长三角地区旅游经济发展格局演化与影响因素空间计量分析

刘 佳，奚一丹

(中国海洋大学 管理学院，山东 青岛 266100)



长三角地区旅游经济发展格局演化与影响因素空间计量分析

刘 佳，奚一丹

(中国海洋大学 管理学院，山东 青岛 266100)

运用空间计量经济学理论和方法，以长三角地区25个城市为研究对象，对区域旅游经济发展空间格局、演化特征及其形成机制进行理论分析与实证研究，研究结果表明：长三角地区旅游业发展伴随着明显的空间集聚过程，不同城市之间旅游经济发展存在显著的空间正相关性，且呈现局部集聚趋势；相邻城市旅游经济的发展对本地区旅游经济发展水平的提高表现出较强的空间溢出效应与关联效应；地区经济发展水平、旅游资源赋存状况、旅游服务设施和区位交通条件等对长三角地区旅游经济发展水平的提高具有显著的正向作用，且各影响因素系数存在一定的空间差异性。进而从空间作用和相互影响角度出发，提出促进长三角地区旅游经济持续稳定与均衡发展的对策建议。

长三角地区；旅游经济；空间自相关；空间计量模型

0 引言

旅游业是综合性、关联性很强的产业，中国自1998年实施刺激消费假日经济政策以来，旅游经济对国民经济的作用越来越凸显，已经成为国民经济的支柱产业之一和新的经济增长点之一[1]。“十二五”期间，全国有20多个省(自治区、直辖市)把旅游业列为当地经济发展的支柱性产业和主导性产业，旅游业也因此成为区域经济发展和竞争的新的制高点。长期以来，区域旅游经济发展成为旅游研究的热点，借鉴国内外区域经济研究理论与方法，当前中国区域旅游经济研究成果不断丰富与完善[2，3]。从研究范围来看，主要是基于全国尺度分析旅游经济区域差异的空间格局，以及基于区域尺度探讨珠三角、长三角、环渤海三大地区旅游经济的空间差异。其中，国内学者关于长三角地区旅游经济发展研究成果较为显著，一是主要采用定性方法和理论研究区域旅游合作，如徐琪提出要实现城市旅游业的跨越式发展必须通过优化长三角地区合作环境、开发特色旅游资源和优势旅游产品[4]；张正国，吴光伟通过构建长三角区域旅游合作过程系统结构，建立了区域旅游合作过程系统的结构模型等[5]；二是采用定量研究手段分析区域旅游经济差异、旅游产业集聚水平等，如邹德玲，蒋天颖通过构建旅游经济综合评价指标体系结合引力模型，确定了长三角区域旅游经济的分级区域[6]；梁美玉，史春云应用首位分布和位序—规模分布的研究方法，研究发现长三角地区旅游城市空间格局总体分布均衡，呈现以上海为中心的旅游核心空间分布[7]。靳诚，陆玉麒通过构建城市旅游流强度模型，提出“长三角地区旅游目的地和旅游客源地之间表现为以旅游发展强市上海为核心的圈层结构”的结论[8]。从上述文献整理可以发现，国内对于长三角地区旅游业发展空间相互作用关系及形成机制的研究相对匮乏，关于长三角地区内部城市之间空间效应的研究明显不足。自20世纪70年代以来，空间理论日益受到重视，空间经济学也因此得到快速发展，空间不同对象由于不同的地理区位而产生空间效应。W R To-bler提出“地理学第一定律”，认为相邻事物之间存在相似的属性，而相远离的事物则具有不同的属性，即强调了空间的依赖性[9]。Anselin认为空间异质性即事物由于处于不同的空间位置而拥有不同的属性[10]。不同地区由于具有不同的旅游资源禀赋、旅游区位交通条件以及旅游服务设施条件等而发展具有各自特色的旅游业，其旅游经济发展模式必然也会存在显著差异，但是邻近地区旅游业的发展由于空间位置的邻近而存在密切的经济联系，一个地区旅游业的发展不仅对本地区经济发展产生直接影响，同时也会对邻近地区经济发展产生一定程度的溢出效应。本文从空间计量经济研究视角出发，通过空间自相关性检验分析长三角地区旅游经济发展空间格局及其演化特征，揭示该地区不同城市旅游经济发展是否存在显著的空间联动特征，在此基础上构建空间计量模型对影响长三角地区旅游经济发展的主要因素和形成机制进行分析，以期为推动长三角地区旅游经济持续快速、稳定发展提供一定的理论依据和决策参考。

