入境旅游提升了城市绿色全要素生产率吗？

童昀 马勇 刘军

引用格式：童昀， 马勇， 刘军. 入境旅游提升了城市绿色全要素生产率吗？——基于非线性视角[J]. 旅游学刊， 2021， 36（9）： 120-133. [TONG Yun， MA Yong， LIU Jun. Does the inbound tourism increase the citys green total factor productivity？ —Based on nonlinear perspective[J]. Tourism Tribune， 2021， 36（9）： 120-133.]

[摘    要]在中国绿色发展以及扩大开放的战略背景下，探讨入境旅游是否助推了中国城市绿色发展具有现实意义。文章首先融合遥感影像数据和社会经济统计数据，运用基于埃普西隆测量-全局曼奎斯特卢恩伯格模型测度2005—2016年284个地级及以上城市绿色全要素生产率，基于目的地经济异质性构建面板平滑转换模型，实证考察入境旅游与城市绿色全要素生产率之间的平滑转换效应。研究结果表明：（1）入境旅游对绿色全要素生产率提升始终具有促进作用，可以作为推动城市绿色发展的有效工具;（2）入境旅游和绿色全要素生产率两者间存在显著非线性关系，随着城市经济水平提高，入境旅游绿色发展效应得到强化，故应以“城旅融合”为核心将入境旅游发展置于城市经济发展整体布局中;（3）入境旅游对绿色技术进步促进作用随经济水平提高而增强，但对绿色技术效率促进作用则减弱，说明绿色技术进步是入境旅游促进绿色全要素生产率提升的重要源泉;（4）以入境旅游人次作为替代变量的稳健性检验表明前述结果稳健可信。

[关键词]绿色全要素生产率;入境旅游;绿色发展;面板平滑转换模型;基于埃普西隆测量-全局曼奎斯特卢恩伯格模型

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2021）09-0120-14

Doi： 10.19765/j.cnki.1002-5006.2021.09.012

引言

近年来，“生态优先、绿色发展”成为国家战略，党的十九大报告明确提出，加快经济提质增效和产业结构转型升级，进而形成绿色发展方式，实现高质量发展。作为国民经济战略性支柱产业，旅游业对国民经济和就业综合贡献率均已超过10%[1]。旅游业助推中国经济绿色转型和高质量发展，既是其价值诉求，又是其现实使命。根据国家统计局数据（图1），1999—2018年，中国入境旅游人次从7 279万人次增长到1.41亿人次（其中，外国游客人次为3 054万人次），国际旅游外汇收入从140.99亿美元增长到1 271.03亿美元1，入境旅游稳步发展。作为开放经济和现代服务业的重要组成部分，入境旅游相对于国内旅游，具有更高的消费水平和结构[2-3]、更强的产业示范性和关联产业带动性[4]，并具有文化软实力塑造和国家形象输出功能[5-6]。随着“一带一路”、海南自由贸易港等扩大对外开放战略实施，以及旅游消费环境和旅游产品供给持续改善，中国入境旅游规模还将扩张，其在国民经济中产业地位愈发重要。一直以来，旅游业以“绿色产业”形象示人，成为生态文明建设和绿色发展的重要载体[7]，一方面归因于遵循旅游导向型经济增长机制，发展旅游给目的地带来直接和间接经济效益[8]，另一方面则因为较制造业而言，旅游经济本身自然资本消耗和污染物排放更低。不可忽视的是，入境旅游发展过程中可能引致的“资源诅咒”与“荷兰病效应”[9-11]等问题却会制约目的地绿色发展。因此，在当前实践背景下，将入境旅游作为核心观察对象，论证其是否促进了旅游目的地绿色发展成为一个亟须回答的现实问题。

长久以来，旅游业的经济增长效应和生态环境效应受到学术界广泛关注，并形成丰硕成果。旅游业经济增长效应的实证研究，多围绕旅游导向型经济增长假说（tourism-led growth hypothesis，TLGH）核心问题展开，基于经济学范式和框架，利用时间序列数据或面板数据进行假说验证[12-18]。而旅游业生态环境效应研究，一方面，多从微观目的地层面，基于地理学、生态学范式和框架，利用实地调研测量或遥感数据考察旅游发展过程中的环境污染、生态问题[19-24];另一方面，已有学者从宏观层面对旅游发展影响区域整体污染物排放进行经验研究。王明康等发现，中国绝大多数地级市旅游产业集聚对环境污染改善起到促进作用[25]。

不难发现，学术界关于旅游发展对目的地影响的研究，是将目的地经济系统和环境系统作为两个独立系统而分别展开的。旅游发展的经济影响研究与环境影响研究之间缺乏良好互动。绿色发展强调在资源环境约束下实现社会发展和经济增长[26]，兼有经济增长和生态环境保护双重内涵。探讨入境旅游对绿色发展的影响，能够将上述两个领域议题纳入同一分析框架进行综合考察，形成研究话题和视野的完善。丰晓旭率先做出理论探讨，论述了全域旅游推动区域绿色发展的机理[27]。但该研究仍停留在理论阐释层面，本文尝试将这一领域研究推向实证层面。根据已有研究[28-30]，绿色全要素生产率（green total factor productivity，GTFP）是衡量绿色发展水平的重要指标，本文即聚焦到入境旅游对城市GTFP的影响效应研究上。

相对既有文献，本文推进之处在于：第一，将入境旅游和目的地绿色发展纳入同一分析框架，并从实证角度，为城市层面探讨入境旅游是否促进目的地绿色发展这一现实问题，提供经验证据。第二，从经济异质性切入，构建面板平滑转换模型（panel smooth transition regression，PSTR），刻畫入境旅游影响城市GTFP的轨迹特征。第三，基于GTFP分解，识别入境旅游引致城市GTFP增长的源泉。

1 入境旅游对绿色全要素生产率的影响机理分析

首先，在认识GTFP及其增长源泉的基础上，分析入境旅游对GTFP的作用机制（图2）。根据Chung等的研究[31]，GTFP提升的源泉可以分解为绿色技术进步（green technological change，GTC）和绿色技术效率（green efficiency change，GEC）两个方面。（1）入境旅游通过以下方式促进旅游目的地GTC：第一，“旅游+深度融合”将促进城市创新能力。入境旅游通过例如休闲农业、工业旅游、文化旅游、旅游地产、智慧旅游等形式的关联产业融合引发创新行为[32-34]。第二，入境旅游对目的地产业结构变迁形成干预。一方面，入境旅游发展依赖目的地良好的生态环境，会促使政府实施更严格的环境规制政策，加大能源消耗和污染物排放监管力度[27];另一方面，发展入境旅游一定程度上提高目的地物价水平，导致要素价格上涨，制造业和低附加值高消耗产业被挤出，倒逼目的地产业结构调整[25，35]，高级化和清洁化的产业结构势必推动目的地技术水平提高和非期望产出减量。第三，入境旅游促进目的地对外开放，促进目的地形成良好知名度和口碑[36]，有利于吸引外商直接投资，进而发展高新技术产业，推动城市生产前沿面外扩。（2）入境旅游通过以下方式影响旅游目的地GEC：第一，入境旅游需要良好的区域交通条件支撑，机场、高铁等现代交通网络建设和覆盖，将加强目的地与周边城市合作联系，形成良好的经济发展区位，从而提升区域经济效率。第二，入境旅游不仅促使目的地基础设施硬件建设，也会推动其管理制度和政策等软件变革[37]，进而改善城市整体经济发展环境，优化资源配置效率。第三，入境旅游通过促进目的地对外开放所引致的外商直接投资，可能带来先进的生产技术和管理经验，也将实现生产效率提升。第四，规模效率提升是GEC改进的途径之一，随着基础配套设施逐渐完善，新生产技术应用推广，以及关联产业和产业融合新业态良好发展，则有助于实现目的地生产的规模效应[11]。

