长江经济带旅游业全要素碳生产率及其与产业集聚互动响应

刘依飞，王 凯

(湖南师范大学 旅游学院，湖南 长沙 410081)

《2030年前碳达峰行动方案》提出，要将碳达峰贯穿于经济社会发展全过程和各方面，各行各业要根据二氧化碳排放现状及趋势制定切实措施，加大节能减排力度。旅游业并非无烟产业，持续增长的大众旅游需求和大规模的旅游活动必然导致目的地旅游业碳排放量增加。将长江经济带作为中国生态优先绿色发展主战场，引领经济高质量发展，这要求旅游业在发展过程中既要注重经济增长又要注重生态效益。旅游业全要素碳生产率有效整合了旅游经济增长和碳减排两大目标。在碳达峰、碳中和时代背景下，提高旅游业全要素碳生产率是旅游业应对全球气候变化的重要途径。旅游产业集聚作为旅游产业发展最具活力的空间形态，是旅游业良性发展的必然阶段[1]。因此，探究长江经济带旅游业全要素碳生产率区域差异及其与旅游产业集聚的互动关系，对于不同地区实施差异化旅游减排政策，实现长江经济带旅游业高质量发展具有现实启示作用。

1 文献综述

国内外对碳生产率的测度方法主要包括单要素和全要素两类，Kaya等[2]首次提出碳生产率概念，定义为单位CO2排放的经济产出效益。由于单要素碳生产率计算方法简单有效，被学者广泛使用，研究尺度从国家宏观层面[3]拓展到制造业[4]、建筑业[5]、农业[6-7]、服务业[8]、工业[9-10]等各行业。随着旅游业碳排放量的持续增长[11]，对碳生产率的研究逐渐延伸至旅游业。周婷婷等[12-13]探讨旅游业碳生产率区域差异及其影响因素，发现旅游业碳生产率呈现东高西低的空间格局，但西部地区增长最快，旅游业发展、旅游部门碳排放结构、城市化以及游客规模影响碳生产率变动。马继等[14]基于空间自相关方法,发现入境旅游碳生产率存在明显的空间集聚，且以低入境旅游碳生产率省区彼此相邻为主。但是，单要素碳生产率忽略了要素替代变化的影响，近年来多利用基于投入产出分析的全要素框架模型进行估计[15-16]。王凯等[17]基于方向性距离函数的ML指数，将旅游业碳排放作为非期望产出，测算旅游业全要素碳生产率，并建立面板模型探究其影响因素，发现旅游业的经济规模、能源强度产业结构、碳排放结构，对外开放和城镇化均不同程度地影响旅游业全要素碳生产率。

综上所述，国内外已经取得了较为丰富的研究成果，但是，鲜见基于全要素框架，从中宏观尺度探究长江经济带旅游业全要素碳生产率的区域差异研究。此外，已有研究忽略了空间集聚与碳生产率的动态关系，探究旅游业全要素碳生产率与旅游产业集聚互动响应关系的文献更为少见。因此，本文采用Super-SBM模型结合Malmquist指数，测算2001—2019年长江经济带旅游业全要素碳生产率，分析区域差异特征；再运用VAR模型探究旅游业全要素碳生产率与旅游产业集聚之间的互动响应关系，以期为长江经济带旅游业碳减排工作及实现高质量发展提供参考。

2 研究方法与数据

2.1 研究方法

2.1.1 Super-SBM模型基于松弛的非径向非角度的SBM模型，解决了投入、期望产出和非期望产出指标存在松弛所导致测度结果精度不高的问题，但存在无法区分多个相对效率为1的有效决策单元(DMU)问题。对此，Tone[18]提出了基于非期望产出的Super-SBM模型，公式如下：

(1)

参考已有研究成果[17]，构建旅游业全要素碳生产率的投入产出指标体系：以旅游业固定资产投资额、旅游业从业人员和旅游业能源消耗量为投入指标；以旅游业收入为期望产出；以旅游业二氧化碳排放量为非期望产出。其中，旅游业能源消耗量和旅游业碳排放以旅游交通、旅游住宿和旅游活动为主要领域，基于“自下而上”的方法计算得到。

