中國旅游業發展導致了資源詛咒效應嗎？

曹翔++郭立萍

[摘 要]以往文獻往往忽視旅游產業發展的階段性而單獨探討旅游發展對經濟增長的影響。該文將“資源詛咒”和“資源福祉”納入統一的研究框架，利用2003—2013年188個優秀旅游城市的面板數據動態地考察了旅游發展對我國經濟增長的影響及其影響機制，最后將這些城市分為旅游起飛城市、旅游福祉城市、旅游詛咒城市3類。結果發現：（1）旅游發展與經濟增長呈“倒N”形關系；（2）旅游發展通過抑制技術進步、市場化水平對經濟增長帶來負向中介效應，而通過提高物質資本、人力資本以及對外開放水平來對經濟增長產生正向中介效應；（3）科技投入、政府干預負向調節著旅游發展與經濟增長的關系；（4）“旅游地荷蘭病”現象在中國并不存在；（5）旅游資源福祉效應占據主導地位，但也有少數城市存在旅游資源詛咒現象。

[關鍵詞]旅游資源福祉；旅游資源詛咒；中介效應；調節效應；系統GMM

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2017）05-0014-12

Doi： 10.3969/j.issn.1002-5006.2017.05.007

引言

作為國家戰略支柱產業的旅游業，具有資源消耗低、帶動系數大、就業機會多、綜合效益好等諸多優點，其直接和間接影響的細分行業多達100多個，并且可以通過產業協同發展來影響經濟增長。在經濟新常態的大背景下，這種產業關聯效應對于拉動我國經濟增長具有重要作用。據2011—2014年國民經濟和社會發展統計公報顯示，2011年以來我國進入了以經濟增長率持續低于8%為特征的新常態時期，但旅游總收入卻依然保持著10.2%到15.1%的高增長態勢?！?014年中國旅游業統計公報》更是指出：“2014年我國旅游業對GDP的綜合貢獻為6.61萬億元，占GDP總量的10.39%；其引致的直接和間接就業人數達到7873萬，占全國就業總人數的10.2%”。與此同時，我國也出現了以黃山、麗江、張家界、三亞為代表的高度依賴旅游業的城市。這些城市以其得天獨厚的旅游資源為基礎，形成了以旅游業為單一支柱產業而其他產業發展相對滯后的產業結構。然而，著名的“資源詛咒”假說（Sachs和Warner）卻指出高度依賴資源產業可能會拖累經濟增長[1]。

那么，中國旅游業的蓬勃發展會一如既往地成為國民經濟發展的資源福祉還是會導致類似其他自然資源的資源詛咒效應呢？左右著我國旅游業發展是否會導致資源詛咒效應的決定性機制又是哪些？顯然，對于這兩個問題的回答有利于促進我國旅游業趨利避害地成為我國經濟發展的持續驅動力。遺憾的是，國內外關于旅游資源福祉的研究很多，但對旅游資源詛咒效應的研究卻并不多。具體到中國旅游業來說，僅有朱希偉和曾道智、左冰等學者進行了相關研究[2-4]。然而，這些研究要么僅從理論模型出發，要么僅從線性關系來簡單地論證旅游資源詛咒效應的存在性，并且都不約而同地忽視旅游業發展的階段性對其結論的影響。筆者認為“旅游資源詛咒”和“旅游資源福祉”如同一枚硬幣的兩面一樣并不矛盾。處于不同發展階段的旅游業對經濟增長的影響存在差異。旅游產業發展的生命周期性將直接左右著旅游資源福祉效應或旅游資源詛咒效應的發生。為此，筆者基于Bulter旅游地生命周期理論[5]，將旅游資源福祉和旅游資源詛咒納入統一框架，動態地探討了中國旅游業發展對經濟增長的影響及其背后的傳導機制，以期為相關的決策提供依據。

1 文獻綜述

縱觀國內外關于旅游發展與經濟增長的研究，大部分文獻都認為旅游發展能夠顯著促進經濟增長，即旅游資源福祉效應存在。直到Sachs和Warner發現自然資源存在資源詛咒效應之后[1]，學者們才把注意力轉到旅游資源詛咒效應。此外，也有極少數學者（如Po和Huang，趙磊）認為旅游發展與經濟增長存在非線性關系[6-7]。

關于旅游資源福祉效應的文獻可謂汗牛充棟，這類文獻大多認為旅游發展作為經濟增長過程的重要組成部分，能夠有效地帶動經濟增長。自Shan和Wilson正式提出旅游發展促進經濟增長假說以來[8]，學者們紛紛證明了旅游發展可以通過增加稅收[9]和外匯收入[10]、促進投資[11]、提高人力資本[12]、創造就業機會[13]、刺激消費[14]等途徑來促進經濟增長。Holzner在對全世界134個國家的研究中發現，旅游收入較高的國家往往擁有較高的經濟增長率，并且不存在所謂的“荷蘭病”的危險[15]。此外，部分學者在西班牙、希臘、韓國、中國的經驗研究都支持了這一觀點[16-19]。

