中国著名旅游城市旅游业的效率研究_杨春梅

2014年2月第28卷第1期

中图分类号F592

文献标识码A

旅游科学

文章编号1006－575（2014）－01－0065－11

Feb．，2014

Vol．28，No．1

中国著名旅游城市旅游业的效率研究

杨春梅

赵宝福

（辽宁工程技术大学，辽宁葫芦岛125105）

摘要：追求更高的效率是旅游城市发展旅游业的目标之一。本文采用三

阶段DEA方法，选取2010年50个著名旅游城市为研究对象，对旅游业效率值进行测算。研究表明，剥离环境因素和随机因素的影响，城市旅游业效率从0．661下降到0．559，规模效率值从0．865下降到0．634，纯技术效率值从0．761上升到0．872，42个城市的旅游业规模效率值下降，33个城市的旅游业纯技术效率值上升。从调整的数据可以看出，规模效率对综合技术效率的影响和制约程度最强，纯技术效率相对较弱。最后针对旅游业效率值分析，提出扩大生产规模，实现资源集中配置的建议。

关键词：

旅游业效率;三阶段DEA;纯技术效率;规模效率

旅游业得到快速的发展。2011年，中国旅游总评随着中国经济的不断发展，

榜组委会公布旅游城市排行榜，根据往年旅游接待人数进行统计，上海市以年旅游2．1亿人次位接待人数2．31亿人次位居榜首，重庆市、北京市分别以2．22亿人次、

要获得更高的旅游产出水平就要追求更高的效居二、三位①。在激烈的竞争中，率。马晓龙和保继刚（2010a）认为要将城市作为旅游经济的生产单元，实现旅游业

发展过程中单位要素投入在特定时间范围内实现产出最大化，使所有利益相关者得到总剩余最大化。郭腾云等（2009）指出在一定的生产技术条件下，城市资源有效总产出与总投入之间的比值，是城市投入要素资源的有效配置及管理水平的综合体现。因此，对于旅游城市来说，要素资源效率高不仅意味着其要素资源处于有效配置状态，还意味着旅游城市的经营管理水平和发展决策是否得当（徐喆，等，

收稿日期：2013－03－13;修订日期：2013－06－25

基金项目：齐齐哈尔市哲学社会科学研究规划项目“齐齐哈尔市旅游目的地规划设计研究”(QSX2012－26(QN))

作者简介：杨春梅(1979－)，女，辽宁工程技术大学博士生，齐齐哈尔大学经济与管理学院副教授，研究方向为旅游管理及战略创新。赵宝福(1957－)，男，辽宁工程技术大学工商管理学院院长，教授，博导，研究方向为战略创新。

①

数据来源于新华论坛网：http：∥sn．ifeng．com

2010）。

国内外学者对中国微观和中观层面的经济增长、技术效率与全要素增长的

Lau和Brada（1990）研究技术效率对中国企业全要素生产率的影响。研究较多，

Wu和Lovell（1997）测算中国农业、国有工业和民营企业的全要素生产率、技术

进步和技术效率的变化。Kalirajan（1996）测算省际效率之间在技术效率方面的差异。国内学者从不同角度对城市效率进行研究。孙威和董冠鹏（2010）利用DEA（DataEnvelopmentAnalysis，数据包络分析）模型和Malmquist指数，对中国资源型城市效率进行研究。邓波等（2011）利用DEA模型实证研究了区域生态效率。吉生保和周小柯（2010）利用DEA模型比较了高技术产业综合技术效率和规模效率。马晓龙和保继刚（2009）研究中国主要城市的旅游效率，对不同时期的效率与总效率的关系进行判定和度量。郭腾云（2010）运用DEA方法对中国主要城市旅游业进行探讨，提出利用效率的有效途径。岳宏志和朱承亮（2010）提出将技术效率引入中国旅游业效率中，运用DEA对旅游业技术效率及其区域差异进行实证分析。已有文献对产业生产效率的研究是深入且有效的，对本文研究具有重要的借鉴意义。然而，目前对旅游城市旅游业效率研究的文献相对较少。部分研究文献中，对城市旅游业效率的研究均未能提出环境和随机误差的影响，不能体现出生产单元的决策和管理水平。因此，本文选择相关数据，借助三阶段DEA模型，期望更为准确地描述著名旅游城市的旅游业效率，并寻找到影响城市旅游业效率的主要因素，为提高城市旅游业效率提供可靠依据。11．11．1．1

