綠色發展背景下區域旅游生態效率影響因素——以西部地區為例

洪 錚,王 林,章 成

1 江西財經大學經濟學院, 南昌 330013 2 廣西師范大學歷史文化與旅游學院, 桂林 541001 3 南開大學經濟學院, 天津 300071

旅游業是國家戰略性支柱產業之一,是建設生態文明社會和美麗中國的重要支撐,對各地區減少貧困和實現經濟增長有積極的促進作用[1]。隨著旅游經濟的快速增長,旅游活動所產生的碳排放對環境的影響逐年擴大,2008年UNWTO和UNEP指出旅游碳排放約占世界碳排放總量的4%—6%左右,在未來會呈現逐步增加的趨勢。西部大開發戰略是黨中央的一項重要戰略,不僅包含經濟發展水平的提高也包括生態環境的改善。當前西部地區的旅游碳排放量小于東中部地區,但旅游碳排放增長速度呈逐年上升趨勢[2]。因此,促進西部地區粗放型的旅游發展模式向低碳旅游模式轉變十分緊迫。旅游生態效率綜合了資源和環境因素,能更好的衡量西部地區旅游業可持續發展水平。因此基于2000—2017年省際面板數據分析西部地區的旅游生態效率,并聚焦于以下幾個問題:西部大開發戰略是否提升了西部地區的旅游生態效率？西部12省(市、區)旅游生態效率的空間特征是什么？西部地區旅游生態效率的影響因素是什么？基于對以上問題的研究為西部地區旅游業綠色發展方向和相關政策制定提供借鑒。

1 文獻綜述

1990年德國學者 Schaltegger和Sturn 提出生態效率的概念[3],世界可持續發展工商理事會發展了這一概念,并提出生態效率的計算方式即用產品或服務的經濟價值與其環境影響的比值來表示[4]。隨后生態效率被廣泛應用到農業、工礦業和旅游業等生態和經濟影響的評估中。旅游生態效率由G?ssling等明確提出[5],可衡量在生態環境和經濟績效的密切契合下,最大限度滿足旅游者需求的同時,又有效利用改善旅游業生態環境的程度[6]。

國內外學者對旅游生態效率的測度以單一比值法為主,G?ssling等借鑒WBCSD生態效率的計算方法用旅游碳排放量和旅游收入的比值測算旅游生態效率[5]。Bruijn等運用碳足跡法,以旅游業碳排放量表征對環境的影響,旅游收入表征旅游經濟價值,測算了荷蘭的旅游生態效率[7]。劉軍等用單一比值法測算了中國及各地區的旅游生態效率值,分析了其空間演變特征[8]。Perch-Nielsen等旅游增加值表征旅游經濟價值,運用比值法對瑞士的旅游生態效率進行測度[9]。對旅游碳排放量的估算多采用“自下而上”法如Becken 和 Simmons[10]、石培華等[11]、章錦河等[12]。“自上而下”法多運用在旅游業較為發達的地區,Patterson等[13]、Becken等[14]、Jones等[15]基于旅游衛星賬戶運用“自上而下”法估算旅游業碳排放量。由于中國的旅游衛星賬戶尚未完善,潘植強等[2]、王坤等[16]、韓元軍等[17]運用旅游剝離系數法使用“自上而下”法估算旅游碳排放量。模型法研究旅游生態效率多運用在旅游目的地,基于投入產出模型且大部分使用DEA(超效率DEA、Super-SBM、SBM-DEA等)方法。Fare等最早運用DEA模型并基于非期望產出假說對環境效率進行評價[18]。Kytzia等運用投入產出法對瑞士達沃斯旅游業土地利用生態效率進行研究[19]。彭紅松等[20]、劉佳等[21]、林文凱等[22]等運用DEA模型研究了不同旅游目的地的旅游生態效率。也有學者基于碳足跡法[23]、生態足跡法[24]、隨機前言法[25]、生命周期模型[26]等研究旅游生態效率。王兆峰和劉慶芳[27- 28]以規模效應、結構效應、技術效應為主對長江經濟帶旅游生態效率的影響因素和時空演變進行分析。此外,有研究表明城鎮化、經濟發展水平、政府規制、旅游業發展水平等[2,17,20]因素也對旅游生態效率產生影響。在改善旅游地生態效率方面,Reilly等認為交通在旅游地生態效率中扮演重要角色,并以加拿大不列顛哥倫比亞省的惠斯勒為研究對象,對旅游目的地交通生態效率的提升進行了研究[29]。馬勇等[30]、楊德進等[31]在建設美麗中國和生態文明的背景下提出了中國旅游生態效率的提升對策。