其次，进一步阐释入境旅游影响GTFP非线性机制的理论基础。入境旅游对城市GTFP影响机制的复杂性和动态性，以及目的地异质性是产生非线性效应的主要原因。（1）从直接影响看，非线性表现在入境旅游影响目的地经济环境产出正负作用相对大小的动态变化。入境旅游将增加目的地旅游外汇收入[38]，促进当地旅游就业[39]，但同时也可能引发目的地通货膨胀[40]，并伴随旅游收入漏损[41]。发展入境旅游需要目的地良好的生态环境支撑，入境旅游发展过程中，目的地居民环保理念随之增强[42]，旅游外汇收入能为环境保护提供资金支持[27]。与此同时，发展入境旅游造成目的地自然资本消耗，旅游活动形成的碳排放、废水、废固等污染物将对目的地资源环境造成负面影响[43-44]。（2）从间接影响看，非线性表现在入境旅游带来的关联产业融合、产业结构替代、对外开放扩大、发展环境优化等效应，可能由于目的地经济发展水平高低不同，其作用时滞、主导程度和相对强弱也会发生变化。①随着城市经济水平提高，入境旅游促进产业融合、业态创新、对外开放的条件更为成熟，现实可能性更大，对GTFP的作用力得以强化。②同一作用渠道下产生的正反两种效应随着城市经济水平变化而此消彼长，使入境旅游对GEC和GTC的影响存在非线性，进而使入境旅游对GTFP的影响机制具有非线性特征。比如伴随“荷兰病效应”（去工业化），目的地产业结构既可能迈进高级化、合理化，也可能出现倒退，陷入“资源诅咒”;对外开放扩大带来的外商直接投资既可能形成“污染光环”[45]，也可能使目的地陷入“污染天堂”[46-47]等。

2 方法、模型與变量

2.1 面板平滑转换回归

面板平滑转换模型（PSTR）是Andrés González等[48]对Hansen提出的面板门槛模型[49]的拓展。在通过非线性检验的前提下，利用PSTR模型估计入境旅游对目的地GTFP的影响效应，将有效弥补因线性模型忽视非线性因素所导致的对入境旅游绿色发展效应的动态连续时变转换机制考察的缺失。两机制PSTR模型如式（1）和式（2）[48]：

[yi，t=μi+β0xi，t+β0?xi，tg（qi，t; γ，c）+ui，t              ] （1）

[gqi，t; γ，c=1+exp-γj=1m（qi，t-cj）-1   ] （2）

式（1）和式（2）中[， yi，t]为被解释变量，[ xi，t]为解释变量向量，[ui，t]为误差项。转换函数[g（qi，t; γ，c）]是Logistic函数，该函数是关于转换变量[qi，t]且值域介于0和1之间的连续平滑有界函数。参数[γ]决定转换速度，[c=（c1， c2， …cm）]为位置参数，决定转换发生阈值。当m=1时，[xi，t]系数随着[qi，t]的增加在[β0]和[β0+β0?]之间单调平滑变换。

2.2 城市绿色全要素生产率测算

2.2.1    城市绿色全要素生产率测算指标体系

（1）指标体系构建：第一，准则层：既有GTFP测算研究中，投入指标多围绕生产函数投入项确定，主要包括水、土地、劳动力、资本、能源等[50-51]。产出指标通常划分为期望产出与非期望产出。故将准则层确定为土地投入、资源投入、资本投入、劳动力投入，以及期望产出和非期望产出。第二， 指标层：投入指标涉及建设用地、耕地、能源消耗、全社会固定资产存量、城市供水总量、单位从业人数等，产出指标包括GDP、PM2.5年均浓度（非期望）、工业废水排放量（非期望）等。最终构建指标体系（表1）。

（2）数据来源及处理：数据处理基本思路是先进行遥感数据处理，主要涉及ArcGIS投影设置、底图匹配、剪裁和数值提取等操作。再将遥感指标数据与经济社会统计数据匹配，形成完整的城市GTFP测算数据库。

第一，建设用地与耕地由中国土地利用现状数据处理获得，该数据集以Landsat TM/ETM遥感影像为数据源，经人工目视解译，划分建设用地、耕地、林地、草地、水域和未利用土地等一级类型，从地理国情监测云平台（http：//www.dsac.cn/DataProduct/Detail/200804）获取，分辨率为1千米×1千米。第二，能源消耗数据由DMSP/OLS全球夜间灯光数据处理获得1，已有研究表明，夜间灯光数据与能源消耗存在显著线性相关性[52-53]。并参考相关研究[54-55]，利用AcrGIS分区统计求和功能，将行政区范围内所有栅格灰度值之和作为该城市能源消耗。中国范围DMSP/OLS数据从中国科学院资源环境科学数据中心（http：//www.resdc.cn/data.aspx？DATAID=213）获取，分辨率为1千米×1千米。第三，非期望产出PM2.5数据来源于大气成分分析组织利用MODIS、MISR等遥感数据反演得出的栅格数据集（http：//fizz.phys.dal.ca/～atmos/martin），分辨率为0.01°×0.01°。利用ArcGIS分区统计求均值功能，获得PM2.5浓度。第四，全社会固定资产存量按照张军等的做法[56]，首先确定基期（2004年）固定资产存量，再用后式测算每年固定资产存量：[Ki，t=Ii，t+][1-δi，tKi，t-1]，其中，[Ki，t]、[Ii，t]、[δi，t]分别为t年固定资产存量、新增固定资产投资以及折旧率（设为9.6%）。第五，城市经济、社会、环境指标数据批量采集于中国经济社会大数据统计平台，涉及《中国城市统计年鉴（2005—2017）》《中国区域经济统计年鉴（2005—2014）》等。缺失值查找各省份统计年鉴和相应城市国民经济和社会发展统计公报补齐，若仍缺失则用线性插值补齐。

