中国酒店产业的增长核算

罗浩 陈仁

[摘    要]文章基于新古典经济增长理论，采用增长核算方法，对中国酒店业增长方式进行了实证分析。鉴于生产函数中要素投入自变量之间存在的多重共线性，该文采用主成分分析法、岭回归分析法和偏最小二乘法对全国酒店业的生产函数进行估计，经过比较，选择偏最小二乘法的估计结果为基准结果。研究发现，1992—2012年间，中国酒店业的劳动和资本投入每增加1%，使产出分别增长0.47%和0.52%，行业处在由规模报酬不变到规模报酬递减的过渡期;酒店业增长主要由劳动和资本要素共同驱动，两者分别贡献了产出增长的43.36%和39.89%，处于劳动驱动增长阶段迈向投资驱动增长阶段的交接处;酒店业全要素生产率年均提高1.42%，投入产出效率逐步改进，但TFP对产业增长的贡献率仅有16.74%，尚处于粗放增长时期。

[关键词]酒店产业;增长核算;多重共线性;要素贡献;全要素生产率

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2020）09-0014-12

引言

改革开放以后，我国的酒店由过去的公益性事业单位逐步转型为营利性企业单位，酒店业也是改革开放初期我国外资准入最早、开放程度最高的行业之一。20世纪80年代，伴随着供给侧外资的不断涌入以及需求侧入境旅游的兴旺，我国酒店业获得了较大的发展。为了规范对初具规模的现代化酒店业的管理，我国于1988年开始实行星级饭店评定制度，促进了酒店业设施条件和服务质量的提升。1992年，“南巡讲话”和十四大提出建设社会主义市场经济体制以后，我国改革开放进程全面深化，激发了各行各业的发展活力;加上国内旅游开始蓬勃兴起，使得我国酒店业进入了更快发展的轨道。1992—2012年这21年，尽管中间经历过亚洲金融危机、“非典”、全球金融危机等特殊事件造成的干扰，星级饭店业总体上保持了持续、快速的增长，营业收入从1992年的181亿元增加到2012年的2430亿元，扣除物价因素，年均增长率高达8.48%1。

然而，在酒店业经营规模快速增长的同时，其经营效益并没有相应的提升。全行业利润率历经3个阶段：1993—1996年连续4年的高利润时期，利润率高达6%～11%;1998—2004年连续7年的全行业亏损时期，1998年亏损率最高达6.6%，此后逐年降低;2005—2012年则为低利润时期，利润率基本都徘徊在3%以下①。十八大以后，由于中央出台“八项规定”，限制“三公消费”，加上中国经济进入新常态，经济增速放缓，酒店业不景气，2013—2016年全国星级饭店营业收入连续负增长，除2016年略有盈利外，其余年份均亏损。

要实现中国酒店产业的持续增长和效益的稳健提升，离不开对酒店业增长方式的探究。建立在经济增长理论基础上的增长核算方法，为我们识别产业增长的源泉提供了一个有用的工具，它能为我们揭示产业增长的主要驱动力量是什么，生产效率的增长及其对产业增长的贡献，产业增长的规模报酬变化处于何种阶段。目前，对中国旅游业整体的增长核算已较多见诸文献，但对中国酒店业的研究却几近空白。本文将承担这项研究，揭示中国酒店产业的增长方式和源泉，以期为中国酒店业的持续增长和效益提升提供政策启示。

1 文献述评

1.1 增长方式与增长核算

本研究的增长方式，是指各种生产要素在经济增长中的地位和作用，对一个产业而言，就是各种生产要素的投入及其效率对该产业的增长所发挥的贡献。对经济增长方式的研究是以经济增长理论为基础的。Tinbergen最早对增长方式进行核算，但影响不大[1]。Solow建立了新古典经济增长理论的经典模型，产出的增长被归为投入的增加和投入产出效率两者共同作用的结果，投入是指生产中投入的各种生产要素（最普遍的是资本和劳动），投入产出效率是指全部生产要素的投入转化为产品产出的能力，即全要素生产率（total factor productivity，TFP）[2]。根据这个模型，产出的增长率可以分解为资本增长率、劳动增长率与TFP增长率，由此可测算这些因素分别对产出增长的驱动作用（贡献率），识别出发挥主导力量的经济增长驱动因素[3]。在此基础上，Denison、Jorgenson和Griliches进一步将全要素生產率分解为各种不同的增长因素[4-5]。以上即增长因素分析或增长核算。

然而，TFP最初是以产出增长率扣除资本和劳动增长率后的“余值”计算的，它实际上隐含了包括技术进步在内的所有促进投入产出效率的因素。此后的内生增长理论尝试从不同角度将TFP内生化，从而解释TFP的来源，例如分别从干中学[6]、研发活动[7]、人力资本[8]、熊彼特式创新[9]等角度内生技术进步。基于新制度经济学理论，制度及其变迁是另一个（隐藏在TFP中）影响经济增长的重要因素[10]，并已初步进入经济增长实证研究[11]。此外，在生产要素投入方面，继资本、劳动和人力资本之后，自然资源也被引入经济增长模型及其核算中[12]。

根据发挥主导力量的经济增长驱动因素，便可以划分不同的经济增长方式。首先，可以区分为生产要素驱动型和生产率（TFP）驱动型，前者依靠投入的增加驱动增长，通常被简单地理解为粗放的增长方式;后者依赖效率的提高促进增长，往往被简单地理解为集约的增长方式。然后，要素驱动型增长方式，又可以按主导性的要素进一步划分为资本驱动、劳动驱动、人力资本驱动、资源驱动;而TFP往往被简单理解为广义技术进步（知识创新），所以生产率驱动通常也被称为技术驱动（或知识驱动、创新驱动），但如果细究TFP的来源，则还可区分为技术进步驱动、制度改革驱动等。最后，如果存在多种增长因素占据主导，则经济增长方式可以划分为多种因素共同驱动型。经济增长方式随时间而演进，Porter将经济增长过程划分为4个阶段：要素（劳动或资源）驱动阶段、投资（资本）驱动阶段、创新驱动阶段和财富驱动阶段[13]。

