旅游发展对城市工业化的影响及其差异性研究——以58个旅游城市为例

苏建军

(1.西安科技大学 管理学院， 陕西 西安 710054；2.运城学院 经济管理系，山西 运城 044000)

一、引 言

在过去的四十年中，中国旅游业自身获得长足的发展。旅游业具有其他产业所不及的产业关联性强、拉动效应大和就业率高的特点，旅游业通过投资、消费、创汇和就业等对宏观经济增长的积极作用日益突出[1-3]。2014年中国旅游业对经济增长的贡献上升至9.4%，超过了汽车工业与教育产业贡献度。特别是对产业结构升级，第三产业发展以及吸纳过剩劳动力发挥了显著作用[4-6]。包括85%以上的地级市(州、盟)在内的每个行政区几乎都将旅游业作为战略性支柱产业来发展，且这种趋势还在趋于加强。旅游城市作为旅游资源及其产业优势比较明显的生产单元，其旅游业获得了高速发展，对城市经济增长的贡献日益突出。如2000年旅游城市的旅游总收入规模为5700.06亿元，对经济增长的贡献率为11.49%，2005年旅游总收入就已突破万亿元，对经济增长的贡献率上升到11.75%，2015年旅游总收入规模更是高达近5万亿元，对经济增长的贡献率也高达14.65%，相比2005年提高了3个百分点。同时本文也发现，尽管工业(制造业)部门是旅游城市国民经济中非常重要的部门，但进入21世纪以来，旅游城市中工业产值比重开始出现下降，2000年其比重为52.86%，2010年则下降到52.35%，2011年后继续微弱向下浮动；从就业人数占比看，工业部门就业份额不足30%，就业绝对人数规模也趋于下降，勉强维持在2千万左右。此外，旅游城市的工业出口份额也连续出现“跌跌不休”态势。[注]以《中国旅游统计年鉴》所列的58个城市为样本(延边、西藏缺数据除外)，数据依据相应年份《中国城市统计年鉴》及中国统计信息网(http://www.tjcn.org)发布的各城市相应年份国民经济与社会发展统计公报数据计算所得。从宏观经济角度而言，工业产值份额、就业比重及其出口份额连续下降，则表明该经济体出现去工业化态势[7-9]。

那么旅游城市这种现象的背后是否存在因旅游发展而挤占了工业部门的资本、劳动力和土地等生产要素，即“荷兰病”现象？它对旅游城市工业化将产生怎样的影响？尤其是在中国这样一个旅游大国和高度重视旅游发展的开放经济体，城市旅游快速发展是挤压城市工业部门收缩，引发去工业化，还是增加工业部门效益，促进工业化？其作用机理是什么？对诸如此类问题的研究不多见。基于此，本文以《中国旅游统计年鉴》所列的58个旅游城市为研究样本，试图回答上述问题。

二、文献综述

关于旅游业与工业化关系的研究，Copeland(1991)、Corden和Neary(1982)在理论上证明，集中发展旅游业不利于当地工业经济部门的发展[10-11]。这种观点被后续的研究所证实，如Chao等(2006)认为，在小国经济体中，旅游业发展能导致本地经济出现去工业化效应[12]。Mieiro和Ramos(2010)指出，澳门旅游业发展已经对当地制造业部门产生了明显的损害[13]。lvarez-Laibelo等(2011)研究表明，旅游业繁荣的城市，其工业经济部门增长却未从旅游发展中获利[14]。Deng和Ma(2014)以中国黄山等四个旅游城市为例，研究指出旅游资源的严重依赖似乎导致了“荷兰病”效应[15]。Forsyth等(2014)发现，过度依赖旅游业发展，将导致澳大利亚工业经济部门的衰退[16]。然而另有文献认为旅游业发展并未排斥其他经济部门的发展[17-19]。特别是Holzner(2011)的研究最具代表性，他利用134个国家38年的经验数据研究表明，从长期看，旅游业的繁荣不会带来去工业化现象，相反将会极大地促进经济增长[20]。在不多的国内文献中，朱希伟和曾道智(2009)研究了大国经济框架下旅游业发展对工业经济的影响，认为旅游业与工业化正负关系的变化与外生参数有关[21]。钟伟(2013)认为，旅游业发展对中国城市制造业存在一定的挤出效应[22]。左冰(2013，2015)指出，现阶段中国旅游业通过资本和劳动力转移抑制制造业的投资和增长水平，旅游业存在“资源诅咒”效应[23-24]。郑长德(2013)发现，在中国区域层面旅游业与工业化呈现负相关关系，但同时也指出，旅游业发展是否有益于工业化，与旅游发展类型和经济发展阶段密切相关[25]。谢波和陈仲常(2015)指出，在中国西部地区旅游业与制造业存在倒U型关系，现阶段旅游业的繁荣还不会带来制造业的去工业化效应[26]。曹翔和郭立萍(2017)认为，在中国不存在旅游地的“荷兰病”现象[27]。瓦哈甫·哈力克等(2019)指出，中国各省区存在不同程度的旅游资源诅咒，且空间差异较大，并从人才规模、经济发展水平和城市化等方面分析了旅游“荷兰病”的产生机制[28]。杨懿等(2017)发现，丽江、张家界、黄山、阿坝州和三亚高度依赖旅游经济，是中国典型的“荷兰病”型旅游目的地[29]。

