我国省际旅游产业效率：指标构建与实证分析_全要素生产率论文

中国省际旅游产业效率：指标构建与实证分析，本文主要内容关键词为：实证论文,中国论文,旅游产业论文,效率论文,指标论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      迈入21世纪，中国旅游产业平稳快速发展，规模不断扩大。2013年，中国国民经济和社会发展统计公报显示，中国国内旅游收入26276亿元，国际旅游外汇收入517亿美元(3202亿元)，合计占全国国内生产总值的5.2%。旅游产业对保增长、扩内需、调结构、促就业的积极作用越加显著。2009年以来，国家先后出台了《关于加快发展旅游产业的意见》《关于进一步加快发展旅游产业促进社会主义文化大发展大繁荣的指导意见》《国民旅游休闲纲要》《旅游法》等，以促进中国旅游产业进一步发展。然而，中国旅游产业的发展始终困扰于“大而不强”的现实问题，“旅游强国”之路依然漫长。2014年7月2日，国务院常务会议确定促进旅游产业改革发展的三大政策措施，中国旅游产业迎来转型升级的关键发展期，破解“大而不强”难题以实现高质量发展成为必然。

      实现旅游产业的高质量发展，高效率是必要条件之一。高效率意味着资源配置的优化[1]，旅游产业高效率即意味着资本、劳动、技术等资源在旅游经济活动中的高利用程度。为此，构建科学的旅游产业效率测度指标，反映中国旅游产业效率的真实状况，为中国旅游产业的进一步发展提供决策依据，尤为必要。

      二、文献综述

      测度旅游产业效率已成为热门研究主题，国内外学者对酒店、旅行社和旅游景区等产业效率进行了大量研究。国内学者将城市和省级单元中的各类旅游业态作为一个整体进行测度分析。本文即对此类研究进行综述。

      (一)旅游产业效率测度方法

      从总体看，旅游产业效率的测算方法相对统一。数据包络分析法(Data Envelopment Analysis，DEA)、随机前沿分析法(Stochastic Frontier Analysis，SFA)和曼奎斯特指数(Malmquist Index，MI)是常用的三种方法。其中，DEA处理多输入，特别是多输出问题，具有绝对优势，因此在多投入多产出的旅游产业中运用最多。但是，DEA计量的是一种静态效率，衡量各决策单元在整个评价体系中的相对表现，不能反映不同时期各决策单元的效率变动。此时，需要结合MI测度旅游产业的动态效率即全要素生产率(Total Factor Productivity，TFP)。全要素生产率是指人力、物力和财力等资源开发利用的效率，等于一定时间内经济产出与各种资源要素总投入的比值，来源于效率改善、技术进步和规模效应。

      (二)旅游产业效率测度指标

      产业效率测度指标分为投入和产出两个方面。前者包含土地、资本和劳动，后者包括营业收入和税金等。由于旅游产业边界模糊以及研究目的、对象、方法和数据获取差异，旅游产业效率测度指标的选择不统一。

      1.投入指标

      (1)土地指标。因为“旅游生产不受土地面积约束”[2]，国内有关研究均未将其纳入。

      (2)劳动指标，既有研究多采用旅游产业从业人数，整体产业从业人数、旅行社或酒店从业人数以及第三产业从业人数均有采用。从旅游产业所含主要业态看，整体从业人数相对合理，第二种比较狭窄，第三种相对宽泛。此外，鉴于中国劳动就业的地域特色，杨勇、冯学刚将表征劳动力质量的劳动力素质纳入旅游企业技术效率测度模型[3]。

      (3)资本指标。由于中国未对旅游产业资本存量进行统计，数据无从获得。绝大部分旅游投资会转变成行业固定资产[4]。因此，周云波等、左冰等、岳宏志等以及胡丽丽均选择旅游产业固定资产总值作为旅游产业资本的近似替代[5-8]。然而，资本与资产存在区别，应将固定资产转化为固定资本存量(并剔除价格因素的影响)后再纳入测算。左冰等考虑到了这个问题，但是在转化时忽略了基年固定资本存量计算，不利于后续测算。

