手机软件怎么安装第32卷第1期2010年1月
2010，32（1）：88-97
Resources Science
Vol.32，No.1Jan.，
2010
sci
文章编号：1007-7588（2010）01-0088-10
基于数据包络分析的中国主要城市旅游效率评价
马晓龙1，2
，保继刚2
（1.中国旅游研究院，北京100005；2.中山大学旅游发展与规划研究中心，广州510275）
摘要：追求更高的资源利用效率是城市旅游发展的目标，城市旅游效率评价是城市进行旅游发展资源投入
的依据。利用数据包络分析方法（Data Envelopment Analysis ，以下简称DEA ），以2005年中国58个主要城市为对象，对这些城市旅游效率的统计特征、分组特征、阶段特征和分解效率对总效率的贡献进行了评价。结果显示：该时期大多数城市的旅游处于无效率状态，且总体水平较低，平均值仅为0.44；从旅游发展的阶段上看，处于经济发达地区的城市更容易进入旅游发展的规模收益递减阶段；规模效率对总效率的影响和制约程度最强，其次是技术效率和利用效率。从我国城市旅游发展的阶段特征出发，对上述特征形成的原因进行了解释，认为现阶段中国区域经济发展的不平衡性是导致旅游效率总体水平偏低的根本原因，并对研究结果的政策含义进行了讨论。
关键词：旅游效率；数据包络分析；效率评价；城市旅游；中国
1问题的提出
在宏观经济领域，效率（Efficieny ）是指资源配置使社会所有成员得到总剩余最大化的性质[1]。城市是国家经济增长的核心，城市发展应以追求效率为目标[2]。从经济功能上看，城市是一个介于微观经
济细胞-企业和宏观经济整体-国民经济之间的一个“集合概念”，它是一个具有不同属性的企业集[3]。旅游业是城市经济发展的重要组成部分，20世纪90年代以来，中国以整体城市建设为核心的城市旅游开发越来越受到地方政府和学者的重视，特别是珠海、大连等城市旅游开发的成功，产生了巨大的示范效应，发展城市旅游成为近年来的热潮之一[4]。为了获得更高的产出水平，实现在激烈市场竞争中的优势，其发展也应追求更高的效率。因此，城市旅游效率可以通俗地理解为：将城市作为旅游经济的生产单元，实现旅游产业发展过程中单位要素投入在特定时间范围内能够实现产出最大化、使所有利益相关者得到总剩余最大化的性质。
截止2006年底，我国大陆地区各种类型和规模的城市达661个，其中地级及以上城市287个，以全
国国土面积960×104km 2计算，平均每万平方公里土地面积上就有城市0.69座，城市化水平也达到
43.9%。从旅游发展实践来看，我国旅游业一直是以城市为门户、为依托、为基地、为辐射中心展开的，城市旅游的地位和作用与日俱增[5]。根据2003
年的调研资料，当年全国171个优秀旅游城市的旅游总收入占全国旅游总收入的比重为85.70%，其中国际旅游外汇收入占全国的比重为84.76%1）。与此对应，城市用于旅游基础设施和旅游项目建设的固定资产投资数目逐年增加，据不完全统计，“十五”期间，我国完成旅游建设项目投资6257.73×108元，开工建设项目投资总额8281.5×108元[6]。其中，很大一部分投资应用于城市旅游基础设施的建设
中。在投入持续增长的同时，城市旅游的效果到底如何？不同城市在旅游发展过程中对技术进步利用、城市旅游危机事件后的自我修复、优秀旅游城市品牌利用、城市旅游标准化运动对城市服务质量提升等旅游特征的反馈能力是否一致？这些问题的回答不但有助于对30年来我国城市旅游的效果进行客观评价，而且对我国城市旅游未来发展的政策制
收稿日期：2009-03-21；修订日期：2009-10-18基金项目：国家自然科学基金（编号：40471032）。
作者简介：马晓龙，男，河北承德人，博士，主要研究方向为旅游管理与旅游规划。E-mail:hbmxl@163 通讯作者：保继刚，E-mail:eesbjg@mail.sysu.edu
1）资料来源：在优秀旅游城市市长座谈会上的讲话v/cyzl/1-ldjh/jh-4.htm ，2006-10-27.
