长江经济带经济发展水平对旅游效率的影响研究

王 凯，张 盈，林 惠，张 立 生

(1.湖南师范大学旅游学院，湖南 长沙 410081；2.上海旅游高等专科学校会展与经济管理学院，上海 201418)

0 引言

旅游业作为世界经济发展的引擎，对各国经济发展具有重要带动作用[1]。改革开放40年来，我国旅游业已成为国民经济战略性支柱产业，2019年国内和入境旅游人数突破57亿人次，旅游总收入高达6万亿元。《国务院关于促进旅游业改革发展的若干意见》中提出旅游业要转型升级、提质增效，由规模速度型向质量效益型转变。旅游效率是衡量一个国家或地区旅游业发展水平和质量的重要标志，但旅游产业的兴起是国民经济发展到一定阶段的产物，因此区域经济发展水平对旅游效率的影响至关重要。

旅游效率[2,3]一直是国内外研究的热点，国外有关旅游效率的研究主要聚焦于酒店[4]、旅行社[5]、景区[6]、旅游交通[7]等微观旅游行业部门,国内则聚焦于旅游扶贫效率[8]、旅游生态效率[9]、入境旅游效率[10]、城市旅游土地利用效率[11]、森林公园效率[12]等宏观领域;研究尺度主要涉及省域[13]、城市群[14]、县域[15]等；研究方法主要采用数据包络分析、随机前沿函数、曼奎斯特指数及其改进模型等。区域经济发展水平是旅游产业成长的重要依托，高水平经济有益于带动旅游高效发展。但有关区域经济发展水平对旅游效率的影响基本停留在单方面因素，如产业结构、科技水平、资本投入、城镇化、交通等对旅游效率的影响[16-21]；对经济发展水平全方位系统的研究多基于协调视角，如刘军胜等通过耦合协调度得出入境旅游流与区域经济发展趋势一致[22]，杨萍等基于协调发展评价模型得出中国31个省域经济发展水平越高，则入境旅游流与区域经济发展协调性越高[23]。综上所述，目前鲜见关于整体系统对子系统旅游效率的影响、旅游效率与经济发展水平地理空间联系以及不同区域经济发展水平差异对旅游效率的影响程度等实证研究。

受主客观条件影响，长江经济带区域经济发展水平存在差异，区域经济非均衡性对旅游效率是否会产生影响以及是否存在空间溢出效应？在我国旅游产业转型升级的高质量发展背景下，探讨经济发展水平对旅游效率的作用及影响程度，有利于促进东中西地区资源合理配置，提高资源利用率，实现跨区域协调合作，缩小区域旅游发展差异，为打造国际黄金旅游带提供参考。鉴于此，本文采用熵权Topsis法对长江经济带区域经济发展水平进行综合测量，采用Super-SBM模型测算旅游效率，通过对不同有效决策单元进行横向比较揭示旅游效率动态演进趋势，然后利用探索性空间数据分析中的LISA模块分析两变量在地理空间上是否具有自相关以及溢出效应，进而采用Tobit回归模型分析旅游效率的影响机制。

1 研究设计

1.1 研究区与数据

长江经济带总面积约205万km2，横跨9省2市，包括东部地区的上海、江苏、浙江，中部地区的安徽、江西、湖北、湖南，西部地区的重庆、四川、云南、贵州。2014年长江经济带上升为国家重点实施战略，是我国实施新一轮区域开放开发的重要国家战略，也是我国综合实力最强和战略支撑作用最大的区域之一。2019年长江经济带实现生产总值45.78万亿元，人口和生产总值均超过全国的40%。随着长江经济带经济发展的迅速提升，旅游产业成为区域战略支柱性产业，而区域经济基础差异对旅游业的贡献效应不同，制约着区域旅游效率转换，故选取长江经济带作为研究区。

研究数据来源于2001-2019年《中国旅游统计年鉴》《中国文化和旅游统计年鉴》以及长江经济带9省2市2001-2019年统计年鉴及国民经济和社会发展统计公报，采用线性插值法补充完善缺失数据。以2000年为基期，参照全国居民消费价格总指数(CPI)对数据进行CPI缩减，对GDP、旅游总收入等价格型数据进行平减，以消除通货膨胀的影响。

1.2 研究方法

(1) 熵权Topsis法。包括熵值赋权法和Topsis法：通过熵值赋权法降低经济发展水平各评价指标主观赋权的影响，提高指标权重的信度和效度；采用Topsis法计算各省域经济发展水平，取值范围为[0，1]，值接近1表明经济发展水平接近最优[24]。

