基于2010~2019年长江经济带11省市的投入产出数据，运用DEA-BCC模型对旅游效率进行测算，并利用Arcgis10.8进一步揭示了旅游效率的时空演变特征。结果表明：1) 长江经济带旅游综合效率整体呈现先上升后下降的变化特征；2) 技术进步是全要素生产率增长的主要原因，而技术效率指数虽在一定程度上抑制了全要素生产率的发展，但技术进步的推动作用弥补了技术效率的抑制影响；3) 长江经济带各省市的旅游效率在10年内呈“总体上升，阶段波动”的特征。 Based on the input-output data of 11 provinces and cities in the Yangtze River Economic Belt from 2010 to 2019, this paper uses the DEA-BCC model to measure tourism efficiency, and uses Arcgis10.8 to further reveal the spatio-temporal evolution characteristics of tourism efficiency. The results show that: 1) The overall tourism efficiency in the Yangtze River economic belt increases first and then decreases; 2) Technological progress is the main reason for the growth of total factor productivity, and although the technical efficiency index restrains the development of total factor productivity to a certain extent, the promoting effect of technological progress compensates the re-straining effect of technical efficiency; 3) The tourism efficiency of provinces and cities in the Yang-tze River Economic Belt shows the characteristics of “overall rise, stage fluctuation” in 10 years.
基于2010~2019年长江经济带11省市的投入产出数据，运用DEA-BCC模型对旅游效率进行测算，并利用Arcgis10.8进一步揭示了旅游效率的时空演变特征。结果表明：1) 长江经济带旅游综合效率整体呈现先上升后下降的变化特征；2) 技术进步是全要素生产率增长的主要原因，而技术效率指数虽在一定程度上抑制了全要素生产率的发展，但技术进步的推动作用弥补了技术效率的抑制影响；3) 长江经济带各省市的旅游效率在10年内呈“总体上升，阶段波动”的特征。
长江经济带，旅游效率，时空动态特征
Hailing Zhou, Ling Qiu*
School of Management, Shanghai University of Engineering Science, Shanghai
Received: Jul. 11th, 2022; accepted: Aug. 4th, 2022; published: Aug. 12th, 2022
Based on the input-output data of 11 provinces and cities in the Yangtze River Economic Belt from 2010 to 2019, this paper uses the DEA-BCC model to measure tourism efficiency, and uses Arcgis10.8 to further reveal the spatio-temporal evolution characteristics of tourism efficiency. The results show that: 1) The overall tourism efficiency in the Yangtze River economic belt increases first and then decreases; 2) Technological progress is the main reason for the growth of total factor productivity, and although the technical efficiency index restrains the development of total factor productivity to a certain extent, the promoting effect of technological progress compensates the restraining effect of technical efficiency; 3) The tourism efficiency of provinces and cities in the Yangtze River Economic Belt shows the characteristics of “overall rise, stage fluctuation” in 10 years.
