林业科学  2015, Vol. 51 Issue (2): 137-146   PDF    
DOI: 10.11707/j.1001-7488.20150217
0

文章信息

黄秀娟, 林秀治
Huang Xiujuan, Lin Xiuzhi
我国森林公园旅游效率及其影响因素
Tourism Efficiency and Influence Factors of Chinese Forest Parks
林业科学, 2015, 51(2): 137-146
Scientia Silvae Sinicae, 2015, 51(2): 137-146.
DOI: 10.11707/j.1001-7488.20150217

文章历史

收稿日期：2014-07-27
修回日期：2014-08-28

作者相关文章

黄秀娟
林秀治

引用本文
黄秀娟, 林秀治. 2015. 我国森林公园旅游效率及其影响因素[J]. 林业科学, 51(2): 137-146.
Huang Xiujuan, Lin Xiuzhi. 2015. Tourism Efficiency and Influence Factors of Chinese Forest Parks. Scientia Silvae Sinicae, 51(2): 137-146.  DOI: 10.11707/j.1001-7488.20150217
我国森林公园旅游效率及其影响因素
黄秀娟, 林秀治    
福建农林大学管理学院 福州 350002
收稿日期：2014-07-27；修回日期：2014-08-28
基金项目：福建省软科学项目“闽台入境外国旅游市场发展比较与合作开发研究”(2013R0013)。
摘要：【目的】以我国大陆31个省(区、市)森林公园为对象,研究其旅游效率,为我国森林公园旅游效率的提升提供参考。【方法】首先,基于DEA的效率测算方法,选择旅游收入和旅游人数为产出变量,森林公园面积、当年投入资金和职工人数为投入变量,利用数据包络分析工具DEAP2.0版本软件中投入导向的规模报酬不变的效率测算模型,以国家林业局官方网站公布的我国大陆各省森林公园数据为依据,测算各省森林公园2009—2013年各年不变规模下的旅游效率。然后,基于供给需求理论,选择森林公园所在省级区域的人口密度、城镇化率、人均GDP、高级别旅游资源密度、森林公园密度、高等级公路密度以及森林公园的森林覆盖率、资金投入强度、劳动力投入强度等为自变量,旅游效率为因变量,建立基于面板数据的多元线性回归模型,定量分析影响森林公园旅游效率的因素,其中回归分析模型中的自变量数据来自于中国统计年鉴,因变量数据来自于第一步的测算结果。【结果】 1) 我国森林公园旅游效率从2011年开始逐年提升,但各省区间森林公园的旅游效率存在较大差异,部分省区各年份森林公园的旅游效率存在较大波动。2) 利用Stata 12.0软件对回归分析模型依次进行个体效应检验、时间效应检验、Hausman检验及异方差稳健检验,得出模型存在个体效应和时间效应,且随机效应效果优于固定效应,最终确定采用双向随机效应模型(显著水平为5%)。3) 利用异方差稳健的GLS估计方法对所建立的随机效应模型进行参数估计,得出人口密度和林地森林覆盖率(5%的显著水平)、城镇化率(10%的显著水平)对森林公园的旅游效率有显著的正向影响; 人均GDP和资金投入强度对森林公园的旅游效率有显著的负向影响(5%的显著水平); 高级别旅游资源密度、森林公园密度、高等级公路密度对森林公园旅游效率产生不显著的正向影响(10%的显著水平); 劳动力投入强度对森林公园旅游效率产生不显著的负向影响。【结论】 2009—2013年,中国森林公园资源的旅游利用效率有显著的提升,但各省之间森林公园的效率存在较大的差异,部分省份森林公园效率的年度波动较大; 地区人口密度、城镇化比率、旅游资源水平、森林公园密度、交通发展水平对森林公园的效率起着正向的影响作用,而资金投入密度对森林公园的效率起着显著的负相影响,这一点与人们关于森林公园资本投资作用的认识相悖。本文提出了提升我国森林公园效率的一些建议,指出了需要进一步跟踪研究的问题。
关键词： 森林公园    旅游效率    影响因素    数据包络分析    面板数据回归模型    
Tourism Efficiency and Influence Factors of Chinese Forest Parks
Huang Xiujuan, Lin Xiuzhi    
College of Management, Fujian Agriculture and Forestry University Fuzhou 350002
Abstract: [Objective] In this study, 31 provincial level unit's forest parks in Chinese mainland were taken as research objects, to study tourism efficiencies of forest parks of mainland China, and provide reference for efficiency promotion of Chinese forest parks. [Method] Firstly, based on the DEA computing technique, with tourism income and tourists number as output variables, and the forest parks area, the same year fund investment and staff population as input variables, the input-oriented constant scale model in DEAP2.0 edition software was used to survey the tourism efficiencies of various provinces forest parks of each year from 2009 to 2013. All data came from the Chinese National Forestry Bureau official website announcement. Secondly, based on the supply-demand theory, the population density, the urbanization rate, GDP per capita, the high rank tourism resources density, the forest park density, and the ClassⅠ-Ⅳ highway density of the province, as well as the Woodland forest coverage rate, the fund Investment intensity and the Labor intensity of the forest parks of the province were chosen as independent variables, and the tourism efficiency was the dependent variable, to establish panel-data multi-dimensional linear regression model, and quantitatively analyze factors of influencing forest park tourism efficiency. In this study, all independent variable data were obtained from the Chinese statistics yearbook, the dependent variable data came from the first step computing results. [Result] The results show that: 1) In the whole, the mainland forest park tourism efficiencies increase year by year since 2011, but the forest park tourism efficiencies exist big difference among various provincial capital areas. The forest park tourism efficiencies of some provinces undulate greatly during various years. 2) The stata12.0 software was used sequentially to carry on the individual effect examination, the time effect examination, the hausman examination and the different variance steady examination of the regression analysis model, showing that the model exists individual effect and the time effect, and the effect of the stochastic effects model is better than that of the fixed effect model, thus the bidirectional random effect model was chosen as the final regression model (5% significant level). 3) The robust GLS estimation shows that, the population density and Woodland forest coverage rate (5% significant level), the urbanization rate (10% significant level) have the significant positive influence to the forest park tourism efficiency; GDP per capita and the park investment intensity have the significant negative influence to the forest park tourism efficiency (5% significant level); The tourism resources, the forest park density, ClassⅠ-Ⅳ highway density have the positive but not significant influence to the forest park tourism efficiency (10% significant level); The labor intensity has negative but not significant influence to the forest park tourism efficiency. [Conclusion] Finally further studies problems are proposed: during 2009—2013, tourism utilization efficiency of Chinese forest parks had significant improved, but there existed large efficiency differences between some provinces, and the efficiency of forest parks in some provinces fluctuated greatly each year. Population density, urbanization rate, tourism resource level, forest park density, traffic development level have played positive roles on the efficiency of forest parks, and the investment density has played a significantly negative impact on the efficiency of forest parks, which is contrary to people's knowledge about the role of capital investment in forest parks. Paper finally gives some advices on how to promote the efficiency of Chinese forest parks, and points out some problems which need further follow-up research.
Key words: forest park    tourism efficiency    influence factor    data envelop analysis method    panel data regression model    