1.2 旅游经济增长及其核算

旅游经济学中，关于增长的研究有两个截然不同的方向：一是旅游与经济增长的关系，研究旅游业发展对整体经济增长的影响和作用，该方向积累了海量文献，参考Maria 和 Jose、Song 等以及赵磊的述评[14-16]，其中，最著名的理论是旅游发展促进经济增长假说（tourism-led growth hypothesis），此处不作赘述;另一个方向是旅游经济增长，研究旅游業自身的增长，涉及的主要领域有旅游生命周期模型、旅游需求增长预测、增长差异和空间格局、增长波动和时间趋势、增长质量和包容性、增长效率和生产率、增长方式和因素分析、增长的其他影响因素。

旅游增长方式和因素分析应用了经济增长理论和增长核算方法，并结合旅游业特点加以发展。Blake 等运用可计算一般均衡（computable general equilibrium，CGE）模型测算了英国旅游业要素生产率，并对旅游业内各细分行业的生产率进行了比较[17];Such 和 Zamora研究了西班牙酒店业劳动生产率及其地区差异变动过程[18];Smeral对8 个欧盟国家的酒店和餐馆业进行增长核算[19];Marrocu和 Paci对17个欧洲国家199个区域的面板数据，基于包含空间滞后的柯布-道格拉斯生产函数（Cobb-Douglas production function， C-D）估计TFP及其影响因素[20]。Hilal等对土耳其的研究发现，制度能力增长与旅游集群增长之间存在非常显著的正相关[21]。Shi和Russell发现澳大利亚交通、零售贸易和游憩服务存在规模报酬递增，住宿业则呈现规模报酬不变，但后者占据旅游业的比重最大，因而整个旅游业不存在报酬递增[22]。Jorge 和 Christina发现创新是提升酒店产业全要素生产率的重要因素，地理位置对酒店业增长方式有重要影响[23]。

一些学者对中国旅游经济的增长因素进行了分析。多数研究仅考虑了资本、劳动和技术进步[24-30];杨天英等、罗浩等则引入了旅游资源要素[31-32]，余凤龙等研究了制度变迁的影响[33];赵金金、吴玉鸣考虑了空间溢出效应[34-35]，Yang和Timothy还考虑了空间异质性效应[36]。部分研究还分析了旅游增长方式的地区差异，并对各地进行分类[26，29，32]。

然而，上述文献大部分都出现了异常的回归结果（一些没有报告回归效果的文献除外），例如，成英文论文中饭店业资本产出弹性为负且不显著[26];研究整体旅游业的文献中，也屡屡出现有些要素的系数不显著[28]，劳动的产出弹性大于1[29]，劳动的弹性为负且不显著[37]，劳动和资本的弹性均为负且前者不显著[34]，服务资源的弹性为负[31]等异常结果。遗憾的是，上述文献均未对异常结果的原因进行分析，也未对模型或估计方法进行修正;而且，除成英文认为模型无效而放弃采用之外，其他文献均直接采用了异常结果。以上异常结果完全符合计量经济学中多重共线性的典型症状[38-39]，笔者将在本文研究方法部分对此进行详细阐述。

1.3 既有文献的不足和本文的潜在贡献

由以上文献回顾可以看出，现有对中国旅游业增长核算的研究中存在几个问题或不足。其一是研究对象方面，绝大多数文献都是对旅游业整体的研究，只发现两篇涉及酒店业，且其中一篇针对的是住宿餐饮业，与本文的研究对象不一致;另一篇虽为研究饭店业，但模型回归结果异常，故而其作者判定模型无效[25-26]。其二是研究数据方面，该领域文献的旅游业投入产出数据基本来自《中国旅游统计年鉴（副本）》中的旅游企业经营数据，旅游企业的统计口径包括旅行社、星级饭店、旅游景区、旅游车船公司、其他旅游企业，但是各年的统计口径很不稳定，比如有些年份没有包含旅游景区、有些年份则没有包含旅游车船公司，所以历年旅游业整体的数据可比性较差;相对而言，对星级饭店业的统计口径较为稳定可靠，而且数据丰富详实（不仅有分星级、分省的统计，还有主要旅游城市的统计）。其三是研究技术方面，现有文献均没有考虑解释变量（不同生产要素）之间可能存在的多重共线性问题，且大多数文献采用普通最小二乘法（ordinary least squares， OLS）估计，导致某些解释变量的系数（要素产出弹性）并不显著，且存在某些要素的弹性为负值而另一些要素的弹性大于1的现象，有悖于经济理论。

上述第三个问题显得尤为重要，因为对多重共线性的忽视使得本领域现有的研究成果恐不可靠。事实上，在增长核算的其他一些应用领域，也出现过类似的局面。例如，Ai和Cassou指出，多重共线性可以解释此前资本生产率文献的奇怪结果，因为它会在小的数据变化后导致估计值的大幅度波动，产生非常高的标准误、难以置信的系数符号或量级[40]。Quinn和Toyoda也发现，在资本账户自由化对经济增长的影响这一领域，自变量之间的共线性等问题解释了先前研究中的冲突结果，因为共线性会降低得到一致性估计的可能性，使研究结果与假设相悖[41]。增长核算之外某些实证研究领域，也曾出现过此类情况，例如，Shi等认为，车辆速度、密度和流量之间的多重共线性可能是研究人员还没有就拥堵对交通安全的影响达成共识的原因[42]。

鉴于现有文献以上问题或不足，本文采用星级饭店数据，聚焦于酒店业的增长方式进行研究。尤其注重对解释变量之间的多重共线性进行检验，并采用合适的估计方法来消除多重共线性的影响，以避免已有研究中屡屡出现的要素产出弹性不显著且异常的现象。本文后续内容作如下安排：第二节将介绍计量模型的构建、变量指标的选取、数据来源和处理以及酒店业的统计描述;第三节对解释变量间的多重共线性进行检验，并介绍解决该问题的方法;第四节介绍酒店业增长方式的实证分析过程并报告其结果;最后一节是研究结论及其政策含义。

