长三角旅游经济生态效率测度及影响因素分析

2018年，习近平总书记在吉林省查干湖了解生态保护情况时提出了“一方面要保护生态，另一方面要发展生态旅游”，这一论述为旅游业的发展提供了根本遵循，也提出了总体要求，具有一定普适性。促进生态环境与旅游业协调发展不仅是对美丽中国、绿色发展理念内涵的进一步丰富，也是对其内容的践行。长三角地区由于地理位置优越、经济发展超前、自然禀赋丰富和人文景观独特，成为我国最重要的旅游地区之一。近年来，长三角地区由于大力发展旅游业，引发了一系列生态问题。除此之外，长三角的旅游业发展也存在着一些问题，及时发现并解决这些问题，对提高长三角旅游业发展质量至关重要，也可以为其他地区旅游生态协调发展提供一定的借鉴。因此，本文拟对长三角地区主要城市旅游经济生态效率测度及影响因素进行分析。

一、文献综述

旅游业发展效率是衡量区域内旅游业投入产出状况的重要指标，旅游经济生态效率是引入生态因素后旅游业的发展效率，其研究可以大致分为两个阶段。在初始阶段，对于旅游经济生态效率的研究主要集中在定量测度方面[1]。早期的测度方法比较简单，多数学者选用单一比值法对旅游经济生态效率进行测度。单一比值法用旅游业产生的经济价值与旅游业对环境影响的比值来表示旅游生态效率。旅游业经济价值指标一般为旅游收入，也有学者选用旅游增加值[2]；旅游业环境影响指标主要有旅游业的碳排放量[3]、生态足迹和碳足迹[4-6]。单一比值法计算简便，易于理解，但不足之处是其仅适用于分析独立的非连续对象。随着研究方法的改善，学者开始运用指标与模型来测度旅游经济生态效率。早期使用的模型主要有生态足迹模型与离散选择模型等，后来开始引入DEA模型进行旅游经济生态效率测度，表示以尽可能少的旅游资源投入生产出尽可能多的期望产出和尽可能少的非期望环境影响[7-11]。DEA方法可以对多项投入与产出进行合理评估，反映旅游发展过程中的投入与产出效率，且其权重不受主观因素的影响，评价结果客观合理，因此被广泛应用于旅游经济生态效率的测度中。

随着旅游业的发展与国家对生态环境保护力度的加大，旅游经济生态效率的研究内容与方法逐渐丰富起来，旅游经济生态效率的定量测度成为后续研究的基础。部分学者对旅游生态效率的机制、城市生态环境与旅游经济协调效应与动态关系、旅游生态效率的空间关联网络结构、旅游经济生态效率时代特征与演化等进行了进一步的研究与分析[12-15]。研究旅游经济生态效率的影响因素对提高效率水平与发展质量具有重要的现实意义，成为主要研究方向。学者们主要关注的影响因素有旅游业产业结构、规模与环境规制等[16-20]。现有研究中很少有学者将劳动力因素列入旅游经济生态效率的影响因素中，但旅游业从业人员与相关第三产业从业人员是旅游业发展的基础和保障，其数量与质量对于旅游经济生态效率至关重要，因此有必要对其进行相应的研究。早期旅游经济生态效率的研究对象以旅游地、国家与省级单位为主，随着城市化进程的加快，以城市群为依托发展旅游业已成为我国旅游业发展的重要组成部分。学者们对一些城市群如长江中游城市群、黄河流域城市群等进行了研究[21-22]，但现有研究中有关长三角城市群旅游经济生态效率的研究较少。

