FDI对入境商务旅游的影响研究——基于空间计量的实证

包富华

(1.咸阳师范学院 经济与管理学院，陕西 咸阳 712000；2.陕西师范大学 旅游与环境学院，陕西 西安 710119)

FDI对入境商务旅游的影响研究
——基于空间计量的实证

包富华1,2

(1.咸阳师范学院 经济与管理学院，陕西 咸阳 712000；2.陕西师范大学 旅游与环境学院，陕西 西安 710119)

文章运用空间自相关和空间面板计量模型研究了我国FDI和入境商务旅游(IBT)的空间分布特征及二者的关系。研究表明，FDI和IBT的空间分布一致，形成了核心—边缘模式，均呈现出正的空间相关性。LISA图表明二者均呈二元分布结构，形成了“俱乐部”集聚模式，并呈现出“部内”趋同现象。空间计量模型估计表明，邻近地区IBT发展表现出较强的溢出效应，FDI对入境商务旅游有正向影响；FDI每提高1%，入境商务游客增加0.3855%。三大地带的对比分析表明，FDI对IBT的影响以及IBT的地理溢出效应均呈现出东>中>西的地带分异性。

FDI；入境商务旅游；空间计量

一、 引 言

外商直接投资(Foreign Direct Investment，简称FDI)是指投资者在本国以外兴建企业以获取更多的资本和市场的投资行为。我国早期的改革开放就是从吸引外资开始的，并从2002年进入稳步发展阶段；2013年我国吸收的FDI已超过1000亿美元，2014年我国已成为世界第一大FDI接收国。随着FDI的持续增长，我国的入境商务旅游规模也在不断壮大。古往今来，“旅”“贸”密切相连[1]，旅游与贸易的互动关系在学界已得到广泛证实[2]。FDI作为国际贸易的重要组成部分，其活动过程涉及商务考察、谈判交流、商贸业务以及相应的旅游活动，这类旅游活动被世界旅游组织称为商务旅游[3-4]。2002年我国入境商务旅游者322万人次，2013年已增长至619万人次。入境商务旅游(Inbound Business Tourism，简称IBT)在我国入境旅游市场中占据着重要地位；且被称之为“财富型超级旅游者群”而备受关注[5]。在FDI和IBT均不断增长的背景下，二者间是否存在相关关系？二者在空间分布上是否一致？FDI对IBT的影响机制如何？研究并讨论诸如此类的问题具有重要意义。

国内外缺乏对FDI和IBT关系的研究和探讨，已有的相关研究主要集中于研究FDI与旅游的关系。例如：Adrian讨论了外商投资带给澳大利亚旅游业的经济收益问题[6]；Tang的研究发现，中国吸收的FDI与旅游增长之间具有单向的格兰杰因果关系[7]；Jenny等以旅游与休闲部门为例对比了在其中投资的收益和风险[8]；Kemal以中亚四国为研究区域，分析了各国投资者对投资于该区域旅游业的感知[9]。蒋才芳证实了FDI、GDP和旅游外汇收入之间的协整关系[10]；高明发现中国入境旅游和FDI之间存在长期均衡关系[11]；向延平分析了我国旅游业所取得的外汇收入与FDI之间的脉冲响应[12]；傅元海探讨了我国吸收的FDI对于旅游服务出口的创造效应以及该创造效应的地区差异[4]；雷晚蓉指出外商投资解决了旅游业发展所需要的资金问题，但也带来了一些不利因素[13]；郭栩东在评价FDI对提升旅游业竞争力的基础上提出了更好的利用外资的政策[14]。

已有研究多是基于时间序列的分析，很少有基于空间视角的研究，而将FDI和IBT纳入统一的研究框架，探讨二者空间分布关系及作用机理的文献尚未得见。由于地区差异的存在，我国FDI具有明显的空间选择性，85%以上流向了东部沿海地区[15-16]；IBT在空间上呈“四点”“两面”的分布[17]，因此，FDI和IBT均具有空间异质性。地理学的第一定律指出：“任何事物总是相关的，距离近的事物之间的相关性大于距离远的事物的相关性[18]。因此，在探讨FDI和IBT的关系时，不应忽视其中存在的空间依赖关系。