梳理文献发现，旅游业与工业化关系莫衷一是，旅游业对工业化的影响具有复杂性，不能一概论之，且学者们都是基于不同样本和文化背景进行研究，结论的可比性与普遍性不强，更缺乏从旅游城市的微观视角，分析旅游发展对工业化的影响。同时更多城市和地区旅游业比重不断提高的客观现实，也迫切需要我们回答如何正确处理旅游业与工业化的关系。研究对象上现有文献主要从国家或省级层面分析，但这种研究对宏观管理者的参考价值变得愈来愈不重要了。原因在于旅游业发展更多的是一种地方性微观活动，其对本地贡献明显，而对其他区域影响相对较小。研究方法上多数文献采用静态面板模型、横截面模型、投入产出法、旅游乘数和相关分析等，忽略了旅游业本身的漏损及无法解决因模型自身的测量误差、内生性和逆向因果所产生的有偏估计等问题，在一定程度上影响了结论的稳健性。因此，还需更多细致和多角度的研究成果，来辨明旅游业发展对工业化的影响作用。

本文将构建旅游发展对工业化影响的理论模型，并从旅游城市微观层面采用动态面板数据模型，多角度分析旅游发展对工业化的影响机制及其差异性。这不仅可丰富和拓展旅游发展与工业化的研究内容，深化人们对旅游发展的经济效应的认识，更为旅游城市如何协调旅游业与工业化关系提供参考依据。与现有成果相比，本文的学术边际贡献在于，一是构建理论模型分析旅游业与工业化关系，有助于业界更全面认识旅游发展与工业化之间的关系；二是采用动态面板模型，能有效解决模型内生性和逆向因果等产生的有偏估计，使得估计结果更稳健；三是采用旅游城市为样本，从总体、专业化、规模和区位多角度，揭示旅游发展对工业化的影响机制，是对国家和省级层面研究的有益补充和推进，研究结论具有较好的参考价值。

三、研究设计

(一) 旅游发展对工业化的正负效应分析

图1 旅游发展对城市工业化的影响机制

旅游业作为一种产业间关联性强和拉动效应大的产业，其发展水平及引致的新需求将对城市工业化产生如下的正负效应(图1)。

第一，旅游发展对工业化的正效应表现在以下三方面：一是旅游业通过诱发效应增加工业企业经济效益。旅游需求增加导致旅游商品和服务价格上涨，旅游业通过后向经济联系，诱发工业部门如加工业、食品工业、捕鱼业、装备制造业等，围绕旅游活动六大要素加工、生产相关产品与服务，从而间接增加工业企业经济效益。二是旅游业通过收入效应促进工业集聚与深化。旅游业发展将提高本地收入水平，进而增加对工业品的需求，有利于工业部门集聚，改进生产工艺，优化工业产业内部结构，促进工业不断深化。三是旅游业通过福利效应拓展工业部门市场范围。通过发展旅游业可以提高外围区域居民福利水平，外围市场需求上升，这为工业规模经济扩大范围和工业企业外迁提供了有利条件。

