2013年9月，国家主席习近平在哈萨克斯坦纳扎尔巴耶夫大学发表题为《弘扬人民友谊，共创美好未来》的重要演讲，倡议共同建设“丝绸之路经济带”。2015年3月，随着《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》的发布，丝绸之路经济带沿线各省份积极推动旅游业的发展，规划旅游设施建设，促进区域旅游合作和文旅融合。沿线各省份旅游业保持迅猛的发展态势，已成为其经济发展的先导产业[1]。然而旅游业造成的碳排放增加、环境污染和资源过度开发等问题，也成为制约丝绸之路沿线旅游业高质量发展的重要因素。因此，本文采用非期望产出的超效率SBM模型、Malmquist-Luenberger(ML)指数和地理探测器，分析丝绸之路经济带旅游生态效率的时空演变及影响因素，并提出相应建议，以期为丝绸之路经济带旅游业的高质量发展提供借鉴。

一、文献综述

“生态效率”概念最初由德国学者Schaltegger和Sturm提出，主要指经济活动对环境的影响程度[2]。此后，瑞典学者Peeters和Gössling在旅游研究中引入生态效率概念，将旅游生态效率定义为旅游业的收入与游客旅游过程中碳排放的比值，并进行了量化[3]。在研究方法上，早期主要利用比值法进行研究，近年来越来越多的学者开始使用模型法测算研究区域的旅游生态效率。例如：姚治国等基于LCA法测算了海南省旅游生态效率值[4];郑兵云等运用非期望产出的DEA交叉效率模型测算了中国30个省份的旅游生态效率[5]。在研究对象的选取上，既有微观层面的研究，也有宏观层面的视角。例如：刘佳等选取中国31个省份作为研究对象，利用空间关联指数和ArcGIS趋势面地统计分析方法对旅游产业生态效率进行测算，并分析了不同区域的空间特征[6];彭红松等以黄山风景区为研究对象，对其旅游生态效率进行测算分析[7]。此外，也有学者对旅游生态效率的影响因素进行了分析，研究方法多采用Tobit模型、指数分解和地理探测器。旅游生态效率影响因素指标的选取也趋于多元化，例如：Blancas等研究发现，美国各州旅游生态效率差异化的显著指标是旅游产业结构和基础设施的建设[8];王淑新等通过分析秦巴典型景区旅游生态效率影响因素发现，游客数量和旅游生态效率呈正相关，能源和电力消耗和旅游生态效率呈负相关[9]。

综上所述，国内外相关研究为本文的深化研究奠定了基础，但仍存在一些不足：一是，对经济圈旅游生态效率的研究多集中在长江和黄河流域，对丝绸之路经济带的关注度不高；二是，虽然对丝绸之路经济带中段沿线的城市群、贸易和经济发展以及旅游资源等方面进行了一些研究，但对旅游生态效率的研究还不够完善。基于此，本文以2013—2022年丝绸之路经济带沿线9个省份为研究对象，综合运用非期望产出的超效率SBM模型测算研究区域的旅游生态效率值，运用ML指数测算全要素生产率，采用ArcGIS软件和自然断点法分析空间分布格局及差异性，并利用地理探测器对旅游生态效率的驱动因素进行分析，科学评估丝绸之路经济带的旅游生态效率，以期为丝绸之路经济带旅游业的高质量发展提供决策支持。

二、模型构建

(一)研究区域与研究方法

1.研究区域概况。

丝绸之路经济带是在古丝绸之路基础上形成的新的经济发展区域，国内包括广西壮族自治区(以下简称“广西”)、云南省、重庆市、四川省等西南四省，以及新疆维吾尔自治区(以下简称“新疆”)、陕西省、甘肃省、宁夏回族自治区(以下简称“宁夏”)、青海省等西北五省。改革开放后，我国对外公布的中国观光国线中，第一条就是丝绸之路。“丝绸之旅”也是世界旅游组织向国际旅游市场重点推荐的世界级旅游产品之一。丝绸之路经济带沿线各省份虽然在旅游资源上具有交叉性和相似性，但又各具特色。例如，广西在自然风光和民族风情上比较突出，而陕西更侧重于历史文化、红色旅游等方面。

