中国城市旅游业的投入产出效率，本文主要内容关键词为：投入产出论文,旅游业论文,中国论文,效率论文,城市论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
[文章编号]1002-2031(2015)03-0054-08 [DOI]10.13239/j.bjsshkxy.cswt.150309 一 引言 随着我国经济发展水平的提高，国民收入稳步增长，城市居民的消费观念和消费结构发生变化，消费结构呈现出以旅游消费为代表的偏精神享受型消费比重增加的特点。居民旅游消费热情的持续高涨为城市大力发展旅游产业提供了重要的市场需求支撑，一些城市立足自身特色旅游资源打造城市知名度，驱动城市经济立体化增长，使旅游经济逐渐成为城市发展的新亮点。目前，我国城市旅游产业发展仍然依赖资本扩张和劳动力密集等粗放型增长方式，通过知识密集、科技支撑和产业融合挖掘城市旅游资源特色、推动产业集约化发展的局面并未在旅游产业中普遍出现。因此，有必要全面分析我国城市旅游产业发展的效率水平及结构变化、空间布局和演变路径，为扩充城市经济发展维度、丰富城市经济内涵、提升发展层次提供理论支撑和数据支持。 对产业发展效率进行有效评价的经典方法是非参数的数据包络分析(DEA)和参数的随机前沿模型(SFA)。效率评估的应用研究涉及面广，包括制造业、农业、生产性服务业等许多领域，而行业效率评价研究多集中于金融业、高新技术产业、物流业、文化产业等。关于旅游企业投入产出效率的研究，国外的代表性研究成果包括阿萨夫、拉莫等、巴里奥斯等、梅迪纳等分别基于旅游企业和旅游目的地效率的估算与评价[1-4]。国内对旅游产业发展效率的应用研究可追溯至朱顺林对我国区域旅游产业的效率评价[5]，之后，旅游产业研究主要从两条路径拓展：一是研究方法上不断改善，主要由传统的DEA模型[6-9]过渡至二阶段DEA模型[10]、三阶段DEA模型[11-12]，甚至四阶段DEA方法，大大提高了模型应用的精准性；二是研究对象不断细分，即由区域旅游转向城市旅游效率研究，部分学者还对旅游上市公司、旅游目的地、特色旅游景点等的发展效率进行了有效评价，研究视角也从最初关注资本、人力等传统产业要素转向对服务质量、低碳环境的深入考察[13-14]。 二 研究设计 1.研究方法 弗里德(Fried)等提出的三阶段DEA方法的基本思想是决策单元的投入产出效率受到外部环境、内部管理以及随机扰动等三大类因素影响，因此，对决策单元的效率评估需要分离出外部环境与随机误差等因素的作用，使得决策单元的效率值能更客观真实地反映内部管理水平[15]。这种处理既避免了一阶段DEA无法分离效率影响因素的问题，又解决了二阶段DEA方法受影响因素函数形式及无法分离随机误差的缺陷，大大提高了效率评价的客观性和准确性[16]。三阶段DEA方法的操作步骤分三个阶段：第一阶段采用传统DEA模型评价决策单元效率，其中以班克尔(Banker)等提出的可变规模报酬BCC模型的应用最为广泛，它将决策单元的综合技术效率分解为纯技术效率和规模效率，达到分离经营规模对技术效率影响的目的。本阶段的另一作用是通过BCC模型计算出评价单元各投入项的松弛变量，并作为第二阶段SFA模型的因变量。第二阶段中，将各投入项松弛量受外部环境、内部管理及随机扰动等三大类因素的影响以回归模型表示为：
等式左侧为第i个决策单元调整后的第m项投入，等式右侧第一项对应为该决策单元第m项的实际投入，第二项为第i个决策单元外部环境调整为最差应增加的投入量，第三项为随机因素处于最差水平时应增加的投入量①。在第三阶段，利用调整后的要素投入量和原有的实际产出量再次进行DEA模型分析，此时所得决策单元的技术效率由于剔除了外部环境和随机因素的绝大部分影响，因而能更客观地反映决策单元内部的技术效率水平。 2.研究对象及指标选取 城市作为区域旅游产业发展的主要代表，产业特色比较鲜明，产业集中度高，涵盖了旅游经济发展的基本模式，适合成为反映旅游经济发展效率的研究视角。