曾瑜皙,鐘林生,*,虞 虎

1 中國科學(xué)院地理科學(xué)與資源研究所,北京 100101 2 中國科學(xué)院大學(xué),北京 100049

碳排放影響下中國省域旅游效率損失度研究

曾瑜皙1,2,鐘林生1,2,*,虞 虎1

1 中國科學(xué)院地理科學(xué)與資源研究所,北京 100101 2 中國科學(xué)院大學(xué),北京 100049

旅游效率損失度反映了碳排放對旅游效率的影響程度。采用超越對數(shù)生產(chǎn)函數(shù)測算2001—2014年中國30個省(區(qū)、市)的旅游效率及損失度,并運(yùn)用面板回歸模型分析效率損失的驅(qū)動力。結(jié)果表明：(1)碳排放對中國各省(區(qū)、市),尤其是中部省份的旅游效率造成了損失。研究期內(nèi),中國總體旅游效率損失度呈現(xiàn)上升趨勢,東部地區(qū)年均增幅最大；(2)中國旅游效率與損失度總體上處于中等水平,但損失度年均增長率遠(yuǎn)高于旅游效率增長率,中部地區(qū)因?yàn)榕欧艈栴}造成了較大的效率損失；(3)根據(jù)不同省域旅游效率及其損失度,可劃分為“高效低損、高效高損、低效低損、低效高損”4種類型區(qū)；(4)基礎(chǔ)設(shè)施、旅游接待能力、旅游吸引力、旅游產(chǎn)業(yè)規(guī)模、旅游產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)對不同類型區(qū)的影響存在差異,應(yīng)根據(jù)外力驅(qū)動大小和作用方向調(diào)整旅游效率優(yōu)化策略。

旅游效率損失度；旅游碳排放；驅(qū)動力；中國省域

旅游效率是當(dāng)前學(xué)術(shù)界和旅游業(yè)界關(guān)注的焦點(diǎn)[1]。旅游效率是指特定時間范圍內(nèi)旅游產(chǎn)業(yè)單位要素投入與旅游產(chǎn)出之比[2],強(qiáng)調(diào)通過提高旅游投入要素使用效率、配置效率及技術(shù)效率來增強(qiáng)旅游產(chǎn)業(yè)競爭力,對于轉(zhuǎn)型期我國旅游業(yè)實(shí)現(xiàn)集約型增長具有重要意義[3]。國內(nèi)外旅游效率研究集中于旅游產(chǎn)業(yè)技術(shù)效率及旅游企業(yè)運(yùn)營效率分析,學(xué)者們先后對國家、省域、景區(qū)等尺度的旅游交通、旅行社、旅游酒店等旅游生產(chǎn)單元的發(fā)展效率進(jìn)行了水平測度、影響因素及時空演化格局分析[4- 14]。

近年來,旅游業(yè)碳排放量占全球總量的比重不斷提高[15- 16],學(xué)界意識到旅游效率研究不能單從經(jīng)濟(jì)角度考慮,還應(yīng)將以碳排放為主的生態(tài)環(huán)境因素納入分析[17]。G?ssling等首次提出旅游生態(tài)效率,并分析旅游業(yè)碳排放和經(jīng)濟(jì)收益之間的關(guān)系[18],之后有學(xué)者對旅游生態(tài)效率、旅游碳排放效率、碳排放的旅游產(chǎn)業(yè)效率進(jìn)行了研究[19- 22]。相關(guān)研究在刻畫旅游業(yè)對生態(tài)環(huán)境的影響、提高旅游業(yè)生態(tài)意識方面起到了重要作用,但尚未觸及旅游業(yè)引致的負(fù)面環(huán)境后果(碳排放)對旅游經(jīng)濟(jì)(旅游效率)自身產(chǎn)生的反饋效應(yīng)。低碳經(jīng)濟(jì)、綠色經(jīng)濟(jì)在中國已倡導(dǎo)多年,但始終未能建立起節(jié)能減排的長效機(jī)制,其中一個重要原因即碳排放行為具有外部性,行為主體沒有意識到其造成的碳排放對生態(tài)環(huán)境的污染和破壞最終會帶來經(jīng)濟(jì)組織(或個體)本身發(fā)展效率的折損[23]?？紤]碳排放與否時的旅游產(chǎn)業(yè)效率存在顯著差異[20],即碳排放會對旅游效率造成一定的影響。由于大部分溫室氣體的生存壽命達(dá)到上百年乃至近千年[24],即便人類活動引起的碳排放立即停止,過去排放積聚產(chǎn)生的影響仍將持續(xù)幾個世紀(jì)[25],碳排放對旅游效率的影響必將是長期性的,探究其影響程度及驅(qū)動因素是學(xué)界亟需解決的科學(xué)命題。

基于以上認(rèn)識,本文結(jié)合已有研究基礎(chǔ),嘗試提出旅游效率損失度概念,并對2001—2014年中國30個省、自治區(qū)、直轄市(后文統(tǒng)稱為省份)的旅游效率損失度進(jìn)行測算,分析其時空演化特征、驅(qū)動力及機(jī)制,據(jù)此提出降低損失的對策,以期為旅游產(chǎn)業(yè)環(huán)境負(fù)外部性的內(nèi)化尋找可量化的途徑,提供一種旅游生態(tài)環(huán)境管理的新思路,豐富旅游經(jīng)濟(jì)與旅游生態(tài)學(xué)研究內(nèi)容,并對旅游業(yè)節(jié)能減排、旅游生態(tài)效率優(yōu)化、旅游業(yè)綠色發(fā)展及生態(tài)文明建設(shè)提供實(shí)踐指導(dǎo)。

1 數(shù)據(jù)與方法1.1 變量遴選與數(shù)據(jù)來源

根據(jù)研究目的,本文使用的數(shù)據(jù)包括2001—2014年中國30個省份(因西藏、香港、澳門、臺灣數(shù)據(jù)缺失較多,故未納入研究范圍)的相關(guān)各自產(chǎn)出、投入及反映地區(qū)旅游產(chǎn)業(yè)規(guī)模、稟賦特征和體制狀況等變量的基礎(chǔ)數(shù)據(jù),這些數(shù)據(jù)來源于相關(guān)年份《中國統(tǒng)計(jì)年鑒》、《中國旅游統(tǒng)計(jì)年鑒》、《中國能源統(tǒng)計(jì)年鑒》、《中國環(huán)境統(tǒng)計(jì)年鑒》、《中國勞動統(tǒng)計(jì)年鑒》、《中國交通統(tǒng)計(jì)年鑒》。對于變量的處理及解釋如下：

