互联网促进区域旅游业聚集密度提升了吗？——基于中国省级面板数据的实证研究

程 玉 杨 勇

（华东师范大学工商管理学院，上海 200062）

0 引言

互联网带动了全球范围生产和生活方式的变革（Czernich et al.，2011；Chu，2013），对经济产业的成长和发展产生了链式波及效应。截至2021 年6 月，我国互联网普及率达71.60%，网民规模为10.11 亿，已然蜕变为互联网大国，迈步在互联网强国建设的道路上。在旅游经济领域，我国政府高度重视互联网技术对旅游业发展的溢出功能，致力于实现互联网与旅游业全方位、多层次与高水平的融合发展。2015年国家旅游局（现已并入文化和旅游部）发布了《关于实施“旅游+互联网”行动计划的通知》（旅发〔2015〕210 号），明确提出依托互联网推动旅游业转型升级的要求。2020 年文化和旅游部、国家发展改革委、教育部等十部门联合印发《关于深化“互联网+旅游”推动旅游业高质量发展的意见》，指明了通过深化互联网与旅游业融合路径促进旅游业高质量发展的新要求与新方向。这意味着，从政府管理至行业实践，由上而下形成了对新常态下互联网与旅游业关系的一致认知：互联网已然成为全面深化改革阶段旅游业改善发展模式、提高发展质量与转换生产动能的新型助推器。

旅游业聚集作为区域旅游业从粗放发展模式向集约发展模式转换的重要实现路径之一，其经济外部性效应受到了学界的关注。不论是基于专业化的MAR 效应（Krugman，1991），还是基于多样化的Jacobs 效应（Glaeser et al.，1992），亦或是集体学习效应等，皆依托旅游业集群所构筑的特定社会网络结构，受到复杂关系网络的链接作用。较之旅游业聚集经济效应，将空间因素纳入旅游聚集经济分析框架的研究较少。旅游业聚集密度概念的引入，不仅能够从旅游产业活动空间密度而非规模的视角建立与分析经济模型，还能够从密集经济活动的网络关系维度探究区域旅游经济发展的规律。互联网与旅游业的适配性及其在旅游业中的广泛运用改变了旅游业生态圈中的供给、需求、供需之间的互动方式与形态，催生了新的旅游产业经济规范与制度，以及旅游经济运行的配套支持设施与机制等。即，互联网有助于推动密集旅游产业活动体系的解构与再建构。互联网经济与密集旅游产业活动体系网络的内在运行机理具备不可忽视的紧密关联性，互联网对区域旅游业聚集密度的影响机制与效应成了亟待解决的研究课题。

互联网能够实现不同地理区位之间的数据交换，由此促进信息的分散处理、知识的交流与价值增值（Hayek，1945）。因此，一方面，互联网突破了传统旅游业聚集所要求的空间临近性，扩大了区域旅游集群网络结构的实际空间边界；另一方面，根据内生增长理论（Romer，1990）与社会资本理论（Knack et al.，1997），互联网促进了更大范围内信息和知识的积累，有利于旅游聚集组织效率的发挥、组织灵活性的提高与创新网络的形成。尽管学理层面揭示了互联网对密集旅游经济活动可能存在的影响，然而，以此为核心论题开展研究的文献较少。就互联网与旅游业聚集的细分领域而言，虚拟聚集下旅游供应链模型构建（郑四渭等，2014）、旅游产业虚拟集群的空间结构（舒小林等，2014）、旅游大数据平台（李恒等，2018）等议题从旅游虚拟聚集视角开展了相关分析。在研究方法上，相关研究多以定性论述为主，定量研究较少；在研究内容上，将旅游业聚集密度引入互联网作用于旅游业发展的分析框架，在旅游聚集关系的维度上剖析互联网对密集旅游经济产业活动的影响机制的文献实属鲜见。总体而言，互联网与旅游业聚集领域的既有研究内容较为单薄。

正是基于上述发展现实与研究现状，本文力图探究互联网对我国区域旅游业聚集密度的影响机制及效应，以期挖掘互联网背景下旅游业聚集经济发展及演化的相关规律。首先，就互联网对旅游业聚集密度的线性、非线性及异质性影响机制进行分析，提出3 个不同视角下的研究假说；其次，基于中国30 个省（区、市）（不含香港、澳门、台湾和西藏）2006—2017 年的省级面板数据构建变量，同时设定计量经济模型；再者，具体测度互联网对中国区域旅游业聚集密度的直接和间接线性效应、非线性门槛效应，以及互联网对不同类型旅游企业的异质性影响效应，并对计量检验的内生性问题做稳健性分析；最后，根据研究结论提出针对性的政策建议。本文的研究意义主要如下：第一，在理论创新上，从理论假设到估计检验，发展了互联网与区域旅游业聚集密度之间因果关系的理论机制，构建了互联网新技术与旅游业聚集融合发展的框架，拓展了传统旅游业聚集理论观点体系。第二，在实践意义上，能够为借助互联网推动旅游要素的聚集流动与合理配置，旅游企业的虚拟聚集发展与高效经营提供理论参考，同时能够为政府部门“互联网+旅游”的政策设计辅以决策依据。

