中国旅游业全要素碳生产率动态演进及其影响因素

王 凯，马月琴，甘 畅，张淑文，刘浩龙

1.湖南师范大学旅游学院，湖南 长沙 410081 2.中国科学院地理科学与资源研究所，中国科学院陆地表层格局与模拟重点实验室，北京 100101

全球变暖对物种生存和人类发展构成严重威胁，减少温室气体排放、发展低碳经济已成为全球共识[1].旅游业作为当今世界第一大产业，其快速发展所带来的碳排放问题日益突出.研究显示，旅游业碳排放量约占全球总碳排放量的4.9%，温室效应贡献率高达14%[2]，若不采取措施，预计2035年之前其将以年均3.2%的速度攀升[3]，因而推进旅游业节能减排势在必行.在当前中国生态文明建设和低碳约束背景下，如何协调旅游发展与CO2排放之间的矛盾，促使旅游业提质增效，是社会各界共同关注的重要议题.而“碳生产率”指标能够有效兼顾经济增长与CO2减排双重目标，提升碳生产率将是旅游业应对减排压力、实现可持续发展的根本出路.因此，基于全要素生产率框架，科学测度旅游业碳生产率增长水平，揭示旅游业碳生产率影响因素，对于优化区域旅游业减排路径、提高旅游业低碳发展质量大有裨益.

“碳生产率”由Kaya等[4]提出，定义为“国内生产总值与同期CO2排放量的比值”，反映单位碳排放的经济效益.该概念提出后，学界进行了多方面探讨，包括碳生产率测算[5]、区域差异[6]、收敛[7]及影响因素[8]等.QIU等[9-10]借鉴这一定义，采用旅游收入与同期旅游业CO2排放量的比值来表征旅游业碳生产率，分析了中国旅游业碳生产率及其时空格局；而Bruijn等[11-12]则从倒数角度，运用CO2排放量与同期旅游收入的比值分别估算了荷兰和中国的旅游业碳效率.上述单一比值法虽然计算简便，但包含的要素过少，忽略了其他生产要素的作用.鉴于此，一些学者提出用全要素指标将资本、劳动等纳入碳生产率测度，以避免单因子的估计偏差[13-14].在测算方法上也有所改进，方向距离函数结合Malmquist指数渐成趋势，如学者们基于该方法分别测算了全球88个经济体[14]、“一带一路”沿线55个国家[15]、中国30个省(自治区、直辖市)[16]和长江经济带11省市[17]等中宏观尺度的全要素碳生产率，分析其增长动态变化.另一类是研究具体的行业部门，如LI等[18]测算了中国工业部门36个细分行业的全要素碳生产率及其分解；YU等[13]在测度2000—2012年中国交通运输部门全要素碳生产率的基础上，比较了地区间的增长差异；杨翔等[19-20]则分别以中国制造业和服务业为研究对象，追踪其碳生产率的动态变化及收敛性趋势.

上述研究丰富了碳生产率理论体系，为研究视角拓展、研究内容深化和研究方法创新奠定了基础.但国内全要素碳生产率研究还处于探索阶段，主要关注工业、制造业等部门，鲜见针对旅游业的研究.既有研究通过单一比值法衡量旅游业碳生产率，忽略了多种要素的共同效应，且以反映静态水平见长，难以刻画其动态演进轨迹.此外，尽管部分文献对旅游业碳生产率影响因素进行了初步探讨，但因素选取不够全面，理论与实证相结合的系统分析有待深入.鉴于此，该研究以中国30个省(自治区、直辖市)为研究样本(不含港澳台及西藏自治区数据，下同)，在全要素框架下运用Malmquist-Luenberger指数科学测度旅游业碳生产率变化，借助核密度估计揭示其动态演进趋势，在分析其影响机理的基础上，建立面板数据模型探究影响其变动的因素，以期为探明中国旅游业碳生产率增长特点，寻求旅游业低碳增长驱动力和减排方向，助推旅游经济实现绿色高效发展提供科学参考.