(1)投入-產(chǎn)出變量。產(chǎn)出指標(biāo)借鑒曾國軍等[26]的“旅游增加值剝離測算法”測算出各省旅游增加值；勞動投入指標(biāo)使用有效旅游勞動的形式,用歷年各省份的旅游從業(yè)人數(shù)及各省份就業(yè)人員平均受教育年限的乘積來表示,根據(jù)陳釗等[27]的方法對缺失年份的就業(yè)人員平均受教育年限數(shù)據(jù)進(jìn)行補(bǔ)齊；資本投入指標(biāo)借鑒張軍等[28]、左冰等人[13]的方法,以旅游業(yè)固定資產(chǎn)凈值作為資本存量的替代,旅游業(yè)固定資產(chǎn)凈值利用永續(xù)盤算法延展得到,再把得到的數(shù)據(jù)統(tǒng)一調(diào)整為以2001年為基期的相應(yīng)值；本文將碳排放作為投入要素來分析中國旅游效率。迄今為止,全球范圍內(nèi)還沒有形成關(guān)于旅游業(yè)能源消耗和CO2排放量估算的系統(tǒng)性方法[29],中國能源統(tǒng)計(jì)年鑒中也沒有對旅游業(yè)或相關(guān)服務(wù)業(yè)能源消費(fèi)做出細(xì)致的統(tǒng)計(jì)。為使能源消費(fèi)與旅游產(chǎn)出對應(yīng),借鑒謝園方等[30]的“旅游消費(fèi)剝離系數(shù)”,從交通運(yùn)輸、郵電通訊及倉儲、餐飲業(yè)、批發(fā)和零售貿(mào)易業(yè)等第三產(chǎn)業(yè)部門的能源消費(fèi)中剝離出旅游業(yè)能源消費(fèi)量。計(jì)算公式為：

(1)

iRi=Ti/Vi

(2)

式中,TC表示旅游業(yè)碳排放總量；Ci為旅游行業(yè)i的碳排放量；Eij′表示行業(yè)i所消耗的j類能源量；Ri表示i行業(yè)旅游剝離系數(shù)；Vi為i行業(yè)增加值；Ti為i行業(yè)旅游增加值,通過i行業(yè)增加值率乘以i行業(yè)旅游收入獲得,其中i行業(yè)增加值率是i行業(yè)增加值與i行業(yè)總產(chǎn)值的比值；αj表示j類能源的折標(biāo)準(zhǔn)煤參考系數(shù)；k表示單位標(biāo)準(zhǔn)煤的二氧化碳排放量,取為2.45[31]。

(2)驅(qū)動因子變量。中國旅游效率存在典型的區(qū)域非均衡,受到區(qū)域旅游資源稟賦、城市化、市場化進(jìn)程、區(qū)位因素[3]等影響。本文選取基礎(chǔ)設(shè)施狀況、旅游接待能力、旅游吸引力、市場活力、旅游產(chǎn)業(yè)規(guī)模、旅游產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)7個因子考察旅游效率損失度的外力驅(qū)動。①基礎(chǔ)設(shè)施狀況,借鑒吳延瑞等[32]的方法,用各省份每10 km2土地上的公路長度與鐵路長度的幾何平均值來表征；②旅游接待能力采用住宿、餐飲設(shè)施相關(guān)指標(biāo)；③旅游吸引力不僅與資源稟賦有關(guān),還涉及景區(qū)宣傳、內(nèi)部設(shè)施、環(huán)境營造等,這些指標(biāo)均可以通過景區(qū)企業(yè)數(shù)量、資金實(shí)力反映,故采用各省旅游景區(qū)數(shù)量、景區(qū)等級結(jié)構(gòu)、旅游景區(qū)企業(yè)數(shù)量、固定資產(chǎn)來表征；④旅游市場活力指標(biāo)采用樊綱等[33]提供的數(shù)據(jù),并依據(jù)陳釗等[28]的方法對缺失值進(jìn)行補(bǔ)充；⑤旅游產(chǎn)業(yè)規(guī)模用旅游業(yè)增加值表示；⑥旅游產(chǎn)業(yè)結(jié)構(gòu)用旅游業(yè)中批發(fā)、零售、餐飲、住宿業(yè)與交通、倉儲、郵電業(yè)收入的比值表示；⑦能源技術(shù)指標(biāo)用能源強(qiáng)度即萬元GDP能耗指標(biāo)表示,該指標(biāo)越小,則該省份的能源技術(shù)水平越強(qiáng)。

1.2 研究方法

1.2.1構(gòu)建SFA模型測算各省旅游效率

隨機(jī)前沿(SFA,Stochastic Frontier Analysis)方法的優(yōu)勢體現(xiàn)在個體的生產(chǎn)過程能夠通過估計(jì)的生產(chǎn)函數(shù)進(jìn)行描述,且能將隨機(jī)誤差和無效率項(xiàng)分離,適于研究轉(zhuǎn)型經(jīng)濟(jì)國家的效率問題[34]。為了盡可能減少因模型設(shè)定偏誤對估計(jì)結(jié)果造成的誤差,本文在Battese等[35]提出的SFA模型基礎(chǔ)上,以旅游產(chǎn)業(yè)增加值為產(chǎn)出,以旅游資本(K)、有效勞動力(L)、旅游業(yè)碳排放(C)為投入,設(shè)定如下超越對數(shù)形式的隨機(jī)前沿函數(shù)模型：

(3)

其中,

(4)

1.2.2運(yùn)用變異系數(shù)法衡量旅游效率損失度省際差異

采用變異系數(shù)測度旅游效率及損失度的省際差異,其計(jì)算公式如下[36]：

(5)

1.2.3運(yùn)用面板回歸模型分析效率損失度影響因素

面板模型綜合運(yùn)用截面數(shù)據(jù)與時間序列數(shù)據(jù)建立計(jì)量模型,更能反映個體之間存在的異質(zhì)性[37]。其主要建模方法有3種：固定效應(yīng)回歸、隨機(jī)效應(yīng)回歸及混合回歸。模型的具體選擇要通過Hausman檢驗(yàn)及似然比檢驗(yàn)來確定,本文首先初步建立中國30個省2001—2014年的旅游效率損失度與基礎(chǔ)設(shè)施(z1)、旅游接待能力(z2)、旅游吸引力(z3)、旅游市場活力(z4)、旅游產(chǎn)業(yè)規(guī)模(z5)、旅游產(chǎn)業(yè)結(jié)構(gòu)(z6)、能源技術(shù)(z7)的面板回歸模型：

ln(EEit)=β0+β1ln(Z1it)+β2ln(Z2it)+…+μi+λi+μit

(6)

