中国旅游业发展导致了资源诅咒效应吗？

曹翔++郭立萍

[摘 要]以往文献往往忽视旅游产业发展的阶段性而单独探讨旅游发展对经济增长的影响。该文将“资源诅咒”和“资源福祉”纳入统一的研究框架，利用2003—2013年188个优秀旅游城市的面板数据动态地考察了旅游发展对我国经济增长的影响及其影响机制，最后将这些城市分为旅游起飞城市、旅游福祉城市、旅游诅咒城市3类。结果发现：（1）旅游发展与经济增长呈“倒N”形关系；（2）旅游发展通过抑制技术进步、市场化水平对经济增长带来负向中介效应，而通过提高物质资本、人力资本以及对外开放水平来对经济增长产生正向中介效应；（3）科技投入、政府干预负向调节着旅游发展与经济增长的关系；（4）“旅游地荷兰病”现象在中国并不存在；（5）旅游资源福祉效应占据主导地位，但也有少数城市存在旅游资源诅咒现象。

[关键词]旅游资源福祉；旅游资源诅咒；中介效应；调节效应；系统GMM

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2017）05-0014-12

Doi： 10.3969/j.issn.1002-5006.2017.05.007

引言

作为国家战略支柱产业的旅游业，具有资源消耗低、带动系数大、就业机会多、综合效益好等诸多优点，其直接和间接影响的细分行业多达100多个，并且可以通过产业协同发展来影响经济增长。在经济新常态的大背景下，这种产业关联效应对于拉动我国经济增长具有重要作用。据2011—2014年国民经济和社会发展统计公报显示，2011年以来我国进入了以经济增长率持续低于8%为特征的新常态时期，但旅游总收入却依然保持着10.2%到15.1%的高增长态势。《2014年中国旅游业统计公报》更是指出：“2014年我国旅游业对GDP的综合贡献为6.61万亿元，占GDP总量的10.39%；其引致的直接和间接就业人数达到7873万，占全国就业总人数的10.2%”。与此同时，我国也出现了以黄山、丽江、张家界、三亚为代表的高度依赖旅游业的城市。这些城市以其得天独厚的旅游资源为基础，形成了以旅游业为单一支柱产业而其他产业发展相对滞后的产业结构。然而，著名的“资源诅咒”假说（Sachs和Warner）却指出高度依赖资源产业可能会拖累经济增长[1]。

那么，中国旅游业的蓬勃发展会一如既往地成为国民经济发展的资源福祉还是会导致类似其他自然资源的资源诅咒效应呢？左右着我国旅游业发展是否会导致资源诅咒效应的决定性机制又是哪些？显然，对于这两个问题的回答有利于促进我国旅游业趋利避害地成为我国经济发展的持续驱动力。遗憾的是，国内外关于旅游资源福祉的研究很多，但对旅游资源诅咒效应的研究却并不多。具体到中国旅游业来说，仅有朱希伟和曾道智、左冰等学者进行了相关研究[2-4]。然而，这些研究要么仅从理论模型出发，要么仅从线性关系来简单地论证旅游资源诅咒效应的存在性，并且都不约而同地忽视旅游业发展的阶段性对其结论的影响。笔者认为“旅游资源诅咒”和“旅游资源福祉”如同一枚硬币的两面一样并不矛盾。处于不同发展阶段的旅游业对经济增长的影响存在差异。旅游产业发展的生命周期性将直接左右着旅游资源福祉效应或旅游资源诅咒效应的发生。为此，笔者基于Bulter旅游地生命周期理论[5]，将旅游资源福祉和旅游资源诅咒纳入统一框架，动态地探讨了中国旅游业发展对经济增长的影响及其背后的传导机制，以期为相关的决策提供依据。

1 文献综述

纵观国内外关于旅游发展与经济增长的研究，大部分文献都认为旅游发展能够显著促进经济增长，即旅游资源福祉效应存在。直到Sachs和Warner发现自然资源存在资源诅咒效应之后[1]，学者们才把注意力转到旅游资源诅咒效应。此外，也有极少数学者（如Po和Huang，赵磊）认为旅游发展与经济增长存在非线性关系[6-7]。

关于旅游资源福祉效应的文献可谓汗牛充栋，这类文献大多认为旅游发展作为经济增长过程的重要组成部分，能够有效地带动经济增长。自Shan和Wilson正式提出旅游发展促进经济增长假说以来[8]，学者们纷纷证明了旅游发展可以通过增加税收[9]和外汇收入[10]、促进投资[11]、提高人力资本[12]、创造就业机会[13]、刺激消费[14]等途径来促进经济增长。Holzner在对全世界134个国家的研究中发现，旅游收入较高的国家往往拥有较高的经济增长率，并且不存在所谓的“荷兰病”的危险[15]。此外，部分学者在西班牙、希腊、韩国、中国的经验研究都支持了这一观点[16-19]。