1 文献回顾与研究假说

随着互联网与旅游业融合深度的不断强化，旅游业活动受到“互联网+”背景下需求侧与供给侧力量的共同驱动。依托互联网平台，旅游信息实现跨时空传播、互联共享和低成本获取（韩先锋等，2019），并推动旅游业聚集经济规模和空间布局的演化。本文通过3个视角的理论分析提出3条研究假说，阐释互联网对区域旅游业聚集密度的内在作用机制。

1.1 线性作用机制与研究假说

互联网与旅游业的跨界融合，这一现象本身即为变革式创新。从行业“跨界”视角来看，互联网嵌入旅游业领域所扮演的角色远不局限于“信息传递工具”。互联网一方面，对旅游产业传统价值链条产生颠覆与创造性破坏（赵振，2015）；另一方面，打破原有旅游供需结构，重塑旅游社会网络结构（杨德明等，2018），推动新型旅游产业基础与市场规模的形成。就开放式创新理论视角而言，互联网凭借高度联通性特征，广泛连接与整合旅游系统内外部的国民经济社会资源，驱动以产品提供者为中心的封闭式创新模式向以旅游者为核心的全面开放式创新模式转变（王金杰等，2018）。互联网通过“连接一切”，以“产业融合”和“创新驱动”途径营造“旅游开放生态”，既增强了旅游产业活力，又形成了新的旅游聚集关系和形态。

具体而言：首先，旅游资源、人才、资本、信息等要素得到了更为合理而有效的配置。要素自由流动的同时伴随要素聚集效率的提升与聚合效应的放大，进一步提高旅游产业规模，从而提升旅游业聚集密度。其次，旅游供给商、旅游者、旅游管理部门等市场主体之间互动方式与内容愈加多样。不断增加的线上互动推动线下旅游实体经济活动规模不断扩大，旅游产业活动的密集度不断提升。再者，互联网、GPS、大数据等技术的结合能够精准捕捉旅游者消费画像。现代技术通过对旅游者时空足迹数据、消费画像的分析，提供关于旅游者的需求偏好、消费行为、实时位置等需求侧特征信息，为旅游供给围绕需求聚集并开展产业经营活动提供有效参考标杆，促进旅游聚集经济规模呈现报酬递增走势。相关研究证实了互联网对我国省级旅游产业规模的显著线性提升作用（杨勇，2019），但是未考虑省际差异。本文将我国每个省级行政单位视作一个旅游业聚集体，兼顾省际可比性，基于上述理论分析提出假说1：

假说1：互联网对中国区域旅游业聚集密度具有显著的正向促进作用。

旅游消费升级的新时代背景下，互联网凸显并迎合了旅游者不断变化的动态需求。旅游业利用“互联网”及相关技术提供多元、特色旅游产品及服务，在满足动态变迁、差异化旅游需求的同时，促进旅游产业链的升级。就需求侧而言，互联网推动了旅游消费行为模式的变化，“吃”“住”“行”“游”“购”“娱”等旅游各环节被嵌入互联网场景中，逐渐以旅游需求面范围经济替代旅游供给面范围经济。就供给侧而言，随着互联网与旅游业融合领域的扩大，以及大数据、人工智能、云计算等技术的发展，加之旅游诉求的驱动，云旅游、无接触服务、网红直播、定制游等新产品、新业态持续涌现，丰富了旅游产品体系的内容，拓展了旅游产业的结构内涵，提升了旅游业多样化发展水平。个性化、综合性旅游需求的满足、变迁及新需求的产生与旅游业多样化水平之间形成积极的互动反馈机制，推动旅游业多样化水平累积循环式提升。一方面，多样化水平的提升强化了不同类型旅游供给主体之间的聚集与合作，为不同供给主体之间的竞合活动注入新活力；另一方面，多样化水平的提升意味着在旅游产业规模化经营的基础之上，旅游集群网络体系更加多元、精细与复杂，集群内部结构进一步优化，应对外界变动和冲击（如新冠疫情等）的修复能力进一步提高，旅游经营收益与聚集密度得以提升。基于间接线性关联机制，本文提出假说2：

假说2：互联网不仅对中国区域旅游业聚集密度存在直接促进作用，还能够通过提升旅游业多样化水平间接驱动区域旅游业聚集密度。

1.2 非线性作用机制与研究假说

互联网打破了“索洛悖论”的局限论断，不仅可以通过“连接经济”能量而推动信息传播、促进产业融合体系扩大，同时还具有“网络效应”特征（郭家堂 等，2016）。“网络效应”是指，当互联网规模跨越某一临界点之后，互联网对经济系统的边际影响效应会增大。国内外既有文献已经证实了互联网对地区经济发展效率、经济增长质量影响的非线性作用或网络效应（Koutroumpis，2009；韩宝国等，2014；郭家堂等，2016）。旅游产业经济作为地区经济体的重要组成部分，与其他国民经济产业共享互联网的正向网络外部性。

