環(huán)境約束下中國旅游業(yè)動態(tài)效率的測算與分析——基于三階段Malmquist指數(shù)模型的實證分析

金春雨，王偉強

（1.吉林大學(xué) 數(shù)量經(jīng)濟研究中心，長春 130012；吉林大學(xué) 商學(xué)院，長春 130012）

作為21世紀(jì)的“朝陽產(chǎn)業(yè)”，旅游業(yè)融合了食、住、行、游、購、娛等多層面的經(jīng)濟活動，具有較強的可持續(xù)發(fā)展能力和風(fēng)險抵抗能力，不僅能滿足即時需求，而且能引發(fā)潛在需求和創(chuàng)造新的需求，是現(xiàn)代服務(wù)業(yè)的重要組成部分。改革開放以來，中國旅游業(yè)取得了令人矚目的成就：1978年中國國際旅游外匯收入僅為2.63億美元，入境旅游人數(shù)為180.92萬人次，而2010 年中國國際旅游外匯收入達到458.14億美元，入境旅游人次高達13376.22 萬人次，分別是1978年的174倍和74 倍；1994年中國國內(nèi)旅游收入和旅游人數(shù)分別為1023.5 億元和5.24億人次，截至2010年中國國內(nèi)旅游收入和旅游人數(shù)分別達到12579.77億元和21.03億人次，分別比1994年增長了11倍和3倍。那么，隨著中國旅游業(yè)的迅猛增長，旅游業(yè)的發(fā)展質(zhì)量和經(jīng)營效率是否實現(xiàn)了同步提升？由于全要素生產(chǎn)率（total factor productivity，TFP）關(guān)乎旅游業(yè)的可持續(xù)增長，因此客觀、準(zhǔn)確地評估中國旅游業(yè)的發(fā)展效率成為學(xué)術(shù)界關(guān)注的焦點。

1 文獻評述

TFP是衡量一個國家或地區(qū)經(jīng)濟增長質(zhì)量、技術(shù)進步和管理效率提升的重要指標(biāo)［1］。TFP 的測算方法主要有兩類：一類是以構(gòu)建具體生產(chǎn)函數(shù)為主的參數(shù)法；一類是以數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）為主的非參數(shù)法。非參數(shù)法憑借其不需要事先確定研究對象的生產(chǎn)函數(shù)形式的優(yōu)點而被廣泛應(yīng)用。最具代表性的非參數(shù)法是DEAMalmquist指數(shù)法，該方法在DEA 的基礎(chǔ)上通過加入時間維度將樣本數(shù)據(jù)從截面數(shù)據(jù)拓展為面板數(shù)據(jù)，能夠得到更為穩(wěn)健的分析結(jié)果。

國外學(xué)者較早關(guān)注旅游業(yè)的生產(chǎn)率問題，研究對象主要有酒店、旅行社、旅游目的地、旅游交通業(yè)以及整體旅游業(yè)。Morey和Dittman研究了美國酒店產(chǎn)業(yè)的經(jīng)營效率［2］。此后，Anderson、Fish和Xia等以及Anderson、Fok和Scott采用其他方法驗證了其結(jié)論［3-4］。Such和Zamora研究了西班牙地區(qū)飯店行業(yè)的勞動生產(chǎn)率的地區(qū)差異變動過程［5］。K?ksal和Aksu測算和分析了土耳其旅行社的經(jīng)營效率［6］。Fernandes和Pacheco對巴西航空公司機場的利用效率進行了實證分析［7］。Blake和Sinclair測算了英國旅游業(yè)的TFP，并對旅游業(yè)各細分行業(yè)的生產(chǎn)率進行了比較［8］。

國內(nèi)關(guān)于旅游業(yè)TFP 的研究主要以整體旅游業(yè)、旅游上市公司、旅行社以及旅游景區(qū)等為研究對象，所得結(jié)論不盡相同。左冰和保繼剛認為，技術(shù)進步速度的差異是導(dǎo)致各地區(qū)旅游業(yè)發(fā)展水平分化的主要原因［9］。周云波、武鵬和劉玉海的研究表明，技術(shù)進步緩慢抑制了中國旅游業(yè)TFP 的提升［10］。陶卓民、薛獻偉和管晶晶發(fā)現(xiàn)，中國旅游業(yè)在東、中、西部呈效率遞減態(tài)勢［11］。然而，王永剛通過實證研究卻認為，技術(shù)進步是推動中國旅游業(yè)TFP 提高的主要動力，東、中、西部旅游業(yè)的TFP增長并不存在顯著差異［12］。趙磊根據(jù)分析結(jié)果也認為，技術(shù)進步是推動中國旅游TFP增長的主要源泉［13］。譚偉和張建升的測算結(jié)果顯示，TFP實現(xiàn)正向增長和負向增長的旅游上市公司數(shù)量各占50%［14］。耿松濤卻發(fā)現(xiàn)，中國旅游上市公司的Malmquist指數(shù)呈負向增長［15］。此外，武瑞杰和黃秀娟分別對中國旅行社和森林公園的TFP變化進行了研究［16-17］。