2 模型构建与数据来源

2.1 模型构建与增长核算

和本领域的多数文献一样，我们采用经典的索洛模型增长核算法，酒店业的生产函数采用如下的科布-道格拉斯形式1：

[Yt=AtKαtLβt] （1）

式（1）中，Y为总产出，K为资本投入量，L为劳动投入量，α、β分别为资本和劳动的产出弹性，A为技术系数，即全要素生产率（TFP）。

将式（1）两边取自然对数，可将其转化为线性方程：

[lnYt=lnAt+αlnKt+βlnLt+ε] （2）

式（2）为本文的基本计量模型，根据历年产出、资本投入量、劳动投入量，通过计量经济学的回归分析，可以估计出参数α、β的值。

式（2）对时间t求导，可得差分方程：

[ΔYY=ΔAA+αΔKK+βΔLL] （3）

在式（3）中，令[y=ΔYY]表示产出增长率，[a=ΔAA]表示TFP增长率，[l=ΔLL]表示劳动增长率，[k=ΔKK]表示资本增长率。将上式改写为：

[y=a+αk+βl] （4）

其中，产出、资本和劳动的增长率都可以根据统计数据计算得到，TFP增长率则按索洛余值法计算：

[a=y-αk-βl] （5）

将式（4）各项同时除以产出增长率y，得到：

[1=ay+αky+βly] （6）

式（6）右边各项依次为TFP、资本、劳动的增长对产出增长的贡献率，分别用EA、EK、EL来表示。其中，EK与EL之和称为要素投入贡献率。

2.2 变量指标与数据处理

我国对酒店业的统计有住宿业、旅游饭店、涉外饭店、星级饭店等几种口径1，本文选择1992—2012年全国星级饭店作为具体研究对象和数据来源。一方面，无论是旅游饭店、涉外饭店还是住宿业，都存在界限不清晰、统计不连续、数据缺失严重等问题;另一方面，早在1986年，国家旅游局就将酒店星级评定列为工作重点，我国星级饭店制度较为完善，申报制度、评定标准、评定流程、星级核准严格，相关统计工作较成熟，数据的可信度较高。产出和投入变量主要来自《中国旅游统计年鉴（副本）》（1993—2013）中的“全国星级饭店主要经济指标”。选用星级饭店营业收入作为产出变量;资本投入变量为星级饭店资本存量，通过永续盘存法对固定资产原值进行转换得到;星级饭店从业人员作为劳动投入变量。选择1992—2012年这21年的时间序列数据作为实证分析和检验的样本，基本涵盖了中国星级饭店发展的几个重要阶段，同時达到序列长度和样本容量的要求。十八大以后中央出台“八项规定”，限制“三公消费”，客观上对星级饭店业产生了较大冲击，2013年以来，纳入经营统计的星级饭店企业数不断减少（可能是因为停业或摘牌），全国星级饭店营业收入和就业人数也持续下降。为避免因特殊原因产生的连续多年下行数据对整体估计的干扰，本文未将2013年以来的数据纳入研究时段。

以下对各变量的衡量指标、数据来源和初步处理作进一步说明。

2.2.1    产出指标

理论上，产出应用增加值衡量，以避免计入中间投入。但我国星级饭店统计中相关指标为营业收入，实际上是包含了中间投入的总产值数据。有学者曾提出将旅游总收入转化为旅游增加值的方法[45]，但其估算的成分较重，且所需的数据较多，对酒店业而言难以实现。故本文与已有文献一样，仍采用营业收入作为替代，隐含地假设了历年的增加值率保持稳定。

此外，为了消除价格变动因素的影响，本文运用居民消费价格指数，将历年当年价的营业收入转化为以1992年为基期的不变价。居民消费价格指数的数据来自《中国统计年鉴》和中经网数据库。

2.2.2    资本投入指标

资本是指设备和建筑，在其服务期间持续发挥作用、投入生产，因此资本投入是一个存量指标。经济学界一般采用永续盘存法推算某个时期的资本存量[46]，其基本估算公式可以表达为：

[Kt=Kt-11-δ+PtIt] （7）

式（7）中：[Kt]为t年的资本存量，[Kt-1]为t-1年的资本存量，[δ]为资本的折旧率，[Pt]为t年的固定资产投资价格指数，[It]为t年的资本投入额（流量）。因此，采用永续盘存法对资本存量进行估算，关键是要获得基期资本存量K0、资本的折旧率[δ]、历年的投资额It和固定资产投资价格指数Pt的数据。

历年《中国旅游统计年鉴（副本）》中提供了比较连续的固定资产原值数据，早期还曾提供固定资产净值数据，已有的相关文献多数直接采用这两种数据，但并不科学。固定资产原值是按照当年价格计算的各年新增固定资产的逐年累加，没有考虑折旧，也没考虑价格变化;固定资产净值虽然考虑了折旧，但仍未考虑价格变化（根据永续盘存法的公式，固定资产存量并不能对固定资产净值直接用固定资产投资价格指数平减得到）。

上述永续盘存法估算所需要的4类数据中，历年的固定资产投资价格指数Pt可以直接从《中国统计年鉴》及中经网数据库获得。对于资本折旧率[δ]，已有的相关文献大多直接借用一些经济学者估算的制造业的资本折旧率（如5%），显然旅游业与制造业差异巨大，此举并不可取;薛俊波和王铮对中国17个部门的折旧率进行估算[47]，其中，商业饮食业的折旧率均值为7.91%，鉴于该部门与星级饭店业相对最为接近，本文采用这一折旧率。对于历年固定资产投资额It，笔者参考单豪杰和师博的做法[48]，以第t年的固定资产原值减去第t-1年的固定资源原值可得第t年的新增固定资产投资额。最后，考虑到1992年的“南巡讲话”以后我国才兴起包括酒店业在内的大规模投资潮，此前全国酒店业规模较小，原值与存量之间的误差可以忽略，故而本文以1992年固定资产原值作为基期资本存量K0的近似替代。

2.2.3    劳动投入指标

劳动投入，理论上应用标准劳动强度的劳动时间来衡量，现实中该数据没有统计，往往以劳动人数为替代。我国酒店产业的有关统计中，最为完善和稳健的数据是“星级饭店从业人员数”。基于数据的可获取性，也为了与既有文献保持一致，本研究采用该数据。

2.3 酒店业投入和产出的增长演变

在消除价格因素的影响后，中国星级饭店营业收入从1992年的1 806 377万元增加到2012年的9 980 747.00万元，21年增长了5.53倍，年均增长8.48%。星级饭店资本存量，1992年为3 049 766.74万元，2007年达到最高16 778 537.58万元，此后出现下滑;1992—2012年这21年间，中国星级饭店资本投入共增加4.30倍，年均增长7.19%。最后，1992年星级饭店从业人数为302 707人，2012年增加到1 590 590人，增加了4.16倍，年均增长率7.02%。

