基于数据包络分析的中国主要城市旅游效率评价

  本文关键词：基于数据包络分析的中国主要城市旅游效率评价，由笔耕文化传播整理发布。

2010年1月

马晓龙等：基于数据包络分析的中国主要城市旅游效率评价

定具有明显的导向性。绩效评价对任何一种类型

的组织和管理均具有重要意义[7]。确定不同城市的效率水平可以为城市旅游发展的资源投入提供决策依据，并为城市旅游竞争力的比较提供相对标准。因此，本研究试图回答以下问题：中国主要城市的旅游效率水平如何？具有哪些特征？处于何种阶段？影响原因何在？对这些问题的回答构成了本文的立论基础。

合体作为生产单元，对其旅游效率进行评价，并对效率的特征及其影响因素进行分析。

3研究设计

3.1研究方法

随机前沿分析（StochasticFrontierAnalysis，简称SFA）和DEA是较好的两种效率测度方法[28，29]。其中，DEA是一种对若干同类具有多输入、多输出的决策单元（DecisionMakingUnit，简称DMU）进行相对效率与效益方面比较的有效方法。对处理多输入、特别是多输出问题具有绝对优势[30]。城市是一个复杂的综合性旅游目的地，其旅游生产过程中包含着复杂的输入输出要素，因此，本研究选择DEA作为效率评价方法。根据数据包络分析思想，城市旅游效率评价的本质是将这些城市作为实际DMU，通过达到DMU的Pareto最优，旨在寻找一个包含所有城市旅游生产集的最小凸锥，该凸锥的边界就是“生产”的最佳前沿面（BestPracticeFrontier），把所有城市旅游的生产可能性集同这个最佳前沿面进行比较，最终得到各自效率的测度。DMU效率计算可以分为投入导向、产出导向和技术可行导向3种等价的计算方法。考虑到城市在旅游产业生产过程中投入要素的可控制性，本研究采用在产出既定条件下不同投入组合的投入导向模式。

其数学表达如下：设有j个决策单元（j=1，2，…，j），每个决策单元j对应一个输入向量和一个输出向量组合（xj，y）在基于凸性、锥性、无效性和j，最小性公理假设下，可以得到对于第j0个决策单元DMUj0投入和产出有效时满足规模报酬不变的DEA模型：

min{θ}，

2文献回顾

文献检索结果表明，旅游酒店效率研究已经成为学术研究的热点之一[8]。早期的旅游企业经营效率研究发生在美国，，学者利用数据包络分析方法（DataEnvelopementAnalysis,DEA）对美国54家私有连锁酒店的管理绩效评估反映了美国旅游服务市场经营效率较高的现状[9]。随后,又采用不同的方法对这些酒店效率进行了测量，得到了近乎一致的结论，即美国酒店产业经营管理的效率较高[10~12]。在欧洲，葡萄牙旅游酒店效率研究结果表明，大部分酒店没有效率，但多数实现了效率增长，规模和区位是影响效率的主要原因[13]，并提出提高生产力、吸引外来投资等提高效率的措施和方法[14]。显然后者的研究更为深入，不仅描述了效率的现状，并进一步分析了影响效率结果的原因。近年来，中国学术界也使用DEA方法对不同区域酒店的相对效率进行了测算和比较分析[15~18]，但研究也仅停留在现象描述阶段，缺少基于中国国情的影响因素和结构的解释，学术创新和贡献不足。此外，旅行社效率也是旅游效率研究的重要领域之一，利用DEA方法对葡萄牙和土耳其旅行社的经营效率评价的结果表

20]

明，大多数旅行社的经营也是无效率的[19，，与中国旅行社研究的结论一致[21]。此外，不同学者还对旅游交通效率[22~25]、韩国国家公园和澳大利亚主要节事

27]

主办地城市运营效率较低的原因进行了分析[26，。

总体上看，国外旅游效率研究已经涉及到酒店、旅行社、旅游交通、旅游目的地、旅游环境等多个领域，但国内只有台湾地区学者进行了较为少量的研究，且受两岸关系影响，这些研究并没有对大陆旅游研究和旅游产业发展产生明显的影响和示范作用。从研究内容上看，大陆只有少量文献涉及到酒店等特定产业部门，且这些研究仅局限于对旅游效率的简单测算，缺乏效率来源和产生机理的系统分析和理论解释，尤其缺乏对城市这种综合性旅游目的地的研究。本研究以城市这样一个复杂综

（1）

对上式引入松弛变量S－和S+，化为：min{θ}，

（2）

式中Xj0表示第j0个DMU的输入向量；Yj0表示第j0个

  本文关键词：基于数据包络分析的中国主要城市旅游效率评价，由笔耕文化传播整理发布。