2.2.2    城市绿色全要素生产率测算方法

利用Maxdea软件，采用基于埃普西隆测量-全局曼奎斯特-卢恩伯格模型（Epsilon based measure- global Malmquist-Luenberger model，EBM-GML）测度城市GTFP。首先，构建包含非期望产出的超效率EBM模型[57]，囿于篇幅，具体规划式参见研究文献[57-58]。其次，构造全局曼奎斯特-卢恩伯格模型（GML）指数并分解，测算城市GTFP及其分解项的动态变化状况。选用GML指数是其能避免非全局指数的非传递性和线性等缺陷[59]，公式见已有研究[60]，最终可得GTFP指数及乘积分解项GEC指数、GTC指数。其中，GEC指数表示政策与制度变革等发展环境因素变化对资源配置效率造成影响，而使实际生产状况与生产前沿面相对位置发生变化，GTC指数表示创新或引入先进技术推动生产前沿面外移[61]。由于上述指数为GTFP、GEC、GTC的变化率，参照既有研究[59， 62]，假设2004年城市GTFP、GEC、GTC均为1，再与相应指数逐年累乘，得到2005—2016年的GTFP、GEC、GTC。1

2.3 变量定义和模型设定

（1）被解释变量：分别用GTFP、GEC、GTC作为被解释变量，探讨入境旅游是否能够促进城市GTFP提升，并识别促进GTFP的主要方式。

（2）核心解释变量及转换变量：核心解释变量为入境旅游（lngjsr），采用入境旅游收入的对数衡量。转换变量的选择出于以下考虑：一方面入境旅游作为经济活动，其绿色发展效应的非线性与目的地经济水平可能存在天然联系;另一方面，宏观经济研究中，经济水平与其他宏观变量往往存在较强相关性，经济异质性也表征了其他方面异质性，故选取其具有代表性。因此，从经济异质性角度，揭示随经济发展，入境旅游对GTFP影响的转换效应，设定转换变量为经济水平（Econ），采用人均GDP的对数衡量。

（3）控制变量：参考GTFP影响因素研究成果[63-66]，纳入如下控制变量。对外开放水平（FDI），采用外商直接投资衡量;创新能力（Crea），采用科学技术支出占GDP比重衡量;经济水平（Econ），采用人均GDP衡量;产业结构（Ind），采用第三产业占GDP比重衡量;环境规制强度（Envi），工业烟粉尘去除率衡量;城镇化（Urb），采用建设用地占总面积比重衡量。为消除异方差将控制变量对数化。

最终构建如式（4）、式（5）和式（6）的3個计量模型。

考察入境旅游对城市GTFP的影响，构建模型1：

[GTFPi，t=μi+β1lngjsri，t+β2FDIi，t+β3Creai，t+      β4Econi，t+β5Indi，t+β6Envii，t+β7Urbi，t+     （β1′lngjsri，t+β2′FDIi，t+β3′Creai，t+β4′Econi，t+      β5′Indi，t+β6′Envii，t+β7′Urbi，t）     gEconi，t; γ，c+ui，t  ]（4）

考察入境旅游对城市GEC的影响，构建模型2：

[GECi，t=μi+β1lngjsri，t+β2FDIi，t+β3Creai，t+     β4Econi，t+β5Indi，t+β6Envii，t+β7Urbi，t+     （β1′lngjsri，t+β2′FDIi，t+β3′Creai，t+β4′Econi，t+     β5′Indi，t+β6′Envii，t+β7′Urbi，t）gEconi，t; γ，c+ui，t  ]（5）

考察入境旅游对城市GTC的影响，构建模型3：

[GTCi，t=μi+β1lngjsri，t+β2FDIi，t+β3Creai，t+     β4Econi，t+β5Indi，t+β6Envii，t+β7Urbi，t+     （β1′lngjsri，t+β2′FDIi，t+β3′Creai，t+     β4′Econi，t+β5′Indi，t+β6′Envii，t+β7′Urbi，t）     gEconi，t; γ，c+ui，t] （6）

其中[，β1]、[β2]、[β3]、[β4]、[β5]、[β6]、[β7]为各解释变量线性部分估计系数，[β1′]、[β2′]、[β3′]、[β4′]、[β5′]、[β6′]、[β7′]为各变量非线性部分估计系数，各解释变量对因变量的影响由线性与非线性部分共同决定，[g（Econi，t; γ，c）]为转换函数，[ ui，t]为残差项。

3 入境旅游对绿色全要素生产率的平滑转换效应

PSTR模型建模涉及非线性检验、模型估计、稳健性检验3个阶段[67]，本文使用R软件的PSTR程序包实现建模。

3.1 单位根检验

为避免伪回归，对所有变量进行单位根检验。使用Levin-Lin-Chu（LLC）和Fisher-augmented-Dickey-Fuller（Fisher-ADF）两种检验方法[68-69]，结果见表2。结果显示，所有变量LLC和Fisher-ADF检验在0.01显著性水平上拒绝原假设，表明各变量均是平稳的，可以继续PSTR模型估计。

3.2 模型非线性检验

首先对模型1、模型2和模型3进行非线性检验，以确定使用PSTR模型必要性。由于模型包含未识别参数γ和c，无法对模型进行传统非线性检验，González等建议遵循Luukkonen等的做法[70]，设置同质性零假设H0：γ=0，并在γ=0处用转换函数一阶泰勒展开式替代。然后分别估计辅助回归方程和线性固定效应模型，并根据两个模型残差平方和构造统计量，最后利用服从χ2分布LM检验统计量和服从F分布LMF检验统计量进行检验，如式（7）和式（8）：

[LM=TNSSR0-SSR1SSR0?χ2mk        ] （7）

[LMF=SSR0-SSR1mk/SSR0TN-N-mk?F（mk，TN-N-mk）      ] （8）

式（7）和式（8）中，T为时间长度，N为截面个数，k为外生变量个数，SSR0和SSR1分别为接受和拒绝原假设的残差平方和。

依次对模型1、模型2和模型3，在m=1、m=2或m=3情形下，进行非線性检验，结果见表3。结果表明，不论m=1或m=2，模型1、模型2和模型3的LM、LMF统计量及其稳健形式均在0.01显著性水平上拒绝线性原假设。而当m=3时，模型1和模型3未通过0.01显著性水平。因此，当位置参数个数为1或2时，入境旅游对GTFP、GEC和GTC均存在以经济水平为转换变量的非线性效应，说明需要使用PSTR模型进行参数估计。进一步，根据González观点[48]，应选择原假设被拒绝得更强烈情形下的m值作为位置参数个数。因此，模型1、模型2和模型3均应选择位置参数个数为1，即m=1。

3.3 模型参数估计

采用非线性最小二乘法估计PSTR模型参数，转换函数的斜率系数γ和位置参数c采用网格搜索法得到[48]。为增强结果稳健性，同时估计面板固定效应模型作为对比，结果见表4，并在图3中绘制转换函数图像以及核心解释变量估计系数的平滑转换图像。

