中国省域旅游经济发展空间效应研究

任树珺 张 欣 张 博

(1.济南大学 商学院；2.济南职业学院；3.济南大学 文化和旅游学院，山东 济南 250002)

0 引言

旅游业是当今我国重要的综合性产业，与经济发展关系密切。2019年全国旅游经济保持高于GDP增速的较快增长速度，旅游总收入同比增长11%。旅游经济迅速发展的同时，旅游经济发展不均衡等问题日渐凸显，从理论上看，几乎所有的空间数据都具有空间相关性[1]。当然旅游经济也不例外，资本和劳动力等要素在旅游活动中有明显的区域流动性[2]，旅游经济的空间效应以及驱动旅游经济快速发展的因素得到学者的广泛关注。Yang[3]采用空间计量模型实证分析了区域旅游增长的空间溢出和空间异质性。向艺、赵磊[4,5]等研究发现我国旅游业发展具有明显空间相关性和空间集聚特征，传统的计量模型存在偏差。吴媛媛等[6]运用ESDA、空间变差函数、空间计量方法，揭示了中国旅游经济空间格局演变特征及影响因素，结果表明中国旅游经济空间相关性显著为正，高高和低低集聚现象明显，但经济空间差异在不断减小。赵鑫等[7]利用引力模型分析河北省各市对周边区域旅游经济的辐射能力。由此来看，旅游经济在省级和地市级层面确实存在空间相关关系。

对于推动旅游经济发展因素的研究，Shvedov[8]较早地在经济增长理论框架下估计了旅游业中资本投入对旅游经济的促进作用。Aleksander[9]从经典经济理论的三个基本生产要素：劳动力、土地和资本出发，认为劳动力、信息、知识、创新、旅游基础设施是影响区域旅游经济发展的因素。Irma Booyens[10]研究发现旅游业创新是影响旅游业发展的重要因素，加强网络在旅游业中的运用，促进旅游业创新可以提高旅游竞争力。国内学者在研究中发现资本要素投入在旅游经济增长中发挥着主要作用。左冰[11]研究发现中国旅游经济的增长主要是依靠资本投入，呈现出资本密集型特征，劳动力要素和技术投入要素的贡献尚未充分发挥。苏建军[12]通过分析中国旅游投资与旅游经济发展的时空演变与差异，发现旅游经济发展受旅游投资的明显影响。但也有学者着重强调劳动要素的重要性，刘长生[13]以中国29个省市的面板数据为样本，以旅游业从业人数及受教育状况等表征人力资本这一变量，实证研究发现旅游业人力资本积累有利于促进旅游业发展。刘军[14]从旅游人才行业结构和空间结构角度分析对区域旅游经济增长的影响。

刘小燕[15]采用Tinbergen改进的C-D生产函数对中国旅游业增长的要素贡献率分析发现，技术进步和资本投入对中国旅游业的发展起积极影响，劳动要素则成为当前中国旅游业经济增长的阻碍。郭悦、王亚飞[16,17]等发现改善旅游业技术效率可以提旅游业全要素生产率。赵金金[18]研究发现我国区域旅游经济增长主要是受到生产要素、技术要素和制度要素影响，从空间杜宾模型的效应分解结果来看旅游从业人员数和旅游企业固定资产具有明显的负外部性。在研究某一区域旅游经济驱动要素时应当具体情况具体分析，布乃鹏[19]基于模糊集定性比较分析方法(fsQCA)研究山东省17个城市旅游经济发展的空间特征，深入分析劳动力、资本、土地(资源)及经济发展水平等要素对山东省旅游经济发展影响路径，发现不同区域的影响要素有差别，而且不同要素的影响路径不同。

以上研究表明，虽然旅游经济发展的空间相关性已经得到关注，但多以截面数据为样本，对面板数据研究较少，相关研究有待继续完善。另外对于旅游经济各要素的研究中，对资本还是劳动力要素对旅游经济发展的贡献率更高，尚未得到一致结论。此外，相关研究仅分析旅游经济的空间相关性，未对各要素的空间溢出效应进行分析。因此本文基于我国省域2009-2019年的数据，通过空间计量模型分析旅游经济的空间相关性以及劳动力、资本、技术要素的贡献率。