尽管国内外关于旅游资源诅咒效应的文献并不占主导，但却提醒人们必须要客观全面地看待旅游发展对经济增长的作用。学者们纷纷从不同的传导机制对旅游资源诅咒的存在性进行了验证，大体可以分为外部传导机制和内部传导机制两大类别。从外部传导机制来看，学者们主要认为旅游发展会通过“荷兰病”引致的去工业化和抑制贸易开放来阻碍经济增长[20]。例如Chao等认为小型城市如果过分依赖旅游业，就容易形成“荷兰病”而制约其他产业和城市经济的发展[21]。从内部传导机制来看，已有研究认为旅游发展会通过阻碍技术进步、挤出物质资本和人力资本等方式来抑制经济增长[22]。

另外一部分學者则认为旅游发展对经济增长存在正反两方面的影响，不能一概而论。例如，Ashworth和Page指出旅游业能够带来持续的经济利益，但高度依赖旅游业会降低相关产业的带动效应而阻碍经济增长[23]。朱希伟和曾道智、左冰也认为我国旅游业对于目的地长期经济增长具有正负两方面的反馈效应[2-3]。简而言之，这类文献认为旅游发展对经济增长的影响主要取决于旅游依赖程度，但大都是基于简单地线性关系而得到结论。Po和Huang则认为旅游发展与经济增长之间并非简单的正向和负向线性关系，而是呈现非线性关系[6]。赵磊则进一步指出旅游发展与经济增长呈现“U”型 关系[7]。

综上所述，国内外学者们对旅游发展与经济增长的认识经历了由单一观点到多种观点的过程，至今仍存在诸多争论。不可否认的是，学者们对旅游发展与经济增长的认识变得更加客观和科学。与此同时，这些研究仍然存在着以下不足之处：第一，已有研究大多缺乏理论基础，更多的是基于经验证据来判断旅游发展与经济增长的关系。这一点也得到了左冰的认同[4]。第二，计量模型过于简单，对内生性问题不够重视。大多数文献均是通过简单的线性关系就断定了旅游资源诅咒效应的存在性，仅有极少数学者注意到了旅游发展与经济增长的非线性关系。第三，已有研究大多仅仅是直接将旅游发展、传导机制放在一起对经济增长进行回归，忽视了对传导机制的进一步分析。第四，已有文献大多忽视了旅游产业发展的阶段性而不约而同地单独讨论“旅游资源诅咒”和“旅游资源福祉”的存在性。笔者认为“旅游资源诅咒”和“旅游资源福祉”如同一枚硬币的两面一样并不矛盾，只是旅游业在不同发展阶段的不同表现而已。

针对上述不足之处，本文在旅游地生命周期理论的基础上，将“资源诅咒”和“资源福祉”纳入统一的框架，然后利用2003—2013年188个优秀旅游城市的面板数据动态地考察了旅游发展对我国经济增长的影响，并从中介效应和调节效应的角度深入分析了旅游发展如何通过传导机制对经济增长产生影响。与以往文献相比，本文可能的创新之处如下：（1）研究视角上，本文从旅游产业发展的阶段性出发将“资源诅咒”和“资源福祉”纳入统一的框架；（2）理论机制方面，本文提出了旅游发展与经济增长的“倒N”形作用机制；（3）研究方法上，本文采用了动态面板模型，利用系统GMM方法对内生性问题进行了有效处理，并且利用中介效应和调节效应分析方法较为具体地检验了旅游发展如何通过各传导变量来影响经济增长。

