基于管理与环境视角的中国旅游效率研究

摘要：从管理和环境的角度对区域旅游产业效率进行分析，测算全要素旅游管理效率和旅游环境影响率，判断究竟是内生变量还是外生环境影响了全要素旅游效率的高低，有助于旅游资源利用方式的优化和产业管理效率的提高。本文利用四阶段DEA模型对剔除环境因素影响的我国区域旅游效率进行实证分析，研究结果表明，2005～2009年我国旅游效率水平总体偏低，旅游业发展管理都是无效的;现阶段旅游效率的提升主要是依赖外生环境的改善，管理效率的提升明显不足;区域间全要素旅游效率、全要素旅游管理效率和旅游环境影响率之间存在明显的区域差异，东部地区全要素旅游效率明显高于中部与西部地区。从提高旅游业管理水平和改善旅游业外部环境方面提出不同区域提高旅游业效率的发展对策：北京、天津、江苏等应重点改善区域旅游管理能力;河北、辽宁、新疆等应从管理和环境两个层面推进;山西、内蒙古和黑龙江等应重点优化外部环境。

关键词：DEA四阶段模型; 区域; 全要素旅游效率; 全要素旅游管理效率; 旅游环境影响率

旅游业作为依托旅游资源、具有较强的产业关联性和辐射力的现代服务业，已经成为我国经济发展的战略性支柱产业。伴随着我国经济的快速发展、人们生活水平的大幅提高和对外开放程度的日益深入，我国旅游业发展迅速。2012年旅游总收入达2.57万亿元，比2011年增长14%①。目前，在旅游业的快速增长和旅游市场的强烈竞争背景下，旅游地竭尽全力挖掘当地旅游发展潜力，为了吸引更多的游客而竞相加强本地的基础设施建设，挖掘社会资源、生态资源、文化资源的旅游价值，形成了旅游业以规模扩张为主的增长形势。旅游业投入产出效率的提高对区域的经济社会发展具有重要的作用。但是，在旅游业规模不断扩大的同时，各地区则很少关注旅游业效率问题，导致我国旅游业发展水平低，区域旅游效率还存在显著差异。因此，在国家经济转型升级的宏观背景下，全面、准确地测定和评价旅游效率，探究提高旅游效率的有效路径，对于促进旅游业转变发展模式显得尤为重要。

旅游产业效率应既包括内生性的管理效率也包括外生性的环境效率，除了投入要素等内生可控变量外，产业结构与基础设施等外生环境因素也是决定区域旅游业环境效率的重要因素。但是，现有研究缺乏从环境和管理两维视角评价旅游业效率，仅通过全要素旅游效率这一指标无法评判产业内部经营管理与产业发展外生环境对区域旅游效率的作用，对为何不同地区旅游业效率存在明显差异也缺乏充分解释。国内学者大多利用传统的数据包络分析（Data Envelopment Analysis，简称DEA）这种非参数估计的效率评估方法对我国区域旅游全要素生产率（Totalfactor Tourism Efficiency，TFTE）进行测算并对区域差异特征加以分析，研究所得到的结论总体上都是我国旅游业的发展效率总体偏低，区域差异特征明显（朱承亮，等，2009;马晓龙，保继刚，2009;岳宏志，朱承亮，2010;周云波，等，2010;陶卓民，等，2010）;还有少数学者利用传统数据包络分析方法探讨了影响我国地方旅游业发展效率的因素（许陈生，2012;顾江，胡静，2008），发现经济水平 、企业固定资产、制度环境对旅游生产效率有显著积极影响。与外生环境有利于发展旅游业的优势地区相比，劣势地区的旅游业发展需要更多的要素投入，但现有旅游效率非参数评估方法采用的多为传统的DEA或两阶段的DEA 分析方法，所研究的全要素生产率指标仍然是环境因素和管理因素综合影响下的旅游效率，它不能识别经营环境对旅游产业效率的影响，也无法将环境效率从管理效率中分离出来，无法剔除外生环境差异带来的无效率，对于外部环境相对不好的决策单位是不公正的评价，DEA 效率得分可能低估或高估了实际效率（Worthington A C，2000）。在利用数据包络分析法测算生产效率时，可以通过多阶段方法，例如Fried等（1999）提出的四阶段DEA方法和Fried等（2002）提出的三阶段DEA方法，将这些外部环境因素对投入或产出量的影响分离掉，利用剔除干扰后的相关投入和产出量，对生产效率进行更准确的估测（Fried，et al.，1999;Fried，et al.，2002）。近几年，生态、能源等领域的研究大多利用这种多阶段数据包络分析方法进行效率分析，但在旅游业效率测度中还没有得到应用。

