论文部分内容阅读
摘要：利用BCC模型和Malmquist模型对2010～2018年安徽省16个地级市的旅游产业效率进行静态和动态测算，并在此基础之上建立动态面板模型对旅游产业效率的影响因素进行研究。研究结果表明：安徽省旅游产业综合效率呈现上升的发展态势，旅游产业全要素生产率呈现先下降后上升再下降的波动状态。其中技术进步对全要素生产率的影响更強;交通便利程度、经济发展水平、信息化水平和市场化程度对旅游产业效率是正向促进作用，而城市化水平对旅游产业效率的影响是负向的。最后根据实证研究的结果提出政策建议，以助推安徽省旅游业的高效发展。
关键词：旅游产业效率;Malmquist模型;动态面板模型
中图分类号：F062.9 文献标志码：A 文章编号：1008-4657（2021）02-0014-09
0 引言
国务院和省政府相继出台了《国务院“十四五”旅游业发展规划》以及《安徽省“十四五”文化和旅游发展规划》等文件，文件明确指出利用全域旅游引领旅游供给侧改革，优化旅游供给体系，完善旅游产业结构。目前，安徽省旅游产业的发展存在着发展不均衡，生产效率低下等问题，且这一状况也是我国多数落后地区面临的共同问题。因此测度安徽省旅游产业效率状况，探寻提升其旅游产业效率的路径与对策，对于安徽省旅游业的高质量发展具有重要意义，而且可以为其他地区深化旅游产业效率测评及提升研究提供典型借鉴。
目前关于旅游产业效率的研究已经较为成熟。从旅游产业效率的研究来看，国内外学者主要是从旅游产业效率测度的角度进行研究。王兆峰等[1]基于DEA-Malmquist指数二次分解模型、ESDA空间聚类分析，对湖南省旅游产业效率构成及其动态演化与空间分异格局特征进行测度与分析，研究发现湖南省规模效率驱动综合效率优化发展，旅游产业效率出现明显的圈层集聚特征，表现为一定的距离衰减现象。胡亚光[2]采用随机前沿法（SFA）对2005～2014年中国31个省的旅游经济效率水平进行实证分析，综合国外学者的效率增长解构法，对我国的全要素生产率增长率进行解构研究，结果表明，我国旅游产业效率存在明显的区域异质性，技术进步是制约东西部地区的全要素生产率增长的关键因素。从旅游产业效率的影响因素研究来看，王虹等[3]将影响“一带一路”省份旅游产业效率指标分为内部和外部，运用Tobit模型进行分析发现，除了能耗水平对旅游产业效率呈负向影响之外，其余的几个因素对“一带一路”区域旅游产业效率有显著的正向影响。王兆峰等[4]借助向量自回归模型探讨湖南省武陵山片区旅游产业效率的演化过程及其影响因素，研究结果表明，技术效应、结构效应和规模效应对旅游产业效率的贡献率以不同程度的趋势逐渐增加，结构效应贡献率最大。国内其他学者在DEA的基础上，对不同的区域旅游产业效率进行测算，并且利用相应的结果进行不同的分析研究[5-8]。
1 安徽省旅游产业效率测度
1.1 测度方法
1.1.1 DEA-BCC模型
DEA模型是在多投入和多产出情况下测算决策单元的相对效率的方法。按照规模是否变化可把DEA模型分为两类，即规模报酬可变（VRS）假设下的BCC和规模报酬不变（CRS）假设下的CCR和两种模型。本文采用BCC模型对旅游产业效率进行判别和分析。BCC模型得到的综合技术效率等于纯技术效率与规模效率的乘积。
1.1.2 Malmquist模型
采用Malmquist指数测量安徽省各地级市历年的旅游效率。Malmquist指数通过测算t + 1时刻相对于t时刻的投入产出关系的变化程度来计算生产率的变动。Malmquist指数可以分解为技术变化指数（Techch）和相对于前沿面的技术效率变化指数（effch），其中技术效率变化指数又可以分解为纯技术效率指数（Pech）和规模效率指数（Sech），即各指数之间的关系为：TFPch = effch * Techch = （Pech * Sech）* Techch。
1.2 指标选取及数据来源
借鉴已有文献的研究基础之上，按照指标选取的科学性、数据的可获得性及可行性原则。选取指标体系如表1所示。
对于投入指标的选取：选取A级以上旅游景区数量、旅游从业人数、星级酒店数量三个指标，但是由于现有的统计年鉴和旅游官方网站上没有对旅游从业人员的数量进行数据统计，借鉴已有的研究，本文选取第三产业从业人数来代替旅游从业人数。对于产出指标的选取：本文选取旅游业总收入和接待游客总人次来反应一个地区旅游产业的总体发展规模和发展水平。