3.3.1    入境旅游对绿色全要素生产率的平滑转换效应（模型1）

根据模型1的PSTR模型估计结果、转换函数图像以及入境旅游系数转换图像，当转换函数[g（Econ; ][γ，c）]=0时，入境旅游对城市GTFP影响效应为0.04817，模型处于低机制。当转换变量经济水平处于位置参数[c]值11.5588时，[g（Econ; γ，c）]=0.5，入境旅游对GTFP影响效应为0.06511[（β1+0.5×β1′）]，模型处于低高机制的中间状态。当[g（Econ; ][γ，c）]=1时，入境旅游对城市GTFP影响效应为0.08204[（β1+β1′）]，模型处于高机制。入境旅游对城市GTFP的影响效应在低机制与高机制之间，以位置参数[c]=11.5588为中心，以[γ]=1.96569的转换速率，在[0.04817，0.08204]之间平滑转换。换言之，入境旅游对城市GTFP的影响具有动态性和非线性。上述结果表明，入境旅游始终能够显著促进城市GTFP提升，入境旅游具有绿色发展效应。并且由于经济异质性存在，城市经济水平的提高，会使入境旅游对GTFP的提升作用增强。其现实政策指向是明显的，发展入境旅游是可靠的促进区域绿色发展的政策工具，并且该工具的有效性与目的地经济水平存在关联，即良好的城市发展本底能够为入境旅游更好发挥绿色发展效应提供外部条件。目的地应以“城旅融合”为核心，践行全域旅游发展理念：一方面，应以入境旅游带动和促进经济社会协调发展和目的地城市系统优化提升;另一方面，目的地经济发展过程中的整体规划布局和统筹协调管理应考虑入境旅游发展诉求，相关建设发展成果与旅游业共用共享，形成入境旅游与城市整体经济发展良性互动格局，最终实现入境旅游绿色发展效应向高机制转换。

3.3.2    入境旅游对绿色技术效率的平滑转换效应（模型2）

入境旅游对城市GEC的影响与其对城市GTFP、GTC的影响趋势相反。当转换函数[g（Econ; γ，c）]=0时，入境旅游对城市GEC影响效应为0.02069，且在0.05水平上显著，对GEC具有正向推动效应，模型处于高机制。而[lngjsri，tg（Econ; γ，c）]估计系数[β1′]为?0.01824，表明随着经济水平增长，入境旅游对GEC影响存在边际效应递减规律。当[g（Econ; γ，c）]=1时，入境旅游对GEC影响效应为0.00245[（β1+β1′）]，影响效应仍然保持为正，模型处于低机制。入境旅游对GEC的影响以位置参数[c]值11.1904为中心，以[γ=1.76715]相对较慢的转换速率在[0.02069，0.00245]之间平滑转换。这表明，经济水平相对较差的城市发展入境旅游，将更加有效地提升城市整体GEC。而经济水平相对较高的城市，入境旅游对GEC的促进作用并不明显。其现实成因可能是：其一，发展入境旅游能够充分发挥经济欠发达目的地自然资源禀赋优势，快速带来旅游外汇收入，在有限环境影响下取得直接经济收益。其二，当城市处于经济欠发达阶段，其交通区位条件、城市基础建设水平、公共服务设施等硬件，以及城市管理制度和经济政策等仍不完备，尚存大幅提升空间，发展入境旅游将迅速改善城市发展环境，进而优化资源配置效率和实现规模效率，最终促进GEC提升。实践意义上，由于可取得较高边际收益，经济欠发达地区更应支持入境旅游发展，以实现自身绿色发展。对于经济发达地区，则应当促进入境旅游自身资源配置和利用效率提升，探索构建入境旅游促进城市生产效率以及规模效应提升的路径和渠道。

3.3.3    入境旅游对绿色技术进步的平滑转换效应（模型3）

入境旅游对城市GTC的影响与其对GTFP的影响趋势类似。模型3中，入境旅游线性部分估计系数[β1]为0.08574，在0.01水平上显著，非线性部分[lngjsri，tg（Econ; γ，c）]估计系数[β1′]为0.08918。说明入境旅游对城市GTC存在正向促进作用，同时，随着城市经济水平提升，入境旅游对城市GTC的正向影响会得到强化，其正向效应区间为[0.08574，0.17492]。入境旅游对GTC的促进意味着入境旅游能够激发基于产业融合的新业态创新行为，并且通过开放经济引入先进技术和创新能力，推动目的地生产前沿面外扩，外商直接投资表现为“污染光环”效应。之所以产生非线性效应，主要是由于城市经济越发达，入境旅游越能够发挥其综合带动能力，形成更强的融合效应、倒逼效应、优化效应，强化其在产业关联融合、产业结构替代和发展环境优化等渠道中对城市GTC的促进作用。入境旅游促使城市生产前沿面的扩张，更加体现入境旅游对目的地绿色发展的综合促进作用。

从3个模型的固定效应估计参数大小看，入境旅游对GTFP估计系数为0.07357，对GEC估计系数仅为0.02914，而对GTC估计系数则达到0.10227，根据GEC、GTC和GTFP三者间数量关系，就线性估计而言初步判断，入境旅游对GTFP的影响主要是通过影响GTC实现的。其次，从PSTR估计的平滑转换趋势看，随着经济水平提升，入境旅游对GTFP的估计系数变大，对GTC估计系数也变大，体现平滑转换机制的耦合性，然而，其对GEC估计系数则下降，且无法通过显著性检验。这意味当城市经济水平较高时，入境旅游对GEC的推动并不明显，故其对GTFP推动作用的强化是通过对GTC推动而贡献的。线性和非线性估计结果，都说明入境旅游对GTC的提升是促进城市GTFP提升的主要来源。

3.3.4    GTFP、GEC、GTC对入境旅游变化的响应

为更好揭示PSTR模型的现实政策含义，以入境旅游为X轴、经济水平为Y轴，分别以GTFP、GEC、GTC的响应为Z轴，绘制模型1、模型2和模型3三维响应曲面（图4）。图像直观地表明，首先入境旅游影响目的地绿色发展并非线性均质的，确实存在城市经济异质性导致的非线性效应。其次，目的地经济水平较低时，GTFP对入境旅游发展的响应较低，且主要通过GEC提升实現。经济水平较高时，GTFP对入境旅游发展的响应较强，主要通过促进GTC实现。目的地经济水平提高所产生的入境旅游对GEC促进作用的弱化被对GTC促进作用的强化所弥补，因此，不论目的地处于何种经济水平，从推动绿色发展的角度来说，当地政府都应对发展入境旅游持开放支持态度。

3.4 模型稳健性检验

参照研究惯例[53]，替换入境旅游的代理变量，即使用入境旅游接待人次（lngjrc）替换入境旅游收入（lngjsr），重新估计3个模型（模型4、模型5和模型6），结果见表5。