森林资源具有多种使用价值与功能。19世纪中后期，随着人们对生态环境和休闲娱乐需求的增大，森林的木材供给功能弱化，世界各国逐渐把环境优美、生态保护任务重的林区转变为国家公园。我国于20世纪70年代末开始发展森林旅游并建立森林公园，截至2013 年底，共建立各级森林公园2 948处，规划总面积达1 758 万hm2。2013 年，森林公园共接待游客5.89亿人次，占国内旅游总人数的18.1%，旅游收入491.1 亿元(国家林业局场圃总站，2014)；林业旅游与休闲服务业产值为 4 249.65 亿元，占第三产业产值的 71.24%(国家林业局计财司，2014)可见。森林公园经营与管理已经成为林业经营与管理的重要内容。随着我国的经济发展，资源约束趋紧，森林公园管理面临着在保护好生态环境的同时提高旅游利用效益与效率的重要任务。国内外学术界关于单一森林旅游区旅游利用效益的测算已经有较多成果。20 世纪中后期，随着森林资源生态效益和旅游效益的提升，测算与评估森林资源娱乐效益的研究逐浙增多。利用旅行成本法、条件价值法、转移函数法、成本收益法等研究森林资源及森林环境的非木材效益、环境效益、娱乐效益等文章大量涌现(Allan et al.，1980；Liston et al.，1999；Lehtonen et al.，2003；Lindhjem，2007；吴楚材等，1992；徐雁南等，2007；董雪旺等，2011)。20世纪80年代之后，随着数据包络分析法(DEA)在评价不同决策单元效率方面的广泛应用，一些学者开始利用该方法研究不同森林旅游区旅游利用的效率：Bosetti等(2006)以公园经营成本和面积为投入变量，旅游人数、公园职工人数、商业点数、生物种类数为产出变量，利用DEA方法测算比较了意大利17个国家公园资源旅游利用的效率；Kao等(1991)以期初森林蓄积量、林地面积、资本、劳动力为投入变量，以期末森林蓄积量、木材收获量、林副产品收入、旅游人数为产出变量，评估比较了我国台湾林业改组前后林区的综合利用效率；Marrocu等(2010)以区域所接待的游客数为产出变量，区域可进入性、人力资本、社会资本、技术资本为投入变量，测算比较了欧洲不同森林旅游区的旅游效率；Fuentes等(2012)以旅游收入为产出变量，酒店床位数、就业人数、沙滩个数、平均气温和沙滩长度为投入变量，测算了西班牙和葡萄牙海滩型旅游目的地的旅游效率；马晓龙等(2007)以土地面积、从业人数、固定资产投资完成额和经营支出为投入变量，以旅游收入为产出变量，测算比较了我国森林风景区的旅游效率；黄秀娟(2011)以旅游收入、旅游人数、造林和改造林相面积为产出变量，森林公园面积、当年投入资金和劳动力为投入变量，测算比较了我国大陆31个省、市、区森林公园的效率。

