基于DEA方法的智慧旅游城市效率及冗余分析

2023-04-20 01:24:09侯旭東

旅游縱覽 2023年4期

侯旭東

摘要：本文首先闡述智慧旅游城市的概念，并且以申請專利授權數量和一般公共預算支出為投入指標，以旅游總人數和旅游總收入為產出指標，構建DEA模型對原國家旅游局于2012年公布的18個“國家智慧旅游試點城市”進行旅游業效率評價及冗余分析。其次，通過對測算結果進行分析，發現18個智慧旅游城市旅游業效率均不理想，并且大部分城市都出現了科技投入冗余及旅游總人數冗余。最后提出控制地區規模、加大科技對旅游業發展的傾斜力度及培養復合人才一系列建議，以提高各個智慧旅游城市的旅游業效率。

關鍵詞：智慧旅游城市；DEA；效率研究；冗余分析

中圖分類號：F592.7 文獻標識碼：A

引言

2010年，國際商業機器公司（International Business Machines Corporation，IBM）提出智慧城市的概念，將互聯網、大數據、云計算等技術運用在城市規劃、設計、建設、管理中，讓城市的公共管理更加的高效互聯，提高政府運作機制，為市民創造美好生活[1]。我國在發展智慧城市的背景下提出了智慧旅游城市這一概念，利用物聯網、互聯網、區塊鏈等信息技術手段，圍繞旅游產業，建立廣泛覆蓋和深度互聯的城市信息網絡，從而全面提升游客的吃、住、行、游、購、娛的智能化旅游體驗，并為旅游管理和公共服務提供創新型決策依據及手段[2]。2012年，原國家旅游局公布了18個“國家智慧旅游試點城市”，包括北京、武漢、成都、福州、南京、大連、廈門、蘇州、溫州、煙臺、洛陽、無錫、常州、南通、揚州、鎮江、黃山、武夷山[3]。

國內從2003年起開始對于旅游業效率進行研究。2003—2007年為研究的起步階段，此階段的文獻數量不到10篇；2007—2011年，隨著旅游學者對旅游業效率的重視，其相關的文章數量也逐漸提高，其測算方法主要是數據包絡分析（Data envelopment analysis，DEA）和隨機前沿方法（Stochastic Frontier Approach，SFA），此階段也被認為是研究的探索階段。2011年，“十二五”規劃將旅游業正式定為國民經濟戰略支柱產業，研究旅游業效率的文章也大幅增加，方法也逐漸多樣[4]。然而當前對于旅游業效率的研究主要還是定量研究，研究方法也主要采用SFA、DEA和改進型DEA[5]。

本文使用數據包絡分析的方法，以各市專利授權數及一般公共預算支出為投入指標，以各市旅游總人數和旅游總收入為產出指標，對18個智慧旅游城市旅游業效率及投入產出冗余進行分析，并針對分析結果給出針對性的建議。

一、指標體系及評價模型

（一）指標確定及數據來源

截至目前，智慧旅游城市的旅游效率評價，其體系尤其是評價指標的選取并不確定，但有不少學者也開始進行了相應的研究，建立合理的評價指標。通常的效率評價指標考慮的是人、財、物的投入，產出為收入或利潤。而智慧旅游城市的旅游業效率評價指標在考慮資本及勞動力投入的同時，還需要考慮科技創新研究的投入。結合之前學者對智慧旅游城市評價的研究以及數據包絡分析方法對指標的限制，其指標的選取原則：①科學性，其指標的選擇依據科學的態度，借鑒前人的研究基礎及結果，并結合數據包絡方法對指標的限制條件，即DMU≥max{p×q，3（p+q）}，對一系列指標進行客觀及合理的取舍，使評價結果可信度更高、科學性更強；②相關性，智慧旅游城市在旅游產業的發展上除了投入資本及勞動力，還要考慮科技創新指標，因此其產出指標也應該與旅游收入及旅游獲益相關；③可獲取性，其效率評價指標的選取應該真實可信，其來源不僅與社會發展水平相關還應該考慮數據的可獲取性及權威性，能夠真實反映測算出來的結果。

故本文DEA模型的投入和產出指標如表1所示。其數據來源于各個城市的統計年鑒。目前各個城市只公布了2021年統計年鑒，其數據為2020年數據，所以本次分析只對18個智慧旅游城市2020年的數據進行靜態分析。

（二）模型評價

二、效率測算結果

（一）指標描述性分析

本文選取的是18個“國家智慧旅游試點城市”包括北京、武漢、成都、福州、南京、大連、廈門、蘇州、溫州、煙臺、洛陽、無錫、常州、南通、揚州、鎮江、黃山、武夷山。其投入指標為2020年各個城市的旅游總人數、旅游總收入，其產出指標為專利授權數、一般公共預算支出。數據來源于各個城市2021年統計年鑒，各指標描述性統計分析如表2所示。