结果显示：（1）模型4中，入境旅游人次线性部分估计系数[β1]为0.01304，非线性部分[lngjrci，tg][（Econ; γ，c）]估计系数[β1′]为0.07087，且在0.05水平上显著。当入境旅游人次跨越位置参数c值11.58030后，入境旅游对GTFP的提升作用以1.89037的转换速率平滑增强，当[gEcon; γ，c=1]时，入境旅游绿色发展效应达到最大值0.08391。表明不论城市经济所处阶段，入境旅游对GTFP始终表现正向推动作用，且随经济水平增强而强化，与模型1结论一致。（2）模型5中，入境旅游人次对GEC的影响效应在[0.00943， ?0.00990]之间，以经济水平门槛11.28800为中心和1.59356的转换速率逐渐降低，入境旅游对GEC提升的边际效应降低，与模型2趋势基本一致。但以入境旅游人次为代理变量的入境旅游对GEC呈现由正向推动到负向抑制的过程，与模型2不同。（3）模型6中，随经济水平提高，入境旅游人次对GTC的影响效应以位置参数11.46740为中心，以3.63713的转换速率，较快地由0.01380升至0.15330，且在0.1水平上显著，该趋势与模型3一致。最后，综合模型4、模型5和模型6结果，同样印证了前文入境旅游对GTC的推动是其对城市GTFP提升的重要源泉这一结论。

稳健性检验表明，入境旅游对城市GTFP、GEC、GTC影响效应的PSTR模型估计稳健可信。

4 结论与启示

现阶段关于旅游产业绿色属性的讨论停留在旅游产业本身是否绿色这一层面，但是鉴于旅游产业的综合带动性，考察旅游产业之于目的地绿色发展的“外部性”将变得更有意义。因此，将入境旅游和目的地绿色发展纳入同一分析框架，从城市经济异质性视角，揭示入境旅游对城市GTFP影响的平滑转换效应。最终实证结果支持入境旅游是驱动区域绿色发展的绿色产业这一论断，而且发现入境旅游绿色发展效应存在以经济水平为门槛变量的非线性特征。

上述研究结论为中国实践情境下入境旅游的绿色产业属性提供了理论支撑，具有积极的现实政策含义：第一，不论目的地经济处于何种发展阶段，从促进城市整体绿色发展的角度考虑，地方政府都应充分利用自身具备的资源特色和区位优势，并给予更强的政策支持，加强对外开放，鼓励入境旅游发展，并将其作为实现城市绿色发展的有效工具。第二，良好的城市发展基础将为入境旅游促进目的地绿色发展提供有利的外部条件。因此，为充分发挥入境旅游的绿色发展效应，应当将入境旅游发展置于城市经济水平提升的整体布局中。通过促进城旅融合发展，形成入境旅游发展与目的地经济发展良性互动、相互促进的格局，进而推动入境旅游绿色发展效应向高机制转换。第三，入境旅游影响城市GEC的边际效应随着目的地经济水平提高而逐渐减弱，这提示经济水平较好的目的地首先应摒弃高要素投入和低效率利用的入境旅游发展模式，转向入境旅游高质量发展，实现入境旅游自身的资源配置和利用效率提升;其次，积极探索通过倒逼产业结构优化升级、推动产业融合、加强业态创新、构建入境旅游深度参与的产业生态圈和综合体等方式，着眼构建入境旅游促进城市生产效率以及规模效应提升的路径和渠道。

本文是揭示旅游业绿色发展效应的一个尝试，还无法回应一些必要关切，例如，入境旅游对GTFP的平滑转换机制会受到诸多因素影响，而本文只考虑经济水平单因素。尚未实证考察入境旅游影响GTFP的內在机制。另外，城市绿色发展水平的表征还可利用绿色发展指数、生态效率、绿色GDP等多种方式，本文仅选用GTFP。而上述不足，恰恰构成入境旅游绿色发展效应研究深化完善的方向：首先，在城市异质性方面，可基于资源禀赋异质性、空间异质性、文化异质性等视角考察入境旅游绿色发展效应的非线性机制。其次，采用中介效应模型等手段，深入考察和比较入境旅游对GTFP的各渠道所发挥的间接作用大小，验证内在机制。最后，将研究对象从入境旅游扩展到旅游经济整体，将研究案例由发展中国家扩展到发达国家。

参考文献（References）

[1] 中华人民共和国文化和旅游部. 2018年全国旅游工作报告[DB/OL]. [2018-01-08]. http： //www. sohu. com/a/215451714_785796. [Ministry of Culture and Tourism of the Peoples Republic of China. National Tourism Work Report 2018 [DB/OL]. [2018-01-08]. http： //www. sohu. com/a/215451714_785796. ]

[2] 席建超， 甘萌雨， 吴普， 等. 中国入境游客旅游消费变动的实证分析[J]. 旅游学刊， 2008， 23（5）： 18-22. [XI Jianchao， GAN Mengyu， WU Pu， et al. A demonstrative analysis of consumptive changes of Chinas inbound tourists[J]. Tourism Tribune， 2008， 23（5）： 18-22. ]

[3] 粟娟， 王凤玲. 产业生成视角下张家界入境旅游消费结构演化态势及动因分析[J]. 吉首大学学报（社会科学版）， 2015， 36（4）： 88-97. [SU Juan， WANG Fengling. Structure evolution and driver analysis of inbound tourism consumption from the       perspective of industry generation： A case study in Zhangjiajie[J]. Journal of Jishou University（Social Sciences Edition）， 2015， 3604）： 88-97. ]

[4] 陈刚强， 李映辉， 胡湘菊. 基于空间集聚的中国入境旅游区域经济效应分析[J]. 地理研究， 2014， 33（1）： 167-178. [CHEN Gangqiang， LI Yinghui， HU Xiangju. Regional economic effects of inbound tourism in China： Based on the perspective of spatial agglomeration[J]. Geographical Research， 2014， 33（1）： 167-178. ]

[5] 蒋依依. 以国家形象与旅游形象有机融合促进入境旅游持续发展[J]. 旅游学刊， 2018， 33（11）： 9-11. [JIANG Yiyi. Promote the continuous development of inbound tourism with the organic integration of the national image and the tourist image[J]. Tourism Tribune， 2018， 33（11）： 9-11. ]

[6] 吴晋峰. 美国人入境前后中国旅游形象对比研究[J]. 旅游研究， 2014， 6（1）： 12-20. [WU Jinfeng. A comparative study of Chinas tourism image of the pre and post Americans entry[J]. Tourism    Research， 2014， 6（1）： 12-20. ]

[7] 马勇， 郭田田. 践行“两山理论”生态旅游发展的核心价值与实施路径[J]. 旅游学刊， 2018， 33（8）： 16-18. [MA Yong， GUO     Tianian. Practicing the “two mountains theory”： The core value and implementation path of ecotourism development[J]. Tourism Tribune， 2018， 33（8）： 16-18. ]

[8] 赵磊， 张晨. 旅游减贫的门槛效应及其实证检验——基于中国西部地区省际面板数据的研究[J]. 财贸经济， 2018， 39（5）： 130-145. [ZHAO Lei， ZHANG Chen. Threshold effect and empirical test of tourism on poverty alleviation—Based on provincial panel data in western China[J]. Finance & Trade Economics， 2018， 39（5）： 130-145. ]

[9] CAP? J， NADAL J R. Dutch disease in tourism economies：   Evidence from the balearics and the canary islands[J]. Journal of Sustainable Tourism， 2007， 15（6）： 615-627.

