学文网摘要:文章将地区旅游业视为旅游生产决策单元,通过数据包络分析方法(Data Envelopment Analysis,DEA),选取相关指标,对全国31个省(市)、自治区的旅游业进行了效率评价。研究表明,各地区旅游效率差距明显,但东中西部之间效率并无差异。最后依据效率将31个省(市)、自治区进行划分,针对不同的类型提出相应的对策。
关键词:DEA;旅游业;评价
近20多年来随着我国经济的快速发展,人民生活水平日益提高,旅游业取得了令人瞩目的成就。旅游业在我国经济发展中的产业地位、经济作用日益得到提高。如何抓好旅游产业的培育,是目前迫切需要解决的问题。为此,对各地区旅游业发展状况进行有效的评价很有必要。
在国内大多数以星级酒店为研究对象。而研究区域旅游产业效率不多见,陆湘林对山东省17地市旅游业效率的研究,杨荣海、曾伟对云南旅游效率进行了研究;而对整个国内区域的效率研究比较缺乏。故本文就以DEA方法对中国各地区的旅游产业效率进行探讨,并提出提高地区效率的相应对策。
一、DEA模型介绍
DEA是一种“面向数据”的测评方法,用于测评一组具有多种投入和多种产出的决策单元的绩效和相对效率。由于DEA方法对个体的差异尤其是DMU效率的考察有着独特优势,而且可以规避参数方法的多种限制,所以被广泛地应用于各个领域。
(一)CCR模型
假定一组被考察单元的个数为n个,每个被考察单元有s个输出变量和m个输入变量。yjk表示第k个被考察单元的第j个输出变量,xik是第k个单元的第i个输入变量。第k个决策单元总效率计算问题可以转化成如下线性规划问题:
min θ
(C C R)s.t.Xλ≤θXYλ≥Yλ≥0.j=1......n①
公式①中Xk=(x1k,x2k,…xmk),Yk=(y1k,y2k,…ysk)。此模型称为CCR模型,是规模收益不变的假设下得到的。
(二)超效率DEA模型
DEA的CCR模型把决策单元分为有效和无效两种,而对于同时有效的决策单元,则无法再做出评价和比较。Andersen等于1993年提出一种超效率评价模型能够对DEA有效的单元进行排序。
超效率评价模型与CCR模型数学形式相似,其形式如下:
s.tXλ≤θXYλ≥Yλ≥0.j=1......n②
(三)BCC模型
线性规划(1)假设规模收益不变,使得运作在规模收益递增或递减的有效前沿面上的DMU得到非DEA有效的评价结果,却没有区分是规模有效还是技术非有效。
min σ
s.t∑λY≥Y∑λX≤σX∑λ=1λ≥0j=1,2,...,n③
BCC模型引入约束∑λ=1,去掉规模收益不变的假设,可以得出单元的纯技术效率。
BCC模型将系统效率分解为纯技术效率和规模效率,即系统效率=纯技术效率*规模效率。纯技术效率指各地每年能否有效利用生产技术,使产出最大化;它表示投入要素在使用上的效率。规模效率指各地每年产出与投入比例是否得当,实现产出最大化。
二、变量和数据的选取
变量选取要考虑旅游行业的本身的特点(资金、劳动密集型)而且要考虑数据的可获得性,所以笔者选取了固定资产、基本单位数及从业人员作为投入指标,以营业收入和旅游人次(包括国内或入境游)作为产出指标;其中投入变量和产出变量的数据包含星级酒店,旅行社及其他旅游企业。考虑的数据的权威性,我们采用了《中国旅游统计年鉴》2007年正副本数据。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结果的影响。
三、结果分析
我们选取之前介绍的DEA模型,计算各地区旅游业的系统效率、纯技术效率、规模效率,结果如表1所示:
(一)规模收益分析
按照规模收益值把各决策单元分为规模收益递增,规模收益不变,规模收益递减三种情况,具体见表1。
北京、天津、上海、安徽、河南、重庆的规模收益值为1,旅游发展表现为规模收益不变,即在此投入组合基础上,增加旅游投入会导致旅游产出等比例增加。山西、内蒙古等12省(市)、自治区规模收益值小于1,旅游发展表现为规模收益递增,即在此投入组合基础上,增加旅游投入会导致旅游产出“规模经济”。
其余地区的规模收益值大于1,旅游发展表现为规模收益递减,即在此投入组合基础上,增加旅游投入会导致旅游产出“规模不经济”。