数据来源与研究方法指标选取及数据来源投入产出指标选取

旅游资源是旅游城市吸引旅游者最重要的因素，是发展旅游业的物质基础，星级饭店是旅游业的重要服务设施，旅行社是旅游业的重要中介和旅游客源的组织

2009）。由于者，规模和数量是衡量旅游业发展能力的重要指标（孙浩捷，汪宇明，直接衡量旅游投入比较困难，本文考虑到投入要素的重要性及数据的可获得性，借鉴前人的研究成果，选择旅游资源吸引力、星级饭店数量和旅行社的数量3个要素

衡量效率的投入水平。其中，旅游资源吸引力指标使用旅游景区质量级别中的3A、4A和5A级旅游区（点）来反映旅游资源的综合吸引力，确定5A级景区的分值

4A级景区的分值为7分，3A级景区的分值为5分（马晓龙，2009），将城为10分，

4A、5A级旅游区（点）的分值加总求和，市中所有3A、作为城市总体旅游资源吸引力。星级饭店数量和旅行社数量通过2010年地方国民经济与社会发展统计公报

获得。

本文将旅游城市旅游业视作生产决策单元，其旅游资源使用效率可表征为生产要素投入水平下的产出结果，产出水平高则效率高，反之则效率低（马晓龙，保继2010b）。旅游者进行旅游活动的产出包括吃、刚，住、行、游、购、娱六大方面，涉及交通、住宿、餐饮、娱乐、购物等各个行业，旅游城市旅游业的产出包含满足旅游者

2009）。鉴于数据的可得性，的全部需求与服务（马耀峰，等，本文选取旅游人数和

旅游总收入作为衡量旅游城市旅游业效率的两个产出指标。

为保证投入与产出指标的充分相关性，运用SPSS17．0软件中的pearson相关性检验（见表1）。

表1

产出项旅游总收入旅游人数旅游资源吸引力星级饭店数量旅行社数量

2010年中国著名旅游城市旅游业投入与产出的pearson相关系数

旅游总收入

＊

1．000＊＊

0．878＊＊

0．801＊＊

0．803＊＊

0．901＊

投入项

旅游人数

＊

0．878＊

旅游资源吸引力

＊

0．801＊＊

0．750＊

星级饭店数量

＊

0．803＊＊

0．753＊＊

0．806＊

旅行社数量

＊

0．901＊＊

0．809＊＊

0．736＊＊

0．740＊

1．000

＊

0．750＊＊

0．753＊＊

0．809＊

1．000

＊

0．806＊＊

0．736＊

1．000

＊

0．740＊

1．000

＊表示p值在0．01显著水平时显著。各城市的投入变量均与产出变量之间的相关系数为正，并且均能注:＊

“同向性”在1%显著性水平下通过双侧检验，说明该投入产出指标符合模型所要求的原则，具有合理性。．北京:中国旅游出版社，2011:16-46．数据来源:1．中华人民共和国国家旅游局．2011中国旅游统计年鉴［M］2．2010年各相关城市国民经济和社会发展统计公报。

1．1．2环境变量的选取

环境变量须选取对生产效率产生影响但不在样本主观可控范围的因素。旅游城市旅游业的发展中，人力资本和政府支持对旅游业的发展起到不可或缺的作用（何昭丽，2010）。等，

（1）人力资本。本文考虑到旅游业的发展特点，并借鉴其他学者的研究成果，采用6岁及以上人口平均受教育年数为考量指标。假定文盲、小学、初中、高中、大

5、8、11和14．5年，专及以上教育程度的居民平均受教育年数分别为0、由此计算

2012；金荣学，2010；任英华，出城市旅游业的人力资本（林秀梅，臧霄鹏，卢忠宝，王2008）。耀中，

（2）政府支持。由于我国经济带有政府主导的特点，政府政策会影响城市旅游业的发展，为此本文采用旅游城市中第三产业占固定资产投资的比重作为政府对旅游业发展影响的变量。1．1．3