[10] DENG T T， MA M L， CAO J H. Tourism resource development and long-term economic growth： A resource curse hypothesis  approach[J]. Tourism Economics， 2014， 20（5）： 923-938.

[11] 鄧涛涛， 刘璧如， 马木兰. 旅游产业依赖与全要素生产率增长——基于“资源诅咒”假说的检验[J]. 旅游科学， 2019， 33（1）： 1-17. [DENG Taotao， LIU Biru， MA Mulan. Tourism industry    dependence and total factor productivity： An investigation based on “resource curse” hypothesis[J]. Tourism Science， 2019， 33（1）： 1-17. ]

[12] DRITSAKIS N. Tourism as a long-run economic growth factor： An empirical investigation for Greece using a causality analysis[J]. Tourism Economics， 2004， 10（3）： 305-316.

[13] BLAKE A， SINCLAIR M T. Tourism crisis management： US  response to September 11[J]. Annals of Tourism Research， 2003， 30 （4）： 813-832.

[14] 杨勇. 旅游业与我国经济增长关系的实证分析[J]. 旅游科学， 2006， 20（2）： 40-46. [YANG Yong. An empirical analysis of the relationship between tourism and economic growth in China[J]. Tourism Science， 2006， 20（2）： 40-46. ]

[15] SEETANAH B. Assessing the dynamic economic impact of  tourism for island economies[J]. Annals of Tourism Research， 2011， 38 （1）： 291-308.

[16] LEAN H， TANG C. Is the tourism-led growth hypothesis stable for Malaysia？ A note[J]. International Journal of Tourism       Research， 2010， 12（4）： 375-378.

[17] 赵磊， 方成， 吴向明. 旅游发展、空间溢出与经济增长——来自中国的经验证据[J]. 旅游学刊， 2014， 29（5）： 16-30. [ZHAO Lei， FANG Cheng， WU Xiangming. Tourism development， Spatial spillover and economic growth： An empirical evidence from  China[J]. Tourism Tribune， 2014， 29（5）： 16-30. ]

[18] 赵磊. 旅游发展与经济增长——来自中国的经验证据[J]. 旅游学刊， 2015， 30（4）： 33-49. [ZHAO Lei. Tourism development and economic growth： Empirical evidence from China[J]. Tourism Tribune， 2015， 30（4）： 33-49. ]

[19] ABEYRATNE R. Management of the environmental impact of tourism and air transport on small island developing states[J]. Journal of Air Transport Management， 1999， 5（1）： 31-37.

[20] 冯学钢， 包浩生. 旅游活动对风景区地被植物-土壤环境影响的初步研究[J]. 自然资源学报， 1999（1）： 76-79. [ FENG      Xuegang， BAO Haosheng. Preliminary research on tourist activity influence upon the soil and cover plant of scenic spot[J]. Journal of Natural Resources， 1999（1）： 76-79. ]

[21] PICKERING C M， HILL W. Impacts of recreation and tourism on plant biodiversity and vegetation in protected areas in Australia[J]. Journal of Environmental Management， 2007， 85（4）： 791-800.

[22] PERCY K E， KARNOSKY D F. Air quality in national area：    Interface between the public， science and regulation [J]. Environmental Pollution， 2007， 149（3）： 256-267.

[23] SZEREMETA B， ZANNIN P H T. Analysis and evaluation of soundscapes in public parks through interviews and measurement of noise[J]. Science of the Total Environment， 2009， 407 （24）： 6143-6149.

[24] 陆诤岚， 陆均良， 李云云. 旅游景区生态环境影响国外研究述评[J]. 经济地理， 2009， 29（1）： 130-133; 152. [LU Zhenglan， LU Junliang， LI Yunyun. Overseas review on ecological environment influence in scenic area[J]. Economic Geography， 2009， 29（1）： 130-133;152. ]

[25] 王明康， 劉彦平， 李涛. 旅游产业集聚对环境污染的差异性影响： 287个地级市例证[J]. 改革， 2019（2）： 102-114. [WANG Mingkang， LIU Yanping， LI Tao. The differential impact of tourism industrial agglomeration on environmental pollution： Empirical evidence from 287 cities[J]. Reform， 2019（2）： 102-114. ]

[26] 胡鞍钢， 周绍杰. 绿色发展： 功能界定、机制分析与发展战略[J]. 中国人口·资源与环境， 2014， 24（1）： 14-20. [HU Angang， ZHOU Shaojie. Green development： Functional definition， mechanism analysis and development strategy[J]. China Population， Resources and Environment， 2014， 24（1）： 14-20. ]

[27] 丰晓旭. 全域旅游和区域绿色发展的关联度[J]. 改革， 2018（2）： 122-131. [FENG Xiaoxu. The correlation between universal tourism and regional green development[J]. Reform， 2018（2）： 122-131. ]

[28] FENG Y J， ZHONG S Y， LI Q Y， et al. Ecological well-being performance growth in China （1994-2014）： From perspectives of industrial structure green adjustment and green total factor productivity[J]. Journal of Cleaner Production， 2019， 236（11）： 1-13.

[29] 傅京燕， 司秀梅， 曹翔. 排污权交易机制对绿色发展的影响[J]. 中国人口·资源与环境， 2018， 28（8）： 12-21. [FU Jingyan， SI  Xiumei， CAO Xiang. Research on the influence of emission  trading mechanism on green development[J]. China Population， Resources and Environment， 2018， 28（8）： 12-21. ]

[30] 李卫兵， 陈楠， 王滨. 排污收费对绿色发展的影响[J]. 城市问题，2019（7）： 4-16. [LI Weibing， CHEN Nan， WANG Bin. Influences of the pollution fee system on green development[J]. Urban Problems， 2019（7）： 4-16. ]

[31] CHUNG Y H， F?RE R， GROSSKOPF S. Productivity and     undesirable outputs： A directional distance function approach[J]. Microeconomics， 1997， 51（3）： 229-240.

[32] GEOFF M. Green tourism and Scottish distilleries[J]. Tourism Management， 1996（4）： 255-263.

[33] WEAVER A. Tourism and the military： Pleasure and the war economy[J]. Annals of Tourism Research， 2011， 38： 672-689.

