EN中文

GEOGRAPHICAL RESEARCH >

2015 , Vol. 34 >Issue 10: 1957 - 1970

DOI: https://doi.org/10.11821/dlyj201510013

Articles

Regional tourism industry' efficiency measurement and comparative analysis based on carbon emissions

  • HAN Yuanjun , 1 ,
  • WU Pu , 1 ,
  • LIN Tan 2
Expand
  • 1. China Tourism Academy, Beijing 100005, China
  • 2. Transport Planning and Research Institute of Ministry of Transport, Beijing 100028, China

Received date: 2015-03-11

  Request revised date: 2015-07-16

  Online published: 2015-10-15

Copyright

《地理研究》编辑部
Fold

Abstract

This paper firstly calculates the carbon emissions of tourism industry of five provinces based on the concept of "tourist consuming minus coefficient". Then it evaluates the tourism industry efficiencies and conducts a comparative analysis with the traditional DEA model and the undesirable output DEA model. The results are shown as follows. The rank of Hainan's carbon emissions of the tourism industry is always the lowest. The growth rate of Hubei' carbon emissions is the largest, and Beijing is the only declining area from 2009 to 2011. For per capita carbon emissions, Hainan tourism industry ranks first while Beijing and Hainan show a declining trend year by year. The overall level of the comprehensive and decomposition efficiencies in five provinces is high without considering carbon emissions, and it is in line with the fact that regional tourism as a pillar industry is attached great importance. The tourism industry efficiencies in the five provinces change irregularly while carbon emissions are considered. Tourism comprehensive technical efficiencies change from the regular status of decline or steadiness in 2009 to the irregular status in 2010-2011, which are determined by the combined effects between pure technical efficiency and scale efficiency. In the future, China should strengthen coordination between tourism energy conservation and optimal allocation of tourism resources, and improve the tourism industry efficiencies according to the level of local technology and market power advantages.

Key words： tourism carbon emissions; tourist consuming minus coefficient; industry efficiency; the undesirable output DEA model

Cite this article

HAN Yuanjun , WU Pu , LIN Tan . Regional tourism industry' efficiency measurement and comparative analysis based on carbon emissions[J]. GEOGRAPHICAL RESEARCH, 2015 , 34(10) : 1957 -1970 . DOI: 10.11821/dlyj201510013

1 引言

中国旅游业起步于改革开放,经过30多年的发展,现在已经从旅游资源大国转变为世界旅游大国,正在向世界旅游强国迈进。《国务院关于加快发展旅游业的意见》明确提出了“力争到2020年中国旅游产业规模、质量、效益基本达到世界旅游强国水平”的奋斗目标。要建设世界旅游强国,就必然要求在发展规模的基础上切实提升产业效率,通过资源优化配置实现规模与效率的统一。近年来,旅游产业效率问题已引起了国内学者的热切关注,但是,基于碳排放的旅游产业效率研究在国内却寥寥无几,特别是基于碳排放的省域层面旅游产业效率研究更是空白。当旅游业产生“好产出”即经济效益的同时,也会产生“坏产出”碳排放,同时考虑“好产出”与“坏产出”的旅游产业效率评价更加科学、客观,因此,本文在分析中国代表性省份的旅游产业效率时,同时考虑“好产出”和“坏产出”。
在未考虑碳排放等环境约束的情况下,产业效率评价一般以C-D函数为数据基础,采用数据包络分析（data envelopment analysis,DEA）模型进行全要素生产率的估计,并进一步将全要素生产率（total factor productivity,TFP）分为技术进步和效率变动[1]。
传统的DEA模型假设产出为期望产出,即“好产出”,意味着产出越大,表明决策单位越有效。但是当考虑环境约束时,温室气体（二氧化碳）属于非期望产出即“坏产出”变量,只有尽可能减少“坏产出”才能实现最佳效率,所以传统的DEA模型处理“坏产出”问题时不再有效,例如Fare等[2,3]将“坏产出”列入模型,此时得出的效率值比传统的DEA效率值要低,而且排序也有很大的不同。因此,许多研究开始将“坏产出”引入DEA模型,并且提出了环境效率等概念。在研究方法上,西方研究界利用DEA模型处理“坏产出”时的主要方法包括非期望产出作投入法、倒数转换法、双曲线法、转换向量法、方向性距离函数法、SBM模型法等6种,其中Fare等提出的方向性距离函数应用最为广泛[4],因此本文用此方法分析代表型省份的旅游产业效率。在研究内容上,西方旅游学者对旅游产业效率研究范围较广,涉及到旅游酒店[5-7]、旅行社[8]、旅游交通[9,10]、旅游目的地[11]等多个领域,基本构成旅游产业的主体内容。虽然西方学术界关于碳排放等环境问题与产业效率关系的研究由来已久,但是他们的研究对象主要是西方各国,对中国产业效率的研究考虑存在“好产出”的情况占多数[12],个别学者开始从事同时产生“好产出”和“坏产出”时环境规制与产业效率的相关研究[13],西方学者对于旅游产业效率的研究往往只考虑“好产出”情况居多[14,15]。
国内学者对于旅游产业效率的研究往往只是考虑存在“好产出”,即旅游收益时的情况,而同时考虑存在“好产出”和“坏产出”即碳排放时的产业效率研究较少。在已有国内旅游产业效率的研究中,朱顺林基于“好产出”分析了中国区域旅游产业效率,认为中国旅游产业综合技术效率低下的原因是各区域纯技术效率低下,必须通过转变产业增长方式、整合产业链、建立和完善产业创新体系等途径来提高旅游产业的技术效率[16];马晓龙等用DEA模型分析了只考虑“好产出”情况下影响中国58个城市旅游产业效率的演化情况,认为规模效率对总效率影响最大,而技术效率和利用效率影响相对较弱[17];朱程亮等基于“好产出”使用SFA模型分析了2000-2006年的区域产业效率情况,认为中国区域旅游产业效率趋于上升态势,但总体偏低,未来有很大上升潜力[18];周云波等基于DEA-BCC模型和Malmquist指数分析了基于“好产出”的中国旅游业2001-2007年静态效率和动态效率,认为中国旅游业总体技术效率偏低,这主要是纯技术效率低下造成的,与朱顺林[16]的结论一致。此外还认为技术进步缓慢是全要素生产率增长缓慢的原因[19]。随着产业效率研究方法在中国旅游研究中不断深入,已有个别国内学者开始尝试在微观景区等旅游企业的产业效率评价中考虑“坏产出”的情况,李志勇将环境因素纳入旅游景区服务提供效率评价模型之中,对环境约束条件下的旅游景区服务提供效率进行了测评,并选取四川省成都市29家景区进行研究,结果显示,环境因素考虑与否对旅游景区服务提供效率值产生很大的影响[20]。
目前,国内中观省级层面包含“坏产出”的旅游产业效率研究还是空白,现有对各省份的旅游产业效率评价不包括“坏产出”碳排放一个重要原因是碳排放测算问题。一是现有碳排放统计中没有旅游业一项,旅游业碳排放量没有现成的统计数据;二是旅游业碳排放测算方法多样,各种方法存在一定局限或者现实操作问题,例如自上而下法操作简单,但需要建立完备的能耗与温室气体排放计量体系,投入产出法能全面反映旅游业直接和间接的能耗与排放数据,但统计数据的剥离是个难题。因此,中国现有的旅游产业效率研究往往不包括“坏产出”碳排放。但是,不包括坏产出的产业效率评价是不科学的。为了使该领域的研究更加深入,本文根据中国各省份的空间布局和数据可得性,从全国28个将旅游业作为支柱产业的省份中选取北京、山东、浙江、湖北、海南作为研究对象,通过旅游消费剥离系数构建旅游碳排放量的测算模型,进一步兼顾考虑“坏产出”和“好产出”基础上利用非期望产出DEA模型评价五省份的旅游产业效率情况,并且进行对比分析,以期为更科学评价与提升中国省域层面的旅游产业效率提供理论参考。

