我国旅游产业集聚与全要素生产率关系研究

张广海 汪立新

文章编号：1001-148X（2016）11-0186-07

摘要：本文采用EG指数方法测度我国旅游业产业集聚水平，采用曼奎斯特指数测度我国旅游全要素生产率水平，发现我国旅游产业集聚呈下降趋势且速度随时间变缓，我国旅游全要素生产率水平呈现出波动变化，且波动幅度逐渐增大；通过构建模型考察两者关系，发现我国旅游产业集聚冲击对全要素生产率存在显著影响，旅游全要素生产率冲击对产业集聚也存在一定程度的影响。

关键词：旅游业；产业集聚；全要素生产率

中图分类号：F59299文献标识码：A

收稿日期：2016-06-22

作者简介：张广海（1963-），男，山东临沂人，中国海洋大学管理学院教授，博士生导师，管理学博士，研究方向：旅游开发规划与管理、区域经济；汪立新（1991-），女，山东聊城人，中国海洋大学管理学院研究生，研究方向：旅游开发规划与管理、区域旅游经济发展。

产业集聚已成为中国旅游业发展的重要途径。产业集聚在降低要素流动成本的同时，通过知识外溢及产业结构优化等途径推动旅游经济增长。旅游经济增长中不能被要素投入所解释的部分属于全要素生产率的范畴，其增长能推动旅游业科学、合理、可持续地发展。目前，多数研究成果集中于对旅游产业集聚或旅游全要素生产率展开的单独研究。对旅游产业集聚的研究主要集中在特征分析[1-5]、动因研究[6-7]及其对其他主体的作用机理[8-11]方面；对旅游全要素生产率的研究主要集中在测度及分解[12-16]和影响因素的探析上[17-18]。对两者之间的关系进行研究，有助于明确两者间的作用机理。郭悦等（2015）通过对我国省级面板数据进行SYS-GMM估计，发现产业集聚对旅游全要素生产率的提高具有促进作用，其传导机制为技术和规模效率的提高[19]。本文在考察我国旅游全要素生产率变化的基础上，通过构建SVAR模型，探究我国旅游产业集聚与全要素生产率之间的关系，并提出相关发展建议。

一、我国旅游产业集聚特征分析

（一）测度方法

产业集聚的测度方法有很多，本文综合考虑各方法的假设前提与适用条件[20]，选取 E-G指数测度我国旅游产业集聚水平。EG指数区分了产业内部的随机集聚和共享外部性的集聚，剔除了由于内部规模经济或资源优势所导致的虚假空间集聚成分，对产业自身地理空间集聚的表达意义更明确，表达式为：

γ=G-（1-∑xi2）H（1-∑xi2）（1-H）

式中，i代表我国各省，i=1，2，…，30；xi表示i省份就业人数占全国就业总人数的比重；G为空间基尼系数；H为调整赫芬达尔指数[21]，此处采用就业人数计算我国旅游企业规模和市场结构。

（二）我国旅游产业集聚程度的测度

1.数据来源

以我国内地30个省份为研究对象（西藏除外），选取2001-2013年统计数据，对我国旅游产业集聚的时序演变特征进行分析。其中，旅游企业就业数据来自历年发布的《中国旅游统计年鉴·副本》，反映我国及各省份总体就业情况的统计数据来源于《中国劳动统计年鉴》。

2.测度结果与分析

利用2001-2013年统计数据，测度我国旅游产业集聚度，结果见图1。总体而言，我国旅游产业集聚度的平均值为002，呈现中度水平集聚。自2001年以来，伴随着小范围的波动，我国旅游产业集聚水平总体呈现出不断下降的趋势：2001-2004年，我国旅游产业集聚水平出现持续高速下滑，2001年我国旅游产业集聚EG指数为00725，2004年EG指数为00108，产业集聚水平年平均变化率为-2837%。2004-2005年，我国旅游产业集聚水平出现小幅回升，从00108提升至00197，变化率为8287%。2005-2012年，我国旅游产业集聚水平呈现出小幅稳步下降，年平均变化率为-1202%。2012-2013年，我国旅游产业集聚水平出现显著回升，从2012年的00031提升至2013年的00425，变化率为1 26549%。综上所述，我国旅游产业集聚EG指数绝对值随时间的推移表现出波动下降的趋势，将这种波动变化分解为下降阶段和上升阶段，发现其下降速率逐渐减小，上升速率显著提高，表明我国旅游产业集聚的向心力作用逐渐凸显。

