删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国旅游全要素生产率及其分解研究

本站小编 Free考研考试/2021-12-29

查建平, 钱醒豹, 赵倩倩, 舒皓羽
四川大学旅游学院,成都 610065

Estimation and decomposition of total factors productivity of China’s tourism

ZHAJianping, QIANXingbao, ZHAOQianqian, SHUHaoyu
Sichuan University, School of Tourism, Chengdu 610065, China
通讯作者:通讯作者:舒皓羽,E-mail：scu_shuhaoyu@hotmail.com
收稿日期:2017-11-7
修回日期:2018-07-20
网络出版日期:2018-12-20
版权声明:2018《资源科学》编辑部《资源科学》编辑部
基金资助:

国家自然科学基金项目（71704125）

四川大学中央高校基本科研业务费（SKQY201772）

国家旅游局面上项目（17TABG012）

作者简介:
-->作者简介:查建平,男,安徽安庆人,博士,副教授,主要研究方向为低碳经济、产业经济、旅游经济与管理。E-mail：jianping_zha@hotmail.com

展开

摘要
为更为有效测算旅游全要素生产率,弥补传统效率测算方法的局限,本文将超效率数据包络构造思路引入到双前沿面下的DEA-Malmquist指数计算之中,构建了基于双前沿面的超效率数据包络分析模型,并补充规模报酬可变的条件约束,构建出更具可信性的基于双前沿面的中国旅游全要素生产率测度及分解模型,进而对2000—2015年中国30个省（直辖市、自治区）旅行社、星级酒店与旅游景区三种类型企业的全要素生产率进行比较与分析,结论显示：三类旅游企业的全要素生产率整体呈现增长趋势,但其演化态势与增长的决定因素亦存在较大差异;同类旅游企业全要素生产率增长的决定因素存在区域异质性;同区域旅游企业全要素生产率增长的决定因素存在行业异质性。其可能的原因是现代信息技术对旅游企业资源配置的影响存在行业差异,制度供给对旅游细分行业发展的影响存在差异,以及三类旅游企业自身发展过程中演化形成不同的行业特质。

关键词：全要素生产率;双前沿面数据包络分析;旅游企业;区域差异;行业异质性;中国
Abstract
The current study introduces the mindset of super-efficiency data envelope into the DEA-Malmquist index calculation under the double frontier. We further construct a super-efficient data envelop analysis model based on double frontiers and relaxes the constraint of constant returns to scale. This model can not only make an effective distinction between multiple decision making units at the same frontier, but also give a consideration to the impact of scale agglomeration on total factor productivity. The current study monitored the total factor productivity of travel agencies, star hotels, and tourist attractions of 30 provinces (municipalities and autonomous regions) in China from 2000 to 2015. The heterogeneity of the productivity of the three types of tourism enterprises and the differences in their dominant mechanisms were further characterized based on the complexity of the structure, nature and multiple objectives of the industry. The main conclusions are as the following: the total factor productivity of the three types of tourism enterprises exhibited an overall growth trend, but the trend of change and the source of growth were also different. There are regional differences in the total factor productivity growth source of tourism enterprises of the same kind. The source of total factor productivity growth of tourism enterprises in the same region has industrial heterogeneity. The possible internal mechanism is that the modern information technology has heterogeneous influence on the resource allocation of different tourism enterprises, and the influence of the system supply on the development of tourism sub-sectors is different, as well as the different industry characteristics in the process of evolution of the three types of tourism enterprises.

Keywords：total factor productivity;double frontier data envelop analysis;tourism enterprises;regional differences;industry heterogeneity;China

-->0
PDF (6171KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
查建平, 钱醒豹, 赵倩倩, 舒皓羽. 中国旅游全要素生产率及其分解研究[J]. 资源科学, 2018, 40(12): 2461-2474 https://doi.org/10.18402/resci.2018.12.13
ZHA Jianping, QIAN Xingbao, ZHAO Qianqian, SHU Haoyu. Estimation and decomposition of total factors productivity of China’s tourism[J]. RESOURCES SCIENCE, 2018, 40(12): 2461-2474 https://doi.org/10.18402/resci.2018.12.13

1 引言

随着社会经济发展、家庭收入水平提高以及假日经济蓬勃兴起,旅游在人们生活方式与消费需求中的重要程度越发突显,再加上中国政府层面为旅游产业所提供的一系列政策支持,以及各地区旅游相关配套及辅助设施的日趋完善,中国旅游产业发展步入“快车道”。2009年,中国国务院在《关于加快发展旅游业的意见》^[1]中将旅游产业发展纳入国家战略体系,提出要把旅游业培育成国民经济的战略性支柱产业和人民群众更加满意的现代服务业的宏伟目标。然而,中国旅游业一直以来却面临着“宏观经济走势向好,微观经营困难较多”的局面,即便是在旅游经济领域投资不断加大的情况下亦未见明显改善^[2]。新古典经济增长理论认为,经济增长的最终源泉包括两个方面,一是资源要素投入的增加,二是既定资源要素投入下的产出增进,即全要素生产率（Total Factors Productivity,TFP）的提升。因而,中国旅游业发展过程中所面临的种种问题其症结主要在于全要素生产率低下,在资源要素投入力度不断强化的情况下,旅游全要素生产率低下决定了微观层次的旅游企业核心竞争力止步不前,进而影响到了中宏观层面旅游业的可持续发展。因此,考察各类旅游企业全要素生产率及其构成在中国旅游业转型时期的分布状态及其演化态势成为不容忽视的命题。
旅游全要素生产率指的是多时期动态条件下旅游经济领域要素（譬如资本、劳动力、旅游资源禀赋）配置与利用效率的变化程度,反映了旅游经济活动在一定时期内的效率改善与技术进步状况,是旅游增长方式转型、增长质量提升的有效途径和显著标志。迄今为止,已有较多国内外****从全方位、多维度的视角对旅游效率问题或者是对刻画旅游效率动态演进与技术进步的生产率问题进行了研究。国外相关研究聚焦于两个方面：一是旅游企业经营效率（生产率）研究,主要包括旅游酒店、旅行社、旅游景区（点）与旅游交通等等^{[3,4,5,6,7,8,9,10,11,12]};二是旅游目的地效率（生产率）研究,主要包括旅游城市、旅游度假区、国家公园、节事活动主办地、文化遗产旅游地等等^{[13,14,15,16,17,18]}。与国外相比,国内相关研究起步较晚,但近些年来的研究成果越来越多,概括而言,主要包括以下几个方面：一是国家层面的旅游效率（生产率）研究,聚焦于旅游效率（生产率）构成、动态演化以及提升策略研究^{[19,20,21,22,23,24,25]};二是区域、省区与城市层面的旅游效率（生产率）研究,聚焦于区域、省区与城市尺度下的旅游效率（生产率）空间差异、时序特征及其形成原因^{[26,27,28,29,30,31,32]};三是微观层面的旅游效率（生产率）研究,聚焦于微观尺度下的旅游酒店、国家级森林公园、风景名胜区、国家级自然保护区、旅游上市公司等^{[33,34,35,36,37,38,39]}。因而,已有相关研究成果较为丰富,为本文研究主题的展开提供了一定的参照,但尚未有****同时对旅行社、星级酒店与旅游景区三种类型企业全要素生产率做出比较与分析。
同时,进一步文献梳理可以发现,目前关于旅游效率与生产率的研究方法主要是生产函数法、索洛余值法、随机前沿分析法（Stochastic Frontier Analysis,SFA）、数据包络分析法（Data Envelopment Analysis,DEA）以及随机前沿分析法和数据包络分析法相结合的方法。由于数据包络分析法具有无需设定函数形式、可以得到单个受评主体的具体生产率或效率数值以及能够对生产率做进一步分解等独特优势,因此,在相关研究中多数****选择利用传统的数据包络分析法对旅游生产率或效率开展研究。然而,传统的数据包络分析法研究均是基于有效决策单元组合形成的前沿面计算得到决策单元的效率,进而通过Malmquist指数进一步探究全要素生产率及其分解问题,主要包括基于DEA的Malmquist指数^[40]、Malmquist-Luenberger生产率指数^[41]、广义的Malmquist指数^[42]、非径向的Malmquist指数^[43]、全局Malmquist指数^[44]、两个相邻时期的技术共同作为参考技术的Malmquist指数^[45]以及含有多个时期的两阶段生产过程中的Malmquist指数^[46]等等,这些有效决策单元合围成的前沿面被称之为乐观前沿面。Wang等在参照乐观前沿面的基础上将相对效率排名最后的非有效决策单元共同组成的前沿面称之为悲观前沿面,进而发展出悲观数据包络分析^[47]。相关研究明确指出,合理的效率测度应该是乐观前沿面与悲观前沿面的结合,仅基于其中一种前沿面计算得到的效率值忽视了不同前沿面选择而产生的偏差^[48]。因而,有必要将双前沿面效率测度思想融入中国旅游全要素生产率的测度与分析之中。Wang等所构建的基于乐观与悲观双前沿面的DFDEA-Malmquist指数测度模型为中国旅游全要素生产率测度提供了参考^[49]。但,该指数却存在两个方面的局限：一方面,无论是基于乐观前沿面还是基于悲观前沿面的DEA-Malmquist指数,其在效率评价时容易出现多个决策单元同时处于技术前沿面的情况,相应效率值皆等于1,无法对乐观或悲观前沿面上的决策单元做进一步区分,进而导致传统DFDEA-Malmquist指数数值有失偏颇;另一方面,在传统DFDEA-Malmquist指数分解中并未考虑规模报酬变化的情形,这就意味着各个省区可以通过增加旅游业的资源要素投入等比例提升其产出,难以对技术效率演变中的规模效应所扮演的角色做进一步区分。有鉴于此,本文选择将超效率数据包络构造思路引入到双前沿面下的DEA-Malmquist指数计算之中,构建了基于双前沿面的超效率数据包络分析模型,并补充规模报酬可变的条件约束,克服传统DFDEA-Malmquist指数测度模型的局限,进而将其应用于2000—2015年中国30个省（直辖市、自治区）的旅行社、星级酒店与旅游景区三种类型企业的全要素生产率比较与分析之中,以期对中国旅游业提质增效、转型升级提供参考。

