他省份的影响与控制较大，较难与其他省份之间产生关联。

（3）中间中心度。2018年GTEC个体网络的中间中心度均值是2.48，较2009年下降0.1，北京、上海、江苏、天津、浙江和福建的中间中心度大于均值，且北京的中间中心度值远高于其他省份，这些省份在空间关联网络中控制其他省份之间旅游业交流的能力较强，是整个网络的“桥梁”与“枢纽”。

5 空间网络对绿色生产率的影响效应

5.1 整体网络效应分析

本文分别以GTEC、GTPEC和GTSEC为被解释变量，以三种效率对应的空间关联网络计算而得的网络密度、网络等级度和网络效率为解释变量，进行OLS回归（解释变量和被解释变量均取自然对数），回归结果如表4所示。

（1）GTEC整体网对效率的影响效应。由表4可知，GTEC空间关联的网络密度、网络等级度和网络效率的回归系数分别是7.102、-1.246、-3.570，且R2值较高，都通过5%的显著性检验，表明GTEC整体网结构对效率值存在显著影响，网络密度的提升、网络等级度和网络效率的降低能够显著提高GTEC。

（2）GTPEC整体网对效率的影响效应。由表4可知，GTPEC空间关联的网络密度、网络等级度和网络效率的回归系数分别是8.701、-0.378、-3.663（未通过显著性检验），表明GTPEC的整体网结构对效率值存在影响，网络密度的提升和网络等级度的降低都会提高GTPEC。究其原因：网络密度的提升表明各省份在旅游业发展过程中技术与管理信息的学习与借鉴更加频繁，从而促进旅游业信息流通，使整个行业的运转更有效率；网络等级度的降低表明效率值低的省份会通过技术创新而不断向网络的中心位置靠近，破坏原来等级森严的空间关联网络，更多的省份将融入行业中发展较好的地区，促进整体效率提升。

表4 整体网效应回归结果

（3）GTSEC整体网对效率的影响效应。表4的回归结果显示，GTSEC整体网对效率的影响效应不显著，旅游业的资金、人才和资源要素等的配置未对省际GTSEC的提升有显著影响。

5.2 个体网络效应分析

本文以考察期内分省的GTEC、GTPEC和GTSEC为被解释变量，以各省份各年度的点度中心度、接近中心度和中间中心度为解释变量（解释变量和被解释变量均取自然对数），构建面板数据模型进行回归分析。由回归结果得固定效应模型和随机效应模型均优于混合估计模型，再通过Hausman检验对这两种模型进行选择，回归结果如表5所示。

（1）GTEC个体网对效率的影响效应。由表5可知，点度中心度、中间中心度和接近中心度每提高1个单位，GTEC将分别提高0.548、0.173和1.839个单位，且F、Wald值较高，通过1%的显著性检验，表明GTEC个体网结构对效率值存在显著影响，点度中心度、中间中心度和接近中心度的提高均使GTEC提高。

（2）GTPEC个体网对效率的影响效应。由表5可知，点度中心度、中间中心度和接近中心度每提高1个单位，GTPEC将分别提高0.380、0.105和0.298个单位。究其原因：点度中心度的提高表明该省份在空间关联网络中愈发处于中心地位，该省份在旅游业管理和技术方面与其他省份的关联度日益提升；中间中心度提高表明该省份在政策制定、旅游业管理模式和旅游业信息技术发展等方面都拥有较多话语权，对其他省份有较强的控制作用；接近中心度的提高表明该省份会凭借自身在管理与技术方面独特的优势发展旅游产业。

（3）GTSEC个体网对效率的影响效应。表5回归结果显示，点度中心度和中间中心度的变化对GTSEC的影响不明显（R2接近于0），接近中心度每提高1个单位，效率值将提升0.084个单位，接近中心度的提高表明该省份会应用特有战略与其他省份进行直接交流。

表5 个体网效应回归结果

6 结论及建议

GTEC测算结果表明，旅游发展势头良好，但研究期内波动较大，需发挥各省份旅游业自身优势，保持旅游经济平稳增长。研究期内，GTEC、GTPEC和GTSEC值均较高，而且整体呈上升趋势，说明我国旅游业近年来一直处于蓬勃发展状态，但在研究期内东北和西南地区旅游业绿色生产率波动较大，这与这些地区经济基础薄弱、旅游基础设施建设不完善等因素有关，需发挥这些地区旅游资源的特色性优势，结合互联网技术，创新旅游发展模式，突破旅游“异地性”的屏障，减少外部突发情况的冲击。

GTEC空间关联网络整体特征表明：各省份效率之间联系数增加，网络关联强度提高，网络关联性增强，并趋于稳定，但还有上升空间。因此，需继续增强省际旅游业合作，减少隔阂的同时避免空间关系的冗余，不仅要重视“邻近”或“相邻”省份之间的联系，更要有全局意识。

GTEC空间关联网络个体特征表明：个体网突出以北京、上海、天津、浙江、江苏为代表的东部省份在空间关联网络中的主导地位，这些省份能有效控制其他省份旅游业之间的联系并较少受其他省份的影响，能吸收有利自己的因素，享受到较多的空间溢出效应，而中西部地区却因处于网络的边缘位置而产生更多的空间溢出。因此，不仅要加强东部省份的辐射与带动作用，也要逐渐突出中西部地区在旅游业的位置，逐渐增强东部省份的空间溢出而减少中西部省份的空间溢出，平衡空间关联网络溢出与接收关系。

GTPEC整体、个体网络结构对效率值的影响效应都较显著，因此，提高全行业的科技创新水平和管理水平尤为重要。首先，政府在政策制定、法律法规完善、科技创新和人才培养方面都要给予旅游业足够的重视，发挥积极的态度和作用；其次，加大对旅游行业违法乱纪行为的惩罚力度，提高旅游行业从业人员整体素质，促进管理水平的提高；再者，旅游资源的开发和旅游工程的建设要发挥创意，避免雷同的、低质量的景区出现，以环境承载力和环境容纳量为前提设计景区的规模和结构；最后，提高旅游高校建设和旅游人才培养的质量，提高旅游人才对口就业率，促进旅游业技术水平的提高。

GTSEC整体、个体网络结构对效率值的影响效应都不显著，且在研究期内变化较为稳定，表明旅游业发展在人才、技术等方面的配置存在不足，而且近年来都没有重大突破。因此，需继续扩大旅游业发展规模，在充分发挥各地区资源特色的情况下，要发挥“先富带后”的作用，消除地理位置上的隔阂，不断加强对外开放，促进国际、省际的多向交流与合作，优化旅游业资源配置。