第 5 章 酒店碳排放效率的典范对应分析
5.1 引言
第四章从酒店碳排放效率高低、发展阶段特征、效率值分组分布特征和分解效率对技术效率的贡献四方面对 DEA 计算结果进行了分析。其中，影响酒店碳排放效率的关键性指标有 7 个，分别为客房数（Room Number,RN）、从业人员数，即员工数（Staff Number,SN）、建筑面积（Floor Area,FA）、耗煤（Coal,C）量、耗水（Water,W）量、耗电（Electricity,E）量、注册资本（Registered Capital,RC）。那么不同指标对不同酒店类型以及三种效率类型的影响程度是否一样呢？
为了解决这个疑惑，本章将利用典范对应分析来阐释不同指标对酒店碳排放效率影响的重要性及二者之间的关系。
5.2 研究方法
为了准确分析关键性影响指标与酒店碳排放效率之间的关系，本章将运用双向指示种分析方法（Two-Way Indicator Species Analysis,TWINSPAN）和典范对应分析方法（Canonical Correspondence Analysis,CCA），研究 7 个关键性指标对酒店碳排放效率的影响和制约程度，从而提出更有针对性的管理建议。至于双向指示种分析方法和典范对应分析方法的基本原理见文献（张金屯，2004）[64].
首先，利用 28 家酒店的技术效率、规模效率和纯技术效率值组成 28×3 维的数据矩阵，运用 TWINSPAN 对该矩阵进行运算，以识别不同碳排放效率的酒店类型。
其次，利用酒店耗水量、耗电量、耗煤量、注册资本、建筑面积、从业人数和客房数 7 种指标值组成 28×7 维的数据矩阵，并结合上述 28×3 维的数据矩阵，进行 CCA 分析，以揭示 7 个关键性指标对酒店碳排放效率的影响程度。
5.3 结果分析
5.3.1 TWINSPAN 结果
由图 5.1 可知，TWINSPAN 把 28 个酒店样本划分为 4 组，分别代表 4 种酒店类型。Ⅰ组包括酒店 4、5、10、14、15、16、17、19 和 25,共 9 家酒店。Ⅱ组包括酒店 2、6 和 8,共 3 家酒店。Ⅲ组包括酒店 11、12、13、18、20、21、22、27和 28,共 9 家酒店。Ⅳ组包括酒店 1、3、7、9、23、24 和 26,共 7 家酒店。图中 N 代表每一分组的样本数，Di代表第 i 次划分，“+”、“-”分别代表增减指示因子（“+”代表从左到右指示因子值依次增加、“-”代表从左到右指示因子值依次降低），数字为酒店序号。第一次划分的指示因子是 TE,第二次划分的指示因子亦是 TE,第三次划分的指示因子是 PTE.
