基于金融支持的区域旅游效率的空间溢出效应

张本照，沈骏杰

（合肥工业大学 经济学院，合肥 230601）

一、引 言

随着我国城乡居民收入水平的提高，人们对旅游的消费需求也持续增长，旅游产业得到了迅猛发展。2012年，我国的国内旅游和入境旅游人数分别达到29.57亿人次、1.32亿人次，分别比2011年增长11.9%和降低2.2%；国内旅游收入和入境旅游收入分别达到2.27万亿元人民币和500.28亿美元，分别比2011年增长17.6%和3.36% 。

由于旅游业的产业关联性较大，旅游业的发展能够很好地带动上下游产业的联动发展，因此，发展旅游业不仅能够促进经济增长与产业结构调整，还能够缓解我国就业压力大的难题。旅游产业的发展离不开金融的支持，那么，金融发展是否同样会促进旅游业效率的提高呢？二者有无内在联系？对于这些问题的深入探讨，不仅有利于我们进一步认识我国的金融发展与旅游效率之间的关系，也有利于各级政府制定针对性的政策来促进旅游业的发展。

目前在旅游产业效率研究方面，成果集中于酒店或旅行社的经营效率研究。谢春山等（2012）运用超效率DEA 模型对中国2002－2009年五星级酒店效率进行研究，认为五星级酒店的整体效率较低，但在波动中呈现出上升趋势［1］；孙景荣等（2012）也运用DEA 模型，选取酒店数量、旅行社数量、固定资产投资、旅游业从业人数作为投入变量，选取营业收入以及全员生产率作为产出变量，对我国城市酒店效率的空间特征进行了分析［2］；郭峦、杨志红（2013）运用DEA 中的CCR 模型与BCC模型，选取固定资产投资、从业人员、企业数量作为投入变量，选取营业收入和营业税金及附加作为产出指标，实证分析了西部地区12个省市的旅行社的经营效率，并从控制旅行社产业规模、提高旅行社技术投入水平、加强旅行社人力资源管理三个方面提出了针对性解决措施［3］。在金融支持与旅游产业之间的关系研究上，左冰、保继刚（2008）研究了中国旅游业的全要素生产率，认为维持旅游业长期的增长不能仅依靠要素投入，金融资本的支持对旅游业解决资金缺口是十分必要的［4］；和培培和郝奇彥（2013）、蒋润祥等（2013）分别对山西省、甘肃省的旅游产业进行研究之后指出当前金融发展对旅游业的支持力度不足，应完善金融服务体系和资金聚集力［5－6］。

以上成果为本文的进一步研究提供了重要的参考，然而尚存在以下不足：一是在内容上注重研究金融支持对地区旅游业发展的影响，鲜有学者考察金融支持对旅游业效率的影响；二是在研究方法上，大部分学者往往利用协整分析、Granger因果检验以及普通面板数据模型来对二者进行研究，往往忽略了地区旅游效率空间相关性的影响，可能导致模型的设定偏差以及估计结果的误差。鉴于此，本文将以30个省市自治区作为研究对象，在测度区域旅游效率的基础上，研究金融支持对区域旅游效率的空间溢出效应，以期为地区旅游业健康持续高效的发展提供一些政策建议。

二、理论分析、地区旅游效率评估及空间相关性

1.理论分析

当前经济全球化的程度越来越高，一个国家或地区的经济增长已不再是仅由本国或本地区内部的要素决定，其必将受到其他国家或地区经济发展的影响，尤其是这些国家或地区经济发展路径的影响。对于地区旅游效率也是如此，一个地区的旅游效率也将会受到其他地区旅游效率的影响。本文认为区域旅游效率空间溢出的传导机制可以分为技术性溢出效应和政策制度性溢出效应。

技术性溢出效应是指某个地区通过自主创新得到新的技术，这种技术可以提高该地区的旅游效率，而此时相邻地区通过学习或者交流也得到这种新的技术，从而也提高本地区的旅游效率。所以，在研究区域旅游效率空间溢出效应时，本文将技术性空间溢出效应作为一种影响路径，来说明一个区域旅游效率的提高是如何影响相邻地区旅游效率的。

2.地区旅游效率评估

（1）评价方法及投入产出指标的选取 地区旅游效率可以通俗地理解为：将某个区域作为旅游经济的生产单元，实现旅游产业发展过程中单位要素投入在特定时间范围内能够实现产出最大化、使所有利益相关者得到总剩余最大化的性质［7］。

