空間視角下城市旅游全要素生產率的收斂性分析

樊 玲 玲，侯 志 強，曹 咪，施 亞 嵐

(1.華僑大學旅游學院，福建 泉州 362000；2.南充文化旅游職業學院，四川 南充 637000)

0 引言

旅游業作為國民經濟的戰略性主導產業[1]，其增長質量對國民經濟增長具有重要意義[2]。國務院發布的《關于促進旅游業改革與發展的若干意見》明確提出：轉變旅游業發展方式，旨在以轉型升級、提質增效為主線，實現粗放式發展向集約化發展轉變；同時，“十四五”時期進一步明確以高質量為主題的經濟發展要求，而提升全要素生產率有利于推動經濟高質量發展。可見，在追求旅游業高質量發展的過程中，旅游效率問題不容忽視。旅游要素發展水平是衡量旅游業成熟程度的重要標志[3]，全要素生產率是衡量國家和地區經濟增長質量、管理效率及技術進步的重要指標[4]，因此，旅游全要素生產率的優化和提升[5]是實現旅游業高質量發展的有效切入點和重要突破口。

國外旅游全要素生產率研究主要圍繞要素資源配置效率水平的變化[6]，著眼于微觀的旅游企業部門[7]，涉及旅游酒店[8]、旅行社[9]、航空公司[10]、景區(景點)[11]等的全要素生產率測算[12]，并進一步揭示其影響因素；隨著信息技術對旅游經濟的帶動作用凸顯，技術進步與旅游全要素生產率的關系研究日益增多[13,14]，此外，旅游業碳生產率及其影響因素研究等相繼開展[15,16]。國內研究多集中于旅游全要素生產率的測評[17,18]，同時涉及不同研究尺度的旅游全要素生產率的時間演化特征[19,20]、空間分布規模[21,22]、內在結構[23,24]、耦合性[25,26]、影響因素[27,28]、經濟斂散性[29,30]分析等方面。盡管相關研究內容趨于多樣化并取得豐碩成果[31,32]，但在斂散性分析中，多數實證研究傾向于選取時間或空間單一維度作為切入點，多采用傳統經典收斂模型，對空間因素考慮不足，難以真正揭示旅游全要素生產率收斂性的時空演變規律。因此，本文基于2007-2018年中國旅游城市面板數據，通過構建投入產出指標體系，對中國旅游全要素生產率進行測算；在此基礎上，將空間因素引入經典β收斂檢驗分析中，建立空間面板計量模型檢驗旅游全要素生產率的空間收斂性，將經典β收斂和空間β收斂兩種模型進行對比，并分區域討論其分異特征，以期系統全面地明確地區之間的旅游全要素生產率流動方向，有利于認清關鍵影響因素，推進旅游全要素生產率高低值區整體向好發展，實現旅游業高質量發展。

1 研究方法與數據來源

1.1 研究方法

(1)

(2)空間相關性分析。旅游全要素生產率空間分布的差異性促使其在變化中可能存在空間相關性，本文主要對其進行全局空間自相關分析[36]，用Moran′sI指數衡量空間自相關程度：當指數值等于0時，說明觀測屬性不存在空間相關性，呈隨機分布；在(0,1]區間說明觀測屬性存在空間正相關，在[-1,0)區間則存在空間負相關。

(3)空間收斂性檢驗。本文運用收斂性分析檢驗不同地區旅游全要素生產率的收斂(發散)特征，并揭示地區間的差異是擴大還是縮小。根據收斂條件，經典收斂模型主要有σ收斂、β收斂和俱樂部收斂，經典β收斂應用最廣泛，其分為絕對β收斂(式(2))和條件β收斂(式(3))，本文用最小二乘線性回歸(OLS)模型進行運算：前者假設不同地區的資源稟賦、生產條件、經濟水平、政府支持等條件相同，伴隨時間推移，各地區旅游全要素生產率收斂于相同水平；后者則考慮地區間的上述條件差異性，地區旅游全要素生產率隨著時間推移將收斂于各自穩定水平。但經典β收斂側重分析旅游全要素生產率在時間演變中的收斂特征，對空間因素考慮不足，進而產生對旅游全要素生產率收斂特征的結果偏差。因此，本文將空間因素引入經典β收斂檢驗，建立空間計量下旅游全要素生產率的β收斂模型，并與經典β收斂模型進行差異對比分析。空間β收斂模型可分為空間滯后模型(SAR)(式(4))、空間誤差模型(SEM)(式(5))和空間杜賓模型(SDM)(式(6))。

