中国旅游产业集聚、全要素生产率与旅游经济关系研究

(中国海洋大学 管理学院,山东 青岛 266100)

中国旅游产业集聚、全要素生产率与旅游经济关系研究

高 俊,张琳林

(中国海洋大学 管理学院,山东 青岛 266100)

产业集聚和全要素生产率(TFP)是提升我国旅游经济发展质量，实现可持续发展的重要驱动因素。在理论上推导我国旅游业产业集聚、全要素生产率和旅游经济三者之间的关系,利用2001—2014年我国30个省域的面板数据通过区位熵指数和DEA-Malmquist模型测度了我国旅游产业集聚水平和TFP状况;通过系统广义矩估计法(SYS-GMM)实证分析了产业集聚对旅游经济的影响及作用机理。结果表明：我国旅游产业集聚水平不高,TFP虽为正向增长但较为缓慢,技术效率为负增长,体现了旅游业粗放式的发展特征;旅游产业集聚对旅游经济有正向影响效应,旅游业TFP的提高在产业集聚推动经济发展的传导过程中发挥了中介作用,但TFP的推动作用较弱。

旅游业;产业集聚;全要素生产率;旅游经济;中介作用

1 问题的提出

新形势下,旅游业成为了国民经济增速放缓背景下却显著逆势增长的战略性支柱产业,2016年中国旅游业对GDP综合贡献达11%,对就业的综合贡献超过10.26%,旅游业已成为我国经济实现持续增长和稳定运行的坚实基础。但不可否认的是,长久以来我国旅游业过度依靠资本、劳动力、资源投入的粗放式发展特征明显[1],产品单一、价格战、重复建设等供给侧问题突出,旅游业亟需着力推进供给侧结构性改革和转型升级,转向集约化发展的正确道路[2]。

产业集聚即同一产业在地理空间集中的过程和状态,能有效改善空间内产业效率,提升行业竞争力。旅游业产业链长、综合性强,具有良好的产业集聚优势,旅游产业集聚发展有助于优化旅游空间结构并推动旅游经济健康发展,有关两者关系的研究引起了学者的广泛关注。但针对旅游业两者关系的研究却远不如探讨产业集聚与经济增长关系的成果丰硕,研究内容也多为两者直接关系的探讨,对内在作用机理的深入研究不足,且多数研究并未考虑两者间的内生性关系。基于此,本文引入TFP作为中介变量,利用2001—2014年中国30个省域(由于香港与澳门特别行政区、台湾地区和西藏自治区的数据不全,不包括在内)的面板数据,借助SYS-GMM法深入研究我国旅游产业集聚与旅游经济的关系及其作用机理。

2 理论回顾与研究假设

2.1 旅游产业集聚与旅游经济

国内外学者早就关注了产业集聚与经济增长的关系,相关的研究成果丰富,主要有基于古典主义经济学、新古典主义经济学、新增长理论、新经济地理学等的理论研究和相关的实证研究[3],而针对旅游产业集聚与旅游经济关系的国内外研究相对起步较晚且研究成果集中于国外,国外学者如Chun W、Kalnins A分析了美国住宿业的集聚度与绩效关系,发现集聚发展可提高企业的经营绩效[4];Gollub、Hosier、Woo提出旅游集聚可有效减少目的地的损失，提高经营效益[5];Sara认为,旅游产业集聚化发展能有效提高产业的竞争力[6];Geoge、Lafferty、Anthony Van Fossen通过实证研究,得出旅游集聚可有效缓解旅游目的地的衰退过程[7]。

国内学者在实证研究方面取得了一些成果:王凯等利用2010年的截面数据研究发现,旅游产业集聚对产业绩效提高具有正向影响,主要作用于提高利润率[8];刘佳等借助空间计量模型,在研究旅游产业集聚与旅游经济关系时加入空间因素,发现旅游业集聚对区域旅游经济增长有显著的正向影响,并表现出较强的空间溢出效应[9];刘凯利用面板数据模型对中国旅游产业集聚与区域经济增长进行了回归分析,结果表明旅游业集聚对经济增长的促进作用因地区和行业而异,但整体是正向促进作用[10]。结合相关研究成果,理论分析旅游产业集聚理应有助于旅游经济增长。因此,本文提出假设1——旅游产业集聚对旅游经济具有正向影响效应。

