中国地级单元旅游业发展效率格局及影响因素

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

纪晓萌^,¹, 秦伟山^,¹^,², 李世泰¹, 刘肖梅³, 王秋贤¹

1.鲁东大学资源与环境工程学院,烟台 264025

2.中国科学院地理科学与资源研究所,北京 100101

3.泰山学院旅游学院,泰安 271021

Development efficiency of tourism and influencing factors in China’s prefectural-level administrative units

JI Xiaomeng^,¹, QIN Weishan^,¹^,², LI Shitai¹, LIU Xiaomei³, WANG Qiuxian¹

1. School of Resources and Environmental Engineering, Ludong University, Yantai 264025, China

2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

3. School of Tourism, Taishan University, Taian 271021, China

通讯作者: 秦伟山,男,山东潍坊人,博士后,副教授,研究方向为区域旅游发展与生态文明建设。E-mail: weishan93@126.com

收稿日期:2019-12-19修回日期:2020-08-21网络出版日期:2021-01-25

基金资助:

国家社会科学基金青年项目.19CGL070
山东省社会科学规划研究项目.20CJJJ14
教育部人文社会科学研究项目.17YJCZH174

Received:2019-12-19Revised:2020-08-21Online:2021-01-25
作者简介 About authors
纪晓萌,女,山东青岛人,硕士研究生,研究方向为区域发展与产业规划。E-mail: kalaxs@126.com

摘要
旅游业发展效率是衡量区域内旅游业投入产出状况的重要指标。文章选取中国329个地级行政单元为研究对象,运用DEA模型对2018年旅游业发展效率进行综合测度,通过空间自相关、热点分析和地理探测器探究其空间格局及影响因素。结果表明：①中国旅游业发展效率综合效率高水平、较高水平、中等水平、较低水平及低水平地区分别占评价单元16.11%、17.93%、27.96%、26.75%和11.25%;纯技术效率区域差异明显,高水平地区主要分布于地势阶梯交界处、长三角城市群和珠三角城市群;规模效率空间上大致以“胡焕庸线”为界,表现为东南高而西北低;②旅游业发展效率存在空间自相关性,整体上呈现“大集聚小分散”特点。冷热点空间集聚特征明显,表现出“南热北冷”的特点,其中西南、华南、华东地区表现为高值集聚,华北、东北及西北地区表现为低值集聚。依据其发展水平和空间特征划分为辐射带动型、边缘依附型、整体提升型和优化提升型4种类型;③旅游业发展效率受多重因素影响,其中旅游发展质量、旅游服务水平及旅游资源质量为旅游业发展效率空间分异的主导因素,推动旅游业发展、提高旅游服务水平以及旅游资源利用转化率是提升旅游业发展效率的重要途径。本文通过探析中国地级单元旅游业发展效率的空间格局及影响因素,以期对旅游业提质增效、转型升级的有效路径及旅游发展资源的投入和利用水平的提升提供决策依据和理论支撑。
关键词： 旅游业发展效率;综合测度;热点分析;地理探测器;中国

Abstract

The development efficiency of tourism is an important indicator of the input-output status of tourism in a region. This study used the data envelopment analysis (DEA) model and data from 329 prefectural-level administrative regions of China to comprehensively measure the development efficiency of tourism in 2018. Spatial autocorrelation, Getis-Ord Gi*, and geographical detector were used to explore the spatial pattern and influencing factors of tourism development efficiency. The main conclusions include: (1) Areas with high level, medium-high level, medium level, medium-low level, and low level of comprehensive tourism development efficiency accounted for 16.11%, 17.93%, 27.96%, 26.75%, and 11.25% of the evaluated administrative units respectively. There were clear regional differences in pure technical efficiency, and the high level areas were mainly distributed in the junction of the terrain ladders, the Yangtze River Delta city group, and the Pearl River Delta city group. In terms of scale efficiency, the division was roughly along the “Hu Line”, higher in the southeast and lower in the northwest. (2) The efficiency of tourism development showed spatial autocorrelation, characterized by “large agglomeration and small dispersion” on the whole. Cold and hot spots showed obvious spatial clustering characteristics hot in the south and cold in the north with southwest, South, and East China showing high value clustering, and North, Northeast, and northwest China showing low value clustering. According to the development level and spatial characteristics, tourism development efficiency can be divided into four types: radiation-driven, edge-dependent, overall promotion, and optimized promotion. (3) The efficiency of tourism development is affected by multiple factors, among which tourism service level, tourism development quality, and tourism resource endowments are the leading factors for the spatial differentiation of tourism development efficiency. Promoting tourism development and improving tourism service level and tourism resource use conversion rate are important ways to improve the efficiency of tourism development. By analyzing the spatial pattern and influencing factors of the tourism development efficiency of Chinese prefectural-level administrative units, we hoped to provide a decision-making basis and theoretical support for exploring the effective ways of improving the quality and efficiency of tourism, transforming and upgrading the tourism industry, and increasing the investment and utilization level of tourism development resources.

Keywords：tourism development efficiency;comprehensive measurement;Getis-Ord $G^*_i$;geographical detector;China

PDF (11949KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
纪晓萌, 秦伟山, 李世泰, 刘肖梅, 王秋贤. 中国地级单元旅游业发展效率格局及影响因素. 资源科学[J], 2021, 43(1): 185-196 doi:10.18402/resci.2021.01.15
JI Xiaomeng, QIN Weishan, LI Shitai, LIU Xiaomei, WANG Qiuxian. Development efficiency of tourism and influencing factors in China’s prefectural-level administrative units. RESOURCES SCIENCE[J], 2021, 43(1): 185-196 doi:10.18402/resci.2021.01.15

1 引言

旅游业已全面融入国家战略体系,走向国民经济建设的前沿,在拉动社会就业、缩小区域发展差距、推动国民经济发展、促进文化交流等方面发挥着重要作用^[1],成为国民经济战略性支柱产业。旅游业良好的效益也促使各地区加大了旅游相关产业的投入,然而在旅游业发展过程中,资源配置利用不合理、旅游产业结构不均衡、旅游发展质量低下、产业效率不高、资源冗余等问题日益突出^[2]。提高旅游发展质量和旅游产业效率,以实现旅游业转型升级、提质增效就显得尤为必要^[3]。旅游业发展效率是表征旅游资源利用能力和效果的有效指标,对研究旅游资源利用转化状况等方面有着重要参考意义,成为近年来旅游研究的重点和热点。

国外****最初在旅游领域中将效率的研究运用到涉旅企业如酒店^[4,5]、旅行社^[6,7,8,9]的运营中,随着旅游效率研究的不断深入,国内旅游效率的研究内容由单一旅游要素向旅游产业展开,并向旅游地发展过程深入。研究成果主要集中于对旅游效率的综合评价、区域差异、时空特征^[10,11,12]、空间效应及影响因素^{[13,14,15,16]}方面。从研究尺度上看,部分****以省级行政单元为研究对象,对全国层面旅游业发展效率进行评价^{[17,18,19,20]},还有****以典型省份或城市群为例探究区域旅游业发展效率的时空演变^[21,22,23]。地级行政单元作为地域类型的一种,对于探究空间上的互动、关联模式、集聚状况,明细旅游业发展效率的空间格局界限及发展空间具有重要研究意义。从旅游业发展的实践来看,旅游业发展效率水平不仅与自身旅游条件、技术水平有关,同时还受所处阶段及周边发展环境的影响。因此探析地级行政单元空间差异对于识别自身效率发展水平及其与周边城市、宏观环境关系,以促进旅游的投入要素、资源利用及空间合作具有重要作用。目前已有的全国层面上旅游效率的分析主要集中于省域层面的分析,缺乏包含自治州、自治盟在内的全部地级行政单元的综合测度及其空间分异特征的研究。

基于此,本文扩大旅游业发展效率的样本研究容量,从省域研究延伸到包含自治州、自治盟等329个地级行政单元,采用DEA模型对旅游业发展效率进行综合测度,深入探究和分析中国地级单元旅游业发展效率的空间格局,依据其发展水平和空间分布特点划分区域类型,通过地理探测器探测其影响因素,以期对旅游业提质增效、转型升级的有效路径及旅游发展资源的投入和利用水平提供参考和借鉴。

2 研究方法与指标选取

2.1 研究方法

2.1.1 DEA模型

数据包络分析法（DEA）是以相对效率概念为基础发展起来的一种非参数效率评价方法^[24]。旅游业发展效率包括综合效率、纯技术效率及规模效率,其中综合效率可分解为纯技术效率与规模效率,其关系式为：综合效率=规模效率×纯技术效率。纯技术效率反映某评价单元在该时期旅游资源综合配置及其资源利用转化状况宏观环境下所处的水平;规模效率是指旅游发展的资源要素投入满足旅游发展需求的程度,综合效率为两者的综合反映,即某评价单元在旅游发展过程中各类资源配置能力、资源使用效率等方面能力的综合衡量与评价^[25]。本文采用DEA模型中的投入主导型,即在旅游产出确定不变,旅游投入最小化的情况下对地级单元旅游业发展效率进行分析测算,测算公式如下：