从旅游需求侧与互联网的关系来看，旅游经验、相关知识、网络社区评论等能够在不同旅游者之间实现快速、实时的传播、互动和分享，旅游者群体之间的积极“连锁式”反应会促使更多潜在诉求转化为有效出游需求，不断形成旅游业集约增长的持续动力。从旅游供给侧与互联网的关系来看，互联网背景下旅游聚集体中市场主体加强创新行为，其创新成果彼此启迪、互相惠及、竞争合作，提升了旅游聚集网络的整体价值，吸引了更多主体成员加入经济体，扩大了旅游业聚集创造价值的边界（程立茹，2013），从而提升了旅游业聚集密度。从互联网平台效应来看，随着用户流量的增多，越来越多的企业入驻平台，在互联网营造的新型经济时空中，旅游企业经营不再受传统物理时空约束，同时布局线上与线下活动，明显提高了旅游产业经济活动的密集度。互联网的开放生态体系推动封闭的自循环旅游发展方式向新型开放的融合发展模式转变，当旅游业聚集密度得到提升之后，凭借聚集优势自发形成基于互联网的内生发展动力，从而促进互联网与旅游业聚集密度之间产生因果累积、循环式互动路径。因此，互联网与旅游业聚集密度之间的关系不再局限于线性层面，可能具有非线性关联。Adeola等（2019）以40个非洲国家为研究对象，发现移动互联网对非洲旅游业发展规模的影响存在“U”形关系，在“U”形曲线的最低点之前，两者之间表现出显著负相关关系，而在“U”形曲线的最低点之后，两者之间表现出显著正相关关系。该结论从移动互联网视角支持了互联网对旅游业发展规模的非线性作用。基于互联网对旅游业聚集密度的非线性影响机制，本文提出假说3：

假说3：互联网对中国区域旅游业聚集密度具有显著、积极的非线性影响，且该影响具有“边际效应递增”的网络效应特征。

1.3 异质性作用机制与研究假说

互联网从企业整合、企业互动、企业关系等方面作用于旅游企业群体发展，进而改变旅游企业聚集发展的内外部环境，而聚集环境的变化对聚集体内的企业密度具有重要影响（Delacroix et al.，1989）。在发展的过程中，由于旅行社、星级饭店、旅游景区（点）等企业特征、经营模式、生产成本、盈利来源等存在差异，互联网对不同类型旅游企业聚集密度具有差异化的作用机制。

就旅行社而言，互联网对传统旅行社企业“中介”地位产生削弱效应的同时，推动旅行社企业创新发展即“再中介化”功能的发挥（张超等，2001；张朝枝等，2012），对旅行社企业经营规模与经济活动密集度的影响效应较大。就星级饭店而言，互联网整合了酒店及附近商业生态，共享资源信息与流量，优化对客体验与服务管理效率，降低生产运营成本，有益于经营规模扩大和聚集密度提升。但不同于快捷酒店等住宿设施，星级饭店的客源构成以商务客人为主，商务客源具有相对稳定的产品购买渠道，且星级饭店聚集主要受到政治经济环境影响（Urtasun et al.，2006），该类型企业的聚集密度受互联网影响相对较小。就旅游景区（点）企业而言，一方面，基于（移动）互联技术与智能手机等无线终端，通过创新组合“旅游景区+”产品并与其他产品提供商开展在线联合营销及售卖，拓宽了旅游景区（点）经营范围与规模；另一方面，伴随旅游供给侧改革、全域旅游、数字化转型的推进，旅游景区（点）企业共享区域资源整合、产业融合发展、数字化基础设施、智慧公共服务、生态环境、体制机制、政策规范等带来的外部红利（周锦等，2021），不断提升聚集密度。已有研究证实，互联网对旅行社企业经营规模的正向影响效应最大，对旅游景区（点）企业经营规模的正向影响效应次之，对星级饭店企业经营规模的正向影响效应最小（杨勇，2019），为互联网与不同类型旅游企业聚集密度之间的异质性关联提供理论依据。基于上述异质性机制的理论分析，本文提出假说4：

假说4：互联网对不同类型旅游企业聚集密度的影响具有异质性特征。

2 变量、模型与数据

2.1 变量设定

（1）被解释变量：旅游业聚集密度（）。旅游聚集经济所表现出的外部效应、集群内企业竞争优势等都是基于各组织间、组织与环境间所具有的一定关联之上，旅游业聚集过程同时伴随各种旅游相关关系的解构与建构。换言之，旅游业聚集体现出其特有的社会网络结构，一方面旅游业借助复杂的社会网络系统将旅游生产与消费活动嵌入国民经济社会体系中，并“根植于”全国各地的经济社会结构及其关系中提高自身发展效率；另一方面，产业聚集所具有的“机构稠密性”特征不断推动旅游企业、政府、行业协会等市场主体在区域意识支配之下，增强彼此互动关系，形成区域创新网络（谭劲松等，2007）。由此可见，旅游社会网络在旅游业聚集中具有强烈的“黏合”作用，在影响旅游业聚集演进的同时，也反映了地方旅游业聚集的现实水平。由于旅游社会网络的实地调查较为困难，本文用区域旅游业相对于全国水平而言的相对密集度作为代理指标。Trev为省（区、市）在期的旅游总收入，刻画了省级旅游业发展规模。考虑到区域土地面积的差异，进一步用省级行政单位土地面积加以平衡，处理方法如公式（1）所示。该式不仅凸显了省际旅游业发展的异质性差异，还从需求侧角度揭示了各地区旅游经济活动的规模扩张程度、旅游产业聚合程度及旅游产业空间分布密度情况。式（1）中，WTrev为期全国30个省（区、市）的旅游总收入，S为省（区、市）土地面积。