[34] 郭为， 秦宇， 黄卫东， 等. 旅游产业融合、新业态与非正规就业增长： 一个基于经验与概念模型的实证分析[J]. 旅游学刊， 2017， 32（6）： 14-27. [GUO Wei， QIN Yu， HUANG Weidong， et al. The convergence of tourism industries， new tourism formats and the growth of informal employment： A positive analysis based on industries experience and conceptual model[J]. Tourism Tribune， 2017， 32（6）： 14-27. ]

[35] CHAO C C， HAZAR I B R， LAFFARGUE J P， et al. Tourism Dutch disease and welfare in an open dynamic economy[J]. Japanese Economic Review， 2006， 57（4）： 501-515.

[36] 胡抚生. 新时代的目的地形象提升要以优质旅游发展为支撑[J]. 旅游学刊， 2018， 33（4）： 11-12. [HU Fusheng. The promotion of destination image in the new era should be supported by high-quality tourism development[J]. Tourism Tribune， 2018， 33（4）： 11-12. ]

[37] AKAMA J S. Tourism development in Kenya： Problems and  policy alternatives[J]. Progress in Tourism and Hospitality      Research， 1997， 3（2）： 95-105.

[38] HENRY E， DEANE B. The contribution of tourism to the economy of Ireland in 1990 and 1995[J]. Tourism Management， 1997， 18（8）： 535-553.

[39] DURBARRY R. The economic contribution of tourism of     tourism in Mauritius[J]. Annals of Tourism Research， 2002， 29（3）： 862-865.

[40] 查瑞波， 孫根年， 董治宝， 等. 引入调节变量的入境旅游对消费物价影响分析——基于1999—2014年香港季度数据的实证研究[J]. 地理科学， 2016， 36（7）： 1050-1056. [ZHA Ruibo， SUN Gennian， DONG Zhibao et al. Influence of inbound tourism to consumer prices with moderator： Empirical study of Hong Kong base on 1999—2014 statistics[J]. Scientia Geographica Sinica， 2016， 36（7）： 1050-1056. ]

[41] 杨霞， 刘晓鹰. 旅游流量、旅游构成与西部地区贫困减缓[J]. 旅游学刊， 2013， 28（6）： 47-55. [YANG Xia， LIU Xiaoying. The   relationship between tourist flow， composition and poverty     alleviation in the west of China[J]. Tourism Tribune， 2013， 28（6）： 47-55. ]

[42] SPITERI A， NEPAL S K. Incentive-based conservation programs in developing countries： A review of some key issues and suggestions for improvements[J]. Environmental Management， 2006， 37（1）， 1-14.

[43] UNWTO， UNEP， WMO. Climate Change and Tourism： Responding to Global Challenges[R]. Madrid： UNWTO， 2008.

[44] 章锦河， 李曼， 陈静， 等. 旅游废弃物的环境库兹涅茨效应分析——以黄山风景区为例[J]. 地理学报， 2012， 61（11）： 1537-1546. [ZHANG Jinhe， LI Man， CHEN Jing， et al. Analysis of  environmental Kuznets effect of tourism waste： Case study of Huangshan national park[J]. Acta Geographica Sinica， 2012， 61（11）： 1537-1546. ]

[45] ANTWEILER W， COPELAND B R， TAYLOR M S. Is free trade good for the environment？[J]. American Economic Review， 2001， 91 （4）： 877-908.

[46] MARKUSEN J R， VENABLES A J. Foreign direct investment as a catalyst for industrial development[J]. European Economic Review， 1997， 43 （2）： 335-356.

[47] LIST J A ， CO C Y. The effects of environmental regulations on foreign direct investment[J]. Journal of Environmental Economics and Management， 2000， 40（1）： 1-20.

[48] GONZ?LEZ A， TERASVIRTA T， DIJK D V. Panel Smooth Transition Regression Models[R]. Stockholm： Stockholm School of Economics， 2005： 1-15.

[49] HASNEN B E. Threshold effects in non-dynamic panels： Estimation， testing， and inference[J]. Journal of Econometrics， 1999， 93（2）： 345-368.

[50] BAI Y， DENG X， JIANG S， et al. Exploring the relationship    between urbanization and urban eco-efficiency： Evidence from prefecture-level cities in China[J]. Journal of Cleaner Production， 2017， 195 （10）： 1487-1496.

[51] ZHANG J X， LI H， XIA B， et al. Impact of environment regulation on the efficiency of regional construction industry： A 3-stage data envelopment analysis （DEA）[J]. Journal of Cleaner Production， 2018， 200： 770-780.

[52] 吴健生， 牛妍， 彭建， 等. 基于DMSP/OLS夜间灯光数据的1995—2009年中国地级市能源消费动态[J]. 地理研究， 2014， 33（4）： 625-634. [WU Jiansheng， NIU Yan， PENG Jian， et al. Research on energy consumption dynamic among prefecture level cities in China based on DMSP/OLS nighttime light[J].       Geographical Research， 2014， 33 （4） ： 625-634. ]

[53] XIE Y， WENG Q. World energy consumption pattern as revealed by DMSP-OLS nighttime light imagery[J]. GIScience & Remote Sensing， 2016， 53（2）： 265-282.

[54] 刘海猛， 方创琳， 黄解军， 等. 京津冀城市群大气污染的时空特征与影响因素解析[J]. 地理学报， 2018， 73（1）： 177-191. [LIU Haimeng， FANG Chuanglin， HUANG Jiejun， et al. The spatial-temporal characteristics and influencing factors of air pollution in Beijing-Tianjin-Hebei urban agglomeration[J]. Acta Geographica Sinica， 2018， 73（1）： 177-191. ]

[55] 马勇， 童昀， 任洁. 多源遥感数据支持下的县域尺度生态效率测算及稳健性检验——以长江中游城市群为例[J]. 自然资源学报， 2019， 34（6）： 1196-1208. [MA Yong， TONG Yun， REN Jie. Calculation and robustness test of county-scale ecological        efficiency based on multi-source remote sensing data： Taking the urban agglomeration in the middle reaches of Yangtze River as an example[J]. Journal of Natural Resources， 2019， 34（6）： 1196-1208. ]

[56] 张军， 吴桂英， 张吉鹏. 中国省际物质资本存量估算： 1952—2000[J]. 经济研究， 2004（10）： 35-44. [ZHANG Jun， WU Guiying， ZHANG Jipeng. The estimation of Chinas provincial capital stock： 1952—2000[J]. Economic Research Journal， 2004（10）： 35-44. ]

[57] TONE K， TSUTSUI M. An epsilon-based measure of efficiency in DEA： A third pole of technical efficiency[J]. European Journal of Operational Research， 2010， 27（3）： 1554-1563.