2 模型构建

2.1 旅游发展影响经济增长的模型构建

如同前文所述，以往文献大多是通过简单的线性关系来判断旅游资源福祉效应和旅游资源诅咒效应的存在性。Po和Huang研究发现，当旅游收入占GDP比重在4.05%和4.73%之间时才有利于经济增长，而低于4.05%或高于4.73%都没有显著促进经济增长[6]。这似乎暗示旅游发展与经济增长也并非简单的“U”形关系。无独有偶，Bulter提出的旅游地生命周期理论模型清晰地表明：旅游业在长期发展中呈现“S”形增长路径[5]。李军和陈志钢更是指出这种“S”形是由多个短周期组成，每个短周期的末段都可以通过旅游产品的改造升级达到更高水平的短周期[24]。大体上，每一个短周期可以归纳为开发期、成长期、成熟期、衰退期4个阶段。当处于开发期时，旅游业呈现出“知名度较低且市场需求小，旅游收入增长较慢”等特点，其过高的成本势必拖累整个经济体的经济增长，即“成本效应”起着主导作用，可视为“资源起飞”。当处于成长期时，旅游业表现出“初具规模、知名度较高、市场需求逐渐增多”等特点。此时，旅游收入的快速增长直接促进了经济增长，并且开始带动其关联产业的发展，即旅游资源的“红利效应”凸显，表现为“资源福祉”。当处于成熟期时，旅游产业规模较大，其关联产业吸收了大量的资本、劳动等生产要素，从而形成以“旅游业为主导”的单一产业结构，主要靠产业关联效应带动经济增长，即表现为“带动效应”，形成“资源福祉”。当处于衰退期时，旅游产业的利润大幅下降，进而使得其产业关联效应也大幅下降。加之，此时旅游产业占据了较多的社会资源，最终拖累了整体的经济增长，即表现为“挤出效应”，形成“资源诅咒”。基于此，我们将单个短周期的阶段性特征对应到旅游发展对经济增长的阶段性影响，得到了旅游发展与经济增长之间的“倒N”形机制（见图1）。需要说明的是，经济增长反过来也会对旅游产业的发展产生影响。从计量模型的角度来看，这一“双向因果关系”还会导致内生性问题。事实上，赵磊已经注意到了这一“双向因果关系”，并且采用旅游发展的滞后项作为工具变量来有效处理了内生性问题[19]。对此，我们在后文采用了系统GMM估计法中来处理这一内生性问题。

鉴于上述分析，笔者基于Sachs和Warner的研究[1]，结合生产函数和制度经济学等理论将技术进步、物质资本投资、人力资本水平、人口、市场化水平（代表制度）等影响经济增长的直接变量作为控制变量，建立如下基准模型：

[Yit=β0+β1Xit+β2Xit2+β3Xit3+β4Ait+ β5Kit+β6Hit+β7Pit+β8Mit+εit] （1）

其中，i=1，2，3……，N；t=1，2，3……，T；N為横截面个体成员的个数，T为截面成员的样本观测时期数；Yit代表经济增长，Xit代表旅游发展水平，Ait、Kit、Hit、Pit、Mit分别代表技术进步、物质资本投资、人力资本水平、人口、市场化水平。

理论上来说，在单个短周期或者两个短周期交替的时期内旅游发展与经济增长之间的关系会出现以下6种情形：当[β1<0]且[β2=β3=0]时，旅游发展会对经济增长呈线性负相关关系；当[β1>0]且[β2=β3=0]时，旅游发展会对经济增长呈线性正相关关系；当[β1<0]、[β2>0]且[β3=0]时，旅游发展会对经济增长呈“U”形关系；当[β1>0]、[β2<0]且[β3=0]时，旅游发展会对经济增长呈“倒U”形关系；当[β1>0]、[β2<0]且[β3>0]时，旅游发展会对经济增长呈“N”形关系；当[β1<0]、[β2>0]且[β3<0]时，旅游发展会对经济增长呈“倒N”形关系。事实上，中国各地的旅游业发展水平参差不齐，其所处的发展阶段存在着巨大差异。因此，中国旅游发展对经济增长的具体曲线形式主要取决于样本的观测时间段与旅游发展水平。

为尽可能地避免变量遗漏问题所带来的内生性问题，笔者将已有文献所提到的传导变量尽可能地纳入计量模型。邵帅等人在研究矿产资源的资源诅咒效应时也指出：“只有穷尽传导变量，才有可能得到较为可靠的结论”[25]。为此，笔者借鉴这一做法，将政府干预（G）、对外开放（O）、科技投入（S）、工业发展（I，其代表荷兰病机制）纳入模型，并将经济发展的一阶滞后项作为解释变量，然后采用系统GMM估计法来处理内生性问题，具体模型如下：

[Yit=β0+β1Yi，t-1+β2Xit+β3Xit2+β4Xit3+ β5Ait+β6Kit+β7Hit+β8Pit+β9Mit+ β10Git+β11Oit+β12itS+β13itI+εit] （2）

