二、国内研究现状
国内对旅游业效率的研究相对于国外而言开展得较晚，通过对国内文献的梳理发现，国内对旅游业效率的研究主要集中在旅游企业经营效率和区域旅游业效率方面。
1．旅游业效率评价对象研究
（1）旅游酒店效率研究
国内对旅游酒店效率研究相对于其他因素较早，国内学者多数以多个地区为研究对象对酒店效率进行分析。黄丽英（2008）等运用数据包络分析方法对我国八大省份的四星级和五星级酒店的效率进行分析，并以固定资产、酒店年末从业人员、客房数作为投入指标；以营业收入、客房出租率、人均创造利润作为产出指标，结果显示八大省份的酒店效率差异并不明显。[29]魏素宝（2012）选取从业人员、固定资产、床位数量为投入指标，选取营业收入、客房出租率为产出指标，运用DEA模型对中国星级酒店五个年度31个地区的经营效率进行分析，结果发现各个地区的经营效率不尽相同，其中西部地区相对较好。[30]徐文燕等（2013）通过数据包络分析方法对50个重点旅游城市星级酒店2010—2011年的数据进行测算，并运用Tobit模型分析影响旅游酒店经营绩效的因素，提出合理化建议。[31]韩国圣等（2015）以六安市为研究对象，运用数据包络分析方法（DEA）和Tobit模型，选取客房数、从业人数、平均房价为投入变量，选取建筑面积和营业收入总额为产出变量，对成长型旅游地星级饭店经营效率进行分析并提出优化措施。[32]
（2）旅行社效率研究
旅行社效率的高低直接影响旅行社的竞争力，对旅行社效率的研究对旅游业的发展至关重要。赵海涛等（2013）运用Malmquist指数法分析了10年内中国旅行社经营效率，从全要素生产率分解和省际分析两个部分展开实证分析，结果表明不同省份之间的旅行社业经营效率差异较大。[33]孙景荣等（2014）运用DEA模型，探讨了2003—2009年东、中、西部地区旅行社行业效率问题，并以固定资产、旅行社数量和员工数量作为投入指标，以营业收入、接待人次、全体生产率作为产出指标，结果表明，纯技术效率对综合效率的影响最大。[34]胡宇娜等（2017）运用DEA模型测算了中国31个省域的旅行社行业效率，并运用空间计量模型分析出区域旅行社行业效率趋势，选取固定资产总额、从业人数、企业数量作为投入指标，营业收入作为产出指标，结果显示旅行社行业效率增长效应不佳。[35]
（3）旅游交通效率研究
旅游活动的开展离不开交通，旅游交通效率的高低影响着旅游业的发展。朱桃杏等（2014）通过数据包络分析方法对中国22个省市旅游人数与高速铁路开通的相关关系进行研究，结果显示，铁路交通要素对游客空间流动具有促进作用。[36]于海静等（2016）通过数据包络分析方法，以100个发达城市中的66个城市机场为对象进行实证分析，结果表明，纯技术效率是影响机场效率的关键因素。[37]王兆峰等（2018）运用数据包络分析方法并结合Malmquist指数模型及Tobit模型，研究不同交通方式对张家界旅游效率的影响程度，结果显示，交通设施的优化能够提高旅游效率。[38]
（4）旅游目的地效率研究
旅游目的地效率高低直接影响该地区旅游业的发展，是体现旅游目的地竞争力的重要指标。张洪等（2014）基于投入产出效率分析，以安徽省16个市为研究对象，对其旅游目的地竞争力进行研究，结果表明竞争力的强弱不仅与旅游要素投入量的大小有关，而且与旅游要素的综合利用率和合理配置有关。[39]孙媛媛（2014）通过数据包络分析方法对1997—2011年中国旅游目的地效率进行研究，结果发现，我国在部分省区效率较低，投入与产出效益失调。[40]杨春梅等（2014）运用三阶段DEA模型，对2010年前50强旅游城市的旅游业效率值进行研究，结果表明，控制外部环境可以提高旅游业效率。[41]
