地区经济发展对旅游增长影响的空间效应分析

丁水平,林 杰

（1.同济大学 经济与管理学院，上海 200092；2.宜春学院 经济与管理学院，江西 宜春 336000）

0 引言

旅游业是最终需求型产业，旅游发展依赖于必要物质资本、人力资本的投入。经济基础是旅游业存在发展的根源，经济发展不仅可以提高居民收入，提升出游欲望和能力，拉动旅游消费，还能为旅游基础设施建设、旅游资源开发等提供资金支持，提高旅游供给能力，推动旅游发展。经济发展水平与旅游产业发展程度具有高度关联性，稳步快速的经济发展可为旅游业持续发展提供强劲动力[1]。近年来，江西经济、旅游发展进一步加快，发展水平继续提升，但当前江西经济、旅游的整体发展水平还不高，地区间差异显著，经济发展对旅游产业增长的影响效应不尽相同。准确评估江西省经济发展对旅游产业增长的影响效应，系统分析影响旅游产业增长的经济因素及其作用机制，从旅游增长的“经济软肋”入手，探索如何优化影响旅游业增长的相关经济要素，对于推动江西产业转型升级、加速旅游强省建设具有重要现实意义。

旅游业的快速发展，引发了学术界旅游研究的热潮，旅游与经济的关系一直是研究热点，相关研究成果丰富。然而，目前有关经济发展对旅游增长的影响缺乏系统研究，旅游与经济的相互关系未能得到同等关注，已有研究也大多是从经济增长速度的视角探讨经济发展对旅游增长的影响，且大多没有考虑空间效应。经济发展不仅体现在增长速度上，还涉及产业结构、市场化水平等诸多方面，空间效应也是经济发展对旅游增长影响研究中必须考虑的重要因素。

基于此，本文拟在现有研究基础上，以江西省11个地市为对象，选取2005—2015年间的面板数据，采用空间面板计量方法，将空间效应纳入经济发展对旅游增长影响的计量模型中，从增长速度、经济结构、市场化水平三个方面量化分析江西省经济发展对旅游增长的影响效应。

1 空间面板计量模型

1.1 空间经济计量基本模型

（1）空间滞后模型（SAR）

空间滞后模型主要是用于研究相邻地区的行为对整个系统内其他地区的行为都有影响的情形[2]。模型形式为：

其中，W是N×N阶的对称矩阵,反映空间个体之间的作用机制。ρ为空间自回归系数，Wy为空间滞后因变量,X为n×k阶的解释变量向量,β为对应的系数向量，ε为扰动项，并假定 ε～N（0， σ2）。

（2）空间误差模型（SEM）

当地区间的相互作用因所处的相对空间位置不同而存在差异时，地区间的相互关系是通过误差项中的空间相关来反映，这种情形一般采用空间误差模型[3]。模型形式为：

其中，λ为空间自相关系数，Wε是空间滞后误差项，μ是随机误差项。

1.2 空间经济计量模型选择

1.2.1 空间自相关检验

模型中是否需要考虑空间效应，取决于地区之间是否存在空间相关性。通常，在空间计量建模之前需要进行空间自相关检验，以判断是否存在空间相关性。用于区域空间相关性检验的统计量主要有 Moran′s I、LMsar、LMerr、Robust LMsar、Robust LMerr等[4]，由于这些检验都是针对单个截面回归模型提出的，不可以直接应用到面板数据模型中[5]。因此，本文应用分块对角矩阵C=IT⊗WN（IT为T阶单位时间矩阵，WN为N×N阶的空间权重矩阵，N为地区数）代替Moran′s I等统计量计算公式中的空间权重矩阵，从而有效地把这些检验形式扩展到面板数据分析中[6]。Moran′s I检验的计算公式为[7]：

1.2.2 空间权重矩阵设定

地理空间权重矩阵、经济空间权重矩阵是两种常用的空间权重矩阵，地理空间权重矩阵分为地理邻接权重矩阵、地理距离权重矩阵。地理邻接权重矩阵是依据空间相邻与否来判断空间单元之间的联系，若空间单元之间相邻，便认为它们之间具有相同程度的影响，而一旦不相邻，则均视为不存在任何影响[8]。这割裂了空间单元之间的应有联系，与事实不相符，在研究经济发展对旅游增长的影响当中并不适用。因此，根据研究对象的特征，本文拟分别设置地理距离权重矩阵和经济距离权重矩阵，以更好地分析经济发展与旅游增长的关系。