2.1.2 Malmquist指数可以反映效率的动态变化情况，Fare等[19]将其与数据包络分析(DEA)模型相结合，构造了跨期变动的Malmquist指数变化。指数变化又分解为技术变化(TECH)和效率变化(EFFCH)，公式如下：

(2)

式(2)中，x为投入，y为期望产出，b为非期望产出；Dt(xt，yt，bt)代表在t时期技术水平下的效率水平，Dt(xt+1，yt+1，bt+1)代表在t时期技术水平下t+1时期的效率水平，Dt+1(xt，yt，bt)代表在t+1时期技术水平下t时期的效率水平，Dt+1(xt+1，yt+1，bt+1)代表在t+1时期技术水平下的效率水平。

2.1.3 区位熵可以消除区域尺度上的差异，能真实地反映地理要素的空间分布而被广泛使用。本文参考研究文献[20]，选用区位熵衡量，公式如下：

TAit=(TIit/Iit)/(TIt/It)

(3)

式(3)中，TAit为t时期i地区的旅游产业集聚水平，TIit为t时期i地区的旅游收入，Iit为t时期i地区的地区生产总值，TIit为t时期全国旅游总收入，It为t时期国内生产总值。

2.1.4 VAR模型向量自回归(VAR)模型可以描述变量之间的互动关系，较少受到既有理论约束，方便分析各变量之间长期动态影响[21]。在VAR模型中，脉冲响应函数和方差分解用于考察某变量冲击对该变量及其他变量产生的动态影响及贡献程度。在此，运用该模型探究旅游产业集聚与旅游业全要素碳生产率之间的相互影响实效性与影响程度，构建模型如式(4)：

yt=A1yt-1+…+Apyt-p+B1xt-1+…+Bqxt-q+εt

(4)

式(4)中，yt为内生变量向量，xt为外生变量向量。当yt代表旅游产业集聚水平时，xt则表示为旅游业全要素碳生产率；当yt代表旅游业全要素碳生产率时，xt则表示为旅游产业集聚水平。p和q为滞后阶数，变量的滞后阶数主要依据AIC准则、SC准则、HQ准则确定。εt为随机扰动项。

2.2 数据来源

本文采用2001—2019年长江经济带11个省(市)相关数据。其中东部地区包括上海市、江苏省和浙江省；中部地区包括安徽省、江西省、湖北省和湖南省；西部地区包括重庆市、四川省、贵州省和云南省。数据主要来自2002—2018年《中国旅游统计年鉴》(及其副本)，2019年《中国文化和旅游统计年鉴》，2020年《中国文化文物与和旅游统计年鉴》，2002—2020年《中国统计年鉴》《中国交通统计年鉴》，2001—2019年各省(市)《国民经济和社会发展统计公报》等。

3 研究结果与分析

3.1 旅游业全要素碳生产率时间演变

研究期内，长江经济带旅游业全要素碳生产率指数均值为1.083，表明旅游业全要素碳生产率平均增长速度为8.3%。如图1所示，在2001—2014年，旅游业全要素碳生产率变化率处于波动变化态势，震荡较为剧烈，2015年后增长率逐渐趋于平稳。具体来看，在2002—2003年，2003—2004年，2005—2006年和2007—2008年旅游业全要素碳生产率分别出现了13.3%，1.2%，5.4%和1.2%的下降，其他年份则呈增长态势。从分解项看，旅游业技术效率指数几乎位于1以下，表现为“下降→增长→下降→增长→下降”的变化趋势；除2003—2004年旅游业技术进步指数小于1外，其他年份旅游业技术进步处于增长趋势。这说明长江经济带旅游业全要素碳生产率的增长主要来源于旅游业技术进步，旅游业技术效率的下降在一定程度上阻碍了旅游业全要素碳生产率的提升。可见，旅游低碳技术使得旅游碳减排工作取得一定成效，旅游业非期望产出降低，但旅游企业可能存在经营管理不善和资源配置不合理等问题。未来应进一步提高旅游业技术效率，加速旅游业全要素碳生产率的提升。