(2)

(3)

(4)

(5)

(6)

式中：ttfpi,t和ttfpi,t+1分別為第t、t+1年第i個城市的旅游全要素生產率；α為常數項；β為收斂性的判定系數，當β<0時，旅游全要素生產率趨于收斂，反之則趨于發散；εi,t為誤差項；n為研究城市數量；xk,i,t、θk分別為控制變量及其估計系數，當θk=0時，為絕對β收斂，反之為條件β收斂；wij為空間權重，本文采用城市之間的地理距離衡量；ρ為空間溢出方向和程度的空間效應系數；φi,t為空間自相關的誤差項；φ為控制變量和空間權重矩陣的空間交互效應的系數。

1.2 指標選取

(1)旅游全要素生產率測度指標。全要素生產率測算的科學性取決于投入、產出指標選取的客觀性。經濟生產活動中最基本的投入生產要素包括土地、資本和勞動力，因土地要素對旅游活動開展制約較小，且相關官方統計及已有研究[37,38]未將其納入統計指標體系中，因此，考慮數據的可獲取性并借鑒相關研究成果[39]，本文主要從資本、勞動力、旅游吸引物及旅游服務設施4個要素方面選取投入指標(表1)。資本要素選取城市固定資本存量表征，旅游固定資產投入是最理想指標，但統計數據中缺乏該指標，因此本文利用全社會固定資產投資轉化為固定資本存量來代替，利用永續盤存法計算得到[40]；勞動力要素用城市第三產業從業人數表征，理想指標為旅游業從業人數，但地級市層面缺失該指標，因此本文用第三產業從業人數代替。雖然城市固定資本存量和第三產業從業人數的選取在一定程度上會擴大實際要素的投入，但考慮數據的可獲取性以及城市旅游業發展的綜合性特征，其仍具有一定代表性。旅游資源稟賦是旅游吸引力的核心要素，本文選取具有代表性的國家4A級及以上景區并對其進行加權綜合，以此代表旅游吸引物要素；旅游服務設施一般用星級飯店和旅行社數量衡量，由于研究區域旅行社數據存在嚴重缺失且旅行社進入門檻比星級飯店低，整體市場波動性大，因此本文用星級飯店數量表征。在產出指標選取方面，旅游產出主要表現為旅游規模和旅游收益，分別選取旅游總人次和旅游總收入衡量(表1)。

表1 旅游全要素生產率測度指標Table 1 Measurement indexes of tourism total factor productivity

(2)控制變量指標。1)經濟發展水平(EI)[15]，本文用人均GDP表示，其從旅游投入、旅游需求方面決定旅游規模。2)旅游發展潛力(PI)[41]，本文用旅游總收入占GDP比例表示。地區旅游發展潛力是旅游產業發展活力的重要體現，旅游產業發展活力越強，越能推進旅游產業規模擴大、旅游效率提升。3)對外開放程度(OP)[15],本文用實際利用外資投資金額表示。伴隨跨境旅游人數不斷增加，旅游業也呈現出對外聯系度極高的特征。4)產業結構(IND)[42]，本文用第三產業增加值占GDP比例表示。產業結構的差異會影響資源的投入和轉移，進而促進區域經濟結構的合理化和效率提升，旅游業作為第三產業的重要組成部分，對區域產業結構升級轉化具有積極的正向作用。

1.3 數據來源

本文研究對象為地級及以上旅游城市，依據數據的可獲得性，選取數據完整的172個旅游城市作為樣本對象。研究數據主要來源于EPS數據庫、《中國城市統計年鑒》《中國旅游統計年鑒》、各地級市統計年鑒以及國民經濟和社會發展統計公報。部分旅游城市存在數據缺失，利用均值補缺方式進行完善。為消除價格影響，采用GDP平減方法對收入指標進行處理。

