中国旅游发展与经济增长

赵磊++王佳

摘要： 旅游发展与经济增长之间的关系是旅游学研究的核心内容之一。本文基于中国30个省份1999年～ 2010年省际面板数据，通过构建多变量计量经济模型，利用新近发展的异质性面板协整技术对中国旅游发展与经济增长之间的长期协整关系进行实证检验，并采用FMOLS估计方法测算出中国旅游发展对经济增长的长期产出弹性。研究结论表明，中国旅游发展与经济增长之间存在长期稳定均衡关系，并且旅游发展对经济增长具有长期显著积极影响，进而为TLGH在中国情境的存在性提供证据。此外，与人均旅游人次相比，旅游产业专业化对经济增长的长期产出弹性更大。

关键词：旅游发展；经济增长；异质性面板协整技术；FMOLS0引言

旅游发展作为经济增长重要组成部分之一1，在全球范围内，其对经济增长的产业贡献愈发重要，尤其在发展中国家显得尤为明显（Chang，et al.，2009）。例如，旅游消费作为地区产品出口的特殊形式，可通过对综合性关联产业的经济带动效应，对地区经济增长产生积极作用。根据世界经济论坛1的统计，旅游产业已成为当今世界上最大产业之一，主要表现在：全球旅游产业2010年实现旅游总收入58340.5亿美元，占全球GDP的9.3%；总共贡献超过2.35亿个就业机会，2020年可能达3. 03亿；与旅游产业相关的直接和间接联合经济活动分别占全球出口和投资的4.8%和9.2%。世界旅游组织亦认为，即使在目前全球经济低迷的背景下，旅游产业因其所具有的就业拉动效应可显著降低失业率，仍是最具潜力的产业部门2。

与此同时，中国作为世界上最大的发展中国家，随着渐进式市场化改革的逐渐深入，根据历年《中国旅游年鉴》所公布旅游总收入测算，近10年，旅游产业专业化平均水平已达0. 0982，倘若不考虑外生事件对旅游产业经济运行的负面影响，旅游产业规模则以约22. 090/0的平均速度扩张。即此可见，中国旅游产业已成为国民经济的重要产业力量。

因此，对旅游发展与经济增长之间关系的研究备受关注（Dritsakis.2004；Lee，Chang，2008）。尽管理论上，主流观点认为旅游发展对经济增长具有积极意义（Durbarry，2004；Fayissa，et al.，2008；Brida，et al.，2010b），但仍需对客观数据进行计量检验得出实证结论予以验证。早期的实证研究主要将传统时间序列数据协整检验方法定于一尊，由于无法兼顾截面个体效应，从而导致此种研究结论的可信度受到质疑，直到Kim等（2006）提出，应将面板数据分析方法引入其中以考虑截面信息。然而，两种方法在检验辨识旅游发展与经济增长之间是否存在长期协整关系时，均存在弊端：传统时间序列协整检验方法主要包括E-G协整检验和Johansen协整检验，前者当样本量较小时，协整向量的OLS估计有偏，从而减少了该检验的势；后者在滞后长度的选择方面却存在争议。另外，面板数据固定效应或随机效应回归由于无法处理和克服截面异质性与内生性，并且变量数据可能非平稳，因而在对两者长期关系的检验方面存在劣点（Saranntis，Stewart，2001）。然而，Pedroni（1999，2000）相继发展的异质性面板协整技术（heterogeneous panel cointegrationtechnique）在获取模型自由度、克服变量内生性和兼容截面异质性等方面表现出强大的检验能力，在可以有效判断多变量之间是否存在长期协整关系的同时，还可对协整方程进行完全修正最小二乘法（Fully Modified OLS，FMOLS）估计，进而得出变量之间的面板协整系数。

综合上言，本文研究的主要目的在于：中国旅游发展影响经济增长是否能得到实证支持？中国旅游发展与经济增长之间是否存在长期协整关系？中国旅游发展对经济增长的长期贡献有多大（长期弹性）？既有经验文献这一关键问题尚且亦付阙如，为回答上述关键内容，本文在引入异质性面板协整技术基础上，首次通过构建多变量计量经济模型，实证检验中国旅游发展与经济增长之间的长期关系与效应，通过此研究对关涉旅游发展与经济增长之间关系的经验研究做出商兑，以冀充实国内旅游经济学领域的学理框架。

1 旅游发展与经济增长：一个证据

旅游发展与经济增长之间的关系研究不仅是旅游经济学关注的核心内容，亦是旅游研究者关注的重点之一。自20世纪90年代以来，围绕两者长期关系的研究文献大致可归为两类：一类立足于理论分析层面；另一类侧重于实证检验部分。因此，本文将从理论与实证两方面人手，为剖析旅游发展影响经济增长的表现关系提供述评性证据。

理论上，在经济增长文献中涉及旅游发展与经济增长关系的研究，始于Mckinnon（1964）所倡导的出口导向型经济增长假说（export-led growth hypothesis，ELGH），基本观点是入境旅游类似于国际出口贸易，主要通过两种方式促进经济增长。一种方式是可以提高企业专业化水平与优势资源的配置效率（Krueger，1980）；另一种方式是通过拓宽有效市场规模而实现本地企业规模经济（Helpman，Krugman，1985）。具体来讲，旅游发展对经济增长的积极影响具有两维性：一维是旅游发展对经济增长的直接收入效应。可通过创建外汇、增加税收以及带动就业等途径实现（Lee，Hung，2010）。另一维是旅游发展对经济增长的间接收入效应。一方面，可以刺激对新型基础设施（Buhalis，Law，2008）、人力资本（Thrane，2008）与科技（Feng，Morrison，2007）的投资；另一方面，可通过直接、间接和诱导效应刺激关联产业发展，从广度和深度上对经济增长产生积极影响（Weng，Wang，2004）。

