姜磊

[摘? ? 要]連鎖經(jīng)營是餐飲企業(yè)應(yīng)對競爭日益激烈的餐飲市場的有效模式。連鎖餐飲行業(yè)在過去的20年里得到了快速的發(fā)展。研究各個地區(qū)連鎖餐飲的經(jīng)營績效的差異以及影響因素對于該行業(yè)的健康發(fā)展具有現(xiàn)實(shí)意義。文章首先利用隨機(jī)前沿分析模型估算出中國28個省份2008—2017年連鎖餐飲的技術(shù)效率，并對其空間格局的演變規(guī)律進(jìn)行了討論。然后，采用動態(tài)面板數(shù)據(jù)模型分析其影響因素。研究發(fā)現(xiàn)：（1）北京、上海和廣東的技術(shù)效率最高同時連鎖餐飲規(guī)模最大。雖然部分中西部省份的技術(shù)效率較高，但是整體規(guī)模很小。（2）技術(shù)效率在2013年出現(xiàn)了下降，但兩年后快速恢復(fù)。（3）油脂價格上漲會迫使餐飲企業(yè)努力改善經(jīng)營績效，而貨運(yùn)周轉(zhuǎn)量、對外開放度以及社會消費(fèi)品零售總額的提高則有助于改善連鎖餐飲的技術(shù)效率。

[關(guān)鍵詞]連鎖餐飲;技術(shù)效率;隨機(jī)前沿分析;動態(tài)面板數(shù)據(jù)模型;影響因素

[中圖分類號]F59

[文獻(xiàn)標(biāo)識碼]A

[文章編號]1002-5006（2021）03-0044-13

Doi： 10.19765/j.cnki.1002-5006.2021.03.009

引言

餐飲業(yè)是我國第三產(chǎn)業(yè)中非常重要的行業(yè)。隨著收入水平的不斷上漲，居民消費(fèi)能力的極大增強(qiáng)，餐飲業(yè)在過去的20年里有了廣闊的發(fā)展空間[1]。根據(jù)最新的《2019年中國餐飲業(yè)年度報告》統(tǒng)計(jì)數(shù)據(jù)顯示[2]，2018年中國的餐飲收入已經(jīng)突破4萬億元，保持著強(qiáng)勁的增長勢頭，并且未來仍有巨大的發(fā)展空間。餐飲業(yè)也是吸納勞動力人口和農(nóng)村轉(zhuǎn)移人口就業(yè)最重要的產(chǎn)業(yè)，從業(yè)人員數(shù)量高達(dá)2500萬[3]。此外，餐飲業(yè)作為民生剛需行業(yè)，具有較強(qiáng)的抗風(fēng)險能力，已經(jīng)成為激發(fā)內(nèi)需的重要引擎，為消費(fèi)增長做出貢獻(xiàn)。此外，在拉動就業(yè)、穩(wěn)定增長、惠及民生等方面也發(fā)揮著積極市場主體的重要作用?？傊惋嫎I(yè)已經(jīng)成為中國服務(wù)業(yè)中非常重要的行業(yè)部門。

改革開放40年里，餐飲業(yè)是我國服務(wù)業(yè)中發(fā)展勢頭最好、增速最快的行業(yè)之一。餐飲業(yè)的高速發(fā)展不僅提高了居民的物質(zhì)水平和幸福指數(shù)，也對拉動當(dāng)?shù)亟?jīng)濟(jì)發(fā)展以及促進(jìn)轉(zhuǎn)向消費(fèi)主導(dǎo)型發(fā)展發(fā)揮了關(guān)鍵的作用。此外，餐飲業(yè)也在科技創(chuàng)新的引領(lǐng)下，結(jié)合不斷完善的物流系統(tǒng)，借助大數(shù)據(jù)以及人工智能等新興科技，極大地擴(kuò)張了外賣的規(guī)模，成為了餐飲業(yè)強(qiáng)有力的增長引擎。據(jù)中國互聯(lián)網(wǎng)信息中心發(fā)布的第42次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報告》數(shù)據(jù)顯示[4]，截至2018年6月，我國網(wǎng)上外賣用戶規(guī)模已達(dá)3.64億人。這表明外賣餐飲市場已經(jīng)成為重要的消費(fèi)模式[5]，在物流技術(shù)、大數(shù)據(jù)以及互聯(lián)網(wǎng)技術(shù)協(xié)同創(chuàng)新的支持下，餐飲業(yè)規(guī)模持續(xù)擴(kuò)大，已經(jīng)進(jìn)入一個嶄新的發(fā)展階段。

在激烈競爭的餐飲市場環(huán)境下，餐飲連鎖經(jīng)營是餐飲業(yè)發(fā)展的一種必然模式，餐飲企業(yè)通過連鎖經(jīng)營和特許經(jīng)營在市場進(jìn)行擴(kuò)張。由于連鎖經(jīng)營不僅可以提高餐飲企業(yè)的經(jīng)營效率，降低經(jīng)營成本，能夠迫使餐飲企業(yè)在激烈的市場環(huán)境下改善經(jīng)營管理的瓶頸，還可以迅速地擴(kuò)大企業(yè)在市場中的份額。經(jīng)過30多年的發(fā)展，國內(nèi)連鎖餐飲企業(yè)向國外餐飲連鎖巨頭如麥當(dāng)勞、肯德基和星巴克學(xué)習(xí)了不少先進(jìn)的管理經(jīng)驗(yàn)，但是我國連鎖餐飲企業(yè)無論是門店集中度還是營業(yè)額集中度都處于非常低的水平。同時，與國外餐飲連鎖巨頭相比，國內(nèi)的連鎖餐飲企業(yè)整體的經(jīng)營狀況和效率也較為落后。此外，同其他行業(yè)類似，受經(jīng)濟(jì)發(fā)展水平、人口規(guī)模以及飲食習(xí)慣等因素影響，我國各個地區(qū)的餐飲業(yè)發(fā)展也極不均衡。相應(yīng)地，各個地區(qū)的餐飲業(yè)技術(shù)水平也極為迥異。同樣，各個省份的連鎖餐飲由于地區(qū)差異巨大，經(jīng)營效率水平也千差萬別。然而，就目前的文獻(xiàn)來看，很少有文獻(xiàn)針對中國各個省份的連鎖餐飲的技術(shù)效率水平進(jìn)行評價并進(jìn)行深入剖析。

因此，本文的研究內(nèi)容及貢獻(xiàn)主要有3個方面。首先，采用隨機(jī)前沿生產(chǎn)函數(shù)模型評估中國28個省份2008—2017年的省域連鎖餐飲的技術(shù)效率水平，用于比較各個省份之間連鎖餐飲的經(jīng)營績效差異。其次，建立動態(tài)面板數(shù)據(jù)模型對省域連鎖餐飲技術(shù)效率的影響因素進(jìn)行深入分析。最后，根據(jù)實(shí)證研究的結(jié)論提出一系列針對我國連鎖餐飲持續(xù)健康發(fā)展的政策建議，為實(shí)現(xiàn)我國快速轉(zhuǎn)型消費(fèi)經(jīng)濟(jì)，優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)提供重要的參考依據(jù)。

1 文獻(xiàn)綜述

通過梳理餐飲業(yè)以及連鎖餐飲企業(yè)研究文獻(xiàn)發(fā)現(xiàn)，國內(nèi)外學(xué)者的研究主要集中在5個方面：

第一是對餐飲業(yè)總體發(fā)展現(xiàn)況、存在的問題，對經(jīng)濟(jì)的貢獻(xiàn)以及政策建議等進(jìn)行討論。例如，于干千和程小敏在總結(jié)了餐飲業(yè)發(fā)展?fàn)顟B(tài)的基礎(chǔ)上，重新定位了餐飲業(yè)在經(jīng)濟(jì)、社會、文化發(fā)展上的重要作用[6]。Pratt利用中國的投入產(chǎn)出表數(shù)據(jù)分析了包含餐飲業(yè)和旅游業(yè)對經(jīng)濟(jì)的貢獻(xiàn)程度[7]。此外，還有很多學(xué)者對各個具體的城市或者省份的餐飲業(yè)進(jìn)行針對性的研究[8-9]。

第二類研究文獻(xiàn)主要是針對某個地區(qū)、某個城市的餐飲業(yè)的空間分布和選址問題進(jìn)行分析，例如關(guān)于廈門[10]、廣州[11]、重慶[12]、北京[13]、南京[14]以及我國21個省[15]和我國335個地級市[16]的相關(guān)研究。這些研究主要解釋了某個城市餐飲業(yè)的空間布局特征、選址偏好，以及影響其空間布局的社會、經(jīng)濟(jì)、制度、文化等因素，對于從城市層面把握和指導(dǎo)城市規(guī)劃建設(shè)和餐飲業(yè)區(qū)位選址具有重要的意義。