第二，旅游发展对工业化的负效应体现在如下三方面：一是旅游业通过带动资本、技术和土地等生产要素相对利益变化，将出现资本等生产要素从工业转移到旅游业及其相关产业的挤出效应。有超过110个行业与旅游业密切相关[30]。因此随着旅游业的繁荣引发出吃住行游购娱的旺盛需求，从而促进与其相关的餐饮、酒店宾馆、交通运输、文化娱乐、零售业和体育等产业获得较快发展，相应地这将导致其要素价格不断上升，从而吸引资本、技术等从工业部门转移至旅游业及其相关产业部门，如旅游房地产热。这种挤出效应导致城市工业部门生产率下降。二是随着人们环境意识的提高，环境规制与治污成本日益增高，淘汰“三高”产业，发展绿色产业、低碳产业和循环经济成为城市经济发展的不二选择。旅游业因具有“低碳、污染少”等特点而受到城市经济发展的青睐和推崇，因此更多旅游城市通过淘汰城市“三高”企业，大力发展旅游业，强化城市旅游功能，打造宜居、宜游新型城市，使得城市工业产值比重相对下降。三是城市旅游新业态、新行业的涌现对工业化造成一定程度的“用工荒”，即劳动力转移效应。旅游新业态和新行业的发展导致直接就业人数增长迅速，随着旅游规模的进一步扩大，出现劳动力供给紧张，最终引起旅游部门劳动力工资上涨，从而引发劳动力从工业部门流向旅游部门。需要指出的是，旅游业提供的产品与服务，其生产与消费具有同步性，这使得劳动力和知识占比都很高，当旅游业扩大规模时，无法像农业和制造业一样可以通过增加资本投入和提高技术进步解决，而是通过增加更多的劳动力才能完成。目前在城市旅游消费“井喷”发展态势的推动下，势必推动更多的劳动力投入到城市旅游业中，从而影响城市工业所需劳动力的满足。

综上分析，旅游发展对城市工业化影响效应的正负性需要实证检验与判定。

(二) 计量模型构建

根据前文理论分析和借鉴Chao等(2006)[12]、谢波和陈仲常(2015)[26]、朱希伟和曾道智(2009)[21]研究思路，构建了旅游发展对工业化影响的基本动态计量模型，如式(1)。

Idsit=α0+α1Idsit-1+α2Touit+εit

(1)

式(1)中，i,t分别表示地区与时间，Idsit表示工业化，Idsit-1为滞后一期，表示当期的工业化还受前期工业化的影响，Touit为旅游业发展水平。

工业经济增长长期依赖资本、劳动和资源的大量投入[31]，资本、技术与劳动力是工业化不可或缺的重要因素[32-33]。因此，根据柯布—道格拉斯生产函数，本文将上述因素作为控制变量纳入基本动态计量模型中，则式(1)变为式(2)。

Idsit=α0+α1Idsit-1+α2Touit+α3Iit+α4RDit+α5Humit+εit

(2)

式(2)中，Iit为资本，RDit为技术，Humit为劳动力。

(三) 样本选择、变量确定及数据来源

根据《中国旅游统计年鉴》统计的主要城市名目，并结合马耀峰课题组对我国热点旅游城市的研究模式，最终选取北京、天津等58个旅游城市为研究样本[34]。这是因为一是便于收集经济与旅游等方面数据开展研究；二是样本城市的工业经济与旅游发展十分突出，较其他城市更为显著；三是样本城市所含类型多样，覆盖面广，代表性较强。既有省会和地级城市，也有优秀旅游城市；四是从地域分布看，样本城市涵盖31个省(区、市)，分布东、中、西三大区域，普适性较好。

计量模型涉及的变量如下：(1)工业化(Idsit)。关于工业化衡量指标，有多重用法。一类是产值结构指标，如工业总产值[35]、工业增加值占GDP比重[26]和工业增加值增长率[36]；另一类是就业结构指标，如第二产业或制造业就业比重[21,37]。实际上产值结构与就业结构具有稳定的内在关联系，使用不同指标不会产生太大偏差[37]。结合上述分析与数据统计现状，本文用限额以上工业总产值占GDP比重进行衡量；(2)资本投入(Iit)。投资是工业经济发展的重要动力和要素。鉴于难以获得城市工业部门直接投资数据，因此本文用各城市固定资产投资总额占GDP的比重作为代理指标进行近似衡量；(3)技术投入(RDit)。鉴于城市统计年鉴中技术研发费用数据空缺，只能采用城市技术研发从业人数作为衡量技术投入的代理指标；(4)劳动力(Humit)。采用制造业就业人数占总就业人数比重表示；(5)旅游发展水平(Touit)。采用城市旅游总收入占城市GDP的比重，即旅游专业化来衡量。