綜合現(xiàn)有研究，國內(nèi)學(xué)者對中國旅游業(yè)TFP的增長動力和區(qū)域差異并未得出一致結(jié)論，現(xiàn)有的研究成果大多忽略了環(huán)境變量和隨機誤差對TFP 的影響，所得結(jié)論與中國旅游業(yè)發(fā)展的實際情況并不相符。為了彌補此方面缺陷，本文基于三階段DEA-Malmquist指數(shù)模型，剔除環(huán)境變量和隨機誤差的影響，對2007—2010 年中國31 個省級區(qū)域①不包括我國港澳臺地區(qū)。旅游業(yè)的TFP進行測算和分解，就中國旅游業(yè)的動態(tài)效率和區(qū)域差異展開實證研究。

2 研究方法與數(shù)據(jù)說明

2.1 研究方法

傳統(tǒng)Malmquist指數(shù)模型未考慮環(huán)境變量和隨機誤差等系統(tǒng)不可控因素對效率的影響，三階段DEA 模型只能用于分析橫截面數(shù)據(jù)，不能反映經(jīng)營效率的變動情況，而三階段DEA-Malmquist指數(shù)模型同時彌補了傳統(tǒng)Malmquist指數(shù)模型和三階段DEA 模型的缺陷。三階段DEA-Malmquist指數(shù)模型的基本思路為：第一階段，運用傳統(tǒng)Malmquist指數(shù)對中國旅游業(yè)的TFP進行測算和分解；第二階段，運用DEA 模型分離出樣本投入冗余，并利用隨機前沿分析（stochastic frontier analysis，SFA）法對投入要素進行調(diào)整，以剔除環(huán)境變量和隨機誤差的影響；第三階段，再次采用Malmquist指數(shù)測算調(diào)整后的投入變量和原始產(chǎn)出變量，所得結(jié)果即剔除環(huán)境效應(yīng)和隨機誤差的影響后的TFP實際值。

2.1.1 第一階段：傳統(tǒng)Malmquist指數(shù)

Malmquist指數(shù)是由瑞典經(jīng)濟學(xué)和統(tǒng)計學(xué)家Sten Malmquist提出的用于分析不同時期消費變化的定量指數(shù)［18］，Caves、Christensen和Diewert首先將該指數(shù)運用于測算生產(chǎn)率變化［19］。此后，該指數(shù)與Charnes、Cooper和Lewin等［20］提出的DEA 相結(jié)合，在實證分析中被廣泛應(yīng)用。

Caves等提出的運用距離函數(shù)測算的、基于t期和t+1期的技術(shù)參照集的Malmquist指數(shù)的計算公式分別為：

式（1）和式（2）中：（xt，yt）和（xt+1，yt+1）分別表示t期和t+1期的投入變量和產(chǎn)出變量；Dt和Dt+1分別表示基于t期和t+1期的技術(shù)參照集測算的距離函數(shù)。

按照Fisher的理想指數(shù)思想，F(xiàn)are等將式（1）和式（2）的幾何平均值定義為從t期到t+1期的生產(chǎn)率變化的Malmquist指數(shù)［21-22］。

該指數(shù)大于1，表示從t期到t+1期TFP是增長的；該指數(shù)小于1，表示TFP 是下降的。可將該Malmquist指數(shù)分解為技術(shù)效率變化指數(shù)（EFFCH）和技術(shù)進步變化指數(shù)（TECHCH），即

EFFCH 大于1，說明決策單元更接近生產(chǎn)前沿面，相對技術(shù)效率有所改進；TECHCH 大于1，說明出現(xiàn)技術(shù)進步或技術(shù)創(chuàng)新，生產(chǎn)前沿面向上移動。技術(shù)效率變化指數(shù)（EFFCH）還可進一步分解為純技術(shù)效率變化指數(shù)（PEFFCH）和規(guī)模效率變化指數(shù)（SECH）。據(jù)此，式（4）最終可表示為：

2.1.2 第二階段：DEA模型和SFA 模型

DEA 是Charnes等基于Farrell提出的包絡(luò)思想用線性規(guī)劃模型評價具有相同類型的多投入、多產(chǎn)出決策單元（decision making unit，DMU）的相對效率的非參數(shù)統(tǒng)計方法［23-24］。本文選擇投入導(dǎo)向型DEA 模型進行效率評價，即研究在產(chǎn)出水平一定的條件下投入最小化規(guī)劃問題。利用DEA 模型能夠分離出投入冗余，利用SFA 模型可以有效剔除環(huán)境變量、隨機誤差等不可控因素對效率值的影響。假定有I個決策單元，每個決策單元有N項投入和K個可觀測環(huán)境變量zi=［z1i，z2i，…，zKi］。投入冗余（sni=xni-Xnλ≥0）為剔除環(huán)境變量和隨機因素的影響前第i個決策單元的第n項實際投入與最佳效率下投入的偏差。第一階段得到的投入冗余同時受到內(nèi)部管理因素、環(huán)境因素和隨機因素的影響，運用SFA 模型可實現(xiàn)對投入冗余的有效分解［25］。利用SFA 模型對N項投入冗余實施分解的一般形式為：

