中国文化产业与旅游业发展的交互动态响应分析

徐翠蓉，张广海

（1.青岛大学 旅游与地理科学学院，山东 青岛 266031；2.中国海洋大学 管理学院，山东 青岛 266100）

0 引言

近年来，文化旅游作为旅游活动和研究热点越来越受到人们的关注。在实践发展中，世界各国纷纷将文化产业与旅游业跨界整合，互相借力，极大地促进了本国第三产业以及整个国民经济的繁荣发展[1]。当前我国旅游业发展已经进入到一个新的阶段，旅游的形式和内容正在发生重大变化。文化的多样性及差异性使得旅游丰富多彩，旅游业充分的开放性和包容性使其具有与其他产业融合发展的突出特征。文化产业与旅游业的融合发展，是两产业发展的必然趋势，对两产业供给侧改革也具有重要意义。

文化产业与旅游业的互动关系不仅引起了各国政府的高度重视，学者们对两大产业关系的研究也逐渐增多，研究内容也较为丰富[2-10]。通过对已有文献的梳理发现，目前学术界对文化产业发展与旅游业增长之间的动态作用关系研究涉及较少，对文化产业和旅游业发展互动响应机制缺乏深入研究。鉴于此，本文以2004—2015年间两大产业发展的相关指标和数据为样本，运用计量经济学模型实证检验文化产业与旅游业发展之间的动态效应，并分析其作用机理。

1 模型设定、变量选取和数据说明

1.1 模型设定

西姆斯于1980年引入向量自回归模型（VAR），使动态性分析在经济理论应用过程中得以拓展。向量自回归模型通过对系统中全部内生变量滞后项进行回归，估计他们之间的动态作用关系，该模型无需对变量做任何先验性的约束，是一种非理论模型。VAR模型通过捕捉来自随机扰动项的一个标准差冲击对内生变量当前和未来期的影响，解释来自各种经济波动对经济变量构成的影响，多用于时间序列系统之间关系的分析及预测。VAR模型的数学表达式为：

式（1）中，yt是k行内生变量列向量，xt是d行外生变量列向量，其中p为滞后阶数，t是样本期数。k行k列的矩阵ϕ1,…,ϕp和k行d列的矩阵B是待估计的系数值矩阵。εt是k行扰动列向量，假定∑为εt协方差型的矩阵，而且为一个k行k列的正定型矩阵[11]。

1.2 变量选取及数据说明

根据文化产业和旅游业发展的实际统计数据，分别选择实际文化产业增加值（RCI）和实际国内旅游总收入（RTI）作为文化产业和旅游业发展的代理变量。本文选择2004—2015年我国文化产业增加值序列数据作为文化产业发展的代理变量，数据来源于2005—2015年的中国文化文物统计年鉴及2015年文化产业统计公报。从我国旅游业发展实际来看，国内旅游早已经成为我国旅游业发展的主体，故选取国内旅游收入作为旅游业发展的代理变量。相应的旅游统计数据主要来自2005—2015年的中国旅游统计年鉴及2015年旅游统计公报。计量分析中引入的名义价格指数等指标，其数据主要来自各年的中国统计年鉴。为了保证数据的可比性，对原始数据做如下处理:实际文化产业增加值通过引入历年居民价格指数对历年的文化产业增加值进行折算得来的，实际国内旅游收入的核算也是引入了历年居民价格指数，然后对历年的国内旅游收入进行折算得来。为了消除在时间序列中存在的异方差，对数据RTI、RCI分别取对数处理，记作LNRTI、LNRCI。DLNRTI、DLNRCI和 D2LNRTI、D2LNRCI分别代表LNRTI、LNRCI的一阶差分和二阶差分。

2 实证分析

运用Eview 6.0软件，对两个时间序列进行描述性统计分析，绘制变量LNRTI、LNRCI及差分变量DLNRTI、DLNRCI的时序图（见图1）。由图1可知，两原始变量LNRTI、LNRCI具有向上发展趋势和常数项，说明两变量均为非平稳时间序列，从一阶差分图来看，两个变量的一阶差分DLNRTI、DLNRCI的时间趋势消失，进一步对变量做ADF单位根检验判断其平稳性。

