基于结构方程和GM(1,1)模型的我国旅游业与经济增长关系实证研究

樊丹 史晋娜

摘要：文章系统收集了2007～2016年中国大陆地区31个省份的面板数据，运用结构方程和GM（1，1）模型，定量分析了旅游业对经济增长的直接与间接影响力路径及系数演变趋势。研究结果显示：旅游业的发展对经济增长具有显著正向影响，其直接效应和产业关联效应呈现曲线增长的趋势;目前交通便利度对经济增长呈现负向影响，但从整体趋势来看，注重发展交通网络，将使旅游业在未来一段时间较大幅度的带动国民经济的增长。

关键词：旅游业;经济增长;结构方程模型;GM（1，1）模型

随着旅游业的飞速发展，其在国民经济中的地位和作用受到社会各界的广泛关注，被看作是新的经济增长点。截至目前，全国已有22个省份将旅游业确立为战略性支柱产业或支柱产业。旅游业与经济增长关系的研究及预测对于把握旅游业的发展方向、促进国民经济增长具有重要的意义。

国内外学者针对旅游业与经济增長的关联性进行了大量的研究。Ghali（1976）运用普通最小二乘法对旅游业促进经济增长进行了实证研究。吴国新（2003）对我国旅游业与经济增长进行了相关分析，结果表明旅游发展促进了国民经济的快速增长;朱葛（2012）对大连市旅游业发展和经济增长的研究中得出，存在从旅游业到经济增长的单向因果关系。可以看出，对于旅游业和经济增长关联性的研究而言，国内的一些研究主要从定量分析的角度验证了旅游业的发展有效地促进了国民经济的增长。

目前研究旅游业与经济增长之间关系所面临的现实难题是：旅游业对经济增长影响力的衡量指标是什么？如何建立一个有效的度量二者关系的指标体系？旅游业对经济增长影响力系数的变化趋势是怎样的？旅游业是如何带动其他相关产业发展，从而有效地促进区域经济增长的？上述四个问题的有效解决，有赖于旅游业及其他相关产业对经济增长的有效度量;明确旅游业及其他相关产业对于经济增长的作用机制。本文拟选取2007～2016年我国31个省份的经济增长、旅游业发展、创汇效应、产业关联效应等方面的指标数据，从旅游业与经济增长的影响路径角度入手，运用PLS结构方程模型，实证旅游业对经济增长的影响，定量度量其影响力系数;并在此基础上，运用灰色均值GM（1，1）模型对影响力系数进行预测;有针对性地提出对策建议，旨在为进一步加快旅游业发展提供决策参考。

一、模型原理与方法

（一）PLS结构方程模型原理分析

结构方程模型是一种可以将测量与分析整合为一的综合性计量研究技术，它的假设因果关系建立在一定的理论基础之上，通过分析来验证假设模型中观测变量、潜在变量之间的关系，进而获得自变量对因变量的直接效果、间接效果或总效果。相对于解决“硬性模型”的LISREL方法而言，基于偏最小二乘路径的建模方法（简称PLS建模方法），对数据分布要求较低，在小样本量情况下进行的路径分析结果更为理想。因此，对于考察旅游业对经济增长的影响路径，PLS建模方法更符合调查数据的客观条件。

（二）PLS结构方程模型建模方法

1. 测量模型

每一个观测变量与其对应的潜在变量相关联，它们之间的关系可以通过一个线性回归方程式表示。采用反映性指标的测量方程为：

xjh=λjhζj+εjh（1）

式（1）中，xjh为观察变量，λjh为因子负荷，εjh为随机误差项。

2. 结构模型

结构模型又可称之为因果模型，描述的是不同的潜变量之间的因果关系，方程形式为：

（三）灰色预测GM（1，1）模型

1. GM（1，1）模型原理

在灰色系统理论中，GM（1，1）模型由于其计算简单、结果精准，使其成为了经济预测中应用非常广泛的一种预测模型，它是将无规律的原始数据进行叠加使数据具备指数规律，再由生成模型得到的数据进行累减后得到原始数据的预测值。

2. GMGM（1，1）模型建模过程

（1）对原始序列数据进行叠加，生成原始序列的紧邻均值数据;

（2）建立一阶微分拟合方程：

（3）通过发展系数与灰色作用量数值给出响应方程，对方程进行模拟得到相对误差。

（4）应用相对误差法对模型进行检验与预测。

二、PLS结构方程模型构建与研究假设

（一）结构概念模型框架

邓祝仁（1998）以桂林旅游业的发展为例。认为旅游业的发展不仅可以带动当地经济的发展，提高当地的知名度，而且还可以带动当地交通运输业、邮电业等产业的发展，以及为当地提供许多就业机会;高楠（2014）通过研究旅游产业与区域经济的耦合关系，得出旅游业在增加外汇收入、提供就业岗位、带动相关产业发展等方面推动国民经济增长。

借鉴国内学者的有关旅游业与经济增长关系的研究结果，以狭义旅游业为研究对象，选择旅游业发展、创汇效应、产业关联效应、收入效应、就业效应5个指标来反映旅游业对经济增长的直接与间接的影响力水平，结构概念模型框架构成见图1。