式（6）中：fn（zi；βn）表示環(huán)境變量對投入冗余的影響，其線性形式通常可設(shè)為fn（zi；βn）=zi×βn，環(huán)境變量的影響參數(shù)βn需要在vni+uni形式的誤差結(jié)構(gòu)模型中予以估計；vni+uni是復(fù)合誤差項；vni是隨機干擾項，反映隨機因素對投入冗余的影響；uni≥0，表示管理無效率，反映內(nèi)部管理因素對投入冗余的影響；假定與vik相互獨立且不相關(guān)。將技術(shù)效率方差對總方差的貢獻定義為趨近于1表示經(jīng)營管理因素占主導(dǎo)地位，γn趨近于0表明隨機因素占主導(dǎo)地位。

剔除環(huán)境變量和隨機因素對效率值的影響，需要將所有決策單元的外部環(huán)境和隨機誤差調(diào)整至相同狀態(tài)，具體采用式（7）對各決策單元的投入進行調(diào)整。

式（7）中xni表示第i個決策單元的第n項投入值；表示其調(diào)整后的投入值。式（7）中的第一項和第二項分別表示將決策單元調(diào)整至面臨相同的外部環(huán)境和隨機因素影響的狀態(tài)。

2.1.3 第三階段：調(diào)整后的Malmquist指數(shù)

將第二階段調(diào)整后的投入值與原始產(chǎn)出值再次代入Malmquist指數(shù)進行計算，此時得到的效率值即剔除了環(huán)境變量和隨機因素影響的實際效率。

2.2 變量選取與數(shù)據(jù)來源

本文利用2007—2010年中國31個省級區(qū)域旅游業(yè)的面板數(shù)據(jù)進行實證分析，選取旅游企業(yè)固定資產(chǎn)原值作為資本要素投入，選取旅游企業(yè)從業(yè)人員數(shù)作為勞動要素投入，選取旅游企業(yè)營業(yè)收入作為產(chǎn)出指標(biāo)。

本文在環(huán)境約束下測度中國旅游業(yè)的動態(tài)效率，選取那些對旅游業(yè)效率有影響但又不在樣本主觀控制范圍內(nèi)的因素作為環(huán)境變量。具體的環(huán)境影響變量如下：

1）居民收入水平。

居民收入是居民進行旅游消費的物質(zhì)基礎(chǔ)，在一定程度上決定了居民的旅游花費和旅游偏好，對旅游經(jīng)濟增長具有重要影響。本文選取各地區(qū)城鎮(zhèn)居民家庭人均可支配收入衡量居民收入水平。

2）交通便利程度。

交通便利有助于游客順利、便捷地完成旅游活動，交通基礎(chǔ)設(shè)施的發(fā)達程度對游客的出游意愿和旅游目的地選擇產(chǎn)生直接影響。本文利用各地區(qū)公路里程和鐵路里程之和與各地區(qū)國土面積的比值來刻畫交通便利程度。

3）居民出游偏好。

居民出游偏好反映了地區(qū)旅游業(yè)的受歡迎程度，能夠體現(xiàn)游客的目的地選擇偏好和地區(qū)旅游業(yè)的發(fā)展情況。本文采用各地區(qū)接待國內(nèi)外游客人數(shù)占全國接待國內(nèi)外游客總?cè)藬?shù)的比重表示居民出游偏好。

4）地理區(qū)位因素。

空間地理位置的不同使得各地區(qū)旅游業(yè)的發(fā)展呈顯著差異。本文將各省級區(qū)域分為兩類——東部和中、西部。其中，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西和海南12個省級區(qū)域，其他省份都被歸入中、西部地區(qū)。設(shè)置一個虛擬變量，取值分別為0或1。如果某決策單元位于東部地區(qū)，則該變量取值為1；如果某決策單元位于中部地區(qū)或西部地區(qū)，則該變量取值為0。

以上所有數(shù)據(jù)均來源于2008—2011年的《中國統(tǒng)計年鑒》《中國旅游統(tǒng)計年鑒》以及中國經(jīng)濟網(wǎng)統(tǒng)計數(shù)據(jù)庫。其中，采用居民消費價格指數(shù)對旅游企業(yè)營業(yè)收入和人均GDP進行平減處理，采用固定資產(chǎn)投資價格指數(shù)對旅游企業(yè)固定資產(chǎn)原值進行平減處理。