2.研究方法。

(1)非期望产出的超效率SBM旅游生态效率模型。

旅游生态效率是指旅游经济活动对环境的影响程度。目前，旅游生态效率的测算主要有三种方法：比值法，即利用旅游经济与旅游业对环境的影响(如旅游业碳排放、能源消耗等)的比值来计算，适用于单一的研究对象；指标体系法，主要是构建多维生态效率模型，弊端在于无法消除赋权对结果的影响；模型法，目前最广泛的应用是非参数的数据包络分析法(data envelopment analysis, DEA),相较于前两种方法，DEA的应用领域更为广泛。鉴于传统DEA模型存在对非期望产出的处理不合理、当效率值为有效值1时无法进一步比较、未考虑投入产出松弛性的测量等问题，本文借鉴Tone[10]的研究方法，利用非期望产出的超效率SBM模型对丝绸之路经济带9个省份的旅游生态效率进行测算。超效率SBM模型是一种基于DEA的效率评估模型，用于评估决策单元(DMU)的效率。该模型考虑了投入和产出的松弛量，能够更准确地衡量DMU的效率，公式为

式(1)中，λ表示权重向量；q表示旅游生态效率值；s-、s+分别代表投入和产出的松弛变量；n代表决策单元(DMU)的数量，由期望产出(y)、非期望产出(b)和投入变量(x)组成。当q≥1时，决策单元有效，且其值越大生态效率值越高；当q<1时，决策单元无效。

(2)ML指数。

ML指数是由包含非期望产出的Malmquist模型得出的指数，能够测度旅游生态效率值在时间序列上的变化趋势。ML指数由技术效率变化(EC)和技术变化(TC)构成，其中技术效率变化可以用纯技术效率变化(PTE)和规模效率变化(SEC)表示，公式为

ML=ECh×TCh=PTEh×SECh×TCh(2)

式(2)中，当TCh>1时，表示技术进步使得决策单元的效率提高；当PTEh>1时，表示技术和管理要素的改善使得决策单元的效率提高；当SECh>1时，表示决策单元的规模效率提高；当TCh、PTEh和SECh等于1时，表示效率值不变；当TCh、PTEh和SECh小于1时，表示效率值下降。

(3)地理探测器。

地理探测器是一种统计学方法，主要用于研究驱动因素对于地理空间分异现象的影响。地理探测器模型包括4个子探测器：生态探测、风险探测、因子探测和交互探测。本文主要运用因子探测研究丝绸之路经济带9个省份旅游生态效率的驱动因素及其作用程度，公式为

式(3)中，N、Ni分别表示研究区域数和次研究区域数；m表示影响因素数量；σ2、σ

分别表示研究区域和次研究区域效率值的方差；p的取值为0～1,取值越接近1,表示影响因素对效率值的作用效果越显著。

(二)评价指标选取及数据来源

1.旅游生态效率指标。

本文在借鉴相关研究的基础上，考虑区域旅游数据的可得性，选取A级景点数量、星级饭店数量、旅行社数量、旅游从业人数、旅游固定资产投资额、旅游总人次、旅游总收入和旅游碳排放8个指标构建旅游生态效率评价指标体系(表1)。其中：A级景点数量、星级饭店数量、旅行社数量、旅游总人次和旅游总收入数据来自历年《中国旅游统计年鉴》《中国统计年鉴》和各省份统计年鉴；旅游从业人数来自历年《中国旅游年鉴》以及CSMAR数据库；旅游固定资产投资额和旅游碳排放核算均参考已有相关研究。

表1 旅游生态效率指标体系

2.影响因素指标。

借鉴相关研究成果，并考虑数据的可得性，本文从旅游经济发展水平和外部环境两个方面选取6个指标构建影响因素指标体系(表2),并将其作为自变量，将丝绸之路经济带旅游生态效率值作为因变量。数据来自各省份历年统计年鉴，并采用线性插值法对缺失数据进行填充。