盡管國內外關于旅游資源詛咒效應的文獻并不占主導，但卻提醒人們必須要客觀全面地看待旅游發展對經濟增長的作用。學者們紛紛從不同的傳導機制對旅游資源詛咒的存在性進行了驗證，大體可以分為外部傳導機制和內部傳導機制兩大類別。從外部傳導機制來看，學者們主要認為旅游發展會通過“荷蘭病”引致的去工業化和抑制貿易開放來阻礙經濟增長[20]。例如Chao等認為小型城市如果過分依賴旅游業，就容易形成“荷蘭病”而制約其他產業和城市經濟的發展[21]。從內部傳導機制來看，已有研究認為旅游發展會通過阻礙技術進步、擠出物質資本和人力資本等方式來抑制經濟增長[22]。

另外一部分學者則認為旅游發展對經濟增長存在正反兩方面的影響，不能一概而論。例如，Ashworth和Page指出旅游業能夠帶來持續的經濟利益，但高度依賴旅游業會降低相關產業的帶動效應而阻礙經濟增長[23]。朱希偉和曾道智、左冰也認為我國旅游業對于目的地長期經濟增長具有正負兩方面的反饋效應[2-3]。簡而言之，這類文獻認為旅游發展對經濟增長的影響主要取決于旅游依賴程度，但大都是基于簡單地線性關系而得到結論。Po和Huang則認為旅游發展與經濟增長之間并非簡單的正向和負向線性關系，而是呈現非線性關系[6]。趙磊則進一步指出旅游發展與經濟增長呈現“U”型 關系[7]。

綜上所述，國內外學者們對旅游發展與經濟增長的認識經歷了由單一觀點到多種觀點的過程，至今仍存在諸多爭論。不可否認的是，學者們對旅游發展與經濟增長的認識變得更加客觀和科學。與此同時，這些研究仍然存在著以下不足之處：第一，已有研究大多缺乏理論基礎，更多的是基于經驗證據來判斷旅游發展與經濟增長的關系。這一點也得到了左冰的認同[4]。第二，計量模型過于簡單，對內生性問題不夠重視。大多數文獻均是通過簡單的線性關系就斷定了旅游資源詛咒效應的存在性，僅有極少數學者注意到了旅游發展與經濟增長的非線性關系。第三，已有研究大多僅僅是直接將旅游發展、傳導機制放在一起對經濟增長進行回歸，忽視了對傳導機制的進一步分析。第四，已有文獻大多忽視了旅游產業發展的階段性而不約而同地單獨討論“旅游資源詛咒”和“旅游資源福祉”的存在性。筆者認為“旅游資源詛咒”和“旅游資源福祉”如同一枚硬幣的兩面一樣并不矛盾，只是旅游業在不同發展階段的不同表現而已。

針對上述不足之處，本文在旅游地生命周期理論的基礎上，將“資源詛咒”和“資源福祉”納入統一的框架，然后利用2003—2013年188個優秀旅游城市的面板數據動態地考察了旅游發展對我國經濟增長的影響，并從中介效應和調節效應的角度深入分析了旅游發展如何通過傳導機制對經濟增長產生影響。與以往文獻相比，本文可能的創新之處如下：（1）研究視角上，本文從旅游產業發展的階段性出發將“資源詛咒”和“資源福祉”納入統一的框架；（2）理論機制方面，本文提出了旅游發展與經濟增長的“倒N”形作用機制；（3）研究方法上，本文采用了動態面板模型，利用系統GMM方法對內生性問題進行了有效處理，并且利用中介效應和調節效應分析方法較為具體地檢驗了旅游發展如何通過各傳導變量來影響經濟增長。