（2）核心解释变量和门槛变量：互联网综合发展水平（）互联网综合发展水平（）变量指的是区域（省域）作为旅游目的地的互联网综合发展状况。。互联网综合发展水平是本文的核心解释变量，也是门槛变量。之所以选择互联网综合发展水平作为衡量省级互联网综合发展状况的代理变量，主要出于如下考虑：第一，互联网的建设与发展涉及一揽子工程，单项指标既不能体现多元维度下互联网的复杂性、系统性特征，也不能客观反映我国不同区域互联网的实际发展能级；第二，尽管上述现状被越来越多的研究者意识到，但是囿于缺乏互联网发展水平的权威测算标准和方法，互联网普及率、网站总数等单个指标被广泛运用到相关研究（郭家堂等，2016；杨勇，2019）中。为了更加真实地揭示区域互联网发展状况，本文遵循科学性、系统性、层次性和可操作性原则，借鉴韩先锋等（2019）构建的思路，得到一个涵盖互联网普及、互联网基础设施、互联网信息资源、互联网商务应用和互联网发展环境共5个维度的互联网综合测度体系。累计11个细分指标，每个指标的经济含义如表1所示。

表1 我国省级互联网综合发展水平的指标体系

更进一步，借助时序全局主成分分析（GPCA）方法和面板数据类型构造出中国30 个省（区、市）2006—2017 年互联网综合发展水平变量。具体而言，首先对指标体系的原始数据进行去量纲和标准化处理；其次，数据分析结果显示，KMO 值均在0.7以上，SMC值均在0.8以上，表明全部观测值适合进行主成分分析；再者，采用特征根大于1 的判断依据并结合碎石图来确定主成分的因子个数，共得到3 个主成分，累计方差贡献率为0.8222；最后，按照公式（2）将互联网综合发展水平得分标准化到［0，1］区间内，得到后续研究所用的互联网综合发展水平变量。

其中，Y为省（区、市）的互联网综合发展水平得分，Max(Y)与Min(Y)分别为互联网综合发展水平得分的最大值和最小值。

（3）中介变量：旅游业多样化（）。根据前文的理论推理，选取旅游业多样化变量作为中介变量，分析互联网对区域旅游业聚集密度的间接影响机制。旅行社、星级饭店、旅游景区（点）等旅游企业构成了当前我国旅游统计体系中相对明确的供给主体，然而在消费升级的发展态势下，其提供的产品已经不能有效满足旅游者需求。随着旅游供给侧的变革，旅游新主体、新业态、新产品不断涌现，拓展了旅游产业体系的发展维度，满足了动态旅游需求。鉴于此，本文用旅行社、星级饭店、旅游景区（点）3 类传统旅游企业之外的旅游收入之和与旅游总收入的比值表征旅游业多样化水平（杨勇，2011），见公式（3）。diver表示期省（区、市）旅游业多样化水平，该数值越大，表明旅游业多样化水平越高，旅游业满足旅游者多元化需求所涉及相关产业内容的广泛性程度和多样化程度越高；反之，则表明旅游业多样化水平越低。

其中，rev为省（区、市）在期旅行社、星级饭店和旅游景区（点）3类旅游企业的营业收入总和，Trev含义同式（1）。

（4）控制变量：市场化程度（）、市场规模（）、交通密度（）和旅游资源禀赋（）。为了更加精准地测度互联网对区域旅游业聚集密度的影响效应，本文控制了以下变量：①市场化程度。区域市场化水平的提高有助于推动旅游业聚集，进而促进聚集密度的提升。鉴于区域对外开放程度与市场经济的发达性之间存在较大程度的关联，通常表现为一个地区的对外开放程度越高，市场经济越发达（杨勇，2013），用人民币表示的区域进出口贸易总额与区域的生产总值之比作为区域市场化程度的代理变量。②市场规模。市场规模及其消费潜力是旅游业聚集与演化的主要驱动要素之一，用区域人口规模衡量（杨勇，2013）。③交通密度。交通条件对旅游及相关企业的运输成本、区位选择等具有重要影响，进而影响区域旅游业聚集密度（王润等，2012）。借鉴既有文献（赵磊等，2018），采用区域铁路里程、公路里程及内河航运里程之和与区域土地面积之比衡量区域交通密度。④旅游资源禀赋。旅游业具备典型的“资源依赖”特征，“资源禀赋”型路径是我国旅游业聚集的传统发展模式（杨勇，2010）。在指标选取上，鉴于A级景区在游览、环境、资源、卫生等硬设施与软环境方面更加规范、更具口碑，对区域旅游业聚集、旅游经营规模扩大等具有重要的带动效应，借鉴冯学钢等（2012）的研究，用区域A级以上景区总数与区域土地面积之比衡量区域旅游资源禀赋。

2.2 计量模型

根据前文的理论梳理，本文将互联网纳入区域旅游业聚集密度演化的分析框架中，构建的基本计量模型如公式（4）所示：

其中，den表示省（区、市）在期的旅游业聚集密度，int表示省（区、市）在期的互联网综合发展水平，X表示在期对省（区、市）旅游业聚集密度产生影响的其他控制变量，ω表示省（区、市）不可观测的个体固定效应。为模型截距项，为互联网综合发展水平的影响系数，反映互联网对省级旅游业聚集密度的影响大小和方向，为控制变量的影响系数，ε为随机扰动项。

公式（4）检验了互联网对区域旅游业聚集密度的直接影响机制，而公式（5）和公式（6）通过引入旅游业多样化（diver）这一中介变量，进一步测度了互联网对区域旅游业聚集密度的间接影响机制：