1 空间计量分析方法与数据来源

1.1 空间自相关分析

探索性空间数据分析(ESDA)主要通过空间关联测度研究对象之间的空间分布格局，发现其空间集聚或空间异常特征[11]。本文从全局空间视角和局部视角对长三角旅游经济发展的空间依赖性进行分析，以此检验各个城市的空间依赖性关系和作用规律。

其中，全局空间自相关分析主要用于探讨区域整体空间差异程度，其通过全局Moran’s I检验因变量的空间依赖性存在与否，揭示旅游经济发展的全局空间相关性。计算公式如下：

(1)

(2)

式中：E(I)为期望值； SD(I)为标准差。在显著性水平5%时，所适用的临界值为-1.96

局部空间自相关分析能够反映每个地区与周边地区之间是否具有相似属性或相异属性，即是空间相关或是空间差异。局部空间自相关主要通过Gi统计量、Moran散点图以及空间联系的局部指标(LISA)加以反映。本文运用Moran散点图来表示。Moran散点图描述的是研究对象变量z与其空间滞后向量Wz之间的相关关系。Moran散点图横轴和纵轴对应的分别是变量z与空间滞后变量Wz。该图分为四个象限是用来识别研究区域内一个地区与其周边地区之间的相互关系。第一象限(HH)：“高高区域”，表示城市之间旅游经济发展差异较小，区域自身与周边人均旅游收入均较高的市域；第二象限(LH)：“低高区域”，表示城市之间旅游经济发展差异较大，自身人均旅游收入较低而周边市域人均旅游收入较高；第三象限(LL)：“低低区域”，表示城市之间旅游发展差异较小，区域自身与周边人均旅游收入均较低的市域；第四象限(HL)：“高低区域”，表示城市之间旅游经济发展差异较大，自身人均旅游收入较高而周边市域人均旅游收入较低。

1.2 空间面板数据模型

本文采用纳入空间效应(空间相关和空间差异)的空间常系数回归计量模型进行拟合分析，具体包括空间滞后模型(Spatial Lag Model，简称SLM)与空间误差模型(Spatial Error Model，简称SEM)。

空间滞后模型(SLM)主要研究相邻地区的行为对周边地区行为产生的影响(溢出效应)，反映的因变量的影响因素均会通过空间传导机制作用于其他地区，空间依存性主要体现在因变量的滞后项上。模型形式设定如下：

y=ρWy+Xβ+ε

(4)

式中：y为因变量，X为外生解释变量矩阵，W为空间权重矩阵，Wy为空间滞后因变量，ρ为空间回归系数，反映观测对象之间的空间依赖作用，β为参数向量，ε为随机干扰项。

空间误差模型(SEM)表示地区之间产生相互作用主要是由于所处地理位置存在差异的原因，反映空间溢出是随机冲击的作用结果，地区之间的相互关系通过误差项加以反映。模型形式设定如下：

y=β+μ, μ=λW+ε

(5)

式中：β为反映因变量y与自变量x的相关系数，μ为随机误差项向量，λ为空间误差修正系数，反映观测对象之间的空间依赖作用，ε为随机干扰项。

SLM模型与SEM模型的判断与选择主要依据Moran’s I检验、极大似然LM-Lag检验以及极大似然LM-Error检验等空间检验效应来判定，Anselin和Florax[12]认为若LM-Lag检验较LM-Error检验在统计量上更加显著时，且Robust LM-Lag显著而Robust LM-Error不显著时则应当采用空间滞后模型(SLM)；相反则采用空间误差模型(SEM)。除以上统计检验判定外，还可以依据拟合优度R2检验、自然对数似然函数值(LogL)最大，施瓦茨信息值SC、赤池信息值AIC最小等办法来判断选择空间滞后模型(SLM)或是空间误差模型(SEM)。

1.3 研究区域概况与数据来源

长三角是中国旅游经济发达地区，改革开放30多年来，旅游经济快速发展、稳步增长，旅游产业体系发展成熟，已经形成互为市场、互为腹地、互送客源的旅游地域空间格局。2013年实现旅游总收入15 922.02亿元，占全国总量的53.08%，其中旅游创汇131.1亿美元、国内旅游收入15 110.1亿元，分别占全国总量的25.36%%和57.51%。旅游总收入占其GDP和第三产业产值的比重分别为13.46%和42.1%，均高于中国其他地区平均水平，旅游业在长三角区域经济和第三产业发展中发挥了重要作用。