2 研究方法与数据来源

2.1 研究对象、指标选择与数据来源

本文旨在对2000—2015年中国30个省（直辖市、自治区）的旅行社、星级酒店与旅游景区三种类型旅游企业全要素生产率进行测度与分析（因西藏、香港、澳门及台湾数据缺失,故不作考虑）。
在投入产出指标选择上,本文分别以固定资产原值（万元）、从业人员数（万人）以及旅游资源吸引力（参照查建平^[50]的计算思路）作为投入指标,并利用以2000年为基期的固定资产价格指数对固定资产原值进行调整。以经过2000年为基期的GDP平减指数调整的旅游企业营业收入作为产出指标。
上述数据均来源于《中国统计年鉴（2001—2016）》^[51]、《中国旅游年鉴（2001—2016）》^[52]和《新中国六十年统计资料汇编》^[53]。

2.2 双前沿面下的DEA-Malmquist指数测度模型拓展

Wang等构建了基于乐观与悲观双前沿面的传统DFDEA-Malmquist指数测度模型,克服了基于单一前沿面的效率计算值存在偏差的局限^[49]。然而,传统双前沿面DEA-Malmquist指数亦存在一定局限,一方面,将受评决策单元当期投入产出数值纳入技术前沿参照之中,容易导致乐观或悲观情境下多个决策单元处于前沿面,无法做进一步区分,导致乐观或悲观前沿面下的DEA-Malmquist指数值产生偏差,进而影响到双前沿面下的DEA-Malm quist指数值;另一方面,在传统双前沿面DEA-Malmquist指数的分解中无法对技术效率变化做进一步区分,各受评决策单元可以通过等比例提升资源要素投入以增加其产出,忽视了规模集聚对全要素生产率的影响。基于此,本文拟对传统双前沿面DEA-Malmquist指数模型进行拓展,以规避传统双前沿面DEA-Malmquist指数的局限。
2.2.1 基于乐观前沿面的改进DEA-Malmquist指数
在对Wang等构建的传统乐观前沿面下投入导向距离函数进行对偶变换的基础上^[49],依据上述修正思路,本文对传统乐观前沿面下的DEA-Malmquist指数计算进行改进。假设存在s个决策单元

DM U_{j} (j = 1,2, \dots, s)

利用m类资源要素投入

x_{jv} (v = 1,2, \dots, m)

生产出n类产出

y_{jξ} (ξ = 1,2, \dots, n)

,对应距离函数的线性规划模型如下：
（1）
式中

D_{o}^{(t)} (x_{o}^{t}, y_{o}^{t} | C, S)

是规模报酬不变条件下第t年受评决策单元

DM U_{o}

以当年全体决策单元（不包括

DM U_{o}

）为参照点构筑前沿面所测度的乐观效率值;

w_{i}^{(t)}

为权重变量,若设定决策单元j的观察值权重

w_{j}^{(t)}

之和等于1的约束条件,则意味着受评决策单元满足规模报酬可变,以

V, S

表示,否则为规模报酬不变,以

C, S

表示。同理,能够以第t年的全体决策单元（不包括

DM U_{o}

）为参照点构筑前沿面对第t+1年

DM U_{o}

在规模报酬不变条件下的乐观效率值

D_{o}^{(t)} (x_{o}^{t}, y_{o}^{t} | C, S)

进行测度,亦能够以第t+1年决策单元为参照点构筑前沿面分别对第t年、第t+1年

DM U_{o}

在规模报酬不变条件下的乐观效率值

D_{o}^{(t + 1)} (x_{o}^{t}, y_{o}^{t} | C, S)

、

D_{o}^{(t + 1)} (x_{o}^{t + 1}, y_{o}^{t + 1} | C, S)

进行测度。与传统双前沿面DEA-Malmquist指数相似,利用上述修正的四种距离函数对应乐观效率值可构建基于乐观前沿面的DEA-Malmquist指数

(RMM I_{O}^{optimistic})

如下：

RMM I_{O}^{optimistic} = {[\frac{D_{o}^{t} (x_{o}^{t + 1}, y_{o}^{t + 1} | C, S)}{D_{o}^{t} (x_{o}^{t}, y_{o}^{t} | C, S)} \times \frac{D_{o}^{t + 1} (x_{o}^{t + 1}, y_{o}^{t + 1} | C, S)}{D_{o}^{t + 1} (x_{o}^{t}, y_{o}^{t} | C, S)}]}^{\frac{1}{2}}

（2）
在此基础上,

RMM I_{O}^{optimistic}

指数亦可进一步分解为：

（3）
式中ROTE、ROTP分别为乐观前沿面下技术效率变化与技术进步。在此基础上,进一步可通过构造规模报酬变化参考前沿面将技术效率变化（ROTE）指数进一步分解为纯技术效率变化指数（ROPTE）与规模效率变化指数（ROSE）,即：

（4）
因此,

RMM I_{O}^{optimistic}

指数可以分解为纯技术效率变化指数（ROPTE）、规模效率变化指数（ROSE）与技术进步指数（ROTP）三部分。
2.2.2 基于悲观前沿面的改进DEA-Malmquist指数
同理,悲观前沿面下的改进DEA-Malmquist指数计算亦需求解如下距离函数的线性规划模型：

\begin{array}{l} Maximize D_{p}^{(t)} (x_{o}^{t}, y_{o}^{t} | C, S) = χ, Subject ? ? to ? ? \\ \overset{s}{\sum_{j = 1, j \neq 0}} x_{jv}^{(t)} w_{j}^{(t)} \geq x_{ov}^{t} χ; v = 1,2, \dots, m \\ \overset{s}{\sum_{j = 1, j \neq 0}} y_{jξ}^{(t)} w_{j}^{(t)} \leq y_{oξ}^{t}; ξ = 1,2, \dots n; w_{j} \geq 0; j = 1,2, \dots, s ? \end{array}

