基于数据包络分析的中国主要城市旅游效率评价_马晓龙

第32卷第1期2010年1月2010，32（1）：88-97Resources ScienceVol.32，No.1Jan.，2010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群[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@ 通讯作者：保继刚，E-mail:eesbjg@1）资料来源：在优秀旅游城市市长座谈会上的讲话/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定具有明显的导向性。

绩效评价对任何一种类型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，且受两岸关系影响，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，旨在寻找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第32卷第1期资源科学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]。