图1 长江经济带旅游业全要素碳生产率及其分解

3.2 旅游业全要素碳生产率区域差异

如表1所示，研究期内东部、中部和西部地区旅游业全要素碳生产率分别呈现10.3%、7.2%、7%的平均增长速度。其中，在2001—2007年，东部地区的增长速度始终处于领先地位，西部和中部地区处于追赶状态，中部地区增长速度处于较高地位；2018—2019年，中部地区和东部地区被西部地区反超。从分解项看，东部、中部和西部地区旅游业技术效率分别出现了2.7%、2.7%的下降和0.5%的增长，技术进步分别增长13.5%、11.4%、7.4%。具体来看，东部地区除2007—2008年、2013—2014年有所下降外，其他年份始终呈增长态势，但旅游业技术效率几乎逐年降低。表明东部地区具备先进的绿色发展技术，技术进步推动了旅游绿色发展，但在资源配置效率和管理模式方面存在不足；中部地区在2002—2003年、2003—2004年、2005—2006年下降幅度较大，旅游技术效率较低。可以看出，中部地区旅游企业管理模式和经营效率仍有待提高，未来应转变旅游发展方式，提高资源利用率，进而提升旅游业全要素碳生产率；西部地区在2008年后始终呈现增长趋势，发展势头较好。西部地区应在优化资源配置的基础上积极引进旅游绿色低碳技术，以旅游业技术进步带动旅游业全要素碳生产率的进一步增长。

表1 长江经济带区域旅游业全要素碳生产率及其分解

为更加直观地观察长江经济带旅游业全要素碳生产率的区域差异性，分别计算研究期内各年份旅游业全要素碳生产率的变异系数。如图2所示，2001—2019年区域差异在整体上呈波动变化特征，但震荡幅度随时间推移逐渐降低。说明长江经济带旅游业全要素碳生产率的区域差异性表现为在波动中逐渐缩小的趋势。其中2005—2006年区域差异明显上升并达到峰值，结合表1可以发现，此时中部地区旅游业全要素碳生产率指数较低，而东部地区的指数较高；2012—2013年区域差异再次扩大，此时表现为西部地区较低而中部地区较高；2018—2019年又变为中部地区较低而西部地区较高的区域差异。这一系列变化，说明长江经济带旅游业全要素碳生产率存在阶段性变化，东部、中部和西部之间存在交流合作，但还不够稳定。整体来看，区域之间差异缩小，说明长江经济带各地区更加注重旅游环保，一定程度上实现了共同进步，降低了区域旅游业碳排放量，进而提高了整体旅游业全要素碳生产率。

图2 旅游业全要素碳生产率变异系数

3.3 旅游产业集聚水平

如图3所示，在研究期内，长江经济带旅游产业集聚水平总体上呈缓慢增长态势，上升幅度不大。分区域来看，在2017年西部地区旅游产业集聚达到较高水平之后急速下降；中部地区旅游产业集聚水平呈快速上升趋势，得到较大幅度提升；东部地区旅游产业集聚水平呈明显下降趋势。研究初期，长江经济带旅游产业集聚水平东部地区最高，中部地区最低，区域差异较大；至末期变为中部地区最高，东部地区最低，但区域差异缩小。说明长江经济带旅游产业在空间分布上逐渐均衡，各地区之间加强了交流合作，联系越来越紧密，区域遵循集聚—扩散或扩散—集聚的演变规律。

图3 长江经济带分区域旅游产业集聚水平

3.4 旅游业全要素碳生产率与旅游产业集聚互动响应

旅游产业集聚对旅游业全要素碳生产率的影响，一方面表现为集聚区内的旅游企业相互关联，相互学习经营管理经验，进一步加快旅游企业知识的传递与交流[22]，提高旅游低碳技术进步，提升旅游业全要素碳生产率；另一方面，集聚规模迅速扩张可能导致旅游业碳排放量增加，进而阻滞旅游业全要素碳生产率提高。旅游业全要素碳生产率提高可以促进各生产要素流动，提高旅游资源配置效率，降低成本，为旅游产业集聚创造条件。因此，旅游产业集聚与旅游业全要素碳生产率之间相互影响、相互作用，最终实现经济发展和环境保护并重的旅游业高质量发展新格局。