在构建理论框架方面，主要来源于凯恩斯收入乘数效应理论（Cooper，et al.，2008）与外生或内生经济增长理论（Hazari，Sgro，1995；Lanza，Pigliaru，1995；Lozano，et al.，2008）。前者是将旅游业视为外生总需求的一部分，通过多种传导渠道对地区收入和就业产生积极影响，即所谓的旅游乘数效应，但由于乘数理论存在缺陷，是一种短期分析。后者主要以Lanza和Pigliaru（1995）的开拓贡献为典型代表，其理论思想是将卢卡斯两部门内生增长模型引入旅游研究，被认为是研究旅游发展与经济增长关系的理论逻辑起点，尤其是，为之后经验上考察两者关系提供了理论基础。

我们重点分析后者。简要介绍此内容核心观点：假设一个经济体系由制造业和旅游业两部门构成，制造业部门技术进步高于旅游业部门，当且仅当制造业与旅游业之间的贸易条件（the terms of trade）改善不仅仅能补偿两部门之间的技术差距，并且制造业产品与旅游产品之间替代弹性小于1，即两种产品不具有紧密替代性的情况下，旅游专业化可以促进经济增长，这也得到Algierl（2006）的研究证实。

Candela和Cellini（1997）基于相同的研究框架，认为，经济体越小，贸易条件变动越容易补偿技术差距（旅游专业化机会成本越小），所以倾向旅游专业化的国家规模都较小。Lanza和Pigliaru（2000）进一步放宽了假定条件，证实旅游资源禀赋程度较高的国家进行旅游专业化，即使贸易条件变动无法平衡技术差距，其也可拥有较高的经济增长率，这主要是因为旅游资源开发利用率提高可以在其中产生相应作用。当然，这也存在问题的另一面，即如果一个地区旅游资源的开发利用率随着之间推移超过其自身旅游资源的未来可持续成长潜力，旅游发展则并不会长期促进经济增长（Cerina，2007；Lozano，et al.，2008），但这并不是由于丰裕资源开发形成的“荷兰病”现象所致（Holzner，2011）。

上文所彰显的研究意义大端如下：一是，旅游发展对经济增长的产业贡献愈益得到清晰刻画；二是，得益于Lanza和Pigliaru（1995，2000）和Brau等（2004，2007）的研究，对旅游发展与经济增长关系的研究初见昭晰，主要理论分野在于，不仅肯定了旅游发展对经济增长的积极意义，重要的是，将旅游产业视为决定经济增长的一个独立因素，从而将旅游发展与经济增长关系的认知提升到了一个新的高度。

随着理论探索的深入推进，相应的实证检验工作就显得尤为必要。进入21世纪，聚焦两者关系的实证文献愈渐丰富。实质上，大致可分为两种，即单一国家研究（single-country studies）与跨国分组研究（country-group studies）.主要以前者为主。其实，对单一国家的研究在早期主要侧重于案例研究，尤以Shan和Wilson（2001）为代表，他们在对中国问题的研究中，首次尝试性地提出旅游发展与国际贸易之间存在着时间因果关系。此后，Balaguer和Cantavella（2002）在对西班牙的研究中提出“旅游导向型经济增长假说（tourism-led growth hypothesis，TLGH）”。然而，由于在研究对象、理论构建、模型设定以及计量技术方面的差异性，对TLGH成立与否，诸多研究结论仍莫衷一是。但是，毋庸置疑，主流观点仍推崇TLGH的存在性，而所使用的研究方法主要针对单一国家的时间序列协整检验方法，即短期存在TLGH的国家。譬如，西班牙（Balaguer，Cantavella，2002）、墨西哥（Brida，et al.，2008）、智利（Brida，Risso，2009）、哥伦比亚（Brida，et a1.，2009）、土耳其（Zortuk，2009）、意大利（Brida，et al-，2010）、突尼斯（Belloumi，2010a）、南非（Akinboade，Braimoh.2010）和马来西亚（Lean.Tang，2010）。

经验考察两者关系，还存在旅游发展与经济增长互为因果关系和长期中TLGH并不存在两种研究结论。前者主要国家有希腊（Dritsakis，2004）、土耳其（Ongan，Demiroz，2005）、西班牙（Cortes，Pulina，2006）和马耳他（Katircioglu，2009a）等；后者主要国家有韩国（Oh，2005）、中国（杨勇，2006）、土耳其（Katircioglu，2009b）、克罗地亚（James，Andrea，2010）和美国（Jin，2011）1。如果肯细看，以土耳其为例，对旅游发展与经济增长关系的实证检验结论见仁见智，可见，对此问题的探析还需在完善计量检验技术基础上形成一致有益洞见。

对于跨国分组，主要沿着两条研究进路展开：面板模型回归与面板协整检验。面板模型回归仅能考察样本期内旅游发展对经济增长的影响关系与效应（或分组地区内），却无法判断长期关系与效应，我们仅对其择要阐释，例如，面板模型固定与随机效应回归、动态面板回归与非线性面板门槛回归等（Eugenio，et a1.，2004；Brau，et al. ，2004； Fayissa，et al. ，2011）.

与其相异，面板协整检验与估计则为判断变量之间长期关系与效应提供了严谨科学计量技术，其中，Lee和Chang（2008）首次将异质性面板协整技术引入旅游发展与经济增长长期关系研究中，以判断两者在OECD和非OECD国家之间是否存在长期协整关系，由此开创了该内容研究的新路径。其基本结论为：OECD和非OECD国家旅游发展与经济增长之间均存在面板协整关系，此外，无论是收入指标抑或人次指标，非OECD国家旅游发展对经济增长的长期影响效应均大于OECD国家。此后，检索基于相同的研究框架基础之上文献，国内外仅有5篇与本文论及内容直接相关。Narayan等（2010）以4个太平洋岛国（斐济、汤加、巴布亚新几内亚和所罗门群岛）1988年～ 2004为研究样本，在通过面板协整检验基础上，对协整方程进行FMOLS估计，研究结论显示4个国家人境旅游（旅游出口）与经济增长之间长期协整关系。Dritsakisf 2012）采用相同的研究方法，对7个地中海国家（西班牙、法国、意大利、希腊、土耳其、塞浦路斯和突尼斯）1980年～ 2007年的样本数据进行面板协整检验与估计证实，旅游发展（收入指标）与经济增长之间也存在长期协整关系（人次指标未通过面板协整检验），并且长期协整系数大于1，充分凸显出旅游发展对上述国家经济增长的长期战略意义。Felipa和Sofiaf 2012）利用31个欧洲国家1988年～ 2010年样本数据，进一步经验证实旅游发展与经济增长之间存在长期共同趋势。Ekanayake和Long（2012）的研究最具典型与全面性，他们对140个发展中国家1995年～ 2009年面板数据进行实证检验，得出全样本FMOLS估计中旅游发展对经济增长存在长期显著影响效应，但分组样本则情况不一4。值得提及的是，王良健等（2010）首次将该方法应用到中国情境中，基于31个省际单元1999年～ 2007年面板数据，研究发现国内旅游和入境旅游分别与经济增长存在长期协整关系。

