安徽省旅游產業效率測度及其影響因素分析

張璐菲 王鼎

摘要：利用BCC模型和Malmquist模型對2010～2018年安徽省16個地級市的旅游產業效率進行靜態和動態測算，并在此基礎之上建立動態面板模型對旅游產業效率的影響因素進行研究。研究結果表明：安徽省旅游產業綜合效率呈現上升的發展態勢，旅游產業全要素生產率呈現先下降后上升再下降的波動狀態。其中技術進步對全要素生產率的影響更強;交通便利程度、經濟發展水平、信息化水平和市場化程度對旅游產業效率是正向促進作用，而城市化水平對旅游產業效率的影響是負向的。最后根據實證研究的結果提出政策建議，以助推安徽省旅游業的高效發展。

關鍵詞：旅游產業效率;Malmquist模型;動態面板模型

中圖分類號：F062.9? 文獻標志碼：A? 文章編號：1008-4657（2021）02-0014-09

0 引言

國務院和省政府相繼出臺了《國務院“十四五”旅游業發展規劃》以及《安徽省“十四五”文化和旅游發展規劃》等文件，文件明確指出利用全域旅游引領旅游供給側改革，優化旅游供給體系，完善旅游產業結構。目前，安徽省旅游產業的發展存在著發展不均衡，生產效率低下等問題，且這一狀況也是我國多數落后地區面臨的共同問題。因此測度安徽省旅游產業效率狀況，探尋提升其旅游產業效率的路徑與對策，對于安徽省旅游業的高質量發展具有重要意義，而且可以為其他地區深化旅游產業效率測評及提升研究提供典型借鑒。

目前關于旅游產業效率的研究已經較為成熟。從旅游產業效率的研究來看，國內外學者主要是從旅游產業效率測度的角度進行研究。王兆峰等[1]基于DEA-Malmquist指數二次分解模型、ESDA空間聚類分析，對湖南省旅游產業效率構成及其動態演化與空間分異格局特征進行測度與分析，研究發現湖南省規模效率驅動綜合效率優化發展，旅游產業效率出現明顯的圈層集聚特征，表現為一定的距離衰減現象。胡亞光[2]采用隨機前沿法（SFA）對2005～2014年中國31個省的旅游經濟效率水平進行實證分析，綜合國外學者的效率增長解構法，對我國的全要素生產率增長率進行解構研究，結果表明，我國旅游產業效率存在明顯的區域異質性，技術進步是制約東西部地區的全要素生產率增長的關鍵因素。從旅游產業效率的影響因素研究來看，王虹等[3]將影響“一帶一路”省份旅游產業效率指標分為內部和外部，運用Tobit模型進行分析發現，除了能耗水平對旅游產業效率呈負向影響之外，其余的幾個因素對“一帶一路”區域旅游產業效率有顯著的正向影響。王兆峰等[4]借助向量自回歸模型探討湖南省武陵山片區旅游產業效率的演化過程及其影響因素，研究結果表明，技術效應、結構效應和規模效應對旅游產業效率的貢獻率以不同程度的趨勢逐漸增加，結構效應貢獻率最大。國內其他學者在DEA的基礎上，對不同的區域旅游產業效率進行測算，并且利用相應的結果進行不同的分析研究[5-8]。

1 安徽省旅游產業效率測度

1.1 測度方法

1.1.1 DEA-BCC模型

DEA模型是在多投入和多產出情況下測算決策單元的相對效率的方法。按照規模是否變化可把DEA模型分為兩類，即規模報酬可變（VRS）假設下的BCC和規模報酬不變（CRS）假設下的CCR和兩種模型。本文采用BCC模型對旅游產業效率進行判別和分析。BCC模型得到的綜合技術效率等于純技術效率與規模效率的乘積。