但考虑到直辖市和副省级城市旅游经济在发展水平、城市规模以及区域功能强度方面存在差别，因此，研究中选择三阶段DEA方法来排除外部环境因素对发展效率的影响。根据资料的可得性，本研究选取北京、天津、上海、重庆、沈阳、大连、长春、哈尔滨、南京、苏州、杭州、宁波、福州、厦门、青岛、武汉、广州、深圳、桂林、海口、成都、昆明和西安等23个大中城市作为评价对象，研究期间从2005-2012年，以反映旅游产业发展效率受“非典”和金融危机等重大事件的影响程度。决策单元的投入指标选取了固定资产原值和旅游从业人员数，分别代表城市旅游产业投入中的资本投入量和劳动力投入量。产出指标中选取营业收入和入境游人天数，分别体现旅游业产生的资金流入量和提供的旅游服务量②。要客观评价各决策单元的投入产出效率，环境因素的剔除至关重要。本研究着眼于影响城市旅游规模的经济因素、历史地理因素、交通因素、商业环境因素以及其他因素，分别构建了旅游消费潜力、目的地向心力、出行便捷性、商业资源丰富度和虚拟变量五组指标。其中，用城市人均GDP体现旅游消费潜力，用城市5A级景区数反映目的地向心力，用客运总量、道路密度、每万人拥有出租车数和每万人拥有公共汽车数四个二级指标反映出行便捷性，用旅游企业分布密度和批发零售企业密度反映商业资源丰富度。虚拟变量体现人文、教育、科技、卫生等其他因素对直辖市和省会城市旅游产业发展效率的环境影响，虚拟变量取值1代表直辖市和省会城市，0代表其他类型城市③。以上指标所涉及的数据均来自2006-2013年的《中国旅游统计年鉴》和《中国城市统计年鉴》。 三 城市旅游业投入产出效率的测算及解读 1.旅游业投入产出效率分析——第一阶段DEA 首先，基于投入导向型可变规模报酬模型、运用DEAP2.1软件对决策单元2005-2012年的旅游产业进行投入产出效率分析。结果显示，23个城市在此期间的综合效率平均为0.732，综合效率值超过0.9的城市分别是上海、南京、福州、厦门、广州、深圳和昆明，综合效率值最低的三个城市分别是哈尔滨、长春和大连。将综合效率分解为技术效率和规模效率，其中，技术效率均值为0.83，规模效率均值为0.89，技术效率值超过0.9的城市为北京、上海、南京、杭州、福州、厦门、广州、深圳和昆明，排名后三位的是大连、武汉和沈阳。各城市的规模效率大部分都超过0.9，仅有长春和哈尔滨的规模效率值不足0.5。在规模报酬表现中，处于规模报酬递减状态的城市有北京、重庆、杭州和广州，处于规模报酬递增阶段的城市较多，包括沈阳、大连、长春、哈尔滨、苏州、宁波、青岛、武汉、桂林、海口、西安等，而上海、南京、福州、厦门、深圳和昆明则处于规模报酬不变状态。综上分析得出，当受到外部环境和随机因素影响时，城市旅游业的综合效率较低，城市间发展效率差异大，规模效率略高于技术效率。接近或处于效率前沿面的城市如上海、南京、福州、厦门、广州、深圳和昆明等主要分布在东南沿海一带及西南地区，规模效率和技术效率表现较差的城市则集中于东北地区。对于规模报酬表现，大城市主要处于报酬递减或不变状态，其他中等城市均表现为规模报酬递增。 2.影响城市旅游业发展效率分析的环境因素和随机扰动剔除——第二阶段SFA 将第一阶段DEA分析获得的资本投入和劳动力投入的松弛变量分别作为因变量，将反映环境因素影响的5个变量作为自变量，采用随机前沿模型进行回归，分析结果如表1所示。表1显示，除了2011年和2012年固定资本投入松弛量的SFA模型不显著外，其他模型中的γ值均超过0.9，且通过显著性检验，说明企业内部管理效率方差为总方差的主要组成部分，适合用SFA模型进行分析④。此外，SFA模型中的所有自变量对因变量的作用均在5％的水平下显著，说明选取的环境自变量对资本投入松弛量和劳动力投入松弛量均产生显著影响，只是影响方向存在差别⑤。 以固定资产投入松弛量为例，在2005-2010年间，消费潜力和目的地向心力对应的回归系数由负变正，说明随着人均GDP水平不断提高，城市旅游业的潜在消费能力逐步增强。