2 模型構建

2.1 旅游發展影響經濟增長的模型構建

如同前文所述，以往文獻大多是通過簡單的線性關系來判斷旅游資源福祉效應和旅游資源詛咒效應的存在性。Po和Huang研究發現，當旅游收入占GDP比重在4.05%和4.73%之間時才有利于經濟增長，而低于4.05%或高于4.73%都沒有顯著促進經濟增長[6]。這似乎暗示旅游發展與經濟增長也并非簡單的“U”形關系。無獨有偶，Bulter提出的旅游地生命周期理論模型清晰地表明：旅游業在長期發展中呈現“S”形增長路徑[5]。李軍和陳志鋼更是指出這種“S”形是由多個短周期組成，每個短周期的末段都可以通過旅游產品的改造升級達到更高水平的短周期[24]。大體上，每一個短周期可以歸納為開發期、成長期、成熟期、衰退期4個階段。當處于開發期時，旅游業呈現出“知名度較低且市場需求小，旅游收入增長較慢”等特點，其過高的成本勢必拖累整個經濟體的經濟增長，即“成本效應”起著主導作用，可視為“資源起飛”。當處于成長期時，旅游業表現出“初具規模、知名度較高、市場需求逐漸增多”等特點。此時，旅游收入的快速增長直接促進了經濟增長，并且開始帶動其關聯產業的發展，即旅游資源的“紅利效應”凸顯，表現為“資源福祉”。當處于成熟期時，旅游產業規模較大，其關聯產業吸收了大量的資本、勞動等生產要素，從而形成以“旅游業為主導”的單一產業結構，主要靠產業關聯效應帶動經濟增長，即表現為“帶動效應”，形成“資源福祉”。當處于衰退期時，旅游產業的利潤大幅下降，進而使得其產業關聯效應也大幅下降。加之，此時旅游產業占據了較多的社會資源，最終拖累了整體的經濟增長，即表現為“擠出效應”，形成“資源詛咒”?；诖耍覀儗蝹€短周期的階段性特征對應到旅游發展對經濟增長的階段性影響，得到了旅游發展與經濟增長之間的“倒N”形機制（見圖1）。需要說明的是，經濟增長反過來也會對旅游產業的發展產生影響。從計量模型的角度來看，這一“雙向因果關系”還會導致內生性問題。事實上，趙磊已經注意到了這一“雙向因果關系”，并且采用旅游發展的滯后項作為工具變量來有效處理了內生性問題[19]。對此，我們在后文采用了系統GMM估計法中來處理這一內生性問題。

鑒于上述分析，筆者基于Sachs和Warner的研究[1]，結合生產函數和制度經濟學等理論將技術進步、物質資本投資、人力資本水平、人口、市場化水平（代表制度）等影響經濟增長的直接變量作為控制變量，建立如下基準模型：

[Yit=β0+β1Xit+β2Xit2+β3Xit3+β4Ait+ β5Kit+β6Hit+β7Pit+β8Mit+εit] （1）

其中，i=1，2，3……，N；t=1，2，3……，T；N為橫截面個體成員的個數，T為截面成員的樣本觀測時期數；Yit代表經濟增長，Xit代表旅游發展水平，Ait、Kit、Hit、Pit、Mit分別代表技術進步、物質資本投資、人力資本水平、人口、市場化水平。

理論上來說，在單個短周期或者兩個短周期交替的時期內旅游發展與經濟增長之間的關系會出現以下6種情形：當[β1<0]且[β2=β3=0]時，旅游發展會對經濟增長呈線性負相關關系；當[β1>0]且[β2=β3=0]時，旅游發展會對經濟增長呈線性正相關關系；當[β1<0]、[β2>0]且[β3=0]時，旅游發展會對經濟增長呈“U”形關系；當[β1>0]、[β2<0]且[β3=0]時，旅游發展會對經濟增長呈“倒U”形關系；當[β1>0]、[β2<0]且[β3>0]時，旅游發展會對經濟增長呈“N”形關系；當[β1<0]、[β2>0]且[β3<0]時，旅游發展會對經濟增長呈“倒N”形關系。事實上，中國各地的旅游業發展水平參差不齊，其所處的發展階段存在著巨大差異。因此，中國旅游發展對經濟增長的具體曲線形式主要取決于樣本的觀測時間段與旅游發展水平。

為盡可能地避免變量遺漏問題所帶來的內生性問題，筆者將已有文獻所提到的傳導變量盡可能地納入計量模型。邵帥等人在研究礦產資源的資源詛咒效應時也指出：“只有窮盡傳導變量，才有可能得到較為可靠的結論”[25]。為此，筆者借鑒這一做法，將政府干預（G）、對外開放（O）、科技投入（S）、工業發展（I，其代表荷蘭病機制）納入模型，并將經濟發展的一階滯后項作為解釋變量，然后采用系統GMM估計法來處理內生性問題，具體模型如下：

[Yit=β0+β1Yi，t-1+β2Xit+β3Xit2+β4Xit3+ β5Ait+β6Kit+β7Hit+β8Pit+β9Mit+ β10Git+β11Oit+β12itS+β13itI+εit] （2）