根据不同酒店样本的三种效率指标值，计算 4 组类型相应的平均值，可以反映不同酒店类型碳排放效率的差异（表 5.1）。结合表 5.1 和上述指示因子可知，第Ⅰ组和第Ⅱ组的三种效率值均较高，说明这些酒店的碳排放效率较高，酒店的低碳经营管理水平较高，同时在低碳资源的规模投入上发挥地较好。与此相反，第Ⅲ组和第Ⅳ组的碳排放效率则较低，对现有技术的利用水平不高，且资源投入规模中存在着较大的浪费，从而造成酒店经营过程中温室气体排放较严重，碳污染现象明显。
在第Ⅰ组和第Ⅱ组之间，结合样本对指示因子 1（技术效率）的差异可知，第Ⅰ组皆为技术效率完全有效的酒店。这些酒店的碳排放效率高于其它酒店，值得其它酒店借鉴和学习。相比第Ⅰ组酒店，第Ⅱ组酒店的三种效率值相对较低，但明显高于后两组，说明这些酒店在减少碳排放实践中做的较好，碳排放效率较高，但仍有提升的空间。
至于第Ⅲ组和第Ⅳ组之间的差异，可以根据指示因子 2（纯技术效率）的大小来反映。第Ⅲ组的纯技术效率相对较低，而规模效率却高于第四组。说明这类酒店在经营过程中，对现有低碳技术的利用水平较低，但对低碳资源的投入规模上控制得较为合理。未来应着重提升低碳技术利用能力。与此相反，第Ⅳ组应尽力避免投入资源中存在的浪费与不经济现象，加强对资源的利用能力，实现规模经济。
根据四组酒店类型三种效率值的差异水平，可以总结其相关特征。第Ⅰ组酒店的碳排放效率最高，酒店低碳经营发展较好。第Ⅱ组酒店的低碳发展目前状况良好，但仍有提升的空间。第Ⅲ组和第Ⅳ组酒店的碳排放效率则较低，未来应大力改善，有意识走酒店低碳发展之路。不同的是，第Ⅲ组酒店应进一步提升对现有低碳技术的利用水平，第Ⅲ组酒店应尽力避免资源投入规模上的浪费和不经济。
通过 TWINSPAN 分类，我们根据不同酒店的碳排放效率水平将其分为四类：
其中，第Ⅰ组属于碳排放效率完全型酒店，三种效率值皆为 1,节能减排工作做的最好，这类酒店有 9 家，占酒店总数的 32.14%.第Ⅱ组酒店有 3 家，占酒店总数的 10.71%,它们的三种效率值虽然也都较高，但不是同时为 1,说明它们节能减排做的相对较好，但仍有提升的空间。因此，第Ⅱ组属于碳排放效率较高型酒店。
第Ⅲ组和第Ⅳ组属于碳排放效率较低型酒店，分别有 9 家和 7 家，各自占酒店总数的 32.14%和 25%,它们的碳排放效率值较低，需要在酒店管理中严格进行节能减排工作，其中，第Ⅲ组属于纯技术效率最低型酒店，未来应重视和提升对现有技术的利用水平；第Ⅳ组属于规模效率最低型酒店，今后应着重改善资源的投入规模。
5.3.2 CCA 结果
（1）基于碳排放效率的酒店类型的 CCA 分析
图 5.2 是关键性指标与不同酒店类型的 CCA 排序。表 5.2 是 7 个关键性指标与 CCA 第一轴、第二轴之间的相关系数和典范系数。由图 5.2 可知，四组类型分布在排序图中的不同空间范围。酒店碳排放效率较高的第Ⅰ组和第Ⅱ组分布于排序图的第四象限，即右下方；而碳排放效率较低的第Ⅲ组和第Ⅳ组则位于排序图的上方，其中，纯技术效率最低的第Ⅲ组主要分布于第三象限，规模效率最低的第Ⅳ组主要分布于第一象限。
至于 7 个关键性指标与不同酒店类型之间的关系，首先，从各指标分布的象限看，客房数、从业人员数和建筑面积位于第一象限，对第Ⅳ组的碳排放效率有较大影响。耗煤量、耗水量、耗电量和注册资本位于第四象限，对第Ⅰ组和第Ⅱ组的碳排放效率有明显的影响。其次，不同指标与排序轴之间的夹角可反映其间的关系。酒店耗煤量、耗水量、耗电量和建筑面积的指示线与第一轴之间的夹角都较小，表明它们之间的关系较为密切。客房数、从业人员数、以及注册资本的指示线位置较为接近两轴对角线，它们与第一轴、第二轴之间夹角大致相等，说明这三个指标与第一轴和第二轴的关系均大致相同。第三，从相关系数和典范系数看（表 5.2），CCA 第一轴与耗煤量、耗水量、客房数、建筑面积和从业人员数之间的相关系数和典范系数都较大，说明第一轴综合了各种指标的信息，沿第一轴从左向右不同酒店的耗煤量和耗水量在不断增加，客房数和建筑面积逐步增多，从业者人数也逐渐增加。CCA 第二轴与客房数和从业人员数之间的相关系数和典范系数较大，说明沿第二轴从下向上不同酒店的客房数和从业者人数都趋于增加。
第四，从不同指标的线段长度看，与第一轴密切相关的诸多指标中，客房数、耗煤量、耗水量、从业人员数、建筑面积的线段长度都较长，而耗电量则最短。与第二轴关系较大的指标中，客房数和注册资本的线段长度较长。这些指标的线段长度大小与它们和第一轴、第二轴的相关性相吻合（表 5.2）。
在这些指标的综合作用下，沿第二象限和第四象限的对角线，酒店碳排放效率的类型由纯技术效率最低的第Ⅲ组酒店逐步向规模效率最低的第Ⅳ组酒店、碳排放效率较高的第Ⅱ组酒店、碳排放效率完全的第Ⅰ组酒店过渡。在这一递变的过程中，酒店碳排放效率逐步增大，但带有明显的“弓形效应”[65].