关于森林旅游效率影响因素的直接研究成果未见公开报道，相关的研究主要从需求与供给2个方面分析。基于需求方的分析涉及的影响因素包括旅游目的地的价格、相关目的地的价格、客源地距目的地的距离、交通费用、游客的可支配收入等(Douglas et al.，1992；Brasington et al.，2005)；基于供给方的分析涉及的影响因素包括目的地资源质量、基础设施、企业经营情况、目的地管理等(里奇等，2006；黄远水，2005；黄秀娟，2009)。

以上研究显示，森林资源的旅游利用效益与效率是森林旅游区发展的一个重要问题。利用DEA测算比较不同森林旅游区的旅游利用效率已经得到认可，但选择哪些变量作为投入、产出变量还未形成共识，关于森林旅游区旅游效率高低的原因探讨较少。因此本文利用2009—2013年我国各省区森林公园发展数据，从实证角度测算各个省区森林公园旅游利用效率，探索效率差异的原因，旨在弥补森林旅游区旅游利用效率研究的不足，提高我国森林公园资源利用效益和效率。

1 研究方法 1.1 效率的测算方法

本文把森林公园旅游效率定义为森林公园发展旅游所产生的效率，效率测算选择当前管理学中广泛应用的DEA方法。DEA方法是一种非参数方法，基于投入产出的生产理论，不需要设定生产函数的具体形式，效率的测算结果简单明了。关于DEA方法的来源及具体测算公式见黄秀娟(2011)，测算工具采取DEAP 2.0版本软件(Collie，1996)。

森林公园发展森林旅游的投入变量主要包括自然资源、人力资源和财力资源。自然资源包括林地资源和森林景观资源，林地资源包括土地和其上的森林，森林依附于土地，不能独立存在；森林景观资源及森林公园内的其他旅游资源是森林公园发展旅游的重要要素，但由于当前没有统一的统计数据，本文仅用森林公园面积作为自然资源的代表。人力资源即森林公园所投入的劳动力，用当年职工人数表示。财力资源即森林公园所投入的所有资金，由于没有森林公园固定资产净值的统计数据，本文用当年资金投入替代。产出变量选取旅游收入和旅游人数2个指标。为了使数据具有可比性，消除通货膨胀对货币性指标的影响，利用消费价格指数把当年名义旅游收入折算为实际收入(2009 年为基期)，利用固定资产投资价格指数把当年名义资金投入折算为实际资金投入(2009 年为基期)。

选取我国大陆31个省(区、市)所有投入产出数据，以1个年度为1个跨度单位，共收集2009—2013年的连续5年数据，所有数据为国家林业局官方公布(表 1)。消费价格指数和固定资产价格指数来自于中国统计年鉴。

表 1 2009—2013年各个投入产出指标的描述统计 Tab.1 Description statistics of every input and output index in 2009-2013
1.2 效率差异原因的研究方法

1)影响因素选择

根据经济学需求理论以及相关研究成果，从供给与需求2方面选择影响因素。需求方面的因素主要包括：第一，本地区居民的人口密度。人口是构成旅游市场的基础，由于旅游的空间移动性，旅游需求呈现明显的空间距离衰减规律，尤其是人们对森林公园的需求主要以本省内游客为主(陈松等，2007；许诺安等，2009)，本地区人口密度越大，对本地区森林公园需求越大。第二，区域城镇化率。我国国民旅游的历年统计数据显示，城市居民对旅游的需求水平高于农村居民，一个区域的城镇化率越高，对森林旅游的需求也越高。 第三，本地区居民的收入水平。收入水平影响森林旅游需求已得到研究证实(罗明春等，2005)，收入水平越高，对本区域森林公园需求越大。供给方面的因素主要包括：第一，本地区旅游资源水平。森林旅游的发展离不开区域内旅游的大环境，区域旅游资源水平越高，旅游综合吸引力越强，对本地区森林公园旅游的带动力越强，本文用5A景区和世界遗产地数量表示旅游资源水平。 第二，本区域内森林公园的密度。可达性是影响人们到森林公园旅游的重要因素，而我国各省区森林公园的可达性相差较大(潘竟虎，2013)，森林公园分布越密集，说明居民到森林公园的距离相对越近，越有利于居民到森林公园旅游。第三，交通便利性。 由于森林旅游主要以省区旅游为主，而省内出游主要以公路交通为主，因此本文以高等级公路密度作为交通便利性的测量指标。第四，森林公园森林环境质量。随着人们对健康的日益关注，森林公园森林环境越来越成为吸引人们选择森林公园的重要因素，但由于当前我国没有各个森林公园森林环境质量的统计指标，因此本文以本区域内森林覆盖率作为森林公园森林环境质量的代表。第五，资本化程度。经济学理论显示，资本越化程度越高，说明旅游服务所依托的设施越完善，会越有助于其他资源利用效率的提高，本文用森林公园当年资金投入强度作为森林公园资本化程度的代表。第六，人力资源状况。旅游业是一个劳动力密集型产业，劳动力越密集，人力资源储量越丰富，森林公园旅游利用效率会越高，本文以森林公园劳动力投入强度作为人力资源状况的代表。 各影响因素的描述统计如表 2所示。