第三，由于餐飲業(yè)進(jìn)入門檻低，競爭激烈[17]，因此，有很多學(xué)者關(guān)注餐飲業(yè)競爭力評價以及決定因素。例如，王華采用因子分析和聚類分析方法對中國31個省的餐飲業(yè)競爭力進(jìn)行評價和分類[18]。蔡曉梅和賴正均利用問卷調(diào)查方法對廣州餐飲企業(yè)競爭要素進(jìn)行研究，結(jié)果發(fā)現(xiàn)“規(guī)?；?jīng)營”是餐飲企業(yè)最重要的競爭力來源[19]。Shao等采用社會網(wǎng)絡(luò)分析方法探討了影響客戶推薦的影響因素，從口碑創(chuàng)建方面提出了提高餐飲業(yè)競爭力的措施[20]。王文峰以廣東餐飲企業(yè)為研究對象，探討了餐飲企業(yè)內(nèi)部市場導(dǎo)向?qū)Ω偁巸?yōu)勢的影響[17]。

第四，也有很多文獻(xiàn)針對餐飲業(yè)以及連鎖餐飲企業(yè)的各種經(jīng)營模式和管理方式進(jìn)行了各方面的研究。例如，鄧峰等分析了外資的進(jìn)入對于我國餐飲業(yè)發(fā)展的積極意義，指出可以通過外資來促進(jìn)餐飲業(yè)內(nèi)部的平衡和共同發(fā)展[21]。Du和Tang研究了中國從線上到線下（online to offline）電商平臺發(fā)展問題，提出了一些改進(jìn)的意見[22]。張榮齊和田文麗分析了餐飲企業(yè)的O2O模式的優(yōu)勢，指出通過網(wǎng)絡(luò)訂餐平臺、支付和配送服務(wù)，整合企業(yè)內(nèi)部和互聯(lián)網(wǎng)外部資源就可以提高餐飲連鎖企業(yè)的核心競爭力[23]。齊春微等分析了“互聯(lián)網(wǎng)+”時代下餐飲業(yè)商業(yè)模式的問題以及如何創(chuàng)新的問題[24]。

第五，也有少數(shù)研究針對餐飲業(yè)或者餐飲企業(yè)經(jīng)營績效或者技術(shù)效率進(jìn)行評價。例如，劉致良估算了中國住宿餐飲業(yè)的全要素生產(chǎn)率，發(fā)現(xiàn)勞動投入下滑對住宿餐飲業(yè)增長會產(chǎn)生負(fù)面影響[25]。吉生保等對我國22家餐飲旅游上市公司的經(jīng)營績效進(jìn)行了評價，研究發(fā)現(xiàn)，總體規(guī)模效率不高，技術(shù)效率偏低[26]。謝雅念采用數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）方法測算了我國31個省餐飲業(yè)的效率[27]。Huang等采用了兩階段DEA方法評估了我國臺灣地區(qū)的酒店業(yè)費(fèi)用利用效率和運(yùn)營效率，結(jié)果發(fā)現(xiàn)獨(dú)立酒店通常具有較高的費(fèi)用利用效率，而連鎖酒店則有更高的運(yùn)營效率[28]。通過文獻(xiàn)梳理發(fā)現(xiàn)，雖然只有較少的文獻(xiàn)研究餐飲業(yè)的經(jīng)營績效，但是有很多學(xué)者以整個服務(wù)業(yè)為研究對象進(jìn)行技術(shù)效率或者全要素生產(chǎn)率（total factor productivity， TFP）的測算。例如，王燕武等利用A股上市公司數(shù)據(jù)測算了服務(wù)業(yè)的TFP，研究發(fā)現(xiàn)，中國服務(wù)業(yè)的低勞動生產(chǎn)率主要是受教育程度低的勞動力所造成[29]。為了驗(yàn)證“鮑莫爾??？怂辜僬f”，龐瑞芝和鄧忠奇利用方向距離函數(shù)方法采用省級面板數(shù)據(jù)對服務(wù)業(yè)和工業(yè)的效率進(jìn)行測算，發(fā)現(xiàn)服務(wù)業(yè)生產(chǎn)率平均高于工業(yè)，并且近年來服務(wù)業(yè)的TFP增長有趕超工業(yè)的趨勢[30]。類似地，王恕立等納入了環(huán)境因素，考慮了服務(wù)業(yè)的“壞”產(chǎn)出，測算了我國31個省服務(wù)業(yè)細(xì)分行業(yè)的TFP[31]。李麗梅采用DEA方法研究了包括餐飲業(yè)在內(nèi)的休閑產(chǎn)業(yè)的效率[32]。夏杰長等利用半?yún)?shù)方法重新測算了中國各個省份服務(wù)業(yè)的TFP，結(jié)果發(fā)現(xiàn)，住宿餐飲業(yè)的技術(shù)進(jìn)步率較高?？偨Y(jié)來看，針對中國各個省份的連鎖餐飲經(jīng)營效率的研究，目前學(xué)術(shù)界探討的仍然不多[33]。

綜上所述，雖然餐飲業(yè)發(fā)展勢頭迅猛，但是近10年來學(xué)術(shù)界對于餐飲業(yè)的相關(guān)研究不夠深入。此外，有很多研究主要是針對微觀層面具體某個連鎖餐飲企業(yè)為例研究其管理運(yùn)營。然而，對于宏觀層面的連鎖餐飲來說，學(xué)術(shù)界研究相對缺乏。此外，經(jīng)過30多年的發(fā)展，我國各個地區(qū)的連鎖餐飲都有了長足的發(fā)展，但是每個省份的連鎖餐飲規(guī)模各不相同，各個地區(qū)的經(jīng)營效率是否存在明顯的地區(qū)差異？并且，造成這種效率差異的主要因素是什么？這些都關(guān)系著中國連鎖餐飲未來的可持續(xù)穩(wěn)定健康發(fā)展。

2 模型與數(shù)據(jù)來源

2.1 固定效應(yīng)隨機(jī)前沿分析模型

學(xué)術(shù)界用于評價效率的方法主要分為兩種：一種是數(shù)據(jù)包絡(luò)分析方法，另一種是隨機(jī)前沿分析方法（stochastic frontier analysis，SFA）。DEA方法是由Charnes等提出來的一種非參數(shù)的效率估計(jì)方法[34-35]，由于不考慮具體的生產(chǎn)函數(shù)，使用靈活，常用于各種效率評價，如制造業(yè)技術(shù)效率評價[36]、經(jīng)濟(jì)生產(chǎn)率[37]、環(huán)境技術(shù)效率評價[38]等。然而，DEA方法沒有考慮到數(shù)據(jù)的統(tǒng)計(jì)噪聲，對于本研究來說有可能造成有偏誤的結(jié)果。SFA方法最早由Aigner等以及Meeusen和Van den Broeck提出來的一種參數(shù)估計(jì)方法[39-40]，在生產(chǎn)函數(shù)中納入了經(jīng)典的白噪聲誤差項(xiàng)，可以避免隨機(jī)因素對前沿面的影響。在測度宏觀技術(shù)效率的研究方面得到了廣泛的應(yīng)用。因此，本研究采用SFA方法來測算中國省域連鎖餐飲的技術(shù)效率。

面板數(shù)據(jù)的隨機(jī)前沿生產(chǎn)函數(shù)模型如下：

[yit=fXit; β·exp（vit-μit）] （1）

其中，yit表示省份i在第t年的產(chǎn)出。本研究選用省域范圍內(nèi)的連鎖餐飲企業(yè)的營業(yè)額作為產(chǎn)出指標(biāo)。X表示一組投入要素向量。β為待估計(jì)的參數(shù)。ν為隨機(jī)誤差項(xiàng)，服從正態(tài)分布。μ為非負(fù)的技術(shù)無效率項(xiàng)。因此，技術(shù)效率（technical efficiency， TE）表示為：

[TEit=exp（-μit）] （2）

由于μ≥0，所以TE的取值范圍在[0， 1]之間。

根據(jù)假設(shè)μit是否隨時間變化而變化，可以分為時變或時不變的SFA面板數(shù)據(jù)模型。然而，對于面板數(shù)據(jù)來說，個體維度上的異質(zhì)性因素不可忽視，尤其對于中國來說，省域之間的差異巨大，體現(xiàn)在諸多方面。如果在模型中不考慮省份的個體效應(yīng)，那么這些個體效應(yīng)會歸為無效率項(xiàng)，這會產(chǎn)生有偏誤的技術(shù)效率估計(jì)。因此，本研究考慮了省份的異質(zhì)性效應(yīng)，采用固定效應(yīng)SFA模型來克服上述問題[41]。故模型可以改寫為：

[yit=fXit; βexp（αi+vit-μit）] （3）

其中，αi表示不可觀察的省份個體效應(yīng)。

式（3）中的生產(chǎn)函數(shù)有多種設(shè)定形式，例如，柯布-道格拉斯（Cobb-Douglas）生產(chǎn)函數(shù)、超越對數(shù)生產(chǎn)函數(shù)以及常替代彈性生產(chǎn)函數(shù)。本研究采用最為經(jīng)典的Cobb-Douglas生產(chǎn)函數(shù)，因而固定效應(yīng)的SFA生產(chǎn)函數(shù)模型可以表示為：