2.2 旅游發展對經濟增長影響的傳導機制識別模型

以往文獻無不表明，旅游發展并不直接左右經濟增長，而是通過傳導變量來間接影響經濟增長。換句話說，旅游發展對經濟增長的影響是通過這些傳導機制的中介作用和調節作用來實現的。遺憾的是，這些文獻對于這種中介效應和調節效應卻沒有清晰地說明。根據溫忠麟等人的研究[26]，連續顯變量之間的中介效應可以表示為：[Y=cX+e1]，[M=aX+e2]，[Y=c′X+bM+e3]，M為X影響Y的中介變量且其中介效應為[（c-c′）]或者ab；而調節效應可表示為[Y=cX+bM+dM*X+e]，M為X影響Y的調節變量且其調節效應為d。需要說明的是，當X通過M這一橋梁來間接影響Y時M就是中介變量，而當M只是改變X對Y的初始影響時M就稱為調節變量。根據這一原理，筆者將旅游發展通過其傳導變量對經濟增長所起到的中介效應和調節效應以圖2來表示。其中，經濟增長的滯后項和人口作為模型的基本控制變量，技術進步、物質資本、人力資本等基本生產要素作為旅游發展對經濟增長的中介變量，對外開放、市場化、工業發展分別代表旅游發展通過國外部門、制度、產業結構對經濟增長產生影響的中介變量，而科技投入、政府干預則代表影響技術進步、市場化從而影響旅游發展與經濟增長關系的調節變量。

由此，我們根據溫忠麟等關于有調節的中介效應模型把中介效應和調節效應納入到模型（2）[26]，得到如下模型：

[Yit=β0+β1Yi，t-1+β2Xit+β3Xit2+β4Xit3+β5Ait+ β6Kit+β7Hit+β8Oit+β9Mit+β10itI+β11Git+ β12Mit*Git+β13itSit+β14Sit*Ait+β15Pit+εit] （3）

顯然，該模型中[β12]、[β14]分別代表了政府干預、科技投入所起到的調節效應，但卻不能直接得到中介效應。以往文獻在測算中介效應時往往采用把中介變量逐一作為被解釋變量進行回歸得到中介效應的思路[25]。為此，本文借鑒這一做法，依次“以各中介變量作為被解釋變量，以旅游發展為核心解釋變量”采用系統GMM估計進行回歸。以物質資本為例，在模型（3）得到的物質資本[Kit]的系數值為[β6]，而在“以物質資本為被解釋變量，以旅游發展為核心解釋變量”的GMM估計中得到旅游發展的系數為[α]，則旅游發展通過物質資本對經濟增長所起到的中介效應為[αβ6]。

3 實證研究

3.1 指標選擇、數據來源及其描述分析

以往研究中國旅游發展與經濟增長的文獻大多采用了省級面板數據[19]。眾所周知，樣本觀測值的數量直接關系著估計結果的可靠性。為此，筆者在數據可獲得性的基礎上收集了2003—2013年我國188個優秀旅游城市的面板數據，具體理由如下：以2003年作為時間起點，可以控制加入WTO對我國經濟增長帶來的“突變”性影響；考慮到某些地級市的旅游資源匱乏而使得其旅游業對經濟增長的影響微不足道，我們選擇了國家旅游局所評選的中國優秀旅游城市作為樣本。這些城市大多具有豐富的旅游資源和較大的發展潛力，從而使得其旅游業對經濟增長的影響較大。需要說明的是，國家旅游局自1998—2007年先后把4個直轄市和185個地級市評選為優秀旅游城市。由于拉薩市的數據缺失嚴重，我們最終獲得的樣本數量為188個。

關于因變量的指標選擇。以往關于旅游發展和經濟增長文獻主要采用人均GDP增長率或者GDP增長率。為了保證使結論更加穩健，我們同時采用人均GDP增長率和GDP增長率來衡量經濟增長，分別記為PGDP、GDP。由于統計年鑒沒有人均GDP增長率數據，我們通過公式[PGDP=（1+GDP）/][（1+POP）-1]來計算出人均GDP增長率，其中POP為人口增長率。

關于核心解釋變量的指標選擇。雖然衡量旅游發展最常用的指標為旅游收入占GDP比重，但人均旅游收入和旅游人次占人口比重也是潛在的可選變量。出于指標敏感性的考慮，筆者將以旅游收入占GDP比重（LysrG）為主，輔以人均旅游收入（LysrP）和旅游人次占人口的比重（Lyrc）進行穩健性回歸。

關于基本控制變量的指標選擇。張德榮從內生性角度論證能源資源詛咒效應時，指出了以往文獻對人口這一控制變量的忽視會產生偏誤[27]。為此，筆者將其納入基本控制變量，記為Pop。由于本文采用最適合短面板數據的系統GMM估計方法來處理內生性問題，因此選擇人均GDP增長率和GDP增長率的一階滯后項分別作為各自回歸模型的基本控制變量，依次記為D.PGDP、D.GDP。