为了探究互联网与省级旅游业聚集密度之间是否存在非线性效应，本文继续采用Hansen（1999）提出的面板门槛模型进行非线性机制的计量检验。公式（7）考虑了多个门槛值存在的情形：

在式（7）中，int既是核心解释变量，也是门槛变量，、、、···、γ为+1个门槛区间下的门槛值，、、、···、β为不同门槛区间下的回归系数。(·)为指示函数，当门槛变量满足条件时，指示函数取值为1，否则，指示函数取值为0。其他变量的定义与式（4）相同。

为了分析互联网对旅游业聚集密度影响的行业异质性效应，本文在公式（4）的基础上构建了互联网对旅行社、星级饭店和旅游景区（点）3 类企业旅游经营规模扩张与发展影响的计量模型，如公式（8）所示：

由于固定资本、劳动力投入是旅游企业可持续经营的重要支持因素（陈红剑，1990），本文将旅行社、星级饭店和旅游景区（点）3 类企业的固定资产存量与从业人员数量分别作为固定资本与劳动力投入的代理变量而纳入控制变量X中。表示旅行社、星级饭店和旅游景区（点）企业类别的编号，den表示期省（区、市）类旅游企业的规模扩张及经营活动分布密度，用省级类旅游企业收入占全国类旅游企业收入的比重再除以省级行政单位土地面积衡量，β表示互联网对类旅游企业的影响系数。其他变量定义与公式（4）相同。

2.3 数据来源

本文对中国30 个省级行政单位（不含香港、澳门、台湾和西藏）2006—2017 年的省级面板数据进行了分析。之所以选择2006年为基期，原因在于中国互联网络信息中心（CNNIC）公开的互联网相关指标数据自2006 年起较为全面。互联网细分指标的原始数据来源于中国互联网络信息中心的《中国互联网络发展状况统计报告》，《中国统计年鉴》及各省、自治区、直辖市的统计年鉴；旅游相关原始数据来源于《中国旅游统计年鉴》及其副本，各省、自治区、直辖市的《国民经济和社会发展统计公报》及中经网产业数据库；其他变量的原始数据来源于上述年鉴、高校财经数据库或通过计算得到。旅游收入经过以2006年为基期的GDP平减指数调整，旅游固定资产存量经过以2006 年为基期的固定资产价格指数调整。个别缺失数据采用Stata 15.0提供的插值方法填补。表2展示了各主要变量的描述性统计结果。

表2 变量描述性统计表

3 实证结果与分析

3.1 线性效应分析

首先，采用静态面板数据方法对公式（4）进行估计和检验，具体结果如表3 所示。表3上半部分展示了相关变量的计量检验结果，下半部分呈现了相关统计量。其中，模型（5）的被解释变量为旅游业多样化，其他模型的被解释变量为区域旅游业聚集密度。

表3 互联网对区域旅游业聚集密度影响的基本估计结果

根据模型（1）可知，互联网变量的影响系数在1%显著性水平上为正，表明互联网发展显著提升了中国区域旅游业聚集密度，支持了假说1 关于互联网对中国区域旅游业聚集密度具有显著正向线性作用的论断。互联网经济下的新型产品与服务类型及互联网及时有效的需求响应能力迎合了多元化、个性化、品质化的旅游需求特征，从供给与需求两侧提升旅游业聚集规模，增加聚集经济的空间密度。然而，本文的研究发现不止于此。

模型（5）和（6）列出了以旅游业多样化为中介变量的检验结果。模型（5）中互联网变量的影响系数显著为正，说明互联网对旅游业多样化具有积极的促进效用。模型（6）中旅游业多样化变量的影响系数同样显著为正，说明旅游业多样化能够正向影响区域旅游业聚集密度。进而表明，互联网可以通过旅游业多样化间接提高区域旅游业聚集密度。具体而言，在直接效应大小上，互联网综合发展水平提高1个单位，区域旅游业聚集密度平均增加0.3514个单位。在间接效应大小上，由于单位互联网综合水平的提高会导致旅游业多样化水平平均增加0.3125 个单位，而单位旅游业多样化水平的提高则会导致区域旅游业聚集密度平均增加0.3213 个单位，因而单位互联网综合水平的提高间接驱动区域旅游业聚集密度平均增加0.1004 个单位（0.3125×0.3213=0.1004）。互联网驱动中国区域旅游业聚集密度的总效应为0.4518，其中间接效应在总效应中的占比达到22.22%。间接效应的发现验证了假说2即互联网能够通过旅游业多样化间接驱动区域旅游业聚集密度。

互联网对区域旅游业聚集密度间接作用的机制在于：首先，互联网打破了传统地域范围的束缚，将海量旅游资源集中于“旅游云”。在提高人口共享程度时，更新、建立新型关系网络，促进旅游相关知识、技术、信息等要素的网络溢出，提升旅游聚集效率。其次，互联网的广泛运用突破了旅游垄断市场的“墙垣”，无数“长尾”中小型旅游企业占据细分市场，聚集趋势显著。不同规模的企业高效对接动态变化的需求系统，不断增强彼此合理分工与稳态合作的能力。再者，伴随互联网对旅游业发展贡献的增强，互联网、旅游者及旅游业之间会生成新的政策规范、社会契约等正式与非正式制度。互联网高度嵌入旅游空间而提供旅游业发展和绩效提升的支撑要素，改良旅游经济活动相互作用的网络机制并提供创新保障，激发区域旅游经济活动扩展的活力。