数据来源2011年，中国旅游总评榜组委会公布了旅游城市“百强城市”排行榜，该排行

“百强城市”榜以旅游人数为排名依据。在中，前50强城市的旅游总收入和旅游人数相对较多，知名度和影响力较高，比较适合著名旅游城市旅游业效率的研究，因50强城市旅游总收入和旅游人此本文选取这50个城市作为主要研究对象。其中，

。星级饭店数量、旅行社数量通过数的数据来源于《2011年中国旅游统计年鉴》

2010年地方国民经济与社会发展统计公报获得。人力资本和政府支持数据来源

于2010年地方国民经济与社会发展统计公报进行计算获得。

研究方法2002年，Fried等（2002）提出三阶段DEA模型方法以更好地评估DMU效率。1．2．1第一阶段：传统DEA模型1．2

DEA方法是美国运筹学家Charnes等提出的一种效率评价方法。自1978年DEA方法在管理学领域的地位和影响日渐凸显，以来，许多重要研究成果发表在etal．，1999）。DEA方法通过达到DMU的Pareto最优，国际期刊上（Tsaur，寻找包含所有旅游城市生产集的最小凸锥，该凸锥的边界是生产最优，最终得到效率的测度。DMU效率分为投入导向、产出导向和技术可行导向3种计算方法。本文采用产出既定条件下不同投入组合的投入导向模式，考虑如何从投入的角度进行资源优化配置，提高整体效率，即BCC模型。鉴于传统DEA模型的应用已经相当成熟，在此不再赘述BCC模型的数学原理。1．2．2

第二阶段：相似SFA模型Fried等（2002）认为，第一阶段DEA分析得到投入与产出松弛变量受3部分因素影响：环境因素、随机因素和管理效率因素。通过第二阶段构建类似SFA模型

可以测量3个因素对效率的影响，得出仅有管理无效率造成的DMU投入冗余。本研究以投入导向为例，设有n个决策单元，每个决策均有m种投入，有q个外部环境变量，对所有决策单元的投入松弛变量进行SFA分析，构建SFA回归方程为：

2……I（1）2……N；i=1，Sni=fn（zi+βn）+vni+unin=1，

sni即为第i个样本第n种投入的松弛变量，zi=（z1i，z2i，…，zki）为k个可其中，

n

fn（zi+βn）表示环境变量对投入冗余sni的影响。一般取fn（zi，β）观测的环境变量，

2

=ziβn；vni+uni为混合误差项且相互独立，vn），假设vni～N（0，反映随机因素影响，

uni≥0反映管理的无效率。利用SFA模型的回归结果进一步对决策单元的投入项进行调整，对那些处于较好外部环境的决策单元增加投入，从而剔除环境因素或随机因素的影响。基于最有效的决策单元，以其投入量为基础，对其他各样本投入量的调整如下：

^i｝－zkβ^i］+［maxk｛uik｝－vik］^ni=xni+［maxi｛zkβx

i

（2）

^为外部环境变量参数^ni为其调整之后的值；βn=1，2…，N；i=1，2…，I，x其中，

^i｝－zkβ^i表示将全部决策单元调整至相同的外部环境，的估计值。（2）中maxi｛zkβ

maxk｛uik｝－vik表示将全部DMU的随机误差调整为相同情形，使得每个决策单元均面对相同的外在环境。

1．2．3第三阶段：调整后的DEA模型

^ni代替原始投入数据xni，产出仍为原始将第二阶段得到的调整后的投入数据x

再次运用BCC模型进行效率评估，产出数据vik，由此得到各DMU的效率值，即剔

除环境因素和随机因素后的技术效率更能反映各DMU的实际运营状况。22．12．1．1

结果与分析结果

第一阶段传统DEA实证结果

利用DEAP2．1软件对旅游城市旅游业效率水平与规模报酬所处的状态进行

分析，结果如表2所示。

表2

地区上海重庆北京广州武汉天津成都深圳苏州杭州南京洛阳西安沈阳长沙无锡郑州宁波贵阳青岛哈尔滨南宁大连绍兴温州

2010年中国著名旅游城市旅游业综合技术效率、纯技术效率及规模效率值

TE1

PTE11．0001．0001．0001．0001．0001．0000．8190．8080．6710．6730．8790．8210．6770．7080．7051．0000．5731．0001．0000．3410．6610．4850．7920．9460．683