综上诸端，我们从理论与实证研究视角梳理了旅游发展与经济增长之间的关系，测其全体，对此问题的研究表现出由简易到精深的演进脉络。评骘上述研究内容，约有三端：其一，从将旅游发展视为对经济增长的一种产业贡献，到把旅游发展纳入内生经济增长模型，此种理论认识上的向度转变为之后构建实证研究框架奠定了基础，从而能够深入腠理、人渊探骊；其二，尽管单一截面两变量时间序列协整检验方法存在技术缺陷，但在对旅游发展与经济增长之间关系探究的滥觞期，不失为一种睿智之举，一方面，拓宽了对此问题的系统研究视域；另一方面，为政策制定者提供施政参考依据；其三，如上文所引，较为先进的异质性面板协整技术为我们提供了剖析中国旅游发展与经济增长之间长期关系与效应的核心方法，学术界鲜有措意于此者。具体到中国，杨勇（2006）采用两变量时间序列协整检验方法，研究发现1984年～ 2004年期间中国国内旅游与经济增长之间并不存在长期协整关系，但是王良健等（2010）的研究则与其大有径庭。然而，王良健等（2010）的研究仍存3点阙疑：一是旅游发展度量指标的构造值得商榷；二是未从整体上判断旅游发展与经济增长之间的长期关系；三是含有单一回归变量协整方程的估计方法选择存疑。因此之故，在对中国问题的探讨上，仍需深入覆检重探。鉴于此，本文在遵循经典文献Lee和Chang（2008）与Ekanayake和Long（2012）研究范式基础上，为中国旅游发展与经济增长之间是否存在长期协整关系与效应提供最新经验佐证。

2计量模型、变量与数据

2.1计量模型为了实证检验旅游发展与经济增长之间长期关系，借鉴Seetanah（2011）与Ekanayake和Long（2012）计量研究思想，并参考Chirstopoulos和Tsionas（2004）与Shan（2005）模型构建思路，在传统Cobb-Douglas生产函数基础上，将旅游发展作为投入要素纳入到解释变量框架中，构造出如下对数一线性计量实证模型1：其中，被解释变量Y表示经济增长；K表示物资资本存量，L表示劳动力投入量，T表示旅游发展；A反映Hicks中性技术的生产率，主要是指除以上三要素之外能够引起技术变动的其他要素，为无法可观测部分；i和t分别代表省份和时间，ε是随机扰动项，表示与长期关系的偏离；α、β卢和γ分别表示物质资本、劳动力和旅游发展的产出弹性。

2.2变量说明

旅游发展。国外研究主要采用两种指标度量旅游发展水平，一种是旅游收入（Lee，Chang，2008；Adamou.Clerides，2009）；另一种是旅游人次（Cortes，2008；Kim，et al..2006）。前者是用旅游总收入与地区GDP之比作为代理指标，即通常所指的旅游产业专业化水平（tourism industry specialization），用TS表示；后者是用旅游人次与地区人口总数之比作为代理指标，即人均旅游人次（tourist arrivals per capita），用TP表示。本文同时考虑以上两种旅游发展度量相对指标，与Lee和Chang（2008）与Dritsakis（2012）所构建的基准多变量回归模型保持一致，故式（2）可进一步拓展为两个计量经济模型：

经济增长。采用各地区人均实际GDP度量，用PGDP表示。物质资本存量采用Goldsmith（1951）开创的永续盘存法，基本公式为：Kit=Iit/Pit+（1 -δt） Kit-10其中，Ku表示第i地区第t年的资本存量，Kt-1，表示第i地区第t-I年的资本存量，Iit表示第i地区第t年的固定资产投资，Pit表示相应的固定资产价格投资指数，δ，表示折旧率。为了得到初始资本存量和折旧率，本文参考张军等（2004）研究中所给出的1998年物质资本存量数据作为基数计算出本文初始物质资本存量，δ取值为9.6%。劳动力投入量采用各地区年末从业人员数（万人）度量，用L表示。

2.3数据来源

本文平衡面板数据特点是：（1）考虑到数据可得性，选取30个省份12年（1999～ 2010）样本数据。西藏自治区由于数据缺失严重予以剔除。同时，样本中也并未包含港澳台。由于受到1998年特大洪水灾害与亚洲金融危机影响，中国旅游产业受到重创，旅游统计数据的奇异值明显，故本文选取1999年作为样本初始年份。（2）除旅游发展度量指标来源于2000年～2011年《中国旅游年鉴》之外，其他数据均来源于2000年～ 2011年《中国统计年鉴》和中经网统计数据库。

3计量检验与实证分析

为确保面板数据的平稳性及防止伪回归，对各变量进行面板单位根及协整检验，以判断旅游发展与经济增长之间是否存在长期稳定均衡关系，在此基础上，采用FMOLS估计方法进行面板协整系数估计。