其中,EEit為i省在第t年的旅游效率損失度,t=2001,2002,…2014,i=1,2…30；Z1it為地區(qū)i在第t年的基礎(chǔ)設(shè)施水平,Z2it為地區(qū)i在第t年的旅游接待能力……；β0為面板回歸系數(shù)；μi反映個體之間不隨時間變化的差異性；λi反映不隨個體變化的時間差異性；μit為經(jīng)典誤差項(xiàng)。

2 結(jié)果分析

2.1 模型檢驗(yàn)及參數(shù)估計(jì)

效率損失是指因投入要素組合不合理而導(dǎo)致的生產(chǎn)結(jié)果對生產(chǎn)前沿的偏離[38],其程度可以用損失度來表示。碳排放影響下的旅游效率損失度是指將碳排放因子作為投入變量前后旅游效率的減少程度,是從效率角度識別碳排放對旅游發(fā)展造成的損失,具體可通過測算考慮碳排放的旅游效率與不考慮碳排放的旅游效率差值而得。本文運(yùn)用Frontier4.1軟件,用極大似然法同時對考慮旅游碳排放因素的旅游效率(模型1)與不考慮旅游碳排放因素的旅游效率(模型2)的隨機(jī)前沿生產(chǎn)函數(shù)參數(shù)進(jìn)行估計(jì),結(jié)果如表1。

從表1中可看出,對模型所對應(yīng)的C-D生產(chǎn)函數(shù)模型使用性檢驗(yàn)的似然比檢驗(yàn)統(tǒng)計(jì)量LR的值達(dá)到62.3和54.1,表示本文選擇的超越對數(shù)形式的生產(chǎn)函數(shù)是比C-D生產(chǎn)函數(shù)更適合的模型。在43個回歸系數(shù)中,只有6個在10%的顯著性水平下不顯著,31個解釋變量在1%的水平下顯著,說明變量的解釋能力很強(qiáng)。同時,模型的單邊偏誤似然比都較大,表明兩模型的隨機(jī)誤差部分都符合混合卡方分布,γ值(0.87、0.82)都顯著接近于1,表明無論是否考慮碳排放因素,中國省份都存在普遍的技術(shù)無效情況。從投入變量來看,旅游勞動要素的產(chǎn)出彈性值與旅游資本要素產(chǎn)出彈性值之和在兩個模型中均大于1,表明中國旅游發(fā)展目前處于規(guī)模遞增階段,這與李亮等[3]的研究結(jié)果相一致。同時,旅游資本要素彈性值小于旅游勞動要素彈性值,表明中國旅游發(fā)展仍然處于勞動密集型階段；碳排放要素產(chǎn)出彈性值為-0.1172,表明碳排放對中國旅游效率的提高產(chǎn)生了反向作用。

表1 隨機(jī)前沿模型估計(jì)結(jié)果

***、**、 *分別表示估計(jì)在0.15、0.1、0.01可信水平下顯著不為0

在非效率無效方程中,表征市場體制情況的旅游市場活力指數(shù)不顯著,表明市場體制對旅游效率的作用不明顯。兩個模型中,旅游接待能力、旅游吸引力、旅游產(chǎn)業(yè)結(jié)構(gòu)及能源技術(shù)的系數(shù)均為負(fù),說明這4個變量對旅游效率的提高有積極作用。其中,旅游產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)在模型1中的系數(shù)小于模型2中的相應(yīng)值,表明在加入碳排放因子的考慮時,旅游產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)對旅游效率的促進(jìn)作用更大。旅游產(chǎn)業(yè)規(guī)模在模型1中的系數(shù)為正,在模型2中的系數(shù)為負(fù),表明產(chǎn)業(yè)規(guī)模的提高能促進(jìn)旅游產(chǎn)業(yè)效率,但將環(huán)境因子納入考慮后,產(chǎn)業(yè)規(guī)模的擴(kuò)大反而使旅游效率降低；兩個模型中的基礎(chǔ)設(shè)施系數(shù)估計(jì)值均為正,即以公路和鐵路為代表的基礎(chǔ)設(shè)施的增多反而拉低了旅游效率。由于基礎(chǔ)設(shè)施建設(shè)需要大量投資,其效應(yīng)的發(fā)揮又具有滯后性和長期性,而效率分析是一種短期(年度)分析,所以在這種分析中,出現(xiàn)對旅游效率的負(fù)面作用是符合邏輯的[39]。

2.2 旅游效率及損失度格局

2.2.1旅游效率損失度

(1)全國2001—2014年多年平均總旅游效率損失度為0.1397,由東部沿海向中西部內(nèi)陸地區(qū)增加(圖1)。區(qū)域?qū)用?中部地區(qū)平均損失度最高,其次為西部地區(qū)、東北地區(qū)、東部地區(qū)。省域尺度上,東部的天津、山東、浙江、江蘇等,中部的河南,西部的青海、內(nèi)蒙古等省份損失度最?。粨p失較大的省份有中部的山西、湖南、湖北等,西部的甘肅、寧夏、新疆等省份。采用自然裂點(diǎn)法劃分為5個等級,最高等級(5級)損失度地區(qū)約占20%,集中在河西走廊、西北地區(qū)西部、華北西部及江南丘陵地區(qū)；4級損失度地區(qū)約占13.33%,以環(huán)渤海地區(qū)及閩江流域?yàn)榧蟹植紖^(qū)；3級損失度地區(qū)約占26.67%,主要分布華北東部及西南地區(qū)；2級損失度地區(qū)約占26.67%,以東北地區(qū)、內(nèi)蒙古地區(qū)、四川盆地及東部沿海地區(qū)為主；1級損失度地區(qū)約占13.33%,主要分布在黃淮地區(qū)及黃河上游地區(qū)。這一現(xiàn)象表明,碳排放已經(jīng)對中國各省的旅游效率造成了損失且大部分地區(qū)損失級別達(dá)3級以上。由于影響損失度的因子存在區(qū)域差異,旅游效率損失度也顯示出差異化分布的特征。東部大部分地區(qū)距離主要客源市場近,交通碳排放強(qiáng)度小,旅游產(chǎn)業(yè)結(jié)構(gòu)及節(jié)能技術(shù)較先進(jìn),碳排放對旅游效率造成的損失較小；而廣大中西部地區(qū)因距離主要客源市場遠(yuǎn),同時,旅游及相關(guān)產(chǎn)業(yè)發(fā)展方式較粗放,碳排放增長速度快,加劇了旅游效率的損失。