（2）关键性指标对酒店碳排放效率的制约作用
由第 4 章的分析可知，酒店的技术效率、规模效率和纯技术效率均可以分为如下五级：0≤X<0.25（1 级区间）、0.25≤X<0.5（2 级区间）、0.5≤X<0.75（3 级区间）、0.75≤X<1（4 级区间）和 X=1（5 级区间）。由于酒店的三种效率值没有位于第 1 级分布区间的情况，所以实际分组区间只有四级，见表 4.4.
第一，关键性指标对酒店技术效率的制约作用
酒店的技术效率值中，位于 0.25≤TE<0.5（2 级区间）、0.5≤TE<0.75（3级区间）、0.75≤TE<1（4 级区间）和 TE=1（5 级区间）区间的酒店数分别有 10家、5 家、4 家和 9 家，各自占酒店总数的 35.71%、17.86%、14.29%、和 32.14%.将所有酒店技术效率值的对应分级表示在 CCA 排序图中，结果形成图 5.3,从中可以透视 7 个关键性指标对技术效率的制约作用。从技术效率值看，沿着第二象限和第四象限的对角线，即从 CCA 排序图的左上方向右下方，酒店的技术效率值依次在不断增加。从 7 个指标对技术效率的制约程度看，酒店耗煤量、耗水量、耗电量和注册资本 4 个指标对其碳排放中技术效率的提高有明显的正向影响。而酒店的客房数、从业人员数和建筑面积 3 个指标则限制了其碳排放中技术效率的提高，有一定的负向作用。其中，酒店的客房数、从业人员数和建筑面积 3 个指标对位于 3 级区间的 4 家酒店（酒店序号分别为：3、7、9、28）、2 级区间的 4家酒店（1、22、23、26）、4 级区间的 1 家酒店（24）有明显的制约作用，也就是说，要提高这 9 家酒店的技术效率，需要从客房数、从业人员数和建筑面积上下功夫。至于位于 2 级区间的 6 个酒店（11、12、13、18、21、27），要提高其碳排放的技术效率则需要在注册资本、耗电量、耗水量、耗煤量上采取相应的措施。对于位于 3 区间的 1 家酒店（20）则需要在 7 个指标量上进行整合，采取合理措施改善其现状。
第二，关键性指标对酒店纯技术效率的制约作用
酒店的纯技术效率值位于 5 级区间内的酒店个数最多，达 15 家，占酒店总数的 53.57%,分布在其它区间内的酒店个数相对较少，且分散，分别为：2 级区间的酒店有 6 家（21.43%）、3 级区间的酒店有 2 家（7.14%）、4 级区间的酒店有 5家（17.86%）。
从纯技术效率值看，沿着第一轴从左向右，酒店的纯技术效率值依次在不断增加，但是 4 级区间内的酒店与 3 级区间内的酒店存在部分交叉分布的现象，这是由于受 CCA 分析中“弓性效应”的影响，见图 5.4.从 7 个指标对纯技术效率的制约程度看，酒店碳排放中纯技术效率受 7 个指标的共同影响，因此，对于位于 2级区间的 6 家酒店（11、12、13、18、21、27）需要在 7 个指标，尤其是在注册资本、耗电量、耗水量、耗煤量上均需要采取一定措施，来提高其纯技术效率。