目前，大多数学者主要采用数据包络分析法（DEA）进行效率测度，它是一种评价若干同类型的多输入和输出决策单元（DMU）间的相对效率与效益的有效方法［8］。针对传统DEA 方法存在的缺陷，本文借鉴王坤等（2013）［9］的做法，引入虚拟最优决策单元，通过考察区域旅游效率与虚拟最优决策单元的距离来判别其相对效率的高低。

设有p个单元DMU，每个都有m种输入和n种输出，分别用输入Xi和输出Yi表示，则Xi＝（X1i，X2i，…，Xmi）T＞0，Yi＝（Y1i，Y2i，…Yni）T＞0，DMUi＋1＝｛min（Xi＝（X1i，X2i，…Xmi），maxXi＝（Y1i，Y2i，…Ymi）｝，含义是以最小的投入获取最大产出的决策单元，其效率值θp＋1＝1是唯一有效的DMU，具体模型如公式（1）：

其中，λi是权重变量；θi为总效率，可以分解为纯技术效率与规模效率。

利用DEA 模型进行旅游效率测度时，投入产出指标的选取在很大程度上决定了测度结果。通常来说，投入产出指标的选取应满足以下原则：第一，是否具有可操作性；第二，是否体现研究对象的主要情况；第三，投入是否在一定程度上导致产出。根据以上原则，结合现有文献中关于旅游业效率的投入产出的指标选择，本文选取国内旅游收入与入境旅游收入作为地区旅游业的产出指标，这两个指标从整体上反应了地区旅游业的发展水平；对于投入指标，我们选取外商直接投资、旅游业从业人员和固定资产投入作为衡量标准，其中，地区固定资产投资是从旅游业生产要素的资本方面进行选取，外商直接投资是从地区吸引力方面进行选取的，而旅游业从业人员可以反映地区旅游业的综合性特征，故也将其作为投入指标。

（2）样本选取及数据来源 鉴于数据的可得性，本文进行区域旅游效率评价的决策单元包括除西藏以外的30个省市自治区（西藏的部分数据缺失），时间跨度为2004－2011年。本文数据主要来源于《中国统计年鉴》、《中国旅游年鉴》、《中国旅游统计年鉴》和《新中国60周年统计资料汇编》以及各省市的社会发展统计公报。此外，为了消除物价因素的影响，本文以2004年为基期，利用各省市的居民消费物价指数进行处理。

（3）旅游业效率评价 为了测度我国各地区的旅游效率，我们将2004－2011年30个省市自治区投入产出指标数据整理后导入DEAP2.1软件，得到的各省市区的旅游业效率值，具体如表1所示。

2.2.3 固形物质量的测定 精密量取各样品浓缩液50 mL，置已恒定质量的蒸发皿中，水浴蒸干，于105 ℃烘箱干燥3 h，置干燥器中冷却半小时，迅速称定质量，照干燥失重测定法（《中国药典》2015年版四部通则0831）测定，计算固形物质量。

表1 我国30个省市2004－2011年旅游效率变化情况表

续表

从表1可以看出，2004－2011年期间，我国的旅游效率均值在0.339左右小幅度波动且呈稳定趋势。为了考察30个省市自治区的旅游效率分布情况，我们根据旅游效率均值的大小划分为低效率地区、中效率地区以及高效率地区。一是低效率地区：河北、广西、海南、山西、内蒙古、吉林、黑龙江、安徽、江西、湖南、重庆、云南、贵州、陕西、甘肃、青海、宁夏、新疆等省市自治区的旅游效率较低，效率值在0.3以下；二是中等效率地区：天津、辽宁、福建、河南、湖北、四川等处于中等水平，效率值在0.3－0.7之间；三是高效率地区：北京、上海、江苏、浙江、山东、广东等处于相对高水平，效率值在0.7以上。处于低效率和中效率的省市自治区占全国比重达到2／3，而且主要分布在经济发展相对落后的中西部地区。通过比较东、中、西三大地区的旅游业效率情况，我们同样可以发现，2004－2011年期间，全国旅游效率均值为0.339，东、中、西部地区的旅游效率均值分别为0.567、0.222、0.152，仅有东部地区的旅游业效率均值高于全国平均水平，而中、西部地区的旅游业效率均值都低于全国平均水平，进一步证实了我国地区旅游业效率存在明显的地区差异。

东部地区旅游均值（0.567）大于全国旅游均值（0.339），主要是因为东部地区拥有着巨大的经济资源优势，在旅游业管理、旅游投入力度、从业人员质量和旅游基础设施等方面都要优于中西部地区，导致东部地区的总体旅游效率较高，但另一方面，由于东部地区旅游业发展比较早，现在正处于由粗放型的增长方式向旅游业结构调整及合理利用资源转变的时期，使得东部地区整体旅游效率值呈现出略微的下降趋势。