圖1 2001—2014年中國省域旅游效率及損失度總體情況Fig.1 Chinese provincial tourism efficient and efficient-loss(2001—2014)

(2)2001—2014年中國旅游效率損失度整體呈現(xiàn)上升態(tài)勢,年均增幅為3.26%。其中,東部地區(qū)(7.90%)年均增幅最大,其次為西部(5.96%)及東北地區(qū)(0.10%),中部地區(qū)旅游效率損失度逐年下降,年均降幅為0.94%。全國整體、東部、東北旅游效率損失度增長率呈“U型”曲線,即“減小-增加”趨勢,東部地區(qū)增幅最大的省份有廣東、天津,東北地區(qū)的吉林、遼寧增幅也較大；中部地區(qū)為波動下降趨勢,降幅最大的省份有江西、湖北、安徽及山西,西部地區(qū)為波動上升趨勢,主要表現(xiàn)在青海、陜西、貴州、重慶等省。

2.2.2旅游效率與旅游損失度雙維度分析

中國旅游效率平均值為0.6033(圖1),損失度平均值為0.1397,總體處于中等水平。但損失度年均增長率(3.26%)遠(yuǎn)高于旅游效率增長率(0.25%)。2001—2014年各省旅游效率平均值在0.5800—0.6400之間,旅游效率損失度在0.0400—0.2723之間,損失度相差值較大。同時,變異系數(shù)值表明,2001—2014年,全國旅游效率損失度變異系數(shù)平均值(0.53)大于旅游效率變異系數(shù)平均值(0.19),并且各時期、各區(qū)域的旅游效率損失度變異系數(shù)平均值均大于旅游效率變異系數(shù)平均值。表明中國各省在碳排放上的差異導(dǎo)致了更大的旅游效率差別,因此,不考慮碳排放因素的情況下,不僅會高估旅游效率,還會低估省際間的效率不平衡程度。區(qū)域?qū)用嫔?旅游效率與損失度的區(qū)域分布存在差異,旅游效率從高到低依次為東部(0.7119)、中部(0.6576)、東北(0.5906)、西部(0.4784),效率損失從高到低依次為中部(0.1951)、西部(0.1338)、東北(0.1263)、東部(0.1183)。這表明,中部地區(qū)因?yàn)榕欧艈栴}帶來了較大的效率損失。

旅游效率值與效率損失程度在空間上存在差異。根據(jù)各省旅游效率及效率損失度,可以將全國劃分為4種旅游效率類型區(qū)：①當(dāng)省域旅游效率高于全國平均值、效率損失低于全國平均值,說明該省碳排放因素對旅游效率負(fù)面影響較小,旅游發(fā)展效益較好,劃歸為“高效低損區(qū)”,包括天津、上海、江蘇、浙江、山東、廣東、河南、吉林,大部分為東部省份；②當(dāng)省域旅游效率高于全國平均值,效率損失高于全國平均值,說明該省在旅游經(jīng)濟(jì)快速發(fā)展的同時引起的碳排放問題又反過來拉低了旅游效率水平,劃歸為“高效高損區(qū)”,此類型區(qū)有北京、河北、福建、山西、安徽、湖北、湖南、遼寧、重慶,集中在中部地區(qū)；③當(dāng)省域旅游效率低于全國平均值,效率損失低于全國平均值,說明該省旅游效率水平較低,同時碳排放沒有對旅游效率構(gòu)成主要威脅,劃歸為“低效低損區(qū)”,此類型區(qū)主要分布在東北、西南地區(qū),主要有黑龍江、內(nèi)蒙古、四川、貴州、云南、山西、青海；④當(dāng)省域旅游效率低于全國平均值,效率損失高于全國平均值,說明該省旅游效率水平較低,同時又受到碳排放因素的顯著負(fù)面影響,旅游發(fā)展效益較差,劃歸為“低效低損區(qū)”,此類區(qū)主要有海南、江西、廣西、甘肅、寧夏、新疆,集中在中西部地區(qū)。

2.3 旅游效率損失度影響因素

2.3.1面板模型檢驗(yàn)

技術(shù)無效函數(shù)結(jié)果表明,各地區(qū)旅游產(chǎn)業(yè)規(guī)模、旅游產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)、基礎(chǔ)設(shè)施、旅游接待能力、旅游吸引力等因素的非均衡性與鄰近地區(qū)的空間交互效應(yīng)共同作用于旅游效率損失度空間格局的形成與演變。各因素在不同旅游效率類型區(qū)的影響效應(yīng)如何？是否存在差異？針對上述問題,進(jìn)行旅游效率損失度面板回歸模型驗(yàn)證與分析。

運(yùn)用Eviews8.0軟件將原數(shù)據(jù)進(jìn)行對數(shù)處理后作為初始變量進(jìn)行單位檢驗(yàn),結(jié)果顯示需要將基礎(chǔ)設(shè)施與能源技術(shù)變量滯后1年,再次進(jìn)行檢驗(yàn)后所有變量均通過平穩(wěn)檢驗(yàn)及協(xié)整檢驗(yàn)；以隨機(jī)效應(yīng)模型為原假設(shè)進(jìn)行Hausman檢驗(yàn),檢驗(yàn)結(jié)果的P值為0.001,在5%的顯著性水平下應(yīng)該拒絕原假設(shè),故適合建立旅游生態(tài)效率關(guān)于基礎(chǔ)設(shè)施、旅游接待能力、旅游吸引力、旅游市場活力、旅游產(chǎn)業(yè)規(guī)模、旅游產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)的個體固定效應(yīng)變系數(shù)模型。模型檢驗(yàn)結(jié)果見表2。

表2 平穩(wěn)性檢驗(yàn)及協(xié)整檢驗(yàn)結(jié)果

***、**、 *分別表示估計(jì)在0.1、0.05、0.01可信水平下顯著不為0；△表示滯后1期；LLC 為Levin, Lin and Chu；ADF為Augmented Dickey-Fuller；PP 為Phillips-Perron

2.3.2各類型區(qū)旅游效率損失度外力驅(qū)動因子

基于個體固定效應(yīng)變系數(shù)面板回歸模型對2001—2014年中國省域旅游效率損失度的影響因素進(jìn)行估計(jì),模型擬合優(yōu)度達(dá)到0.9751,模型擬合效果較好。模型估計(jì)結(jié)果顯示,除市場活力變量未能通過10%水平下的假設(shè)檢驗(yàn)外,其余變量對旅游效率損失度均產(chǎn)生顯著影響(表3)。市場活力變量反映市場化程度,市場化程度的提高對旅游效率有促進(jìn)作用,但市場主體對減少碳排放、減緩碳排放影響的積極性有限,表明市場活力對旅游效率的影響較為復(fù)雜。