二、 变量选取、数据来源与研究方法

(一) 变量选取与数据来源

为考察FDI对IBT的影响机制，并检验IBT的空间选择是否与FDI有关，将IBT设置为因变量，核心解释变量为FDI，其它控制变量的选择是基于IBT的主要影响因素。入境旅游的研究表明，入境游客具有距离择近、经济择富、景点择高的三因素考虑[19]；而入境商务游客又是“四高”群体(学历、收入、消费、重访率高)[17]。所以，入境商务游客往往选择航空交通方式[20]，对住宿要求较高，到访的景点知名度高，旅游动机则是寻求商机。因此本文选择各省区的民用航空客运量以衡量IBT的航空旅游交通，用四星和五星级酒店的数据作为IBT住宿接待衡量指标，用国际旅行社的数据作为IBT组织接待衡量指标，选择4A和5A级景点代表高级别旅游资源丰度，同时用社会消费品零售总额表征商业发展水平。综上，本文分别选择外商直接投资(FDI)、民用航空客运量(CAV)、高星级酒店(HSH)、国际旅行社(ITS)、旅游资源丰度(TR)和商业发展水平(BL)6个指标作为解释变量。

本研究的时间跨度选择为2002—2013年，由于2003年SARS的影响，部分数据缺失，因而2003年的相关数据给予剔除；研究区域是全国30个省区(不含港澳台和西藏)。FDI数据来自《中国贸易外经统计年鉴》和各省统计年鉴。本文使用的IBT数据来自于国家旅游局编制的《入境游客抽样调查》，选取其中以商务、会议和文化体育科技交流为目的的比例数据得到IBT占入境过夜游客的比例[3，5]，再计算比例数据与入境过夜游客的乘积以得到IBT的规模；其中，入境过夜游客数据来自于国家统计局数据库；民用航空客运量数据来自《中国城市统计年鉴》；四星级和五星级星级酒店数据来自《中国旅游统计年鉴》；2002—2007年国际旅行社数据部分来自《中国旅游统计年鉴》，由于2009年我国取消了国际、国内旅行社的分类标准，2008—2013年数据根据以往国际社占旅行社总数比以回归分析进行趋势外推而得；4A和5A级景区数据来自国家旅游局官网和中国景点网；社会消费品零售总额数据来自各省统计年鉴。

(二) 研究方法

1. 空间自相关模型。空间自相关与传统地理统计的最大区别是通过构建空间权重矩阵，因此它可以测量变量在空间上的相互依赖性。空间自相关又可以分为全局空间自相关和局部空间自相关。全局空间自相关常用Moran’sI指数以反映观测变量的空间集聚程度，具体见公式(1)：

(1)

局部空间自相关利用LISA指标可以识别出具体的集聚区域，通常有4种类型：①高—高(HH)：表示本区域与相邻区域的属性值都较高；②低—低(LL)：表示本区域与相邻区域的属性值都较低；这两种情况表示观测变量具有较强的同质性。③高—低(HL)：表示本区域较高而相邻区域较低；④低—高(LH)：表示本区域较低而其相邻省份较高；这两种情况表示观测变量具有较强的异质性。

2. 空间面板数据模型。由于各变量观测值可能存在误差或相关性，若利用横截面数据或混合数据进行估计会出现误差项的序列相关和异方差性，从而影响结论的准确性。面板数据模型能克服这一缺陷，它不仅可以描述某个时期各地区的规律，还能描述各地区随时间的变化规律，因而能够减少解释变量间的多重共线性，从而使估计结果更具解释力。本文的数据就属于面板数据，在考虑变量空间依赖的基础上构建的空间面板数据模型进一步增强了模型估计结果的说服力。

(1)空间滞后模型。空间滞后模型(SpatialLagModel，下文简称SLM)假定因变量存在空间依赖性，主要考察变量在相邻区域是否存在溢出效应，见公式(2)：

