《基于DEA-Malmquist模型的我国旅游产业效率特征及其演进模式研究》由会员分享,可在线阅读,更多相关《基于DEA-Malmquist模型的我国旅游产业效率特征及其演进模式研究(21页珍藏版)》请在金锄头文库上搜索。
1、 基于DEA-Malmquist模型的我国旅游产业效率特征及其演进模式研究 徐翠蓉摘 要基于20002015年我國30省(市、自治区)的旅游产业发展数据,运用非参数DEA-Malmquist模型测算中国省际旅游产业综合技术效率、全要素生产率,分析中国旅游产业效率特征、全要素生产率时空变化特征以及各地区旅游产业效率演进模式。研究结果表明:我国旅游产业综合技术效率均值为0.562,旅游产业经营没有处在有效生产前沿面上;旅游产业全要素生产率年均增长4.2%,技术进步是旅游产业全要素生产率增长的主要驱动力;综合技术效率和全要素生产率均存在显著的时空差异性,但收敛趋势明显。依据综合技术效率大小和全要素生
2、产率变动特征可将30省划分为4种类型,按照各地在四分位图中对应点的运动规律将其旅游产业效率演进模式归结为往复式、渐进式和突变式三种。各地可据此采取相宜对策以不断提高旅游产业效率,如增强旅游产业技术创新能力、引导旅游产业投资结构和投资方向的转变等。关键词DEA-Malmquist模型;旅游产业;旅游效率;演进模式F59 A 1671-8372(2019)04-0034-09Study on the efficiency characteristics and evolution pattern of Chinas tourism industry based on DEA-Malmquist m
3、odelXU Cui-rong(School of Tourism and Geography Science, Qingdao University, Qingdao 266071, China)Abstract:Based on the data of Chinas tourism industry development of Chinas 30 provinces (cities and autonomous regions) from 2000 to 2015, the non-parametric DEA-Malmquist model was used to calculate
4、the comprehensive technical efficiency and total factor productivity of Chinas inter-provincial tourism industry, and analyze the efficiency characteristics of Chinas tourism industry, the spatial-temporal variation characteristics of total factor productivity and the efficiency evolution pattern of
5、 tourism industry in various regions. The results show that the average comprehensive technical efficiency of Chinas tourism industry is 0.562, and the tourism industry is not at the forefront of effective production; the total factor productivity of tourism industry grows by 4.2% annually, and tech
6、nological progress is the main driving force of the growth of total factor productivity of tourism industry; and there are significant temporal and spatial differences between comprehensive technical efficiency and total factor productivity, but the trend of convergence is obvious. According to the
7、comprehensive technical efficiency and the variation characteristics of total factor productivity, the 30 provinces can be divided into four categories, and according to the movement rules of the corresponding points in the quartile map, the evolution patterns of tourism industry efficiency can be c
8、lassified into reciprocating, progressive and abrupt. Therefore, local governments can take appropriate measures to continuously improve the efficiency of tourism industry, such as enhancing the technological innovation ability of tourism industry, guiding the transformation of investment structure