（1）

\{\begin{array}{l} \min θ \\ s.t. \sum^{} x_{j} λ_{j} + θ x_{0} \geq 0 \\ \sum^{} y_{j} λ_{j} \geq y_{0} \\ λ_{j} \geq 0, j \in n \end{array}

式中：

θ

（0<

θ \leq 1

）为某决策单元的综合效率值,

θ

值越接近1,表示效率越高,当

θ

=1时,表明该评价单元的投入产出实现了最优组合,处于生产前沿面;

\min θ

为目标函数,即追求旅游投入最小化; s.t.是限制性条件;n为决策单元即本文研究对象地级单元的数量值;

x_{j}

代表第j个地级单元的旅游业发展效率投入;

y_{j}

代表第j个地级单元的旅游业发展效率产出值;

x_{0}

和

y_{0}

代表决策单元的原始投入值和产出值;

λ_{j}

表示每个决策单元在某一项投入产出指标上的权重值。

2.1.2 全局空间自相关

全局空间自相关是分析空间聚类状况的常用方法,被广泛运用多种空间格局问题的研究,本文采用Moran’s I指数进行测度：

(2)

I = \frac{\overset{n}{\sum_{k = 1}} \overset{n}{\sum_{j = 1}} (X_{k} - \overset{ˉ}{X}) (X_{j} - \overset{ˉ}{X})}{S^{2} \overset{n}{\sum_{k = 1}} \overset{n}{\sum_{j = 1}} W_{kj}}

式中：

X_{k}

和

X_{j}

表示要素k和要素j的属性值;

\overset{ˉ}{X}

为其均值;

W_{kj}

表示空间权重矩阵;

S^{2}

表示样本方差。Moran’s I取值范围介于–1和1之间,当I值趋向于1时,表示存在空间正相关,当I值趋向于–1时,表示存在空间负相关,当I值等于0表示不存在空间自相关。采用Z值对Moran’s I结果进行统计检验：

（3）

Z (I) = \frac{1 - E (I)}{\sqrt[]{var (I)}}

式中：

E (I)

为期望值;

var (I)

为变异系数。

2.1.3 Getis-Ord

G_{i}^{*}

Getis-Ord

G_{i}^{*}

统计量可识别出不同区域的高值和低值的聚集区,用于探索局部空间的关联程度即旅游业发展效率的空间分布格局以及研究单元之间的空间依赖性。公式为：

（4）

G_{i} (d) = \overset{n}{\sum_{j = 1}} w_{ij} (d) x_{j} / \overset{n}{\sum_{j = 1}} x_{j}

当i≠j时,

G_{i} (d)

的标准式为：

（5）

Z [G_{i} (d)] = \frac{G_{i} (d) - E [G_{i} (d)]}{\sqrt[]{VAR [G_{i} (d)]}}

式中：

E [G_{i} (d)]

和

VAR [G_{i} (d)]

分别为数学期望和变异值;

w_{ij} (d)

为空间权重矩阵,采用邻近标准确定。如果

Z [G_{i} (d)]

为正且显著,表明i单元周围值相对较高,属于高值空间集聚（热点区）,若

Z [G_{i} (d)]

为负且显著,表明i单元周围值相对较低,属于低值空间集聚（冷点区）^[26]。

2.1.4 地理探测器

地理探测器是分析空间分层异质性的新工具。为研究旅游效率的影响因素,本文采用地理探测器中的空间分层异质性及因子探测,通过不同影响因素的地理分层,分析地级单元旅游业发展效率影响因素。

为探索变量Y的空间分层异质性,以及探测某因子X多大程度上解释了变量Y的空间分异。用q值度量：

（6）

q = 1 - \frac{\sum_{h=1}^{L} N_{h} σ_{h}^{2}}{N σ^{2}} = 1 - \frac{SSW}{SST}

式中：h=1,…,L为变量Y或因子X的分层（strata）,即分类或分区;

N_{h}

和N分别为层h和全区的单元数;

σ_{h}^{2}

和

σ^{2}

分别为变量Y在层h和全区的方差;SSW=

\sum_{h}^{=} N_{h} σ_{h}^{2}

及SST=

N σ^{2}

分别表示层内方差之和及全区总方差;q的值域为[0,1],值越大,说明Y的空间分异越明显;如果分层是由自变量X生成,则q值越大表示X和Y的空间分布越一致,自变量X对属性Y的解释力越强,反之则越弱^[7]。地理探测器的空间分层异质性及因子探测所得q值解释100×q%的旅游业发展效率空间分异,越大表示对旅游业发展效率空间分异的解释能力越强,即对旅游业发展效率空间分异的影响越大。

2.2 指标选择

2.2.1 旅游业发展效率

旅游业发展效率是旅游投入和旅游产出比率的测算,能有效衡量区域内旅游发展要素综合利用水平^[8]。其测算指标分为投入和产出两方面（表1）。

Table 1
表1
表1旅游业发展效率投入产出测度指标体系
Table 1Input-output measurement index system of tourism development efficiency

评价内容	指标类型	一级指标	二级指标	三级指标	单位
旅游发展效率	投入指标	资本要素	旅游固定资产投资	住宿和餐饮业、文化体育娱乐业固定资产投资之和	万元
			星级酒店数量	星级酒店数量	家
			旅行社数量	国内旅行社与国际旅行社数量	家
			旅游资源禀赋	4A级及以上景区,国家风景名胜区,国家级森林公园,国家湿地公园,国家自然保护区,旅游名城、名镇、名村,国家文化保护单位,非物质文化遗产,国家地质公园,世界遗产,旅游优秀城市数量加权求和
		劳动力要素	旅游从业人员	住宿和餐饮业、文化体育娱乐业从业人员数量之和	万人
	产出指标	效率产出	旅游接待人次	国内旅游接待人次与国际旅游接待人次之和	万人
	产出指标	效率产出	旅游收入	国内旅游收入与国际旅游收入之和	亿元

新窗口打开|下载CSV

（1）本文从资本、劳动力和土地的角度出发选取旅游业发展效率投入的测算指标。①在资本要素投入指标上,选取第三产业中住宿和餐饮业、及文化体育娱乐业的城市固定资产投资总和作为旅游投入的资本要素之一;同时将酒店、旅行社数量纳入资本要素中;旅游资源是旅游活动的重要吸引物,在引入投资、提高旅游竞争力都发挥着重要作用,既有研究通过选取优质旅游资源来衡量其旅游资源状况^[9],因此本文选取4A级及以上景区、国家风景名胜区、国家级森林公园、国家湿地公园、国家自然保护区、旅游名城、旅游名镇、旅游名村、国家文化保护单位、非物质文化遗产、国家地质公园、世界遗产、旅游优秀城市数量作为旅游资源禀赋衡量的指标,通过熵值法计算以上资源数量指标的权重,加权求和计算得出研究对象的旅游资源禀赋值作为旅游业发展效率的资本投入要素。②在劳动力要素指标选取上,将第三产业中住宿和餐饮业、文化体育娱乐业从业人员数量的总和作为旅游行业劳动力的投入要素。③旅游活动范围广、随机性强,不受土地面积约束,难以对旅游活动的土地面积进行界定和统计,在参考****们研究的基础上^[30,31],舍弃土地要素作为旅游业发展效率的投入指标。

（2）旅游收入及旅游接待人次是旅游效益的直观反映^[32],旅游收入是旅游效益的直接表现,旅游接待人次能有效反映旅游业发展水平。因此在产出指标方面,选用旅游总收入（国内旅游收入与国际旅游收入之和）以及旅游接待人次（国内旅游接待人次与国际旅游接待人次之和）作为旅游业发展效率的产出指标。

2.2.2 旅游业发展效率影响因素

由于不同地域单元受多种因素影响,旅游业发展效率在空间上表现出明显的空间分异特征,为探究影响其空间差异的因素,本文参考已有的研究成果^[33,34,35],从经济发展水平、旅游产业结构、旅游发展质量、旅游资源质量、交通运输条件、旅游服务水平等方面选取8项指标进行分析,通过地理探测器对其影响因素进一步探析。指标选取如下：