下文将从全样本、东中西部三大区域、旅游发展水平及旅游接待规模四个维度进行实证检验与分析。基础数据为经济与旅游两大部分，变量(1)～(4)的数据来自2000—2016年《中国城市统计年鉴》；变量(5)的数据来自中国统计信息网(http://www.tjcn.org)发布的各城市相应年份国民经济与社会发展统计公报。[注]少量城市的部分年份无直接旅游总收入数据，通过该城市当年的国内旅游收入和旅游外汇收入(依据当年的人民币兑换美元价格的平均值进行了折算)数据加总，获得旅游总收入值。需要说明的是，旅游业发展水平的衡量指标应该用旅游业增加值反映比较真实，但因缺乏旅游业投入产出表而无法获得，且部分城市统计标准不一，只能以旅游业总产值即旅游总收入代替。为消除部分指标的通胀因素，以2000年为基期，城市GDP值借助同年的环比增长指数对名义GDP进行平减，进而得到实际GDP。同理，城市固定资产投资总额和旅游总收入分别以投资价格指数和居民消费价格指数进行平减，获得实际值。

四、计量结果与分析

(一) 旅游发展对城市工业化影响的整体分析

1. 数据描述性分析。全国总体、东中西部三大区域、旅游发展水平及旅游接待规模四组的旅游专业化、工业化、技术、资本和劳动力变量的样本数据均值的描述性统计如表1。

表1 各分组样本数据的描述性统计(均值)

表1可知，从地区看，东部、中部、西部旅游专业化均值分别为0.132、0.138和0.118，中部略高；而工业化水平东部、中部、西部平均值分别为1.249、1.022和0.746。东部、中部、西部资本、技术和劳动力均表现出相似的水平。从旅游专业化程度看，旅游专业化水平高、半、低的城市均值分别为0.405、0.156和0.090，旅游专业化水平高的城市是低的4.5倍，而工业化水平均值，旅游发展水平中、低的城市高于旅游发展水平高的城市。从旅游接待规模看，旅游规模大、中、小的城市旅游专业化分别为0.134、0.128和0.129，工业化水平则分别为1.106、1.180和0.887。综上可见，不同分组的主要变量旅游专业化和工业化水平状况均存在较明显的不均衡。

2. 模型整体估计结果。一般而言，对于面板数据模型而言，由于假设前提的不同，其采用的估计模型具有多样性，因而回归结果差异较大。因而利用F统计检验及豪斯曼检验，对面板数据模型在变系数、变截距和混合效应模型进行筛选。[注]有关面板模型形式设定及F检验的详细情况，请参见樊欢欢，张凌云.Eviews统计分析与应用[M].北京:机械工业出版社，2010。经检验，模型为固定效应模型(其他模型检验过程下同，不再重复)。在选定估计模型后，为消除动态面板数据的内生性和序列自相关等影响模型稳健性的问题，还需对估计方法进行选择。本文选择两阶段最小二乘法，以消除动态面板模型的内生性和序列自相关，使得估计结果有效[38-39]。工具变量采用了各变量滞后一期。为了检验动态面板模型设定的正确性和滞后阶的稳定性，须对全样本组中模型(1)与模型(2)进行过度识别约束检验和滞后阶检验，表2报告了检验结果。Sargan检验值显示不能拒绝零假设，说明动态面板模型不存在工具变量的过度识别问题。动态面板模型AR(1)的P值显示拒绝存在一阶自相关的零假设，AR(2)的P值显示不能拒绝存在二阶自相关的零假设。综合检验结果可见，本文构建的动态估计模型是可行的。针对全样本组模型中可能存在的多重共线性的变量，通过其方差膨胀系数VIF可判定(VIF=1/(1-R2))。若VIF值<3，说明该变量基本不存在多重共线性问题，若VIF值>5或VIF值>10，说明变量多重共线性问题比较严重[40]。全样本模型中VIF值<3，表明多重共线性并不严重。获得模型估计结果后，本文对残差项分别利用LLC单位根检验法(假设相同单位根过程)和Fisher-PP单位根检验法(假设不同单位根过程)进行了平稳性检验，结果表明数据序列是平稳的(下文各样本分组上述检验只给出结果，不再赘述过程)。最终得到式(1)与式(2)动态面板数据模型的整体估计结果(表2)。

