长三角城市群旅游产业集聚与旅游经济增长的关系

耿长伟，段正梁



长三角城市群旅游产业集聚与旅游经济增长的关系

耿长伟，段正梁

（湖南师范大学 旅游学院，长沙 410081）

基于空间计量经济学的视角，运用空间相关分析，建立空间计量模型，考察2006-2016年间长三角地区26个城市旅游产业集聚与旅游经济增长之间的空间相关性，并对空间溢出效应进行实证检验。研究表明：空间集聚一直伴随着旅游产业发展过程中，旅游经济增长表现出极其显著的正向空间相关性；资本要素及人力资本对于旅游经济增长的贡献度仅相当于旅游产业集聚对于旅游经济增长贡献度的1/3及1/5；旅游产业集聚、资本存量和人力资本对旅游经济增长具有显著正向城市内和总体空间溢出效应，但旅游产业集聚具有负向城市间空间溢出效应，而人力资本对地理或经济邻近城市的旅游经济增长起到负向空间溢出效应。这表明资本存量驱动的旅游产业集聚是推动长三角城市群旅游经济增长的重要因素。

旅游产业集聚；旅游经济增长；ESDA；空间计量模型

产业集聚是指在某个特定地理范围内，同一产业及其资本要素在空间范围高度集中并不断汇聚的过程。关于产业集聚的研究始于Marshall（1910）对产业区的关注，[1]目前已经形成了包括Weber（1928）的工业区位论、[2]Krugman（1998）的新经济地理理论、[3]Scott（1988）基于交易费用的集聚理论[4]以及Porter（1998）基于竞争角度的“钻石”模型理论[5]等相对成熟的理论。其中，Krugman的新经济地理理论在经济增长与产业集聚的研究中纳入了空间因素，并阐述了规模、形式不同条件下生产的空间集中机制。[6]Majewska[7]指出地理溢出效应对于旅游经济增长以及旅游产业集聚的影响是多样化的。Brulhart[8]认为经济活动的集聚前期会促进经济增长，但是在一定时间阶段过后，会形成拥挤效应，使经济活动的集聚水平呈现下降趋势。随着产业集聚现象研究的不断升入，旅游研究领域的少数学者开始将空间因素引入到旅游经济现象中，探索不同区域间旅游经济增长的空间集聚或差异。如张军谋等[9]对我国省域的国际旅游（外汇）收入的全域空间自相关和局域空间自相关关系进行分析。赵磊等[10]运用SEM模型、SLM模型以及SDM模型对旅游发展、空间溢出及经济增长之间的关系进行检验分析。但是LeSage&Pace的研究表明，因变量的空间溢出效应的测量直接使用回归系数直接作为自变量的先决条件是因变量的空间滞后回归项回归系数为零。[11]刘佳等的研究未将旅游产业集聚变量纳入空间滞后项，此外在利用旅游产业区位商对旅游产业集聚及经济增长之间的关系进行探讨时，在一定程度上忽视了空间关联及空间溢出效应对于研究结果的影响。[12-13]因此本研究基于空间计量模型，在空间滞后项中纳入旅游产业集聚变量，运用空间自相关的Moran’sI指数、LISA模型以及空间回归模型的方法展开研究，并将自变量对因变量的空间溢出效应分解为直接、间接及总效应进行相应解释，从而揭示两者之间的内在机理及运行机制，为新形势下协调旅游产业要素的空间合理配置、加快长三角城市群旅游经济的协调与快速发展提供决策参考。

一、 研究方法

（一） 区位基尼系数（Locational Gini Index）

基尼系数由洛伦兹（Lorenz）曲线演化而来，是衡量收入不均衡程度的重要方法之一。[14]随后克鲁格曼（Krugman）在此基础上提出区位基尼系数进行产业空间分布问题的研究。假设某地区有n个次一级地理单元，则该地区i行业的区位基尼系数Gi为：

其中Sj和Sm分别为产业i的指标值在地理单元j和m所占的比重；Gi的取值范围为[0-1]，在此范围内，Gi值越大，表明产业在空间的分布越不均匀。换言之，产业的区位基尼系数越大，产业的空间集聚程度越高。