2 研究方法与数据来源

2.1 旅游碳排放量的测算方法

旅游业是综合性产业,涉及食、住、行、游、购、娱等众多因素,要较准确计算特定地区的旅游业碳排放情况,必须全面考虑旅游过程中的各种产业要素。目前中国还没有针对某产业碳排放的监测数据,现有测算碳排放量的研究多数是通过能源消耗测算出来的,本文将沿用此种研究方法。由于旅游业碳排放主要源于旅游相关部门能源消耗所释放出的二氧化碳[21],所以本文将旅游相关部门释放的二氧化碳作为碳排放量的考察对象。从中国现有的统计制度和方法实际看,现有的统计年鉴中并没有专门针对旅游业能源消耗的统计数据,因此,为了计算出各地区的旅游业碳排放量,必须从旅游相关部门中剥离出旅游业的能源消耗量(根据李江帆等的研究,旅游活动包括的“食、住、行、游、购、娱”等要素主要,涉及到中国国民经济行业分类体系中的交通运输、仓储和邮政业以及批发,零售业、住宿和餐饮业,因此,本文将上述产业作为与旅游密切相关的行业,计算出所需的旅游消费剥离系数和碳排放量。),然后通过能源消耗向碳排放转换的相关系数得出相关行业的碳排放量,最后将相关行业碳排放量加总,即可得出特定地区的旅游业碳排放量,计算公式如下：
C = ∑ i = 1 2 C i （1）
C i = ∑ i = 1 2 ( E ij r j β ) （2）
E ij = E ij * × S i （3）
式中：C表示特定地区旅游业的碳排放总量; C i 表示交通运输、仓储和邮政业以及旅游批发、零售业、住宿和餐饮业中某个行业的旅游碳排放量; E ij 表示交通运输、仓储和邮政业以及批发、零售业、住宿和餐饮业中某行业所消耗的j类能源中与旅游有关的部分; r j 是j类能源折算标准煤参考系数(数据来源于《综合能耗计算通则（GB/T2589-2008）、《能源统计知识手册（2006）》。); β 是单位标准煤的二氧化碳排放量,本文根据已有的研究成果[22],令 β = 2.45 ; E ij * 表示交通运输、仓储和邮政业以及旅游批发、零售业、住宿和餐饮业中某个行业所耗费的j类能耗量; S i 表示交通运输、仓储和邮政业以及旅游批发、零售业、住宿和餐饮业中某个行业的旅游消费剥离系数,下文将对该系数计算方法进行详细说明。
为了计算特定地区旅游业的碳排放量,按照式（1）~式（3）,必须计算出特定行业的旅游消费剥离系数。本文采用李江帆等提出的“旅游消费剥离系数”概念,“旅游消费剥离系数”的方法是根据相应行业的增加值率把旅游总收入中的购物、饮食、交通、邮电通讯、社会服务（含住宿、娱乐和其他服务）的总产值数折为增加值数,再把这些增加值与该行业全部增加值的比例作为旅游消费剥离系数[23]。通过计算五个省份的“旅游消费剥离系数”,将旅游业的能耗从各相关行业能源消耗中剥离出来。计算公式为：
S i = T i / R i （4）
式中： S i 表示i行业的旅游消费剥离系数; R i 表示行业增加值; T i 表示i行业的旅游增加值,可以通过i行业增加值率乘以i行业旅游收入得出,而i行业增加值率等于i行业增加值除以i行业总产值。需要特别说明的是,为了计算出旅游消费剥离系数所需的i行业旅游增加值,需要假定各部门的增加值率在i行业是均匀分布的。
需要特别说明的是,在各省份的年鉴中现行的国民经济核算体系中的产业分类中,旅游产业主要与第三产业中的交通运输、仓储和邮政业,批发和零售业,住宿和餐饮业三个行业部门有关;在《中国能源统计年鉴》的地区能源平衡表中,与旅游相关的产业包括交通运输、仓储和邮政业,批发、零售、住宿和餐饮业,这与国民经济核算体系中的产业分类基本一致。为了计算各省份的旅游消费剥离系数,将入境游客、国内游客消费调查中旅游消费构成的类型与国民统计核算体系、地区能源平衡表中的产业类型进行归类。调查项目中的长途交通、市内交通、邮电通讯、其他四项对应产业类别中的交通运输、仓储和邮政业,景区游览、购物和娱乐三项对应产业类别中的批发和零售业,住宿、餐饮两项对应产业类别中的住宿和餐饮业,因为入境游客和国内游客消费结构不同,因此,分别计算出两类游客在相关产业中的消费量,并将这两部分加总。为了更准确地测算各省份旅游业的能源消耗量,同时结合现有统计年鉴中的行业统计数据分类情况,在上文分类基础上,将国民统计核算体系中的批发、零售业与住宿、餐饮业两类归为一类。因此,本文将旅游消费剥离系数分为两类：交通运输、仓储和邮政业的旅游消费剥离系数;批发、零售业、住宿和餐饮业的旅游消费剥离系数。