（1）地理距离权重矩阵

此模块包括成绩管理和试卷评审。成绩管理实现学生成绩查看、成绩分析统计、导出成绩。试卷评审实现当考生提交自己的测试试卷的时候，教师即可对考生试卷进行批改给分，教师只需对考生所答的问答题情况酌情给分，然后单击“考生问答题计分”按钮计算出问答题分数。考生所答的其它类型试题计算机会自动计算出来(其它类型试题主要是指填空题、单选题、多选题、判断题等)，同时，教师可对考生试卷进行简单的评语，阅卷老师完成以上操作后，点击计算机屏幕上的“保存”按钮，即可计算出该考生的总成绩。

事物间的联系普遍存在“距离衰减”规律，距离较近，联系密切，距离越远，联系越弱。本文以两个地区之间最短空间距离的倒数作为空间权重，距离越近，权值越大，地区间的联系更强，这样处理的好处是充分考虑在地理上接近但并不相邻的区域之间可能存在相互影响和相互作用的实际情况[9]。矩阵具体表达式为：

其中，d表示两地市中心城市之间最短的空间距离。

（2）经济距离权重矩阵

事实上，由于空间扩散与极化功能的存在，经济发展程度更高的地区一般会对周围其他地区形成较大的辐射和吸引作用，即产生更强烈的空间影响力，而这种影响力在经济发展滞后地区对发达地区的影响中表现较弱。所以，经济距离权重矩阵可以更好地揭示地区之间真实的经济联系。经济距离权重矩阵（W）是地理空间权重矩阵（w）与各地区GDP所占比重均值为对角元的对角矩阵的乘积[10]，具体表达式为：

在模型选择问题上，目前通行做法是先用最小二乘法（OLS）估计不考虑空间相关性的受约束模型，然后进行空间相关性检验，如果LMsar（或LMerr）比LMerr（或LMsar）统计量更显著，那么恰当的模型是SAR模型（或SEM模型）[11]。Anselin利用蒙特卡罗实验方法证明,以上方法能够为空间计量经济模型的选择提供很好的指导。根据Anselin的建议，空间计量模型的估计采用极大似然法（ML），而固定效应与随机效应模型的选择运用Hausman检验判定。

1.3 模型设定与数据说明

其中，TIit为被解释变量，GDPit、MAit、IRit为解释变量；i表示截面区域（i=1，2，…，N），t表示时期（t=1，2，…，T）；ρ为空间滞后（自回归）系数，Wij为空间权值矩阵；α、β、γ为待估计的常数回归参数；εit是独立且同分布的随机误差项，i、t满足零均值同方差σ2；μi表示空间（个体）效应，vt表示时期效应。

依据式（2），将空间误差模型（SEM）设定为：

其中，Φit表示空间自相关的误差项，λ为空间误差（自相关）系数。

基于数据可比性考虑，本文以2005年为基期，利用平减指数（2005=100）将各年GDP换算成不变价格，利用居民消费价格指数（2005=100），将历年旅游收入进行折算，使它们能够真实反映出经济与旅游的发展水平。在进行参数估计时，为消除数据异方差的影响，所有数据均取对数。相关数据取自历年《江西统计年鉴》、江西省各地市《经济与社会发展公报》等资料。

相关变量构造如下：lnTI表示旅游收入，反映旅游增长速度。lnGDP表示国内生产总值，反映地区经济增长速度。lnMA表示非国有经济固定资产投资占总固定资产投资的比例，反映市场化水平。lnIR表示第三产业增加值占地区生产总值的比例，反映经济结构服务化水平。