      也有研究不考虑资本数据，仅将劳动和其他投入作为指标加以选择。基于旅游服务设施条件和资源要素投入的考虑，陆相林选择了旅行社、涉外酒店和星级旅游景点的数量[9]；陶卓民等选择了旅行社和星级酒店数量[10]；梁明珠等则将旅行社、宾馆和景区数量纳入分析[11]。此外，在投入指标的选取上，甚至存在错误的做法。例如，杨荣海等，将国内外游客量等纳入投入指标[12]。

      综上可知，厘清旅游产业效率的投入指标，同时科学处理数据，实现旅游产业效率有效测度非常重要。

      2.产出指标

      总体上看，产出指标选择相对容易且统一。对于省际旅游产业而言，游客接待量和旅游收入是比较恰当的选择，二者兼具也是既有研究的共同特征。此外，旅游服务水平也是产出指标的必要选择，然而，国内学者没有考虑存在“坏产出”即差的旅游服务时的产业效率，应将旅游质量规制衡量指标纳入旅游产业效率测度分析[13]。

      综上所述，国内旅游产业效率研究有待进一步完善测度指标，以获得科学合理的测度结果。这正是本文力求创新之处。为此，本文做了以下努力：第一，确定较科学的省际旅游产业效率测度指标，主客观兼具，数据可得、完备；第二，实现旅游固定资产向旅游固定资本的科学转化；第三，将表征旅游质量指标纳入指标体系；第四，科学剔除货币价格因素。

      三、指标、数据和方法

      (一)测度指标构建

      综合既有文献研究，本文确定投入指标为：旅游产业固定资本、旅游从业人数、旅游职工教育培训人次、旅行社和星级酒店数量、4A和5A景区数量；确定产出指标为：旅游总收入、旅游接待总人次、入境游客评价和旅游投诉量(见表1)。

      

      旅游产业固定资本。旅游产业固定资本由旅游产业固定资产原值转换而得。原值数据①源自2001-2013年《中国旅游统计年鉴》。转换步骤：首先，计算基年2000年的固定资本存量，即用当年固定资产原值除以估算的折旧率与旅游经济(旅游总收入②)增长率之和；其次，从2001年起，利用永续盘存法计算各年的资本存量，公式为：

。其中，

为第t+1年和第t年资本存量，t=2000，2001，…，2010，2011；δ为折旧率(通用标准5%)。

      旅游从业人数和旅游职工教育培训人次。这两个指标分别衡量旅游产业的劳动力投入规模和质量。既有研究中多考虑前者，鲜有研究将后者纳入分析。杨勇、冯学钢用各省人口平均受教育年限表示劳动力素质，并纳入旅游企业生产率SFA模型[3]。可这个指标范围较大，不能准确反映旅游产业劳动力素质水平。选择旅游职工教育培训人次较为科学，原因在于行业、受教育对象以及教育培训知识均具有针对性。

      旅行社数量和星级酒店数量。旅游接待能力是旅游目的地提供旅游接待和服务的综合能力反映。具备一定的旅游接待能力是一个地区发展旅游产业的必要前提和重要平台。作为主要旅游接待服务机构。一个地区旅行社和酒店数量以及层次构成决定了其旅游接待条件的优劣，进而影响其旅游产业效率的水平。为此，本文选择旅行社和星级酒店数量作为旅游接待条件的衡量标准，并纳入分析。

      4A和5A景区数量。这个指标用来表征一个地区旅游资源禀赋状况。旅游资源，特别是高级别的旅游资源是吸引国外游客、发展入境旅游的物质基础[14]。一个地区旅游资源的特色、丰度、分布及开发和保护的水平，直接影响着其旅游客流的流量、流向，旅游产业经营规模、效益及发展前景[15]。区域旅游资源禀赋差异制约着区域旅游经济活动的类型和效率。由于测度时期长达13年，基于数据的可获得性、连续性和完备性原则，且因为高级景区往往对区域旅游吸引力和收入贡献力较大，本文选取4A和5A景区的数量来反映省际旅游资源禀赋。数据来自国家旅游局所公布的A级景区名录。