[lnOutputit=β0+β1lnCapitalit+? ? ? ? ? ? ? ? ? ? ? ?β2lnLaborit+αi+vit-μit] （4）

其中，Outputit表示省份i第t年的連鎖餐飲產(chǎn)出。Capital和Labor分別表示資本和勞動力。ln表示取自然對數(shù)。通過對式（4）進(jìn)行參數(shù)估計(jì)后，可以獲得每個省份各個年份連鎖餐飲的技術(shù)效率TEit。

2.2 影響因素的計(jì)量模型

本研究第一階段估算出中國28個省份2008—2017年的連鎖餐飲技術(shù)效率，接下來分析影響連鎖餐飲技術(shù)效率的主要因素。本研究采用動態(tài)面板數(shù)據(jù)模型，但是在介紹之前，首先給出靜態(tài)面板數(shù)據(jù)模型，如式（5）所示。

[TEit=α+Zitβ+εit] （5）

式（5）中，下標(biāo)i和t分別表示i省第t年。TE表示第一階段固定效應(yīng)SFA方法估算出的連鎖餐飲技術(shù)效率。Z表示一組解釋變量，也就是連鎖餐飲技術(shù)效率的影響因素。β表示待估計(jì)的參數(shù)。ε表示隨機(jī)干擾項(xiàng)。

[TEit=δTEit-1+α+Zitβ+εit] （6）

式（6）中，TEt-1表示滯后一期的技術(shù)效率。同理，也可以滯后2期或3期。動態(tài)面板數(shù)據(jù)是研究現(xiàn)象動態(tài)行為的一種重要的模型方法，可以有效地判斷出連鎖餐飲技術(shù)效率隨時間變化的動態(tài)狀況。其他變量同式（5）中的一致。

2.3 變量與數(shù)據(jù)說明

2.3.1? ? 隨機(jī)前沿生產(chǎn)函數(shù)變量

在估計(jì)連鎖餐飲的技術(shù)效率時采用了Cobb-Douglas生產(chǎn)函數(shù)。Cobb-Douglas生產(chǎn)函數(shù)是經(jīng)濟(jì)學(xué)中使用最為廣泛的一種生產(chǎn)函數(shù)形式，是常用來分析國家和地區(qū)的工業(yè)以及企業(yè)生產(chǎn)活動的一種經(jīng)濟(jì)數(shù)學(xué)模型。很多利用SFA方法估計(jì)各類旅游及酒店業(yè)效率的實(shí)證研究均使用這種易用的函數(shù)形式[42-45]。Cobb-Douglas生產(chǎn)函數(shù)包括產(chǎn)出以及投入要素。對于產(chǎn)出而言，由于數(shù)據(jù)限制，本研究采用省域連鎖餐飲企業(yè)的營業(yè)額作為產(chǎn)出指標(biāo)，同時采用消費(fèi)價格指數(shù)按2008年為基期進(jìn)行折算處理。勞動投入采用的是省域連鎖餐飲企業(yè)的從業(yè)人數(shù)。

資本投入是生產(chǎn)函數(shù)中的關(guān)鍵要素。一方面，學(xué)術(shù)界一般采用永續(xù)盤存法來進(jìn)行估算，例如估算省級固定資產(chǎn)存量[46-47]。另一方面，在對行業(yè)技術(shù)效率評價時，也有很多學(xué)者利用該方法進(jìn)行資產(chǎn)存量估計(jì)。永續(xù)盤存法的估算涉及3個關(guān)鍵問題：一是確定初始資本存量，二是折舊率，三是資本形成總額。對于資本存量的估計(jì)學(xué)術(shù)界有多種討論，使用不同的方法，估計(jì)出來的數(shù)據(jù)具有較大的差異。折舊率對于不同的研究對象來說也是不同的。然而，由于缺乏餐飲業(yè)的相關(guān)數(shù)據(jù)來源，現(xiàn)有的研究沒有針對餐飲業(yè)或者連鎖餐飲企業(yè)的固定資本開展討論。本研究采用餐飲營業(yè)面積（area）作為資本要素。這是因?yàn)閷τ诒狙芯縼碚f，餐飲業(yè)屬于勞動密集型產(chǎn)業(yè)，對于資本的依賴程度較低。但是，對于連鎖餐飲企業(yè)來說，經(jīng)營場所是最重要的資產(chǎn)，也是開展經(jīng)營活動的重要實(shí)物資產(chǎn)保障。

2.3.2? ? 動態(tài)面板數(shù)據(jù)模型的解釋變量

考慮到影響省域連鎖餐飲技術(shù)效率的因素很多，本文選取了8個密切相關(guān)的解釋變量來檢驗(yàn)是否影響28個省份的連鎖餐飲的技術(shù)效率，包括第一產(chǎn)業(yè)比重（Agri）、油脂價格（Fat）、蔬菜價格（Vege）、禽肉價格（Poultry）、外商直接投資（foreign direct investment， FDI）、貿(mào)易開放度（Trade）、貨運(yùn)周轉(zhuǎn)量（Freight）以及社會消費(fèi)品零售總額（Retail）。

（1）第一產(chǎn)業(yè)比重（Agri）：餐飲業(yè)是服務(wù)業(yè)當(dāng)中門檻較低的典型的勞動密集型行業(yè)，是吸納勞動人口和農(nóng)村轉(zhuǎn)移人口就業(yè)的最重要的產(chǎn)業(yè)[3]。中國餐飲業(yè)從業(yè)人員由改革開放初期的104萬上升到2017年的約2500萬[3]。這是由于改革開放之后，中國開始逐步進(jìn)入大規(guī)模工業(yè)化，一部分農(nóng)村勞動力流入第二產(chǎn)業(yè)，隨著工業(yè)發(fā)展和人民生活水平的不斷提高，服務(wù)業(yè)進(jìn)入2000年以來也有了長足的進(jìn)步，成為吸納農(nóng)村勞動力最主要的行業(yè)，這其中主力行業(yè)就是餐飲業(yè)。由此可見，農(nóng)業(yè)發(fā)展與餐飲業(yè)形成了競爭關(guān)系。因此，本文預(yù)期農(nóng)業(yè)比重越高，連鎖餐飲的效率就越低。

（2）油脂價格（Fat）、蔬菜價格（Vege）和禽肉價格（Poultry）：餐飲業(yè)中銷售額的主要來源是餐費(fèi)收入。而餐費(fèi)當(dāng)中的物料成本占據(jù)了很重要的比重。因此，物價上漲會對連鎖餐飲效率產(chǎn)生負(fù)面影響[48]?？紤]到中國的飲食習(xí)慣，油脂、蔬菜和禽肉在中國餐食中的比重很高，因此這些原材料價格上漲會對餐飲業(yè)技術(shù)效率產(chǎn)生負(fù)面影響。因此，本文預(yù)期這3個變量的系數(shù)符號為負(fù)。

（3）外商直接投資（FDI）：餐飲業(yè)是改革開放的先行行業(yè)之一，經(jīng)濟(jì)體制改革的不斷深入進(jìn)一步地激發(fā)了餐飲業(yè)市場主體的主觀能動性[3]。由于門檻較低且沒有行業(yè)限制，因此餐飲業(yè)也是吸納外商直接投資的重要行業(yè)之一。隨著改革的不斷深入，越來越多的國外連鎖餐飲企業(yè)來中國投資發(fā)展，有力地促進(jìn)了當(dāng)?shù)夭惋嫎I(yè)的不斷優(yōu)化，帶動了行業(yè)規(guī)模與質(zhì)量的同步提升[21]。而外商直接投資是提高行業(yè)技術(shù)效率的重要外來技術(shù)支持，已經(jīng)被很多學(xué)者所證實(shí)。這是因?yàn)橥赓Y不僅可以帶來先進(jìn)的機(jī)械設(shè)備，而且，先進(jìn)的管理經(jīng)驗(yàn)也是提高技術(shù)效率的重要因素。因此，本文預(yù)期外商直接投資有助于提高連鎖餐飲的技術(shù)效率。指標(biāo)采用外商直接投資占地區(qū)GDP比重來表示。

（4）開放度（Trade）：餐飲業(yè)是改革開放的先行者，也是開拓者[3]。餐飲業(yè)是開放度很高的行業(yè)。改革40年來一直秉持開放包容發(fā)展。經(jīng)濟(jì)開放程度越高的地區(qū)，各種餐飲技藝以及管理技術(shù)的交流和學(xué)習(xí)會不斷提高本地區(qū)的連鎖餐飲技術(shù)效率。因此，本研究預(yù)期對外開放度越高，連鎖餐飲技術(shù)效率就越高。開放度指標(biāo)選用進(jìn)出口占地區(qū)GDP比重來表示。

（5）貨運(yùn)周轉(zhuǎn)量（Freight）：本研究選用貨運(yùn)周轉(zhuǎn)量來反映地區(qū)的貨運(yùn)能力，其具體定義為當(dāng)?shù)馗鞣N運(yùn)輸工具在一定時期內(nèi)運(yùn)送的貨物重量乘以運(yùn)送的距離，能夠全面地反映運(yùn)輸生產(chǎn)成果。餐飲業(yè)是物料成本較高的行業(yè)。一個地區(qū)的貨運(yùn)能力越發(fā)達(dá)，物價調(diào)控能力就越強(qiáng)，從而對連鎖餐飲技術(shù)效率的影響就越小[49]。由此可以預(yù)期貨運(yùn)周轉(zhuǎn)量越高越有利于提高連鎖餐飲的技術(shù)效率。

