中国城市化与旅游业发展动态计量分析

摘 要：采用因子分析法构建“城市化水平”与“旅游业发展”这两个综合指标。在此基础上，建立动态计量经济学模型，探讨中国城市化水平与旅游业发展的演变趋势以及两者的互动关系。结果发现：城市化水平与旅游业发展之间存在长期的均衡关系;从短期来看，城市化水平是旅游业发展的格兰杰原因，旅游业发展不是城市化水平的格兰杰原因;旅游业发展会引起城市化水平的快速上升，但后期影响有限，城市化水平对旅游业发展的作用则较为持久。

关键词：旅游业 城市化 因子分析 动态计量

一、引言

城市化与旅游业发展是两大全球性议题。预计到2050年，全球城市化率有望达到68%，中国将新增2.55亿城镇人口，是城镇人口增长最快的國家之一 数据来源：联合国经济和社会事务部《2018年世界城镇化展望报告》 。一方面，旅游业已成为我国国民经济的战略性支柱产业，2018年中国出境旅游总消费2770亿美元，世界排名第一。同期国内旅游收入达到51278.3亿元，比2000年增长了16.15倍 数据来源：《中国统计年鉴2020年报告》 。相关研究表明，城市化进程客观地促进了新型旅游要素的出现与集聚，从而刺激了旅游业的发展[1-3]。城市化水平影响旅游的需求与供给、旅游交通、旅游空间格局等[4，5]，最新研究发现，大数据与人工智能对旅游业发展也有重大影响[6，7]。另一方面，旅游业能显著带动农村人口在生产方式和生活方式上向城镇人口转变，提供城市化内在拉动力和外在驱动力[8-10]。因此，城市化进程与旅游业发展具有互动效应和协同耦合关系[11，12]。在文献梳理中笔者发现，针对城市化水平与旅游业发展动态关系的定量研究并不多见，而且存在截然相反的结论。如许洁等基于改革开放30年的时间序列，对我国城市化水平与旅游业发展之间的关系进行了动态计量分析，得出的结论为：旅游业发展与城市化水平之间并不存在显著的因果关系，即旅游业发展和城市化发展水平之间不存在长期均衡关系[1]。王永刚以上海为例，根据2000—2011年的时间序列数据，证明上海旅游发展和上海城市化水平之间存在长期均衡关系[2]。上述研究都采用单一指标作为城市化水平和旅游业发展的测度，虽然简单易行，但也忽略了多维概念本身内涵的丰富性，由此可能带来偏差。所以，本文对中国“城市化水平”和“旅游业发展”这两个指标采用复合指标法，利用综合数据探讨两者之间的动态关系。

二、城市化水平与旅游业发展综合指标

城市化是乡村分散的人口、劳动力和非农业经济活动不断进行空间上的集聚而逐渐转化为城市的经济要素的过程[1，4，5]。根据城市化的定义、内涵及中国城市化发展现状，同时考虑指标数据的可获取性，本文从城市经济、城市人口、人居环境与公共服务三个方面选取了评价城市化水平的6个关键指标：二三产业生产总值（x1）、城镇人口比例（x2）、二三产业就业人口比重（x3）、人均公园绿地面积（x4）、每千人口卫生技术人员（x5）、教育经费（x6）。旅游业发展的衡量指标一般有产业规模、产业效益、产业接待能力等[3-5]。本文从数据的可得性及旅游业的特征出发，选取了旅游业总收入（y1）、旅行社个数（y2）、国内游客数（y3）、入境游客数（y4）、出境游客数（y5）等5个指标作为衡量旅游业的关键指标。

本文采用因子分析法建立“城市化水平”和“旅游业发展”两个综合指标。数据来源于《中国统计年鉴》（2004—2017年），借助统计分析软件SPSS20.0对城市化水平的6个指标进行因子分析。相关检验结果显示，统计量KMO值为0.865，Bartlett球形检验值的显著性水平是0.000（<0.05），说明各指标之间存在较强的相关性，适合采用因子分析。按照特征值大于1的原则提取公因子，得到1个公因子，其累计方差贡献率达到98.908%（>90%），即该公因子反映了原指标体系绝大部分信息。同样方法，对旅游业的5个指标进行因子分析。相关检验结果显示，统计量KMO值为0.733，Bartlett球形检验值的显著性水平是0.000（<0.05），说明各指标之间存在较强的相关性，适合采用因子分析。按照特征值大于1的原则提取得到1个公因子，其累计方差贡献率达到89.876%，信息损失较小。根据上述公因子提取结果，公因子得分系数矩阵计算出“城市化水平综合指数”（记为URt）与“旅游业发展综合指数”（记为TAt），如表1所示。