總體來看,基礎(chǔ)設(shè)施、旅游接待能力、旅游吸引力、旅游產(chǎn)業(yè)規(guī)模、旅游產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)對省域旅游效率損失度有顯著影響。其中,負(fù)向驅(qū)動力從大到小依次為能源技術(shù)、旅游產(chǎn)業(yè)結(jié)構(gòu)、旅游接待能力、旅游吸引力。能源技術(shù)對旅游效率損失度的影響最大。能源技術(shù)是增強(qiáng)產(chǎn)業(yè)可持續(xù)發(fā)展能力的重要支撐[40],能源技術(shù)系數(shù)為負(fù)說明能源技術(shù)水平的提高將導(dǎo)致旅游效率損失度降低。加強(qiáng)能源技術(shù)在旅游業(yè)中的應(yīng)用及推廣是優(yōu)化旅游能源結(jié)構(gòu)的關(guān)鍵；正向作用從大到小依次為基礎(chǔ)設(shè)施、旅游產(chǎn)業(yè)規(guī)模。基礎(chǔ)設(shè)施是導(dǎo)致大部分地區(qū)旅游效率發(fā)生損失的重要因子,這種影響在高效高損區(qū)尤為明顯。旅游交通碳排放是旅游業(yè)碳排放的主要來源[41- 44],以鐵路和公路為主的基礎(chǔ)設(shè)施運(yùn)行帶來了大量的旅游業(yè)碳排放。長期來看,基礎(chǔ)設(shè)施對旅游效率和旅游業(yè)碳排放的提高加劇了旅游效率的損失度；旅游產(chǎn)業(yè)規(guī)模變量系數(shù)為正,說明中國一些地區(qū)開始出現(xiàn)旅游產(chǎn)業(yè)規(guī)模不經(jīng)濟(jì)現(xiàn)象。

表3 旅游效率損失度影響因素

***、**、 *分別表示估計(jì)在0.1、0.05、0.01可信水平下顯著不為0

6種驅(qū)動力對各不同旅游效率類型區(qū)的影響程度具有顯著差異：

①高效低損區(qū)中,能源技術(shù)、旅游產(chǎn)業(yè)結(jié)構(gòu)、旅游產(chǎn)業(yè)規(guī)模、旅游接待能力、旅游吸引力對旅游效率損失度的降低產(chǎn)生了積極作用,其中能源技術(shù)和旅游產(chǎn)業(yè)結(jié)構(gòu)的負(fù)面影響較大,說明能源技術(shù)的提高、旅游產(chǎn)業(yè)結(jié)構(gòu)的輕型化將顯著降低這類地區(qū)旅游效率損失度；天津、上海、浙江、廣東等省市的旅游資源稟賦影響效應(yīng)較小,旅游接待能力影響效應(yīng)較大,說明以有形旅游資源為基礎(chǔ)的觀光旅游正逐漸被弱化,有形旅游資源經(jīng)營的邊際收益遞減效應(yīng)開始顯現(xiàn),由旅游產(chǎn)業(yè)發(fā)展邊界融合而形成的具有高附加值的新型旅游業(yè)態(tài)將逐漸成為提高旅游效率的主要方式?；A(chǔ)設(shè)施起正向推動作用但與其他3類地區(qū)相比作用力度較小,說明此類地區(qū)旅游交通仍然存在粗放發(fā)展的現(xiàn)象,一定程度上造成了旅游效率損失；

②高效高損區(qū)中,能源技術(shù)、旅游接待能力、旅游產(chǎn)業(yè)結(jié)構(gòu)、旅游吸引力對旅游效率損失度的降低產(chǎn)生了積極作用,其中能源技術(shù)、旅游接待能力的反向作用較大,說明能源技術(shù)的提高、旅游接待能力的提升將顯著降低這類地區(qū)旅游效率損失度；基礎(chǔ)設(shè)施、旅游產(chǎn)業(yè)規(guī)模的正向推動作用大,尤其是遼寧、湖北、河北等省,說明這類地區(qū)應(yīng)該加強(qiáng)旅游交通節(jié)能減排力度,加大旅游休閑消費(fèi)占旅游收入中的比重,加快轉(zhuǎn)變傳統(tǒng)旅游發(fā)展方式為內(nèi)涵式、集約型發(fā)展；

③低效低損區(qū)中,旅游產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)、旅游接待能力對旅游效率損失度有顯著的負(fù)向作用,尤其是旅游產(chǎn)業(yè)結(jié)構(gòu)的改善促進(jìn)了旅游效率損失度的下降；基礎(chǔ)設(shè)施對該類區(qū)的旅游效率損失產(chǎn)生了一定的貢獻(xiàn),但程度較小；旅游產(chǎn)業(yè)規(guī)模在內(nèi)蒙古、貴州、云南等省區(qū)產(chǎn)生了正向作用,表明這些省份出現(xiàn)了較嚴(yán)重的旅游產(chǎn)業(yè)規(guī)模不經(jīng)濟(jì)現(xiàn)象,應(yīng)該著重提高旅游產(chǎn)業(yè)邊際效益,改善旅游產(chǎn)業(yè)結(jié)構(gòu),提高資源能源節(jié)約集約利用及旅游管理水平；旅游吸引力對內(nèi)蒙古、黑龍江、貴州、青海等省的旅游效率損失起到推動作用,主要是由于這些省份大多位于生態(tài)脆弱地區(qū),旅游景區(qū)在相同的開發(fā)力度下,對旅游環(huán)境的影響要大于其他地區(qū),再加上管理運(yùn)營中不注重環(huán)境影響,季節(jié)性、粗放經(jīng)營導(dǎo)致經(jīng)營效率低下,加劇了旅游效率的損失；

④低效高損區(qū)中,能源技術(shù)、旅游接待能力、旅游產(chǎn)業(yè)規(guī)模、旅游吸引力對旅游效率損失度的降低產(chǎn)生了積極作用；基礎(chǔ)設(shè)施與旅游產(chǎn)業(yè)結(jié)構(gòu)的回歸系數(shù)為正,基礎(chǔ)設(shè)施正向驅(qū)動較大表明基礎(chǔ)設(shè)施的增多促進(jìn)了該類地區(qū)旅游效率損失的擴(kuò)大,這主要是由于交通行業(yè)產(chǎn)生大量碳排放,同時基礎(chǔ)設(shè)施的建立未能有效帶動當(dāng)?shù)芈糜谓?jīng)濟(jì)的發(fā)展和旅游產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整,尤其是寧夏、新疆等省,在未來發(fā)展中應(yīng)該調(diào)整旅游產(chǎn)業(yè)結(jié)構(gòu),豐富旅游產(chǎn)品類型,同時注重旅游資源環(huán)境的保護(hù),減輕旅游交通對生態(tài)環(huán)境的負(fù)面影響。

