入境旅游提升了城市綠色全要素生產率嗎？

童昀 馬勇 劉軍

引用格式：童昀， 馬勇， 劉軍. 入境旅游提升了城市綠色全要素生產率嗎？——基于非線性視角[J]. 旅游學刊， 2021， 36（9）： 120-133. [TONG Yun， MA Yong， LIU Jun. Does the inbound tourism increase the citys green total factor productivity？ —Based on nonlinear perspective[J]. Tourism Tribune， 2021， 36（9）： 120-133.]

[摘? ? 要]在中國綠色發展以及擴大開放的戰略背景下，探討入境旅游是否助推了中國城市綠色發展具有現實意義。文章首先融合遙感影像數據和社會經濟統計數據，運用基于埃普西隆測量-全局曼奎斯特盧恩伯格模型測度2005—2016年284個地級及以上城市綠色全要素生產率，基于目的地經濟異質性構建面板平滑轉換模型，實證考察入境旅游與城市綠色全要素生產率之間的平滑轉換效應。研究結果表明：（1）入境旅游對綠色全要素生產率提升始終具有促進作用，可以作為推動城市綠色發展的有效工具;（2）入境旅游和綠色全要素生產率兩者間存在顯著非線性關系，隨著城市經濟水平提高，入境旅游綠色發展效應得到強化，故應以“城旅融合”為核心將入境旅游發展置于城市經濟發展整體布局中;（3）入境旅游對綠色技術進步促進作用隨經濟水平提高而增強，但對綠色技術效率促進作用則減弱，說明綠色技術進步是入境旅游促進綠色全要素生產率提升的重要源泉;（4）以入境旅游人次作為替代變量的穩健性檢驗表明前述結果穩健可信。

[關鍵詞]綠色全要素生產率;入境旅游;綠色發展;面板平滑轉換模型;基于埃普西隆測量-全局曼奎斯特盧恩伯格模型

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2021）09-0120-14

Doi： 10.19765/j.cnki.1002-5006.2021.09.012

引言

近年來，“生態優先、綠色發展”成為國家戰略，黨的十九大報告明確提出，加快經濟提質增效和產業結構轉型升級，進而形成綠色發展方式，實現高質量發展。作為國民經濟戰略性支柱產業，旅游業對國民經濟和就業綜合貢獻率均已超過10%[1]。旅游業助推中國經濟綠色轉型和高質量發展，既是其價值訴求，又是其現實使命。根據國家統計局數據（圖1），1999—2018年，中國入境旅游人次從7 279萬人次增長到1.41億人次（其中，外國游客人次為3 054萬人次），國際旅游外匯收入從140.99億美元增長到1 271.03億美元1，入境旅游穩步發展。作為開放經濟和現代服務業的重要組成部分，入境旅游相對于國內旅游，具有更高的消費水平和結構[2-3]、更強的產業示范性和關聯產業帶動性[4]，并具有文化軟實力塑造和國家形象輸出功能[5-6]。隨著“一帶一路”、海南自由貿易港等擴大對外開放戰略實施，以及旅游消費環境和旅游產品供給持續改善，中國入境旅游規模還將擴張，其在國民經濟中產業地位愈發重要。一直以來，旅游業以“綠色產業”形象示人，成為生態文明建設和綠色發展的重要載體[7]，一方面歸因于遵循旅游導向型經濟增長機制，發展旅游給目的地帶來直接和間接經濟效益[8]，另一方面則因為較制造業而言，旅游經濟本身自然資本消耗和污染物排放更低。不可忽視的是，入境旅游發展過程中可能引致的“資源詛咒”與“荷蘭病效應”[9-11]等問題卻會制約目的地綠色發展。因此，在當前實踐背景下，將入境旅游作為核心觀察對象，論證其是否促進了旅游目的地綠色發展成為一個亟須回答的現實問題。

長久以來，旅游業的經濟增長效應和生態環境效應受到學術界廣泛關注，并形成豐碩成果。旅游業經濟增長效應的實證研究，多圍繞旅游導向型經濟增長假說（tourism-led growth hypothesis，TLGH）核心問題展開，基于經濟學范式和框架，利用時間序列數據或面板數據進行假說驗證[12-18]。而旅游業生態環境效應研究，一方面，多從微觀目的地層面，基于地理學、生態學范式和框架，利用實地調研測量或遙感數據考察旅游發展過程中的環境污染、生態問題[19-24];另一方面，已有學者從宏觀層面對旅游發展影響區域整體污染物排放進行經驗研究。王明康等發現，中國絕大多數地級市旅游產業集聚對環境污染改善起到促進作用[25]。

不難發現，學術界關于旅游發展對目的地影響的研究，是將目的地經濟系統和環境系統作為兩個獨立系統而分別展開的。旅游發展的經濟影響研究與環境影響研究之間缺乏良好互動。綠色發展強調在資源環境約束下實現社會發展和經濟增長[26]，兼有經濟增長和生態環境保護雙重內涵。探討入境旅游對綠色發展的影響，能夠將上述兩個領域議題納入同一分析框架進行綜合考察，形成研究話題和視野的完善。豐曉旭率先做出理論探討，論述了全域旅游推動區域綠色發展的機理[27]。但該研究仍停留在理論闡釋層面，本文嘗試將這一領域研究推向實證層面。根據已有研究[28-30]，綠色全要素生產率（green total factor productivity，GTFP）是衡量綠色發展水平的重要指標，本文即聚焦到入境旅游對城市GTFP的影響效應研究上。

相對既有文獻，本文推進之處在于：第一，將入境旅游和目的地綠色發展納入同一分析框架，并從實證角度，為城市層面探討入境旅游是否促進目的地綠色發展這一現實問題，提供經驗證據。第二，從經濟異質性切入，構建面板平滑轉換模型（panel smooth transition regression，PSTR），刻畫入境旅游影響城市GTFP的軌跡特征。第三，基于GTFP分解，識別入境旅游引致城市GTFP增長的源泉。