表2 旅游业发展对城市工业化影响的整体结果

注：***，**，*分别代表1%，5%和10%的显著性水平；括弧中数值为t值

从表2估计结果看，第2列至第5列除旅游变量外，其他各个变量的估计系数都比较显著。需要注意的是，整体估计结果表征的是面板数据中所有城市的加总效应。第2列表明，仅从考察旅游业自身来看，其估计值为-0.255，这表明城市旅游发展与工业化之间存在负相关性，但还不能判定城市旅游发展存在“荷兰病”现象，这是因为除旅游变量外，很有可能是其他变量的作用结果所导致的。因此逐渐引入其他变量，即第3列引入资本变量后，旅游变量的估计值提高到-0.667。这说明旅游发展对工业化的负向作用有明显的提升。第4列引入技术因素后，引起旅游变量估计值有小幅的收敛，由-0.667下降到-0.594。在第5列引入劳动力变量后，旅游业发展对工业化的负向作用进一步增强，其系数值由-0.594上升至-0.719，表明劳动力的投入对城市旅游业妨碍工业化有一定的助推作用。

综合各个模型旅游变量Touit的估计系数看，其值稳定为负，且逐渐提高，支持了“旅游发展去工业化”的文献观点。朱希伟和曾道智(2009)指出旅游发展能产生收入效应和转移效应，其中，收入效应益于工业化，而转移效应导致“去工业化”[21]。尽管计量结果表明旅游发展变量值在各给定统计置信水平下不显著，但这也不能否定当前城市旅游资源效应大于转移效应，已对城市工业化产生了损害效应，因而存在一定程度的“荷兰病”现象。其中，资本和劳动力的助推作用较明显。从第2列至第5列的控制变量系数变化看，其在5%的置信水平下显著为正，这种正效应已在许多文献中得到证实，此处不再赘述。

(二) 不同旅游专业化对城市工业化影响的比较分析

旅游专业化是衡量一个国家或地区旅游业发达与否及集中程度的最主要指标[41-43]。为分析不同城市旅游职能对其工业化的影响差异。根据旅游专业化程度对58个城市进行分类。首先，得到每个城市历年的旅游专业化程度，其次，求出该城市旅游专业化的算术平均值，最后，依据纳尔逊法获得所有城市旅游专业化的总算术均值和标准差，并依据总算术均值和标准差将58个城市划分为高专业化型(专业化均值≧总算术均值+标准差)、半专业化型(总算术均值≦专业化均值<总算术均值+标准差)和低专业化型(专业化均值<总算术均值)3类[44]。其中，旅游高专业化城市包括沈阳、三亚、黄山、贵阳和北京5个。旅游半专业化城市是珠海、厦门、南京、上海、杭州、九江、天津、南宁、海口、秦皇岛、昆明、桂林、北海和西安14个。旅游低专业化城市有广州、武汉、大同、连云港、洛阳、长沙、承德、成都、无锡、太原、宁波、郑州、乌鲁木齐、重庆、大连、温州、青岛、威海、长春、合肥、中山、哈尔滨、呼和浩特、福州、吉林、汕头、西宁、济南、烟台、泉州、漳州、苏州、深圳、南昌、南通、兰州、湛江、银川和石家庄39个。将旅游高专业化、半专业化和低专业化三组城市相关数据，分别代入式(1)和式(2)，同理进行了相关检验，得到如下估计结果(表3)。

表3 旅游专业化对城市工业化的影响结果

续表3

注：***，**，*分别代表1%，5%和10%的显著性水平；括弧中数值为t值

表3显示，旅游发展变量在三类城市中表现出不同程度的差异，但总体看旅游业发展对城市工业化具有一定的负向作用，即存在“旅游诅咒”效应。具体而言，在高专业化和低专业化两组城市中，无论单独考察旅游变量，还是在加入控制变量后旅游变量的系数依然为负值，体现了其负向作用的稳健性。这也支持了已有文献的结论。尽管低专业化城市中不显著，但抑制作用已经显现。这是因为旅游低专业化城市，旅游发展初期显著的旅游经济效应吸引生产要素涌入旅游业及其相关产业，旅游业的迅速发展将对包括工业部门在内的城市其他产业产生挤出效应[22]。报告还显示，在半专业化城市中，旅游变量系数为正值，但其显著性已经下降，这说明旅游发展对工业化有一定的积极作用，但这种作用呈现规模递减态势。半专业组之所以是正向作用，可能是因为该组城市样本中包含上海、天津、南京、珠海等城市，这些城市的工业化比较发达，城市综合经济发展好，因而“旅游诅咒”效应还不突出。上述结果也表明旅游专业化存在一定的临界水平，并不是越高越好或越低越好。旅游业发展可能因要素集聚有利于工业化，也可能因吸纳资本和劳动力而阻滞工业化。各类专业化城市的差异取决于最终效应的正负值及其大小。

