廣東省旅游業生產效率時空演變分析

李航飛，魏少彬

（1.韶關學院 旅游與地理學院，廣東 韶關 512005；2.汕頭市潮南區規劃設計研究院，廣東 汕頭 515144）

旅游業的持續快速發展離不開生產效率的提高及科技的進步，如旅游大數據及旅游電子商務等。國內學者對中國旅游業生產效率進行了研究，取得了較為豐碩的研究成果。從研究對象來看，涉及酒店［1］、景區［2］、城市［3］及不同區域的旅游生產效率問題；在區域尺度上，對全國旅游效率的研究居多，也有涉及長江經濟帶［4］及珠江-西江經濟帶［5］、西北地區［6］、環渤海地區［7］等地區尺度，同時也有學者聚焦于某一省市如新疆［8］、山西［9］、杭州［10］等小尺度的旅游業全要素生產率。從研究內容來看，主要涉及旅游全要素生產率及其分解的時空演變規律及特征，部分學者對旅游全要素生產率的空間聚集特征及形成機理進行了定性或定量分析［11-13］。從研究方法來看，大部分學者基于旅游投入-產出指標變量，采用數據包絡分析，以DEAMalmquist 模型為研究基礎，同時結合回歸分析、地理空間統計分析、重心分析、變異系數分析、標準差橢圓等方法對旅游全要素生產率的時空演化特征、影響因素進行了分析［13-17］。

廣東省位于南海之濱，毗鄰港澳，是中國改革開放的前沿陣地，對外交流與合作頻繁，是中國經濟發展的排頭兵，亦是中國旅游業發展的領頭羊，其旅游總人數及旅游總收入都高于全國其他省份。筆者在已有研究基礎上，以廣東省21 個地級市為研究對象，從靜態和動態兩個方面探討廣東省2009—2019 年旅游效率的時空演化及增長變化情況，以期為廣東省及其各地級市的旅游業發展提供參考。

一、研究方法與數據來源

（一）研究方法

1.BCC—DEA 模型

數據包絡分析法可從投入和產出角度建立規模報酬不變模型（CRS 模型）和規模報酬可變模型（VRS或BCC 模型）。假設有n個同類決策單元（DMUj，j=1，2，……，n，文中以廣東省21 個地級市為相應決策單元，即n值為21），每個DMU都有m種類型的投入和q種類型的產出，對于第j個DMU分別用向量Xj與Yj來表示：Xj=（X1j，X2j，…，Xmj）T，Yj=（Y1j，Y2j，…，Yqj）T，j=1，2，…，n。每個DMU效率值可通過線性規劃式即式（1）求得（投入導向VRS 模型），即：

式（1）中，Xj，Yj為廣東省21 地級市的旅游投入向量與產出向量；λ表示權重向量；θ為與產出相對應投入的有效程度即效率值（0≤θ≤1）。在VRS 模型中，綜合技術效率（TE）、規模效率（SE）和純技術效率（PET）的關系為：TE=SE*PTE。

2. DEA-Malmquist 模型

相較于增長核算法、隨機前沿法等，DEA-Malmquist 指數法具有較好的適用性，其無需對前沿生產函數進行設定，亦不用對因變量和自變量之間的關系進行設定，關于DEA-Malmquist 模型的數學表述及相關解釋詳見文獻［1-5］。

（二）數據來源

目前關于旅游投入及產出指標的選取，業界還未有統一標準。通過對已有文獻進行梳理，發現在對旅游全要素生產率進行測度時，選取的投入-產出指標主要包括資本、勞動及收入三類要素。借鑒已有研究成果［5，9，16，18-19］，選取全社會固定資產投資（單位：萬元）、第三產業從業人數（單位：萬人）作為旅游投入變量；旅游總收入（國內旅游收入及國際旅游收入，單位：億元），旅游總人數（單位：萬人）作為旅游產出變量。投入變量一定程度上會放大廣東省各地級市旅游的真正投入水平，但一方面旅游業涉及眾多行業，在第三產業中地位較為突出，亦反映出旅游業的綜合性；另一方面各地級市均存在放大情況，對計算結果不會產生影響［18］。參考已有研究成果，忽略旅游投入滯后效應對全要素生產率的影響［18］。投入-產出指標數據來自《廣東統計年鑒（2010—2021 年）》及各地級市統計年鑒（2010—2021 年）。

二、廣東省旅游業效率時空演變分析

（一）旅游靜態效率分析：BCC-DEA 模型

（1）從廣東省整體情況來看，2009—2020 年各年份的旅游綜合效率、純技術效率及規模效率偏低，其值都小于1，特別是綜合效率與理想值1 差距較遠，相對旅游投入，旅游產出效率不高，還有很大提升空間（見圖1）。

