數字經濟發展對旅游業全要素生產率的非線性效應

吳丹丹，馮學鋼，馬仁鋒，郝 晨，吳 楊

（1.華東師范大學工商管理學院，上海 200062；2.寧波大學地理與空間信息技術系，浙江寧波 315211）

引言

旅游業全要素生產率（tourism total factor productivity，TTFP）是衡量一個國家或地區旅游經濟發展質量、技術進步和管理效率的重要指標[1]。改革開放以來，中國旅游業依托旅游資源、資本和勞動力等傳統要素投入實現高速蓬勃發展，但也面臨生產率低下、可持續增長乏力等現實挑戰，如何提升旅游業全要素生產率、實現高質量發展成為亟待解決的現實問題。《中國數字經濟發展白皮書（2021年）》顯示，截至2020年，我國數字經濟規模達39.2 萬億元[2]，依托5G、大數據、人工智能和區塊鏈等新技術應運而生的數字經濟成為新型產業驅動力，其所具有的強大產業關聯帶動效應為解決當前旅游業轉型升級問題提供了重要思路。2020年，文化和旅游部攜手多部門聯合印發《關于深化“互聯網+旅游”推動旅游業高質量發展的意見》。2021年，國務院印發《“十四五”旅游業發展規劃》，強調“堅持創新驅動發展……加快推進以數字化、網絡化、智能化為特征的智慧旅游”。事實證明，數字經濟能夠改變游客的休閑觀念、出游方式和消費行為，拉動消費需求[3]，并憑借技術優勢發揮其對相關產業的滲透力和資源整合能力，推動傳統旅行社、酒店和景區轉型升級，創新旅游產品與服務[4]。2021年新冠疫情常態化防控背景下，數字經濟在促進旅游產業復工復產方面也展示出強大動力，中國在線旅游市場交易規模突破1.3萬億元[5]。由此可見，以數字經濟促進旅游業創新發展成為政、產、學三界的重要共識。但遺憾的是，基于經驗證據，系統實證數字經濟能否提高旅游業全要素生產率的研究仍十分缺乏。

目前，國內外既有研究主要圍繞產業集聚[6]、旅游專業化、交通設施發展和技術進步[7]等與旅游業效率之間的關系展開，取得一定研究成果，但鮮有研究考察數字經濟與旅游業全要素生產率之間的關系。與本研究相關的文獻有兩大類：（1）在理論層面探討信息與通信技術（information and communication technologies，ICTs）對旅游業發展的影響。宏觀上，一部分學者關注信息技術在提升旅游組織和目的地的競爭力[8]以及塑造目的地品牌形象[9]等方面的重要作用，并認為數字化能夠從改變行業進入壁壘、促進價格透明度和競爭、革新分銷渠道、優化成本和提高生產效率等方面重塑行業競爭格局[10]；另一部分學者探討數字化技術應用于旅游產業的具體模式和機制，包括數字化文旅產品創新、旅游在線平臺商業模式創新以及融媒體營銷模式創新等[11-12]。此外，還有學者從微觀企業管理領域，基于案例分析數字化對旅游企業“立體化”營銷、組織管理變革[13]、服務創新[14]等方面的促進作用，普遍認為信息技術的應用改變了傳統旅游產業的生產組織方式，實現快速有效地響應旅游者多元化需求，提升旅游產業的運行效率[15]。（2）在實證研究方面，主要基于統計數據研究互聯網對旅游產業影響的具體維度，如王冠孝等測度了旅游業與信息化間的協調發展機理及空間異質性[16]；王龍杰等從新經濟地理學角度分析了信息化對旅游企業營收的空間溢出效應[17]；楊勇從產業經濟學視角出發，驗證了互聯網不僅擴大旅游業規模、促進旅游產業動態優化，而且顯著提高旅游企業勞動生產率[4,18]；劉震和楊勇基于中國家庭追蹤調查數據（China Family Panel Studies，CFPS），證明互聯網顯著拉動了文旅消費規模[19]。雖然學界針對數字經濟對旅游產業的影響效應進行了一定程度的探討，但現有研究在理論層面仍未厘清數字經濟對旅游業轉型升級的具體作用機制，而且實證研究大多關注省域層面數字技術發展對旅游企業相關績效和勞動生產率的影響，對城市尺度的精細刻畫鮮有涉及。此外，數字經濟對旅游業影響效應研究太過局限于線性、空間溢出，抑或是簡單門檻效應，忽略了復雜現實情境所導致的非線性動態轉換效應。

鑒于此，本文在剖析數字經濟對城市旅游業全要素生產率作用機理的基礎上，構建科學的指標體系，測度2011―2019 年中國285 個地級及以上城市旅游業全要素生產率，利用面板平滑轉換回歸模型實證檢驗數字經濟對旅游業全要素生產率的非線性動態效應，以期揭示數字經濟推動旅游業全要素生產率提升的“黑箱”，為深化數字經濟助力旅游產業高質量發展提供理論借鑒和經驗證據。本文可能的邊際貢獻在于：第一，研究視角的創新。本文將數字經濟與旅游業全要素生產率納入同一理論分析框架，從宏觀層面拓展了對旅游業發展質量影響因素的認識，并實證探討數字經濟及其四大分維度對旅游業效率提升效應的特征事實，豐富并拓展了現有研究的理論體系和經驗證據。第二，研究內容的創新。考慮到數字經濟的網絡外部效應和復雜現實情境所導致的非線性效應，本文深入探討了數字經濟對旅游業全要素生產率的動態、非線性的影響效應，并基于對旅游業全要素生產率的分解，有效識別數字經濟促進旅游業全要素生產率提升的源泉。第三，研究方法的改進。本文采用面板平滑轉換回歸模型精準估計系數的動態趨勢，輔以轉換函數、估計系數和響應曲線等詳細刻畫圖像，有效提升了研究結果的精準度和直觀性。第四，指標測度的改進。采用全局可參比Malmquist模型測算旅游業全要素生產率，克服了既往研究中非全局指數的不可傳遞性難題。

1 理論分析與研究假說

旅游業全要素生產率越高表明同樣的旅游投入可以獲得更多的旅游產出，旅游經濟增長方式越趨向于集約型和內涵式。根據既有研究，旅游業全要素生產率（TTFP）可分解為旅游業技術進步（tourism technological change，TTC）和旅游業技術效率（tourism technical efficiency change，TEC）[20]。旅游業技術進步是指，代表最先進生產技術的生產前沿面整體向外移動，技術水平的不斷提高使得既定生產要素投入下獲得更多的產出，表現為旅游收入或旅游人數的增長；旅游業技術效率是指在現有技術水平下，通過增加各種資源要素間的協調性，如制度創新、提升資源匹配率和規模效率等，使既有技術水平的潛能得以更大程度釋放。旅游業作為信息密集型產業，隨著數字經濟的廣泛應用，數字經濟對旅游領域的高滲透性改變了旅游全產業鏈的運行模式與效率，進而提高旅游業全要素生產率。具體作用機制如圖1所示。