1 研究方法

1.1 旅游业全要素碳生产率增长的测算方法

Malmquist指数在生产率测度中应用较广，但其无法有效处理非期望产出，且各变量需等比变动[21].为克服不足，Chung等[21]引入方向距离函数，创建了Malmquist-Luenberger (ML)指数，该方法在满足期望产出最大化的同时，又寻求非期望产出向最小化缩减.该研究采用ML指数来度量旅游业全要素碳生产率(total factor carbon productivity,TFCP).假设每个决策单元有N种投入、M种期望产出与I种非期望产出，首先将所有生产可能性集〔P(x)〕定义为

P(x)={(y,b):x可以产出(y,b)}

(1)

式中：x∈R+N，表示投入向量；y∈R+M，表示期望产出向量；b∈R+I，表示非期望产出向量.

式中：g=(gy,-gb)，为产出方向向量；β表示在既定投入下，期望产出与非期望产出沿方向向量g所能增加的最大倍数.

继而在方向距离函数基础上构造出ML指数：

(3)

式中，MLss+1表示TFCP从s时期到s+1时期的变化，其大于、等于和小于1分别表示TFCP增长、不变与下降.

为探寻旅游业TFCP变动的源泉，将ML指数进一步分解为技术效率(EFFCH)和技术进步(TECH)：

(4)

(5)

式中：EFFCHss+1大于、等于和小于1分别表示技术效率从s时期到s+1时期出现了改善、不变与恶化；同理，TECHss+1大于、等于和小于1分别表示前沿技术从s时期到s+1时期出现了进步、停滞与倒退.

1.2 核密度估计法

在研究不同经济体的长期产出绩效差异时，Hall等[22]提出不仅要比较平均增长水平，更要分析相对差异.因此，该研究借鉴田银华等[23]的思路，首先计算i地区在s时期的旅游业累积全要素碳生产率(CMLis)、累积相对技术效率(CECis)和累积相对技术进步(CTCis)，由式(6)～(8)获得：

(6)

(7)

(8)

运用核密度估计法直观反映旅游业累积TFCP及其分解项的动态演进特征，探究其相对差异.核密度表达式为

(9)

式中：x为观测向量；N为观测样本数；h为带宽，反映曲线平滑程度；Xi为独立同分布样本；K表示核函数，该研究采用常用的Epanechikov核函数.

1.3 指标选取与数据来源

1.3.1旅游业全要素碳生产率增长的测算指标选取

全要素生产率测度包括投入与产出两部分，借鉴已有研究结果[24-25]，从资本、劳动和能源3个方面考虑，分别选取旅游业固定资产投资额、旅游从业人员数和旅游业能源消耗量作为旅游业TFCP测度的投入指标.其中，旅游业固定资产投资利用固定资产指数转化为以2000年为基期的不变价.产出指标包含期望与非期望两类，期望产出采用旅游总收入表征，同样以2000年不变价进行换算，单位为108元；非期望产出以旅游业CO2排放量来表征，单位为104t.

1.3.2数据来源

由于我国缺少旅游业碳排放和能源消费数据，该研究借鉴王凯等[10,26]采用的“自下而上”核算法，首先将旅游业分为旅游交通、旅游住宿和旅游活动三大部门分别进行计算，继而加总得出旅游业总的CO2排放量与能耗量.限于篇幅，计算公式见文献[10].该研究原始数据来自2001—2018年《中国统计年鉴》《中国环境统计年鉴》《中国交通统计年鉴》《中国旅游统计年鉴》《旅游抽样调查资料》与各省(自治区、直辖市)的《国民经济和社会发展统计公报》等，个别缺失数据采用线性插值补充完善.

2 实证结果

2.1 旅游业全要素碳生产率增长的整体变动情况

运用MaxDEA 7.10软件计算得到2000—2017年中国旅游业全要素碳生产率及其分解结果(见表1).