表2 影响因素指标体系

三、实证分析

(一)旅游生态效率测度分析

本文采用基于非期望产出的超效率SBM模型，对丝绸之路经济带旅游生态综合效率及其分解效率进行测算，以探究该区域9个省份旅游业的发展情况。

1.综合效率分析。

从表3可知，丝绸之路经济带9个省份旅游生态综合效率均值为0.823,基本处于无效水平。考察期内，整体旅游生态效率呈波动上升趋势。这说明，各省份环境保护和资源配置优化水平正在提升。其中，2017—2020年，整体旅游生态效率上升趋势明显，可见，随着经济的发展，环境保护和优化资源配置的成效已经非常明显。2020—2022年，整体旅游生态效率有所下降，这可能是受到疫情的影响。从省域层面来看，广西、云南、重庆、四川西南四省的旅游生态效率均值依次为1.045、1.288、1.092和1.222,处于有效水平。其中，重庆的旅游生态效率从2013年的0.558增加到2022年的1.251,增幅明显。新疆、陕西、甘肃、宁夏、青海西北五省的旅游生态效率均值均小于1。在这5个省份中，新疆、甘肃和宁夏的生态效率呈明显上升趋势，其中宁夏的增长幅度最大。这说明，以上5个省份在发展经济的同时，对于环境和生态的保护也在加强；陕西的旅游生态效率“先升后降”,青海的旅游生态效率最低且各年均小于0.4,今后应在加快推动旅游业发展的同时加大环境保护力度。

2.分解效率分析。

为更好地研究丝绸之路经济带的旅游生态效率，本文从纯技术效率和规模效率两个方面对旅游生态效率进行分解分析。从图1可知，纯技术效率整体高于综合效率，呈波动变化趋势。2013—2022年，丝绸之路经济带9个省份的旅游生态纯技术效率均值为1.235。其中，广西、云南、重庆、四川、宁夏和青海6个省份的均值始终大于1,保持有效水平；陕西的旅游生态纯技术效率均值最低(0.619),在旅游资源的有效利用和节能减排上还有很大的提升空间。从旅游生态规模效率角度来看，2013—2022年，丝绸之路经济带9个省份的均值为0.736。其中，广西、云南、重庆、四川和陕西的均值依次为0.992、0.967、0.948、0.983和0.938,说明这些省份旅游资源的要素投入相对合理。而宁夏和青海的旅游生态规模效率均值分别为0.243和0.209,远低于平均水平，在能源的投入和利用方面有较大的提升空间。

表3 丝绸之路经济带9个省份旅游生态效率测度结果

图1 丝绸之路经济带旅游生态综合效率及其分解效率变化趋势

通过建立旅游生态综合效率与各分解效率关系散点图，可以更清晰地反映各指标之间的关系，也可以根据散点的偏离程度来判断指标之间的相关性。由图2可知，规模效率—综合效率的散点更集中于45°对角线，说明规模效率对综合效率的解释能力更强。

图2 丝绸之路经济带旅游生态综合效率与各分解效率关系散点图

(二)ML指数分析

2013—2022年9个省份的ML指数均大于1,表明丝绸之路经济带旅游生态效率整体处于提高阶段。具体来看，重庆、新疆、甘肃和宁夏高于平均水平，而广西、云南、四川、 陕西和青海则低于平均水平。其中，最高值和最低值分别是宁夏和四川。宁夏在30.7%的技术增长下，全要素生产率增加了24.1%;而四川的全要素生产率下降了4.7%,这主要是由于纯技术效率和技术进步分别下降了4.4%、0.8%,从而抵消了规模效率的增长。宁夏在旅游业的发展上具有较大潜力，这是因为其纯技术效率变化和规模效率变化高于整体平均水平，说明旅游资源得到了高效利用，且旅游资源管理和配置较为合理，从而提升了全要素生产率(图3)。

图3 2013—2022年丝绸之路经济带9个省份ML指数及其分解指数

图4 丝绸之路经济带ML指数及其分解指数变化趋势

本文除了从省域层面对ML指数进行分析外，还从时间维度进行了分析。2013—2022年，丝绸之路经济带ML指数均值为1.070,说明区域整体旅游生态效率平均提升了7%;纯技术效率变化、规模效率变化和技术变化的均值分别为1.056、1.135和1.014。图4显示，ML指数变化为“先下降，后上升，再下降，后趋于稳定”,这与旅游生态综合效率的变化趋势相符。纯技术效率变化波动较为明显，但整体处于增长趋势；规模效率变化虽然波动幅度最大，但始终保持在1以上，说明规模效率变化一直处在上升阶段；技术变化虽然对全要素生产率有较大拉动作用，但较为波动，可见，如何提高技术变化是丝绸之路经济带旅游业发展面临的重要问题。