①经济发展水平。GDP是一个地区经济发展状况的反映,为消除城市规模的影响,在经济发展水平指标层中选取人均GDP反映该地区经济发展水平;②旅游产业结构。选取旅游业占服务业的比重反映地区旅游产业结构;③旅游发展质量。旅游接待人次和旅游收入是旅游发展质量的直接反映,考虑到城市规模对旅游发展效益的影响,因此通过地均旅游接待人次与人均旅游收入即旅游接待人次与区域面积之比和旅游总收入与常住人口之比作为旅游发展质量的影响因子;④旅游资源质量。旅游资源作为重要的旅游吸引物,旅游资源质量对旅游产业的布局有着直接的制约作用,通过4A级及以上景区占A级景区比重作为旅游资源质量指标层的探测因素;⑤交通运输条件。一个地区的交通通达度,直接影响旅游的可进入性,因此选取客运量反映地区的交通发展状况;⑥旅游服务水平。通过星级旅行社占旅行社比重与星级酒店占酒店比重来表示地区的旅游服务水平。

2.3 研究区域与数据来源

本文以中国地级行政单元为研究对象,基于数据可获取性,共选择329个地级行政单元,包括278个地级市及51个地级地区（省直辖市、自治州、盟）。三沙市、黔南布依族苗族自治州、红河哈尼族彝族自治州、德宏傣族景颇族自治州、怒江僳族自治州、阿里地区、黄南藏族自治州、玉树藏族自治州、海西蒙古族藏族自治州及港澳台地区因相关数据难以获取,暂不列入研究范围。

本文数据选取2018年截面数据,其中旅游从业人员数量、人均GDP、客运量数据来源于《2019年中国城市统计年鉴》^[36],旅游固定资产投资、旅游接待人次、旅游收入数据来源于各地级市统计年鉴、旅游统计便览及中国旅游统计年鉴^[37],酒店、旅行社数量及旅游资源禀赋中旅游资源的数量来源于各地级市公布的旅游企业及旅游景区等名录。

3 结果与分析

3.1 旅游业发展效率综合测度

利用ArcGIS 10.3对旅游业发展效率测算结果在自然断裂法下对其进行统计分级,绘制旅游业发展效率的综合效率、纯技术效率和规模效率空间格局分布图（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1中国地级单元旅游业发展效率空间分布

Figure 1Spatial distribution pattern of tourism development efficiency in China’s prefectural-level administrative units

结果表明：旅游业发展效率在综合效率方面,达到有效的城市有38个,仅占评价单元的11.56%,其他城市在所获得的实际产出与最佳前沿面尚有距离。高水平、较高水平、中等水平、较低水平及低水平地区分别占评价单元的16.11%、17.93%、27.96%、26.75%和11.25%（表2）,其中高水平与较高水平类型总和占评价单元的34.04%,中等及较低水平占比较高为54.71%。在空间分布上,整体表现为“大集聚,小分散”,其中高水平、较高水平地区主要分布于东北地区的辽宁省大部分城市、吉林省中部城市,华北地区的山西省大部分城市,华东地区的安徽省北部城市、浙江省东部城市、江西省北部城市,华中地区的湖南省东部城市,西南地区的云南省东部城市、贵州省大部分城市、四川省南部城市,华南地区的广西壮族自治区南部城市、广东省南部城市,西北地区新疆维吾尔自治区北部城市;低水平地区主要分布于西北地区的新疆维吾尔自治区西部城市、甘肃省的东部城市、宁夏回族自治区大部分城市,西南地区西藏自治区东部城市,东北地区黑龙江省大部分城市。

Table 2
表2
表2旅游业发展效率各类型地级行政单元数量
Table 2The number of prefectural-level administrative units with different levels of tourism development efficiency

水平类型	综合效率		纯技术效率		规模效率
水平类型	数量/个	占评价单元比重/%	数量/个	占评价单元比重/%	数量/个	占评价单元比重/%
达到有效	38	11.56	74	22.49	64	19.45
高水平地区	53	16.11	93	28.27	138	41.95
较高水平地区	59	17.93	47	14.29	88	26.75
中等水平地区	92	27.96	52	15.80	54	16.41
较低水平地区	88	26.75	76	23.10	26	7.90
低水平地区	37	11.25	61	18.54	23	6.99

新窗口打开|下载CSV

纯技术效率达到有效的城市有74个,占评价单元的22.49%,高水平、较高水平、中等水平、较低水平及低水平地区分别占评价单元的28.27%、14.29%、15.80%、23.10%及18.54%（表2）,不同水平类型数量比例较为均衡,但空间分布存在差异。其中高水平地区分布于东北地区的黑龙江省中部城市,华北地区的山西省大部分城市,西南地区的重庆市、贵州省北部城市、云南省北部城市、西藏自治区西部城市,华东地区浙江省东部城市,华南地区广东省南部城市,分别对应大兴安岭、太行山脉、雪峰山、横断山脉、喜马拉雅山脉和长三角及珠三角城市群。上述山脉坐落于地势阶梯交界地带,天然景观或人文历史旅游资源丰富,此类资源的经济利用转化率高,即在同时期与其他评价单元的横向对比下,在给定旅游发展投入条件下较其他评价单元可获更高收益,旅游资源投入产出的转化能力较强;长三角和珠三角城市群为经济活力最强区域之一,早期城市建设已基本完成,依托较为完善的旅游资源和接待设施,可实现高水平的经济利用转化率。

规模效率有效城市达到64个,占评价单元19.45%,高水平、较高水平、中等水平、较低水平及低水平地区分别占评价单元的41.95%、26.75%、16.41%、7.90%和6.99%（表2）;在空间分布上区域差异相对较小,大致以“胡焕庸线”为界限,表现为东南高而西北低。中等水平、较低水平及低水平类型区域主要分布在西北、西南及东北地区,这些地区缺乏优势的经济发展区位条件,经济基础薄弱,在旅游发展过程中有待进一步加大旅游业的规模投入。

3.2 空间分布关联性特征

3.2.1 全局空间关联性特征

由图1可看出,中国旅游业发展效率在空间上存在一定的相关性,通过全局空间自相关Moran’s I统计识别旅游业发展效率的空间相关性,分析可得,旅游业发展的综合效率Moran’s I指数为0.18,Z得分11.99;纯技术效率Moran’s I指数为0.14,Z得分9.29;规模效率Moran’s I指数为0.15,Z得分10.56,且均通过显著性检验,表明旅游业发展效率的综合效率、纯技术效率及规模效率呈空间正相关,旅游业发展效率水平高的地级单元其邻近的地级单元水平也高,即旅游业发展效率在空间上存在空间集聚的态势,发展水平相似的地区在空间上集中分布。

3.2.2 局部空间关联性特征

依据Getis-Ord

G_{i}^{*}

指数在自然断裂法划分下将旅游业发展效率划分为热点区、次热区、次冷区、冷点区及不显著区域5种类型,并绘制旅游业发展效率冷热点空间分布图（图2）。

图2

新窗口打开|下载原图ZIP|生成PPT
图2中国地级单元旅游业发展效率冷热点空间分布

Figure 2Spatial distribution of tourism development efficiency hot spots and cold spots in China’s prefectural-level administrative units

由图2可以看出,旅游业发展的综合效率、纯技术效率和规模效率在空间上均呈现出“南热北冷”的空间格局,次热区和次冷区围绕“冷热点”核心区域在空间上展开,表现出一定的层次性。①从综合效率来看,热点区和冷点区均表现“多核”分布,热点区分布于华东地区的浙江省大部分城市、安徽省南部城市、江苏省南部城市、江西省东北部城市,西南地区的贵州省大部分城市、四川省南部城市、云南东部城市,以及华南地区的广西壮族自治区大部分城市、广东省的西部城市。冷点区分布于西北地区的甘肃省东部城市、宁夏回族自治区大部分城市、内蒙古自治区西部城市及华东地区的山东省中、西部城市。②纯技术效率在空间上表现为“热点多核,冷点一核”。热点区分布范围与综合效率热点区的省份分布大致相同,冷点区分布较为集中,分布于华东地区的山东省大部分城市、华北地区的河北省南部城市、山西省东部城市及华中地区的河南省北部城市。③规模效率空间集聚特征明显,呈团簇状集聚状态,表现为“热点一核、冷点多核”的特征,集聚范围大且分布集中,热点区主要分布于华东地区的浙江省西部城市、福建省北部城市、江西省大部分城市,华中地区的湖南省大部分城市及西南地区的重庆市、贵州省北部城市。规模效率热点区城市主要分布于长江中下游,该区域依托长江流域,城市间联系密切,区域内旅游资源共享度高,辐射带动作用较强;冷点区主要分布于华北地区的内蒙古自治区北部城市,西北地区的新疆维吾尔自治区西部城市、宁夏回族自治区的大部分城市,西南地区的西藏自治区东部城市,东北地区的黑龙江省北、东部城市,冷点区城市气候条件较为恶劣,可进入较差,基础接待设施方面有待进一步完善。