Keywords:Yangtze River Economic Belt, Tourism Efficiency, Temporal and Spatial Dynamic Characteristics
Copyright © 2022 by author(s) and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
旅游业作为国民经济战略性支柱产业，是21世纪发展前景最为广阔的产业之一，尤其是“全域旅游”的战略的提出，旅游产业更是作为优势产业，对国民经济的发展具有巨大的推动作用。同时，因为旅游资源丰富，旅游产业已成为长江经济带的支柱性产业之一，对整体经济发展也有着很大的影响。通过对国内外文献的梳理，可以发现，国外学者对旅游效率的研究主要包含低碳旅游研究 [
目前，长江经济带旅游已初具规模，然而资源倾斜、管理水平不高以及市场机制还存在缺陷，使得我国旅游产业仍存在自身技术创新能力不足、要素结构不完善、运营与转换成本偏高，效率难以提升 [
作者选取《中国旅游统计年鉴》、《中国城市统计年鉴》和各省市公布的《国民经济和社会发展统计公报》中的2011~2020年的统计数据作为数据来源。其中土地、劳动和资本这三个生产要素为效率投入指标。在充分考虑长江经济带旅游发展的基础上，本文以第三产业从业人员数量，景区数量、旅游景区和酒店数量作为旅游效率的投入指标，同时，从产出方面分析，各省市通过发展旅游业的发展可为当地带来社会、环境和经济方面的效益产出，基于旅游业在城市运作过程中渗入性较强，无法准确衡量环境效益，故本文不考虑环境效益相关指标，综合考虑选取旅游总人次(国内和入境旅游人数)、旅游总收入(国内和国际旅游收入)作为对应的产出指标，具体见表1。
| 指标类型 | 指标类别 | 指标名称 | 指标单位 |
|---|---|---|---|
| 投入指标 | 劳动力要素投入 | 第三产业从业人员 | 万人 |
| 资本要素投入 | 旅行社数量 | 家 | |
| 景区数量 | 个 | ||
| 星级饭店数量 | 个 | ||
| 产出指标 | 社会效益产出 | 旅游总人次(国内旅游人数、入境旅游人数) | 万人 |
| 经济效益产出 | 旅游总收入(国内旅游收入、国际旅游收入) | 亿元 |
表1. 长江经济带旅游效率投入产出指标
本文关于长江经济带旅游效率的测算主要使用目前较为常用的数据包络分析方法(DEA)，将被研究的决策单元(DMU)，通过输入指标数据，将输出指标与最佳前沿面进行比较，来判断DMU是否有效。本文将采用DEA-BCC模型来测度长江经济带的旅游效率并进行评价分析，主要公式如下：
min θ
s . t { ∑ j = 1 n x j λ j + s − = θ x 0 ∑ j = 1 n y j λ j − s + = y 0 s − ≥ 0 , s + ≥ 0 ∑ λ j = 1 , λ j ≥ 0 , j = ( 1 , 2 , ⋯ , n ) (1-1)
式中 x j ， y j 分别为DMU的投入投入和产出要素集； λ j 各个DMU的权重系数； s − ， s + 为DMU的松弛变量； θ 为DMU与最佳前沿面的“距离”。
Malmquist指数最早由由瑞典经济学家Sten Malmquist于1953年提出，并广泛应用于测算生产率 [
假设在t期至t + 1期的投入产出分别为 ( x t , y t ) 、 ( x t + 1 , y t + 1 ) ，当规模报酬不变时，Malmquist指数可以分别表示为：
M ( x t + 1 , y t + 1 , x t , y t ) = [ D t ( x t + 1 , y t + 1 ) D t ( x t , y t ) × D t + 1 ( x t + 1 , y t + 1 ) D t + 1 ( x t , y t ) ] 1 / 2 = D t + 1 ( x t + 1 , y t + 1 ) D t ( x t , y t ) × [ D t ( x t + 1 , y t + 1 ) D t + 1 ( x t + 1 , y t + 1 ) × D t ( x t , y t ) D t + 1 ( x t , y t ) ] 1 / 2 = e f f c h × t e c h c h
