海外旅店绩效评估分析

本文作者：符政义 王 玲 吴晓隽 张科静 单位：东华大学旭日工商管理学院

绩效评估是量化效率和效益的过程［1］，其意义在于用来衡量、评价组织及成员在某一时期的工作表现。传统的绩效评估体系只专注于由财务和会计指标计算所得的简单比率，比如易腐性资产应收管理［2］，倒伏指数［3］，收支平衡分析［4］，收入绩效指标［5］，收益管理［6］。此外还有每间可销售房收入指数。但是，正如Anderson等人所说，这些传统的方法忽视了所提供服务的组合和性质，并且很难对资源有效性的概念予以界定［7］。到目前为止，由Charnes等人提出的数据包络分析（DEA）能有效地解决上述传统方法的种种弊端，已经成为最具代表性的绩效评估方法。数据包络分析是一种使用非参数的分析技术，旨在解决一组决策单元（DMU）中多输入多输出变量的相对有效性问题。数据包络分析以生产边界作为衡量效率的基础，将投入、产出数据透过数学公式来求出生产边界，通过各决策单元的实际数据与生产边界比较，就可以衡量出各决策单元的相对有效率和相对无效率的程度，从而为达到相对效率的改善提出建议。在酒店业中最常采用的输入指标为员工数量、客房数量、面积及费用，各类收入（总收入和各部门收入）和入住率一般用做输出指标。有时产出指数、顾客满意率、每位员工平均产值也会用做输出指标。尽管目前国外采用数据包络分析来评估酒店绩效方面的文献众多，但尚无文章对这些文献进行有效的梳理。过去所有的文献中出现的综述也只是按照时间序列或者地理位置为依据，以表格形式罗列之前研究所出现的输入／输出变量而已。不可否认，这种安排能简要地介绍过去的研究，但忽视了文章与文章之间的内在联系。因此，本文按照不同的应用领域来划分，即生产力、效益和效率，结合数据包络分析30多年来模型发展［8－9］为主要线索，对过去的研究进行梳理。

一、生产力和效益评估

相当一部分酒店绩效评估的研究专注于生产力方面，这其中包括Johns等人［10］最早对同一连锁酒店集团中15家酒店所进行的相关探索。Barros和Alves采用曼奎斯特指数（MalmquistIndex）来分析生产力的变化［11］。其后一年，Barros对此又进行了更为深入的分析，在对一些有效性驱动因素的比对中发现，酒店位置、聚集效应、客房数量和投资能切实提高酒店的效率［12］。Sigala等人采用stepwiseDEA对93家酒店客房部的生产力水平进行了研究。此外他们还发现酒店设计、所有权结构和管理方式对运营生产力有影响［13］。生产力的概念有时也被认为是由效益和效率两部分组成。所谓效率，即以正确的方法做事，比如说追求最低的资源浪费，就是为了追求高效率。而效益则是要求做正确的事情。目前绝大多数的研究注重酒店效率方面，只有很少一部分涉及效益，比如Keh等人、Yu等人以及Hsieh等人。Keh等人探讨配置效率、营销效益和生产力之间的关系。在其所采用的三阶段DEA中，除了输出变量（客房收入和餐饮收入）、输入变量（总费用和客房数量）外，作者还考虑了营销费用作为过渡用的中间输出／输入变量。通过比较发现，效益与生产力的联系较之效率与生产力而言更紧密，但效益和效率之间则呈现负相关性［14］。Yu和Lee应用HyperbolicNetworkDEA来整合生产效率和服务效益，并得出了与Keh等人类似的结论。他们还为酒店经理如何提升酒店的服务绩效提出了宝贵建议［15］。Hsieh和Lin以57家酒店为样本，在研究台湾酒店总体绩效的同时，探讨了酒店最重要的两大部门———客房部和餐饮部的服务生产效率和服务消费效益。基于Kao的RelationalNetworkDEA模型，研究发现酒店样本中存在较低的服务生产效益，最低的为0．0803，最高也不过0．2796（满分为1），说明这些酒店还有非常高的上升空间。Hsieh和Lin还按照所处地理位置和运营方式的不同来比较这些酒店，总体而言处于风景区的酒店或者采用委托管理方式经营的酒店表现更为突出［16］。尽管生产力评估和效益评估作为酒店绩效评估中重要的一环，但过去的研究仍更多地集中于效率方面，主要的原因还是在于认识的不足。从这几年来看，学者们对于酒店效益方面的研究越来越重视，一方面是DEA最新理论成果的应用，另一方面是研究内容的不断扩充，如涉及酒店营销、服务产品的生产消费等，对于丰富酒店绩效评估的内涵都有着非常重要的借鉴意义。