旅游目的地对游客的吸引力增强，在早期能起到缩减固定资本冗余、提升产业发展效率的作用，但随着后期消费能力的不断释放，一哄而上、盲目上马的投资热情使得旅游资源被过度开发，固定资本大幅投入必定产生要素冗余，反而拖累旅游产业发展。与之相反，出行便捷性对资本投入冗余的作用由正变负，表明以高铁为代表的城市间轨道交通和城市内部的立体化交通逐步形成对旅游产业资本投入效率的正向推动作用。商业资源丰富度对应的回归系数一直为负值，说明营商环境能提升城市旅游产业的运营效率。对于劳动力投入松弛量模型而言，除了商业资源丰度变量对旅游产业发展效率产生正向作用外，其他自变量的表现则不尽相同。其中，消费潜力和目的地向心力自变量的作用在大部分年份保持为正，说明潜在消费能力提升和旅游资源存量增加了劳动力投入冗余量，从而降低了旅游业的运营效率。出行便捷性变量的影响则极不稳定，体现出交通环境因素对旅游产业劳动力投入影响的不确定性。虚拟变量在资本投入松弛量和劳动力投入松弛量模型中大部分取值为负，说明经济、历史、地理、交通等因素以外的其他城市软环境对旅游产业运营效率均产生了显著的提升作用。综上可知，消费潜力的大幅提升和高知名度旅游资源催生的强大吸引力，使得城市旅游产业主要依靠大量投入资本和增加从业人员等数量扩张方式，来实现旅游业粗放型、规模化增长，在加大资本和劳动力投入冗余量的同时削减了产业发展效率。相反，着力建设吃、住、行以及购物一条龙服务的优良旅游环境，有效发挥城市特有的人文、教育、科技、卫生等非经济品牌效应，能极大地提高旅游产业的运营效率，增加产业附加价值。因此，在城市经济立体化发展背景下，需要统筹兼顾，长远谋划，才能让旅游产业既保有自身特色，又与其他产业协同融合发展，以促进旅游业投入产出效率稳步提高。
3.调整资本和劳动力投入量后的投入产出效率分析——第三阶段DEA (1)调整前后的效率值对比 以外部环境最差的城市旅游业为基准，给其他城市旅游业在原有投入水平基础上施加一份因环境因素恶化和随机扰动项不稳定产生的额外投入作为假想投入量，通过这一处理将所有决策单元面临的外部环境和随机自然状态同一化，再次基于城市旅游业的假想投入量和实际产出量进行DEA分析。表2列出了投入量调整前和调整后的各城市旅游产业平均综合效率、平均技术效率、平均规模效率和规模报酬状态。 表2显示，投入水平调整后的城市旅游产业平均综合效率略有降低，为0.723。技术效率的平均值有所提高，而规模效率水平有所下降，指标值分别为0.861和0.791。调整后综合效率位列前五的城市分别是深圳、广州、上海、杭州和北京；技术效率位列前五的城市包括北京、上海、广州、深圳和福州，规模效率位于前五的城市依次为深圳、上海、杭州、广州和北京，而三项指标值均靠后的城市主要有沈阳、大连、长春、哈尔滨和海口，说明北、上、广、深等一线城市因政治、经济、历史、地理、人文等原因在区域旅游产业发展中拥有不可撼动的核心地位。从综合效率变动的城市分布看，调整后综合效率提升的城市包括北京、上海、广州、深圳等一线城市以及具有鲜明特色的苏州、杭州、青岛、重庆等城市，说明外部环境的差异性和各种随机因素使得一线城市和特色城市的旅游产业发展效率被低估。再观察各城市的技术效率，发现绝大部分城市该指标水平均有不同程度提高，其中，宁波增幅最高，达到0.24。海口是唯一技术效率值调整后下降的城市。而规模效率值的城市表现则刚好相反，大部分城市调整后的指标值均有所下降，降幅排在前三位的城市分别是沈阳、海口和西安。北京、上海、广州、深圳的表现和其他城市截然相反，规模效率值反而有不同程度的上升，增幅依次为0.085、0.021、0.049和0.004，说明外部环境因素使得城市旅游产业的技术效率普遍被低估，规模效率的作用方向则受城市规模影响，以北、上、广、深为代表的一线城市的旅游产业规模效率被低估，而其他二线和三线城市的旅游产业规模效率普遍被高估。从城市旅游产业的规模报酬状态看，调整后仍处于规模报酬递减状态的城市只有北京和杭州，除天津、上海和广州各有两年处于规模报酬递减状态外，其他城市均处于规模报酬不变或规模报酬递增状态。由此表明，外部环境等因素是影响城市旅游产业投入产出效率的重要因素，外部环境使得纯技术效率被低估，大型城市的规模效率同样被低估，相反，中小城市的规模效率被高估。无论是综合效率还是分解后的技术效率和规模效率，表现卓越的城市仍然是北上广深等一线城市，说明在优越的历史地理基础条件下，促进旅游产业集聚，有效整合旅游资源，不断拓展旅游产业价值链条，保持产业竞争优势，是提升旅游产业产出效率的重要路径。