1.1.2 Malmquist模型

采用Malmquist指數測量安徽省各地級市歷年的旅游效率。Malmquist指數通過測算t + 1時刻相對于t時刻的投入產出關系的變化程度來計算生產率的變動。Malmquist指數可以分解為技術變化指數（Techch）和相對于前沿面的技術效率變化指數（effch），其中技術效率變化指數又可以分解為純技術效率指數（Pech）和規模效率指數（Sech），即各指數之間的關系為：TFPch = effch * Techch = （Pech * Sech）* Techch。

1.2 指標選取及數據來源

借鑒已有文獻的研究基礎之上，按照指標選取的科學性、數據的可獲得性及可行性原則。選取指標體系如表1所示。

對于投入指標的選取：選取A級以上旅游景區數量、旅游從業人數、星級酒店數量三個指標，但是由于現有的統計年鑒和旅游官方網站上沒有對旅游從業人員的數量進行數據統計，借鑒已有的研究，本文選取第三產業從業人數來代替旅游從業人數。對于產出指標的選取：本文選取旅游業總收入和接待游客總人次來反應一個地區旅游產業的總體發展規模和發展水平。

本文數據來源于2011～2019年《安徽省統計年鑒》、各地區旅游局官方網站以及2010～2018年地區國民經濟和社會發展統計年報。

1.3 安徽省旅游產業靜態效率分析

1.3.1 綜合效率測度分析

運用DEAP2.1軟件計算出2010～2018年安徽省16個地級市的旅游產業靜態效率，得到安徽省各地級市的旅游產業綜合效率值，如表2所示。

由表2可知，從整體來看，2010～2018年，安徽省旅游業綜合效率均值均未達到有效，說明安徽省旅游產業的投入產生了資源浪費現象。但從具體城市分析，在2010～2018年旅游產業綜合效率均值最高的城市為合肥、池州和黃山，且綜合效率值為1;均值最低的是宣城，其綜合效率均值為0.464，說明安徽省旅游產業發展存在“兩極分化”的現象。合肥作為省會城市擁有優越的交通基礎設施、較強的經濟發展水平和獨特的旅游資源，帶動了旅游業的發展，進而提高了旅游產業綜合效率。池州和黃山擁有全國著名的旅游景點九華山和黃山風景區，旅游資源的知名度和經濟效益大幅度的提升，促進旅游產業效率的提高。低于綜合效率均值的亳州、淮南、滁州、六安、宣城和銅陵，由于其基礎設施落后，資源配置能力不高，自然資源的利用較低，對旅游業重視度不夠，其旅游業效率較低。而皖北地區的淮北、宿州、蚌埠等地的紅色旅游帶動性較強，皖南地區的馬鞍山、蕪湖、安慶處于優越的地理位置，擁有豐富的自然資源，自然資源的利用率較高，對其旅游產業的高效率發展有較強的促進作用。

1.3.2 純技術效率測度分析

在對綜合技術效率分析的基礎之上，將規模因素排除在外的前提下，分析投入要素有多大程度上影響綜合效率，即純技術效率。對安徽省旅游產業的純技術效率測算結果，如表3所示。

由表3可知，從整體來看，2010～2018年安徽省旅游產業純技術效率值均值為0.850，表明安徽省對旅游產業的管理、生產技術條件和人才培養十分重視，但是還有15%的上升空間。

對各城市的純技術效率進行具體分析：合肥、淮北、池州、黃山四個城市的純技術效率連續9年均實現效率最優的狀態，表明這四個城市的旅游信息技術水平較高，更好的利用現有的生產技術和人才資源;宿州、蚌埠、阜陽、六安、馬鞍山、銅陵、安慶這七個城市純技術效率均值均超過總體均值0.85，但是總體上其旅游產業純技術效率值有變小的趨勢;蚌埠、銅陵、安慶這3個城市有6年實現純技術效率值達到有效，說明其技術得到了充分利用和吸收，有較強的旅游產業管理能力;而馬鞍山和蕪湖純技術效率均值超過總體均值，但是只有2010年實現效率最優，說明其對信息技術的利用存在浪費現象，同時人才的利用和管理方式還有提高;滁州、六安、宣城旅游業純技術效率均值低于0.6，處于無效狀態，說明在考察期內對旅游業的發展不夠重視、管理混亂、生產技術利用效率極低。