二、效率评估

在效率范畴，众多研究将决策单元分为有效率和无效率两种。将低效率的决策单元效率值对比有效决策单元，从而确定其所需改进的空间。因此使用数据包络分析所得出的效率值就是相对效率的表现，Morey和Dittman最早采用这一方法来研究美国的酒店业［17］。在这一部分，笔者将以数据包络模型的发展为线索，旨在系统地回顾各种模型在酒店绩效评估领域的应用。

（一）射线数据包络分析方式（RadialDEAAp－proach）两种最常用的数据包络方法是CCR模型以及BCC模型，其差异在于所选规模收益的不同。用Charnes等人名字命名的CCR模型［18］是基于固定规模收益假设，研究多投入、多产出中的生产效率问题。采用CCR模型得出的效率值一般称为技术效率，指依靠现有技术有效运用生产要素所获得最大产出的能力。Sanjeev用技术效率这一指标研究了印度酒店餐饮企业后，发现平均的效率值仅为0．756。这一数据说明在不减少其收入等输出指标的前提下，这些企业必须降低24．4％输入数据才能达到运营的有效［19］。此外，数据包络分析探究的是决策单元之间相对的有效性，有时一个指标的不同往往会导致酒店之间较大的差异，因而输入／输出变量的选择是评估企业绩效中最为困难的一环。Chen就曾探讨了输入／输出变量对于酒店绩效的影响。首先采用问卷的方式调查了对于酒店经理而言最重要的5个输入指标和5个输出指标。为了提高结果的准确性，作者在用CCR模型来评判酒店有效性的同时，有意省略一些指标来进行比对，并最后保留了2个输入变量———运营费用和客房数量，和2个输出变量———客房收入和入住率来检验台湾6家酒店的效率［20］。在评估效率值的过程中往往出现很多满分的情况（效率值为1），这就给酒店排序提出很大的挑战，尤其是要选出表现最好的那家酒店来作为其他酒店的标杆。此时AndersenandPetersen［21］提出的Su－perEfficiency模型能很好地解决同效率问题。Shuai和Wu将CCR、SupperEfficiency模型与灰熵理论（greyentropy）结合，发现电子营销对酒店绩效存在积极的影响［22］。Hwang和Chang针对1998年台湾地区45家国际旅游酒店的管理效率进行了相关研究，除了使用SupperEfficiency外，作者还探究了1994至1998这5年间酒店生产力的发展变化［23］。第二种常用的方法是由Banker等人［24］提出的BCC模型。和CCR模型的区别在于BCC基于可变的规模收益，即考虑规模收益递增、递减和固定规模收益这3种情况。一般而言，采用BCC模型计算的效率值称为纯技术效率，在不考虑企业规模的情况下评估企业由输入变量转为输出变量的过程。当然，基于规模收益不变假设下的技术效率可以分解为纯技术效率和评价决策单元运营规模状况的规模效率。Yang和Lu发现台湾酒店中普遍存在的技术无效率问题主要源于纯技术无效率，而非规模无效率。在考虑输入拥挤的同时，这些酒店往往缺乏整合资源的能力［25］。Min等人采用类似的方法，但选择酒店利润作为输出指标。在比较4组不同指标所得出的效率值后发现，酒店收入的增长并不能反映利润的提高，而唯一能够促使酒店提升财务效率的途径在于尽可能减少不必要的浪费［26］。Barros和Dieke采用输出导向（即输入条件不变的情况最大化输出变量）的CCR和BCC模型来分析2000－2006年间12家非洲酒店的技术效率。随后用自举法来分析诸如市场份额、所属集团、国际扩张战略等驱动因素的影响。结果显示，加入酒店集团对于提高效率而言效益最显著［27］。Botti等人选取费用、覆盖区域和加入连锁经营时间作为输入项，销售额作为输出变量来评估连锁酒店层面的效率问题。经过数据包络模型的分析后发现法国连锁酒店集团中的效率值仅为49．94％，超过60％的企业低于当地平均水平［28］。但使用同样的方法，Perrigot等人却发现法国酒店企业的平均效率将近90％，远远高于同一时期Botti等人的结论。造成这种截然相反的原因在于所选指标的不同，后者考虑连锁酒店年代、客房数量、该年新开酒店数量、忠诚度和连锁酒店排名作为输入变量，而将入住率和销售额作为输出变量［29］。尽管对于当地的平均效率水平有不同的认识，但他们都提到，相比于全部采用特许经营或者完全集团所属经营的方式，采用两者管理方式并存的复数经营形式的酒店连锁企业，其表现更为突出。这一结论对于众多中国国有酒店集团而言有很强的借鉴意义。除了以上3个常用的效率外，另外总效率和配置效率也常被提及。Farrell将总效率定义为技术效率以及配置效率的乘积。配置效率为在既有技术及价格下，由于生产要素的适当分配所求得的最低投入成本，又称为价格效率。结合纯技术效率和规模效率，上述的五大效率能完整而又详细地反应酒店的运营状况，因而过去有相当一部分的研究聚焦于这一方面。通过研究发现，许多酒店的生产效率不高，其根源在于过低的配置效率，但具体而言原因有所不同。根据Anderson等人的观点，诸如政府调控和政策等不可控因素是导致无效率最主要的原因［30］。与此相对的一种观点由Borros等人提出，他们认为运营费用、员工数量以及酒店客房数量过大是造成配置效率低下最重要的原因［31］。通过梳理，笔者发现尽管酒店中关于效率评估的研究众多，绝大多数采用的是传统的CCR和BCC模型所衍生出来的方法，近年来在一些地区颇具首创性的应用，如Sanjeev之于印度、Botti等人以及Perrig－ot等人之于法国连锁酒店集团，其本质是相同的。