二、我国旅游产业全要素生产率特征分析

（一）测度方法

采用曼奎斯特指数模型对我国旅游产业TFP进行测度，该方法在线性规划的基础上，纳入时间维度，利用距离生产函数将t期和t+1期的投入和产出分别与对应时期的最优生产边界进行对比，对t时期到t+1时期的全要素生产率变化进行了度量[22]。计算表达式为：

TFP=M（xt，yt，xt+1，yt+1）

=Dtn（xt+1n，yt+1n）Dtn（xtn，ytn）*Dt+1n（xt+1n，yt+1n）Dt+1n（xtn，ytn）12

其中，M为生产率指数，表示生产点（xt+1，yt+1）相对于生产点（xt，yt）的生产率；（xt，yt）和（xt+1，yt+1）分别代表t与t+1期的投入和产出的集合；Dtn（xt+1n，yt+1n）Dtn（xtn，ytn）测量了以t期最优生产边界为参照时，从t到t+1期生产活动技术效率的变化；Dt+1n（xt+1n，yt+1n）Dt+1n（xtn，ytn）测量了以t+1期最优生产边界为参照时，从t到t+1期生产活动技术效率的变化。M大于1说明对应时期内我国旅游业TFP提高，反之则认为降低。

（二）我国旅游产业全要素生产率测度

1.变量及数据来源

将我国旅游产业的生产经营过程看作一个投入产出系统。投入要素为资本和劳动力要素，此处选择旅游企业固定资产原值和年末旅游从业人数两指标对投入要素进行表征。产出要素最理想的指标是终端旅游服务，由于这一指标数据无法直接测度，此处选择旅游企业营业总收入指标来衡量我国旅游产业的产出要素。为保证数据的可比性，对旅游企业营业收入和旅游业固定资产原值进行价格平减，消除价格因素。样本期为2001-2013年，旅游业相关数据来源于《中国旅游统计年鉴·副本》，价格指数来源于中华人民共和国国家统计局网站。

2.测度结果与分析

计算我国2001-2013年旅游业M值，结果见图2。总体而言，我国旅游产业全要素生产率平均值为10597，TFP呈小幅上涨趋势，变异系数为01243，表明我国旅游产业全要素生产率总体呈现小幅波动态势。按照谷-峰-谷的周期划分方法，样本期间内我国旅游产业全要素生产率波动经历了三个周期。其中2003-2005年为第一个周期，扩张期与收缩期的时间比为1：1；2005-2009年为第二个周期，扩张期与收缩期持续时间比为1：3；2009-2013年为第三个周期，扩张期与收缩期之比为1：3。各周期收缩阶段持续期逐渐延长，扩张期与收缩期时间之比逐渐降低，但我国旅游全要素生产率变化一直围绕平均值上下波动，表明其增长速度大于下降速度。同时，2003-2005年，我国旅游TFP波动幅度百分比为1597%；2005-2009年波动幅度百分比为614%；2009-2013年波动幅度百分比达4445%，表明我国旅游全要素生产率波动幅度百分比变化不稳定，较大的波动幅度过后会伴随着一个相对较小的波动幅度作为缓冲而出现。预测2013-2017年，我国旅游全要素生产率会呈现幅度较小的波动状态。

三、我国旅游产业集聚与全要素生产率关系的分析

（一）模型构建

向量自回归模型（VAR）纳入了变量的滞后值，描述了变量间的动态关系，弥补了传统计量方法难以描述变量间动态联系及内生变量性质的先天不足，广泛应用于对经济系统的动态分析。然而，该模型将内生变量间的当期相关关系隐藏在新息向量中，不能明确地刻画变量间的结构关系。SVAR模型在VAR的基础上引入一定的约束条件，将变量间的当期关系纳入到模型中，弥补了VAR模型的不足。该模型系统中，每个变量不仅受各自的滞后项影响，同时还考虑了其他变量的当期影响。SVAR模型可分为三类，此处采用最具普遍意义的AB-模型研究变量间的关系，表达式如下：