（5）
式中

D_{p}^{(t)} (x_{o}^{t}, y_{o}^{t} | C, S)

是规模报酬不变条件下第t年受评决策单元

DM U_{o}

,以当年全体决策单元（不包括

DM U_{o}

）为参照点构筑前沿面所测度的悲观效率值;规模报酬设定与上述乐观前沿面下的修正DEA-Malmquist指数相似。同理,能够以第t年的全体决策单元（不包括

DM U_{o}

）为参照点构筑前沿面对第t+1年

DM U_{o}

在规模报酬不变条件下的悲观效率值

D_{p}^{(t)} (x_{o}^{t + 1}, y_{o}^{t + 1} | C, S)

进行测度,亦能够以第t+1年决策单元为参照点构筑前沿面分别对第t年、第t+1年

DM U_{o}

在规模报酬不变条件下悲观效率值

D_{p}^{(t + 1)} (x_{o}^{t}, y_{o}^{t} | C, S)

、

D_{p}^{(t + 1)} (x_{o}^{t + 1}, y_{o}^{t + 1} | C, S)

进行测度。在此基础上,可定义基于悲观前沿面的改进DEA-Malmquist 指数（

RMM I_{O}^{pessimistic}

）如下：

RMM I_{O}^{pessimistic} = {[\frac{D_{p}^{t} (x_{o}^{t + 1}, y_{o}^{t + 1} | C, S)}{D_{p}^{t} (x_{o}^{t}, y_{o}^{t} | C, S)} \times \frac{D_{p}^{t + 1} (x_{o}^{t + 1}, y_{o}^{t + 1} | C, S)}{D_{p}^{t + 1} (x_{o}^{t}, y_{o}^{t} | C, S)}]}^{\frac{1}{2}}

（6）
与

RMM I_{O}^{optimistic}

指数相似,亦可将

RMM I_{O}^{pessimistic}

指数进一步分解为纯技术效率变化指数（RPPTE）、规模效率变化指数（RPSE）与技术进步指数（RPTP）三部分。
2.2.3 双前沿面下DEA-Malmquist指数拓展
为了避免修正DEA-Malmquist指数因不同前沿面选择而导致的差异,本文亦可通过几何平均的方式对两个指数进行综合得到双前沿面下的修正DEA-Malmquist指数（

RMM I_{O}^{DF}

）如下：

\begin{array}{l} RMM I_{O}^{DF} = {[RMM I_{O}^{pessimistic} \times RMM I_{O}^{optimistic}]}^{\frac{1}{2}} \\ = RPTE \times RSE \times RTP \end{array}

（7）
式中

RPTE (RPTE = {[ROPTE ? RPPTE]}^{\frac{1}{2}})

为从第t年到第t+1年

DM U_{o}

的平均纯技术效率变化,表征了资源要素配置与利用效率变化,若

RPTE > 1

,则说明与第t年相比,第t+1年的纯技术效率上升;若

RPTE = 1

,则说明与第t年相比,第t+1年的纯技术效率不变;若

RPTE < 1

,则说明与第t年相比,第t+1年的纯技术效率下降。

RSE (RSE = {[ROSE ? RPSE]}^{\frac{1}{2}})

为从第t年到第t+1年

DM U_{o}

的平均规模效率变化,表征了规模集聚效率水平的变化,若

RSE > 1

,则说明规模效率上升;若

RSE = 1

,则说明规模效率不变;若

RSE < 1

,则说明规模效率下降。

RTP (RTP = {[ROTP ? RPTP]}^{\frac{1}{2}})

为从第t年到第t+1年

DM U_{o}

的平均技术进步变化,表征了生产与服务技术水平的变化。

3 结果及分析

本文采用Matlab7（R2011a）软件包,对中国30个省（直辖市、自治区）的旅行社、星级酒店与旅游景区三种类型旅游企业全要素生产率进行估算,并对双前沿面下的改进Malmquist指数做进一步分解,探究不同类型旅游企业全要素生产率的演化结构与区域分布,以及行业异质性产生的内在机制。

3.1 旅游企业全要素生产率的历史变迁：时间维度

表1列出了中国三类旅游企业总体的Malm-quist生产率指数及其分解。2000—2015年景区类旅游企业的全要素生产率年均增长1.7%,这主要得益于纯技术效率改进;酒店类旅游企业的全要素生产率年均增长2.5%,依赖于纯技术效率改进和技术进步提高;旅行社类旅游企业的全要素生产率年均增长9.8%,其背后的主要驱动力是技术进步。从时间维度看,中国三大类型旅游企业全要素生产率及其分解主要存在以下几个特征：
Table 1
表1
表12000—2015年中国三类旅游企业总体Malmquist生产率指数及其分解
Table 1The overall Malmquist productivity index and its decomposition of the three types of tourism enterprises in China from 2000 to 2015

时段	景区				星级酒店				旅行社
时段	RMMI	RPTE	RSE	RTP	RMMI	RPTE	RSE	RTP	RMMI	RPTE	RSE	RTP
2000—2001	0.912	0.959	0.966	0.984	1.120	1.079	1.034	1.003	1.080	1.012	1.198	0.890
2001—2002	1.221	1.055	1.156	1.001	0.964	0.954	1.008	1.002	1.137	1.032	1.058	1.041
2002—2003	0.864	0.894	0.811	1.192	0.960	0.931	0.947	1.089	0.895	0.900	0.943	1.055
2003—2004	0.973	0.931	1.045	0.999	1.139	1.052	1.057	1.024	1.410	1.237	1.102	1.035
2004—2005	0.997	1.129	0.887	0.996	1.161	1.094	1.047	1.014	1.113	1.044	1.018	1.048
2005—2006	0.896	0.930	1.097	0.879	1.016	0.996	1.017	1.002	1.092	0.969	1.043	1.080
2006—2007	0.956	0.894	1.062	1.007	0.987	0.988	1.001	0.999	1.046	1.019	1.019	1.008
2007—2008	1.289	1.232	1.046	0.999	1.100	1.083	1.015	1.000	0.939	0.931	0.977	1.032
2008—2009	1.012	1.021	0.992	0.998	1.032	1.023	1.007	1.001	1.107	1.036	1.018	1.049
2009—2010	1.070	1.187	0.902	0.999	1.064	1.029	0.995	1.040	1.731	0.947	0.999	1.831
2010—2011	1.114	1.393	0.799	0.999	1.111	1.070	1.032	1.007	1.011	0.965	1.047	1.002
2011—2012	1.041	0.973	1.069	0.999	1.018	1.005	1.012	1.000	1.136	1.100	1.032	1.001
2012—2013	1.054	1.006	1.048	0.999	0.880	0.934	0.941	1.001	0.927	0.879	0.992	1.063
2013—2014	0.953	0.958	0.995	1.000	0.920	0.966	0.948	1.003	1.042	1.014	1.011	1.016
2014—2015	0.992	0.917	1.082	1.000	0.949	0.958	0.987	1.004	1.040	1.016	1.015	1.009
均值	1.017	1.023	0.992	1.002	1.025	1.009	1.003	1.012	1.098	1.003	1.030	1.063

注：RMMI表示双前沿面下的修正DEA-Malmquist指数;RPTE表示双前沿面下的修正纯技术效率指数;RSE表示双前沿面下的修正规模效率指数;RTP表示双前沿面下的修正技术进步指数。每年各项指数均是取省份数据的几何平均数,2000—2015年的平均值是基于每个年份的几何平均数。