綜上可知國內外相關研究已取得豐富的成果,但仍然存在以下不足之處。其一,對旅游生態效率的研究大多聚集在全國、長三角或小尺度的旅游地,對西部欠發達地區的關注不足。其二,對旅游生態效率影響因素的研究較少考慮各地的能源消費結構,雖有學者進行相關研究[16-26],但對碳排放系數取固定值,忽略了各地能源消費特點對碳排放量的影響。其三,既有研究使用地理加權回歸[16]、Tobit[27]、VAR[28]、指數分解法[2]等探究旅游生態效率的影響因素,多聚集在規模、結構、技術三方面,較少考慮各影響因素與旅游生態效率的動態關系和非線性關系。鑒于此,在綠色發展背景下以西部地區2000—2017年省際面板數據為研究對象,使用比值法測算西部地區的旅游生態效率,分析其時空演變規律。運用PVAR模型分析規模效應、結構效應、技術效應對旅游生態效率的動態影響。在考慮各省能源消費結構差異的基礎上,運用面板門檻模型深入分析旅游生態效率的影響因素,彌補了靜態和線性計量研究的部分不足,為各地因地制宜實現旅游業的綠色可持續發展提供理論依據。

2 模型構建

2.1 研究區域與指標選取

2.1.1研究區域概況

研究區域為西部地區(內蒙古、廣西、重慶、四川、貴州、西藏、云南、陜西、甘肅、青海、寧夏、新疆)12個(省、市、自治區)行政單元,約占我國國土面積的72%。該地區橫跨多個緯度,涵蓋多種地質地貌類型,生物多樣性突出,旅游資源豐富,但經濟發展水平較低。西部大開發戰略有助于該地區的資源優勢轉化為產業優勢和經濟優勢,但當地氣候干旱,生態環境較為脆弱,過度的旅游開發會對生態環境造成嚴重的破壞。因此,探討旅游生態效率的影響因素對實現西部地區旅游業的綠色、可持續發展意義重大。

2.1.2指標選取和數據來源

Grossman 等認為經濟增長可以通過規模效應、結構效應和技術效應影響環境質量。參考王坤等[16]的研究將這3個指標引入到旅游產業生態系統中,并加入城鎮化、經濟發展水平、旅游業發展水平作為控制變量。本研究的時間跨度為2000—2017年,為消除通貨膨脹因素的影響以2000年為基期,運用居民消費價格指數對旅游總收入、國內旅游收入和GDP進行平減。數據來源于《中國統計年鑒》、中國經濟與社會發展統計數據庫。

主要影響指標有:(1)規模效應(lnsc),旅游規模的擴大會促使旅游交通住宿等投入擴大而影響地區旅游碳排放。用接待游客總人次表示規模效應[2],數值越大旅游規模越大,為消除異方差取其對數。(2)結構效應(st),產業結構高級化與合理化對碳排放量產生重要影響。用第三產業占GDP的比重作為地區結構效應的衡量指標[16],該指標為正向指標。(3)技術效應(te),技術的進步如清潔能源的使用能夠降低碳排放,提高地區旅游生態效率。用萬元GDP能源消耗作為技術效應的衡量指標[16,20],數值越大單位GDP消耗能源越多,技術水平越低。

控制變量:(4)旅游業發展水平(tour),旅游業的發展會促使城市基礎設施的完善,用旅游總收入占第三產業產值的比重作為旅游業發展水平的衡量指標[27],該指標為正向指標。(5)城鎮化(ur),城鎮化的發展會提高技術效應,對節能減排有積極的促進作用,但不合理的城鎮化會導致碳排放量增加。用城鎮人口占總人口的比重來表征城鎮化水平[16]。(6)經濟發展水平(GDP),社會經濟發展水平對旅游業的投入和產出產生重要影響。以人均GDP衡量各地區經濟發展水平[32],為消除異方差取其對數。