表1 2000—2017年中国及三大区域旅游业全要素碳生产率及其分解Table 1 Tourism total factor carbon productivity and its decomposition in China and its three regions from 2000 to 2017

由表1可知，2000—2017年，中国旅游业TFCP除个别年份下降外，整体呈现增长趋势，平均增长率为6.2%，表明旅游经济发展较为乐观，节能减排取得一定成效.观察发现，不同时期旅游业TFCP增长速度有所差别，其中以2004年增幅最大，达到15.7%;而在2001—2002年、2002—2003年、2007—2008年和2013—2014年4个时段分别出现了5.5%、15.2%、3.2%和2.7%的下降，其中以2003年降幅最大.可见中国旅游业TFCP变化并不稳定，受“非典”、金融危机等经济、政策、特殊事件的影响，其波动性较大.从空间分布来看，东、中、西部地区旅游业TFCP平均增长速度分别为6.7%、8.0%和4.4%，呈现中部高于东部、东部高于西部的增长格局，中部地区进步最为明显，是较好的“追赶者”区域.

从分解项看，全国旅游业技术效率和技术进步平均值分别为1.019和1.044，说明研究期内二者对旅游业TFCP的增长分别贡献了1.9%和4.4%，可见技术进步是中国旅游业TFCP增长的主要驱动力，而由要素组合、管理等因素带来的效率改善度较低，表明旅游业在技术引进和变革方面力度较大，但在提高经营效率方面欠佳.三大区域旅游业TFCP的变动源泉也有差异，技术进步是东部地区旅游业TFCP增长的主因，但其技术效率在18年间仅增长了0.6%，这是因为随着东部地区市场化水平的不断提高，企业技术和管理渐趋成熟，要素投入的边际生产力减少，导致效率增长不足.中、西部地区旅游业TFCP增长由技术进步和技术效率共同推动，但中部地区技术进步的推动力更强，西部地区技术效率的贡献高于技术进步的贡献，表明近年来中、西部地区意识到了旅游业发展的重要性，逐渐增强科技在旅游领域的应用，西部地区更注重利用现有的技术条件充分发展自身经济，要素投入为边际效益递增.

2.2 旅游业全要素碳生产率增长的省级分布特征

从省级层面看(见图1)，我国共有28个省份旅游业TFCP为正增长，占到总样本的93.3%，说明多数地区旅游业发展趋于资源集约和环境友好.其中，旅游业TFCP增长最快的是吉林省(1.117)，平均增长率达11.7%；其次是山西省(1.113)、安徽省(1.112)、内蒙古自治区(1.108)和河北省(1.103)，平均增长率均在10%以上；四川省、广东省、山东省等17个省份平均增幅在5%～10%之间；甘肃省、黑龙江省等6个省份平均增幅在1%～5%之间；而青海省、宁夏回族自治区旅游业TFCP分别出现了0.8%和6.4%的下降.此外，各省份TFCP变动的源泉也有所不同.吉林省、山西省、安徽省等17个省份属于技术进步和技术效率共同推动型；福建省、河南省、上海市等9个省份属于技术进步而效率退化型，其增长由技术进步拉动；贵州省、甘肃省为技术效率拉动型，而技术进步分别下降了1.1%和0.2%；青海省为技术效率退步型，而宁夏回族自治区的技术效率、技术进步均出现退化，拖累其增长.

图1 中国各省(自治区、直辖市)旅游业全要素碳生产率及其分解项变动均值Fig.1 The average changes of the tourism total factor carbon productivity and its decomposition in China′s provinces

由表2可知，我国共有10个省份为碳排放技术“创新者”，它们至少推动生产前沿外移一次.其中，天津市和河南省表现最突出，在研究期内共推移前沿达22次；其次为山西省、上海市和内蒙古自治区，分别推动前沿外移6、5和4次.从地区分布来看，有4个省份来自东部经济发展水平相对较高的地区，这些省份凭借较强的经济实力和创新能力，推动生产前沿又好又快发展；还有4个省份来自中部、2个省份来自西部经济发展水平中等或相对滞后的地区，它们也可以结合自身资源禀赋和生产要优势，学习先进地区的技术经验，提升碳生产率.值得注意的是，部分省份(如广东省、山东省等)虽然旅游收入很高，但由接待规模引致的旅游业CO2排放量较高且逐年攀升，并没有成为“创新者”[28].