2.2 旅游发展对经济增长影响的传导机制识别模型

以往文献无不表明，旅游发展并不直接左右经济增长，而是通过传导变量来间接影响经济增长。换句话说，旅游发展对经济增长的影响是通过这些传导机制的中介作用和调节作用来实现的。遗憾的是，这些文献对于这种中介效应和调节效应却没有清晰地说明。根据温忠麟等人的研究[26]，连续显变量之间的中介效应可以表示为：[Y=cX+e1]，[M=aX+e2]，[Y=c′X+bM+e3]，M为X影响Y的中介变量且其中介效应为[（c-c′）]或者ab；而调节效应可表示为[Y=cX+bM+dM*X+e]，M为X影响Y的调节变量且其调节效应为d。需要说明的是，当X通过M这一桥梁来间接影响Y时M就是中介变量，而当M只是改变X对Y的初始影响时M就称为调节变量。根据这一原理，笔者将旅游发展通过其传导变量对经济增长所起到的中介效应和调节效应以图2来表示。其中，经济增长的滞后项和人口作为模型的基本控制变量，技术进步、物质资本、人力资本等基本生产要素作为旅游发展对经济增长的中介变量，对外开放、市场化、工业发展分别代表旅游发展通过国外部门、制度、产业结构对经济增长产生影响的中介变量，而科技投入、政府干预则代表影响技术进步、市场化从而影响旅游发展与经济增长关系的调节变量。

由此，我们根据温忠麟等关于有调节的中介效应模型把中介效应和调节效应纳入到模型（2）[26]，得到如下模型：

[Yit=β0+β1Yi，t-1+β2Xit+β3Xit2+β4Xit3+β5Ait+ β6Kit+β7Hit+β8Oit+β9Mit+β10itI+β11Git+ β12Mit*Git+β13itSit+β14Sit*Ait+β15Pit+εit] （3）

显然，该模型中[β12]、[β14]分别代表了政府干预、科技投入所起到的调节效应，但却不能直接得到中介效应。以往文献在测算中介效应时往往采用把中介变量逐一作为被解释变量进行回归得到中介效应的思路[25]。为此，本文借鉴这一做法，依次“以各中介变量作为被解释变量，以旅游发展为核心解释变量”采用系统GMM估计进行回归。以物质资本为例，在模型（3）得到的物质资本[Kit]的系数值为[β6]，而在“以物质资本为被解释变量，以旅游发展为核心解释变量”的GMM估计中得到旅游发展的系数为[α]，则旅游发展通过物质资本对经济增长所起到的中介效应为[αβ6]。

3 实证研究

3.1 指标选择、数据来源及其描述分析

以往研究中国旅游发展与经济增长的文献大多采用了省级面板数据[19]。众所周知，样本观测值的数量直接关系着估计结果的可靠性。为此，笔者在数据可获得性的基础上收集了2003—2013年我国188个优秀旅游城市的面板数据，具体理由如下：以2003年作为时间起点，可以控制加入WTO对我国经济增长带来的“突变”性影响；考虑到某些地级市的旅游资源匮乏而使得其旅游业对经济增长的影响微不足道，我们选择了国家旅游局所评选的中国优秀旅游城市作为样本。这些城市大多具有丰富的旅游资源和较大的发展潜力，从而使得其旅游业对经济增长的影响较大。需要说明的是，国家旅游局自1998—2007年先后把4个直辖市和185个地级市评选为优秀旅游城市。由于拉萨市的数据缺失严重，我们最终获得的样本数量为188个。

关于因变量的指标选择。以往关于旅游发展和经济增长文献主要采用人均GDP增长率或者GDP增长率。为了保证使结论更加稳健，我们同时采用人均GDP增长率和GDP增长率来衡量经济增长，分别记为PGDP、GDP。由于统计年鉴没有人均GDP增长率数据，我们通过公式[PGDP=（1+GDP）/][（1+POP）-1]来计算出人均GDP增长率，其中POP为人口增长率。

关于核心解释变量的指标选择。虽然衡量旅游发展最常用的指标为旅游收入占GDP比重，但人均旅游收入和旅游人次占人口比重也是潛在的可选变量。出于指标敏感性的考虑，笔者将以旅游收入占GDP比重（LysrG）为主，辅以人均旅游收入（LysrP）和旅游人次占人口的比重（Lyrc）进行稳健性回归。

关于基本控制变量的指标选择。张德荣从内生性角度论证能源资源诅咒效应时，指出了以往文献对人口这一控制变量的忽视会产生偏误[27]。为此，笔者将其纳入基本控制变量，记为Pop。由于本文采用最适合短面板数据的系统GMM估计方法来处理内生性问题，因此选择人均GDP增长率和GDP增长率的一阶滞后项分别作为各自回归模型的基本控制变量，依次记为D.PGDP、D.GDP。