(三)空间分异及演化

本文运用ArcGIS软件和自然断点法分析丝绸之路经济带9个省份旅游生态效率空间分异特征，选取2013年、2016年、2019年和2022年4个典型年份的旅游生态效率值，并将其划分为低效率、中等效率和高效率三个地区进行绘制。总体来看，2013—2022年旅游生态效率的空间分异特征明显。西北五省和西南四省的旅游生态效率值分别处于0.213～1.107和0.558～1.592,西北五省低于西南四省。其中，西南四省的旅游生态效率值，除2013年的重庆和2022年的广西低于1以外，其余均大于1;西北五省的旅游生态效率总体上也在提高，由低效率地区向中等效率地区转变，这主要得益于新疆、甘肃和宁夏的拉动作用。从省域层面来看，一直处于高效率地区的有四川和云南，其中云南的旅游生态效率一直在提升。重庆、广西、陕西、甘肃、宁夏和新疆6个省份的旅游生态效率值都有所波动，其中宁夏从低效率地区发展为高效率地区，重庆从中等效率地区发展为高效率地区，旅游资源配置和环境保护工作取得了明显效果；广西从高效率地区下降为中等效率地区；陕西从低效率地区转变为中等效率地区后又下降为低效率地区；甘肃和新疆从低效率地区转变为高效率地区后又下降为中等效率地区；青海一直处于低效率地区，主要是受地理位置以及交通网络的限制，旅游的可进入性比较低，旅游收入也较低，旅游生态效率较差。

(四)旅游生态效率影响因素分析

本文利用地理探测器识别丝绸之路经济带9个省份2013年、2016年、2019年和2022年4个典型年份旅游生态效率的影响因子及其交互作用。表4显示，旅游经济发展水平和外部环境对丝绸之路经济带旅游生态效率的影响存在差异，影响力较大的因子分别是旅游产业结构和科技水平，城镇化水平和对外开放水平的整体影响力也在提升。从时间维度来看，各影响因子对旅游生态效率的影响力呈波动性变化。2013年，对旅游生态效率影响最大的是旅游产业结构；2016年，旅游经济和科技水平增长成为主导因素，而旅游产业结构的影响力下降；2019年，旅游产业结构又重新回到主导地位，旅游经济增长和科技水平的影响力明显下降；2022年，受疫情影响，外部环境因素占据主导地位，科技水平、城镇化水平和对外开放水平的影响力最强。

图5 丝绸之路经济带9个省份旅游生态效率空间演变

表4 丝绸之路经济带旅游生态效率影响因子排序

本文通过交互探测发现，影响因子间的交互作用对旅游生态效率的影响力均比单因子强。2013年，绿化水平和城镇化水平的交互作用最强；2016年，外部环境之间的交互作用明显大于其他因子，同时也印证了在这一阶段外部因素的主导作用更强；2019年和2022年城镇化水平和旅游经济发展水平的交互作用最强。可见，旅游业发展初期主要依赖自身资源建设，而随着深入发展，与外部资源的融合发展变得尤为重要。

四、结论与建议

(一)结论

1.丝绸之路经济带的旅游生态效率总体呈上升趋势，西南四省的旅游生态效率处于有效水平，西北五省整体上虽然处于无效水平，但新疆、甘肃和宁夏增长幅度明显，其中宁夏的增长幅度最大。从分解效率变化趋势和散点图来看，纯技术效率、规模效率和综合效率的均值分别为1.235、0.736、0.823,纯技术效率始终高于综合效率和规模效率，并且纯技术效率对综合效率的贡献最大，规模效率与综合效率的相关性最强。

2.丝绸之路经济带总体的ML指数大于1,呈“中间高两边低”的分布特征；相较于技术变化，纯技术效率变化和规模效率变化的浮动较为明显。丝绸之路经济带9个省份中，只有广西、四川和陕西的ML指数略小于1,其余省份均大于1。从时间维度来看，纯技术效率变化整体呈上升趋势，规模效率变化的浮动最为明显，技术变化对整体的全要素生产率有较大拉动作用。