2010年1月
马晓龙等：基于数据包络分析的中国主要城市旅游效率评价
sci
定具有明显的导向性。绩效评价对任何一种类型雨天的回忆
的组织和管理均具有重要意义[7]。确定不同城市的效率水平可以为城市旅游发展的资源投入提供决策依据，并为城市旅游竞争力的比较提供相对标准。因此，本研究试图回答以下问题：中国主要城市的旅游效率水平如何？具有哪些特征？处于何种阶段？影响原因何在？对这些问题的回答构成了本文的立论基础。
2文献回顾
文献检索结果表明，旅游酒店效率研究已经成为学术研究的热点之一[8]。早期的旅游企业经营效率研究发生在美国，学者利用数据包络分析方法（Data Envelopement Analysis,DEA ）对美国54家私有连锁酒店的管理绩效评估反映了美国旅游服务市场经营效率较高的现状[9]。随后，又采用不同的方法对这些酒店效率进行了测量，得到了近乎一致的结论，即美国酒店产业经营管理的效率较高[10~12]。在欧洲，葡萄牙旅游酒店效率研究结果表明，大部分酒店没有效率，但多数实现了效率增长，规模和区位是影响效率的主要原因[13]，并提出提高生产力、吸引外来投资等提高效率的措施和方法[14]。显然后者的研究更为深入，不仅描述了效率的现状，并进一步分析了影响效率结果的原因。近年来，中国学术界也使用DEA 方法对不同区域酒店的相对效率进行了测算和比较分析[15~18]，但研究也仅停留在现象描述阶段，缺少基于中国国情的影响因素和结构的解释，学术创新和贡献不足。此外，旅行社效率也是旅游效率研究的重要领域之一，利用DEA 方法对葡萄牙和土耳其旅行社的经营效率评价的结果表
明，大多数旅行社的经营也是无效率的[19，20]
，与中国旅行社研究的结论一致[21]。此外，不同学者还对旅游交通效率[22~25]、韩国国家公园和澳大利亚主要节事
主办地城市运营效率较低的原因进行了分析[26，27]
。
总体上看，国外旅游效率研究已经涉及到酒店、旅行社、旅游交通、旅游目的地、旅游环境等多个领域，但国内只有台湾地区学者进行了较为少量的研究，且受影响，这些研究并没有对大陆旅游研究和旅游产业发展产生明显的影响和示范作用。从研究内容上看，大陆只有少量文献涉及到酒店等特定产业部门，且这些研究仅局限于对旅游效率的简单测算，缺乏效率来源和产生机理的系统分析和理论解释，尤其缺乏对城市这种综合性旅游目的地的研究。本研究以城市这样一个复杂综
合体作为生产单元，对其旅游效率进行评价，并对效率的特征及其影响因素进行分析。
3研究设计
3.1研究方法
随机前沿分析（Stochastic Frontier Analysis ，简称SFA ）和DEA 是较好的两种效率测度方法[28，29]。其中，DEA 是一种对若干同类具有多输入、多输出的决策单元（Decision Making Unit ，简称DMU ）进行相对效率与效益方面比较的有效方法。对处理多输入、特别是多输出问题具有绝对优势[30]。城市是一个复杂的综合性旅游目的地，其旅游生产过程中包含着复杂的输入输出要素，因此，本研究选择DEA 作为效率评价方法。根据数据包络分析思想，城市旅游效率评价的本质是将这些城市作为实际DMU ，通过达到DMU 的Pareto 最优，旨在寻一个包含所有城市旅游生产集的最小凸锥，该凸锥的边界就是“生产”的最佳前沿面（Best Practice Frontier ），把所有城市旅游的生产可能性集同这个最佳前沿面进行比较，最终得到各自效率的测度。DMU 效率计算可以分为投入导向、产出导向和技术可行导向3种等价的计算方法。考虑到城市在旅游产业生产过程中投入要素的可控制性，本研究采用在产出既定条件下不同投入组合的投入导向模式。