考虑到数据的真实性、连续性以及可获得性，本文选取人均旅游收入作为旅游经济发展的量度指标，人均旅游收入较为客观地反映了一个地区或城市旅游经济的发展水平和发展程度，选取长三角地区25个地级市作为研究对象，数据样本以各市的入境旅游收入和国内旅游收入、人口数等作为分析计算的基础数据，通过计算获得各市的人均旅游收入。相关指标数据来源于《中国区域经济统计年鉴》(2003～2013年)、《中国旅游统计年鉴》(2003～2013年)以及浙江省、上海市以与江苏省旅游政务统计网。

2 长三角地区旅游经济空间格局及演化特征

2.1 长三角地区旅游经济发展空间集聚特征

改革开放以来，长三角地区经济发展迅速、交通网络密集，其强大的空间集聚和辐射能力带动了长三角周边地区经济的迅猛发展，尤其是近10年来，长三角地区通过调整产业结构更好地推动了地区经济发展，旅游业的发展得到重视成为长三角地区经济发展的战略支柱产业，2002～2012年其旅游总收入从2 809.75亿元增加到15 432.36亿元，增幅达5倍。

同时，长三角地区旅游经济发展的空间集聚特征日趋明显。本文进一步采用区位基尼系数(Gini)，分析2002～2012年长三角地区25个城市人均旅游收入在地理空间上的分布状况，从整体上考察长三角地区旅游经济发展水平在地理空间上的集聚趋势。其计算公式如下：

(6)

式中：G为区位基尼系数；n为长三角市域总数；Yi为i市人均旅游收入占长三角地区人均旅游总收入的比重，按照升序排列，即Y1

图1 2002～2012年长三角地区人均旅游收入区位基尼系数Fig.1 The Yangtze River Delta area per capita tourism income Gini coefficient from 2002 to 2012

由于受到经济发达程度、地理区位、交通条件、旅游资源规模、文化习俗等多种因素的影响，长三角地区旅游经济发展呈现出显著的空间分异特征。本文以2002、2005、2008和2012年4年为观察年份，以人均旅游收入作为衡量指标，分别绘制旅游经济发展的空间四分位图，对长三角地区旅游经济发展在空间上的变化趋势进行比较分析。空间四分位图是空间分布分图表示的一种，将观测值指标依据规模大小进行排序进而分为四大类，从而简化地图的空间示意[13]。如图2所示，颜色深浅代表长三角地区各市旅游经济发展水平的强弱，颜色越深，即城市旅游经济发展越强劲；相反，若城市旅游经济发展越孱弱，其颜色越浅。由此可知，长三角旅游经济发展在空间分布上均存在一定的空间集聚性，大体上呈现出中部地区旅游经济发展强劲、南部和北部地区旅游经济发展较弱的格局，这也符合长三角区域经济发展实力空间分布的现实状况。从四年时间截面上可以看出，长三角旅游经济发展长期保持相对稳定的空间分布格局，中部地区旅游经济发展相对成熟、旅游经济发展水平相对较高，空间格局较为稳定，而南部和北部地区旅游经济发展水平空间格局则表现出一定的波动性，但南部地区旅游经济发展水平要明显高于北部地区。显然，经济发展水平空间格局基本上决定了旅游经济发展水平空间布局，经济相对发达的地区具有强烈的旅游经济空间集聚特征，而经济不发达的地区则具有较弱或没有旅游经济空间集聚特征。然而，区位基尼系数并不能全面反映长三角地区旅游经济发展空间布局，仅通过单项指标反映了长三角地区旅游经济发展的空间集中程度，对于旅游经济发展相似的城市在空间上的空间相关性或异质性并未给出明确的解释。因此，本文将结合空间自相关分析方法对长三角地区25个城市旅游经济发展水平在空间上的相关性和异质性进行检验，以此来揭示长三角地区旅游经济发展在区域空间上是否存在显著的集聚特征以及动态演化趋势。

图2 2002、2005、2008和2012年长三角地区空间四分位图Fig.2 2002、2005、2008 and 2012 the Yangtze River Delta region of space four bitmap