3 實證分析

應(yīng)用軟件Deaper2.1對全國31個省級行政區(qū)域旅游業(yè)的TFP 進行測算和分解。剔除環(huán)境變量和隨機誤差影響前的2007—2010年中國各省級行政區(qū)域旅游業(yè)的Malmquist指數(shù)及其分解值如表1所示。

表1 一階段Malmquist指數(shù)及其分解值的測算結(jié)果

根據(jù)表1分析考慮環(huán)境效應(yīng)和隨機誤差的影響前的情況。

1）全國整體情況。

從全國整體旅游業(yè)效率的變化情況來看，2007—2010年中國旅游業(yè)的TFP 出現(xiàn)小幅下滑，平均增長率為-3.1%；技術(shù)效率變化指數(shù)有所提升，平均增長率為3.7%；技術(shù)進步指數(shù)持續(xù)下降，平均增長率為-6.5%。這說明，中國旅游業(yè)TFP的提高主要源于技術(shù)效率的改進，而技術(shù)水平的下降導(dǎo)致TFP有所下降。從技術(shù)效率分解情況來看，純技術(shù)效率變化指數(shù)大于1，平均增長率為6.1%；規(guī)模效率變化指數(shù)小于1，平均增長率為-2.3%。純技術(shù)效率的增長幅度大于規(guī)模效率的下降幅度，使得技術(shù)效率水平不斷提升。

2）各地區(qū)情況。

從各地區(qū)旅游業(yè)效率的變化情況來看，北京、天津、河北、內(nèi)蒙古、吉林、上海、浙江、福建、山東、湖北、廣東、海南、四川、云南、陜西和青海16個省（自治區(qū)、直轄市）旅游業(yè)的TFP 變化指數(shù)大于1，表明其旅游業(yè)的TFP 實現(xiàn)正向增長。其中：北京、河北和四川旅游業(yè)TFP的增長主要得益于技術(shù)進步，而技術(shù)效率對旅游業(yè)TFP的增長產(chǎn)生了不利影響；浙江旅游業(yè)TFP的提升主要源于技術(shù)效率提升，而技術(shù)進步的影響是負向的；其他12個省區(qū)的旅游業(yè)都有技術(shù)進步和技術(shù)效率改進，它們共同促進了TFP的增長。

山西、遼寧、黑龍江、江蘇、安徽、江西、河南、湖南、廣西、重慶、貴州、西藏、甘肅、寧夏和新疆15個省（自治區(qū)）旅游業(yè)的TFP變化指數(shù)均小于1，表明其旅游業(yè)的TFP 均負向增長。其中山西、遼寧、黑龍江、江西、河南、湖南和貴州7個省旅游業(yè)的技術(shù)效率變化指數(shù)均大于1，但技術(shù)進步變化指數(shù)均小于1，兩者綜合作用導(dǎo)致其旅游業(yè)的TFP 出現(xiàn)下降；江蘇、安徽、廣西、重慶、西藏、甘肅和寧夏7個省（自治區(qū)）旅游業(yè)的技術(shù)效率和技術(shù)進步都表現(xiàn)為負向增長，且除西藏和新疆外，其技術(shù)效率變化指數(shù)都大于技術(shù)進步變化指數(shù)；新疆旅游業(yè)的技術(shù)進步增長率為正值，但其技術(shù)效率增長率為負值。

表1所示的測算結(jié)果并沒有考慮環(huán)境效應(yīng)和隨機誤差的影響。將利用DEA 模型分離出的投入冗余作為被解釋變量，將環(huán)境變量作為解釋變量，采用Frontier4.1軟件對SFA 模型進行回歸，可剔除環(huán)境變量和隨機誤差對Malmquist指數(shù)測算結(jié)果的影響。

表2為第二階段SFA 模型的估計結(jié)果。由表2可知，除2007年地理區(qū)位因素對資本投入冗余的影響不顯著外，其他環(huán)境變量對投入冗余的影響系數(shù)均通過了10%的顯著性水平檢驗，表明本文選取的4項環(huán)境變量對投入要素都具有顯著影響。γ值均在0.9以上，且通過了1%的顯著性水平檢驗，說明純技術(shù)效率方差對總方差具有較大貢獻，經(jīng)營管理因素對投入冗余的影響占據(jù)主導(dǎo)地位。

從各環(huán)境變量對投入冗余的影響來看：

第一，居民收入水平對資本投入冗余和勞動投入冗余的影響是正向的，說明居民收入水平的提高不利于旅游業(yè)效率的改進。這主要由中國旅游業(yè)的粗放型增長模式所致。隨著人們生活水平的提高，旅游業(yè)需求不斷擴大，旅游業(yè)的資本投入和從業(yè)人員實現(xiàn)了快速增長，但是旅游業(yè)的井噴式發(fā)展造成過量資本和勞動力進入，而受限于現(xiàn)有的旅游資源、經(jīng)營模式、管理制度等，旅游業(yè)產(chǎn)出的增長較為緩慢，過量投入造成投入冗余增加，導(dǎo)致旅游業(yè)的效率呈短期下滑趨勢。