關于中介變量的指標選擇。參照邵帥等的做法[25]，筆者以GDP為產出變量，勞動和資本為投入變量，利用DEA-Malmquist指數測算得到相應的全要素生產率，以此作為技術進步的衡量指標，并記為Tfp。關于物質資本和人力資本，筆者遵循常規做法采用人均固定資產投資、高等學校學生占人口比重來衡量，分別記為Gdzc、Gdxs。至于對外開放這一變量，由于上述統計資料未能提供各城市的進出口數據，因此無法采用常規的貿易依存度來衡量。為此，筆者參考張德榮的做法[27]，采用FDI占GDP的比重來衡量對外開放，記為FDI。囿于數據的可獲得性，筆者采用城鎮私營和個體從業人數占從就業人數的比重來衡量市場化，記為Syjj。理由在于市場化水平往往與私營、個體經濟的活躍度呈現正相關關系。對于工業發展而言，同樣囿于數據的可獲得性，筆者選擇了第二產業從業人數占從業人員總數的比重來衡量，記為Sec。

關于調節變量的指標選擇。參照主流做法，筆者采用扣除科教支出的財政支出占財政總支出的比重來衡量政府干預程度，記為Zfgy。對于科技投入而言，筆者主要參照邵帥等的做法[25]，選取科研技術從業人員占比進行衡量，記為Kyjs。

基于此，筆者首先從中國經濟與社會發展統計數據庫、《中國城市統計年鑒》、《中國區域經濟統計年鑒》、各省統計年鑒收集到了相應的原始數據，然后從各地級市國民經濟和社會發展統計公報補齊了少部分缺失數據，最后對余下的少量缺失數據進行了插值法處理。

3.2 模型基本檢驗

為保障結論的穩健性，本文因變量和核心解釋變量都采用了幾個指標來衡量?，F在，筆者采用已有研究使用最多的指標組合（即以人均GDP增長率為因變量、旅游收入占GDP比重為核心解釋變量）來進行模型基本檢驗，其結果表明應該采用含時間效應的雙向固定效應模型并且存在內生問題。具體的檢驗過程如下，其他指標組合的模型基本檢驗與此類似，其檢驗結果與此相同（為節省篇幅，不再列出）。

由于本文采用的數據屬于短面板數據，因此可以不考慮面板自相關問題[28]。對于可能的異方差問題，筆者對上述指標進行了對數化處理，并且采用聚類穩健標準誤來處理異方差問題。Wooldridge認為樣本容量的增大可以有效緩解多重共線性問題[29]。為此，本文使用了188個地級市層面的面板數據，是常見的省級面板數據樣本量的6倍以上。因此，與以往文獻相比，本文可能存在的多重共線性問題得到了有效緩解。

由于變系數模型對短面板數據而言意義不大，因此筆者通過F檢驗對混合估計和變截距固定效應模型進行檢驗，得到F統計量為3.48且p值為0.000，即表明應該采用變截距固定效應。接著，筆者采用BP檢驗對混合估計還是變截距隨機效應進行檢驗發現Chibar統計量為207.54且p值為0.000，即應該采用變截距隨機效應。由于異方差情形下傳統豪斯曼的前提條件不被滿足，因此筆者采用穩健的Hausman檢驗來對變截距固定效應和隨機效應模型進行判斷。結果發現，Sargan-Hansen統計量為896.386且p值為0.000，即應采用變截距固定效應模型。最后，筆者利用F檢驗對固定效應模型的時間效應進行了檢驗，得到F統計量為29.65且p值為0.000，即表明應該考慮時間效應。由此可知，本文應該采用含時間效應的雙向固定效應模型。

在確定了模型設定形式之后，筆者對可能存在的內生性問題進行了檢驗。由于異方差情形下 傳統的Durbin-Wu-Hausman檢驗不再適用，因此筆者選擇穩健的Durbin-Wu-Hausman檢驗來判斷是否存在內生性。結果顯示：相應的統計量為20.997且p值為0.000，即存在內生性問題。對此，筆者將采用系統GMM估計來進行回歸。

3.3 模型估計結果

為考證中國旅游發展對經濟增長的影響及其傳導機制，筆者采用系統GMM首先對包括所有中介效應和調節效應的模型（3）進行回歸得到模型1，然后從中分別剔除相應的中介變量得到模型2～模型7，具體結果見表1。需要說明的是，由于可決系數R2在GMM估計中意義較小，因此并未在表中 顯示。

由表1可以看出：所有模型的殘差均在10%的水平上表現為一階自相關，但不存在二階自相關，并且Hansen統計量均不顯著，即表明各模型的工具變量均有效。至此，筆者認為各模型的內生性問題得到了較好的控制。下面，筆者將遵循指標選擇的介紹順序來解讀回歸結果。

從核心解釋變量來看，各模型中旅游發展及其二次項、三次項均通過了10%水平的顯著性檢驗，而且大部分還通過了1%水平的顯著性檢驗。從系數的符號來看，旅游發展及其二次項、三次項與經濟增長依次呈現負向、正向、負向關系。為了進一步確定這種“倒N”形的存在性，我們對旅游發展及其二次項、三次項進行聯合顯著性檢驗，結果都在1%水平上顯著。由此可知，旅游發展與經濟增長存在“倒N”形關系。