1 入境旅游對綠色全要素生產率的影響機理分析

首先，在認識GTFP及其增長源泉的基礎上，分析入境旅游對GTFP的作用機制（圖2）。根據Chung等的研究[31]，GTFP提升的源泉可以分解為綠色技術進步（green technological change，GTC）和綠色技術效率（green efficiency change，GEC）兩個方面。（1）入境旅游通過以下方式促進旅游目的地GTC：第一，“旅游+深度融合”將促進城市創新能力。入境旅游通過例如休閑農業、工業旅游、文化旅游、旅游地產、智慧旅游等形式的關聯產業融合引發創新行為[32-34]。第二，入境旅游對目的地產業結構變遷形成干預。一方面，入境旅游發展依賴目的地良好的生態環境，會促使政府實施更嚴格的環境規制政策，加大能源消耗和污染物排放監管力度[27];另一方面，發展入境旅游一定程度上提高目的地物價水平，導致要素價格上漲，制造業和低附加值高消耗產業被擠出，倒逼目的地產業結構調整[25，35]，高級化和清潔化的產業結構勢必推動目的地技術水平提高和非期望產出減量。第三，入境旅游促進目的地對外開放，促進目的地形成良好知名度和口碑[36]，有利于吸引外商直接投資，進而發展高新技術產業，推動城市生產前沿面外擴。（2）入境旅游通過以下方式影響旅游目的地GEC：第一，入境旅游需要良好的區域交通條件支撐，機場、高鐵等現代交通網絡建設和覆蓋，將加強目的地與周邊城市合作聯系，形成良好的經濟發展區位，從而提升區域經濟效率。第二，入境旅游不僅促使目的地基礎設施硬件建設，也會推動其管理制度和政策等軟件變革[37]，進而改善城市整體經濟發展環境，優化資源配置效率。第三，入境旅游通過促進目的地對外開放所引致的外商直接投資，可能帶來先進的生產技術和管理經驗，也將實現生產效率提升。第四，規模效率提升是GEC改進的途徑之一，隨著基礎配套設施逐漸完善，新生產技術應用推廣，以及關聯產業和產業融合新業態良好發展，則有助于實現目的地生產的規模效應[11]。

其次，進一步闡釋入境旅游影響GTFP非線性機制的理論基礎。入境旅游對城市GTFP影響機制的復雜性和動態性，以及目的地異質性是產生非線性效應的主要原因。（1）從直接影響看，非線性表現在入境旅游影響目的地經濟環境產出正負作用相對大小的動態變化。入境旅游將增加目的地旅游外匯收入[38]，促進當地旅游就業[39]，但同時也可能引發目的地通貨膨脹[40]，并伴隨旅游收入漏損[41]。發展入境旅游需要目的地良好的生態環境支撐，入境旅游發展過程中，目的地居民環保理念隨之增強[42]，旅游外匯收入能為環境保護提供資金支持[27]。與此同時，發展入境旅游造成目的地自然資本消耗，旅游活動形成的碳排放、廢水、廢固等污染物將對目的地資源環境造成負面影響[43-44]。（2）從間接影響看，非線性表現在入境旅游帶來的關聯產業融合、產業結構替代、對外開放擴大、發展環境優化等效應，可能由于目的地經濟發展水平高低不同，其作用時滯、主導程度和相對強弱也會發生變化。①隨著城市經濟水平提高，入境旅游促進產業融合、業態創新、對外開放的條件更為成熟，現實可能性更大，對GTFP的作用力得以強化。②同一作用渠道下產生的正反兩種效應隨著城市經濟水平變化而此消彼長，使入境旅游對GEC和GTC的影響存在非線性，進而使入境旅游對GTFP的影響機制具有非線性特征。比如伴隨“荷蘭病效應”（去工業化），目的地產業結構既可能邁進高級化、合理化，也可能出現倒退，陷入“資源詛咒”;對外開放擴大帶來的外商直接投資既可能形成“污染光環”[45]，也可能使目的地陷入“污染天堂”[46-47]等。

2 方法、模型與變量

2.1 面板平滑轉換回歸

面板平滑轉換模型（PSTR）是Andrés González等[48]對Hansen提出的面板門檻模型[49]的拓展。在通過非線性檢驗的前提下，利用PSTR模型估計入境旅游對目的地GTFP的影響效應，將有效彌補因線性模型忽視非線性因素所導致的對入境旅游綠色發展效應的動態連續時變轉換機制考察的缺失。兩機制PSTR模型如式（1）和式（2）[48]：

[yi，t=μi+β0xi，t+β0?xi，tg（qi，t; γ，c）+ui，t? ? ? ? ? ? ? ] （1）

[gqi，t; γ，c=1+exp-γj=1m（qi，t-cj）-1? ?] （2）

式（1）和式（2）中[， yi，t]為被解釋變量，[ xi，t]為解釋變量向量，[ui，t]為誤差項。轉換函數[g（qi，t; γ，c）]是Logistic函數，該函數是關于轉換變量[qi，t]且值域介于0和1之間的連續平滑有界函數。參數[γ]決定轉換速度，[c=（c1， c2， …cm）]為位置參數，決定轉換發生閾值。當m=1時，[xi，t]系數隨著[qi，t]的增加在[β0]和[β0+β0?]之間單調平滑變換。

2.2 城市綠色全要素生產率測算

2.2.1? ? 城市綠色全要素生產率測算指標體系

（1）指標體系構建：第一，準則層：既有GTFP測算研究中，投入指標多圍繞生產函數投入項確定，主要包括水、土地、勞動力、資本、能源等[50-51]。產出指標通常劃分為期望產出與非期望產出。故將準則層確定為土地投入、資源投入、資本投入、勞動力投入，以及期望產出和非期望產出。第二， 指標層：投入指標涉及建設用地、耕地、能源消耗、全社會固定資產存量、城市供水總量、單位從業人數等，產出指標包括GDP、PM2.5年均濃度（非期望）、工業廢水排放量（非期望）等。最終構建指標體系（表1）。

（2）數據來源及處理：數據處理基本思路是先進行遙感數據處理，主要涉及ArcGIS投影設置、底圖匹配、剪裁和數值提取等操作。再將遙感指標數據與經濟社會統計數據匹配，形成完整的城市GTFP測算數據庫。

第一，建設用地與耕地由中國土地利用現狀數據處理獲得，該數據集以Landsat TM/ETM遙感影像為數據源，經人工目視解譯，劃分建設用地、耕地、林地、草地、水域和未利用土地等一級類型，從地理國情監測云平臺（http：//www.dsac.cn/DataProduct/Detail/200804）獲取，分辨率為1千米×1千米。第二，能源消耗數據由DMSP/OLS全球夜間燈光數據處理獲得1，已有研究表明，夜間燈光數據與能源消耗存在顯著線性相關性[52-53]。并參考相關研究[54-55]，利用AcrGIS分區統計求和功能，將行政區范圍內所有柵格灰度值之和作為該城市能源消耗。中國范圍DMSP/OLS數據從中國科學院資源環境科學數據中心（http：//www.resdc.cn/data.aspx？DATAID=213）獲取，分辨率為1千米×1千米。第三，非期望產出PM2.5數據來源于大氣成分分析組織利用MODIS、MISR等遙感數據反演得出的柵格數據集（http：//fizz.phys.dal.ca/～atmos/martin），分辨率為0.01°×0.01°。利用ArcGIS分區統計求均值功能，獲得PM2.5濃度。第四，全社會固定資產存量按照張軍等的做法[56]，首先確定基期（2004年）固定資產存量，再用后式測算每年固定資產存量：[Ki，t=Ii，t+][1-δi，tKi，t-1]，其中，[Ki，t]、[Ii，t]、[δi，t]分別為t年固定資產存量、新增固定資產投資以及折舊率（設為9.6%）。第五，城市經濟、社會、環境指標數據批量采集于中國經濟社會大數據統計平臺，涉及《中國城市統計年鑒（2005—2017）》《中國區域經濟統計年鑒（2005—2014）》等。缺失值查找各省份統計年鑒和相應城市國民經濟和社會發展統計公報補齊，若仍缺失則用線性插值補齊。