(二)技术效率和规模效率分析
从上述理论部分说明得到可知系统效率=纯技术效率*规模效率,由表1可知由于纯技术效率引起的系统无效的地区只有1个,占系统无效比例的4%;由于规模效率引起的系统无效的地区有5个,占系统无效比例的20%;由于纯技术效率和规模效率引起的系统无效有19个,占统无效比例的76%。
(三)东中西部效率差异分析
改革开放以来,中国形成了东部,西部,中部三个地区,而且表现出地域发展水平较高的大多数集中在东部沿海一带,那地区差异在旅游业效率上是否存在呢?我们将从不同的地区旅游业效率进行辨别。这里我们采用非参数检验方法。结果如下表2所示:
如表2所示,我们没有理由拒绝“三个地区旅游业系统效率、纯技术效率和规模效率相同”这个假设:Kruskal-Wallis检验证明,三个区域旅游生产效率的差异性是不显著的。同样的,我们发现东部、西部、中部的两者之间无差异:Mann-Whitney检验证明不显著。
(四)旅游业地区聚类分析
为了更加清晰地划分各地区的旅游生产模式,我们将Michael Norman和Barry Stocker的方法进行聚类分析,我们把它分为如表3所示的5类(最优规模、规模过小、规模过大、纯技术无效率和易改进):
处于最优规模的地区,其总体效率(纯技术效率和规模效率)都大于1,其地区无需改进。处于规模过小的地区,其规模效率小于0.9,规模报酬递增,这些地区不仅需要增加投入,而且要注意其投入比例。在无效率的地区中都有冗余,如果光不计比例的增加投入,必然不能改变其投入产出效率。处于纯技术无效的地区,其投入的运用效率不高,导致产出不高,其必须提高每年的投入运用效率,使产出最大化。处于规模过大的地区,规模报酬递减的,更应该对现有资源的利用现状进行分析,设法充分利用现有资源提高其产出,从而达到更优的状态。处于易改进的地区,其规模效率和纯技术效率都比较高,只要略微改进即可。
四、理论解释
根据波特教授的定义,产业集群是一组在地理上靠近的相互联系的公司和关联的机构,它们同处或相关于一个特定的产业领域,由于具有共性和互补性而联系在一起。而旅游产业集群是指围绕旅游六大要素,以旅游目的地为核心,同时具有竞争与合作关系,且在目的地地区范围内相对集中,有交互关联性的企业、专业化供应商、相关产业的厂商以及相关的机构的旅游经济集聚现象。邓冰等人认为旅游产业集群的形成和发展有以下几个条件:旅游资源、客源市场、交通区位、产业链作用、***府支持等。国内学者徐康宁认为凡是经济开放程度较高的地区,产业集群的特征就比较突出;相反,产业集群的现象就比较弱。
我们可以看到效率较高地区的形成旅游产业集群的条件都比较成熟,且相对占有一定的优势。而且可以看到北京、上海等地其经济开放程度高,产业集群的特征就比较突出。故我们认为那些效率较高的城市其旅游产业集群现象相对较高。旅游产业集群能降低经营成本;使旅游企业有了更强的创新能力;促使***府加大基础设施投入;促使集群内的旅游企业改进企业制度,完善企业管理机制,达到资源的优化配置。而且旅游产业集群的强大可以促使本地旅游品牌的影响力的提高,创建旅游目的地明星效应。所以我们认为上海、北京等地区旅游效率高的原因之一就是其旅游产业形成了较强的集群效应。由于产业集群的作用使得这些地区资源组合能力、转化能力、分配能力相对较强,最终使得这些地区的投入产出效率较高。
参考文献:
1、Mary’a,Jesu’s Such.Mary’a del Mar Zamora[J].Spanish Productivity:A Regional Approach. Annals of Tourism Research,2006(3).
2、陆相林.DEA方法在区域旅游发展评价中的应――以山东省17地市为例[J].湖北大学学报,2007.
3、杨荣海,曾伟.基于DEA方法的云南旅游业效率研究[J].云南财经大学报,2008(1).
4、邵琪伟.中国旅游统计年鉴(2007)[M].中国旅游出版社,2008.
*本文属四川省哲学社会科学重点研究基地――四川旅游发展研究中心立项资助课题(编号LY08-14)。
(作者单位:电子科技大学经济与管理学院)
转载请注明出处学文网 » 应用DEA方法评价我国各地区旅游生产效率