SE11．0001．0000．6650．9841．0001．0000．9710．9190．9000．9310．9140．7550．8430．9990．9451．0000．9531．0000．9941．0000．7650．9740．7660．8790．894

规模报酬

－－drsdrs－－drsirsdrsirsirsdrsirsirsirs－irs－irs－irsirsirsirsirs

地区昆明济南台州烟台泰安金华潍坊开封湖州厦门济宁保定常州佛山石家庄扬州长春张家界黄山本溪淄博上饶九江惠州桂林均值

TE10．5900．5290．5840．3401．0000．4120．3420．9030．5920．5110．4090．4270．5860．9240．4300．6360．6320．5490．4610．7810．5500．5010．4670．8480．3690．661

PTE10．7160．7070．7100．3851．0000．4360．3870．9960．7050．5960．4400．5770．6511．0000．7150．8460．9380．7690．5691．0000．6940．7580．6701．0000．5620．761

SE10．8250．7480．8230．8831．0000．9450．8840．9070．8400．8560．9300．7410．9000．9240．6010．7520．6730．7140．8100．7810．7920．6620．6970．8480．6570．865

规模报酬

irsirsirsirs－irsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirs

1．0001．0000．6650．9841．0001．0000．7950．7430．6040．6270．8040．6200．5710．7070．6661．0000．5461．0000．9940．3410．5060．4720．6070．8310．610

PTE1为第一阶段纯技术效率，SE1为第一阶段规模效率，TE1=PTE1*注:TE1为第一阶段综合技术效率，

SE1。irs为规模报酬递增，drs为规模报酬递减，－为规模报酬不变。以下各表均相同。

2010年50个著名旅游城市旅游业的综合技不考虑外在环境要素和随机变量，

术效率平均值为0．661，纯技术效率平均值为0．761，规模效率均值为0．865，除北京、广州、成都、苏州、洛阳的旅游业规模报酬递减外，大部分城市的旅游业效率均处于规模报酬递增阶段。其中，上海、重庆、武汉、天津、无锡、宁波、泰安7个城市3项效率值均为1，处于旅游业生产效率前沿，而北京、广州、贵阳、佛山、本溪、惠州6个城市的纯技术效率均为1，处于技术效率前沿面，其他旅游城市的旅游业则分别在纯技术效率和规模效率方面存在不同程度的改进空间。由于包含外在环境要素和随机变量的干扰，并不能反映旅游城市旅游业效率，因此还需进一步研究，把环境因素和随机变量剥离出去。2．1．2第二阶段SFA回归结果