圖1 數字經濟對旅游業全要素生產率非線性影響機理Fig.1 Nonlinear impact mechanism of digital economy on tourism total factor productivity

1.1 數字經濟對旅游業全要素生產率具有促進作用

（1）數字經濟主要從以下方面促進旅游業技術進步：第一，數字經濟促進旅游產品和業態創新。通過數字技術與旅游業深度融合促進旅游產品創新，造就了沉浸式體驗、數字景區、數字酒店等文旅新場景，極大地豐富了旅游產品和業態的類型[4]，促進旅游業技術進步，并提升旅游業全要素生產率。第二，數字經濟提高旅游業營銷和分銷能力。互聯網作為營銷工具，允許旅游產品供應商與消費者進行直接對話，在降低營銷成本、提高收益、開發數據庫以及保持客戶黏性等方面[21]具有明顯的技術優勢[22-23]，通過提升精準營銷能力，拉動消費需求，大幅度提高旅游產業的技術進步[23]。第三，數字經濟改變并加劇市場競爭環境，倒逼旅游產業轉型升級。掌握大數據資源并占據產品、技術或管理優勢的企業入駐，加劇了地區旅游企業的競爭，一方面，原有企業為求生存采取技術創新手段，增強市場競爭力；另一方面，競爭加劇也促使存量資本轉移至創新發展型旅游企業，推動地區旅游業技術進步。

（2）數字經濟主要從以下方面提高旅游業技術效率：第一，數字技術創新提升旅游業的組織管理能力。數字技術與旅游業融合能夠實現實時監控、核算、分析和查詢等業務全流程數字化管理，既可以支持企業的科學決策，還可以從整體上促進科學決策和智能化運營協同，提高目的地經營管理水平。同時，數字化加速旅游企業管理的網絡體系更加扁平化，提升旅游生產的綜合能力，促進生產效率不斷提高[24]。第二，數字經濟緩解信息不對稱，優化資金、人力資本和旅游資源等生產要素的資源配置效率。市場中的信息一般是不對稱的，造成市場交易雙方利益失衡，影響市場配置資源的效率[25]，而數字互聯網技術的發展可以促進信息有效流動，在降低信息傳遞成本的同時打破信息不對稱的壁壘，進而提高旅游業技術效率。如數字普惠金融為旅游企業融資提供有效的支持，隨著科技金融和網絡眾籌平臺快速發展，企業能夠準確、及時地獲取金融信息，有效緩解旅游企業的融資約束問題，增加旅游創新投入以及旅游相關企業創業活躍度；互聯網和大數據實現旅游人力資本搜尋成本降低和匹配效率提高；數字化發展識別并創新整合遍在性的旅游產業要素，促進離散的旅游資源有效組合為更具市場價值的旅游產品，提高旅游業技術效率。此外，依托數字互聯網所構建的平臺型商業模式，減輕了消費者與供應商、供應商與供應商之間經濟交易的摩擦力，可以有效降低交易前期的溝通成本、交易中期的合同成本以及交易后期的支付成本等[19]，從便捷交易層面提高旅游業技術效率。第三，數字經濟促進旅游業聚集，形成規模效應。一方面，數字經濟促進旅游業實體聚集規模提升。數字化轉型的推進，促進旅游景區（點）企業共享并整合區域資源，實現產業融合，同時加快接入數字化基礎設施，擴大智慧公共服務，不斷提升聚集規模。另一方面，數字經濟促進旅游業虛擬聚集。數字時代催生了虛擬聚集平臺，推動旅游產業以及關聯產業的多元化虛擬聚集[26]，通過發揮規模效應提升地區旅游業技術效率。

然而，從現實發展情況來看，以往的企業文化和組織制度可能跟不上數字經濟時代下旅游業創新發展的步伐，對技術效率產生負面影響。而且，互聯網平臺具有“自然壟斷”的經濟特性，導致邊緣小企業低于有效生產規模運行，而壟斷企業規模過大產生規模不經濟，不利于技術效率的發揮[25]。因此，數字經濟可能存在索洛生產率悖論，即信息技術的提高并不會對生產率產生顯著影響。而且相關研究也表明，互聯網對屬于技術進步推動型的全要素生產率具有顯著促進作用，對技術效率具有抑制作用[27]。故，本文提出如下研究假設：

H1：數字經濟對旅游業全要素生產率具有促進作用，主要是通過對技術進步的促進實現的

1.2 數字經濟對旅游業全要素生產率的影響具有邊際效應遞增非線性特征

數字經濟具有邊際報酬遞增的發展優勢，以互聯網為代表，接入互聯網的用戶越多，創造的價值便會呈指數增長，即數字經濟具有顯著的網絡效應[28-29]。郭家堂和駱品亮的研究證實，互聯網對中國宏觀經濟全要素生產率具有非線性作用和網絡效應[27]。旅游業作為國民經濟的重要組成部分，能夠共享數字經濟的正向網絡外部性。

（1）從需求側來看，在數字經濟發展初期，旅游者對互聯網的功能感知和信任程度不足，導致數字經濟對旅游消費的拉動效應較低。隨著數字基礎設施逐漸滲透到居民生產生活的各個方面，旅游者越來越多地參與線上旅游相關信息的搜集、分享與互動，旅游網絡宣傳和口碑傳播呈幾何級增長，促使潛在旅游消費需求更多地轉化為旅游消費實踐，對旅游經濟的貢獻度持續提高[30]。（2）從供給側來看，在數字經濟發展初期，以互聯網基礎設施為主的數字經濟更多起到信息管理和傳播媒介的作用。隨著數字技術的發展及在旅游產品創新中廣泛應用，不斷融合多樣化的相關產業，造就了滿足旅游者多元化、個性化需求且附加值高的創新產品。而且數字技術發展越成熟，與旅游業融合發展的邊際成本會不斷下降，加之旅游創新成果的示范效應吸引更多市場主體參與旅游經濟活動，進一步擴大旅游市場規模效應和創新效應，促使數字經濟對旅游業全要素生產率的影響越加明顯。（3）從供需匹配來看，在數字經濟發展初期，旅游業供需總量失衡和結構性失衡是旅游產業效率提升的重要障礙。數字經濟能夠創新整合經濟社會環境中廣泛存在的產業要素，逐步與消費者動態化需求進行便捷、高效的匹配。更進一步，旅游市場主體借助數字技術將用戶消費和分享所生成的非標準化、非結構化大數據轉化為標準化、結構化數據信息，并用于生產決策和市場導向追蹤，便于開展針對性的產品創新和服務升級，以促進供需結構化匹配，加速旅游業從封閉的自循環發展方式轉型為以旅游者需求為核心的全面開放式創新發展模式[31]。隨著數字經濟與旅游業的深度融合，推動旅游業供需雙方不斷持續反饋形成積極的鏈式反應，促進旅游供需匹配效率持續增強，帶動旅游全產業鏈動態優化。因此，數字經濟與旅游業全要素生產率之間有可能突破傳統的線性關系，產生顯著正向的非線性特征。故，本文提出如下研究假設：