(2)

其中，μi代表空间个体效应，ρ代表空间自回归系数，β代表自变量对因变量的影响系数，εit代表随机误差项。

(2)空间误差模型。空间误差模型(SpatialErrorModel，下文简称SEM)假设误差存在空间依赖性，主要考察相邻区域对变量误差的影响在多大程度上影响了区域的观测值[21]，见公式(3)：

(3)

其中，λ代表空间自相关系数，Фit代表空间自相关的误差项，其它参数同上。

参照Anselin等人提出的判别法则[22]，如果发现LMLag较LMerr更显著，且R-LMLag显著而R-LMerr不显著，则选择SLM模型；如果LMerr较LMLag更显著，且R-LMerr显著而R-LMLag不显著，则选择SEM模型。

3. 模型构建。本文的主要目的在于通过选择FDI、IBT服务和商业化水平3个方面6个解释变量来考察其对IBT的作用机制。同时回应两个问题：第一，FDI是否对IBT有影响；第二，影响程度多大？因此，本文设置FDI等6个解释变量，被解释变量为入境商务旅游(IBT)，期望6个因素均对IBT产生正向影响。

LnIBT=α+β1LnFDI+β2LnCAV+β3LnITS+β4LnHSH+β5LnTR+β6LnBL+ε

(4)

旅游资源丰度的计算借鉴孙根年等人的计算公式[21]：

TR=2.5N4+5.0N5

(5)

式中：N4、N5分别代表4A和5A级景区数，2.5、5.0分别代表二者的权重。

三、 实证结果与分析

(一)FDI和IBT的空间分布格局

SPSS皮尔逊相关性检验表明，FDI和IBT的相关性系数达0.854且通过了1%的显著性检验，表明二者正相关关系较强。通过分析GeoDa软件生成2002、2007、2013年FDI和IBT的四分位图(见图1)可见，FDI和IBT在空间分布上呈现出“东密西疏”的不平衡性，并表现出由东到西逐级递减的空间演变规律。FDI梯度递减的变化明显：FDI大多集聚在东部沿海地区，其中，广东、福建、江苏、浙江、山东、天津和辽宁7省区所占份额最多；中部次之，河南、安徽、湖北、湖南和江西5省所占份额稍大；西部最少，四川在其中所占份额稍大，其余省份很少。IBT梯度递减的变化明显：IBT大多也集聚在东部沿海地带，如：广东、福建、江苏、浙江、山东等；中部次之，其中的安徽、湖北和湖南所占份额稍大；西部再次之，其中广西、云南、四川、陕西、内蒙和黑龙江6省区所占份额稍大，其余省份很少。

对比FDI和IBT的空间分布发现，二者具有明显的分布一致性。FDI较为集中的东部省区(广东、福建、浙江、江苏、山东等)，也是IBT较为发达的地区；吸收FDI较少的西部省区(甘肃、宁夏、青海、新疆和贵州等)，IBT的发展也相应滞后。只有北京、天津、河南和云南等少数省区在分布一致性上表现例外；其中，天津处于FDI的四分位区，但其IBT却处于二或三分位区，相应的北京的IBT位于四分位区，但FDI位于三分位区。FDI和IBT的空间分布及演变态势表明二者存在一定的空间依赖性，这也有待于进一步进行空间相关性检验。

(二) FDI和IBT的空间探索性分析

1. 全局空间自相关分析。Moran’s I指数可见(见图2)，2002—2013年FDI和IBT的Moran’s I均为正，均通过了1%的显著性检验，表明邻近省区的类似特征值呈集聚状，二者在空间分布上均呈现出正的空间相关性，即FDI的高值区与高值区聚集，低值区与低值区聚集，相邻的省区具有相互影响和空间依赖关系；IBT亦然。FDI的Moran’s I指数在0.1924～0.381之间波动，期间虽有一定震荡但有增长趋势，表明FDI的空间依赖性明显；IBT的Moran’s I指数稳定在0.1242～0.1369之间，表明IBT的空间依赖性一直存在。但全局空间自相关检验也有一定的局限性，其取值是正、负相关数值相抵后的结果，不能精确判断局部的空间分布状况，因而需要借助局部空间自相关进行进一步辨别。