3.从旅游生态效率空间分异特征来看，西北五省和西南四省具有明显的地理差异性。西北五省虽然受地理位置的限制，旅游资源还未得到完全开发，整体效率值低于西南四省，但整体上从低效率地区向中高效率地区发展。这主要得益于新疆、甘肃和宁夏对旅游生态效率的拉动作用。

4.从旅游生态效率影响因素来看，经济水平和外部环境在不同时期对旅游生态效率的影响程度不同，不同时期影响旅游生态效率的主导因素也各不相同。综合来看，影响力较大的因子分别是旅游产业结构和科技水平。通过交互探测可以发现，旅游生态效率的时空差异性也受各种因子交互作用的影响，且各因子之间的交互作用强度均大于单个因子。

(二)建议

1.重视区域差异，加强省份之间的合作。

西北五省和西南四省的旅游生态效率具有明显的差异性和空间异质性，区域间的合作发展和互联互通，有利于促进丝绸之路经济带旅游业的高质量发展。各省份应秉持合作共赢的理念，建立强有力的区域旅游联动机制，实现旅游产业空间布局的优化，推动区域内部旅游一体化发展。其中，西北五省应强化与其他地区的沟通和合作，主动吸收、消化旅游高质量发展地区的先进技术和管理经验，提高自身旅游生态效率；西南四省要充分发挥地理、技术和管理优势，保持旅游高质量发展的同时，在旅游资源管理、低碳旅游政策、旅游产品开发创新等方面加强与其他省份的合作，积极推进旅游资源的开发与整合。

2.提升生态文明意识，倡导低碳环保的绿色旅游发展模式。

生态环境是旅游业发展的核心竞争力，丝绸之路经济带沿线各省份应充分发挥自身资源优势，开发健康旅游和生态旅游等新模式，以促进旅游业积极发展。各地区应推进保护环境的意识宣传教育，完善生态环境监督机制，提高公众的环境保护意识，减少对生态环境的破坏，将保护环境纳入旅游业发展的规划。同时还应出台旅游业生态保护条例，建立旅游业生态保护监督部门，鼓励高耗能、高污染的旅游企业向低碳、绿色和环保方向发展，并给予相应的帮助和扶持。

3.加快旅游产业结构升级，实现资源的合理配置。

旅游业与交通运输、住宿、餐饮、娱乐等产业息息相关，丝绸之路经济带沿线各省份应进一步扩大旅游业的范围，通过资源环境保护和生态系统优化，充分发挥在规模生产力中的增长作用，进一步促进生态环境保护和旅游经济的协调发展。在对丝绸之路经济带的景区和基础设施进行智慧化改造的同时，还可以利用社交媒体对景区、自然景观和历史文化进行宣传，以达到更好的推介效果。

4.提高文化自信，开发多元化文化旅游线路。

文化自信是“一带一路”倡议提出的逻辑起点，中华民族优秀的传统文化在丝绸之路上曾经大放异彩，如今丝绸之路经济带的提出，是中华优秀传统文化基因的又一次精彩绽放。丝绸之路沿线文化遗产底蕴深厚，具有不可复制性。因此，可以通过建设旅游文化街区和文化创意园，深入挖掘丝绸之路经济带历史文化旅游资源。例如，可以融合古遗址文化、宗教文化和民俗文化等，重点开发“一路多线、一线多文化”的特色旅游项目，以进一步吸引国内外游客。

参考文献:

[1]王莉莉.旅游业成“丝绸之路经济带”先导产业[J].中国对外贸易,2014(5):38-39

[4]姚治国,陈田.旅游生态效率模型及其实证研究[J].中国人口·资源与环境,2015(11):113-120

[5]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(4):79-91

[6]刘佳,陆菊.中国旅游产业生态效率时空分异格局及形成机理研究[J].中国海洋大学学报(社会科学版),2016(1):50-59

[7]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(2):628-638

[9]王淑新,何红,王忠锋.秦巴典型景区旅游生态效率及影响因素测度[J].西南大学学报(自然科学版),2016(10):97-103

文章来源:张洪,楚旭阳.丝绸之路经济带旅游生态效率的时空演变及影响因素研究[J].金陵科技学院学报(社会科学版),2024,38(03):47-54.