2.2 长三角地区旅游经济发展空间格局演化特征分析

2.2.1 全局空间总体差异及演化特征

本文采用全局空间自相关检验来揭示长三角地区旅游经济发展的空间相关性、差异性及演化特征。根据长三角地区各城市的邻接关系，采用二进制邻接权重矩阵，邻接标准包括原则和原则。基于长三角地区各城市的行政区划和地理连接，本文选择原则。2002～2012年长三角地区25个城市人均旅游收入的全局Moran’s I见表1。

表1 长三角2002-2012年人均旅游收入 全局自相关Moran’s I值及检验值Tab.1 The per capita income of tourism global autocorrelation Moran’s I value and test value of the Yangtze River Delta from 2002 to 2012

由表1可知，各年Moran’s I值均为正值，且都通过了99%的Z值检验，检验结果较为显著，表明长三角地区旅游经济发展在空间上具有显著的正相关关系，即区域旅游经济发展整体上呈现相互影响和作用趋势。Moran’s I值除2003年和2011年出现下降外，其余年份数值均在不断增大，总体集聚趋势不断上升，表明自2002年以来长三角地区旅游经济发展相似的地区在空间上集聚分布，旅游经济发展强劲地区和弱势地区各自形成相对集中的地域分布，且集中分布范围在不断扩张。其中，2003年和2011年Moran’s I值出现下降，表明长三角地区旅游经济发展在这两个年份空间集中分布趋势减弱，但是造成这两个年份趋势减弱的影响因素大不相同。2003年“非典”对中国整体入境旅游的影响非常重大，形成了周期为一年的波谷。以上海为中心的长三角旅游经济发达地区，由于入境旅游收入的骤减，与旅游经济发展水平较弱的地区之间的差距缩小，在空间上的集中趋势也大为减弱；2010年上海世博会的成功举办为上海、苏州、杭州等地旅游业的发展带来了巨大的收益，也拉大了与周边城市之间的旅游经济发展水平的差距，但是盛会之后出现了低谷效应，与2010年相比，上海、苏州、杭州等地旅游收入增幅普遍降低，仅增加了6.4%，而长三角地区的其他城市旅游收入上升幅度较大，上升幅度均值为20.4%，使得2011年Moran’s I值呈现下降态势。

2.2.2 局部空间差异及演化特征

本文选取2002年、2005年、2008年和2012年作为时间截面，对长三角地区旅游经济水平进行局部空间自相关分析，图3左侧一列为4个时间截面旅游经济发展分布的局部Moran散点图，右侧一列为局部Moran散点图对应的旅游经济发展空间分布图。可以得出以下结论：

(1)从整体上来看，2002年以来，长三角地区旅游经济发展总体格局保持相对稳定的状态。从人均旅游收入位于“高高区域”城市的空间结构来看，多是以上海、苏州为核心的圈状空间结构，表明在长三角旅游经济发展中，中部地区始终是旅游经济发展空间格局的核心区域，是旅游经济发展最为发达的地区，在区域旅游经济发展格局中有着举足轻重的地位；而江苏北部地区城市以及浙江南部地区城市始终处于低低区域，且在长三角旅游经济发展格局中一直处于稳定状态。

(2)4个截面年份中，未发生变化的城市单元占总数量的64%，表明自2002年以来，大部分城市保持原有的空间格局。从“高高区域”来看，4个年份始终在高高区域内的城市共4个，分别为上海、苏州、无锡、舟山，分布在长江下游两岸。从“低低区域”来看，始终未发生变化的一共为11个，为总数的44%，多分布在江苏北部地区和浙江南部地区，表明长三角北部地区和南部地区旅游经济发展始终处于相对滞后的状态。

(3)旅游经济发展总体格局保持相对稳定的情况下，属于在不同类型的城市也发生一定的变化。属于“高高区域”的城市的数量不断增加，落入“低低区域”的城市数量基本保持不变。属于“高高区域”的城市比重由2002年的16%上升到2012年的40%，自2002年以来，以上海和苏州为中心的长三角地区旅游业发展突飞猛进并保持强劲的发展势头，区域旅游合作推动了长三角地区旅游经济的整体发展。

(4)沿江城市旅游经济发展明显优于沿海和内陆城市，长三角地区旅游经济发展空间格局演变呈现明显的沿江化，属于“高高区域”的城市多分布于沿江地区。丰富的旅游资源和高品质的旅游景区、优越的地理区位和良好的经济发展水平以及便利的区位交通条件经济使得沿江地区的城市对周边城市产生强大的辐射作用，有巨大的向心引力，吸引人力、资金等各种旅游经济发展要素在此集聚，形成旅游经济发展的高密度区域。