H2：數字經濟對旅游業全要素生產率的促進作用具有邊際效應遞增非線性影響

2 計量模型、變量測度與數據來源

2.1 研究方法

本文采用面板平滑轉換回歸模型（panel smooth transition regression，PSTR）對數字經濟與旅游全要素生產率之間的漸進演變關系進行深入研究。PSTR模型是由González等[32]通過拓展Hansen[33]提出的面板門檻模型（panel threshold regression，PTR）而得到的。與傳統線性模型相比，PSTR 模型能夠有效克服內生性所導致的參數估計量偏誤問題，尤其是允許模型參數隨轉換變量做緩慢平滑的非線性轉換。本文首先構造單變量兩機制（即存在一個轉換函數）的PSTR 模型[34]，如式（1）和式（2）所示：

式（1）中，i為城市，t為時間；Yi,t是被解釋變量，Xi,t為解釋變量向量，εi,t為誤差項。式（2）中，轉換函數θ(qi,t;γ,c)是Logistic 函數，該函數是關于轉換變量qi,t且取值于[0,1]的連續函數。γ是平滑參數，決定轉換速度；c是m維的位置參數向量。可見，PSTR 模型中的變量估計系數由線性部分α0和非線性部分α0′·θ()· 共同構成，模型存在兩種機制，當θ()· =0 時，模型處于低機制；當θ()· =1 時，模型處于高機制，當轉換函數值在0 與1 之間平滑移動時，Xi,t系數隨著qi,t的增加在α0和α0+α0′之間單調平滑變換。

2.2 變量測度與說明

2.2.1 城市旅游業全要素生產率測度

（1）指標體系構建。從投入指標和產出指標層面，根據科學性、可行性和可比性原則構建了城市旅游業全要素生產率評價指標體系（表1）。①感謝審稿專家對指標選取提供的研究思路，當然，文責自負。投入指標層面，經濟學意義上最基本的生產要素主要包括土地、勞動和資本[35]。首先，城市旅游生產受土地約束較小，相關研究大都未將其納入投入指標[36-37]。第二，旅游直接就業人員是旅游勞動投入的最理想指標，但囿于統計數據缺乏無法獲得，較多文獻選擇第三產業從業人員指標來替代[38-39]。雖然在一定程度上考慮了旅游產業的綜合性，卻也放大了實際勞動力要素的投入規模。因此，本文采用第三產業從業人數乘以旅游總收入與第三產業產值比重來表征旅游勞動投入。第三，城市旅游的資本要素主要包括用于基礎設施、旅游環境和景區景點等建設的直接投資，馬曉龍[40]和王坤等[41]等采用城市固定資產投資指標，但這一指標太過寬泛，本文選用城市固定資產投資資本存量乘以旅游總收入與地方生產總值的比重來表示旅游固定資本要素投入；此外，借鑒相關研究經驗[42-43]，選擇世界遺產、世界地質公園、國際重要濕地、國家級風景名勝區、國家地質公園、國家級自然保護區、國家濕地公園、國家歷史文化名城、國家歷史文化名鎮/名村等旅游資源，然后利用熵權TOPSIS 法（technique for order preference by similarity to ideal solution，TOPSIS）加權求和作為旅游資源稟賦的代理變量①。②產出指標方面，采用2010—2019 年中國285 個城市的旅游總收入和總人數作為產出指標。

表1 區域旅游業全要素生產率測算的指標體系Tab.1 The index system of TTFP for regional tourism

（2）旅游業全要素生產率測算方法。本文利用MaxDEA 8Ultra 軟件，采用全局可參比Malmquist（global reference malmquist，GRM）模型測算城市TTFP，GRM 指數模型是以所有各期共同構建的前沿（全局前沿）作為參比前沿，避免非全局指數的不可傳遞性和潛在線性規劃無解問題等缺陷，公式見已有研究[44-45]。最終得到TTFP 指數及其乘積分解項TEC 指數、TTC 指數。其中，TEC 指數代表技術效率變化；TTC指數代表技術進步。由于計算所得指數為旅游業全要素生產率、技術效率和技術進步的變化率，參照前人做法[46-47]，假設基期城市TTFP、TEC、TTC 均為1，再與相應年份指數累乘，獲得2011—2019年的TTFP、TEC、TTC。

2.2.2 數字經濟發展水平的測度

由于目前針對數字經濟的測度大多采用數字普惠金融指數或者互聯網指標[48]，相關研究較為片面。本文借鑒前人研究成果[49]，從數字基礎設施（digital infrastructure，DIF）、數字產業發展（digital industry development，DID）、數字創新潛力（digitalinnovation potential，DIP）以及數字普惠金融（digital financial inclusion，DFI）4個方面構建數字經濟發展指數。（1）數字基礎設施，采用寬帶互聯網普及率、移動互聯網普及率來衡量。（2）數字產業發展，從信息產業、電信產業和電商產業3個產出進行測度，分別用計算機服務和軟件從業人員占比、人均電信業務收入和人均郵政業務收入來表征。（3）數字創新潛力，主要從數字高新技術滲透和數字創新要素支撐進行測度，其中，數字高新技術滲透參照施炳展和金祥義的做法[50]，用Python 網絡爬蟲技術搜索百度新聞中的“城市名+數字經濟關鍵詞”①此方法的邏輯是，地區數字技術的發展往往都會被媒體關注到，從而被百度網頁檢索到，百度在中國搜索引擎市場份額具有絕對優勢地位，通過百度資訊搜索數字技術相關關鍵詞所得到的頁面數量，能夠比較準確地反映相關地區的數字技術發展水平。本文通過百度資訊高級檢索搜索“地區+關鍵詞”并選擇具體年份來獲得相關關鍵詞的城市-年份的頁面數量。主要通過計算集成電路、物聯網、大數據、人工智能、云計算、區塊鏈、ICT產業、智慧城市、移動互聯網、數據挖掘、數字貿易、移動支付、衛星導航、電子商務、互聯網+、數據可視化、虛擬現實等關鍵詞搜索網頁的條目，來反映數字高新技術的滲透水平，再平均匯總到城市尺度。，將相關的搜索量作為衡量數字化技術支撐的指標；數字創新要素用科學技術支出進行表征。（4）數字普惠金融，采用北京大學數字金融研究中心和螞蟻集團研究院共同開發的中國數字普惠金融指數來測度，包括數字金融覆蓋廣度、使用深度和數字化程度3 個維度。通過熵權TOPSIS 法將以上指標處理后，得到的數字經濟發展水平指數，記為DE。具體指標體系如表2所示。

