基于DEA模型旅游产业效率研究.docVIP

基于DEA模型旅游产业效率研究 　　内容摘要：本文基于我国19个（新）一线城市2011年-2015年的旅游产业数据，采用数据包络分析（DEA）和曼奎斯特指数模型（Malmquist Index）测算（新）一线城市旅游产业的综合效率、技术效率、规模效率和全要素生产率。研究发现，（新）一线城市旅游效率整体水平较高，不同城市的旅游效率演变模式不同，但大部分呈现递增趋势，其中城市全要素生产率的提高主要依靠技术进步。最后根据效率大小和效率变化特征把19个城市分为四大类型，通过对比研究，分析每类城市的旅游发展特征并提出相应对策。 　　关键词：投入产出效率 DEA（数据包络分析） 全要素生产率 （新）一线城市 　　引言 　　目前我国旅游业已经进入飞速发展的时期，旅游业具有资源消耗低、带动系数大、就业机会多、综合效益好的特征，使其受到社会各方的重视。2016年中国全年接待国内外游客45.38亿人次，旅游总收入47458亿元。据联合国世界旅游组织测算，2016年中国旅游业对国民经济综合贡献达11%，对社会就业综合贡献超过10.26%，旅游业已融入经济社会发展全局，成为国民经济战略性支柱产业。旅游业的经营是一个投入产出的过程，从可持续发展角度出发，在旅游业发展的同时必须要考虑旅游投入和资源配置，即旅游发展效率水平的高低，而不只是盲目扩大旅游投资和规模。追求更高的旅游效率是各城市旅游发展的目标之一，我国（新）一线城市的旅游和经济发展处于领先地位，对其他城市具有标杆作用。因此有必要分析其旅游产业效率水平和结构变化，为城市旅游产业的发展和优化提供数据支持。本文使用19个城市2011-2015年的面板数据，采用DEA和曼奎斯特指数法研究城市间的效率对比和逐年变动情况，讨论城市旅游发展特征和发展战略，为旅游产业优化发展提供参考依据。 　　研究设计 　　（一）研究方法 　　第一，数据包络分析。数据包络分析（data envelopment analysis，DEA）是根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。DEA最初由美国著名运筹学家Charnes，Cooper and Rhodes（1978）提出，目前已广泛应用于不同行业及部门，是重要有效的分析工具。马晓龙、保继刚（2010）利用数据包络分析方法，对中国主要城市旅游效率的区域差异与空间格局进行了研究。Assaf（2012）运用随机前沿和DEA方法对亚太地区的酒店企业进行了评价和比较。杨春梅等（2014）应用DEA模型对中国著名旅游城市的旅游业效率进行测算分析。梁明珠等（2013）采用DEA-MI模型分析广东省21个地级市的旅游效率演进模式。该方法的优势在于不需假设具体的生产函数形式，避免了函数形式错误而造成的效率测度不准确的问题。 　　在DEA模型中，相对效率在（0，1）区间内分布，处于效率前缘的效率值为1。按照规模是否变化可把DEA模型分为两类，即规模报酬可变（VRS）假设下的BC2和规模报酬不变（CRS）假设下的CCR和两种模型。BC2分析模型中，旅游综合效率被分解为纯技术效率和规模效率，等于纯技术效率和规模效率的乘积。本文采用BC2模型对旅游产业效率进行判别和分析。 　　第二，曼奎斯特指数模型。曼奎斯特指数（Malmquist Index，MI）由瑞典经济学和统计学家StenMalmquist在1953年提出，是衡量全要素生产率变动情况的一个重要指标。曼奎斯特指数变化（TFPCH）可以分解为技术变化（TECHCH）和技术效率变化率（EFFCH）两部分，当假设规模报酬不变时，效率变化又可进一步分解为纯技术效率变化（PECH）和规模效率?化（SECH），即TFPCH=EFFCH×TECHCH=PECH×SECH×TECHCH。TFPCH1表示生产率水平相比前一年有所提高，TFPCH1表示生产率水平相比前一年有所下降，TFPCH=1表明生产率水平不变。本文通过曼奎斯特指数来测量各城市历年旅游效率的变化情况。 　　（二）研究对象 　　本文选取4个一线城市和15个新一线城市为研究对象，一线城市是北京、上海、广州、深圳，新一线城市来源于《2016中国城市商业魅力排行榜》的排名，依次是：成都、杭州、武汉、天津、南京、重庆、西安、长沙、青岛、沈阳、大连、厦门、苏州、宁波、无锡。本文研究一线城市有以下原因：第一，（新）一线城市在全国政治、经济等社会活动中处于重要地位，其综合经济实力、辐射带动能力、旅游发展情况等在全国范围处于比较领先的地位，显著的经济和旅游地位获得学者更多的关注；第二，19个城市基本位于不同的区域发展环境中，更有代表性；第三，（新）一线城市的旅游发展水平较高，具有可比性，使得研究更有意义；第四，（新）一线