基于優化DEA方法的中國區域旅游產業效率分析

吳東榮　李靜賢　唐國松

中國的旅游產業不斷發展，但是，需要注意的是，中國不同區域的資源、產業發展水平存在較大差異，這種差異對旅游產業效率帶來較大的影響，人們需要采用科學的統計方式對其進行分析。筆者采用優化DEA方法，選取2012-2015年的資料數據，搜集中國31個地區的旅游產業發展數據，并對其進行測算，第一步，采用初級DEA方法，不考慮環境因素和數據異常，分析產業效率;第二步，采用改進DEA方法，對輸入變量存在的冗余進行回歸分析;第三步，采用優化DEA方法，將調整后的輸入變量代入到優化DEA方法中，并與第一步得到的分析結果進行比較。通過上述分析，得出結論：東部地區、中部地區、西部地區的旅游效率逐步遞減;采用第一步的方法分析旅游產業效率存在數值虛高;東部的產業效率較高，中西部的產業效率差異不大但發展規模差異較大。

引言

經濟的全球化使得身處自己國家的人們可以通過飛機、游輪來到世界其他國家進行旅游，游客在領略世界各地風光的同時，也可以幫助其他國家增加當地的經濟產值，更能將當地的文化帶到世界其他的地方。據不完全統計，未來10年內，旅游產業對世界GDP增量的貢獻占到總GDP增量的3.8%。旅游產業可以促進世界各國進行文化、民風、社會的交流，因而，從某種意義上來看，通過旅游產業可以看出一個國家軟實力的強弱。

我國作為一個發展中國家，旅游產業發展較晚，但是經濟不斷發展，人們的消費能力得到極大的釋放，人們的出游頻率不斷加快，旅游產業得到較快的發展。同時，由于中國各地區的自然資料、經濟發展水平的不同，所以旅游產業的發展效率存在較大差異，不少科研人員對旅游產業效率進行了研究，部分研究者采用隨機樣本分析的方式，以30家旅行社作為樣本，選取2008-2015年的經營數據，對經營效率進行分析，他們發現，經營效率與企業的發展周期存在正相關關系，同時，資本投入也會影響經營效率;部分研究者采用DEA方式，對土耳其的旅游業進行數據分析，他們發現當地的旅行社可以分為獨立式旅行社和連鎖式旅行社;部分研究者研究履行社的經營績效，他們發現技術的應用可以加快旅行社的發展;部分研究者采用DEA方法，對南美主要機場進行資源使用率的分析，發現機場的使用率高達60%。

大部分學者對旅游產業效率采用的方法是DEA，但是，他們對旅游產業效率的研究，只是從旅游產業的局部進行了數據分析，缺乏全局式的產業效率分析。本研究在前期研究的基礎上，研究DEA的數據分析方法，并引入了優化DEA方法，研究中國旅游產業效率，不是從局部去分析，而是從地區角度，分析中國大多數旅游產業效率存在的差別，從而為我國區域旅游產業的共同發展提供理論依據。

一、材料與研究方法

（一）數據采樣

1.輸入指標選取

筆者整理大量的文獻，對旅游產業的投入變量作為模型的輸入，經過整理，得到的部分輸入指標如表1所示。

從輸入指標來看，（1）旅游企業資產：本研究的資產總額是包括旅行社資產、大型度假型酒店資產、旅行景點的注冊資本，資產總額是衡量旅游資本進場的一個主要因素;（2）相關從業人員數量與薪資：旅游產業的發展離不開人力的投入，這些旅游從業人員深入旅行社和酒店，他們的工作推動了旅游業的正常運行;（3）旅行社的數量：一個地區的旅游業發展程度，取決于當地的旅行社數量，他們是旅游產業發展的主要機構，也是旅游業發展的關鍵推動者。

2.輸出指標選取

筆者整理大量的文獻，對旅游產業的產出因素作為模型的輸出，經過整理，得到的部分輸出指標如表2所示。

從輸出指標來看：（1）旅游總接待人次，該指標表示在一定時期，各個旅游部門的游客接待數量，游客的接待量可以說明旅游市場的火爆程度，可以作為投入旅游資源的一個重要參考指標;（2）酒店的游客住宿收入，該指標反映了人們在該地區旅游的忠誠度，人們愿意在一個地區或者一個景點游玩的熱情程度;（3）旅游直接收入，該指標從旅游的酒店住宿、門店消費以及景點的觀光進行收入核算，然后將該指標作為旅游經營的直接收入。