表2 2000—2017年旅游业碳排放技术的“创新者”Table 2 ‘Innovators’ of the tourism carbon emission frontier technology from 2000 to 2017

2.3 旅游业全要素碳生产率增长的动态演进趋势

为避免曲线重叠和方便观察曲线变化情况，等间隔选取2001年、2005年、2009年、2013年和2017年作为考察剖面，各项累积水平的核密度分布如图2所示.

由图2可见，旅游业累积TFCP核密度曲线高度逐年降低并向右漂移，右尾数据随时间的推移而增加，说明研究期内旅游业累积TFCP提升明显.2001—2009年，曲线右尾呈多峰分布，表明该时期旅游业累积TFCP分布小范围集聚，出现一定“俱乐部收敛”特征.但在2009—2017年，曲线右尾多峰渐小，且波峰逐渐变宽，转为单峰分布，说明省际旅游业累积TFCP差距有所扩大，且高水平省份数量并不多.

图2 旅游业累积全要素碳生产率及其分解核密度分布Fig.2 Kernel density distribution of the cumulative total factor carbon productivity and its decomposition in tourism

旅游业累积相对技术效率曲线主体为单峰分布，但在2001—2013年，曲线呈双峰甚至三峰分布的态势较为明显，且右尾长度大于左尾，表明该时期累积相对技术效率分布较为发散，省际效率增长差距较大.但随着时间的推移，右尾长度缩短，出现向左移动的迹象，曲线由多峰转为单峰，表明近时期累积相对技术效率分布趋于集中，省际差距有所缩小，但效率改善情况并不理想，呈现恶化的趋势.

除2005年曲线略向左移动外，其余年份旅游业累积相对技术进步曲线波峰高度均明显降低并呈右移态势，表明大多数省份旅游业技术水平在提升.2001—2009年，曲线为双峰和三峰分布，但右尾不明显，该时期省际差异不大.2009—2017年，波峰高度显著降低，呈明显的右拖尾，表明该时期省际分异显著，仅个别地区增长较快，旅游业累积相对技术进步低水平省份对高水平省份的技术“追赶效应”不足.