D t ( x t , y t ) ， D t + 1 ( x t + 1 , y t + 1 ) 分别表示以t期、t + 1期的技术水平代表当期的效率水平； D t ( x t + 1 , y t + 1 ) 表示以t期的技术水平代表t + 1期的效率水平； D t + 1 ( x t , y t ) 表示以t + 1期的技术水平代表t期的效率水平。 t e c h c h 表示技术效率水平的变化情况， e f f c h 表示DMU在t期、t + 1期到生产前沿面的相对距离变化情况 [
本文采用DEAP2.1软件对长江经济带旅游效率进项测算，具体结果见表2和图1。
| 年份 | 综合效率 | 技术效率 | 规模效率 |
|---|---|---|---|
| 2010 | 0.762 | 0.856 | 0.892 |
| 2011 | 0.784 | 0.851 | 0.922 |
| 2012 | 0.804 | 0.880 | 0.918 |
| 2013 | 0.850 | 0.904 | 0.940 |
| 2014 | 0.861 | 0.910 | 0.944 |
| 2015 | 0.891 | 0.921 | 0.964 |
| 2016 | 0.827 | 0.885 | 0.934 |
| 2017 | 0.769 | 0.878 | 0.878 |
| 2018 | 0.754 | 0.819 | 0.918 |
| 2019 | 0.758 | 0.812 | 0.933 |
| 平均值 | 0.806 | 0.872 | 0.924 |
表2. 2010~2019年长江经济带各省市各项效率均值
注：旅游效率平均值指的是长江经济带各省市2010~2019年间的效率均值，平均值 = 各省市效率值之和/10。
图1. 长江经济带旅游效率及其分解效率均值变化趋势(2010~2019年)
1) 综合效率方面。2010~2019年长江经济带旅游综合效率整体呈现先上升后下降的变化特征，表明随着旅游产业的快速发展，各地区的旅游效率还没有完全跟上，今后需注意旅游资源的合理利用，注重旅游效率水平的提高。
2) 分解效率方面。纯技术效率与规模效率走势大致相同，总体呈现波动式增长的变化特征，且在2010~2019年间，技术效率均大于规模效率。
为进一步分析长江经济带旅游效率的动态演变过程和特征，将利用DEAP2.1软件中的Malmquist计算方法对2010~2019年长江经济带11省市的旅游效率进行分析，计算结果见图2。可以发现，全要素生产率的波动情况与技术进步波动情况保持一致，整体呈递增趋势；其中技术效率变化指数在2014~2015、2015~2016、2016~2017和2016~2017四个时间段呈衰退趋势，在2010~2011、2011~2012、2012~2013、2013~2014和2018~2019年呈增长状态，整体下降0.1%；技术进步除2012~2013、2013~2014年外，其余时间段均上升，其年均增长率为14.6%。从技术效率和技术进步变化特征可以看出，技术进步是全要素生产率增长的主要原因，而技术效率指数虽在一定程度上抑制了全要素生产率的发展，但技术进步的推动作用弥补了技术效率的抑制影响，反映了长江经济带的旅游技术创新具有一定的优势，但在旅游发展过程中仍存在投入产出资源利用不合理等问题，市场对资源配置的优化作用尚未充分发挥。分解来看，纯技术效率指数整体呈“W”型特征，整体呈现0.7%的负增长率，反映了长江经济带各省市的旅游管理水平有下降的趋势，需进一步提升科学管理水平。从规模效率来看，其相对其他效率来说变化幅度较小，整体上涨0.6%，表明长江经济带各省市旅游产业规模处于稳定状态，还有进一步上升空间。
图2. 2010~2019年长江经济带旅游全要素生产率及分解项折线图
为更直观了解长江经济带各省市旅游效率的空间分布情况，本文选取2010、2015和2019年三个时期的数据，借助Arcgis 10.8软件对以上三个时期的11个省市的旅游效率值进行分类，从而清晰的描绘出长江经济带2010~2019年旅游效率的空间变化特征。本文通过自然断点法将长江经济带旅游效率值划分为四个层级，分别为：低值区、次低值区、次高值区和高值区。并将处于不同旅游效率区域用不同的颜色标注。
具体来看，从图3可以看到，在2010年。长江经济带旅游效率高值区有4个，其旅游效率值均达到1，包括上海、重庆、四川和贵州，这些地区都是全国著名的旅游城市，凭借旅游产业潜力大、资源规划能力突出、技术管理能力强，所以旅游效率为1，达到旅游的前沿面。长江经济带旅游效率低值区有三个，主要位于长江经济带上中游地区，即云南、江西和安徽，这些省份大多基础设施不完善、旅游资源规划不合理，导致旅游效率值低。