本文数据来源于2011～2019年《安徽省统计年鉴》、各地区旅游局官方网站以及2010～2018年地区国民经济和社会发展统计年报。
1.3 安徽省旅游产业静态效率分析
1.3.1 综合效率测度分析
运用DEAP2.1软件计算出2010～2018年安徽省16个地级市的旅游产业静态效率，得到安徽省各地级市的旅游产业综合效率值，如表2所示。
由表2可知，从整体来看，2010～2018年，安徽省旅游业综合效率均值均未达到有效，说明安徽省旅游产业的投入产生了资源浪费现象。但从具体城市分析，在2010～2018年旅游产业综合效率均值最高的城市为合肥、池州和黄山，且综合效率值为1;均值最低的是宣城，其综合效率均值为0.464，说明安徽省旅游产业发展存在“两极分化”的现象。合肥作为省会城市拥有优越的交通基础设施、较强的经济发展水平和独特的旅游资源，带动了旅游业的发展，进而提高了旅游产业综合效率。池州和黄山拥有全国著名的旅游景点九华山和黄山风景区，旅游资源的知名度和经济效益大幅度的提升，促进旅游产业效率的提高。低于综合效率均值的亳州、淮南、滁州、六安、宣城和铜陵，由于其基础设施落后，资源配置能力不高，自然资源的利用较低，对旅游业重视度不够，其旅游业效率较低。而皖北地区的淮北、宿州、蚌埠等地的红色旅游带动性较强，皖南地区的马鞍山、芜湖、安庆处于优越的地理位置，拥有丰富的自然资源，自然资源的利用率较高，对其旅游产业的高效率发展有较强的促进作用。 1.3.2 纯技术效率测度分析
在对综合技术效率分析的基础之上，将规模因素排除在外的前提下，分析投入要素有多大程度上影响综合效率，即纯技术效率。对安徽省旅游产业的纯技术效率测算结果，如表3所示。
由表3可知，从整体来看，2010～2018年安徽省旅游产业纯技术效率值均值为0.850，表明安徽省對旅游产业的管理、生产技术条件和人才培养十分重视，但是还有15%的上升空间。
对各城市的纯技术效率进行具体分析：合肥、淮北、池州、黄山四个城市的纯技术效率连续9年均实现效率最优的状态，表明这四个城市的旅游信息技术水平较高，更好的利用现有的生产技术和人才资源;宿州、蚌埠、阜阳、六安、马鞍山、铜陵、安庆这七个城市纯技术效率均值均超过总体均值0.85，但是总体上其旅游产业纯技术效率值有变小的趋势;蚌埠、铜陵、安庆这3个城市有6年实现纯技术效率值达到有效，说明其技术得到了充分利用和吸收，有较强的旅游产业管理能力;而马鞍山和芜湖纯技术效率均值超过总体均值，但是只有2010年实现效率最优，说明其对信息技术的利用存在浪费现象，同时人才的利用和管理方式还有提高;滁州、六安、宣城旅游业纯技术效率均值低于0.6，处于无效状态，说明在考察期内对旅游业的发展不够重视、管理混乱、生产技术利用效率极低。
1.3.3 规模效率测度分析
当规模效率为1时，说明决策单元规模报酬处于不变的状态，充分利用了现有的规模;当规模效率不为1时，说明决策单元规模报酬处于递增或者递减的状态。对安徽省旅游产业的规模效率测算结果，如表4所示。
由表4可知，从整体来看，2010～2018年安徽省旅游产业规模效率值均值为0.941，相比于综合效率和纯技术效率而言，规模效率处于较高的发展水平，说明安徽省在基础设施建设、项目建设、规划、旅游资源等方面直接或者间接引导相关企业进行投资，安徽省旅游产业规模得以不断扩大。
从具体城市的规模效率进行分析：在16个地级市中，合肥、池州、黄山的规模效率连续9年达到最优，铜陵9年的规模效率均值最低，其余的城市规模效率均超过0.8，处于中等偏上的水平。亳州、淮南、滁州、六安、马鞍山、宣城这6个城市9年的规模效率均未达到有效，说明其对旅游产业的发展重视度不够，基础设施建设、旅游资源开发、人力资源等要素的投入利用率不足，从而导致规模效率小于1。
综上所述，安徽省旅游产业总体上处于中等偏上的发展水平。同时，为了准确判断纯技术效率和规模效率对综合效率的影响程度，分别建立散点图如图1与图2所示。
图1 纯技术效率-综合效率散点图
图2 规模效率-综合效率散点图
从图1与图2中可以看出，纯技术效率-综合效率的散点比较靠近45度对角线，而规模效率-综合效率的散点较分散，充分说明纯技术效率较规模效率对综合效率的影响更强。利用SPSS软件，计算出纯技术效率与综合效率的偏相关系数为0.998，规模效率与综合效率的偏相关系数为0.9，证实了上述结论。
1.4 安徽省旅游产业动态效率分析