2.4 旅游业全要素碳生产率影响因素分析

2.4.1影响机理分析

作为具备高度关联和开放性的产业，旅游业TFCP变动受到多种因素的影响.借鉴已有研究结果[25,29]，该研究着重分析经济规模、产业结构(包括系统产业结构和旅游产业结构[29])、城镇化、开放程度、能源利用、环境规制对旅游业TFCP的影响(见图3).Grossman等[30]提出，经济发展本质上是通过规模效应、结构效应和技术效应直接或间接影响环境，基于此理论构建机理框架：①旅游业经济规模(TES).经济规模扩大通过集聚作用推动旅游要素积累、产品升级和技术革新，进而提高旅游专业化水平与效率，推动旅游业TFCP增长.该变量以旅游总收入来表征，预期影响方向为正.②旅游业能源强度(TEI).能源强度反映了旅游业生产方式、生产技术和能源利用效率，影响旅游能源投入量与终端碳排放强度，它的降低对提高旅游业TFCP具有重要意义.该变量以单位旅游收入能耗量来表示，预期影响方向为负.③产业结构(IS).产业结构调整通过要素流动和资源重新配置，推动区域产业融合，增加旅游业劳动、资本供给，改变旅游业发展方式.结构优化带来的技术进步也有助于降低旅游业碳强度.该变量以第三产业增加值占GDP比重来表示，预期影响方向为正.④旅游业碳排放结构(STR).不同旅游部门碳排放系数存在差异，因而碳排放结构本质上反映了旅游产业结构与消费结构.交通等基础性产品消费占比过高不仅影响旅游经济效益，还会影响碳排放密度与总量，不利于旅游业TFCP的增长.以旅游交通CO2排放量占旅游业总CO2排放量的比重来表征，预期影响方向为负.⑤城镇化水平(URB).城镇化拉动旅游投资，促进人力、物质资本累积，为旅游发展提供人才保障和设施支撑；同时城镇化带来的人口与收入增长扩大了旅游消费规模，提高旅游消费水平，推动旅游产业集聚，从而对旅游业TFCP产生积极影响.该变量以城镇人口比重来表征，预期影响方向为正.⑥对外开放程度(OPEN).对外开放促进要素互联互通，旅游企业借助国际信息交流和技术溢出提升其经营管理的效益.但对外开放也带来了资源消耗，“贸易有害”与“污染避难所”假说的污染转移会影响本地生态环境，进而对旅游业发展不利.该变量以进出口总额占GDP的比重来表示，预期方向为正或负.⑦环境规制(ER).环境规制迫使污染密集型产业改进生产技术，使得旅游环境改善，同时能够激励旅游企业实施绿色创新以改善经营管理，提高生产效率.但如果规制过于严厉或措施不当，也会增加企业成本负担.以环境污染治理投资额占GDP的比重来表征，预期方向为正或负.被解释变量为经过累积的旅游业全要素碳生产率(CML)[23].

2.4.2模型设定与回归结果

注：“+”和“-”表示各因素对旅游业TFCP的预期影响方向，“+”表示促进，“-”表示抑制.图3 旅游业全要素碳生产率影响机理理论分析框架Fig.3 Theoretical analysis framework of the influence mechanism of tourism total factor carbon productivity

基于各省份数据，建立面板数据模型探讨影响旅游业TFCP变动的内外部因素，同时为减弱异方差的影响、保持数据平稳，对变量原始值取对数：

ln CMLis=αis+β1ln TESis+β2ln TEIis+

β3ln ISis+β4ln STRis+β5ln URBis+

β6ln OPENis+β7ln ERis+εis

(10)

式中，i和s分别为地区和时期，β1～β7为变量待估系数，αis为常数项，εis为残差项.

由于旅游业TFCP增长存在地区差异，分别对全国及三大区域进行回归(见表3).由Hausman检验结果可知，P值均小于0.05，显著拒绝随机效应的原假设，因此选择固定效应更合适.

表3 中国旅游业全要素碳生产率影响因素回归结果Table 3 Regression results of the influencing factors of tourism total factor carbon productivity

根据回归结果，分别对旅游业经济规模、旅游业能源强度、产业结构、旅游业碳排放结构、城镇化、对外开放和环境规制对旅游业TFCP的影响进行分析.

a) 旅游业经济规模对全国及三大区域旅游业TFCP的回归系数均显著为正，与预期相符.这说明随着旅游收入的不断增加，政府、旅游企业等利益相关者将更多的资金用于旅游环境改善与生产技术革新，推动旅游经济向更加绿色、高效的方式转变，进而提升旅游业低碳发展质量.旅游经济增长也是进一步扩大旅游产业规模、推动旅游产品升级换代、提高旅游产业融合与集聚水平、吸引和培养高素质旅游人才以及增强其经济可持续创造能力的必要条件，是旅游业TFCP提升的基础动力.

b) 旅游业能源强度对旅游业TFCP的回归系数显著为负，与预期相符.单位旅游收入能耗每上升1百分点，将使全国旅游业TFCP降低0.189 2%，且三大区域回归系数方向保持一致.能源消耗是旅游业CO2排放增加的主要因素，其强度过高将阻碍旅游业TFCP进一步提升，且随着旅游接待规模的持续扩大，旅游能源消费需求日趋旺盛，通过降低能源强度达到减排目的，就成为旅游业低碳化发展的必然选择.因此，有必要加大低碳技术研发和应用，推广节能环保旅游设施以降低旅游业能源强度.