图1 变量LNRTI、LNRCI及一阶差分DLNRTI、DLNRCI时序图

2.1 序列数据的平稳性检验

时间序列数据的平稳性是构建VAR模型的前提条件，这里首先运用ADF检验法对两列数据的平稳性进行检验。用Eviews 6.0对数据进行单位根检验，结果如表1所示。

表1 变量平稳性检验结果

由表1可知，变量LNFDTI、LNFCI的原数据系列检验P值均大于5%的显著性水平，说明存在单位根。一次差分序列后仍然没能通过5%显著性水平下的检验，二次差分后，两列数据在1%的显著性水平下通过了平稳性检验。可以判断这两个序列均为二阶单整序列，同阶单整符合构建VAR模型的前提条件，但在构建模型前还需对数据进行协整检验来考察二者之间是否存在长期协整关系。

2.2 协整检验

检验变量间协整关系的方法有E-G两步法和Johansen极大似然法。E-G两步法是用来检验两变量之间协整关系的一种简便方法。这里采用E-G两步法检验文化产业增加值LNRCI与国内旅游总收入LNRTI之间的协整关系。按照协整检验模型要求，首先需要利用最小二乘法（OLS）构建回归方程，这里以文化产业为解释变量，旅游业增长做为被解释变量，用Eviews 6.0软件对数据进行运算，回归方程估计结果为：

由上述检验结果可知，回归方程的拟合优度R2达0.989352，调整后的R2为0.988287。说明模型估计与实际值拟合地较好，方程设立合理，解释能力较强。为进一步考察变量间的是否存在长期协整关系，对方程的残差进行ADF单位根检验，结果如表2所示。

表2 方程残差序列单位根检验结果

由表2残差序列单位根检验结果可知，回归方程的残差序列在1%的显著水平上通过了检验。这说明所构建的回归方程残差序列平稳，方程设立比较合理，文化产业与旅游业发展之间存在长期稳定的协整关系，符合构建VAR模型的条件。

2.3 VAR模型构建及稳定性检验

为分析文化产业与旅游业发展的相互驱动效应及其路径，这里构建VAR模型来估计二者的交互动态作用关系。滞后阶数P的确定是建立VAR模型的前提条件，确定滞后阶数的方法有赤池信息准则（AIC），施瓦茨信息准则（SC）、似然比统计量（LR）等，通常根据AIC和SC取值最小原则，并结合似然比统计量（LR）来确定滞后阶数。向量自回归模型中滞后期通常和自由度相关联，滞后期越大，待估参数越多，自由度越少[12]。本文根据赤池信息准则（AIC）和施瓦茨（SC）信息最小化原则并结合似然比（LR）的值检验来确定滞后阶数，选择最优滞后期为2，运用Eviews 6.0软件对实际文化产业增加值（LNRCI）、实际国内旅游总收入（LNRTI）数据进行整理分析，对变量估计结果如表3所示。

表3 VAR模型估计及检验结果

回归方程估计结果为：

由表3可知，实际文化产业增加值（LNRCI）估计方差R2为0.997029，调整后的方差R2值分别为0.994652;实际国内旅游总收入（LNRTI）模型估计方差R2为0.987726，调整后的R2值为0.977906，其他统计量也在合理区间，说明此向量自回归模型方程设立合理，方程具有较强的解释力，可以判定VAR模型在理论上成立。由方程（1）和方程（2）可知，文化产业发展滞后一期对文化产业自身和旅游业发展影响非常显著，旅游业发展滞后一阶对文化产业发展和旅游业自身发展也有显著影响，但影响作用要小于文化产业发展滞后一阶对二者的影响。这种影响关系仅反映了短期内两变量冲击对自身及彼此的影响，为了考察未来变化时期内两变量对自身及对方冲击的影响，需要引入脉冲响应分析，以判断LNRTI、LNRCI两变量之间的交互作用及长期动态趋势。

