第 4 章 酒店碳排放效率的测算
4.1 引言
有关调查显示，我国酒店服务业的整体能源消耗和 CO2排放量较高，且酒店档次越高，其能耗和 CO2排放量也就越多，已经逐渐成为旅游业中的“碳排放大户”,需要引起社会各界的广泛重视，采取积极有效的调控措施。但是由于酒店规模的不同，不同酒店的 CO2排放量差异较大，仅从数量上无法进行直观的比较，因此，本文基于投入与产出平衡的角度，采用 DEA 分析方法，来比较不同酒店的碳排放效率，更具有现实意义。
4.2 研究方法
4.2.1 DEA 方法的基本原理
数据包络分析方法（Data Evelopmet Aalysis,DEA）于 1978 年由着名运筹学专家 Charnes、Cooper 和 Rhodes 首次提出。该方法的主要原理：在维持输入或输出不变的前提下，利用数学规划和统计数据，构建相对有效的生产前沿面，然后将所有决策单元投影到生产前沿面，通过比较它们的偏离程度来获得决策单元的相对效率，进而评价其有效性。该方法主要用于分析同类型部门间的效率差异。
决策单元（Decision Making Unit,DMU）是指同类型或者同质的个体，具有三种共同的特征：投入和产出指标相同、目标相同、外部环境相同。用图和符号来表示 DEA 计算过程如下，见图 4.1.
如图 4.1 中，共有 n 个决策单元，DMUi代表第 i 个决策单元，i=1,2……，n;共有 m 种投入和 k 种产出。Xi=[X1i,X2i……Xmi]代表第 i 个决策单元的 m 种投入，同理，Yi=[Y1i,Y2i……Yki]表示第 i 个决策单元的 k 种产出。k=[V1,V2,……，Vm]表示 m 种投入指标的权重，k=[k1,k2,……，km]表示 k 种产出指标的权重。
DEA 分析方法的主要优点：首先，由于 DEA 是采用指数指标数据对客观数据的评价，因此排除了人为因素的干扰；其次，可以给出非有效的原因和程度。缺点是只能比较决策单元的相对发展水平，不能准确描述其实际发展状况。
4.2.2 传统 DEA 模型DEA 方法的模型很多，其中最为普遍的两个基本模型是 CCR 模型和 BCC 模型。主要模型有如下几种[41]:
（1）CCR 模型
CCR 模型也称 CRS 模型，是以保持规模效率不变为前提，是 DEA 方法中的第一个模型，也是最经典的模型。其假设条件为规模收益不变。CRS 模型假设有 n个决策单元，每一决策单元均有 r 种产出与 m 种输入，其中，yij表示第 j 种决策单元中，与第 i 种类型输入对应的产出总量；xsj表示第 j 种决策单元中，与第 s 种类型输入对应的投入总量；ui表示第 i 种类型输出的权重比例系数；vs表示第 s 种类型输入的比例系数。各个决策单元均有其效率评价指数，如模型 4.1.其中，hj≤1,即 DEA 方法中，透出产出效率不能大于 1.
（2）BCC 模型
由于 CCR 模型的前提条件是规模收益不变，因此不能求出 BBC 模型中的规模效率。BBC 模型是在 CCR 模型的基础上，加入规模报酬可变的约束条件∑λj=1,λj≥0,λj=1,2…，n 演变而来，主要用于分析决策单元的技术有效性。见模型 4.5.