关于中介变量的指标选择。参照邵帅等的做法[25]，笔者以GDP为产出变量，劳动和资本为投入变量，利用DEA-Malmquist指数测算得到相应的全要素生产率，以此作为技术进步的衡量指标，并记为Tfp。关于物质资本和人力资本，笔者遵循常规做法采用人均固定资产投资、高等学校学生占人口比重来衡量，分别记为Gdzc、Gdxs。至于对外开放这一变量，由于上述统计资料未能提供各城市的进出口数据，因此无法采用常规的贸易依存度来衡量。为此，笔者参考张德荣的做法[27]，采用FDI占GDP的比重来衡量对外开放，记为FDI。囿于数据的可获得性，笔者采用城镇私营和个体从业人数占从就业人数的比重来衡量市场化，记为Syjj。理由在于市场化水平往往与私营、个体经济的活跃度呈现正相关关系。对于工业发展而言，同样囿于数据的可获得性，笔者选择了第二产业从业人数占从业人员总数的比重来衡量，记为Sec。

关于调节变量的指标选择。参照主流做法，笔者采用扣除科教支出的财政支出占财政总支出的比重来衡量政府干预程度，记为Zfgy。对于科技投入而言，笔者主要参照邵帅等的做法[25]，选取科研技术从业人员占比进行衡量，记为Kyjs。

基于此，笔者首先从中国经济与社会发展统计数据库、《中国城市统计年鉴》、《中国区域经济统计年鉴》、各省统计年鉴收集到了相应的原始数据，然后从各地级市国民经济和社会发展统计公报补齐了少部分缺失数据，最后对余下的少量缺失数据进行了插值法处理。

3.2 模型基本检验

为保障结论的稳健性，本文因变量和核心解释变量都采用了几个指标来衡量。现在，笔者采用已有研究使用最多的指标组合（即以人均GDP增长率为因变量、旅游收入占GDP比重为核心解释变量）来进行模型基本检验，其结果表明应该采用含时间效应的双向固定效应模型并且存在内生问题。具体的检验过程如下，其他指标组合的模型基本检验与此类似，其检验结果与此相同（为节省篇幅，不再列出）。

由于本文采用的数据属于短面板数据，因此可以不考虑面板自相关问题[28]。对于可能的异方差问题，笔者对上述指标进行了对数化处理，并且采用聚类稳健标准误来处理异方差问题。Wooldridge认为样本容量的增大可以有效缓解多重共线性问题[29]。为此，本文使用了188个地级市层面的面板数据，是常见的省级面板数据样本量的6倍以上。因此，与以往文献相比，本文可能存在的多重共线性问题得到了有效缓解。

由于变系数模型对短面板数据而言意义不大，因此笔者通过F检验对混合估计和变截距固定效应模型进行检验，得到F统计量为3.48且p值为0.000，即表明应该采用变截距固定效应。接着，笔者采用BP检验对混合估计还是变截距随机效应进行检验发现Chibar统计量为207.54且p值为0.000，即应该采用变截距随机效应。由于异方差情形下传统豪斯曼的前提条件不被满足，因此笔者采用稳健的Hausman检验来对变截距固定效应和随机效应模型进行判断。结果发现，Sargan-Hansen统计量为896.386且p值为0.000，即应采用变截距固定效应模型。最后，笔者利用F检验对固定效应模型的时间效应进行了检验，得到F统计量为29.65且p值为0.000，即表明应该考虑时间效应。由此可知，本文应该采用含时间效应的双向固定效应模型。

在确定了模型设定形式之后，笔者对可能存在的内生性问题进行了检验。由于异方差情形下 传统的Durbin-Wu-Hausman检验不再适用，因此笔者选择稳健的Durbin-Wu-Hausman检验来判断是否存在内生性。结果显示：相应的统计量为20.997且p值为0.000，即存在内生性问题。对此，笔者将采用系统GMM估计来进行回归。

3.3 模型估计结果

为考证中国旅游发展对经济增长的影响及其传导机制，笔者采用系统GMM首先对包括所有中介效应和调节效应的模型（3）进行回归得到模型1，然后从中分别剔除相应的中介变量得到模型2～模型7，具体结果见表1。需要说明的是，由于可决系数R2在GMM估计中意义较小，因此并未在表中 显示。

由表1可以看出：所有模型的残差均在10%的水平上表现为一阶自相关，但不存在二阶自相关，并且Hansen统计量均不显著，即表明各模型的工具变量均有效。至此，笔者认为各模型的内生性问题得到了较好的控制。下面，笔者将遵循指标选择的介绍顺序来解读回归结果。

从核心解释变量来看，各模型中旅游发展及其二次项、三次项均通过了10%水平的显著性检验，而且大部分还通过了1%水平的显著性检验。从系数的符号来看，旅游发展及其二次项、三次项与经济增长依次呈现负向、正向、负向关系。为了进一步确定这种“倒N”形的存在性，我们对旅游发展及其二次项、三次项进行联合显著性检验，结果都在1%水平上显著。由此可知，旅游发展与经济增长存在“倒N”形关系。