综合以上文献可以发现，虽然我国学者对于旅游经济生态效率的研究起步较晚，但研究成果较为丰硕，为本文研究内容与研究方法的选择提供了参考与借鉴。当前研究还存在一些需要改进之处：第一，大多数学者在旅游经济生态效率的研究对象选择上选取全国与省级单位，而对于城市群研究较少且不全面。第二，在对旅游经济生态效率进行定量测度后，未对其影响因素进行进一步研究或研究得不全面，并且鲜有学者对从业人员这一影响因素进行研究。从业人员是旅游业的基础与保障，研究其对旅游经济生态效率的影响是非常必要的。第三，有关长三角地区旅游发展的研究中将旅游经济与生态效率进行综合评价研究的文献较少。

因此，根据2019年印发的《长江三角洲区域一体化发展规划纲要》，本文选择长三角地区的27个中心城市作为研究对象，选取2009—2018年数据，运用CCR-DEA模型对旅游经济生态效率进行初步计算，再用Malmquist-DEA模型对旅游经济生态效率的全要素生产率进行测度，得到其动态变化情况，最后选用Stata面板数据固定效应模型对影响因素进行分析，并提出相应的对策与建议。

二、长三角地区旅游经济生态效率测度

1.测度方法选择

DEA方法是在经济与生态领域中被普遍应用的测度方法，与其他测度方法相比具有以下几个方面的优势：排除了很多主观因素，通过决策单元输入输出的实际数据来决定选择的最优权重；不直接对数据进行综合，与指标的量纲选取无关；输入输出之间的关系无需显示表达式等。由于本文侧重研究长三角旅游经济生态效率发展的综合水平，因此选择传统DEA方法进行测度，使结果更为直观，便于进行比较研究与进一步的影响因素研究。具体方法为：运用CCR-DEA模型对长三角旅游经济生态效率进行测算，由于此模型计算结果为静态的，未能测度效率的动态变化，因此再选用Malmquist-DEA模型对各决策单元的全要素生产率进行测算，以研究动态效率的变化。

2.数据收集与指标体系构建

所需数据来源于长三角地区三省一市(江苏、浙江、安徽、上海)各统计年鉴与《中国城市统计年鉴》《中国旅游统计年鉴》《中国环境统计年鉴》等。在参考相关文献的基础上，构建旅游经济生态效率评价指标体系，如表1所示。

由表1可知，指标体系分为投入指标与产出指标两个部分，投入指标包含3个一级指标与4个二级指标，其中：旅游业固定资产投资指标反映了经济投入，通过固定资产投资乘以旅游占比(旅游收入占GDP的比重)进行换算；旅游业从业人数指标反映了劳动力投入；旅行社数量与星级酒店宾馆数量两个指标反映了资源与设施投入。在对DEA模型产出的选择上，主要包括经济产出与环境产出，其中经济产出选择旅游收入作为测量指标。在环境产出指标选择上，以往采用污染物排放(如二氧化硫排放量等)作为非期望产出，将期望产出取倒数处理，但在这个过程中改变了DMU的有效前沿面，并不是很合理。因此，本文采取指标正向化处理方式，选择环境空气质量良好及以上比例这一指标，将非期望产出转换为期望产出进行测度。

3.测度结果

以长三角地区27个中心城市为决策单元，选用CCR-DEA模型分别计算2009—2018年的旅游经济生态效率；在此基础上，将27个中心城市按照行政区划分为4个部分，对其旅游经济生态效率的数值与平均值进行计算，结果如表2所示。

由表2可知，长三角地区27个中心城市旅游经济生态效率的均值多在0.8以上，说明旅游经济生态效率较高，但各城市差距较大。旅游经济生态效率较高的城市(上海、无锡、苏州、镇江、泰州、嘉兴、铜陵、池州)数值接近于1，而旅游经济生态效率较低的城市(温州、舟山、安庆、宣城)数值仅为0.6左右。这说明虽然长三角地区旅游经济生态效率的均值较高，但各城市之间仍然存在着较大差距。