2 参数估计与结果分析

2.1 空间自相关分析

在运用空间面板数据模型测度经济发展对旅游增长影响的空间效应之前，需要验证经济发展与旅游增长在地理空间上是否都存在空间自相关性。结合式（3），本文应用地理距离权重矩阵进行空间相关性检验，检验结果见表1。除2012年外，其余年份旅游面板数据的Moran′s I统计量均在5%显著性水平上拒绝了“不存在空间相关性”的原假设，即各地区旅游产业间存在显著的空间相关性，表明江西省旅游发展存在明显的空间关联特征。Moran′s I统计量的检验值均为正值，说明旅游发展在空间上具有显著的正自相关关系，旅游发展较快的地区具有明显的空间集聚效应。另外，Moran′s I指数值呈现波动增大态势，表明旅游发展的空间依赖性在不断加强，区域旅游产业集群现象明显。需要指出的是，2012年旅游发展的Moran′s I指数未通过显著性检验，可能是源于空间相关的正负性恰好相互抵消，检验结果在统计上不显著，或者是相关性仅存在于部分区域，所以不能由此判定任何地区旅游发展与邻近地区无关[12]。2005—2015年，经济增长的Moran′s I指数值均显著为正，呈波浪形上升态势，表明经济发展存在显著的空间正自相关性，其空间依赖性和集聚性逐渐增强[2]。

表1 经济发展与旅游增长的Moran′s I统计指数

2.2 空间面板计量结果分析

通过空间自相关检验，证实江西省经济发展、旅游增长存在空间相关性。下面进行空间面板计量模型估计，以充分说明经济发展对旅游增长的空间溢出效应。首先，进行SAR模型与SEM模型的选择判断，表2的空间相关性检验表明，无论基于地理距离权重矩阵，还是基于经济距离权重矩阵，LMsar的统计量都比LMerr的统计量更显著，故选择SAR模型。其次，进行固定效应模型与随机效应模型的选择判断，Hausman检验显示，Hausman统计量为11.775，伴随概率为0.0000，所以应选择固定效应模型。另外，普通面板数据模型Hausman检验的统计量为16.9649，伴随概率为0.0007，检验结果与空间面板模型一致，也应选择固定效应模型。此外，根据空间效应和时间效应的不同控制，本文将空间计量经济模型分为4类:无固定效应、空间固定效应、时间固定效应、时间和空间固定效应[13]。

表2 空间相关性检验

为便于比较，本文同时对传统面板数据模型、SAR模型和SEM模型进行估计。在回归方法上，普通面板数据模型采用最小二乘法（OLS）估计，SAR模型和SEM模型采用最大似然法（ML）估计。普通面板数据计量模型估计应用Eviews7.0软件，SAR模型和SEM模型估计应用Matlab2013a软件的Spatial econometric模块及其空间计量工具包。

结合式（4）、式（6）、式（7），本文同时进行基于地理距离权重矩阵的普通面板、SAR模型和SEM模型估计，估计结果见表3。在5%显著性水平上，空间滞后模型（SAR）的空间自回归系数ρ和空间误差模型（SEM）的空间误差回归系数λ均为显著，且拟合优度系数（R2）、对数似然值（LogL）均大于普通面板模型，说明模型估计中必须考虑空间效应，OLS估计欠妥。

表3 地理距离权重矩阵下经济发展与旅游增长空间计量模型估计结果

普通面板数据模型解释变量lnGDP、lnMA、lnIR的系数均高于空间面板数据模型，说明由于忽略空间效应的影响,普通面板数据模型高估了经济发展对旅游增长的作用，但两者的结论一致：经济发展对旅游增长具有显著正向促进作用。

结合式（5）至式（7），进一步对基于经济距离权重矩阵的SAR模型和SEM模型进行估计，估计结果见下页表4。依次比较两种空间权重矩阵下SAR和SEM中三种效应模型的拟合优度（R2）、对数似然值（LogL）可知（见表3和表4），SAR中三种效应模型的各个值均大于SEM模型中的对应值，且SAR中时间固定、空间固定和时空固定效应模型的各参数估计在10%显著性水平上均显著，而SEM中三种固定效应模型均不同程度存在参数估计不显著。通过综合分析两种权重矩阵下3类固定效模型的极大似然值（logL）、拟合优度（R2）以及空间自相关系数项、自变量系数项的显著性检验，可以得知，无论在地理距离权重矩阵下，还是在经济距离权重矩阵下，均是SAR模型能更好地拟合2005—2015年间江西省经济增长、产业结构、市场化与旅游增长的关系，所以应选择SAR模型。在SAR模型中，通过比较时空固定效应、空间固定效应和时间固定效应三种模型的系数，可知时空固定效应模型的系数更大，估计效果更佳，所以SAR模型时空固定效应最优。因此，接下来对SAR时空固定效应模型作进一步分析。