4.3 结果分析
4.3.1 酒店碳排放效率计算结果
采用酒店年耗水量、耗电量和耗煤量作为产出指标，结合投入指标建筑面积、客房数和从业人员数，利用软件 DEAP2.1 分别对所选样本数据进行 B2C 模型、C2R模型的 DEA 计算，得出各个酒店的技术效率（Technical Efficiency,TE）、纯技术效率（（Pure Technical Efficiency,PTE）和规模效率（Scale Efficiency,SE）等相关结果，然后进行比较与分析，其计算结果与分析如下。
由表 4.2 和表 4.3 可知，无论是总效率（即技术效率），还是分效率（即纯技术效率和规模效率），不同酒店间的水平相差较大。28 家酒店中，技术效率有效的酒店为 9 个，占参与计算的所有酒店的 32%.其它 19 个酒店的技术效率无效，占到酒店总数的 68%.所有酒店的碳排放效率中最小值是 0.29.技术效率平均值为 0.701,标准差是 0.258,说明酒店之间技术效率值相差较大，分布不均匀。其中，13 个酒店的技术效率值高于平均值，占到酒店总数的 46.43%,其余酒店的技术效率值均小于该平均值。
计算结果表明，在给定的酒店低碳发展资源投入条件下，仅有少数酒店达到了技术效率最大化，大部分酒店的技术效率水平还存在提升的空间。从平均水平上看，仅有 32%的酒店获得了有效率，高达 68%的酒店处于无效率状态。说明该时期景区酒店在节能减排过程中，对资源的利用能力较差且管理水平较低，存在较大的浪费和不经济性，相关统计信息见表 4.3.
在酒店的分解效率中，纯技术效率有效的酒店为 15 家，无效的酒店有 13 家，分别占到 28 家酒店总数的 54%和 46%.相比技术效率有效和规模效率有效的酒店而言，达到纯技术效率有效的酒店个数最多，说明该时期酒店低碳经营及管理中，对现有技术的利用能力较强。纯技术效率的最小值为 0.35,高于技术效率。其平均值为 0.830,高于该平均值的酒店共 18 家，占到酒店总数的 64.29%,其余 10家酒店的碳排放纯技术效率低于该平均值。纯技术效率的标准差为 0.237,说明其分布不均、差距较大。计算结果表明：该时期酒店低碳经营中，对现有技术的利用水平较高，通过对技术水平的充分发挥得到了较好的纯技术水平。但从总体来看，尽管一半以上的酒店实现了纯技术有效，但不同酒店之间的差距较大。如税苑山庄的纯技术效率值仅为 0.35,说明该酒店在未来的低碳经营中对现有技术水平的利用程度仍存在 65%的提升空间。从平均水平看，每个酒店对现有技术水平都存在 17%的利用空间，预示着若进一步提高现有技术水平，仍可带动碳排放效率水平的提升。
达到规模效率有效和达到技术效率有效的酒店个数相同，均为 9 家，占到酒店总数的 32%.其余 19 家酒店的规模效率无效。相比较技术效率和纯技术效率而言，规模效率的最小值和平均值都较高。其平均值为 0.854,有 18 家酒店高于该平均值，占到酒店总数的 64.29%,其余 9 家酒店均低于该平均值。同时，三种效率值中，规模效率的标准差最低，说明其分布相对前二者较集中。可见，该时期大多数酒店的资源投入规模得到相对较好的发挥。
4.3.2 发展阶段特征
规模收益（Return to Scale,RS）是指当所有投入要素同比例增加时对总产量的影响程度。主要包括：规模收益不变（Constant Returns to Scale,CRS）、规模收益递减（Decreasing Returns to Scale,DRS）和规模收益递增（Increasing Returnsto Scale,IRS）。其中，规模收益不变是指产出与投入按同等比例变化；规模收益递减，说明随着酒店规模的增大，其生产效率反而在下降；规模收益递增，即增加生产规模，其规模收益也会随之增加。