2.2.2? ? 城市綠色全要素生產率測算方法

利用Maxdea軟件，采用基于埃普西隆測量-全局曼奎斯特-盧恩伯格模型（Epsilon based measure- global Malmquist-Luenberger model，EBM-GML）測度城市GTFP。首先，構建包含非期望產出的超效率EBM模型[57]，囿于篇幅，具體規劃式參見研究文獻[57-58]。其次，構造全局曼奎斯特-盧恩伯格模型（GML）指數并分解，測算城市GTFP及其分解項的動態變化狀況。選用GML指數是其能避免非全局指數的非傳遞性和線性等缺陷[59]，公式見已有研究[60]，最終可得GTFP指數及乘積分解項GEC指數、GTC指數。其中，GEC指數表示政策與制度變革等發展環境因素變化對資源配置效率造成影響，而使實際生產狀況與生產前沿面相對位置發生變化，GTC指數表示創新或引入先進技術推動生產前沿面外移[61]。由于上述指數為GTFP、GEC、GTC的變化率，參照既有研究[59， 62]，假設2004年城市GTFP、GEC、GTC均為1，再與相應指數逐年累乘，得到2005—2016年的GTFP、GEC、GTC。1

2.3 變量定義和模型設定

（1）被解釋變量：分別用GTFP、GEC、GTC作為被解釋變量，探討入境旅游是否能夠促進城市GTFP提升，并識別促進GTFP的主要方式。

（2）核心解釋變量及轉換變量：核心解釋變量為入境旅游（lngjsr），采用入境旅游收入的對數衡量。轉換變量的選擇出于以下考慮：一方面入境旅游作為經濟活動，其綠色發展效應的非線性與目的地經濟水平可能存在天然聯系;另一方面，宏觀經濟研究中，經濟水平與其他宏觀變量往往存在較強相關性，經濟異質性也表征了其他方面異質性，故選取其具有代表性。因此，從經濟異質性角度，揭示隨經濟發展，入境旅游對GTFP影響的轉換效應，設定轉換變量為經濟水平（Econ），采用人均GDP的對數衡量。

（3）控制變量：參考GTFP影響因素研究成果[63-66]，納入如下控制變量。對外開放水平（FDI），采用外商直接投資衡量;創新能力（Crea），采用科學技術支出占GDP比重衡量;經濟水平（Econ），采用人均GDP衡量;產業結構（Ind），采用第三產業占GDP比重衡量;環境規制強度（Envi），工業煙粉塵去除率衡量;城鎮化（Urb），采用建設用地占總面積比重衡量。為消除異方差將控制變量對數化。

最終構建如式（4）、式（5）和式（6）的3個計量模型。

考察入境旅游對城市GTFP的影響，構建模型1：

[GTFPi，t=μi+β1lngjsri，t+β2FDIi，t+β3Creai，t+? ? ? β4Econi，t+β5Indi，t+β6Envii，t+β7Urbi，t+? ? ?（β1′lngjsri，t+β2′FDIi，t+β3′Creai，t+β4′Econi，t+? ? ? β5′Indi，t+β6′Envii，t+β7′Urbi，t）? ? ?gEconi，t; γ，c+ui，t? ]（4）

考察入境旅游對城市GEC的影響，構建模型2：

[GECi，t=μi+β1lngjsri，t+β2FDIi，t+β3Creai，t+? ? ?β4Econi，t+β5Indi，t+β6Envii，t+β7Urbi，t+? ? ?（β1′lngjsri，t+β2′FDIi，t+β3′Creai，t+β4′Econi，t+? ? ?β5′Indi，t+β6′Envii，t+β7′Urbi，t）gEconi，t; γ，c+ui，t? ]（5）

考察入境旅游對城市GTC的影響，構建模型3：

[GTCi，t=μi+β1lngjsri，t+β2FDIi，t+β3Creai，t+? ? ?β4Econi，t+β5Indi，t+β6Envii，t+β7Urbi，t+? ? ?（β1′lngjsri，t+β2′FDIi，t+β3′Creai，t+? ? ?β4′Econi，t+β5′Indi，t+β6′Envii，t+β7′Urbi，t）? ? ?gEconi，t; γ，c+ui，t] （6）

其中[，β1]、[β2]、[β3]、[β4]、[β5]、[β6]、[β7]為各解釋變量線性部分估計系數，[β1′]、[β2′]、[β3′]、[β4′]、[β5′]、[β6′]、[β7′]為各變量非線性部分估計系數，各解釋變量對因變量的影響由線性與非線性部分共同決定，[g（Econi，t; γ，c）]為轉換函數，[ ui，t]為殘差項。

3 入境旅游對綠色全要素生產率的平滑轉換效應

PSTR模型建模涉及非線性檢驗、模型估計、穩健性檢驗3個階段[67]，本文使用R軟件的PSTR程序包實現建模。

3.1 單位根檢驗

為避免偽回歸，對所有變量進行單位根檢驗。使用Levin-Lin-Chu（LLC）和Fisher-augmented-Dickey-Fuller（Fisher-ADF）兩種檢驗方法[68-69]，結果見表2。結果顯示，所有變量LLC和Fisher-ADF檢驗在0.01顯著性水平上拒絕原假設，表明各變量均是平穩的，可以繼續PSTR模型估計。

3.2 模型非線性檢驗

首先對模型1、模型2和模型3進行非線性檢驗，以確定使用PSTR模型必要性。由于模型包含未識別參數γ和c，無法對模型進行傳統非線性檢驗，González等建議遵循Luukkonen等的做法[70]，設置同質性零假設H0：γ=0，并在γ=0處用轉換函數一階泰勒展開式替代。然后分別估計輔助回歸方程和線性固定效應模型，并根據兩個模型殘差平方和構造統計量，最后利用服從χ2分布LM檢驗統計量和服從F分布LMF檢驗統計量進行檢驗，如式（7）和式（8）：

[LM=TNSSR0-SSR1SSR0?χ2mk? ? ? ? ] （7）

[LMF=SSR0-SSR1mk/SSR0TN-N-mk?F（mk，TN-N-mk）? ? ? ] （8）

式（7）和式（8）中，T為時間長度，N為截面個數，k為外生變量個數，SSR0和SSR1分別為接受和拒絕原假設的殘差平方和。

依次對模型1、模型2和模型3，在m=1、m=2或m=3情形下，進行非線性檢驗，結果見表3。結果表明，不論m=1或m=2，模型1、模型2和模型3的LM、LMF統計量及其穩健形式均在0.01顯著性水平上拒絕線性原假設。而當m=3時，模型1和模型3未通過0.01顯著性水平。因此，當位置參數個數為1或2時，入境旅游對GTFP、GEC和GTC均存在以經濟水平為轉換變量的非線性效應，說明需要使用PSTR模型進行參數估計。進一步，根據González觀點[48]，應選擇原假設被拒絕得更強烈情形下的m值作為位置參數個數。因此，模型1、模型2和模型3均應選擇位置參數個數為1，即m=1。