（6）社會消費(fèi)品零售總額（Retail）：該指標(biāo)指的是企業(yè)（單位、個體戶）通過交易直接售給個人、社會集團(tuán)非生產(chǎn)、非經(jīng)營用的實(shí)物商品金額，以及提供餐飲服務(wù)所取得的收入金額。該指標(biāo)與居民消費(fèi)具有密切的關(guān)系。換言之，一個地區(qū)的社會消費(fèi)品零售總額越高，那么這個地區(qū)的居民消費(fèi)能力就越強(qiáng)，也反映了一個地區(qū)的經(jīng)濟(jì)景氣程度。消費(fèi)能力越強(qiáng)的地區(qū)對餐飲業(yè)有較高的服務(wù)要求[50]，從而會迫使連鎖餐飲提高技術(shù)效率。因此，本文預(yù)期社會消費(fèi)品零售總額增加有助于提高當(dāng)?shù)剡B鎖餐飲的技術(shù)效率水平。

2.3.3? ? 數(shù)據(jù)來源

由于海南、青海、寧夏、西藏、香港、澳門和臺灣的數(shù)據(jù)缺失，故研究中只有我國28個省份，未包含這7個地區(qū)。用于計(jì)算連鎖餐飲技術(shù)效率的投入產(chǎn)出數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。影響因素的變量中，農(nóng)業(yè)比重、油脂價格指數(shù)、蔬菜價格指數(shù)、禽肉價格指數(shù)、進(jìn)出口、貨運(yùn)周轉(zhuǎn)量以及社會消費(fèi)品零售總額數(shù)據(jù)來源于歷年《中國統(tǒng)計(jì)年鑒》，外商直接投資數(shù)據(jù)來源于Wind數(shù)據(jù)庫。

3 實(shí)證結(jié)果

3.1 技術(shù)效率評價結(jié)果

本文利用Stata軟件估算出中國28個省份2008—2017年的連鎖餐飲技術(shù)效率。OLS模型和SFA模型參數(shù)回歸估計(jì)結(jié)果如表1所示。

由OLS回歸結(jié)果可以看出，連鎖餐飲的勞動和營業(yè)面積產(chǎn)出的彈性系數(shù)分別為0.7800和0.3059，并且均通過了1%的顯著性水平的檢驗(yàn)。由彈性系數(shù)大小可以判斷出，勞動產(chǎn)出彈性遠(yuǎn)遠(yuǎn)大于營業(yè)面積產(chǎn)出彈性，說明連鎖餐飲是典型的勞動密集型行業(yè)。并且，規(guī)模報酬遞增（0.7800+0.3059=1.0859>1）。由SFA模型估計(jì)結(jié)果也可以看出，兩個變量均通過了顯著性檢驗(yàn)。并且從模型的估計(jì)結(jié)果來看，隨機(jī)無效率占比約7%，充分說明了在估計(jì)連鎖餐飲技術(shù)效率時，需要充分考慮各個省份之間的異質(zhì)性效應(yīng)。

3.2 技術(shù)效率的時空變化分析

圖1繪制出了中國28個省份2008—2017年的連鎖餐飲技術(shù)效率得分均值和連鎖餐飲營業(yè)額總量的動態(tài)變化圖。

從圖1總體來看，28個省份的連鎖餐飲技術(shù)效率大致可以分為4個階段。第一階段為2008—2010年，技術(shù)效率有了飛速的提高，同時營業(yè)收入也在快速穩(wěn)步增長。這可能是由于奧運(yùn)會的原因，加速了國內(nèi)連鎖餐飲企業(yè)的國際化和規(guī)范化，致使經(jīng)營效率有了較大的提升，業(yè)績有了快速提高。第二階段為2010—2012年，技術(shù)效率保持較高水平平穩(wěn)發(fā)展，但是在2011年波動下降。第三階段為2012—2014年，2013年技術(shù)效率出現(xiàn)了斷崖式的下降，比照營業(yè)額來看，增速相較之前也有了明顯的放緩。這主要原因是2012年12月4日中共中央政治局會議提出的“八項(xiàng)規(guī)定”，有力地遏制住了公款吃喝的不正之風(fēng)。雖然“八項(xiàng)規(guī)定”主要針對的是高端公務(wù)宴和吃喝之風(fēng)，但是整個餐飲行業(yè)都受到了較大的影響。盡管短期對餐飲業(yè)造成了不利影響，但倒逼餐飲業(yè)進(jìn)入急速創(chuàng)新階段，回歸到積極健康的大眾餐飲發(fā)展軌道上來[51]。經(jīng)過兩年的短暫調(diào)整，在第四階段中（2015—2017年），可以明顯地看出，3年之后的2015年，無論是技術(shù)效率還是營業(yè)額，均有所提高。到2017年，技術(shù)效率已經(jīng)基本恢復(fù)到2012年之前的高水平，營業(yè)額也重回到高速增長的發(fā)展勢頭。由此可見，從“十三五”之后，中國的餐飲業(yè)經(jīng)過分化整合，通過企業(yè)創(chuàng)新以及深度融合，重塑了連鎖餐飲企業(yè)。在各種利好政策的引導(dǎo)下，總體將會迎來更高的技術(shù)效率。

筆者列出了2008—2017年間中國28個省份逐年的連鎖餐飲技術(shù)效率得分，結(jié)果如表2所示。

由表2可知，省域連鎖餐飲的技術(shù)效率并非呈現(xiàn)東高西低的空間分布格局，而是東西部各有高低。例如，2008年，技術(shù)效率高的省份為東部的北京、江蘇、上海和福建以及中部的山西、湖南和江西和西部的內(nèi)蒙古。2011年，技術(shù)效率明顯東部高于中西部地區(qū)。2014年，技術(shù)效率的空間格局較2011年發(fā)生了較大的變動。2017年，28個省份的技術(shù)效率的空間分布又形成了較為復(fù)雜的格局，并非東高西低，西部省份中重慶表現(xiàn)最為搶眼，無論是技術(shù)效率還是營業(yè)收入都是西部的佼佼者，雖然云南技術(shù)效率較高，但是整體規(guī)模太小。

本文選擇2017年數(shù)據(jù)作為示例，對28個省份的連鎖餐飲企業(yè)的營業(yè)額和技術(shù)效率進(jìn)行標(biāo)準(zhǔn)化處理（均值為0，方差為1），超出±1的表示異常值。然后繪制出兩者之間的散點(diǎn)圖，用于表示28個省份連鎖餐飲的市場規(guī)模和技術(shù)效率之間的關(guān)系分布（圖2）。

第1象限表示市場規(guī)模和技術(shù)效率均高于平均水平的省份。由圖2可知，北京、上海和廣東的連鎖餐飲規(guī)模明顯遠(yuǎn)高于全國平均水平，并且技術(shù)效率也非常高。此外，重慶、浙江、江蘇和湖北屬于市場規(guī)模較大和技術(shù)效率較高的省份，這些省份大部分都是東部地區(qū)。第2象限表示市場規(guī)模大但是技術(shù)效率低的省份，由圖2可知，不包含任何省份。第3象限表示規(guī)模小并且效率低的省份，包含8個省份。其中，內(nèi)蒙古、河北和貴州這3個省份表現(xiàn)最為落后。第4象限省份最多，包含13個省份，占據(jù)了大約一半的樣本，表示規(guī)模較低但是效率較高的省份，這些省份絕大部分都是中西部省份。這說明我國大約有一半的地區(qū)，連鎖餐飲的技術(shù)效率雖然較高，但是整體規(guī)模太小。

3.3 技術(shù)效率的影響因素分析

進(jìn)一步分析連鎖餐飲技術(shù)效率的影響因素。表3給出了混合回歸模型、固定效應(yīng)模型以及隨機(jī)效應(yīng)模型估計(jì)結(jié)果。需要指出的是，由于隨機(jī)前沿生產(chǎn)函數(shù)模型估計(jì)出的技術(shù)效率范圍在（0， 1）之間，因而應(yīng)該選擇Tobit模型。但是，本研究沒有采用Tobit模型，這是因?yàn)橹挥挟?dāng)大量的觀察值出現(xiàn)在0和1的邊界時，那么采用普通最小二乘才會得到有偏的估計(jì)結(jié)果。然而，通過估計(jì)兩個模型后發(fā)現(xiàn)，兩者估計(jì)的系數(shù)相差不大。為了對照后面的動態(tài)面板數(shù)據(jù)模型的估計(jì)結(jié)果，本文沒有采用Tobit模型設(shè)定形式。

