低碳试点是否有助于提高旅游业碳排放效率？——基于双重差分的实证检验

王 凯，关 锐，甘 畅

（湖南师范大学旅游学院，湖南 长沙 410081）

温室气体大量排放引起的气候变暖已成为各国广泛关注的全球性问题。作为世界第二大经济体，中国同时也是世界第一大碳排放国［1］。为应对日益严重的碳排放问题，中国政府在2010、2012 和2017 年分别开展三批低碳试点工作，力求通过低碳试点加速全国整体节能减排。传统观点认为旅游业是“无烟产业”，然而，既有研究表明，2019年中国旅游业碳排放总量已突破1.6亿t［2］，旅游业节能减排和低碳转型已迫在眉睫。因此，剖析低碳试点政策对旅游业碳排放效率的影响，对转变旅游发展方式、调整旅游产业结构和促进旅游高质量发展具有重要的理论意义和实践价值。

1 文献综述

目前学界已对旅游业碳排放效率展开深入探讨，并取得丰硕成果。学者们首先开展旅游业碳排放效率的测算，其主要方法为DEA 模型［3-4］及衍生的EBM 模型［5］、SBM模型［6-8］和Super-SBM模型［9-11］等，还有一部分学者采用单一比值法［12-13］进行测算。随着研究的逐步深入，学界的关注点开始从旅游业碳排放效率的测度转向对测度结果的解释，开始运用各种计量模型，对旅游业碳排放效率的空间异质性［5，14-15］、空间网络结构［7-8］、空间收敛性［16］和动态演进特征［17］等进行探讨。此外，既有文献多基于多因素框架对旅游业碳排放效率的驱动因素进行探索，如王凯等［17］选取经济规模、城镇化和环境规制等变量作为影响因素；王坤等［18］从旅游业规模、产业结构和技术水平等方面展开讨论；张洪等［19］从区域经济发展水平、交通便捷程度和对外开放程度等角度构建影响因素指标体系。亦有学者运用单因素框架进行探究，如王凯等［9］借助空间杜宾模型进行研究，结果显示旅游产业集聚对旅游业碳排放效率具有正向溢出效应；王梓瑛等［10］使用面板回归模型发现，环境规制与旅游业碳排放效率呈负相关。低碳试点政策其本质是环境规制的外在表现形式［20］，在环境规制与碳排放效率的关系这一问题上，学界基本持三种观点：环境规制与碳排放效率呈正相关关系［8］、负相关关系［10］或非线性关系［11］。相较之单一的命令型或市场型工具，低碳试点政策更具综合性和针对性［21］，对碳排放及碳排放效率的影响更为复杂，因此，学者主要聚焦低碳试点政策对碳排放［22-25］、碳排放效率［26-28］、绿色经济及绿色发展效率［29-31］、全要素生产率［32］和生态效率［33］等因素的影响。

综上所述，既有成果对旅游业碳排放效率的探讨为该研究内容拓展和研究方法创新奠定了坚实的学理基础，但也存在如下不足：既有文献缺乏低碳试点政策对旅游业碳排放效率的影响研究；同时，鲜有学者构建中介效应模型，探索低碳试点政策对旅游业碳排放效率的作用机理。鉴于此，该研究基于2005—2019 年中国30 个省份（由于数据可得性，研究未涉及西藏和港澳台地区）的面板数据，运用基于非期望产出的SBM 模型测算旅游业碳排放效率，并构建多期DID 模型和中介效应模型，剖析低碳试点政策对旅游业碳排放效率的影响及其作用机制，希望为加速旅游业绿色低碳转型和高质量发展提供理论支撑。

2 政策背景与理论分析

2.1 政策背景

2010年7月19日，国家发展改革委下发《关于开展低碳省区和低碳城市试点工作的通知》（下文简称为“《通知》”），正式开始实施低碳试点政策。根据《通知》，国家决定在广东、辽宁、云南、陕西、湖北、天津和重庆7个省份以及深圳、厦门、保定等6个城市率先开展低碳试点工作。2012 和2017 年，国家相继开展第二批和第三批低碳试点工作，将海南、北京、上海3 省市以及石家庄市、乌海市等71 个城市（区、县）纳入低碳试点体系。按照《通知》的要求，低碳试点地区的工作集中在低碳发展规划、相关配套措施、产业体系、温室气体统计和管理以及绿色生活方式5个方面。