1 研究方法与模型设定

1.1 探索性空间数据分析

探索性空间数据分析(ESDA)是用来分析空间数据，分析空间关联的一种方法。用来分析空间自相关的指数有莫兰指数I、吉尔里指数C和Getis-Ord指数G。其中莫兰指数最为流行、使用最为广泛的。因此文章采用该方法对旅游经济的空间相关性进行检验，全局空间自相关用于分析观测变量在整体上的空间关联，通常用Global Moran′s I来衡量，公式如下：

(1)

若是具体分析观测变量在某区域i附近的空间集聚情况，则应使用局部莫兰指数(Local Moran′s I)来衡量，公式为：

(2)

其中，wij是空间权重矩阵，xi、xj为省域i、j的地理属性观测值；n为样本数量。莫兰指数I的取值范围是[-1,1]，若数值为正即代表正自相关，也就是高值与高值相邻、低值与低值相邻。莫兰指数越接近于0，变量的空间分布越随机。

1.2 模型构建与数据来源

基于现有研究，本文基于柯布—道格拉斯生产函数，考虑劳动、资本和技术要素投入构建以下函数。

Yit=ALitαKitβ

(3)

其中，Yit是第i个区域在t时期的旅游经济产出，Lit和Kit分别是i区域在t时期的劳动要素投入和资本要素投入，A为技术进步，α和β是待估系数，其数值表示各变量的贡献率。为了消除函数估计中存在的异方差，对式(3)的左右两边取对数，得到普通面板模型。

LnYit=LnA+αLnLit+βLnKit

(4)

因变量Y：旅游经济，旅游业主要是指以旅游者为服务对象，为其旅游活动提供各种便利性服务的综合性产业，包括旅行社、餐饮、住宿等与旅游相关的企业[20]。因此在整个旅游活动过程中旅游者和经营者所产生的所有经济往来的综合就是旅游经济。Yang(2012)指出，由于无法获得旅游业各个部门的具体数据，因此旅游业经济总量可以采用旅游收入来衡量[21]。本文以旅游收入(国内旅游收入与入境旅游收入之和)来衡量旅游经济发展水平。

自变量：K为资本要素投入，目前相关旅游业固定资本投入统计缺乏，采用固定资产投资额来表示资本要素投入。L为劳动力投入，以旅游业从业人数衡量，将餐饮、住宿、景区等相关行业的年末就业人数，加总得到。A是按恒定比率增长的外生技术进步，科技创新是旅游产业结构转型升级的重要途径，这里借鉴现有研究成果以科学研究和试验经费支出(R&D支出)衡量技术水平。

以上各变量的数据来源于国家统计局、山东统计年鉴、中国统计信息网以及各地市统计局的相关数据。

1.3 空间杜宾模型

空间杜宾模型(Spatial Durbin Model，SDM)包含了解释变量和被解释变量的空间依赖效应，是考察地理要素空间关联的主要模型。

Yit=β0+λWYit+βIXit+δiWXit+εit

(5)

Yit、Xit是第t年第i个地区的因变量和自变量的观测值，W是空间权重矩阵，ε为服从独立同分布的随机误差项，WYit表示因变量之间的内生交互效应，WXit表示不同区域间的自变量之间的外生交互效应。δβλ是待估系数。λ是被解释变量的空间滞后系数，δ是解释变量的空间自回归系数。

由此，考虑旅游经济发展过程中的空间相关性对普通面板模型(4)进行补充升级，建立起包含内生交互效应、外生交互效应和干扰项之间交互相应的空间计量模型。

(6)

其中，εit是随机扰动项，ρ 是空间滞后系数， λ 是空间误差系数，θ1、θ2、θ3是外生变量的空间自相关系数，当λ 值为零时，模型可简化为空间滞后(SLM)模型；当 ρ 为零时，模型变为空间误差(SEM)模型。最后，当 ρ = 0 、θ=0、λ=0时，该模型变为标准最小二乘回归模型。

2 实证分析

2.1 空间自相关分析

空间自相关是指变量在不同位置上的观测数据之间潜在的相互依赖性。目前研究中多用全局 Moran 指数这一指标进行衡量。其中空间矩阵的构造必须满足空间相关性随着‘距离’的增加而减少的原则。