模型（2）、（3）和（4）列出了互联网对东部、中部和西部地区旅游业聚集密度的影响效应。结果显示，互联网对东部、中部和西部地区旅游业聚集密度具有积极的提升作用。互联网综合发展水平提高1个单位，分别能够促进东部、中部和西部地区旅游业聚集密度提高0.4112、0.2466、0.4225个单位。也即，互联网对西部地区的影响效应最大，东部次之，中部最小。这一发现不同于韩宝国等（2014）的研究结论，从另一个视角揭示，伴随全国互联网普及范围的扩大与普及率的提高，互联网对不同地区经济增长及产业发展体现出新的作用机制。具体而言，互联网提升不同地区旅游业聚集密度的差异化能力可归因于如下三点：第一，西部大开发战略推动了西部各省（区、市）市场化改革进程并提升了社会开放度，为互联网的运用与普及提供了资金、人力资源、技术、制度及用户心理基础；互联网因素植入旅游产业链后提高了特色资源、闲置资源、跨行业资源等的配置效率，同时改善了旅游业开发、利用和接待能力。第二，东部地区互联网的溢出效应略微低于西部地区的主要原因为，改革开放后东部地区旅游市场经济较早进入规则性制度环境下的规范发展阶段，互联网等现代科技较为发达，互联网在旅游业中应用及融合发展的边际效应率先达到峰值，目前已经进入需要转型升级的新阶段。第三，中部地区互联网溢出效应最小反映出“中部洼地”的经济社会发展现实，鉴于通信、邮电等基础设施建设的不完善，以及区域互联网整体普及率较低，互联网推动旅游经济发展的动能不足。

3.2 非线性效应分析

继线性效应研究之后，本文借鉴Hansen（1999）的面板门槛方法检验了互联网对中国区域旅游业聚集密度的动态非线性影响效应。表4报告了门槛模型检验的统计量和采用自抽样法（Bootstrap）模拟得到的值。就全国而言，互联网门槛变量显著通过了单一门槛和双重门槛，而就东部、中部和西部地区而言，互联网门槛变量显著通过了单一门槛。因而，采用双重面板门槛模型对全国层面进行分析，同时采用单一面板门槛模型分析东部、中部和西部地区。具体估计结果如表5所示。

表4 互联网对区域旅游业聚集密度影响的面板门槛效应检验

表5 互联网对区域旅游业聚集密度影响的面板门槛模型回归结果

模型（1）显示，双重面板门槛模型下互联网综合发展水平在各个区间的影响系数皆在1%显著性水平上为正，表明互联网对区域旅游业聚集密度存在积极的动态、非线性促进作用。分门槛区间来看，当互联网综合发展水平数值小于及等于0.57时，互联网变量的系数显著为0.4713，说明在第一门槛区间内互联网显著提高了区域旅游业聚集密度。当互联网综合发展水平数值大于0.57并小于及等于0.59时，互联网变量的系数显著为0.4319，说明在第二门槛区间内互联网依然显著提高了区域旅游业聚集密度，但较第一门槛区间，提升力度有所减弱。当互联网综合发展水平数值大于0.59时，互联网变量的系数显著为0.3874，说明在第三门槛区间内互联网还能显著提高区域旅游业聚集密度，但是提升力度进一步降低。换言之，在全国层面上，互联网对区域旅游业聚集密度具有显著、正向的非线性影响，但是随着互联网综合发展水平的提升，边际效应却在递减，并未体现“边际效应递增”的网络效应特征。实证研究结果部分支持假说3。主要原因在于：一方面，互联网与旅游业融合发展存在阶段性特征，当下我国人口老年化现象显著，人口红利优势日趋弱化，互联网应用的人群边界效应明显，如老年人旅游对互联网存在不适应问题；另一方面，互联网释放积极影响的同时，还存在不可忽视的消极影响及管理问题，有待进一步解决以推动互联网与旅游业融合的高质量发展。

模型（2）至模型（4）依次展示了东部、中部和西部地区互联网对区域旅游业聚集密度的面板门槛效应。分地区来看，当东部地区省级互联网综合发展水平数值小于及等于0.56时，互联网变量的系数显著为0.3823，表明在第一门槛区间内互联网对区域旅游业聚集密度具有积极的促进作用。当东部地区省级互联网综合发展水平数值大于0.56时，互联网变量的系数尽管显著，却减弱为0.3507。中部和西部地区出现了与东部地区类似的门槛现象。当中部地区省级互联网综合发展水平数值跨越0.57 后，互联网变量的系数由0.2339（显著）减小为0.1745（显著）。当西部地区省级互联网综合发展水平数值跨越0.61 后，互联网变量的系数由0.4285（显著）减小为0.3851（显著）。