表 2 各影响因素的描述统计 Tab.2 Description statictics of every influence factor

2)回归模型建立

通过建立多元线性回归模型，识别影响效率差异的主要因素。以1个省份1个年度的数据为1个样本，利用2009—2013年我国大陆31个省(市、区)的数据，共得到155个样本，建立面板数据模型，具体如下：

${y_{it}} = {x_{it}}\beta + {z_i}\lambda + {u_i} + {v_t} + {\varepsilon _{it}}$ (1)

式中：i代表省(区、市)，i=1，2，…，31；t 代表各个年度，t=2009，2010，…，2013；yit代表第i个省(区、市)在第t年的森林公园旅游效率，为被解释变量；xit为既随个体变化又随时间变化的影响效率差异的因素，为解释变量；zi为只随个体变化不随时间变化的影响效率差异的因素，xit，zi为解释变量；β，λ为待估计参数；ui为代表各地个体差异的截距项；vt为代表各年度差异的截距项；εit为既随时间变化又随个体变化的随机干扰项。本文中，森林覆盖率(x7)在5年内的统计值没有发生变化，为只随个体变化不随时间变化的因素，其他8个影响因素为既随个体变化又随时间变化的因素。

具体选择固定效应模型还是随机效应模型需要通过相关检验确定。

2 研究结果 2.1 效率的测算结果

利用DEA2.0软件中基于投入角度的Malmquist不变规模效率DEA模型，得到31个省级单位2009—2013年效率变化趋势如图 1所示。从图 1可以看出，各个省的效率变化趋势并不相同，上海、浙江、重庆、广东、福建等地处于相对平稳的高效率位置，江西、四川、河北、山西、广西、湖南处于相对平稳的上升趋势，吉林、天津表现出明显的下降趋势，安徽、北京、甘肃、青海、宁夏、内蒙、山东等地处于低位平稳状态，其他省的波动则较大，表现出明显的不稳定性。引起波动的主要原因是各年投入资金的不稳定，而随着投入资金的变化，产出没有相应变动。如天津市从2011年开始投入资金大幅增加，但旅游人数和旅游收入却没有明显的增加，导致资源的利用效率下降；吉林省从2012年开始投入资金大幅增加，但旅游人数和旅游收入增长幅度没有相应的增长，导致资源的利用效率明显下降。

图 1 各地2009—2013年效率变化趋势 Fig. 1 Tourism efficiency trend in 2009-2013 for 31 provinces

从各地2009—2013年旅游效率的平均值(图 2)来看，上海、浙江为有效率状态，重庆接近有效率状态，广东、四川、福建等地的效率较高，达到0.9以上，甘肃、湖北、黑龙江、宁夏、内蒙古等地的效率较低。

图 2 各地2009—2013年旅游效率平均值比较 Fig. 2 Comparison on the year 2009-2013 average tourism efficiency for 31 provinces
2.2 效率的影响因素回归结果

1)模型的检验

利用Stata12.0软件对模型进行回归。首先需要检验个体效应、时间效应是否显著。利用软件自带的固定效应模型回归中个体效率检验工具，得到F(30，116)=11.30，Prob > F=0.000 0，初步判断个体效应显著。进一步利用LSDV方法，在模型(1)中引入30个个体虚拟变量，利用异方差稳健的OLS方法对模型(1)进行回归，发现较多个体虚拟变量在5%水平上显著，从而确定存在显著的个体效应。构造双向效应模型检验时间虚拟变量的回归系数是否同时等于0，得到时间效应检验值F(4，30)=3.8，Prob > F=0.01。在5%的显著水平下，拒绝原假设，说明时间效应显著。

其次需要检验应该选择固定效应模型还是随机效应模型。利用软件中自带的Hausman检验法，得到chi2(9)=15.57，Prob>chi2=0.076 5，这一结果说明，在5%的显著水平下，应该选择随机效应模型。但是这一结果没有考虑异方差性，为此，论文进一步利用Wooldridge(2010)所介绍的异方差稳健的检验法，建立如下辅助回归模型：

$\begin{gathered} {y_{it}} - \hat \theta {{\bar y}_i} = \left({{x_{it}} - \hat \theta {{\bar x}_i}} \right)\beta + \left({{x_{it}} - {{\bar x}_i}} \right)\gamma + \hfill \\ \left[ {\left({1 - \hat \theta } \right){u_i} + \left({{\varepsilon _{it}} - \hat \theta {{\bar \varepsilon }_i}} \right)} \right] \hfill \\ \end{gathered}$ (2)
式中：${\hat \theta _i} = 1 - \frac{{{\sigma _\varepsilon }}}{{{{\left({T\sigma _u^2 + \sigma _\varepsilon ^2} \right)}^{\frac{1}{2}}}}}$；σε，σu分别为模型(1)中ε，u的标准差。