3 結(jié)論與討論

旅游效率損失度概念是在旅游效率與碳排放效率研究基礎(chǔ)上的延伸,對豐富旅游效率研究理論體系具有重要意義。碳排放對旅游效率的提高具有抑制作用,碳排放增加會導(dǎo)致旅游效率的下降,以往的研究僅分析了降低后的旅游效率,忽視了對下降程度及其影響因素的考察。本文通過引入旅游效率損失度,衡量旅游業(yè)碳排放影響下的旅游效率削減程度；從時間和空間角度,分析損失度格局演變特征；從整體和類型區(qū)的角度,探討基礎(chǔ)設(shè)施等因素的影響機(jī)理。研究結(jié)果能加深管理決策者、經(jīng)營主體和公眾對碳排放與旅游經(jīng)濟(jì)效益之間關(guān)系的認(rèn)識,為節(jié)能減排驅(qū)動機(jī)制的創(chuàng)建提供參考依據(jù)。

2001—2014年,碳排放對中國省域旅游效率造成了損失且大部分地區(qū)損失級別達(dá)3級以上,中部地區(qū)平均損失度最高,其次為西部地區(qū)、東北地區(qū)、東部地區(qū)；中國旅游效率損失度年均增長率遠(yuǎn)高于旅游效率增長率,其中,東部地區(qū)年均增幅最大,其次為西部、東北部,中部地區(qū)旅游效率損失度逐年下降。從整體來看,能源技術(shù)水平的提高將顯著減緩旅游效率損失。近年來,中部地區(qū)因資本投入的增加替代了部分能源投入進(jìn)而降低能源強(qiáng)度[45],但與此同時,中部地區(qū)旅游產(chǎn)業(yè)規(guī)模增大引起的碳排放增多又導(dǎo)致了旅游效率損失,產(chǎn)生規(guī)模不經(jīng)濟(jì)現(xiàn)象。此外,旅游產(chǎn)業(yè)結(jié)構(gòu)、旅游接待能力、旅游吸引力等指標(biāo)與損失度呈負(fù)相關(guān)；基礎(chǔ)設(shè)施是導(dǎo)致大部分地區(qū)旅游效率發(fā)生損失的重要因子,雖然基礎(chǔ)設(shè)施的完善有利于旅游經(jīng)濟(jì)的增長,但不注重資源環(huán)境影響的粗放式發(fā)展最終會加劇旅游效率的損失。從類型區(qū)來看,基礎(chǔ)設(shè)施等因子對不同類型區(qū)的影響作用方式具有顯著差異,因根據(jù)外力驅(qū)動的大小和作用方向采取旅游效率優(yōu)化措施。高效低損區(qū)應(yīng)進(jìn)一步提高能源技術(shù)和旅游產(chǎn)業(yè)結(jié)構(gòu)；高效高損區(qū)應(yīng)加強(qiáng)旅游交通節(jié)能減排力度,加快轉(zhuǎn)變傳統(tǒng)旅游發(fā)展方式為內(nèi)涵式、集約型增長發(fā)展；低效低損區(qū)應(yīng)著重提高旅游景區(qū)邊際效益,改善旅游產(chǎn)業(yè)結(jié)構(gòu),提高資源能源節(jié)約集約利用及旅游管理水平；低效高損區(qū)應(yīng)調(diào)整旅游產(chǎn)業(yè)結(jié)構(gòu),注重旅游資源環(huán)境的保護(hù),減輕旅游交通對生態(tài)環(huán)境的負(fù)面影響。

本文采用的超越對數(shù)形式的隨機(jī)前沿函數(shù)模型(Translog-SFA)確保了生產(chǎn)前沿面本身的隨機(jī)性(前沿面固定時會忽略統(tǒng)計(jì)噪聲,如DEA方法),對于面板數(shù)據(jù)研究而言,其結(jié)果更加接近現(xiàn)實(shí)。但傳統(tǒng)的SFA參數(shù)方法不能直接用于考慮多產(chǎn)出情況下的旅游效率分析,無法同時考察旅游產(chǎn)業(yè)內(nèi)部多種行業(yè)的產(chǎn)出變化,未來在進(jìn)行結(jié)構(gòu)效率損失分析時需要利用距離函數(shù)與成本函數(shù)來估計(jì)多產(chǎn)出技術(shù)中的參數(shù)問題[46]；本文在歸因分析中,僅考慮了旅游產(chǎn)業(yè)規(guī)模、能源技術(shù)等經(jīng)濟(jì)指標(biāo),未來需要進(jìn)一步關(guān)注環(huán)境政策、旅游者環(huán)境行為等社會文化變量；本文采用的交通運(yùn)輸、郵電通訊及倉儲、餐飲業(yè)、批發(fā)和零售貿(mào)易業(yè)等第三產(chǎn)業(yè)是影響旅游業(yè)碳排放的主要驅(qū)動因素,但旅游活動及其附帶服務(wù)等也起到間接影響作用[29,47- 48]受數(shù)據(jù)所限,本文未能估算這些間接環(huán)節(jié)的碳排放,可能造成估算結(jié)果偏小,這也是省域尺度研究中的一個難點(diǎn)。今后將進(jìn)一步追蹤旅游活動的碳排放量并研究旅游間接碳排放量測算方式,使碳排放測算結(jié)果更加綜合全面。

[1] 曹芳東, 黃震方, 余鳳龍, 吳麗敏. 國家級風(fēng)景名勝區(qū)旅游效率空間格局動態(tài)演化及其驅(qū)動機(jī)制. 地理研究, 2014, 33(6): 1151- 1166.

[2] 馬曉龍. 國內(nèi)外旅游效率研究進(jìn)展與趨勢綜述. 人文地理, 2012, 27(3): 11- 17.

[3] 李亮, 趙磊. 中國旅游發(fā)展效率及其影響因素的實(shí)證研究——基于隨機(jī)前沿分析方法(SFA). 經(jīng)濟(jì)管理, 2013, 35(2): 124- 134.

[4] Morey R C, Dittman D A. Evaluating a Hotel GM′s performance: a case study in benchmarking. Cornell Hotel and Restaurant Administration Quarterly, 1995, 36(5): 30- 35.