2.2 理论分析

2.2.1 低碳试点政策对旅游业碳排放效率的影响机理

与单一的命令型或市场型工具不同，低碳试点政策是一种综合性环境规制工具，不仅对社会经济发展产生影响，而且能有效控制碳排放量的增长［20-21］。一方面，根据“波特假说”，合理范畴内的环境规制可以刺激技术变革，既有成果表明，技术水平每提高1%，旅游业碳排放效率将提高约0.203 6%［7］。在实施低碳试点政策的省份，国家要求制定低碳发展的相关配套政策，这意味着试点地区可以灵活运用财政政策对旅游企业的低碳转型进行补贴，进而刺激技术革新［33］，降低旅游业能耗量，从而提高旅游业碳排放效率。另一方面，旅游交通的碳排放量在旅游三大部门中居于首位［17］，低碳试点政策要求试点地区的居民形成绿色的生活方式和消费方式，这将促使旅游者在出行时选择更为绿色环保的交通工具，进而降低旅游业碳排放量，提高旅游业碳排放效率。基于此，该研究提出假设1。

假设1：低碳试点政策能够提高旅游业碳排放效率。

2.2.2 旅游产业结构的中介效应

根据Grossman［34］1992 年提出的理论，经济增长的环境效应包括规模效应、结构效应和技术效应，同时，产业结构的优化升级是提高区域旅游业碳排放效率的关键因素之一［11］。具体来说，一方面，低碳试点政策要求试点地区建立低碳产业体系，这势必将进一步提高服务业比重［22］。作为服务业的重要组成部门，旅游业将被纳入低碳产业体系，意味着旅游业的内部结构将发生较大变动，高碳排放部门可能受到限制，低碳排放部门将获得更多发展机遇，这将促使旅游业内部结构日趋合理化，加快旅游业低碳化进程，进而提高旅游业碳排放效率。另一方面，低碳试点政策可以促进低碳技术在旅游业内部的推广和应用，倒逼碳排放较高的旅游企业加大创新力度，其所激发的“创新补偿效应”大于“遵循成本效应”，这将促使旅游要素不断流入绿色技术水平较高的旅游企业，推动旅游产业链全面升级，促进旅游产业结构高级化，从而提高区域旅游业碳排放效率。基于上述分析，该研究提出假设2和假设3。

假设2：低碳试点政策通过旅游产业结构合理化来提高区域旅游业碳排放效率。

假设3：低碳试点政策通过旅游产业结构高级化来提高区域旅游业碳排放效率。

3 研究设计与数据来源

3.1 模型构建

双重差分模型（Difference-in-differences，DID 模型）是研究准自然实验或评估经济危机、政治动荡和政策实施等外部冲击效果的最佳方法之一［35］。该研究将低碳试点政策近似看作一项准自然实验，以低碳试点省份为实验组，其余省份为对照组，构建多期DID 模型。模型基本设定如下：

其中：i代表省份，t代表年份。tceeit代表t年i省份的旅游业碳排放效率值；didit是用以识别低碳试点政策的虚拟变量，若省份i在t年属于低碳试点省份，则didit=1，若省份i在t年不属于低碳试点省份，则didit=0；Xit为其他可能对旅游业碳排放效率产生影响的控制变量；λi代表的区固定效应；μt代表时间固定效应；εit为误差项。β为核心待估参数，代表低碳试点政策对于旅游业碳排放效率的政策效应，若β显著大于0，代表低碳试点政策对旅游业碳排放效率具有显著的正向作用；反之，具有负向作用。

3.2 变量选取

3.2.1 被解释变量

被解释变量为旅游业碳排放效率（tcee），并运用基于非期望产出的SBM 模型测算中国省域旅游业碳排放效率，具体公式如下：

其中：ρ*为目标效率值，取值范围为［0，1］；x、y、z分别为投入向量、期望产出向量和非期望产出向量；M、N、I分别代表旅游业各向量的数量分别为各向量的松弛量。

资本和劳动力是旅游经济发展不可或缺的资源要素，随着中国能源结构的变动，旅游业的能源消耗量日益受到学界关注，因此，以资本、劳动力和能源作为评价旅游业碳排放效率的投入指标［7］，并参考相关文献［9］，分别以旅游总收入和旅游业碳排放量表征旅游业碳排放效率的期望产出和非期望产出。其中，旅游业能源消耗量和碳排放量的测算方法参考王凯等［8］学者的研究，各指标的具体说明见表1。