（二） ESDA模型（Exploratory Spatial Data Analysis）

ESDA是一种“数据驱动”的分析方法。[15]其是研究数据空间结构及分布的重要方法，主要包括全局空间自相关以及局部空间自相关，首先主要通过全局空间自相关的Moran指数描绘出数据的空间分布特征。Moran指数位于-1到1之间，反映了空间邻近的区域单元属性值的空间集聚程度，当Moran指数值向1趋近时表明各区域单元呈现空间正相关，各单元具有相似的属性集聚在一起，位于第一象限的HH区域及第三象限的LL区域；当Moran指数值向-1趋近时表明各区域单元呈现空间负相关，各单元具有相异的属性集聚在一起，位于第二象限的LH区域及第四象限的HL区域。如果Moran指数趋近于0，则表明各区域单元之间不存在空间自相关性。计算公式如下：

公式（2）中：I表示全局Moran指数；Xi表示相关区域旅游经济发展水平；Pij为空间权重矩阵。此外本文以空间多边形一阶邻接标准定义市域之间的空间关系。

二、 旅游产业空间集聚趋势分析

（一） 旅游产业集聚程度分析

旅游产业集聚是一个动态的过程，随着旅游业的不断发展，区域内技术、资本等旅游业发展相关要素密切联系，在一定的地理空间范围内相辅相成，具有内在联系及运行机制的专门化产业群的现象。[10]旅游产业的集聚水平及其在高层次区域的地位及作用可以通过旅游产业集聚程度得到较好的反映。而近年来，随着旅游产业成为战略性支柱产业，旅游产业在国民经济中所占比重也日益扩大，旅游经济发展水平明显提升，旅游综合收入年均增长率高达19%左右，旅游产业集聚特征日益显著。因此本文运用区位基尼系数，通过Stata软件，计算长三角地区26个城市2006-2016年间旅游综合收入在空间尺度上的集聚现状（见图1），从而探讨长三角地区旅游产业集聚趋势。

图1 2006-2016年长三角区域旅游综合收入区位基尼系数

由图1可知，长三角地区26个城市旅游综合收入的区位基尼系数在2006-2016年期间呈现较为稳定的下降趋势，但是就整体水平而言，仍然呈现较高的空间集聚特征。但是由于各城市的资源禀赋、经济发展水平以及地理区位等条件存在极大的差异，因此经济增长表现出极其显著的空间分异特性。然而，区位基尼系数仅仅反映了区域旅游产业的集聚程度，对于相似的地域空间上旅游经济增长是以何种方式存在无法给出相应的解释。因此本研究基于空间自相关理论，利用探索性空间数据分析模型对旅游经济增长的空间相关性进行探讨，力求揭示长三角区域旅游产业的空间集聚是否显著并探索其动态演化趋势。

（二） 旅游经济增长的空间相关性分析

1. 全局空间自相关分析

本文基于ESDA模型，测算2006-2016年间长三角地区26个城市旅游经济增长水平的莫兰指数（见图2），研究结果表明，2006-2016年间，莫兰指数均值达到0.439，处于较高水准。2016年旅游经济增长的莫兰指数达0.495 7，当permutation为99 999时，方差SD(I)为0.119 6，期望值E（I）为-0.029 7，均值（mean）为-0.030 3，Z（I）值为5.253 1，远大于1.96，因此2016年旅游经济增长的莫兰指数在5%置信水平下通过显著性检验，即2016年长三角地区26个城市的旅游产业发展存在显著正相关性。从时间测度来看，2006-2016年间，长三角区域旅游经济增长的莫兰指数均处于0.35-0.5之间，并且均在5%的置信水平下通过了显著性检验，这表明2006-2016年间长三角地区26个城市的旅游产业发展存在显著正相关性，且受到相邻城市的影响。相邻城市旅游产业的发展表现出一定程度上的相似性，旅游产业发展水平较高的城市呈现集聚状态，旅游产业发展水平较低的城市相互依偎。

图2 长三角区域2006-2016年旅游综合收入的莫兰指数

2. 局域空间自相关分析

为进一步对旅游产业发展的空间关联指标进行测算，因此采用LISA分析进行空间聚类探讨，并绘制LISA聚类图分析各城市及其相邻城市旅游产业的空间相关性。LISA聚类图将各城市的旅游经济增长水平划分为四个象限，即高高（HH）、高低（HL）、低高(LH)、低低(LL)四种模式。[16]第一象限代表高高集聚区域，表示该城市及相邻城市的旅游经济增长水平都相对较高；第二象限代表低高集聚区域，表示该城市的旅游经济增长水平较低，但是相邻城市的旅游经济增长水平相对较高；第三象限代表低低集聚区域，表示该城市及相邻城市的旅游经济增长水平都相对较低；第四象限代表高低集聚区域，表示该城市的旅游经济增长水平较高，但是相邻城市的旅游经济增长水平相对较低。第一及第三象限存在空间正相关，而第二及第四象限则存在空间负相关。