2.2 旅游产业效率测算模型

2.2.1 传统DEA模型 数据包络分析作为一种评价多投入多产出决策单位效率的方法,被广泛应用于各个领域。DEA模型的核心思想是利用投入产出数据投射出最大产出或最小投入边界。DEA方法最初由Charnes等于1978年提出,创立规模报酬不变的CCR模型;之后Banker等于1984年用规模报酬变动假设取代了CCR模型的固定规模报酬假设,发展成BCC模型。DEA模型又可以进一步分为产出导向模型和投入导向模型,本文以产出导向型规模报酬可变的BCC为例进行说明。式（5）即为产出导向BCC模型（将凸性限制 δ 1 + δ 2 + ⋯ + δ N = 1 去掉即为CCR模型）：
max ϕ , δ ϕ st. ∑ n = 1 N δ n y mn ≥ ϕ y mi ， m = 1,2 , ⋯ , M ∑ n = 1 N δ n x kn ≤ x ki ， k = 1,2 , ⋯ , K δ 1 + δ 2 + ⋯ + δ N = 1 δ 1 , δ 2 , ⋯ , δ N ≥ 0 （5）
式中：n表示决策单位（decision making units,DMU）;m表示产出变量;k表示投入变量;第i个决策单位的相对效率即为 ϕ 。
2.2.2 非期望产出DEA模型 传统的DEA模型在进行效率评价时往往假设产出为期望产出,即产出越大,表明决策单位越有效。但是现实中往往存在非期望产出,比如人类经济活动造成的碳排放。这类非期望产出具有负的外部性,只有尽可能减少非期望产出才能实现最佳效率。但是,传统的DEA模型并不能处理非期望产出问题。刘勇等总结了DEA模型在处理非期望产出时的主要方法,包括：非期望产出作投入法、倒数转换法、双曲线法、转换向量法、方向性距离函数法、SBM模型法等6种,其中由Fare等提出的方向性距离函数使用最为广泛[24]。方向性距离函数法假设非期望产出具有弱随意处置性（weakly disposable,WD）,即想要减少非期望产出,必须牺牲部分期望产出。与之相对应的是强随意处置性（strongly disposable,SD）：非期望产出可以任意处置,而期望产出不受影响。如同原始DEA模型一样,非期望产出DEA模型也可分为产出导向模型和投入导向模型,本文以产出导向的弱随意处置性BCC-DEA模型（将凸性限制 δ 1 + δ 2 + ⋯ + δ N = 1 去掉即为CCR-DEA模型）为例分析：
max ϕ , δ β st. ∑ n = 1 N δ n y mn ≥ ( 1 + β ) y mi ， m = 1,2 , ⋯ , M ∑ n = 1 N δ n y ′ n = ( 1 - β ) y ′ i ∑ n = 1 N δ n x kn ≤ x ki ， k = 1,2 , ⋯ , K δ 1 + δ 2 + ⋯ + δ N = 1 δ 1 , δ 2 , ⋯ , δ N ≥ 0 （6）
式中： y ′ i 代表非期望产出,第i个决策单位的非期望产出效率即为 1 / ( 1 + β ) 。
为了更好地理解各省份的旅游产业效率,特将原始DEA模型和非期望产出模型计算出效率进行分解,其中,规模报酬不变的CCR模型计算出的为综合技术效率,规模报酬变动下的BCC模型计算出的为纯技术效率,并且以综合技术效率除以纯技术效率得出规模效率[2]。

2.3 数据来源

旅游业碳排放测算所需数据来源于两方面：一方面是计算旅游消费剥离系数所需数据,因为国内旅游和入境旅游消费结构不同,因此在计算相关旅游相关行业以及旅游业消费剥离系数时,分别使用了2009-2011年各省份入境游客和国内游客消费构成的抽样调查报告,此外,还需要2010-2012年北京、浙江、山东、湖北、海南的统计年鉴以及各省份统计局网站的相关行业产出的相关资料,各省份旅游统计公报、旅游统计概览、旅游统计便览等。另一方面是五省份的能源消费数据,来源于《中国能源统计年鉴（2010-2012）中的地区能源平衡表,此外,为了计算五个地区的旅游碳排放量,需要从《综合能耗计算通则（GB/T2589-2008）和《能源统计知识手册（2006）》中获取各类能源折标准煤的参考系数。
在代表性省份旅游产业效率估算的投入指标选择方面,选择资本和劳动作为投入要素：一是选择五个省份旅游企业的固定资产原值作为资本投入指标,为消除价格因素,以固定资产投资价格指数折算为2009年的价格,单位是万元;二是选择五个省份旅游企业的旅游从业人数作为劳动力投入指标,单位是个人。在产出指标选择上,选择五个省份旅游企业的营业收入和营业税金作为产出指标,为剔除价格因素,以固定资产投资价格指数折算为2009年的价格,单位是万元。代表性省份旅游业效率估算所选数据来源于《中国旅游统计年鉴（副本）》（2010-2012）、《中国统计年鉴》（2010-2012）。需要说明的是,2009年全国各省份对除了旅行社、星级酒店、旅游景区外的其他旅游企业的投入产出情况也做了统计,2010年、2011年则没有其他旅游企业的统计,因此,为了使《中国旅游统计年鉴（副本）》统计的2009-2011年旅游企业的统计口径一致,本文将2009年其他旅游企业的数据近似作为2010年、2011年其他旅游企业的相应数据,并与旅游业其他行业数据加总得出各省份旅游业投入产出的情况。由于2009年其他旅游企业投入产出数据较旅游业总量数据较小,因此,这样算出来的误差较小,并且实现了2009-2011年旅游统计口径一致。此外,由于2010年各省份旅游景区投入产出数据缺失,因此,此行业2010年数据选取2009年与2011年相应数据均值。

3 结果分析

3.1 旅游产业碳排放测度

3.1.1 五省份旅游业碳排放的总体特征 本文将五个省份的旅游碳排放分为旅游交通运输、仓储和邮电业的碳排放和旅游批发、零售、住宿和餐饮业的碳排放两个部分,并通过旅游消费剥离系数测算出五个省份旅游碳排放的分量以及总量情况（表1）,这里考察综合五个省份的旅游业碳排放总量以及构成情况。在一定意义上说,从全国五个旅游大省份可以粗略地了解中国旅游业碳排放的总体情况。表1显示,2009-2011年五个省份的旅游碳排放总量持续攀升,从4980.445万t增加到6586.765万t,增长了32.85%,三年间的游客人均碳排放总量从56.569 kg降为54.088 kg,降幅为4.39%。这一方面说明中国游客环保意识的增强,另一方面现代节能技术创新和新能源开发也促使游客人均碳排放量不断降低。从旅游碳排放的构成看,2009-2011年旅游交通运输、仓储和邮电业的碳排放量以及游客人均量均高于旅游批发、零售、住宿和餐饮业的碳排放量以及游客人均量,这说明旅游交通运输、仓储和邮电业的旅游碳排放量决定了五个省份旅游业碳排放的总量情况,而且2009-2011年这种趋势保持相对稳定。
Tab. 1 The tourism industry' (per capita) carbon emissions of five provinces from 2009 to 2011