從基本控制變量來看，人均GDP增長率的一階滯后項和人口都在1%水平上顯著，分別對經濟增長產生正向、負向影響。這表明，前一年的人均GDP增長率對隨后一年的經濟增長具有累積效應，而人口增長將阻礙人均GDP增長。這也符合經典的經濟學理論。

從中介變量來看：技術進步、物質資本、人力資本、對外開放、市場化水平均在1%的顯著性水平上顯著為正；而工業發展未通過顯著性檢驗。這說明，旅游發展可以通過技術進步、物質資本、人力資本、對外開放、市場化水平這5個“橋梁”對經濟增長具有顯著的中介效應，但并未通過工業發展產生顯著的中介效應。這表明中國旅游發展并不存在“旅游地荷蘭病”這一傳導機制，也符合中國旅游業以國內游客為主導的基本現實。對于前5個變量的中介效應大小，筆者依次“以各中介變量作為被解釋變量，以旅游發展為核心解釋變量”采用系統GMM矩估計得到回歸結果（見表2），然后根據前文所提到的方法來計算中介效應。

根據前文關于中介效應的計算方法，得到旅 游發展通過各中介變量對經濟增長所產生的中介效應的大小。具體而言，旅游發展通過物質資本、技術進步、人力資本、對外開放、市場化水平這5個中介變量對經濟增長帶來的中介效應依次為0.022、-0.010、0.001、0.001、-0.012。這表明：旅游發展可以通過抑制技術進步、市場化水平來阻礙經濟增長，而通過提升物質資本、人力資本、對外開放水平來促進經濟增長。

從調節變量來看，科技投入[Kyjs]及其交互項[Kyjs*Tfp]在1%水平上顯著，且對經濟增長分別表現出正向、負向關系。這說明，技術進步可以顯著促進經濟增長，但是科技投入卻負向調節著旅游發展通過技術進步影響經濟增長這一中介過程。從數值上來看，這一負向調節效應為-1.162。與此同時，雖然政府干預[Zfgy]并未全部通過1%水平的顯著性檢驗，但仍然呈現負相關系；政府干預的交互項[Zfgy*Syjj]在1%水平顯著表現為負向關系。這表明，政府干預程度的提高會在一定程度上抑制經濟增長，政府干預也負向調節著旅游發展通過市場化影響經濟增長這一中介效應。從數值上來看，這一負向調節效應為-0.0014。

由此可見，旅游發展對經濟增長的影響并非簡單的正向和負向關系，而取決于多個傳導機制的共同作用。

3.4 旅游起飛、旅游福祉、旅游詛咒型城市識別

為進一步厘清中國優秀旅游城市的旅游發展在2003—2013年總體上是促進了經濟增長還是阻礙了經濟增長這一問題，筆者根據“一階導數為零”的這一原則得到“倒N”形曲線方程[Y=-aX+bX2-cX3+d]（其中[a>0]、[b>0]、[c>0]）的兩個駐點：左邊駐點為[（b-b2-3ac）3c]，右邊駐點為[（b+b2-3ac）3c]?？邕^左邊駐點意味著旅游發展對經濟增長的影響由抑制作用變成促進作用，而跨過右邊駐點意味著旅游發展對經濟增長的影響由促進作用轉為抑制作用。

由此，筆者將表1模型（1）中旅游發展及其二次項、三次項的系數代入上述公式，得到相應的駐點依次為7.32%、61.01%，然后結合前文理論部分關于“倒N”機制的理論分析，將2003—2013年中國188個優秀旅游城市中分為旅游起飛城市、旅游福祉城市、旅游詛咒城市，具體見表3。

由表3可以看出，2003—2013年間，旅游起飛城市的占比由64.90%下降到18.09%，旅游福祉城市占比由34.04%上升到79.79%，旅游詛咒城市占比由1.06%略微上升到2.12%。這表明，2003—2013年中國188個優秀旅游城市中，46.81%的城市實現了由旅游起飛城市到旅游福祉城市的轉變；僅有0.96%城市由旅游福祉城市變為了旅游詛咒城市。不難看出，這些旅游資源豐富的城市在2003—2013取得了較好的發展，仍然具有較大的發展潛力。換句話說，旅游福祉效應占據主導地位，即中國旅游發展在總體上促進了經濟增長。值得一提的是，這段時期旅游詛咒城市增加了兩個，即說明旅游資源詛咒的風險同樣存在。