鉴于此，本研究试图从旅游业内部管理和外生环境的视角，运用DEA四阶段模型，通过修正外部环境变量造成的偏差，分别评价我国各区域的全要素旅游效率、全要素旅游管理效率和全要素旅游业环境效率，从环境和管理两个方面力求准确地认识旅游业效率状况，深入剖析区域旅游无效率的根源。这样既能科学评价我国不同区域旅游业管理效率和区域旅游环境效率的差异，又能准确分析旅游业低效率的根源，明确未来提升不同区域旅游业效率的改革方向，以期为我国提升旅游业效率提供理论参考，同时对我国旅游效率研究方法作新的尝试。

1研究方法与变量说明

1.1研究方法

传统的DEA方法（即DEA一阶段模型）是一个最早的效率评估方法，用这种方法衡量的生产函数边界是确定的，不能分离外部环境因素和测量误差的影响，所以，它忽略了不同决策单位所处的外部环境差异，将任何偏离效率前沿的“行为”都视为管理无效率。事实上，生产单位将投入转化为产出的能力受到外部环境变量的直接影响，如果不考虑这些环境因素将直接导致不同区域、不同环境下用相同效率边界估计出的效率不可比。在不同的评价基础上进行统一的效率衡量，对那些优越环境的决策单位会提高其效率评价得分，而对于外部环境相对不好的决策单位则是不公正的评价，DEA效率得分可能低估或高估实际效率水平（Francesca，et al.，2011）。对这一缺陷，本文采用四阶段DEATobit计量的效率评价方法，通过修正外部环境变量造成的偏差，使DEA效率评估更为准确。

Fried等人（1999）提出了剔除环境变量影响的DEA四阶段效率评价模型，是一种能够更好地利用非参数评价方法评价决策单元（Decision Making Units，DMU）效率的模型，通过控制外生环境因素对投入或产出量的影响，利用多阶段模型重新调整投入量或产出量，对外生环境变量所造成的误差予以修正，在实现外生环境均等化的基础上对决策单元的管理效率进行最终的估计。DEA一阶段模型是利用传统的DEA模型对投入产出数据进行测算，获得初始效率即全要素生产效率，得到投入松弛变量和产出松弛变量，这个初始效率不能判断运行环境和统计噪音对DMU效率的影响。因此，二阶段DEA模型是在一阶段模型的基础上，利用随机前沿面方法（SFA）有效分解第一阶段得到的松弛变量，过滤掉外部环境对DMU效率的影响，将DMU置于相同的外部因素影响状态下。DEA三阶段模型是通过第二阶段所揭示的环境影响和统计噪音的不同影响程度修正初始投入或产出量，使所有的DMU处于同质的环境下。最后，第四阶段再次利用DEA对调整后的数据进行分析，得到一个更客观的DMU效率值。DEA四阶段模型具体步骤如下。

第一阶段：用传统的DEA阶段模型评价决策单元初始综合效率。不考虑外部环境的影响，选择投入和产出指标，利用投入导向可变规模报酬下的松弛变量模型即SBMIC模型进行投入导向型原始数据的效率评价，得到每个决策单元的初始综合效率得分，即全要素旅游效率（Totalfactor Tourism Efficiency，TFTE），以及投入松弛变量Skj。其中，Skj表示决策单位k的第j个投入松弛变量，j代表第j个投入要素，j=1，2，3…m;k代表第k个决策单元DMUk，k=1，2，3…n。