第二，交通便利程度對資本投入冗余和勞動力投入冗余的影響顯著為正，表明交通便利程度越高，則旅游業(yè)的運營效率反而越低。這主要是由中國旅游資源和交通設(shè)施分布不均衡所致。中國中、西部地區(qū)的旅游資源豐富，但交通基礎(chǔ)設(shè)施發(fā)展滯后，這嚴(yán)重制約了其旅游業(yè)效率水平的提升。東部地區(qū)的交通相對發(fā)達，但旅游資源較為困乏，部分資本和勞動力盲目進入。這種資源與交通設(shè)施的持續(xù)矛盾引發(fā)的投入要素不合理流動和扎堆，在短期內(nèi)會抑制地區(qū)旅游業(yè)效率的提升。

第三，居民出游偏好對資本投入冗余和勞動投入冗余具有負向影響作用，說明居民出游偏好的增強有利于旅游業(yè)效率的提高。居民出游偏好越強，意味著居民出游次數(shù)會越多，這有利于提高旅游業(yè)的經(jīng)濟收入、完善旅游區(qū)的基礎(chǔ)設(shè)施建設(shè)和提高從業(yè)人員的服務(wù)質(zhì)量，從而推動旅游業(yè)經(jīng)營效率的提升。

表2 SFA模型的回歸結(jié)果

第四，地理區(qū)位因素是虛擬控制變量，反映地理區(qū)位因素對資本投入冗余和勞動投入冗余的影響。除2007年以外，地理區(qū)位因素對資本投入冗余和勞動投入冗余的影響均顯著為正。

將第二階段利用SFA 模型調(diào)整后得到的投入變量和原始產(chǎn)出變量再次代入Malmquist指數(shù)進行測算，得到各地區(qū)旅游業(yè)的動態(tài)效率實際值（見表3）。

表3 三階段Malmquist指數(shù)的測算結(jié)果

從表3可以看出，在剔除環(huán)境變量和隨機因素的影響后，2007—2010年中國旅游業(yè)的效率發(fā)生了顯著變化。

1）全國整體情況。

從全國整體旅游業(yè)來看：TFP的發(fā)展趨勢由調(diào)整前的小幅下降轉(zhuǎn)變?yōu)檎{(diào)整后的大幅提升，平均增長率由調(diào)整前的-3.1%提高到調(diào)整后的10.6%；技術(shù)效率變化指數(shù)由調(diào)整前的1.037降低為調(diào)整后為的0.970，技術(shù)效率平均增長率減少了6.7%；技術(shù)進步變化指數(shù)由調(diào)整前的0.935增加到調(diào)整后的1.140，技術(shù)進步平均增長率增加了20.5%。可見，利用傳統(tǒng)Malmquist指數(shù)會嚴(yán)重低估2007—2010年中國旅游業(yè)的TFP 和技術(shù)進步、高估技術(shù)效率。這說明，中國旅游業(yè)的發(fā)展環(huán)境不利于其自身整體效率水平和產(chǎn)業(yè)創(chuàng)新水平的提升，但有利于經(jīng)營管理水平的提高，并且技術(shù)進步是推動中國旅游業(yè)TFP增長的主要動力，技術(shù)效率對中國旅游業(yè)的TFP增長具有抑制作用。從技術(shù)效率分解情況來看，調(diào)整后的純技術(shù)效率平均增長率比調(diào)整前增加了1.9%，規(guī)模效率平均增長率比調(diào)整前降低了7.9%。

2）各省級行政區(qū)域情況。

第一，TFP 變化。調(diào)整前，2007—2010 年期間16個地區(qū)旅游業(yè)的TFP 實現(xiàn)了提升；調(diào)整后，除安徽、廣西和四川旅游業(yè)的TFP 出現(xiàn)負向增長外，其余28個地區(qū)旅游業(yè)的TFP 均呈上升態(tài)勢。這說明，在剔除外部環(huán)境和隨機誤差的影響前，中國旅游業(yè)的動態(tài)效率被嚴(yán)重低估。此外，安徽、廣西和四川旅游業(yè)的TFP 平均增長率分別為-21.3%、-17.1%和-21%，技術(shù)效率的下降幅度大于技術(shù)進步的增長幅度導(dǎo)致這3個省份旅游業(yè)的TFP 持續(xù)下滑。

