基于DEA模型的我国主要滨海城市旅游效率研究

发布时间：2017-10-16 21:37

  本文关键词：基于DEA模型的我国主要滨海城市旅游效率研究

  更多相关文章： 滨海城市 旅游效率 DEA模型

【摘要】：近年来,我国旅游产业掀起了投资热潮,许多滨海旅游城市尤为明显,由此对这些城市旅游效率问题的研究显得更加重要。通过查阅之前的文献研究成果,发现国内外学者对城市旅游效率的研究较少,特别是对滨海旅游城市效率的实证研究几乎空白。本文在总结现有研究的基础上,结合滨海城市旅游产业的实际情况,构建出相对完整和直接的评价指标体系,有利于提高研究结果的准确性,深化对城市旅游业效率问题的研究。本文结合国内外对城市旅游效率研究的相关成果,选取了旅游业从业人数、旅行社数量、星级酒店固定资产额等9个投入指标和旅游接待人数和旅游收入2个产出指标,构建了较为完善及针对性较强的城市旅游效率评价指标体系,运用DEA-BCC模型,对选取的我国11个主要滨海城市旅游效率加以测算,从综合效率、技术效率和规模效率三个方面进行了评价分析。最后引入DEA-Malmquist指数法,对这些的城市旅游产业全要素生产率变动指数进行测算分析,从动态上揭示了滨海城市旅游业效率及分解效率的变动趋势,并根据研究结论提出了相应的优化建议。本文主要结论：(1)我国主要滨海型城市的旅游效率整体保持较高水平。本文所选取的11个城市在02-11年的10年间旅游综合效率的总平均值为0.903。(2)商务驱动型城市的旅游效率高于观光驱动型城市。商务驱动型城市尽管自然旅游资源禀赋不高,但依靠依托自身强大的经济实力,营造了浓厚的商务旅游环境及现代人造旅游产品,旅游效率值高于观光驱动型城市。(3)规模效率是影响滨海型城市旅游业综合效率的重要因素。在研究期内,11个滨海型旅游城市技术效率保持着较高值,总体平均值高达0.986。相比之下,在规模效率方面的表现欠佳,总体平均值为0.917。(4)青岛和大连两个城市的投入冗余情况较为严重。根据对所研究城市的投入冗余情况进行分析研究,得出大连和青岛市在旅游业从业人员、饭店固定资产、旅游景区固定资产等方面的投入产生的冗余较大。(5)技术进步和规模效率的提升促进了滨海型城市旅游业全要素生产率的提升的主要动力。滨海型城市旅游业的全要素生产力指数的平均值为1.094,说明经过10年的发展,11个滨海型城市旅游业总体效率有了一定的增长,潜在生产力、科学技术应用水平、旅游产业规模的合理程度都有所提高。其中,技术进步和规模效率的提升是全要素生产力指数增长的主要动力。此外,受研究课题的复杂性、相关数据的缺乏等主客观因素影响,本研究尚存在评价指标、研究时间不够完整、研究对象的数量不足等许多需要改进之处,望在后续研究中加以完善。
【关键词】：滨海城市 旅游效率 DEA模型
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F592.7
【目录】：

• 摘要5-7
• Abstract7-11
• 1 绪论11-15
• 1.1 研究背景11-12
• 1.1.1 现实背景11-12
• 1.1.2 理论背景12
• 1.2 研究意义12-13
• 1.2.1 理论意义12-13
• 1.2.2 现实意义13
• 1.3 研究方法13-14
• 1.4 技术路线14-15
• 2 文献综述15-19
• 2.1 国外对旅游效率的研究进展15-16
• 2.2 国内对旅游效率的研究进展16-18
• 2.2.1 国内对旅游企业经营效率的研究16-17
• 2.2.2 国内对城市旅游效率的研究17-18
• 2.3 小结18-19
• 3 滨海城市旅游相关概念界定与基础理论19-24
• 3.1 相关概念界定19-21
• 3.1.1 城市旅游19-20
• 3.1.2 滨海城市与滨海旅游城市20
• 3.1.3 城市旅游效率和全要素生产率20-21
• 3.2 基础理论研究21-24
• 3.2.1 区域旅游理论21-22
• 3.2.2 经济效益评价理论22
• 3.2.3 生产前沿面理论22-24
• 4 滨海型城市旅游效率的评价方法和模型24-33
• 4.1 滨海型城市旅游效率的评价方法24-26
• 4.1.1 评价方法的选取24
• 4.1.2 数据包络分析方法(DEA)概述24-25
• 4.1.3 数据包络分析法(DEA)的计算步骤25-26
• 4.2 滨海型城市旅游效率的测度模型26-29
• 4.2.1 数据包络分析方法(DEA)具体模型的选择26
• 4.2.2 DEA—BCC模型应用的前提条件26
• 4.2.3 DEA—BCC模型的原理26-28
• 4.2.4 DEA—BCC模型的应用原则28-29
• 4.3 评价指标的确定29-33
• 4.3.1 指标选取的原则29
• 4.3.2 指标的选取29-30
• 4.3.3 指标的含义30-33
• 5 主要滨海城市旅游效率的评价分析33-49
• 5.1 研究对象的选取33-35
• 5.2 数据的来源35
• 5.3 主要滨海城市旅游效率及其分解效率的测算35-37
• 5.4 滨海城市旅游效率的评价分析37-44
• 5.4.1 综合效率评价分析37-40
• 5.4.2 技术效率评价分析40-41
• 5.4.3 规模效率评价分析41-44
• 5.5 投入冗余情况分析44-47
• 5.5.1 旅行业从业人员冗余分析44-45
• 5.5.2 星级饭店固定资产冗余分析45
• 5.5.3 旅游景区固定资产冗余情况分析45-46
• 5.5.4 投入改进值分析46-47
• 5.6 规模报酬分析47-48
• 5.7 城市旅游效率类型的分类48-49
• 6 主要滨海城市旅游全要素生产率评价49-55
• 6.1 DEA-Malmquist指数简介49-51
• 6.2 主要滨海城市旅游全要素生产率及其分解的总体变动情况51
• 6.3 不同类型城市旅游的全要素生产指数(TFP)及其分解的变动特征51-55
• 6.3.1 稳定型城市旅游的全要素生产指数及其分解的变动趋势51-52
• 6.3.2 完善型城市旅游的全要素生产指数及其分解的变动趋势52-53
• 6.3.3 调整型城市旅游的全要素生产指数及其分解的变动趋势53-55
• 7 结论与展望55-59
• 7.1 结论55-56
• 7.2 优化建议56-57
• 7.3 研究不足之处57
• 7.4 研究展望57-59
• 参考文献59-62
• 附录62-70
• 致谢70

【参考文献】

中国期刊全文数据库 前2条

1 于秋阳;冯学钢;范X;;基于DEA模型的长三角旅游产业效率差异的评价与对策研究[J];经济论坛;2009年22期

2 张毅;;黑龙江省东部旅游区域合作问题研究[J];西伯利亚研究;2009年05期

中国硕士学位论文全文数据库 前1条

1 赵丽红;基于DEA的我国旅游上市公司绩效评估研究[D];北京工商大学;2010年

，

本文编号：1045072