(2)城市旅游产业效率的空间布局及分类 图1更直观地反映了环境因素调整后各城市旅游产业技术效率和规模效率的平均分布情况。图1分别以技术效率和规模效率0.9%的水平为分界坐标轴，将投入产出效率水平划分为四大类型。第一类是处于第一象限的双优型，具有技术效率和规模效率均较高的效率特征，包括技术效率和规模效率均处于前沿面的深圳市，也包括处于技术效率前沿面的北京、上海、广州等城市，还包括两者虽不在前沿面，但效率值均处于高位的杭州市。位于第二象限的规模效率主导型代表城市为重庆市，效率发展特点是规模效率高于技术效率，发展的重点应转向在维持规模效率水平的条件下培养高素质复合型旅游管理人才，提高企业内部管理水平，最终提升技术效率。第四象限的技术效率主导型，代表性城市包括天津、南京等直辖市和省会城市，以及旅游资源特色鲜明的昆明、厦门等城市。该类城市发展的技术效率水平均较高，但规模效率低于临界值，发展方向应调整为在维持既有的内部管理水平的基础上，扩大产业规模拓展旅游产业链条。长春市由于身处内陆，旅游资源的多样性和吸引力都不突出，提高规模效率显得更加任重道远。最后一类是位于第三象限的双劣型。尽管这些城市旅游产业的技术效率和规模效率均在低水平徘徊，但发展效率差距不可忽视。例如，海口市和哈尔滨市面临提升规模效率的压力，与之相反，大连市和武汉市的技术效率改善则更为迫切。综合分析城市旅游产业的技术效率和规模效率布局，发现规模处于或接近前沿面的决策单元仍然是具有地缘优势、城市规模大并具有丰富特色资源的大都市。其他城市要实现旅游经济“突围”，探索一条适合自身发展的道路，必须找出制约发展效率的短板，并在既有发展基础上整合旅游资源，提升管理水平和效率，从产业融合方面拓宽和延伸产业链条，以创造更多的产业附加价值。
图1 23个城市旅游业技术效率和规模效率分布格局 (3)旅游产业效率水平与效率波动的空间表现 图2和图3是针对23个城市在2005-2012年期间的技术效率和规模效率的平均值和标准差绘制的散点图，意在揭示城市旅游产业发展效率表现的稳定性。图2、图3显示，无论是技术效率还是规模效率，其平均水平和标准差指标的表现均呈现负向分布形态，说明技术效率(或规模效率)水平越高的城市，技术效率(或规模效率)的波动性越小，稳定性越强；反之，效率值越低的城市，效率面临的波动性即风险也随之加大。这说明处于或接近效率前沿面的城市具备正面的效率激励和良性的路径依赖，在旅游产业发展中保有先发优势，也更能抵御外在环境和突发事件对产业的冲击。相反，单项主导型和效率双劣型的城市，其旅游业发展效率变动的不确定性大大增加，在提高产业发展效率和突围产业发展模式的道路上将面临更多的风险。另外，剔除规模效率分布图中的三个离群点后，再对比图1、图2中散点图分布的陡峭程度，发现技术效率平均值和标准差的分布倾斜度更高，说明技术效率相对于规模效率其效率波动即不确定性容易受效率发展水平的影响，也预示着效率水平较低即处于图1第二和第三象限的城市，在选择调整旅游产业技术效率的路径和模式方面更需具有前瞻性和系统性的全局视野。
图2 技术效率均值和标准差分布图