首先对模型(1)进行双向效应的异方差稳健的随机效应估计，得到参数θ^。然后利用OLS估计法对模型(2)进行回归，根据回归结果对γ=0进行检验，得 chi2(8)=10.425 8，Prob > chi2=0.236 4。在5%的显著水平下，不能拒绝原假设，说明随机效应模型更有效。

根据以上检验结果，最终选择双向随机效应模型。

2)模型的估计

利用异方差稳健的GLS估计方法对所建立的随机效应模型进行参数估计，结果如图 3所示。

图 3 模型(1)估计结果 Fig. 3 Estimation result for model (1)

从图 3可知，wald检验值chi2(13)=212.8，在1%水平上差异显著，说明模型是可以接受的。ρ=0.730 5表明总方差中的73%来自个体的方差，说明利用随机效应模型估计是合理的。

模型中，在5%水平下，x1，x3，x7，x8的系数都显著不为零，在10%水平下，x2的系数显著不为零，说明这些变量是影响森林公园旅游效率的重要变量。year3，year4，year5的系数显著不为零，说明时间效应特别明显。

3)模型参数的解释与分析

从图 3可知，x1(人口密度)在5%水平下、x2(城镇化率)在10%水平下对森林公园旅游效率起着显著的正向影响，说明区域居住人口越密集，区域城镇化水平越高，越有助于提高森林公园资源的旅游效率。平均来看，区域每万平方千米增加1万人，能够使森林公园的旅游效率提高0.000 295，城镇化水平提高一个百分点，能够使区域森林公园旅游效率提高0.013 5，这与我国旅游发展的实际相一致。当前我国城镇居民对旅游的需求水平远远高于农村居民。以2013年为例，城镇居民人均出游次数达到3.3，人均消费946.6 元，农村居民人均出游次数只有1.6 次，人均消费518.9 元(国家统计局，2014)。x3(人均GDP)对旅游效率的影响也极为显著，但其符号为负，说明我国森林公园发展的现实情况是，人均GDP对森林公园的旅游效率起着负向的作用，人均GDP每增加1万元，森林公园的旅游效率将下降0.001 36。人均GDP越高的区域，对森林公园的需求越低，这一点与人们的直觉相悖。可能的原因是，本区域居民到本区域内的森林公园从事森林旅游作为一种短途旅游，属于相对廉价的旅游产品，随着人们收入水平的提高，如上海、北京等地居民，开始由跨省及出境的远距离旅游替代的近距离旅游，即用相对高档的旅游产品替代相对低廉的旅游产品，导致对本地森林旅游的需求下降。收入水平对森林旅游需求的影响还需要深入的探讨。x4(高级别旅游资源)对旅游效率的影响不显著，但从x4的符号可知，高级别旅游资源对旅游效率的影响是正向的，即区域内高级别旅游资源越多，越有助于吸引更多的游客，从而提高游客对森林公园的需求。影响不显著的原因可能是用5A景区和世界遗产地代表各省区的旅游资源，与各省旅游资源的实际有一定的误差。x5(森林公园密度)对旅游效率起着正向作用，说明一个区域的森林公园分布越密集，森林公园距离居民区越近，越有利于形成居民对森林公园的有效需求，促进森林公园资源的利用。x6(高等级公路密度)对旅游效率的影响虽然不显著，但从其符号可知，公路越密集，越有助于森林公园旅游效率的提升。x7(森林覆盖率)对森林公园旅游效率具有显著的正向影响，森林覆盖率每提高一个百分点，将使森林公园的旅游效率提高0.005，这说明森林环境质量越来越成为人们选择森林公园的重要考虑因素。x8(资金投入强度)对森林公园的旅游效率具有显著的负向影响。森林公园资金投入强度越大，旅游效率越低。这一结果与经济学理论相悖，可能有2方面的原因：第一，我国森林公园发展中存在着资金利用质量较低或资金浪费的现象，大量的资金投入没有产生效益；第二，用当年投入资金代替固定资产存在一定的误差，投入资金中包括日常管理资金，这一部分资金不属于资本，不会形成生产力。具体是哪一种情况，还需要深层次的分析。x9(劳动力投入强度)对森林公园效率的影响不显著，其影响为负向。这一结果虽然与经济学理论相悖，却是我国森林公园发展中的特有现象。我国森林公园多数是由林场转型而来，转型过程中，需要安置大量的林场职工及其家属，而这些职工和家属中大多数没有相应的旅游专业知识，又不能解雇，较多的职工不能形成生产力，导致职工人数越多，旅游效率越低。

