环云南地区入境旅游与经济发展的空间溢出及门槛效应

范嘉琪

(宜春市人才交流中心，江西 宜春 336000)

关于入境旅游与经济发展的关系，国内外有不少学者进行了相关研究。在国外，如Marin研究发现，如果旅游对经济表现较强的外在性时，旅游(包括入境旅游)将对经济具有促进作用[1]。LEE C等研究认为，无论是国内旅游还是入境旅游均是促进经济增长的积极因素，对经济增长发挥着较大的作用[2]。Tosun研究发现，入境旅游收入在一定程度上促进了经济的发展，其占GDP的比率也意味着其在经济中的贡献率[3]。在国内，也有不少学者进行了相应的研究。如马寅虎从三个阶段分析了中国近代入境旅游的发展，深入剖析了入境旅游不仅可以改善和增加旅游接待设施，而且直接增加了地区旅游收入[4]。柳思维等研究发现，入境旅游与我国经济增长存在着长期均衡关系，入境旅游对国内旅游的弹性达到了1.02，是国内旅游的格兰杰原因[5]。张丽峰根据1978-2006年间样本数据与空间状态模型，深入分析了入境旅游与我国经济增长的关系，研究发现：我国经济增长和入境旅游存在着动态的协整关系[6]。张晨研究发现，上海入境旅游收入与GDP存在着长期均衡关系，上海入境旅游每增长1个百分点，将拉动经济增长0.93个百分点，且入境旅游是经济增长的格兰杰原因[7]。鹿磊等以1985-2006年统计数据为样本，采用协整检验与格兰杰因果分析，研究发现：黑龙江经济增长与入境旅游之间存在着协整关系，且两者互为格兰杰原因[8]。

关于我国云、贵、川、渝、藏、桂地区入境旅游与经济发展的研究，国内日益增多。刘宏盈通过研究上海与西部旅游经济发展强度联系发现，与陕西的联系强度最高，其强度达到了193，其余依次是四川(169)、云南(126)、重庆(93)、广西(90)和内蒙(50)[9]。唐仲霞等基于入境旅游共生关系研究发现，青海的入境旅游对促进西藏的入境旅游影响相对较大，然而西藏的入境旅游却对青海的入境旅游影响却较小[10]。严伟宾运用面板模型研究发现：不同地区的入境旅游对经济增长的溢出效应不同，有利于北京、广东、河北、安徽、内蒙古、四川、贵州等地区的经济发展，但不利于天津、上海、云南、重庆等地区的经济发展。同时，不少学者从集聚效应探讨入境旅游经济之间的相关性[11]。马耀峰等研究发现，四川入境旅游流的空间场效应表现逐渐增强的变化趋势，且辐射效应明显弱于其集聚效应；在入境旅游上，四川重点要加强与北京、上海、广东、云南、陕西、江苏的合作，构建环渤海区域旅游通道，从而实现其入境旅游空间结构优化[12]。刘宏盈等研究发现，云南入境旅游流有46.169%是从长三角、京津冀、珠三角中转扩散而来。其中云南最大入境旅游扩散地为京津冀地区，其次为长三角地区，再次为珠三角地区[13]。翁瑾研究发现，旅游业的发展，入境旅游正日益由传统的热点区域已逐渐扩散到了云南等传统旅游的边缘区域，云南正日益成为与桂林、西安相当的新的入境旅游集聚之中心[14]。李创新等研究发现，云南省入境旅游流集聚和扩散的主要“二次客源地”为北京、上海、广东、四川、广西、陕西、重庆，其中，云南省向广东、上海、广西扩散入境流的能力略大于上海、广东、广西集聚入境旅游流的能力，云南省向北京、四川、陕西、重庆扩散入境流的能力略小于从北京、四川、陕西、重庆集聚入境旅游流的能力；云南省向贵州扩散入境流的能力显著小于从贵州集聚入境旅游流的能力；全国其他地区对云南省入境旅游流的集散影响相对较小。四川省入境旅游流扩散和集聚地为北京、上海、广东、云南、西藏、重庆。四川省向北京、上海、重庆、西藏扩散入境流的能力略大于从北京、上海、重庆、西藏集聚入境旅游流的能力，四川省向广东、云南、湖北、陕西扩散入境流的能力略小于从广东、云南、湖北、陕西集聚入境旅游流的能力，全国其他地区对四川省入境旅游流的集散影响相对要弱[15]。王淑新以1996-2009年统计数据为样本，研究发现：我国入境旅游具有分散化趋势，主要是由于旅游投资、旅游资源、改革开放的推动作用所造成的[16]。王俊等以运用社会网络分析法实证了我国省际空间旅游经济发展的空间结构特征及其效应[17]。