从基本控制变量来看，人均GDP增长率的一阶滞后项和人口都在1%水平上显著，分别对经济增长产生正向、负向影响。这表明，前一年的人均GDP增长率对随后一年的经济增长具有累积效应，而人口增长将阻碍人均GDP增长。这也符合经典的经济学理论。

从中介变量来看：技术进步、物质资本、人力资本、对外开放、市场化水平均在1%的显著性水平上显著为正；而工业发展未通过显著性检验。这说明，旅游发展可以通过技术进步、物质资本、人力资本、对外开放、市场化水平这5个“桥梁”对经济增长具有显著的中介效应，但并未通过工业发展产生显著的中介效应。这表明中国旅游发展并不存在“旅游地荷兰病”这一传导机制，也符合中国旅游业以国内游客为主导的基本现实。对于前5个变量的中介效应大小，笔者依次“以各中介变量作为被解释变量，以旅游发展为核心解释变量”采用系统GMM矩估计得到回归结果（见表2），然后根据前文所提到的方法来计算中介效应。

根据前文关于中介效应的计算方法，得到旅 游发展通过各中介变量对经济增长所产生的中介效应的大小。具体而言，旅游发展通过物质资本、技术进步、人力资本、对外开放、市场化水平这5个中介变量对经济增长带来的中介效应依次为0.022、-0.010、0.001、0.001、-0.012。这表明：旅游发展可以通过抑制技術进步、市场化水平来阻碍经济增长，而通过提升物质资本、人力资本、对外开放水平来促进经济增长。

从调节变量来看，科技投入[Kyjs]及其交互项[Kyjs*Tfp]在1%水平上显著，且对经济增长分别表现出正向、负向关系。这说明，技术进步可以显著促进经济增长，但是科技投入却负向调节着旅游发展通过技术进步影响经济增长这一中介过程。从数值上来看，这一负向调节效应为-1.162。与此同时，虽然政府干预[Zfgy]并未全部通过1%水平的显著性检验，但仍然呈现负相关系；政府干预的交互项[Zfgy*Syjj]在1%水平显著表现为负向关系。这表明，政府干预程度的提高会在一定程度上抑制经济增长，政府干预也负向调节着旅游发展通过市场化影响经济增长这一中介效应。从数值上来看，这一负向调节效应为-0.0014。

由此可见，旅游发展对经济增长的影响并非简单的正向和负向关系，而取决于多个传导机制的共同作用。

3.4 旅游起飞、旅游福祉、旅游诅咒型城市识别

为进一步厘清中国优秀旅游城市的旅游发展在2003—2013年总体上是促进了经济增长还是阻碍了经济增长这一问题，笔者根据“一阶导数为零”的这一原则得到“倒N”形曲线方程[Y=-aX+bX2-cX3+d]（其中[a>0]、[b>0]、[c>0]）的两个驻点：左边驻点为[（b-b2-3ac）3c]，右边驻点为[（b+b2-3ac）3c]。跨过左边驻点意味着旅游发展对经济增长的影响由抑制作用变成促进作用，而跨过右边驻点意味着旅游发展对经济增长的影响由促进作用转为抑制作用。

由此，笔者将表1模型（1）中旅游发展及其二次项、三次项的系数代入上述公式，得到相应的驻点依次为7.32%、61.01%，然后结合前文理论部分关于“倒N”机制的理论分析，将2003—2013年中国188个优秀旅游城市中分为旅游起飞城市、旅游福祉城市、旅游诅咒城市，具体见表3。

由表3可以看出，2003—2013年间，旅游起飞城市的占比由64.90%下降到18.09%，旅游福祉城市占比由34.04%上升到79.79%，旅游诅咒城市占比由1.06%略微上升到2.12%。这表明，2003—2013年中国188个优秀旅游城市中，46.81%的城市实现了由旅游起飞城市到旅游福祉城市的转变；仅有0.96%城市由旅游福祉城市变为了旅游诅咒城市。不难看出，这些旅游资源丰富的城市在2003—2013取得了较好的发展，仍然具有较大的发展潜力。换句话说，旅游福祉效应占据主导地位，即中国旅游发展在总体上促进了经济增长。值得一提的是，这段时期旅游诅咒城市增加了两个，即说明旅游资源诅咒的风险同样存在。