圖1 廣東省2009—2020 年旅游效率

（2）從廣東省4 個區域（珠三角：包括廣州、深圳、珠海、中山、佛山、東莞、惠州、江門、肇慶9 地級市；東翼：包括汕頭、潮州、揭陽、汕尾4 地級市；西翼：包括湛江、茂名、陽江3 地級市；山區：包括韶關、清遠、河源、梅州、云浮5 地級市。下同）來看（見圖2），山區地級市的平均旅游綜合效率較高且明顯高于全省平均值（少數幾個年份除外）；珠三角地級市的平均旅游綜合效率與全省變化基本一致，略低于全省均值；東翼和西翼地級市的平均旅游綜合效率則明顯低于全省均值。

圖2 廣東省2009—2020 年旅游效率區域差異

（3）由廣東省各地級市平均旅游效率及排名可知（見表1），山區旅游生產效率最高，所有地級市的平均旅游綜合效率高于全省平均值，珠三角、東翼的大部分地級市的平均旅游綜合效率低于全省平均值；西翼所有地級市的平均旅游綜合效率低于全省平均值。 從各個地級市的旅游效率來看（見表2），各個年份旅游效率相對有效（綜合效率值為1）的地級市數量不多，珠三角的廣州、珠海，山區的梅州、云浮，東翼的潮州等地級市出現的頻率較高，旅游生產效率較高。

表1 廣東省2009—2019 年各地級市平均旅游效率及排名

表2 廣東省2009—2020 年旅游效率相對有效的地級市

（4）從離散情況來看（見圖3、圖4），2009—2020 年，標準差和變異系數的變化趨勢基本一致。廣東省省域內的旅游效率絕對差異和相對差異基本未發生變化，標準差維持在0.2～0.25 之間，變異系數維持在0.3～0.4 之間；東翼和西翼內部差異的變幅較為明顯；山區地級市內部的差異變化最小。

圖3 廣東省旅游綜合效率標準差

圖4 廣東省旅游綜合效率變異系數

（二）動態效率分析：DEA-Malmquist 模型

基于DEA-Malmquist 原理，同樣利用軟件Deap 2.1 對廣東省旅游全要素生產率（TFP）進行測算。2020年是旅游業的“寒冬”，受疫情影響，廣東省2020 年接待的旅游總人數（主要為省內旅游人數，跨省及入境旅游人數甚少）和旅游總收入僅分別為2019 年43.39%和30.94%；旅游客源的急劇減少導致旅游效率難以體現和提升，旅游全要素生產率僅為0.235，旅游生產效率下滑幅度非常之大（76.5%）。為了能較為真實地反映廣東省旅游效率的長期變化趨勢，以下選擇2009—2019 年數據進行分析。

1.TFP時序變化特征分析

（1）廣東省整體旅游全要素生產率（TFP）基本呈現持續增長的態勢（見圖5），2009—2019 年，各年份（2019 年除外）的旅游全要素生產率指數均大于1，其平均值為1.070，年均增長率為7.0%，整體增長速度較快（見表3）。

表3 廣東省2009—2020 年旅游全要素生產率及其分解

圖5 廣東省旅游業TFP 增長

（2）旅游TFP中技術效率指數為0.992，小于1 且明顯低于技術進步指數1.078，說明廣東省旅游全要素生產率的增長主要來自技術進步，技術效率在一定程度上阻礙了旅游生產效率的提高。從技術效率的分解項即規模效率和純技術效率來看，其對廣東省旅游TFP的增長基本沒有貢獻，旅游企業的管理能力和管理水平沒有得到明顯的提高，旅游資源配置和使用的效率不高。

（3）廣東省旅游業TFP增長率呈波動變化特點：2010—2011 年，旅游業TFP增長16.4 個百分點，達到峰值，隨后開始下降。2013 年后開始回升，這可能與我國經濟發展動能轉換有關。2013 年開始，中國經濟開始進入調結構、降增速、轉動能的新常態發展，旅游業亦進行了相應的結構性調整，創新逐漸成為促進旅游業發展的核心和主導力量，旅游TFP有所回升。

2.TFP空間特征分析

（1）除深圳、珠海外，廣東省各地級市2009—2019 年以來的旅游全要素生產均大于1，平均值為1.070，說明廣東省各地級市旅游業發展生產效率增長較快。從旅游全要素生產率的分解項來看，各地級市的技術進步率均大于1，增長率在5.4%～12%之間，技術效率及其分解項純技術效率及規模效率的增長則不理想，甚至有倒退現象，說明廣東省各地級市的旅游效率提升的主要動力來自技術進步，這與廣東省一直以來緊盯科技發展高地密切相關，廣東省科技發展取得突出成績，其科技創新能力2017—2020 年連續 4 年蟬聯全國第一，這無疑也惠及旅游業的發展，有效帶動了智慧旅游、智能旅游、旅游電子商務、旅游大數據等旅游科技的發展［20］。