因此，依据相关的理论，绘制2016年长三角地区26个城市旅游综合收入的LISA聚类表（见表1）。

表1 2016年长三角地区26个城市旅游综合收入的LISA聚类表

据表1可知，位于高高及低低象限的城市共计15个，占长三角区域城市总量的57.69%，其中处于第一象限（高高集聚区域）的城市基本位于长三角城市群的东部区域，而处于第三象限（低低集聚区域）的城市大部分位于长三角城市群的中西部区域，长三角城市群的旅游产业发展在空间上呈现极其明显的两极化倾向，空间差异显著。

综合区位基尼系数及空间相关性分析可知，长三角城市群的东部区域主要是旅游产业发展水平较为发达城市的集中地，而旅游产业发展水平相对较低的城市则主要集中于长三角城市群的中西部区域，并且在空间以及时间测度上呈现出极其明显的变化。因此本文基于空间计量经济学视角，在研究框架中纳入空间因素就显得尤为重要。

三、 旅游产业集聚与旅游经济增长关系的空间计量分析

（一） 指标选择及数据来源

表2 空间计量模型的相关指标

此外，本文出现的三种空间权重矩阵分别为：

1）一阶ROOK邻接权重矩阵（W1）；

2）地理距离空间权重矩阵（W2），主要是指各城市市政府驻地之间球面距离平方的倒数；

3）经济权重矩阵（W3），主要是指城市GDP之间的差值。[12]为了一致控制变量间的多重共线性并消除原始数据间存在的异方差现象，本文对原始数据进行对数变换本文所采用的旅游综合收入、旅行社收入、星级酒店收入、其他旅游企业收入以及高等学校在校大学生人数等指标数据都源自于各市《统计年鉴》（2007-2017）、《国民经济和社会发展统计公报》（2006-2016）以及相关调查数据。

（二） 空间计量模型构建

现有相关研究的计量经济学模型往往忽视了不同区域旅游经济活动之间存在的空间联系对旅游经济增长的影响，而当这种空间效应明显存在时，采用该模型计算所得的结果是无效的。[20]基于前人的研究可知，旅游经济增长不仅受到本城市旅游产业集聚的影响，邻近城市的空间溢出效应对其的影响也较为明显。鉴于此，本文针对两者之间的关系分别构建了空间滞后模型（SLM）、空间误差模型（SEM）及空间杜宾模型（SDM），深入研究两者之间的内在机制及联系。

空间滞后模型（SLM）侧重于探究各城市的空间相关性，考察在相邻城市间，各变量是否存在空间溢出效应。[21-22]在原空间滞后模型的基础上，结合上文选取的相关变量，构建本文所采用的空间滞后模型，其表达式如下：

空间误差模型（SEM）主要研究存在随机扰动项的空间相关性，考察在邻近城市间，各变量之间存在的误差对本城市的影响程度如何。[21-22]其表达式如下：

空间杜宾模型（SDM）的构建，本文主要借鉴LeSage＆Pace研究构建如下模型，表达式如下：

（三） 空间计量结果及探讨

本文对旅游经济增长的空间溢出效应进行分析主要基于极大似然估计（ML）方法，[19]运用一阶ROOK邻接权重矩阵、地理距离空间权重矩阵及经济权重矩阵分别对SLM模型、SEM模型及SDM模型进行估计，力求能够分析本城市的旅游经济增长是否仅仅受到邻近城市的旅游经济增长的空间溢出效应的影响，抑或者是仅仅受因变量之外的一些未被纳入考虑因素的空间溢出效应的影响，又或者是既受邻近城市旅游经济增长的空间溢出效应的影响，同时也受邻近城市旅游产业集聚程度及控制变量的空间溢出效应的影响。