[5] Anderson R I, Fish M, Xia Y, Michello F. Measuring efficiency in the hotel industry: a stochastic frontier approach. International Journal of Hospitality Management, 1999, 18(1): 45- 57.

[6] Ng C K, Seabright P. Competition, privatization and productive efficiency: evidence from the airline industry. The Economic Journal, 2001, 111(473): 591- 619.

[7] Fernandes E, Pacheco R R. Efficient use of airport capacity. Transportation Research Part A: Policy and Practice, 2002, 36(3): 225- 238.

[8] Barros C P, Matias. Assessing the efficiency of travel agencies with a stochastic cost frontier: a Portuguese case study. International Journal of Tourism Research, 2006, 8(5): 367- 379.

[9] 方葉林, 黃震方, 王坤, 涂瑋. 中國星級酒店相對效率集聚的空間分析及提升策略. 人文地理, 2013, 28(1): 121- 127.

[10] Bosetti V, Locatelli G. A data envelopment analysis approach to the assessment of natural park′s economic efficiency and sustainability. The case of Italian national parks. Sustainable Development, 2006, 14(4): 277- 286.

[11] 曹芳東, 黃震方, 吳江, 徐敏, 周瑋. 國家級風(fēng)景名勝區(qū)旅游效率測度與區(qū)位可達(dá)性分析. 地理學(xué)報(bào), 2012, 67(12): 1686- 1697.

[12] 陶卓民, 薛獻(xiàn)偉, 管晶晶. 基于數(shù)據(jù)包絡(luò)分析的中國旅游業(yè)發(fā)展效率特征. 地理學(xué)報(bào), 2010, 65(8): 1004- 1012.

[13] 左冰, 保繼剛. 1992- 2005年中國旅游業(yè)全要素生產(chǎn)率及省際差異. 地理學(xué)報(bào), 2008, 63(4): 417- 427.

[14] 曹芳東, 黃震方, 吳江, 徐敏. 城市旅游發(fā)展效率的時空格局演化特征及其驅(qū)動機(jī)制——以泛長江三角洲地區(qū)為例. 地理研究, 2012, 31(8): 1431- 1444.

[15] UNWTO, UNEP, WMO. Climate Change and Tourism: Responding to Global Challenges. Madrid: CEDRO, 2008.

[16] 王凱, 李娟, 席建超. 中國旅游經(jīng)濟(jì)增長與碳排放的耦合關(guān)系研究. 旅游學(xué)刊, 2014, 29(6): 24- 33.

[17] Cadarso M, Gómez N, López L A, Tobarra M. Calculating tourism′s carbon footprint: measuring the impact of investments. Journal of Cleaner Production, 2016, 111: 529- 537.

[18] G?ssling S, Peeters P, Ceron J P, Dubois G, Patterson T, Richardson R B. The eco-efficiency of tourism. Ecological Economics, 2005, 54(4): 417- 434.

[19] 王坤, 黃震方, 曹芳東. 中國旅游業(yè)碳排放效率的空間格局及其影響因素. 生態(tài)學(xué)報(bào), 2015, 35(21): 7150- 7160.

[20] 韓元軍, 吳普, 林坦. 基于碳排放的代表性省份旅游產(chǎn)業(yè)效率測算與比較分析. 地理研究, 2015, 34(10): 1957- 1970.

[21] 彭紅松, 章錦河, 韓婭, 湯國榮, 張瑜. 旅游地生態(tài)效率測度的SBM-DEA模型及實(shí)證分析. 生態(tài)學(xué)報(bào), 2017, doi: 10.5846/stxb201507311616.

[22] 李鵬, 楊桂華, 鄭彪, 張一群. 基于溫室氣體排放的云南香格里拉旅游線路產(chǎn)品生態(tài)效率. 生態(tài)學(xué)報(bào), 2008, 28(5): 2207- 2219.

[23] Dasgupta P S, Ehrlich P R. Pervasive externalities at the population, consumption, and environment nexus. Science, 2013, 340(6130): 324- 328.

[24] 謝平, 段兵. 氣候變化風(fēng)險(xiǎn)溢價研究. 金融研究, 2010, (8): 16- 32.

[25] IPCC. Climate change 2013: the physical science basis. Cambridge: Cambridge University Press, 2013

[26] 曾國軍, 蔡建東. 中國旅游產(chǎn)業(yè)對國民經(jīng)濟(jì)的貢獻(xiàn)研究. 旅游學(xué)刊, 2012, 27(5): 23- 31.

[27] 陳釗, 陸銘, 金煜. 中國人力資本和教育發(fā)展的區(qū)域差異: 對于面板數(shù)據(jù)的估算. 世界經(jīng)濟(jì), 2004, 27(12): 25- 31.

[28] 張軍, 吳桂英, 張吉鵬. 中國省際物質(zhì)資本存量估算: 1952- 2000. 經(jīng)濟(jì)研究, 2004, (10): 35- 44.

[29] Kuo N W, Chen P H. Quantifying energy use, carbon dioxide emission, and other environmental loads from island tourism based on a life cycle assessment approach. Journal of Cleaner Production, 2009, 17(15): 1324- 1330.

[30] 謝園方, 趙媛. 長三角地區(qū)旅游業(yè)能源消耗的CO2排放測度研究. 地理研究, 2012, 31(3): 429- 438.

[31] 陳飛, 諸大建. 低碳城市研究的理論方法與上海實(shí)證分析. 城市發(fā)展研究, 2009, 16(10): 71- 79.

[32] 吳延瑞. 生產(chǎn)率對中國經(jīng)濟(jì)增長的貢獻(xiàn): 新的估計(jì). 經(jīng)濟(jì)學(xué)(季刊), 2008, 7(3): 827- 842.

[33] 樊綱, 王小魯, 朱恒鵬. 中國市場化指數(shù)——各地區(qū)市場化相對進(jìn)程2009年報(bào)告. 北京: 經(jīng)濟(jì)科學(xué)出版社, 2010.

[34] Fries S, Taci A. Cost efficiency of banks in transition: evidence from 289 banks in 15 post-communist countries. Journal of Banking & Finance, 2005, 29(1): 55- 81.

[35] Battese G E, Coelli T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data. Empirical Economics, 1995, 20(2): 325- 332.

[36] 劉漢初, 盧明華, 劉成. 山西省縣域人口半城市化的空間格局研究. 經(jīng)濟(jì)地理, 2015, 35(1): 21- 28.