图3 2002年、2005年、2008年和2012年长三角地区人均旅游收入散点图及空间关联图

Fig.3 2002、2005、2008 and 2012 the Yangtze River Delta Per capita income scatter and the spatial correlation graph

3 长三角地区旅游经济发展影响因素的空间计量分析

3.1 空间计量模型构建

影响一个地区或城市旅游经济发展的因素复杂多样。本文假定影响旅游经济发展的主要因素如下：(1)区域经济发展水平：旅游经济的发展规模和发展速度，往往与当地的经济发展水平有重要的联系，这里采用人均国内生产总值(记为PGDP，元)加以衡量。(2)旅游资源禀赋：一个地区旅游资源的丰富度和知名度是该地区旅游经济发展的关键与核心，这里采用国家4A、5A级旅游景区总数(记为ZY，个)加以衡量。(3)旅游服务设施条件：旅游服务设施是一个地区旅游经济发展的硬件，也是支持其发展的必要条件，这里采用地区星级饭店数(记为LF，家)来加以衡量。(4)交通区位条件：交通区位条件关系到一个地区的可进入性和交通便利性，这里采用地区公路里程数(记为JT，公里)加以衡量。

基于以上旅游经济发展的各类要素，首先不考虑空间效应，构建反映长三角地区旅游经济发展的经典计量经济学回归模型：

lnLY=α+β1lnPGDP+β2lnZY+β3lnLF+β4lnJC+ε

式中：LY为长三角地区人均旅游收入，为被解释变量；PGDP、ZY、LF、JC分为人均国内生产总值、4A级以上景区个数、星级饭店个数、公路里程数，为解释变量；α为常数项，β1、β2、β3为回归系数，ε为随机误差项。本文采用长三角地区25个城市2012年横截面数据作为样本，同时对5个变量数据进行对数处理，从而消除原始数据异方差现象，保证反映原始数据的真实情况。从长三角地区旅游经济发展空间格局演变中可以发现，旅游区域并非孤立存在，而是与周边相邻地区存在很强的空间相关性。运用普通最小二乘法(OLS)回归模型进行回归分析时，会由于忽略经济主体之间的空间联系和空间效应而导致系数估计值存在偏差或无效[14]。因此，本文将纳入空间效应、采用空间数据面板模型来深入分析影响长三角地区旅游经济发展的空间溢出和空间依赖性。

长三角地区旅游经济发展的空间滞后模型(SLM)形式如下：

lnLY=α+ρWLY+β1lnPGDP+β2lnZY+β3lnLF+β4lnJC+ε

式中：ρ为空间滞后自回归系数；W为空间权重矩阵；α为常数项；β1、β2、β3为回归系数；ε为随机误差项。

长三角地区旅游经济发展的空间误差模型(SEM)形式如下：

lnLY=α+λWε+β1lnPGDP+β2lnZY+β3lnLF+β4lnJC+μ

式中：λ为空间误差自回归系数；W为空间权重矩阵；α为常数项；β1、β2、β3为回归系数；μ为正态分布随机误差项。

3.2 空间计量模型估计与结果3.2.1 计量模型选择

首先，运用普通最小二乘(OLS)模型进行估计分析，并将其所得结果与空间计量经济模型估计的参数进行对比分析。由表2可知，长三角地区旅游经济发展影响因素OLS估计模型的拟合度为93.67%，F统计值为73.965 5，模型整体上通过了1%水平的显著性检验；PGDP、LYZY、LF、JC四个解释变量分别通过了1%、1%、5%、5%水平的变量显著性检验，且估计系数均为正数，表明地区经济发展、旅游资源禀赋、旅游服务设施以及交通区位条件对与长三角地区旅游经济的发展有一定程度的正向促进作用。最小二乘(OLS)模型估计结果能够在一定程度上反映旅游经济发展各要素对地区旅游经济发展的正向效应，但模型并未将空间效应纳入考虑之中，这可能使得估计结果存在一定的偏差，从而影响其分析的准确性和客观性。