中部地区旅游效率均值（0.222）小于全国旅游效率均值（0.339），其中排在前三位的分别是河南（0.486）、湖北（0.310）、湖南（0.271）。除了河南（0.486）旅游效率均值较高外，中部其他的各省份旅游效率值相差不是很大。总体来看，中部地区的旅游效率值差异不大。河南成为中部唯一一个高于全国旅游效率均值的省份，可能的原因是河南具有良好的国际高端旅游资源，且基本形成了结构合理、优势突出、配套协调的旅游产业体系，同时政府对旅游基础设施的大量投入也提高了旅游效率。

西部地区旅游效率均值（0.152）同样小于全国旅游效率均值（0.339），其中排在前三名的分别四川（0.426）、云南（0.262）、陕西（0.211）。虽然我国西部地区的整体旅游效率均值偏低，但是四川省的旅游效率均值却高于全国甚至东部地区的旅游效率均值，这说明在我国西部地区，个别省份因拥有着很好的旅游资源且经济处于良好的状态，同样会吸引游客，带动旅游效率的提高。而甘肃、新疆、青海、宁夏等地区由于经济较为落后、旅游软硬件设施较为陈旧、旅游管理技术不先进，致使这些地区的旅游效率长期处于较低水平。

3.旅游效率总体空间特征

空间自相关是一种空间统计方法，表明地方旅游效率的空间分布特征和区域间的相互作用，一般可通过Moran＇sI指数进行检验，具体测算如公式（2）所示：

其中，Xi和Xj表示空间区域i和j的属性值，为样本方差，Wij为邻近标准的空间权重矩阵，当区域i和区域j相邻时，空间权重矩阵Wij的取值为1，否则Wij的取值为0。

当Moran＇sI值为正时，说明空间自相关为正；当Moran＇sI值为负时，说明空间自相关为负，其绝对值越大，说明相关程度越大。本文利用Geoda软件，测得2004－2011年地方旅游效率的Moran＇sI指数，如表2 所示。

表2 我国30个省市旅游效率的莫兰值（Moran＇s I）

从表2可以看出，2004－2011年的地旅游效率的Moran＇sI指数全部为正，且P值均小于0.01，故通过了1%的显著性检验，表明地区旅游效率存在较强的空间相关性，即旅游效率高的地区相邻，旅游效率低的地区相邻。因此，在研究金融支持与旅游业效率之间的关系时，不能忽略空间因素的影响。

三、金融支持对地区旅游效率的空间溢出效应

1.模型设定

为了研究金融支持下的地区旅游业效率的空间溢出效应，本文根据Anselin（1988）［10］43提出的空间滞后模型（SLM）和空间误差模型（SEM），设定以下研究模型，如公式（3）、（4）所示：

其中：TEFF为i地区的旅游效率；γi为回归参数，反映自变量对因变量的影响；核心解释变量：FSC、FEFF分别表示金融规模和金融效率；控制变量：FDI表示外商直接投资；SLF 表示区位因素，OPEN 表示对外开放度，TRANSPORT 表示交通基础设施；ρ为空间滞后回归系数；λ为空间误差回归系数；W为邻近标准空间权重矩阵，εit为随机误差向量；t为时间；ɑit为常数项；μit表示随机扰动项。

2.指标的选取与数据说明

为了考察金融支持对地区旅游效率的空间溢出效应，本文的核心解释变量主要使用金融发展规模、金融发展效率两个指标来综合反映地区金融发展的情况。

金融规模指标（FSC）用各地区金融机构贷款总额与该地区国内生产总值的比例来衡量，以反映各地区的金融发展规模状况。金融效率指标（FEFF）用各地区金融机构贷款总额与存款总额的比例来衡量，以反映各地区金融中介将存款转化为贷款的效率。