首先給出混合回歸模型的估計(jì)結(jié)果及方差膨脹因子（variance inflation factor， VIF）的結(jié)果，可以發(fā)現(xiàn)各個解釋變量的VIF均小于10，說明模型不存在嚴(yán)重的多重共線性問題。由表3可以看出，混合回歸模型的結(jié)果中只有兩個變量通過了顯著性檢驗(yàn)，而大部分變量高度不顯著。這是由于混合回歸模型忽略了固定效應(yīng)。表3同時也給出了固定效應(yīng)和隨機(jī)效應(yīng)模型的估計(jì)結(jié)果，但是也只有兩個相同的變量通過了顯著性檢驗(yàn)。盡管Hausman檢驗(yàn)結(jié)果顯示應(yīng)該選擇固定效應(yīng)模型，但是模型可能由于存在內(nèi)生性問題或者反向因果關(guān)系（reverse causality），因此采用Arellano和Bover以及Blundell和Bond提出的系統(tǒng)廣義矩估計(jì)方法估算出動態(tài)面板數(shù)據(jù)模型的回歸結(jié)果[52-53]，如表3最后一列所示。

對動態(tài)面板數(shù)據(jù)模型的檢驗(yàn)發(fā)現(xiàn)，AR（1）在5%顯著性水平上拒絕了原假設(shè)，AR（2）在10%顯著性水平上無法拒絕原假設(shè)，并且Sargan檢驗(yàn)也無法拒絕原假設(shè)，表明模型不存在過度約束識別的問題。從表3最后一列來看，除了蔬菜價格變量外，其余7個變量均通過了1%的顯著性水平的檢驗(yàn)，說明了這些都是連鎖餐飲技術(shù)效率的重要影響因素。

第一產(chǎn)業(yè)比重對連鎖餐飲技術(shù)效率的作用為負(fù)，降低了技術(shù)效率。這是由于服務(wù)行業(yè)尤其是餐飲業(yè)是吸納農(nóng)村勞動力最主要的行業(yè)，農(nóng)業(yè)同樣屬于典型的勞動密集型行業(yè)，兩者之間存在競爭關(guān)系。從近10年的就業(yè)統(tǒng)計(jì)數(shù)據(jù)來看[54]，第二產(chǎn)業(yè)勞動力比重在27%～30%上下浮動，而第一產(chǎn)業(yè)勞動力占比由2007年的40.8%下降到2017年的27%，第三產(chǎn)業(yè)勞動力占比則由2007年的32.4%上升到44.9%。由此可見，第一產(chǎn)業(yè)的勞動力主要流向了第三產(chǎn)業(yè)?？梢钥闯?，第一產(chǎn)業(yè)的下降有助于農(nóng)村勞動力流向服務(wù)業(yè)，從而使得餐飲業(yè)勞動力就業(yè)市場充分競爭，具有比較優(yōu)勢的勞動力得以雇傭，從而提高了連鎖餐飲的技術(shù)效率。

從油脂價格、蔬菜價格和禽肉價格3個變量的估計(jì)系數(shù)來看，油脂價格上漲對連鎖餐飲技術(shù)效率的提升有正向作用，而禽肉價格上漲則降低了技術(shù)效率，蔬菜價格變量不顯著?？赡艿脑蚴牵鹤愿母镩_放以來，中國人的飲食結(jié)構(gòu)發(fā)生了劇烈的變化，高油高脂攝取過多，烹飪過程中大量地使用油脂，而油脂占據(jù)了較高的經(jīng)營成本。這就迫使連鎖餐飲企業(yè)通過提高自身運(yùn)營效率來積極面對油脂價格上漲問題。換言之，對油脂價格敏感的連鎖餐飲企業(yè)反而因油脂價格上漲提高了技術(shù)效率。此外，從近些年的統(tǒng)計(jì)數(shù)據(jù)來看，蔬菜價格和禽肉價格波動幅度較小，但蔬菜和禽肉受極端事件影響較大，例如蔬菜容易受到天氣的影響，而禽流感也是造成禽肉價格波動的主因，因此禽肉的價格上浮會造成連鎖餐飲企業(yè)成本的上漲，進(jìn)而會損傷技術(shù)效率。但是，連鎖餐飲企業(yè)對蔬菜價格并不敏感。

貨運(yùn)周轉(zhuǎn)量對連鎖餐飲技術(shù)效率的作用為正。這是因?yàn)榘l(fā)達(dá)的物流貨運(yùn)能力能夠保證貨物的運(yùn)輸和供給，從而有效地控制連鎖餐飲企業(yè)經(jīng)營成本由價格波動造成的負(fù)面影響。此外，交通貨運(yùn)能力發(fā)達(dá)的地區(qū)往往是經(jīng)濟(jì)發(fā)達(dá)的地區(qū)，這些地區(qū)通常會吸納具有較高素質(zhì)和勞動技能的勞動力人口，而餐飲業(yè)就業(yè)門檻低，吸納勞動力人口多，因此，這些高素質(zhì)的勞動力有助于提高連鎖餐飲的技術(shù)效率。

外商直接投資的估計(jì)系數(shù)為負(fù)，說明外商直接投資對連鎖餐飲的技術(shù)效率具有負(fù)向作用。這主要是因?yàn)楦母镩_放之后，大量的外資涌入中國的各個行業(yè)，餐飲業(yè)也是吸納外資的重要行業(yè)之一。國外餐飲企業(yè)的進(jìn)入對于規(guī)范中國的餐飲業(yè)具有極高的積極意義，國外餐飲業(yè)的高標(biāo)準(zhǔn)對于當(dāng)?shù)夭惋嫎I(yè)市場具有極強(qiáng)的示范效應(yīng)，然而由于國內(nèi)的連鎖餐飲企業(yè)總是“學(xué)而不像”，因此總體來說管理經(jīng)驗(yàn)和經(jīng)營能力雖然有所提高，但是相對國外連鎖餐飲巨頭來說，仍然不具備實(shí)力。加上餐飲業(yè)本身競爭就十分激烈，因此外資的進(jìn)入會加劇當(dāng)?shù)夭惋嬍袌龅母偁帒B(tài)勢，侵蝕了國內(nèi)連鎖餐飲企業(yè)的市場份額，影響了技術(shù)效率。

從估計(jì)的系數(shù)來看，貿(mào)易開放度越高，技術(shù)效率就越高。改革開放之后，我國沿海地區(qū)打開了出口貿(mào)易。近些年來，隨著經(jīng)濟(jì)水平的提高，進(jìn)口貿(mào)易量有了極大的提升。進(jìn)出口貿(mào)易反映了一個地區(qū)對外交流的開放程度?？傮w來說，貿(mào)易開放度高的地區(qū)主要是東部沿海的經(jīng)濟(jì)發(fā)達(dá)省份，這些省份的對外交流程度最高。餐飲業(yè)是服務(wù)業(yè)中的重要“窗口行業(yè)”，也是最早接觸對外交流的行業(yè)。對外開放程度越高，越有利于本地區(qū)的餐飲業(yè)提高行業(yè)標(biāo)準(zhǔn)，與國際接軌，進(jìn)一步地改善經(jīng)營環(huán)境，從而最終有助于提高本地區(qū)的連鎖餐飲技術(shù)效率。

最后，社會消費(fèi)品零售總額的提高對連鎖餐飲技術(shù)效率的提升有積極的作用。這是因?yàn)樯鐣M(fèi)品零售總額越高，說明本地區(qū)的消費(fèi)能力越高，經(jīng)濟(jì)活力越強(qiáng)。餐飲業(yè)高度地依賴于當(dāng)?shù)氐慕?jīng)濟(jì)活力和消費(fèi)水平。并且，消費(fèi)能力越高的地區(qū)，餐飲業(yè)競爭越激烈，因此，本地連鎖餐飲企業(yè)不得不降低經(jīng)營成本，改善經(jīng)營效率，從而整體上提高了本地區(qū)的連鎖餐飲技術(shù)效率。

4 結(jié)論及政策建議

本研究的主要內(nèi)容是采用隨機(jī)前沿生產(chǎn)函數(shù)模型估算中國28個省份連鎖餐飲的技術(shù)效率，然后分析這28個省份技術(shù)效率的空間分布格局演變以及影響技術(shù)效率的主要因素，最后根據(jù)研究的結(jié)論提出促進(jìn)中國連鎖餐飲企業(yè)健康發(fā)展的政策建議。

從總體來看，連鎖餐飲技術(shù)效率在樣本期內(nèi)先快速上升，然后平穩(wěn)地保持了4年的高水平發(fā)展，但是在“八項(xiàng)規(guī)定”的嚴(yán)格政策影響下，受制于整體餐飲環(huán)境影響，連鎖餐飲企業(yè)也受到了波及，技術(shù)效率持續(xù)下跌，同時對比營業(yè)額來看，增速也有了明顯地放緩。2013年和2014年陣痛期后，連鎖餐飲企業(yè)又迎來了高水平發(fā)展，技術(shù)效率有了顯著地提高，營業(yè)收入也穩(wěn)步增長。動態(tài)面板數(shù)據(jù)模型的回歸估計(jì)結(jié)果顯示：第一產(chǎn)業(yè)對連鎖餐飲技術(shù)效率的作用為負(fù)，說明第一產(chǎn)業(yè)和餐飲業(yè)在某些方面存在競爭關(guān)系。油脂價格上漲會導(dǎo)致連鎖餐飲企業(yè)改革創(chuàng)新，促進(jìn)技術(shù)效率的提高，而禽肉價格的上漲則會降低餐飲業(yè)的技術(shù)效率。此外，貨運(yùn)中轉(zhuǎn)量對連鎖餐飲技術(shù)效率發(fā)揮著積極的作用，擴(kuò)大貿(mào)易開放度也有利于連鎖餐飲技術(shù)效率的提高。最后，社會消費(fèi)品零售總額越高的地區(qū)對技術(shù)效率有著積極的促進(jìn)作用。