为保证模型估计结果的正确性和科学性，将地理空间因素纳入回归模型中，对OLS模型估计的残差值进行空间依赖性检验。由表2可知，根据Anselin提出的空间效应检验判别标准，LM(Lag)与Robust LM(Lag)均通过了5%水平的显著性检验，而LM(error)与Robust LM(error)未通过10%水平的显著性检验，因此，选择空间滞后模型(SEM)更适合进行研究论证。同时，采用极大似然法(ML)对空间滞后模型(SLM)与空间误差模型(SEM)进行对比，结果如表3所示，SLM拟合优度R2为0.941 1，Log L值为26.101 7均高于OLS模型的25.206与SEM模型的25.397 1，而AIC值与SC值均小于OLS与SEM模型。由此可知，最小二乘(OLS)模型估计由于忽略了空间效应而使得模型估计结果产生偏差。考虑空间效应的作用，空间滞后模型(SLM)比空间误差模型(SEM)更适合旅游经济发展影响因素的分析，且得出的解释能力也显著增强。

表2 长三角地区旅游经济发展经典回归模型OLS估计结果Tab.2 The estimation results of the classic tourism economic development in the Yangtze River Delta region OLS regression model

表3 空间依赖性检验Tab.3 Spatial dependence test

3.2.2 空间滞后模型估计与分析

由表4空间计量分析结果显示，空间滞后模型的空间滞后参数通过0.83%的显著性检验，表明地区经济发展水平、旅游资源禀赋、旅游服务设施对地区旅游经济发展的影响在地理空间的邻近区域表现出较强的溢出效应；SEM的空间误差估计参数通过了1%的显著性检验，表明这些影响因素对地区旅游经济发展的提高具有较强的空间依赖作用。由此反映出各变量与旅游经济发展水平之间在地理空间上相互影响和相互作用，并且通过邻近地区进行相互传递影响。其次，从空间滞后模型估计系数进行分析可知，PGDP、ZY、LF与JC四个变量的回归系数均为正数，且通过了5%、1%、10%、1%水平的显著性检验，同经典回归模型最小二乘法估计相比，4个变量系数的显著性程度均有明显提高，表明这些变量对提高地区旅游经济发展有显著的正向影响。

(1)在SLM模型估计中，空间滞后参数的估计值为0.2341，且在1%水平上高度显著。表明长三角地区某一城市与周边城市具有很强的空间溢出正效应，促使旅游经济发展变动由核心城市向周边邻近城市扩散，带动周边城市旅游经济发展。尤其是以上海、杭州、苏州为中心的长三角核心地区已经逐渐成为世界第六大城市群之一。上海、南京、无锡、苏州、杭州华东五市是中国旅游经济发展的重心，随着近年来“一小时经济圈”、“半小时经济圈”等打造，长三角的区域集聚效应不断增强，因此，一旦核心城市旅游经济发展有所上下波动，必然会通过空间相互作用对周边相邻城市旅游经济的发展产生较大程度的影响。

(2)地区经济发展在5%水平下显著，且其系数为0.479 2，表明经济发展水平提高会极大地拉动当地旅游业的发展。人均国内生产总值增加，人们的可支配收入也会相应增加，生活基本需求得到满足就会产生出外旅游动机。世界旅游组织研究表明，当人均国内生产总值达到2 000美元时，居民就会产生休闲旅游的需求，从而使得休闲旅游将得到快速发展；当人均国内生产总值达到3 000美元时，旅游需求将会出现爆炸性增长，旅游市场将会呈现以度假旅游为核心的趋势；当人均国内生产总值达到5 000美元时，整个社会将会步入成熟的度假旅游经济时代，居民的休闲需求和消费能力也将会日益增强。长三角地区是中国经济发达的地区，江苏、浙江、上海人民的人均国内生产总值逐年上升，尤其是上海、苏南和浙北地区在2002年人均国内生产总值就达到5 000美元，这几个地区之间互为客源地和目的地，有效地提高了各城市旅游经济水平的提高。

(3)从SLM模型估计结果来看，旅游服务设施对长三角地区旅游收入的提高较为显著，表明旅游服务设施对长三角地区旅游经济发展影响增强。这与中国实施改革开放以来，长三角地区大规模建设星级饭店有关，随着休闲旅游时代的到来，旅游者更加注重旅游过程中的品质享受，上海、杭州等一线城市建设高星级的饭店吸引了大批的高端游客，这也带动周边城市大力酒店业，大规模新建星级酒店、特色主题酒店等，较大地拉动了地区旅游收入的增长。

表4 长三角地区旅游经济发展SLM和SEM估计结果Tab.4 The estimation results of the Yangtze River Delta tourism economic development of SLM and SEM