第二阶段：外生环境变量与松弛变量关系分析。在SBMIC模型中投入松弛变量是大于等于0的，对那些有效率的决策单元来说，投入松弛变量等于0，这意味着投入松弛变量是被截断的。因此，本文利用Tobit模型拟合第一阶段的投入松弛变量和外生环境变量之间的关系（Worthington，2000），选择能够刻画外部环境特征的外部环境变量，为投入松弛变量构建与投入的项数m相同个数的Tobit回归模型并进行参数估计，定量评价外生环境变量对投入松弛变量的影响。被解释变量是第一阶段得到的各个投入变量的松弛变量Skj，解释变量是影响决策单元的外生环境变量，这m个回归方程Skj=fj（Qkj，Bj，Ekj），其中，Qkj表示影响第k个决策单元第j个投入的外生环境变量，Bj为与环境变量对应的拟合系数;Ekj是随机干扰项。

第三阶段：根据投入松弛变量的拟合值，选用最大拟合值对决策单元初始投入变量Xjk进行调整。选择最大拟合值是因为最大拟合值表示决策单元此时所处的外生环境最不利。通过这样的调整，就可令那些由于外部环境优良而具有更高效率的决策单元去掉外部环境的优势，使所有决策单元处在同一水平的外部环境中，从而更准确地反映真实的效率水平。根据前一阶段获得的拟合系数，得到投入松弛变量的拟合值XjAk，利用松弛变量估计值与最大松弛变量估计值之间的差值调整初始投入变量，即令：

S^kj=fj（Qkj，Bj），XAkj=Xkj+{maxk[S^kj]-S^kj}j=1，2，3…m;k=1，2，3…n

（1）

第四阶段：剔除外部环境因素后的效率值测算。剔除外部环境因素影响后，将第三阶段调整后的投入代替原始投入数据，再次利用第一步的SBMIC模型，重新计算调整后的效率值，即为区域全要素旅游管理效率值（Totalfactor Tourism Management Efficiency，TFTME），对各决策单元的真实的管理效率水平进行评价。

1.2全要素旅游管理效率和旅游环境影响率的界定

在这里，将全要素旅游效率与全要素旅游管理效率之比定义为区域旅游环境影响率（Tourism Environmental Influence Rate，TEIR），用以反映全要素旅游效率与全要素旅游管理效率的差异，评价各区域旅游环境的影响效率。区域i在t时刻的旅游环境影响率表示如下：

TEIR（k，t）=TFTE（k，t）/TFTME（k，t）

（2）

全要素旅游效率是未剔除环境变量的效率值，是现有环境条件和投入产出水平下实现的效率，根据原始投入和产出数据由DEA模型获得，是介于0～1之间的数值。全要素旅游管理效率是剔除环境变量后的效率值，通过DEA四阶段模型对外部环境给效率估算产生的影响进行有效的调整，控制了外生环境变量后，再利用剔除环境因素影响后的投入产出数据，计算全要素旅游管理效率指标，衡量区域对旅游业发展的管理效率，全要素旅游管理效率也是介于0～1之间的数值。

虽然TFTE与TFTME的值介于0～1之间，但是二者之比即TEIR的值却不一定介于0～1之间，当TEIR>1时，说明该区域旅游无效率是管理无效导致的，而该区域的环境是相对有利的;当TEIR<1时，表明该区域的外部环境不利于旅游业的发展，是造成旅游无效率的主要原因;当TEIR =1时，说明全要素旅游管理效率与全要素旅游效率相等，该区域外部环境对旅游业的效率没有影响。

1.3样本选取与数据来源

利用非参数方法对旅游业效率进行评估，需要根据旅游业的特点确定旅游业的投入和产出。本文在旅游业投入方面，选择资本和劳动作为旅游业发展的投入要素，具体包括固定资产与从业人员。由于旅游业GDP 估计的困难，因此，将旅游总收入作为旅游业的产出。资本和劳动是旅游业最重要的投入要素，选择旅游业固定资产净值作为资本变量;在劳动要素投入方面，选取旅游从业人数作为投入变量。