3.4.1 脉冲响应利用ADF分别检验旅游业全要素碳生产率和旅游产业集聚序列数据的单位根，若原始序列非平稳则采取一阶差分处理再检验，以保证各地区数据平稳性而不会出现伪回归[23]。检验结果如表2所示，旅游业全要素碳生产率(ML)的原始序列除云南、湖北、湖南等省份外均为平稳序列，云南、湖北、湖南的一阶差分在1%的显著性水平上通过检验；而旅游产业集聚(TA)只有重庆的原序列为平稳序列，而其他省市均为一阶单整平稳序列。

在数据平稳性基础上分别建立长江经济带东部、中部、西部各省区VAR模型和旅游产业集聚与旅游业全要素碳生产率之间的脉冲响应函数，脉冲响应关系如图4所示。

图4 长江经济带东部、中部、西部旅游业全要素碳生产率与旅游产业集聚之间的脉冲响应关系

对于东部地区。旅游产业集聚对旅游业全要素碳生产率的响应程度如图4(a东部)，上海、江苏、浙江均在第1期响应值最大，之后则迅速下降。其中江苏、浙江表现为正向响应，上海为负向响应。另外，江苏在第2—5期，上海、浙江在第2—10期内虽有轻微波动变化，但总体上响应呈现平稳态势。受到来自旅游产业集聚的冲击如图4(b东部)，上海表现最为显著，第2期达到最大值0.178。此后，正负值交替出现，变化幅度逐渐变小，至11期后趋于平缓；江苏只在第2期对冲击作出正向响应；浙江呈现“降低—提升—降低”的变化趋势，至第5期后冲击值在0值上下波动并逐渐趋于平稳。

对于中部地区。旅游业全要素碳生产率对旅游产业集聚的冲击程度如图4(a中部)，湖北只在第2期和第3期呈现轻微正向响应，之后无明显变化；江西在前7期呈不规则M型态势，第8期后作用不明显，呈现波动正向影响；湖南冲击程度呈周期性变化，冲击值在正负之间波动，但波动幅度越来越小；安徽前10期呈W型态势，之后冲击变化不大，在0值附近上下波动。旅游业全要素碳生产率对旅游产业集聚的响应程度如图4(b中部)，江西、湖北前5期响应程度较大，响应值的变化趋势相反，之后逐渐趋于平稳；湖南第1期响应程度最大，而后响应程度下降至第4期后趋于平缓；安徽响应持续时间较长，响应值正负交替变化，但变化幅度总体呈现减小趋势。

对于西部地区。旅游产业集聚对旅游业全要素碳生产率的响应程度如图4(a西部)，贵州、云南最为显著，响应值在正负之间交替变化；云南初期响应程度最大，贵州在第2期达到最大，而后变动幅度逐渐减小；重庆在受到冲击后立即作出反应，响应程度在第1期为0.028，而后逐渐降低并趋于平稳；四川省初期无响应变化，第2期正向影响达到最大值0.035，之后连续下降至第4期后又开始上升，第6期后响应值徘徊于0附近。受到来自旅游产业集聚的冲击如图4(b西部)，重庆无明显变化，四川、贵州、云南的响应程度较大，其响应程度随时间变化逐渐减小，最终趋于平稳。

3.4.2 方差分解

1)从旅游业全要素碳生产率的方差分解看，如表3所示。长江经济带各地区旅游业全要素碳生产率主要受自身影响，随着时间推移，旅游产业集聚对旅游业全要素碳生产率的贡献程度升高。上海和贵州的贡献率均达到较高程度，其中上海在第3期迅速提升，贵州则表现为逐渐提升。此外，上海和贵州旅游产业集聚水平较高，说明地区有效发挥了旅游产业集聚效应，推动了旅游低碳技术创新，降低旅游业碳排放量进而提高旅游业全要素碳生产率。湖北旅游产业集聚水平不高但贡献率较高，可能是旅游产业集聚处于初步形成阶段，产业价值链逐步发挥作用，旅游企业上下游协调治理，促进旅游业全要素碳生产率提高。安徽、江西、江苏、湖南和重庆贡献程度较低，均低于30%，表明产业结构、城镇化、政策制定等诸多外在因素可能会影响地区旅游业全要素生产率的改善。