c) 产业结构对旅游业TFCP的回归系数为 0.445 9，在1%的显著性水平上为正，表明提高第三产业比重能够促进旅游业TFCP生产前沿外移.产业结构优化带来的技术进步与资本转移为旅游发展提供人才、资金和技术支持，旅游产业和其关联产业积极融合，生产率得到提高.但产业结构对东部地区旅游业TFCP影响不显著，该地区旅游业发展相对成熟，技术水平和能源利用效率较高，“结构红利”的促进作用有所减弱；而中、西部地区处于产业结构加快调整期，受益于“结构红利”的释放效应，经济增长后发优势凸显[31].

d) 旅游业碳排放结构对全国及三大区域旅游业TFCP的回归系数显著为负，交通碳排放占比过高将抑制旅游业TFCP增长，与预期相符.旅游交通作为旅游客流空间转移的载体与碳排放强度最高的部门，是旅游业实现减排的重要着力点.减少交通环节的CO2排放，一要优化区域旅游产业结构，完善旅游产品体系，提高娱乐、购物、疗养等相对低碳高收益部门的消费比例，增强旅游产品核心吸引力，降低游客规模依赖；二要优化区域旅游交通结构，改进交通能源利用技术，推广新型环保交通工具，提高交通周转效率，同时倡导低碳绿色出行，以此提升旅游业TFCP.

e) 城镇化水平在1%的显著性水平上对全国旅游业TFCP起负向影响作用.城市是现代旅游发展的空间支撑，而城镇化并未推动旅游业TFCP增长，反而产生一定抑制作用.一方面，城镇化在刺激旅游消费的同时也加大了人口对能源的需求，抵消了对旅游经济的正向贡献；另一方面，随着城镇化水平的不断提高，由生产要素过度聚集产生的拥挤现象凸显，城镇化的经济边际贡献率逐渐下降，旅游投资“潮涌”与旅游设施重复建设并存，导致旅游资源被浪费，设施利用效率低下，阻碍了生产率的提高.

f) 对外开放程度回归系数在10%的显著性水平上为正，表明对外经济交往能够促进旅游业TFCP增长.但其只对东部地区产生了显著的正向促进，而对中、西部地区影响不明显.东部作为对外开放的前沿阵地，便于引入绿色技术和先进管理经验，有助于改善旅游业人力资本效率，提高旅游科技成果转化率，进而降低旅游业碳排放强度；而中、西部地区对外开放相对滞后，囿于市场化、交通区位、人才等因素，旅游产品创新、技术革新和技术溢出受到一定阻碍，旅游业综合产出效益较低，对外开放的促进作用未能得到充分发挥.

g) 环境规制对全国旅游业TFCP的回归系数为负，但不显著.这说明环境规制对旅游业TFCP起到抑制作用，但作用较有限.究其原因主要是，目前我国环境政策多以污染治理和排放约束为主，重点放在制造业等高耗能、高污染产业，而针对旅游业的环境规制较弱.此外，不同行业所能承受的规制强度有所差异，只有当旅游企业从环境规制中获得的综合利益大于其负担成本，即越过“波特假说”拐点时，才会激发出环境规制“创新补偿”效应[32]，进而推动旅游业TFCP增长.