表2 數字經濟綜合發展指數指標體系Tab.2 The index system of digital economy development

2.3 模型設定

本文通過構建數字經濟影響旅游業全要素生產率的PSTR模型對兩者之間的非線性關系進行實證檢驗，計量模型設定如下：

式（3）中，Yi,t為被解釋變量，分別用TTFP、TEC、TTC作為被解釋變量，探討數字經濟是否能夠促進城市TTFP 提升，并識別促進TTFP 的主要途徑。數字經濟（DE）為核心解釋變量及轉換變量，Zi,t為一組控制變量向量，θ(DEi,t;γ,c)是以數字經濟為轉換變量的轉換函數。轉換變量的選擇主要是考慮到隨著數字經濟的發展，數字經濟對TTFP 的影響效用會發生變化。

相關控制變量：為了更加準確地分析城市旅游業全要素生產率發展過程中的數字經濟影響效應，參考相關研究成果[41,51-52]，還納入如下控制變量：旅游產業規模（TomDp），旅游產業總收入比地區生產總值；產業結構升級（IndPd），三產增加值占二產增加值的比重；經濟發展水平（GdpRt），地區生產總值增長率；政府效率（GovFy），GDP 和財政支出的比值；科教發展水平（SciEd），政府科研教育財政支出與GDP 比值；市場化水平（MarKDex），根據樊綱市場化指數獲得。

2.4 數據來源

本文采用2010—2019 年中國285 個城市的旅游投入和產出數據（表1）計算得到2011—2019年的城市TTFP、TEC、TTC，并結合相關數據針對2011―2019 年中國285 個地級及以上城市展開數字經濟-旅游業全要素生產率研究，形成了2565 個城市-年份的均衡面板觀測數據。除了城市旅游資源稟賦、數字普惠金融和數字高新技術滲透數據外，其他變量主要來自CEIC數據庫、《中國城市統計年鑒》《中國第三產業統計年鑒》《中國區域經濟統計年鑒》以及相關地級市的統計年鑒和統計公報。為消除價格波動的影響，本文所有價格指標均以2010年為基期，依據歷年消費者物價指數（consumer price index，CPI）進行平減化處理，旅游固定資產存量經過以2010 年為基期的固定資產價格指數調整。對于個別缺失數據，本文采用線性插值法補齊。

3 實證結果分析

3.1 城市數字經濟與TTFP測算結果

為直觀呈現城市數字經濟和TTFP的時空演化特征，本文截選2011年、2015年和2019年3個時段，并將數字經濟綜合值和TTFP 值劃分為7 類。（1）圖2 是數字經濟的時空分布圖。從時間上看，2011—2019 年中國大部分城市的數字經濟發展水平明顯地提高。2013年中國實施的“寬帶中國”國家戰略，為數字經濟的快速發展奠定了重要基礎，數字經濟的綜合值從2011 年的絕大多數城市處于0.225 以下，發展到2019年的大多高于0.575。從空間上看，數字經濟發展的差異較大，空間分布具有顯著的東高西低的特點，東部數字經濟發展水平遙遙領先，尤以長三角、珠三角和京津冀等城市群表現最為突出，顯著高于全國平均水平；相比之下，西部數字經濟發展水平雖然不及中東部地區，但近10年間提升較快。（2）圖3是TTFP的時空分布圖。時間演化上，大部分城市旅游業全要素生產率相較于基期獲得了長足增長。空間格局上，城市TTFP 格局與旅游經濟增長存在一定程度的空間錯位，表現在諸如北京、上海、廣州、杭州、重慶等地區的旅游經濟發展水平雖然較高，但旅游業全要素生產率的排名并不突出。這表明，旅游經濟增長并不是促進旅游業全要素生產率提升的充分條件。

圖2 數字經濟的空間分布Fig.2 Distribution of digital economy

圖3 旅游業全要素生產率的空間分布Fig.3 Distribution of TTFP

3.2 模型非線性檢驗

首先對式（3）進行非線性檢驗，以驗證是否存在非線性機制轉換效應。由于模型包含未識別參數γ和c，因此無法對模型進行傳統的非線性檢驗。González 等建議遵循Luukkonen 等的做法[53]，進行同質性零假設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，并根據兩個模型的殘差平方和來構造統計量進行檢驗，利用服從χ2分布的LM和服從F分布的LMF檢驗統計量進行檢驗：

式（5）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TTFP、TEC 和TTC 為被解釋變量的模型進行非線性檢驗，結果見表3。結果表明，當m=1和m=2 時，模型1、模型2和模型3的LM、LMF及其穩健形式均在0.01的水平上拒絕線性原假設；當m=3 時，僅模型3 通過了0.01 顯著性檢驗，模型2 未通過顯著性檢驗，模型1 只通過了0.05顯著性檢驗。因此，當位置參數個數為m=1和m=2 時，數字經濟對TTFP、TEC 和TTC 均存在以數字經濟為轉換變量的非線性效應，可以使用PSTR模型進行參數估計。進一步，根據González等觀點[32]，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，綜合判斷，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。

表3 模型非線性檢驗結果Tab.3 Test for nonlinearity of the PSTR models

3.3 模型參數估計

采用非線性最小二乘法（nonlinear least squares，NLS）估計PSTR 模型參數，其中，轉換函數的斜率系數γ和位置參數c采用網格搜索法進行估計。為增強結果穩健性，同時估計面板固定效應模型作為對比（表4），并在圖4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，同時繪制TTFP、TEC、TTC對數字經濟的響應圖像。