[37] Teixeira A A C, Queirós A S S. Economic growth, human capital and structural change: a dynamic panel data analysis. Research Policy, 2016, 45(8): 1636- 1648.

[38] Nguyen B H, Takahashi Y, Yabe M. Environmental efficiency and economic losses of Vietnamese tea production: implications for cost savings and environmental protection. Journal of the Faculty of Agriculture Kyushu University, 2016, 61(2): 383- 390.

[39] 匡遠(yuǎn)鳳, 彭代彥. 中國環(huán)境生產(chǎn)效率與環(huán)境全要素生產(chǎn)率分析. 經(jīng)濟(jì)研究, 2012, (7): 62- 74.

[40] 關(guān)偉, 許淑婷. 中國能源生態(tài)效率的空間格局與空間效應(yīng). 地理學(xué)報(bào), 2015, 70(6): 980- 992.

[41] G?ssling S. Global environmental consequences of tourism. Global Environmental Change, 2002, 12(4): 283- 302.

[42] G?ssling S. Sustainable tourism development in developing countries: some aspects of energy use. Journal of Sustainable Tourism, 2000, 8(5): 410- 425.

[43] Dubois G, Ceron J P. Tourism/leisure greenhouse gas emissions forecasts for 2050: factors for change in France. Journal of Sustainable Tourism, 2006, 14(2) 172- 191.

[44] Peeters P, Szimba E, Duijnisveld M. Major environmental impacts of European tourist transport. Journal of Transport Geography, 2007, 15(2): 83- 93.

[45] 林伯強(qiáng), 杜克銳. 理解中國能源強(qiáng)度的變化: 一個綜合的分解框架. 世界經(jīng)濟(jì), 2014, 37(4): 69- 87.

[46] 蒂莫西·J·科埃利, D·S·普拉薩德·拉奧, 克里斯托弗·J·奧唐奈, 喬治·E·巴蒂斯. 效率與生產(chǎn)率分析引論 (第二版). 王忠玉, 譯. 北京: 中國人民大學(xué)出版社, 2008: 265- 265.

[47] Dawson J, Stewart E J, Lemelin H, Scott D. The carbon cost of polar bear viewing tourism in Churchill, Canada. Journal of Sustainable Tourism, 2010, 18(3): 319- 336.

[48] Howitt O J A, Revol V G N, Smith I J, Rodger C J. Carbon emissions from international cruise ship passengers′ travel to and from New Zealand. Energy Policy, 2010, 38(5): 2552- 2560.

EvaluationofthetourismefficiencylossduetotheinfluenceofcarbonemissionsfromtourisminChina

ZENG Yuxi1,2, ZHONG Linsheng1,2,*,Yu Hu1

1InstituteofGeographicalSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China2UniversityofChineseAcademyofSciences,Beijing100049,China

Tourism efficiency (TE) has

increasing attention in research and policy development. Considering that CO2-emission is one of the important factors influencing TE at both, international and regional levels, the need to understand its impact on TE is not only a managerial challenge, but also an issue of vital importance. This paper proposes a conceptual framework of tourism efficiency-loss (TEL), and calculates the TE and TEL of 30 Chinese provinces during 2001—2014 by utilizing the transcendental logarithmic production function, followed by the analysis of TEL variables using the panel regression model. Our results show that: (1) TEL can serve as an indicator of the impact of carbon emissions on TE. (2) For the entire study period, the CO2-emission has resulted in a high TEL value for all provinces, especially in central China. At the provincial level, most of the eastern provinces (e.g., Tianjing, Shandong, Zhejiang, Jiangsu, etc.), small parts of the central provinces (e.g., Henan), and parts of the western provinces (e.g., Qinghai and Inner Mongolia) showed a lower TEL value, while most of the central and western provinces, such as Shanxi, Hunan, Hubei, Gansu, etc., showed a relatively high TEL value.(3) An average increase was observed in the growth rates of both TE and TEL; however, the annual growth rate of TEL was relatively higher than that of TE. The general TEL levels have been experiencing a rising trend over the past 15 years in China, and the eastern region became the fastest region, followed by the western and northeast region. On the contrary, the central provinces experienced a decrease in the rate of TEL. (4) According to their TE and TEL values, the Chinese provinces can be categorized into four types: high-TE and low-TEL, high-TE and high-TEL, low-TE and high-TEL, and low-TE and low-TEL. The “high-TE and low-TEL” regions included Tianjing, Shanghai, Jiangsu, Zhejiang,Shandong,Guangdong, Henan, and Jilin, mostly in eastern China; the “high-TE and high-TEL” regions included Beijing, Hebei, Fujian, Shanxi, Anhui, Hubei, Hunan, Liaoning, and Chongqing, mostly in central China; the “l(fā)ow-TE and high-TEL” regions included Heilongjiang, Inner Mongolia, Sichuan, Yunnan, Shanxi, and Qinghai, mostly in northeast and northwest China; and the “l(fā)ow-TE and low-TEL” regions included Hainan, Jiangxi, Guangzhou, Gansu, Ningxia, and Xinjiang, mostly in central-western China. (5) The impacts of the infrastructure, reception capacity, attraction, industrial scale, industrial structure, and energy technology varied according to the type of region, making the selection of optimization measures different in each region. The “high-TE and low-TEL” regions should further improve the energy technology and optimize the structure of tourism industry. The “high-TE and high-TEL” regions should use energy-saving technology, reduce emissions from tourism transport, and speed up the transformation of the mode of traditional tourism development pattern to a more connotative and intensive growth pattern. The “l(fā)ow-TE and high-TEL” regions should focus on raising tourism scenic marginal benefit, optimizing the tourism industrial structure and improving the level of energy conservation and intensive utilization of resources and tourism management. The “l(fā)ow-TE and low-TEL” regions should adjust the structure of the tourism industry, pay attention to the protection of tourism resources and environment, and reduce the negative impact of transportation on the environment.

tourism efficiency-losses; tourism carbon emissions; drive force; Chinese provinces

國家自然科學(xué)基金(41671527)

2016-09-20; < class="emphasis_bold">網(wǎng)絡(luò)出版日期

日期:2017-07-12

*通訊作者Corresponding author.E-mail: zhongls@igsnrr.ac.cn

10.5846/stxb201609201895

曾瑜皙,鐘林生,虞虎.碳排放影響下中國省域旅游效率損失度研究.生態(tài)學(xué)報(bào),2017,37(22):7463- 7473.

Zeng Y X, Zhong L S,Yu H.Evaluation of the tourism efficiency loss due to the influence of carbon emissions from tourism in China.Acta Ecologica Sinica,2017,37(22):7463- 7473.