其数学表达如下：设有j 个决策单元（j =1，2，…，j ），每个决策单元j 对应一个输入向量和一个输出向量组合（x j ，y j ），在基于凸性、锥性、无效性和最小性公理假设下，可以得到对于第j 0个决策单元DMU j 0投入和产出有效时满足规模报酬不变的DEA 模型：
min {θ}，
（1）
对上式引入松弛变量S －和S +，化为：min{θ}，
（2）
式中X j 0表示第j 0个DMU 的输入向量；Y j 0表示第j 0个
89
敏捷的反义词是什么第32卷第1期
资源科学
sci
DMU 的输出向量；θ表示投入缩小比率；λ表示决策单元线性组合的系数，带*的符号表示最优解。当存在最优解则称j 0单元为DEA 有
收视率高的韩剧效；若
存在非零值，则称j 0单元为DEA
无效，此时非零值越接近1，说明城市的旅游效率越
接近有效。可见，所谓城市旅游有效率是指在与同类所有城市比较中，该城市的旅游产出相对于投入而言最大。
根据效率研究的通常做法，在对模型分别引入不同的约束条件后，可以得到满足规模收益不变的DEA 模型、规模收益可变的DEA 模型、非递增收益的DEA 模型和投入减少假设条件下的纯技术效率，并分别求得最优值，在此基础上计算利用效率和判断在规模无效率时城市旅游效率处于规模收益递增阶段或递减阶段[31]。最终，城市的旅游效率可以分解为：①规模效率，要素投入组合的规模效率；②技术效率，实际投入到产出的转换效率；③利用效率，指以最优成本进行投入的最佳分配组合。总效率在数值上等于该3项效率的乘积。3.2对象选取
《中国旅游统计年鉴》对60个城市的旅游发展水平进行了长期统计，这些城市或者是各省、市、自治区的省会城市，或者是著名风景旅游城市，因此，被称作“主要旅游城市”。2005年，这些城市的旅游外汇收入达到173.51×108美元，占当年全年旅游外汇总收入的
67.41％。从城市地位和旅游收入的比例关系上看，这些城
市是我国城市旅游发展的最高水平，以这些城市为对象对城市旅游效率进行计算，基本可以反映我国主要城市旅游效率的真实发育水平。考虑到数据可得性以及数据包络分析计算要求数据必须为非零值和非负值等约束条件，60个城市中，延边和拉萨的统计数据不完全，本研究最终将对象选定在除这两个城市以外的其他58个城市，这58个城市占2005年中国城市总数的8.77％，分布在我国大陆除西藏以外的30个省、市、自治区。总体上看，所选城市的空间分布基本符合中国城市的实际特征。城市名称及其空间分布如图1所示。3.3指标选择
使用DEA 方法测量绩效结果的正确性很大程度上依赖测评过程中所使用的投入和产出指标[32]。本研究将中国主要城市视作旅游生产决策单元，其使用效率可表征为一定规模生产要素投入水平下的产出结果，产出水平高则效率高，反之则效率低。本质上，城市旅游的直接产出应包含满足游客旅行过程中的全部需求与服务[33]，但多数旅游效率文献选择旅游收入或旅游接待人次作为旅游服务的生
产产出[11~13，34]
。在中国，除《旅游统计年鉴》中有对不
同城市国际旅游收入（人次）的统计外，大部分城市都缺乏国内旅游收入和旅游总收入的统计，且不同城市对旅游总收入或国内旅游收入的统计口径存在较大差异，数据之间可比性较差；同时，国际旅游收入对少数符号性城市的依赖性较强，如广州、北京、上海，以此作为产出指标将提高这些城市的旅游效率水平，导致城市之间旅游效率缺乏可比性。基于数据可得性和避免误差的考虑，笔者最终放弃了国内旅游收入（人次）、国际旅游收入（人次）和旅
图1研究对象及其空间分布
Fig.1Research objects and their spatial distribution
90
2010年1月
马晓龙等：基于数据包络分析的中国主要城市旅游效率评价
sci
游总收入（人次），而选用星级饭店旅游收入这一内涵较小的指标作为产出。