表1 旅游业碳排放效率投入产出指标体系

3.2.2 解释变量

解释变量为低碳试点政策（did）。由于主要聚焦省级层面，故将三批试点工作中的地级市及区、县一级的行政区全部予以剔除。由于政策的实施效应具有滞后性，第二批试点工作的时间是2012 年11 月，故参考已有研究成果［1，28-29］，将第二批试点工作的开始时间设定为2013年。

3.2.3 中介变量

中介变量为旅游产业结构合理化（tsr）和旅游产业结构高级化（tsu）。区域二氧化碳排放总量很大程度上取决于产业结构的优化程度，因此，旅游产业结构合理化和旅游产业结构高级化将通过资源要素配置效率的改变对旅游业碳排放量产生显著影响［36］，进而影响旅游业碳排放效率。旅游产业结构合理化和旅游产业结构高级化的具体计算过程如下［37-38］：

其中：tsr和tsu分别表示旅游产业结构合理化水平和旅游产业结构高级化水平；Yit和Lit分别表示t年i部门的旅游收入和旅游从业人数；Yt和Lt分别表示t年全国的旅游收入和旅游从业人数；LP′it表示极差变换法标准化处理后的部门劳动生产率；n为部门数量。

图1 展示了2005—2019 年间中国旅游产业结构合理化和高级化的动态演化趋势。由图1可知，旅游产业结构合理化水平整体呈现波动下降的趋势，这表明旅游产业内部三大部门的配置日趋合理；同时，旅游产业结构高级化水平的波动幅度较小，其值较低，这显示旅游产业结构高级化水平仍有待提高。

图1 2005—2019年中国旅游产业结构优化程度和旅游业碳排放效率演化趋势

3.2.4 控制变量

（1）旅游业技术水平（tel）。技术升级是提高旅游业碳排放效率的重要举措，先进技术可以提高能源利用效率，降低旅游业能耗，减少旅游产业链的碳排放总量，从而提高旅游业碳排放效率。该变量选取单位旅游收入能源消耗量进行衡量［10］。

（2）旅游业碳排放结构（tces）。旅游业碳排放结构反映旅游业的产业结构和消费结构；交通等基础性消费产品占比过高将导致旅游业终端的能源消耗和碳排放强度增强，不利于旅游业碳排放效率的提高。因此，以旅游交通碳排放量占旅游业碳排放量的比重作为旅游业碳排放结构的代理变量［16］。

（3）政府干预度（govern）。政府干预度反映地方政府对污染治理的重视程度，可为旅游业发展创造良好环境，提升旅游业发展质量，进而影响旅游业碳排放效率。地方政府的财政支出是影响政策工具实施力度的重要因素［23］，因此，选择地方财政一般公共预算支出占GDP的比重来表征政府干预度［39］。

（4）环境规制（er）。一方面，环境规制迫使资源密集型和污染密集型企业选择更加清洁绿色的生产方式，从而降低二氧化碳排放总量；另一方面，过于严苛的环境规制可能限制旅游企业的经济行为，增加企业的运行成本。该变量选取环境污染治理投资额占GDP 的比重进行表征［7］。

（5）对外开放程度（open）。一方面，对外开放有利于引进发达国家先进的管理经验和低碳技术，进而促进旅游业碳排放效率的提升［8］；另一方面，由于“污染避难所”假说的存在，发达国家产业结构的调整可能导致部分污染性产业转移到中国，进而增加区域碳排放总量。以外商企业投资总额占GDP的比重反映对外开放程度［20］。

（6）城镇化（urban）。城镇化水平的提高，意味着旅游基础设施的改善和城镇人口环保意识的增强，同时，城镇化带来的人才集聚效应和知识溢出效应将促进旅游业技术水平的提高，进而提高旅游业碳排放效率。该变量选取城镇人口比重进行描绘［11］。

3.3 数据来源

以2005—2019 年中国30 个省份的面板数据作为研究样本，其数据主要来自《中国旅游统计年鉴》《中国文化和旅游统计年鉴》《中国文化文物和旅游统计年鉴》《中国统计年鉴》《中国环境统计年鉴》以及各省份统计年鉴。为剔除通货膨胀的影响，以2005年为基期对GDP、收入和费用等数据进行处理。由于原始数据中存在部分缺失数值，故利用线性插值法对其进行补充［1，40-42］，以确保数据的完整性。为避免异方差的影响，对控制变量取自然对数。各变量的描述性统计结果见表2。