2.2 旅游产业集聚与全要素生产率提高

产业集聚通过区域规模经济效应与促进知识和技术的外溢两条途径带动TFP提高。相关的实证研究涉及多种行业如通信设备、计算机等电子设备业[11]、物流业[12]、资源型产业[13]、金融业[14]等产业集聚与TFP的关系,整体都得出了产业集聚有利于提高行业TFP的结论。

针对旅游产业集聚程度与TFP关系的研究相对较缺乏,郭悦等利用2005—2012年全国的省级面板数据探讨了旅游产业集聚对TFP的影响,得出结论产业集聚可有效促进TFP的提高,主要是促进技术效率提高[15];王凯等基于中国31个省域的截面数据,通过回归模型研究了旅游产业集聚与产业效率的关系,发现旅游产业规模化集中发展有利于产业技术效率的提高[16];张广海等通过构建SVAR模型,研究了我国旅游业产业集聚和TFP两者关系,发现我国旅游产业集聚冲击对TFP存在显著的影响[17]。结合上述研究成果,理论分析旅游产业集聚理应有利于提高TFP,因此本文提出假设2——旅游产业集聚对旅游业TFP提高具有正向影响效应。

2.3 旅游业全要素生产率与旅游经济

TFP是判断经济增长质量的重要标志。20世纪50年代末，美国经济学家索罗等人创立新古典经济增长理论,将经济增长的直接决定因素分为由要素投入推动和因技术变化而产生的非投入要素推动,他们将后者定义为技术进步即TFP,并视其为经济增长的主要动力[18]。此后,TFP和经济增长的关系得到极大关注,成为国内外经济学者的研究热点,针对工业、农业、服务业及诸多细分行业的研究成果丰富,但主要还是以工业研究居多。

近年来,国内针对旅游业两者关系的相关研究逐渐增加。唐晓云通过索罗模型研究了我国旅游经济的增长因素,发现旅游业经济增长主要是依赖于资本和劳动力的投入,TFP的增长作用虽然为正但是最弱[19];保继刚等借助生产函数法研究了1992—2005年我国旅游业TFP和旅游经济的增长方式,得出我国旅游增长为典型的劳动力驱动模式,TFP贡献率为正但贡献度不高[20];黄秀娟通过C-D生产函数和回归分析研究发现,我国旅游产业的经济增长主要来自于资本和劳动要素的增长,TFP的贡献度极低,为典型的粗放式增长[21];左冰基于我国大陆31个省域的面板数据,分析了我国旅游经济增长的影响因素与贡献度,结果表明技术进步为正向影响因素,但其增长主要是依靠要素投入特别是资本投入驱动[22];饶品样通过构建中国旅游业线性模型和索洛余值增长模型研究发现,我国旅游业发展在很大程度上源于增加资本、劳动力投入而非技术进步[23];宋子千等通过对2005—2009年22个旅游城市面板数据的实证分析,考察了旅游经济的增长方式,得出资本、技术进步、技术效率等要素有利于推动旅游经济发展[24];罗浩等构建包含旅游资源要素的旅游业增长模型,发现1991—2009年我国各省和全国旅游经济增长的技术进步贡献率都相对较低[25]。结合对相关研究成果的梳理,理论分析旅游业TFP提高有助于旅游经济增长,但当前的贡献作用并不大。因此,本文提出假设3——旅游业TFP提高对旅游经济具有正向影响效应,但影响作用较小。

综上所述,旅游产业集聚可通过促进知识和技术的外溢等促进TFP的提高,而TFP提高又能推动旅游经济发展。基于此,本文提出假设4——TFP提高在旅游产业集聚对旅游经济影响中具有中介作用。

3 旅游产业集聚和全要素生产率测度

3.1 产业集聚测度

国内外测度旅游产业集聚较为常用的方法有区位熵、行业集中度、基尼系数、E-G指数、主成分分析法等,由于区位熵能有效反映不同省域相关业态的集聚水平与不同产业的专业化水平而被广泛采用,本文采用区位熵指数测度我国各省域旅游产业集聚程度,计算公式为:

(1)