表4 中普通面板固定模型線性估計中，TTFP、TEC、TTC 的數字經濟估計系數分別為0.610、0.174和0.889。由于遺漏了數字經濟對TTFP、TEC、TTC的非線性關系，導致影響效應傾向于低估數字經濟的線性影響效應，同時高估數字經濟的整體影響效應，因此，數字經濟的影響效應處于低機制與高機制之間。故而，相比于普通面板固定模型線性估計，PSTR 模型更好地刻畫了數字經濟對TTFP、TEC、TTC的動態影響。

3.3.1 數字經濟對旅游業全要素生產率（TTFP）的平滑轉換效應

表4 中模型1 估計結果顯示，TTFP 的數字經濟線性部分估計系數α0為0.901；非線性部分估計系數α0′為1.667，在0.05 水平上顯著。說明數字經濟對旅游業全要素生產率存在明顯的正向促進作用。結合轉換函數來看，當轉換函數θ(DE;γ,c)=0時，數字經濟對城市TTFP 影響效應為0.901，模型處于低機制。當轉換變量數字經濟處于位置參數c值0.436 時，θ(DE;γ,c)=0.5，數字經濟對TTFP 影響效應為1.735（即α0+0.5α0′），模型處于低-高機制的中間狀態。當θ(DE;γ,c)=1 時，數字經濟對TTFP影響效應為2.568（即α0+α0′），模型處于高機制。數字經濟對城市TTFP影響效應在低機制與高機制之間，以位置參數c=0.436 為中心，以γ=19.310 的轉換速率，在[0.901，2.568]之間平滑轉換。換言之，數字經濟對城市TTFP 影響具有動態性和非線性特征，當數字經濟處于不同發展階段時，數字經濟與旅游業全要素生產率之間的關系出現了平滑轉換。結合圖4（b）和圖4（c）可知，最初，較低水平的數字經濟對TTFP 的影響不顯著，需要達到一定規模才能有效地促進TTFP，而且隨著數字經濟發展程度的不斷增高，數字經濟對旅游業全要素生產率影響更加顯著且邊際效應隨之遞增。具體而言，當數字經濟發展水平較低時，影響效應處于低影響狀態，當數字經濟跨越門檻值0.436時，數字經濟的影響效應開始逐漸從低影響狀態向高影響狀態轉換，并最終持續處于高影響狀態。這可能是因為數字經濟的初步投資占用了大量資源，但無法立即對旅游業發展產生有效回報，或者回報遠低于投資水平。只有在達到數字經濟增長拐點后，數字經濟的發展才會顯著影響TTFP，并逐步推動TTFP向更深層次發展。因此，本文認為，在未來一段時間內，相關政府部門應繼續加大數字經濟投資規模，推進數字基礎設施建設，使數字經濟的發展更好地發揮促進區域旅游業全要素生產率的積極作用。

圖4 轉換函數、估計系數與響應曲線圖像Fig.4 Transition function，estimated coefficient and response curve

表4 PSTR模型和面板線性模型估計結果Tab.4 Estimation results of the PSTR models and panel linear model

此外，本文模型還包含了其他控制變量，以表4中TTFP 估計為例：旅游產業發展（TomDp）對旅游業全要素生產率具有顯著的促進作用，表明旅游產業占比越高，旅游業全要素生產率越高，可能的原因是地區旅游業在國民經濟中所占比重高，更容易得到政府的資金和技術扶持。同時，在集聚經濟的影響下，企業能夠降低人才搜索成本，加強技術關聯和溢出效應，促進企業的技術進步和組織管理水平提升，進而提高全要素生產率。經濟發展水平（GdpRt）對旅游業全要素生產率具有促進作用，說明加快城市產業轉型升級，大力發展國民經濟對提高旅游業全要素生產率的重要性高；政府效率（GovFy）對旅游業全要素的影響從正向轉為負向，說明政府適度的干預對旅游業具有顯著的正向促進作用。產業結構升級（IndPd）、科學教育（SciEd）和市場化水平（MarKDex）雖然未通過顯著性檢驗，但系數整體為正，說明對旅游業全要素生產率的影響是正向的。

3.3.2 數字經濟對旅游業技術效率（TEC）的平滑轉換效應

表4中模型2的PSTR模型估計結果顯示，TEC的數字經濟線性部分估計系數α0為0.045，非線性部分估計系數α0′為0.430，且均未通過0.1 水平上的顯著性檢驗。結合圖4（e）和圖4（f），表明在研究期內，數字經濟對TEC的影響不顯著。數字經濟對旅游業技術效率的影響完全不同于其對TTFP 和TTC的影響。可能的原因是，雖然數字經濟的發展打破了（潛在）旅游者與目的地之間的信息不對稱，緩解了旅游勞動力的供需失衡，在一定程度上提高了技術效率；但大多數旅游企業在組織管理和企業文化方面跟不上數字時代的發展需要，同時，以大型OTA（online travel agency）平臺為代表的壟斷行為及長尾經濟思維、服務化思維不利于地區旅游業技術效率的發揮，在數字經濟影響的正負向共同作用下，其對技術效率的作用力相互抵消，導致旅游業技術效率的影響不顯著。因此，應該順應數字經濟時代的發展理念，結合相關宏微觀因素的外部約束，厘清數字經濟正向效應發揮的桎梏，探索數字經濟促進旅游業技術效率提升的模式和渠道，讓數字經濟的發展紅利更好地為旅游業整體效率的提升貢獻力量。

3.3.3 數字經濟對旅游業技術進步（TTC）的平滑轉換效應

數字經濟對旅游業技術進步的影響與其對旅游業全要素生產率的影響趨勢非常相似。表4中模型3 估計結果顯示，TTC 的數字經濟線性部分估計系數α0為0.211，非線性部分估計系數α0′為1.320，在0.01水平上顯著，說明數字經濟對旅游業技術進步存在正向促進作用。數字經濟對旅游業技術進步的正向影響效應在[0.211，1.531]之間平滑轉換。當數字經濟跨越位置參數c=0.544 時，數字經濟的影響效應開始逐漸從低影響狀態向高影響狀態轉換，并在研究期內最終持續處于高影響狀態。模型3 在影響效應機制之間平滑的斜率系數γ為68.300，表明模型在低-高機制之間的轉換速度相對較快。之所以會產生技術進步的非線性效應，主要是由于城市數字經濟發展水平越高，越能夠發揮其網絡外部效應的威力，進而形成更強的產品創新效應、需求拉動效應和倒逼效應，通過創新旅游產品和業態類型、精準營銷、倒逼旅游產業轉型升級等路徑促使城市旅游業生產前沿面的加速擴張，推動旅游業技術進步，進一步實現對旅游業全要素生產率的促進作用持續增強。數字經濟促使城市旅游業生產前沿面的擴張，更加體現數字經濟對城市旅游業提質增效的綜合促進作用。