从已有的研究结果可以看出，当前旅游产业集聚具有极其明显的时空相关性，因此在空间计量模型估计中，必须要充分考虑到时间、空间以及时空效应在旅游经济增长过程中的重要影响作用。时间效应表示空间不变的情况下，旅游经济增长随时间变化的状态；空间效应表示时间不变的情况下，旅游经济增长随空间变化的状态；时空效应表示旅游经济增长随着时间、空间共同变化下的状态。基于上述条件，本研究采用MATLAB软件，选择Hausman检验验证固定效应（FE）及随机效应（RE），随后在极大似然估计的检验方法中选择赤池信息准则（Akaike information criterion，AIC）和自然对数似然函数值（LogL）选择模型，自然对数似然函数值（LogL）越大，赤池信息准则（AIC）值越小，模型拟合效果越好。三种空间权重矩阵下各空间计量模型的估计结果如表3、4、5所示。

从下面3个表中可以发现，一阶ROOK邻接权重矩阵、地理距离空间权重矩阵以及经济权重矩阵条件下各空间计量模型的Hausman检验结论是一致的，均表现为空间滞后模型及空间杜宾模型的固定效应在1%水平下显著，而空间误差模型的固定效应在1%水平下则不显著，因此对于空间误差模型而言，需要选择随机效应；此外，空间误差模型的拟合优度值（R2）在三种空间权重矩阵下均处于0.8-0.9之间，远远低于空间滞后模型及空间杜宾模型的拟合优度值均大于0.96，因此空间滞后模型及空间杜宾模型对于样本数据的拟合程度要好于空间误差模型；就AIC值而言，空间滞后模型及空间误差模型在三种空间权重矩阵下分别为（-931.489 6，-803.512 4，-823.568 4）及（-908.546 3，-894.548 5，-767.125 8），远大于空间杜宾模型在三种空间权重矩阵下的AIC值（-1173.542 6，-1117.658 9，-1087.145 3）；而在LogL指标方面，空间滞后固定效应模型及空间误差随机效应模型在三种空间权重矩阵下的LogL值分别为（477.365 1，407.356 1，417.256 9）以及（461.258 7，431.257 8，390.786 2），远小于空间杜宾固定效应模型在三种空间权重矩阵下的值（549.321 4，567.814 2，551.425 9）。根据前人的研究结果可知，[11-19]模型拟合效果的好坏主要取决于LogL以及AIC的值，当LogL指标的值越大，而AIC指标的值越小时，模型拟合效果则越显著。因此，本文将采用SDM模型的固定效应进行空间溢出效应分析。

表3 空间权重W1下的空间计量模型的估计结果

表4 空间权重W2下的空间计量模型的估计结果

表5 空间权重W3下的空间计量模型的估计结果

注：表3、4、5中“***”表示在1%水平下显著；“**”表示在5%水平下显著；“*”表示在10%水平下显著

上述研究结果进一步在空间计量经济学层面上阐释了在时间、空间以及时空变化条件下旅游产业集聚与旅游经济增长之间的关系。随后本文在时间固定（TF）、空间固定（SF）以及时空固定（T-S F）三种条件下采用空间杜宾模型的固定效应进行空间溢出效应的分析，具体结果如表6所示。

表6 三种空间权重矩阵下SDM模型的固定效应空间溢出效应分析结果

注：“***”表示在1%水平下显著；“**”表示在5%水平下显著；“*”表示在10%水平下显著

由表6可知，在三种不同的空间权重矩阵条件下运用空间杜宾模型的固定效应进行空间溢出效应分析的检验结果表明，当时间条件固定或者空间条件固定时，所得的检验结果远大于时空都固定条件下的检验结果。这表明旅游产业集聚与旅游经济增长之间的关系对于时间及空间条件的共同变化并不敏感，受到的影响较小。此外，通过进一步研究发现，相较于SF条件下的检验结果，TF条件下的检验结果明显更小，这意味着旅游产业集聚与旅游经济增长之间的关系对于空间条件的变化更加敏感，影响更明显。而时间变化对于两者之间的关系所产生的影响则较小。由此，进一步证实了旅游产业集聚与旅游经济增长之间的空间相关性。

由已有的研究结果可知，当空间变量滞后项系数为正值且显著时，用回归系数来分析自变量对因变量的空间溢出效应是不合适的。[11]因此本文将采用空间计量模型的偏微分方法对因变量的直接效应（DE）、间接效应（IE）以及总效应（TE）进行分析，结果如表7所示。