经济学意义上最基本的生产要素包括土地、劳动和资本[35]。但城市旅游生产不受土地面积约束，因此，土地不能作为城市旅游发展的投入变量。但劳动和资本则对游客城市旅游满意度的提高具有重要影响，前者通过服务人员的态度和水平等“软要素”加以实现，旅游直接就业人数是较为理想的表征指标，但受产业综合性特征影响，相关年鉴中并没有对此进行正式统计，而最终选择城市第三产业从业人数这个较为宏观和笼统的指标（以此为指标具有较强的数据可得性，且几乎涵盖了所有与旅游产业相关的直接就业和间接就业人数，充分反映了旅游产业的综合性特征，缺陷在于放大了实际要素的投入规模）；而后者则通过项目建设、基础设施完善、旅游环境营造等“硬要素”加以实现，用城市固定资产投资进行表征，从城市旅游环境改善和投资直接用于游客体验改善的角度分析，尽管只有用于城市基本建设和更新改造的部分与旅游业发展表现出强烈的因果关系，但随着旅游业内涵的扩大，以旅游地产为代表的城市房地产开发投资和其他固定资产投资均对城市旅游整体吸引力提升具有重要作用。因此，在考虑旅游业第三产业龙头地位的基础上，本研究将城市旅游发展放大到产业水平，忽略城市固定资产投资在不同类型城市中的用途差异和直接用于旅游投资所占整个投资的比重差异。
此外，城市本身对游客的吸引力也是城市旅游生产过程中的一个重要投入。本研究统一使用各城市经国家旅游局审定的高级别3A 、4A 和5A 级旅游区（点）来反映他们旅游资源的综合吸引力，以旅游景区需具备的最低分值作为相应级别景区对游客的吸引力，并认为相同级别的旅游景区（点）对游客具有相同的吸引力，并将城市中所有3A 、4A 和
5A 级旅游区/点的分值加总求和，作为城市总体旅
游资源吸引力；对于商务型旅游城市的旅游吸引力而言，目前学术界尚未出现对这种类型城市吸引力大小评价的相关研究，笔者最终选择城市当年实际使用外资金额作为指标替代城市商务旅游“吸引力”，并认为城市实际使用外资金额越高，城市商务越活跃、城市的旅游吸引力越强。
需要说明的是，尽管城市旅游发展投入带来的产出并不一定在当年得到回报，但考虑到投入和产出滞后效应的同时性，以及当年投入的大部分必然影响当年产出大部分的实际情况，本研究也忽略这种滞后效应对旅游效率的影响。除注明出处外，这些数据来源于《中国城市统计年鉴》、《中国旅游统计年鉴》和《中国旅游年鉴》。2005年，中国主要城市的旅游投入产出原始数据特征如表1所示。可见，不同城市的资源投入产出规模存在较大差异，这种差异性构成了本研究所需要解决的效率问题。
4结果与分析
4.1统计特征
2005年，中国主要城市旅游效率的计算结果如
表2所示。58个城市中，效率有效的城市为5个，占
参与计算的城市总数的8.62％，其他53个城市效率无效，占城市总数的91.38％，说明该时期仅有少数城市在给定旅游发展资源投入条件下获得的实际产出位于生产的最佳前沿面上，即达到了产出最大化，但大部分城市没有实现产出最大化。总效率最小值为0.02，平均值为0.44，标准差为0.25，说明城市之间旅游效率差距较大，分布不均匀。其中，26个城市的旅游效率高于该平均值，占城市总数的44.83％；32个城市的旅游效率低于该平均值，占城
市总数的55.17％。从平均值上看，城市旅游生产过程中，仅有44％的投入资源获得了效率，而其他56％则处于利用的无效率状态，即使减少现有投入资源规模的56％，城市仍可以通过加强利用能力，
表1中国主要城市的旅游投入产出原始数据特征
驴肉怎么炖好吃又烂Table 1Original tourism inputs and outputs data of Chinese primary cities
第三产业从业人数（×104人）城市固定资产投资（×108RMB ）城市实际利用外资（×104美元）城市旅游资源吸引力（分值）星级饭店旅游收入（×108RMB ）
属性