3.3 旅游业发展效率区域类型划分

为揭示旅游业发展效率发展水平和空间集聚的分异特点,同时作为不同地域单元其等级性和特色性的标识。本文在局部空间关联性特征分析的基础上,结合旅游业综合效率发展水平及空间分布特点,将旅游业发展效率区域类型划分为辐射带动型、边缘依附型、整体提升型和优化提升型4种类型。

（1）辐射带动型：从旅游业发展效率综合效率局部空间关联特征来看,热点区为旅游业发展效率高水平集聚区的核心区域,在空间上呈团簇状的大规模集聚状态,分布范围广,且外缘边界处被较高水平聚集区即次热区所环绕,空间上的层次性说明该区域类型对周边区域存在一定的辐射带动作用,将其划分为旅游业发展效率的辐射带动型区域。该类型区域分布于华东地区的浙江省大部分城市、安徽省南部城市、江苏省南部城市、江西省东北部城市,西南地区的贵州省大部分城市、四川省南部城市、云南省东部城市,以及华南地区的广西壮族自治区大部分城市、广东省的西部城市。其综合效率、纯技术效率、规模效率均较高。因此该类型区域在旅游业发展过程中要充分发挥旅游资源优势,在良好的旅游资源基础上继续加强区域旅游合作,充分发挥区域旅游业对相邻地区的辐射带动作用,实现旅游资源的合理配置、组合,提高旅游业发展效率,促进区域发展。

（2）边缘依附型：次热区和次冷区在空间上表现为依附于旅游业发展效率水平高或低集聚区分布,主要位于集聚区的边缘位置,将其划分为边缘依附型,同时该类型区域为旅游业发展效率冷热点区与不显著区域的过渡地带,过渡地带在地理空间研究中属于特殊地带,为不同层次、级别的交界地带,具有敏感、流动性大、变化快等特点。因此边缘依附型地区在相似的社会经济条件的区位下,易受高值或低值聚集区区域作用影响,这意味着该类型在旅游发展过程中要注重与发展效率高水平地区间的发展交流,充分利用高水平地区的经济社会条件。同时,在旅游业发展过程中还应牢固树立自身旅游形象,因地制宜、因业制宜,加强旅游品牌建设,避免旅游发展的“同质化”“阴影区”,强化旅游产业作用,丰富旅游产品体系,提升自身旅游竞争力,以提升资源利用转化率,进而提高旅游业发展效率。

（3）整体提升型：冷点区为旅游业发展效率的低值聚集区。此类型区域具备一定的旅游资源基础,但在现有经济发展水平下,资源的综合配置及其利用状况存在不足,表现为旅游业发展效率水平低下,其旅游业的纯技术效率及规模效率均有待提升。该类型区域主要分布于华东地区的山东省中、西部城市,西北地区的内蒙古自治区西部城市,新疆维吾尔自治区西部城市,以及东北地区的黑龙江省中部城市。其中山东省中、西部城市效率低下主要因纯技术效率低下,因此该地区应逐步转变其旅游业发展模式,在原有资源基础上,提升游客旅游活动的体验感,满足游客多方面旅游需求,提高旅游资源的利用转化效率。西北及东北地区主要受经济发展水平影响,加之环境条件相对恶劣,该区域应尽快完善旅游服务设施,提高旅游接待能力,提升交通通达度和可进入性,全面整合地域资源,实现旅游发展的整体提升。

（4）优化提升型：该类型区域主要分布于中部地区及西部地区,空间上没有形成高低值集聚区。说明其旅游业发展效率水平一般,且与周边区域相关性较低,将此类型区域划分为优化提升型。此类型区域在旅游业发展过程中应加强同周边地区合作,充分利用旅游产业的杠杆式拉动效应,优化各类资源组合,以进一步提高旅游业发展效率。

3.4 旅游业发展效率影响因素分析

通过地理探测器对各要素进行探测分析可得（表3）,各影响因素对旅游业发展效率的影响力存在一定差异。

Table 3
表3
表3中国地级单元旅游业发展效率影响因素探测结果
Table 3Results of influencing factors of tourism development efficiency in China’s prefectural-level administrative units

	经济发展水平	旅游产业结构	旅游发展质量		旅游资源质量	交通运输条件	旅游服务水平
	人均GDP	旅游业占服务业比重	地均旅游接待人次	人均旅游收入	4A级及以上景区占A级景区比重	客运量	星级旅行社占旅游社比重	星级酒店占酒店比重
综合效率q值	0.0122	0.0182	0.1763**	0.1896**	0.0146	0.0130	0.1608**	0.3255**
纯技术效率q值	0.0118	0.0180	0.0395*	0.0494*	0.1549**	0.0514*	0.0986**	0.1954**
规模效率q值	0.0507**	0.0216	0.4440**	0.5114**	0.1777**	0.1220**	0.1005**	0.1738**

注：**和*表示影响力在1%和5%的水平上显著。

新窗口打开|下载CSV

（1）经济发展水平。经济发展水平是旅游业发展的重要依托条件,人均GDP对规模效率影响通过显著性检验。规模效率在空间上以“胡焕庸线”为界,表现为东南高而西北低,与经济发展水平空间分布相一致,即经济发展水平高的地区其规模效率也高。因此,经济发展水平高低对旅游业投入存在直接影响作用,经济发展水平高,为旅游发展提供良好的经济基础条件,更有利于旅游要素的投入,从而影响规模效率水平。

（2）旅游产业结构。旅游业产业结构影响因子在综合效率、纯技术效率与规模效率中未通过显著性检验,且影响力值均较低,表明旅游业占服务业比重对旅游业发展效率的影响较弱,旅游业发展效率较少受旅游业产业结构影响。

（3）旅游发展质量。旅游业发展质量高,直接表现为良好的旅游效益。探测结果表明旅游发展质量因素在综合效率、纯技术效率和规模效率中均通过显著性检验,其中地均旅游接待人次、人均旅游收入对综合效率影响值分别达到0.1763和0.1896,规模效率影响值分别达到0.4440和0.5114,对规模效率空间分异作用凸显。旅游发展质量高时,其良好的效益会进一步影响旅游要素的投入,进而发展效率得以提升。因此,提高旅游发展质量利于推动旅游业发展的综合效率、纯技术效率和规模效率得以有效提升。

（4）旅游资源质量。旅游资源作为重要的旅游吸引物,对旅游效益的转化有着直接的制约作用。其对纯技术效率和规模效率的影响值为0.1549和0.1777,通过显著性检验。纯技术效率高水平地区主要分布于地势阶梯交界地带,该区域天然景观或人文历史旅游资源丰富,经济利用转化率高,在给定旅游发展投入条件下较其他评价单元可获更高收益,可见旅游资源质量对于旅游效益的转化和旅游要素投入产生直接影响。

（5）交通运输条件。一个地区的交通通达度,直接影响旅游活动的可进入性,更是旅游业发展的重要支撑。客运量表现为对规模效率影响较大。东北地区、西北地区环境条件相对恶劣,交通可达性较差,制约旅游发展水平,进而影响旅游效益及旅游要素的投入,表现为规模效率较低。因此完善旅游服务设施,提升交通通达度和可进入性,对于旅游规模效率提升具有重要意义。

（6）旅游服务水平。星级旅行社及酒店占比均通过显著性检验,对综合效率、纯技术效率及规模效率产生影响,可见提高旅游服务水平有利于加快提升旅游业发展效率。

4 结论

本文通过DEA模型对2018年旅游业发展效率进行测算,利用空间自相关探究其空间格局特征,并通过地理探测器探析其影响因素。主要结论如下：

（1）2018年旅游业发展效率的综合效率在空间分布上表现为“大集聚、小分散”特征;纯技术效率不同水平类型数量比例较为均衡,但空间分布存在差异,高水平地区主要分布于旅游资源优良或经济发展水平高的地区;规模效率总体水平较高,空间上大致以“胡焕庸线”为界限,表现为东南高而西北低。总体来看,当前旅游业发展效率的规模效率大部分地区水平较高,而纯技术效率和综合效率发展水平有待提升。

（2）旅游业发展效率在空间上存在明显的空间分异特征,表现出一定的空间正相关性,局部空间关联性特征表现为“南热北冷”,并存在一定的层次性。其中综合效率冷热点“多核”分布,西南、华南、华东地区表现为高值集聚,华北、东北及西北地区表现为低值集聚;纯技术效率“热点多核,冷点一核”,其中低值集聚区集中于华东地区的山东省中、西部城市;规模效率则表现为“热点一核,冷点多核”的特点,热点区集聚特征明显且分布范围广,主要分布于长江中下游沿线省份的部分城市,冷点区主要分布于西北、华北及东北地区部分城市。