综上所述，我们不难发现，目前大多文献是从时间维度来实证分析入境旅游与经济发展的关系，很少考虑到入境旅游与经济发展之间是否存在着空间维度的异质性特征。根据地理学第一定律，经济变量通常具有空间上的相关性。因此，本文以为在分析入境旅游与经济发展之间的关系时，应该考虑其空间相关性及溢出效应，同时，还应考虑到入境旅游对经济发展是否存在门槛效应。由于云南地区正成为新的入境旅游集聚之中心，所以本文以环云南地区(包括云南、西藏、贵州、四川、重庆、广西)为研究样本，探讨六个地区局域范围内入境旅游与经济发展的空间外溢效应及门槛效应，从而为六个地区的入境旅游发展提供参考与建议。

一、研究方法与数据来源

(一)研究方法

1.局域Moran′I。

我们常常采用莫兰指数(Moran′I)来计算变量的空间相关性，其公式为：

Moran′I=C/D

(1)

Moran′I的取值为[1，1]。若Moran′I=0，则变量无空间相关性；若Moran′I<0，则变量为空间负相关性；若Moran′I>0，则变量为空间正相关。该指数绝对值越大，变量的空间相关性越强，空间集聚性越显著。

2.空间溢出效应计量模型。

经济变量一般具有空间关联性以及异质性特征，从而往往会引起观察值所包括的信息少于空间经济数据独立的假设。因此，为了获取和观察值独立集合几乎同样程度的信息，在空间计量研究中将用到空间格局的有关结构信息。常用的空间计量模型有两种，一种为空间滞后模型(SLM模型)，一种为空间误差模型(SEM模型)：

SLM模型形式为：y=ρWy+Xβ+ε

(2)

其中，ρ表示空间滞后项系数，W表示空间权重矩阵，采用二进邻接标准进行计量，当i、j不相邻，Wij=0，当i、j相邻，Wij=1。ε表示随机误差，β表示y对X的影响系数，SEM模型形式为：

y=βx+ε，ε=λWε+μ

(3)

μ～N(0，δ2I)、ε～N(0，δ2I)

其中，β表示解释变量系数，W表示空间权重矩阵，同样采用二进邻接标准进行计量，λ表示空间误差系数，衡量因变量与自变量的空间依赖作用，ε表示随机误差，μ表示呈正态分布的随机误差。

空间滞后模型和空间误差模型均反映了空间差异性和空间自相关性。在空间溢出实证中，究竟选择哪个模型更合适，Anselin等(1995)提出了以下判定准则：若Lagrange Multiplier(Lag)比Lagrange Multiplier(error)显著性更好，同时Robust LM(Lag)显著而Robust LM(error)不显著，那么就选择SLM模型进行空间溢出效应分析；若Lagrange Multiplier(error)较Lagrange Multiplier(Lag)更加显著，同时Robust LM(error)显著而Robust LM(Lag)不显著，那么就选择SEM模型进行空间溢出效应分析。

3.门槛效应模型。

为了进一步分析经济发展与入境旅游之间的作用机理，本文引入了Hansen(1999)门槛面板模型，通常单一门槛模型的设定如下：

yit=uit+α1xitI(hit≤δ)+α2xit(hit>δ)+eit

(4)