另外，从资本、技术和劳动力变量系数看，基本符合预期，显示了三者对工业化的积极作用，进一步证实了城市工业化还是要靠要素投入来推动。从拟合度看，模型对高专业化拟合度较高，也进一步反映旅游业发展对高专业化的城市工业化影响明显。

(三) 不同规模旅游发展对城市工业化影响的比较分析

衡量城市旅游规模的主要指标有业绩指标(旅游收入)和人气指标(旅游人次)两类。为分析不同规模旅游发展对城市工业化的影响差异，本文选取旅游人次指标进行分类，能充分体现旅游城市的人气热度和旅游业发展水平[45]。根据旅游接待人次比重对58个城市进行分类。首先，得到每个城市历年的旅游接待人次占当年所有城市接待总人次的比重，其次，求出该城市旅游接待人次比重的算术平均值，最后，依据纳尔逊法获得所有城市旅游接待人次比重的总算术均值和标准差，并依据总算术均值和标准差将58个城市划分为旅游接待规模大型(接待人次比重均值≧总算术均值+标准差)、旅游接待规模中型(总算术均值≦接待人次比重均值<总算术均值+标准差)和旅游接待规模小型(接待人次比重均值<总算术均值)3类。其中，旅游接待规模为大型城市有北京、天津、上海、青岛、苏州、无锡、宁波、南京、杭州、广州、郑州、洛阳、武汉、重庆、成都、西安、哈尔滨、沈阳和长沙19个。旅游接待规模为中型城市包括烟台、威海、济南、秦皇岛、南通、合肥、太原、黄山、九江、福州、厦门、温州、泉州、深圳、珠海、昆明、贵阳、桂林、长春、吉林、大连、石家庄和南宁23个。旅游接待规模为小型城市是承德、连云港、漳州、汕头、中山、湛江、北海、南昌、海口、三亚、大同、承德、兰州、银川、呼和浩特和西宁16个。将旅游接待规模为大型、中型和小型三组城市相关数据，分别代入式(1)和式(2)，同理进行了相关检验，得到如下估计结果(表4)。

表4 旅游接待规模对城市工业化的影响结果

注：***，**，*分别代表1%，5%和10%的显著性水平；括弧中数值为t值

表4表明，旅游变量对城市工业化的负面影响，在旅游接待人次规模中小型城市表现较为突出，特别是在旅游接待规模中型的城市，不仅估计参数系数值最高，且在5%的置信水平下显著。对于中小型旅游城市，经济规模小发展水平相对较低，在没有其他更好资源优势的情况下，依托本地旅游资源优势，使得旅游业挤占其他产业所需要素和空间，旅游业通过产业关联带动作用形成规模经济和范围经济，对经济增长贡献率比较显著，从而出现旅游业“一业独大”，造成一定程度的“资源诅咒”效应，抑制了工业化的发展，工业化水平长期难以提高。如黄山、桂林、三亚、九江、海口和贵阳等城市，工业发展不仅存在一些先天性不足，而且其从业人员占总从业人员的比重不到2%，都是典型的旅游业依赖城市[22]。这进一步导致本地产业结构失衡，工业部门难以扩大。这与已有文献相印证[15,23]。而对旅游接待规模大型的城市而言，旅游变量系数值为正，但统计上并不显著。这表明旅游业发展对城市工业化的负面作用还未显现，但距负效应临界水平已经不远了。这可能与大城市经济结构有关。大城市不但经济结构相对合理，而且产业部门多样，综合性较强，旅游产业在城市经济中的占比相对还不是很高，目前还不足以撼动工业经济的支柱地位。如北京不仅旅游专业化程度高，而且旅游人次接待规模也很大，可以说旅游业十分发达。但从近15年旅游总收入占GDP的比重及变化看，不仅不是很高，还呈下降趋势。2000年旅游业比重为29.01%，2010年则迅速下降到21.96%，2014年更是下降到20.06%，整体降幅高达9个百分点。