图1 中国FDI与IBT空间分布的四分位图

2. 局部空间自相关分析。利用Arcgis绘制出FDI和IBT的LISA集聚图。LISA图(图3)表明FDI和IBT均只有两类集聚模式：“高—高”模式和“低—低”模式；前者表示自身和邻近省区的发展水平都高，后者表示自身和邻近省区的发展水平都低。说明二者在空间分布上均呈现二元结构，地域分化明显。在FDI集聚方面，2002年其高高区包括浙江、江苏、山东、天津和辽宁五省区，低低区包括甘肃、青海两省；2007年高高区并无变化，新疆进入低低区；2013年河南进入高高区，新疆退出低低区。IBT的集聚与FDI大体一致，2002—2013年低低区并无变化，包括甘肃、青海两省；2002年其高高区为广东、浙江两省，2007—2013年扩散至江苏省。对比FDI和IBT的LISA集聚态势状况可见，低低区均在甘肃、青海，高高区在广东、江苏和浙江有重叠，表明二者呈现出相似的集聚态势，进一步证实了二者在空间分布上的一致性。

FDI和IBT的空间集聚模式变化不大，二者的低低区(甘肃、青海)几乎没有变化，说明位于低低区并没有突破现状，不仅相互之间缺乏互动，受周边省区的辐射也有限。FDI和IBT的高高区均在东部沿海省区，由辽宁、天津、山东、江苏、浙江向广东和河南扩散；IBT高高区由广东、浙江向江苏扩散。FDI和IBT空间集聚模式的变化表明二者已经形成了“俱乐部”集聚模式(FDI和IBT均呈现高—高区、低—低区收敛)。而受东西差异和扩散效应的影响，FDI和IBT的空间集聚呈现出“部内”趋同的现象。

图3 FDI和IBT的LISA集聚图

总体而言，全局空间自相关表明FDI和IBT存在空间依赖性；局部空间自相关辨别了具体的聚集省区，表明FDI和IBT在空间分布上均呈二元结构，地域分化明显，形成了“俱乐部”集聚模式，并呈现出“部内”趋同的现象。因此，需要进行空间计量建模分析，进一步揭示FDI对IBT的作用机制。

3. 空间面板数据模型估计分析。普通最小二乘法(OLS)没有考虑空间因素，其模型估算可能缺乏应有的解释力，为了更好地比较模型估计的合理性，首先进行OLS估计，然后将空间依赖性纳入其中，根据拉格朗日乘数的值确定选择SLM或SEM模型。OLS模型估计结果(见表1)，R2为0.8147，调整后R2为0.8088，模型拟合效果较好。全局空间自相关和局部空间自相关分析表明，FDI和IBT的空间自相关性明显，需要进行空间计量模型估计。

表1 OLS模型估计结果

利用Matlab软件及其Spatial Econometrics模块分别进行SLM和SEM估计。就拟合结果而言，SLM和SEM的R2普遍大于OLS模型估计的结果，说明引入空间依赖显著提高了模型解释力。随后利用Hausman分别进行固定效应和随机效应检验，对比二者的结果可见，固定效应的检验结果更好，因此，进一步对进行地区固定(SF)、时间固定(TF)和时空固定(STF)效应的模型估计，估计结果(见表2)。

从拟合结果R2来看，固定效应检验的R2明显提高，说明固定效应结果更优。就三种固定效应类型而言，在时间固定效应和时空固定效应中，大部分变量的系数均不显著，表明模型不存在时间固定效应和时空固定效应。再对比SLM和SEM模型的地区固定效应可见，多数变量均通过了显著性检验(旅游资源除外)，说明用考虑了空间因素的面板模型来研究FDI和IBT的关系比传统的统计方法更为合理。但对比SLM和SEM的结果发现，SLM的R2、Adj-R2以及LogL(极大似然值)均大于SEM的结果，表明SLM模型能更好地拟合FDI和IBT的空间自相关性，说明FDI通过空间传导机制对其它地区的IBT产生影响，而随机冲击的作用不明显。