1992年的“南巡讲话”以后，我国酒店产业在1993年迎来了一次大发展，资本和劳动要素投入的分别增长达到32%和17%，而且带来营收的更快增长，增长率接近40%。1994年增长势头略有放缓，投入和产出的增速均在15%上下。此后，中央开始对“楼堂馆所”热降温，使得1995—1998年期间酒店业要素投入（资本和劳动）的年增速进一步放缓，不过仍维持在10%左右，但由于累积几年“遍地开花”式的非理性盲目投入带来的产能过剩，酒店行业由卖方市场转变为买方市场，投入的增长并没有带来产出的相应增长，后者反而处于持续低迷甚至负增长状态，尤其在1998年叠加亚洲金融危机的影响，酒店业营收下降近5%，是研究期内的最低谷。1998年，中央将旅游业正式定位为国民经济新的增长点，提升了旅游的行业地位，受此利好，1999年之后中国酒店业复苏，并于2001年达到一个新的增长高峰，资本和劳动要素投入以及产出几乎同步增长25%左右。此后，酒店行业的发展渐趋理性，除个别年份受“非典”、禽流感等的影响，总体上呈现出平稳发展的态势，但无论是要素投入还是产出的增速都逐年降低。2008年以后，伴随着北京奥运会的闭幕和全球金融危机的爆发，市场风险加剧，星级饭店业的要素投入比较谨慎，资本和劳动均进入一个低增长甚至负增长期;与此同时，行业内并购、重组活跃，企业向集团化、连锁化、品牌化发展，使得星级饭店业的营收非但没有下降，而且增速还略有上升。

3 研究方法

3.1 多重共线性诊断

按照常规的思路，本文运用普通最小二乘法（OLS）对全国酒店产业的生产函数模型进行估计，结果如表1所示。

R2为0.9659，F检验高度显著，说明模型整体拟合效果较好。资本和劳动的回归系数均非常显著，但资本的產出弹性为负值，劳动的产出弹性大于1，这与经济增长理论不符，难以对变量系数的实际经济意义进行解释。

根据张晓峒的研究[49]，我们判断上述异常结果很可能源自解释变量（资本和劳动）之间存在多重共线性问题。共线性是指多元回归模型中自变量间存在高度的线性相关关系，该问题的存在使OLS估计的精确度大幅降低，估计值稳定性变差，直观的表现是即使回归方程整体高度显著，一些回归系数仍通不过显著性检验，或者正负号倒置，这些表现与前述异常结果十分吻合。而且，在经济学的实证研究中，共线性是较为普遍存在的现象，尤其是时间序列数据，因为很多经济变量在时间上有共同变化的趋势，在生产过程中，各种要素的投入难免存在同步增长的趋势。从图1也可看出，研究期内绝大多数年份，星级饭店的资本增长率和劳动增长率的符号是相同的，而且多数年份两者的变动方向也是相同的。

为了确切地检验资本和劳动之间可能存在的共线性问题，本文采用相关分析和方差膨胀因子法进行诊断。张晓峒证明，当解释变量的相关系数超过0.8时，OLS回归系数估计量迅速失去有效性，假设检验失去意义[49]。同时，如果最大的方差膨胀因子（VIF）超过10，多重共线性将可能严重地影响OLS的估计值。在表2的检验结果中，lnK与lnL之间的相关系数高达0.985，同时lnK和lnL的VIF值高达32.344，均表明解释变量间存在严重的多重共线性，OLS回归系数估计值变得毫无意义，必须对模型或估计方法加以修正。

3.2 研究方法说明

解决多重共线性问题的思路主要有两种：一是仍采用OLS估计，通过增加样本容量、转换模型形式、逐步回归、删除部分解释变量等手段，减少变量之间的共线性影响;二是采用不同于OLS的参数估计方法。

第一种解决思路并不适用于本研究。首先，增加样本容量现阶段难以实现，本文研究时段是1992—2012年，此后几年的星级饭店数据因前述原因无法采用;笔者也尝试引入劳动、资本之外的变量，但酒店业相关数据存在较大缺失。其次，如果同部分学者一样，将生产函数的无约束形式变换为有约束形式[50]，但需要人为假定规模报酬不变，增加了研究的主观性，且规模报酬的变化本就是增长方式研究的对象之一。最后，逐步回归法往往会将一些对因变量具有高度解释性的变量误删，大大影响模型的可靠性;而且本文的解释变量只有两个，都是必不可少的要素投入变量，删除显然不合适。

因此，本文采纳第二种解决思路，分别运用主成分分析法、岭回归分析法和偏最小二乘法，对中国酒店业的生产函数进行参数估计。之所以采用这3种方法进行参数估计，首先是因为三者都能很好地解决多重共线性问题[51-53];其次是出于稳健性的考虑，如果3种方法所得到的结果较为接近，系数及变量符号差异不大，就能破除方法上的偶然性，得到较为可靠的结果;最后是为了探索三者在分析酒店业增长问题时的特点和适用性，为后续研究提供方法上的借鉴。这3种方法的分析思路各异，简要介绍如下：

主成分法的主要思路是通过特征值和特征向量实现“降维”的方式，将多个存在相关关系的指标转化为少数综合指标，同时尽量不改变指标体系对因变量的解释力[54]。岭回归法是一种修正的最小二乘估计方法，其基本思路是找到某一个有偏估计，这个有偏估计虽然有微小的偏差，但它的精度却能够大大高于无偏的估计量，且它接近真实参数值的可能性更大[55]。偏最小二乘回归通过对系统中的数据信息进行分解和筛选的方式，可以有效克服多重共线性在系统建模中的不良作用，实现多元线性回归、典型相关分析和主成分分析等多种方法的综合利用[56]。

4 实证检验及结果分析

本文运用主成分法、岭回归法和偏最小二乘法三种方法，对酒店业的生产函数进行参数估计，并对每种方法的估计结果和适用性予以比较和讨论，最终选择一种相对最优结果来进行要素贡献率计算和增长方式分析。

4.1 实证检验

4.1.1    主成分法

运用SPSS 20.0软件对LnK，LnL进行主成分分析。Bartlett球形度检验和KMO检验结果显示，Barlett球形度检验统计量为64.315，概率值为0.000;KMO值为0.51。按照特征值大于1的情况提取一个主成分，其累计方差已达到99.221%，提取的结果非常理想。该主成分FAC的表达式为：