不难发现：第一，在单一门槛情形下的任一门槛区间内，互联网对西部地区旅游业聚集密度的正向影响效应最大，对东部地区的正向影响效应居中，而对中部地区的正向影响效应最小。该发现与前文线性效应视角下的区域差异分析结果相一致。第二，西部地区互联网综合发展水平的门槛值最高，中部居中，东部最低，从旅游业聚集发展的门槛要求角度提供互联网区域溢出效应差异的新证据。即，尽管东部地区互联网应用及相关基础设施建设较为成熟，然而较低的门槛要求提前释放了互联网普及过程中溢出到旅游领域的技术红利，并导致市场规模优势难以得到充分发挥。西部地区却体现了与东部地区相反的产业经济规律，依托经济发展的快车道，不断提升的互联网综合水平带动旅游业实现突破式、长足发展。中部地区门槛值与东部地区较为接近，但这两个地区门槛值与西部地区差异较大，中部地区相对落后的互联网建设现状加之较低的门槛要求，严重阻碍了互联网对旅游业发展的施力效率及效益，揭示了互联网对区域旅游业聚集密度的促进作用不仅与互联网综合水平的高低、互联网发展阶段等有关，还依赖于地区经济社会的支撑条件。因此，明确互联网在缩小区域旅游业发展差距的同时，需要首先注重宏观经济社会基础的建设。

3.3 异质效应分析

鉴于旅游企业是旅游产业的基本构成单元，本文更进一步探讨互联网对旅行社、星级饭店、旅游景区（点）3 类旅游企业聚集密度是否存在异质性作用，估计结果如表6 所示。基于模型（1）的互联网变量系数在1%显著性水平上为正，表明互联网明显促进了旅行社类企业聚集密度的提升。同样，基于模型（2）和模型（3）的互联网变量系数分别在5%与1%显著性水平上为正，表明互联网对星级饭店和旅游景区（点）类企业聚集密度也都存在积极的推动作用。比较可知，互联网对旅行社类企业聚集密度的影响效应最大，对旅游景区（点）类企业聚集密度的影响效应次之，对星级饭店类企业聚集密度的影响效应最小，假说4成立。

表6 互联网对不同类型旅游企业聚集密度差异化影响的回归结果

互联网推动旅行社等旅游企业开展密集经济活动的动力机制体现在以下3个方面：首先，互联网提高了区域旅游企业的创新能力。互联网络的系统性、互补性、信息分享的非耗费性等特征对旅游企业发展产生了重要影响，并在组织行为、交易分配、生产经营等具体方面推进旅游创新（Koellinger，2008；Bertschek et al.，2013）。高水平的旅游创新催生高质量的旅游产品及服务，提高旅游者对产品及企业的满意度和忠诚度，使企业获得可观的产品销售利润，并塑造独特的品牌形象。旅游企业为了维护、宣传和推广品牌形象，会持续深化创新路径，以形成互联网与区域旅游企业创新的正向循环机制。其次，互联网强化了区域旅游企业的专业化能力。从密度经济理论（Economies of Density）来看，互联网在提升区域旅游企业创新能力的同时，增强了同类型旅游企业创新的同边正反馈效果，提高了要素-资源-产品不同层面的配置效率，助力旅游企业的“模块化”转型，以集中优势资源锻造核心能力。既能避免过度分工和重复竞争导致的“密度不经济”，还能提高相似性质企业群体的专业化能力。最后，互联网优化了区域旅游企业之间的关系网络。互联网改变了旅行社、星级饭店、旅游景区（点）等企业内部、之间及其与外部环境的联系方式和联系强度，凸显了“弱联系”纽带的重要性，增强了旅游企业根据内外部环境变化将“弱联系”调整为“强联系”的关系处理和应变能力（程立茹，2013），促使市场机遇、信息优势、资源交换优势等潜在关系资源最大化地转变为企业聚集效益。

3.4 稳健性检验

最后，本文进行了稳健性检验，在上述互联网溢出效应计量检验的过程中，就可能存在的内生性问题做了相应处理。（1）合理构建互联网综合发展水平的指标体系以测度区域互联网的实际发展状况，尽量降低数据偏差可能带来的不良影响。（2）在计量模型中增加市场化程度、市场规模、交通密度和旅游资源禀赋控制变量，以减弱因遗漏变量而可能产生的内生性问题。（3）对于线性估计，采用稳健的豪斯曼检验判断选择固定效应模型还是随机效应模型，而对于非线性估计，采用稳健标准误检验门槛效应。

为了提高研究结果的稳健性，本文分别对线性效应、非线性效应和异质效应分析的内生性问题开展更为深入的探究。（1）就线性模型而言，考虑到如果面板数据存在自相关和异方差，广义矩估计（GMM）比两阶段最小二乘法（2SLS）更加高效（林伯强等，2018），其中系统广义矩估计结合了差分方程和水平方程，基于方程系统的广义矩估计能够解决差分广义矩估计难以解决的弱工具变量等问题。本文将被解释变量的滞后一期作为工具变量对动态面板模型进行系统GMM 检验（Bond，2002），结果显示，互联网和控制变量的影响系数仍然显著为正，系数大小较之前文并无明显变动（见表7）。（2）就非线性模型而言，本文将核心解释变量互联网综合发展水平的滞后一期和滞后二期作为工具变量对前文面板门槛回归模型进行估计（Hansen，1999），结果表明核心解释变量互联网综合发展水平和控制变量估计结果均与前文无明显差别（见表8）。（3）就旅游企业主体异质效应而言，采用动态面板数据模型的系统GMM方法分别对旅行社、星级饭店和旅游景区（点）类企业的互联网溢出效应进行分析，发现互联网对这3类旅游企业的影响系数均显著为正，互联网变量估计结果与前文相应结果比较接近（见表7）。此外，本文将核心解释变量互联网综合发展水平替换为互联网普及率单一指标重新检验，结果支持了前文的研究结果。因此，本文的研究结果通过了稳健性检验，为研究假说成立与否的论断提供了稳健的经验证据。