由此可以得出最优模型SLM的地区估计结果为：

IBT=-7.52+0.3855FDI+0.3221CAV+0.2842ITS+0.1783HSH+0.7011BL+0.9999W_IBT

在SLM模型中，空间相关系数ρ为0.999952，且通过了1%的显著性检验，表明一个地区IBT的发展受到相邻地区的影响，邻近地区的IBT具有较强的溢出效应。随着交通越来越发达，地理邻近区域在IBT发展方面可以分享旅游资源和旅游服务，使得入境商务游客通过邻接地区得以互动，由此产生区域间IBT发展的正向依赖。

外商直接投资(FDI)与入境商务旅游(IBT)存在显著的正相关关系，吸收FDI越多的地区，IBT发展越好；SLM估计表明FDI每提高1%，入境商务游客增加0.3855%。FDI对IBT的拉动作用主要表现在三方面:第一，外商的商务活动(如：环境考察和洽谈、签订协议和厂房建设等)直接产生入境商务旅游；第二，母国或海外子公司与本国的业务交往直接带来入境商务客源；第三，FDI通过改善基础设施提高服务水平，从而间接促进IBT服务水平的提升[4]。对比OLS、SLM和SEM模型可见，考虑了空间因素后，FDI对IBT的影响程度有所上升(影响系数分别为0.2940、0.3855和0.3662)。这表明FDI每增长1%所带来的IBT的增长幅度比OLS估计结果有了显著提高，也就是说未考虑空间因素会低估FDI对IBT的影响，证实空间面板模型对数据的估计更符合实际。

表2 SLM和SEM的模型估计结果

***、**和*分别表示在1%、5%和10%水平上显著。

通过分析其它控制变量的系数及显著性可见，航空与IBT之间存在显著的正相关关系。由于商务游客的商旅活动讲究时效且消费高，因而在入境交通的选择上航空是首选，随着航空业的发展，地理距离不断缩减，有效促进IBT的发展。同时，组织接待与IBT之间也存在显著的正相关关系，国际旅行社每增加1%，入境商务游客增加0.2842%；这一结论与市场调研结果相符(IBT多以公司组织为主，旅行社组织仅占9.15%[17])。另外，住宿接待与IBT之间也存在显著的正相关关系。入境商务游客消费较高，往往选择高端酒店住宿，因此，高星级酒店因素对其具有积极影响。值得注意的是，旅游资源对IBT无显著影响关系。说明作为核心旅游吸引物的旅游资源，可能对观光旅游的吸引力更大，对商务游客的吸引力不明显。最后，商业化水平与IBT之间也存在显著的正相关关系。这与商务游客的逐利性紧密相连[23]，商业化水平越高的地方其商机越多，因而能吸引的入境商务游客也越多。