1.4.1 时间层面分析
由于DEA-BCC模型测度的是一种静态效率，不能反映不同时期各决策单元的效率变动情况，因此，本文结合Mamlquist指数测度安徽省旅游产业的动态效率，并对指数进行分解，如表5所示。
由表5可知，从时间变化角度来看，2010～2018年安徽省旅游产业Malmquist指数平均值为1.208，表明旅游产业全要素生产率年均增长幅度为20.8%，反映出安徽省整体旅游产业发展对各个投入生产要素利用程度较好。其中，技术进步贡献最多，达到了19.1个百分点，说明安徽省的生产率增长主要来自技术进步。而规模效率贡献最少，仅仅达到0.6个百分点。
2010～2018年安徽省旅游产业Malmquist指数及其分解变化趋势如图3所示。
结合表5数据和图3各指数变化趋势折线图对全要素生产指数进一步分解可以看出，2010～2018年安徽省旅游产业全要素生产率整体呈现先下降后上升再下降的发展趋势，总体上趋于波动的状态。其中，技术效率和纯技术效率变化趋势几乎重合，而规模效率变化趋势基本保持稳定，技术进步指数整体上高于三者的指数。
在2010～2014年间，由于综合技术效率在2010～2012年里都出现下降的趋势，但是其技术进步增长幅度较大，分别是27.7%和28.4%，而2012～2013年技术效率和技术进步增长仅为8.7%和7.1%，因此，2010～2012年的旅游业全要素生产率相比2012～2013年增长的幅度更大;同理，2013～2014年的技术效率的下降和技术进步增长的缓慢导致该年间全要素生产率增长的最低。在2015～2016年，由于信息、互联网等科学技术不断发展，安徽省在旅游发展过程中，重视技术创新和人才培养，合理地开发利用自然资源，因此，旅游业全要素生产率增长达到考察期内最高。
1.4.2 地区层面分析
对安徽省16个地级市历年平均的旅游产业全要素生产率进行分解，如表6所示。
由表6可知，淮北、亳州、蚌埠、阜阳、滁州、六安、宣城、铜陵全要素生产率平均增长率较高，根据表6不难发现，增长较高的原因在于这些地区技术进步的较快增长，而技术效率、纯技术效率和规模效率增长速度较慢，甚至出现负增长，充分说明这些地区的技术创新和技术引进促进了本地区旅游业的发展，但是，在资源有效配置、管理方式和制度创新等方面还存在一些问题。合肥、宿州、淮南、马鞍山、池州、安庆、黄山平均增长率在10%～20%之间，原因在于虽然技术进步在以较慢的速度不断增长，但是，技术效率、纯技术效率和规模效率保持不变，甚至有较小程度的下降，这样就拉低整体生产率的增长。
2 安徽省旅游产业效率影响因素分析 2.1 变量选取及数据来源
通过梳理旅游产业效率影响因素的相关文献，并结合安徽省旅游产业发展状况，选取2010～2018年安徽省16个地级市的旅游产业综合效率（effch）作为被解释变量，交通便利程度（trasp）、城市化水平（urban）、经济发展水平（edl）、信息化水平（il）和市场化程度（mar）作为解释变量进行计量分析。
其中，交通便利程度（trasp）利用路网密度衡量，随着科学技术不断进步，交通便利程度的提高不仅可以直接影响到区域旅游目的地的通达性而且极大增强人们出行旅游的欲望;城市化水平（urban）利用常住人口城镇化率来衡量，因为旅游客源大多数来自城镇地区，人口城镇化率增加，能够为旅游产业发展带来更多的收益;经济发展水平（edl）用人均GDP衡量，经济的快速发展使得居民消费结构从生存型消费转变成休闲型消费，最明显的体现在作为第三产业的旅游业;信息化水平（il）采用各地级市的邮电业务总量来衡量，随着大数据在旅游业中的地位越来越重要，区域旅游业的发展越来越依靠信息的传递;市场化程度（mar）利用各市旅游业总收入/第三产业总产值来衡量，市场化程度的提高会增加旅游产业的竞争力。数据来源于2011～2019年安徽省统计年鉴及各地级市统计局官网。
2.2 数据检验及模型构建
2.2.1 单位根检验
在建立面板数据模型之前，为了防止出现模型伪回归现象，需要对原始数据进行单位根检验，确保回归结果的有效性和数据的平稳性。为了减少数据的波动带来的异方差的问题，首先对数据进行对数处理。采用LLC和ADF检验对数据进行单位根检验，检验结果如表7所示。
由表7可知，所有变量均在5%的显著性水平下拒绝原假设，因此，各变量均通过单位根检验，可以构建面板数据模型进行分析。
2.2.2 模型构建