（3）局部空间关联性特征的识别便于了解自身发展水平及与周边城市发展关系,依据旅游业发展效率的综合效率水平和空间特征划分为辐射带动型、边缘依附型、整体提升型和优化提升型4种类型。辐射带动型为热点区,该类型城市应充分发挥旅游发展效率的辐射带动作用,推动旅游业联动发展,进一步提升旅游业发展效率;边缘依附型为次热区和次冷区,在空间上表现为依附于热点区或冷点区分布,同时作为集聚与非集聚区域的过渡地带,应注重周边城市效率发展水平带来的影响;整体提升型为冷点区,该类型城市应注重提高旅游业发展的整体水平,以促进旅游发展效率的提升;优化提升型在空间上没有形成明显的集聚区,在提升自身发展效率的基础上,应强化与周边城市的合作与联系。

（4）旅游业发展效率的空间格局是旅游资源利用、组合情况及生产方式等综合因素影响的结果。依据地理探测器对旅游业发展效率的影响因子探测结果,确定发展质量、旅游服务水平及旅游资源质量为旅游业发展效率空间分异的主导因素,其中旅游发展质量为首要因素。旅游产业结构中旅游业占服务业比重在综合效率、纯技术效率和规模效率中皆未通过显著性检验,说明各评价单元受该影响因素作用不大。经济发展水平和交通运输条件对旅游业发展效率的作用主要体现对规模效率的影响。推动旅游业发展、提高旅游服务水平以及旅游资源利用转化率是提升旅游业发展效率的重要途径。

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]

陆保一, 明庆忠, 郭向阳, 等. 云南省旅游产业与生态文明建设耦合协调度时空差异研究
[J]. 资源开发与市场, 2018,34(3):391-396.

[本文引用: 1]

[ Lu

B Y

, Ming

Q Z

, Guo

X Y

, et al. Study on spatial and temporal differences of coupling coordination between ecological civilization construction and tourism industry in Yunnan Province
[J]. Resource Development and Market, 2018,34(3):391-396.]

[本文引用: 1]

[2]

蒋莉, 邵海琴, 王凯. 中国旅游业效率及其影响因素的时空异质性研究
[J]. 旅游研究, 2018,10(5):20-30.

[本文引用: 1]

[ Jiang

, Shao

H Q

, Wang

. A research on space-time heterogeneity of tourism efficiency and influencing factors in China
[J]. Tourism Research, 2018,10(5):20-30.]

[本文引用: 1]

[3]

孙盼盼, 夏杰长. 中国省际旅游产业效率的空间格局与空间效应: 基于质量产出的视角
[J]. 经济与管理研究, 2017,38(10):61-70.

[本文引用: 1]

[ Sun

P P

, Xia

J C

. Spatial pattern and spatial effect of provincial tourism industry efficiency in China: From the perspective of quality output
[J]. Research on Economics and Management, 2017,38(10):61-70.]

[本文引用: 1]

[4]

Barros

C P

. Measuring efficiency in the hotel sector
[J]. Annals of Tourism Research, 2005,32(2):456-477.

DOI:10.1016/j.annals.2004.07.011 URL [本文引用: 1]

AbstractThis study discusses, by means of data envelopment analysis, the efficiency of individual hotels belonging to the Portuguese state-owned chain, Pousadas de Portugal, which is managed by the enterprise, ENATUR. The use of this technique for the analysis of intrachain comparative hotel efficiency can be of value in examining the competitiveness of the chain as a whole. By identifying the efficient hotels in a sample, the slacks in inputs and outputs of the inefficient hotels and the peer group of efficient hotels, the data envelopment analysis stands out as one of the most promising techniques to aid the improvement of efficiency. Managerial implications arising from this study are also considered.RésuméLe mesurage du bon fonctionnement dans le secteur hôtelier. Cette étude discute, par moyen d’une analyse d’enveloppement de données, le bon fonctionnement de plusieurs hôtels individuels qui appartiennent à la même chaîne étatisée portugaise Pousadas de Portugal, qui est gérée par l’entreprise ENATUR. L’utilisation de cette technique pour l’analyse du rendement comparative des hôtels d’une même chaîne peut être utile pour l’évaluation de la compétitivité de la chaîne entière. En identifiant les hôtels efficaces dans un échantillon, les ralentissements dans les intrants et les rendements des hôtels inefficaces et les hôtels efficaces similaires, l’analyse d’enveloppement de données se distingue comme une des techniques les plus prometteuses pour promouvoir l’amélioration du fonctionnement. On examine aussi les implications pour la gestion qui proviennent de cette étude.]]>

[5]

Barros

C P

. Analysing the rate of technical change in the Portuguese hotel industry
[J]. Tourism Economics, 2006,12(2):325-346.

DOI:10.5367/000000006778493673 URL [本文引用: 1]

[6]

Morey

R C

, Dittman

D A

. Evaluating a hotel GM’s performance: A case study in bench marking
[J]. The Cornell Hotel & Restaurant Administration Quarterly, 2016,44(5):53-59.

[本文引用: 1]

[7]

Tsaur

S H

. The operating efficiency of inbound tourist hotels in the Taiwan
[J]. Asia Pacific Journal of Tourism Research, 2000,6(1):29-37.

[本文引用: 2]

[8]

Barros

C P

, Matias

. Assessing the efficiency of travel agencies with a stochastic cost frontier: A Portuguese case study
[J]. International Journal of Tourism Research, 2006,8(5):367-379.

DOI:10.1002/(ISSN)1522-1970 URL [本文引用: 2]

[9]

Fuentes

. Efficiency of travel agencies: A case study of Alicante, Spain
[J]. Tourism Management, 2011,32(1):75-87.

DOI:10.1016/j.tourman.2009.12.003 URL [本文引用: 2]

This study analyses the relative efficiency of 22 travel agencies of similar characteristics based in Alicante (Spain). This analysis is carried out using the Data Envelopment Analysis (DEA) technique and smoothed bootstrap. Following the analysis, possible lines of action that the agencies can take in order to improve their efficiency in the future are provided. Finally, using the Mann Whitney U Test, the relationship, or lack thereof, between the levels of efficiency of these agencies and their ownership type, location and level of experience is examined. (C) 2009 Elsevier Ltd.

[10]

X L

, Ryan

, Bao

J G

. Chinese national parks: Differences, resource use and tourism product portfolios
[J]. Tourism Management, 2009,30(1):21-30.

DOI:10.1016/j.tourman.2008.04.006 URL [本文引用: 1]

AbstractThis paper has three purposes. First, it briefly describes some of the economic and cultural features of Chinese national parks that distinguish them from their counterparts in locations such as Europe, even while underlying similarities exist. Second, drawing on these differences it reports research into the efficiency of use of their resources by applying the technique, data envelopment analysis, to data made available for 136 national parks. Third, building on the results it identifies the role of external economies of scale in affecting resource usage and argues that being part of a portfolio of wider tourism locations is a means of improving resource usage. Such conclusions reinforce the role of Chinese national parks in rural economic regeneration through tourism, which arguably has as much importance in Chinese thinking as do issues of environmental protection. Thus tensions exist as to the role of national parks in China, and in their subsequent management.]]>

[11]

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.

URL [本文引用: 1]

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。

[ 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.]

URL [本文引用: 1]

It is a major purpose for urban economic development to achieve much higher tourism resources usage efficiency, which is also an important index to evaluate the level of urban tourism. In the present work, the authors performed a study on the efficiency of 58 primary tourism cities in China by using the Data Envelopment Analysis （DEA） to evaluate the tourism efficiency of these cities in 2005, on the basis of which, statistical characteristics, grouping characteristics, stage characteristics and the contribution of the tributary efficiency to the total efficiency were analyzed in detail. Results showed that most of these cities in year 2005 were undergoing relatively low tourism efficiency, even an inefficiency level, with showing a medium value of only 0.44. Regarding the characteristics of developmental stages, it is much easier for the cities located in developed regions to enter a stage for progressively decreasing benefits from tourism development. Concerning the impacts resulting from their decompositions, the scale efficiency was higher than the technological efficiency as well as congestion efficiency. In addition, it was found that the contribution of technological efficiency was higher than congestion efficiency. Based on the analysis of their development stages, the reasons of these characteristics were carefully examined. It was concluded that an imbalanced development of regional economy at current stages could be ascribed to the overall low tourism efficiency in China. Based on this, it was suggested that the economic level in eastern China be much higher than the middle and western China, so the cities in these regions can invest much more resources in tourism. In contrast, the cities in undeveloped regions cannot provide resources of the same amount as developed regions. As a result, the cities in undeveloped regions cannot achieve a much higher efficiency at this stage. Moreover, measures for improving tourism efficiency of cities in different regions in China were discussed in detail. That is, more resources are suggested to be allocated to the cities in middle and western China in order to meet the stage of a decreasing scale, whereas fewer resources would be provided to the cities in eastern China. At last, construction of urban tourism production indices, development direction and relevant policies were discussed.