投入变量投入变量投入变量投入变量产出变量
最小值4.3749.161064.0085.000.25
最大值584.713542.55684965.004940.00170.84
平均值
50.02766.12109077.24
841.9016.95
标准差
81.55692.85138558.21
787.4230.64
91
第32卷第1期
资源科学
sci
获得相等的产出，说明该时期我国城市旅游生产过
程中对资源利用的水平较低，资源存在较大浪费和不经济性。4.2分组特征
以0.20的效率值作为步长的分组结果如图2所示。效率值介于0~0.19这一区间的城市共有9个，占城市总数的15.52％；介于0.20~0.39这一区间的城市总数达到18个，占全部58个城市的比例达到31.03％；介于0.40~0.59区间的城市个数最多，达到19个，占城市总数的比例高达32.76％；随后，介于0.60~0.79和0.80~0.99的城市个数分别为4个和3个，占城市总数的6.90％和5.17％。总体上看，
分布在0.20~0.59这个总效率区间的城市达到37个，占总数的63.79％，说明在这个范围内形成了该时期城市旅游总效率的高发区，并基于这个高发区构成了城市的旅游总效率“单峰”分布结构特征，受“单峰”分布属于低值区间特征影响，2005年中国城市的旅游总效率总体处于较低水平。4.3阶段特征
根据DEA 的工作原理，当规模收益非增条件下效率等于规模收益不变条件下效率时，城市旅游生产处于规模收益递增阶段；相反，当规模收益非增条件下效率大于规模收益不变条件下效率时，则城市的旅游生产处于规模收益递减阶段，进一步增加要素投入将导致资源冗余，从而阻碍城市的旅游效率提高[36]。比较结果表明，2005年，北京、杭州、广
州、青岛、苏州、宁波、无锡和重庆等8个城市实现了规模收益非增条件下效率大于规模收益不变条件下的效率，占城市总数的13.79%，说明这8个城市的旅游发展规模已经超过了城市本身对要素的消化能力，资源和要素的冗余已经阻碍了城市效率水平的进一步提高，处于该阶段的城市必须通过缩小发展规模的方式在节约资源的同时实现旅游发展效率的提高；而其他50个城市的旅游发展处于规模收益递增阶段，旅游生产规模尚不足以实现收益最大化，这些城市仍可以通过扩大生产规模取得更高的旅游效率。显示在图3中，除表征这几个城市规模收益非增条件下效率的散点位置高于代表相应城市总效率的散点位置外，大多数城市的两个散点均重合在一起。
表2中国主要城市的旅游效率计算结果
Table 2Evaluation results of Chinese primary cities ’tourism efficiency
23456789101112131415
承德九江连云港湛江洛阳厦门西宁烟台西安呼和浩特秦皇岛天津吉林哈尔滨
0.090.120.130.140.140.150.180.190.200.210.220.230.240.25
1718192021222324252627282930
石家庄重庆南通长春武汉沈阳北海南宁银川温州长沙泉州兰州合肥
0.270.270.300.310.320.350.370.380.380.380.380.400.400.42汽车自动挡档位介绍
3233343536373839404142434445
贵阳威海大连汕头苏州济南青岛成都郑州桂林大同黄山福州杭州
0.430.440.440.450.460.470.470.470.490.500.530.530.540.56
474849505152535455565758
南京海口昆明广州中山北京珠海乌鲁木齐太原上海深圳三亚
0.600.670.690.720.800.830.891.001.001.001.001.00
图2
中国主要城市的旅游效率分组特征