（2）廣東省旅游TFP增長區域差異較為明顯，總體來看，珠三角地區的旅游TFP增長較慢，東翼、西翼及山區的旅游TFP增長較快。廣東省4 個區域中，珠三角的平均旅游TFP增長率最低，為1.035，低于全省平均水平3.5 個百分點，其內部極差值為0.115。9 個地級市中僅佛山和中山2 地級市高于全省平均值；深圳、珠海2 地級市的平均旅游效率不增反減。造成珠三角地級市旅游TFP增長率低的原因可能是珠三角地區的經濟發展水平較高，但旅游業在整個國民經濟體系中的地位呈下降趨勢［21］，對旅游科技投入相對偏低。東翼的平均旅游TFP增長率最高，達10.8%，高于全省平均水平3.8 個百分點；但其內部發展差異最大，其中揭陽高達19.2%，在全省各地級市中排名第一，與東翼最低的汕頭相差16.7 個百分點，與全省最低的深圳相差21.9 個百分點。西翼（內部極差值為0.067）和山區的旅游TFP相同，均為1.092，增長9.2%，高于全省平均值2.2 個百分點，其中山區5 地級市的旅游TFP均高于全省平均值，其內部差異最小，極差值為0.061。廣東省東翼、西翼及山區地級市經濟發展水平較低，屬于廣東省經濟欠發達地區，但區域內旅游資源較為豐富，特別是山區地級市在廣東省“一核一帶一區”戰略發展格局中，發展旅游業具有得天獨厚的優勢。

3. 廣東省各地級市旅游生產效率分類

根據2009—2019 年廣東省各地級市旅游效率發展水平值（平均值為0.677，見表2）及旅游效率發展變化值（TFP平均值為1.070，見表3），參考文獻［6］，將其分為4 種類型：活力型，其旅游生產效率高且增長快；穩健型，其旅游生產效率高但增長慢；潛力型，其旅游生產效率低但增長快；保守型，其旅游生產效率低且增長慢。不同地級市歸類見表4。由表4 可知，廣東省山區地級市全部屬于活力型一類，不僅旅游效率較高，其增長率亦較高；保守型地級市基本為珠三角地級市，旅游效率較低，其增長率亦較低。

表4 廣東省各地級市旅游效率發展類型

4.廣東省各地級市旅游TFP空間聚集分析

運用Getis-Ord Gi*指數探索2010、2019 年2 個時間節點下廣東省旅游全要素生產率增長的格局演化以識別旅游全要生產率增長的熱點區、次熱點區、冷點區及次冷點區及其空間變化情況（見圖6）。

圖6 廣東省旅游TFP 增長空間格局演化

2010—2019 年，整體上廣東省旅游TFP增長的熱點、次熱點地級市數量呈增多，冷點、次冷點地級市數量呈減少的基本態勢；且熱點、次熱點區域向廣東省東翼、西翼及山區地級市集中，而冷點、次冷點區域（2019 年10 個地級市，僅云浮為非珠三角地級市）則向珠三角集中的變化特征較為明顯。2010 年以來，廣東省旅游全要素生產率增長的高值（熱點、次熱點）地級市有集中分布之趨勢，且基本上由原來的冷點、次冷點地級市轉換而來，而冷點、次冷點地級市則基本相反。

三、結論

筆者基于數據包絡分析原理，通過DEA-BCC 模型和DEA-Malmquist 指數模型，對廣東省2009—2019 年的旅游效率進行了分析，主要有幾個方面。

（1）從靜態效率來看，廣東省各年份的旅游效率均小于1，有很大提升空間，不同年份各地級市中旅游效率相對有效即綜合效率為1 的地級市很少，最多年份僅5 個，占比23.81%；山區5 地級市的平均旅游效率最高，高出全省均值18.6 個百分點，其余區域地級市的平均旅游效率均低于全省均值，珠三角高于東翼、東翼高于西翼。

（2）從動態效率變化來看，2009—2019 年的廣東省旅游全要素生產率為1.070，年均增長7 個百分點，旅游生產效率改善較為明顯；通過對旅游全要素生產率進行分解發現，技術進步是促進其增長和改善的主要動力，技術效率對旅游全要素生產率的增長并沒有起到明顯促進作用，部分年份甚至阻礙了旅游TFP 的提高和改善；除深圳、珠海外，其余地級市的旅游全要素生產率都大于1，旅游效率得到明顯改善。

（3）根據旅游效率的差異，廣東省各地級市可劃分為4 種類型：活力型、穩健型、潛力型及保守型。在今后旅游業的發展過程中，各地級市應根據自身的實際情況制定相應的發展對策。

論文還存在一些不足，如投入-產出指標選取方面，主要根據已有研究成果選取合意產出指標。在倡導低碳經濟、低碳生活的當下，低碳旅游勢在必行，旅游業在發展過程中的非合意產出——“碳排放量”如能加入產出指標進行分析，將能更真實地反映旅游生產效率問題；另外，論文雖得出廣東省旅游生產效率時空演化的一些特征和規律，但對這些特征和規律背后的機理分析有待進一步加強。