(4)旅游资源禀赋在1%水平下显著，系数为0.294 1，旅游资源赋存状况对长三角地区旅游经济发展的增强较为显著，但是其影响系数相较于地区经济发展水平、旅游服务设施影响系数较小，旅游资源赋存状况是影响长三角地区旅游经济发展差异及格局演化的主要因素，但不是核心要素，表明长三角地区旅游经济发展已经由“资源导向型”走向“经济导向型”。

(5)交通区位的便利程度对提高长三角地区旅游经济发展的影响并不十分显著，不会引起旅游经济发展格局的变化。可进入性是一个地区能够发展旅游的基本条件，长三角地区位于中国经济发达地区之一，早在2003年底，长三角地区公路里程数就达到11.8×104km，其中高速公路3 779 km，公路网密度和高速公路密度分别为全国的3倍和5.8倍[15]。近年来，长三角地区基础设施进一步完善，但并不能对该地区旅游经济的发展带来显著影响。

4 结论与讨论

本文运用空间计量经济学理论和方法，揭示了长三角地区旅游经济发展空间格局与演化特征，探讨了其旅游经济差异形成的影响因素和作用机制，研究结果表明：(1)长三角地区旅游经济发展整体呈现空间集聚的状态，2002-2012年旅游空间基尼系数虽有下降趋势，但是集中指数仍然较高；(2)全局空间相关性检验表明长三角地区旅游经济发展存在稳定的正空间相关性，即整个地区旅游业的发展保持良好的一致性，运用局部空间自相关检验发现长三角地区中部区域旅游业的发展态势迅猛，无论是旅游业发展速度还是发展规模均高于其他区域。(3)地区经济发展水平对长三角地区旅游经济的发展存在显著的正向作用，旅游服务设施的完善和旅游资源品质的提高有利于该地区旅游经济的发展，而交通区位条件对长三角地区旅游经济的发展的影响并不显著。

因此，根据研究结果提出以下政策建议：(1)依托长江黄金水道，加快促进城市之间的互动与合作。其中苏南、浙东地区多个城市位于长三角地区的核心地带，受到国际性大都市上海高强度的经济辐射，影响巨大。相比苏南、浙东地区，长三角地区其他城市则不具备优越的区位条件，应与核心城市主动建立地区合作，向发达城市靠拢，实现城市之间的技术交流和资源共享。(2)加快长三角地区城市经济发展，着力提高地区旅游经济发展水平。受到地理区位、交通条件、经济基础等多方面因素的影响，长三角地区各城市之间经济发展速度和发展规模存在显著差异，中部地区城市化水平较高、城市经济发展速度较快；南部和北部地区城市化水平较低、城市经济发展速度相对较慢。因此，长三角发展较为落后地区应大力培育经济发展新的增长点，旅游发达地区则应通过“极化效应”带动地区周边城市的经济发展，从而为旅游业的发展奠定坚实的基础。(3)大力提高旅游景区的知名度。高品质旅游资源对地区旅游业的发展有着更为显著的影响。长三角地区拥有15个国家级旅游城市，苏南、上海、浙东地区拥有长三角地区80%以上的国家5A、4A级旅游景区，苏中、苏北以及浙南城市仅占20%。因此，拥有较少高质量景区的城市应大力挖掘其他具有当地特色的旅游资源，将旅游资源的文化内涵与城市品牌塑造相结合，将旅游资源与城市融为一体，以城市为载体提高景区、景点的知名度和美誉度。(4)优化旅游交通，完善长三角地区旅游交通体系。长三角地区公路路网密度位居全国前列，但路网密度明显不均匀，以上海、苏州、杭州以及宁波为中心的区域交通可达性最优，其次可达性较好的是沪宁-沪杭-杭甬沿线地区，苏南和苏北地区虽已修建了南京长江大桥、长江二桥等，但是南北地区之间的交通可达性仍有一定的差距。因此，应构建以上海、苏州等城市为中心的区域交通网络，缩短城市之间的交通距离，将苏北区域和浙江南部区域有效地连接起来，使长三角地区形成高度发达的立体旅游交通网络体系。

[1]谢守红，何家凤.长江三角洲旅游经济的空间差异分析[J].华东经济管理，2008，22(10)：4-8.

[2]汪德根，陈田.中国旅游经济区域差异的空间分析[J].地理科学，2011，5(31)：528-535.

[3]肖光明.珠三角城市旅游经济空间差异与协调发展战略研究[J].地理与地理信息科学，2009，6(25)：72-77.