[58] 汪克亮， 劉悦， 史利娟， 等. 长江经济带工业绿色水资源效率的时空分异与影响因素： 基于EBM-Tobit模型的两阶段分析[J]. 资源科学， 2017， 39（8）： 1522-1534. [WANG Keliang， LIU Yue， SHI Lijuan， et al. Yangtze River Economic Zone spatial and temporal disparities in industrial green water resource efficiency and influencing factors based on two-step analysis of EBM-Tobit Model[J]. Resources Science， 2017， 39（8）： 1522-1534. ]

[59] 蔡乌赶， 周小亮. 中国环境规制对绿色全要素生产率的双重效应[J]. 经济学家， 2017（9）： 27-35. [CAI Wugan， ZHOU Xiaoliang. Dual effect of Chinese environmental regulation on green total factor productivity[J]. Economist， 2017（9）： 27-35. ]

[60] 崔兴华， 林明裕. FDI如何影响企业的绿色全要素生产率？——基于Malmquist-Luenberger指数和PSM-DID的实证分析[J]. 经济管理， 2019， 41（3）： 38-55. [CUI Xinghua， LIN Mingyu. How does foreign direct investment affect the green total factor Productivity of enterprises？ empirical analysis based on Malmquist-Luenberger index and PSM-DID model[J]. Business Management Journal， 2019， 41（3）： 38-55. ]

[61] 卢丽文， 宋德勇， 黄璨. 长江经济带城市绿色全要素生产率测度——以长江经济带的108个城市为例[J]. 城市问题， 2017（1）： 61-67. [LU Liwen， SONG Deyong， HUANG Can. Measurement on the green total factor productivity of the Yangtze River Economic Belt： Taking 108 cities for example[J]. Urban Problems， 2017（1）： 61-67. ]

[62] 邱斌， 杨帅， 辛培江. FDI技术溢出渠道与中国制造业生产率增长研究： 基于面板数据的分析[J]. 世界经济， 2008（8）： 20-31. [QIU Bin， YANG Shuai， XIN Peijiang. Research on FDI     technology spillover channels and Chinas manufacturing     productivity growth： An analysis based on panel data[J]. The Journal of World Economy， 2008（8）： 20-31. ]

[63] 原毅军， 谢荣辉. FDI、环境规制与中国工业绿色全要素生产率增长——基于Luenberger指数的实证研究[J]. 国际贸易问题， 2015（8）： 84-93. [YUAN Yijun， XIE Ronghui. FDI， Environmental regulation and green total factor productivity growth of Chinas industry： An empirical study based on Luenberger index[J]. Journal of International Trade， 2015（8）： 84-93. ]

[64] 葛鹏飞， 黄秀路， 徐璋勇. 金融发展、创新异质性与绿色全要素生产率提升——来自“一带一路”的经验证据[J]. 财经科学， 2018（1）： 1-14. [ GE Pengfei， HUANG Xiulu， XU Zhangyong. Financial development， innovation heterogeneity and promotion of green TFP： Evidence from ‘the belt and road[J]. Finance & Economics， 2018（1）： 1-14. ]

[65] 鄭强. 城镇化对绿色全要素生产率的影响——基于公共支出门槛效应的分析[J]. 城市问题， 2018（3）： 48-56. [ZHENG Qiang. The influence of urbanization on green total factor      productivity： An analysis based on the threshold effect of public expenditure[J]. Urban Problems， 2018（3）： 48-56. ]

[66] 姜旭， 卢新海， 龚梦琪. 土地出让市场化、产业结构优化与城市绿色全要素生产率——基于湖北省的实证研究[J]. 中国土地科学， 2019， 33（5）： 50-59. [JIANG Xu， LU Xinhai， GONG Mengqi. Land leasing marketization， industrial structure optimization and urban green total factor productivity： An empirical study based on Hubei province[J]. China Land Science， 2019， 33（5）： 50-59. ]

[67] 赵磊， 方成. 旅游业与经济增长的非线性门槛效应——基于面板平滑转换回归模型的实证分析[J]. 旅游学刊， 2017， 32（4）： 20-32. [ZHAO Lei， FANG Cheng. Nonlinear threshold effect  between tourism and economic growth： A panel smooth transition regression approach[J]. Tourism Tribune， 2017， 32（4）： 20-32. ]

[68] LEVIN A， LIN C F， CHU C S J. Unit root tests in panel data：  Asymptotic and finite-sample properties[J]. Journal of Econometrics， 2002， 108 （1）： 1-24; 756

[69] MADDALA G S， WU S. A comparative study of unit root tests with panel data and new simple test[J]. Oxford Bulletin of Economics Statistics ， 2010， 61 （S1）： 631-652.

[70] LUUKKONEN R， SAIKKONEN P， TER?SVIRTA T. Testing linearity against smooth transition autoregression[J]. Biometrika， 1988， 75（3）： 491-499.

Does the Inbound Tourism Increase the Citys Green Total Factor Productivity？

—Based on Nonlinear Perspective

TONG Yun1，MA Yong2，3，LIU Jun2，3

（1. Tourism College of Hainan University， Haikou 570228， China; 2. School of Business， Hubei University， Wuhan 430062， China;

3. Academy of Tourism Department， Hubei University， Wuhan 430062， China）

Abstract： Under the background of Chinas green development and opening up， it is of practical significance to explore whether inbound tourism has promoted the green development of Chinas cities. This article first expounds the impact mechanism of inbound tourism on citys green total factor productivity （GTFP） and proposes that inbound tourism can promote citys GTFP by expanding opening up， optimizing the development environment， upgrading the industrial structure， and promoting industrial integration. Second， multisourced remote sensing image data and socioeconomic statistics data are combined to build a research data set. The remote sensing data include Chinas land use remote sensing data， PM2.5 remote sensing data， DMSP/OLS night light remote sensing data， etc. Third， based on the Maxdea software， we utilize the EBM-GML model to measure the GTFP of 284 prefecture-level cities in China from 2005 to 2016. Finally， based on the economic heterogeneity of tourism destinations， a panel smooth transition regression （PSTR） model is constructed to examine the smooth transition effect between inbound tourism and urban green total factor productivity. The results show the following： （1） Regardless of the stage of urban economic development， inbound tourism has always had a positive effect on the improvement of citys GTFP. Therefore， the development of inbound tourism can be used as an effective means to promote urban green development. （2） There is a significant nonlinear relationship between inbound tourism and citys GTFP. Specifically， as the level of urban economic development increases， the green development effect of inbound tourism is strengthened. In other words， the role of inbound tourism in promoting citys GTFP has become more obvious over time. Therefore， tourism destinations should focus on the integration of the tourism industry in the city and consider the development of inbound tourism in the overall layout of urban economic development to better support the role of inbound tourism in promoting urban green development. （3） With the improvement in the development level of the urban economy， inbound tourisms role in promoting green technological change （GTC） increases， but its role in promoting green technological efficiency （GEC） weakens. Therefore， GTC is an important source of inbound tourism to promote citys GTFP. （4） In this paper， the number of inbound tourists is substituted for the core explanatory variable to conduct a robustness test. The test results show that the aforementioned results are robust and credible.

Keywords： green total factor productivity; inbound tourism; green development; panel smooth transition regression （PSTR） model; Epsilon based measure-global Malmquist-Luenberger model

[責任编辑：宋志伟;责任校对：王靖]