      旅游总收入和旅游接待总人次。旅游总收入和旅游接待总人次的实际状况可以反映出一个国家或地区旅游产业的总体规模和发达程度，是两项重要的综合性指标。其中，旅游总收入原始数据是由国内旅游收入和国际旅游收入(利用各年人民币-美元平均汇率转化为人民币)加总而得，并利用旅游消费价格指数③处理为2000年为基期的旅游收入数据；旅游接待总人次数据由国内旅游人次和入境旅游人次加总而得。国际旅游收入和入境旅游人次来自2001-2013年《中国旅游统计年鉴》，国内旅游收入和国内旅游人次则来自2000-2012年各个省(市/区)的国民经济和社会发展统计公报。

      入境游客评价和旅游投诉评价。旅游服务质量是旅游行业所提供的服务特征和特性的总和，决定着旅游目的地旅游产业发展的成败。旅游服务质量描述，通常分为游客评价和旅游投诉两个角度。相应的，本文选取入境游客对旅游服务质量的评价和旅游投诉评价两个指标。选择前者的原因在于入境旅游者的旅游体验相对成熟，评价比较符合实际情况，原始数据源自2001-2013年《旅游抽样调查资料》，所用数据则是将原始数据加权平均所得；选择后者的原因在于旅游投诉主要集中在国内旅游者，可反映旅游服务质量的状况，原始数据(旅游投诉立案受理数量)从2001-2013年《中国旅游年鉴》和各省(市/区)的旅游投诉通告搜罗整理所得，所用数据(旅游质量评分)是将万人投诉案件量(旅游案件数量除以旅游万人次)经逆向指标插值变换④所得。

      (二)测度方法

      本文分别采用DEA-BCC基本模型和DEA-MI测度中国省际旅游产业静态效率和动态效率。

      作为典型的DEA基本模型，BCC模型为多数旅游业效率研究所采用。通过建立DEA-BCC模型[16]，可以得到综合效率(Overall Efficiency，OE)、纯技术效率(Pure Technical Efficiency，PTE)和规模效率(Scale Efficiency，SE)。其中，OE值越靠近1，说明对应省际单元的旅游综合效率越高；当OE值等于1时，说明对应省际单元的旅游综合效率运行在最优生产前沿面上，投入产出组合达到综合效率最优。纯技术效率是指规模收益可变下，被考察单元与生产前沿之间的距离，距离越短，纯技术效率越高；规模效率则是指不变规模收益的生产前沿与可变规模收益的生产前沿之间的距离，距离越短，意味着规模经济效应越高。三者关系：OE=PTE×SE。

      利用DEA-MI计算旅游产业的动态效率MI。该指数大于1，表示全要素生产率是增长的。MI可以进一步分解为技术效率变化指数(Technical Efficiency Change，TEC)和技术进步指数(technical progress，TP)。TEC度量了从t期到t+1期，第i个省际单元达到潜在最优生产可能性边界距离的改变量。若TEC＞1，说明该省际单元更靠近生产可能行的边界，相对技术效率高。TEC可进一步分为纯技术效率和规模效率，二者的含义同上文所述。TP则度量了从t期到t+1期的技术进步程度，即其生产可能性边界提高之后所引起的产量提高。

      四、结果及分析

      (一)静态效率分析

      1.总体分析

      利用DEA-BCC模型，计算出31个省(市/区)的旅游产业静态效率，并选择2000年、2006年和2008年进行对比分析，以反映13年来省际旅游产业效率的变化及其规模收益所处的阶段。表2显示，中国旅游产业的综合效率处于不断下降的发展态势，综合效率从2000年的0.908下降至2006年的0.882，又继续下降至2012年的0.850。同时期，纯技术效率呈现出相同的发展状况，从0.957下降至0.928，继而降至0.880；规模效率则先降后升，即从0.949下降至0.887，后升至0.967。可以判断，中国旅游产业的技术引进对改善产业效率作用有限，可能存在技术利用程度低下、技术浪费等因素，导致中国旅游产业综合效率下降；规模效率的表现，显现出各省(市/区)不断加大的投资力度对中国旅游产业规模发展壮大起到了一定作用，然而表现不稳定。总体上，中国旅游产业的综合效率、技术效率和规模效率均是无效的，这反映了中国旅游产业“大而不强”的不争现实。

      