綜合來看，旅游業全要素生產率是衡量地區旅游業提質增效的重要指標，識別其驅動機制至關重要。綜觀3個模型，從固定效應估計系數看，數字經濟對TTFP 和TTC 估計系數分別為0.610 和0.889，且均通過了0.01顯著性水平，而對TEC估計系數僅為0.174，且未通過顯著性檢驗。根據TTFP、TEC、TTC 三者間數量關系（TTFP 是TEC 與TTC 的乘積），就線性估計而言，可以初步識別出數字經濟對TTFP 的影響效應主要是通過影響旅游業技術進步實現的。此外，從PSTR估計的平滑轉換趨勢看，隨著數字經濟發展程度加深，數字經濟對TTFP 的估計系數變大，對TTC 估計系數也變大，深刻表明兩者平滑轉換機制的協同性，與此相反，數字經濟對TEC的估計系數有上升趨勢，但均未通過顯著性檢驗。進一步表明，數字經濟對旅游業全要素生產率的推動作用的強化是通過促進旅游業技術進步而來的。線性和非線性估計結果均說明，數字經濟對旅游業全要素生產率的促進作用主要是來源于對旅游業技術進步的推動實現的，而不是旅游業技術效率。

3.4 數字經濟對旅游業全要素生產率影響效應分解

為了更進一步精細化數字經濟-旅游業全要素生產率提升的效應分析，本文將數字經濟指標體系中數字基礎設施、數字產業發展、數字創新潛力以及數字普惠金融4 個維度作為自變量進行實證檢驗，進一步探究數字經濟對城市TTFP、TEC、TTC的具體作用因素。

表5 中模型4 估計結果顯示，數字基礎設施（DIF）線性部分估計系數α0為3.881；非線性部分估計系數α0′為7.199，通過了0.05 的顯著性檢驗。說明數字基礎設施對旅游業全要素生產率存在明顯的正向促進作用。當數字基礎設施跨越位置參數c=0.101 時，其對旅游業全要素生產率的提升作用從低機制向高機制平滑轉換，當θ(DE;γ,c)=1 時，達到高機制的最大值11.080，表明數字基礎設施對旅游業全要素生產率的影響始終具有正向促進效應，數字基礎設施完善不僅會推動城市旅游空間數字化和智能化改造升級，而且通過網絡覆蓋水平的提高實現旅游信息有效匹配，提高旅游全要素生產率。因此，隨著數字基礎設施的逐漸完善，其對旅游業全要素生產率提升作用的邊際效應增強。數字基礎設施對旅游業技術效率線性部分和非線性部分的估計系數均未通過顯著性檢驗，說明城市數字基礎設施對旅游業技術效率的影響不顯著，與表4中TEC模型的趨勢基本一致。表5中模型5估計結果顯示，數字基礎設施對旅游技術進步的正向影響效應在[0.355，6.707]之間平滑轉換。當數字經濟跨越位置參數c=0.126 時，數字經濟的影響效應開始逐漸從低影響狀態向高影響狀態轉換，并在研究期內最終持續處于高影響狀態。

表5 不同維度數字經濟的PSTR模型估計結果Tab.5 Estimation results of the PSTR models for the digital economy in different dimensions

從表5中模型6和模型7的估計結果來看，數字產業發展（DID）對TTFP 和TTC 的非線性估計部分均顯著為正，說明數字產業發展對旅游業全要素生產率和技術進步的提升都具有顯著的促進作用。這可能是因為大數據、云計算、移動通信和智能終端在旅游業的加速應用不僅推動旅游要素資源的優化配置、促進旅游產業轉型升級，而且通過互聯網提高旅游產品精準營銷能力、實現供需結構更加平衡，促進旅游業技術進步，進而提升旅游業全要素生產率。

從表5中模型8和模型9的估計結果來看，數字創新潛力（DIP）對TTFP 和TTC 的PSTR 模型的線性估計系數和非線性估計系數均為正，且非線性部分的估計系數分別通過了0.05 和0.01 的顯著性檢驗，說明數字創新潛力對旅游業全要素生產率和技術進步具有顯著正向作用。數字創新潛力直接決定了數字經濟與旅游產業融合的能力，數字技術與旅游業深度融合促進旅游產品創新和業態創新，促進旅游業技術進步，并提升旅游業全要素生產率。同時，隨著具有數字創新潛力的企業的增加，改變并加劇市場競爭環境，倒逼旅游業轉型升級，反過來加速資本轉移到創新發展型旅游企業，進而推動地區旅游業技術進步和旅游業全要素生產率提升。

從表5中模型10和模型11的估計結果來看，數字普惠金融（DFI）對TTFP 和TTC 的PSTR 模型的線性估計系數和非線性估計系數均為正，且非線性部分的估計系數也分別通過了0.05 和0.01 的顯著性檢驗，說明數字普惠金融對旅游業全要素生產率和技術進步具有顯著正向作用。主要原因在于，數字普惠金融能夠拓寬旅游企業的融資渠道，緩解旅游企業融資約束問題，使得旅游企業有足夠資金進行旅游技術創新，促進技術進步，進而提高旅游業全要素生產率。此外，數字普惠金融對旅游業技術效率（TEC）的估計結果不顯著，可能的原因是，雖然數字普惠金融能夠激發在線預訂和付費等行為，在提高旅游便捷度和滿意度的同時降低（潛在）游客的交易成本，提高旅游技術效率；但正因為交易成本低，致使（潛在）旅游者中止交易的概率提高，旅游企業單方面承受違約損失，正負效應相互抵消，導致數字普惠金融對旅游技術效率的影響不顯著。

綜合來看，PSTR模型估計的結果顯示，數字經濟的4 個分維度（數字基礎設施、數字產業發展、數字創新潛力和數字普惠金融）對城市旅游業全要素生產率和旅游業技術進步的提高均具有顯著的正向推動作用，但是對旅游業技術效率的影響不顯著。這證明了數字經濟通過推動技術進步進而促進城市旅游業全要素生產率提升這一重要結論，也從更換核心解釋變量視角證明了本文的研究結論具有高度的穩健性。