3.3 模型參數估計

采用非線性最小二乘法估計PSTR模型參數，轉換函數的斜率系數γ和位置參數c采用網格搜索法得到[48]。為增強結果穩健性，同時估計面板固定效應模型作為對比，結果見表4，并在圖3中繪制轉換函數圖像以及核心解釋變量估計系數的平滑轉換圖像。

3.3.1? ? 入境旅游對綠色全要素生產率的平滑轉換效應（模型1）

根據模型1的PSTR模型估計結果、轉換函數圖像以及入境旅游系數轉換圖像，當轉換函數[g（Econ; ][γ，c）]=0時，入境旅游對城市GTFP影響效應為0.04817，模型處于低機制。當轉換變量經濟水平處于位置參數[c]值11.5588時，[g（Econ; γ，c）]=0.5，入境旅游對GTFP影響效應為0.06511[（β1+0.5×β1′）]，模型處于低高機制的中間狀態。當[g（Econ; ][γ，c）]=1時，入境旅游對城市GTFP影響效應為0.08204[（β1+β1′）]，模型處于高機制。入境旅游對城市GTFP的影響效應在低機制與高機制之間，以位置參數[c]=11.5588為中心，以[γ]=1.96569的轉換速率，在[0.04817，0.08204]之間平滑轉換。換言之，入境旅游對城市GTFP的影響具有動態性和非線性。上述結果表明，入境旅游始終能夠顯著促進城市GTFP提升，入境旅游具有綠色發展效應。并且由于經濟異質性存在，城市經濟水平的提高，會使入境旅游對GTFP的提升作用增強。其現實政策指向是明顯的，發展入境旅游是可靠的促進區域綠色發展的政策工具，并且該工具的有效性與目的地經濟水平存在關聯，即良好的城市發展本底能夠為入境旅游更好發揮綠色發展效應提供外部條件。目的地應以“城旅融合”為核心，踐行全域旅游發展理念：一方面，應以入境旅游帶動和促進經濟社會協調發展和目的地城市系統優化提升;另一方面，目的地經濟發展過程中的整體規劃布局和統籌協調管理應考慮入境旅游發展訴求，相關建設發展成果與旅游業共用共享，形成入境旅游與城市整體經濟發展良性互動格局，最終實現入境旅游綠色發展效應向高機制轉換。

3.3.2? ? 入境旅游對綠色技術效率的平滑轉換效應（模型2）

入境旅游對城市GEC的影響與其對城市GTFP、GTC的影響趨勢相反。當轉換函數[g（Econ; γ，c）]=0時，入境旅游對城市GEC影響效應為0.02069，且在0.05水平上顯著，對GEC具有正向推動效應，模型處于高機制。而[lngjsri，tg（Econ; γ，c）]估計系數[β1′]為?0.01824，表明隨著經濟水平增長，入境旅游對GEC影響存在邊際效應遞減規律。當[g（Econ; γ，c）]=1時，入境旅游對GEC影響效應為0.00245[（β1+β1′）]，影響效應仍然保持為正，模型處于低機制。入境旅游對GEC的影響以位置參數[c]值11.1904為中心，以[γ=1.76715]相對較慢的轉換速率在[0.02069，0.00245]之間平滑轉換。這表明，經濟水平相對較差的城市發展入境旅游，將更加有效地提升城市整體GEC。而經濟水平相對較高的城市，入境旅游對GEC的促進作用并不明顯。其現實成因可能是：其一，發展入境旅游能夠充分發揮經濟欠發達目的地自然資源稟賦優勢，快速帶來旅游外匯收入，在有限環境影響下取得直接經濟收益。其二，當城市處于經濟欠發達階段，其交通區位條件、城市基礎建設水平、公共服務設施等硬件，以及城市管理制度和經濟政策等仍不完備，尚存大幅提升空間，發展入境旅游將迅速改善城市發展環境，進而優化資源配置效率和實現規模效率，最終促進GEC提升。實踐意義上，由于可取得較高邊際收益，經濟欠發達地區更應支持入境旅游發展，以實現自身綠色發展。對于經濟發達地區，則應當促進入境旅游自身資源配置和利用效率提升，探索構建入境旅游促進城市生產效率以及規模效應提升的路徑和渠道。

3.3.3? ? 入境旅游對綠色技術進步的平滑轉換效應（模型3）

入境旅游對城市GTC的影響與其對GTFP的影響趨勢類似。模型3中，入境旅游線性部分估計系數[β1]為0.08574，在0.01水平上顯著，非線性部分[lngjsri，tg（Econ; γ，c）]估計系數[β1′]為0.08918。說明入境旅游對城市GTC存在正向促進作用，同時，隨著城市經濟水平提升，入境旅游對城市GTC的正向影響會得到強化，其正向效應區間為[0.08574，0.17492]。入境旅游對GTC的促進意味著入境旅游能夠激發基于產業融合的新業態創新行為，并且通過開放經濟引入先進技術和創新能力，推動目的地生產前沿面外擴，外商直接投資表現為“污染光環”效應。之所以產生非線性效應，主要是由于城市經濟越發達，入境旅游越能夠發揮其綜合帶動能力，形成更強的融合效應、倒逼效應、優化效應，強化其在產業關聯融合、產業結構替代和發展環境優化等渠道中對城市GTC的促進作用。入境旅游促使城市生產前沿面的擴張，更加體現入境旅游對目的地綠色發展的綜合促進作用。

從3個模型的固定效應估計參數大小看，入境旅游對GTFP估計系數為0.07357，對GEC估計系數僅為0.02914，而對GTC估計系數則達到0.10227，根據GEC、GTC和GTFP三者間數量關系，就線性估計而言初步判斷，入境旅游對GTFP的影響主要是通過影響GTC實現的。其次，從PSTR估計的平滑轉換趨勢看，隨著經濟水平提升，入境旅游對GTFP的估計系數變大，對GTC估計系數也變大，體現平滑轉換機制的耦合性，然而，其對GEC估計系數則下降，且無法通過顯著性檢驗。這意味當城市經濟水平較高時，入境旅游對GEC的推動并不明顯，故其對GTFP推動作用的強化是通過對GTC推動而貢獻的。線性和非線性估計結果，都說明入境旅游對GTC的提升是促進城市GTFP提升的主要來源。

3.3.4? ? GTFP、GEC、GTC對入境旅游變化的響應

為更好揭示PSTR模型的現實政策含義，以入境旅游為X軸、經濟水平為Y軸，分別以GTFP、GEC、GTC的響應為Z軸，繪制模型1、模型2和模型3三維響應曲面（圖4）。圖像直觀地表明，首先入境旅游影響目的地綠色發展并非線性均質的，確實存在城市經濟異質性導致的非線性效應。其次，目的地經濟水平較低時，GTFP對入境旅游發展的響應較低，且主要通過GEC提升實現。經濟水平較高時，GTFP對入境旅游發展的響應較強，主要通過促進GTC實現。目的地經濟水平提高所產生的入境旅游對GEC促進作用的弱化被對GTC促進作用的強化所彌補，因此，不論目的地處于何種經濟水平，從推動綠色發展的角度來說，當地政府都應對發展入境旅游持開放支持態度。