(2)Super-SBM模型。该模型是在数据包络分析(DEA)基础上衍生出来的方法，弥补了传统模型所测效率值存在多个决策单元同时为1的缺陷。因此，本文利用Super-SBM模型，在考虑旅游投入与产出的松弛变量基础上测算长江经济带各省域的旅游效率并进行动态分析[8]。

(3)探索性空间数据分析。空间自相关分为全局和局部空间自相关，双变量区域 Moran 空间自相关[25]可识别不同空间位置上可能存在的空间关联模式,因此，本文采用双变量空间自相关分析经济发展水平与旅游效率的空间结构和动态趋势，研究其空间变异程度及关联特征，具体公式见文献[26]。

(4)Tobit随机效应面板回归。Tobit模型又称删截回归模型，是一种分析因变量受限的回归模型。由于旅游效率属于受限的因变量，数据被截断，为避免参数估计出现明显偏差，不能采用传统的回归分析方法，故采用Tobit回归，模型表达式如下：

(1)

Y′it=α+βkzit+εit

(2)

式中：Yit为被解释变量，即各省市的旅游效率值；α为常数项；εit为干扰项；βk为解释变量zit的系数。

1.3 指标体系

根据指标构建的科学性、可比性、代表性以及数据可获取性等原则，参考相关研究[27,28]，构建区域经济发展水平的评价指标体系，包括3个二级指标、11个三级指标(表1)。DEA模型要求决策单元数量大于投入与产出指标之和的2倍且各指标数值不为负，结合与旅游业发展密切相关的要素，并借鉴相关研究[29,30]将旅游固定资产投入总额、旅游业从业人数、3星级以上酒店数、旅行社数作为旅游投入要素，旅游总收入和旅游总人次作为旅游产出要素。

表1 经济发展水平与旅游效率评价指标体系及权重Table 1 Evaluation index system and weight of economic development level and tourism efficiency

2 区域经济发展水平与旅游效率空间关联

2.1 区域经济发展水平时空分析

从时间序列看(图1)，长江经济带经济发展水平整体呈现稳步上升趋势；2016年经济发展放缓，这可能与我国宏观经济下行业压力增大和新旧动能转换的滞后效应有关。从空间分布看，区域经济发展水平呈现东部>中部>西部的空间格局,排在前三位的是地处长三角的上海(0.3909)、江苏(0.3243)、浙江(0.2484);中西部受地理位置限制，人才、资金等要素缺失以及科技投入不足，导致地区经济发展水平偏低,其中安徽、江西、湖北、湖南、重庆、四川的经济发展水平虽在0.1以上，但距离最优值还有一定的上升空间，云南地理位置偏远、基础薄弱、交通不便，经济发展水平相对落后。

2.2 旅游效率时空分析

基于DEA-SOLVER 5.0软件计算长江经济带各省域的旅游效率(图1)。研究期内，长江经济带旅游效率均值呈现波动上升趋势，由2000年0.7213升至2018年1.0311，2003年受“非典”疫情影响，旅游效率跌入“谷底”(0.6388)。从空间分布看，长江经济带东部地区旅游效率最高，西部次之，中部效率值最低。东部区位条件优越，经济结构完善，交通便捷度高，自身配置灵活性强，旅游转换效率高；西部地区具有原生态的自然风貌和淳朴的民风民俗资源，投入成本相对较低，且产出效益高，受国家“制度红利”的影响，当地旅游产业发展相对完善；中部地区产业结构好，旅游投入要素转化强，但由于旅游产业受生产技术限制、旅游要素配置不合理、资源利用效率低甚至闲置等影响，旅游效率并不高。从省域看，上海旅游效率均值(1.4633)位居第一，其次是江苏、四川、贵州、重庆，贵州旅游效率明显上升，原因是随着地方旅游基础设施的日益完善，当地对旅游资源深度挖掘以及旅游产品业态更新，有效促进了旅游投入产出最大化。

图1 2000-2018年长江经济带经济发展水平均值和旅游效率均值Fig.1 Average values of economic development level and tourism efficiency of the Yangtze River Economic Belt from 2000 to 2018

2.3 区域经济发展水平与旅游效率关联特征

(1)运用Open GeoDa中的双变量LISA模块测算区域经济发展水平和旅游效率的双变量全局Moran′sI值及其显著性。由表2可知，整体上2000-2018年区域经济发展水平和旅游效率呈现较强的空间依赖特征，全局双变量Moran′sI值均为正值(0.1579～0.5720)，并通过5%显著性水平检验；Moran′sI值呈现先上升后下降的倒“V”形，表明区域经济发展水平和旅游效率的总体空间依赖特征明显。2000-2013年Moran′sI值从0.3416升至0.5420，说明长江经济带各省域经济发展水平和旅游效率集聚效应明显，区域差异显著；2014-2018年由0.3854降至0.1579，表示依赖作用减弱，经济发展水平对旅游效率溢出效应增强。