上述研究結(jié)論對促進(jìn)當(dāng)前中國連鎖餐飲企業(yè)的健康發(fā)展以及全面提高中國連鎖餐飲企業(yè)技術(shù)效率有著重要的政策含義。首先，餐飲業(yè)是典型的勞動密集型產(chǎn)業(yè)，雖然從業(yè)人員總數(shù)保持較高的增長，但是根據(jù)《2019年中國餐飲業(yè)年度報告》顯示[2]，餐飲業(yè)人員流失率仍然很高，即便是中大型餐飲企業(yè)，人員流失率也在10%以上。這是由于餐飲業(yè)整體薪資水平不高造成的。由于餐飲業(yè)門檻低，對勞動技能要求不高，是吸引受教育程度較低的勞動力最主要的部門，同時繁重的工作強(qiáng)度和較長的勞動時間使得連鎖餐飲企業(yè)的人員流失率很高。員工流失不僅造成了餐飲企業(yè)人力資本的浪費(fèi)，還降低了服務(wù)質(zhì)量，制約了企業(yè)的發(fā)展，影響整體餐飲業(yè)的效率。目前，中大型連鎖餐飲企業(yè)已經(jīng)通過提升員工工資和福利待遇留住員工，小微餐飲企業(yè)應(yīng)對勞動力成本上浮的能力較弱，因此作為惠及民生的餐飲業(yè)應(yīng)該得到地方政府的扶持，在一定的條件下，對于餐費(fèi)收入較少的小微餐飲企業(yè)可以減免稅負(fù)，降低運(yùn)營成本，既可以保證勞動力就業(yè)，又可以惠及民生，促進(jìn)當(dāng)?shù)叵M(fèi)，也有利于提高整體的餐飲業(yè)的經(jīng)營效率。

近幾年餐飲行業(yè)已經(jīng)進(jìn)入了高度的白熱化競爭狀態(tài)。據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，2018年餐飲業(yè)投資金額已經(jīng)超過了700億元[2]。這是由于餐飲業(yè)目前向著標(biāo)準(zhǔn)化、體系化、規(guī)模化發(fā)展。越來越多的餐飲業(yè)形成了具有較大規(guī)模的餐飲集團(tuán)，連鎖餐飲企業(yè)發(fā)展也越來越快。由于產(chǎn)業(yè)的規(guī)模效應(yīng)，在短期之內(nèi)可以有效地降低成本，有利于餐飲企業(yè)技術(shù)效率的提高。從投資金額的結(jié)構(gòu)來看，餐飲產(chǎn)業(yè)鏈以及服務(wù)商的整合也是投資者關(guān)注的對象。餐飲業(yè)在橫向連鎖投資以及縱向的產(chǎn)業(yè)鏈整合方面均有搶眼的優(yōu)異表現(xiàn)。因此，可以預(yù)計(jì)，未來的中國餐飲業(yè)朝著標(biāo)準(zhǔn)化和體系化健康發(fā)展。但是，總體而言，資本市場與餐飲業(yè)的結(jié)合仍不緊密，餐飲業(yè)上市相較其他行業(yè)仍然困難。截至2018年，中國僅有21家上市的餐飲企業(yè)，其中，3家主板上市企業(yè)，18家新三板企業(yè)[2]，并且這些企業(yè)主要分布在大中型城市。這就使得政府需要出臺優(yōu)惠政策，積極引導(dǎo)資本，促使優(yōu)秀的餐飲業(yè)企業(yè)下沉到三四線城市，在餐飲企業(yè)稅收方面以及選址方面給予相對優(yōu)惠的政策。一方面，這些優(yōu)秀的外地餐飲企業(yè)可以拉動當(dāng)?shù)叵M(fèi)經(jīng)濟(jì)，另一方面，優(yōu)秀的外地餐飲企業(yè)也給當(dāng)?shù)仄髽I(yè)起到了正面的示范效應(yīng)，有利于促進(jìn)當(dāng)?shù)夭惋嬓袠I(yè)的整體效率。此外，這些外地的企業(yè)在培訓(xùn)員工方面的標(biāo)準(zhǔn)化流程，使得整體服務(wù)人員的技能有所提高。最后，這些外地的餐飲業(yè)通過產(chǎn)業(yè)鏈與當(dāng)?shù)仄髽I(yè)融合，為提高當(dāng)?shù)夭惋嬏峁┥痰倪\(yùn)營效率也發(fā)揮著積極作用。

餐飲企業(yè)對原材料的價格是非常敏感的，價格上漲會降低餐飲企業(yè)的凈利潤，影響經(jīng)營效率。例如，2019年豬肉價格飛速上漲就給餐飲企業(yè)造成了不小的經(jīng)營壓力，也抬高了消費(fèi)者用餐價格，致使雙方福利受到了損害。政府積極地利用儲備肉制度在一定程度上平抑了豬肉價格過快增長，調(diào)控了市場，顯示出了價格穩(wěn)定器的作用。由此可見，儲備肉制度應(yīng)該擴(kuò)大規(guī)模，除現(xiàn)有的城市之外，應(yīng)在有條件的其他重要城市建立儲備肉管理中心，目前，已經(jīng)有很多城市已經(jīng)開展儲備肉工作。對于其他不易儲存的原材料，例如蔬菜，也要制定相應(yīng)的政策。一般來說，蔬菜價格受極端天氣的影響較大，故此會增加外運(yùn)蔬菜的需求量。因此，在應(yīng)對特殊極端天氣時，應(yīng)該出臺針對蔬菜運(yùn)輸?shù)南嚓P(guān)法律法規(guī)，保障蔬菜價格穩(wěn)定。例如建立鮮活農(nóng)產(chǎn)品運(yùn)輸綠色通道政策，在一定條件下減免合法運(yùn)輸車輛的通行費(fèi)，同時，進(jìn)一步減少蔬菜流通環(huán)節(jié)，打破現(xiàn)有的流動路徑，既保證了物流運(yùn)輸者的利潤，提高了流通效率，惠及民生，又降低餐飲業(yè)經(jīng)營成本，有利于餐飲企業(yè)的良性發(fā)展。

餐飲業(yè)亟須政府部門的支持和重視。相較于工業(yè)來說，由于餐飲業(yè)占當(dāng)?shù)谿DP比重不高，因此普遍被忽視。隨著經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型，消費(fèi)經(jīng)濟(jì)的興起，越來越多的證據(jù)表明，餐飲業(yè)對當(dāng)?shù)氐木蜆I(yè)以及經(jīng)濟(jì)增長均發(fā)揮著積極的作用。但是，長期以來，餐飲業(yè)屬于高度競爭行業(yè)，往往陷入無序發(fā)展以及盲目競爭狀態(tài)。這就需要當(dāng)?shù)卣疇款^，聯(lián)合各部門參與聯(lián)動機(jī)制，推進(jìn)餐飲業(yè)的轉(zhuǎn)型與升級，改變餐飲業(yè)亂序發(fā)展的狀態(tài)。這其中重要的關(guān)鍵渠道就是標(biāo)準(zhǔn)化、產(chǎn)業(yè)化和規(guī)?；?，也就是打造連鎖餐飲企業(yè)。與其他行業(yè)不同，餐飲具有典型的地域特征。長期以來，各地區(qū)的中餐缺乏標(biāo)準(zhǔn)，沒有標(biāo)準(zhǔn)化難以走向產(chǎn)業(yè)化集團(tuán)化發(fā)展。因此，很多小微餐飲企業(yè)靠口碑生存，難以做大做強(qiáng)，閉店率也極高，嚴(yán)重地浪費(fèi)了社會資源。從研究的結(jié)果來看，西部連鎖餐飲整體技術(shù)效率表現(xiàn)一般，但是重慶卻是西部地區(qū)的亮點(diǎn)，這是由于重慶具有眾多優(yōu)秀的餐飲連鎖企業(yè)，已經(jīng)形成了完整的產(chǎn)業(yè)鏈，并且已經(jīng)走向標(biāo)準(zhǔn)化及集團(tuán)化發(fā)展。因此，打造當(dāng)?shù)夭惋嬤B鎖企業(yè)知名品牌，產(chǎn)生具有影響力的大型連鎖餐飲企業(yè)，不僅可以對外參與競爭，還可以拉動當(dāng)?shù)亟?jīng)濟(jì)發(fā)展，此外，還是當(dāng)?shù)卣囊粡堨n麗的名片。這就需要政府牽頭，同時在稅收減免、用地保障等方面都給予一定的優(yōu)惠，在政府資金扶持下，打造具有較高競爭力的以民營資本為主的餐飲集團(tuán)。一方面改變了餐飲業(yè)盲目發(fā)展的局面，另一方面可以樹立示范樣板，規(guī)范當(dāng)?shù)夭惋嬍袌?，提升餐飲業(yè)整體的運(yùn)營水平。

參考文獻(xiàn)（References）

[1] 張進(jìn)銘， 肖德勇. 餐飲業(yè)發(fā)展動因的實(shí)證分析[J]. 經(jīng)濟(jì)評論， 2009（5）： 87-92. [ZHANG Jinming， XIAO Deyong. An empirical study of driving factors of catering industry[J]. Economic Review， 2009（5）： 87-92.]