2.2 西部地區旅游碳排放量的測算

G?ssling等國內外學者主要用旅游業碳排放量這一指標表征旅游對環境的影響,旅游碳排放以旅游交通、旅游住宿、旅游活動消耗為主,其中旅游交通碳排放占旅游碳排放總量的90%以上[5]。旅游碳排放的估算方法有“自上而下”法和“自下而上”法,“自上而下”法運用旅游衛星賬戶或投入產出法來計算旅游能源消耗,進而估算碳排放量。“自下而上”法將旅游活動劃分為若干部門,通過對不同部門的估算計算出旅游業碳排放總量[6]。鑒于中國的旅游衛星賬戶數據缺失,借鑒既有研究[5-6,11]運用“自下而上”法從旅游交通、旅游住宿和旅游活動三個方面估算旅游碳排放量。

2.2.1旅游交通碳排放量

鑒于全國范圍內沒有旅游交通的數據,參考 UNWTO[33]的測算方法,用各種交通方式旅客周轉量和每人每公里能源消耗的乘積,間接估計各交通運輸方式的碳排放量。確定鐵路每人每公里碳排放系數為27 g/km,公路每人每公里碳排放系數為133 g/km,民航每人每公里碳排放系數137 g/km,水路每人每公里碳排放系數為106 g/km。計算公式為:

T1=F×a×C

(1)

式中,T1為旅游交通碳排放量,F為某種交通方式的碳排放系數,C為某種客運方式的旅客周轉量,a等價于某種交通方式客流量中旅游者的比例。鑒于旅游交通和客運交通有相似的客源結構,而中國尚未有完整的旅游衛星系統結果,a值難以確定。參考魏艷旭等[34]的研究確定鐵路、公路、水運、民航的a值為31.6%、13.8%、10.6%、64.7%,并將a值運用到西部地區旅游交通碳排放的計算上。

2.2.2旅游住宿碳排放量

旅游住宿碳排放是旅游者到旅游目的地使用住宿設施而產生的碳排放量。由于單個旅游者的住宿活動不可觀測,國內外學者多采用單個床位的平均碳排放量來測算。我國住宿設施的能耗高于全球平均值,參考石培華等[11]的研究將每床每晚的能耗值確定為155 MJ,借鑒Schafer & Victor[35]的研究將每床每晚二氧化碳排系數確定為43.2 gC/MJ。計算公式如下:

T2=α×365×θ×R×B

(2)

式中,T2為旅游住宿碳排放量,α為住宿設施碳排放系數,取值為43.2 gC/MJ,θ為客房平均出租率,R表示床位數,B表示住宿設施每床每晚的能耗值,取值為155 MJ。

2.2.3旅游活動碳排放量

旅游活動的碳排放量占旅游碳排放總量的比例較小,但其作為旅游者體驗內容具有重要的研究意義[6]。參考石培華等[11]的研究將各種旅游活動的能源消耗確定為:觀光游覽417 g/游客,休閑度假1670 g/游客,商務出差786 g/游客,探親訪友591 g/游客,其他172 g/游客。計算公式如下:

T3=∑(βp×φip+βq×ωiq)

(3)

式中,T3代表旅游活動碳排放量,βP表示國內游覽者第P種游覽方式的能耗系數,φip表示i省國內旅游者第P種游覽方式的游客數量,βq表示入境游覽者第q種游覽方式的能耗系數,ωiq表示i省入境旅游者第q種游覽方式的游客數量。

2.3 西部地區旅游生態效率的測算

借鑒WBCSD生態效率的計算方法[4],用1單位旅游收入產生的二氧化碳排放量來計算旅游生態效率,該指標下降表明旅游生態效率上升,反之亦然。公式如下:

T=(T1+T2+T3)/R

(4)

式中,T1、T2和T3分別代表某地區旅游交通碳排放量、旅游住宿碳排放量和旅游活動碳排放量,R代表某地區的旅游業總收入。T代表某地區的旅游生態效率,該指標為負向指標。根據公式4計算出西部地區各省(市、區)2000—2017年旅游生態效率值并繪制時間趨勢圖(圖1)。

圖1 西部地區旅游生態效率演化過程Fig.1 The evolution process of tourism eco-efficiency in the western China

圖1表明西部大開發戰略實施以來各地旅游生態效率不斷提高,其中貴州旅游生態效率改善程度最大,云南旅游生態效率的改善相對較小。旅游生態效率均值最優地區為云南、內蒙古、重慶,數值分別為0.221 tCO2/萬元、0.2738 tCO2/萬元、0.2756 tCO2/萬元,最差地區為寧夏、甘肅、新疆,分別為0.732 tCO2/萬元、0.7106 tCO2/萬元、0.6662 tCO2/萬元。表明區域旅游生態效率不平衡現象較為突出。