2 結果分析

2.1 旅游全要素生產率測算分析

(1)時序變化特征分析。基于構建的旅游投入產出指標體系，測算172個旅游城市的旅游全要素生產率，通過求解年均值，對不同區域旅游全要素生產率指數及其分解指標進行對比分析(表2)。從時序變化看，2007-2018年全國范圍內旅游全要素生產率年均增長率為12.5%，其中技術進步增長14.3%，表明全國旅游全要素生產率增長多依賴于技術進步。分區域而言，旅游全要素生產率增長均值按中部、西部、東部依次遞減，整體表現為增長態勢，中、西部區域的增長均值超過全國，東部區域與全國的增長趨勢相似；東部主要依靠技術進步的推動，中、西部則表現為技術效率和技術進步雙向增長動力。

表2 2007-2018年旅游全要素生產率指數及其分解Table 2 Tourism total factor productivity index and its decompositions from 2007 to 2018

(2)核密度特征分析。為進一步分析旅游全要素生產率在時間演變下的集聚差異，本文采用高斯正態分布的Kernel密度函數對2009年、2012年、2015年及2018年的旅游全要素生產率進行全局和分區域的Kernel密度估計(圖1)。在全國層面，不同年份旅游全要素生產率的核密度函數呈單峰分布，表明旅游全要素生產率不存在嚴格的兩極分化現象，但存在一定的“極化”現象；各年份核密度曲線由寬峰逐漸轉向尖峰，體現旅游全要素生產率的趨同演變；旅游全要素生產率曲線并未出現明顯的左右偏移，表明旅游全要素生產率基本保持相對穩定發展趨勢。在區域層面，各區域核密度曲線波峰呈現先變高后變矮的趨勢，形態呈現由寬峰向尖峰再向寬峰轉變。與2009年相比，2012年、2015年的波峰逐漸變高，說明旅游全要素生產率在對應區間范圍內的城市數量占比增加，曲線形態逐漸變陡峭，說明區域旅游全要素生產率的地區差異逐漸縮小；相比2015年，2018年的波峰變矮，表明對應區間范圍內的城市數量占比減少，曲線形態相對平緩，表明地區差異又有擴大趨勢。整體而言，核密度曲線以“單峰”形式為主導，區域旅游全要素生產率的地區差異呈現“縮小—擴大”特征；西部區域曲線形態呈現向右偏移趨勢，表明西部區域旅游全要素生產率逐漸升高，向高值區發展。

圖1 中國旅游全要素生產率的Kernel密度估計Fig.1 Kernel density estimation of China′s tourism total factor productivity

2.2 旅游全要素生產率空間收斂性檢驗

在空間收斂分析前需對旅游全要素生產率進行空間相關檢驗(表3)。由表3可知，除2012-2013年外，2007-2018年旅游全要素生產率的Moran′sI均為正數(0.007～0.049)，且均通過顯著性檢驗，表現為正向空間相關性，說明鄰近城市之間旅游全要素生產率的影響存在空間依賴性。

表3 旅游全要素生產率的空間相關性檢驗Table 3 Spatial correlation test of tourism total factor productivity

根據以下原則選擇最優空間計量模型[43]：赤池信息準則(AIC)值越低，解釋力越高；LogL和R2統計值越高，Sigma2統計值越低，表明模型擬合度越高。在此基礎上，本文對旅游全要素生產率空間收斂進行空間滯后模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)測算(表4)。其中，SDM模型的R2和LogL統計值最大，Sigma2統計值和AIC值最小，空間絕對β收斂和空間條件β收斂均顯示SDM模型的結果為最優。因此，本文在全局性和區域性空間收斂分析中采用SDM模型估計結果。

表4 旅游全要素生產率的β收斂回歸結果Table 4 β convergence regression results of tourism total factor productivity