式中,AGGit表示i省t时期的区位熵指数。用i省份t时期旅游收入占GDP的比重除以t时期全国旅游收入占GDP的比重值测度,其值的大小反映了地区旅游产业的集聚程度。若其值大于1，说明具有一定的产业集聚优势。统计我国2001—2014年30个省域的区位熵指数,利用Arcgis10.2软件根据结果做出空间四分位图1a。从图1a可见,虽然我国历年各省域的区位熵平均数1.02略大于1,但产业集聚程度较弱,省域间差异显著,全国仅有北京、上海、浙江、广东、海南、重庆、贵州、云南8个省域区的位熵指数大于1,具有一定的集聚优势,且这部分省域多集中连片分布,其他省域集聚程度较差。为了直观观察旅游产业集聚与旅游经济的关系,本文进一步做出2001—2014年30个省域的旅游企业营业平均收入的空间四分位图1b。从图1b可见,两者空间分布特征相似,广大中西部与东北地区不但产业集聚水平较差且营业收入较低,共有20个省域同时处于产业集聚程度较低的三四等级和旅游收入水平不高的三四等级,反映了我国旅游产业集聚与旅游经济间的相关关系。

图1 我国各省域旅游产业集聚程度与旅游收入空间分布(2001—2014年)

3.2 全要素生产率的测度

测度方法:针对TFP的测算方法由最初的指数法扩展到经济计量学方法,目前较为常见的是以SFA模型为代表的参数方法和以DEA模型为代表的非参数方法。DEA模型是评价决策单元相对有效的方法,被大量学者广泛采用。因此,本文采用DEA-Malmquist指数模型这一非参数方法通过测算投入与产出相对效率的前沿面来衡量TFP[15]:

TFP=M(xt,yt,xt+1,yt+1)

=TEHCH×PECH×SECH

(2)

EFFCH=PECH×SECH

(3)

式中,(xt,yt),(xt+1,yt+1)分别表示t和t+1时期的投入量与产出量；距离函数D分别以t和t+1时期技术为参照；TFP指数代表全要素生产率；TEHCH指数代表技术进步,EFCHF指数代表技术效率；PECH指数代表纯技术效率；SECH指数代表规模效率,其中技术效率可以分解为纯技术效率和规模效率的乘积。各指数值大于1，表示正增长,表明效率提高,等于或小于1，表示负增长,表明效率不变或减少。

指标选取与数据来源:选取合适的投入与产出指标是通过DEA计算Malmquist指数测度TFP增长的关键,本文借鉴已有研究成果并考虑数据的代表性和真实性,选取旅游企业资本和劳动力投入作为投入指标,选取旅游企业经营总收入作为产出指标。在资本投入上,目前常用的永续盘存法计算需要的资本折旧率没有公认的确定数值,且相关研究多是针对工业、制造业,不适用以提供服务产品为主的旅游企业,则选取了各省域旅游企业的年末固定资产原值和企业数量作为资本要素投入,并利用历年的固定资产投资价格指数将其平减为2001年的不变价格;以各地区旅游企业的从业人数作为劳动投入指标;以历年各省域旅游企业的经营收入作为产出指标,并利用居民消费价格指数(CPI)将其平减为2001年的不变价格以剔除价格因素。以上所有数据均来源于2001—2014年的《中国旅游统计年鉴》和《中国旅游统计年鉴(副本)》。测算统计2001—2014年我国30个省域的旅游企业TFP结果见表1。

表1 我国旅游业TFP指数及其分解(2002—2014年)

从表1可见,2002—2014年我国旅游业TFP实现了年均5%的增长,其增长主要来源于技术进步的年均增长6.8%,但技术效率却出现了年均1.7%的衰退。其中，纯技术效率年均衰退1.4%,规模效率年均衰退0.3%,说明我国旅游业TFP虽然实现了增长但较缓慢,且其增长主要依靠技术进步,技术效率衰退阻碍了技术进步有效推动TFP增长。

4 实证检验

4.1 模型设定

根据理论分析,我国旅游业产业集聚对旅游经济发展有正向影响效应,且存在着以TFP提高为传导机制的中介作用。本文利用我国的省级面板数据构建以下4个动态面板计量模型进行相关分析:

Yit=β01+β1AGGit+εXa

(4)

TFPit=β02+β2AGGit+εXb

(5)

Yit=β03+β3TFPit+εXa

(6)

Yit=β04+β4AGGit+β5TFPit+εXa

(7)

式中,Yit为式(4)、式(6)、式(7)的被解释变量,表示省域i在t年的旅游企业总收入;TFPit为4个模型的中介变量,表示省域i旅游企业t年的TFP变化;AGGit为式(4)、式(5)、式(6)的核心解释变量,表示省域i在t年的旅游业集聚程度。Xa为式(4)、式(6)、式(7)的控制变量集,Xb为式(5)的控制变量集,根据式(5)被解释变量的改变做出了相应调整。