FAC=0.502StdlnK+0.502StdlnL

其中，StdlnK、StdlnL分别为lnK和lnL的标准化变量。StdlnK=[lnK-E（lnK）Var（lnK）]，StdlnL=[lnL-E（lnL）Var（lnL）]。E代表均值，Var代表方差。

通过主成分分析法，将原本对lnY与变量lnK、lnL的关系转化为对lnY与主成分因子FAC之间关系的研究，有效避免了多重共线性问题。对因变量lnY进行标准化处理得到StdlnY，拟合其与FAC之间的线性关系。结果得到，FAC的系数为0.930，在1%水平上显著;F检验统计值远超过临界值，概率p接近0;调整后R2为0.857，高于0.85，因此模型整体拟合效果可接受。

将方程中标准化变量转化为原始变量，得到：

lnY=0.5516+0.4849lnK+0.5082lnL

4.1.2    岭回归法

运用SPSS 20.0的Ridge Regression程序，绘制并观察生产函数的岭迹图，将合理的k值确定为0.2，首先是当k值增大到0.2时，岭迹图的趋势开始稳定;同时，当k=0.2时，所有回归系数估计值大小变得合理，原本k=0时出现的系数符号为负的问题得到了有效纠偏。k=0.2时的岭估计结果为：

lnY=2.1273+0.3047lnK+0.6036lnL

拟合方程调整后R2为0.8569，具有较高的拟合优度;F值为60.8573，远大于临界值6.01;lnK和lnL的系数均在1%水平上显著，原本因多重共线性而导致的错误的系数符号也得到有效的纠正。

4.1.3    偏最小二乘法

偏最小二乘法的关键步骤是确定偏最小二乘的成分數，使得所提取的成分对系统的解释能力最强，同时又能克服变量间的多重共线性，本文采用交叉有效性检验予以确定。

检验结果中，t1对因变量的交叉有效性Qh2是0.857，t2的交叉有效性是0.081，前者大于而后者小于临界值Q2Limit，故提取一个成分t1。模型拟合效果显示：t1对因变量LnY的解释能力为86.6%，而t1对自变量的信息利用率高达99.2%，已满足模型精准度的要求。运用SIMCA-P 11.5软件，得到偏最小二乘估计结果：lnY=05624+0.4704lnK+0.5239lnL。

4.2 结果分析

表3汇总了以上3种方法分别得到的资本和劳动的产出弹性。

可以看出，当采用主成分分析法，岭回归分析法和偏最小二乘法时，因多重共线性而导致的系数估计结果过大或过小、符号异常的问题得到很好解决，同时，资本与劳动的弹性系数具有解释意义。更一般地，发展中国家的资本要素相对较稀缺，因此资本的产出弹性一般要比发达国家高，集中在0.30～0.65之间[57]，以上3种方法估计得到的资本弹性系数均位于这一区间，符合经验预期。此外，三者的要素产出弹性之和均小于但接近1，意味着中国酒店产业的增长呈现规模报酬递减或不变的特征。最后，3种不同方法所得结果大体上比较一致，也说明本文的研究结论是稳健可靠的，不是方法上的偶然性产物。

由表6可知，主成分分析法和偏最小二乘法的估算结果非常接近，而稍异于岭回归分析法。通过比较估计值和真实值之间的均方误差和（RMSE），主成分分析法和偏最小二乘法预测精度略低于岭回归法，但岭回归分析法存在一个明显的局限，即无法使用普通的统计推算，并且偏倚常数k的选择偏向于定性判断，存在一定的主观人为性;而主成分分析法在分析过程中只考虑了自变量所包含的信息，而没有涉及因变量的信息，因此与因变量之间的关系不明确。相比而言，偏最小二乘法从因变量出发，选择与因变量相关性较强而又方便算得的自变量的线性组合，集中了最小二乘法与主成分分析法的优点，又克服了两种方法的缺点。因此，综合考虑3种方法的优缺点和适用性，本文采用偏最小二乘法的估计结果，分析中国酒店产业的增长方式，结果如表4所示。

由表4可知，资本产出弹性为0.4704，即资本要素的投入每增长一个百分点，会引起酒店业产出增长0.4704个百分点;同理，劳动投入每增长一个百分点，会引起酒店业产出增长0.5239个百分点。资本弹性系数和劳动弹性系数之和为0.9943，小于但非常接近1，说明我国酒店业的增长处于规模报酬不变、并开始转向递减的阶段。一般而言，在既定生产函数（即技术水平）条件下，随着产业规模的扩大，一般先后经历规模报酬递增、不变到递减阶段，其中，规模报酬不变阶段意味着最优规模，然而也意味着随着规模的继续扩大，产业将进入规模报酬递减阶段。要使中国酒店业避免进入规模报酬递减阶段，唯有改进生产函数，即提升技术水平，使酒店业进入新一轮规模报酬递增阶段。

此外，我国酒店业在1992—2012年期间，资本和劳动要素投入的增长比较平衡，年均实际增长率均高于7%，两种要素的总合增长率为7.06%;产出（营收）的增长接近8.50%，明显快于投入的增长，前者高出后者1.42个百分点，即TFP在这期间年均增长1.42%，投入产出效率有所改善。

最后，生产要素投入的增长对酒店业产出的增长做出了83.26%的贡献，其中，劳动要素和资本要素的贡献率大致相当，分别为43.36%和39.89%，前者略大于后者。Porter将产业发展的驱动力依次划分为4个阶段：要素（劳动或自然资源）驱动、投资驱动、创新驱动、财富驱动[13]。显然，研究期间我国的酒店业大致处于前两个阶段的交接处，由劳动和投资共同驱动。而全要素生产率TFP的进步对酒店业增长的贡献仍较小，为16.74%，距离创新驱动阶段还有待时日;另外，国际上一般以TFP贡献率50%为界，将增长方式分为粗放和集约两种，无疑我国酒店业尚处于粗放发展阶段。

5 结论与讨论

5.1 结论与贡献

5.1.1    主要结论

本文基于新古典经济增长理论，采用增长核算方法，对1992—2012年间的中国酒店产业的增长方式进行了实证分析。鉴于生产函数中要素投入自变量之间存在的同步增长趋势，我们首先对数据进行相关性检验和VIF检验，证实劳动和资本要素变量之间确实存在严重的多重共线性，这是导致以往文献和本文OLS估计所得到的弹性系数为负值或不显著等异常结果的原因。