3.4 模型穩健性檢驗

參照研究慣例[53]，替換入境旅游的代理變量，即使用入境旅游接待人次（lngjrc）替換入境旅游收入（lngjsr），重新估計3個模型（模型4、模型5和模型6），結果見表5。

結果顯示：（1）模型4中，入境旅游人次線性部分估計系數[β1]為0.01304，非線性部分[lngjrci，tg][（Econ; γ，c）]估計系數[β1′]為0.07087，且在0.05水平上顯著。當入境旅游人次跨越位置參數c值11.58030后，入境旅游對GTFP的提升作用以1.89037的轉換速率平滑增強，當[gEcon; γ，c=1]時，入境旅游綠色發展效應達到最大值0.08391。表明不論城市經濟所處階段，入境旅游對GTFP始終表現正向推動作用，且隨經濟水平增強而強化，與模型1結論一致。（2）模型5中，入境旅游人次對GEC的影響效應在[0.00943， ?0.00990]之間，以經濟水平門檻11.28800為中心和1.59356的轉換速率逐漸降低，入境旅游對GEC提升的邊際效應降低，與模型2趨勢基本一致。但以入境旅游人次為代理變量的入境旅游對GEC呈現由正向推動到負向抑制的過程，與模型2不同。（3）模型6中，隨經濟水平提高，入境旅游人次對GTC的影響效應以位置參數11.46740為中心，以3.63713的轉換速率，較快地由0.01380升至0.15330，且在0.1水平上顯著，該趨勢與模型3一致。最后，綜合模型4、模型5和模型6結果，同樣印證了前文入境旅游對GTC的推動是其對城市GTFP提升的重要源泉這一結論。

穩健性檢驗表明，入境旅游對城市GTFP、GEC、GTC影響效應的PSTR模型估計穩健可信。

4 結論與啟示

現階段關于旅游產業綠色屬性的討論停留在旅游產業本身是否綠色這一層面，但是鑒于旅游產業的綜合帶動性，考察旅游產業之于目的地綠色發展的“外部性”將變得更有意義。因此，將入境旅游和目的地綠色發展納入同一分析框架，從城市經濟異質性視角，揭示入境旅游對城市GTFP影響的平滑轉換效應。最終實證結果支持入境旅游是驅動區域綠色發展的綠色產業這一論斷，而且發現入境旅游綠色發展效應存在以經濟水平為門檻變量的非線性特征。

上述研究結論為中國實踐情境下入境旅游的綠色產業屬性提供了理論支撐，具有積極的現實政策含義：第一，不論目的地經濟處于何種發展階段，從促進城市整體綠色發展的角度考慮，地方政府都應充分利用自身具備的資源特色和區位優勢，并給予更強的政策支持，加強對外開放，鼓勵入境旅游發展，并將其作為實現城市綠色發展的有效工具。第二，良好的城市發展基礎將為入境旅游促進目的地綠色發展提供有利的外部條件。因此，為充分發揮入境旅游的綠色發展效應，應當將入境旅游發展置于城市經濟水平提升的整體布局中。通過促進城旅融合發展，形成入境旅游發展與目的地經濟發展良性互動、相互促進的格局，進而推動入境旅游綠色發展效應向高機制轉換。第三，入境旅游影響城市GEC的邊際效應隨著目的地經濟水平提高而逐漸減弱，這提示經濟水平較好的目的地首先應摒棄高要素投入和低效率利用的入境旅游發展模式，轉向入境旅游高質量發展，實現入境旅游自身的資源配置和利用效率提升;其次，積極探索通過倒逼產業結構優化升級、推動產業融合、加強業態創新、構建入境旅游深度參與的產業生態圈和綜合體等方式，著眼構建入境旅游促進城市生產效率以及規模效應提升的路徑和渠道。

本文是揭示旅游業綠色發展效應的一個嘗試，還無法回應一些必要關切，例如，入境旅游對GTFP的平滑轉換機制會受到諸多因素影響，而本文只考慮經濟水平單因素。尚未實證考察入境旅游影響GTFP的內在機制。另外，城市綠色發展水平的表征還可利用綠色發展指數、生態效率、綠色GDP等多種方式，本文僅選用GTFP。而上述不足，恰恰構成入境旅游綠色發展效應研究深化完善的方向：首先，在城市異質性方面，可基于資源稟賦異質性、空間異質性、文化異質性等視角考察入境旅游綠色發展效應的非線性機制。其次，采用中介效應模型等手段，深入考察和比較入境旅游對GTFP的各渠道所發揮的間接作用大小，驗證內在機制。最后，將研究對象從入境旅游擴展到旅游經濟整體，將研究案例由發展中國家擴展到發達國家。

參考文獻（References）

[1] 中華人民共和國文化和旅游部. 2018年全國旅游工作報告[DB/OL]. [2018-01-08]. http： //www. sohu. com/a/215451714_785796. [Ministry of Culture and Tourism of the Peoples Republic of China. National Tourism Work Report 2018 [DB/OL]. [2018-01-08]. http： //www. sohu. com/a/215451714_785796. ]

[2] 席建超， 甘萌雨， 吳普， 等. 中國入境游客旅游消費變動的實證分析[J]. 旅游學刊， 2008， 23（5）： 18-22. [XI Jianchao， GAN Mengyu， WU Pu， et al. A demonstrative analysis of consumptive changes of Chinas inbound tourists[J]. Tourism Tribune， 2008， 23（5）： 18-22. ]

[3] 粟娟， 王鳳玲. 產業生成視角下張家界入境旅游消費結構演化態勢及動因分析[J]. 吉首大學學報（社會科學版）， 2015， 36（4）： 88-97. [SU Juan， WANG Fengling. Structure evolution and driver analysis of inbound tourism consumption from the? ? ? ?perspective of industry generation： A case study in Zhangjiajie[J]. Journal of Jishou University（Social Sciences Edition）， 2015， 3604）： 88-97. ]

[4] 陳剛強， 李映輝， 胡湘菊. 基于空間集聚的中國入境旅游區域經濟效應分析[J]. 地理研究， 2014， 33（1）： 167-178. [CHEN Gangqiang， LI Yinghui， HU Xiangju. Regional economic effects of inbound tourism in China： Based on the perspective of spatial agglomeration[J]. Geographical Research， 2014， 33（1）： 167-178. ]

[5] 蔣依依. 以國家形象與旅游形象有機融合促進入境旅游持續發展[J]. 旅游學刊， 2018， 33（11）： 9-11. [JIANG Yiyi. Promote the continuous development of inbound tourism with the organic integration of the national image and the tourist image[J]. Tourism Tribune， 2018， 33（11）： 9-11. ]

[6] 吳晉峰. 美國人入境前后中國旅游形象對比研究[J]. 旅游研究， 2014， 6（1）： 12-20. [WU Jinfeng. A comparative study of Chinas tourism image of the pre and post Americans entry[J]. Tourism? ? Research， 2014， 6（1）： 12-20. ]