（二）非射线数据包络分析方式（Non－radialDEAApproach）随着数据包络分析理论的发展，学者们越来越意识到采用传统的射线包络分析法来评价酒店绩效并不恰当，其原因在于CCR和BCC这一类射线模型忽视了输入／输出项的非线性松弛变量。松弛变量采用相对低效的决策单元来分析效率的差异，对区分管理中的效率水平有着重要的意义。Wu等人以23家台北的高档酒店为样本，比较了BCC模型和非射线模型之间的差异。他们发现这两类模型给出了不同的酒店绩效状况，由此得出的旨在为低效率酒店提供改进方向的标杆也有所差异［32］。另外两项研究同样也聚焦于台湾酒店业。依据Chiang等人的观点，并非所有的特许经营或委托管理酒店的绩效胜于单体酒店。通过松弛变量分析他们对低效酒店提出了改进措施，切实帮助酒店改善管理，比如标号为12的某家国际管理酒店，在降低一定量客房数、餐饮容量和员工数之后能达到技术有效，即获得最大的产出，从而实现最优［33］。另外Cheng等人结合灵敏度分析对13家酒店的优劣势进行研究［34］。Neves和Lourencos不仅首创地研究了全球范围内的酒店绩效，还结合2个案例加以分析。在分析技术效率、纯技术效率和规模效率的过程中结合输入／输出松弛变量，探讨了处于规模收益递减环境下的印度酒店有限公司和出于规模收益递增状态下的雷吉纳酒店这两家颇具代表性的酒店案例。随后他们对不同运营环境下的两类酒店提出恰当的改进战略［35］。非射线数据包络分析不仅能区分酒店有效与否，更重要的是能指明无效率的程度，为如何改进提供了依据。结合其他的方法，如Cheng等人所采用的灵敏度分析，能很好地分析酒店的优劣势，为进一步引入恰当的企业战略管理提供依据。在非射线法中最常用的当属Tone［36］提出的考虑测量单位不变性和输入、输出松弛变量的单调递减性的SBM模型（slacks－basedmeasure）。Sun和Lu以生产方法为划分，评估了台湾地区55家酒店管理、入住率和餐饮部门的绩效水平。随后他们观察了1990至2001年这11年间生产力的变化水平，并发现其与外部环境的变化存在密切的联系。Sun和Lu还引入包含权重的SBM法，参考了5位酒店经理对其所选输入／输出变量重要程度的意见［37］。由于引入了具有主观色彩的权重因子，由这55家酒店所反应的台湾酒店业的管理效率仅为75．5％，低于大多数研究中所得出的当地行业平均水平。另外，Cheng等人采用上下文相关的SBM模型（SBMcontext－dependentDEA）为低效率的酒店如何根据自身情况挑选最优学习目标指明了方向［38］。Chiu和Wu也对上下文相关的数据包络分析方面作了探索，但考虑的是在射线情况下的应用［39］。在酒店业中采用上下文相关的数据包络分析，其最大的贡献在于打破了过去直接将有效酒店作为低效率酒店标杆的这一做法。通过将不同水准的酒店进行分组，按照组别之间和组别内部之间的方式分别进行比较，使得所给出的酒店学习标杆是最具参考价值同时也是最为可行的。