新窗口打开
（1）从全要素生产率的增长情况看,2000—2015年三类旅游企业总体呈现波动式正向增长态势,其中2003年由于“非典”的影响,旅游企业整体受挫,出现低谷,此后三类企业全要素生产率变化趋势出现行业性差异。景区类企业遭遇2003年的重创后一蹶不振,连续4年出现负增长,直到2008年得益于北京奥运会的举办使景区旅游迅速回温,景区类企业全要素生产率逆势上扬达到峰值,之后基本维持正向增长。酒店类企业迅速走出2003年的低谷,增长势头持续向好,直到2013年政府多举措严控“三公”经费支出使得依托政府接待为主的星级酒店陷入经营困局,星级酒店类企业受挫,全要素生产率出现新低,到2014年该类企业的颓势也依然没有缓解。旅行社类企业经历2003年的低谷后,第二年开始便全面复苏,增长快速,值得注意的是2013年《中华人民共和国旅游法》^[54]（后简称为“旅游法”）正式实施,该旅游法对零团费、负团费、强迫和变相强迫消费等旅游乱象进行了限制与规范,旅行社类企业尤其是中小旅行社类企业首当其冲,旅行社类企业进入新一轮调整期,造成当年该类企业全要素增长率出现负增长。
（2）通过对全要素生产率Malmquist指数的进一步分解可以发现：纯技术效率在三类企业中均呈先升后降的趋势,分别在2011年（景区类,1.393）、2005年（酒店类,1.094）和2004年（旅行社类,1.237）达到峰值,是景区类和酒店类旅游企业全要素生产率增长的主导力量,说明这两个行业在新技术推广和应用方面能力较强,“追赶效应”明显。技术进步在景区类和酒店类旅游企业中的变化趋势基本相同,在2003年达到顶峰后,逐步向1收敛,其技术革新的步伐趋于停滞,而旅行社类企业则在缓慢的积累中于2010年全面爆发,技术进步增速突增至83.1%,可能的原因是在线旅行社OTA模式的兴起,旅游电子商务的发展引领旅行社行业标杆企业进行技术革新实现质的飞跃,使得技术进步成为该类旅游企业全要素生产率增长的主要驱动因素。规模效率的增长在景区类和酒店类旅游企业中出现明显的由正转负的过程,说明要素的投入规模超过了其要素的转化能力,造成规模效率的降低,有必要把握投资规模,控制行业扩张速度。
（3）综合考虑三个分解值的实际表征,并结合三个分解值3年和5年的移动平均趋势（图1）来看,三类旅游企业呈现出差异性发展趋势：景区类旅游企业全要素生产率的变化由技术进步、规模效率交替主导,转变为由纯技术效率主导,依赖最优要素投入规模条件下管理和技术等因素的改善来影响全要素生产率。酒店类旅游企业全要素生产率的变化则是由技术进步和纯技术效率交替主导,最终趋向于技术进步主导,前瞻性技术的高效率帮助酒店提升客户体验,全新科技也能够帮助管理者、服务人员提升工作效率,进而驱动酒店行业全要素生产率提升。旅行社类企业全要素生产率的增长主要依赖于技术进步,在线旅行社服务的涌现迫使传统旅行社竞相进行技术革新,从营销体系、服务体系、支付体系等方面对旅游业务进行较为全面的整合与再造,以不断推动技术前沿面向外拓展,促使新业态的形成,产生良好的“标杆效应”。

显示原图|下载原图ZIP|生成PPT
图12000—2015年中国旅游业技术效率、规模效率与技术进步变化的移动平均趋势
-->Figure 1The moving average trends of technological efficiency, scale efficiency and technological progress of tourism in China from 2000 to 2015
-->

3.2 旅游企业全要素生产率的区域异质性：经验事实

表2分别列示了省际景区、星级酒店与旅行社三类旅游企业全要素生产率指数及其分解结果,各指数在省区间的变动情况充分表明,三类旅游企业全要素生产率及其分解值的变动存在着明显的区域差异。
Table 2
表2
表22000—2015年中国三类旅游企业全要素生产率指数及其分解
Table 2The total factor productivity indexes and their decompositions of three types of tourism enterprises in China from 2000 to 2015

地区	景区				星级酒店				旅行社
地区	RMMI	RPTE	RSE	RTP	RMMI	RPTE	RSE	RTP	RMMI	RPTE	RSE	RTP
北京	0.996	1.026	0.961	1.010	1.009	1.012	0.978	1.020	1.095	1.004	1.064	1.024
天津	0.946	0.981	0.938	1.029	1.036	1.024	1.004	1.008	1.130	1.033	1.038	1.054
河北	0.939	0.975	0.953	1.009	0.951	0.949	0.989	1.013	1.039	0.959	1.023	1.058
山东	1.047	1.036	0.998	1.013	1.040	0.997	1.025	1.018	1.066	0.973	1.036	1.057
福建	1.062	1.045	1.009	1.008	1.040	1.019	1.020	1.001	1.113	1.008	1.055	1.047
上海	0.925	1.027	0.889	1.013	1.050	1.034	1.003	1.013	1.112	1.022	1.061	1.025
辽宁	1.022	1.054	0.963	1.008	1.009	0.990	1.004	1.016	1.155	1.020	1.055	1.073
江苏	1.037	1.039	0.986	1.013	1.023	1.010	0.993	1.020	1.055	0.978	1.066	1.012
浙江	0.990	0.945	1.034	1.014	1.019	1.015	0.995	1.008	1.107	0.986	1.055	1.064
广东	0.809	1.053	0.989	0.777	0.992	0.983	0.991	1.018	1.146	1.002	1.067	1.071
海南	1.045	1.023	1.015	1.006	1.058	1.022	1.019	1.016	1.141	1.026	1.035	1.076
东部均值	0.981	1.018	0.975	0.988	1.020	1.005	1.002	1.014	1.105	1.001	1.050	1.051
吉林	0.961	1.008	0.944	1.010	1.072	1.059	0.995	1.017	1.070	0.984	1.003	1.084
黑龙江	1.034	0.995	1.031	1.009	1.007	1.016	0.979	1.013	1.080	1.002	1.012	1.066
山西	1.044	1.085	0.952	1.011	0.986	0.970	1.007	1.009	1.096	0.991	1.019	1.086
内蒙古	1.065	1.007	1.050	1.008	0.993	0.981	1.001	1.010	1.057	0.981	0.999	1.078
安徽	1.204	1.091	1.100	1.004	1.039	1.025	1.004	1.009	1.070	0.977	1.023	1.071
江西	1.000	1.024	0.967	1.010	1.027	0.980	1.036	1.012	1.101	0.985	1.025	1.090
河南	1.152	1.048	1.086	1.012	0.999	0.989	1.000	1.010	1.064	0.982	1.014	1.068
湖北	1.029	1.034	0.982	1.014	1.022	1.015	0.996	1.012	1.088	1.030	1.036	1.020
湖南	1.251	1.180	1.057	1.003	1.003	0.989	1.004	1.010	1.148	1.002	1.046	1.095
广西	1.038	1.059	0.971	1.010	1.073	1.057	1.004	1.012	1.109	1.004	1.038	1.065
中部均值	1.075	1.052	1.012	1.009	1.022	1.008	1.002	1.011	1.088	0.994	1.022	1.072
重庆	0.921	0.901	1.011	1.011	1.032	1.004	1.015	1.012	1.172	1.044	1.064	1.054
四川	1.015	1.029	0.976	1.010	1.010	1.006	0.991	1.013	1.105	1.016	1.012	1.074
贵州	0.992	1.035	0.945	1.014	1.028	0.993	1.024	1.010	1.115	1.021	1.023	1.067
云南	1.022	0.965	1.047	1.011	0.999	0.995	0.991	1.013	1.155	1.047	1.049	1.052
陕西	1.151	1.072	1.063	1.010	1.050	1.022	1.016	1.011	1.055	0.975	1.007	1.074
甘肃	0.965	0.966	0.987	1.011	1.007	0.989	1.007	1.011	1.063	1.014	0.989	1.061
青海	0.881	0.940	0.925	1.014	1.158	1.167	0.984	1.009	1.093	1.039	0.969	1.085
宁夏	0.999	1.018	0.969	1.013	1.017	0.993	1.012	1.012	1.112	1.007	1.016	1.087
新疆	1.082	1.076	0.993	1.013	1.010	0.994	1.001	1.015	1.061	0.997	1.005	1.059
西部均值	1.000	0.999	0.990	1.012	1.034	1.017	1.004	1.012	1.103	1.018	1.014	1.068
全国均值	1.017	1.023	0.992	1.002	1.025	1.009	1.003	1.012	1.099	1.003	1.030	1.063