3.1 面板单位根检验

由于基准回归模型中所使用的变量均为宏观经济变量，因其在现实经济运行环境中具有时变性，常会受到非平稳性的干扰。因此，为了保证计量检验结果的有效性，克服伪回归问题，首先应对面板数据进行单位根检验，以检查其是否具有平稳性。面板单位根检验方法按照出现时间，可分为两个阶段：第一代面板单位根检验要求截面独立，又根据是否所有截面序列具有相同单位根过程，细分为同质单位根检验（common root test）与异质单位根检验（individual root test）两大类。前者主要有LLC检验、Breitung检验和Hadri检验；后者主要有IPS检验、Fisher-ADF检验、Fisher-PP检验。第一代面板单位根检验在存在截面相关性时，检验结果可能并不可靠，然而新近出现的第二代面板单位根检验则假设存在截面相关的空间效应，对截面相关形式作了不同设定（截面弱相关和共同因子结构），可以同时考虑截面异质性与关联性，其中尤以Pesaran（2007）发展的CADF检验最具典型。为了避免单一单位根检验的局限性，保证检验结果的稳健性，本文兼顾相同单位根与不同单位根的各类情况，同时使用7种单位根检验方法考察各变量数据平稳性。检验变量包括被解释变量GR与解释变量TP、TS、LNK、LNL。

面板单位根检验结果如表1所示。需要注意的检验原理是，LLC检验、Harris -T检验、Breitung检验、IPS检验、Fisher-PP检验、Hadri检验和Pesaran-CADF检验的零假设均为存在单位根。其中，LLC检验、Harris-T检验、Breitung检验和Pesaran-CADF检验的零假设为同质面板单位根，即截面系数相同的单位根；IPS检验和Fisher-PP检验零假设是异质面板单位根，即截面系数不相同的单位根。

表1检验结果显示，LLC检验、Harris-T检验和Hadri检验拒绝某些变量原始数据“存在单位根”的零假设，认为某些变量为平稳时间序列；其他检验方法的结果则认为所有变量均为I（I），即均无法拒绝“存在单位根”的零假设，各变量均为非平稳过程。需要强调的是，Maddala和Wu（1999）认为在有限样本、允许个体时间序列拥有随机成分等情况下，Fisher型检验要优于其他检验。因此，在第一代面板单位根检验过程中，我们主要认同Fisher检验结果。另外，考虑到旅游发展与经济增长可能存在空间异质或依赖性，还应配合重点考察兼顾截面相关的第二代面板单位根Pesaran-CADF检验。两种代表性面板单位根检验结果都无法拒绝“存在单位根”的零假设，所以判定各变量的原始数据是非平稳的。

为避免直接对式（2）和式（3）进行伪回归，对各变量进行一阶差分值进行检验，一阶差分均为I（O），即所有检验结果均在不同显著性水平上拒绝零假设，各变量一阶差分为平稳过程。因此，所有变量均为一阶单整，即为I（1）过程。在时间序列中，Engle和Granger（1987）构建的协整检验是基于残差实现的：如变量之间存在协整关系。则残差应为I（O）过程；如变量之间不存在协整关系，则残差应为I（0）过程。随后，Pedroni（1999）和Kao（1999）将Engle-Granger协整检验框架扩展到面板数据领域。根据上述计量先验认知，鉴于各变量同为一阶单整过程，初步可判断模型变量之间线性组合可能存在协整关系。下文可进行面板协整检验。

3.2面板协整检验

一般来说，面板协整检验主要有两种方法：一种是零假设为“不存在协整关系”，基于平稳回归所得残差构造统计检验，对同质面板和异质面板均适用，代表性检验有Pedroni（1999，2004）检验和Kao（1999）检验；另一种是零假设为“存在协整关系”，基于回归残差的LM检验，代表性检验有MaCoskey和Kao（1998）检验与Westerlund（2005）检验。按照一般研究惯例，考虑到面板协整检验稳健性，本文同时采用国内外研究普遍采用的Pedroni检验和Kao检验（王佳，杨俊，2012；Liddle，2012；Herzer，Nunnenkamp，2012）。Pedroni（1999）在没有协整关系的零假设条件下，利用协整方程，估计截面之间不同的斜系数、固定效应系数和个体确定趋势，通过构造7种形式面板协整检验统计量对回归残差进行平稳性检验，分别是用组内维度（within-dimension）描述的Panel v、Panel rho、Panel PP与Panel ADF统计量和组间维度（between-dimension）描述的Group rho、Group PP与Group ADF统计量。Pedroni（1999）建议，每一个标准化的统计量都趋于正态分布，但在小样本条件下，Panel ADF和Group ADF统计量具有更优性质。Kao（1999）基于回归残差也构造出DF和ADF两种检验统计量，其中，ADF统计量较为常见。

模型1和模型2面板协整检验结果如表2所示。Pedroni检验中前4种统计量是同质性备择的检验结果，即假定所有截面具有共同的AR系数；后3种统计量是异质性备择的检验结果，即只要求每个截面的AR系数小于1。Kao检验则要求模型外生变量系数是齐性的，即不同截面外生变量系数相同。表2显示，Pedroni检验结论并不一致，两种组内统计量Panel v和Panel rho与一种组间统计量Grouprho均在5%水平上并不显著，即无法拒绝没有协整关系的零假设。Panel PP、PanelADF、Group PP和Group ADF统计量均在l%显著性水平上拒绝零假设，即表明模型存在协整关系。前已述及，Pedroni（1999）前已证明：在小样本中，Panel ADF和Group ADF统计量检验效果最好，Panel v和Group rho统计量检验效果最差，其他处于两者中间。考虑到本文数据样本偏小，Panel v和Panel rho统计量可以不予考虑，在剩余5种检验统计量中，我们重点关注的具有小样本性质的Panel ADF和Group ADF统计量在1%水平上高度显著。因此，基本可认为变量之间存在协整关系。Kao检验的ADF统计量也在1%显著性水平上拒绝零假设。