比较其他变量系数发现，资本、技术和劳动力在大城市中表现突出，而在中小型旅游城市中不显著。这从反向进一步佐证了旅游业发展对大中小型旅游城市工业化影响的差异程度。

(四) 不同区域旅游发展对城市工业化影响的比较分析

区位对旅游活动影响显著。中国幅员辽阔，城市旅游资源禀赋、客源市场、基础设施等存在明显的东、中、西区域间梯度性。“七五”计划将全国经济带划分为东、中、西部三个区域，依据城市所在区域，将58个城市划分为3类。其中，东部城市为北京、天津、沈阳、大连、承德、石家庄、秦皇岛、烟台、威海、济南、青岛、连云港、南京、南通、苏州、上海、无锡、宁波、杭州、温州、福州、泉州、漳州、厦门、汕头、中山、广州、深圳、珠海、湛江、海口和三亚32个。中部城市包括哈尔滨、长春、吉林、大同、太原、洛阳、郑州、合肥、黄山、武汉、长沙、九江和南昌13个。西部城市是呼和浩特、银川、乌鲁木齐、西宁、兰州、西安、成都、重庆、贵阳、昆明、桂林、南宁和北海13个。将东部、中部和西部三组城市相关数据，分别代入式(1)和式(2)，同理进行了相关检验，得到如下估计结果(表5)。

表5 不同区域旅游发展对工业化的影响估计结果

注：***，**，*分别代表1%，5%和10%的显著性水平；括弧中数值为t值

表5显示，在东部、中部、西部三组城市中，旅游发展变量系数值都为负，其中，中、西部城市比较显著。上述估计结果印证了旅游发展对工业化有抑制作用。相比东部地区，中、西部城市经济综合实力较弱，产业结构比较依赖第一、二产业。更重要的是，中、西部旅游资源优势非常明显，旅游发展较好，当地主导产业也多与旅游业相关，因而旅游业挤出效应较明显。同时从近几年的旅游投资力度看，中、西部旅游投资比例大幅上升，增长幅度超过60%，其洼地效应凸显[46]，这说明中、西部旅游吸引大量的资本进入，加之旅游业又是劳动密集型产业。因此中、西部城市旅游部门的繁荣，使得旅游业的劳动力转移效应和挤出效应比较明显，大于收入效应，加之经济进入新常态，削弱了工业部门增长的推动力，造成城市工业部门一定程度的萎缩，从而阻碍了本地工业经济长期增长。需要指出的是，中、西部城市旅游发展比较依赖旅游流的增长，具有明显的旅游消费季节性和经济增长的周期性特点，也易造成旅游结构不合理，加大了触发“旅游诅咒”的可能性[23]。

综上分析，在中、西部城市旅游业发展中存在较明显的“旅游诅咒”效应。尽管东部地区城市旅游起步早，发展较为成熟，但提高潜力有限，旅游投入增长率提高相对缓慢。同时，这些城市或是经济中心，或是政治中心，或是文化中心，基本处在“京津冀”“长三角”“珠三角”“环渤海”和“辽中南”经济圈，城市不仅工业体系较完善，而且工业经济比较发达，部分进入了后工业化时期，旅游业还不是当地主导产业或优势产业，这也从前文的旅游专业化分类中看出大部分东部城市都为半专业化型。这两方面主要原因导致的最终对冲效应是，东部城市旅游发展对工业化没有促进效应，但不及中、西部的显著。

五、结论与讨论

本文在梳理国内外旅游业对工业经济影响的基础上，构建了旅游发展对工业化影响的正负效应分析理论模型，并以58个旅游城市为例，利用2000—2016年面板数据和动态面板模型，从全样本、旅游专业化、旅游人次接待规模和城市所在区域多层视角进行分析，揭示了旅游发展对工业化的影响作用及差异性。研究结论如下：

第一，从旅游业自身来看，旅游发展对城市工业化已产生一定的负向作用，当前城市旅游资源效应大于转移效应，已对城市工业化产生了损害效应。随着资本、技术和劳动力等其他生产要素的逐渐引入，旅游发展对城市去工业化的效应呈逐渐显著性的趋势。这说明资本、技术和劳动力等生产要素在城市旅游发展的去工业化效应中发挥了助推作用。此时，对工业化而言，城市旅游业的繁荣可能不再是“福音”，而是“诅咒”了，因此当前中国旅游城市存在一定程度的“荷兰病”，这也进一步印证了现阶段在中国的确存在“旅游诅咒”命题。