为了解决多重共线性问题，本文分别采用主成分分析法、岭回归分析法和偏最小二乘法对全国酒店业的生产函数进行估计。3种方法得到较为一致的结果，说明本文的研究结果是稳健可靠的，不是方法上的偶然性产物。经过对3种方法优缺点的比较，笔者选择偏最小二乘法的估计结果为基准结果。

研究发现，1992—2012年间，中国酒店业的劳动和资本投入每增加1%，使产出分别增长0.47%和0.52%，行业处在由规模报酬不变到规模报酬递减的过渡期;酒店业增长主要由劳动和资本要素共同驱动，兩者分别贡献了产出增长的43.36%和39.89%，处于劳动驱动增长阶段迈向投资驱动增长阶段的交接处，距离Porter所说的创新驱动阶段尚有较大距离;酒店业全要素生产率年均提高1.42%，投入产出效率逐步改进，但TFP对产业增长的贡献率仅有16.74%，仍远低于要素投入对产业增长的贡献率，尚处于粗放增长时期（如下节所述，这里的“粗放”为相对而言）。由于这里的TFP包含了人力资本、技术进步、制度（管理）的作用，因此，中国酒店产业未来需在管理人才、员工素质、新技术的采用、设施的升级、行业管理政策、企业内部管理制度等方面持续改进。至于其中哪些部分构成了TFP提升的短板，由于缺乏相应的宏观数据，未来还需进一步开展上市公司行业层面的中观定量研究以及典型案例企业层面的微观质性研究。

5.1.2    对比讨论

刘致良和Smeral分别对中国和欧美八国的住宿餐饮业进行过增长核算[19，26]。前者得到1994—2007年间资本投入对中国住宿餐饮业增长的贡献为109.68%，劳动投入贡献为-20.62%，TFP贡献为10.94%。后者得到1990—2004年间西班牙、英国、美国、荷兰、意大利、奥地利、芬兰和比利时酒店与餐馆业增长的TFP贡献率分别是-54.45%、-35.20%、3.00%、-37.45%、-45.17%、43.43%、88.58%、            -245.96%。与本文结论对比，有以下发现：

首先，由于上述文献均未考虑和排除多重共线性的干扰，因而都得到较为异常的结果，前者的资本贡献大于100%而劳动贡献为负。后者有5个国家的TFP贡献率为负数，其中最低的比利时竟然为-245.96%，TFP贡献率为正数的仅3个国家，其中最高的芬兰达88.58%，更令人不解的是，比利时和荷兰作为欧盟经济一体化下的紧邻发达小国，TFP贡献率虽同为负数，却相差巨大。以上发现印证了本文考虑多重共线性这一问题的重要性。

其次，假设忽略上述问题，将其研究结果和本文的结果进行对比可以发现，中国酒店业的TFP贡献率比住宿餐饮业要高近6个百分点，在欧美八国中也只低于芬兰和奥地利，而远高于西班牙、英国、美国、荷兰、意大利、比利时等欧美发达国家。因此，前文所说我国酒店业仍处于粗放发展阶段，此处的粗放是一个相对概念，通常只要是TFP贡献率低于要素投入的贡献率，就可以称为“粗放”;而与中国以及欧美五国的住宿餐饮业相比，中国酒店业的增长是相对集约的。当然，由于上述两项研究与本文在研究对象、研究时段和模型细节上的差异，尤其是考虑到前两者存在结果异常，这种对比仅能权作参考。

5.1.3    可能贡献

以往旅游增长方式研究主要针对旅游业整体，由于两个原因这些研究的结果并不可靠：其一是它们所使用的中国旅游业整体的经营数据，其历年的统计范围并不稳定;其二是这些研究并未考虑到各种要素投入变量数据之间的多重共线性，因而往往得到异常的估计结果，有可能误导政策实践。

本文以星级饭店为对象，研究我国酒店产业的增长方式，从3个方面对现有研究有所改进：其一，我国星级饭店经营数据较为丰富、详实，其统计范围比较连续稳定，比旅游业整体的数据要可靠很多;其二，我们检验并发现各要素投入变量之间确实存在严重的多重共线性，并采用能够有效克服该问题的估计方法，纠正了估计结果的异常;其三，我们同时采用主成分分析法、岭回归分析法和偏最小二乘法进行估计，得到了大体一致的结果，增强了结果的稳健性和可靠性，对准确认识和改进我国酒店业的增长方式具有政策意义。

5.2 政策启示

（1）优化生产要素的质量

研究期间，我国酒店业尚处于生产要素驱动的增长阶段，要素投入的增加是这20年的主要增长源泉。但是，我国酒店业正在或已经进入规模报酬递减阶段，依赖持续高投入的产出增长将难以为继，而且，研究期的最后几年，要素投入已呈现出低增长甚至负增长的状态。因此，未来需要转变只重视要素投入数量，而忽视要素投入质量的低效发展观。优化劳动要素质量，需要政府和酒店企业共同加强人力资本投资。政府应重点支持旅游职业技术教育，为企业输送业务水平高、服务意识强、专业素养优的适用性人才;对于旅游高等教育，施行“产学研”的联合培养机制，在政策和经费上鼓励企业与学校互相强化学生实习和员工培训的合作;同时需完善酒店企业的晋升渠道和机制，减少行业专才的流失。优化资本要素质量，需要政府注重酒店产业投资方向的引导，调整投资结构，加强投资的风险防控，避免盲目非理性投资，提高资本的产出效益。

（2）转变酒店业增长方式

在研究期内，我国酒店业增长的TFP贡献不高，仍属于粗放型增长方式。当然，这里的“粗放”是一个中性概念，未必意味着不合理，发展中国家迈向发达国家的过程中，这是一个正常的必经阶段。对于酒店业这类典型的服务业而言，TFP在现实中主要表现为各种软性的基础设施，既包括现代技术（如管理系统、互联网、大数据）的采用，更包括人力资本（员工的知识、技能、素质）、管理制度、方式和经验，这些软性基础设施的进步，除了投资形成（如采购现代技术、对员工进行培训）之外，更多地来自外部学习（借鉴、引进、模仿）和内部积累（边干边学、经验累积），中国的星级饭店业起步较晚，学习和积累都需要一个过程，不是一蹴而就的，“欲速则不达”。但与此同时，有关部门也应该清醒地认识到，产业的发展必然是一个由粗放走向集约的过程，因此，中国酒店业需要顺应趋势，将TFP的提高确定为战略目标，不断提升增长效率。具体而言，需要加强酒店行业的智能化、信息化建设，推动商业形态、运营模式、管理手段、科技转化的与时俱进;同时，也要改善市场环境、健全法律体系、降低交易成本，为酒店业的发展营造公平竞争、正向淘汰的土壤。