表7 空间溢出效应分解分析结果

就空间溢出直接效应方面而言，在三种不同的空间权重矩阵条件下，旅游经济增长与旅游产业集聚、资本存量以及人力资本之间存在显著关系；而上述自变量与旅游经济增长之间的关系在三种不同的空间权重矩阵条件下呈现不同间接效应及总效应。而在空间溢出简接效应方面，经济地理权重矩阵下的空间溢出间接效应要显著优于一阶ROOK邻接矩阵以及地理距离空间权重；最后在总效应方面，邻接空间权重矩阵检验结果较差，其余两种空间权重矩阵检验结果均优于邻接空间权重。下面本文就从旅游产业集聚及控制变量两个方面对空间溢出效应进行分析。

1．旅游产业集聚的空间溢出效应

在空间溢出直接效应方面，旅游产业集聚与旅游经济增长之间的关系均在1%水平下通过了显著性检验，旅游产业集聚在三种空间权重矩阵条件下对本城市旅游经济增长存在相对显著的正向空间溢出效应。此外，由表7可知，作为控制变量的资本要素及人力资本对于旅游经济增长的直接效应远远小于旅游产业集聚对于旅游经济增长的直接效应。从表7中可以看出，旅游产业集聚对于旅游经济增长的空间溢出效应系数为0.922 3，这意味着，在忽视其他影响因素的条件下，每当旅游产业集聚水平增长1%，本城市的经济就会增长0.922 3%；而相较于旅游产业集聚对于旅游经济增长的贡献度而言，作为控制变量的资本要素及人力资本对于旅游经济增长的空间溢出直接效应分别为0.287 5和0.137 6，两者分别只达到了旅游产业集聚贡献度的1/3及1/5。

在空间溢出间接效应方面，地理距离权重矩阵条件下的检验结果未能通过显著性检验，在经济地理权重矩阵以及邻接空间权重矩阵条件下，其检验结果通过了1%以及5%水平下的显著性检验。这意味着在一阶ROOK邻接空间权重矩阵和经济地理权重矩阵下，负向空间溢出效应显著的存在于旅游产业集聚条件下的其他城市旅游经济增长过程中。抑或是说，在这两种空间权重矩阵下，旅游产业集聚抑制了其他城市旅游经济的增长。就邻接空间权重矩阵而言，在抛却其他影响因素的前提下，每当本城市的旅游产业集聚水平增长1%，邻接城市的旅游经济增长将会减缓0.591 6%；在经济地理权重矩阵条件下，抛却其他影响因素，每当本城市的旅游产业集聚水平增长1%，经济距离邻近城市的旅游经济增长将会放缓0.291 2%。究其根本，出现上述结果的原因主要还是与旅游产业集聚所产生的空间溢出效应对市场资源配置有关。由于旅游产业集聚与旅游经济增长之间起到相互强化作用，使得本城市对于邻接城市或经济距离上邻近的城市形成比较优势，从而促使相关旅游市场资源的由邻接城市或经济距离上邻近的城市向本城市转移，这一过程必然减缓资源流出城市的旅游经济增长速度。[25]

在空间溢出总效应方面，除了在一阶ROOK邻接权重矩阵下未能通过显著性检验，在其余两种权重矩阵条件下均在1%水平下通过了显著性检验，这意味着，在这两种空间权重矩阵条件下，旅游产业集聚对于旅游经济增长具有正向的促进作用。但是，相较于其他产业集聚而言，旅游产业集聚更应当发挥自身优势、因地制宜，突出自身的比较优势，不能仅仅为追求高层次的产业集聚水平及规模化效应而盲目发展。[25]

2．控制变量的空间溢出效应

在空间溢出直接效应方面，作为控制变量的资本存量及人力资本在三种空间权重矩阵条件下对于旅游经济增长的空间溢出直接效应均在1%水平下通过了显著性检验。因此抛却其他影响因素，每当资本要素增加1%，本城市的经济将会分别增长0.237 2%、0.231 7%及0.287 5%；而每当人力资本增加1%，本城市的经济将会分别0.201 8%、0.205 4%及0.137 6%的速率增长。此外相较于人力资本而言，资本存量对于旅游经济增长的贡献度更大。