表7 互联网对旅游业（旅游企业）聚集密度影响的动态检验

表8 互联网对区域旅游业聚集密度影响的门槛模型GMM估计结果

4 结论与建议

互联网对旅游业聚集密度的影响成为评估互联网与文旅业融合发展成效的一个重要剖面，具有鲜明的学术价值和实践意义。为了测度我国区域旅游业聚集密度的互联网溢出效应，本文分析了互联网对区域旅游业聚集密度的线性、非线性及异质性影响理论机制并预设相应假说，借助计量经济学模型和方法，从全国、区域和企业等多个层面开展实证检验。主要得到以下结论：（1）互联网明显促进了中国区域旅游业聚集密度的提升，西部地区旅游业聚集密度的互联网红利最大，东部地区次之，中部地区最小。（2）互联网能通过促进旅游业多样化间接驱动中国区域旅游业聚集密度，但是直接线性效应强于间接线性效应。这一发现不同于既有研究提出的“旅游业多样化与旅游业发展之间尚未形成利好的作用机制”结论（杨勇，2012），推动了相关方面的理论研究。（3）互联网对中国区域旅游业聚集密度具有动态、显著、积极的非线性影响，但是并未体现“梅特卡夫法则”。东部、中部和西部地区互联网“边际效应”递减的非线性特征与全国一致，但是都仅体现出单一门槛要求。（4）互联网对旅行社、星级饭店、旅游景区（点）等不同类型旅游企业聚集密度具有异质影响效应，效应大小表现为“旅行社>旅游景区（点）>星级饭店”。

根据以上结论，结合我国及各区域互联网与旅游业融合发展现状，具体提出以下几点政策建议：

第一，大力推进互联网建设工程，提升旅游业发展的互联网内驱力。基于互联网对区域旅游业聚集密度的直接和间接作用机制得出以下启示：（1）借助“十四五”期间新基建带来的新机遇，持续深化互联网、5G、云、AI等新技术与旅游业的融合，推动旅游经济发展效率与质量的提升，力争实现旅游经济效益的指数级增长。（2）依托互联网与大数据、物联网等技术的嵌套运作模式，结合旅游业多元应用场景，积极构建旅游数据要素驱动型发展路径；围绕旅游需求系统、海量数据开展游客画像的精准刻画，规划人性化、差异化和个性化的多元旅游产品体系，推动形成“旅游业+互联网+服务”的新经济业态，充分发挥互联网对旅游业集约化发展的驱动作用。

第二，制定动态的互联网融合发展战略，注重区域差异。基于互联网对区域旅游业聚集密度的非线性作用机制得出以下启示：（1）应根据互联网对旅游业发展影响的阶段性特征而制定针对性政策规划，随发展阶段的演进及时调整互联网新经济下旅游业的发展模式与重点领域。（2）互联网对西部地区旅游业聚集密度的提升强度最大，能够成为缩减西部地区与东部地区旅游经济发展差距的一股力量，西部地区需要抓住“互联网+”带来的机遇，不断改善旅游商业模式，推动旅游业产生基于互联网的内生发展动力。东部地区互联网综合发展水平较低的省（区、市）亟须将互联网建设作为新时代数字化转型的使命之一，尽快降低内部区域发展差距，提高区域内部互联网整体赋能效应，扩大互联网对旅游业发展的溢出效应。中部地区的经济建设应当成为地区的“本位任务”，这直接关乎互联网应用水平和旅游经济的发达程度，因此需将互联网工程及旅游业系统纳入地区经济社会发展框架，有序、统筹推进。

第三，增强旅游市场主体对互联网的创新利用。基于互联网对不同类型旅游企业聚集密度的异质性作用机制得到以下启示：在国家和区域层面上，应鼓励建设互联网生态下创新能力强、发展潜力大、兼具示范与带领作用的新型市场主体。譬如，致力打造旅游平台经济型企业，旨在通过互联网聚集创新、资本、人才等要素，革新旅游经营、管理及激励的传统模式，最终提升旅游市场主体的发展效率。

当然，本文还存在不足之处有待进一步研究。首先，关于旅游聚集关系网络。鉴于旅游聚集关系网络较为庞杂，实地调研具有较大难度，将旅游业聚集密度作为省级旅游业聚集关系网络的代理变量，一个理论前提是将特定区域作为均质系统，忽略了不同区域土地面积差异所产生的影响。在数据可获得的基础上，可研究更小尺度地域空间层面互联网等数字经济形态对旅游业聚集发展的影响过程与机理。围绕旅游业聚集关系网络，进行互联网与数字经济背景下多维视角分析，并延伸探讨旅游业与其外部相关产业系统之间的社会网络关联。其次，关于旅游业多样化。旅游业既有统计数据是建立在需求侧基础之上的，不同于国民经济核算体系中相关产业建立在产出基础上，旅游业多样化无法采用市场结构理论中的赫芬达尔产业集中度指数的倒数来度量。本文的旅游业多样化指标测算方式仅能反映旅游新产品、新业态创收在旅游总收入中所占比重，并不能体现旅游业动态多样化过程中旅游新产品、新业态的种类。未来相关研究可纳入对新产品、新业态种类数量的考量，提高旅游业多样化研究的科学性和客观性。