[7] 馬勇， 郭田田. 踐行“兩山理論”生態旅游發展的核心價值與實施路徑[J]. 旅游學刊， 2018， 33（8）： 16-18. [MA Yong， GUO? ? ?Tianian. Practicing the “two mountains theory”： The core value and implementation path of ecotourism development[J]. Tourism Tribune， 2018， 33（8）： 16-18. ]

[8] 趙磊， 張晨. 旅游減貧的門檻效應及其實證檢驗——基于中國西部地區省際面板數據的研究[J]. 財貿經濟， 2018， 39（5）： 130-145. [ZHAO Lei， ZHANG Chen. Threshold effect and empirical test of tourism on poverty alleviation—Based on provincial panel data in western China[J]. Finance & Trade Economics， 2018， 39（5）： 130-145. ]

[9] CAP? J， NADAL J R. Dutch disease in tourism economies：? ?Evidence from the balearics and the canary islands[J]. Journal of Sustainable Tourism， 2007， 15（6）： 615-627.

[10] DENG T T， MA M L， CAO J H. Tourism resource development and long-term economic growth： A resource curse hypothesis? approach[J]. Tourism Economics， 2014， 20（5）： 923-938.

[11] 鄧濤濤， 劉璧如， 馬木蘭. 旅游產業依賴與全要素生產率增長——基于“資源詛咒”假說的檢驗[J]. 旅游科學， 2019， 33（1）： 1-17. [DENG Taotao， LIU Biru， MA Mulan. Tourism industry? ? dependence and total factor productivity： An investigation based on “resource curse” hypothesis[J]. Tourism Science， 2019， 33（1）： 1-17. ]

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

[13] BLAKE A， SINCLAIR M T. Tourism crisis management： US? response to September 11[J]. Annals of Tourism Research， 2003， 30 （4）： 813-832.

[14] 楊勇. 旅游業與我國經濟增長關系的實證分析[J]. 旅游科學， 2006， 20（2）： 40-46. [YANG Yong. An empirical analysis of the relationship between tourism and economic growth in China[J]. Tourism Science， 2006， 20（2）： 40-46. ]

[15] SEETANAH B. Assessing the dynamic economic impact of? tourism for island economies[J]. Annals of Tourism Research， 2011， 38 （1）： 291-308.

[16] LEAN H， TANG C. Is the tourism-led growth hypothesis stable for Malaysia？ A note[J]. International Journal of Tourism? ? ? ?Research， 2010， 12（4）： 375-378.

[17] 趙磊， 方成， 吳向明. 旅游發展、空間溢出與經濟增長——來自中國的經驗證據[J]. 旅游學刊， 2014， 29（5）： 16-30. [ZHAO Lei， FANG Cheng， WU Xiangming. Tourism development， Spatial spillover and economic growth： An empirical evidence from? China[J]. Tourism Tribune， 2014， 29（5）： 16-30. ]

[18] 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. [ZHAO Lei. Tourism development and economic growth： Empirical evidence from China[J]. Tourism Tribune， 2015， 30（4）： 33-49. ]

[19] ABEYRATNE R. Management of the environmental impact of tourism and air transport on small island developing states[J]. Journal of Air Transport Management， 1999， 5（1）： 31-37.

[20] 馮學鋼， 包浩生. 旅游活動對風景區地被植物-土壤環境影響的初步研究[J]. 自然資源學報， 1999（1）： 76-79. [ FENG? ? ? Xuegang， BAO Haosheng. Preliminary research on tourist activity influence upon the soil and cover plant of scenic spot[J]. Journal of Natural Resources， 1999（1）： 76-79. ]

[21] PICKERING C M， HILL W. Impacts of recreation and tourism on plant biodiversity and vegetation in protected areas in Australia[J]. Journal of Environmental Management， 2007， 85（4）： 791-800.

[22] PERCY K E， KARNOSKY D F. Air quality in national area：? ? Interface between the public， science and regulation [J]. Environmental Pollution， 2007， 149（3）： 256-267.

[23] SZEREMETA B， ZANNIN P H T. Analysis and evaluation of soundscapes in public parks through interviews and measurement of noise[J]. Science of the Total Environment， 2009， 407 （24）： 6143-6149.

[24] 陸諍嵐， 陸均良， 李云云. 旅游景區生態環境影響國外研究述評[J]. 經濟地理， 2009， 29（1）： 130-133; 152. [LU Zhenglan， LU Junliang， LI Yunyun. Overseas review on ecological environment influence in scenic area[J]. Economic Geography， 2009， 29（1）： 130-133;152. ]

[25] 王明康， 劉彥平， 李濤. 旅游產業集聚對環境污染的差異性影響： 287個地級市例證[J]. 改革， 2019（2）： 102-114. [WANG Mingkang， LIU Yanping， LI Tao. The differential impact of tourism industrial agglomeration on environmental pollution： Empirical evidence from 287 cities[J]. Reform， 2019（2）： 102-114. ]

[26] 胡鞍鋼， 周紹杰. 綠色發展： 功能界定、機制分析與發展戰略[J]. 中國人口·資源與環境， 2014， 24（1）： 14-20. [HU Angang， ZHOU Shaojie. Green development： Functional definition， mechanism analysis and development strategy[J]. China Population， Resources and Environment， 2014， 24（1）： 14-20. ]

[27] 豐曉旭. 全域旅游和區域綠色發展的關聯度[J]. 改革， 2018（2）： 122-131. [FENG Xiaoxu. The correlation between universal tourism and regional green development[J]. Reform， 2018（2）： 122-131. ]

[28] FENG Y J， ZHONG S Y， LI Q Y， et al. Ecological well-being performance growth in China （1994-2014）： From perspectives of industrial structure green adjustment and green total factor productivity[J]. Journal of Cleaner Production， 2019， 236（11）： 1-13.

[29] 傅京燕， 司秀梅， 曹翔. 排污權交易機制對綠色發展的影響[J]. 中國人口·資源與環境， 2018， 28（8）： 12-21. [FU Jingyan， SI? Xiumei， CAO Xiang. Research on the influence of emission? trading mechanism on green development[J]. China Population， Resources and Environment， 2018， 28（8）： 12-21. ]

[30] 李衛兵， 陳楠， 王濱. 排污收費對綠色發展的影響[J]. 城市問題，2019（7）： 4-16. [LI Weibing， CHEN Nan， WANG Bin. Influences of the pollution fee system on green development[J]. Urban Problems， 2019（7）： 4-16. ]

[31] CHUNG Y H， F?RE R， GROSSKOPF S. Productivity and? ? ?undesirable outputs： A directional distance function approach[J]. Microeconomics， 1997， 51（3）： 229-240.

[32] GEOFF M. Green tourism and Scottish distilleries[J]. Tourism Management， 1996（4）： 255-263.

[33] WEAVER A. Tourism and the military： Pleasure and the war economy[J]. Annals of Tourism Research， 2011， 38： 672-689.