图3. 2010年长江经济带各省市旅游效率分级图
图4中可以看出，2015年，旅游效率高值区有6个，相比于2010年有所上升。其中最主要的是2010年次低值区和次高值区的湖北和江苏在2015年效率均有所上升。从宏观环境上讲，这可能与2015年湖北省积极促进旅游业改革发展有关，湖北省2015年探索形成了“三创四型五变化”的旅游扶贫模式，将旅游业打造为扶贫开发的主战场，同时紧跟国家战略，大胆创新旅游厕所革命；而江苏则可能与“十二五”期间江苏省政府要求推进江苏省文化旅游有关。旅游效率低值区有一个：云南；次低值区两个：湖北和浙江；次高值区两个：江西和安徽。从整体上看，长江上中下游大部分省市旅游效率相比于2010年有所上升。
图4. 2015年长江经济带各省市旅游效率分级图
图5中可以看出，2019年，旅游效率高值区有四个，相较于2015年有所减少，与2010年保持一致。旅游效率次高值区有两个，次低值区三个，整体呈散装分布的特征，分别位于长江经济带上中下游地区；低值区两个，主要包括湖北和浙江，其综合效率低主要是因为这些地区旅游投入要素规模不合理，技术创新和管理等方面较差，还需要进一步提升。
图5. 2019年长江经济带各省市旅游效率分级图
综上所述，长江经济带2010~2019年各省市的旅游效率空间分布特征存在较大差异，大致表现为以下几个方面。1) 低效率和次低效率的省市占大多数，高值区的省市先增加后减少，表明长江经济带的旅游效率普遍不高，存在下降的风险，在未来还有很大的上升空间。2) 总体上来看，长江经济带各省市的旅游效率10年呈现“总体上升，阶段波动”的特征。3) 旅游效率次低值区基本分布在中下游地区，空间分布上较为分散；旅游效率次高值区主要分布在长三角地区。4) 旅游效率高值区省市较少，但在空间分布上较为集聚。
本文通过对长江经济带11省市的旅游效率进行测度，并进行了时空演变分析，得出如下结论：
1) 长江经济带旅游综合效率整体呈现先上升后下降的变化特征，表明随着旅游产业的快速发展，各地区的旅游效率还没有完全跟上，今后需注意旅游资源的合理利用，注重旅游效率水平的提高。
2) 根据长江经济带各省市分解效率来看，技术进步是促进全要素生产率增长的主要因素，而技术效率指数虽在一定程度上抑制了全要素生产率的发展，但技术进步的推动作用弥补了技术效率的抑制影响。
3) 长江经济带各省市的旅游效率在10年内呈“总体上升，阶段波动”的特征。旅游效率次低值区和次高值区大部分处于长江经济带中下游地区，而旅游效率高值区的省市较少，且成块分布，显示出了较强的空间集聚特征。
根据上述结论，提出以下建议：1) 在确保对当地旅游产业的投入资源合理规模的前提下，完善基础设施，并根据自身旅游业特征，加大技术创新、技术管理方面的提升，促进旅游业高效发展；2) 加强政府在旅游市场上的主导作业，政府可以在资金、政策上给予一定的支持，通过积极的财税激励政策推动旅游产业的技术创新活动，加快技术进步，充分挖掘旅游资源利用潜力，提高旅游生产力。3) 长江经济带各省市可以根据不同的旅游效率值，采取分层次的资源要素投入和政策支持。如长江经济带下游区域，其基础设施完善，管理水平与创新能力均在前列，可适当发展高端休闲旅游等产品；而对效率较低的省份，可通过整合资源，统一规划的模式来提高整体区域旅游效率。
周海玲,邱 羚. 长江经济带旅游效率的时空动态特征Spatio-Temporal Dynamics of Tourism Efficiency in the Yangtze River Economic Belt[J]. 应用数学进展, 2022, 11(08): 5554-5561. https://doi.org/10.12677/AAM.2022.118585
https://doi.org/10.2167/jost609.0
https://doi.org/10.1016/S1872-2032(07)60062-6
https://doi.org/10.3390/socsci10040132
https://doi.org/10.1016/j.annals.2011.12.006
https://doi.org/10.1007/BF03006863
https://doi.org/10.2307/1913388