表1 2009-2011年五省份旅游业的碳排放量以及人均旅游碳排放量

省份 2009年 2010年 2011年
北京 旅游交通运输、仓储和邮电业的碳排放（人均）量 842.805（51.351） 764.843（41.590） 822.638（38.498）
旅游批发、零售、住宿和餐饮业的碳排放（人均）量 396.554（24.162） 363.428（19.762） 394.142（18.445）
旅游业碳排放（人均）总量 1239.359（75.513） 1128.271（61.352） 1216.78（56.943）
浙江 旅游交通运输、仓储和邮电业的碳排放（人均）量 599.092（23.992） 986.444（32.680） 1025.449（29.489）
旅游批发、零售、住宿和餐饮业的碳排放（人均）量 472.928（18.939） 561.211（18.593） 549.746（15.809）
旅游业碳排放（人均）总量 1072.02（42.931） 1547.655（51.273） 1575.194（45.298）
山东 旅游交通运输、仓储和邮电业的碳排放（人均）量 941.567（32.234） 1065.925（25.304） 1111.651（31.521）
旅游批发、零售、住宿和餐饮业的碳排放（人均）量 466.042（15.955） 495.141（11.754） 530.769（15.050）
旅游业碳排放（人均）总量 1407.609（48.189） 1561.066（37.059） 1642.42（46.751）
湖北 旅游交通运输、仓储和邮电业的碳排放（人均）量 586.183(38.568) 741.631（35.101） 1041.274（38.047）
旅游批发、零售、住宿和餐饮业的碳排放（人均）量 466.494（30.693） 672.066（31.809） 876.961（32.043）
旅游业碳排放（人均）总量 1052.676（69.261） 1413.697（66.910） 1918.235（70.089）
海南 旅游交通运输、仓储和邮电业的碳排放（人均）量 179.352（79.700） 193.717（74.871） 205.853（68.587）
旅游批发、零售、住宿和餐饮业的碳排放（人均）量 29.428（13.077） 23.814（9.204） 28.284（9.424）
旅游业碳排放（人均）总量 208.781（92.778） 217.531（84.075） 234.136（78.010）
五省份
综合		 旅游交通运输、仓储和邮电业的碳排放（人均）量 3148.999（35.767） 3752.561（32.798） 4206.864（34.545）
旅游批发、零售、住宿和餐饮业的碳排放（人均）量 1831.445（20.802） 2115.659（18.491） 2379.901（19.543）
旅游业碳排放（人均）总量 4980.445（56.569） 5868.22（51.289） 6586.765（54.088）

注：括号外的数据是五省份各年的旅游业碳排放量,单位是万t;括号内的数据是五省份的旅游碳排放人均量,单位是kg。

3.1.2 五省份旅游业碳排放的比较 从五个省份的旅游业碳排放总量（图1）来看(为了更直观反映五省份碳排放量情况,图1截取了中国行政区划图中的部分省份,图2也进行了类似处理。), 2009-2011年海南省旅游业碳排放总量始终最低,其中,2011年海南旅游业碳排放总量只是同年最高的湖北省的12.20%,这与海南旅游经济总量较小密切相关。2009-2011年湖北旅游业碳排放总量呈现爆炸式增长,在五个省市排名中从2009年的第三位增加到2011年的第一位。2009-2011年浙江旅游业碳排放总量始终处于五个省市的中间位置,并且顺着时间变化,碳排放总量增长有放缓的趋势,由2010年较上年增长44.37%降低到2011年1.78%的增长率。北京旅游业碳排放总量由2009年的第二位降低到2010年、2011年的第四位,并且碳排放总量绝对值随着时间呈现逐年下降势头,由2009年的1239.359万吨降到2011年的1216万吨,这是五个省市中唯一的碳排放总量逐年下降的地区。
Fig. 1 The comparison of tourism carbon emissions of five provinces (10 thoussnd tons)

图1 五省份旅游业碳排放总量对比情况（万t）

Fig. 2 The comparison of per capita total tourism carbon emissions of five provinces (kg)

图2 五省份旅游业碳排放人均总量对比情况（kg）

从旅游业碳排放人均总量对比情况（图2）看,虽然图1显示2009-2011年海南旅游业碳排放总量在五个省份均是最小,但是海南旅游业人均碳排放量却是最高的,这与海南特殊的地理位置和客源结构密切相关,因为来海南游客交通工具以飞机等为主,导致交通等方面的能耗较大。从表1显示的海南旅游碳排放构成情况可以看出,2009-2011年海南旅游交通运输、仓储和邮电业的碳排放人均量分别达到79.700 kg、74.871 kg、68.587 kg,比2009-2011年五个省份中排名第二的人均碳排放量分别多出28.349千克（北京）、39.77 kg（湖北）、30.54 kg（湖北）,说明旅游交通运输、仓储和邮电业在海南旅游碳排放中占据决定性地位。从以上分析及表1可知,2009-2011年海南旅游业人均碳排放量的平均值在五个省份排名第一,达到84.954 kg,虽然海南旅游业碳排放造成的环境压力总量上较小,但是由于游客人均碳排放较多,因此,随着海南旅游经济规模和人次不断扩大,海南旅游业造成的环境压力需要引起足够的重视。其他省份中,三年的人均碳排放平均值排在第二位的湖北为68.753 kg,湖北旅游业人均碳排放量高居不下需要引起当地政府的高度关注;第三位的北京为64.603 kg,北京作为世界知名旅游目的地,连续的雾霾天气给旅游发展造成了极坏影响,北京要想创造良好的旅游环境,首先游客要不断降低人均碳排放量;浙江、山东分别以46.50 kg、43.94 kg分列四、五位,两省份的旅游人均碳排放量相对较小。
从时间变化趋势看,2009-2011年五个省份旅游业碳排放人均总量逐年下降的地区只有北京、海南,浙江旅游业碳排放人均总量呈现先增后减的倒U型变化,与此相反,山东、湖北两个地区的旅游业碳排放人均总量呈现先减后增的U型变化。从碳排放人均总量的构成分析,2009-2011年五个省份的旅游交通运输、仓储和邮电业的碳排放人均量均大于旅游批发、零售、住宿和餐饮业的碳排放人均量,未来五个省份要减少旅游碳排放人均量均需要将交通运输、仓储和邮电业节能减排作为重点,提高该行业传统能源利用效率,增加新型能源应用规模,加快节能减排技术创新,提高游客资源节约和环境保护的意识。

3.2 旅游产业效率评价

3.2.1 旅游综合技术效率的统计特征 从2009年、2010年、2011年五省份旅游产业综合技术效率的统计结果看（表2）,不考虑碳排放情况下,五省份在三年的旅游综合技术效率均值分别为0.892、0.817、0.867,最小值分别为0.701、0.647、0.694,2009-2011年各省份的综合效率水平总体较高。在考虑碳排放情况下,五省份在这三年的平均综合技术效率分别为0.938、0.811、0.919,最小值分别为0.764、0.621、0.771,除了2010年外,2009年、2011年考虑碳排放的综合技术效率高于不考虑碳排放的效率,考虑碳排放情况下,各省份旅游综合技术效率变化较明显。下文将详细分析不考虑碳排放的旅游综合技术效率及其分解效率的实证结果,测算基于碳排放的旅游综合技术效率及其分解效率情况,分析考虑碳排放与否的效率对比情况。
Tab. 2 The statistics of the tourism industry efficiencies of five provinces from 2009 to 2011