上海、江苏、浙江、安徽4个片区的旅游经济生态效率如表3所示。由表3可知，上海与其他3个片区相比数值较高，江苏居于中间位置，浙江与安徽两者较为接近。分别对上海、江苏、浙江、安徽4个片区的旅游经济生态效率进行分析，可以看出：上海的旅游经济生态效率呈先上升后下降的走势；江苏总体上呈上升走势，少数年份存在波动；浙江呈上升—下降—上升—下降的走势；安徽的走势与浙江相同，但在数值上仍存在一定的差异。

(2) Malmquist-DEA模型

经DEA-CCR模型对旅游经济生态效率的值进行测算后为相对相率，选用DEA模型中的Malmquist-DEA模型对MI指数，即旅游经济生态效率全要素生产率(TFP)进行测算，结果如表4所示。

Malmquist指数模型可表示为

式中：TPF为全要素生产率；Dt(xt，yt)为第t期的效率水平；Dt(xt+1，yt+1)为以第t期为基期的第t+1期的效率水平；Dt+1(xt+1，yt+1)为第t+1期的效率水平。

通过测算值可以对长三角旅游经济生态效率发展情况进行判断：如果全要素生产率(TFP)>1，表示效率是增长的；如果全要素生产率(TFP)<1，表示效率是下降的。由表4可以看出，大部分城市的多数年份全要素生产率(TFP)是小于1的，效率处于下降的阶段；少部分城市(如盐城)的全要素生产率(TFP)大于1，效率处于上升阶段。进一步将27个中心城市依照行政区划分为4个部分，结果如表5所示，对其MI指数进行比较分析。由表5可以看出，27个城市与划分后4个片区的全要素生产率(TFP)大部分小于1，同时近5年全要素生产率(TFP)下降趋势更为明显。

根据以上两个模型的测算，可以得出以下结论：长三角地区旅游经济生态效率总体数值较高，说明其处于较高水平，但却处于下降阶段。测算结果与长三角地区发展状况较为吻合：在早期，由于旅游业得到极大重视及长三角地区的自有优势，其获得了快速的发展，旅游经济生态效率逐步提高；而随着旅游人数的逐渐增多，长三角地区旅游资源超过了自身承载限度，资源破坏、环境污染等问题接踵而至，生态效率呈下滑趋势。

三、长三角地区旅游经济生态效率影响因素分析

1.影响因子选择

经DEA模型测度，发现长三角地区旅游经济生态效率发展水平处于下降阶段。为进一步探究其影响因素，构建影响因子模型并对其进行分析，如式(2)所示：

环境因素(EI)：选用环境空气质量良好及以上比例这一影响因子作为环境因素的代表，可以体现生态环境在旅游经济发展过程中的影响，因此环境因素可以作为旅游经济生态效率的影响因子之一。

劳动力因素：本文选用代表劳动力影响的因子主要有两个，分别为旅游业从业人数(TP)和第三产业从业人数(TI)。旅游业从业人数在旅游经济发展过程中占据重要地位，同时旅游业的发展不是孤立的，而是与其他第三产业如交通业、餐饮业等行业的发展密不可分，因此劳动力因素可以作为影响旅游经济生态效率的影响因子之一。虽然第三产业从业人数包含旅游业从业人数，但由于探究的是旅游经济生态效率的影响因素，因此需要对这两个影响因子分别进行研究，以确定从业人数的变化对效率的影响是正向促进还是反向抑制。

国民生产总值(GDP)：反映一个地区的经济运行水平与发展状况。一个地区的经济发展水平在一定程度上影响其旅游业发展的状况，因此GDP可以作为旅游经济生态效率的影响因子之一。

固定资产投资(FAI)：可以反映一个地区的投资状况，在整个社会投资中占据主导地位，对一个地区的发展有重要意义。旅游业的发展更是离不开固定资产投资，因此其可作为旅游经济生态效率的影响因子之一。