Fried 的四阶段DEA评价模型中，需要根据DMU 所处环境的差异对松弛变量进行调整，通过Tobit回归模型来分析环境变量对松弛变量的影响。在充分考虑区域旅游业发展的经济特性的基础上，本研究的外部经营环境变量主要包括区域产业结构、区域经济开放程度、居民文化水平及交通条件四个方面。其中，以旅游业占地区生产总值比重作为衡量区域产业结构的指标;选取地区进出口贸易总额占地区生产总值比重代表区域经济开放程度;以高等教育人口所占比重反映地区文化素质;交通便利与否是区域出游便利程度的重要依据，交通条件用交通网络密度这一指标衡量，交通网络由铁路、高速公路、航空线路构成。

本研究选取我国省级区域作为研究对象，研究样本包括我国31个省、直辖市、自治区（除台湾省、香港和澳门特别行政区），采用2005～2009年年度面板数据。分析所使用的基本数据主要来源于2006年～2010年的《中国旅游统计年鉴》和《中国统计年鉴》。利用各地区旅游业投入产出变量的数据，使用DEASolver Pro5.0和Stata 11软件，计算出各地区全要素旅游效率和全要素旅游管理效率。

2我国各省区旅游效率综合评价

2.1全要素旅游效率与全要素旅游管理效率的差异成因

旅游效率受多元化外部环境影响，运用Tobit回归模型拟合第一阶段的投入松弛变量与外生环境变量之间的关系。将DEA 一阶段模型中得到的初始投入变量的松弛变量作为被解释变量，将区域产业结构、区域开放程度、居民文化水平和交通条件作为解释变量，分别对人员投入和资本投入的松弛变量建立Tobit回归方程，定量评价环境因素对旅游投入松弛变量的影响（见表1）。

如前文所述，全要素旅游效率与全要素旅游管理效率之间存在差异，究其原因在于各地区之间存在显著的外部环境差异。研究表明，产业结构、经济开放程度、居民文化水平和交通条件对人员投入松弛变量均具有显著影响。经济开放程度、交通便利对人员投入松弛变量都有显著的正向影响，这表明随着区域间经济联系的密切性增强，道路交通网络的完善，人员要素投入的松弛变量就越大。旅游业比重和文化程度的提高，会提升人员要素投入的集约化程度，能够有效降低旅游投入松弛变量。随着交通设施的完善，区域内外市场之间的沟通能够有效增强，资本投入松弛变量趋于增大;旅游业在产业结构中比重的提高、区域开放程度的提高和文化水平的提高有利于引进先进的管理技术和管理模式，降低资本要素冗余程度，提升全要素旅游管理效率。

2.2全要素旅游效率的综合评价

从全国来看，我国全要素旅游效率介于0.4～0.7之间。这表明我国旅游效率较低，大多数省市未能充分挖掘出现有资源投入的潜力，旅游业处于无效率的状态，导致旅游资源的投入总体上处于规模不经济的状态，旅游效率的提升空间还很大，尚有30%～60%的提升空间。2005 年全要素旅游效率值为0.45，2009 年全要素旅游效率值为0.67，表明2005～2009 年我国区域旅游效率较低，旅游业仍然是粗放的增长方式。旅游效率高的省份绝大多数位于经济发达的东部地区，除四川和贵州位于西部地区外，北京、天津、上海、江苏、福建、广东、四川和贵州处于或接近效率边界前沿（见表2）。

我国东部经济发达地区全要素旅游效率平均值达到0.687，这得益于东部地区经济最发达，具有对外联系强、交通发达的便于旅游业发展的优势，旅游业投入的冗余少。中、西部全要素旅游效率均值明显低于东部，中部地区以微弱优势领先于西部。中、西部地区全要素旅游效率均值停留在0.4上下，2005年、2006年的全要素旅游效率都不足0.4，2009年中部地区的旅游效率为0.6，是这些年份中的最大值了，但仍是无效率的，这表明中、西部地区旅游效率很低，尚有很大的提升空间。