三、城市化水平与旅游业发展的协整及因果关系检验

为了分析我国城市化水平与旅游业发展之间的动态关系，需要对时间序列数据进行协整检验。协整理论主要用于寻找两个或多个非平稳变量之间的均衡关系，如果某两个或多个同阶时间序列向量的某种线性组合可以得到一个平稳的误差序列，则这些非平稳的时间序列之间存在长期均衡关系，即具有协整性。分别对原始数据取对数，记为LnURt和Ln TAt（见表2）。这里之所以将原始变量以对数的形式出现，主要原因在于变量对数的差分近似地等于该变量的变化率，而经济指标变量的变化率常常是较稳定的序列，因此适合于包含在回归方程中。

（一）单整检验

只有相同单整阶数的两个变量才可能存在协整关系，因此在协整分析之前必须检验变量的单整阶数。进行城市化水平与旅游业发展的协整分析，首先要检验这两个变量的时间序列是否平稳。通过对序列LnURt和LnTAt的平稳性进行ADF检验，结果如表2所示，可知LnURt与LnTAt均是非平稳序列，而一阶差分序列ΔLnURt和ΔLnTAt均平稳，由此判定LnURt与LnTAt为一阶单整序列，记作LnURt～I（1），LnTAt～I（1）。

（二）协整模型及检验

检验两变量间的协整关系，通常采用Engle-Granger检验法。利用该方法进行城市化水平与旅游业发展的协整检验，首先使用普通最小二乘法（OLS）估计变量LnURt对LnTAt的回归方程：

依据协整检验的基本原理，对回归模型（1）的残差进行单位根检验，首先令残差ut=LnTAt-1.932968-0.680581LnURt。检验残差项是否平稳，即ut是否为I（0）序列。ADF检验统计量（-2.531341），概率值p=0.0164，估计残差序列为平稳序列，即ut～I（0）。由此，说明LnURt与LnTAt之间存在协整关系，我国城市化水平与旅游业发展之间存在着长期动态均衡关系。这种动态均衡关系表明，进入21世纪以来，中国旅游业的发展和城市化进程之间呈现出一定的协调性。

（三）误差修正模型

协整关系只反映变量之间的长期均衡关系，为了弥补长期静态模型的不足，可通过短期动态模型反映短期偏离长期均衡的修正機制。据Engle定理，如果一组变量之间有协整关系，则协整回归总是能被转换为误差修正模型。

为探讨两个序列间的短期波动，令误差修正项ecmt=ut，本文建立如下误差修正模型（ECM）：ΔLnTAt=β0+β1ΔLnURt+ecmt-1+εt。

利用OLS估计得到：

在以上的误差修正模型中，旅游业发展的短期变动可以分为两部分：一部分是短期城市化综合指数波动的影响，另一部分是偏离长期均衡的影响。误差修正项的系数的大小反映了对偏离长期均衡的调整力度。我国旅游业发展与城市化水平之间存在密切的关系。短期内，城市化水平将引起旅游业相同方向的变化，如果城市化水平每增加1%，则引起旅游业增加0.251627%，而非均衡误差将以22.2479%的比例对每年的旅游业发展与其长期均衡值的偏差做出修正。一旦短期波动偏离了长期均衡关系的轨道，误差修正机制的存在能够纠正这种偏离，将旅游业发展与中国城市化水平拉回到长期均衡发展的状态。

（四）Granger因果检验

协整检验可以揭示变量序列之间是否存在长期均衡关系，但是无法揭示变量之间是否具有因果关系，Granger因果关系检验为解决这类问题提供了一种很好的思路和方法。建立城市化水平（LnURt）和旅游业发展（LnTAt）之间的Granger因果关系模型：

其中，假定随机误差项vt和wt之间是不相关的，m为最大滞后阶数。利用普通最小二乘法（OLS）对参数进行估计，得检验结果如表3所示。

表3显示，对于原假设“旅游业发展不是城市化水平的原因”，当滞后期为1、2、3时，拒绝其可能犯错误的概率均大于0.05，表明接受原假设，即旅游业发展不是中国城市化水平的原因;同时，当滞后期为3时，对于原假设“城市水平不是旅游业发展的原因”，拒绝其可能犯错误的概率小于0.0l，表明拒绝原假设，即中国城市水平是旅游业发展的原因。同时表明中国城市水平和旅游业发展之间仅存在单向因果关系。

四、城市化水平与旅游业发展的脉冲响应

以上分析发现城市化水平与旅游业发展之间的交互影响，但是预测二者间的长期关系还需要进一步的定量研究。在向量自回归的基础上，运用系统的脉冲响应函数来进行分析就是一种常用的方法。

脉冲响应函数用于考察来自随机扰动项的一个标准差冲击，对内生变量当前和未来取值的影响轨迹。其函数为：

式（4）中：k为滞后阶数;随机扰动项εt称为新息（Innovation）。采用渐进解析法计算脉冲响应函数的标准差，结果参见图1与图2。图中横轴表示冲击作用的期间数（本文为10年），纵轴分别表示我国城市化水平或旅游业发展的变化程度，曲线表示脉冲响应函数。