本文通过引入被解释变量的滞后期来探究旅游产业效率，采取差分GMM和系统GMM法对模型进行估计。建立如下动态面板模型：
ln effch=α+β1L1.ln effch+β2ln trasp+β3ln urban+β4ln edl+β5ln il+β6ln mar+ε
其中，L1.lneffch为被解释变量滞后一期，其他各解释变量为旅游产业影响因素的对数形式。
2.2.3 结果分析
动态面板回归结果如表8所示。
由表8可知，在通过对模型进行检验发现，差分GMM和系统GMM均通过Sargan过度识别检验，结果表明接受原假设，所有工具变量均有效;同时，进行AR序列相关性检验，得出存在一阶自相关且二阶无自相关。
旅游产业效率在1%的显著性水平下拒绝原假设，证明了旅游产业效率是一个动态调整的过程。根据系统GMM的回归结果，交通便利程度每上升1%，安徽省旅游产业效率将上升0.36%;城市化水平对安徽省旅游产业效率的影响与预期相反，两种方法回归的系数均为负且分别通过1%和5%的显著性水平。其原因在于，虽然安徽省积极推进建设新型城镇化进程，但是安徽省16个地级市经济发展水平的差异导致区域间城镇化进程存在较大的差异。并且城镇化进程中旅游的产业化和规模化经营体制尚未成熟，人才资源大量涌入城市，短时间内无法得到专业的培训，使得旅游产业效率下降。
经济发展水平的显著性与城市化相同，但是其回归系数为正。信息化水平在差分GMM估计方法上通过5%的显著性水平且系数为正，说明安徽省较重视信息化水平发展，旅游企业处理风险的应变能力较好，从而促进了旅游产业效率。市场化程度在差分GMM估计方法上通过显著性水平为1%的假设检验且系数为正，说明安徽省旅游业经营主体市场化程度的提升有利于完善旅游市场进出标准，提升竞争力，促进旅游产业效率的提升。
3 结论与政策建议
3.1 结论
本文选取3个投入要素和2个产出要素，利用BCC模型和Malmquist模型对旅游产业效率进行静态和动态测算，BCC模型测算结果表明安徽省旅游产业综合效率呈现上升的发展态势，并且纯技术效率较规模效率对综合效率的影响更强，而Malmquist模型测算结果表明安徽省旅游产业全要素生产率呈现先下降后上升再下降的波动状态，其中技术进步对全要素生产率的影响更强。另外，本文选取交通便利程度、城市化水平、经济发展水平、信息化水平和市场化程度等变量，研究其对旅游产业效率的影响，研究结果表明交通便利程度、经济发展水平、信息化水平和市场化程度对旅游产业效率是正向促进作用，而城市化水平对旅游产业效率的影响是负向的。
3.2 政策建议
为加快推进安徽省旅游产业升级及效率的提高，本文提出如下的政策建议：
第一，经济发展水平和交通便利程度显著影响旅游产业效率，对旅游产业效率的提升起着至关重要的作用。各地区应加快经济发展水平，建设更加完善的旅游景区，为游客提供一个更为舒适的旅游环境。
第二，深入开发和广泛利用信息资源，实现信息的有效流通和共享，加強旅游产业从业人员的教育培训，做好创新人才储备，为未来安徽省旅游的游客提供更加专业的服务，进而提升安徽省旅游产业吸引力。
第三，由于安徽省南北旅游特色资源差异较大，各地区应该按照资源特色，对自然资源科学适度的开发利用，形成结构合理、功能充分发挥的旅游产业链。同时，重视科学技术创新，将知识和技术渗透到旅游产业中。
参考文献：
[1] 王兆峰，赵松松.基于DEA-Malmquist模型的湖南省旅游产业效率时空动态演化及影响因素[J].长江流域资源与环境，2019，28（8）：1 886-1 897.
[2] 胡亚光.中国旅游产业效率区域评价及其解构分析——基于SFA的实证研究[J].当代财经，2019（10）：107-119.
[3] 王虹，胡胜德.基于Tobit模型的“一带一路”旅游产业效率投资影响因素及策略研究[J].中国软科学，2017（12）：62-70.
[4] 王兆峰，霍菲菲.基于VAR模型的湖南武陵山片区旅游产业生态效率影响因素分析[J].中南林业科技大学学报，2018，38（11）：136-144.
[5] 任丹丹.基于DEA模型的旅游产业效率研究——以中国（新）一线城市为例[J].商业经济研究，2018（5）：179-182.
[6] 钟敬秋，韩增林，李冰心.基于GM-GIS耦合模型的旅游产业效率时序评价及空间关联格局分析——以东北三省36个市（区、州）为例[J].资源开发与市场，2016，32（7）：863-868.