5.3 局限与展望

首先，除了传统的资本和劳动要素之外，人力资本也是酒店业（尤其是作为现代服务业的星级饭店业）的重要生产要素。人力资本的形成通常有3种途径：正式的教育（一般用员工的受教育年限衡量）、在职的培训（可用培训的时间或投入衡量）和边干边学（可用员工的工作年限衡量）。然而，目前尚没有对酒店业人力资本的全面、连续的宏观统计或微观调查数据。笔者也曾尝试参考其他学者对旅游业人力资本的估算方法[58]，但研究發现较为粗略，最终只得放弃。笔者建议旅游统计部门今后将星级饭店的人力资本数据纳入统计，或者有条件的研究机构将其纳入微观数据库的调查范围。

其次，本文对酒店业增长方式的研究是基础性的，未来还有许多课题可以深入展开。例如，分地区、分阶段的研究可以展示酒店产业增长方式的更丰富的图景，同时也可资探讨各地区、各阶段的增长方式与其要素禀赋结构的吻合度，以及这种吻合度对酒店业经营绩效的影响，等等。本文并不试图也无法囊括整个研究计划，笔者将另文专述。

参考文献（References）

[1]      TINBERGEN J. On the theory of trend movements[C]//KLAASSEN L H， KOYCK L M， WITTEVEENH J. Jan Tinbergen， Selected Papers. North-Holland， Amsterdam， 1959： 511-549.

[2]      SOLOW R. A contribution to theory of economic growth[J]. Quarterly Journal of Economics， 1956， 70： 65-94.

[3]      SOLOW R. Technical change and the aggregate production function[J].Review of Economic and Statistics， 1957， 39： 312-20.

[4]      DENISONEF. Why Growth Rates Differ： Postwar Experience in Nine Western Countries[M]. Washington D. C.： The Brookings Institution， 1967： 474-494.

[5]      JORGENSON D W， GRILICHES Z. The explanation of productivity change[J]. Review of Economic Studies， 1967， 34： 249-280.

[6]      ARROW K J. The economic implication of learning by doing[J]. The Review of Economic Studies， 1962， 29（3）： 155-173.

[7]      ROMER P M. Increasing returns and long run growth[J]. Quarterly Journal of Economics， 1986， 94（5）： 1002-1037.

[8]      LUCAS R E Jr. On the mechanics of economic development[J]. Journal of Monetary Economics 1988， 22： 3-42.

[9]      AGHION P， HOWITT P. A model of growth through creative destruction[J]. Econometrica， 1992， 60 （2）： 323-351.

[10]   诺思. 制度、制度变迁与经济绩效[M]. 上海： 上海三联书店， 1990： 170.[NORTH D C. Institutions， Institutional Change and Economic Performance[M]. Shanghai： Shanghai Joint Publishing Company LTD. 1990： 170.]

[26]    成英文. 中国旅游经济增长及其决定因素研究[D]. 北京： 北京第二外国语学院， 2010. [CHENG Yingwen. Study on the Tourism Economy Growth of China and Its Determinants [D]. Beijing： Beijing International Studies University， 2010.]

[27]    黄秀娟. 中国旅游产业经济增长的因素贡献分析[J].技术经济， 2009， 28（7）： 67-71. [HUANG Xiujuan. Analysis on contribution of factors to economic growth of tourism industry in China [J]. Technology Economics， 2009， 28（7）： 67-71.]

[28]    李仲广， 宋慧林. 中国旅游业增长的要素贡献率[J]. 辽宁工程技术大学学报（社会科学版）， 2008， 10（2）： 138-140. [LI Zhongguang， Song Huilin. The contribution of factors to the growth of tourism industry[J]. Journal of Liaoning Technical University（Social Science Edition）， 2008， 10（2）： 138-140.]

[29] 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， 63（4）： 417-427. [ZUO Bing， BAO Jigang. Tourism total factor productivity and its regional variation in China from 1992 to 2005[J]. Acta Geographica Sinica， 2008， 63（4）： 417-427.]

[30] 唐晓云. 中国旅游经济增长因素的理论与实证研究[D]. 天津： 天津大学， 2007. [TANG Xiaoyun. The Theoretical and Empirical Study on the Factors Influencing the Tourism Economic Growth of China[D]. Tianjin： Tianjin University， 2007.]

[31] 杨天英， 李许卡， 曾瑶. 我国旅游经济增长方式及省际差异实证研究——基于省际面板数据[J]. 经济体制改革， 2017 （4）： 64-69. [YANG Tianying， LI Xuka， ZENG Yao. An empirical study on the mode of tourism economic growth and inter-provincial difference in China： Analysis based on provincial panel data[J]. Reform of Economic System， 2017 （4）： 64-69.]

[32] 罗浩， 颜钰荛， 杨旸. 中国各省的旅游增长方式“因地制宜”吗？——中国省际旅游增长要素贡献与旅游资源比较优势研究[J]. 旅游学刊， 2016， 31（3）： 43-53. [LUO Hao， YAN Yurao， YANG Yang. Do the tourism growth modes of Chinas provinces match their local conditions？[J]. Tourism Tribune， 2016， 31（3）： 43-53.]

[33] 余鳳龙， 黄震方， 曹芳东. 制度变迁对中国旅游经济增长的贡献——基于市场化进程的视角[J]. 旅游学刊， 2013， 28（7）： 13-21. [YU Fenglong， HUANG Zhenfang， CAO Fangdong. Contribution of institutional change to Chinas tourism economic growth： A marketization perspective[J]. Tourism Tribune， 2013， 28（7）： 13-21.]

[34] 赵金金. 中国区域旅游经济增长的影响因素及其空间溢出效应研究——基于空间杜宾面板模型[J]. 软科学， 2016， （10）： 53-57. [ZHAO Jinjin. Study on spatial spillover effects of regional tourism economic growth and its influence factors in China—Based on spatial Durbin panel model[J]. Soft Science， 2016， （10）： 53-57.]