[12]

李瑞, 吴殿延, 殷红梅, 等. 2000年以来中国东部四大沿海城市群城市旅游业发展效率的综合测度与时空特征
[J]. 地理研究, 2014,33(5):961-977.

DOI:10.11821/dlyj201405014 URL [本文引用: 1]

以城市群地级以上城市为生产单元，采用传统DEA、Bootstrap-DEA纠偏和Malmquist指数模型测算和分析中国东部4 大沿海城市群城市旅游业发展效率与时空特征。结果表明：①由传统DEA模型测度的城市群城市旅游业综合效率及其分解效率值均要高于Bootstrap-DEA纠偏模型测度后的效率值，表明了传统模型测度存在明显高估倾向的问题。② 2000 年以来4 大城市群主要直辖市、省会城市和核心城市旅游业投入资源利用综合水平呈持续良好态势；同时，长三角和珠三角城市旅游业平均投入资源利用综合水平呈无效向良好转变，京津冀和山东半岛城市旅游业则呈无效向中等转变。③ 2000 年以来珠三角和长三角城市旅游业综合效率受纯技术效率的影响程度略强于规模效率，而京津冀和山东半岛城市旅游业则反之。④ 2000年以来4 大城市群大多数城市提高幅度大但趋于下降，珠三角和长三角主要直辖市、省会城市和核心城市全要素生产率变化提高幅度略高于京津冀和山东半岛；同时，珠三角、长三角、京津冀和山东半岛城市旅游业平均全要素生产率提高幅度呈依次下降态势。

[ Li

, Wu

D T

, Yin

H M

, et al. Comprehensive measurement and spatial characteristics of development efficiency for urban tourism in eastern China: A case study of four coastal urban agglomerations
[J]. Geographical Research, 2014,33(5):961-977.]

[本文引用: 1]

[13]

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.

URL [本文引用: 1]

“十二五”期间国家提出大力发展海洋经济,加快发展滨海旅游业,明确“坚持把经济结构战略性调整作为加快转变经济发展方式的主攻方向”的战略部署。本文运用DEA数据包络分析方法对1999-2012年沿海11省市区旅游产业效率进行测度,揭示其时序变化与空间差异特征,运用Malmquist生产率指数方法分析该时间段沿海地区旅游产业全要素生产率的时空演化特征,进而运用面板数据模型对其旅游产业效率的影响因素和形成机理进行分析。研究发现：1999-2012年,沿海地区旅游产业综合效率整体上呈螺旋状上升态势,其中长三角地区呈现出领先优势,环渤海地区和泛珠三角地区不相上下,呈平稳变化态势;沿海地区旅游产业全要素生产率整体上保持快速的增长,年均增长率为8.6%,其中技术进步是引起全要素生产率增长的主要原因;城市化水平对旅游产业效率的影响呈显著正效应,推动技术进步、优化产业结构以及提升城市化水平是提高沿海地区旅游产业效率的重要途径。

[ Liu

, Lu

, Liu

. Space-time evolution, influencing factors and forming mechanisms of tourism industry’s efficiency in China’s coastal area of based on DEA-Malmquist model
[J]. Resources Science, 2015,37(12):2381-2393.]

URL [本文引用: 1]

During the period of the Twelfth Five Year Plan,the Chinese government aims to develop the marine economy and coastal tourism,clearly"sticking to the strategic adjustment of economic structure as the main direction of accelerating transformation of the mode of economic development" of strategic deployment. Under this context,here we uses the Data Envelopment Analysis method to measure tourism industry's efficiency for 11 coastal provinces,cities and region in China from 1999 to 2012,revealing characteristics of the temporal change and spatial difference and applies the Malmquist productivity index method to analyze spacetime evolution characteristics for this period of time of coastal tourism industry total factor productivity,and then utilizes panel data modeling to analyze influencing factors and forming mechanisms of coastal tourism industry's efficiency. We find that from 1999 to 2012,comprehensive efficiency of coastal tourism industry on the whole spiraling rises,which presents a lead in Yangtze River Delta region,however,Bohai Rim region and the Pan-Pearl River Delta region are neck and neck,a smooth changing trend. Coastal tourism industry total factor productivity on the whole maintaines rapid growth and the average annual growth rate is 8.6%, which technological progress is the main cause of total factor productivity growth. The level of urbanization has significant positive effects on the efficiency of the tourism industry,and technological progress,optimizing industrial structure,and enhancing urbanization are an important approach to improving the efficiency of the coastal tourism industry.

[14]

吴媛媛, 宋玉祥. 中国东北地区旅游业效率时空格局演变及驱动因素
[J]. 地域研究与开发, 2019,38(5):85-90.

[本文引用: 1]

[ Wu

Y Y

, Song

Y X

. Spatio-temporal pattern evolution and driving factors of tourism efficiency in northeast China
[J]. Areal Research and Development, 2019,38(5):85-90.]

[本文引用: 1]

[15]

王坤, 黄震方, 陶玉国, 等. 区域城市旅游效率的空间特征及溢出效应分析: 以长三角为例
[J]. 经济地理, 2013,33(4):161-167.

[本文引用: 1]

[ Wang

, Huang

Z F

, Tao

Y G

, et al. Study on spatial characteristics and spillover effects of urban tourism efficiency: A case of Yangtze River Delta
[J]. Economic Geography, 2013,33(4):161-167.]

[本文引用: 1]

[16]

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

, 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]

[17]

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.

URL [本文引用: 1]

借助DEA模型和ArcGIS空间分析模块,系统的分析了1998～2008年泛长三角城市旅游发展效率的时空格局演化特征,依据全要素生产率的变动分解模型(Malmquist指数),对TFP变化的总体趋势、结构及空间格局的演化过程进行了综合探讨。结果表明:泛长三角城市旅游发展效率总体上呈现提高态势,市域间差异表现为较为明显波动性特征,旅游发展效率的空间格局形成与演化存在空间关联,综合效率、纯技术效率、规模效率在空间上均表现较为显著的空间自相关,且综合效率和规模效率形成了较为相似的变化格局,而全要素生产率变化呈现弱集聚,相邻地域单元关联性较差。针对旅游发展效率的时空格局演化的驱动机制进行剖析表明,经济政策导向驱动、旅游生产单元价值驱动及旅游消费需求刺激驱动共同驱使导致了旅游发展效率在空间范畴上格局置换。

[ Cao

F D

, Huang

Z F

, Wu

Jiang

, 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]

[18]

梁明珠, 易婷婷. 广东省城市旅游效率评价与区域差异研究
[J]. 经济地理, 2012,32(10):158-164.

[本文引用: 1]

[ Liang

M Z

, Yi

T T

. An evaluation and analysis of tourism efficiency in different cities and regions of Guangdong Province
[J]. Economic Geography, 2012,32(10):158-164.]

[本文引用: 1]

[19]

马晓龙. 2000-2011年中国主要旅游城市全要素生产率评价
[J]. 资源科学, 2014,36(8):1626-1634.

[本文引用: 1]

[ Ma

X L

. Evaluation of tourism total factor productivity for Chinese primary cities from 2000 to 2011
[J]. Resources Science. 2014,36(8):1626-1634.]

[本文引用: 1]

[20]

秦伟山, 张义丰, 李世泰. 中国东部沿海城市旅游发展的时空演变
[J]. 地理研究, 2014,33(10):1956-1965.

DOI:10.11821/dlyj201410015 URL [本文引用: 1]

城市旅游时空演变是旅游地理学研究的热点领域。以中国东部沿海城市为研究区，分析城市旅游发展的时空演变格局。首先分析沿海城市旅游发展强度的时空演变，进而采用DEA数据包络分析法计算沿海城市旅游发展效率的时空演变。研究表明：① 在旅游发展强度方面，东部沿海城市之间的旅游发展强度差异较大，长三角、珠三角以及环渤海的辽东半岛和山东半岛地区的旅游发展强度较强，海峡西岸经济区和环北部湾地区的旅游发展强度较弱。② 10年间在旅游发展综合效率方面基本维持不变，而旅游发展纯技术效率显著增强，旅游发展的规模效率则显著减弱。说明沿海城市的旅游发展已经逐渐由规模效率向技术效率转变。③ 综合旅游发展强度和旅游发展效率两个方面看，将东部沿海城市旅游发展类型分为“高—有效型”、“低—有效型”、“高—无效型”和“低—无效型”四种类型。其中“高—有效型”城市旅游发展较为成熟，“低—有效型”和“高—无效型”城市旅游发展一般，“低—无效”城市旅游发展相对较差。整体来看，珠三角和海峡西岸地区旅游发展强度和旅游发展效率均出现一定程度下滑，长三角、环渤海和北部湾地区的旅游发展强度和旅游发展效率均呈现不同程度增加。

[ Qin

W S

, Zhang

Y F

, Li

S T

. Study on the spatio-temporal evolution of coastal city tourism of China
[J]. Geographical Research. 2014,33(10):1956-1965.]