[7] 刘佳，安珂珂.环渤海城市旅游产业绿色创新效率的空间格局[J].华东经济管理，2020，34（6）：27-37.
[8] 李钧，唐李伟.中国沿海地区旅游业效率测度——基于全局Malmquist生产率指数的实证分析[J].金融经济，2020（8）：18-25.
[责任编辑：许立群]
关键词：旅游产业效率;Malmquist模型;动态面板模型
中图分类号：F062.9 文献标志码：A 文章编号：1008-4657（2021）02-0014-09
0 引言
国务院和省政府相继出台了《国务院“十四五”旅游业发展规划》以及《安徽省“十四五”文化和旅游发展规划》等文件，文件明确指出利用全域旅游引领旅游供给侧改革，优化旅游供给体系，完善旅游产业结构。目前，安徽省旅游产业的发展存在着发展不均衡，生产效率低下等问题，且这一状况也是我国多数落后地区面临的共同问题。因此测度安徽省旅游产业效率状况，探寻提升其旅游产业效率的路径与对策，对于安徽省旅游业的高质量发展具有重要意义，而且可以为其他地区深化旅游产业效率测评及提升研究提供典型借鉴。
目前关于旅游产业效率的研究已经较为成熟。从旅游产业效率的研究来看，国内外学者主要是从旅游产业效率测度的角度进行研究。王兆峰等[1]基于DEA-Malmquist指数二次分解模型、ESDA空间聚类分析，对湖南省旅游产业效率构成及其动态演化与空间分异格局特征进行测度与分析，研究发现湖南省规模效率驱动综合效率优化发展，旅游产业效率出现明显的圈层集聚特征，表现为一定的距离衰减现象。胡亚光[2]采用随机前沿法（SFA）对2005～2014年中国31个省的旅游经济效率水平进行实证分析，综合国外学者的效率增长解构法，对我国的全要素生产率增长率进行解构研究，结果表明，我国旅游产业效率存在明显的区域异质性，技术进步是制约东西部地区的全要素生产率增长的关键因素。从旅游产业效率的影响因素研究来看，王虹等[3]将影响“一带一路”省份旅游产业效率指标分为内部和外部，运用Tobit模型进行分析发现，除了能耗水平对旅游产业效率呈负向影响之外，其余的几个因素对“一带一路”区域旅游产业效率有显著的正向影响。王兆峰等[4]借助向量自回归模型探讨湖南省武陵山片区旅游产业效率的演化过程及其影响因素，研究结果表明，技术效应、结构效应和规模效应对旅游产业效率的贡献率以不同程度的趋势逐渐增加，结构效应贡献率最大。国内其他学者在DEA的基础上，对不同的区域旅游产业效率进行测算，并且利用相应的结果进行不同的分析研究[5-8]。
1 安徽省旅游产业效率测度
1.1 测度方法
1.1.1 DEA-BCC模型
DEA模型是在多投入和多产出情况下测算决策单元的相对效率的方法。按照规模是否变化可把DEA模型分为两类，即规模报酬可变（VRS）假设下的BCC和规模报酬不变（CRS）假设下的CCR和两种模型。本文采用BCC模型对旅游产业效率进行判别和分析。BCC模型得到的综合技术效率等于纯技术效率与规模效率的乘积。
1.1.2 Malmquist模型
采用Malmquist指数测量安徽省各地级市历年的旅游效率。Malmquist指数通过测算t + 1时刻相对于t时刻的投入产出关系的变化程度来计算生产率的变动。Malmquist指数可以分解为技术变化指数（Techch）和相对于前沿面的技术效率变化指数（effch），其中技术效率变化指数又可以分解为纯技术效率指数（Pech）和规模效率指数（Sech），即各指数之间的关系为：TFPch = effch * Techch = （Pech * Sech）* Techch。
1.2 指标选取及数据来源
借鉴已有文献的研究基础之上，按照指标选取的科学性、数据的可获得性及可行性原则。选取指标体系如表1所示。
对于投入指标的选取：选取A级以上旅游景区数量、旅游从业人数、星级酒店数量三个指标，但是由于现有的统计年鉴和旅游官方网站上没有对旅游从业人员的数量进行数据统计，借鉴已有的研究，本文选取第三产业从业人数来代替旅游从业人数。对于产出指标的选取：本文选取旅游业总收入和接待游客总人次来反应一个地区旅游产业的总体发展规模和发展水平。
本文数据来源于2011～2019年《安徽省统计年鉴》、各地区旅游局官方网站以及2010～2018年地区国民经济和社会发展统计年报。
1.3 安徽省旅游产业静态效率分析
1.3.1 综合效率测度分析