对于位于 3 区间的 1 家酒店（20）则需要在 7 个指标量上采取综合措施改善其现状。同时，由于受“弓性效应”的影响，对位于 3 级区间内的 1 家酒店（22）、4级区间内的 4 家酒店（3、9、26、28）影响程度不明显。
第三，关键性指标对酒店规模效率的制约作用规模效率中，从低级（2 级）到高级（5 级）分布区间内的酒店个数分别为 2家、5 家、12 家和 9 家，分别占酒店总数的 7.14%、17.86%、42.86%、和 32.14%.从图 5.5 中可以看出，2 级和 3 级区间内的酒店位于第一象限；4 级区间内的酒店在第一、第二和第四象限内均有分布，5 级区间内的酒店位于第四象限。沿着第一象限和第三象限的对角线，即从 CCA 排序图的右下方向左上方，酒店的规模效率值在不断降低。从 7 个指标对规模效率的制约程度看，酒店的客房数、从业人员数和建筑面积 3 个指标对碳排放中规模效率的提高具有明显的负向作用，而酒店耗煤量、耗水量、耗电量和注册资本 4 个指标在一定程度上限制了规模效率的提高。其中，酒店的客房数、从业人员数和建筑面积 3 个指标对位于 2 级区间内的 2 家酒店（1、23）、3 级区间内的 5 家酒店（3、7、9、22、26）、4 级区间内的 2 家酒店（24、28）有明显的制约作用，因而这些酒店需要在这三个指标上采取合理措施。至于位于 4 级区间的 6 家酒店（11、12、13、18、20、21、27）需要在注册资本、耗电量、耗水量、耗煤量上采取相应的措施，来提高其碳排放的规模效率。
（3）酒店碳排放效率的提升路径分析
综合以上分析，可以找出影响技术效率不完全酒店碳排放效率的主要影响指标（见表 5.3），进而找寻出其提升路径。
第一，位于第Ⅱ组内的酒店，其纯技术效率值均为 1,技术效率值和规模效率值相等，均在 0.85 以上。从典范分析中可知，这 3 家酒店的影响指标不明显，主要原因可能是这类酒店在 7 种指标上虽然还有提升空间，但做的已经相对较好，所以其主要影响指标不明显，可以从细节上再做努力。
第二，从表 5.3 可见，对于第Ⅲ组中的 9 家酒店，佛山宾馆（22）应通过调整酒店客房数、从业人员数和建筑面积，来提高技术效率和规模效率；金界山庄（20）需要在 7 项指标上均作出努力，才能提高 3 种效率值；其余 7 家酒店需要在耗煤量、耗水量、耗电量和注册资本上下功夫，从而提高其碳排放效率。酒店的耗煤量、耗水量、耗电量和注册资本除了与酒店规模相关外，同时受管理水平的影响较大，这符合 TWINSPAN 结果中，第Ⅲ组酒店的纯技术效率最低，需要提高其管理水平这一结论。
第三，对于第Ⅳ组中的 7 家酒店，五峰宾馆、金都山庄、运政宾馆和石油宾馆 4 家酒店的纯技术效率值为 1,友谊宾馆、云峰宾馆和晋卫宾馆 3 家酒店的纯技术效率影响指标不明显。这 7 家酒店均需要在酒店客房数、从业人员数和建筑面积上作出调整，从而提高这类酒店的技术效率和规模效率。这与 TWINSPAN 结果中，第Ⅳ组酒店的规模效率最低，需要改善资源的投入规模这一结论相对应。