[4]徐琪.长三角区域旅游合作与南通市旅游业发展[J].生态经济，2010(10)：134-136.

[5]张正国，吴光伟.长三角区域旅游合作问题的分析与思考[J].经济论坛，2006(11)：6-8.

[6]邹德玲，蒋天颖.长三角旅游经济空间联系研究[J].华东经济管理，2014，28(5)：65-70.

[7]梁美玉，史春云.长三角旅游城市核心—边缘空间结构的演变[J].旅游论坛，2009，22(2)：229-232.

[8]靳诚，陆玉麒.基于域内旅游流场的长三角旅游空间结构探讨[J].中国人口·资源与环境，2009，19(1)：115-119.

[9]李鹤，张平宇.东北地区矿业城市经济系统脆弱性分析[J].煤炭学报，2008，33(1)：116-120.

[10]Turner II B L，Kasperson R E，Matson P A，et al.A framework for vulnerability analysis in sustainability science[J].Proceed-ings of the National Academy of Sciences of the United States of America，2003，100(14)：8074-8079.

[11]刘玉，潘瑜春，陈秧分.山东省县域经济发展的时空动态研究[J].经济地理，2012，32(5)：43-48.

[12]Anselin L，BeraAK，Yoon M J.Simple Diagnostic Tests for spatial Dependence[J].Regional Science and Urban Economics，1996，1(26)：7-104.

[13]李秀萍.西部12省经济增长极的实证研究[D].成都：西南财经大学，2011.

[14]Anselin L，Griffith D.Do spatial effects really matter in regression analysis?[J].Papers of the Regional Science Association，1988(65)：11-34.

[15]卢茜.长三角地区高速公路网可达性变化与城市区位分析[D].上海：上海师范大学，2011.

[16]许贤棠，胡静，刘大均.中国省域旅游业的竞争力评价及空间格局[J].经济管理，2015(4)：126-135.

[17]周桂利，周石鹏.基于空间计量的国际贸易与碳排放研究[J].数学理论与应用，2014，34(3)：104-113.

[18]方叶林，黄震方，涂玮.社会网络视角下长三角城市旅游经济空间差异[J].热带地理，2013，33(2)：213-218.

[19]刘佳，赵金金，张广海.中国旅游产业集聚与旅游经济增长关系的空间计量分析[J].经济地理，2013，33(4)：1864-192.

[20]张广海，李华.中国旅游产业集群发展水平评价及空间格局演变[J].旅游论坛，2013，6(2)：24-30.

[21]李在军，管卫华，蒲英霞.山东省旅游经济的时空演变格局探究[J].经济地理，2013，33(7)：176-181.

[22]王昱力，石培基，王祖静.甘肃省入境旅游经济差异变动的空间分析[J].资源开发与市场，2014，30(2)：217-220.

[23]孙盼盼，戴学锋.中国区域旅游经济差异的空间统计分析[J].旅游科学，2014，28(2)：35-48.

[24]黄毅，马耀峰，薛华菊.环渤海港口城市群旅游合作时空演变研究[J].地理与地理信息科学，2014，30(2)：92-96.

THE YANGTZE RIVER DELTA TOURISM ECONOMY DEVELOPMENT PATTERN,EVOLUTION AND INFLUENCE OF SPATIAL ECONOMETRIC ANALYSIS

LIU jia，XI yi-dan

(SchoolofManagement，MarineDevelopmentResearchInstitute，OceanUniversityofChina，Qingdao266100，Shandong，China)

Using the spatial econometric theory and methods and studying 25 cities in Yangtze River, this paper analyze the the evolution of spatial pattern, evolutionary character and formal mechanism of regional tourism economic. It suggested that tourism has apparent spatial agglomeration process in the Yangtze River Delta area, the development of tourism economy in different city has significant positive spatial correlation and appear the trend of local agglomeration. The development of the adjacent city tourism economy has strong exhibit spatial spillover effect and correlation effects on improving local tourism economy. Regional economic development level, tourism resource occurrence condition, tourist service facilities and regional traffic conditions has significant positive effect on the development of tourism economy in Yangtze river delta and various factors exist spatial heterogeneity. Then from the perspective of space effect and influence, we put forward the strategy of promoting steady and balanced development of tourism economy in Yangtze river delta economic.

the Yangtze River Delta;tourism economy;spatial autocorrelation；spatial econometric model

2015-02-27；

2015-05-18．

F592.7

A

1001-7852(2015)03-0015-10