（二）量化指标体系

根据Norbert Vanhove（2011）的研究成果，区域旅游资源条件、旅游基础设施、市场需求及政府旅游政策制度是影响旅游经济发展的关键要素，这些要素之间还存在着相互联系和作用。查建平（2018）选择以旅游产业劳动力、旅游产业资本、旅游资源禀赋作为投入指标，研究得出全要素生产率是推动中国旅游经济增长的主要源泉。依据结构概念模型框架，考虑进行定量分析的适合性，对潜在变量的量化指标体系选择情况如表1所示。

（三）研究假设

依据结构概念模型框架和量化指标体系（图1、表1），本文提出以下研究假设：H1：旅游业发展对经济增长有直接的正向促进作用;H2：旅游业发展对收入效应有直接的正向促进作用;H3：旅游业发展对就业效应有直接的正向促进作用;H4：旅游业发展对创汇效应有直接的正向促进作用;H5：旅游业发展对产业关联效应有直接的正向促进作用;H6：产业关联效应对创汇效应有直接的正向促进作用;H7：创汇效应对经济增长有直接的正向促进作用。结构方程模型情况如图2所示。

（四）数据来源说明

本文选取2007～2016年我国31个省（自治区、直辖市）为研究对象，根据表1所建立的23个量化指标进行数据收集与整理。数据主要来源有：1.综合年鉴：《中国统计年鉴》（2008～2017），各地方年鉴（2008～2017）;2.专业统计年鉴：《中国旅游统计年鉴》（2008～2017）;3.理论估算：对个别残缺数据，借鉴已有的各地政府统计公报的数据，依据历年平均增长率进行推算后对指标予以赋值。

三、模型实证与预测

运用德国汉堡大学开发的SmartPLS3.2.6软件，以获得的2007～2016年我国31个省份指标数据为依据，经过多次运算对模型进行修正、检验，得到2007～2016年的路径分析图，并以此为基础，应用GM（1，1）模型对路径系数进行残差修正和检验，最终合理地预测2017～2020年旅游業对经济增长的各项影响力系数。

（一）检验测量模型

1. 信度检验

信度指标主要用来衡量测量工具的可信度或稳定性。信度指标越高，测试结果越可信，越能反映实际情况。通常采用Cronbachs Alpha值作为衡量内部一致性信度的指标，以Composite Reliability（CR）值作为衡量组成信度的指标。

Cronbachs Alpha的门槛值为0.7，经SmartPLS3.2.6软件测算，本模型中所有潜变量的Alpha值范围是0.813～0.964，均超过0.7，表明本模型的测量指标具有良好的信度。具体数值如表2所示。

Composite Reliability（CR）的门槛值为0.7。本研究所用到的8个潜变量的CR值均超过门槛值，表明本研究的测量指标具有良好的内部一致性。具体数值如表2所示。

2. 收敛效度与区别效度检验

测量模型的效度检验包括：收敛效度与区别效度。收敛效度主要参考平均方差提取率 （Average Variance Extracted），简称AVE值。Shiau & Luo（2013）建议AVE门槛值为0.5，由表2的AVE值可看出，本研究具有良好的收敛效度。

区别效度主要用来判别变量之间的差异程度，判别时一方面要求模型具有良好的收敛效度，另一方面需要模型的AVE的平方根大于其他潜变量的相关系数。研究的数值如表3所示。可以看出，本模型具有良好的收敛效度与区别效度。

3. 解释能力检验

评价模型的解释能力需要考虑多重判定系数值，它主要反映模型的预测能力。R2值越大，说明外衍潜变量对外在内因变量的解释能力越强。具体数值见表4。可以看出，在本文构建的模型中，模型解释能力良好。

（二）检验结构模型

在SmartPLS3.2.6环境下，通过PLS Algorithm算法估计出模型路径标准化系数，并以Bootstrap算法得到的统计量t值来检验路径系数的显著性水平，从而接受或者拒绝原假设。在本文的结构方程检验中，当t值>1.96时，表示路径系数已达到α值为0.05的显著性水平，接受原假设，否则拒绝原假设。

如表5所示，旅游业影响经济增长的路径系数为0.412（t=2.708），这个数据表明旅游业发展对经济增长有着显著正向影响，接受假设H1。旅游业发展影响收入效应和产业关联效应的路径系数分别为0.880（t=33.973）、0.870（t=23.088），说明旅游业发展在增加收入及产业关联方面有显著促进作用，接受假设H2与H5。旅游业发展影响创汇效应的路径系数为-0.478（t=2.610），表明目前旅游业发展对创汇效应存在负向影响，与原假设矛盾，故拒绝原假设H4。

（三）影响力系数预测

依据2007～2016年的路径分析图（由于篇幅限制，本节中仅列出2007与2016年的路径分析图，如图3、图4所示），建立GM（1，1）模型对原始数据进行残差检验，得出旅游业对经济增长的直接与间接路径系数检验数值，计算结果见表6。