      2.省际层面分析

      (1)综合效率水平及效度。数据显示，中国旅游产业的综合效率较高，但呈下降趋势且不稳定。2000年、2006年和2012年综合效率在均值以上的省(市/区)数量分别为21个、13个和20个，大部分(除2006年之外)省(市/区)的旅游产业综合效率较高，资源配置能力和资源使用效率等能力较好。然而，三个时期中达到综合效率有效的省(市/区)数量分别是18个、12个和13个，总体下降。其中，北京、天津、河南、重庆、贵州、西藏、宁夏和青海三年均有效，河北、辽宁、浙江、福建、山东、广西、海南、云南、陕西和甘肃三年均无效，其余省份则在有效和无效之间变动。

      (2)技术效率和规模效率变化。伴随综合效率的效度变化，技术效率和规模效率的效度组合不稳定。山西、内蒙古、安徽、江西、湖北和湖南6个省(市/区)的技术效率和规模效率同时变化为无效或有效；吉林、黑龙江、四川、上海、广东和新疆6个省(市/区)仅规模效率有变化。在综合效率始终无效的省(市/区)中，技术效率和规模效率的效度组合也不同，河北、陕西、辽宁和福建4个省仅技术效率存在变化，浙江和甘肃规模效率和技术效率交错相变，山东、广西、海南和云南4个省(区)始终不变。进一步综合审视，技术效率和规模效率水平的变化程度也不同。较之于2000年，2006年技术效率降低和提升的省(市/区)分别有8个和3个，规模效率降低和提升的省(市/区)分别有14个和6个，技术效率和规模效率的变动均值为0.029和0.048；较之于2006年，2012年技术效率降低和提升的省(市/区)分别有9个和7个，规模效率降低和提升的省(市/区)分别有6个和15个，技术效率和规模效率的变动均值为0.030和0.048。可见，在中国旅游产业效率演变过程中，规模效率的变化起着主要作用。这与中国10多年来的发展实际情况是相符的。因为，进入21世纪以来，政府主导旅游产业发展的模式逐渐被认可、达成共识并被确定下来，中央和地方政府成为推动旅游发展的主要力量。在此形势下，政府持续出台相关政策支持旅游产业发展，在基础设施建设、项目建设、规划、营销和行业管理等方面直接或间接引导旅游企业及相关行业进行投资，且力度不断加强，中国旅游产业得以规模不断扩大，规模效率变化成为旅游产业效率变化中的主要影响因素。而技术效率方面的影响也在增大，且有超过规模效率的趋势。这也与中国重视知识创新、科学技术进步、人才培养等大背景是分不开的，技术是否得到充分吸收和利用，对于中国旅游产业效率的变化将起到关键作用。

      (3)规模收益情况。从规模收益(规模报酬)的情况看，中国旅游产业基本处于规模报酬不变或递减的状态。2000年、2006年和2012年处于规模报酬不变(Constant Returns to Scale，CRS)状态中的省(市/区)数量分别是18个、12个和15个，其中，北京、天津、河南、重庆、贵州、西藏、宁夏和青海均是规模报酬不变。同时期，处于规模报酬递减(decreasing returns to scale，DRS)状态中的省(市/区)数量分别是12个、17个和10个，其中，辽宁、山东和广西均是规模报酬递减。同时期，属于规模报酬递增(increasing returns to scale，IRS)状态中的省(市/区)数量分别是1个、2个和6个，其中海南是规模报酬递增。将规模报酬变化情况与综合效率的效度情况进行比对，不难发现规模报酬递减或递增状态的省(市/区)都是综合效率无效的，原因在于处于此阶段时，旅游产业内部分工、协调管理、市场竞争等可能存在不合理。因此，旅游产业效率的提升应与旅游产业规模报酬变化结合起来。

      (二)动态效率分析

      1.总体分析

      表3列出了基于DEA-MI的2000-2012年中国旅游产业全要素生产率及其分解。数据显示，2000-2012年中国旅游产业全要素生产率的平均增长率为-0.6%，主要是由于技术没有进步，同时，技术效率负增长，平均增长率为-0.6%。其中，纯技术效率和规模效率也呈现负增长，平均增长率分别为-0.2%和-0.4%。从时间的维度看，中国旅游产业全要素生产率及其分解情况呈现波动增长的态势。

      