1.3.3 規模效率測度分析

當規模效率為1時，說明決策單元規模報酬處于不變的狀態，充分利用了現有的規模;當規模效率不為1時，說明決策單元規模報酬處于遞增或者遞減的狀態。對安徽省旅游產業的規模效率測算結果，如表4所示。

由表4可知，從整體來看，2010～2018年安徽省旅游產業規模效率值均值為0.941，相比于綜合效率和純技術效率而言，規模效率處于較高的發展水平，說明安徽省在基礎設施建設、項目建設、規劃、旅游資源等方面直接或者間接引導相關企業進行投資，安徽省旅游產業規模得以不斷擴大。

從具體城市的規模效率進行分析：在16個地級市中，合肥、池州、黃山的規模效率連續9年達到最優，銅陵9年的規模效率均值最低，其余的城市規模效率均超過0.8，處于中等偏上的水平。亳州、淮南、滁州、六安、馬鞍山、宣城這6個城市9年的規模效率均未達到有效，說明其對旅游產業的發展重視度不夠，基礎設施建設、旅游資源開發、人力資源等要素的投入利用率不足，從而導致規模效率小于1。

綜上所述，安徽省旅游產業總體上處于中等偏上的發展水平。同時，為了準確判斷純技術效率和規模效率對綜合效率的影響程度，分別建立散點圖如圖1與圖2所示。

圖1 純技術效率-綜合效率散點圖

圖2 規模效率-綜合效率散點圖

從圖1與圖2中可以看出，純技術效率-綜合效率的散點比較靠近45度對角線，而規模效率-綜合效率的散點較分散，充分說明純技術效率較規模效率對綜合效率的影響更強。利用SPSS軟件，計算出純技術效率與綜合效率的偏相關系數為0.998，規模效率與綜合效率的偏相關系數為0.9，證實了上述結論。

1.4 安徽省旅游產業動態效率分析

1.4.1 時間層面分析

由于DEA-BCC模型測度的是一種靜態效率，不能反映不同時期各決策單元的效率變動情況，因此，本文結合Mamlquist指數測度安徽省旅游產業的動態效率，并對指數進行分解，如表5所示。

由表5可知，從時間變化角度來看，2010～2018年安徽省旅游產業Malmquist指數平均值為1.208，表明旅游產業全要素生產率年均增長幅度為20.8%，反映出安徽省整體旅游產業發展對各個投入生產要素利用程度較好。其中，技術進步貢獻最多，達到了19.1個百分點，說明安徽省的生產率增長主要來自技術進步。而規模效率貢獻最少，僅僅達到0.6個百分點。

2010～2018年安徽省旅游產業Malmquist指數及其分解變化趨勢如圖3所示。

結合表5數據和圖3各指數變化趨勢折線圖對全要素生產指數進一步分解可以看出，2010～2018年安徽省旅游產業全要素生產率整體呈現先下降后上升再下降的發展趨勢，總體上趨于波動的狀態。其中，技術效率和純技術效率變化趨勢幾乎重合，而規模效率變化趨勢基本保持穩定，技術進步指數整體上高于三者的指數。

在2010～2014年間，由于綜合技術效率在2010～2012年里都出現下降的趨勢，但是其技術進步增長幅度較大，分別是27.7%和28.4%，而2012～2013年技術效率和技術進步增長僅為8.7%和7.1%，因此，2010～2012年的旅游業全要素生產率相比2012～2013年增長的幅度更大;同理，2013～2014年的技術效率的下降和技術進步增長的緩慢導致該年間全要素生產率增長的最低。在2015～2016年，由于信息、互聯網等科學技術不斷發展，安徽省在旅游發展過程中，重視技術創新和人才培養，合理地開發利用自然資源，因此，旅游業全要素生產率增長達到考察期內最高。