Fig.2
Grouping characteristics of Chinese primary
cities ’tourism efficiency
92
2010年1月
马晓龙等：基于数据包络分析的中国主要城市旅游效率评价
sci
4.4分解效率对总效率的贡献分析
根据DEA 的效率评价原理，总效率与其各分解效率相互影响和制约，并据此可以判别相互关系和影响总效率的原因。为实现此目的，本研究通过建立基于各城市的旅游总效率与规模效率、总效率与技术效率、总效率与利用效率的二维有序坐标对散点图，通过散点图内散点的位置判断各分解效率与总效率之间的关系。在散点图中，横坐标为城市的旅游总效率，纵坐标分别为对应城市旅游总效率的分解效率。根据总效率与其分解效率之间的关系可知：散点图中的散点越接近于45度对角线，说明该分解效率对总效率的影响和制约强度越强；反之，越远离45度对角线，该分解效率对总效率的影响和制约强度越弱。
从图4可见，3幅图内的绝大多数散点都偏离
45度对角线，没有表现出围绕45度对角线集中分布
的特征。说明该时期城市旅游总效率的3种分解效率均不能很强地对总效率进行解释。但就3幅图的相互比较而言，由于技术效率和利用效率有效的城市个数较多，因此图4（b ）和图4（c ）中有更多散点位于顶部区域，偏离45度对角线的程度更严重；而旅
游总效率和规模效率有效的城市个数较少，因此，图4（a ）中的散点大多位于散点图顶部区域与45度对角线之间，相较于图4（b ）和图4（c ）的点更接近于45度对角线。从散点图的物理意义可知，2005年中国主要城市的旅游总效率受规模效率的制约和影响强于技术效率和利用效率，而技术效率对
总效率的影响又略强于利用效率。为了验证这种经验判断所得研究结论的稳健性和可靠性，本研究利用
SPSS 的偏相关分析功能，通过不断控制作为要素变量的规模效率、技术效率和利用效率，在消除不同分解效率相互干扰的前提下，分别对总效率与其分
解效率之间的相关强度进行测量，结果表明：该时期城市旅游总效率与其各分解效率之间均具有显著的正相关关系；在各分解效率中，规模效率与总效率的相关性最强，相关系数达到0.9391，而技术效率和利用效率与总效率的相关程度均略低于规模效率，但相关系数也分别达到0.9378和0.8936，定量测算的结果验证了经验判断所得到的研究结论。5理论解释
从投入产出角度分析，旅游发展一般要经历“高投入低产出”、“中投入中产出”和“低投入高产出”3个阶段[37]。我国区域经济发展存在较大的不平衡性，这种不平衡性已经影响到不同城市对旅游发展投入水平的差异性，并进而导致城市旅游发展水平的区域不平衡，即在一个时间断面上比较，可能某些城市已经进入了所谓的‘低投入高产出’阶段，但另外一些城市仍处于‘高投入低产出’阶段”。具体表现为：西部经济欠发达地区城市受社会基础设施和社会环境制约，旅游项目投资往往成为城市吸引外来资金进行环境改造和基础设施建设的手段，开发景区的同时要背负道路、水、电、煤气等一系列社会基础设施投资，处于典型的“高投
图3中国主要城市的旅游总效率和非增效率比较
Fig.3Comparison on Chinese primary cities ’tourism efficiency and
its Non-increasing efficiency
（a ）总效率－规模效率
（b ）总效率－技术效率（c ）总效率－利用效率
图4分解效率对总效率的贡献分析
Fig.4Contribution on Chinese primary cities ’tourism efficiency from its decomposition
93
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论