此外，为了排除其他因素对旅游效率的影响，本文还选择了外商直接投资、区位条件、对外开放度、交通基础设施作为控制变量，具体衡量方法如下：一是外商直接投资（lnFDI）。外商直接投资的衡量是用各地区实际利用外资额与该地区当年国内生产总值的比值的对数值来衡量。由于FDI在年鉴中都是以美元计算的，所以必须通过当年的汇率折算成人民币，其中汇率的数据来源于《中国统计年鉴》，并在此基础上根据每年的价格指数调整为2004年价格衡量的实际国外直接投资额。二是区位条件（SLF）。由于我国东、中、西部的地区差异，各地区具备的区位条件直接影响到政府政策扶持、先进技术引进等情况。但由于区位条件涉及要素很多，无法通过某一个要素进行衡量，因此本文引入区位熵概念来表示区位条件，即用区域特定产业的产值占该地区总产值比重与全国该产业产值占全国总产值比重之间的比值表示［11］。由此旅游区位熵为地区旅游总收入占该地区GDP比重与全国旅游总收入占全国GDP比重的比值。三是对外开放度（OPEN）。对外开放度是反映某个经济区域对外开放程度的指标，本文用地区进出口总值与该地区GDP 比值来衡量对外开放度。四是交通基础设施（LnTRANSPORT）。对旅游业来说，交通基础设施是塑造旅游目的地吸引力、促进旅游业成长的重要因素［12］。交通基础设施包含三种交通形式，即公路、铁路和水路，基于数据的可得性，本文仅选择公路里程和铁路里程之和的对数作为交通基础设施的衡量指标，记为LnTRANSPORT。

本文金融机构存贷款数据来源于《中国金融年鉴》，其他数据来源于《中国统计年鉴》。为了剔除统计数据中的价格变动的影响，通过利用各省各年度的消费者物价指数CPI将上述所有价值型数据变换实际数据值。

3.金融支持对地区旅游效率的空间相关性研究

（1）空间计量模型的选择与估计 根据上文测算出的Moran＇sI指数表明，区域旅游效率是存在空间相关性的，但在运用空间计量模型时，我们必须通过Lagrange Multi－plier的误差（LMERR）、滞后（LMLAG）及稳健性（R－LMLAG 和R－LMERR）检验来决定这种空间相关性到底是内生的空间滞后影响的还是空间误差自相关［10］140。

因为事先无法根据经验判断在SLM 和SEM 模型中是否存在空间相关性，所以在模型的选择中，我们建立了一种判别准则，即Anselin等（2004）［13］提出的判别准则，若LMLAG 较之LMERR 在统计上更加显著，且R－LMLAG 显著而R－LMERR不显著，则选取空间滞后模型；相反地，如果LM－ERR 在统计上比LMLAG 更加显著，且R－LMERR显著而R－LMLAG 不显著，则选择空间误差模型。此外，模型估计的似然对数值和R2也可被用于模型的选择。

下页表3中的检验表明LMLAG 的值为207.680 6，P值为0，LMERR 的值为173.569 8，P值也为0，这说明LMLAG 和LMERR 均在1%的水平下显著；同时，R－LMLAG 和R－LMERR 的检验P值也均通过1%的显著性检验，这说明R－LMLAG 和R－LMERR在很低的水平上也显著。但是，空间滞后模型对应的LMLAG 大于空间误差模型对应的LMERR，根据Anselin 的建议，本文选用空间滞后模型。

表3 LM 检验与Robust LM 检验

（2）空间计量分析结果 本文利用Matlab7.0对空间滞后模型和空间误差模型的相关参数进行估计，估计结果如表4所示。从表4 中统计检验的结果来看，在地区和时间固定效应的空间误差模型中，其对数似然值和R2分别达到了300.202 3和0.945 2，是这三个模型中的最大值，且该模型的空间滞后回归系数显著，检验效果理想。因此，本文选择地区和时间固定效应的空间误差模型进行实证分析。

表4 空间计量模型检验（空间滞后模型SLM）

另由表4可知，空间滞后回归项的系数值为0.333，并且通过了1%的显著性水平检验，进一步证实了Moran＇sI指数的测度结果，即相邻地区的旅游效率存在空间相关性，当周边地区的旅游效率提高1个单位时，将会引起本地区的旅游效率提高0.333个单位。

进一步分析核心解释变量，金融发展规模（FSC）的估计系数为0.019 8，且在1%的水平下通过显著性检验，表明金融发展规模是地区旅游效率值提升的正向影响因子，在其他因素不变的情况下，金融发展规模提高1个单位，将会促进旅游效率提高0.019 8个单位。这表明银行金融机构贷款的增加为地区旅游发展提供了资金支持，有利于旅游业效率的提高；金融发展效率（FEEF）的估计系数为－0.097 1，且通过了1%的显著性水平检验，表明金融发展效率对地区旅游效率起到了抑制作用，这是因为我国对储户的存款转化贷款的效率不高，从而导致金融发展效率水平低下，金融中介机构对资金配置能力还没有达到一定层次，使得对旅游产业资金的配置情况不是很好，影响了旅游产业的产出，从而降低了旅游产业的效率。