综上阐述，Pedroni检验和Kao检验均认为模型1中TP、LNK、LNL和模型2中TS、LNK、LNL之间存在面板协整关系，即旅游发展与经济增长之间存在长期共同趋势，可以进一步估计协整方程，从而研究旅游发展对经济增长的长期积极作用。

3.3面板协整估计

面板协整检验只能检验判断旅游发展与经济增长之间存在长期稳定均衡关系，如要对协整关系进行具体估计，传统方法是直接对回归模型进行OLS估计，主要问题是，在面板数据模型中，可能存在的变量内生性和序列相关性会使OLS估计出现偏误（Blundell，Bond，1998；Arellano，Bond，1991）。为此，Phillips和Hansen（1990）首次提出对时间序列协整方程进行估计的FMOLS方法之后，Pedroni（2000）继而对其进行了发展完善，并拓展到异质性面板协整方程估计中。面板协整FMOLS估计方法对变量内生性与残差序列相关进行半参数校正，有助于克服伪回归问题。因此，本文采用适用于面板数据环境的FMOLS方法对两组面板协整方程进行估计。需要说明的是，Pedroru（2000）基于FMOLS的面板协整系数估计方法主要分为组内（within-group）和组间（between-group）两种形式，与组内面板估计方法相比，组间估计具有优良的小样本性质，并可提供基于样本均值的异质面板协整系数的一致性估计（Pesaran，Smith，1995；Phillips，Moon，1999）。鉴于此，本文采用组间面板FMOLS方法进行面板协整系数估计1。

计量技术实现思路如下：首先，分别对各个截面用FMOLS进行估计；然后，再进行面板协整系数估计，并对其OLS估计的系数进行非参数估计。Pedroru（2000）提出的截面组均值（group mean）估计方法，考虑了面板组间维度，提供了协整方程共同参数值的一致检验，并且优于混合面板（pooled panel）估计方法。在蒙特卡洛数值模拟过程中，估计的协整参数渐进无偏、一致，且具有稳健的有限样本性质，对数据的异质性也有较强的包容性。本文两模型面板协整检验结果分别见表3与表4。

表3是模型1的面板FMOLS与个体FMOLS估计结果。面板FMOLS估计结果显示，全样本旅游发展（收入指标）对经济增长的长期影响弹性为0. 857，并且在1%水平上高度显著，说明在控制了K与L后，中国旅游发展对经济增长具有长期显著积极影响。同时，鉴于本文计量实证模型为对数一线性模型，即在其他条件不变的情况下，旅游产业专业化提升10%，人均GDP长期则相应提高0. 857%，最终将在长期正向促进经济增长提高0.754%。此外，物质资本存量与劳动力投入量也均表现出对经济增长的长期显著影响，并且前者长期产出弹性（0. 419）要明显大于后者（0.203），也反映出固定资产投资仍是促进中国经济长期增长的重要因素。

个体FMOLS估计结果则显示，大部分省份均在不同显著性水平上显示出旅游发展对经济增长具有长期显著积极影响，这一占比达70%。其中，有7个省份长期影响系数大于1，依次分别是广东、上海、山东、辽宁、江苏、新疆和北京，意味着上述省份表现出旅游发展对经济增长的强势长期影响。然而，另有9个省份面板协整系数不显著，且都集中在中西部地区。

对上述实证结果进行撮述与归纳，经济发达省份旅游发展的创收能力对其增长的长期贡献意义相对突出。基于此种估计结果来思索其意涵，旅游的增收能力与经济的增长规模之间可能存在“互动循环”效应，这一点存在长期的均衡稳定态势。经济增长规模大、质量高，从供求两端对旅游发展的支撑力强；旅游收入直接进入地方财政，通过分配与转移，依靠间接效应对经济增长的驱动力强。中西部地区现阶段由于产品结构单一、市场能级尚弱，旅游增收能力与经济增长规模之间互动强度不均衡，前者对后者的驱动效应要小于后者对前者的支撑强度。

表4是模型2的面板FMOLS与个体FMOLS估计结果。面板FMOLS估计结果显示，全样本旅游发展（人次指标）对经济增长的长期产出弹性为0. 653，也在1%水平上显著，同样说明中国旅游发展不仅对经济增长具有长期显著积极影响，而且人均旅游人次每提升10%，人均GDP则提高0.653%，长期中带动经济增长提高0.134%。个体FMOLS估计结果也显示出，与表3相同比例的省份旅游发展对经济增长具有长期显著正向效应，其中，山东长期影响系数最大，为1. 02。

上述研究显示：中国旅游发展不仅与经济增长之间存在长期均衡协整关系，而且旅游发展对经济增长呈现出显著的长期正向影响。一言以蔽之，本文从实证上提出了TLGH在中国成立的经验佐证。就其长期产出弹性而言，以收入指标度量的旅游发展长期弹性要大于人次指标，这也与Lee和Chang（2008）与王良健等（2009）的研究一致。根据现实情形推想，旅游收入对经济增长的促进作用具有即时直接性，而旅游人次则具有延迟分散性，其中差异隐含一个重要因素，即旅游人次多，并不绝对意味着会产生相应较高的旅游收入，换言之，旅游消费强度则是关键因素，而这又取决于旅游目的地的发展模式与综合竞争力。

3.4稳健性分析

根据经济增长度量指标的不同，本文稳健性分析主要包括两部分：因变量分别为经济增长率（GR）和地区国内生产总值（GDP），面板协整方程FMOLS估计结果见表5。亦系如此，表5所列结果验证了上文所得研究结论的稳健性。

表5显示，当用平减后的GDP总量作为因变量度量指标时，所得结果与本文关键主旨一致，即：旅游产业专业化和人均旅游人次每提升10%，GDP总量会相应地正向提高2.062%和0.414%。同样地，旅游发展对经济增长率也具有显著长期影响效应，具体表现为旅游产业专业化和人均旅游人次每变动l单位，则会正向促进经济增长率长期中分别提高0. 016和0.014个单位。