3 结论

a) 2000—2017年，中国旅游业TFCP平均增长率为6.2%，呈现中部高于东部、东部高于西部的空间增长格局；其中，技术效率和技术进步平均增长了1.9%和4.4%，技术进步是中国旅游业TFCP增长的主要驱动力，而技术效率的作用稍弱.技术进步既是旅游业实现低碳化的关键，也是旅游经济增长的重要保障，今后相关部门仍需持续鼓励旅游业技术创新，积极推动旅游企业改革创新.

b) 研究期内，中国共有28个省份旅游业TFCP呈现正增长，占总样本的93.3%，说明多数地区旅游业发展趋向资源集约和环境友好.其中，吉林省TFCP增幅最高，达到11.7%；而青海省、宁夏回族自治区旅游业TFCP均出现下降.旅游业碳排放技术“创新者”主要为天津市、河南省、山西省、上海市和内蒙古自治区，这些地区在推动全国旅游业TFCP增长中发挥着“示范者”和“引领者”的作用.

c) 核密度估计结果表明，旅游业累积TFCP和累积相对技术进步在考察期内均存在明显的提升，但二者省际差距有所扩大；累积相对技术效率虽然省际差距在缩小，但效率提高幅度并不明显，且呈一定的倒退趋势.这表明目前我国旅游业发展存在粗放和资源浪费的现象，今后还需通过整合和优化旅游要素，提高企业经营管理水平，创新技术应用等途径来改善技术效率.

d) 回归结果表明，全国范围内旅游业经济规模、产业结构和对外开放程度分别在1%、1%和10%的显著性水平上正向促进旅游业TFCP；旅游业能源强度、旅游业碳排放结构及城镇化水平在1%的显著性水平上负向影响旅游业TFCP；环境规制影响不显著.因此，提高旅游经济收入、降低能耗强度、优化旅游业内部结构等有助于提升旅游业TFCP.各变量影响系数和显著性水平在我国三大区域表现也有所不同，各地应充分考虑发展差异性，因地制宜，审慎施策.

4 建议

a) 加大技术创新力度，发展低碳旅游经济.各地区应摒弃旅游业是“无烟工业”的传统观念，走出旅游业不存在技术创新的认知误区，推广低碳旅游经济模式.政府应在旅游科研与低碳技术研发上发挥协调带动作用，积极搭建校企联合与创新交流平台，不断强化科技与人才支撑，有序建立企业碳补贴、碳交易规制，科学量化旅游减排阶段性目标，分批设立景区、酒店等低碳试点.旅游企业应重视技术对生产率提升的关键作用，通过加大与高校、科研机构、国际企业的合作力度，提高资本累积效率与科技成果转化率，实现能源利用与经营绩效同步优化，并主动提供旅游产品碳标签信息，引导游客低碳绿色消费.

b) 优化旅游产业结构，提高要素配置效率.目前旅游经济增长主要依靠生产要素粗放投入，整体处于规模扩张而非效率驱动发展阶段，部分地区出现规模集聚不经济.为此，应通过优化旅游产业结构，提高要素综合利用效率，推动旅游业从粗放型转向集约式.各地区需顺应旅游业转型升级的时代趋势，发挥市场配置灵活优势，逐步淘汰低端高耗能旅游产品，促进旅游产业结构向合理化和高级化方向调整，提高旅游供给质量与弹性消费水平.同时旅游企业应积极引进现代化的管理制度，加强人力、技术等“软”资本投资，推动内部体制机制创新与运营高效化，实现经济效益、环境效益持续增长.

c) 深化区域旅游合作，构建减排联动机制.旅游业发展并非自成体系，各地区需突破行政壁垒，依托“一带一路”和长江经济带建设，实现横纵一体、上下游联动发展.东部地区发挥示范引领作用，加强国际交流与技术引进，克服增长瓶颈，同时向中、西部地区加快技术扩散.中、西部地区则积极谋求与东部建立完备的旅游经济合作和技术共享机制，优化区域基础设施，促进人才、资本畅通，落实反向学习，进一步激发经济增长后发优势.共同推动建立旅游减排区域联动机制，成立减排监督组织，制定碳排放限额，给予减排能力较弱地区以技术指导和资金帮扶，逐步缩小旅游业TFCP区域差距，实现旅游经济增长与降耗减排双赢.