新窗口打开
从三类旅游企业全要素生产率整体分布情况来看,景区类旅游企业中部地区的全要素生产率年均增长最快（7.5%）,西部地区次之（0.0%）,而东部地区呈现负增长（-1.9%）;酒店类旅游企业西部地区的全要素生产率年均增速独占鳌头,达到3.4%,而东、中部地区则不相上下,分别为2.0%和2.2%;旅行社类旅游企业东、西部地区的全要素生产率呈现并驾齐驱式高速增长,分别达到10.5%和10.3%,而中部地区稍有落后,为8.8%。三类企业全要素生产率的变动表现出明显的区域差异,中、西部地区强势崛起,增长势头迅猛,而旅游市场发展相对成熟的东部地区则力不从心,可能的原因是,一方面,中、西部地区借助国家西部大开发战略、中部崛起战略实施的东风,政策红利助推社会经济全面发展,为旅游各细分行业的发展注入了活力;另一方面,东部地区旅游业发展遭遇瓶颈,现有模式下投入要素冗余、要素利用效率低下、技术进步停滞等问题逐渐浮现,亟待进行结构性改革。
为细致考察三类旅游企业全要素生产率增长的决定因素所呈现的区域异质性,下文结合图2从同类企业的区域差异、同区域不同类企业间的差异两方面来进行探讨。

显示原图|下载原图ZIP|生成PPT
图22000—2015年中国旅游业全要素生产率增长的决定因素区域差异
-->Figure 2Regional differences in the source of total factor productivity growth of tourism in China from 2000 to 2015
-->

（1）同类企业全要素生产率增长的决定因素区域差异。景区类旅游企业东部地区全要素生产率均值小于1,规模效率和技术进步的落后是主要原因;中部地区全要素生产率年均增长7.5%,主要依赖于纯技术效率的提升;西部地区全要素生产率年均增长为0,规模效率的负向增长产生抑制作用。东、西部地区景区类旅游企业的发展方式总体上仍属于粗放式增长,单纯追求数量的增加导致其陷入“要素诅咒”。酒店类旅游企业东、中部地区全要素生产率年均增长分别为2.0%和2.2%,主要依赖于技术的创新与进步;西部地区全要素生产率年均增长3.4%,主要依靠纯技术效率提升。整个酒店行业的发展对技术革新的倚重程度较高,尤其是东部地区,该地区旅游业相对发达,激烈的竞争促使行业领先者进行技术创新以扩大比较优势,而旅游业相对落后的西部地区则拥有后发优势,通过技术的引进和有效运用大幅提高纯技术效率,“追赶效应”显著。旅行社类旅游企业东、中、西部地区全要素生产率年均增长分别为10.5%、8.8%和10.3%,技术进步起到了良好的拉动作用。中、西部地区在技术进步方面已经实现对东部地区的赶超,一方面,东部地区旅游市场化程度较高,现有技术水平达到一定程度时势必遇到瓶颈问题;另一方面,随着中国西部大开发战略、中部崛起战略的实施,中西部地区的经济增长带动了旅游业的快速发展,旅行社业落后的技术水平得以迅速提高,同时,中部紧靠东部沿海发达省区,有利于承接与吸收东部先进技术与管理经验,从而使得中部地区技术进步最快。值得注意的是,伴随中部地区技术进步快速攀升的是纯技术效率的低迷,其可能的原因在于,从业人员在综合素质与专业水平等方面处于相对劣势,进而使得技术使用效率低下。
（2）同区域全要素生产率增长的决定因素企业间差异。东部地区景区与旅行社类旅游企业全要素生产率年均增速的表现大相径庭,但其背后的决定性因素却都可以归结到规模效率和技术进步水平。具体来说,景区类旅游企业由于投入规模过大,没有合理利用现有经营条件,造成投入资源浪费,并且在诸如电子商务的技术创新、景区的经营管理创新和旅游产品的研发创新等方面还有待提高。中部地区景区与旅行社类旅游企业全要素生产率的增长势头均很强劲,但其增长的决定因素存在显著差异,景区类旅游企业主要依靠纯技术效率的提升,通过合理配置投入要素,使得投入资源在经营业务间高效流动。旅行社类旅游企业则依赖技术的进步,由于电商的强势进入,迫于竞争压力,传统旅行社企业在产品开发、产品营销、服务流程、渠道建设等方面进行了技术革新,并取得了良好的成果。西部地区三类旅游企业全要素生产率的增长呈阶梯式差异,技术的创新与进步为旅行社类旅游企业奠定了第一梯队的位置。在技术进步指数相同的情况下,酒店类旅游企业在规模效率和纯技术效率的表现上更胜景区类旅游企业一筹。西部地区旅游资源丰富,开发潜力巨大,但囿于经验不足、人才缺乏、管理制度落后等因素,该地区景区类旅游企业出现了要素投入冗余、资源配置错位的严重问题,阻碍了其全要素生产率的增长。