[35] 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， 29（2）： 16-24. [WU Yuming. Spatial panel econometric analysis of tourism economic growth and its spillover effects[J]. Tourism Tribune， 2014， 29（2）： 16-24.]

[36] YANG Y， TIMOTHY F. Spatial effects in regional tourism growth[J]. Annals of Tourism Research， 2014， 46： 144-162.

[37] 宋子千， 韩元军. 中国旅游产业的增长方式与面向现代服务业的转型——基于2005—2009年22个旅游城市面板数据的实证分析[J]. 经济地理， 2013， 33（10）： 163-167. [SONG Ziqian， HAN Yuanjun. The growth mode of China tourism industry and modern service-oriented transformation-based on the 22 tourist cities panel data empirical analysis from 2005 to 2009[J]. Economic Geography， 2013， 33（10）： 163-167.]

[38] 平狄克， 鲁宾费尔德. 计量经济学模型与经济预测[M]. 北京： 机械工业出版社， 1999： 57-59. [PINDYCK R S， RUBINFELD D L. Econometric Models and Economic Forecasts[M]. Beijing： China Machine Press， 1999： 57-59.]

[39] 黄少敏. 计量经济学入门[M]. 北京： 北京大学出版社， 2004： 60-66.[HUANG Shaomin. Introduction to Econometrics[M]. Beijing： Peking University Press， 2004： 60-66.]

[40] KORTELAINEN M， LEPPANEN S， Public and private capital productivity in Russia： A non-parametric investigation[J]. Empirical Economics， 2013， 45： 193–216.

[41] 傅晓霞， 吴利学. 前沿分析方法在中国经济增长核算中的适用性[J]. 世界经济， 2007（7）： 56-66. [FU Xiaoxia， WU Lixue. Applicability of frontier analysis method in Chinas economic growth accounting[J]. The Journal of World Economy， 2007 （7）： 56-66.]

[42] AI C， CASSOU S. On public capital analysis with state data[J]. Economics Letters， 1997， 57： 209–212.

[43] QUINN D P， TOYODA A M. Does capital account liberalization lead to growth？[J]. The Review of Financial Studies， 2008， 21（3）： 1403-1449.

[44] SHI Q， ABDEL-ATY M， LEE J. A Bayesian ridge regression analysis of congestions impact on urban expressway safety[J]. Accident Analysis and Prevention， 2016， 88： 124–137.

[45] 李江帆， 李美云. 旅游產业与旅游增加值的测算[J]. 旅游学刊， 1999， 24（5）： 16-20. [LI Jiangfan， LI Meiyun. On the calculation of tourism industry and tourist adding value[J]. Tourism Tribune， 1999， 24（5）： 16-20.]

[46] GOLDSMITH R W. A perpetual inventory of national wealth[C]//. Studies in Income and Wealth（14）. New York： National Bureau of Economic Research， 1951： 5-7.

[47] 薛俊波， 王铮. 中国17部门资本存量的核算研究[J]. 统计研究， 2007（7）： 49-54. [XUE Junbo， WANG Zheng. A research on the capital calculation of 17 industries of China[J]. Statistical Research， 2007（7）： 49-54.]

[48] 单豪杰， 师博. 中国工业部门的资本回报率： 1978-2006[J]. 产业经济研究， 2008（6）： 1-9. [SHAN Haojie， SHI Bo. The return to capital in Chinas industry： 1978-2006[J]. Industrial Economics Research， 2008 （6）： 1-9.]

[49] 张晓峒. 应用数量经济学[M]. 北京： 机械工业出版社， 2009： 201-218. [ZHANG Xiaotong. Applied Quantitative Economics[M]. Beijing： China Machine Press， 2009： 201-218.]

[50] 覃武， 谭砚文. 深圳经济增长因素分析： 1979—2007——基于全要素生产率视角[J]. 城市发展研究， 2010， 17（3）： 97-103. [QIN Wu， TAN Yanwen. An analysis of economic growth factors in Shenzhen： 1979—2007—Based on the perspective of total factor productivity[J]. Urban Studies， 2010， 17（3）： 97-103.

[51] CHEN G F. A simple way to deal with multicollinearity[J]. Journal of Applied Statistics， 2012， 39（9）： 1893-1909.

[52] 楊楠. 岭回归分析在解决多重共线性问题中的独特作用[J]. 统计与决策， 2014（3）： 14-15. [YANG Nan. The unique role of ridge regression analysis in solving multicollinearity problems[J]. Statistics and Decision Making， 2014（3）： 14-15.]

[53] 徐连和， 赖明勇， 钱晓英. 外商直接投资影响因素的偏最小二乘回归建模分析[J]. 中国管理科学， 2002， 10（5）： 20-25. [XU Lianhe， LAI Mingyong， QIAN Xiaoying. The partial least-squares regression analysis of impact factors of foreign direct investment in China[J]. Chinese Journal of Management Science， 2002， 10（5）： 20-25.]

[54] ?ZKALE M R， Principal components regression estimator and a test for the restrictions[J]. Statistics， 2009， 43（6）： 541-551.

[55] HOREL A E， KENNARD R W. Ridge regression： Biased estimation for non-orthogonal problems[J]. Techometrics， 1970， 12： 55-72.

[56] 王惠文， 朱韵华. PLS回归在消除多重共线性中的作用[J]. 数理统计与管理， 1996， 15（6）： 48-52. [WANG Huiwen， ZHU Yunhua. PLS regression in the function of eliminating multi-correlation[J]. Application of Statistics and Management， 1996， 15（6）： 48-52.]

[57] 李建平， 邓翔. 中国地区经济增长的动力分析[J]. 管理世界， 2004（11）： 68-76. [LI Jianping， DENG Xiang. Analysis on the driving force of regional economic growth in China[J]. Management World， 2004（11）： 68-76.]

[58] 刘长生， 简玉峰， 尹华光. 旅游信用、人力资本与旅游产业发展[J]. 旅游学刊， 2009， 24（11）： 13-20. [LIU Changsheng， JIAN Yufeng， YIN Huaguang. Tourism trust， human capital and tourism industrial development[J]. Tourism Tribune， 2009， 24（11）： 13-20.