四、经济意义解释

（一）“旅游业促经济增长”机制

1. 直接影响机制及趋势预测

潜在变量到结果变量的路径系数用来衡量由潜在变量到结果变量的直接影响力系数。如图3所示，旅游业发展变量到经济增长变量的路径系数为0.487，这个数据表明，旅游业每提高1%，相应的促进经济增长提高0.487%。为进一步证实旅游业的发展对经济增长具有积极的推动作用，我们将2007～2020年旅游业对经济增长的影响力系数变化趋势绘制成图，如图5所示，其中实线部分为实证路径系数值，虚线为预测值。旅游业发展对经济增长的直接影响力系数，由2007年的0.487变化至2020年的0.434，在经过2014年的高质量的影响之后，直接带动作用逐步放缓，但从总体趋势来看，旅游业对经济增长的促进作用呈现曲线形式的增长。

2. 间接影响机制及趋势预测

除对经济增长的直接效应外，旅游业可通过产业关联效应对经济增长产生间接的效应，从图5与图6可以看出，工业、建筑业、金融业对经济增长的促进作用呈现稳步增长的方式，随着旅游业发展的深入，旅游业通过产业关联效应将大幅度增加经济收入，带来间接的经济效应。虽然目前创汇效应对经济增长呈现负相关，但变化逐渐平缓，可见在创汇效应方面有着巨大的市场潜力，适当提高旅游业的创汇能力，势必在未来一段时间获得回报。

（二）“旅游资源丰度促经济增长”机制及趋势预测

探讨旅游业与经济增长的发展问题，旅游资源丰度是一个绕不开的话题。旅游资源丰度对经济增长的影响因子，由2007年的0.443变化至2016年的0.351呈显著正相关，但可以由图7看出，旅游资源丰度对经济增长水平的影响力系数正缓慢减弱，适当减弱对传统旅游资源的依赖、丰富旅游吸引物、进入旅游资源多元模式，才能保证经济的持续增长。

（三）“交通便利度促经济增长”机制及趋势预测

由图7可以看出，由于2007～2009年我国整体交通与旅游业的协调水平整体偏低，导致交通便利度对经济增长的水平呈现负相关效应，但可以看出，在2016年之后对经济增长的作用效果逐渐增大。因此在旅游业发展的过程中，注重发展交通网络，在拓宽旅游业的空间服务范围方面带动经济增长具有长远的意义。

五、研究结论

由于旅游业对经济增长的影响力是一个受多种潜在因素影响的综合性指标，采用其他模型无法全面衡量潜在的指标数据，因此本文构建了基于潜变量的结构方程模型，主要对影响经济增长的直接与间接路径进行了实证研究。研究结果显示，旅游业在其直接作用、产业关联效应、旅游资源丰度方面对经济增长均有显著的正向影响;在此基础上，采用GM（1，1）模型对经济增长的路径系数进行了残差检验和合理预测，以此来保证预测结果的准确性和可靠性。根据预测结果可以看出，旅游业对经济增长的直接效应与总效应呈现曲线增长的趋势，在未来一段时间持续带动国民经济的增长;旅游资源丰度对经济增长呈现显著正向影响，但影响力趋势逐渐平稳;虽然目前交通便利度对经济增长呈现负向影响，但从整体趋势来看，注重發展交通网络，提高交通便利度，在拓宽旅游业的空间服务范围方面带动经济增长具有长远的意义。

参考文献：

[1]Ghali M A. Tourism and economic growth： An empirical study[J].Economic Development and Cultural Change，1976（03）.

[2]吴国新.旅游产业发展与我国经济增长的相关性分析[J].上海应用技术学院学报，2003（04）.

[3]朱葛，李悦铮.大连市旅游业发展与经济增长关系研究[J].资源开发与市场， 2012（09）.

[4]吴明隆.结构方程模型-SIMPLIS的应用 [C].重庆大学出版社，2012（07）.

[5]邓祝仁.旅游业对经济社会发展的促进作用及相关问题——以桂林旅游业的发展为例[J].旅游学刊，1998（04）.

[6]高楠，马耀峰.旅游产业与区域经济耦合关系的时空差异——基于中国省级面板数据的实证分析[J].陕西师范大学学报（自然科学版），2014（05）.

[7]Norbert Vanhove. Competition and the tourism destination[J].The Economics of Tourism Destinations，2011（05）.

[8]查建平，贺腊梅.中国旅游产业关联效应及其分解——基于投入产出分析的实证研究[J].山西财经大学学报，2018（04）.

[9]国家统计局.中国统计年鉴（2008～2017）[M].中国统计出版社，2008～2017.

[10]国家统计局.中国旅游统计年鉴（2008～2017）[M].中国旅游出版社，2008～2017.

[11]Hair J F， Black W C. Multivariate data analysis（7th ed.）[C].Englewood Cliffs： Prentice Hall，2010.

[12]Shiau Wen-Lung， Luo M M， Continuance intention of blog users： the impact of perceived enjoyment， habit， user involvement and blogging time[J].Behaviour &Information Technology，2013（32）.