（5）旅游景区效率研究
旅游景区作为旅游活动中的重要组成部分，其效率的高低也影响着旅游业效率，因此有不少学者以旅游景区效率作为研究对象。曹芳东等（2014）就曾借助数据包络分析方法（DEA）分析国家级风景名胜区旅游效率，发现国家级景区总体效率不高，并用五个时间节点描述了旅游效率重心转移轨迹，得出制度变革对效率有推动作用。[42]在2015年，曹芳东、黄震方、徐敏、王坤运用数据包络分析方法并结合Bootstrap-DEA纠偏分析方法对国家级风景名胜区效率进行分析，找出影响因素，并提出合理化建议。[43]
2．旅游业效率研究
从上述旅游业效率评价对象研究不难发现，对旅游业效率进行研究的方法中，数据包络分析方法居多，但是不同的学者会根据研究目的运用不同的计量模型。保继刚等（2010）以2005年中国58个主要城市为研究对象，运用DEA模型进行旅游效率评价；[44]吴旭晓（2013）运用GRA-DEA模型对我国2011年的东部、中部、西部和东北四个地区旅游业的相对效率进行评价；[45]王惠榆等（2014）运用BCC模型、CCR模型和Malmquist指数模型，对西部地区12个省份的旅游效率进行分析；[46]鲁小波等（2014）运用DEA-CCR模型分析2001—2010年中国区域的旅游效率及其变化过程；[47]李琦（2018）基于三阶段DEA模型分析成都市2002—2016年的旅游产业效率，在指标选取过程中剔除了外部环境变量和随机因素，增加了指标的有效性；[48]王兆峰等（2018）采用DEA-Malmquist模型对中国中部地区六大城市群（晋中、江淮、环鄱阳湖、中原、武汉、长株潭）的旅游产业效率进行分析；[49]史慧珂（2018）以沿海11个省级区域2005—2015年数据分析旅游业发展效率，先采用CCR、BCC和Malmquist指数模型，后运用Tobit模型深度探究影响因素。[50]
在旅游效率评价上，还有一些学者运用随机前沿分析法。孟涛（2013）运用随机前沿分析法（SFA）对我国30个省市区2005—2011年的旅游业效率进行评估，结果表明区域间的旅游效率差异逐渐减小；[51]李亮等（2013）通过面板数据随机前沿分析法（SFA）对中国旅游发展效率进行实证研究，以中国30个省市区为样本研究对象，找出影响因素；[52]张鹏等（2014）以2004—2010年的数据，通过运用随机前沿分析法（SFA）和空间Durbin模型，对我国省域旅游产业效率进行研究，结果表明整体效率偏低。[53]
表1-2 国内旅游业效率研究文献
续表
资料来源：根据上文的相关文献整理得出。
3．旅游业效率影响因素研究
对旅游业效率研究的主要目的是找出影响因素，以提高效率，国内学者通过不同的研究方向找到影响旅游业效率的重要因素。薛献伟（2010）运用数据包络分析方法分析我国旅游业效率现状，并结合Malmquist指数方法定义研究变量，利用Tobit回归分析影响因素，提出优化建议；[54]王栋等（2011）以1996—2009年为时间段，运用随机前沿分析法对我国区域旅游产业效率进行研究，并分析了影响因素；[55]赵定涛、董慧萍（2012）结合DEA和PCR两阶段法研究了我国30个省市区的旅游业技术效率差异的影响因素，指出五个影响旅游产业效率的因素；[56]王虹、胡胜德（2017）以“一带一路”倡议为出发点，首先构建出投入产出指标体系，同时运用DEA和Tobit模型研究了旅游产业效率投资影响因素，并提出对策及建议；[57]何俊阳等（2016）利用超效率DEA模型研究10年内泛珠九省的入境旅游发展效率，并利用面板数据模型对影响因素进行理性分析。[58]
表1-3 国内旅游业效率影响因素研究文献
资料来源：根据上文的相关文献整理得出。