本文将旅游企业TFP提高进行量化,并作为模型的中介变量,根据Muller等的论述,若中介效应存在需满足以下4个条件:①核心解释变量对被解释变量为显著正效应;②核心解释变量对中介变量为显著正效应;③中介变量对被解释变量为显著正效应;④加入中介变量后,核心解释变量对被解释变量的显著正效应减弱了。

旅游产业集聚推动旅游经济发展的同时或许还存在逆向因果关系导致的内生性问题,如旅游产业集聚能够推动旅游经济增长,不排除旅游经济迅速发展又推动了旅游产业集聚,内生性问题使变量间的因果联系难以确认,继续使用传统的计量方法会导致估计结果存在偏误。SYS-GMM法结合了水平方程与差分方程,把水平方程解释变量的工具变量设定为其滞后项的一阶差分可有效弱化内生性问题[26]，因此选用此法。

4.2 变量说明与数据来源

将本文4个模型的变量详细解释如下:①被解释变量。被解释变量为旅游经济发展水平,由于各省域历年的国内旅游收入统计资料不完整,本文选取历年各省域旅游企业营业总收入进行测度。②核心解释变量。核心解释变量为旅游产业集聚程度,采用区位熵指数进行测度。由于被解释变量选取历年各省域旅游企业营业总收入,相应选取历年各省域旅游企业的数据计算区位熵指数进行测度。③中介变量。选取旅游企业TFP提高作为探讨两者关系的中介变量,采用DEA-Malmquist模型进行测度,同样选取历年各省域旅游企业的数据计算TFP指数测度其变化。④控制变量。为了得到无偏的估计结果,仍然需要对相关变量加以控制。结合旅游企业的发展实际,其经营绩效主要取决于两类因素:一类是自身发展的投入因素,主要包括资本和劳动力投入;另一类是影响企业发展的环境因素,主要包括地区的经济发展水平、基础设施条件、对外开放程度和政府干预等。

本文主要选取如下控制变量:①投入要素。根据C-D生产函数,资本和劳动投入是经济发展的决定性因素,且我国旅游业粗放式发展特征明显,两者在理论上具有对旅游经济的正向推动作用,因此分别用历年各省域旅游企业固定资产原值(CANit)和各省域中职和高等旅游院校学生数(HUMit)测度。②地区经济发展水平。经济发展迅速的省域一般更易成为主要的旅游客源市场、旅游目的地和旅游业发展的核心区域,因此理论上对旅游经济发展有正向作用,用历年各省域人均GDPit测度。③基础设施。良好的基础设施是旅游业发展的基础条件,理论上完善的基础设施水平有助于推动旅游经济,用各省域铁路加公路里程和与面积的比重测度(INFit)。④对外开放。对外开放水平优劣既能显著影响出入境旅游发展,又能通过相互间的学习和交流带动国内旅游企业的发展,理论上对旅游经济发展有正向推动作用,用各省域投资中外商投资比重测度(OUTit)。⑤政府干预。良好的政府干预有利于旅游产业的资源配置、成本降低和效率改善,但我国旅游业长久以来政府主导的发展模式存在弊端,理论上我国的政府过度干预反而会起到阻碍作用,用各省域政府消费支出占总消费支出比重(GOVit)测度。以上为控制变量集Xa。模型2将被解释变量换为TFP指数,对控制变量做出相应调整,将基础设施和经济发展水平这两个在理论上与旅游业TFP变化相关性不大的变量剔除,构建控制变量集Xb。

本文选取的营业总收入、人均GDP、政府消费等变量都通过历年不同省域居民消费价格指数平减至2001年的不变价格,资本投入通过历年不同省域固定资产投资价格指数平减至2001年的不变价格;另除占比和比率外的所有变量都取对数值处理,以减少数据的波动性,并降低数据异方差程度。所有数据来源于2001—2014年的《中国统计年鉴》、《中国旅游统计年鉴》、《中国旅游统计年鉴副本》。