根據旅游生態效率的測度結果,選取2000年、2005年、2011年、2017年為時間節點,運用ArcGIS軟件,采用Jenks自然斷點分級法將西部地區12個省(市、區)劃分為高效率區、較高效率區、較低效率區、低效率區(圖2),分析其時空變化趨勢。

圖2 2000年、2005年、2011年、2017年西部地區旅游生態效率Fig. 2 Tourism eco-efficiency in the western China in 2000, 2005, 2011, 2017

圖2的結果表明西部各地旅游生態效率持續提高,低效率地區不斷減少。在研究時期內陜西、內蒙古、四川、云南四個地區的旅游生態效率一直處于最佳前沿生產方面。這可能是由于四川、陜西經濟發展水平相對較高,旅游產業結構較高級。云南旅游業起步較早而逐漸發展為支柱產業,旅游發展模式相對成熟。內蒙古生態環境良好,且旅游業的發展相對來說處于起步階段,尚未對當地生態環境造成不良影響。西藏和青海由較高效率區變為低效率區,可能因為旅游業發展初期對當地環境產生的負作用較小,但過度旅游開發使本就脆弱的干旱地區環境惡化。廣西、甘肅和貴州的旅游生態效率不斷提高,這可能是由于國家采取了針對民族地區的政策性傾斜措施。重慶由高效率區變為較低效率區可能是因為西部其他省份采取的環保措施力度更大。新疆、寧夏一直處于低效率區可能因為當地生態環境較為脆弱,自我修復能力較差。但旅游生態效率變化的具體原因仍需通過實證分析研究(西藏地區數據缺失,故實證分析部分不包含西藏)。

2.4 模型設定

基于西部地區的省際面板數據運用PVAR模型實證分析旅游生態效率、規模效應、結構效應、技術效應之間的關系和動態效應,并設定模型為:

Yit=αi+βt+χ1Yi,t-1+χ2Yi,t-2+...χpYi,t-p+μit

(5)

式中,Yit代表[t、lnsc、st、te]4×1維列向量,分別代表旅游生態效率、規模效應、結構效應、技術效應。αi和βt表示個體效應和時間效應,i表示區域效應即省份效應,t表示時間效應,χ是待估計的參數矩陣,P表示最優滯后階數,μit表示擾動項。

3 實證分析

3.1 平穩性檢驗與最優滯后階數選擇

為防止變量間的“偽回歸”現象,需對面板數據的平穩性進行檢驗。考慮各種檢驗方法的優劣,選取LIC檢驗考察變量的平穩性,若P值小于臨界值則數據平穩,大于臨界值則數據不平穩,結果見表1。檢驗結果表明lnsc在5%的顯著性水平上平穩,其余變量在1%的顯著性水平上平穩,滿足建立PVAR模型的基本要求。

表1 單位根檢驗結果

對PVAR模型進行估計,首先要確定滯后階數。運用信息準則AIC、BIC和HQIC的方法選擇最優滯后階數,結果如表2所示。AIC和HQIC檢驗表明選取2階滯后為最優滯后階數,BIC統計量的最優滯后階數是1階,進一步檢驗的結果表明應選取滯后2階進行模型估計。

表2 PVAR模型滯后階數的檢驗結果

3.2 PVAR模型估計結果

為避免個體效應而造成的回歸偏誤,借鑒Arellano 和 Bover[36]的前向均值差分法對各變量進行處理。系統GMM能夠更好的解決內生性問題,以自變量的滯后項作為工具變量,選取最優滯后階數2階進行模型估計,結果如表3所示。

表3 PVAR模型系統GMM的估計結果

系統GMM的估計結果表明(1)當以旅游生態效率為被解釋變量時,受自身滯后一期因素的影響為正,滯后2期的技術效應顯著為正(0.061),即單位GDP能耗越低,旅游生態效率越高。規模效應對其影響由負轉正,表明在旅游發展初期接待游客數量越多旅游生態效率越低,當旅游業發展到一定規模后旅游產業結構不斷優化,接待游客越多旅游生態效率越高。結構效應對旅游生態效率的影響由正轉負,但二者對旅游生態效率的影響不顯著。(2)前一期的游客規模對當期規模效應產生正向作用,滯后一期旅游生態效率對規模效應的影響為促進作用(-0.306),表明生態環境良好的地區能吸引更多的游客數量。技術效應對規模效應的影響由負轉正,結構效應的二階滯后對規模效應的影響顯著為負。(3)滯后一期的結構效應對其自身的影響由正向轉為負向。規模效應對結構效應的影響由負轉正。(4)技術效應受自身滯后一期的正向影響,結構效應的一階滯后對其影響為負。為更清晰的看出各變量間的長期因果關系,還需進一步分析。