      2000-2003年，是新世纪之初中国旅游业快速发展的试水阶段，各方面新旧变革更替，产业发展尚处于适应力不强的阶段，加之2003年的“非典”影响，旅游产业全要素生产率不断下降。2004年，“非典”过后，旅游产业得益于其先天快速恢复力和逐渐显现的技术进步，全要素生产率出现增长，之后在2005年和2007年有所下降之外，基本处于增长态势。对比技术效率变化指数和技术进步指数的增长变化情况，二者呈现正负增长的时期数基本相当，但是前者居多。因此，技术效率变化指数总体上是负增长，技术进步指数总体上正负抵消。由此导致中国旅游产业全要素生产率呈现年均增长率-0.6%的变化状况。在技术效率变化指数的分解方面，纯技术效率和规模效率分别平均年增长-0.2%和-0.4%，表明2000-2012年，中国旅游产业的纯技术效率和规模效率均呈现总体下降的趋势，其中规模效率在近几年显示出增长的迹象，说明中国旅游产业已经开始具有规模经济的发展趋势，这与近年来中国各地积极发展旅游产业、增大投资力度密切相关，也与信息、互联网等科学技术进步相契合。近些年，应运而生并演变成常态的在线旅游、智慧旅游等，使旅游产业传统的生产、交易和消费的模式发生了质的改变，旅游产业不可避免地呈现出规模经济特征。

      2.省际层面分析

      从分省际旅游产业全要素生产率及分解看(见表4)，2000-2012年有14个省(市/区)的全要素生产率呈现正增长。其中，江苏和北京的全要素生产率的增长率较高，分别达到9.2%和7.7%，江苏的高增长是由于技术效率改善和技术进步共同推动，北京的高增长主要由于技术进步显著。黑龙江、湖北、重庆、四川和云南的全要素生产率年均增长率为4.4%、4.5%、5.1%、4.9%和5.1%，四川和云南依赖技术效率提升和技术进步，黑龙江、湖北和重庆皆因技术进步。辽宁、上海、浙江、安徽、广东、广西和陕西的全要素生产率的年均增长率为1.8%、1.6%、2.0%、2.8%、1.4%、1.1%和1.5%，辽宁、浙江和安徽由于技术效率改善，但技术进步指数却下降；上海是技术效率不变，技术有所进步；广东和广西由于技术效率下降，技术进步有限；陕西的技术效率和技术进步均有所提升，但幅度较小。

      其余17个省(市/区)的全要素生产率呈现负增长。其中，青海和宁夏全要素生产率年均增长率分别为-11.3%和-13.2%、下降程度最高，主要因为技术效率没有改变，同时技术退步较为显著。新疆、山西、内蒙古、山东和江西的全要素生产率年均增长率为-8.5%、-8.0%、-7.7%、-6.7%和-6.0%，除新疆由于技术退步且技术效率没有改进，其余省(区)的原因在于技术效率和技术进步同时下降。河北、湖南、天津、河南、福建、甘肃和吉林的全要素生产率年均增长率为-5.2%、-5.1%、-4.6%、-4.4%、-4.2%、-4.1%和-3.8%，天津、吉林和河南由于技术效率保持不变同时技术退步，河北、福建、湖南和甘肃则因为技术效率降低且技术退步。海南、贵州和西藏的全要素生产率年均增长率为-1.3%、-1.6%和-1.9%，贵州和西藏由于技术效率不变的同时技术退步，海南则因为技术退步的幅度超过了技术效率改善的幅度。

      3.分时期对比分析

      为了深入反映中国省际旅游产业动态效率的演变，以2006年为时期节点，进一步测算2000-2006年和2006-2012年时期内的31个省(市/区)的旅游产业全要素生产率及分项指标。

      

      

      表5显示，两段时期内，旅游产业全要素生产率的年均增长率分别为-0.6%和5.1%，技术效率的年均增长率分别为-1.8%和0.6%，技术进步指数的年均增长率分别为-4.3%和4.5%，这说明2000-2006年中国旅游产业的生产率总体上处在下降态势，原因在于技术效率下降和技术退步；2006-2012年中国旅游产业的生产率总体上处在提升阶段，其中技术显著进步是主要原因。较之后段时期，前段时期的技术效率下降和技术退步的综合程度较大，因此，2000-2012年的中国旅游产业全要素生产率是下降的。