表2 2009-2011年五省份旅游产业效率的统计情况

效率类型 2009年 2010年 2011年
较有效率省份个数 最小值 均值 较有效率省市个数 最小值 均值 较有效率省份个数 最小值 均值
不考虑碳排放的旅游产业效率 综合技术效率 3 0.701 0.892 2 0.647 0.817 3 0.694 0.867
纯技术效率 5 1 1 3 0.732 0.898 4 0.790 0.958
规模效率 3 0.701 0.892 4 0.718 0.911 4 0.694 0.908
考虑碳排放的旅游产业效率 综合技术效率 4 0.764 0.938 2 0.621 0.811 4 0.771 0.919
纯技术效率 5 1 1 4 0.679 0.936 4 0.779 0.956
规模效率 4 0.764 0.938 3 0.774 0.869 5 0.825 0.923

注：特定省份的旅游产业效率值低于0.6称为无效率,效率值位于0.6~0.8之间（不包括0.8）称为一般有效率,效率值位于0.8~1之间称为较有效率。

在不考虑旅游“坏产出”碳排放情况下,通过传统的DEA模型对2009-2011年的投入产出数据测算而得出各省份旅游产业效率值及其统计特征,如表2、表3所示。从不考虑碳排放的实证结果可知,2009年,五省份的平均综合技术效率值为0.892,平均纯技术效率值为1,平均规模效率值为0.892,其中,各省份的平均综合技术效率、平均规模效率离最优效率最远,平均纯技术效率得到较完美发挥;2010年,五省份的平均综合技术效率值为0.817,平均纯技术效率值为0.898,平均规模效率值为0.911,各省份的规模效率得到较好发挥,综合技术效率发挥最不充分;2011年,综合技术效率及其分解的规模效率、纯技术效率的平均值中,最小的为综合技术效率的0.867,最大均值为纯技术效率的0.958。从省份个体分析,2009年五个省份的综合技术效率达到最优的是北京、山东,而2010-2011年北京和浙江的综合技术效率均达到最优;2009-2011年综合技术效率值达到0.80以上省份个数的分别达到了3个、2个、3个,而且没有一个省份综合效率水平低于0.6。三年中五省份的综合技术效率水平总体较高,说明中国各省份在努力提升旅游经济规模的同时,注重旅游资源利用率和产业效率,五个地区以市场竞争提高资源使用效率,防止旅游资产过度投资和大规模资源浪费。
Tab. 3 The tourism industry efficiencies of five provinces from 2009 to 2011

表3 2009-2011年五省份的旅游产业效率值

年份 省份 不考虑碳排放的旅游业效率 考虑碳排放的旅游业效率
综合技术效率 纯技术效率 规模效率 综合技术效率 纯技术效率 规模效率
2009年 北京 1 1 1 1 1 1
浙江 0.994 1 0.994 1 1 1
山东 1 1 1 1 1 1
河北 0.763 1 0.763 0.764 1 0.764
海南 0.701 1 0.701 0.928 1 0.928
2010年 北京 1 1 1 1 1 1
浙江 1 1 1 1 1 1
山东 0.722 0.732 0.986 0.658 1 0.658
河北 0.647 0.759 0.852 0.621 0.679 0.915
海南 0.718 1 0.718 0.774 1 0.774
2011年 北京 1 1 1 1 1 1
浙江 1 1 1 1 1 1
山东 0.775 0.79 0.981 0.771 0.779 0.990
河北 0.867 1 0.867 1 1 1
海南 0.694 1 0.694 0.825 1 0.825
与综合技术效率相比,2009-2011年各省份的纯技术效率得到较充分发挥,纯技术效率值达到0.80以上的省份个数分别达到5个、3个、4个,而且这些省份全部达到了最优的效率前沿面;2009-2011年规模效率在三类效率中的表现中等,规模效率值达到0.80以上的省份个数有3个、4个、4个。在不考虑碳排放条件下,2009年、2011年五省份旅游业的纯技术效率均值大于规模效率均值,并且除了2011年海南省的旅游规模效率为0.694外,2009-2011年五省份的纯技术效率与规模效率的最小值均大于0.7。2009-2011年中国5省份综合效率极其分解效率总体水平较高符合地方实际,这五个省份均是将旅游业作为战略性支柱产业或者支柱产业予以高度重视的地区,各地区均呈现出旅游市场进入退出壁垒低、市场激烈竞争的特征,从而导致近年来这些地区旅游产业效率水平较高。未来中国各地方政府需要加强政策引导和规制,引导旅游企业进行规模调整,进一步提高旅游企业规模效率和产业竞争力。
3.2.3 考虑碳排放的旅游产业效率 通过非期望产出DEA模型测算了同时包括“好产出”旅游营业收入、营业税金和“坏产出”旅游碳排放下的旅游产业效率,如表3所示。实证结果显示,考虑碳排放情况下,2009-2011年五省份的综合技术效率均值分别为0.938、0.811、0.919,2009年、2011年的综合技术效率均值0.938、0.919要比同年不考虑碳排放时的0.892、0.867更高,而2010年综合技术效率相比之下略低,2009-2011年旅游综合技术效率均值达到0.8以上的省份个数达到4个、2个、4个。考虑碳排放情况下,2009-2011年纯技术效率均值分别为1、0.936、0.956,三年中纯技术效率达到0.8以上的省份个数分别达到5个、4个、4个,同时,规模效率均值分别为0.938、0.869、0.923,三年中规模效率达到0.8以上的省份个数为4个、3个、5个。总体来看,2009-2011年五省份旅游业的纯技术效率均值均大于同期的规模效率均值。
通过对比表3中不考虑碳排放与考虑碳排放的旅游业效率测算结果,可知,如果对旅游业中“坏产出”碳排放量加以考虑,五份省份的旅游产业效率发生了不同程度的变动（表4）。由表4可知,在产出中加入了碳排放因素后,2009年,北京、山东的综合技术效率保持不变,这是由这些省份的纯技术效率和规模效率均保持不变决定的,从而综合技术效率保持稳定,同时,浙江、河北、海南三省份的综合技术效率上升,这是由于这些省份的纯技术效率不变情况下,规模效率上升的力量决定了综合技术效率呈现上升态势。2010年,北京、浙江的综合技术效率不变,纯技术效率和规模效率均不变决定了综合技术效率保持不变,同时,海南的综合技术效率呈现上升状态,这是由于纯技术效率不变情况下,海南省旅游业的规模效率上升引起的,而山东的综合技术效率呈现下降态势,这是由于纯技术效率上升,规模效率下降,并且山东规模效率下降的力量超过了纯技术效率上升的力量,从而促使其综合技术效率下降。对河北来说,虽然其纯技术效率或规模效率均呈现上升态势,但是两者的综合乘数效应使其综合技术效率也出现轻微下降的态势。2011年,北京、浙江两省份的综合技术效率保持不变,这是由纯技术效率或规模效率均不变决定的;河北、海南两省份的综合技术效率呈现上升态势,这是由纯技术效率不变情况下,规模效率上升的力量拉动两省份的综合技术效率上升决定的;而山东省的综合技术效率呈现下降态势,因为规模效率上升的同时,纯技术效率呈现下降态势,并且规模效率下降的力量超过了纯技术效率上升的力量,从而促使其综合技术效率下降。从以上分析可知,与不考虑碳排放相比,基于碳排放下的旅游综合技术效率从2009年的下降或不变状态向2010-2011年的分化状态转变,即各省份在2010年、2011年会出现效率不变、下降、上升等复杂的不规律变化特征。这一方面说明考虑碳排放的旅游产业效率与不考虑碳排放时存在显著差异,因此,对已有大多不考虑碳排放的旅游产业效率研究结果要持谨慎态度,未来进行政策制定或产业实践指导需要依据更加科学的基于碳排放的旅游产业效率相关研究;另一方面说明各地区在旅游节能减排的激励政策以及监管、处罚力度差异导致各地旅游业在要素投入资源优化配置、资源利用方式、企业规模等方面进行调整幅度、速度存在差异,从而在各省份高度重视旅游业可持续发展和碳排放的背景下,他们的旅游综合技术效率会呈现出复杂的变化特征。现在中国旅游业正处于从大众旅游市场初级阶段向中高级阶段过渡时期,地方更加重视旅游环境、可持续发展问题,这就要求政府在旅游节能减排激励政策与旅游企业投入产出资源优化配置方面协调配合,促使旅游企业有足够的动力提升效率,从整体上提高旅游业的综合技术效率。
Tab. 4 The changes of the tourism industry efficiencies of five provinces in or without considering carbon emissions from 2009 to 2011