表2 变量的描述性统计

4 实证分析

4.1 旅游业碳排放效率的动态演进

根据表1 的投入产出指标，借助Matlab R2018a 软件测算2005—2019 年中国各省份的旅游业碳排放效率，利用Origin 软件绘制效率均值变化图（图1），并将旅游业碳排放效率由低至高划分为低效率、较低效率、中等效率、较高效率、高效率5个等级（表3）。

表3 2005—2019年中国旅游业碳排放效率时空演变

在时间序列上，研究期内，中国旅游业碳排放效率呈现小幅波动增长的演化态势，效率均值由2005 年的0.610 增加至2019 年的0.719，年均增幅为1.18%，但距最佳前沿生产面（旅游业碳排放效率值为1）尚存在28.1%的差距。同时，由图1 可以看出，由于第一批省份被纳入低碳试点体系，2010 年的旅游业碳排放效率增速较快；且伴随第二批试点省份名单的出现，2013年之后的旅游业碳排放效率值继续呈现小幅波动增长的演化态势。具体来看，低效率和较低效率省份的数量由2005 年的15个减少至2019年的6个，降幅为60%；中等效率省份的数量由2005 年的9 个增加到2019 年的12 个，增幅为33.3%；高效率和较高效率省份的数量由2005 年的6 个增加到2019 年的12 个，增幅为100%，这些省份多是由中等效率省份演变而来，其在地理位置上多邻近高效率省份，且旅游业碳排放效率具有正向的空间溢出效应［11］，故高效率省份旅游业碳排放效率的提高可能带动周边省份旅游业碳排放效率的提升。

在空间分布上，旅游业碳排放效率呈现显著的“东高西低”的空间格局。从局域分布来看，东部各省份的效率值均较高，为旅游业碳排放高效率区，可能由于这些省份经济发达，绿色技术水平较高，旅游产业结构更为合理，旅游业碳排放效率长期处于领先地位［4］。西部各省份的效率值均较低，为旅游业碳排放低效率区，主要原因在于西部地区生态环境相对脆弱，发展旅游业反而引发当地旅游环境进一步恶化，从而导致旅游业碳排放效率的下降［15］。近年来，随着国家政策倾斜和市场需求转变及东部省份“涓滴效应”的进一步增强，西部省份旅游发展环境有所改善，旅游业碳排放效率有一定程度提高。

4.2 平行趋势检验

应用DID 模型的关键前提是满足平行趋势假设，即在没有低碳试点政策干预之前，实验组和对照组的旅游业碳排放效率应具有平行的变化趋势，以保证政策执行带来的差异［24，35］。参考相关文献［43］，利用事件分析法进行检验。图2 显示：在低碳试点政策实施前，核心待估参数βk均不显著，表明不能拒绝原假设，即满足平行趋势检验。在低碳试点政策实施之后，βk均显著为正且呈波动上升趋势，表明低碳试点政策对旅游业碳排放效率产生正向影响，且这种影响逐渐增强。

图2 平行趋势检验结果

4.3 基准回归结果

表4 中列出了低碳试点政策对旅游业碳排放效率的基准回归结果，列（1）表示未加入控制变量的回归结果，列（2）表示加入控制变量后的回归结果。结果显示：未加入控制变量时，核心解释变量did的系数显著为正，表明低碳试点政策对旅游业碳排放效率具有显著的促进作用，低碳试点产生正向的政策效应。加入控制变量后，核心解释变量did的系数依旧显著为正，表明加入控制变量可减少遗漏变量对回归分析的干扰，增强结果的稳健性。同时，与非低碳试点省份相比，低碳试点省份的旅游业碳排放效率提高了8.8%，显示国家推行低碳试点政策的绩效是显著的，低碳试点政策有利于加速旅游业节能减排和低碳化转型，假设1得以验证。

表4 基准回归结果

4.4 异质性检验

由于所处的地理位置不同，各地区在经济基础、环保理念和旅游发展等方面存在显著的差异，这导致低碳试点政策在各地区的实施效果可能存在典型的异质性［26］。有鉴于此，首先按照地理位置，将研究样本划分为东部、中部和西部三大地区；其次进行回归估计，进一步探讨低碳试点政策实施对不同地区旅游业碳排放效率产生的影响，其结果见表5。