将第一阶段得出的DMU各投入变量的松弛变量取对数后作为被解释变量，将

环境变量中人力资本、政府支持取对数后作为解释变量，利用Frontier4．1软件做回归分析（见表3）。

表3

自变量

因变量常数项人力资本政府支持δ2γ

Loglikelihood

LＲtestoftheone-sidederro

第二阶段SFA回归结果

星级饭店数量松弛变量

＊＊

1．4463＊（0．7539）

旅游资源吸

引力松弛变量

＊＊

2．0357＊（1．1073）

旅行社数量

松弛变量

＊

2．7878＊（1．1616）＊－0．2432＊（－0．1181）

－0．6518*（－0．4132）－0．7483*（－1．1518）

＊

0．2861＊（0．6258）＊

（20．6484）0．9999＊

－1．0542*（－0．6405）

＊＊

0．3116＊（0．5055）

＊－0．74833＊（－1．1038）－0．9795（－1．1548）

0．4876*（0．7851）0．0000*（0．4468）

－50．90773．5664

0．0000*（0．9628）

－39．70870．4500

－37．58002．5426

＊＊表示p值在0．05显著性水平时显著，＊＊＊表示p值在0．01显注:*表示p值在0．1显著性水平时显著，著性水平时显著。

从表3中可以看出，人力资本、政府支持对3种投入松弛变量的系数基本能通

过显著性检验。这说明外部环境变量对于城市旅游业的投入冗余存在显著的影响。其中，旅游资源吸引力松弛变量的γ值为0．9999，且达到5%的显著性水平，说明旅游资源吸引力投入在管理因素的投入中占据重要位置。星级饭店松弛变量和旅行社松弛变量的γ值为0，且均通过10%的显著性检验，说明随机误差占据重要位置。管理因素和随机因素对旅游业投入存在显著的影响，对效率影响的剥离分析是很有必要的。

（1）人力资本。该变量对3种投入松弛变量的系数均为负，并且通过10%的显著性检验，说明人力资本对城市旅游业效率产生正影响。人力资本高说明旅游业从业人员的素质高，从而在一定的程度上可以减少资本投入和提高服务水平，进而提高城市旅游形象。这与预期一致。

（2）政府支持。该变量对3种投入松弛变量的系数均为负，对旅游资源吸引力松弛变量和星级饭店松弛变量均通过5%的显著性检验。通过政府支持，可以提高旅游资源的吸引力水平及星级饭店的服务水平。旅行社松弛变量没有通过显著性检验，但是回归系数为负数，具有方向性，说明政府的支持有利于旅游业效率的改进。旅游资源、星级饭店的发展和旅行社的壮大都离不开政策和资金的支持。2．1．3

第三阶段调整DEA实证结果

对2010年旅游城市旅游业进行投入变量调整，将调整后的投入值与原始产出

代入BCC模型进行分析，利用DEAP2．1软件得到第三阶段各决策单元的效率值及规模报酬状态（见表4）。2．2

分析

表4显示，综合技术效率和各分解效率相互影响和制约，根据DEA的效率评价原理，可以判别相互关系和影响综合技术效率的原因。利用三阶段效率值，建立

基于各城市旅游业的综合技术效率与规模效率、综合技术效率与纯技术效率的二

维有序坐标对散点图（见图1、见图2），并根据图中散点位置来判断各分解效率与

综合技术效率的关系。

表4

地区上海重庆北京广州武汉天津成都深圳苏州杭州南京洛阳西安沈阳长沙无锡郑州宁波贵阳青岛哈尔滨南宁大连绍兴温州

TE31．0001．0000．9011．0001．0001．0000．7520．7010．7460．5770．7140．6660．5450．5880．6320．8740．4991．0000．6250．4230．4390．4440．5160．5140．444

2010年中国著名旅游城市旅游业同质环境下的效率值

PTE3

SE31．0001．0000．9011．0001．0001．0000．8290．7990．9580．7660．7690．7180．6700．7250．7400．8740．7331．0000．6300．6880．5340．5730．5990．5450．554

规模报酬

－－drs－－－irsirsirsirsirsirsirsirsirsirsirs－irsirsirsirsirsirsirs

地区昆明济南台州烟台泰安金华潍坊开封湖州厦门济宁保定常州佛山石家庄扬州长春张家界黄山本溪淄博上饶九江惠州桂林均值

TE30．4340．4290．4560．3660．5870．4360．3850．5050．4280．4530．3980．3280．4680．4500．3210．4310．4720．3490．3630．4330．4000．3310．3230．5330．2750．559

PTE30．8020．7920．8490．6721．0000．7690．7440．9870．8410．8180．8270．8000．8370．9120．8440．9090．9580．8830．7780．9990．9140．8880．8291．0000．7880．872

SE30．5410．5410．5370．5450．5870．5680．5170．5110．5090．5540．4810．4100．5590．4940．3800．4740．4930．3950．4660．4340．4380．3730．3900．5330．3490．634

规模报酬

irsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirsirs

1．0001．0001．0001．0001．0001．0000．9070．8770．7790．7530．9290．9290．8130．8110．8541．0000．6811．0000．9930．6150．8220．7750．8620．9430．802