[34] 郭為， 秦宇， 黃衛東， 等. 旅游產業融合、新業態與非正規就業增長： 一個基于經驗與概念模型的實證分析[J]. 旅游學刊， 2017， 32（6）： 14-27. [GUO Wei， QIN Yu， HUANG Weidong， et al. The convergence of tourism industries， new tourism formats and the growth of informal employment： A positive analysis based on industries experience and conceptual model[J]. Tourism Tribune， 2017， 32（6）： 14-27. ]

[35] CHAO C C， HAZAR I B R， LAFFARGUE J P， et al. Tourism Dutch disease and welfare in an open dynamic economy[J]. Japanese Economic Review， 2006， 57（4）： 501-515.

[36] 胡撫生. 新時代的目的地形象提升要以優質旅游發展為支撐[J]. 旅游學刊， 2018， 33（4）： 11-12. [HU Fusheng. The promotion of destination image in the new era should be supported by high-quality tourism development[J]. Tourism Tribune， 2018， 33（4）： 11-12. ]

[37] AKAMA J S. Tourism development in Kenya： Problems and? policy alternatives[J]. Progress in Tourism and Hospitality? ? ? Research， 1997， 3（2）： 95-105.

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

[39] DURBARRY R. The economic contribution of tourism of? ? ?tourism in Mauritius[J]. Annals of Tourism Research， 2002， 29（3）： 862-865.

[40] 查瑞波， 孫根年， 董治寶， 等. 引入調節變量的入境旅游對消費物價影響分析——基于1999—2014年香港季度數據的實證研究[J]. 地理科學， 2016， 36（7）： 1050-1056. [ZHA Ruibo， SUN Gennian， DONG Zhibao et al. Influence of inbound tourism to consumer prices with moderator： Empirical study of Hong Kong base on 1999—2014 statistics[J]. Scientia Geographica Sinica， 2016， 36（7）： 1050-1056. ]

[41] 楊霞， 劉曉鷹. 旅游流量、旅游構成與西部地區貧困減緩[J]. 旅游學刊， 2013， 28（6）： 47-55. [YANG Xia， LIU Xiaoying. The? ?relationship between tourist flow， composition and poverty? ? ?alleviation in the west of China[J]. Tourism Tribune， 2013， 28（6）： 47-55. ]

[42] SPITERI A， NEPAL S K. Incentive-based conservation programs in developing countries： A review of some key issues and suggestions for improvements[J]. Environmental Management， 2006， 37（1）， 1-14.

[43] UNWTO， UNEP， WMO. Climate Change and Tourism： Responding to Global Challenges[R]. Madrid： UNWTO， 2008.

[44] 章錦河， 李曼， 陳靜， 等. 旅游廢棄物的環境庫茲涅茨效應分析——以黃山風景區為例[J]. 地理學報， 2012， 61（11）： 1537-1546. [ZHANG Jinhe， LI Man， CHEN Jing， et al. Analysis of? environmental Kuznets effect of tourism waste： Case study of Huangshan national park[J]. Acta Geographica Sinica， 2012， 61（11）： 1537-1546. ]

[45] ANTWEILER W， COPELAND B R， TAYLOR M S. Is free trade good for the environment？[J]. American Economic Review， 2001， 91 （4）： 877-908.

[46] MARKUSEN J R， VENABLES A J. Foreign direct investment as a catalyst for industrial development[J]. European Economic Review， 1997， 43 （2）： 335-356.

[47] LIST J A ， CO C Y. The effects of environmental regulations on foreign direct investment[J]. Journal of Environmental Economics and Management， 2000， 40（1）： 1-20.

[48] GONZ?LEZ A， TERASVIRTA T， DIJK D V. Panel Smooth Transition Regression Models[R]. Stockholm： Stockholm School of Economics， 2005： 1-15.

[49] HASNEN B E. Threshold effects in non-dynamic panels： Estimation， testing， and inference[J]. Journal of Econometrics， 1999， 93（2）： 345-368.

[50] BAI Y， DENG X， JIANG S， et al. Exploring the relationship? ? between urbanization and urban eco-efficiency： Evidence from prefecture-level cities in China[J]. Journal of Cleaner Production， 2017， 195 （10）： 1487-1496.

[51] ZHANG J X， LI H， XIA B， et al. Impact of environment regulation on the efficiency of regional construction industry： A 3-stage data envelopment analysis （DEA）[J]. Journal of Cleaner Production， 2018， 200： 770-780.

[52] 吳健生， 牛妍， 彭建， 等. 基于DMSP/OLS夜間燈光數據的1995—2009年中國地級市能源消費動態[J]. 地理研究， 2014， 33（4）： 625-634. [WU Jiansheng， NIU Yan， PENG Jian， et al. Research on energy consumption dynamic among prefecture level cities in China based on DMSP/OLS nighttime light[J].? ? ? ?Geographical Research， 2014， 33 （4） ： 625-634. ]

[53] XIE Y， WENG Q. World energy consumption pattern as revealed by DMSP-OLS nighttime light imagery[J]. GIScience & Remote Sensing， 2016， 53（2）： 265-282.

[54] 劉海猛， 方創琳， 黃解軍， 等. 京津冀城市群大氣污染的時空特征與影響因素解析[J]. 地理學報， 2018， 73（1）： 177-191. [LIU Haimeng， FANG Chuanglin， HUANG Jiejun， et al. The spatial-temporal characteristics and influencing factors of air pollution in Beijing-Tianjin-Hebei urban agglomeration[J]. Acta Geographica Sinica， 2018， 73（1）： 177-191. ]

[55] 馬勇， 童昀， 任潔. 多源遙感數據支持下的縣域尺度生態效率測算及穩健性檢驗——以長江中游城市群為例[J]. 自然資源學報， 2019， 34（6）： 1196-1208. [MA Yong， TONG Yun， REN Jie. Calculation and robustness test of county-scale ecological? ? ? ? efficiency based on multi-source remote sensing data： Taking the urban agglomeration in the middle reaches of Yangtze River as an example[J]. Journal of Natural Resources， 2019， 34（6）： 1196-1208. ]

[56] 張軍， 吳桂英， 張吉鵬. 中國省際物質資本存量估算： 1952—2000[J]. 經濟研究， 2004（10）： 35-44. [ZHANG Jun， WU Guiying， ZHANG Jipeng. The estimation of Chinas provincial capital stock： 1952—2000[J]. Economic Research Journal， 2004（10）： 35-44. ]

[57] TONE K， TSUTSUI M. An epsilon-based measure of efficiency in DEA： A third pole of technical efficiency[J]. European Journal of Operational Research， 2010， 27（3）： 1554-1563.