3.5 穩健性檢驗

本文的穩健性檢驗主要考慮被解釋變量（旅游業全要素生產率）的測量誤差。具體而言，第一，參照蔣瑛等[54]的做法，采用各省級行政區旅游業從業人數乘以城市所屬省級行政區第三產業從業人數占比的方法獲得各城市旅游業從業人數，用作旅游人力資本的穩健性分析指標，重新測算被解釋變量（表6 中模型12 和模型13）；第二，參照楊開忠等[55]的做法，以當期實際旅游固定資產投資代替旅游資本存量，即以低于實際的固定資產投入獲得更高的產出，會對測度全要素生產率產生高估影響（表6中模型14和模型15）；第三，參考既有研究對旅游資源指標的處理[56]，對世界級和國家級旅游資源分別賦權重2 和1，再乘以對應的資源數量后加總，用作旅游資源投入的穩健性分析變量（表6中模型16和模型17）。最終，替換被解釋變量后的模型估計結果顯示，數字經濟對旅游業全要素生產率的影響保持了較好的穩健性。

表6 穩健性檢驗Tab.6 Results of robustness check

3.6 內生性檢驗

測度誤差、遺漏變量和互為因果是導致內生性的重要因素。前文已經對可能存在的內生性問題進行相應的處理。一是針對測量誤差，本文采用全局可參比Malmquist 模型測度TTFP、TEC 和TTC，并構建綜合指標體系采用改進的熵權TOPSIS法測度數字經濟發展水平，弱化數據質量對估計結果的影響；二是針對遺漏變量導致的內生性，本文在計量模型中加入旅游產業發展、對外聯系度、產業結構升級、經濟發展水平、科教發展水平、政府效率和市場化水平等控制變量加以控制。互為因果產生的內生性是本研究要處理的關鍵，即數字經濟促進了TTFP增長，而TTFP的增長反過來也有可能促進數字經濟的發展。為此，借鑒龔鋒等[57]的做法，選擇滯后一期的數字經濟作為轉換變量，重新估計PSTR模型，弱化轉換變量的內生性風險（表7）。考慮到其余解釋變量也有可能存在內生性問題，我們還嘗試將所有的解釋變量和轉換變量均替換為滯后一期值（表8），結果顯示，上述兩類模型參數的估計結果比較接近，雖然位置參數和估計值有所不同，但整體回歸結果與表4 中模型結果仍基本一致。可以判斷，在處理內生性后，H1和H2依然是成立的。

表7 轉換變量滯后的PSTR估計結果Tab.7 Estimation results of the PSTR models for transform variable lagged

表8 轉換變量和解釋變量滯后的PSTR估計結果Tab.8 Estimation results of the PSTR models for transform variable and independent variable lagged

3.7 異質性分析

3.7.1 分旅游業發展水平的異質性分析

在旅游業發展水平不同的地區，數字經濟對旅游業全要素生產率的影響可能存在異質性。為此，本文按照是否成功入選中國優秀旅游城市，將總樣本劃分為高旅游業發展地區和低旅游業發展地區，估計結果如表9 所示。從模型顯著性方面看，高旅游業發展地區比低旅游業發展地區的顯著性更好；從模型估計系數方面看，在高旅游業發展地區，數字經濟對TTFP 的正向影響效應在[0.796，2.564]之間平滑轉換，而低旅游業發展地區模型估計的影響效應區間為[1.835，2.459]，說明與低旅游業發展地區相比，數字經濟對高旅游業發展地區TTFP 的促進作用更為明顯，并且面板固定效應模型也支持這一結果。

表9 旅游業發展水平的異質性Tab.9 Difference in tourism industry development level

究其原因，一方面，與非優秀旅游城市相比，優秀旅游城市具有更為豐富的旅游吸引物和設施，為居民開展旅游消費活動提供了外部條件，而數字化將旅游產品和服務更好地觸達潛在客群，有效實現潛在旅游消費需求“變現”，進而提高TTFP。另一方面，數字經濟能夠促進旅游資源、資本、人才等要素實現有效配置，實現旅游市場主體及其與相關產業之間的緊密合作，進一步擴大旅游產業規模，強化地區生產的規模效應；同時，優秀旅游城市一般都具有更強的旅游產業創新精神，更易將數字技術應用于地區旅游業的產品創新、組織管理和宣傳推廣等多個方面，提升旅游業數字化水平，進而有利于充分發揮數字經濟在旅游業中的發展紅利效應，促進旅游業生產率提升，因此，數字經濟在高旅游業發展地區具有更突出的促進效果。

3.7.2 分數字經濟水平的異質性分析

前文的實證分析已經表明，數字經濟對旅游業全要素生產率的影響隨著數字經濟的提升而逐漸增強。據此推測，在數字經濟發展水平不同的城市，數字經濟對旅游業全要素生產率的影響可能存在異質性。為此，本文將總樣本按照年均DE 的中位數為界限，劃分為高數字經濟發展地區和低數字經濟發展地區，估計結果如表10 所示。其中，高數字經濟發展地區，數字經濟對TTFP 的正向影響效應在[0.928，2.767]之間平滑轉換，且非線性估計部分通過0.05 的顯著性檢驗。而在低數字經濟發展地區，數字經濟對TTFP 的非線性估計部分系數不顯著，而且面板固定效應模型估計系數也不顯著。這說明與低數字經濟發展地區相比，在高數字經濟發展地區，數字經濟對TTFP的促進作用更為明顯。

表10 數字經濟發展水平的異質性Tab.10 Difference in digital economy development level

可能的原因在于，地區數字經濟發展與宏觀經濟發展水平具有高度的關聯性，與高數字經濟發展地區相比，低數字經濟發展地區金融的可達性及其服務效率低下，受資金制約嚴重，導致地區旅游投資開發和產品創新積極性不高。同時，低數字經濟水平地區的旅游信息傳播渠道有限，旅游產品和服務觸達潛在消費者所耗成本較高，加之數字經濟落后地區的可支配收入低，在很大程度上抑制了旅游消費需求，因此，數字經濟對TTFP 的作用受到制約。而在數字化發展程度高的地區，數字普惠金融的深度發展不僅有效緩解了旅游企業的融資約束問題，而且為潛在消費者提供便捷高效的交易條件，有效促進交易達成；數字技術發展為旅游產品創新提供技術支持，而互聯網幾乎零成本的多元化立體式宣傳，加快旅游信息在消費者之間的傳遞速度，顯著激活旅游消費潛能，因此，在高數字經濟發展地區，數字經濟對TTFP的促進作用更為明顯。