PTE3表示第三阶段纯技术效率，SE3为第三阶段规模效

率，TE3=PTE3注:TE3表示第三阶段综合技术效率，*

SE3。

图1PTE3－TE3图2SE3－TE3

图1绝大部分散点均偏离45°，未表现出围绕45°的状态，图2绝大部分散点均围绕着45°。根据综合技术效率、纯技术效率和分解效率的关系可知，散点越接近于45°，综合技术效率对分解效率的影响和制约性越强，散点越偏离45°，综合技术效率对分解效率的影响和制约性越弱，因此可以得到综合技术效率受到规模效率制约和影响更大。

对比DEA第一阶段和第三阶段的结果，剔除环境因素和随机因素的影响之后，可以看出DMU效率均发生了改变。从中国各旅游城市旅游业效率来看，第三阶段综合技术效率值的均值由0．661下降到0．559，规模效率均值由0．865下降到50个城市中有42个城调整后的0．634，而纯技术效率均值由0．761上升到0．872，

33个城市的纯技术效率均值有所上升。从规模报酬市的规模效率均值有所下降，

来看，除个别城市有所改变外，大部分城市的规模报酬递增状态保持不变。无锡和

泰安因规模效率的下降从技术前沿面退出，之前的高效率并不能真实反映其技术管理水平。广州在剥离环境因素和随机因素干扰后的同质环境下旅游业规模效率均值提高到1，规模报酬达到不变，说明广州旅游业综合技术效率受当地环境的影响。除此之外，其余城市的旅游业效率均有不同程度的下降，其中，本溪、贵阳、泰安、佛山下降最为显著。33．1

讨论与结论讨论

旅游业与其他产业相比，属于技术含量相对比较低的服务性产业，旅游城市从电子商务、标准化建设和产品等方面进行技术创新，但是这些技术的排他性和专有性较低。因此，旅游城市的技术效率总体水平比较高，空间的扩散能力较强，城市之间的旅游业利用效率和旅游技术效率水平差距较小。根据旅游发展阶段的判断标准，目前中国旅游城市整体处于规模收益递增阶段，旅游城市在发展过程中有较2008）。当旅游城市发展对资源需求尚存在较大大的需求空间利用资源（马晓龙，缺口时，任何资源投入都可能被旅游城市生产所消化，投入资源方向与类型并不影响城市旅游生产对资源的消化。

受区域经济发展不平衡性的影响，北京、上海、重庆、广州等经济发展水平较高的城市往往具有较大规模的旅游业发展投入要素，例如劳动、资本和城市形象等方面的投入。而九江、上饶等城市相对而言经济发展水平较低，城市旅游发展规模较小，在资源投入上存在很大的差异，最终导致旅游城市综合技术效率的差异。对比表2和表4，剔除外部环境变量和随机因素的影响后，调整后城市旅游业综合效率发生了较大的变化，主要原因是规模效率下降造成的，这与已有研究呈现一致性。总体而言，城市旅游业效率在剔除外部环境变量和随机因素的影响后更不理想。调整前，上海、重庆、武汉、天津、无锡、宁波和泰安7个城市处于效率前沿，调整后，上海、重庆、广州、武汉、天津、宁波6个城市处于效率前沿，其中，上海、重庆、武汉、天津、宁波的综合技术效率从第一阶段到第三阶段均为1，规模报酬一直处于领先地位，说明这5个城市无论是否受到环境因素和随机因素的干扰，旅游业的效率仍

然处于相对较高水平。相比第一阶段，第三阶段中北京、广州、烟台、洛阳、青岛、潍

坊、泰安、金华处于规模效率递减阶段，说明这些城市的高效率与所处的有利外部环境密切相关，其真正的技术管理水平并未达到第一阶段所呈现的高效率。成都、深圳、苏州、杭州、南京、昆明等37个旅游城市均处于规模报酬递增阶段，说明其技术管理水平较高，而规模效率还有提升空间。3．2结论