全局自相关检验，使用2009-2019年的旅游总收入数据，在Geoda软件中，选择“queen contiguity”(后相邻)生成空间权重矩阵，进而计算莫兰指数，发现研究期内莫兰指数全部为正值，在0.219893—0.364808之间波动，且均至少通过0.05的显著性检验，说明我国各省旅游经济发展存在空间自相关，在研究省域旅游经济发展过程中不可忽视空间效应。

表1 我国省域旅游经济Moran′s I值

图1 省域旅游经济发展水平的Moran散点

为了揭示国内各省旅游经济的局部空间关联特征，运用Geoda对2009-2019年的旅游总收入均值进行局部空间自相关检验,并形成Moran's I散点图，发现图中分别有13和11个城市位于第一和第三象限，占整个研究区域单元总量的77.4%，表明我国各省份旅游经济存在正向空间相关性。我国旅游经济的局部空间关联，以高高和低低集聚为主，具体来看位于第一象限(高—高集聚)的主要是山东、江苏、浙江、河南、贵州、广东、江西、广西、安徽、湖北、河北。这些省份旅游经济发展水平较高，旅游发展的空间关联性也较强。第二象限(低—高集聚)，即发展水平较低的区域被发展水平较高的邻近区域所包围，主要有重庆和天津。对于这些区域，加强与周边省市的旅游合作有利于带动当地旅游发展。位于第三象限(低—低集聚)的主要是西藏、甘肃、青海、黑龙江、吉林、内蒙古、新疆等。位于第四象限高低集聚的主要有四川、辽宁、北京，这些区域本身旅游发展水平较高，但周边地区发展缓慢，空间带动效应较弱。

2.2 空间计量模型的检验与分析

在进行模型估计之前，需要通过(Robust)LM检验进行空间误差模型(SEM)和空间滞后模型(SLM)的比选。由分析结果可知，lm-error、lm-lag、和rubost lm-error均通过了0.05的显著性检验，都拒绝“无空间自相关”的原假设，即我国省域旅游经济发展是存在空间误差项的。相较于OLS模型空间计量模型更能解释问题。本文先建立空间杜宾模型(SDM)，然后通过Walds和LR检验来判断空间杜宾是否可简化为空间误差模型(SEM)和空间滞后模型(SLM)。根据表2分析可知Walds和LR检验结果均至少通过了0.05的显著性检验，拒绝可以简化的原假设，我国省域旅游经济增长的SDM模型不可以简化为SLM或SEM。最后的Hausman 检验结果通过0.05的显著性检验，所以拒绝随机效应选择固定效应模型，因此对于本文的研究问题，选择固定效应的空间杜宾模型。

从表3的模型结果来看，固定效应的空间杜宾模型的R2大于随机效应SDM和OLS。对比OLS模型和固定效应的空间杜宾模型，可以发现，如果忽视空间效应，则高估了劳动力、资本投入、创新投入这些要素对旅游经济的影响。空间固定效应SDM模型的空间溢出系数ρ为0.159，且在0.05的水平上显著，表明我国各省份的旅游经济具有显著的空间溢出效应，相邻省份的旅游发展的空间带动效应显著，即本地旅游经济每增长1%，将带动邻近省份旅游经济增长0.159%。

表2 空间计量模型的检验结果

旅游经济的这种空间交互作用，将进一步推动旅游经济全面发展，各省份应致力于促进旅游生产要素(人才、资本和创新等)的跨县域和跨行业流动与集聚，充分利用旅游经济发展的空间溢出效应。

从自变量对旅游经济的空间交互效应来看，资本投入、劳动力投入、技术创新要素投入都对我国省域旅游经济具有显著的空间溢出效应，其中技术创新投入的空间交互作用系数为正值，说明本地R&D投入增多会对邻近地区旅游经济发展产生带动作用。而劳动力和资本投入的空间交互作用系数为负值，分别是-0.531和-0.531，说明邻近地区的旅游业劳动力和资本投入增加会对本地区旅游经济发展产生负面影响，邻近地区劳动力要素投入增加1%时，会导致本地区旅游经济减少0.531%。