3.3 旅游企业全要素生产率的行业异质性：内在机制

通过从时间维度和经验事实两个维度进行分析,发现旅游企业全要素生产率存在行业异质性,下面将进一步探讨行业异质性产生的内在机制。
（1）一种可能的内在机制是现代信息技术对旅游企业资源配置所产生的行业异质性影响。具体而言,现代信息技术直接与间接促进了旅游业现代化,为旅游服务创新提供技术平台和支撑,但其在不同类型的旅游企业中的运用频率、密度和效果存在差异。从上文的分析结果来看,技术进步对旅行社类旅游企业全要素生产率的拉动作用最大,酒店类旅游企业次之,景区类旅游企业排在末位,这与实际情况相符。2000—2015年间,技术进步使旅行社类旅游企业的发展状况有了质的飞跃,主要体现在以集团化为特征的组织创新、以渠道建设为特征的生产创新和以电子商务为特征的技术创新等,其中现代信息技术的渗透,使得OTA等新兴业态应运而生,不断推动传统旅行社企业进行根本性变革,其经营绩效得到明显改善。而纵观酒店类旅游企业的发展历程,不可否认,现代技术已经成为其发展的重要驱动力,尤其是信息和信息技术的支撑,但由于行业内普遍追求规模的简单复制扩张,这种粗放式发展模式阻碍了对技术创新的投入力度和技术人才的培养,使得现阶段酒店类旅游企业的技术含量偏低。景区类旅游企业的发展情况良莠不齐,信息化水平落后于上述两类旅游企业,近年来智慧景区建设如火如荼,然而,“重投资”、“炒概念”、“缺整合”、“轻质量” 等现象频发。譬如,九寨沟是目前国内最早一批建设、投入最多、获奖最多的数字景区和智慧景区,然而,2013年 “十一”黄金周期间九寨沟旅游景区出现了非常严重的游客拥堵状况,长期滞留使得游客怨声载道,影响恶劣。如何通过提高信息化水平改善游客服务体验,将技术进步转化为全要素生产率的提升,是该类旅游企业亟待解决的问题。
（2）另一种可能的机制在于制度供给对旅游细分行业发展的影响存在差异,即制度结构、产业政策对三类旅游企业的影响程度不同。景区所有制结构主要分为是国家所有、集体所有和私人所有三大类型,其中国家所有与集体所有占比加大,但政府往往对以上三种类型景区具有较强的行政权限,对景区各类活动进行引领与控制,譬如景区资源的保护力度与开发限制,区内土地资源的使用范围等,进而通过约束旅游景区旅游开发与经营管理方向而影响到其经济效益。酒店类旅游企业的发展受到中国总体经济发展水平和体制转轨因素的双重制约,秦宇分析了中国饭店集团发展的历史进程,认为中国饭店集团的发展轨迹没有体现出随产业规模扩大、层次提高而出现的内在组织结构变动要求,而是更多地随着政府产业政策的变化而变化^[55]。2013年开始,酒店行业特别是高星级酒店出现整体经营困难,营业收入和利润都在下滑,除了酒店行业自身供应过剩及结构失衡、以房地产和投资为主要拉动力的经济减速之外,中央出台的八项规定、六项禁令政策也是重要原因。制度环境是制约旅行社类旅游企业生长与发展的重要因素,纵观中国旅行社业发展历史,从政府附属机构或事业单位到企业化经营,从行政支配下的寡头垄断到市场经济条件下的垄断竞争,以及水平分工体系的形成,这一改革进程往往带有较深的行政色彩,是政府主导下的强制性与诱致性混合变迁的过程。2013年4月中国第一部《中华人民共和国旅游法》^[54]出台,在旅游购物、导游管理、旅游安全和不可抗力责任分摊四个方面对旅行社类旅游企业的经营活动产生重要影响,敦促旅行社摆脱“招徕靠低价、盈利靠购物”的传统营收模式,改革和完善导游管理制度,降低经营风险,提高经营绩效。
（3）旅游企业全要素生产率的行业异质性还可能由各行业的性质决定。譬如,景区类旅游企业主要依托旅游资源来获取经营效益,但旅游资源的开发决策并不一定都掌握在企业的手中,很大程度受制于各级政府部门,相对而言,旅行社和酒店类旅游企业受到的限制更少。再者,不同行业技术创新投入带来的产出效果不同,譬如现代信息技术为旅行社行业注入了活力,促使传统旅行社自发进行变革,淘汰落后产能,提高行业的整体效率,而现代信息技术融入景区、酒店行业产生的“智慧景区”和“智慧酒店”,在提升经济效益、游客体验方面的作用受到质疑。总之,旅游企业全要素生产率是上述多种内在机制综合作用的体现,有其客观性与必然性,且旅游企业全要素生产率行业异质性背后的主导机制也会存在一定差异。事实上,三大旅游行业之间的技术差异在一定程度上可以视为行业“自然演化”的结果,因为技术革新往往首先出现在个别或少数行业,而后在整个产业网络体系中逐渐纵、横两个方向传播。因此,随着现代信息技术、新型商业模式以及其他新技术在不同行业中的应用与推广,以及管理体制与机制改革的稳步推进、从业人员综合素质的提升,中国旅游企业全要素生产率将继续在波动中不断攀升,但相应全要素生产率的行业异质性亦会因其行业属性差异而存在。

4 结论与讨论

4.1 结论

本文选择将超效率数据包络构造思路引入到双前沿面下的DEA-Malmquist指数计算之中,构建了基于双前沿面的超效率数据包络分析模型,进而对2000—2015年中国30个省（直辖市、自治区）的旅行社、星级酒店与旅游景区三种类型企业的全要素生产率进行比较与分析,主要结论如下：
（1）三类旅游企业全要素生产率在整体上保持增长态势,但其变化趋势与增长的决定因素亦出现行业性差异。景区类旅游企业全要素生产率的变化由纯技术效率主导,依赖最优要素投入规模条件下管理和技术等因素的改善;酒店类旅游企业全要素生产率变化背后的主要驱动力则是纯技术效率改进和技术进步;旅行社类旅游企业全要素生产率的增长主要依靠技术进步,在线旅行社的涌现推动传统旅行社进行技术革新,促使新业态的形成,产生良好的“标杆效应”。
（2）同类旅游企业全要素生产率增长的决定因素存在区域差异。东、西部地区景区类旅游企业的发展方式总体上仍属于粗放式增长,规模效率低下,单纯追求数量的增加导致其陷入“要素诅咒”。酒店行业的发展对技术革新的倚重程度较高,尤其是东部地区,而旅游业相对落后的西部地区则拥有后发优势,通过技术的引进和有效运用大幅提高纯技术效率。旅行社类旅游企业中,技术进步对全要素生产率增长起到了良好的拉动作用,中、西部地区在技术进步方面已经实现对东部地区的赶超。
（3）同区域旅游企业全要素生产率增长的决定因素存在行业差异。东部地区景区与旅行社类旅游企业全要素生产率年均增速的表现大相径庭,但其背后的决定性因素却都可以归结到规模效率和技术进步水平。中部地区景区与旅行社类旅游企业全要素生产率的增长势头均很强劲,但其增长的决定因素存在显著差异,景区类旅游企业主要依靠纯技术效率的提升,而旅行社类旅游企业则依赖技术的进步。西部地区三类旅游企业全要素生产率的增长呈阶梯式差异,技术的创新与进步为旅行社类旅游企业奠定了第一梯队的位置。
（4）针对旅游企业全要素生产率中所体现的行业异质性,本文提出了三种可能的内在机制予以解释,即现代信息技术对不同旅游企业资源配置产生异质性影响,制度供给对不同旅游部门的影响存在差异,三类旅游企业自身发展过程中演化形成不同的行业属性。