图3 规模效率均值和标准差分布图 注：规模效率分布图中，可近似忽略长春、哈尔滨和海口三个离群点对分布趋势的影响。 (4)旅游产业效率水平的演变模式 以下从时间维度进一步把握城市旅游产业效率的演进路径和演变模式。从城市旅游产业技术效率和规模效率的演进路径看，演变模式可分为稳定型(深圳)、单维微调型(北京、上海、广州、福州)、二维微调型(天津、南京、苏州、杭州、厦门、昆明、桂林)、突变型(沈阳、大连、武汉)和渐进型(长春、哈尔滨、青岛、宁波、海口、成都、重庆和西安)五类。深圳市作为我国改革开放的前沿城市，市场经济异常活跃，产业资源配置能迅速优化，加上其得天独厚的地理位置、政策优势和营商环境，使得其旅游产业的技术效率和规模效率从2005-2012年一直处于效率前沿面，是稳定型演变模式的唯一代表。单维微调型的城市代表包括国际化大都市北京、上海和广州。技术效率在此期间始终为1，达到最优状态，但规模效率往往在0.8-1之间往复波动，说明北上广等大都市旅游业内部管理一直处于效率前沿面，但规模效率受外部环境和随机因素影响会出现往复波动。城市知名度和城市规模逊色于上述国际化大都市的福州市，其技术效率虽然一直处于最优化状态，但规模效率的波幅相比于北上广则更大，表明其规模效益发挥的不稳定性。二维微调型演变模式的主要特点是规模效率和技术效率均在较高效率水平下小幅震荡，并且以规模效率的波动为主。以杭州市为例，其旅游产业技术效率在多数年份为1，只在少数年份出现小幅波动，规模效率波幅在此类演变模式中也是最小的。规模效率波幅稍大的是南京市和苏州市，波幅最大的则以昆明、厦门、桂林等旅游型城市为主，这说明旅游特色鲜明的城市其规模效率更容易受环境影响，具有更大的不确定性。以大连市为代表的突变型演变模式的特点是技术效率的提升往往迅速伴随着规模效率的下降，并且这种大刀阔斧式的技术效率增进与规模效率快速下滑的局面，使得综合效率值一直维持在某个水平，旅游产业发展效率难以出现较大突破，该类旅游产业发展最容易受外界干扰，一些突发事件最容易直接导致旅游产业效率的大幅变动。最后一类效率演进模式为渐进型，从时间维度看，这种模式同样表现出技术效率上升和规模效率下滑的趋势，但技术效率和规模效率的调整是逐步进行的。以成都市为例，在规模效率较为稳定的前提下先提升技术效率，然后技术效率维持现有水平，规模效率则出现小幅跳水，如此反复多次。突变型演变模式表明，研究主体的技术效率和规模效率对环境等要素的影响更敏感，因此，在调整产业发展效率的道路上应更加谨慎。相反，渐进型模式对外界刺激的反应存在一定的滞后性，因而其效率演变轨迹整体上是循序渐进的。 四 结论及建议 1.结论 本研究利用三阶段DEA模型对我国23个大中城市旅游业的投入产出效率进行了科学评价，并提炼出城市旅游产业发展效率的四种演进模式。主要结论包括如下几点。 第一，剔除环境因素和随机扰动对旅游业发展效率的影响后，23个城市的旅游业综合技术效率仅有小幅下降，绝大部分城市的纯技术效率均有不同程度上升，规模效率则有不同幅度下降，且整体上低于纯技术效率，说明规模效率是导致城市旅游产业投入产出效率低下的主要原因。调整后各城市处于规模报酬递减状态的年份数均有不同程度下降，表明外部环境和随机因素是影响城市旅游业规模报酬的重要原因。 第二，外部环境对技术效率和规模效率的影响方向和程度既存在共性又有差异。商业资源丰度和直辖市(或省会城市)拥有的历史人文等不可替代资源始终发挥着提升旅游产业效率的关键作用。经济发展水平助推潜在旅游消费能力，促使旅游产业效率出现由正变负的逆转，原因是市场激励使得旅游资源过度开发和旅游项目盲目上马，旅游产业资源相应产生大量冗余。出行的便捷性整体上有利于提高旅游产业效率，相比较而言，高知名度的旅游资源对旅游产业效率的作用较不稳定。 第三，从旅游产业技术效率和规模效率的城市分布看，长期处于双优或单优状态的城市主要是北、上、广、深、杭等具有重要地缘优势和城市规模的大都市，而处于双劣状态的城市，经济发展水平普遍偏低，市场经济的深度广度有待挖掘，在地理位置、城市规模或城市知名度上并无独特的竞争优势。 第四，旅游业效率水平和效率波动的空间表现显示，无论是技术效率还是规模效率，越接近效率前沿面的研究主体，其效率的稳定性越强。而发展效率较差的城市，其技术和规模效率相对较低的同时，还面临发展的极不稳定性。 第五，城市旅游产业的效率演进特征存在差别，处于技术效率前沿面的城市主要表现出规模效率稳定于某一水平或出现小范围波动，而技术效率和规模效率均远离前沿面的城市，在演进过程中表现出突变型和渐进型两种截然不同的演进模式。 