2.模型构建

为消除异方差，对原始数据取对数处理，运用豪斯曼检验确定模型为固定效应模型，最终构建的旅游经济生态效率影响因素分析模型为

式中：i表示研究所选城市；t表示时间，即所选数据年份；εit表示随机误差项。

3.结果分析

模型回归结果如表6所示，在5%的显著性水平下，环境空气质量良好及以上比例、旅游业从业人数、国民生产总值、第三产业从业人数、固定资产投资5个变量均通过了显著性检验，具有统计学意义，系数(保留三位小数)分别为0.118、-0.106、0.270、-0.114与0.117。其中，环境空气质量良好及以上比例、国民生产总值与固定资产投资的系数为正，说明解释变量对旅游经济生态效率具有正向效应；旅游业从业人数与第三产业从业人数的系数为负，说明解释变量对旅游经济生态效率具有负向效应。

根据面板数据模型结果可以得出，良好的生态环境、经济运行水平与固定资产投资对旅游经济生态效率存在积极促进作用。其中，GDP对旅游经济生态效率的促进作用较高，生态环境与固定资产投资的促进作用较为相近；而旅游业从业人数与第三产业从业人数的增加则对旅游经济生态效率存在较弱的抑制作用，且两者影响程度较为接近。

四、结论与启示

第一，2009—2018年长三角地区27个中心城市的旅游经济生态效率水平较高。长三角地区位于我国东部，濒临黄海与东海，拥有大量现代化江海港口群和机场群，交通网络密集，公铁交通干线密度全国领先，是我国经济发展最活跃、开放程度最高、创新能力最强的城市群之一。长三角地区地理位置与经济发展的优势、丰富的自然禀赋和独特的人文景观使其一直是我国重要的旅游地区之一。因此，长三角地区的旅游经济生态效率水平较高，其旅游发展在我国处于领先位置。

第二，长三角地区旅游经济生态效率全要素生产率(MI指数)数值多数小于1，其旅游经济生态效率虽然数值较高，但发展水平呈下降趋势。近年来，长三角地区旅游业吸引了大量国内外游客，在为长三角旅游业带来经济效益的同时，也为长三角地区的生态环境带来了负担，超过了长三角地区的环境承载能力。除此之外，还存在着一些管理与制度方面的问题，必须给予足够的重视，使长三角地区旅游经济持续协调发展。

第三，良好的生态环境、经济运行水平与固定资产投资对旅游经济生态效率有积极的促进作用，而旅游业从业人数与第三产业从业人数的增加对其存在较弱的抑制作用。良好的生态环境、经济运行水平与固定资产投资对旅游经济生态效率的促进作用在众多研究中都得到了发现与解释，而旅游业从业人数与第三产业从业人数的增加对旅游经济生态效率存在较弱的抑制作用却较少被研究。模型的分析结果为长三角地区旅游经济生态效率的下降趋势提供了解释。

基于以上结论，未来长三角地区旅游业的发展可以遵循以下思路：首先，在旅游资源开发与生态保护上，要将资源开发控制在资源环境承载能力范围之内，不要过度开发资源；对于已经开发的资源，要对其进行一定的保护与修复；在旅游发展过程中，要减少和避免一些人为因素造成的对生态环境的破坏，通过相关政策与制度对破坏生态环境的行为进行规制。其次，在旅游业从业人员及第三产业从业人员方面。旅游业的发展离不开从业人员，两者之间是一种双向影响关系。由于存在岗位虚设、部分从业人员能力与岗位不匹配及工作效率低下等问题抑制了旅游业的发展，有必要采取措施优化旅游业从业人员数量与质量，如取消一些不必要岗位；对在岗人员进行定期考核，以提高从业人员自身素质与工作效率等。再次，完善管理体制。科学的旅游管理体制是旅游业可持续发展的重要保障，旅游管理部门要不断完善行业监管，全方位加强旅游资源开发、旅游景区运营、旅游从业者管理，尤其是在旅游资源开发过程中要严格把关，对破坏生态环境的行为予以坚决制止，加强对旅游从业者的培养和考核，维护行业秩序。最后，长三角地区各城市之间旅游业发展还存在着一定差距，应加强城市间的旅游业合作与互助，缩小发展差距，提高旅游业整体竞争力水平，促进区域旅游业协同发展。

[1] 纪晓萌，秦伟山，李世泰，等.中国地级单元旅游业发展效率格局及影响因素 [J].资源科学，2021，43(1)：185-196.