      分省际考察两个时期内旅游产业全要素生产率的年均增长情况，2000-2006年，旅游产业全要素生产率呈现负增长的省(市/区)数量为21个，青海、新疆、甘肃、吉林和湖南下降幅度加大。而这些省(市/区)中的多数省(市/区)在2006-2012年转变为正增长，少数省(区)如内蒙古、海南、西藏、青海、宁夏和新疆依旧是负增长。此外，福建由正增长转变为负增长，2006-2012年仅有7个省(区)的旅游产业全要素生产率呈现下降的态势。呈现正增长的省(市/区)中，2000-2006年为10个，依次为重庆、西藏、江苏、辽宁、云南、上海、浙江、北京、福建和广西；2006-2012年，旅游产业全要素生产率呈现年均正增长的省(市/区)数量较多，高达24个，黑龙江、河南、辽宁、四川、湖北、江苏、北京、安徽、广西和浙江的年均增长率均在10%以上，其他年均增长率较高的依次是广东、湖南、陕西、云南、吉林。以上数据再次证实了中国省际旅游产业全要素生产率“前抑后扬”的演变态势。此外，对比两个时期各个省(市/区)技术效率指数和技术进步指数，可以发现大部分省(市/区)的旅游产业在2006-2012年获得明显的提升，且技术进步指数的提升幅度更大，也再次证明了中国省际旅游产业全要素生产率是受益于技术进步而提升。

      五、结论和建议

      本文通过科学建构中国省际旅游产业效率测度指标，结合DEA-BCC模型和DEA-MI对2000-2012年中国省际旅游产业的静态效率和动态效率进行了测度和分析。

      研究结果发现：第一，中国和多数省(市/区)旅游产业的综合效率较高，但却呈下降趋势，且同纯技术效率和规模效率一样，均是无效的，没有达到效率最优。第二，不同时期，纯技术效率和规模效率的效度组合是不同的，规模效率的变化在中国省际旅游产业综合效率的变化中起着关键的作用。第三，中国省际旅游产业基本处于规模收益不变或递减的状态，规模报酬递增或递减与综合效率无效具有密切关系。第四，中国旅游产业的全要素生产率总体上呈“先抑后扬”波动增长的态势，即2000-2006年总体处在下降态势，2006-2012年则总体处在提升阶段，下降原因在于技术效率下降和技术退步，提升主要原因是技术进步显著。

      为促进中国旅游产业效率的进一步提升和转型升级，本文提出以下政策建议：第一，提高资源利用程度。中央和地方应依托地方经济，兼顾环境承载力，把握地方文脉，按照旅游资源特色和质量，对旅游资源科学适度开发、充分利用。第二，合理配置各种旅游要素。应围绕旅游活动中各种基本要素，合理投入要素数量，提升质量，形成“软硬兼施”、结构合理、功能充分发挥的旅游产业系统。第三，强化规模效率和纯技术效率。应依据经济发展状况和市场需求，合理控制旅游产业发展速度、规模，同时重视旅游知识积累和技术创新，将知识和技术创新渗透于旅游产业的各种资源要素中，最大化要素边际效用，实现旅游产业量质齐升。第四，重视规模收益的变化情况。强化产业内部合理分工、协调业务合作、减少垄断、规范行业竞争、加强培训，促使形成旅游产业规模收益递增，同时效率达到生产前沿最优水平的良好局面。

      ①2000-2009年统计范围包含旅行社、星级酒店和其他旅游企业；2010-2012年只包含旅行社、星级酒店和景区。为保证统计口径一致，本文根据2000-2009年的数据演变趋势，通过平均增长率推理获得2010-2012年的数据。

      ②利用旅游消费价格指数统一转化为以2000年为基期的数据，剔除旅游价格因素影响。

      ③2001-2012年旅游消费价格数据源自WIND数据库，其中2000年数据是由其后5年数据平均而得。

      ④参考弗雷泽研究所《世界经济自由度报告》中有关逆向指标的处理办法。

标签：全要素生产率论文;  旅游产业论文;  年均增长率论文;  实证分析论文;  dea论文;  效率论文;