表5 异质性检验

表5显示：低碳试点政策对旅游业碳排放效率的影响系数在东部地区显著为正，在西部地区显著为负。东部地区经济发展水平较高，技术、人才等要素禀赋条件较好，加之多数低碳试点省份位于东部地区，因此，低碳试点政策在东部地区产生显著的碳减排效应。西部地区由于经济基础较差，旅游业规模小，其技术创新能力较弱，导致低碳试点政策在试点时期内未能发挥其碳减排的作用。中部地区并未通过显著性检验，可能的原因：中部省份以煤为主的能源消费结构导致旅游业能源消耗量和碳排放量居高不下，从而产生较强的碳排放依赖性和碳锁定效应，最终导致低碳试点政策未能在中部地区形成显著的碳减排效应。

4.5 稳健性检验

4.5.1 PSM-DID估计

为进一步验证前文结果的稳健性，参考前人的研究成果［24，28］，以式（1）中的控制变量作为匹配变量，采用近邻匹配、核匹配和半径匹配三种方法进行PSM-DID 估计。结果见表6 中列（1）—列（3），核心解释变量did的系数值依旧显著为正，表明回归结果是稳健的。

表6 稳健性检验

4.5.2 其他低碳政策效应检验

各省份的旅游业碳排放效率受到低碳试点政策影响的同时，可能会受到其他环境政策的干扰。参考景国文［44］的研究，引入相关干扰政策的虚拟变量并探究其对旅游业碳排放效率的影响。主要选取碳排放权交易试点政策，参考李治国［45］的研究，构建政策虚拟变量CET，将纳入政策体系的6个省市在2013年之后的年份赋值为1，其余情况均赋值为0，在此基础上，将构建的政策虚拟变量CET加入到式（1）中。回归结果见表6 中列（4），did的系数依旧显著为正，构建的政策虚拟变量CET未通过显著性检验，表明低碳试点的政策效应并未受到其他政策的干扰，结论具有稳健性，与Zhou 等［46］和曹翔等［47］学者的结论基本一致。

4.5.3 其他稳健性检验

（1）内生性检验。针对低碳试点省份的选择可能非完全随机带来的潜在内生性问题，利用工具变量法予以解决。既有研究通常使用解释变量的滞后项作为工具变量［48］，因此，以低碳试点政策的滞后一期（iv）作为工具变量。一方面，低碳试点政策与其滞后变量相关，满足工具变量的相关性假设；另一方面，由于滞后变量已经发生，故为“前定”，所以与低碳试点地区的选择并无直接关系，满足工具变量的外生性假设。使用两阶段最小二乘法进行检验，结果见表6中列（5），可以看出，F值为189.01，大于10，表明通过弱工具变量检验，即工具变量的选取是有效的；did的回归系数依旧显著为正，表明研究结果是稳健的。

（2）反事实检验。这一检验的内容是假设政策的实施时间提前，以证明在控制可观测因素的条件下，实验组与对照组在政策实施之前的发展趋势不存在差异［27］。参考张兵兵等［21］和龚梦琪等［49］学者的研究，统一将政策的实施时间提前两年，进行反事实检验。结果见表6 中列（6），可以看出，提前两年的政策效果并未通过显著性检验，即其他不可观测因素并未对旅游业碳排放效率产生影响，进一步验证前文研究具有稳健性。

（3）缩减样本。由于直辖市是国家发展战略的重点，在发展机遇、经济基础等方面具有巨大优势，相较于其他省区更易获得政策支持和资金投入［31］。参考胡求光等［31］和赵振智等［32］学者的成果，将实验组中的直辖市剔除，然后进行回归分析，结果见表6 中的列（7），可以看出，低碳试点政策did的估计系数依旧显著为正，表明低碳试点政策对旅游业碳排放效率具有正向作用，进一步支持前文的研究结论。

4.6 机制分析

参考韦东明等［30］和景国文［43］和温忠麟等［50］学者的研究成果，构建中介效应模型，剖析低碳试点政策对旅游业碳排放效率的作用机制，具体模型如下：

其中：M代表中介变量，即旅游产业结构合理化（tsr）和旅游产业结构高级化（tsu）；其余变量含义与式（1）相同。

中介效应的检验程序参考温忠麟等提出的方法［49］。第一步，对模型（5）中的回归系数β进行检验，若结果显著进行下一步，反之不存在中介效应。第二步，依次检验模型（6）中的回归系数β1和模型（7）中的回归系数γ，如果二者均显著，进行第三步；若二者至少存在一个不显著，进行第四步。第三步，检验回归模型（7）中的回归系数β2，若结果显著，说明存在部分中介效应，反之存在完全中介效应。第四步，进行Sobel 检验，若结果显著，表明存在中介效应，反之不存在。