第二，技術(shù)效率變化。調(diào)整前，2007—2010 年期間有20個地區(qū)旅游業(yè)的技術(shù)效率變化指數(shù)大于（或等于）1，其他11個地區(qū)旅游業(yè)的技術(shù)效率變化指數(shù)均小于1；調(diào)整后，15個地區(qū)旅游業(yè)的技術(shù)效率變化指數(shù)大于（或等于）1，其他16個地區(qū)旅游業(yè)的技術(shù)效率變化指數(shù)均小于1。除北京、上海、山東、河南、湖南、重慶、西藏、甘肅和寧夏9個省（自治區(qū)、直轄市）旅游業(yè)的技術(shù)效率出現(xiàn)上升以外，其他22個地區(qū)旅游業(yè)的技術(shù)效率水平比調(diào)整前均有所下降。可見，外部環(huán)境和隨機因素不利于北京、上海、山東、河南、湖南、重慶、西藏、甘肅和寧夏9個省（自治區(qū)、直轄市）旅游業(yè)的技術(shù)效率增長——這些地區(qū)旅游業(yè)的技術(shù)效率真實值被低估了，但有利于其他22個地區(qū)旅游業(yè)的技術(shù)效率改進——這些地區(qū)旅游業(yè)的技術(shù)效率真實值被高估了。

第三，技術(shù)進步變化。2007—2010 年期間，在調(diào)整前，北京、天津、河北、內(nèi)蒙古、吉林、上海、福建、山東、湖北、廣東、海南、四川、云南、陜西、青海和新疆16個省（自治區(qū)、直轄市）的旅游業(yè)均表現(xiàn)出不同程度的技術(shù)進步，其他15個地區(qū)旅游業(yè)的技術(shù)進步增長率都為負值；調(diào)整后，中國31個地區(qū)旅游業(yè)的技術(shù)進步指數(shù)均實現(xiàn)正向增長。除北京和上海外，調(diào)整后其他29個地區(qū)旅游業(yè)的技術(shù)進步變化指數(shù)均高于調(diào)整前水平。這說明，除北京和上海以外的其他大部分地區(qū)，受環(huán)境變量和隨機因素的影響，其旅游業(yè)的技術(shù)進步水平被普遍低估。

第四，純技術(shù)效率變化和規(guī)模效率變化。在純技術(shù)效率變化指數(shù)方面：2007—2010年北京旅游業(yè)的該指數(shù)在調(diào)整前后未發(fā)生變動；河北、遼寧、黑龍江、上海、江蘇、安徽、山東、湖北、湖南、廣東、重慶、四川、陜西、甘肅和寧夏15個省（自治區(qū)、直轄市）旅游業(yè)的該指數(shù)在調(diào)整后出現(xiàn)上升；其他15個地區(qū)則出現(xiàn)下降。在規(guī)模效率變化指數(shù)方面：北京、上海、河南、西藏、甘肅和寧夏5個省區(qū)旅游業(yè)的該指數(shù)在調(diào)整后出現(xiàn)上升；其他26個地區(qū)旅游業(yè)的該指數(shù)水平在調(diào)整后均出現(xiàn)下降。此外，從調(diào)整后的結(jié)果可以發(fā)現(xiàn)：全國有24個地區(qū)旅游業(yè)的純技術(shù)效率實現(xiàn)正向增長，有25個地區(qū)旅游業(yè)的規(guī)模效率出現(xiàn)負向增長。由于未形成有效的“規(guī)模效應(yīng)”，因此各地區(qū)旅游業(yè)的技術(shù)效率不斷惡化。

綜合上述分析，剔除環(huán)境效應(yīng)和隨機誤差的影響后，中國旅游業(yè)TFP 的增長源泉發(fā)生了顯著變化：調(diào)整前，中國大部分地區(qū)旅游業(yè)的發(fā)展效率被低估；調(diào)整后，中國旅游業(yè)的TFP增長主要源于技術(shù)進步，而技術(shù)效率和規(guī)模效率低下是抑制中國旅游業(yè)整體效率進一步提升的主要原因。

3）三大區(qū)域情況。

為了比較剔除環(huán)境效應(yīng)和隨機誤差的影響后不同區(qū)域旅游業(yè)TFP的差異，本文針對東、中、西三大區(qū)域分析中國旅游業(yè)的動態(tài)效率。2007—2010 年期間中國三大區(qū)域旅游業(yè)的動態(tài)效率均值見表4。如表4所示：在剔除環(huán)境變量和隨機誤差的影響后，2007—2010年中國三大區(qū)域旅游業(yè)的TFP分解結(jié)果與全國總體情況基本一致，三大區(qū)域旅游業(yè)的TFP 均呈正向增長，平均增長率分別為11.4%、13.9%和8.1%；三大區(qū)域旅游業(yè)的技術(shù)效率變化指數(shù)均小于1，平均增長率分別為-9.9%、-0.3%和-5.5%，三大區(qū)域旅游業(yè)的技術(shù)進步變化指數(shù)均大于1，平均增長率分別為13.6%、14.2% 和14.4%。這說明，技術(shù)進步是推動中國三大區(qū)域旅游業(yè)的整體效率水平提升的動力源泉。此外，中部地區(qū)旅游業(yè)的整體效率表現(xiàn)最優(yōu)，東部地區(qū)居中、西部地區(qū)最差。通過對技術(shù)效率進行分解可發(fā)現(xiàn)：三大區(qū)域旅游業(yè)的純技術(shù)效率均呈正向增長，但規(guī)模效率均呈下降趨勢。可見，2007—2010年期間規(guī)模效率下降是制約中國三大區(qū)域旅游業(yè)的技術(shù)效率水平提升的根本原因。