[本文引用: 1]

[21]

路春燕, 白凯. 中国省域入境旅游吸引力空间耦合关系研究
[J]. 资源科学, 2011,33(5):905-911.

URL [本文引用: 1]

本文以2002年、2004年、2006年和2008年的入境旅游者在中国大陆各省的流向为研究内容，分别运用引力模型和潜力模型对中国省域间入境旅游相互吸引力和各省入境旅游总体吸引力进行研究，并在此基础上应用地统计分析检验了中国大陆各省入境旅游总体吸引力的空间耦合关系，结果显示：①国内各省入境旅游总体吸引力大致呈逐年增强趋势，但省域之间的入境旅游相互吸引力则呈减弱趋势；②在空间上，国内各省入境旅游总体吸引力呈由东向西逐渐减弱的分布特征；随着年份的增加，省域之间的入境旅游总体吸引力差距逐步减小。文后就本研究的不足之处和在今后研究实践中应关注的方面进行了阐述。

[ Lu

C Y

, Bai

Kai

. Spatial coupling relationship of the attraction of provincial inbound tourism in China
[J]. Resources Science, 2011,33(5):905-911.

URL [本文引用: 1]

Inbound tourism is an important component of the tourism industry of China. Revealing explicitly the competition between provinces, reducing internal frictions, and agglomerating the mutual attraction of inbound tourism between provinces would be helpful for generally expanding the inbound tourism market. On a spatial level, the author revealed and analyzed the spatial coupling between every province, with the aim to provide reference for the development of national and provincial inbound tourism market strategies in the future. Data were the flow of inbound tourist grouped data of the sample survey of inbound tourists, including 31 provinces of mainland China. The author investigated the flow of inbound tourists that came to China in 2002, 2004, 2006, and 2008 using the gravity model and potential model to examine the mutual attraction of inbound tourism between provinces and the overall attraction of inbound tourism for every province. On the basis of this, the author used geostatistical analysis to test the coupling of the overall attraction of inbound tourism for each province. Results show that: 1) the overall attraction of inbound tourism for each province was generally increasing, but the mutual attraction of inbound tourism between each province showed a decreasing trend. This is due to an increasingly improved national economy, enhancing inter-provincial communication, and the external tourism promotion. In year 2008, the overall attractiveness of inbound tourism of some provinces was degraded due to the impact of U.S. subprime mortgage crisis. 2) For spatial characteristics, the overall attraction of inbound tourism for each province gradually decreased from the east to the west. The gap of the overall attraction of inbound tourism for each province was gradually reduced over time, since the eastern regions bear some advantages over the western regions, including traffic, infrastructure, and capital. Since Xi'an is a famous tourist destination, the central region exhibited degradation of the overall attraction of inbound tourism. With the western development strategy, the gap between eastern regions and western regions would become small.

[22]

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, 112.

[本文引用: 1]

[ Zhang

, Yu

, Xu

D F

. Study on efficiency measurement and influencing factors of tourism in China’s provinces: Based on SFA and spatial Durbin model
[J]. Macroeconomics. 2014, (6):80-85, 112.]

[本文引用: 1]

[23]

何昭丽, 孙慧, 张振龙. 中国入境旅游发展效率及其影响因素研究
[J]. 干旱区地理, 2017,40(6):1282-1289.

[本文引用: 1]

[ He

Z L

, Sun

, Zhang

Z L

. Technical efficiency and influencing factors of China's inbound tourism
[J]. Arid Land Geography. 2017,40(6):1282-1289.]

[本文引用: 1]

[24]

方叶林, 黄震方, 李经龙, 等. 中国省域旅游业发展效率测度及其时空演化
[J]. 经济地理, 2018,35(8):189-195.

[本文引用: 1]

[ Fang

Y L

, Huang

Z F

, Li

J L

, et al. The measurement of Chinese provincial tourism developing efficiency and its spatio-temporal evolution
[J]. Economic Geography, 2018,35(8):189-195.]

DOI:10.2307/142061 URL [本文引用: 1]

[25]

方叶林, 黄震方, 王芳, 等. 中国大陆省际旅游效率时空演化及其俱乐部趋同研究
[J]. 地理科学进展, 2018,37(10):1392-1404.

DOI:10.18306/dlkxjz.2018.10.009 URL [本文引用: 1]

旅游产业的提质增效是新常态下旅游学科研究的重要问题之一。利用中国大陆1997-2015年省际旅游发展相关数据,综合修正的DEA模型、空间马尔科夫链、脉冲响应模型,以及俱乐部趋同理论,在对省际旅游效率进行定量测算的基础上,分析其时空演化趋势及机理。主要结论为：1997-2015年中国大陆省际旅游效率演化具有显著的地带特征：东部地区旅游经济增长的集约化程度较高,西部地区旅游经济增长的粗放型程度较高;各项旅游效率水平转移在地理空间上往往受到邻域地区旅游效率的影响。考虑空间因素后,各项旅游效率的空间转移更加活跃,但基本格局没有发生变化：各项效率均具有较高的稳定性,尤其是规模效率;空间马尔科夫链分析结果表明：旅游效率的时空演化一定程度上导致了俱乐部趋同效应,中国大陆省际旅游发展效率存在着“近朱者赤、近墨者黑”现象。省际旅游效率的俱乐部趋同客观上使得旅游发展维持着一种“稳定”状态,不利于旅游效率的提升,未来的旅游合作必须进一步突破地理区位的限制。

[ Fang

Y L

, Huang

Z F

, Wang

, et al. Spatiotemporal evolution of provincial tourism efficiency and its club convergence in the Chinese Mainland
[J]. Progress in Geography, 2018,37(10):1392-1404.]

DOI:10.18306/dlkxjz.2018.10.009 URL [本文引用: 1]

The improvement of quality and efficiency of tourism industry is one of the most important tourism issues under China's new normal economy. Based on the data of tourism development and related data of the Chinese mainland from 1997 to 2015, and comprehensively using the methods of modified data envelopment analysis (DEA) model, spatial Markov chain, impulse response model, and club convergence theory and quantitative calculation of tourism efficiency, this study analyzed the spatiotemporal evolution and mechanism of tourism efficiency in the Chinese mainland. The results indicate that: provincial tourism efficiency showed strong regional characteristics. The tourism economy growth was highly intensive in the eastern area, while it was highly extensive in the western region. The transfer of tourism efficiency is always affected by the tourism efficiency of neighboring regions. The spatial transfer of tourism efficiency is more active, but the basic pattern has not changed after considering the spatial factors. Item efficiency showed high stability, especially the scale efficiency. The spatiotemporal evolution of tourism efficiency led to the effect of club convergence to some degree—a phenomenon of "one takes the behavior of one's company." Club convergence of provincial tourism efficiency objectively makes the tourism development "stable"; however, it is not conducive to efficiency improvement. Tourism development cooperation must break through the geographical restrictions in the future.

[26]

查建平, 钱醒豹, 赵倩倩, 等. 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.

DOI:10.18402/resci.2018.12.13 URL [本文引用: 1]

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。

[ Zha

J P

, Qian

X B

, Zhao

Q Q

, et al. Estimation and decomposition of total factors productivity of China’s tourism
[J]. Resources Science, 2018,40(12):2461-2474.]

DOI:10.18402/resci.2018.12.13 URL [本文引用: 1]

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.

[27]

王劲峰, 徐成东. 地理探测器: 原理与展望
[J]. 地理学报, 2017,72(1):116-134.

DOI:10.11821/dlxb201701010 URL

q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。]]>

[ Wang

J F

, Xu

C D

. Geodetector: Principle and prospective
[J]. Acta Geographica Sinica, 2017,72(1):116-134.]

DOI:10.11821/dlxb201701010 URL

Spatial stratified heterogeneity is the spatial expression of natural and socio-economic process, which is an important approach for human to recognize nature since Aristotle. Geodetector is a new statistical method to detect spatial stratified heterogeneity and reveal the driving factors behind it. This method with no linear hypothesis has elegant form and definite physical meaning. Here is the basic idea behind Geodetector: assuming that the study area is divided into several subareas. The study area is characterized by spatial stratified heterogeneity if the sum of the variance of subareas is less than the regional total variance; and if the spatial distribution of the two variables tends to be consistent, there is statistical correlation between them. Q-statistic in Geodetector has already been applied in many fields of natural and social sciences which can be used to measure spatial stratified heterogeneity, detect explanatory factors and analyze the interactive relationship between variables. In this paper, the authors will illustrate the principle of Geodetector and summarize the characteristics and applications in order to facilitate the using of Geodetector and help readers to recognize, mine and utilize spatial stratified heterogeneity.