体现年度差异的截距项中，与2009年相比，2010年截距项为负，但不显著，2011，2012，2013年截距项都显著为正，说明2009—2013年5年间，我国森林公园的旅游效率整体表现出显著的上升趋势，且2013年上升的幅度更大。

4)各地森林公园旅游效率形成原因分析

为了进一步探析各地森林公园旅游效率形成的主要成因，把效率得分较高(大于0.8)和较低(小于0.4)的省区在各个影响因素方面的发展情况列出，见表 3(黑体字表示拉高效率的项目，黑体字加斜体表示拉低效率的项目)。从森林公园效率较高的几个地区比较来看，各地获得较高旅游效率的原因并不相同。相对于全国平均值，上海市极其密集的人口、极高的城镇化水平和极为发达的交通是其获得较高效率的主要原因，但其较高的人均GDP、极高的资本和劳动力投入对其效率产生较大的负面影响；浙江省得益于较丰富的旅游资源、极为密集的森林公园分布、较为发达的交通和较高的森林覆盖率；重庆市得益于较为密集的森林公园分布和较为发达的交通，而其较高的资本投入使其旅游效率下降；广东省得益于多项指标的平衡发展、较高的人口密度和城镇化水平、较丰富的旅游资源、密集的森林公园分布和较高的森林覆盖率，以及较低的资本和劳动力投入；四川省得益于极为丰富的旅游资源、较低的资本和劳动力投入，而较低的人口密度和城镇化水平使其旅游效率下降；福建省得益于较为密集的森林公园分布、较高的森林覆盖率、较低的资本和劳动力投入；江西省得益于较为密集的森林公园分布、极高的森林覆盖率以及较低的劳动力投入；河北省主要是资本和劳动力投入极低。从森林公园旅游效率较低的几个省级单位比较来看，各个省级单位旅游效率较低的原因有共性，也有差异。其中，山东、海南和湖北3省的情况比较特殊，山东省森林公园分布极为密集，交通极为发达，其他指标接近全国平均水平；海南省的森林覆盖率高于全国平均水平，其他指标发展水平接近全国平均水平；湖北省的交通水平远高于全国平均水平，而其他指标的发展水平接近全国平均水平。这3个省的森林公园旅游效率的期望值都应该高于全国平均水平，而其实际旅游效率均较低，直接原因是旅游人数较少，深层次的原因还需要进一步研究。其他几个旅游效率较低的省区在人均GDP、资本投入、劳动力投入等几个指标上的发展水平都较低，但不是拉低效率的原因，主要原因是在正向指标上的得分较低。陕西省在人口密度、城镇化水平、森林公园分布密度、交通水平等方面的发展水平都较低；甘肃省在人口密度、城镇化水平、旅游资源、森林公园分布密度、交通水平、森林覆盖率等方面的发展水平都远低于全国平均水平；黑龙江省虽然森林资源丰富，森林覆盖率较高，但其人口密度和森林公园密集度、交通发展水平都远低于全国平均水平，导致森林公园旅游效率较低；宁夏的森林资源和旅游资源都较缺乏，人口少，居住分散，经济发展水平低，交通建设滞后；内蒙古自治区的森林资源丰富，城镇化水平也较高，但由于其区域面积广阔，使人口密度和森林公园分布密度都极低，交通发展水平也远低于全国平均水平。

表 3 森林公园效率影响因素发展比较 Tab.3 Comparison of factors influencing forest park efficiency
3 结论与建议

本文以我国大陆31个省(区、市)2009—2013年的年度数据为基础，测算了各省森林公园的旅游效率，并对效率差异的原因进行了定量分析，得出的主要结论与建议如下。

第一，总体上看，与2009年相比，我国森林公园资源旅游利用的效率自2011年有显著提升，尤其是2013年效率提升幅度更大，比2009年提高了26%。

第二，各省之间森林公园的旅游效率存在较大的差异，上海、浙江最好，森林资源实现有效利用；而内蒙古、宁夏、湖北、黑龙江、甘肃森林公园的旅游效率较低，不到0.4，说明相对于上海、浙江两地区，这些地区森林公园资源的旅游效率不到40%，造成资源的极大浪费。

第三，对部分省区来说，各年度森林公园旅游效率的表现差异较大。有些省区表现出稳定上升的良好状况，而有些却表现出下降或起伏波动较大的不稳定状况，如天津、吉林等省区主要是由于资金投入的不稳定以及资金投入没有转化为现实生产力所致。

第四，从效率的影响因素来看，地区人口密度、城镇化率、旅游资源水平、森林公园密度、交通发展水平对森林公园的旅游效率起着正向的影响作用，说明随着人口居住密集度、城镇化水平的提高，森林公园资源的旅游效率将会提升。区域旅游资源与森林公园资源的利用效率是正向关系，作为省区的林业部门，要把旅游作为一个系统工程，把森林公园旅游开发与区域大旅游结合起来，充分利用外部的资金、人才、技术、营销、公共服务等各类资源，提高区域森林公园的旅游效率。森林公园密度、交通发展水平与森林公园旅游效率呈正向关系，说明便利性和可达性是影响居民对森林公园需求的重要因素。