通过表 4.2 可发现，9 家技术效率完全的酒店均处于规模收益不变的状态，占酒店总数的 32%.五峰宾馆、栖贤阁、友谊宾馆、锦绣山庄、金都山庄、云龙宾馆、云峰宾馆、龙华宾馆、银馨宾馆和鑫运泽宾馆等 10 家酒店已经进入规模收益的递减阶段，说明这些酒店的要素投入已经超过其消化能力，造成了一定程度的资源冗余，并从规模上妨碍了酒店的进一步壮大。因此该类酒店应减少要素投入，同时提高对现有技术和资源的利用水平，来进一步推动酒店的低碳发展。其余 9家酒店的规模收益递增，占酒店总数的 32%.这类酒店的资源投入尚未实现酒店收益最大化，仍可通过扩大要素和资源投入来获得更高的碳排放效率。
从处于规模收益递减阶段酒店的规模特征上看，除银馨宾馆和鑫运泽宾馆，其它 8 家酒店的酒店等级和规模均较高；处于规模收益递增阶段的酒店中，除龙泉山庄，剩下 8 家酒店的规模相对较小。可见，同一地理区域内酒店所处阶段与酒店的等级与规模相关性较强，即发展尚未形成规模的酒店相比规模较大的酒店更可能处于收益递增阶段，而高规模酒店更可能处于规模收益递减状态。这种现象产生的原因在本质上由我国现阶段酒店发展的内在属性决定，即高规模和等级的酒店相比规模较小的酒店拥有更多的资源和要素，较多的资源投入容易造成资源冗余和拥塞，进而更快步入规模收益递减状态。
根据以上分析，并参考相关文献研究成果，可得到酒店发展阶段的第一个特征：等级规模较高、发展相对成熟的酒店更容易进入酒店发展的规模递减阶段。
4.3.3 分组分布特征
为了对 2014 年五台山景区酒店三种效率值进行全面分析，本文以 0.25 的效率值间隔作为步长，对不同区间展开描述，分组统计特征见表 4.4.从表中可知，酒店的技术效率及其分效率在不同区间的差异显着。
（1）技术效率分组特征
在技术效率的分组中，效率值低于 0.25 的酒店为 0;效率值介于 0.25≤X<0.5区间的酒店数量最多，共有 10 家，占酒店总数的 35.71%;介于 0.5≤X<0.75 和0.75≤X<1 的酒店数分别为 5 家和 4 家，差异不明显。效率值为 1 的酒店数也较多，为 9 家，占酒店总数的比例也高达 32.14%,其分布呈现高-低-高的“双峰单谷”结构。从总数上看，介于 0.25≤X<0.75 区间和介于 0.75≤X≤1 区间的酒店个数基本持平，占酒店总数的比例差距也微乎其微，如图 4.2 所示。总体而言，五台山景区酒店的技术效率水平不高，两级分化现象严重。
基于对景区酒店发展阶段和特征分析，可以得出解释：究其原因可能主要是五台山部分景区酒店发展较为成熟，已经基本完善了酒店基础设施建设，经营中的资源投入正在逐渐降低，同时对各种资源的利用水平相对较高，已经步入低碳开发的“低投入，高产出”阶段。但仍有超过半数酒店的技术效率不高，处于“高投入，低产出”或者“中投入，低产出”阶段，对各类资源的利用能力较低是制约这些酒店低碳发展的主要因素。
（2）纯技术效率分组特征
由表 4.3 可以看出，在技术效率的分解效率中，纯技术效率值皆分布在 0.25以上的区间内，其中，介于 0.25≤X<0.5 的酒店为 6 家，占酒店总数的 21.43%;介于 0.5≤X<0.75 和 0.75≤X<1 分别为 2 家和 5 家，共占酒店总数的 25%;纯技术效率值为 1 的酒店最多，达 15 家，占酒店总数的 53.57%.总体上看，其分布呈现出“单峰”的结构特征，即处于纯技术效率最高的酒店个数最多，超过总数的一般。而处于其它分布区间的酒店相对零散，且个数较少，见图 4.3.受此影响，景区酒店纯技术效率相对较高。
这个结构特征说明大多数酒店对现有低碳技术的利用能力较高。但仍有为数较少的酒店其效率值偏低，对现有技术的利用能力差是制约酒店低碳发展的关键因素。总体而言，景区酒店技术利用水平较高。从景区酒店发展的阶段和特征分析，本文所选酒店其注册资本都在 100 万元以上，其酒店规模和等级也相对较高，发展已趋向成熟，因此更有实力和机会接触并学习先进的科学技术，并应用到酒店低碳管理实践中。但与此同时，由于这些酒店本身特质的差异及发展的不平衡性，导致对先进技术的利用水平和应用能力亦会有所区别，这也是纯技术效率水平差异明显的主要原因。
（3）规模效率分组特征