其中，xit表示解释变量，yit表示被解释变量，uit为未观测个体效应，hit表示门槛变量，δ表示门槛值。I(·)表示示性函数，eit～iidN(0，σ2)表示随机干扰项。

则(4)可变为：

yit=uit+α'xit(δ)+eit

(5)

对(5)式去均值可得，

(6)

堆积全部观测值，用矩阵表示(6)式：

Y*=X*(δ)α+E*

(7)

我们可以用线性估计方法估计(7)式在给定门槛值δ情况下的α估计值：

(8)

其残差平方和为：

S1(δ)=Y*'[1-X*(δ)]'[X*(δ)'X*(δ)]-1

(9)

求得参数估计值后，接下来进行门槛效应显著性检验以及门槛估计值与真实值比较。如果存在两个以上(含两个)门槛值时，只需要重复上述过程即可求出。

(二)数据来源

本文的研究数据来自于中国统计年鉴(2007-2018)，以及六个地区的统计年鉴(2007-2018)，并以2006年为基期，对相关数据进行价格处理。

二、环云南地区间入境旅游与经济发展的空间相关性分析

(一)空间相关性检验

本文对2006-2017年的入境旅游收入的空间相关性、入境旅游人数空间相关性进行Moran′I检验，选取Randomization模拟999次检验Moran′I，其结果如表1、表2和表3。

表1显示，2006-2017年，各年入境旅游收入增长率全都呈空间负自相关性，除2013、2014年外，其他各年均通过了1%-10%的显著性水平检验。

表1 2006-2017年各地区入境旅游收入增长率的空间自相关

表2显示，除2014年、2016年入境旅游人数增长率呈弱正自相关性外，其余年份入境旅游人数增长率均呈现空间负自相关性，除2006年、2015年外，其余各年均通过了1%-10%的显著性水平检验。

表2 2006-2017入境旅游人数增长率的空间自相关

表3显示，各年gdp增长率全都呈空间负自相关性，除2007、2008年外，其余各年全都通过了1%-10%的显著性水平检验。

表3 2006-2017年各地区gdp增长率的空间自相关

(二)空间相关模式及地区分布

图1 2006-2017年入境旅游收入平均增长率的Moran’I散点图

经济变量的空间相关模式大体为四种，这里可以用图1、图2、图3来进行说明。第一种模式为高高(High-High)模式，位于第一象限，表示高增长区域与高增长区域相互包围，又叫增长热点区；第二种模式为低低(Low-Low)模式，位于第三象限，表示低增长区域与低增长区域相互包围，又叫增长盲点区；第三种模式为低高(Low-High)模式，位于第二象限，其含义是低增长区域被高增长区域所包围；第四种模式为高低(High-Low)模式，位于第四象限，其含义是高增长区域被低增长区域包围。位于二、四象限的地区，表示相关变量为空间负相关的异质性，地区之间存在着极化作用，空间差异将逐渐扩大。位于一、三象限的地区，表示其变量为空间正相关的均质性，即地区之间存在扩散作用，地区之间的空间差异将逐渐缩小。

图2 2006-2017年入境旅游人数平均增长率的Moran’I散点图

图3 2006-2017年GDP平均增长率的Moran’I散点图

为了在整体上把握2006-2017年环云南六个地区入境旅游收入、入境旅游人数与地区经济发展的空间相关性，我们对2006-2017年入境旅游收入平均增长率、入境旅游人数平均增长率、gdp平均增长率进一步做了Moran’I散点图分析，结果如图1、图2与图3所示，对应地区分布如表4所示。