第二，旅游专业化分析比较可知，旅游发展对工业化的负向影响，由大到小依次为旅游高专业化、低专业化和半专业化城市，旅游资源依赖型的城市表现更为突出。具体而言，在高专业化和低专业化城市中，无论是旅游业自身，还是资本、技术和劳动力等生产要素的助推作用，旅游发展的去工业化效应比较明显，旅游业的迅速发展对这些城市的工业部门产生明显的挤出效应。在半专业化城市中，旅游发展对工业化有一定的积极作用，但这种作用呈现规模递减态势。旅游业发展可能因要素集聚有利于工业化，也可能因吸纳资本和劳动力而阻滞工业化，各类旅游专业化城市的这种差异取决于最终效应的正负值及其大小。

第三，旅游规模分析比较发现，中型旅游城市旅游发展对工业化的负向影响最为显著，小型旅游城市次之，但未通过显著性检验，而大型旅游城市最不显著。对于中小型旅游城市，旅游业通过产业关联带动作用形成规模经济和范围经济，对经济增长贡献率比较显著，从而出现旅游业“一业独大”，造成一定程度的“资源诅咒”效应，抑制了工业化的发展。而对旅游接待规模大型城市而言，旅游业发展对城市工业化的负面作用还未显现，旅游产业在城市经济中的占比相对还不是很高，目前还不足以撼动工业经济的支柱地位。

第四，区域分析比较表明，不同区域旅游城市旅游发展对工业化均有一定负向影响，其中，中、西部旅游城市比较突出，而东部旅游城市统计上表现并不显著。中、西部城市经济综合实力较弱，产业结构比较单一，同时中、西部旅游资源优势非常明显，当地主导产业也多与旅游业相关，中、西部城市旅游部门的繁荣，使得旅游业的劳动力转移效应和挤出效应比较明显，削弱了工业部门的增长推动力，造成城市工业部门一定程度的萎缩，从而阻碍了本地工业经济长期增长。东部城市虽然旅游发展较为成熟，但旅游业还不是当地主导产业或优势产业，属于旅游半专业型，难以撼动其发达的工业经济，还未出现旅游发展对工业化的负向效应。

根据上述研究结论，可得到如下几点启示：一是要充分认识旅游业繁荣是工业化发展的一个重要影响因素，其对工业化发展的影响具有正反两种效应，即收入效应(挤入效应)和资源转移效应(挤出效应)。为此，一方面要加强城市旅游业的收入效应(挤入效应)，即通过加强产业关联，提高国民福利和对外经济联系等，增加城市本地收入，改善产业结构等，引致旅游业发展对工业部门的新需求，而促进工业化不断深化；另一方面，要避免旅游发展的资源转移效应(挤出效应)，即要稳定当地价格水平，合理配置产业间的资本和劳动力等，避免因发展旅游而挤占工业部门生产要素，损害工业化进程，导致去工业化。二是对旅游专业化程度高的旅游城市而言，在旅游供给侧结构性改革战略推动下，结合优质旅游要求，改造和升级传统旅游产业结构，发展旅游新业态，推动旅游发展进入高水平的短生命周期，从而弱化旅游发展的“荷兰病”效应。三是中、西部旅游城市不可过分依赖旅游业发展，更不能追求旅游业短期的高收益和充分就业效应，应从长期可持续发展角度，将旅游发展所得利润投入到因地制宜的潜力工业部门，培育和发展城市未来支柱性和竞争性工业部门，加强旅游业与工业部门的产业融合与价值链重塑，推动旅游业与工业部门协同发展，繁荣城市经济发展，避免城市出现产业结构单一化和产业空心化。

本文的研究结论支持了现有文献关于“中国存在旅游‘资源诅咒’的观点”，构建的旅游发展与工业化的理论模型，从理论上揭示了旅游发展对工业化影响的两种效应，多角度的定量研究能够更加清晰地探明旅游业“资源诅咒”现象的空间分布与发展态势。这为认识旅游业“资源诅咒”提供了新方法与新视角。当然，本文也有不足之处。一是旅游业受危机事件和政策影响较为明显，在计量模型构建中没有通过引入虚拟变量来体现，这在一定程度上削弱了研究的精确度；二是从旅游业总量层面而非国际、国内旅游两方面分析其对工业化的影响，忽视了不同旅游部门对工业化的影响差异，弱化了相关政策制定的针对性；三是尽管研究样本采用中国旅游城市，代表性较强，但各旅游城市的产业结构、发展基础及对旅游发展的反馈等具有一定差异性，所得统计意义上的结论是否具有普遍指导意义，还需再检验、补充和完善；四是只分析了旅游业发展对工业比重下降的影响，没有考虑导致工业比重下降的其他因素，如资源枯竭、区位和环境生态等，可能高估了旅游发展对工业化的影响力。