3.5 穩健性檢驗

為考證因變量和核心解釋變量的指標敏感性對回歸結果的影響，筆者采用上述計量分析思路在這些指標組合中分別對模型（3）進行回歸，具體結果見表4。通過對比表1和表4，不難發現在控制指標敏感性后，“倒N”形曲線依然成立。需要說明的是，在這些指標組合中各傳導機制和“倒N”形曲線的兩個駐點在數值上會有所變化，但對本文的結論沒有實質性的改變（限于篇幅此處并未列出旅游發展與中介變量的回歸結果）。

4 結論與啟示

旅游發展與經濟增長可謂是旅游經濟學領域最為經典的話題，但同時也是頗具爭論的話題。筆者針對以往文獻忽視旅游資源詛咒、缺乏理論模型及其傳導機制分析、忽視旅游產業發展的階段性以及對指標敏感性、內生性問題不夠重視等問題，借鑒旅游地生命周期模型構建理論模型將“資源詛咒”和“資源福祉”納入統一的框架，然后利用2003—2013年188個優秀旅游城市的面板數據考察了旅游發展對我國經濟增長的影響，并從中介效應和調整效應的角度來對旅游發展如何通過傳導機制影響經濟增長進行了分析。結果發現：（1）旅游發展對經濟增長的影響并非簡單的正向和負向關系，而是在多個傳導機制的共同作用下“倒N”形關系。（2）旅游發展通過物質資本、技術進步、人力資本、對外開放、市場化水平這5個中介變量對經濟增長帶來的中介效應依次為0.022、-0.010、0.001、0.001、-0.012。這表明：旅游發展可以通過抑制技術進步、市場化水平來阻礙經濟增長，而通過提升物質資本、人力資本、對外開放水平來促進經濟增長。（3）科技投入卻負向調節著旅游發展通過技術進步影響經濟增長這一中介過程，而政府干預也負向調節著旅游發展通過市場化影響經濟增長這一中介過程，其負向調節效應為分別為-1.162、-0.0014。（4）“旅游地荷蘭病”在中國并不存在。（5）2003—2013年中國188個優秀旅游城市中，46.81%的城市實現了由旅游起飛城市到旅游福祉城市的轉變；僅有0.96%城市由旅游福祉城市變為了旅游詛咒城市；旅游資源福祉效應占據主導地位，但少數城市也存在旅游資源詛咒現象。

基于上述研究結論，我們得到以下幾點啟示：（1）由于旅游福祉效應在我國大多數優秀旅游城市占據主導地位，因此可以從旅游業的產業關聯效應入手大力發展旅游業及其相關配套產業。這些產業都可以視為新的經濟增長點。（2）應該充分利用旅游發展對經濟增長的正向間接作用，規避其負向間接影響。一方面，應當采取有力措施提升固定資本形成率、人力資本水平、擴大對外開放以促進經濟增長；另一方面，還應當提高科技投入、市場化水平、促進技術進步以及減少政府干預以抵消旅游發展通過這些變量對經濟增長所產生的負面影響。（3）對于那些已經出現或者即將面臨旅游資源詛咒的少數城市應該著手對現有的旅游產業進行改造升級，力爭早日進入新的更高水平的短生命周期。只有這樣，這些少數城市才能有效規避旅游資源詛咒風險，甚至擺脫旅游資源詛咒。

參考文獻（References）

[1] Sachs J D， Warner A， Aslund A， et al. Economic reform and the process of global integration[J]. Brookings Papers on Economic Activity， 1995， （1）： 1-118.

[2] Zhu Xiwei， Zeng Daozhi. Tourism resources， industrial agglomeration and resources curse[J]. The World Economy， 2009， （5）： 65-72.[朱希偉， 曾道智. 旅游資源、工業集聚與資源詛咒[J]. 世界經濟， 2009， （5）： 65-72.]

[3] Zuo Bing. An empirical study of the factors influencing the tourism economic growth of China[J]. Journal of Business Economics， 2011， （10）： 82-90. [左冰. 中國旅游經濟增長因素及其貢獻度分析[J]. 商業經濟與管理， 2011， （10）： 82-90.]

[4] Zuo Bing. Can tourism boom break the resource curse？——An empirical evidence from mainland China[J]. Journal of Business Economics， 2013， （5）： 60-69.[左冰. 旅游能打破資源詛咒嗎？——基于中國31個?。ㄊ?、區）的比較研究[J]. 商業經濟與管理， 2013， （5）： 60-69.]

[5] Butler R W. The concept of a tourist area cycle of evolution： Implications for management of resources[J]. Canadian Geographer， 1980， 24（1）： 5-12.

[6] Po W C， Huang B N. Tourism development and economic growth： A nonlinear approach [J]. Physica A： Statistical Mechanics and Its Applications， 2008， 387（22）： 5535-5542.