AA（L）yt=Aεt

Aεt =Bet

E（et）=0

E（etetT）=In

式中，矩阵A和B为n×n正交因子分解矩阵；A（L）为滞后算子多项式的向量表现形式，即A（L）=In-A1L-A2L2-…-ApLp；εt是VAR模型的随机扰动项，服从向量高斯白噪声过程，即εt～VGW（0，Ω）；et为标准正交随机扰动项，表示作用在变量上的结构式冲击服从向量白噪声过程，即et～VWN（0，In）。

（二）我国旅游产业集聚与全要素生产率关系的实证分析

1.单位根检验

构建我国旅游产业集聚与全要素生产率关系的SVAR模型之前，首先检验变量数据的平稳性，以避免数据不平稳带来的类似伪回归等不良后果。采用常见的ADF单位根检验分别对EG指数和TFP时间序列的数据平稳性进行检验，见表1。检验结果显示，EG指数和TFP均在95%的置信水平上拒绝原假设，说明两变量序列平稳，可以直接构造传统VAR模型。

2.模型估计

在明确EG指数和TFP时间序列平稳性的基础上，根据赤池信息准则选择滞后阶数为1-4，首先构建传统VAR模型，模型估计结果如下：

TFP=-0161333TFP（-1）-0204111TFP（-2）+2929208EG（-1）-4395651EG（-2）+1504474

EG=-0013849TFP（-1）-0008010TFP（-2）-0334705EG（-1）+0461105EG（-2）+0032340

为保证后续研究的可靠性，首先对该VAR模型的稳定性进行检验。利用Eviews60软件对上述VAR模型做模型平稳性检验，见图3。检验结果显示，所有单位根模的倒数均小于1，表明该模型是一个平稳的系统，可以进一步识别与估计相应的SVAR。

为了明确我国旅游产业集聚与全要素生产率间的当期关系，进一步估计两变量的SVAR模型。SVAR模型的识别条件包括短期约束和长期约束，此处根据等式AA（L）yt=Aεt，通过对模型施加短期约束来识别与估计对应的SVAR模型。采用类型矩阵的方法对矩阵A和B的元素进行限制，将A和B分别定义为：A=10NA1，B=NA00NA。在满足识别条件的情况下，利用FILM方法估计得到结构因子分解矩阵A=100.03581，B=0.1672[]00[]0.0144，SVAR中A、B、εt和et的线性组合为：

100.03581ε1tε2t=0.1672[]00[]0.0144

e1te2t

3.脉冲响应函数分析

脉冲响应函数主要分析来自误差项的某种冲击对模型系统的动态影响，它能直观地描述扰动项冲击对系统其他内生变量的影响路径。与传统VAR不同的是，SVAR能够得到正交脉冲响应函数，从而可以对来自某个变量的冲击影响进行单独研究[23]。在SVAR模型估计的基础上，通过脉冲响应函数分析两变量的冲击对彼此的影响，见图4。图4为脉冲响应函数分析结果组合图，横轴表示冲击作用的滞后期，纵轴代表施加变量一个单位的正向标准差对系统中另一变量的动态影响，实线为脉冲响应函数，虚线为正负两倍标准差偏离带。

图4（1）表示我国旅游全要素生产率对自身冲击的反应。当在本期给我国旅游产业全要素生产率一单位的正向冲击后，会对其自身波动产生较大的正影响。随着时间的推移，波动幅度逐渐减小，到第8期逐渐趋于0，表明提高我国旅游全要素生产率对其本身存在8年的影响，且影响程度波动下降。图4（2）表示我国旅游全要素生产率对产业集聚冲击的反应。当旅游产业集聚发生1个正向标准差的冲击后，当期不会表现出明显的反应，但在滞后期间对旅游产业全要素生产率波动产生较大的影响。这是由于产业集聚发生过程中，原有沟通方式和产业效率不会立即改变，需要一定的时间进行适应和学习以寻求更高效的产业运行模式，所以两者之间的互动关系并未在当期显现出来。随着时间的推移，全要素生产率变化波动幅度逐渐减小，至13期逐渐趋于0，表明我国旅游产业集聚冲击对全要素生产率存在13年的影响，且影响程度波动降低。结合图4（1）和图4（2），我国旅游全要素生产率对其自身冲击当期存在显著的正向反应，而对产业集聚冲击不存在当期反应。同时，我国旅游产业集聚冲击对全要素生产率的影响期间长于后者冲击对其自身的影响。