对于控制变量，除了区位熵（SLF）的估计系数不显著之外，外商直接投资（lnFDI）、对外开放度（OPEN）、交通基础设施（lnTRANSPORT）的估计系数分别为0.061 9、0.353 6、0.069 1，且都通过了1%的显著性水平检验，意味着外商直接投资、对外开放度、交通基础设施是促进地区旅游效率提升的重要因素，这与刘嘉毅（2013）的研究结论一致。当它们分别提高1个单位，将引起本地区的旅游效率提高0.0619、0.3536、0.0691个单位，而区位条件对地区旅游效率的影响不显著，可能的原因是尽管较好的区位条件会吸引更多的政府政策支持、更先进技术和更多的外商投资，但是旅游产业是一个项目投资大、市场回报周期长的产业，相关政策依据投资资本不一定倾向于旅游产业，从而导致区位条件对地区旅游效率的影响不显著。

四、结论与政策建议

本文利用DEA 模型测度了我国30个省市自治区的旅游效率，并在此基础上运用空间计量模型分析了金融支持对地区旅游效率的空间溢出效应，得出以下结论：我国的区域旅游效率总体上呈稳定趋势但存在区域差异，东部地区的旅游效率值最大，西部地区最小；地区旅游效率表现出较强的空间自相关性；在金融支持的视角下，金融发展规模对地区旅游效率提升有显著的正向影响，金融发展效率对旅游效率提升有显著的负向影响。外商直接投资、对外开放度、交通基础设施对地区旅游效率表现出正向的促进作用，区位条件对地区旅游效率的影响并不显著。

基于上述研究结论，本文就如何提升区域旅游效率提出以下政策建议：第一，由于地区之间的旅游效率普遍存在空间相关性，地方政府在进行旅游产业的相关规划时，应加强各地区的旅游合作，打破传统的行政边界，实现深度的旅游区域合作，以提高各地区的旅游效率。第二，继续扩大金融发展规模对地区旅游效率的促进效应，中央政府可以制定相关政策来增加旅游业的金融支持，如降低旅游商品的税率、提供旅游基础设施长期低息贷款等；地方政府可以通过加大旅游投入比重、着力改善投资环境、加大政策投资力度等手段对本地区旅游业予以金融资本支持。第三，银行、证券与保险等各类金融机构应该不断创新其旅游相关的金融产品与工具，完善金融服务，在旅游消费信贷、旅游基础设施建设、旅游投资等方面给予资本支持。总之，政府和金融机构应大力深度合作，推动金融资源对我国区域旅游业发展的支持，以实现我国旅游业发展的全方位提升。

［1］谢春山，王恩旭，朱易兰.基于超效率DEA 模型中的中国五星级酒店效率评价研究［J］.旅游科学，2012，（1）：60－71.

［2］孙景荣，张 捷，章锦河.中国城市酒店业效率的空间特征及优化对策［J］.经济地理，2012，（8）：155－159.

［3］郭 峦，杨志红.基于DEA 方法的西部旅行社经营效率研究［J］.企业经济，2013，（6）：62－69.

［4］左 冰，保继刚.1992－2005年中国旅游业全要素生产率及省际差异［J］.地理学报，2008，（6）：32－35.

［5］和培培，郝奇彦.金融支持旅游业发展状况调查：以2010年山西旅游业为例［J］.科技情报开发与经济，2013，（3）：12－15.

［6］蒋润祥，姚 敏，李 栋.金融支持甘肃省旅游业发展问题探析［J］.西部金融，2013，（10）：44－47.

［7］马晓龙，保继刚.基于数据包络分析的中国主要城市旅游效率评价［J］.资源科学，2010，（1）：88－97.

［8］魏权龄.评价相对有效性的DEA 方法——运筹学的新领域［M］.北京：中国人民大学出版社，2004.

［9］王 坤，黄震方，陶玉国，等.区域城市旅游效率的空间特征及溢出效应分析——以长三角为例［J］.经济地理，2013，（4）：161－167.

［10］L.Anselin.Spatial econometrics methods and models［M］.Dordrecht：Kluwer，1988.

［11］邢珏珏，李亚锦，赵 明.我国城市国际旅游竞争优势特征及其影响因素分析［J］.经济地理，2005，（5）：712－715.

［12］Khadarooa J，Seetanah B.The role of transport infrastructure in international tourism development：A gravity model approach［J］.Tourism Management，2008，（5）：831－840.

［13］L.Anselin，R.J.G.M.Florax，J.R.Sergio.Advances in spatial econometrics：methodology，tools and applications［M］.Berlin：Springer Verlag，2004.