(1)全局性空間收斂分析。1)絕對收斂模型和條件收斂模型的β估計系數均為負且通過1%顯著性水平檢驗，說明全國范圍內旅游全要素生產率發展存在收斂趨勢，體現地區間旅游全要素生產率差異不斷縮小，即旅游全要素生產率低值區對高值區存在“追趕效應”。2)經典β收斂和空間β收斂模型下，旅游全要素生產率絕對β收斂速度均小于條件β收斂速度，說明地區旅游發展條件差異性加快了旅游全要素生產率的收斂速度，進而縮短收斂周期，使得旅游全要素生產率的收斂性檢驗更準確可靠。3)在考慮空間因素的影響下，經典絕對和條件β收斂速度(0.075、0.079)小于空間絕對和條件β收斂速度(0.081、0.085)，說明空間因素對旅游全要素生產率的收斂具有加速作用。4)由表5可知，旅游技術進步指數在絕對收斂和條件收斂模型的β系數均為負且通過顯著性檢驗，說明其有實現穩態均衡水平收斂趨勢；旅游技術效率指數在絕對收斂和條件收斂模型的β系數均為負，且條件收斂模型的β系數通過顯著性檢驗，說明收斂趨勢的存在使地區間旅游技術效率差異縮小；但旅游技術進步指數和旅游技術效率指數的收斂速度均小于旅游全要素生產率。

表5 旅游全要素生產率分解指標的β收斂回歸結果Table 5 β convergence regression results of decomposition indexes of tourism total factor productivity

在空間條件β收斂模型中，旅游發展潛力、對外開放程度和產業結構3個控制變量的估計系數均通過顯著性檢驗，其中旅游發展潛力和對外開放程度對旅游全要素生產率收斂具有顯著的正向作用，產業結構對其具有顯著的負向作用。原因可能在于：1)旅游發展潛力反映旅游產業發展活力，當旅游市場規模擴大或旅游需求增加，企業經營者出于對利潤的追求，無論是增加投入要素還是加大技術創新，都會推進旅游全要素生產率提升；2)對外開放程度可通過技術溢出和資本供給提升旅游全要素生產率，落后地區旅游業在接受外來資本和先進技術之后會擁有更高的邊際產出，縮小地區間差異，進而促進旅游全要素生產率提升；3)產業結構主要表現為合理化和高度化，雖然旅游產業規模擴大符合產業結構合理化，但很多地區存在對旅游業的盲目、重復甚至破壞性建設，導致旅游產業結構趨同、不協調等，不利于旅游產業結構升級和高度化，阻礙旅游全要素生產率的提升。而空間因素對收斂模型的加速作用，更多體現為上述控制變量在空間作用下的空間溢出效應。地區間的相互作用加速推進旅游全要素生產率高值區對低值區在旅游要素、資源、信息、資金和技術等方面的交流與互動，特別是地理距離相近地區的旅游全要素生產率的相互影響更密切，進而促進其空間差異縮小、收斂速度加快、收斂周期縮短。

(2)區域性空間收斂分析。考慮到區域間存在異質性，本文分析不同區域條件β收斂的差異性(表6)。1)東、中、西區域旅游全要素生產率表現為明顯的收斂趨勢。三大區域的經典收斂和空間收斂的β估計系數均小于0，并通過1%的顯著性水平檢驗，且空間收斂性大于經典收斂性，表明三大區域內部旅游全要素生產率存在明顯“后發趕超”趨勢及空間溢出效應。2)不同區域的收斂差異性明顯，經典收斂和空間收斂的收斂速度表現出西部、東部、中部遞減的分布格局。原因可能在于：西部區域旅游業發展得到地方和中央政府的大力支持，在采用先進技術推進技術進步的同時不斷實現資源優化配置，切實提升旅游發展要素的利用效率，區域內旅游全要素生產率增長的邊際效應顯著提升，收斂趨勢明顯；東部區域整體旅游發展水平較高且區域內差異相對較小，區域內旅游全要素生產率雖有提升，但由于整體發展水平相對均衡，技術和資本的投入對改善當前東部區域旅游生產率提升的邊際效應在遞減，進而使得區域內生產率的收斂趨勢相對較慢；中部區域經濟發展改善、旅游產業規模擴大加快了區域旅游發展進程，促進旅游生產率提升，但區域內整體旅游發展水平低且內部差異大，阻礙了整體旅游全要素生產率提升，進而使得區域內生產率的收斂趨勢不明顯。

表6 分區域旅游全要素生產率的β收斂回歸結果Table 6 β convergence regression results of tourism total factor productivity in various regions