运用DEAP2.1软件计算出2010～2018年安徽省16个地级市的旅游产业静态效率，得到安徽省各地级市的旅游产业综合效率值，如表2所示。
由表2可知，从整体来看，2010～2018年，安徽省旅游业综合效率均值均未达到有效，说明安徽省旅游产业的投入产生了资源浪费现象。但从具体城市分析，在2010～2018年旅游产业综合效率均值最高的城市为合肥、池州和黄山，且综合效率值为1;均值最低的是宣城，其综合效率均值为0.464，说明安徽省旅游产业发展存在“两极分化”的现象。合肥作为省会城市拥有优越的交通基础设施、较强的经济发展水平和独特的旅游资源，带动了旅游业的发展，进而提高了旅游产业综合效率。池州和黄山拥有全国著名的旅游景点九华山和黄山风景区，旅游资源的知名度和经济效益大幅度的提升，促进旅游产业效率的提高。低于综合效率均值的亳州、淮南、滁州、六安、宣城和铜陵，由于其基础设施落后，资源配置能力不高，自然资源的利用较低，对旅游业重视度不够，其旅游业效率较低。而皖北地区的淮北、宿州、蚌埠等地的红色旅游带动性较强，皖南地区的马鞍山、芜湖、安庆处于优越的地理位置，拥有丰富的自然资源，自然资源的利用率较高，对其旅游产业的高效率发展有较强的促进作用。 1.3.2 纯技术效率测度分析
在对综合技术效率分析的基础之上，将规模因素排除在外的前提下，分析投入要素有多大程度上影响综合效率，即纯技术效率。对安徽省旅游产业的纯技术效率测算结果，如表3所示。
由表3可知，从整体来看，2010～2018年安徽省旅游产业纯技术效率值均值为0.850，表明安徽省對旅游产业的管理、生产技术条件和人才培养十分重视，但是还有15%的上升空间。
对各城市的纯技术效率进行具体分析：合肥、淮北、池州、黄山四个城市的纯技术效率连续9年均实现效率最优的状态，表明这四个城市的旅游信息技术水平较高，更好的利用现有的生产技术和人才资源;宿州、蚌埠、阜阳、六安、马鞍山、铜陵、安庆这七个城市纯技术效率均值均超过总体均值0.85，但是总体上其旅游产业纯技术效率值有变小的趋势;蚌埠、铜陵、安庆这3个城市有6年实现纯技术效率值达到有效，说明其技术得到了充分利用和吸收，有较强的旅游产业管理能力;而马鞍山和芜湖纯技术效率均值超过总体均值，但是只有2010年实现效率最优，说明其对信息技术的利用存在浪费现象，同时人才的利用和管理方式还有提高;滁州、六安、宣城旅游业纯技术效率均值低于0.6，处于无效状态，说明在考察期内对旅游业的发展不够重视、管理混乱、生产技术利用效率极低。
1.3.3 规模效率测度分析
当规模效率为1时，说明决策单元规模报酬处于不变的状态，充分利用了现有的规模;当规模效率不为1时，说明决策单元规模报酬处于递增或者递减的状态。对安徽省旅游产业的规模效率测算结果，如表4所示。
由表4可知，从整体来看，2010～2018年安徽省旅游产业规模效率值均值为0.941，相比于综合效率和纯技术效率而言，规模效率处于较高的发展水平，说明安徽省在基础设施建设、项目建设、规划、旅游资源等方面直接或者间接引导相关企业进行投资，安徽省旅游产业规模得以不断扩大。
从具体城市的规模效率进行分析：在16个地级市中，合肥、池州、黄山的规模效率连续9年达到最优，铜陵9年的规模效率均值最低，其余的城市规模效率均超过0.8，处于中等偏上的水平。亳州、淮南、滁州、六安、马鞍山、宣城这6个城市9年的规模效率均未达到有效，说明其对旅游产业的发展重视度不够，基础设施建设、旅游资源开发、人力资源等要素的投入利用率不足，从而导致规模效率小于1。
综上所述，安徽省旅游产业总体上处于中等偏上的发展水平。同时，为了准确判断纯技术效率和规模效率对综合效率的影响程度，分别建立散点图如图1与图2所示。
图1 纯技术效率-综合效率散点图
图2 规模效率-综合效率散点图
从图1与图2中可以看出，纯技术效率-综合效率的散点比较靠近45度对角线，而规模效率-综合效率的散点较分散，充分说明纯技术效率较规模效率对综合效率的影响更强。利用SPSS软件，计算出纯技术效率与综合效率的偏相关系数为0.998，规模效率与综合效率的偏相关系数为0.9，证实了上述结论。
1.4 安徽省旅游产业动态效率分析
1.4.1 时间层面分析
由于DEA-BCC模型测度的是一种静态效率，不能反映不同时期各决策单元的效率变动情况，因此，本文结合Mamlquist指数测度安徽省旅游产业的动态效率，并对指数进行分解，如表5所示。