[2] 中國飯店協(xié)會： 2019中國餐飲業(yè)年度報告[R]. 2019： 52. [China Hospitality Association. 2019 China Restaurant Industry Survey Report[R]. 2019： 52.]

[3] 邢穎， 黎素梅， 于干千. 餐飲產(chǎn)業(yè)藍(lán)皮書： 中國餐飲產(chǎn)業(yè)發(fā)展報告（2019）[M]. 北京： 社會科學(xué)文獻(xiàn)出版社， 2019： 25. [XING Ying， LI Sumei， YU Ganqian. Annual Report on Catering Industry Development of China （2019） [M]. Beijing： Social Sciences Academic Press， 2019： 25.]

[4] 中國互聯(lián)網(wǎng)絡(luò)信息中心.中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報告[R]. 2018： 5. [China Internet Network Information Center. China Statistical Report on Internet Development [R]. 2018： 5.]

[5] 謝斌， 宋偉. 在線餐飲外賣發(fā)展， 城市環(huán)境負(fù)外部性與垃圾監(jiān)管[J]. 陜西師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2018， 47（6）： 79-88. [XIE Bin， SONG Wei. Online catering takeout development， urban environmental negative externalities and waste regulation[J]. Journal of Shaanxi Normal University （Philosophy and Social Sciences Edition）， 2018， 47（6）： 79-88.]

[6] 于干千， 程小敏. 我國餐飲業(yè)供給側(cè)結(jié)構(gòu)性改革的實(shí)效與對策研究[J]. 商業(yè)經(jīng)濟(jì)研究， 2017（24）： 169-173. [YU Ganqian， CHENG Xiaomin. A study of effectiveness and measures of supply-side structural reform of Chinas catering industry[J]. Journal of Commercial Economics， 2017（24）： 169-173.]

[7] PRATT S. Potential economic contribution of regional tourism development in China： A comparative analysis[J]. International Journal of Tourism Research， 2015， 17（3）： 303-312.

[8] 王建竹. 信息化下城市服務(wù)業(yè)的空間發(fā)展趨勢——以北京市餐飲服務(wù)業(yè)為例[J]. 城市問題， 2014（11）： 90-95. [WANG Jianzhu. Spatial distribution trend of urban service industries in the information times： A case study of Beijings catering industry[J]. Urban Problems， 2014（11）： 90-95.]

[9] 劉秀蘭， 陳立章， 何翔. 湖南省餐飲業(yè)量化分級現(xiàn)狀及監(jiān)管對策[J]. 中南大學(xué)學(xué)報 （醫(yī)學(xué)版）， 2012， 37（2）： 137-141. [LIU Xiulan， CHEN Lizhang， HE Xiang. Quantitative classification in catering trade and countermeasures of supervision and management in Hunan province[J]. Journal of Central South University （Medical Science）， 2012， 37（2）： 137-141.]

[10] 舒舍玉， 王潤， 孫艷偉， 等. 城市餐飲業(yè)的空間格局及影響因素分析——以廈門市為例[J]. 熱帶地理， 2012， 32（2）： 134-140. [SHU Sheyu， WANG Run， SUN Yanwei， et al. Spatial distribution of urban catering industry and its influenced factors： A case study of Xiamen city[J]. Tropical Geography， 2012， 32（2）： 134-140.]

[11] 曾璇， 崔海山， 劉志根. 廣州市餐飲店分布演變特征與影響因素[J]. 經(jīng)濟(jì)地理， 2019， 39（3）： 143-151. [ZENG Xuan， CUI Haishan， LIU Zhigen. Spatial and temporal evolution characteristics and influencing factors of restaurants in Guangzhou[J]. Economic Geography， 2019， 39（3）： 143-151.]

[12] 涂建軍， 唐思琪， 張騫， 等. 山地城市格局對餐飲業(yè)區(qū)位選擇影響的空間異質(zhì)性[J]. 地理學(xué)報， 2019， 74（6）： 1163-1177. [TU Jianjun， TANG Siqi， ZHANG Qian， et al. Spatial heterogeneity of the effects of mountainous city pattern on catering industry location[J]. Acta Geographica Sinica， 2019， 74（6）： 1163-1177.]

[13] 譚欣， 黃大全， 趙星爍. 北京市主城區(qū)餐館空間分布格局研究[J]. 旅游學(xué)刊， 2016， 31（2）： 75-85. [TAN Xin， HUANG Daquan， ZHAO Xingshuo. A study on the spatial distribution pattern of restaurants in Beijings main urban area[J]. Tourism Tribune， 2016， 31（2）： 75-85.]

[14] XU F， ZHEN F， QIN X， et al. From central place to central flow theory： An exploration of urban catering[J]. Tourism Geographies， 2019， 21（1）： 121-142.

[15] XUE H， CHENG X， ZHANG Q， et al. Temporal growth and spatial distribution of the fast food industry and its relationship with economic development in China： 2005—2012[J]. Preventive Medicine， 2017， 102： 79-85.

[16] 夏令軍， 劉艷芳， 劉國煒. 中國地級城市餐飲業(yè)分布格局及影響因素——基于“大眾點(diǎn)評網(wǎng)”數(shù)據(jù)的實(shí)證研究[J]. 經(jīng)濟(jì)地理， 2018， 38（5）： 133-141. [XIA Lingjun， LIU Yanfang， LIU Guowei. Spatial distribution pattern and influencing factors of catering industry in prefecture level and above cities in China： An empirical study based on the dianping.com data[J]. Economic Geography， 2018， 38（5）： 133-141.]

[17] 王文峰. 餐飲企業(yè)內(nèi)部市場導(dǎo)向?qū)ζ涓偁巸?yōu)勢的影響[J]. 旅游科學(xué)， 2018， 32（2）： 17-27. [WANG Wenfeng. The impact of the internal market orientating of catering enterprises on their competitive advantages[J]. Tourism Science， 2018， 32（2）： 17-27.]

[18] 王華. 區(qū)域餐飲業(yè)競爭力的驅(qū)動因素及模式[J]. 經(jīng)濟(jì)地理， 2009， 29（3）： 91-95. [WANG Hua. Driving factors and driving patterns of regional catering industrial competitiveness[J]. Economic Geography， 2009， 29（3）： 91-95.]

[19] 蔡曉梅， 賴正均. 廣州市餐飲企業(yè)競爭要素實(shí)證研究[J]. 旅游學(xué)刊， 2008， 23（8）： 63-68. [CAI Xiaomei， LAI Zhengjun. An empirical study on the competitive factors of catering enterprises in Guangzhou [J]. Tourism Tribune， 2008， 23（8）： 63-68.]

[20] SHAO J， ZHANG J， GUO B. Research on the influencing factors of customer referral behavior based on social network—Application in the catering industry[J]. The Journal of High Technology Management Research， 2014， 25（2）： 163-171.

[21] 鄧峰， 吳海兵， 婁麗芝. 外資對我國餐飲業(yè)競爭力影響的實(shí)證研究[J]. 經(jīng)濟(jì)縱橫， 2014（6）： 103-107. [DENG Feng， WU Haibing， LOU Lizhi. An empirical study of the impact of foreign capital on the competitiveness of catering industry in China[J]. Economic Review Journal， 2014（6）： 103-107.]

[22] DU Y， TANG Y. Study on the development of O2O E-commerce platform of China from the perspective of offline service quality[J]. International Journal of Business and Social Science， 2014， 5（4）：308-312.

[23] 張榮齊， 田文麗. 餐飲連鎖企業(yè)O2O商業(yè)模式研究[J]. 中國市場， 2014（32）： 81-88. [ZHANG Rongqi， TIAN Wenli. A study on the O2O business mode of restaurant chains[J]. China Market， 2014（32）： 81-88.]

[24] 齊春微， 鄭鑫， 徐維維. “互聯(lián)網(wǎng)+” 時代下餐飲業(yè)存在的問題及創(chuàng)新研究[J]. 當(dāng)代經(jīng)濟(jì)， 2017（13）： 38-40. [QI Chunwei， ZHENG Xin， XU Weiwei. A study on problem and innovation of catering industry in the era of “Internet+” [J]. Contemporary Economics， 2017（13）： 38-40.]