VAR模型的稳定性检验是脉冲响应分析的前提。若VAR模型中所有单位特征根的倒数模均小于1，表示模型稳定；反之，如果单位特征根倒数模大于1，则模型不稳定。从图示来看，检验结果中若所有单位根倒数模在单位圆内，表示模型稳定，说明VAR模型估计结果与实际情况拟合良好，模型具有较强的解释能力。对以LNRTI、LNRCI两变量所构建的VAR模型进行稳定型检验，结果如图2所示。由图2可知，方程所有单位特征根倒数的模都在单位圆内，说明构建的VAR模型稳定，可以进行脉冲响应分析。

图2 VAR模型稳定性检验

2.4 脉冲响应分析

脉冲响应函数常用于分析时间序列模型中变量的影响关系，可以显示来自系统中任何一个新信息的一个标准差冲击对变量当前和未来的响应程度及影响轨迹，以衡量随机扰动项一个标准差冲击对内生变量当前和未来的影响，故脉冲响应分析能够相对直观地描述变量之间的动态交互效应。这里以建立的VAR模型为基础，分别给LNRCI、LNRTI两个变量一个标准差冲击，根据AIC和SC原则，将冲击响应期设为10期，考察未来10期内文化产业与旅游业发展之间的交互动态响应路径。脉冲响应结果如图3和图4所示。图中，横轴表示冲击作用的滞后期数，纵轴表示两变量对自身冲击及对方冲击的响应程度；实线表示脉冲响应函数，虚线表示正负两倍标准差偏离带。

图3 旅游业发展对自身及文化产业冲击的脉冲响应路径

图4 文化产业对旅游业发展及自身冲击的脉冲响应路径

图3中左图显示了旅游业在自身一个标准差单位冲击后的脉冲响应路径。由图可知，旅游业对自身冲击的脉冲响应是正向的。并且这种冲击效应在1期时达到最大，随后缓慢下降，至第5期后作用不断减弱，逐渐趋向于0。这说明旅游业对自身冲击的反应具有正向作用，这种作用在最初两期达到最大，后随时间的推移逐渐减弱，直至消失。图3中右图显示了旅游业对文化产业一个标准差单位的冲击后的脉冲响应路径。由图可知，旅游业对文化产业一个标准差冲击后反应第1期为0，即初期无响应，随后反应迅速增强，在第4期达到峰值，在随后4—6期保持了较强的正向作用，接着缓慢下降，但仍然具有较强的正向作用。这种冲击结果的出现符合我国旅游业与文化产业发展的互动路径和模式。旅游业自身产业投资增加、旅游基础设施的不断完善会迅速反映到旅游业发展当中，使旅游业接待能力迅速提高，旅游吸引力增加，但这种效果会随着时间的推移而逐渐减弱。而文化产业对旅游业发展的正向冲击作用超过了旅游业对自身的作用，文化产业基础设施建设、文化市场的扩大和繁荣均对旅游业产生强烈的正向冲击，并且旅游业对文化产业冲击的响应作用稳定持久。在旅游发展实践中常常发现，一个文化底蕴深厚、地方传统文物、传统文化遗产丰富的旅游目的地，其生命周期往往因文化内涵的不断挖掘和文化资源的深度开发而得以延长。由此可见，文化产业是推动旅游业发展的重要基础。

图4中左图表示的是文化产业对旅游业一个标准差冲击后的脉冲响应路径。由图可知，文化产业对旅游业冲击响应路径一直为正，在第2期达到最大，之后缓慢下降，逐渐趋向于0，说明旅游业发展对文化产业发展具有正向促进作用，这种正向促进作用随着时间的推移而逐渐减弱直至消失。图4中右图表示的是文化产业对自身一个标准差冲击的反应。由脉冲响应曲线可以判断，文化产业对自身冲击的响应在第1、2期较为平稳，之后迅速放大，在3—5期影响作用最大，自第6期开始缓慢下降，但正向作用会持续较长周期。表明文化产业对自身冲击会产生正向响应，且这种正向响应非常显著，持续效应较长。结合图3和图4可知，文化产业对旅游业和自身冲击均产生正向响应，作用稳定且持续时间较长。