3.3 脈沖響應函數分析

系統GMM的估計結果只能從宏觀上反應變量間的動態關系,而脈沖響應函數能夠更全面的反映規模效應、結構效應、技術效應和旅游生態效率間的動態傳導機制和影響路徑。運用蒙特卡洛模擬500次得到脈沖響應函數,選擇10期為滯后期,橫坐標為響應期數,縱坐標為影響程度,兩側的曲線為95%和5%的置信區間,中間為沖擊效應。估計結果如圖3所示。

圖3 西部地區旅游生態效率的沖擊響應函數Fig.3 Shock response function of tourism ecological efficiency in the western regiont:旅游生態效率Tourism eco-efficiency;lnsc:規模效應Scale effect;st:結構效應Structure effect;te:技術效應Technology effect

圖3顯示旅游生態效率、規模效應、結構效應、技術效應均受自身的正向沖擊而具有放大作用,這和系統GMM的估計結果一致。(1)對于旅游生態效率而言,自身的沖擊存在邊際效應遞減規律,最初影響為正后逐漸減少；規模效應對旅游生態效率的影響為負,表明游客規模的擴大為當地提供改善生態環境的資金支持,有利于旅游生態效率的提高；結構效應對旅游生態效率的影響在1—3期為正后變為負,表明結構效應對旅游生態效率有先抑制后促進的作用；技術效應對旅游生態效率的影響為正,大約在第2期達到最大值,多期后均為正,表明單位GDP能耗越低能源消費結構越合理,越有利于旅游生態效率的提高。(2)對于規模效應而言,其自身的沖擊在當期達到最大值,后呈現邊際效應遞減的趨勢；旅游生態效率對規模效應的影響為正,在第6期以后逐步趨近于0；結構效應對規模效應的影響當期為正,之后為負并在第6期以后影響趨于消失；技術效應對規模效應的影響為正,在第2期以后趨近于0。這充分說明旅游業的發展要在當地生態環境承載力范圍之內。(3)對于結構效應而言,當期其自身的沖擊值達到最大,并逐步趨于減少；旅游生態效率對結構效應的影響為正,在第4期達到最大值后趨于減小；規模效應對結構效應的影響為負,在第6期達到最大后趨于平緩；技術效應對結構效應的影響在第1期為正,但影響較小,后期逐步趨向于0。表明旅游生態效率和產業結構之間關系密切。(4)對于技術效應而言,其自身的沖擊在當期最大,到第10期趨近于0；旅游生態效率對技術效應的沖擊為負在第1期達到最小值,第4期變為正向影響并在第10期趨于0；規模效應對技術效應的影響為正,在第10期收斂于0；結構效應對技術效應的影響第1期為正,第2期之后趨于0。表明技術水平的提高對旅游生態效率有正向促進作用,但這一影響存在著邊際效應遞減的規律,應多方面尋找旅游生態效率的提升舉措。

3.4 方差分解

脈沖響應函數能夠更好地反映兩個變量之間的動態影響路徑,方差分解能夠分析不同變量的結構沖擊貢獻度。故采用方差分解進一步表征規模效應、結構效應、技術效應對旅游生態效率的相對貢獻率,結果如表4所示。