[7] Zhao Lei. Tourism development and economic growth efficiency in China： An empirical analysis based on malmquist index and GMM estimation[J]. Tourism Tribune， 2012， 27（11）： 44-55.[趙磊. 旅游發展與中國經濟增長效率——基于Malmquist指數和系統GMM的實證分析[J]. 旅游學刊， 2012， 27（11）： 44-55.]

[8] Shan J， Wilson K. Causality between trade and tourism： empirical evidence from China[J]. Applied Economics Letters， 2001， 8（4）： 279-283.

[9] Archer B. Importance of tourism for the economy of Bermuda[J]. Annals of Tourism Research， 1995， 22（4）： 918-930.

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

[11] Sinclair M T. Tourism and economic development：A survey[J]. The Journal of Development Studies， 1998， 34（5）： 1-51.

[12] Brau R， Lanza A， Pigliaru F， et al. How fast are small tourism countries growing？ Evidence from the data for 1980-2003[J]. Tourism Economics the Business & Finance of Tourism & Recreation， 2007， 13（4）： 603-614.

[13] Janta H， Lugosi P， Brown L， et al. Migrant networks， language learning and tourism employment[J]. Tourism Management， 2012， 33（2）： 431-439.

[14] Divisekera S. A model of demand for international tourism[J]. Annals of Tourism Research， 2003， 30（1）： 31-49.

[15] Holzner M. Tourism and economic development： The beach disease？[J]. Tourism Management， 2011， 32（4）： 922-933.

[16] Balaguer J， Cantavella-Jorda M. Tourism as a long-run economic growth factor： the Spanish case[J]. Applied Economics， 2002， 34（7）： 877-884.

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

[18] Oh C O. The contribution of tourism development to economic growth in the Korean economy[J]. Tourism Management， 2005， 26（1）： 39-44.

[19] Zhao Lei. Tourism development and economic growth： Empirical evidence from China[J]. Tourism Tribune， 2015， 30（4）： 33-49.[趙磊. 旅游發展與經濟增長——來自中國的經驗證據[J]. 旅游學刊， 2015， 30（4）： 33-49.]

[20] Papyrakis E， Gerlagh R. The resource curse hypothesis and its transmission channels[J]. Journal of Comparative Economics， 2004， 32（1）： 181-193.

[21] Chao C C， Hazari B R， Laffargue J P， et al. Tourism， dutch disease and welfare are in an open dynamic economic[J]. The Japanese Economic Review， 2006， 57（4）： 501-515.

[22] Copeland B. Tourism welfare and deindustrialization in a small open economy[J]. Economtrica， 1991， 58（232）： 515-529.

[23] Ashworth G， Page S J. Urban tourism research： Recent progress and current paradoxes[J]. Tourism Management， 2011， 32（1）： 1-15.

[24] Li Jun， Chen Zhigang. A new interpretation of the model of tourism life cycle： Based on production investment and demand analyses[J]. Tourism Tribune， 2014， 29（3）： 58-72.[李軍， 陳志鋼. 旅游生命周期模型新解釋——基于生產投資與需求分析[J]. 旅游學刊， 2014， 29（3）： 58-72.]

[25] Shao Shuai， Fan Meiting， Yang Lili. How does the dependence of the resource-based industry impact on the efficiency of the economic growth？—Test and expansion of the conditional resources curse hypothesis[J]. Management World， 2013， （2）： 32-63.[邵帥， 范美婷， 楊莉莉. 資源產業依賴如何影響經濟發展效率？——有條件資源詛咒假說的檢驗及解釋[J]. 管理世界， 2013， （2）： 32-63.]

[26] Wen Zongling， Liu Hongyun， Hou Taijie. Analyses of Moderating and Mediating Effects[M]. Beijing： Educational Science Publishing House， 2012： 70-95.[溫忠麟， 劉紅云， 侯杰泰.調節效應和中介效應分析 [M]. 北京： 教育科學出版社， 2012： 70-95.]

[27] Zhang Derong. A revisit of “curse of natural resources” hypothesis： An approach based on endogeneity[J]. China Journal of Economics， 2015， 02： 137-154.[張德榮. 基于內生性視角的“資源之咒”問題研究[J]. 經濟學報， 2015， （2）： 137-154.]

[28] Chen Qiang. The Advanced Econometrics and Stata Applications （the 2nd Edition） [M]. Beijing： Higher Education Press， 2014： 264.[陳強. 高級計量經濟學及Stata應用（第二版）[M]. 北京： 高等教育出版社， 2014： 264.]

[29] Jeffrey M. Wooldridge. Introductory Econometrics： A Modern Approach （the 4th Edition） [M]. Beijing： China Renmin University Press， 2010： 80. [杰弗里. M. 伍德里奇. 計量經濟學導論（第四版）[M]. 北京： 中國人民大學出版社， 2010： 80.]