为进一步分析FDI对IBT影响的地带差异性，选用SLM的空间固定效应分别考察我国东、中、西部FDI对IBT的影响，回归结果如表3所示。

表3 三大地带SLM模型估计结果

***、**和*分别表示在1%、5%和10%水平上显著

由表3可见，三大地带的模型估计的R2均在0.8以上、模型系数除了TR以外大多通过了显著性检验，三大地带LogL也较大，这表明模型拟合效果较好。对比三大地带FDI的系数可见，FDI对我国东、中、西的IBT均有显著的带动作用，其中对东部IBT的带动效应最明显，FDI每增加1%，能带动增加0.3207%的入境商务游客；中部FDI对IBT的影响次之，带动系数为0.1357%；西部最弱，仅有0.0874%。这与FDI“东密西疏”的空间分布格局相符(图1)，中西部虽然近年来FDI比重不断上升，但东部由于集中了我国大部分的FDI，这是拉动IBT发展的重要力量。同时，也与东部的先天优势有关。东部地区人口密集、交通和贸易发达、消费潜力巨大，是我国改革开放的前沿地带，具有较多的优惠政策，这是吸引入境商务游客的重要因素，因为入境商务游客中除了外商投资利益相关者以外还有一部分游客是与货物贸易相关的；而中西部地区发展较为滞后，所带来的入境商务游客也有限，因此，FDI对IBT的影响形成了东>中>西的地带分异性，进一步证实IBT的空间选择性与FDI相关。ρ的系数分别为0.8956、0.6383和0.4033，也呈现出东>中>西的地带差异性，说明IBT的地理溢出效应在东部地区的表现比内陆地区(中西部)更为明显。这与入境商务游客的出游特征以及东部地区发达的交通均有关。入境商务游客具有四高(学历、收入、消费和重访率高)的特征，高重访率使其“喜新厌旧”而不断求新求异，因此其多样化的旅游需求比一般观光游客表现更为明显，表现在出游行为上，即：出游目的地不断向周边扩散。商旅的高重复性易引发旅游审美疲劳，而其高消费给予其更多的旅游消费选择，因此，在求新求异的动机驱动和高度发达的交通网络的推动下，入境商务旅游者不断向邻近省区扩散使得IBT表现出一定的地理溢出效应。东部地区由于在IBT和交通发展方面较中西部更具有优势，因而东部IBT的地理溢出效应表现更为明显。综上所述，FDI对IBT的影响以及IBT的地理溢出效应均呈现出东>中>西的地带分异性，这与我国三大地带FDI发展的态势密切相关，也与IBT的属性特征相连，也与三大地带经济和社会发展水平相吻合。

四、 结论和讨论

(一) 结论

本文基于空间计量视角，运用空间自相关理论和空间计量模型考察了中国FDI与入境商务旅游(IBT)之间的空间分布特征和二者的关系。研究表明：

第一，FDI和IBT呈现出“东密西疏”的不平衡性，并表现出由东到西逐级递减的空间演变规律，主要表现在FDI和IBT主要集聚于东部沿海地区(广东、福建、江苏、浙江、山东、天津和辽宁7省区)，中部次之，西部最少(四川除外)；二者的空间演变表明FDI和IBT在全域空间上均形成了“核心—边缘”模式。FDI和IBT的空间分布对比表明二者具有较好的分布一致性，主要表现在FDI较为集中的东部省区其IBT亦较为发达，吸收FDI较少的西部省区其IBT的发展也相应滞后。

第二，FDI和IBT均呈现出正的空间相关性，存在空间集聚趋势。全局空间自相关分析表明FDI和IBT均存在空间依赖性。局部空间自相关辨别了具体的聚集省区，表明FDI和IBT在空间分布上均呈二元结构，地域分化明显，形成了“俱乐部”集聚模式；受东西差异和扩散效应的影响，二者的空间集聚呈现出“部内”趋同的现象。

第三，进一步的空间计量模型估计表明，引入空间依赖显著提高了模型的解释力；邻近地区IBT的发展表现出较强的溢出效应，FDI对IBT有正向影响。FDI每提高1%，入境商务游客增加0.3855%，证实FDI是IBT的重要影响因素。同时，航空旅游交通、住宿接待水平、组织接待、商业化水平与IBT呈正相关；旅游资源对IBT无显著性影响。对比三大地带模型估计结果表明，FDI对IBT的影响以及IBT的地理溢出效应均呈现出东>中>西的地带分异性，这与我国三大地带FDI发展的态势密切相关，也与IBT的属性特征相连，也与三大地带的经济和社会发展水平相吻合。