表4 方差分解結果

方差分解的結果表明:(1)旅游生態效率、規模效應、結構效應、技術效應四個變量對自身的貢獻均超過其他變量,表明這些變量均具有自我強化作用。(2)對于旅游生態效率而言,規模效應對旅游生態效率的沖擊從第1期的12.6%逐步增加到第5期的33%,表明規模效應對旅游生態效率的影響具有持續性。技術效應對旅游生態效率的影響較小為0.6%,但其影響逐步波動增長至10.9%。結構效應對旅游生態效率的影響最小,在第1期為0.2%,但其影響逐步擴大至第5期的1.4%。對于規模效應而言,旅游生態效率對規模效應的沖擊從第3期開始顯現并在第5期達到最大值0.2%,表明旅游生態效率對其影響具有滯后性。結構效應當期對其影響較小為0.5%后逐步擴大至7.9%。技術效應對其影響較大在當期為4.9%,后逐步減少至2.7%。對于結構效應而言,技術效應對其沖擊影響為2.5%,旅游生態效率和規模效應當期未對其產生影響,到第5期擴大至0.5%和5.1%,表明旅游生態效率對結構效應的影響不顯著。對于技術效應而言,在當期僅受到自身的沖擊作用為92%。旅游生態效率和規模效應、結構效應的影響在第2期逐步顯現,到第5期分別增加至3.7%、1%和3%,其沖擊作用較小,和脈沖響應函數的估計結果具有一致性。旅游生態效率的影響因素除規模效應、結構效應、技術效應外,還有其他因素。下文將在考慮各地能源消費結構差異的基礎上引入其他變量作進一步分析。

4 旅游生態效率影響因素的進一步分析

4.1 面板門檻模型分析

能源消費結構對碳排放強度產生重要影響,借鑒劉軍等[8]的研究在考慮各地能源消費結構差異的基礎上計算旅游碳排放總量和旅游生態效率(t1)。并加入城鎮化、旅游發展水平和經濟發展水平作為控制變量,運用固定效應模型和面板門檻模型進行估計。

固定效應和隨機效應Hausman檢驗的結果表明應采取帶有時間效應的固定效應模型。各變量對旅游生態效率的影響可能隨經濟發展呈現非線性特征,為檢驗各變量與旅游生態效率的非線性關系以人均GDP對數為門檻變量,運用面板門檻模型進行實證分析。模型設定為:

Tit=μit+β1tourit.I(Zit≤γ1)+β2tourit.I(γ1

(6)

式中,i和t分別表示省份和時間,Zit為門檻變量人均GDP,γ1、γ2…γn是門檻值,β1、β2…βn+1為不同門檻區間下的估計值,tourit.I表示因變量旅游發展水平,.I表示示性函數(若滿足門檻條件取值為1,不滿足取值為0),Xit表示一系列控制變量包括經濟發展水平、城鎮化、旅游發展水平,εit為誤差項。借鑒 Hansen[37]的研究,對是否存在面板門檻效應進行檢驗,結果如表5所示。

表5 面板門檻效應檢驗

結果表明在1%的統計水平上拒絕不存在單一門檻和雙重門檻的假設,在5%的顯著性水平上拒絕不存在三種門檻的假設,表明模型存在著顯著的單重、雙重和三重門檻效應。若考慮各地能源消費結構則存在顯著的雙重門檻效應(限于篇幅,表省略)。采用固定效應和面板門檻模型進行估計,結果如表6所示。

表6 固定效應模型和面板門檻模型估計結果

結果表明固定效應模型的組內R2小于面板門檻模型的組內R2,因此選擇面板門檻模型更為合理。經濟發展水平的提高、規模效應、結構效應對旅游生態效率的提高有積極作用,說明西部大開發以及承接東中部地區產業轉移改善了西部地區的產業結構,減少了對生態環境的負外部性。技術效應每提高1%,旅游生態效率提升0.00629%,數值較小且不顯著。這可能是由于西部地區科技水平落后,人口受教育水平低和大量人才外流制約了技術因素的影響。城鎮化提高1%,旅游生態效率降低3.588%。這可能因為當前西部地區城鎮化發展仍處于較低水平,城鎮化的發展對地區環境帶來壓力而導致旅游生態效率下降,應通過新型城鎮化發展和加強環境管制來實現旅游生態效率的提升。旅游發展水平對旅游生態效率的影響具有三重門檻效應,當人均GDP對數小于9.31或進入第一個門檻9.31與第二個門檻9.854時,旅游業的發展能顯著提高旅游生態效率。具體為旅游發展水平每提高1%,旅游生態效率提高0.785%和1.485%,旅游發展水平對旅游生態效率的正向作用不斷強化。但跨越第二個門檻和第三個門檻之后,變為負向作用,表明過度旅游開發會對當地生態環境造成破壞,應兼顧經濟效益和生態效益。若考慮各省能源消費結構,各變量對旅游生態效率的影響強度縮小,表明能源消費結構對旅游生態效率產生重要影響。旅游業發展水平對旅游生態效率的影響在小于第二個門檻值9.854時為正向影響,跨越第二個門檻為負向影響。規模效應每提高1%,旅游生態效率提高0.109%;結構效應每提高1%,旅游生態效率提高0.537%；技術效應每提高1%,旅游生態效率提高0.0043%,技術效應的影響仍然不顯著。