[58] 汪克亮， 劉悅， 史利娟， 等. 長江經濟帶工業綠色水資源效率的時空分異與影響因素： 基于EBM-Tobit模型的兩階段分析[J]. 資源科學， 2017， 39（8）： 1522-1534. [WANG Keliang， LIU Yue， SHI Lijuan， et al. Yangtze River Economic Zone spatial and temporal disparities in industrial green water resource efficiency and influencing factors based on two-step analysis of EBM-Tobit Model[J]. Resources Science， 2017， 39（8）： 1522-1534. ]

[59] 蔡烏趕， 周小亮. 中國環境規制對綠色全要素生產率的雙重效應[J]. 經濟學家， 2017（9）： 27-35. [CAI Wugan， ZHOU Xiaoliang. Dual effect of Chinese environmental regulation on green total factor productivity[J]. Economist， 2017（9）： 27-35. ]

[60] 崔興華， 林明裕. FDI如何影響企業的綠色全要素生產率？——基于Malmquist-Luenberger指數和PSM-DID的實證分析[J]. 經濟管理， 2019， 41（3）： 38-55. [CUI Xinghua， LIN Mingyu. How does foreign direct investment affect the green total factor Productivity of enterprises？ empirical analysis based on Malmquist-Luenberger index and PSM-DID model[J]. Business Management Journal， 2019， 41（3）： 38-55. ]

[61] 盧麗文， 宋德勇， 黃璨. 長江經濟帶城市綠色全要素生產率測度——以長江經濟帶的108個城市為例[J]. 城市問題， 2017（1）： 61-67. [LU Liwen， SONG Deyong， HUANG Can. Measurement on the green total factor productivity of the Yangtze River Economic Belt： Taking 108 cities for example[J]. Urban Problems， 2017（1）： 61-67. ]

[62] 邱斌， 楊帥， 辛培江. FDI技術溢出渠道與中國制造業生產率增長研究： 基于面板數據的分析[J]. 世界經濟， 2008（8）： 20-31. [QIU Bin， YANG Shuai， XIN Peijiang. Research on FDI? ? ?technology spillover channels and Chinas manufacturing? ? ?productivity growth： An analysis based on panel data[J]. The Journal of World Economy， 2008（8）： 20-31. ]

[63] 原毅軍， 謝榮輝. FDI、環境規制與中國工業綠色全要素生產率增長——基于Luenberger指數的實證研究[J]. 國際貿易問題， 2015（8）： 84-93. [YUAN Yijun， XIE Ronghui. FDI， Environmental regulation and green total factor productivity growth of Chinas industry： An empirical study based on Luenberger index[J]. Journal of International Trade， 2015（8）： 84-93. ]

[64] 葛鵬飛， 黃秀路， 徐璋勇. 金融發展、創新異質性與綠色全要素生產率提升——來自“一帶一路”的經驗證據[J]. 財經科學， 2018（1）： 1-14. [ GE Pengfei， HUANG Xiulu， XU Zhangyong. Financial development， innovation heterogeneity and promotion of green TFP： Evidence from ‘the belt and road[J]. Finance & Economics， 2018（1）： 1-14. ]

[65] 鄭強. 城鎮化對綠色全要素生產率的影響——基于公共支出門檻效應的分析[J]. 城市問題， 2018（3）： 48-56. [ZHENG Qiang. The influence of urbanization on green total factor? ? ? productivity： An analysis based on the threshold effect of public expenditure[J]. Urban Problems， 2018（3）： 48-56. ]

[66] 姜旭， 盧新海， 龔夢琪. 土地出讓市場化、產業結構優化與城市綠色全要素生產率——基于湖北省的實證研究[J]. 中國土地科學， 2019， 33（5）： 50-59. [JIANG Xu， LU Xinhai， GONG Mengqi. Land leasing marketization， industrial structure optimization and urban green total factor productivity： An empirical study based on Hubei province[J]. China Land Science， 2019， 33（5）： 50-59. ]

[67] 趙磊， 方成. 旅游業與經濟增長的非線性門檻效應——基于面板平滑轉換回歸模型的實證分析[J]. 旅游學刊， 2017， 32（4）： 20-32. [ZHAO Lei， FANG Cheng. Nonlinear threshold effect? between tourism and economic growth： A panel smooth transition regression approach[J]. Tourism Tribune， 2017， 32（4）： 20-32. ]

[68] LEVIN A， LIN C F， CHU C S J. Unit root tests in panel data：? Asymptotic and finite-sample properties[J]. Journal of Econometrics， 2002， 108 （1）： 1-24; 756

[69] MADDALA G S， WU S. A comparative study of unit root tests with panel data and new simple test[J]. Oxford Bulletin of Economics Statistics ， 2010， 61 （S1）： 631-652.

[70] LUUKKONEN R， SAIKKONEN P， TER?SVIRTA T. Testing linearity against smooth transition autoregression[J]. Biometrika， 1988， 75（3）： 491-499.

Does the Inbound Tourism Increase the Citys Green Total Factor Productivity？

—Based on Nonlinear Perspective

TONG Yun1，MA Yong2，3，LIU Jun2，3

（1. Tourism College of Hainan University， Haikou 570228， China; 2. School of Business， Hubei University， Wuhan 430062， China;

3. Academy of Tourism Department， Hubei University， Wuhan 430062， China）

Abstract： Under the background of Chinas green development and opening up， it is of practical significance to explore whether inbound tourism has promoted the green development of Chinas cities. This article first expounds the impact mechanism of inbound tourism on citys green total factor productivity （GTFP） and proposes that inbound tourism can promote citys GTFP by expanding opening up， optimizing the development environment， upgrading the industrial structure， and promoting industrial integration. Second， multisourced remote sensing image data and socioeconomic statistics data are combined to build a research data set. The remote sensing data include Chinas land use remote sensing data， PM2.5 remote sensing data， DMSP/OLS night light remote sensing data， etc. Third， based on the Maxdea software， we utilize the EBM-GML model to measure the GTFP of 284 prefecture-level cities in China from 2005 to 2016. Finally， based on the economic heterogeneity of tourism destinations， a panel smooth transition regression （PSTR） model is constructed to examine the smooth transition effect between inbound tourism and urban green total factor productivity. The results show the following： （1） Regardless of the stage of urban economic development， inbound tourism has always had a positive effect on the improvement of citys GTFP. Therefore， the development of inbound tourism can be used as an effective means to promote urban green development. （2） There is a significant nonlinear relationship between inbound tourism and citys GTFP. Specifically， as the level of urban economic development increases， the green development effect of inbound tourism is strengthened. In other words， the role of inbound tourism in promoting citys GTFP has become more obvious over time. Therefore， tourism destinations should focus on the integration of the tourism industry in the city and consider the development of inbound tourism in the overall layout of urban economic development to better support the role of inbound tourism in promoting urban green development. （3） With the improvement in the development level of the urban economy， inbound tourisms role in promoting green technological change （GTC） increases， but its role in promoting green technological efficiency （GEC） weakens. Therefore， GTC is an important source of inbound tourism to promote citys GTFP. （4） In this paper， the number of inbound tourists is substituted for the core explanatory variable to conduct a robustness test. The test results show that the aforementioned results are robust and credible.

Keywords： green total factor productivity; inbound tourism; green development; panel smooth transition regression （PSTR） model; Epsilon based measure-global Malmquist-Luenberger model

[責任編輯：宋志偉;責任校對：王靖]