2.3省际全要素旅游管理效率和旅游环境影响率的结果分析

利用剔除了环境变量影响的投入变量数据，得到各省市全要素旅游管理效率。通过结果分析发现，在剔除环境因素后，全要素旅游效率和全要素旅游管理效率之间的差异较为明显，即未剔除外部环境影响的各地区综合效率高于调整之后各地区的管理效率值，这表明外部环境因素对旅游业全要素生产率的影响还是很显著的。2005～2009 年，我国全要素旅游管理效率（TFTME）虽有逐步提高的趋势，但由于数值小于1，仍然是无效率的，分别为0.578、0.577、0.682、0.734、0.821（见表3）;同期全要素旅游效率TFTE 仅为0.449、0.443、0.518、0.592、0.661（见表2），旅游环境影响率分别为0.755、0.749、0.756、0.786、0.795（见表3），由此可见，我国全要素旅游管理效率（TFTME）与全要素旅游效率（TFTE）的数值都小于1，且全要素旅游效率（TFTE）的数值小于全要素旅游管理效率（TFTME）的值，直接导致二者的商即旅游环境影响率也是小于1的。由此表明，我国旅游业管理效率水平较低，旅游业是管理无效率的，仅靠自身的资源禀赋难以实现旅游业高效地发展，旅游效率提升应该从管理层面和环境层面改进。

通过计算结果还可以看出，2005～2009年，我国旅游管理和旅游环境是不断改善的（见表3）。2009年未剔除环境变量影响的有效决策单元为天津、上海、四川和贵州，这些地区全要素旅游效率值均为1，处于前沿面上（见表2）;而旅游管理效率方面，天津的旅游管理效率只有 0.943，而四川和贵州的管理效率仅有0.899和0.974，这表明外部环境变量对各地区旅游综合效率的影响还是非常明显的，若未剔除环境因素的影响，处于优势环境的省份的管理效率被高估，处于相对劣势环境的省份的管理效率会被低估，从而不能反映各区域旅游业的真正效率。若对环境因素进行调整后，全要素旅游管理效率更能反映各地区旅游发展的组织管理能力和水平，更能代表各地区的真正的管理效率，使得结果更为可靠。

此外，有效的综合效率决策单位，剔除环境影响后，其管理效率不一定是有效的。例如，在2005～2009年期间，北京、天津、上海、福建、广东、四川和贵州多数年份里，他们的全要素旅游效率都是有效的，但相应的管理效率评价中，仅有上海和个别年度的江苏、广东是管理有效的，而北京、天津等其余省份都变为管理无效的，与之相应的旅游环境影响率值都大于1，表明这些地区的旅游发展得益于良好的旅游资源环境。雄厚的经济实力，率先调整产业结构推动产业结构协调，居民生活水平高对旅游需求强，交通优势，良好的对外联系等为旅游资源的开发和旅游业发展创造了条件，有利于旅游业高效地发展;但旅游管理效率还有待进一步提高，旅游发展综合效率提升的内生性动力不足，十分不利于我国旅游业的可持续发展。

北京、天津、福建、江西、广东、海南、四川、贵州的全要素旅游管理效率均值虽然小于1，处于旅游管理无效率状态，而旅游环境影响率均值大于1，说明这些地区的全要素旅游效率大于它们的全要素旅游管理效率，体现了这些地区旅游业的发展受外部环境因素的影响大，旅游效率提升的重点是进一步提升管理水平，使该区旅游业资源得到有效的开发。与东部发达地区省份相比，中西部大部分省份，如：河北、辽宁、吉林、浙江、安徽、新疆等，经济发展水平以及居民收入水平相对较低，旅游业发展依托的外部环境也相对落后，导致旅游管理无效率和环境影响无效率。旅游效率提升的重点是，创造良好的旅游开发环境，扩大旅游资源开发的规模，改善管理能力与建设旅游业发展环境并重，特别是山西、内蒙古和黑龙江的外部环境恶劣是旅游无效率的决定因素，旅游效率的改进应重视外部环境因素的改善。

2.4三大区域全要素旅游管理效率和旅游环境影响率的结果分析

全要素旅游管理效率和旅游环境影响率表现出明显的区域差异（见表3）。东部地区的旅游管理效率和旅游环境影响率一直高于全国的平均水平，领先于中西部地区，中部的旅游管理效率高于西部;中西部的旅游环境影响率都低于全国的平均水平。西部的旅游环境影响率除了2005年外，都低于中部。东部地区的旅游环境影响率值基本接近1，说明东部地区旅游业的发展环境较其他区域而言相对良好，经济发达、交通设施完善、人口素质较高、区域对外开放程度高造成了东部地区旅游环境影响率高于中西部地区。东部的旅游无效率主要来源于管理无效率，提高旅游管理效率是效率改善的主要途径，改变中西部地区旅游无效率状况，则需要提升管理效率和改善环境影响率同时进行。