由表5可知，从时间变化角度来看，2010～2018年安徽省旅游产业Malmquist指数平均值为1.208，表明旅游产业全要素生产率年均增长幅度为20.8%，反映出安徽省整体旅游产业发展对各个投入生产要素利用程度较好。其中，技术进步贡献最多，达到了19.1个百分点，说明安徽省的生产率增长主要来自技术进步。而规模效率贡献最少，仅仅达到0.6个百分点。
2010～2018年安徽省旅游产业Malmquist指数及其分解变化趋势如图3所示。
结合表5数据和图3各指数变化趋势折线图对全要素生产指数进一步分解可以看出，2010～2018年安徽省旅游产业全要素生产率整体呈现先下降后上升再下降的发展趋势，总体上趋于波动的状态。其中，技术效率和纯技术效率变化趋势几乎重合，而规模效率变化趋势基本保持稳定，技术进步指数整体上高于三者的指数。
在2010～2014年间，由于综合技术效率在2010～2012年里都出现下降的趋势，但是其技术进步增长幅度较大，分别是27.7%和28.4%，而2012～2013年技术效率和技术进步增长仅为8.7%和7.1%，因此，2010～2012年的旅游业全要素生产率相比2012～2013年增长的幅度更大;同理，2013～2014年的技术效率的下降和技术进步增长的缓慢导致该年间全要素生产率增长的最低。在2015～2016年，由于信息、互联网等科学技术不断发展，安徽省在旅游发展过程中，重视技术创新和人才培养，合理地开发利用自然资源，因此，旅游业全要素生产率增长达到考察期内最高。
1.4.2 地区层面分析
对安徽省16个地级市历年平均的旅游产业全要素生产率进行分解，如表6所示。
由表6可知，淮北、亳州、蚌埠、阜阳、滁州、六安、宣城、铜陵全要素生产率平均增长率较高，根据表6不难发现，增长较高的原因在于这些地区技术进步的较快增长，而技术效率、纯技术效率和规模效率增长速度较慢，甚至出现负增长，充分说明这些地区的技术创新和技术引进促进了本地区旅游业的发展，但是，在资源有效配置、管理方式和制度创新等方面还存在一些问题。合肥、宿州、淮南、马鞍山、池州、安庆、黄山平均增长率在10%～20%之间，原因在于虽然技术进步在以较慢的速度不断增长，但是，技术效率、纯技术效率和规模效率保持不变，甚至有较小程度的下降，这样就拉低整体生产率的增长。
2 安徽省旅游产业效率影响因素分析 2.1 变量选取及数据来源
通过梳理旅游产业效率影响因素的相关文献，并结合安徽省旅游产业发展状况，选取2010～2018年安徽省16个地级市的旅游产业综合效率（effch）作为被解释变量，交通便利程度（trasp）、城市化水平（urban）、经济发展水平（edl）、信息化水平（il）和市场化程度（mar）作为解释变量进行计量分析。
其中，交通便利程度（trasp）利用路网密度衡量，随着科学技术不断进步，交通便利程度的提高不仅可以直接影响到区域旅游目的地的通达性而且极大增强人们出行旅游的欲望;城市化水平（urban）利用常住人口城镇化率来衡量，因为旅游客源大多数来自城镇地区，人口城镇化率增加，能够为旅游产业发展带来更多的收益;经济发展水平（edl）用人均GDP衡量，经济的快速发展使得居民消费结构从生存型消费转变成休闲型消费，最明显的体现在作为第三产业的旅游业;信息化水平（il）采用各地级市的邮电业务总量来衡量，随着大数据在旅游业中的地位越来越重要，区域旅游业的发展越来越依靠信息的传递;市场化程度（mar）利用各市旅游业总收入/第三产业总产值来衡量，市场化程度的提高会增加旅游产业的竞争力。数据来源于2011～2019年安徽省统计年鉴及各地级市统计局官网。
2.2 数据检验及模型构建
2.2.1 单位根检验
在建立面板数据模型之前，为了防止出现模型伪回归现象，需要对原始数据进行单位根检验，确保回归结果的有效性和数据的平稳性。为了减少数据的波动带来的异方差的问题，首先对数据进行对数处理。采用LLC和ADF检验对数据进行单位根检验，检验结果如表7所示。
由表7可知，所有变量均在5%的显著性水平下拒绝原假设，因此，各变量均通过单位根检验，可以构建面板数据模型进行分析。
2.2.2 模型构建
本文通过引入被解释变量的滞后期来探究旅游产业效率，采取差分GMM和系统GMM法对模型进行估计。建立如下动态面板模型：
ln effch=α+β1L1.ln effch+β2ln trasp+β3ln urban+β4ln edl+β5ln il+β6ln mar+ε