[2] Perch-Nielsen S，Sesartic A，Stucki M.The greenhouse gas intensity of the tourism sector：the case of Switzerland [J].Environmental Science &Policy，2010，13(2)：131-140.

[3] 蒋素梅，幸岭.旅游业生态效率研究——以昆明市为例 [J].旅游研究，2014，6(2)：14-19.

[4] 胡美娟，丁正山，李在军，等.生态效率视角下旅游业生态福利及驱动因素——以常州市为例 [J].生态学报，2020，40(6)：1944-1955.

[5] 张志宏，白长虹，杨德进.基于生态足迹指数的广西沿海地区旅游可持续发展研究 [J].生态经济，2017，33(6)：100-104.

[6] 黄和平，王智鹏，宋伊瑶.乡村振兴背景下乡村旅游目的地碳足迹与生态效率研究——以江西婺源篁岭景区为例 [J].农业现代化研究，2019，40(4)：683-691.

[7] 章锦河，张捷.旅游生态足迹模型及黄山市实证分析 [J].地理学报，2004(5)：763-771.

[8] 章锦河，张捷，梁玥琳，等.九寨沟旅游生态足迹与生态补偿分析 [J].自然资源学报，2005(5)：735-744.

[9] Kelly J，Haider W，Williams P W，et al.Stated preferences of tourists for eco-efficient destination planning options [J].Tourism Management，2007，28(2)：377-390.

[10] 彭薇，熊科.环境压力视角的广东省市域生态效率综合评价 [J].经济地理，2018(8)：179-186.

[11] Medina L F，G width=6,height=9,dpi=110

mez I G，Marrero S M.Measuring effi-ciency of sun &beach tourism destinations [J].Annals of Tourism Research，2012，39(2)：1248-1251.

[12] 马千里，李倩.辽宁省能源效率、能源消费与经济增长的动态关系 [J].沈阳工业大学学报(社会科学版)，2020，13(2)：145-152.

[13] 郭向阳，穆学青，丁正山，等.城市生态环境与旅游经济协调效应及动态关系——以曲靖为例 [J].经济地理，2020，40(7)：231-240.

[14] 程慧，徐琼，赵梦亚.中国旅游生态效率的空间关联网络结构及其影响因素研究 [J].生态科学，2020，39(5)：169-178.

[15] 郑兵云，杨宏丰.基于生态足迹的中国省际旅游生态效率时空演化 [J].华东经济管理，2020，34(4)：79-91.

[16] 李志龙，王迪云.武陵山片区旅游经济——生态效率时空分异及影响因素 [J].经济地理，2020，40(6)：233-240.

[17] 梁雅楠.云贵两省旅游生态效率测度及其影响因素分析 [J].现代商贸工业，2020，41(27)：23-24.

[18] 彭红松，章锦河，韩娅，等.旅游地生态效率测度的SBM-DEA模型及实证分析 [J].生态学报，2017，37(2)：628-638.

[19] 王兆峰，刘庆芳.长江经济带旅游生态效率时空演变及其与旅游经济互动响应 [J].自然资源学报，2019，34(9)：1945-1961.

[20] 卢飞，宫红平.中国旅游生态效率测度、时空特征与影响因素研究 [J].统计与决策，2020，36(16)：96-100.

[21] 赵松松.区域旅游产业效率时空演化过程及驱动机制研究[D].长沙：湖南师范大学，2020.

[22] 王胜鹏，乔花芳，冯娟，等.黄河流域旅游生态效率时空演化及其与旅游经济互动响应 [J].经济地理，2020，40(5)：81-89.

长三角旅游经济生态效率测度及影响因素分析*