3.環境變量的選取

旅游產業的發展，需要具備一定的環境，從旅游產業發展的角度，學術領域并沒有一個全面的定義來描述旅游產業的發展環境，本研究搜集大量的文獻資料，得到的部分旅游產業環境變量如表3所示。

4.指標與變量的數據來源

本研究選取了2012-2015年中國31個省份的面板數據，各類指標及變量的來源均為《中國旅游統計發布冊》（統計周期：2011-2016），一部分數據可以直接從發布冊中獲得，一部分需要從里面的數據進行二次挖掘，另外一部分偏遠地區的數據存在缺失，所以筆者采用線性回歸法進行補充。

（二）研究方法

1.DEA方法

數據包絡分析方法（DEA）是由兩位經濟學專家于1978年提出，該方法可以用于產業效率的評價，而且它并不依賴于函數進行計算，而是采用一個線性描述的方式得到最佳的生產框架，每個決策模塊與生產框架的差距可以表示為它們對應的效率值，人們可以由此對決策模塊的輸出效率進行評價。

由于DEA方法不需要預先設定函數及誤差約束條件，因而，比起其他基于函數及約束條件的評估方法，DEA方法更適合于產業效率的測量。DEA方法的輸入/輸出涉及到多個變量，且決策模塊與輸入/輸出的變量設定無關，也不需要設定決策模塊的占比，提高了決策模塊評價的真實性。

2.優化DEA模型

為了將環境異常因素和數據噪聲的影響降到最低，部分研究者將DEA的求解過程分為初級階段、改進階段以及優化階段，即優化DEA模型，該模型的具體實施步驟如表4所示。

二、結果與分析

（一）初級階段DEA模型的區域旅游產業效率分析

在初級階段，筆者在進行數據導入時，采用初級DEA模型，即BBC模型，軟件為DEAP2.3。筆者對全國31個省/區2012-2015的旅游發展水平進行效率統計，效率計算包括產出效率（OE）、純產出效率（POE）與規模效率（VE），部分結果如表5所示。

從表5可以看出，東部部分地區的產出效率呈現緩慢下滑的趨勢，河北從2012年的0.6下滑到2015年的0.4;中部的部分地區，它們的產出效率不穩定，其中，江西2013年的產出效率為1.0，而到2014年的產出效率為0.4;西部部分地區的產出效率保持低位，西藏的旅游產出效率保持在0.3～0.4。

（二）改進階段DEA模型的區域旅游產業效率分析

在改進階段，筆者將環境變量看作為計算的各個系數，將初級階段得到的松弛變量看作為系數，建立SFA模型，這些系數之間存在正相關、負相關的關系，正相關會提高決策的投入成本，不利于提高旅游產出效率;負相關可以降低決策的投入成本，進而，提高旅游產出的效率，采用模型得到的部分系數如表6所示。

從表6可以看出，人均GDP、客流量以及地理位置對企業資產誤差的影響較大;客流量和地理位置對人員統計誤差的影響較大;人均GDP和客流量對酒店住宿收入的影響較大。

（三）優化階段DEA模型的區域旅游產業效率分析

將改進階段得到的輸入變量和初級階段得到的輸出分量，應用于BBC模型中，從而實現對決策模塊產出效率的綜合測算，得到的部分結果如表7所示。

從表7中可以看出，東部的部分地區產出效率較初級階段有所下降;中部的部分地區產出效率較初級階段有小幅度下降，但是幅度較小;西部的部分地區產出效率較初級階段存在一定幅度的下滑。

三、結語

本研究采用優化DEA方法對中國31個省/區進行旅游開發效率的比較發現，東部地區總體效率好于中西部地區，中部地區略好于西部地區。同時，隨著經濟的不斷發展，中西部的旅游產業效率正在逐漸追趕東部地區;此外，筆者還發現，初級階段的DEA方法在計算過程中，數據存在虛高，對純產出效率嚴重低估。

（作者單位：云南民族大學職業技術學院）