图4（3）表示我国旅游产业集聚对全要素生产率冲击的反应。当旅游TFP发生1个正向标准差冲击后，会对集聚产生一定程度的负影响，表明前者的提高在一定程度上对后者产生弱化的作用。这是由于我国交通基础设施和互联网技术日益发达，居民旅行时间成本和沟通成本逐渐降低，同时，处于“互联网+”的大趋势下，我国旅游企业交易成本和沉没成本也大幅降低，使得产业集聚的向心力部分被抵消，从而减缓我国旅游产业空间集聚的速率，然而这种减缓却是进步式的。随着时间的推移，产业集聚变化幅度逐渐减小，至第8期逐渐趋于0，表明我国旅游TFP冲击对产业集聚存在8年的影响，且影响程度波动降低。图4（4）表示我国旅游产业集聚对自身冲击的反应。当在本期给我国旅游产业全要素生产率1单位的正向冲击后，会对其自身波动产生较大的正影响。随着时间的推移，产业集聚变化幅度逐渐减小，至第15期逐渐趋于0，表明我国旅游产业集聚冲击对其自身存在15年的影响，且影响程度随时间波动降低。结合图4（3）和图4（4），我国旅游产业集聚对其自身冲击在第1期存在显著的正向反应，而对旅游全要素生产率冲击存在一定程度的负向反应。同时，我国旅游产业集聚冲击对自身的影响期间长于来自TFP冲击的影响。忽略各变量来自自身冲击的影响，我国旅游产业集聚对全要素生产率的冲击作用时期比旅游全要素生产率冲击对产业集聚的作用时期长。此外，我国旅游产业集聚冲击对全要素生产率仅存在滞后期影响，而后者冲击对前者在当期便产生负向影响。

4.方差分解

进一步，利用方差分解的方法探索两变量冲击对彼此影响的贡献程度。方差分解主要通过方差来分析结构冲击对变量改变的贡献额，其表达式为：

RVCj→i（s）=[SX（]E（θ（0）ijεjt+θ（1）ijεjt-1+…+θ（q）ijεjt-q）2[]var（yi）[SX）]

=[SX（]∑[DD（]s=1[]q=0[DD）]（θ（q）ij）2σjj[]∑[DD（]k[]j=1[DD）]∑[DD（]s=1[]q=0[DD）]（θ（q）ij）2σjj[SX）]

式中，i，j=1，2…k，RVCj→i（s）表示第j个变量对第i个变量的相对方差贡献率，其大小表示变量间的影响程度。RVCj→i（s）大时，影响大，反之影响小。∑[DD（]s=1[]q=0[DD）]（θij（q））2σjj为用方差衡量的第j个扰动项对第i个变量从t-q期到当期的影响。∑kj=1∑s-1q=0（θ（q）ij）2σjj 为yi的方差。对两变量冲击对彼此影响的贡献程度进行方差分析，见图5。曲线代表两变量冲击对彼此影响的贡献程度，横轴表示滞后期，纵轴表示某一变量冲击对其自身或另一变量的贡献率。