表4 2009-2011年不考虑与考虑碳排放下五省份的旅游产业效率变动情况

效率变动类型 包括的省份
2009年 综合技术效率不变 纯技术效率或规模效率均不变 北京、山东
综合技术效率上升 纯技术效率不变,规模效率上升 浙江、河北、海南
2010年 综合技术效率不变 纯技术效率或规模效率均不变 北京、浙江
综合技术效率上升 纯技术效率不变,规模效率上升 海南
综合技术效率下降 纯技术效率上升,规模效率下降 山东
纯技术效率或规模效率均上升 河北
2011年 综合技术效率不变 纯技术效率或规模效率均不变 北京、浙江
综合技术效率上升 纯技术效率不变,规模效率上升 河北、海南
综合技术效率下降 纯技术效率下降,规模效率上升 山东

4 结论与讨论

通过借鉴“旅游消费剥离系数”概念,得出了中国北京、山东、浙江、湖北、海南五个代表性省份旅游业的碳排放量情况。结果显示,2009-2011年五省份的旅游碳排放总量持续攀升,而游客人均碳排放总量从56.569 kg降为54.088 kg;2009-2011年海南省旅游业碳排放总量始终最低,湖北排名由2009年的第三位急剧增加到2011年的第一位,而北京是五省份中唯一的碳排放总量逐年下降的地区;从人均总量对比情况看,虽然2009-2011年海南旅游业碳排放总量在五个省份均是最小,但是海南旅游业人均碳排放量却是最高的,2009-2011年五个省份中只有北京、海南旅游业碳排放人均总量逐年下降,浙江呈现倒U型变化特征,而山东、湖北两省份呈现U型变化特征。
在不考虑碳排放情况下,2009-2011年综合技术效率值达到0.80以上的省份个数分别达到了3个、2个、3个,而且五省份综合效率水平均高于0.6,三年中五省份的综合技术效率水平总体较高,与综合技术效率相比,2009-2011年各省份的纯技术效率得到较充分发挥,纯技术效率值达到0.80以上的省份个数分别达到5个、3个、4个,而且这些省份全部达到了最优的效率前沿面,2009-2011年规模效率在三类效率中的表现中等,规模效率值达到0.80以上的省份个数为3个、4个、4个,2009-2011年五省份综合效率极其分解效率总体水平较高符合地方实际,这五个省份均是将旅游业作为战略性支柱产业或者支柱产业予以高度重视的地区,旅游市场竞争激烈和产业竞争力较强等因素导致自身效率不断增强。在考虑碳排放情况下,2009-2011年旅游综合技术效率均值达到0.8以上的省份个数达到4个、2个、4个,纯技术效率均值分别为1、0.936、0.956,三年中纯技术效率达到0.8以上的省份个数分别达到5个、4个、4个,同时,规模效率均值分别为0.938、0.869、0.923,总体来看,2009-2011年五省份旅游业的纯技术效率均值均大于同期的规模效率均值。与不考虑碳排放情况相比,考虑碳排放情况下,五个省份的旅游产业效率发生了不同程度的变动,在产出中加入了碳排放因素后,2009年,北京、山东的综合技术效率保持不变,浙江、河北、海南三个省份的综合技术效率上升;2010年,北京、浙江的综合技术效率不变,规模效率上升引起海南的综合技术效率呈现上升状态,而规模效率下降幅度超过纯技术效率上升幅度使山东的综合技术效率呈现下降态势,对河北来说,其综合技术效率出现轻微下降的态势;2011年,北京、浙江两省份的综合技术效率保持不变,河北、海南两省份的综合技术效率呈现上升态势,而山东省的综合技术效率呈现下降态势。
值得注意的是,本文是对同时考虑“好产出”和“坏产出”的旅游产业效率的积极探索,但是由于数据可得性的原因,仅考虑2009-2011年五个省份的旅游效率情况,未来需要评价更长时间、更广空间范围内中国代表性省份的旅游产业效率,以期发现更多中国旅游产业效率的变化规律。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Fare R, Grosskopf S, Norris M, et al.Productivity growth, technical progress and efficiency change in industrialized countries. The American Economic Review, 1994, 84(1): 66-83.This paper analyzes productivity growth in seventeen OECD countries over the period 1979-88. A nonparametric programming method (activity analysis) is used to compute Malmquist productivity indexes. These are decomposed into two component measures, namely, technical change and efficiency change. The authors find that U.S. productivity growth is slightly higher than average, all of which is due to technical change. Japan's productivity growth is the highest in the sample with almost half due to efficiency change. Copyright 1994 by American Economic Association.

