基于SFA模型我国旅游业效率估计和区域差异性研究.docVIP

基于SFA模型我国旅游业效率估计和区域差异性研究 　　内容摘要：本文以柯布-道格拉斯函数为基准，采用随机前沿方法（SFA）对我国省际旅游业的效率进行实证分析，结果显示：我国区域旅游业的发展正处于低效率不断向高效率转变的时期；区域旅游业效率存在较大差异，但这种差异正不断减小。 关键词：旅游业 效率 区域差异 SFA 引言及相关研究回顾 随着经济的发展，我国旅游业有着惊人的进步：国际旅游外汇收入由1978年的2.6亿美元增长到2012年的500亿美元。截至2012年底，全年国内旅游收入22706亿元，约占GDP的4.37%，同期增长了17.6%，国内出游人数达到29.6亿人次。我国旅游业的快速发展为旅游目的地的相关产业发展提供了良好的发展市场。虽然我国旅游业呈快速发展的态势，但是我国旅游产业的发展却呈现较强的区域异质性。 国外学者对于旅游效率的研究主要集中于可持续发展的方向，Blancas等（2010）利用随机前沿函数来评价西班牙旅游业的资源利用效率，他们认为西班牙应重视旅游资源的可持续发展原则，发展以保护生态为核心的绿色环保型旅游业。国内也有很多学者对旅游业的效率进行评价，但是大部分学者都采用DEA评价的方法对我国旅游业的效率进行估计，采用SFA对我国旅游业效率评价和区域差异性分析的学者较为鲜有。刘长生（2012）选取张家界市为例，对旅游区服务的效率进行分析，认为环保交通低碳旅游服务效率呈显著性季节变化，且旅游业服务的效率较低。也有少数学者采用其他方法对旅游业发展的区域差异性进行研究，如吴玉鸣（2013）采用地理加权回归的方法检验了我国省域旅游业的空间差异性，认为我国省域旅游产业具有显著的局部集群效应，且存在较强的空间自相关性。本文利用随机前沿分析技术，对我国区域旅游业的效率进行实证分析，并分析其区域差异性。 模型构建与数据样本 （一）模型设定 在一般的实证分析中，对技术效率的测算主要有两种方法：一种是数据包络分析（DEA），一种是随机前沿分析（SFA）。随机前沿分析法相对于数据包络分析法具有以下优势：一是SFA，像一般回归分析那样有统计量，可以进行参数检验，还可以对模型进行稳定性检验，而DEA则不具备；二是SFA构建的模型本身是随机模型，对于有时间序列和横截面数据的面板数据而言更为适用，而DEA方法则默认样本之间存在均等性。鉴于此，本文采用随机前沿分析法（SFA）。 根据前人的研究基础，可将SFA模型框架表示如下： y = f（x；β）* exp（v - u） （1） 其中，y表示产出水平；x表示投入量；β为模型的参数；v-u为误差项，v服从正态分布，u表示仅对某些个体带来的冲击。根据SFA模型的原理，个体的技术效率可由状态函数TE = exp（-u）表示，且u≥0。当u=0时，有y = f（x；β）* exp（v），说明个体正好处于技术效率状态；当u0时，则个体处于生产前沿的下方，即个体处于非技术效率状态。 本文首先以柯布-道格拉斯生产函数为原本，得到区域旅游业效率关于旅游产业要素投入的函数： y it = A Lit β1 Kit β2 （2） 其中，yit代表第t 年第i 个地区旅游产业的总产出水平；Lit代表第t 年第i 个地区旅游产业的劳动力要素投入量，Kit表示第t 年第i 个地区旅游产业的资本要素投入量；A表示旅游业的技术要素投入水平；β1和β2分别为劳动力要素和资本要素的投入产出弹性系数。借鉴Battese和Coelli的基本思想，可将式（2）写成如下SFA模型： lnyit= β0+β1·lnLit+β2lnKit+vit-uit （3） TEit=exp（-uit） （4） uit=exp[-η*（t-T）]*ui （5） γ=σu2/（σv2+σu2） （6） 其中，vit和uit分别为误差项的第一、二部分，且它们相互独立；TEit = exp（-uit）表示第t年第i个地区旅游产业的效率水平，当uit = 0时，有TE = 1，则该年该省旅游业处于有效率状态；当uit1时，TE∈（0，1），则处于技术无效率状态。式（5）用于反映时间因素对技术非效率的影响，其中，η为模型的参数，当η0时，随着时间推移，技术效率的递增速率逐步减少；当η 　　第一，γ值为0.0144，且在5%的水平下显著，表明我国区域旅游业的实际产出水平与随机前沿的产出水平之间的差距主要是由误差项等外部因素引起的，并非主要由内部因素所致，因此随机误差项中的技术非效率所占比重非常小。u值为 0.1037，且在1%的水平下显著，表明我国区域旅游业的技术效率在0和1之间，这意味着我国区域旅游业的实际产出水平不在生产前沿面上，而是处于技术非