1.4.2 地區層面分析

對安徽省16個地級市歷年平均的旅游產業全要素生產率進行分解，如表6所示。

由表6可知，淮北、亳州、蚌埠、阜陽、滁州、六安、宣城、銅陵全要素生產率平均增長率較高，根據表6不難發現，增長較高的原因在于這些地區技術進步的較快增長，而技術效率、純技術效率和規模效率增長速度較慢，甚至出現負增長，充分說明這些地區的技術創新和技術引進促進了本地區旅游業的發展，但是，在資源有效配置、管理方式和制度創新等方面還存在一些問題。合肥、宿州、淮南、馬鞍山、池州、安慶、黃山平均增長率在10%～20%之間，原因在于雖然技術進步在以較慢的速度不斷增長，但是，技術效率、純技術效率和規模效率保持不變，甚至有較小程度的下降，這樣就拉低整體生產率的增長。

2 安徽省旅游產業效率影響因素分析

2.1 變量選取及數據來源

通過梳理旅游產業效率影響因素的相關文獻，并結合安徽省旅游產業發展狀況，選取2010～2018年安徽省16個地級市的旅游產業綜合效率（effch）作為被解釋變量，交通便利程度（trasp）、城市化水平（urban）、經濟發展水平（edl）、信息化水平（il）和市場化程度（mar）作為解釋變量進行計量分析。

其中，交通便利程度（trasp）利用路網密度衡量，隨著科學技術不斷進步，交通便利程度的提高不僅可以直接影響到區域旅游目的地的通達性而且極大增強人們出行旅游的欲望;城市化水平（urban）利用常住人口城鎮化率來衡量，因為旅游客源大多數來自城鎮地區，人口城鎮化率增加，能夠為旅游產業發展帶來更多的收益;經濟發展水平（edl）用人均GDP衡量，經濟的快速發展使得居民消費結構從生存型消費轉變成休閑型消費，最明顯的體現在作為第三產業的旅游業;信息化水平（il）采用各地級市的郵電業務總量來衡量，隨著大數據在旅游業中的地位越來越重要，區域旅游業的發展越來越依靠信息的傳遞;市場化程度（mar）利用各市旅游業總收入/第三產業總產值來衡量，市場化程度的提高會增加旅游產業的競爭力。數據來源于2011～2019年安徽省統計年鑒及各地級市統計局官網。

2.2 數據檢驗及模型構建

2.2.1 單位根檢驗

在建立面板數據模型之前，為了防止出現模型偽回歸現象，需要對原始數據進行單位根檢驗，確保回歸結果的有效性和數據的平穩性。為了減少數據的波動帶來的異方差的問題，首先對數據進行對數處理。采用LLC和ADF檢驗對數據進行單位根檢驗，檢驗結果如表7所示。

由表7可知，所有變量均在5%的顯著性水平下拒絕原假設，因此，各變量均通過單位根檢驗，可以構建面板數據模型進行分析。

2.2.2 模型構建

本文通過引入被解釋變量的滯后期來探究旅游產業效率，采取差分GMM和系統GMM法對模型進行估計。建立如下動態面板模型：

ln effch=α+β1L1.ln effch+β2ln trasp+β3ln urban+β4ln edl+β5ln il+β6ln mar+ε

其中，L1.lneffch為被解釋變量滯后一期，其他各解釋變量為旅游產業影響因素的對數形式。

2.2.3 結果分析

動態面板回歸結果如表8所示。

由表8可知，在通過對模型進行檢驗發現，差分GMM和系統GMM均通過Sargan過度識別檢驗，結果表明接受原假設，所有工具變量均有效;同時，進行AR序列相關性檢驗，得出存在一階自相關且二階無自相關。

旅游產業效率在1%的顯著性水平下拒絕原假設，證明了旅游產業效率是一個動態調整的過程。根據系統GMM的回歸結果，交通便利程度每上升1%，安徽省旅游產業效率將上升0.36%;城市化水平對安徽省旅游產業效率的影響與預期相反，兩種方法回歸的系數均為負且分別通過1%和5%的顯著性水平。其原因在于，雖然安徽省積極推進建設新型城鎮化進程，但是安徽省16個地級市經濟發展水平的差異導致區域間城鎮化進程存在較大的差異。并且城鎮化進程中旅游的產業化和規模化經營體制尚未成熟，人才資源大量涌入城市，短時間內無法得到專業的培訓，使得旅游產業效率下降。