本文还得到一个重要的结论是：在剔除了环境变量的影响后，中西部全要素旅游管理效率显著上升，明显高于DEA一阶段模型未分离外部环境因素影响所得的全要素旅游效率的数值;剔除环境变量的影响前后，DEA模型实证结果显示，中西部全要素旅游管理效率与全要素旅游效率的差值高于东部地区的相应值，这说明，即使中西部与东部的旅游都是无效率的，经济水平相对落后的中西部地区的旅游效率相对于东部仍有差距，但是，在旅游管理效率方面，中西部的管理效率相对东部的差距并不十分明显。

3结论与对策建议

本文运用DEA四阶段方法和Tobit回归模型，调整环境变量对效率测度影响，从旅游业内生管理和外部环境的层面，系统地评价了中国各省区全要素旅游旅游效率、全要素旅游管理效率和旅游环境影响率及其空间差异。得到了以下结论。（1）未考虑松弛变量对效率测度的影响时，我国全要素旅游效率水平很低;控制外生环境变量的影响后，全要素旅游管理效率仍是低效率的，旅游发展潜力具有很大的提升空间。未剔除环境变量之前，我国东中西三大区域的全要素旅游效率明显低于剔除环境变量影响后的旅游管理效率。实证分析得知，剔除外部环境因素的影响，更能真实地评价旅游效率，避免由环境差异造成的对旅游效率值的低估或高估问题。（2）通过Tobit 模型回归分析发现，旅游产业比重增加、高等教育人口比重提升、开放程度提高与交通运输条件改善对各地区旅游效率提升有显著作用，东部区域的相对高效率很大程度是来自于较好的区域旅游环境。（3）三大区域的全要素旅游管理效率与旅游环境影响率是东部均居首位、中部次之、西部居末位，东部环境优势最为突出，中部和西部均具有不同程度的环境劣势。（4）基于旅游效率的地区差异，提出提高旅游效率需实行差异化策略的建议，主张根据不同区域实际情况在管理提升、环境改善方面采取各有侧重的对策。北京、天津、江苏等应重点改善区域旅游管理能力，河北、辽宁、新疆等应从管理和环境两个层面推进，山西、内蒙古和黑龙江应重点优化外部环境。

参考文献：

[1]顾江，胡静.中国分省区旅游生产效率模型创建与评价[J].同济大学学报（社会科学版），2008（4）：9398.

[2]马晓龙，保继刚.中国主要城市旅游效率影响因素的演化[J].经济地理，2009（7）：12031208.

[3]陶卓民，薛献伟，管晶晶.基于数据包络分析的中国旅游业发展效率特征[J].地理学报，2010（8）：10041012.

[4]许陈生.财政分权、法治环境与地方旅游业效率[J].旅游学刊，2012（5）：8087.

[5]岳宏志，朱承亮.我国旅游产业技术效率及其区域差异：2001-2007 年[J].云南财经大学学报，2010（2）：3643.

[6]周云波，武鹏，刘玉海.中国旅游业效率评价与投入改进分析[J].山西财经大学学报，2010（5）：2733

[7]朱承亮，岳宏志，严汉平，李婷.基于随机前沿生产函数的我国区域旅游产业效率研究[J].旅游学刊，2009（12）：1822.

[8]Francesca M，Nijkampb P，Cuffaro M（2011）.Efficiency and productivity of Italian，tourist destinations：A quantitative estimation based on data envelopment analysis and the malmquist method[J].International Journal of Transport Economics，6，107122.

[9]Fried，Schmidt，Yaisawarng（1999）.Incorporating the operating environment into a nonparametric measure of technical efficiency[J].Journal of Productivity Analysis，12，249267.

[10]Fried H O，Lovell C A K，Schmidt S S，Yaisawarng S（2002）.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis，17，157174.

[11]Worthington A C（2000）.Cost efficiency in Australian local government：A comparative analysis of mathematical programming and econometric approaches[J].Financial Accountability and Management，16（3），201224.