4研究结论

本文基于中国30个省份1999年～ 2010面板数据，在对模型变量平稳性进行两代面板单位根检验基础上，通过构建多变量对数一线性计量经济模型，利用新近发展的异质性面板协整技术对中国旅游发展与经济增长之间是否存在长期均衡协整关系进行实证检验，并对其协整方程进行FMOLS估计，进而得出中国旅游发展对经济增长的长期产出弹性。同时，本文的研究结论也分别通过了两种稳健性分析。

长期以来，囿于旅游经济学实证研究方法的局限，特别是以传统时间序列分析为代表的研究范式占据主流，导致围绕旅游发展与经济增长之间关系的研究论断涵义迥异，在理解上常滋纷扰，对于中国的情况不外如是。同时，伴随中国旅游经济规模迅速扩张的产业变迁背景，严谨客观地厘清旅游发展与经济增长之间的长期关系则显得尤为必要，核心宏旨在于为中央和地方政府制定旅游产业政策提供经验证据。本文在中国情境中引入先进计量检验技术，对中国旅游发展与经济增长之间的长期关系窃尝论之，力求断辞则备。

本研究表明，中国旅游发展与经济增长之间存在长期稳定均衡协整关系，即中国情境不仅支持TLGH的存在性，而且旅游发展对经济增长具有长期显著积极影响，以收入和人次指标度量的旅游发展对经济增长的长期产出弹性分别为0. 857和0. 653。

具体到本文所引研究方法，仍需日渐精深的计量检验技术为论证阐释旅游发展与经济增长之间的真实关系提供实现可能。例如，Westerlund（2005，2006，2007）先后发展的包含结构突变的面板协整技术逐渐受到青睐。其优势在于3方面：一是国家或地区的制度变迁对面板数据造成冲击，将会影响协整检验结果，而Westerlund检验充分考虑到此点；二是无论是异质面板协整Pedroni检验，还是同质面板协整Kao检验技术，其检验统计量均为似然比（LM），而此类检验并不适用于具有截面相关的面板数据，而Westerlund检验则使用自举法改进了LM检验功效（郑丽琳、朱启贵，2012）；三是如若先验判断两经济变量之间可能存在协整关系，则零假设为“存在协整关系”的统计检验更为准确有效，Westerlund检验原理正是如此。这也是本文今后持续研究此内容的甄微方向。

本研究对实践亦具有一定的指导意义。首先，旅游发展对经济增长具有长期积极意义，这就要求政府在制定旅游产业政策时，需注意政策实施的长期持续性，这对具有敏感性的旅游产业来讲十分重要，如此，可有效释放旅游产业对经济增长的贡献潜力。其次，盲目追求旅游人次增长，并不代表会对经济增长产生较大影响，相反，亦可能会产生多种负面影响。然而，通过转型升级旅游产业结构、创新提升旅游产品品质以及培育增强旅游产业竞争力等举措，提高旅游消费强度和旅游创收能力，才能从更大程度上促进经济增长。

参考文献：

[1]刘生龙，高宇宁，胡鞍钢.电力消费与中国经济增长[J].产业经济研究，2014（3）：71-80.

[2] 陆静.金融发展与经济增长关系的理论与实证研究——基于中国省际面板数据的协整分析[J].中国管理科学，2013（1）：177-184.

[3] 王佳，杨俊.金融结构与收入不平等：渠道和证据基于中国省际非平稳异质面板数据的研究[J].金融研究，2012（1）：116-128.

[4] 王良健，袁凤英，何琼峰.基于异质面板模型的我国省际旅游业发展与经济增长研究[J].经济地理，2010（2）：312-316.

[5]杨勇.旅游业与我国经济增长关系的实证分析[J].旅游科学，2006（2）：40 -46.

[6]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952 - 2004[J].经济研究，2004（10）：35-44.

[7]郑丽琳，朱启贵.中国碳排放库兹涅茨曲线存在性研究[J].统计研究，2012（5）：58-65.

[8] Adamou A，Clerides 0（2009）. Prospects and Limits of tourism-led growth： The international evidence[R].Nicosia： University（）f Cyprus，1 -15.

[9] Akinboade O，Braimoh L（2010）. International tourism and economic development in South Africa：A Cranger causality test[J]. International Journal of Tourism Research， 12（1），149 -163.

[10] Algieri R（2006）.International tourism specialization of small countries[J].International Journal of Tourism Research，8（1），1-12.

[11] Arellano M，Bond S（1991）. Some tests of specification for panfjl data： Monte Carlo ecidence and an application to empl（）yment equation[J].Review of Economic Studies ，58（2） ，277-297.

[12] Balaguer J，Cantavella J M（2002）. Tourism as a long-run economic growth factor：The Spanish case[J].Applied Economics2 ，34（7） ，877 -884.

[13] Belloumi M（2010）. The relatioship between tourism receipts，real effective exchange rate and economicgrowth in Tunisia[J].International Journal of Tourism Research ，12（5） ，550-560.

[14

Blundell R，Bond S（1998）. Initial conditional and moment restrictions in dynamic panel data models [J] . Journal of Econometrics，87 （2），115 -143.

[15] Brau R，Lanza A，Pigliaru F（2004）. How fast are tourism countries growing？ The cross country evidence[A]. Lanza A， Markandya A， Pigliaru F. The economics of tourism and sustainable development [C] . UK：Edward Elgar， 1-32.

[16] Brau R，Lanza A，Pigliaru F（2007）. How fast are small tourism countries growing？ Evidence from the data for 1980 - 2003 [J] . Tourism Ecomnnics，13 （4） ，603-613.

[17] Brida J，Carrera E， Risso W（2008）. Tourism' s impact on long-run Mexican ecomomic growth [J] . Ecomunic Bulletin，3 （21） ，1 -8.

[18] Brida J，Barquet A， Risso W （2010a）. Causalitv between economic growth and tourism expansim：Empirical evidence from Trentino-Alto Adige [J]. Tourismos： An International Multidisciplinary Journal of Tourism ，5 （2） ，87-98.