从图1可看出，当本期给旅游业发展自身一个标准差新息冲击后，它即刻做出反应，第1期旅游业发展上升2.8%，随后一直下降，到第7期冲击效应基本消失。由此，说明旅游业发展受自身新息冲击，会立即发生变化，随后冲击的影响力下降较快。另一方面，当接受旅游业发展一个标准差新息冲击后，城市化水平从第2期开始一路上升，到第7期达到最高2.4%，以后又缓慢下降。因此从短期来看，旅游业发展对自身新息冲击的反应较灵敏，城市化水平的反应则相对滞后2期，但持续影响更显著。

从图2可看出，当本期给城市化水平一个标准差新息冲击后，在第1期城市化水平上升2.4%，到第4期升至最高2.7%，之后平稳下降。说明城市化水平对自身新息冲击也会即刻响应，影响具有持续作用。另一方面，当接受城市化水平一个标准差新息冲击后，旅游业发展在第1期上升1.7%，但随即较快下降，第5期以后稳定在0.4%左右。说明短期来看，城市化水平对旅游业发展有一定冲击力，但随着时间的推移，这种冲击效应逐步减弱。

总体来看，城市化水平对旅游业发展具有明显的正向冲击作用，并且没有滞后性。这一结论与Granger因果关系检验的结果相一致，说明城市本身是旅游业发展的重要依托。

五、结论

本文根据2004—2017年的时间序列数据，利用协整检验、Granger因果关系检验、脉冲响应模型，对我国城市化水平与旅游业发展的关系进行了实证研究，研究结论包括：

第一，城市化水平与旅游业发展之间存在长期均衡关系。非平稳序列城市化水平和旅游业发展，均为一阶单整，两者之间的线性组合为平稳序列，存在协整关系。这说明二者基本处于协调发展状态。

第二，城市化水平与旅游业发展之间仅存在单向因果关系。通过Granger因果关系检验，城市化水平对旅游业发展的促进效应在滞后3年时最为明显。这说明城市化的水平及质量构成了旅游业发展的基石。

第三，城市化水平对于旅游业发展一个标准差冲击的响应明显，说明短期内旅游业发展会引起城市化水平的快速上升;而旅游业发展对城市化水平一个标准差的冲击则保持较平稳的响应度，说明城市化水平对旅游业发展的作用较为持久。

第四，通过误差修正模型得出中国城市化水平和旅游业发展之间存在短期波动与长期均衡关系。在短期内，旅游业与中国城市化发展可能会由于政策法规、经济因素或者是自身的内部矛盾与外部压力的影响而偏离均值;但这种偏离是暂时的，最终会由于国家经济持续增长，居民消费观念的转变，国家发展旅游业的政策导向等误差修正因素的存在，将旅游业与中国城市化进程拉回到长期均衡发展的轨道，达到协调发展的双赢局面。

参考文献：

[1]徐洁，华钢，胡平.城市化水平与旅游发展之关系初探——基于我国改革开放三十年的时间序列动态计量分析[J].人文地理，2010，25（02）：85-90.

[2]王永刚.上海城市化进程与旅游业发展的动态计量研究[J].華东经济管理，2012，26（07）：1-5.

[3]蔡刚，蔡平.旅游产业与新型城镇化协调发展的实证分析[J].统计与决策，2018，34（12）：12-15.

[4]余凤龙，黄震方，曹芳东.中国城镇化进程对旅游经济发展的影响[J].自然资源学报，2014（8）：1297-1309.

[5] 赵宏中，雷春燕.旅游发展、城市化对城乡收入差距的影响——基于1996—2015年省级面板数据空间计量研究[J].北京邮电大学学报（社会科学版），2019，21（01）：101-111.

[6] 吴开军.旅游大数据研究热点及特征探析——基于国外文献的分析[J].统计与信息论坛，2019，34（04）：105-113.

[7]湛研.智慧旅游目的地的大数据运用：体验升级与服务升级[J].旅游学刊，2019，34（08）：6-8.

[8]李志飞，曹珍珠.旅游引导的新型城镇化：一个多维度的中外比较研究[J].旅游学刊，2015，30（7）：16-25.

[9]赵磊，潘婷婷，方成，林爽.旅游业与新型城镇化——基于系统耦合协调视角[J].旅游学刊，2020，35（01）：14-31.

[10]张广海，龚荷.东部沿海地区新型城镇化旅游驱动机制分析[J].经济与管理评论，2015（4）：106-112.

[11]李如友.中国旅游发展与城乡收入差距关系的空间计量分析[J].经济管理，2016，38（9）：161-172.

[12]邓可.旅游业与城市化、信息产业的灰色关联分析[J].科技和产业，2020，20（02）：100-103+107.

（邓可，上海政法学院经济与管理学院）