在空间溢出间接效应方面，不同空间权重矩阵条件下的检验结果也不同。资本存量及人力资本在经济地理权重矩阵下分别通过了1%及5%水平下的显著性检验。抛却其他影响因素，每当资本存量增加1%，经济距离较近城市的经济将会增长0.387 2%；而每当人力资本增加1%，经济距离较近城市的经济将会减缓0.124 9%。作为控制变量的资本存量及人力资本在邻接权重矩阵下均未能通过显著性检验。此外，通过对比旅游产业集聚及人力资本对于旅游经济增长的空间溢出间接效应可以发现，两种变量对于邻近城市的旅游经济增长都起到了抑制作用。产生上述结果的原因很大程度上是源于作为第三产业的旅游业，其发展离不开大量人力资本的集聚。而邻近城市的人力资本大量流入旅游产业集聚水平较高的本城市，必然会放缓自身旅游经济增长的步伐。邻接权重矩阵下人力资本未能通过显著性检验的原因很可能是由于相邻城市的人力资本同质程度较高。[10]

在空间溢出总效应方面，资本存量在经济地理权重矩阵和地理距离权重矩阵下分别通过了1%和5%水平下的显著性检验。此外，通过比较旅游产业集聚以及资本存量对于旅游经济增长的空间溢出总效应可以发现，两种变量对于邻近城市的旅游经济增长都起到了促进作用。资本存量在旅游经济增长中始终起到一定的促进作用，而人力资本对于旅游经济增长的空间溢出总效应依然未能通过检验。所以，长三角区域旅游产业需要努力实现可持续发展，大力推动资本驱动的旅游产业集聚模式向服务创新驱动的模式转变。

基于空间计量经济学视角，本文在对旅游产业集聚与旅游经济增长研究中纳入了空间因素，运用空间相关理论以及空间计量模型研究了长三角城市群旅游产业集聚趋势及其与旅游经济增长之间内在联系与作用机制。研究表明：

1）相较于资本存量以及人力资本而言，旅游产业集聚水平对于旅游经济增长的贡献度远超上述两个变量，但是随着旅游产业集聚水平的提升，其对于地理邻接或经济邻近城市旅游经济增长的抑制作用也较为显著。

2）作为控制变量的资本存量，其在区域内对于旅游经济增长具有显著的正向空间溢出效应，即对于旅游经济增长具有促进作用；而人力资本作为另一个控制变量，其在区域内对于旅游经济增长具有负向空间溢出效应，即对于旅游经济增长具有抑制作用。人力资本对于旅游经济增长起到抑制作用很大程度上是由于当前长三角区域旅游产业人才相对较为匮乏，旅游从业人员的贡献无法得到充分发挥，在劳动生产率较低的情况下，人力资本对于旅游经济增长呈现出负向空间溢出效应。[25]

3）旅游产业集聚与其他产业集聚的模式不同，仅仅依靠追求规模效应或资本投入是无法实现旅游产业可持续发展的，旅游产业函需转型升级，由资本驱动模式向服务创新驱动模式转变，结合技术创新及产业结构优化与升级，努力实现服务创新型旅游产业集聚模式。

本文在研究过程中仍然存在不少的疏漏之处，例如在空间矩阵的构建方面，仅仅考虑邻接空间矩阵等三种空间权重矩阵，仍然有许多的动态影响因素未能考虑在内，因此，在后续的研究中，将对上述疏漏之处进行进一步的完善。

[1] Marshall A.[M]. London: London Macmillan, 1910: 142-179.

[2] Weber A.[M]. Chicago: University of Chicago Press, 1928: 1-17.

[3] Krugman P. What’s New about the New Economic Geography[J]., 1998, 14(2): 7-17.

[4] Scott A J.[M]. London: Pion, 1988: 1-17.

[5] Porter M.[M]. New York: The Free Press, 1990: 63-115.

[6] Paul R Krugman, J Venables. Globalization and the Inequality of Nation[J]., 1995(60): 857-880.

[7] Majewska, Justyna. Inter-regional Agglomeration Effects in Tourism in Poland[J]., 2015(17): 408-436.

[8] Brulhart M, Sbergami F. Agglomeration and Growth: Cross Country Evidence[J]., 2012, 65(1): 48-63.

[9] 张军谋, 周晓唯, 李蓓蓓, 等. 我国省域国际旅游（外汇）收入的空间自相关研究[J]. 陕西师范大学学报: 自然科学版, 2016, 44(5): 94-101.