本文对中国50个著名旅游城市的旅游业效率进行分析，得到以下结论。①在第二阶段调整前后，旅游城市旅游业效率发生明显的变化，说明环境因素和随机因素对旅游城市旅游业效率存在显著的影响。在外部环境因素中，人力资本和政府支持是旅游城市旅游业效率的有利因素，起到应有的效应，随机因素是不可控因素，因此控制外部环境是提高旅游城市旅游业效率的必然选择之一。根据对外部环境因素的分析，应当以人才战略为根本，提高从业人员的素质，加大政府支持力度，促进旅游城市旅游业的发展效率。②各城市在发展旅游业的过程中，旅游业效率受到了环境因素和随机因素的影响，综合技术效率受到规模效率的影响和制约更大，利用三阶段DEA方法对旅游城市旅游业效率进行分析颇有必要。剔除环境因素和随机因素的影响，各城市旅游业综合技术效率均值从0．661下降到0．559，42个规模效率值从0．865下降到0．634，而纯技术效率值从0．761上升到0．872，

33个城市的纯技术效率值有所上升。城市的规模效率值有所下降，3．3

研究不足与未来研究方向

本文的研究存在以下局限，有待于后续研究进一步改进和完善，具体表现如

下。①由于旅游城市旅游业的复杂性和综合性，因此在投入指标选取方面需要进一步改进。②效率分析对数据要求较高，通过旅游统计年鉴和相关网站获取的数据之间存在差异，导致研究结果出现偏差。③本文研究的对象是2011年旅游城市前50强，采用的数据是2010年，没有反映旅游业效率的历时性变化，因此今后可以利用多个时间点对旅游城市旅游业效率测算。④由于旅游城市旅游业效率测算方法的不同，将会导致不同的结论，因此采用不同方法进行比较是今后研究的方向。

参考文献：

［1］邓波，J］．中国软科学，2011张学军，郭军华．基于三阶段DEA模型的区域生态效率研究［

（1）：92-99．

［2］郭腾云，J］．地理学报，2009徐勇，王志强．基于DEA的中国特大城市资源效率及其变化［

（4）：408-416．

J］．资源科学，2010（2）：338-［3］郭腾云．中国特大城市要素效率及其提高潜力研究［345．［4］何昭丽，海米提·依米提，王松茂．人力资本投资对新疆旅游产业发展影响的实证分析

［J］．干旱区资源与环境，2010（3）：126-130．

J］．中央财经大学学［5］吉生保，周小柯．基于三阶段DEA模型的中国高技术产业效率研究［

2010（12）：62-77．报，

．财政研究，2010［6］金荣学，卢忠宝．我国服务业集聚的测度、地区差异与影响因素研究［J］

45．（10）：41-

J］．北京理工大学学报：社会科学［7］林秀梅，臧霄鹏．三阶段DEA模型的中国服务业效率［

2012（3）：56-61．版，

．资源科学，2010a［8］马晓龙，保继刚．基于数据包络分析的中国主要城市旅游效率评价［J］

（1）：88-97．

［9］马晓龙，．经济地理，2009（7）：保继刚．中国主要城市旅游效率影响因素的演化［J］

1203-1208．

［10］马晓龙，．人文地理，2010b保继刚．中国主要城市旅游效率的区域差异与空间格局［J］

（1）：105-111．

．旅游学刊，2009（6）：［11］马晓龙．基于绩效差异的中国主要城市旅游发展阶段演化［J］

25-30．

［12］马晓龙．城市旅游竞争力：基于58个中国主要旅游城市的比较研究［M］．天津：南开大学

2008．出版社，

［13］马耀峰，．干旱区资王冠孝，张佑印，王镜．古都国内游客旅游服务质量感知评价研究［J］

2009（6）：176-180．源与环境，

［14］任英华，J］．统计与信息论坛，王耀中．国际服务业生产率的发展趋势及影响因素分析［

2008（9）：59-64．

［15］孙浩捷，J］．干旱区资源与环境，2009（9）：195-200．汪宇明．新疆区域旅游资源整合研究［J］．地理研究，2010（12）：［16］孙威，董冠鹏．基于DEA模型的中国资源型城市效率及其变化［