具体而言，图5（1）表示我国旅游全要素生产率冲击对其自身的贡献率，我国旅游全要素生产率对其自身的贡献率在第1期为100%，于第10期达到6680%，之后的时期保持66%左右，表明我国旅游产业全要素生产率冲击对其自身稳定贡献率为66%左右。图5（2）表示我国旅游产业集聚冲击对全要素生产率的贡献率，该贡献率在第1期为0，于第10期达到33%，之后的时期保持在33%左右，表明我国旅游产业集聚冲击对全要素生产率的稳定贡献率约为33%。图5（3）表示我国旅游全要素生产率冲击对产业集聚的贡献率，我国旅游全要素生产率冲击对产业集聚的贡献率在第1期为1470%，于第4期达到1385%，之后的时期保持在13%左右，表明我国旅游全要素生产率冲击对产业集聚的长期稳定贡献率为13%左右。图5（4）表示我国旅游产业集聚冲击对其自身的贡献率，我国旅游产业集聚冲击对自身的贡献率在第1期为8530%，于第4期达到8615%，之后的时期保持在86%左右，表明我国旅游产业集聚冲击对其自身的长期贡献率约为86%。总之，对于我国旅游全要素生产率而言，旅游全要素生产率冲击的贡献率约为66%，产业集聚冲击的贡献率约为33%；对于我国旅游产业集聚而言，旅游全要素生产率冲击的贡献率约为13%，旅游产业集聚冲击的贡献率约为86%。不考虑两变量来自自身冲击的贡献率，我国旅游产业集聚冲击对全要素生产率的贡献率为33%，我国旅游全要素生产率冲击对对产业集聚的贡献率为13%。

四、结论与建议

本文采用EG指数法对我国旅游产业集聚水平进行测度。研究发现我国旅游产业集聚EG指数的绝对值随着时间的推移表现出下降的趋势，就其产业集聚水平的变化程度而言，我国旅游产业集聚程度的下降速率随时间推移逐渐减小，EG指数上升阶段的速率随时间推移表现出显著的增长趋势。换言之，我国旅游产业集聚的向心力作用逐渐显著。然后，采用曼奎斯特指数对我国旅游产业全要素生产率变化进行了分析，发现我国旅游产业全要素生产率变化总体呈现出幅度不一的波动态势，且波动幅度随着时间的推移呈现逐渐增大的趋势。最后，构建结构向量自回归模型，对该模型进行了脉冲响应函数分析和方差分解来研究我国旅游产业集聚与全要素生产率之间的动态联系。研究结果表明，我国旅游全要素生产率对产业集聚冲击的反应在当期表现并不明显，但在滞后期内表现出较大幅度的波动反应，且这种冲击作用的影响周期较长。同时，我国旅游产业集聚对全要素生产率冲击在当期就表现出负向反应，但在滞后期内却在0点附近表现出幅度逐渐降低的波动反应。相较而言，我国旅游TFP冲击对集聚的影响随时间推移衰减加快。同时，通过对SVAR模型进行方差分解发现，我国旅游产业集聚冲击对全要素生产率的贡献率为33%，我国旅游全要素生产率冲击对对产业集聚的贡献率为13%。总之，两变量存在着动态的互动联系，旅游产业集聚对全要素生产率的影响无论在作用程度上还是在贡献率上都表现出较强的作用力度。换言之，在全要素生产率作用下，我国旅游产业集聚水平呈现螺旋式上升。

在上述研究基础上，提出以下建议：首先，在全域旅游理念指导下，全面实施旅游产业供给侧改革。当前我国居民旅游需求普遍旺盛，旅游产业供给侧的发展质量与效率却相对不平衡，需求侧与供给侧之间的矛盾是当前旅游业发展的根本矛盾。从供给侧入手，根据地域资源及产业发展异同，科学地做好我国区域旅游规划，合理调整旅游产业结构，丰富旅游产品层次与种类，建立文明旅游及监督惩罚机制，加强旅游企业市场监督。然后，以“一带一路”建设为契机，开发丝路主题旅游，促进丝路沿线省份旅游产业区域发展，推动旅游产业集聚进程。落实“东北振兴”战略，优化东北地区产业结构，大力发展旅游产业，将东北三省作为区域整体进行旅游规划，推动省域旅游合作[24]。在保持京津冀、长三角和珠三角旅游产业集群健康合理发展的基础上，扩大各旅游集聚区辐射区域，优化旅游集聚区空间布局和经济结构，实现区域一体、互利共赢。最后，构建智慧旅游平台，提高整体旅游产业效率。具体而言，建立智慧旅游监管及应急处理机制提高旅游管理效率，通过大数据挖掘和新媒体传播提高旅游营销效率，通过信息共享及网络支付降低旅游者旅游的时间成本，提高旅游活动效率和体验度。同时，构建智慧交通体系。具体而言，提高整体旅游交通基础设施覆盖率，提高目的地交通可进入性，优化市内旅游交通基础设施布局，降低游客旅游流动成本，提高旅游服务效率。引入环保绿色车辆，优化旅游租车服务，借力“互联网+”实现旅游“车联网”新纪元，提高游客旅游体验及产业发展效率。简言之，在落实上述一系列政策建议的过程中，希望能通过两变量系统的互动机制，推动旅游产业更高层次地合理健康发展。