表2 面板数据的单位根和协整检验

4.3 回归结果与分析

首先,计量面板模型需对变量进行平稳性检验以防止“伪回归”问题,本文利用LLC、Breitung、IPS、Fisher-ADF、Fisher-PP、Handri Z检验等方法检验被解释、核心解释和中介变量的单位根过程,以避免单一方法带来的误差,又利用Pedroni协整检验法的7个统计量检验被解释、核心解释和中介变量间的协整关系,结果见表2。所有变量在不同检验统计量下均在1%水平下拒绝原假设,即Y、AGG、TFP均为零阶单整。协整检验结果除Panel v-Statistic统计量和Panel ADF-Statistic的Y和TFP统计量外,其余均在1%水平下拒绝了不存在协整关系的原假设,且两个主要的判断准则Panel ADF-Statistic和Group ADF-Statistic统计量均在1%水平下拒绝原假设,则认为被解释变量、核心解释变量和中介变量间存在长期稳定的均衡关系。

本文采用SYS-GMM法实证研究了4个模型,并采用两步估计法以消除异方差的影响,对模型设定和工具变量的选择进行检验,主要采用AR检验和Sargan检验。结果AR(1)分别在10%和5%水平下显著,而在AR(2)中不显著,即差分后的残差项存在一阶序列相关而不存在二阶序列相关。从Sargan 检验结果来看,无法拒绝原假设,说明工具变量的选取是合理的,表明本文采用SYS-GMM法是合适的。回归结果见表3,SYS-GMM估计的回归结果(系数符合极显著性水平)明显符合预期,拟合效果较好。

表3 面板模型计量结果

模型1中旅游产业集聚对旅游经济作用系数为正且显著,说明旅游产业集聚对旅游经济具有正向影响效应,假设H1得到验证;模型2中旅游产业集聚对TFP变化作用系数为正且显著,说明旅游产业集聚对旅游业TFP提高具有正向影响效应,假设H2得到验证;模型3中旅游业TFP提高对旅游经济的作用系数为正且显著,但数值较小,说明旅游业TFP提高对旅游经济具有正向影响效应,但影响作用较小,假设H3得到了验证;模型4中加入TFP变化这一变量,旅游产业集聚对旅游经济的仍为显著正向作用,且作用系数值减小,说明TFP提高在旅游产业集聚对旅游经济影响中具有中介作用,假设H4成立,以上证明了我国旅游业集聚有利于推动经济发展,而旅游业TFP的提高在这一传导过程中发挥了中介作用。

上述结果符合旅游业的发展实际,近年来我国旅游业的空间集聚现象愈发明显,区域内形成的产业群数量逐年增加,通过企业间知识、人才、技术等的交流互鉴产生的溢出效应有效带动旅游企业TFP提高,进而推动旅游企业发展,改善了旅游企业的经营绩效。但TFP的提高对旅游业发展的推动作用较小,主要是因为多年来过度依靠资本、劳动力的粗放发展模式导致了我国旅游业TFP增长缓慢,技术和效率尚无法成为推动旅游经济发展的重要引擎。

在模型1、3、4中,各变量的回归结果无论是系数符号还是系数值大小均相差不大,以模型4的结果进行了简要分析。资本和劳动力均对旅游经济有显著的正向推动作用,且两者的推动作用又明显大于TFP的推动作用,说明我国旅游经济主要还是依靠资本和劳动力驱动发展,技术的贡献度较低。地区经济发展、基础设施和对外开放水平均对旅游经济具有显著地正向影响效应,与理论预期相符。从供给侧看,经济发展迅速、基础设施完善、对外开放程度高区域内的旅游企业具有更好的运营能力水平,无论在营销、管理、产品和服务等方面相对优势明显;从需求侧看,上述地区对国内外游客吸引力大、当地居民也具有较高的消费水平和层次,市场需求更为充足,则这三个环境因素有效推动了旅游经济发展。政府干预为显著的负向影响效应,说明政府干预对旅游发展具有阻碍作用,这与我国旅游发展多年来政府主导发展模式有关,出于安置就业和带动GDP的目的,各地政府把旅游业的发展摆在重要位置,竞相主导或提供政策支持旅游业投资,但快速发展的旅游企业在质量和效率的提高却与其规模和数量的扩张速度不匹配。