（三）其他的效率评价方法需要指出的是，数据包络分析中的窗口模型（WindowModel）也被用来评估酒店的效率，但和上文提到的射线以及非射线模型所不同的是，窗口模型用来处理时间序列数据，它不仅能够比较同一个决策单元不同年份中效率的不同，还能区分不同决策单元之间的效率差异，在某种程度上与曼奎斯特指数类似。Pulina等人就曾用窗口模型对2002至2005年间意大利20个地区的纯技术效率变化进行了研究，发现有超过一半的意大利地区高于全国平均水平。Pulina等人还以撒丁岛上的酒店为例来探讨酒店大小对效率影响的研究，就意大利的这一地区而言，中等规模酒店的绩效最为突出［40］。除了数据包络分析外，随机前沿方法（StochasticFrontierApproach）是另一种在酒店领域中广泛使用的效率评估法。Anderson等人就曾用这一方法对所选的48家美国酒店的效率进行了分析，并得出将近90％的平均效率水平［7］，但他们没有进一步给出造成余下低效率的原因。Barros探讨了葡萄牙国有连锁酒店集团的技术效率问题［41］。Chen最早采用随机前沿法研究台湾酒店的费用效率问题，并发现平均80％的运营有效性［42］，略低于数据包络分析方面的研究结果。Hu等人则以1997－2006这10年的数据为样本，得出更高的效率值［43］，与一般结论相吻合。数据包络分析与随机前沿分析这两种方法各有优劣，总体而言，数据包络分析不采用函数的表达形式，且易于将总效率分解成各部分，以此发现其中所存在的问题，但该方法没有考虑那些不易观察却对结论有潜在影响的误差项，同时忽略了环境因素的影响。随机前沿法最主要的优势在于隔绝一些因素的影响，修正方法中由误差所导致的无效率。其缺点在于具有局限性的函数形式，此外，研究者还需对误差项可能的概率分布作出假设。Shang等人在其三阶段法中同时应用了数据包络分析和随机前沿法以便评估电子商务的应用对酒店绩效的影响。第一阶段中使用基本的DEA模型来检验57家台湾酒店的效率，由模型所产生的松弛变量被分解为环境影响、管理无效和统计噪声，并用随机前沿法来克服上述数据包络分析的缺点。在第三阶段中，将去除外生变量影响的数据重新计算效率值。在去除地理位置、酒店大小和时间等不可控因素后发现酒店的业绩更为出色。结果也显示，电子商务手段的应用对于台湾地区国际旅游酒店的效率没有显著影响［44］。这一结果与之前Wang等人的结果类似，但先前的研究没有采用随机前沿法，而是用了四阶段的数据包络分析，所选择的3个不可控的环境变量为市场状况、管理类型和酒店大小［45］。尽管数据包络分析和随机前沿法各有特点，目前而言，数据包络分析受用面更广，也更被认可。

三、启示

根据对数据包络分析方面文献的回顾可以发现，绝大多数的研究采用传统的CCR和BCC模型以及所附加的曼奎斯特指数和方差分析，比如Hwang和Chang。此后诸多文献采用非射线方法，包括Chiang等人、Sun和Lu、Cheng等人、Cheng等人、Wu等人。另外一些方法包括Sigala所用的StepwiseDEA以及随机前沿法，包括Anderson等人、Barros在内的诸多学者就曾用这一方法对酒店的效率进行评估。在评估过程中若同时出现诸多有效率的决策单元而导致无法对其进行排名，这时SuperEfficiency模型就能很好地解决这一问题，Shuai和Wu对此曾进行过研究。以上的诸多模型在评估效率时各有优势，但不可否认的是，这些方法都无法解决传统数据包络分析中广泛存在的“黑箱”效应，即将整个系统视为“黑箱”，仅考虑初始投入和最终产出而不考虑过程中其他因素的影响。对此一些学者将传统的模型进行分解，多阶段法和网络DEA都已经在酒店领域有所应用，比如Keh等人、Yu等人以及Hsieh等人。

四、结语

本文试图系统而又完整地介绍国外酒店业绩效评估方面的研究，以模型发展为线索来回顾酒店方面应用研究的这一构想，其出发点在于兼顾理论与应用两方面的梳理，对于认知数据包络分析这一方法以及国内其他领域的绩效评估提供参考。目前而言，国内数据包络分析方面的理论研究相对滞后，尽管魏权龄、马占新等学者作出了相当大的贡献，仍不能满足广大交叉学科应用的需要，尤其是笔者发现数据包络分析越来越多地与其他方法结合使用，比如灵敏度分析、随机前沿分析、灰熵理论、诸多统计方法与计量经济模型等。在国内酒店行业、甚至整个旅游业，很少发现数据包络分析这一方法在绩效评估方面的应用。因此本文罗列了目前旅游及酒店方面国际知名期刊上这方面的研究成果，希望能够引起国内学者的重视，为学界的相关研究提供借鉴和参考。