参考文献：

[1]赵黎明，邢雅楠.基于EG指数的中国旅游产业集聚研究[J].西安电子科技大学学报：社会科学版，2011（2）.

[2]郭为，何媛媛.旅游产业的区域集聚、收敛与就业差异：基于分省面板的说明[J].旅游学刊，2008（3）.

[3]高楠，马耀峰，李天顺，等.旅游产业集聚识别方法分析及实证研究——以渤海地区为例[J].陕西师范大学学报：自然科学版，2012（2）.

[4]张河清，王蕾蕾，田晓辉.区域旅游产业集聚绩效及竞争态势比较研究——基于广东省21个城市的实证分析[J].经济地理，2010（12）.

[5]刘春济，高静.中国旅游产业集聚程度变动趋势实证研究[J].商业经济与管理，2008（11）.

[6]邓冰，俞曦，吴必虎.旅游产业的集聚及其影响因素初探[J].旅游经济研究，2004（6）.

[7]冯卫红.旅游产业集聚的动因分析[J].经济问题，2009（7）.

[8]刘佳，赵金金.中国旅游产业结构与旅游产业集聚空间关联与相互作用的实证研究[J].首都经贸大学学报，2013（3）.

[9]刘佳，于水仙.中国旅游产业集聚与区域经济增长关系研究[J].旅游研究，2013，5（4）：1-10.

[10]王凯，易静.区域旅游产业集聚与绩效的关系研究——基于中国31个省区的实证[J].地理科学进展，2013（3）.

[11]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（4）.

[12]左冰，保继刚.1992-2005年中国旅游业全要素生产率及省际差异[J].地理学报，2008（4）.

[13]张丽峰.基于DEA-Malmquist指数模型的旅游业全要素生产率研究[J].干旱区资源与环境，2014（7）.

[14]赵磊.中国旅游全要素生产率差异与收敛实证研究[J].旅游学刊，2013（11）.

[15]王永刚.中国旅游业全要素增长的实证研究[J].经济问题探索，2012（3）.

[16]张丽峰.基于随机前沿分析（SFA）方法的中国旅游业全要素生产率研究[J].资源开发与市场，2014（2）.

[17]刘建国，刘宇.2006-2013年杭州城市旅游全要素生产率格局及影响因素[J].经济地理，2015（7）.

[18]何俊阳，贺灵.中部地区旅游全要素生产率评价及其影响因素分析[J].湘潭大学学报：哲学社会科学版，2015（5）.

[19]郭悦，钟廷勇，安烨，产业集聚对旅游业全要素生产率的影响——基于中国旅游业省级面板数据的实证研究[J].旅游学刊，2015（5）.

[20]胡健，董春诗.产业集聚测度方法适用条件考辩[J].统计与信息论坛，2013（1）.

[21]吴三忙，李善同.中国制造业集聚程度演变态势的实证研究——基于1988～2007年的数据[J].山西财经大学学报，2009（12）.

[22]王丽丽.开放视角下产业集聚与全要素生产率关系研究[M].北京：经济日报出版社，2014：36-40.

[23]高铁梅.经济计量分析方法与建模[M].北京：清华大学出版社，2015：281-288.

[24]刘莹.基于产业融合的森林旅游产业发展战略研究——以黑龙江省为例[J].哈尔滨商业大学学报：社会科学版，2014（5）：123-128.