在模型2中,资本投入对旅游业TFP提高为显著负向作用,是因为我国旅游业的投资热潮导致的重复建设、相互模仿、价格战等问题严重束缚了技术效率的提高和旅游业中的技术进步。以旅游中职和高等旅游院校学生数测度的劳动力投入对旅游业TFP提高为显著正向影响,说明优秀的人力资本能在旅游业发展的产品研发、经营管理、营销模式等方面发挥积极作用从而带动TFP提高。对外开放水平的影响系数为正,政府干预的影响系数为负,符号符合预期但均不显著,说明当前我国旅游业发展与国外优秀企业的交流合作尚不充分,无法将对外开放的优势有效转化为TFP的提高,政府干预对TFP提高的阻碍作用不显著。

5 结论与建议

本文得出如下结论与建议:①整体看,我国旅游业集聚水平不高且省域间差异明显,集聚程度较好的省域主要是东部的北京、上海、浙江、广东、海南和中南部的重庆、贵州、云南,但广大中西部地区尤其是东北地区旅游产业的集聚水平较差。②研究期内我国旅游业TFP实现了年均5%的增长,其中技术进步年均增长6.8%,技术效率却为年均1.7%的负增长,纯技术和规模效率均为负增长,说明技术进步是我国旅游业TFP的主要推动力量,但粗放式的发展模式导致技术效率降低,难以形成规模效益,阻碍了技术进步有效转化为TFP的提高。③旅游产业集聚对旅游经济有正向推动作用,引入TFP作为中介变量研究发现,旅游产业集聚能有效推动TFP增长,TFP提高又能有效推动旅游经济,但TFP对旅游经济的推动作用较小。资本和劳动力投入、地区经济发展、基础设施、对外开放水平等对旅游经济具有显著正向作用,政府干预具有显著负向作用。资本投入对TFP为显著负向作用,人力资本为显著正向作用。④在认识到我国旅游产业集聚水平不高、TFP增长缓慢尤其是技术效率负增长,而产业集聚和TFP在对旅游经济产生正向影响效应的基础上,旅游企业发展如何主动求变、转向集约型发展,是当前亟需解决的重要问题。从旅游企业角度,需主动谋求行业内的集团化发展,加强跨区域企业间的交流合作,通过知识、技术、资源等溢出效应提高企业的TFP,在交流互鉴的过程中改善企业的营销、管理、产品和服务等方面;同时,旅游企业需高度重视优秀人力资本的发展和培养,企业投资避免盲目追求规模和数量的扩张,着力改善技术效率,进而有效转化为技术进步对TFP的推动作用。从旅游企业发展环境出发,政府需着力推进行业的供给侧结构性改革,抑制旅游领域的投资冲动,制定产业和区域政策以鼓励旅游产业的集群发展,提高规模效益;改善区域内的经济实力、基础设施和对外开放水平,重视企业与国外的交流和学习,积极为其创造平台和机会,进而优化旅游产业结构。

[1]林源源.我国区域旅游业经济绩效及其影响因素研究[D].南京:南京航空航天大学硕士学位论文,2010.

[2]张广海,高俊.我国旅游业供给侧改革分析[J].经济与管理评论,2016,32(4)∶113-118.

[3]刘修岩.产业集聚与经济增长：一个文献综述[J].产业经济研究,2009,(3)∶70-78.

[4]Chung W,Kalnins A.Agglomeration Effects and Performance：A Test of the Texas Lodging Industry[J].Strategic Management Journal,2001,22(10)∶969-988.

[5]Gollub J,Hosier A,Woo G.Using Cluster-based Economic Strategy to Minimize Tourism Leakages[R].Research Report Submitted to Global Economic Development Practice(GEDP),San Francisco,California,2002∶1-59.

[6]Nordin S.Tourism Clustering amp; Innovation：Paths to Economic Growth amp; Development[M].Etour,2003.

[7]Lafferty G,Van Fossen A.The Role of Clusters in Preventing Tourism Decline：A Conceptual and Empirical Examination[J].International Journal of Services Technology and Management,2005,6(2)∶142-152.

[8]王凯,易静.区域旅游产业集聚与绩效的关系研究——基于中国31个省区的实证[J].地理科学进展,2013,32(3)∶465-474.

[9]刘佳,赵金金,张广海.中国旅游产业集聚与旅游经济增长关系的空间计量分析[J].经济地理,2013,(4)∶186-192.

[10]刘凯.中国旅游产业集聚与经济增长关系的实证研究[J].现代营销(学苑版),2015,(12)∶15-17.

[11]范剑勇,冯猛,李方文.产业集聚与企业全要素生产率[J].世界经济,2014,(5)∶51-73.