[10] 赵磊, 方成, 吴向明. 旅游发展、空间溢出与经济增长——来自中国的经验证据[J]. 旅游学刊, 2014(5): 16-30.

[11] LeSage J, Pace R.[M]. Boca Raton: CRC Press/Taylor&Francis, 2009: 15-26.

[12] 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]. 首都经济贸易大学学报, 2013(3): 40-49.

[13] 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(4): 1-10.

[14] 张洪波, 兰甜, 王斌. 基于洛伦茨曲线和基尼系数的榆林市用水结构时空演化及其驱动力分析[J]. 华北水利水电大学学报: 自然科学版, 2018, 39(1): 15-24.

[15] 郑德凤, 郝帅, 孙才志. 基于DEA-ESDA的农业生态效率评价及时空分异研究[J]. 地理科学, 2018, 38(3): 419-427.

[16] 王磊, 李成丽. 市场一体化、城市化与区域经济增长——基于长三角16个城市的实证研究[J]. 现代城市研究, 2018(3): 81-87.

[17] 张军谋, 周晓唯, 孙国军, 等. 基于区位熵理论的甘肃省旅游产业集聚评价分析[J]. 西北师范大学学报: 自然科学版, 2018, 54(1): 127-134.

[18] 徐淑丹. 中国城市的资本存量估算和技术进步率：1992-2014年[J]. 管理世界, 2017(1): 17-29.

[19] 吴玉鸣. 旅游经济增长及其溢出效应的空间面板计量经济分析[J]. 旅游学刊, 2014(2): 16-24.

[20] Shuqing N. Teng, Chi Xu, Brody Sandel, Jens‐Christian Svenning. Effects of Intrinsic Sources of Spatial Autocorrelation on Spatial Regression Modelling[J]., 2018,9(2): 363-372.

[21] 逯进, 苏妍. 人力资本、经济增长与区域经济发展差异——基于半参数可加模型的实证研究[J]. 人口学刊, 2017, 39(1): 89-101.

[22] 方丽婷. 空间滞后模型的贝叶斯估计[J]. 统计研究, 2014(5): 102-106.

[23] Frank G, van Oort.[M]. Taylor and Francis, 2017: 11-22.

[24] 祝晔. 城市旅游竞争力空间格局及形成机理研究——以江苏省为例[J]. 技术经济与管理研究, 2016(12): 121-126.

[25] 刘玉丽. 我国旅游业全要素生产率及其区域分异特征研究[J]. 商业经济研究, 2017(17): 169-172.

Analysis on the Relationship between Tourism Industry Agglomeration and Tourism Economic Growth in Yangtze River Delta Based on Spatial Econometric Model

GENG Changwei, DUAN Zhengliang

（Tourism College of Hunan Normal University, Changsha, Hunan 410081, China）

Based on the spatial econometrics perspective the spatial correlation model was established by using spatial correlation analysis to study the spatial correlation between tourism industry agglomeration and tourism economic growth in 26 cities in Yangtze River Delta from 2006 to 2016, and the spatial spillover effect test. The results show that: spatial agglomeration has been accompanied by the development of tourism industry, the tourism economy has shown a significant positive spatial correlation; the contribution of capital factors and human capital to tourism economic growth is only equivalent to the tourism industry agglomeration; The tourism industry agglomeration, capital stock and human capital are of significant positive effect on the tourism economy and the overall spatial spillover effect, but the tourism industry is of a negative city space spillover effect, and human capital on the geographical or economic neighboring cities of tourism economic growth has played a negative spillover effect. This shows that capital stock driven tourism industry agglomeration is to promote the Yangtze River Delta urban agglomeration tourism economic growth an important factor.

tourism industry agglomeration; tourism economic growth; ESDA; spatial econometric model

2018-04-08

国家旅游局万名旅游英才计划研究型英才培养项目（WMYC20171097）

耿长伟（1993-），男，江苏盐城人，硕士研究生，主要从事旅游产业经济分析研究；段正梁（1964-），男，湖南常德人，副教授，博士，硕士生导师，主要从事旅游产业经济分析研究

F 59

A

10.3969/j. issn. 2096-059X.2018.03.008

2096-059X(2018)03–0042–010

（责任编校：彭 萍）