4 結論與政策建議

4.1 研究結論

關于數字經濟與旅游業高質量發展的關系研究仍處于理論探討階段。故而本文基于2011—2019年中國城市尺度面板數據，創新性地剖析了數字經濟對旅游業全要素生產率的作用機理，利用非線性面板平滑轉換回歸模型實證考察數字經濟與城市TTFP、TEC、TTC之間的非線性關系，詳細刻畫了兩者之間的動態轉換機制，從而得到更符合經濟現實情境的估計結果。主要結論如下。

第一，在研究期內，數字經濟與旅游業全要素生產率總體呈穩步上升趨勢，空間上，數字經濟具有顯著的東高西低的空間分布特征，而城市旅游業全要素生產率格局與旅游經濟增長存在一定程度的空間錯位。第二，由于存在網絡效應，數字經濟發展水平對旅游業全要素生產率和技術進步的影響均呈現邊際效應遞增的非線性特征，且估計系數的顯著性會隨著數字經濟的提升而加強。當數字經濟發展跨越門檻值后，數字經濟對TTFP 和TTC的影響效應處于高機制，數字經濟水平的提升會強化其對TTFP和TTC的邊際貢獻，同時，以位置參數為中心，在低-高機制之間平滑轉換。第三，數字經濟對旅游業全要素生產率和技術進步具有正向促進作用，對旅游業技術效率的影響不顯著，說明旅游業技術進步是數字經濟推動城市旅游業全要素生產率提升的重要途徑。數字基礎設施、數字產業發展、數字創新潛力、數字普惠金融等數字經濟分維度變量對旅游業全要素生產率和旅游業技術進步同樣具有顯著的正向促進作用，但對旅游業技術效率的影響不顯著。而且經過穩健性檢驗和內生性檢驗，證明研究結論具有穩健性和可靠性。第四，分地區異質性分析顯示，在高旅游業發展地區和高數字經濟發展地區，數字經濟對旅游業全要素生產率的促進作用更為明顯。

4.2 政策建議

在新發展格局下，推動旅游業從資源驅動向創新驅動轉變已成為實現旅游業高質量發展的重要途徑。本研究不僅豐富了數字經濟時代下旅游業發展的理論創新，而且為推進旅游全產業鏈的提質增效提供參考和借鑒。要充分利用數字經濟影響效應處于邊際效應遞增階段的機會窗口，以數字經濟促進旅游業轉型升級，提高旅游業全要素生產率。

（1）推動“數字經濟+旅游”深度融合，創新旅游產品和服務供給體系。首先，利用大數據聚合多源文旅資源信息，打造文旅資源數字化共享平臺，充分發揮數字技術的資源匹配能力，實現旅游資源、資金、技術和人才的高效率流動和匹配，為創新旅游產品內容生產奠定資源基礎。其次，積極推進旅游業數字化新基建建設，推動傳統景區、場館和酒店等旅游空間的數字化、智慧化改造，提升旅游智慧化服務水平。最后，鼓勵文旅企業利用數字技術開發交互式、沉浸式的旅游業態和產品，實現線上新文旅與線下場景互動融合，打造滿足多元化需求的旅游創新生態，提高旅游業全要素生產率。

（2）完善互聯網營銷體系，有效提升需求和供給之間的動態匹配效率。首先，借助數字新媒體產業，通過以短視頻為主的新媒體傳播和社群互動分享平臺，形成多元化立體式的旅游業宣傳和營銷模式，提升產品和服務的知名度以及品牌影響力，刺激需求增加。其次，利用數字技術挖掘用戶生成內容（user-generated content，UGC）所形成的大數據，并繪制消費者畫像，識別消費者行為方式和消費習慣，精準定位消費者需求，基于此改進并創新旅游產品和服務，提高旅游營銷傳播的針對性和有效性。最后，推進數字基礎設施建設和數字普惠金融，不但要打通經濟社會發展的信息“大動脈”，實現遍在性旅游供給與動態化需求有效對接，而且要優化服務流程，降低交易成本，提高旅游業運行效率。

（3）加強數字經濟時代的旅游業制度創新，提高旅游業技術效率。組織管理制度落后和互聯網企業試圖壟斷可能是數字經濟難以促進旅游業技術效率提高的兩大主因。對此，一方面，要加強旅游企業及相關企業的管理制度和組織文化創新，實現其與數字經濟發展同頻共振、協調發展；另一方面，警惕頭部旅游平臺企業的壟斷傾向，出臺反壟斷相關政策文件，加強數字技術在平臺治理與監管中的應用，構建政府“規制之手”和平臺企業“數字守門人”高效結合的反壟斷監管模式，促進旅游市場健康發展，避免寡頭企業規模不經濟所引致的技術效率降低，扭轉數字經濟對旅游業技術效率影響不顯著的局面。

（4）高度關注數字經濟影響效應的異質性特征，促進不同類型城市旅游業全要素生產率協調發展。考慮到數字經濟對低旅游業發展城市和低數字化城市的TTFP的影響效應仍有待提高，因此，要實施動態化、差異化的數字經濟發展戰略。在促進旅游業發達、數字經濟高度發展地區積極發展數字經濟的基礎上，通過政府制度協調和區域數字產業聯盟，引導數字經濟要素向低旅游業發展城市和低數字化城市的流動和擴散，彌補相對落后地區數字經濟發展短板，提高信息透明度、服務可達性、資源配置效率和收入水平，促進數字經濟與旅游產業更好融合，進而提升各區域旅游業全要素生產率協同發展。

4.3 討論

值得注意的是，本研究仍存在一些有待深入探討的問題：一是僅以數字經濟作為轉換變量，考察其狀態變量的變化所導致的數字經濟與TTFP、TEC、TTC 等之間的非線性關系。未來還可以考慮將制度變量（政策支持和市場化程度等）作為轉換變量，識別城市制度異質性對數字經濟效率提升效應的影響。二是本文雖然深入分析了數字經濟對城市TTFP的作用機制，但限于篇幅，未在實證方面做中介效應模型檢驗，后續研究可繼續完善。三是數字經濟具有信息高效傳遞功能導致的時空壓縮效應，加速促進區域間旅游產業的互動和關聯，致使數字經濟可通過空間外溢效應作用于鄰近地區，未來可驗證數字經濟與TTFP、TEC、TTC 之間是否存在空間溢出效應。此外，囿于城市層面旅游統計數據的缺乏，難以對旅游生產的投入產出要素進行完全精確地表征，希望隨著旅游業衛星賬戶的建立和完善，未來將選取更為直接的指標進行更精確的測度。