2.建议 针对城市旅游产业发展效率表现的结构特征、区域特征和演进规律，本研究提出以下几点讨论和政策建议。 首先，重视经济发展水平对旅游产业的推动作用，构建有效的市场竞争机制，促进旅游产业发展。处于效率前沿面的北上广深等大都市经济基础比较雄厚，经济辐射能力强，一流的软硬件建设提升了旅游产业对多种生产要素的汲取、组合和优化能力。特别是一直处于效率和规模前沿面的深圳市，除了拥有得天独厚的地理位置和政策红利外，充分的市场竞争是实现资本、技术和劳动力等要素在产业内和产业间快速合理流动并最终提高产业技术效率的关键推手。因此，要深化市场经济体制改革，建立公平、有序的市场竞争机制，激发市场活力。 其次，深入挖掘城市非经济因素价值，促进旅游产业与其他产业的深度融合，避免盲目粗放式增长。研究表明，直辖市和省会城市特有的非经济功能有利于提升旅游产业效率，一些知识、技术甚至劳动力密集型服务业与旅游产业的有效融合均能促进旅游产业的发展。因此，必须着眼于产业融合开发和整合“大旅游”资源，延长和拓宽旅游产业链条，这既有利于提高旅游产业抵御风险和应对突发事件的能力，又能创造新的产业附加价值。 再次，我国城市旅游产业发展效率存在马太效应，处于效率前沿面的主体发展效率的稳定性更强，相反，越是远离最优效率状态的主体，其发展面临的风险越大。因此，对于双劣型城市而言，必须对城市在区域中的作用有清醒的认识，以特色资源为支点，做到错位发展，避免同类恶性竞争。优先重视技术效率提升，优化城市旅游项目科学管理水平，为游客创造多种附加价值，利用口碑效应来间接提高产业规模效率。 最后，鉴于旅游产业效率演进模式的差异性，在选择发展方向和路径时应该各有侧重。效率稳定型的城市，应该更多关注新知识、新技术与旅游产业的融合发展，促进效率前沿面的外推，加快旅游产业的转型升级。单维和二维微调型城市，一方面要加强旅游产业应对和化解自然灾害以及社会突发事件影响的能力，防止旅游市场规模出现大幅波动；另一方面需促进旅游与信息业、文化、教育、体育等产业的深度融合，推动智能旅游发展，拓展旅游产品附加价值，增强游客全方位的感知体验，从而增强旅游产业的吸附力和向心力。突变型和渐进型城市需要以技术效率为先导，立足于本地特色资源，借助重大事件(如申遗、会展、大型赛事等)提高城市知名度和美誉度，为资源优势转变为市场效应创造条件，以实现跨越式发展[9]。 注释：
②由于某些城市的利润指标值为负，不符合三阶段DEA评价方法对数据的要求，故予以剔除；营业税金及附加与营业收入之间存在比较稳定的比例关系，无法体现指标的多样性，同样予以剔除。入境游人天数虽然只能反映入境游强度，但一定程度上体现了旅游目的地的向心力和提供的服务强度，适合作为决策单元的产出指标。 ③人均GDP指标既体现了居民对本地旅游服务的消费潜力，又包含了扩展异地旅游的离心力，由于无法获取支撑城市旅游消费的经济指标，所以用该指标代替。选择旅游目的地的影响因素多样，包括历史性建筑物、城市风光、博物馆、画廊、戏院、体育及其他各项活动等，但5A级景区数作为主要影响因素，具有一定的代表性。出行便捷性指标既包括客源地至目的地的可达性，又包括城市内部交通运输资源的多样性和便利性，其中客运总量体现了前者，道路密度以及车辆分布强度指标反映了后者。旅游企业密度和批发零售企业密度反映了城市为游客在吃、住、行、购物等方面提供服务的能力。 ④由于2011年和2012年SFA模型中的企业内部管理无效率不显著，因此，直接对2011年和2012年资本投入松弛因变量和各环境自变量采用多元线性回归模型进行分析，同样以最差环境决策单元和最差随机自然状态决策单元为对比基准，通过增加投入量将其他决策单元调整为最差的外部环境状态和随机自然状态。 ⑤第二阶段的SFA模型中，环境变量对投入松弛量的负向作用表明环境变量的增加能减少投入松弛量即投入冗余量，从而提高产出效率。反之亦然。
标签：规模报酬论文; dea论文; 旅游产业论文; 广州深圳论文; 深圳旅游论文; 经济论文;