(二) 讨论

有关FDI与IBT关系的研究在学术界还是个新话题，本文从新经济地理理论出发，将空间因素纳入到FDI和IBT的分析框架中，显著提高了模型的解释力，为FDI与旅游、FDI与IBT的研究提供一个新视角。根据旅游与贸易互动关系理论，旅游和贸易的互动实质是“人流”和“物流”的互动；本文的研究对象FDI和IBT分别是国际贸易、入境旅游的重要组成部分，FDI与IBT空间分布的一致性表明“资金流”与“人流”呈伴随状态，从空间视角印证了旅游与贸易互动关系理论。空间面板模型估计得出了FDI带动IBT发展的结论，表明“资金流”对“人流”具有拉动作用，这是对旅游贸易互动理论的补充和拓展。由于篇幅及数据获取等原因，本文只测度了FDI对IBT的直接影响，而尚未讨论FDI通过其它因素对IBT的影响，如：FDI通过改善交通、住宿等间接可以提升IBT的服务水平，FDI通过改善基础设施提高商业化水平进而对IBT产生正向影响等，因此，未来的研究应该在这方面进一步细化。另外，本研究所采用的空间面板数据模型无法揭示各省区FDI对其IBT的影响，因而无法进行微观比较，因此，对比FDI对IBT影响的空间差异性等问题也有待于深入探讨。

我国正处于吸引FDI的稳定发展时期，FDI及其带来的商务游客和其它类型的游客(如：观光型、探亲访友型等)将会持续增长。在经济新常态背景下，如何通过吸引FDI和IBT以促进我国经济的发展是当下急需解决的现实问题。此既需要学术界对FDI和IBT的分布格局、空间关系及作用机理开展创新性研究，也需要各地制定出相应的吸引FDI和IBT的政策。

首先，加强对中西部地区吸引FDI和IBT的支持力度，促进二者的均衡发展。在财政支持方面，应该增加对中西部基础设施和商务旅游服务设施的投入，增强其FDI吸引力和商务旅游的服务能力；在政策支持方面，中西部地区可以通过制定更具市场竞争力的FDI和商务旅游优惠政策，引导“资金”和“人流”西进。其次，应充分发挥“富邻”的带动作用。以江苏和浙江为中心，加强邻近地区FDI和IBT的合作与交流，发挥FDI和IBT的扩散效应和辐射能力；同时，可以将江苏、浙江等“富邻”与甘肃、青海等“穷邻”联结，形成帮扶团队，通过“富带穷”模式缩小地区差异，带动落后地区FDI和IBT的发展。第三，各地区应依据经济和旅游发展的实际，制定差异化的FDI和IBT“质—量”发展策略。东部地区应该关注“质”的飞跃，充分利用FDI和IBT所带来的先进技术和管理理念更新落后的生产方式，促进产业结构升级和经济的可持续发展；西部地区应该注重“量”的提升，依托“一带一路”战略，采取统筹规划、资源共享和互通有无的协同控制策略，吸引FDI和IBT有效促进地方经济的发展。

[1]陈宝良.明代的商贸旅游[J].中州学刊,2007(5):155-161.

[2]孙根年.大国优势与中国旅游业的高速持续增长[J].旅游学刊,2008(4):29-34.

[3]胡平.商务旅游目的地游客满意度的实证研究——以上海徐家汇为例[J].旅游科学，2008(1):29-33.

[4]傅元海，史言信.外商直接投资的旅游服务出口创造效应与区域差异——基于中国区域动态面板的研究[J].当代经济研究，2012(3):75-81.

[5]贾莲莲，朱竑.商务旅游研究述评[J].思想战线，2004(3)：126-130.

[6]BULL A.Australian tourism:effects of foreign investment [J].Tourism management，1990，11(4)：325-331.

[7]TANG S M,SELVANATHAN E A, SELVANATHAN S. The relationship between foreign direct investment and tourism: empirical evidence from China[J]. Tourism economics,2007,13(1):25-39.

[8]CHVE J,GUPTA K,LOCKE S. Supply-side investments: an international analysis of the return and risk relationship in the travel & leisure sector[J]Tourism management，2009,30(5):665-673.

[9]KANTARCI K.Perceptions of foreign investors on the tourism market in central Asia including Kyrgyzstan, Kazakhstan, Uzbekistan,Turkmenistan[J].Tourism management,2007(28):820-829.