DOI

[2]
Fare R, Grosskopf S, Lovell C A K, et al. Multilateral productivity comparisons when some outputs are undesirable: A nonparametric approach. Review of Economics and Statistics, 1989, 71(1): 90-98.Multilateral productivity comparisons of firms producing multiple outputs, some of which are undesirable, are obtained by making two modifications to the standard Farrell approach to efficiency measurement. The restriction that production technology satisfy strong disposability of outputs is relaxed to allow for the fact that undesirable outputs may not be freely disposable, and the efficiency measures are modified to allow for an asymmetric treatment of desirable and undesirable outputs. Performance measures that satisfy these requirements are calculated as solutions to programming problems. The methodology is applied to a sample of mills producing paper and pollutants. Copyright 1989 by MIT Press.

DOI

[3]
Scheel H.Undesirable outputs in efficiency valuations. European Journal of Operational Research, 2001, 132(2): 400-410.Efficiency measurement is usually based on the assumption that inputs have to be minimized and outputs have to be maximized. In a growing number of applications, however, undesirable outputs are incorporated into the production model which have to be minimized. In this paper various approaches for treating such outputs in the framework of Data Envelopment Analysis (DEA) are discussed and the resulting efficient frontiers are compared. New radial measures are introduced which assume that any change of the output level will involve both undesirable and desirable outputs.

DOI

[4]
Fare R, Grosskopf S.New Directions: Efficiency and Productivity. Boston: Kluwer Academic Publishers, 2004.

[5]
Barros C P.Evaluating the efficiency of a small hotel chain with a Malmquist productivity index. International Journal of TourismResearch, 2005, 7(3): 173-184.By applying data envelopment analysis (DEA) a two-stage procedure is followed to evaluate the determinants of efficiency of a Portuguese public-owned hotel chain, Enatur for the period 1999 to 2001. In the first stage the paper estimates the Malmquist index and breaks it down into technical efficiency and technological change. In the second stage, a Tobit econometric model, designed to relate e...

DOI

[6]
Barros C P.Analysing the rate of technical change in the Portugese hotel industry. Tourism Economics, 2006, 12(3): 325-346.

[7]
Barros C P.Measuring efficiency in the hotel sector. Annals of Tourism Research, 2005, 32(2): 456-477.This 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.

DOI

[8]
Barros C P, Matias A.Assessing the efficiency of travel agencieswith a stochastic cost frontier: A Portuguese case study. International Journal of Tourism Research, 2006, 8(5): 367-379.Abstract This paper uses an econometric frontier model to evaluate the technical efficiency of a sample of Portuguese travel agencies. The model encompasses a Cobb–Douglas cost frontier approach, with data running from 2000 to 2004, and makes use of financial variables to generate the travel agencies' efficiency scores. We conclude that the efficiency scores are, at best, mixed. A policy is then derived for guiding management teams, as far as this specific sector is concerned. Copyright 2006 John Wiley & Sons, Ltd.

DOI

[9]
Charles K N, Paul S.Competition, privatization and productive efficiency: Evidence from the airline industry. The Economic Journal, 2001, 111(473): 591-619.

[10]
Fernandes E, Pacheco R R.Efficient use of airport capacity. Transportation Research Part A, 2002, 36(3): 225-238.The capacity of 35 Brazilian domestic airports was analyzed with a view to determining which of them were efficient in terms of the number of passengers processed. Data Envelopment Analysis (DEA) methodology was employed to construct the efficient frontier for the sample, to reflect which of the airports used airport resources efficiently and which offered surplus in these same facilities, and in what proportion. On the basis of passenger demand forecasts, it was possible to determine, for each airport, the periods when capacity expansions would become necessary to maintain services at standards currently perceived by passengers.

DOI

[11]
Lee C K, Han S H.Estimating the use and preservation values of national parks' tourism resources using a contingent valuation method. Tourism Management, 2002, 23(5): 531-540.The Korean national parks authority has questioned whether natural resources have enough economic value to justify an increase in admission fee in the case of inadequate assistance from the government. Alternatively, they also question whether the national parks have sufficient value to contribute to citizens’ welfare in order to receive continuing support from the government. Hence, the purpose of this research is to estimate the use and preservation values of natural and/or cultural resources in five distinctive national parks, using a dichotomous choice contingent valuation method.The empirical results show that natural and/or cultural resources of the sample national parks possessed considerable use and preservation values, outweighing current admission fees and maintenance costs per visitor. Thus, these values provide enough justification for the national park authority to increase admission fees to maintain the quality of natural environment, and avoid degrading natural resources in the event of no assistance by the government. The findings may provide guidance to national park managers and practitioners who establish pricing policies. The results also show that values of natural and/or cultural resources were different across five distinctive national parks, indicating the possibility of employing differential admission fees according to park characteristics.

DOI

[12]
Bairam, Erkin I.Research productivity in New Zealand University Economics Departments. New Zealand Economic Papers, 1996, 30(2): 229-241.This study uses the Journal of Economic Literature database to rank seven New Zealand economics departments in terms of research productivity for 1988–1995. It also compares their performances with the 23 Australian departments examined by Towe and Wright (1995). The results obtained suggest that present staff at Otago and Victoria were more successful in publishing in the journals considered than staff members at other departments. Furthermore, in 1988–1993 comparisons with Australian departments, Otago and Victoria were highly placed in all journal categories.

DOI

[13]
Watanabe M, Tanaka K.Efficiency analysis of Chinese industry: adirectional distance function approach. Energy Policy, 2007, 35(12): 6323-6331.Two efficiency measures of Chinese industry were estimated at the provincial level from 1994 to 2002, using a directional output distance function. One is a traditional efficiency measure that considers only desirable output, while the other considers both desirable and undesirable outputs simultaneously. A comparison of the two measures revealed that efficiency levels are biased only if desirable output is considered. Five coastal provinces/municipalities that have attracted a large amount of foreign direct investment are found to be the most efficient when only desirable output is considered, and also when both desirable and undesirable outputs are considered. However, omitting undesirable output tends to lead to an overestimate of industrial efficiency levels in Shandong, Sichuan, and Hebei provinces. We also found that a province's industrial structure has significant effects on its efficiency levels.

DOI

[14]
Hadad Sharon, Hadad Yossi, MalulMiki, et al. The economic efficiency of the tourism industry: A global comparison. Tourism Economics, 2012 , 18(5): 931-940.

[15]
Peypoch Ni Solonan D, Bernardin C P. Aggregate efficiency and productivity analysis in the tourism industry. Tourism Economics, 2008, 14(1): 45-56.

[16]
朱顺林. 区域旅游产业的技术效率比较研究. 经济体制改革, 2005, (2): 116-119.