表2 区域经济发展水平与旅游效率双变量全局Moran′s I值Table 2 Global Moran′s I values of two variables of regional economic development level and tourism efficiency

(2)为进一步把握旅游效率和区域经济发展水平局部空间集聚演化格局，采用GeoDa中双变量局部自相关对两者的聚类情况进行分类(表3)，得到2000年、2006年、2012年和2018年的双变量局部自相关系数值分别为0.294、0.258、0.309、0.349，均通过了10%显著性水平检验。约66%的研究区处于第一、三象限，表明长江经济带区域经济发展水平和旅游效率局部Moran散点主体呈现H-H和L-L集聚模式，印证了经济发展水平和旅游效率具有空间依赖性。其中，H-H集聚模式主要集中在长三角地区，2000年仅有上海和重庆，2006年江苏省加入，2012年和2018年主要是上海、江苏、浙江，体现了上海对周边溢出效应的显著作用。H-L集聚模式数量较稳定，主要分布在湖南、湖北，两省邻近长三角，经济上具有一定优势，但两省旅游业“重投资、轻管理”的粗放型增长模式及不合理的投入造成冗余，导致旅游效率下降。L-L集聚模式主要集中在西部地区，该区域经济发展落后，旅游要素投入低，经济发展难以支撑旅游高效率、高质量发展；中部的安徽、江西由于区域经济水平较低，旅游资本投入不足，旅游发展方式粗放，对当地的旅游带动效果并不明显，旅游效率不高，说明两者间存在转移惰性。L-H集聚模式主要集中在重庆、四川、贵州，区域地理位置偏远、经济发展相对滞后，但当地政府与企业充分挖掘资源潜力，提高旅游资源要素利用率，减少旅游投入冗余，区域旅游效率得到极大提高。

表3 区域经济发展水平和旅游效率双变量局部Moran散点聚类情况Table 3 Bivariate local Moran scatter clustering of regional economic development level and tourism efficiency

3 区域经济发展水平对旅游效率的影响

3.1 指标选取

为进一步研究区域经济发展水平对旅游效率的影响程度，选择Tobit模型分析旅游效率的影响因素。将旅游效率(TE)作为被解释变量，选取上文测算的各区域的经济发展水平(EDL)作为核心解释变量，参考已有研究[31-34]，选择对外开放度(OPE)、交通便利度(TCD)、环境规制(EI)、市场规模(MAR)、信息化水平(INF)作为控制变量(表4)。为保证回归结果的准确性和稳健性，在进行面板Tobit回归前，首先对面板数据的自变量和因变量进行标准化处理，以免量纲对数据拟合造成干扰，然后对部分变量取对数，以减少异方差，确保结果的稳定性。

表4 Tobit 模型变量回归系数Table 4 Regression coefficients of variables in Tobit model

3.2 Tobit面板数据分析

(1)从区域经济发展水平层次看，经济发展水平与旅游效率呈正相关，且通过5%显著性水平检验，但不同区域经济发展水平对旅游效率的影响程度不同。经济发展水平每提升1%，长江经济带旅游效率提升0.6564%，东、中、西部地区分别提升1.5587%、0.7362%、0.2880%，可见东部地区经济发展水平对旅游效率的影响作用最大，中部次之，西部最低。研究结果说明，区域经济发展水平和旅游效率在总体上具有高度关联性。随着区域经济水平的提高，当地具备发达的交通网络、良好的基础设施、雄厚的政府财力以及充足的人流、物流和资金流等成熟的旅游条件，对旅游效率具有明显推动作用。东部地区经济发展水平位居全国前列，能够吸引丰富的旅游投入要素，提高游客的消费额度及逗留时间，旅游转化效率相对较高，经济发展水平对旅游效率的影响愈深化；中部地区经济发展水平较低，中心城市旅游发展较好，但各经济区之间交通连接不密切，对周边旅游效率带动作用不强；西部地区虽然拥有丰富的自然风貌，但受地形地貌影响，经济发展水平低，对旅游资源投入不足，基础设施相对欠缺，导致旅游效率低。因此，中西部地区要加强地区基础设施建设，提高旅游资源投入比例，并采取差异化措施，实现旅游资源利用最大化，提高当地旅游效率。