經濟發展水平的顯著性與城市化相同，但是其回歸系數為正。信息化水平在差分GMM估計方法上通過5%的顯著性水平且系數為正，說明安徽省較重視信息化水平發展，旅游企業處理風險的應變能力較好，從而促進了旅游產業效率。市場化程度在差分GMM估計方法上通過顯著性水平為1%的假設檢驗且系數為正，說明安徽省旅游業經營主體市場化程度的提升有利于完善旅游市場進出標準，提升競爭力，促進旅游產業效率的提升。

3 結論與政策建議

3.1 結論

本文選取3個投入要素和2個產出要素，利用BCC模型和Malmquist模型對旅游產業效率進行靜態和動態測算，BCC模型測算結果表明安徽省旅游產業綜合效率呈現上升的發展態勢，并且純技術效率較規模效率對綜合效率的影響更強，而Malmquist模型測算結果表明安徽省旅游產業全要素生產率呈現先下降后上升再下降的波動狀態，其中技術進步對全要素生產率的影響更強。另外，本文選取交通便利程度、城市化水平、經濟發展水平、信息化水平和市場化程度等變量，研究其對旅游產業效率的影響，研究結果表明交通便利程度、經濟發展水平、信息化水平和市場化程度對旅游產業效率是正向促進作用，而城市化水平對旅游產業效率的影響是負向的。

3.2 政策建議

為加快推進安徽省旅游產業升級及效率的提高，本文提出如下的政策建議：

第一，經濟發展水平和交通便利程度顯著影響旅游產業效率，對旅游產業效率的提升起著至關重要的作用。各地區應加快經濟發展水平，建設更加完善的旅游景區，為游客提供一個更為舒適的旅游環境。

第二，深入開發和廣泛利用信息資源，實現信息的有效流通和共享，加強旅游產業從業人員的教育培訓，做好創新人才儲備，為未來安徽省旅游的游客提供更加專業的服務，進而提升安徽省旅游產業吸引力。

第三，由于安徽省南北旅游特色資源差異較大，各地區應該按照資源特色，對自然資源科學適度的開發利用，形成結構合理、功能充分發揮的旅游產業鏈。同時，重視科學技術創新，將知識和技術滲透到旅游產業中。

參考文獻：

[1] 王兆峰，趙松松.基于DEA-Malmquist模型的湖南省旅游產業效率時空動態演化及影響因素[J].長江流域資源與環境，2019，28（8）：1 886-1 897.

[2]? 胡亞光.中國旅游產業效率區域評價及其解構分析——基于SFA的實證研究[J].當代財經，2019（10）：107-119.

[3]? 王虹，胡勝德.基于Tobit模型的“一帶一路”旅游產業效率投資影響因素及策略研究[J].中國軟科學，2017（12）：62-70.

[4]? 王兆峰，霍菲菲.基于VAR模型的湖南武陵山片區旅游產業生態效率影響因素分析[J].中南林業科技大學學報，2018，38（11）：136-144.

[5]? 任丹丹.基于DEA模型的旅游產業效率研究——以中國（新）一線城市為例[J].商業經濟研究，2018（5）：179-182.

[6]? 鐘敬秋，韓增林，李冰心.基于GM-GIS耦合模型的旅游產業效率時序評價及空間關聯格局分析——以東北三省36個市（區、州）為例[J].資源開發與市場，2016，32（7）：863-868.

[7]? 劉佳，安珂珂.環渤海城市旅游產業綠色創新效率的空間格局[J].華東經濟管理，2020，34（6）：27-37.

[8]? 李鈞，唐李偉.中國沿海地區旅游業效率測度——基于全局Malmquist生產率指數的實證分析[J].金融經濟，2020（8）：18-25.

[責任編輯：許立群]