2.5 方差分解

脉冲响应函数描述了向量自回归模型中一个内生变量的一个标准差冲击给其他内生变量所带来的影响。为了进一步分析内生变量的冲击对内生变量变化贡献度，从而评价不同内生变量的重要性以及各变量的动态特征，这里引入方差分解，方差分解可以给出对于每一个VAR模型中的变量产生的每个随机项的相对重要的信息。

文化产业和旅游业发展变化的方差分解值如表4所示。由数据可知，旅游业对自身的贡献率在第1期为100%，在第2期迅速下降至72.76768%，之后几期下降速度仍然较快，在第9、10期上逐渐趋于稳定，至第10期下降为28.34304%；从文化产业对旅游业波动的贡献率来看，文化产业对旅游业波动的贡献率在第2期后呈现快速上升的态势，在第10期达到71.65696%。这说明随着滞后期的延长，文化产业对旅游业波动的影响呈现稳步上升、持续增长态势，且具有增幅逐步扩大的特点。可见，在旅游业发展的影响因素中，文化产业的发展变化对其贡献十分显著，并且影响持续周期长、作用大。这一检验结果说明，文化产业对旅游业发展具有重要的推动作用，文化投资增加、文化市场的繁荣、文化产品的不断丰富有利于推动旅游供给侧改革，改变现有的旅游业发展模式，极大地推动旅游业的发展。

在文化产业的变动中，旅游业对文化产业变动的贡献率在第1期开始就达到了19.41097%，在之后的第2期达到53.56544%，随后影响作用逐渐减弱直至消失；文化产业对自身的贡献率在第1期达80.58903%，第2期突然下降后又逐渐回升，在第10期升高至83.01559%。由此可见，在文化产业变动的影响因素中，旅游业的贡献率同样不可轻视，尤其是在滞后2、3、4期的水平上贡献率较大，这符合旅游发展中热点转换快、旅游活动敏感性强的特点。旅游热门事件、新兴旅游活动和旅游产品对文化产业发展的影响会在较短期内迅速反映出来，体现了旅游业对文化产业发展的引导作用。

表4 LNRTI、LNRCI的方差分解结果

3 结论和启示

与以往侧重研究文化产业与旅游业的耦合关系不同，本文以中国文化产业增加值和国内旅游收入作为研究变量，运用向量自回归（VAR）模型、脉冲响应和方差分解，探讨了文化产业和旅游业发展之间的相互驱动作用和响应路径，得到如下结论：

（1）文化产业对旅游业发展的正向影响非常显著，影响作用稳定持久。这说明文化是旅游业发展的基础，也是旅游业赖以生存的土壤。文化产业对旅游业发展具有持续的推动作用。

（2）旅游业对文化产业发展的正向冲击作用先强后弱，文化产业对于旅游业的冲击效应会在短期内迅速显现出来，但随着时间推移，这种作用逐渐减弱直至消失。

（3）文化产业和旅游业发展关系密切，相互驱动效应显著，文化产业和旅游业对解释对方发展都具有重要的作用。但目前来看，我国文化产业和旅游业的互动效应体现还不充分。因此，一方面应加大文化产业发展力度，积极促进我国文化资源、文化遗产的旅游开发，充分发挥文化产业在促进旅游发展中的基础性作用；另一方面，还应引导城镇居民的旅游文化需求向多层次、多样化转变，发挥旅游业带动文化产业发展中的引擎作用；最后，在产业发展规划、政策扶植方面应充分发挥政府的协调作用，促进两大产业的协同发展。