9、and direction of tourism industry.Key words:DEA-Malmquist model; tourism industry; tourism efficiency; evolution model改革开放以来,我国旅游产业不仅是国家创汇的重要方式,在拉动内需、改善民生、促进国民经济发展中也发挥着突出的作用。旅游产业的规模不断扩大,产业地位日益提升,已经成长为国民经济战略性支柱产业。在经济发展进入新常态的背景下,旅游产业的提质增效成为区域产业结构调整、新旧动能转换的核心问题之一。新经济增长理论和内生性增长理论认为,效率改善和技术进步是推动经济增长的重要因素
10、,旅游产业也必须通过旅游发展效率的改进来突出其经济社会功能。在当前的经济背景下,旅游产业必须走内涵式发展道路,实现发展速度、质量和效益的统一,不断提高产业的竞争力,保持持续协调健康发展。当前我国旅游经济增长是单纯依靠旅游产业要素积累而实现的规模扩张,还是技术进步和技术效率驱动的结果?我国各地旅游产业效率和全要素生产率是否存在显著差异,各地区旅游产业效率的演进规律是怎样的?为回答上述问题,本文使用数据包络分析(Date Envelopment Analysis, DEA)和非参数Malmquist指数法实证检验我国旅游产业效率及全要素生产率,并对其演进规律进行分析。一、相关文献述评经济增长理论认
11、为,要素增加或者全要素生产率提高都可推动经济增长。国内外学者对宏观及中观层面的经济增长及全要素生产率的研究起步较早。如Lau对中国工业部门全要素生产率进行了研究1;Kalirajan对中国农业的生产率、技术进步及技术效率进行了分析和测算2。国内彭国华对中国地区收入差距、全要素生产率及其收敛性进行了分析3;曹跃群对我国第三产业全要素增长情况进行了分析和检验4。在旅游研究领域,国外学者对旅游产业效率的研究多以具体某一类型的旅游企业作为研究对象,集中在旅游酒店、旅行社、机场等效率的研究上。如Morey&Dittman運用数据包络分析法(DEA)对美国酒店的经验效率及其影响因素进行了评价5。Ramon
12、运用DEA方法对西班牙旅行社效率进行了评价和研究6。Assaf运用随机前沿分析法和DEA方法对亚太地区的酒店业进行了评价和比较7。从国内的研究来看,胡宇娜运用DEA方法,分别对中国旅游企业中的三大组成部分景区、酒店、旅行社进行了实证检验和评价,认为我国酒店企业综合效率最好,旅行社最差8。除了对旅游企业效率的研究,我国学者还对旅游产业效率、城市旅游效率、沿海地区旅游效率等给予了较多的关注。如顾江、胡静创建了旅游生产效率模型,对中国分省区旅游生产效率进行了评价9;左冰、保继刚以19922005年的数据为依据,对中国旅游产业全要素生产率及其省际差异进行了分析和评价10;马晓龙、保继刚对中国城市旅游效
13、率及其影响因素的演化进行了研究11;陶卓民等运用DEA方法对我国旅游产业整体效率的动态变化特征以及影响因素进行了分析12;赵磊利用非参数DEA-Malmquist指数法测算了中国20012009年的省际旅游全要素生产率,认为中国各地区旅游全要素生产率差距正在缩小,最终收敛于稳态均衡水平13;刘佳、陆菊、刘宁运用数据包络分析方法对我国沿海地区的旅游产业效率进行了测度,结果显示,沿海地区旅游产业综合效率整体上呈现螺旋状上升态势14。张广海等研究了我国旅游产业集聚与旅游全要素生产率之间的关系15。可见,国内外学者对分类型旅游企业经营效率以及全要素生产率变化进行了较多的研究,这些研究着重测度了旅游效率
14、的大小,分析了影响效率的因素,但对于我国各地旅游产业效率的差异特点、发展规律尤其是动态演进模式的研究关注较少,这正是本文研究的切入点。二、研究设计(一)方法选择DEA方法是Charnes于1978年提出的一种非参数效率评价方法,主要运用运筹学原理及数学规划模型,对决策单元进行相对有效性评价的一种分析方法。Charne、Cooper等提出了基于规模报酬不变的DEA-CCR模型,然而,这一假定并不符合经济发展的实际情况,因为实际生产个体往往存在规模报酬变动。之后,Banker、Charnes扩展了DEA-CCR模型,提出了DEA-BCC模型。DEA-BCC模型基于规模报酬可变的假设,可将综合技术效
15、率(TE)分解为纯技术效率(PTE)和规模效率(SE),可以更科学地衡量不同规模报酬生产个体的相对效率值。DEA模型可以分为投入导向和产出导向,投入导向指特定产出水平下使投入最小化,产出导向是指特定投入下产出量最大化。本研究采用产出既定条件下的投入导向模式,以及规模报酬可变的DEA-BCC模型。具体如下:假定有n个独立的评价单元DMU,在本文中即指全国30个省(市、自治区),不含西藏、香港、澳门和台湾。每个决策单元DMU j(j=1,2,n)都有m种旅游投入(i=1,2,m)和s种旅游产出(r=1,2,s),用xij代表第j个决策单元第i种投入量,yrj表示第j个决策单元第r种投入量,则DEA
16、-BCC模型为:(1)式1中,为所测度的我国旅游产业综合技术效率值(TE),为权重变量,为松弛变量,为剩余变量,为非阿基米德无穷小,;当且时,表明该省旅游产业效率为DEA有效,当时,表明该省旅游产业非DEA有效。为进一步反映被评价单元的动态效率变化情况,本文采用Malmquist指数对我国旅游全要素生产率进行测度。DEA-Malmquist纳入时间维度,以最优生产边界为标准,测算了各期全要素生产率变化值(TFPCH)。该方法的数学表达式为:(2)式2中,()和()分别代表t与t+1期的投入和产出的集合,测量了相对前一期而言,t+1期效率的变化,测量了以t+1期最优生产边界为参照时,从t到t+1期生产活动技术效率的变化。M表示生产点()相对于点()的效率变动。M值大于1说明对应于前一期,本期内所研究的单元其旅游产业全要素生产率是提高的;M值小于1表明对应于与前一期