3.5 稳健性检验

为考证因变量和核心解释变量的指标敏感性对回归结果的影响，笔者采用上述计量分析思路在这些指标组合中分别对模型（3）进行回归，具体结果见表4。通过对比表1和表4，不难发现在控制指标敏感性后，“倒N”形曲线依然成立。需要说明的是，在这些指标组合中各传导机制和“倒N”形曲线的两个驻点在数值上会有所变化，但对本文的结论没有实质性的改变（限于篇幅此处并未列出旅游发展与中介变量的回归结果）。

4 结论与启示

旅游发展与经济增长可谓是旅游经济学领域最为经典的话题，但同时也是颇具争论的话题。笔者针对以往文献忽视旅游资源诅咒、缺乏理论模型及其传导机制分析、忽视旅游产业发展的阶段性以及对指标敏感性、内生性问题不够重视等问题，借鉴旅游地生命周期模型构建理论模型将“资源诅咒”和“资源福祉”纳入统一的框架，然后利用2003—2013年188个优秀旅游城市的面板数据考察了旅游发展对我国经济增长的影响，并从中介效应和调整效应的角度来对旅游发展如何通过传导机制影响经济增长进行了分析。结果发现：（1）旅游发展对经济增长的影响并非简单的正向和负向关系，而是在多个传导机制的共同作用下“倒N”形关系。（2）旅游發展通过物质资本、技术进步、人力资本、对外开放、市场化水平这5个中介变量对经济增长带来的中介效应依次为0.022、-0.010、0.001、0.001、-0.012。这表明：旅游发展可以通过抑制技术进步、市场化水平来阻碍经济增长，而通过提升物质资本、人力资本、对外开放水平来促进经济增长。（3）科技投入却负向调节着旅游发展通过技术进步影响经济增长这一中介过程，而政府干预也负向调节着旅游发展通过市场化影响经济增长这一中介过程，其负向调节效应为分别为-1.162、-0.0014。（4）“旅游地荷兰病”在中国并不存在。（5）2003—2013年中国188个优秀旅游城市中，46.81%的城市实现了由旅游起飞城市到旅游福祉城市的转变；仅有0.96%城市由旅游福祉城市变为了旅游诅咒城市；旅游资源福祉效应占据主导地位，但少数城市也存在旅游资源诅咒现象。

基于上述研究结论，我们得到以下几点启示：（1）由于旅游福祉效应在我国大多数优秀旅游城市占据主导地位，因此可以从旅游业的产业关联效应入手大力发展旅游业及其相关配套产业。这些产业都可以视为新的经济增长点。（2）应该充分利用旅游发展对经济增长的正向间接作用，规避其负向间接影响。一方面，应当采取有力措施提升固定资本形成率、人力资本水平、扩大对外开放以促进经济增长；另一方面，还应当提高科技投入、市场化水平、促进技术进步以及减少政府干预以抵消旅游发展通过这些变量对经济增长所产生的负面影响。（3）对于那些已经出现或者即将面临旅游资源诅咒的少数城市应该着手对现有的旅游产业进行改造升级，力争早日进入新的更高水平的短生命周期。只有这样，这些少数城市才能有效规避旅游资源诅咒风险，甚至摆脱旅游资源诅咒。

参考文献（References）

[1] Sachs J D， Warner A， Aslund A， et al. Economic reform and the process of global integration[J]. Brookings Papers on Economic Activity， 1995， （1）： 1-118.

[2] Zhu Xiwei， Zeng Daozhi. Tourism resources， industrial agglomeration and resources curse[J]. The World Economy， 2009， （5）： 65-72.[朱希伟， 曾道智. 旅游资源、工业集聚与资源诅咒[J]. 世界经济， 2009， （5）： 65-72.]

[3] Zuo Bing. An empirical study of the factors influencing the tourism economic growth of China[J]. Journal of Business Economics， 2011， （10）： 82-90. [左冰. 中国旅游经济增长因素及其贡献度分析[J]. 商业经济与管理， 2011， （10）： 82-90.]

[4] Zuo Bing. Can tourism boom break the resource curse？——An empirical evidence from mainland China[J]. Journal of Business Economics， 2013， （5）： 60-69.[左冰. 旅游能打破资源诅咒吗？——基于中国31个省（市、区）的比较研究[J]. 商业经济与管理， 2013， （5）： 60-69.]

[5] Butler R W. The concept of a tourist area cycle of evolution： Implications for management of resources[J]. Canadian Geographer， 1980， 24（1）： 5-12.

[6] Po W C， Huang B N. Tourism development and economic growth： A nonlinear approach [J]. Physica A： Statistical Mechanics and Its Applications， 2008， 387（22）： 5535-5542.