[12]舒辉,周熙登,林晓伟.物流产业集聚与全要素生产率增长——基于省域数据的空间计量分析[J].中央财经大学学报,2014,(3)∶98-105.

[13]孙慧,朱俏俏.中国资源型产业集聚对全要素生产率的影响研究[J].中国人口·资源与环境,2016,26(1)∶121-130.

[14]张晓燕.金融产业集聚及其对区域经济增长的影响研究[D].济南：山东大学硕士学位论文,2012.

[15]郭悦,钟廷勇,安烨.产业集聚对旅游业全要素生产率的影响——基于中国旅游业省级面板数据的实证研究[J].旅游学刊,2015,30(5)∶14-22.

[16]王凯,易静,肖燕,等.中国旅游产业集聚与产业效率的关系研究[J].人文地理,2016,31(2)∶120-127.

[17]张广海,汪立新.我国旅游产业集聚与全要素生产率关系研究[J].商业研究,2016,(11)∶186-192.

[18]刘建国,李国平,张军涛,等.中国经济效率和全要素生产率的空间分异及其影响[J].地理学报,2012,67(8)∶1069-1084.

[19]唐晓云.中国旅游经济增长因素的理论与实证研究[D].天津：天津大学硕士学位论文,2007.

[20]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,2008,63(4)∶417-427.

[21]黄秀娟.中国旅游产业经济增长的因素贡献分析[J].技术经济,2009,28(7)∶67-72.

[22]左冰.中国旅游经济增长因素及其贡献度分析[J].商业经济管理,2011,(10)∶82-90.

[23]饶品样.中国旅游产业增长的技术因素及其贡献分析[J].郑州大学学报(哲学社会科学版),2012,45(4)∶69-72.

[24]宋子千,韩元军.中国旅游产业的增长方式与面向现代服务业的转型——基于2005—2009年22个旅游城市面板数据的实证分析[J].经济地理,2013,33(10)∶163-167.

[25]罗浩,颜钰荛,杨旸.中国各省的旅游增长方式“因地制宜”吗?——中国省际旅游增长要素贡献与旅游资源比较优势研究[J].旅游学刊,2016,31(3)∶43-53.

[26]Arellano M,Bover O.Another Look at the Instrumental Variable Estimation of Error-components Models[J].Journal of Econometrics,1995,68(1)∶29-51.

StudyonRelationshipofChina′sTourismIndustryAgglomeration,TotalFactorProductivityandTourismEconomy

GAO Jun,ZHANG Lin-lin
(Department of Tourism Management,Ocean University of China,Qingdao 266100,China)

Industrial agglomeration and total factor productivity were important drivers to improve the quality of tourism economy development in China and which were helpful to realize the sustainable development for tourism economy.This paper firstly deduced the relationship among tourism industry agglomeration,total factor productivity and tourism economy in theory.Secondly,based on the panel data of 30 provinces in China from 2001 to 2014,using location entropy index and DEA-Malmquist model to measure the condition of industrial agglomeration and total factor productivity for tourism in China.Finally,the influence of industrial agglomeration on tourism economy and its mechanism were analyzed emphatically through systematic generalized moment estimation method.The results showed that the level of tourism industry agglomeration was not high.And the total factor productivity increased positively but with slow growth speed.Also,the technical efficiency was negative growth,which embodied the extensive characteristics of the tourism industry development.The tourism industry had a positive effect on the tourism economy.The increase of total factor productivity in tourism played an mediating role in the process of industrial agglomeration promoting economic development,but the driving force of total factor productivity was weak.In addition,according to the control variables for four models, it could draw some conclusions.Capital investment,human capital,regional economic development,infrastructure,the level of opening to the outside world had significant positive effects on the tourism economy.Government intervention had a significant negative effect on the tourism economy.Capital investment had a significant negative effect on total factor productivity,and the effect of human capital was significant positive.

tourism industry;industrial agglomeration;total factor productivity;tourism economy;mediating role

10.3969/j.issn.1005-8141.2017.08.021

F592.3

A

1005-8141(2017)08-1005-06

2017-06-11；

2017-07-23

国家社会科学基金青年项目(编号:12CGL059);中国博士后科学基金项目(编号:2015M580612)。

及通讯作者简介：高俊(1992-),男,山东省青岛人,硕士研究生,主要研究方向为旅游规划与开发。