(3)穩健性分析。為確保回歸結果的有效性，本文利用Rook鄰近權重、經濟距離權重和經濟地理嵌套權重[44]對前文得出的結果進行穩健性分析(表7)。結果顯示，在3種不同的空間權重下，旅游全要素生產率在空間條件收斂模型中的β系數均為負且通過1%顯著性水平檢驗，與表4中旅游全要素生產率的空間β收斂回歸結果一致，由此證明本文結果穩健。

表7 不同空間權重下的穩健性分析Table 7 Robustness analysis for different spatial weights

3 結論與討論

本文基于2007-2018年中國172個旅游城市的面板數據，采用Malmquist指數對旅游全要素生產率進行測算，在此基礎上將空間因素引入收斂性檢驗過程中，對旅游全要素生產率的經典收斂性和空間收斂性進行估計檢驗，并對比不同區域的分異特征，得出以下結論：1)中國旅游全要素生產率及其分解指標呈現波動發展，整體表現為增長態勢，而“單峰”形式的核密度分布特征則體現其在時間序列上的趨同演變；各區域旅游全要素生產率提升的推動力存在差異，全國和東部區域表現為技術進步的單項驅動增長，中、西部區域表現為技術效率和技術進步的雙向驅動增長。2)中國旅游全要素生產率存在顯著的經典和空間收斂趨勢，旅游全要素生產率的絕對β收斂、條件β收斂均通過顯著性檢驗，絕對收斂速度小于條件收斂速度，驗證了旅游全要素生產率差距不斷縮小的客觀事實，與趙磊的研究結論相似[33]；空間因素對收斂速度具有加速作用，即旅游全要素生產率的空間差異隨時間推移表現為進一步縮小的趨勢。3)東、中、西部區域旅游全要素生產率同樣表現為空間收斂性，且各區域收斂速度存在差異。無論是經典收斂還是空間收斂，各區域的收斂速度均表現為西部>東部>中部的空間分布格局，空間收斂速度大于經典收斂速度，這與各區域的經濟發展水平、旅游技術條件、資本流動性等有關。

根據以上實證結論提出以下對策建議：1)在旅游全要素生產率方面，推進由旅游內生效率驅動的旅游發展模式轉變，實現技術效率和技術進步的雙向驅動是核心問題。一方面，立足城市旅游資源特色，借助信息技術平臺，以旅游消費需求為導向，精準定位多樣化需求，實現旅游供需匹配并優化資源配置，從而減少旅游發展的“生產冗余”和盲目的“要素驅動”現象，實現效率最大化。另一方面，加速5G基站、旅游數據技術平臺等新基建的建設與發展，進一步提升信息技術對旅游業務的嵌入作用，充分發揮其融合的創新效應和網絡效應，進而實現旅游業的“內涵式”建設。2)在空間收斂方面，區域旅游需考慮空間溢出效應，推進技術擴散的廣度和深度，深化區域合作。首先，借鑒“分層網絡協同發展”思路，逐漸形成“增長極—增長群—增長區域”的空間合作發展道路，調整區域旅游空間發展結構。其次，發揮高值區對低值區的溢出效應和輻射帶動作用，建設相宜聯動的合作機制并促進交流與合作；低值區積極借鑒吸收管理經驗和技術知識信息，選擇性吸收與融合并加強人才資本質量培養與引進，提升生產效率。再者，制度環境是制約生產效率提升的重要因素，政府需為空間相互作用的實現創造條件，運用行業政策引導其增長方式實現集約式轉變。3)在區域空間差異方面，各區域需因地制宜制定符合自身發展的旅游發展戰略或措施。東部區域旅游市場化程度和發展水平較高，生產效率提升更側重于產業結構轉型升級以及技術創新能力和管理效率的提升，并注重技術手段的迭代升級。中、西部區域需在“中部崛起”“西部大開發”等政策體系支持下，發揮其在勞動力、資源、政策等方面的優勢，通過引進技術和管理經驗等實現“追趕效應”；但中、西部區域在人才的綜合素質和專業水平等方面依然存在短板，要注重人才培育與引進，提升整體人才資本質量。