[Zhu Shunlin.A comparatative research of technological efficiency for regional tourism industry. Reform of Economic System, 2005, (2): 116-119.]

[17]
马晓龙, 保继刚. 中国主要城市旅游效率影响因素的演化. 经济地理, 2009, 29(7): 1203-1208.对不同时期影响中国城市旅游效率的因素进行分析有助于资源投入方式的优化和利用能力的提高.利用数据包络分析方法(Data Envelopment Analysis,以下简称DEA),在对1995、2000、2005年58个中国主要城市旅游效率进行计算和分解的基础上,对三个时期各分解效率对总 效率的影响进行了判定和度量.研究结果显示:规模效率对总效率的影响最大、技术效率和利用效率对总效率的影响相对较弱,且这种影响关系并没有随着时间的变 化而发牛较大变化.从我国城市旅游发展所处的阶段特征出发,认为区域经济不平衡性,城市旅游资源投入规模的差异是导致以上特征的根本原因.文章最后讨论了 不同区域提高城市旅游发展效率的途径.

[Ma Xiaolong, Bao Jigang.Study of the evolution of Chinese primary cities' tourism efficiency influence factors. Economic Geography, 2009, 29(7): 1203-1208.]

[18]
朱程亮, 岳宏志, 严汉平, 等. 基于随机前沿生产函数的我国区域旅游产业效率研究. 旅游学刊, 2009, 24(12): 18-22.本文运用随机前沿生产函数对2000～2006年我国区域旅游产业效率进行了实证研究。结果表明：我国区域旅游产业效率呈现出一种稳步上升趋势，但总体水平偏低，全国均值仅为0.632，可见在现有技术进步不变的前提条件下，我国区域旅游产业还有很大的增长潜力。我国旅游产业效率区域

[Zhu Chengliang, Yue Hongzhi, Yan Hanping, et al.Study on the efficiency of regional tourism industry in China based on schochastic frontline production and cost function estimation. Tourism Tribune, 2009, 24(12): 18-22.]

[19]
周云波, 武鹏, 刘玉海. 中国旅游业效率评价与投入改进分析. 山西财经大学学报, 2010, 32(5): 27-33. [ Zhou Yunbo, Wu Peng, Liu Yuhai. Relative efficiency, dynamic efficiency estimation and input improvement analysis on China’s tourism. Journal of Shanxi Finance and Economics University, 2010, 32(5): 27-33.]利用DEA-BCC模型和 Malmquist指数分析了中国旅游业2001～2007年间的静态效率与动态效率,并在此基础上进行了投入改进分析。研究表明:中国旅游业整体技术效 率水平较为低下,纯技术效率低下是其主要原因;全要素生产率整体上呈现缓慢增长的态势,其中技术进步缓慢是主要原因;效率水平及其动态增长具有突出的区域 不平衡分布特征;资本投入与劳动力投入分别约有高达40%的改进空间。

[20]
李智勇. 低碳经济视角下旅游服务效率评价方法. 旅游学刊, 2013, 28(10): 71-80.旅游活动不仅为景区带来经济效益, 而且也对其生态环境造成压力, 因此, 有必要将环境因素纳入旅游景区服务提供效率评价模型之中, 进而对环境约束条件下的旅游景区服务提供效率进行科学、合理的测评。首先, 文章从低碳旅游视角构造了旅游景区碳排放足迹指标, 对旅游活动的环境压力进行测度, 然后利用数据包络分析法与方向性距离函数, 结合旅游景区碳排放足迹指标, 构建了低碳旅游服务提供效率模型与指数。其次, 文章选取四川省成都市29家景区进行验证, 研究结果显示, 环境因素考虑与否对旅游景区服务提供效率值产生很大的影响。最后, 文章就低碳旅游服务提供效率评价方法的优劣及其对旅游景区管理实践的意义进行了分析与总结。

DOI

[Li Zhiyong.The use of an efficiency evaluation method in the tourism service industry based on a low-carbon economy perspective. Tourism Tribune, 2013, 28(10): 71-80.]

[21]
谢园芳, 赵媛. 长三角地区旅游业能源消耗的CO2排放测度研究. 地理研究, 2012, 31(3): 429-438. [XieYuanfang, Zhao Yuan. Measuring carbon dioxide emissions from energy consumption by tourism in Yangtze River Delta. Geographical Research, 2012, 31(3): 429-438.]

[22]
陈飞, 诸大建. 低碳城市研究的理论方法与上海实证分析. 城市发展研究, 2009, 16(10): 71-79.

[Chen Fei, Zhu Dajian.Theory of research on low-carbon city and shanghai empirical analysis. Urban Studies, 2009, 16(10): 71-79.]

[23]
李江帆, 李美云. 旅游产业与旅游增加值的测算. 旅游学刊, 1999, (5): 16-19.

[Li Jiangfan, Li Meiyun.Estimation of tourism industry and tourism added value. Tourism Tribune , 1999, (5): 16-19.]

[24]
刘勇, 李志祥, 李静. 环境效率评价方法的比较研究. 数学的实践与认识, 2010, 40(1): 84-92.文章给出了已有文献对环境效率度量的6种DEA(数据包络分析)模型,比较了它们各自对非期望产出处理的特性和缺陷,并以安徽43家企业为例,对其度量结果存在的差异进行了分析和解释.度量结果显示,只有基于松弛测度的SBM模型对企业环境效率的差异识别性较强.

[Liu Yong, Li Zhixiang, Li Jing.Comparative study on DEA methods of environmental efficiency measurement. Mathematics in Practice and Theory, 2010, 40(1): 84-92.]

[25]
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. 地理学报, 2012, 65(8): 1004-1012.运用数据包络分析法,通过测度 中国旅游业发展的技术效率、规模效率和全要素生产率,分析了自1999-2006年中国旅游业发展的效率特征。研究表明:①1999-2006年中国旅游 业发展的总体效率偏低,未能充分挖掘出现有资源的潜力,旅游投入总量处于规模不经济的状态。②1999-2006年旅游业纯技术效率的均值为0.658, 现有技术使用的有效程度较低,技术进步的潜力较大。③各省区旅游业的发展存在后发优势,技术效率低的省份技术进步效率增长较快。④中国各省份TFP增长率 存在显著的差异,呈现出从东部、中部到西部依次降低的格局,区域之间旅游业发展效率存在明显差距并呈现扩大趋势。最后根据分析结果,提出优化投入要素比 例,整合旅游产业链,完善旅游业的创新体系,加快技术进步,制定相应的区域发展倾斜政策等建议,以促进增长方式的转变,推动中国旅游业持续高效发展。

[Tao Zhuomin, Xue Xianwei, Guan Jingjing.Efficiency characteristics analysis of tourism industry in China based on the method of DEA. Acta Geographica Sinica, 2012, 65(8): 1004-1012.]

Options
Outlines

/

〈 〉