表3 我国省域旅游经济增长的OLS和SDM回归结果分析

2.3 空间效应分解结果分析

表4是将我国省域旅游经济的空间效应分解成直接效应和间接效应的结果，据此进一步分析各要素的作用路径，从直接效应来看，可以发现劳动、资本和技术要素对于本地区旅游经济的增长都存在不同程度的促进作用，其中资本要素投入系数最大为0.387。从间接效应分析，技术进步的空间溢出效应显著为正，说明技术要素投入对于周边地区的旅游经济有促进作用，如果邻近地区技术要素投入每提高 1%，会通过空间交互作用间接促进本地旅游经济增长1.382%。

表4 旅游经济的SDM空间固定效应分解结果

综合来看，促进本地和邻近地区旅游市场发展的因素主要是资本投入要素和技术创新投入要素，资本投入要素主要通过直接效应直接促进本地旅游经济发展。但由于空间效应存在，劳动要素和资本要素对邻近地区旅游业发展主要带来抑制作用，各因素对旅游经济的影响路径和强度差异明显。因此，在旅游经济的研究中，空间依赖特征不可忽视，对不同地区劳动力要素和资本投入要素的配置要注重平衡性，实现旅游经济长效发展。

3 研究结论

(1)2009-2019年我国31个省份旅游经济表现出较强的空间集聚特征，莫兰指数为正值，表明旅游经济存在正向空间自相关。且近3年的莫兰指数值明显较高，说明空间集聚强度逐年加大。各省旅游经济的局部空间关联特征以“高-高”和“低-低”集聚为主，高-高集聚主要在山东、江苏、广东等东部省份；低-低集聚主要位于我国东北和西北地区。

(2)固定效应的SDM是拟合效果最好的模型。旅游经济存在显著空间溢出效应，本地旅游经济每增长1%，将带动邻近省份旅游经济增长0.159%。若忽略旅游经济的空间效应，将高估各影响因素对旅游经济的作用程度。因此，政府在制定旅游发展规划和相关政策的时候，应重视旅游经济增长的溢出效应，促进邻近地区旅游经济共同发展繁荣。

(3)在C-D生产函数基础上，采用空间杜宾模型分析劳动、资本和技术要素投入对旅游经济的贡献，发现各个要素对旅游经济的贡献程度和影响路径差异明显，三种要素投入增加均对本地区旅游经济的发展起到促进作用，其中资本要素投入的贡献远大于其它要素，说明我国省域旅游经济增长主要是资本要素投入驱动，具有资本密集型的特征。通过对溢出效应进行分析，发现邻近地区的劳动要素和资本要素投入对本地区旅游经济发展具有较大的负效应，而临近地区技术创新要素的投入对本地区有带动作用。因此在我国旅游经济全面发展及其相关政策制定过程中应充分考虑这种差异，注重空间依赖性特征，加强邻近地区在要素投入方面的合作与交流，促进各要素跨地区流动，特别注重地区间的劳动要素和资本要素资源配置的平衡性，同时致力于提升劳动力要素的贡献度，提高省域旅游资本投入与旅游产出，实现旅游经济可持续发展。

(4)我国各省份之间旅游经济发展不平衡，充分发挥空间溢出效应可带动全国旅游经济共同发展。在研究中可以发现，资本要素和劳动力要素对旅游经济的贡献差距很大，劳动力要素对旅游经济的贡献度较低。随着消费者越来越注重服务质量，相关部门不仅要保证旅游服务者的数量，更要注重其服务质量，同时提高服务者收入水平，提高邻近地区及本地区劳动力对旅游经济增长的协同贡献。科技的进步不仅对本地区旅游经济有正向影响，还会带动邻近地区发展水平，所以加强科学研究与试验的投入，推进旅游信息化，发展智慧旅游是旅游业发展的必然趋势。

推动旅游经济发展的因素较为繁杂，本文主要借鉴吴玉鸣[2]、刘小燕等[15]的研究，结合空间计量分析了我国省域旅游经济发展之间的空间相关性，同时依据C-D生产函数探讨了劳动力、资本和技术进步几个要素对旅游经济的贡献，但旅游经济的其他影响因素例如政策、交通便利程度以及一些重大事件等未考虑在内。在后续研究中，可选取更加全面的影响因素，使研究结论更具科学性和适用性。