4.2 讨论

综合而言,在研究方法方面,本文将超效率数据包络构造思路引入到双前沿面下的DEA-Malmquist指数模型之中,构建了基于双前沿面的超效率数据包络分析模型,其在矫正单一前沿面生产率计算值偏差的基础上,不仅能够对处于同一前沿面的多个决策单元做出有效区分,而且能够兼顾规模集聚对全要素生产率的影响。
在实证分析方面,考虑到三类旅游企业生产率的行业异质性,以及所属部门的市场结构、行业特质差异和目标多元等复杂性,其发展应该分门别类、有针对性地推进。此外,为了实现旅游行业长期稳定增长,应充分运用行业政策引导其增长方式由粗放型向集约型转变,摆脱过分依赖要素投入规模发展,转换为内生效率驱动的发展模式,从全要素生产率增长的重要源泉入手,即聚焦于技术效率与技术进步的提高。进一步加强落后地区（行业）与先进地区（行业）之间的技术交流与管理合作,推进技术扩散的广度与深度,从而缩小旅游业区域以及行业间的差距。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	中华人民共和国国务院. 关于加快发展旅游业的意见 [EB/OL]. (2009-12-01)[2017-11-07]. URL [本文引用: 1] [The State Council of the People's Republic of China. Opinions on Accelerating the Development of Tourism [EB/OL]. (2009-12-01)[2017-11-07]. URL [本文引用: 1]
[2]	中国旅游研究院. 中国旅游经济蓝皮书-2016年中国旅游经济运行分析与2017年发展预[M]. 北京: 中国旅游出版社, 2016. [本文引用: 1] [China Tourism Academy. Blue Book of China’s Tourism Economy-China’s Tourism Performance: Review & Forecast (2016-2017)[M]. Beijing: China Travel & Tourism Press, 2016. ] [本文引用: 1]
[3]	Morey R C, Dittman D A.Evaluating a hotel GM's performance: a case study in benchmarking [J]. Cornell Hotel & Restaurant Administration Quarterly, 1995, 44(5): 53-59. [本文引用: 1]
[4]	Husain N, Abdullah M, Kuman S.Evaluating public sector efficiency with data envelopment analysis (DEA): a case study in Road Transport Department, Selangor, Malaysia [J]. Total Quality Management, 2000, 11(4-6): 830-836. [本文引用: 1]
[5]	Sarkis J, Talluri S.Performance based clustering for benchmarking of US airports [J]. Transportation Research Part A Policy & Practice, 2004, 38(5): 329-346. [本文引用: 1]
[6]	Barros C P, Mascarenhas M J.Technical and allocative efficiency in a chain of small hotels [J]. International Journal of Hospitality Management, 2005, 24(3): 415-436. [本文引用: 1]
[7]	Roget M F, González R X A. Occupancy level and productivity in rural tourism establishments: the case of Galicia, Spain [J]. Tourism Economics, 2006, 12(2): 279-289. [本文引用: 1]
[8]	Bernini C, Guizzardi A.Internal and locational factors affecting hotel industry efficiency: evidence from Italian business corporations [J]. Tourism Economics, 2010, 16(16): 883-913. [本文引用: 1]
[9]	Köksal C D, Aksu A A.Efficiency evaluation of a-group travel agencies with data envelopment analysis (DEA): a case study in the Antalya region, Turkey ☆ [J]. Tourism Management, 2007, 28(3): 830-834. [本文引用: 1]
[10]	Fuentes R.Efficiency of travel agencies: a case study of Alicante, Spain [J]. Tourism Management, 2011, 32(1): 75-87. [本文引用: 1]
[11]	Assaf A G.Benchmarking the Asia pacific tourism industry: a Bayesian combination of DEA and stochastic frontier [J]. Tourism Management, 2012, 33(5): 1122-1127. [本文引用: 1]
[12]	Gabarda-Mallorquí A, Garcia X, Ribas A.Mass tourism and water efficiency in the hotel industry: a case study [J]. International Journal of Hospitality Management, 2017, 61: 82-93. [本文引用: 1]
[13]	Preda P, Watts T.Improving the efficiency of sporting venues through capacity management: the case of the Sydney (Australia) Cricket Ground Trust [J]. Event Management, 2003, 8(2): 83-89. [本文引用: 1]
[14]	Cracolici M F, Nijkamp P, Rietveld P.Assessment of tourism competitiveness by analysing destination efficiency [J]. Tourism Economics, 2008, 14(2): 325-342. [本文引用: 1]
[15]	Barros C P, Botti L, Peypoch N, et al. Performance of French destinations: tourism attraction perspectives [J]. Tourism Management, 2011, 32(1): 141-146. [本文引用: 1]
[16]	Medina L F, Gómez I G, Marrero S M.Measuring efficiency of sun & beach tourism destinations [J]. Annals of Tourism Research, 2012, 39(2): 1248-1251. [本文引用: 1]
[17]	Corne A.Benchmarking and tourism efficiency in France [J]. Tourism Management, 2015, 51: 91-95. [本文引用: 1]
[18]	Herrero-Prieto L C. Evaluating the Efficiency of Cultural Travel Destinations: A DEA Approach [A]. Ateca-Amestoy V M, Ginsburgh V, Mazza I, et al. Enhancing Participation in the Arts in the EU[M]. Berlin: Springer International Publishing, 2017. [本文引用: 1]
[19]	左冰, 保继刚. 1992-2005年中国旅游业全要素生产率及省际差异 [J]. 地理学报, 2008, 63(4): 417-427. [本文引用: 1] [Zuo B, Bao J G.Tourism total factor productivity and its regional variation in China from 1992 to 2005 [J]. Acta Geographica Sinica, 2008, 63(4): 417-427. ] [本文引用: 1]
[20]	陶卓民, 薛献伟, 管晶晶. 基于数据包络分析的中国旅游业发展效率特征 [J]. 地理学报, 2010, 65(8): 1004-1012. [本文引用: 1] [Tao Z M, Xue X W, Guan J J.Efficiency characteristics analysis of tourism industry in China based on the method of DEA [J]. Acta Geographica Sinica, 2010, 65(8): 1004-1012. ] [本文引用: 1]
[21]	韩元军, 夏少颜, 周生辉. 中国旅游业服务质量规制与产业效率提升 [J]. 财贸经济, 2011, (10): 127-134. [本文引用: 1] [Han Y J, Xia S Y, Zhou S H.The regulation of service quality in tourism industry and the promotion of industrial efficiency in China [J]. Finance & Trade Economics, 2011, (10): 127-134. ] [本文引用: 1]
[22]	梁流涛, 杨建涛. 中国旅游业技术效率及其分解的时空格局-基于DEA模型的研究 [J]. 地理研究, 2012, 31(8): 1422-1430. [本文引用: 1] [Liang L T, Yang J T.Analysis of the tourism efficiency and its decomposition based on DEA [J]. Geographical Research, 2012, 31(8): 1422-1430. ] [本文引用: 1]
[23]	赵磊. 中国旅游全要素生产率差异与收敛实证研究 [J]. 旅游学刊, 2013, 28(11): 12-23. [本文引用: 1] [Zhao L.An empirical study on difference and convergence of total factor productivity of China’s tourism [J]. Tourism Tribune, 2013, 28(11): 12-23. ] [本文引用: 1]
[24]	胡志毅. 基于DEA-Malmquist模型的中国旅行社业发展效率特征分析 [J]. 旅游学刊, 2015, 30(5): 23-30. [本文引用: 1] [Hu Z Y.An analysis of the efficiency characteristics of the travel agency industry of China bases on a DEA-Malmquist model [J]. Tourism Tribune, 2015, 30(5): 23-30. ] [本文引用: 1]
[25]	钟少颖, 何则. 基于DEA与ESDA的中国国家级贫困县发展效率的测度与时空演化研究 [J]. 中国人口·资源与环境, 2016, 26(10): 130-136. [本文引用: 1] [Zhong S Y, He Z.Measuring and space-time evolution of national-level poverty counties development efficiency in China based on DEA and ESDA [J]. China Population Resources and Environment, 2016, 26(10): 130-136. ] [本文引用: 1]
[26]	马晓龙, 保继刚. 基于数据包络分析的中国主要城市旅游效率评价 [J]. 资源科学, 2010, 32(1): 88-97. [本文引用: 1] [Ma X L, Bao J G.An evaluation on the efficiency of Chinese primary tourism cites based on the data envelopment analysis [J]. Resources Science, 2010, 32(1): 88-97. ] [本文引用: 1]
[27]	曹芳东, 黄震方, 吴江, 等. 城市旅游发展效率的时空格局演化特征及其驱动机制-以泛长江三角洲地区为例 [J]. 地理研究, 2012, 31(8): 1431-1444. [本文引用: 1] [Cao F D, Huang Z F, Wu J, et al. The space-time pattern evolution and its driving mechanism of urban tourism development efficiency: a case study of Pan-Yangtze River Delta [J]. Geographical Research, 2012, 31(8): 1431-1444. ] [本文引用: 1]
[28]	梁明珠, 易婷婷, Bin Li.基于DEA-MI模型的城市旅游效率演进模式研究 [J]. 旅游学刊, 2013, 28(5): 53-62. [本文引用: 1] [Liang M Z, Yi T T, Bin L.Study on the evolutional model of tourism efficiency based on DEA-MI [J]. Tourism Tribune, 2013, 28(5): 53-62. ] [本文引用: 1]