[19] Brida J，Lanzilotta B， Lionetti S （2010b） . The tourism-led growth hypothesis for Uruguay [J] . Tourism Economics，16 （3） ，765 -771.

[20] Brida J，Risso W （2009）. Tourism as a factor of long-run economic growth： An empirical analysis for Chile[J] . European Journal c）f Tourism Research，2 （2） ，178-185.

[21] Brida J，Pereyra S，Risso W（2009） . The tourism-led growth hypothesis ：Empirical evidence from Colomhia [J] . Tourismos ：An International Multidisciplinary Journal of Tourism ，4 （2） ，13 -27.

[22] Buhalis D， Law R（2008） . Progress in information technology and tourism management：20 years on and 10 years after the Internet-The state of eTourism research[J] . Tourism Management，29（4） ，609-623.

[23] Candela （，， Cellini R （1997）. Countries' size， amsumers' preference and specialization in tourism ：A note[J] . Rivista Internazionale di Scienze Economiche e Commmerciali，44 （4） ，451-457.

[24] Cerina F（2007）. Tourism specialization and environmental sustainahility in a dynamic economy [J] . Tourism Eccmomics，13 （4） ，55 3-582.

[25] Chang C，Khamkaew T，McAleer M （2009）. A panel threshold model of tourism specialization and economic development [R] . Taichung ：CIRJE Working Papers ，1-43.

[26] Chirstopoulos K，Tsionas G（2004）. Financial development and economic growth：Evidence from panel unit root cointergration tests [J] . Journal of Development Eccmomics ，73 （1） ，55 -74.

[27] Cooper C，Fletcher J，Gilbert D， Wanhill S， Fyall A （2008） . Tourism， Principles and Practice[M]. Essex：Prentice Hall，25-38.

[28] Cortes J I（2008）. Which type of tourism matters to the regional economic growth？ The cases of Spain and Italv [J] . International Journal of Tourism Research，10 （2） ，127-139.

[29] Cortes J I.Pulina M（2006） . A further step into the ELGH and TLGH for Spain and Italy[R] . Barcelona ：FEEM Working Paper， 1 -23.

[30] Dritsakis N （2004） . Tourism as a long-run ecoomic growth factor：An empirical investigation for Greece using： a causality analysis[J] . Tourism Economics ，10 （3） ，305 -316.

[31] Dritsakis N （2012）. Tourism development and economic growth in seven Mediterranean countries ：A panel data approach [J] . Tourism Economics，18 （4） ，801 -816.

[32] Durbarry R（2004）. The economic contribution of tourism in Mauritius[J]. Annals of Tourism Research，29（3） ，862-865.

[33] Ekanayake E， Long A （2012）. Tourism development and economic growth in developing countries [J] . The Internatumal Journal of Business and Finance Research，6 （1） ，51-63.

[34] Engle R， Granger C （1987） . Cointegration and error correction： Representation ， estimation， and testing[J] . Econometrica，55 （2） ，251-276.

[35] Eugenio-Martin J ， Morales N，Scarpa R （2004） . Tourism and economic growth in Latin American countries ：A panel data approach[R] . Barcelona，FEEM Woking Paper，1-20.

[36] Fayissa B， Nsiah C，Tadesse B（2008）. Impact of tourism cm economic growth and development in Africa[J] . Tourism Eccmomics，14 （4） ，807 -818.

[37] Fayissa B，Nsiah C，Tadesse B（2011）. Research note：Tourism and economic growth in Latin American countries-further empirical evidence [J] . Tourism Economics ，17 （6） ，1365 -1373.

[38] Felipa M，Sofia S （2012）. Tourism and growth in European countries： An application of likelihood-based panel cointegration [R] . Lisbon： ISCTE-IUL Institute University of Lisbon，1-12.

[39] Feng R，Morrison A （2007） . Quality and value network. Marketing travel cluhs [J] . Annals of Tourism Research，34 （3） ，588 -609.

[40] Goldsmith（1951）. A perpetual inventory of national wealth[R] . NBER Studies in Income and Wealth，5-61.

[41] Hazari B，Sgro P （1995）. Tourism and growth in a dynamic model of trade [J]. Journal of International Trade and Economic Development ，4 （2） ，243-252.

[42] Helpman E，Krugman P（1985） . Market structure and foreign trade [M] . Cambridge： The MITPress，21-35.

[43] Herzer D，Nunnenkamp P（2012） . The effect of foreign aid on income inequality：Evidence from panel cointegration [J] . Structural Change and Economic Dynamics ，23 （3） ，245 -255.

[44] Holzner M（2011）. Tourism and economic development： The heach clisease？ [J]. Tourism Management，32 （4） ，922-933.

[45] James P，Andrea M （2010） . Research note： The tourism-growth nexus in Croatia [J] . Tourism Eccmomics，16（4） ，1089-1094.

[46] Jin J（2011）. The effects of tourism on economic growth in Hong Kong[J]. Cornell Hospitality Quarterly，52（3） ，333-340.

[47] Kao C（1999）. Spurious regression and residual-based tests for cointegration in panel data[J] . Journal of Econometrics ，90 （1） ， 1 -44.

[48] Kao C ，Chiang M （2001） . On the estimation and inference of a cointegrated regresion in panel data [J] . Advances in Econometrics ， （15） ，179 -222.

[49] Katircioglu T（2009a）.Testing the tourism-led growth hypothesis：The case of Malta[J]. Acta Oeccmomica，59（3） ，331-343.

[50] Katircioglu T（2009B） . Revisiting the tourism-led-growth hypothesis for Turkey using the bounds test and Johansen approach for cointegration[J] . Tourism Management，30 （1） ，17-20.

[51] Kim H，Chen M，Jan S（2006）. Tourism expansion and economic development：The case of Taiwan [J] ， Tourism Management，27 （5） ，925 -933.

[52] Krueger A （1980） . Trade policy as an input to development [J] . American Economic Review，70 （2） ，188-292.