其中，L1.lneffch为被解释变量滞后一期，其他各解释变量为旅游产业影响因素的对数形式。
2.2.3 结果分析
动态面板回归结果如表8所示。
由表8可知，在通过对模型进行检验发现，差分GMM和系统GMM均通过Sargan过度识别检验，结果表明接受原假设，所有工具变量均有效;同时，进行AR序列相关性检验，得出存在一阶自相关且二阶无自相关。
旅游产业效率在1%的显著性水平下拒绝原假设，证明了旅游产业效率是一个动态调整的过程。根据系统GMM的回归结果，交通便利程度每上升1%，安徽省旅游产业效率将上升0.36%;城市化水平对安徽省旅游产业效率的影响与预期相反，两种方法回归的系数均为负且分别通过1%和5%的显著性水平。其原因在于，虽然安徽省积极推进建设新型城镇化进程，但是安徽省16个地级市经济发展水平的差异导致区域间城镇化进程存在较大的差异。并且城镇化进程中旅游的产业化和规模化经营体制尚未成熟，人才资源大量涌入城市，短时间内无法得到专业的培训，使得旅游产业效率下降。
经济发展水平的显著性与城市化相同，但是其回归系数为正。信息化水平在差分GMM估计方法上通过5%的显著性水平且系数为正，说明安徽省较重视信息化水平发展，旅游企业处理风险的应变能力较好，从而促进了旅游产业效率。市场化程度在差分GMM估计方法上通过显著性水平为1%的假设检验且系数为正，说明安徽省旅游业经营主体市场化程度的提升有利于完善旅游市场进出标准，提升竞争力，促进旅游产业效率的提升。
3 结论与政策建议
3.1 结论
本文选取3个投入要素和2个产出要素，利用BCC模型和Malmquist模型对旅游产业效率进行静态和动态测算，BCC模型测算结果表明安徽省旅游产业综合效率呈现上升的发展态势，并且纯技术效率较规模效率对综合效率的影响更强，而Malmquist模型测算结果表明安徽省旅游产业全要素生产率呈现先下降后上升再下降的波动状态，其中技术进步对全要素生产率的影响更强。另外，本文选取交通便利程度、城市化水平、经济发展水平、信息化水平和市场化程度等变量，研究其对旅游产业效率的影响，研究结果表明交通便利程度、经济发展水平、信息化水平和市场化程度对旅游产业效率是正向促进作用，而城市化水平对旅游产业效率的影响是负向的。
3.2 政策建议
为加快推进安徽省旅游产业升级及效率的提高，本文提出如下的政策建议：
第一，经济发展水平和交通便利程度显著影响旅游产业效率，对旅游产业效率的提升起着至关重要的作用。各地区应加快经济发展水平，建设更加完善的旅游景区，为游客提供一个更为舒适的旅游环境。
第二，深入开发和广泛利用信息资源，实现信息的有效流通和共享，加強旅游产业从业人员的教育培训，做好创新人才储备，为未来安徽省旅游的游客提供更加专业的服务，进而提升安徽省旅游产业吸引力。
第三，由于安徽省南北旅游特色资源差异较大，各地区应该按照资源特色，对自然资源科学适度的开发利用，形成结构合理、功能充分发挥的旅游产业链。同时，重视科学技术创新，将知识和技术渗透到旅游产业中。
参考文献：
[1] 王兆峰，赵松松.基于DEA-Malmquist模型的湖南省旅游产业效率时空动态演化及影响因素[J].长江流域资源与环境，2019，28（8）：1 886-1 897.
[2] 胡亚光.中国旅游产业效率区域评价及其解构分析——基于SFA的实证研究[J].当代财经，2019（10）：107-119.
[3] 王虹，胡胜德.基于Tobit模型的“一带一路”旅游产业效率投资影响因素及策略研究[J].中国软科学，2017（12）：62-70.
[4] 王兆峰，霍菲菲.基于VAR模型的湖南武陵山片区旅游产业生态效率影响因素分析[J].中南林业科技大学学报，2018，38（11）：136-144.
[5] 任丹丹.基于DEA模型的旅游产业效率研究——以中国（新）一线城市为例[J].商业经济研究，2018（5）：179-182.
[6] 钟敬秋，韩增林，李冰心.基于GM-GIS耦合模型的旅游产业效率时序评价及空间关联格局分析——以东北三省36个市（区、州）为例[J].资源开发与市场，2016，32（7）：863-868.
[7] 刘佳，安珂珂.环渤海城市旅游产业绿色创新效率的空间格局[J].华东经济管理，2020，34（6）：27-37.
[8] 李钧，唐李伟.中国沿海地区旅游业效率测度——基于全局Malmquist生产率指数的实证分析[J].金融经济，2020（8）：18-25.
[责任编辑：许立群]