[28]

徐冬, 黄震方, 胡小海, 等. 浙江省县域旅游效率空间格局演变及其影响因素
[J]. 经济地理, 2018,38(5):197-207.

[ Xu

, Huang

Z F

, Hu

X H

, et al. The spatial pattern evolution and its influencing factors of county-scale tourism efficiency in Zhejiang Province
[J]. Economic Geography, 2018,38(5):197-207.]

[29]

游诗咏, 林仲源, 韩兆洲. 广东省城市旅游效率的时空特征及其增长机制
[J]. 资源科学, 2017,39(8):1545-1559.

DOI:10.18402/resci.2017.08.11 URL

随着城市旅游业在优化就业结构、改善基础设施建设、拓宽就业渠道等方面发挥出重要的作用,政府开始高度重视旅游效率的提高。本文基于Bootstrap-DEA纠偏模型,对2001-2014年广东省21个地级市的城市旅游效率进行测算,采用Moran's I系数和Geary'C比率进行空间自相关检验,并利用考虑空间异质性的地理加权回归（GWR）模型,对广东的城市旅游效率进行实证研究。研究结果表明：①从纠偏效率的数值特征看,广东省各个城市间旅游效率水平差异明显,大多城市总技术效率较高,但为DEA无效的城市数量在增多;②从空间全局视角看,广东省城市旅游效率的空间自相关检验出现由负效应转变为显著的正效应的趋势,在局部视角下具有明显的局域集群趋势;③相比全局线性回归（OLS）模型,bi-square权函数下的局部空间回归（GWR）模型拟合优度最高,解释能力和精度也更强;④GWR模型能有效识别城市旅游效率增长机制的空间非平稳性,本文基于不同区域驱动因素作用的异质性,提出“广东五大旅游板块”空间格局的差异化发展策略来探讨城市旅游效率的驱动因素和作用机理。

[ You

S Y

, Lin

Z Y

, Han

Z Z

. Spatial-temporal characteristics and growth mechanism of urban tourism efficiency in Guangdong Province
[J]. Resources Science, 2017,39(8):1545-1559.]

DOI:10.18402/resci.2017.08.11 URL

Urban tourism plays an important role in optimizing the structure of employment,improving infrastructure construction and broadening employment channels. With rapid tourism development in our country,the government attaches great importance to improving tourism efficiency. We employed a Bootstrap-DEA model to analyze tourism development efficiency and changes in total factor productivity in 21 cities Guangdong,China during 2001-2014. We analyzed spatial-temporal characteristics of urban tourism efficiency through spatial statistical analysis using Moran's Index and Geary’s Ratio,and using a geographically weighted regression model including spatial heterogeneity. The results show that it is necessary to solve the problem using Bootstrap-DEA. From the point view of the mathematical features of efficiency,urban tourism efficiency levels were different in Guangdong：the province as a whole has relatively high urban tourism efficiency,but the efficiency is becoming inefficient. The spatial-temporal characteristics of urban tourism efficiency of Guangdong have evolved from irrelevant to relevant from 2001 to 2014. A key finding was that there is an obvious local clustering trend for urban tourism efficiency. The GWR model based on a bi-square weighted function exhibited better explaining ability. The Moran scatter plots of urban tourism efficiency were used as a reference. Compared with the traditional ordinary least square model based on ‘stationary hypothesis embedding’,the geographical weighted regression model based on ‘non-stationary’ revealed profound spatial differentiation factors. The GWR model based on bi-square weighted function exhibited better model goodness and explaining ability. The scheme of spatial strategic pattern optimization of urban tourism,namely,‘five sections of tourism in Guangdong’ is discussed and a differentiation development strategy constructed. These findings reveal that geographical weighted regression can reconstruct the spatial-temporal nonstationary growth mechanism of urban tourism efficiency.

[30]

韩瑛, 史庆斌, 冯文勇, 等. 山西省旅游业效率时空差异及影响因素研究
[J]. 干旱区资源与环境, 2019,33(7):187-194.

[本文引用: 1]

[ Han

, Shi

Q B

, Feng

W Y

, et al. Temporal spatial differences of tourism industry efficiency and the influencing factors in Shanxi Province
[J]. Journal of Arid Land Resources and Environment, 2019,33(7):187-194.]

[本文引用: 1]

[31]

时雨晴, 虞虎, 陈田, 等. 城市旅游效率演化阶段、特征及其空间分异效应: 以海南国际旅游岛为例
[J]. 经济地理, 2015,35(10):202-209.

[本文引用: 1]

[ Shi

Y Q

, Yu

, Chen

, et al. Evolutionary stages, characteristics and its spatial differentiation effect of urban tourism efficiency: A case from Hainan international tourism island
[J]. Economic Geography, 2015,35(10):202-209.]

[本文引用: 1]

[32]

刘佳, 宋秋月. 中国旅游产业绿色创新效率的空间网络结构与形成机制
[J]. 中国人口·资源与环境, 2018,28(8):127-137.

[本文引用: 1]

[ Liu

, Song

Q Y

. Space network structure and formation mechanism of green innovation efficiency of tourism industry in China
[J]. China Population, Resources and Environment, 2018,28(8):127-137.]

[本文引用: 1]

[33]

方叶林, 黄震方, 李经龙, 等. 中国省域旅游经济增长的时空跃迁及其趋同研究
[J]. 地理科学, 2018,38(10):1616-1623.

DOI:10.13249/j.cnki.sgs.2018.10.005 URL [本文引用: 1]

δ趋同较为显著,总体上绝对β趋同不显著,但在不同时段上绝对β趋同显著。区域经济、区位交通与市场化程度是影响省域旅游经济条件β趋同的主要因素。旅游经济时空跃迁与俱乐部趋同具有一定的关联性,东中部地区旅游经济增长的俱乐部趋同较为显著。]]>

[ Fang

Y L

, Huang

Z F

, Li

J L

, et al. Space-time transition of tourism economic growth and its convergence in Chinese mainland
[J]. Scientia Geographica Sinica, 2018,38(10):1616-1623.]

DOI:10.13249/j.cnki.sgs.2018.10.005 URL [本文引用: 1]

δ convergence of provincial tourism economy growth, generally speaking, absolute β convergence is not significant, but it is significant at different time period. In the long run, the absolute β convergence is not significant about tourism economy growth; however, in the short term, absolute β convergence rate appears weak increasing trend. There is a regional differentiation, which the introduction of regional dummy variables has significant influence on conditional β convergence, so it is necessary to introduce other variables for parameter estimation. Regional economy, location and transportation, marketization degree are the main factors that influence the conditional β convergence of provincial tourism economy. There is a downward trend compared with the compound regression coefficient and single regression coefficient, reflecting that the influence factors of tourism economic growth has not well optimized and combined, the external environment still needs to be optimized. There is some relationship between space-time transition and club convergence of provincial tourism economy, and the club convergence of the tourism economy growth in the East and Middle is more obvious. The club convergence will lead to the reduction of the gap in the groups, but the gap between groups will increase. Therefore, the cross regional tourism cooperation, which will break geographical location, needs to be strengthened in the future.]]>

[34]

吴媛媛, 宋玉祥. 中国东北地区旅游业效率时空格局演变及驱动因素
[J]. 地域研究与开发, 2019,38(5):85-90.

[本文引用: 1]

[ Wu

Y Y

, Song

Y X

. Spatio-temporal pattern evolution and driving factors of tourism efficiency in northeast China
[J]. Areal Research and Development, 2019,38(5):85-90.]

[本文引用: 1]

[35]

魏俊, 胡静, 朱磊, 等. 鄂皖两省旅游发展效率时空演化及影响机理
[J]. 经济地理, 2018,38(8):187-195.

[本文引用: 1]

[ Wei

, Hu

, Zhu

, et al. Spatial-temporal differentiation and influencing mechanism of tourism development efficiency in Hubei Province and Anhui Province
[J]. Economic Geography, 2018,38(8):187-195.]

DOI:10.1080/00130095.1962.11729589 URL [本文引用: 1]

[36]

中华人民共和国国家统计局. 中国城市统计年鉴2019[M]. 北京: 中国统计出版社, 2019.

[本文引用: 1]

[ National Bureau of Statistics of the People’s Republic of China. China City Statistical Yearbook 2019[M]. Beijing: China Statistics Press, 2019.]

[本文引用: 1]

[37]

中华人民共和国国家旅游局. 中国旅游统计年鉴2019[M]. 北京: 中国旅游出版社, 2019.

[本文引用: 1]

[ China National Tourism Administration. The Yearbook of China Tourism Statistics 2019[M]. Beijing: China Tourism Press, 2019.]

[本文引用: 1]