[53] Lanza A，Pigliaru F （1995） . Specialization in tourism： The case of small open economy [A] . Coccossis H ，Nijkamp P. Sustainable Tourism Development[C] . Aldershort：Avebury ，91-103.

[54] Lanza A，Pigliaru F（2000） . Tourism and economic growth：Does a country' s size matter？ [J] . Rivista internazionale di Scienze Economiche e Commerciali，47 （1） ，77-85.

[55] Lean H，Tang C（2010）. Is the tourism-led growth hypothesis stahle for Malaysia？ A note[J] . International Journal of Tourism Research，12 （4） ，375 -378.

[56]

Lee C.，Chang； C （2008）. Tourism development and economic growth：A closer look at panels [J] . Tourism Management，29 （1） ，180-192.

[57] Lee C ，Hung W （2010） . Tourism， health and income in Singapore [J] . International Journal of Tourism Research，12 （4） ，375 -378.

[58] Liddle B（2012）. The importance of energy quality in energy intensive manufacturing：Evidence from panel cointegration and panel FMOLS [J] . Energy Economics ，34 （6） ，1819-1825.

[59] Lozano J.Gomez C，Rey M J （2005） . The TALC hypothesis and economic growth theory [J] . Tourism Economics，14 （4） ，727 -749.

[60] MaCoskey S， Kao C （1998） . A residual-based test of the null of cointegration in panel data[J] . Econometric Reviews，17 （1） ，57-84.

[61] Maddala G，Wu S（1999）. A comparative study of unit root tests with panel data and a new simple test[J] . Oxford Bulletin of Eccmomics and statistics，61 （Sl） ，631-652.

[62] McKinnon R（1964）. Foreign exchange constrain in economic development and efficient aid allocation[J] . The Economic Journal，74 （294） ，388-409.

[63] Narayan P，Narayan S，Prasad A（2010）. Tourism and economic growth：A panel data analysis for Pacific Island countries [J] . Tourism Economics ，16 （1） ，169-183.

[64]

Oh C（2005）. The contribution of tourism development to economic growth in the Korea economy[J] . Tourism Management，26 （1） ，39 -44.

[65] Ongan S，Demiroz D （2005）. The contribution of tourism to the long-run Turkish economic growth [J] . Ekonomicky Casopis ，53 （9） ，880-894.

[66] Pedroni P（1999）. Critical values for cointegration tests in heterogeneous panels [J]. Oxford Bulletin of Economics and Statistics ，61 （s1） ，653 -670.

[67] Pedroni P（2000） . Fully modified OLS for heterogeneous cointegrated panels [J] . Advances in Eccmometrics， （15） ，93-130.

[68] Pedroni P（2004）. Panel Cointegration：Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis [J] . Econometric Theory ，20 （3） ，597-625.

[69] Pesaran H（2007）.A simple panel unit root test in the presence of cross-section dependence[J] . Journal of Applied Econometrics，22 （2） ，265 -312.

[70]

Phillips P， Hansen B （1990） . Statistical inference in instrumental variables regression with I（1） Process [J] . Review of Economic Studies，57 （1） ，99-125.

[71] Phillips P，Moon H （1999）. Linear regressum limit theory for nonstationary panel data [J] . Eccmometrica，67（5） ，1057-1112.

[72] Sarantis N，Stewart C （2001）. Saving hehavior in OECD countries： Evidence from panel cointegration tests[J] . Manchester schoo1，69 （I） ，22-41.

[73] Seetanah B（2011）. Assessing the dynamic economic impact of tourism for island economies [J] . Annals of Tourism Research，38 （1） ，291-308.

[74] Shan J（2005）. Does financial development ' lead' economic growth？ A vector auto regression appraisal [J] . Applied Economics，37 （12） ，1353-1367.

[75] Shan J，Wilson K（2001）. Causality hetween trade and tourism：Empirical evidence from China [J] . Applied Economics Letters，8 （4） ，279-283.

[76] Stock J， Watson M （1993） . A simple estimator of cointegration vectors in higher order integrated systems[J] . Econometrica ，61 （4） ，783 -820.

[77] Thrane C （2008）. Earnings differentiation in the tourism industry： Gender， human capital and socio-demographic effects [J] . Tourism Management ，29 （3） ，5 14 -524.

[78] Weng C，Wang K（2004）. Scale and scope eccmomies of international tourist hotels in Taiwan [J] . Tourism Management ，25 （6） ，761 -769.

[79] Westerlund J（2005）. New simple tests for panle cointegration [J]. Eccmometric Review，24 （3） ，297-316.

[80] Westerlund J （2006） . Testing for panel cointegration with a level break [J] . Economic Letters ， 91（1） ，27-33.

[81] Westterlund J （2007）. Testing for error correction in panel data [J]. Oxford Bulletin of Economics and Statisties ，69 （6） ，709-748.

[82] Zortuk M （2009）. Economic impact of tourism on Turkey ' s economy： Evidence from cointfgratum tests [J]. Intematumal Rf}search Journal of Finance and Economics， 25 （2） ， 231-239.

Tourism Development and Economic Growth in China：

A Co-integration Analysis on Provincial Panel Data

ZHAO Leil ， WANC Jia2

Abstract： The relationship hetween tourism development and economic growth has always been thecore of tourism stuclies. Based panel data collected from 30 provinces for 1999 - 2010， this paperapplied the new heterogeneous panel co-integration technique to investigate empirically the long-runrelationship between tourism development and economic growth in a multivariate model， and conductedfully modified ordinary least squares （FMOLS） to estimate the long-run elasticity of impact of tourismdevelopment on ecomnnic growth. The results show that： A panel co-integrated relationship betweentourism development and economic growth is substantiated； and tourism development has a significantpositive impact on economic growth in the long run. This paper prowides a solid evidence for TLGH inChina. In addition， as for the FMOLS estimates， It also determines that tourism industry specializationhas a greater impact on eccmomic growth than tourist arrwals per capita.

Key words： tourism development； economic growth； heterogeneous panel cointegration technique；fullv modified ordinarv least squares