中介效应的检验结果见表7。列（1）对应检验程序的第一步，核心解释变量did的系数显著为正，表明可以进行下一步检验。列（2）和列（3）是中介变量tsr对应检验程序的第二步，可以看出，中介变量M的系数γ没有通过显著性检验，故需要进行Sobel 检验；检验结果通过了10%水平的显著性检验，表明存在中介效应，即低碳试点政策通过推动旅游产业结构的合理化来提高旅游业碳排放效率，假设2 得以验证。列（4）和列（5）是中介变量tsu对应检验程序的第二步，结果表明，β2和γ均不显著，且未通过Sobel 检验，表明不存在中介效应，即假设3 不成立。当前，多数省份的低碳旅游产业体系尚未建立，旅游业仍处于转型升级阶段，导致旅游产业结构高级化水平相对较低，低碳试点的政策效应未得到充分释放，因此导致中介效应不显著。

表7 中介效应检验

5 结论与启示

基于2005—2019 年中国30 个省份的面板数据，该研究运用基于非期望产出的SBM 模型测算旅游业碳排放效率，并构建多期DID 模型和中介效应模型，剖析低碳试点政策对旅游业碳排放效率的影响及其作用机制，结论与启示如下。

（1）研究期内，中国旅游业碳排放效率呈现小幅波动增长的演化态势，效率均值由2005 年的0.610 增加至2019 年的0.719，但距最佳前沿生产面（效率值为1）尚存在28.1%的差距，这表明中国旅游业的碳减排工作虽取得一定成效，但仍任重道远，地方政府仍应继续推广低碳旅游发展模式，制定低碳旅游相关的一系列标准规范、行动方案以及保障性政策，为低碳旅游发展保驾护航。与此同时，研究期内，旅游业碳排放效率空间分布不均衡，总体呈现出“东高西低”的分布特征，西部地区仍是未来旅游业碳减排的重点区域。鉴于各省份的经济发展基础和旅游业规模各不相同，应当因地制宜，根据本省的实际情况，制定符合自身发展的旅游业碳减排政策，避免出现“一刀切”现象。

（2）低碳试点政策能够显著提高区域旅游业碳排放效率，与非低碳试点省份相比，低碳试点省份的旅游业碳排放效率提高了8.8%，表明低碳试点政策有利于加速旅游业节能减排和低碳化转型。为此，中央政府应进一步扩大低碳试点的范围，在全国推广低碳试点的成功经验，加强低碳试点省份的交流与合作，形成低碳试点省份空间网络，由“低碳省份”升级为“低碳经济区”，推动区域旅游业碳减排工作。值得注意的是，低碳试点政策在东部地区的影响显著为正，在西部地区的影响显著为负，在中部地区的影响不显著。作为旅游业碳减排的重点，西部地区可借助吸引外资、科研补贴、旅游人才引进等政策，引导资金、技术、人才等旅游要素回流，着力促进旅游发展模式转变，实现旅游业高质量发展。

（3）低碳试点政策可以通过推动旅游产业结构合理化促进区域旅游业碳排放效率的提高，因此，在制定旅游发展规划时，各省应注意旅游业内部酒店、旅行社和旅游景区三大产业占比的合理配置，不断调整和优化旅游产业内部结构。同时，各省份可将低碳试点政策同产业政策、金融支持和行政命令等环境规制工具相结合，通过市场机制引导高碳排放、高能耗的旅游企业有序退出竞争市场，并使资本、技术、人才等旅游生产要素向具有较高环境效益的旅游企业聚集。由于旅游产业结构高级化未能通过中介效应检验，因此政府、旅游企业等要注重旅游人员的技能培训和素质提升，并注重先进科技的引进和推广，努力提高旅游产业的劳动生产率，进而提高旅游产业结构高级化水平。

值得注意的是，该研究仍存在以下不足：第一，由于统计口径尚不健全以及相关统计数据的缺失，旅游业碳排放效率测度模型的系数未精确到每个年份，虽能反映各省旅游业低碳发展基本情况，但在一定程度上可能使得测度结果偏保守。第二，由于地级市或县域单元尚未建立旅游能源消耗统计体系，因而该研究的地域对象为中国30个省份；亟待未来统计体系进一步健全，学者可深入探讨低碳政策对城市旅游碳排放效率的影响。