表4 2007—2010年中國三大區(qū)域旅游業(yè)的動態(tài)效率均值

4 結(jié)語

4.1 研究結(jié)論

本文將三階段DEA 模型與傳統(tǒng)Malmquist指數(shù)相結(jié)合，得到三階段DEA-Malmquist指數(shù)模型，在剔除了環(huán)境變量和隨機因素的影響后，對2007—2010年中國31 個省級區(qū)域旅游業(yè)的TFP 進行了測算和分解。研究結(jié)果表明：

第一，在剔除了環(huán)境變量和隨機誤差的影響后，中國旅游業(yè)的動態(tài)效率及其增長源泉發(fā)生了顯著變化。從全國整體來看，利用傳統(tǒng)Malmquist指數(shù)嚴(yán)重低估了2007—2010年中國旅游業(yè)的TFP和技術(shù)進步水平、高估了技術(shù)效率。這說明：環(huán)境效應(yīng)和隨機誤差等不可控因素不利于中國旅游業(yè)整體效率水平和產(chǎn)業(yè)技術(shù)創(chuàng)新能力的提升，但有利于經(jīng)營管理水平的提高。從省級層面來看，受到環(huán)境變量和隨機因素的影響，2007—2010年中國大部分地區(qū)旅游業(yè)的發(fā)展效率被低估；在剔除環(huán)境變量和隨機因素的影響后，除安徽、廣西和四川3省外，其他地區(qū)旅游業(yè)的TFP均實現(xiàn)正向增長，技術(shù)進步是推動旅游業(yè)TFP提高的主要動力，技術(shù)效率下降是制約中國旅游業(yè)整體效率水平進一步提升的重要原因。分區(qū)域來看，在剔除了環(huán)境因素和隨機誤差的影響后，中部地區(qū)旅游業(yè)的發(fā)展效率表現(xiàn)最優(yōu)，東部地區(qū)居中，西部地區(qū)最差。

第二，居民收入水平、交通便利程度、居民出游偏好和地理區(qū)位因素4項環(huán)境變量對中國旅游業(yè)的發(fā)展效率產(chǎn)生了顯著影響。其中，居民出游偏好的增強有利于中國地區(qū)旅游業(yè)效率水平的提升；居民收入水平的提高和交通基礎(chǔ)設(shè)施的改善都不利于中國地區(qū)旅游業(yè)效率水平的提高；地理位置的差異對中國地區(qū)旅游業(yè)效率的提升也具有顯著的影響作用。

4.2 建議

結(jié)合實證分析結(jié)果，本文針對中國旅游業(yè)效率現(xiàn)狀，提出如下建議以提高區(qū)域旅游業(yè)的TFP：

第一，鑒于技術(shù)進步對中國31個省（自治區(qū)、直轄市）旅游業(yè)的TFP 增長都具有促進作用，各地區(qū)應(yīng)繼續(xù)保持旅游業(yè)的技術(shù)創(chuàng)新水平，進一步增強旅游產(chǎn)品的研發(fā)和創(chuàng)新力度，不斷提升旅游產(chǎn)品的內(nèi)涵和價值，借助技術(shù)創(chuàng)新和制度創(chuàng)新推動旅游業(yè)整體效率水平的更快提升。

第二，旅游業(yè)相對較發(fā)達的北京、上海、浙江、河南和廣東的旅游業(yè)規(guī)模效率的提高對其TFP 增長具有促進作用，因此這些地區(qū)應(yīng)合理控制旅游業(yè)的發(fā)展規(guī)模，保持旅游業(yè)規(guī)模效率的持續(xù)增長。旅游業(yè)規(guī)模效率呈下降態(tài)勢的其他26個地區(qū)，應(yīng)加強區(qū)域統(tǒng)籌規(guī)劃力度，合理整合區(qū)域旅游資源，擴大旅游業(yè)發(fā)展規(guī)模，因地制宜地發(fā)展區(qū)域特色旅游產(chǎn)業(yè)，促進旅游業(yè)規(guī)模效率實現(xiàn)正向增長，以避免旅游業(yè)規(guī)模效率的下降對TFP增長產(chǎn)生不利影響。