[10]蒋才芳，陈收.旅游外汇收入、FDI与国内生产总值的协整分析[J].湖南大学学报(社会科学版)，2010(4):78-83.

[11]高明.中国入境旅游规模与“外国直接投资”依赖[J].旅游论坛，2011(1)：44-50.

[12]向延平，蒋才芳.旅游外汇收入、FDI和GDP关系的脉冲响应分析[J].数理统计与管理，2013(5)：896-902.

[13]雷晚蓉.外商直接投资对旅游业经济增长的影响分析[J].湖北社会科学，2011(9):78-80.

[14]郭栩东，武春友.外商直接投资与旅游业竞争力的实证分析[J].经济问题探索，2011(7):73-77.

[15]王剑．外商直接投资区域分布的决定因素——基于空间计量学的实证研究[J]．经济科学，2004(5):116-125．

[16]史卫，杨海生.官员交流与FDI区位选择——基于省际区域FDI的空间计量分析[J].社会科学战线，2010(11)：35-43.

[17]唐澜,吴晋峰,王金莹,等.中国入境商务旅游流空间分布特征及流动规律研究[J].经济地理,2012(9):149-155.

[18]程开明,庄燕杰.城市体系位序—规模特征的空间计量分析——以中部地区地级以上城市为例[J].地理科学，2012(8):905-912.

[19]孙根年,张毓,薛佳.资源—区位—贸易三大因素对日本游客入境旅游目的地选择的影响[J].地理研究,2011(6):1032-1043.

[20] DERUDDER B, BEAVERSTOCK J V, FAULCONBRIDGE J R, et al.You are the way you fly: on the association between business travel and business class travel [J].Journal of transport geography, 2011, 19(4):997-1000.

[21]程叶青,王哲野,张守志,等.中国能源消费碳排放强度及其影响因素的空间计量[J].地理学报，2013(10):1418-1431.

[22]ANSELIN L, FLORAX R J G M, REY S J.Econometrics for spatial models: recent advances[M]. Berlin: Advances in spatial econometrics, 2004:1-25.

[23]包富华,陈瑛.FDI与入境商务旅游的关系研究——以北京、上海、广州为例[J].统计与信息论坛,2016(4):80-86.

(责任编辑 韩玉志)

Impact of FDI on Inbound Business Tourism——Empirical Research Based on Spatial Econometrics

BAO Fu-hua1,2

(1.College of Economics and Management, Xianyang Normal University, Xianyang 712000, China; 2.College of Tourism and Environmental Sciences, Shaanxi Normal University, Xi’an 710119, China)

This paper studies the spatial distribution features of FDI and Inbound Business Tourism (IBT) in China, as well as the relationship between them using the spatial autocorrelation model and spatial panel econometric model. The research shows that FDI and IBT are consistent in spatial distribution which is in the core-edge mode. Both of FDI and IBT show a positive spatial correlation. LISA charts shows that the two are in the two element distribution structure，forming a “club” gathering model and presents the phenomenon of “inside” convergence. The spatial econometric model estimation shows that the development of IBT in adjacent areas has a strong spillover effect and FDI has positive effect on IBT. IBT grows by 0.3855% with every 1% growth in FDI. The comparative analysis of the three regions shows that the effects of FDI on IBT and geographical spillover effects of IBT are as follows: East> Middle> West.

FDI; inbound business tourism; spatial econometric

2017-01-20

国家自然科学基金面上项目“中国对美国直接投资的空间演化机理与区位选择研究”(41671118)；国家旅游局“万名旅游英才”研究型英才培养项目“FDI与我国入境商务旅游的空间关系研究”(WMYC20151058)；陕西省普通高等学校优势学科建设项目资助(0602)

包富华，女，咸阳师范学院经济与管理学院讲师，陕西师范大学旅游与环境学院博士研究生，主要从事全球化与旅游发展研究。

F590

A

1009-1505(2017)02-0090-10

10.14134/j.cnki.cn33-1337/c.2017.02.010