2155-2165．

［17］徐喆，J］．干旱区资源与环刘吉平，梁雨华．吉林省城市旅游竞争力定量评价比较研究［

2010（10）：191-196．境，

J］．云南财经大学学报，2010（2）：［18］岳宏志，朱承亮．我国旅游产业技术效率及其区域差异［

36-43．

［19］FriedHO，LovellCAK，SchmidtSS（2002）．AccountingforenvironmentalEffectsand

StatisticalNoiseindataenvelopmentanalysis［J］．JournalofProductivityAnalysis，17（1－2），157-174．

［20］KalirajanKP（1996）．Adecompositionoftotalproductivitygrowth：ThecaseofChinese

agriculturalgrowthbeforeandafterrefprms［J］．AmericanJouranlsoAgroculturalEconomics，78（1），331-338．

［21］LauK，BradaJ（1990）．TechnologicalprogresstechnicalefficiencyinChineseindustrial

growth：Afrontierproductionfunctionapproach［J］．ChinaEconomicＲeview，14（1），113-124．

［22］TsaurSH，ChiangCI，ChangTY（1999）．Evaluatingtheoperatingefficiencyofinternational

touristhotelsusingthemodifiedDEAmodel［J］．AsiaPacificJournalofTourismＲesearch，14（1），73-78．

［23］WuY，LovellC（1997）．EfficiencyinChinasＲegionalEconomicandProductivityintheAsia-PacificＲegion［M］．UK：EdwardElgarPublishingLimited．

AnTourismEfficiencyEvaluationofFamousTouristCitiesinChina

YANGChunmei，ZHAOBaofu

（LiaoningEngineeringTechnologyUniversity，Huludao125105，China）

Abstract：Topursuehighertourismefficiencyisthegoalfortouristcitiestodeveloptourism

industry．Thispapersamplesdataof50touristcitiescollectedin2010tomeasurestourismefficiencybyapplyingthethree-stageDEAmethod．Theresultshowsthatwiththeinfluenceofpeelenvironmentalfactorsandrandomfactors，theefficiencyofurbantourismdecreasedfrom0．661to0．559；scaleefficiencyvaluedecreasedfrom0．865to0．634；puretechnicalefficiencyvalueincreasedfrom0．761to0．872；theefficiencyvaluesof42citiesdeclined，andthepuretechnicalefficiencyvalueof33citiesincreased．Theadjustmentofthedataindicatesthatthescaleefficiencyhasthestrongestimpactandimposesthehighestrestrictiononcomprehensivetechnicalefficiency，whilepuretechnicalefficiencyisrelativelyweak．Thepaperendswithasuggestionofup-scalingproductiontorealizecentralizedconfigurationofresourcesinaccordancewiththeefficiencyvalueanalysis．

Keywords：Tourismefficiency；three-stageDEA；puretechnicalefficiency；efficiencyofscale

(责任编辑:邓屏)

櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅櫅(上接第53页)

AnalysisontheTouristVolume“Peak-Forest”Structureand

CausesofTourismDestinations：AComparisonbetween

InboundandDomesticTourismofFenghuang，Hunan

ZHANGTiesheng，SUNGennian

（CollegeofTourismandEnvironmentScience，ShaanxiNormalUniversity，Xi’an710062，China）Abstract：BasedontouristarrivaldataofFenghuang，Hunanin2011，thispapermakesanhigh-resolutionanalysisofthestructuralregularityandcauseoftouristvolume“Peak-Forest”，andthedifferencesofoverseaanddomestictourism“peak-forest”structure．Theresultindicatesthatdomestictouristvolumeshowremarkableregulardifferencesonweek，monthandseasonscaleswhileinboundvolumeonlyshowsregularityonmonthandseasonscales．Theresultalsoshowsthatthe“peak-forest”structureofinboundvolumeismainlysubjecttocomfortdegreesofweatherandclimate，whilethedomesticoneisnotonlyrelatedtoclimatechanges，butalsocloselylinkedtoworkingandrecreationsystems．

Keywords：“Peak-Forest”structure；causeanalysis；highresolution；FenghuangCounty

(责任编辑:车婷婷)