第三，天津、安徽、江西、河南、廣西、青海和新疆旅游業(yè)的純技術(shù)效率均呈下降趨勢，這對其旅游業(yè)TFP的增長產(chǎn)生負向影響作用。這些地區(qū)的旅游企業(yè)應(yīng)積極學(xué)習(xí)國外先進的經(jīng)營管理方式，引進高素質(zhì)的經(jīng)營管理人才，不斷提升企業(yè)的經(jīng)營管理水平，加快旅游業(yè)技術(shù)效率的提升。其他24個地區(qū)旅游業(yè)的純技術(shù)效率變動均對其旅游業(yè)TFP的增長產(chǎn)生正向影響作用。這些地區(qū)應(yīng)進一步創(chuàng)新區(qū)域旅游業(yè)的經(jīng)營管理模式，加大旅游業(yè)經(jīng)營管理者的培訓(xùn)力度，保持經(jīng)營管理水平的不斷提升。

［1］李京文，鐘學(xué)義.中國生產(chǎn)率分析前沿［M］.北京：社會科學(xué)文獻出版社，1998.

［2］MOREY R C，DITTMAN D A.Evaluating a hotel GM＇s performance［J］.The Cornell Hotel and Restaurant Administration Quarterly，1995，36（5）：30-35.

［3］ANDERSON R I，F(xiàn)ISH M，XIA Y，et al.Measuring efficiency in the hotel industry：a stochastic frontier approach［J］.International Journal of Hospitality Management，1999，18（1）：45-57.

［4］ANDERSON R I，F(xiàn)OK R，SCOTT J.Hotel industry efficiency：an advanced linear programming examination［J］.American Business Review，2000，18（1）：40-48.

［5］SUCH M J，ZAMORA M D M.Spanish productivity：a regional approach［J］.Annals of Tourism Research，2006，33（3）：666-683.

［6］KOKSAL C D，AKSU A A.Efficiency evaluation of Agroup travel agencies with data envelopment analysis（DEA）：a case study in the antalya region，Turkey［J］.Tourism Management，2007，28（3）：830-834.

［7］FERNANDES E，PACHECO R R.Efficient use of airport capacity［J］.Transportation Research Part A：Policy and Practice，2002，36（3）：225-238.

［8］BLAKE A，SINCLAIR M T.Tourism productivity：evidence from the United Kingdom［J］.Annals of Tourism Research，2006，33（4）：1099-1120.

［9］左冰，保繼剛.1992—2005年中國旅游業(yè)全要素生產(chǎn)率及省際差異［J］.地理學(xué)報，2008，63（4）：417-427.

［10］周云波，武鵬，劉玉海.中國旅游業(yè)效率評價與投入改進分析［J］.山西財經(jīng)大學(xué)學(xué)報，2010（5）：27-33.

［11］陶卓民，薛獻偉，管晶晶.基于數(shù)據(jù)包絡(luò)分析的中國旅游業(yè)發(fā)展效率特征［J］.地理學(xué)報，2010，65（8）：1004-1012.

［12］王永剛.中國旅游業(yè)全要素生產(chǎn)率增長的實證研究［J］.經(jīng)濟問題探索，2012（3）：175-180.

［13］趙磊.中國旅游全要素生產(chǎn)率差異與收斂實證研究［J］.旅游學(xué)刊，2013，28（11）：12-23.

［14］譚偉，張建升.中國主要旅游公司運營動態(tài)效率探析［J］.經(jīng)濟與管理，2010，24（6）：30-33.

［15］耿松濤.中國旅游上市公司全要素生產(chǎn)率研究［J］.南京社會科學(xué)，2012（5）：15-21.

［16］武瑞杰.我國省際旅行社全要素生產(chǎn)率波動的測算［J］.統(tǒng)計與決策，2013（11）：98-101.

［17］黃秀娟.中國森林公園旅游發(fā)展效率的比較與分析［J］.林業(yè)科學(xué)，2012，47（12）：22-27.

［18］MALMQUIST S.Index numbers and indifference curves［J］.Trabajos de Estatistica，1953，4（2）：209-242.

［19］CAVES D W，CHRISTENSEN L R，DIEWERT W E.The economic theory of index numbers and the measurement of input，output and productivity［J］.Econometrica，1982，50（6）：1393-1414.

［20］CHARNES A，COOPER A，LEWIN Y，et al.Data Envelopment Analysis：Theory，Methodology and Applications［M］.Dordrecht：Kluwer Academic，1994.

［21］FISHER I.The Making of Index Numbers［M］.Boston：Houghton Mifflin，1922.

［22］FARE R，CROSSKOPF S，NORRIS M，et al.Productivity growth technical progress and efficiency changes in Industrialized countries［J］.American Economic Review，1994，84（1）：66-83.

［23］CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978（2）：429-444.

［24］FARRELL M J.The measurement of productive efficiency［J］.Journal of the Royal Statistical Society，1957（120A）：125-281.

［25］FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis，2002，17（2）：157-174.