(2)开放水平对旅游效率存在促进或抑制效应，研究结果显示：开放水平对东部地区旅游效率影响显著，因东部地区大量外商投资以及引进技术溢出对其旅游效率具有强劲带动作用；但中、西部开放水平与旅游效率呈负相关，开放水平每提升1%，旅游效率分别下降2.2900%和0.4988%，表明中、西部经济发展水平较低，产业结构不适应开放水平的提升，“倒逼式”开放易造成资源浪费，降低旅游效率。

(3)交通便利度与旅游效率呈正相关，且通过10%显著性水平检验。交通便利度每提升1%，长江经济带旅游效率提升0.0953%，东、中、西部分别提升0.0302%、0.1198%、0.1416%，表明东部地区交通便利度对旅游效率影响较小。这是由于在旅游业发展初期，地区的可进入性提升会推动旅游效率提升，随着当地交通设施的完善，其他产业发展会对旅游业产生“挤出效应”，抑制旅游业发展，降低旅游效率。

(4)环境规制与长江经济带和西部地区旅游效率呈正相关，且分别通过5%、1%显著性水平检验，环境规制每提升1%，两地区旅游效率分别提高0.0725%、0.1382%，与东、中部旅游效率也呈正相关，但不显著。这在一定程度上表明，加强地区环境管理对区域旅游效率的提升具有拉动作用。

(5)市场规模与长江经济带和东部地区旅游效率呈正相关，且均通过1%显著性水平检验，市场规模每提升1%，两地区旅游效率分别提升1.9090%和1.6676%；但与中部地区旅游效率呈负相关，市场规模每提升1%，中部旅游效率下降5.9092%。原因是受空间相互作用的影响，东、西部市场吸引了大量旅游流，削弱了中部地区旅游发展的机会和成本优势，抑制其旅游效率的提升。

(6)信息化水平与长江经济带和东、中部地区旅游效率呈正相关，而与西部地区旅游效率呈负相关。信息化水平每提升1%，西部地区旅游效率降低0.5163%，说明以旅游大数据和电子贸易为代表的信息化有助于西部地区的旅游宣传，将减少对人为因素的依赖，提升旅游直接产出和效率，但大量游客涌入会对当地生态环境造成一定程度的破坏，导致自然资源损失、维护费用增加、转换成本偏高。

4 结论与启示

本文以长江经济带为研究区域，截取2000-2018年面板数据，基于熵权Topsis方法计算经济发展水平，运用Super-SBM模型测算省域旅游效率，结合探索性空间数据分析得出经济发展水平与旅游效率存在空间依赖关系，运用Tobit模型测算经济发展水平对旅游效率的影响，主要结论如下：1)长江经济带省域经济发展水平呈逐年上升趋势，但空间差异显著，呈现东部>中部>西部分异格局；各省旅游效率呈波动上升趋势，差异相对缓和，东部地区旅游效率转换高，对整个长江经济带的旅游效率带动作用大。2)从空间自相关看，区域经济发展水平与旅游效率存在空间依赖关系，其相关系数在时间上呈倒“V”形，双变量局部Moran散点集聚主体呈现H-H和L-L空间聚类模式；由Tobit模型可知，区域经济发展水平对旅游效率具有显著影响，但存在区域差异，经济发展水平对东部地区旅游效率带动效果最显著，中部次之，西部最低。

基于上述实证研究提出如下建议：1)建立旅游产业联动机制，推动区域经济协调发展。要促进长江经济带旅游人才、资金和技术等要素流动，形成区域统筹协调、产业融合互补和资源共建共享的格局，推动旅游产业的空间集聚和区域均衡发展，进一步缩小旅游业省际差异，实现互惠共赢；东部地区要通过长江黄金水道加强与中西部的交流、合作，加快产业调整和技术创新，中部地区要承接东部高效发展溢出的良好环境，注重引资与引智、引技相结合，西部地区要挖掘自身资源潜质，吸引外资投入，夯实基础建设。2)坚持可持续发展原则，走绿色经济发展道路。要改变旅游传统产业结构，摒弃粗放型旅游产业增长方式，发展绿色环保型经济，融合现代科技，打造低污染、低消耗旅游产业链；强化生态环境治理力度，增加森林覆盖率，提高环境治理效率，实现生态文明建设目标。3)制定差异化防治措施，提高资源利用效率。如东部地区要合理控制旅游人口数量，优化绿色发展资源配置；中部地区要积极利用东部地区的技术外溢，实现本地旅游资源价值最大化；西部地区在引进外资时，避免污染严重、破坏性强的投资，警惕“污染天堂”现象出现。