第五，森林公园的资金投入强度与森林公园的旅游效率形成显著的负相关系，这一结果表明，我国较多森林公园的发展已经不是缺乏资金的问题，而是资金不能得到有效利用的问题。提升资金的使用效率，把资金用于改善基础设施、改进劳动力质量、提高森林公园管理的技术水平等方面将是未来森林公园管理中面对的重要课题。

第六，多数省区森林公园的旅游效率由模型得到较好的解释；但各个地森林公园旅游效率还受到区位等个体因素的显著影响，形成的原因存在显著的个体差异，效率提升的措施也不尽相同。总体上，经济发达的区域人口密度大，需求水平高，交通水平和资本水平都比较高，旅游效率的提升面临着如何有效利用资金、节约资金利用成本的问题；经济极为发达的地区面临着如何吸引本地居民在本地消费、降低本地区旅游需求向区域外甚至境外流动的问题，发展水平较低的中西部地区最大的问题是本地区人口需求水平低，交通发展水平低，资金和劳动力投入水平低。资金和劳动力投入水平低，虽然能够提高森林公园的效率，却不利于森林土地资源的利用，提高交通水平和森林公园投资水平，增加对区域外居民的吸引力是中西部经济落后区域提高森林公园效率的方向。山东、海南、湖北3地森林公园的旅游效率与模型预测的期望值相差较大，森林公园所接待的旅游人数低于其应有的水平，具体的原因还需要做进一步的深入探讨。

本文是基于现有统计数据对我国森林公园效率及其影响因素进行的初步研究，由于旅游业发展的复杂性和现有统计数据的不完整性，研究结论与现实发展可能会存在一定的差异，一些问题需要进一步深化、完善与证实。如人们一般认为我国森林公园发展普遍缺乏资金，资金充足的森林公园旅游效率也应该高，但本论文得出的结论是森林公园资本投入强度与旅游效率呈显著的负相关，这一结论与人们的直觉认识相悖，是否揭示了我国森林公园发展中存在的问题还有待于更进一步的证实性研究。又如，论文得出森林公园旅游效率与本区域居民的收入存在显著的负向关，揭示随着收入的增加，居民对森林旅游的需求会由区域内转向区域外或境外，旅游收入如何影响居民对森林旅游的需求也需要深入研究。另外，随着时间的发展，各地的森林公园效率会如何变化，也是以后的研究中需要继续关注的问题。