表3 旅游业全要素碳生产率方差分解

2)从旅游产业集聚的方差分解看，如表4所示。上海贡献程度下降，从第1期的27.95%下降到8.18%左右，旅游业全要素碳生产率对旅游产业集聚的影响逐渐下降，上海若要进一步提高旅游产业集聚水平需要政府政策保障、外部市场竞争等外部支撑条件。云南、江西和湖南在第1期主要受到自身冲击影响，随着时间推移，云南和江西的旅游业全要素碳生产率对旅游产业集聚的影响越来越大，湖南虽有所提升，但贡献程度依旧较低。安徽、江苏、重庆、四川、浙江、贵州贡献程度无明显变化，安徽和重庆的贡献程度较高，达到50%以上，说明旅游业全要素碳生产率提高对旅游产业集聚具有重要的支撑作用，提高资源配置效率、降低旅游业碳排放量有助于提高集聚程度。湖北在第1期旅游业全要素碳生产率对旅游产业集聚的方差贡献率为15.75%，之后虽有所提升，但可以看出旅游业全要素碳生产率对旅游产业集聚的影响程度有限。

表4 旅游产业集聚方差分解

续表4

4 结论与建议

本文基于Super-SBM模型和Malmquist指数方法，测算长江经济带旅游业全要素碳生产率及其分解，进一步分析了长江经济带东部、中部和西部的区域差异特征，探讨了旅游业全要素碳生产率与旅游产业集聚的互动响应及方差分解。研究结论如下。

1)2001—2014年，旅游业全要素碳生产率变化率处于波动变化态势，2015年后增长率逐渐趋于平稳。从分解项来看，研究期内旅游业技术进步始终处于增长趋势，而旅游业技术效率则处于下降趋势，说明旅游业全要素碳生产率增长主要来源于旅游业技术进步。

2)研究期内，长江经济带上中下游旅游业全要素碳生产率均处于增长态势，其平均增长速度表现为东部>中部>西部的区域差异特征。其中，东部和中部地区的旅游业技术效率指数均值小于1，旅游业技术效率亟待提高；西部地区旅游业技术进步处于增长趋势，相比中部和东部仍有待提高。

3)长江经济带旅游业全要素碳生产率与旅游产业集聚水平之间的脉冲响应，主要表现为前期波动较大、后期趋于平稳的态势。

4)研究初期，旅游业全要素碳生产率主要受自身影响，随着时间推移旅游产业集聚对其贡献程度升高；旅游业全要素碳生产率对旅游产业集聚的贡献程度则因地区而异。

基于以上研究结果，提出以下主要建议。

1)长江经济带应发挥领头作用，带头实现旅游业全要素碳生产率的持续增长，带动其他地区快速向旅游经济高质量发展方式转变，同时注意旅游业技术进步与技术效率的平衡问题。应加强长江经济带西部地区与中部、东部地区的合作，提高旅游产业技术创新能力进而促进旅游业技术进步；中部和东部地区应依托当下技术优势，合理配置旅游资源，提高资源利用率，不断促进旅游产业结构转型升级，使旅游生产要素从低生产率部门流向高生产率部门，提高旅游业技术效率，使旅游业全要素碳生产率得以持续增长。

2)各地区因地制宜地实现旅游产业集聚与旅游业全要素碳生产率之间的双向互动。如：四川、贵州、云南借助良好的旅游空间布局，完善集聚区内旅游生产要素流动的行政保障，进一步促进旅游企业低碳技术交流，降低旅游业碳排放量；安徽、江西、江苏、湖南和重庆应在旅游空间集聚初步形成的同时，加快发挥集聚规模效应，提高旅游业全要素碳生产率。充分发挥旅游业全要素碳生产率对旅游产业集聚的支撑作用，促进知识和技术在不同旅游企业之间流动和共享，逐步形成旅游产业的集聚空间格局。