[29]	张鹏, 于伟, 徐东风. 我国省域旅游业效率测度及影响因素研究-基于SFA和空间Durbin模型分析 [J]. 宏观经济研究, 2014, (6): 80-85. [本文引用: 1] [Zhang P, Yu W, Xu D F.Study on the efficiency measurement and influencing factors of China's provincial tourism industry-based on SFA and spatial Durbin model analysis [J]. Macroeconomics, 2014, (6): 80-85. ] [本文引用: 1]
[30]	杨春梅, 赵宝福. 中国著名旅游城市旅游业的效率研究 [J]. 旅游科学, 2014, 28(1): 65-75. [本文引用: 1] [Yang C M, Zhao B F.An tourism efficiency evaluation of famous tourist cities in China [J]. Tourism Science, 2014, 28(1): 65-75. ] [本文引用: 1]
[31]	刘佳, 陆菊, 刘宁. 基于DEA-Malmquist模型的中国沿海地区旅游产业效率时空演化、影响因素与形成机理 [J]. 资源科学, 2015, 37(12): 2381-2393. [本文引用: 1] [Liu J, Lu J, Liu N.Space-time evolution, influencing factors and forming mechanisms of tourism industry's efficiency in China's coastal area of based on DEA-Malm-quist model [J]. Resources Science, 2015, 37(12): 2381-2393. ] [本文引用: 1]
[32]	王坤, 黄震方, 曹芳东, 等. 泛长江三角洲城市旅游绩效空间格局演变及其影响因素 [J]. 自然资源学报, 2016, (7): 1149-1163. [本文引用: 1] [Wang K, Huang Z F, Cao F D, et al. Spatial pattern evolution of urban tourism performance and its influence factors in Pan-Yangtze River Delta [J]. Journal of Natural Resources, 2016, (7): 1149-1163. ] [本文引用: 1]
[33]	Yang G H, Peng L, Zheng B, et al. GHG emission-based eco-efficiency study on tourism itinerary products in Shangri-La, Yunnan Province, China [J]. Current Issues in Tourism, 2008, 11(6): 604-622. [本文引用: 1]
[34]	生延超, 钟志平. 规模扩张还是技术进步: 中国饭店业全要素生产率的测度与评价-基于非参数的曼奎斯特(Malmquist)生产率指数研究 [J]. 旅游学刊, 2010, 25(5): 25-32. [本文引用: 1] [Sheng Y C, Zhong Z P.Scale expansion or technological advances: The measurement and evaluation of total factor productivity of China's hospitality industry-based on the non-parametric Malmquist Index [J]. Tourism Tribune, 2010, 25(5): 25-32. ] [本文引用: 1]
[35]	耿松涛. 中国旅游上市公司全要素生产率研究 [J]. 南京社会科学, 2012, (5): 15-21. [本文引用: 1] [Geng S T.Research on total factor productivity of Chinese tourism listed companies [J]. Social Sciences in Nanjing, 2012, (5): 15-21. ] [本文引用: 1]
[36]	曹芳东, 黄震方, 徐敏, 等. 风景名胜区旅游效率及其分解效率的时空格局与影响因素-基于Bootstrap-DEA模型的分析方法 [J]. 地理研究, 2015, 34(12): 2395-2408. [本文引用: 1] [Cao F D, Huang Z F, Xu M, et al. Spatial-temporal pattern and influencing factors of tourism efficiency and the decomposition efficiency in Chinese scenic areas: based on the Bootstrap-DEA method [J]. Geographical Research, 2015, 34(12): 2395-2408. ] [本文引用: 1]
[37]	李国平, 郭勇, 刘大为. 自然保护区管理效率评价研究-以牛背梁国家级自然保护区为例 [J]. 旅游学刊, 2015, 30(3): 76-85. [本文引用: 1] [Li G P, Guo Y, Liu D W.Enhancing management efficiency in natural reserves: a case study of Niubeiliang national natural reserve [J]. Tourism Tribune, 2015, 30(3): 76-85. ] [本文引用: 1]
[38]	刘振滨, 林丽梅, 郑逸芳. 森林公园全要素生产率及其收敛性分析 [J]. 干旱区资源与环境, 2017, (8): 44-49. [本文引用: 1] [Liu Z B, Lin L M, Zheng Y F.Total factor productivity of the forest park and its convergence hypothesis [J]. Journal of Arid Land Resources and Environment, 2017, (8): 44-49. ] [本文引用: 1]
[39]	任毅, 刘婉琪, 赵珂, 等. 中国旅游上市公司经营效率的测度与评价-基于混合DEA模型的实证分析 [J]. 旅游学刊, 2017, 32(7): 27-36. [本文引用: 1] [Ren Y, Liu W Q, Zhao K, et al. The measurement and evaluation of the operating efficiency of China’s listed tourism companies: an empirical analysis based on the mixed DEA model [J]. Tourism Tribune, 2017, 32(7): 27-36. ] [本文引用: 1]
[40]	Färe R, Grosskopf S, Lindgren B, et al. Productivity changes in Swedish pharmacies 1980-1989: a non-parametric Malmquist approach [J]. Journal of Productivity Analysis, 1992, 3(1-2): 85-101. [本文引用: 1]
[41]	Chung Y H, Färe R, Grosskopf S.Productivity and undesirable outputs: a directional distance function approach [J]. Microeconomics, 1997, 51(3): 229-240. [本文引用: 1]
[42]	Grifell-Tatjé E, Lovell C A K. A generalized Malmquist productivity index [J]. Top, 1999, 7(1): 81-101. [本文引用: 1]
[43]	Chen Y.A non-radial Malmquist productivity index with an illustrative application to Chinese major industries [J]. International Journal of Production Economics, 2003, 83(1): 27-35. [本文引用: 1]
[44]	Pastor J T, Lovell C A K. A global Malmquist productivity index [J]. Economics Letters, 2005, 88(2): 266-271. [本文引用: 1]
[45]	Pastor J T, Asmild M, Lovell C A K. The biennial Malmquist productivity change index [J]. Socio-Economic Planning Sciences, 2011, 45(1): 10-15. [本文引用: 1]
[46]	Kao C, Hwang S N.Multi-period efficiency and Malmquist productivity index in two-stage production systems [J]. European Journal of Operational Research, 2014, 232(3): 512-521. [本文引用: 1]
[47]	Wang Y M, Chin K S.Measuring the performances of decision-making units using geometric average efficiency [J]. Journal of the Operational Research Society, 2007, 58(7): 929-937. [本文引用: 1]
[48]	Wang Y M, Chin K S.A new approach for the selection of advanced manufacturing technologies: DEA with double frontiers [J]. International Journal of Production Research, 2009, 47(23): 6663-6679. [本文引用: 1]
[49]	Wang Y M, Lan Y X.Measuring Malmquist productivity index: a new approach based on double frontiers data envelopment analysis [J]. Mathematical & Computer Modelling, 2011, 54(11): 2760-2771. [本文引用: 3]
[50]	查建平. 低碳经济视角下中国旅游经济发展模式研究 [J]. 旅游学刊, 2015, 30(11): 63-73. [本文引用: 1] [Zha J P.A model of tourism economic development of China from a low-carbon economy perspective [J]. Tourism Tribune, 2016, 30(11): 63-73. ] [本文引用: 1]
[51]	中华人民共和国国家统计局. 中国统计年鉴(2001-2015)[M]. 北京: 中国统计出版社, 2001-2015. [本文引用: 1] [National Bureau of Statistics of China. China Statistical Yearbook(2001-2015)[M]. Beijing: China Statistics Press, 2001-2015. ] [本文引用: 1]
[52]	中华人民共和国国家旅游局. 中国旅游年鉴[M]. 北京: 中国旅游出版社, 2001-2015. [本文引用: 1] [China National Tourism Administration. The Yearbook of China Tourism[M]. Beijing: China Tourism Press, 2001-2015. ] [本文引用: 1]
[53]	中华人民共和国国家统计局国民经济综合统计司. 新中国60年统计资料汇编[M]. 北京: 中国统计出版社, 2010. [本文引用: 1] [Department of Comprehensive Statistics of National Bureau of Statistics. China Compendium of Statistics(1949-2008)[M]. Beijing: China Statistics Press, 2010. ] [本文引用: 1]
[54]	全国人民代表大会常务委员会. 中华人民共和国旅游法 [EB/OL]. (2013-04-25)[2017-11-07]. .URL [本文引用: 2] [Standing Committee of the National People's Congress. Tourism Law of the People's Republic of China [EB/OL]. (2013-04-25)[2017-11-07]. . ]URL [本文引用: 2]
[55]	秦宇. 论我国饭店集团发展过程中的几个误区-暨中国饭店集团演进的一个理论框架 [J]. 旅游学刊, 2004, 19(2): 55-58. [本文引用: 1] [Qin Y.On some erroneous areas in the course of the development of China's hotel group-a theoretical framework about the evolution of China's hotel group [J]. Tourism Tribune, 2004, 19(2): 55-58. ] [本文引用: 1]

中国旅游全要素生产率及其分解研究

本站小编 Free考研考试/2021-12-29

Estimation and decomposition of total factors productivity of China’s tourism

1 引言