规模效率中，介于 0.25≤X<0.5 区间和 0.5≤X<0.75 区间的酒店个数分别为2 家和 5 家，各占酒店总数 7.14%和 17.86%;介于 0.75≤X<1 区间的酒店多达 12家，占酒店总数的 42.86%;规模效率值为 1 的酒店为 9 家，这 9 家酒店的技术效率值同时也为 1,占酒店总数的 32.14%.随着区间的升级，规模效率值较高的酒店个数也在增多，其分布呈现出从低到高的倒金字塔式结构，规模效率值越高，酒店个数越多；规模效率值越低，酒店个数越少，如图 4.4 所示。
这个结构特征说明大多数酒店的资源投入达到规模有效，大多数酒店的资源规模投入处于中等偏上水平。从所选酒店发展的阶段及特征分析，随着酒店发展规模的扩大和经济实力的提升，用于支持酒店低碳发展的资源投入也在不断扩大，表现出遍地开花的盛景。但同时由于酒店发展的不平衡性，酒店对各类资源的投入能力亦存在较大差别，这种差别又会导致不同等级酒店对低碳资源需求能力的不同。规模等级较高的酒店由于客流量较大及客户需求较高，对低碳资源的投入也会较多；反之亦然，低等级规模酒店的资源投入也会相对较少。总体上看，大多数酒店的经济实力尚不满足酒店对各种资源的诉求，尚存在进一步提升的空间。
对技术效率、规模效率和纯技术效率的区间分布进行分析（见表 4.4 和图 4.5），结果表明：三种效率值的区间分布差异明显，在 0.25≤X<0.5 区间，三种效率酒店个数分别为 10、6、2;在 0.75≤X<1 区间，酒店个数则分别为 4、5、12.但是，在各效率的分布上，效率值较高的酒店个数在不同区间的结构特征不同，如技术效率的峰值出现在低峰值区间上（0.25≤TE<0.5），纯技术效率和规模效率的峰值则分别出现在效率值较高的区间上，即分别位于 PTE=1 区间和 0.75≤SE<1 区间。结合效率值的分布特征和效率分解的意义可知，影响不同酒店技术效率的主要因素不同，因此针对不同类型酒店应采取有针对性措施来提高酒店碳排放效率。
综合以上分析结果可得出景区酒店碳排放效率的第二个特征：景区酒店碳排放水平呈现出“两级高，中间低”的特征，分化现象明显。总体上看，技术效率水平不高。但是各分解效率水平较高，效率峰值均出现在效率值较高的区间，差异不明显。
4.3.4 分解效率对技术效率的贡献
（1）基本原理
根据 DEA效率评价原理，规模效率值和纯技术效率值的乘积等于技术效率值。
因此，技术效率必然与其各分解效率互相制约和影响。为了能找出两分解效率对技术效率的制约程度和影响机制，并分析产生这种影响的原因，本研究通过建立技术效率与纯技术效率、技术效率与规模效率之间二维有序的对应散点图，然后根据散点图内散点位置来分析各分解效率与技术效率之间的关系。散点图中，横坐标为酒店技术效率值，纵坐标为对应的分解效率值。由于技术效率等于各分解效率的乘积，且各分解效率值均小于或等于 1,因此，技术效率值不会大于 1.所以散点不会位于正方形对角线以下位置。同时散点越接近对角线，分解效率对技术效率的影响和制约程度越大；散点离对角线越远，则该分解效率对技术效率的制约和影响程度越小。
（2）评价结果
根据五台山景区 28 家酒店碳排放效率的计算结果，可以用散点图来表现酒店技术效率与其分解效率之间的关系，见图 4.4.
从图 4.6 可以看出，两幅图中均有很多散点围绕对角线散落，根据散点图的意义可知，两种分解效率和技术效率的关系都较为密切，说明两种分解效率均可以在一定程度上解释技术效率。同时由于技术效率值和规模效率值等于或接近 1 的酒店个数均较多，同时两幅图中都有很多散点位于散点图顶部区域，使得这些散点偏离对角线程度严重。总体而言，两幅图的散点分布较为相似，但又有局部差异，比较而言，纯技术效率值的散点更接近对角线。换言之，即纯技术效率对技术效率的制约和影响程度略微强些。
通过研究分解效率对技术效率的贡献，可得到本研究的第三个特征：即技术效率受到各分解效率的综合影响和制约，其中，纯技术效率对技术效率的影响和制约程度略高于规模效率。