18個城市旅游總人數均值為8 513.36萬人次，最大值為武漢25 911.90萬人次，最小值武夷山1 078.57萬人次，標準差6 427.05萬元。旅游總收入均值1 220.23億元，最大值為成都3 005.20億元，最小值228.89億元，標準差為875.04億元。專利授權數均值46 487件，最大值北京162 824件，最小值武夷山255件，標準差42 780件。一般公共預算支出均值14 232 028.89萬元，最大值北京71 161 762萬元，最小值武夷山295 957萬元，標準差15 249 500.80萬元。由此可見，由于城市規模的不同，指標之間的差距也較大，其投入及產出指標較大的均為二線以上的城市，其中北京的兩個投入指標均為最大值，而武夷山的投入和產出指標均為最小值。

（二）指標相關性分析

使用SPSS軟件對選取的投入產出指標進行相關性分析，其結果如表3所示。結果表示各指標之間均呈正相關，指標之間相關系數最小值0.542，最大值0.931，其中專利授權數與旅游總人數之間的相關系數為0.542，與旅游總收入之間的相關系數為0.754。一般公共預算支出與旅游總人數之間的相關系數為0.642，與旅游總收入之間的相關系數為0.767。證明本文所選取的指標較為合適，可用于數據包絡分析進行效率測算。

（三）模型測算結果

根據投入與產出數據，運用DEAP 2.1軟件VRS計算的智慧旅游城市旅游業效率結果如表4所示，由其結果可以看出，所測決策單元旅游業效率均不理想，綜合技術效率平均值為0.259，純技術效率平均值為0.670，規模效率平均值為0.359，純技術效率為1的城市有武漢、成都、黃山、洛陽、武夷山，說明在目前的技術水平上，拋開規模效率，其投入資源的使用對這5個城市是有效果的。然而綜合技術效率為1的只有武夷山一家，說明武漢、成都、黃山、洛陽這4個城市由于智慧城市的建設較早，且城市規模大，此時處于規模無效的狀態，所以即便純技術效率有效，但是綜合技術效率仍然無效，其改進的重點應該放在提升規模效益上面。除了武夷山規模報酬不變，其他的17個智慧旅游城市均為規模報酬遞減的狀態，其原因主要為城市規模較大，管理上效率下降，導致生產要素按相同比例同時增加時，產量增加的比例小于投入要素的變化比例。除武夷山外，所有的智慧旅游城市的旅游業效率都沒有達到最優，甚至大多數都處于很低的水平，在旅游業方面的科技和資金投入都沒有達到最優配置。

三、冗余分析

（一）投入冗余

同樣通過數據包絡分析測算出科技投入冗余和資金預算投入冗余，如表5所示，可以看出大多數智慧旅游城市都存在科技投入冗余，說明城市的科技投入沒有完全運用到旅游產業的發展當中，在智慧旅游方面，不夠重視科技創新。

其投入冗余比例如表6所示，科技投入冗余在17%以上的城市浙江省有1例為溫州，江蘇省有5例分別為南京、蘇州、無錫、常州和揚州。說明在智慧旅游城市中，江浙地區的科技創新投入雖多，但重點不在旅游業方面。財政預算投入冗余僅北京市，且冗余比例較低，說明財政預算的投入方面沒有出現投入浪費且投入效率較好。

（二）產出冗余

產出冗余如表7所示，可以看出只有旅游總人數出現產出冗余，而旅游總收入沒有出現冗余，表明2020年采取的一系列政策對人們外出旅游造成不小的影響，50%智慧旅游城市的旅游總人數沒有達到最優狀態。

其產出冗余比例如表8所示，冗余比例在17%以上的城市有北京、大連、南京、蘇州。表明特殊時期管控政策對大城市尤其是二線以上的城市影響較大，旅游總人數受限。

四、建議

（一）控制地區規模

由效率測算結果可以看出，除武夷山以外所有的智慧旅游城市都處于規模報酬遞減狀態，影響投入效益的產出。因此不可盲目擴充規模，造成資源的浪費和公共管理方面的滯后。應合理調整城市發展的規模結構，提升管理效率，健全制度機制，使收益最大化，實現最優水平。

（二）傾斜科技力度

由投入冗余可以看出，大部分智慧旅游城市在科技創新投入方面力度不小，但其重點沒有放在旅游產業方面，所以在旅游業效率方面出現冗余狀態，政府應該制定相應政策，鼓勵對旅游產業科技創新的投資，關注旅游業發展，加大對旅游產業的科技扶持力度，更好地實現旅游智慧化，從而提升旅游產業效益及旅游業的服務質量，同時還能提高旅游管理水平。

（三）培養復合人才

互聯網時代及大數據時代，傳統的旅游人才培養方案已經不能滿足社會對人才的需求。高校在培養旅游人才和在職旅游從業者的繼續教育方面，要結合實際需要和社會的整體發展需求，培養懂得互聯網技術及大數據技術同時具備旅游服務素質的人才。