4.2 面板門檻模型的穩健性檢驗

為檢驗面板門檻模型估計結果的穩健性,選取科研經費投入(te1)[27]作為技術效應的替代變量重復面板門檻模型的回歸過程,穩健性檢驗的結果如表7所示。

表7 穩健性檢驗結果

檢驗結果表明不考慮能源結構時仍然存在三重門檻效應,考慮能源結構時仍存在雙重門檻效應。各變量的顯著性未發生明顯變化,門檻值變化也不大,各變量的回歸系數除技術效應外符號方向均未發生變化,這驗證了回歸結果的穩健性。

5 結論與討論

西部地區旅游資源豐富,但以資源導向性為主的粗放型旅游發展方式,雖然促進了當地旅游業的發展,卻不具備可持續發展能力。近年來在美麗中國綠色發展理念的指導下,西部地區旅游生態效率不斷提高,不僅帶動了西部地區經濟發展水平和居民收入的提高,而且對我國東中西部協調發展有重要意義。本研究運用比值法測算了2000—2017年西部地區的旅游生態效率,并運用PVAR和面板門檻模型對旅游生態效率的影響因素進行分析,結論為:

第1,西部地區在2000—2017年間旅游生態效率不斷優化,旅游可持續發展水平逐步提高,表明西部大開發戰略對西部地區生態環境優化有積極作用。其中,云南、內蒙古、陜西、四川處于高效率地區,新疆、寧夏處于低效率區,各區域旅游生態效率差距較大,呈現不平衡分布的特點。應著力開發低碳生態旅游,減少旅游活動碳排放,引進新型環保技術,對旅游交通、旅游住宿和旅游游憩活動相關的行業進行污染治理。

第2,PVAR模型的分析結果表明結構效應和技術效應對旅游生態效率的正向作用較小,規模效應對旅游生態效率的正向作用較大。可利用好西部地區青山綠水的資源優勢,加大旅游業投資注重旅游景區景點的開發建設以吸引更多游客,發揮規模效應對旅游生態效率的積極作用。改變“高投入、低產出、低效率”的政府主導型旅游經濟增長方式,發揮結構效應的積極作用。加大高科技要素投入,利用“互聯網+”技術,變資源驅動為創新驅動,發揮科技因素對西部地區生態環境改善的積極作用。

第3,面板門檻模型分析的結果表明,若考慮各省能源消費結構,各變量對旅游生態效率的影響變小。西部地區重化工業占比較大的產業結構特點,對當地的生態環境造成不良影響。需改善當地能源消費結構,使用清潔能源并提高能源利用效率。旅游業發展水平對旅游生態效率的影響存在門檻效應,在前期旅游業的發展有助于旅游生態效率的提高,當超過第二個門檻值時旅游業的發展會對生態環境造成破壞,應在當地生態環境承載能力范圍內適度發展旅游業。城鎮化不利于旅游生態效率的提高,可通過旅游業的發展帶動新型城鎮化的發展,將旅游基礎設施建設和城鎮化建設相結合,實現二者的良性互動,發揮新型城鎮化對生態環境的改善作用。規模效應、結構效應和經濟發展水平均對旅游生態效率有積極作用,表明以旅游業作為西部地區的特色優勢產業是改善當地產業結構的需要,有利于保護生態環境實現綠色發展。

通過對西部地區旅游生態效率及其影響因素的分析,為西部地區旅游業綠色可持續發展提供參考。同時本文還存在以下不足和可供探討之處:首先,由于中國的旅游環境監測系統不完善,本文運用“自下而上”法對旅游碳排放量進行間接估算,并考慮了各地的能源消費結構但仍存在一定偏誤,后續研究可待相關監測系統完善后不斷優化旅游生態效率的研究。其次,運用比值法對旅游生態效率進行測量具有一定的科學性,但無法完全反映旅游管理和運營情況。最后,鑒于數據的可得性,從西部省域尺度進行研究略為宏觀,因而從更微觀的市域或縣域進行分析是未來旅游生態效率研究方向。