表3显示，在SAR时空固定效应模型中，ρ的统计值在1%水平上显著，进一步证实了地区经济发展对旅游增长的空间溢出效应显著。各地区旅游增长不仅直接受到本地区经济发展的影响，同时还会受到邻近地区经济发展的“跨界”影响，邻近地区经济发展会通过空间传导机制作用于本地区旅游产业，影响旅游增长。另外，在SAR时空固定效应模型中，ρ的估计值显著为正，表明经济发展不仅推动本地区旅游增长，还通过其正向的空间溢出效应，推动周边地区的旅游增长。地理邻近为加强经济联系提供了便利，有利于经济要素的传播扩散。此外，区域旅游合作也有利于旅游产业的空间集聚。表3中SAR时空固定模型估计显示，lnGDP、lnMA、lnIR对旅游产业的影响系数分别为0.1201、0.2611、0.4048，且在10%水平上均显著，即在其他条件不变情况下，若地区经济增长、经济结构服务化水平、市场化水平各增加或提高1%，将正向促进旅游产业增长0.1201%、0.2611%、0.4048%。这源于经济发展是国民经济中各产业自身发展、相互关联与扩张的结果，经济发展一方面增加了居民收入，刺激了旅游需求，使更多人成为旅游者；另一方面增加了信息交流、人员商贸往来，扩大了对外交流，提高了地区知名度和影响力，为旅游发展创造了良好的外部条件，吸引更多旅游者前来旅游，从而有力地推动旅游发展。同时，lnIR和lnMA的系数均高于lnGDP，表明经济结构服务化、市场化水平对旅游发展的影响高于经济增长速度本身。其原因在于，旅游业发展到一定程度后，经济数量的增长对旅游产业推动作用有限，影响旅游发展的经济因素更突显在产业结构和市场化水平上。此时，经济发展推动旅游增长的方式应由注重数量的投入转变为以质量优化为主导，通过加快产业结构转型升级、加大市场开放力度促进旅游产业发展。

表4 经济距离权重矩阵下经济发展与旅游增长空间计量模型估计结果

结合表3和表4，对地理距离权重矩阵和经济距离权重矩阵下的SAR时空固定效应模型进行综合比较分析。可见，基于地理权重的SAR时空固定效应模型的拟合优度（R2）和极大似然值（logL）都显著低于下经济权重模型的相应值，由此可知，在各地区经济发展对旅游增长的影响关系中，经济差距的影响要明显强于相对地理位置的影响。在经济距离权重矩阵和地理距离权重矩阵下，两种模型的空间自相关系数分别为0.3370和0.2510，表明经济特征与相对地理位置均会正向影响经济发展对旅游增长的空间相关性效应，但经济距离权重矩阵下的回归系数更大。其原因可能是经济发展不仅可以增加本地区旅游投入，提升旅游产品供给能力，推动地区旅游发展，还能为邻近地区旅游发展提供客源，输送更多的旅游者，促进旅游“异地消费”，这正符合经济发达地区居民前往经济欠发达地区开展旅游消费的旅游流特征，是旅游产业向更高层次发展过程中的“自然现象”，也是旅游发展的趋势所在。

3 结论

本文采用经济学较为前沿的空间计量经济方法，利用江西省11个地市2005—2015年的面板数据，从增长速度、产业结构、市场化水平三个层面对经济发展与旅游增长的相互关系进行了实证检验，得到以下结论：（1）空间自相关性检验表明，经济发展、旅游发展存在显著的空间相关性特征。在2005—2015年间，两者的空间相关性和集聚效应均大体上呈现波动上升的态势，经济发展、旅游发展的空间依赖性在不断加强，集聚特征明显。因此，在考察经济发展与旅游增长的相互关系时必须充分考虑空间效应的存在。（2）经济发展对旅游增长具有重要的推动作用，并且存在正外部效应。即经济发展对旅游增长具有显著空间溢出效应，通过地理位置和经济联系对邻近地区旅游增长表现出正向的溢出效应，本地区经济发展能够促进邻近地区旅游增长。（3）增长速度、产业结构、市场化水平三个经济要素均对旅游增长具有正向促进作用，但产业结构、市场化水平对旅游增长的推动作用大于增长速度。各地区经济发展对旅游增长的影响关系中，经济差距的影响大于相对地理位置的影响。