[25] 劉致良. 資本深化， 全要素生產(chǎn)率與中國住宿餐飲業(yè)增長[J]. 旅游學(xué)刊， 2009， 24（6）： 71-76. [LIU Zhiliang. Capital deepening， total factor productivity （TFP） and the increase of Chinas lodging and catering industry[J]. Tourism Tribune， 2009， 24（6）： 71-76.]

[26] 吉生保， 席艷玲， 李凡. 中國餐飲旅游行業(yè)的經(jīng)營績效及收斂趨勢——基于上市公司面板數(shù)據(jù)的SORM-BCC超效率模型[J]. 山西財經(jīng)大學(xué)學(xué)報， 2011， 33（11）： 63-72. [JI Shengbao， XI Yanling， LI Fan. Operational efficiency and convergence trend of Chinese hotel &tourism industry： SORM-BCC super efficiency model based on panel data of listed companies[J]. Journal of Shanxi University of Finance and Economics， 2011， 33（11）： 63-72.]

[27] 謝雅念. 我國各地區(qū)餐飲業(yè)績效評價[D]. 蚌埠： 安徽財經(jīng)大學(xué)， 2015. [XIE Yanian. The Performance Evaluation of Regional Catering Industry in Our Country [D]. Bengbu： Anhui University of Finance and Economics， 2015.]

[28] HUANG C， CHIU Y， TU C， et al. Using the nonhomogeneous frontier two-stage DEA model to assess the efficiencies of expense utilization and operation of the Taiwanese hotel industry[J]. International Transactions in Operational Research， 2016， 23（6）： 1067-1087.

[29] 王燕武， 李文溥， 張自然. 對服務(wù)業(yè)勞動生產(chǎn)率下降的再解釋——TFP還是勞動力異質(zhì)性[J]. 經(jīng)濟(jì)學(xué)動態(tài)， 2019（4）： 18-32. [WANG Yanwu， LI Wenfu， ZHANG Ziran. The reinterpretation of labor productivity decline in service industry： TFP or labor heterogeneity[J]. Economic Perspectives， 2019（4）： 18-32.]

[30] 龐瑞芝， 鄧忠奇. 服務(wù)業(yè)生產(chǎn)率真的低嗎？[J]. 經(jīng)濟(jì)研究， 2014（12）： 86-99. [PANG Ruizhi， DENG Zhongqi. Is productivity of service sector really low？ [J]. Economic Research Journal， 2014（12）： 86-99.]

[31] 王恕立， 滕澤偉， 劉軍. 中國服務(wù)業(yè)生產(chǎn)率變動的差異分析——基于區(qū)域及行業(yè)視角[J]. 經(jīng)濟(jì)研究， 2015（8）： 73-84. [WANG Shuli， TENG Zewei， LIU Jun. The disparity and convergence of TFP change in Chinas service industry： Based on regional and industry perspectives[J]. Economic Research Journal， 2015（8）： 73-84.]

[32] 李麗梅. 中國休閑產(chǎn)業(yè)發(fā)展評價， 結(jié)構(gòu)與效率研究[D]. 上海： 華東師范大學(xué)， 2018. [LI Limei. Research on the Evaluation， Structure and Efficiency of Chinese Leisure Industry Development[D]. Shanghai： East Normal China University， 2018.]

[33] 夏杰長， 肖宇， 李詩林. 中國服務(wù)業(yè)全要素生產(chǎn)率的再測算與影響因素分析[J]. 學(xué)術(shù)月刊， 2019（2）： 34-44. [XIA Jiechang， XIAO Yu， LI Shilin. Re-measurement and influence factors of total factor productivity in Chinas service industry[J]. Academic Monthly， 2019（2）： 34-44.]

[34] CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research， 1978， 2（6）： 429-444.

[35] CHARNES A， COOPER W W， RHODES E. Evaluating program and managerial efficiency： An application of data envelopment analysis to program follow through[J]. Management Science， 1981， 27（6）： 668-697.

[36] 葉振宇， 葉素云. 要素價格與中國制造業(yè)技術(shù)效率[J]. 中國工業(yè)經(jīng)濟(jì)， 2010（11）： 49-59. [YE Zhenyu， YE Suyun. Price of factor and technical efficiency of Chinese manufacturing industries[J]. China Industrial Economics， 2010（11）： 49-59.]

[37] 邵軍， 徐康寧. 轉(zhuǎn)型時期經(jīng)濟(jì)波動對我國生產(chǎn)率增長的影響研究[J]. 經(jīng)濟(jì)研究， 2011， 12（97）： 1848-1862. [SHAO Jun， XU Kangning. The effect of business cycle on Chinese productivity growth during economic transition[J]. Economic Research Journal， 2011， 12（97）： 1848-1862.]

[38] 宋馬林， 王舒鴻. 環(huán)境規(guī)制， 技術(shù)進(jìn)步與經(jīng)濟(jì)增長[J]. 經(jīng)濟(jì)研究， 2013（3）： 122-134. [SONG Malin， WANG Shuhong. Analysis of environmental regulation， technological progression and economic growth from the perspective of statistical tests[J]. Economic Research Journal， 2013（3）： 122-134.]

[39] AIGNER D， LOVELL C A K， SCHMIDT P. Formulation and estimation of stochastic frontier production function models[J]. Journal of Econometrics， 1977， 6（1）： 21-37.

[40] MEEUSEN W， VAN DEN BROECK J. Technical efficiency and dimension of the firm： Some Results on the use of frontier production functions[J]. Empirical Economics， 1977， 2（2）： 109-122.

[41] GREENE W. Reconsidering heterogeneity in panel data estimators of the stochastic frontier model[J]. Journal of Econometrics， 2005， 126（2）： 269-303.

[42] CHEN C F. Applying the stochastic frontier approach to measure hotel managerial efficiency in Taiwan[J]. Tourism Management， 2007， 28（3）： 696-702.

[43] P?REZ-RODR?GUEZ J V， ACOSTA-GONZ?LEZ E. Cost efficiency of the lodging industry in the tourist destination of Gran Canaria （Spain）[J]. Tourism Management， 2007， 28（4）： 993-1005.

[44] OLIVEIRA R， PEDRO M I， MARQUES R C. Efficiency performance of the Algarve hotels using a revenue function[J]. International Journal of Hospitality Management， 2013， 35： 59-67.

[45] LIU A， WU D C. Tourism productivity and economic growth[J]. Annals of Tourism Research， 2019， 76（5）： 253-265.

[46] 張軍， 吳桂英， 張吉鵬. 中國省際物質(zhì)資本存量估算： 1952—2000[J]. 經(jīng)濟(jì)研究， 2004（10）： 35-44. [ZHANG Jun， WU Guiying， ZHANG Jipeng. The estimation of Chinas provincial capital stock： 1952—2000[J]. Economic Research Journal， 2004（10）： 35-44.]

[47] 單豪杰. 中國資本存量K的再估算： 1952—2006年[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2008（10）： 17-31. [SHAN Haojie. Reestimating the capital stock of China： 1952—2006[J]. The Journal of Quantitative & Technical Economics， 2008（10）： 17-31.]

[48] 程雪潔. 我國中小餐飲企業(yè)成本控制探究[D]. 北京： 首都經(jīng)濟(jì)貿(mào)易大學(xué)， 2016. [CHENG Xuejie. Research on Cost Control of Small and Medium-Sized Catering Enterprises in China[D]. Beijing： Capital University of Economics and Business， 2016.]

[49] 苗偉. 交通運(yùn)輸業(yè)對我國經(jīng)濟(jì)發(fā)展影響的實(shí)證分析[D]. 保定： 河北大學(xué)， 2013. [MIAO Wei. An Empirical Analysis of the Impact of Transportation Industry on Chinas Economic Development[D]. Baoding： Hebei University， 2013.]

[50] 張玉鳳， 裴正兵. 我國餐飲企業(yè)投資效益實(shí)證研究——以北京市餐飲企業(yè)為例[J]. 生產(chǎn)力研究， 2009（11）： 150-152. [ZHANG Yufeng， PEI Zhengbing. An empirical study on investment benefits of Chinas catering enterprises： A case study of Beijings catering enterprises[J]. Productivity Research， 2009（11）： 150-152.]

[51] 程小敏， 于干千. 中國餐飲業(yè)發(fā)展“十二五”回顧與“十三五”展望[J]. 經(jīng)濟(jì)與管理研究， 2016， 37（11）： 65-74. [CHENG Xiaomin， YU Ganqian. Review of 12th Five-Year Plan and outlook for 13th Five-Year Plan for the development of Chinas catering industry research on economics and management[J]. Research on Economics and Management， 2016， 37（11）： 65-74.]

[52] ARELLANO M， BOVER O. Another look at the instrumental variable estimation of error-components models[J]. Journal of Econometrics， 1995， 68（1）： 29-51.

[53] BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics， 1998， 87（1）： 115-143.

[54] 中國國家統(tǒng)計(jì)局. 中國勞動統(tǒng)計(jì)年鑒2018[M]. 北京： 中國統(tǒng)計(jì)出版社， 2018： 8-9. [National Bureau of Statistics. China Labour Statistical Yearbook 2018[M]. Beijing： China Statistics Press， 2018： 8-9.]