[7] Zhao Lei. Tourism development and economic growth efficiency in China： An empirical analysis based on malmquist index and GMM estimation[J]. Tourism Tribune， 2012， 27（11）： 44-55.[赵磊. 旅游发展与中国经济增长效率——基于Malmquist指数和系统GMM的实证分析[J]. 旅游学刊， 2012， 27（11）： 44-55.]

[8] Shan J， Wilson K. Causality between trade and tourism： empirical evidence from China[J]. Applied Economics Letters， 2001， 8（4）： 279-283.

[9] Archer B. Importance of tourism for the economy of Bermuda[J]. Annals of Tourism Research， 1995， 22（4）： 918-930.

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

[11] Sinclair M T. Tourism and economic development：A survey[J]. The Journal of Development Studies， 1998， 34（5）： 1-51.

[12] Brau R， Lanza A， Pigliaru F， et al. How fast are small tourism countries growing？ Evidence from the data for 1980-2003[J]. Tourism Economics the Business & Finance of Tourism & Recreation， 2007， 13（4）： 603-614.

[13] Janta H， Lugosi P， Brown L， et al. Migrant networks， language learning and tourism employment[J]. Tourism Management， 2012， 33（2）： 431-439.

[14] Divisekera S. A model of demand for international tourism[J]. Annals of Tourism Research， 2003， 30（1）： 31-49.

[15] Holzner M. Tourism and economic development： The beach disease？[J]. Tourism Management， 2011， 32（4）： 922-933.

[16] Balaguer J， Cantavella-Jorda M. Tourism as a long-run economic growth factor： the Spanish case[J]. Applied Economics， 2002， 34（7）： 877-884.

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

[18] Oh C O. The contribution of tourism development to economic growth in the Korean economy[J]. Tourism Management， 2005， 26（1）： 39-44.

[19] Zhao Lei. Tourism development and economic growth： Empirical evidence from China[J]. Tourism Tribune， 2015， 30（4）： 33-49.[趙磊. 旅游发展与经济增长——来自中国的经验证据[J]. 旅游学刊， 2015， 30（4）： 33-49.]

[20] Papyrakis E， Gerlagh R. The resource curse hypothesis and its transmission channels[J]. Journal of Comparative Economics， 2004， 32（1）： 181-193.

[21] Chao C C， Hazari B R， Laffargue J P， et al. Tourism， dutch disease and welfare are in an open dynamic economic[J]. The Japanese Economic Review， 2006， 57（4）： 501-515.

[22] Copeland B. Tourism welfare and deindustrialization in a small open economy[J]. Economtrica， 1991， 58（232）： 515-529.

[23] Ashworth G， Page S J. Urban tourism research： Recent progress and current paradoxes[J]. Tourism Management， 2011， 32（1）： 1-15.

[24] Li Jun， Chen Zhigang. A new interpretation of the model of tourism life cycle： Based on production investment and demand analyses[J]. Tourism Tribune， 2014， 29（3）： 58-72.[李軍， 陈志钢. 旅游生命周期模型新解释——基于生产投资与需求分析[J]. 旅游学刊， 2014， 29（3）： 58-72.]

[25] Shao Shuai， Fan Meiting， Yang Lili. How does the dependence of the resource-based industry impact on the efficiency of the economic growth？—Test and expansion of the conditional resources curse hypothesis[J]. Management World， 2013， （2）： 32-63.[邵帅， 范美婷， 杨莉莉. 资源产业依赖如何影响经济发展效率？——有条件资源诅咒假说的检验及解释[J]. 管理世界， 2013， （2）： 32-63.]

[26] Wen Zongling， Liu Hongyun， Hou Taijie. Analyses of Moderating and Mediating Effects[M]. Beijing： Educational Science Publishing House， 2012： 70-95.[温忠麟， 刘红云， 侯杰泰.调节效应和中介效应分析 [M]. 北京： 教育科学出版社， 2012： 70-95.]

[27] Zhang Derong. A revisit of “curse of natural resources” hypothesis： An approach based on endogeneity[J]. China Journal of Economics， 2015， 02： 137-154.[张德荣. 基于内生性视角的“资源之咒”问题研究[J]. 经济学报， 2015， （2）： 137-154.]

[28] Chen Qiang. The Advanced Econometrics and Stata Applications （the 2nd Edition） [M]. Beijing： Higher Education Press， 2014： 264.[陈强. 高级计量经济学及Stata应用（第二版）[M]. 北京： 高等教育出版社， 2014： 264.]

[29] Jeffrey M. Wooldridge. Introductory Econometrics： A Modern Approach （the 4th Edition） [M]. Beijing： China Renmin University Press， 2010： 80. [杰弗里. M. 伍德里奇. 计量经济学导论（第四版）[M]. 北京： 中国人民大学出版社， 2010： 80.]