参考文献(References)
[1] 陈松, 李吉跃, 姜金璞, 等.2007.鹫峰国家森林公园客源市场及游客行为特征研究.河北林果研究, 22(1):1-6.
(Chen S, Li J Y, Jiang J P, et al. 2007. Study on tourist market and characters of tourists' behavior in Jiufeng National Forest Park., Hebei Journal of Forestry and Orchard Research, 22(1):1-6.[in Chinese])(1)
[2] 董雪旺, 张捷, 刘传华, 等.2011.条件价值法中的偏差分析及信度和效度检验.地理学报, 66(2):267-278.
(Dong X W, Zhang J, Liu C H, et al. 2011. Bias analysis and reliability and validity test in contingent valuation method: a case study of assessment of Jiuzhaigou's recreational value., Acta Geographica Sinica, 66(2):267-278.[in Chinese])(1)
[3] 国家林业局场圃总站. 2014.2013年度森林公园建设经营情况. http://www.forestry.gov.cn/portal/slgy/s/2452/content-669504.html.
(Garden Station of State Forestry Administration.2014. The operation situation of chinese forest parks in 2013.http://www.forestry.gov.cn/portal/slgy/s/2452/content-669504.html.[in Chinese])(1)
[4] 国家林业局计财司.2014.2013年全国林业统计年报分析报告. http://www.forestry.gov.cn/main/225/content-677457.html.
(Planning and Accounting Department of State Forestry Administration.2014.Analysis Report of the Nationwide Forestry Statistics annual report in 2013. http://www.forestry.gov.cn/main/225/content-677457.html.[in Chinese])(1)
[5] 国家统计局.2014.旅游业发展情况.中国国家统计局官方网站. http://data.stats.gov.cn.
(Chinese Naitonal Statistic Bureau.2014.Tourism development situation. http://data.stats.gov.cn.[in Chinese])(1)
[6] 黄秀娟.2009. 旅游目的地国际旅游竞争力决定因素研究: 理论与实证. 北京:中国出版集团现代教育出版社.
(Huang X J.2009.Research on the factors of determining international tourism competitiveness of destination: theory and evidence.Bejing: Modern Education Press of Chinese Publication Group.[in Chinese])(1)
[7] 黄秀娟.2011.中国森林公园旅游发展效率的比较与分析.林业科学, 47(12):22-27.
(Huang X J.2011. Comparison and analysis on the tourism efficiency of forest parks in China. Scientia Silvae Sinicae, 47(12):22-27[in Chinese]).(2)
[8] 黄远水.2005.风景名胜区旅游竞争力研究.天津:天津大学博士学位论文.
(Huang Y S.2005.Study on the tourism competitiveness of scenic spot.Tianjin:PhD thesis of Tianjin University[in Chinese]).(1)
[9] 里奇, 克劳奇.2006.旅游目的地竞争力管理.天津:南开大学出版社.
(Ritchie J B, Crouch G I.2006. Management on the tourism competitiveness of destination. Tianjin:Nankai University Press.[in Chinese])(1)
[10] 罗明春, 罗军, 钟永德, 等.2005.不同类型森林公园游客的特征比较.中南林学院学报, 25(6):110-115.
(Luo M C, Luo J, Zhong Y D, et al.2005. A comparative study of visitor characteristics in different types of forest parks. Journal of Central South Forestry University, 25(6):110-115[in Chinese]).(1)
[11] 马晓龙, 保继刚.2007.基于DEA 的中国国家级风景名胜区使用效率评价.地理研究, 28(3):838-848.
(Ma X L, Bao J G.2007. Evaluating the using efficiencies of Chinese national parks with DEA. Geographical Research, 28(3):838-848.[in Chinese])(1)
[12] 潘竟虎.2013.中国国家森林公园空间可达性测度.长江流域资源与环境, 22(9):1180-1187.
(Pan J H.2013.Measurements for spatial accessibility of national forest parks in China. Resources and Environment in the Yangtze Basin, 22(9):1180-1187.[in Chinese])(1)
[13] 吴楚材, 邓金阳, 李世东.1992.张家界国家森林公园游憩效益经济评价的研究.林业科学, 28(5): 423-430.
(Wu C C, Deng J Y, Li S D.1992.Economic evaluation for recreation benefit of Zhangjiajie national forest park. Scientia Silvae Sinicae, 28(5): 423-430.[in Chinese])(1)
[14] 许诺安, 颜磊, 许学工.2009.张家界国家森林公园客源市场的空间特征与潜力研究.旅游论坛, 2(6):911-916.
(Xu N A, Yan L, Xu X G.2009. Research on spatial pattern and potential of tourist market for Zhangjiajie national forestry park. Tourism Forum, 2(6):911-916[in Chinese]).(1)
[15] 徐雁南, 徐超.2007.中山陵风景区城市森林生态旅游综合效益分析评价.南京林业大学学报:人文社会科学版, 17(4):86-90.
(Xu Y N, Xu C.2007. Benefit analysis and evaluation of urban forest-based eco-tourism in Sun Yat-sencs Mausoleum Scenic Spot. Journal o f Nanjing Forestry University (Humanities and Social Sciences Edition), 17(4):86-90[in Chinese]).(1)
[16] Allan S M, Joseph G M, Hans M G.1980. Benefit-cost analysis of Voyageurs National Park. Evaluation Review, 4(6):715-738.(1)
[17] Bosetti V, Locatelli G. 2006.A Data envelopment analysis approach to the assessment of natural park's economic efficiency and sustainability: The case of Italian natural parks. Sustainable Development, 14(1): 277-286.(1)
[18] Brasington D M, Hite D.2005.Demand for environmental quality: a spatial hedonic analysis. Regional Science and Urban Economics, 35(1):57- 82.(1)
[19] Collie.1996. A Guide to DEAP Version 2.1: A Data envelopment analysis(Computer)program.http: www.une.edu.au/econometrics/cepa.htm.(1)
[20] Douglas A, Johnson R L. 1992. Congestion and recreation site demand: a model of demand-induced quality effects. Journal of Environmental Management, 36(1): 201-213.(1)
[21] Fuentes L M, Ignacio G G, Morini S M. 2012. Measuring efficiency of Sun & Beach tourism destinations. Annals of Tourism Research, 2012, 39(2):1248-1251.(1)
[22] Kao C, Yang Y C. 1991. Measuring the efficiency of forest management. Forest Science, 37(5):1239-1252.(1)
[23] Lehtonen E, Kuuluvainen J, Pouta E, et al.2003.Non-market benefits of forest conservation in southern Finland. Environmental Science & Policy, 6(3):195-204.(1)
[24] Lindhjem H.2007.20 years of stated preference valuation of non-timber benefits from Fennoscandian forests: A meta-analysis. Journal of Forest Economics, 12(4): 251-277.(1)
[25] Liston H C, Heyes A. 1999.Recreational benefits from the Dartmoor National Park. Journal of Environmental Management, 55(1): 69-80.(1)
[26] Marrocu E, Paci R.2010.They arrive with new information. Tourism flows and production efficiency in the European regions. Tourism Management, 31(1): 1-9.(1)
[27] Wooldridge J.2010.Econometric Analysis of Cross Section and Panel Data.2nd Edition.Cambridge, MA:MIT Press.(1)