表4 地区空间相关模式

图1显示，2006-2017年入境旅游收入平均增长率在总体上呈现负自相关性，其相关系数为-0.0530。图1和表4表明，云南、贵州和广西落入第三象限，在六个地区中，这三个地区入境旅游收入增长率排在最后三位，且这三个地区入境旅游收入增长呈正相关性，即一个地区旅游收入增长的变化会引起另两个地区旅游收入增长同方向变化。重庆、四川、西藏落入第四象限，但这三个地区入境旅游收入增长呈负相关性，说明这三个地区旅游收入增长有极化作用作用。总之，地区空间相关说明环云南六个地区入境旅游收入增长并非随机分布，而是呈现出明显的空间集聚效应。

图2显示，2006-2017年入境旅游人数平均增长率在总体上呈现负自相关性，相关系数为-0.0781。入境旅游人数增长率相对较低的云南、四川、广西落入第三象限，但这三个地区入境旅游人数增长呈现相互促进的正向作用。入境旅游人数增长率相对较高的重庆、西藏、贵州落入第4象限，说明这三个地区入境旅游人数增长呈现互相抑制的负向作用，具体分布见表4。总之，环云南六个地区入境旅游人数增长也并非随机分布，表现出明显的空间集聚效应。

图3显示，2006-2017年GDP平均增长率在总体上呈现较强的负自相关性，相关系数为-0.2230。从表4可以看出，贵州、广西落入第三象限，说明这两个地区GDP增长呈现正向促进作用。四川、西藏、重庆落入第四象限，说明这三个地区GDP增长呈现负向极化作用。云南单独落入第二象限。总之，环云南六个地区GDP增长也并非随机分布，而是表现出一定程度的空间集聚效应。

三、环云南地区间入境旅游与经济发展的空间溢出效应检验

(一)空间计量模型设定

基于上文分析知道，由于gdp增长率与入境旅游收入增长率、入境旅游人数增长率存在着较为显著的空间相关性，我们在分析三者的关系时应该考虑其空间相关性，因此，在模型设定时应该采用空间计量模型，否则就会产生较大的系数估计偏差。

本文首先并设三者之间的时间维度线性面板模型为：

gdpzzlit=βit+φ1srzzlit+φ2rszzl+εit

(10)

gdpzzl为gdp增长率，srzzl表示入境旅游收入增长率，rszzl为入境旅游人数增长率，i=1，2，…，6，表示环云南六个地区，(10)中ε为随机误差。

同时本文设相应的空间滞后SLM、空间误差SEM模型分别为：

SLM模型：gdpzzlit=βit+φ1srzzlit+φ2rszzlit+ρWgdpzzlit-1+εit

(11)

SEM模型：gdpzzlit=βit+φ1srzzlit+φ2rszzlit+εit，εit=λWεit+μit

(12)

μit～N(0，δ2I)、εit～N(0，δ2I)

(二)空间溢出效应检验及结果分析

为了比较时间维度线性模型与空间线性模型，本文对上面的(10)、(11)、(12)式进行相应的估计，其结果见表5。

表5 模型估计结果

说明：***、**、*分别表示在1%、5%、10%显著性水平上显著。

从线性估计结果看，模型的拟合度为0.594523，该拟合度相对较低，造成这一结果的原因可能是忽视了经济变量的空间相关性，故在模型设定时应考虑变量的空间相关性。

从空间滞后模型检验结果可以看出，模型拟合度达到了0.783059，相对线性模型来说，拟合度提高了较多，这说明建模时加进变量之间的空间相关性是合理的。但该模型的拟合度仍不够高，其原因可能主要是因为影响gdp增长的因素较多，本文主要是考虑了入境旅游对国内生产总值的影响，因此模型的拟合度还不够高。

由于Lagrange Multiplier(Lag)=3.0790573，通过了5%的显著性水平检验，而Lagrange Multiplier(error)=0.3617786，未通过10%的显著性检验；同时，Robust LM(Lag)=5.4560977，通过了1%的显著性水平检验，而Robust LM(error)=1.7388190，未能通过10%的显著性水平检验，因此，在对gdp增长率、入境旅游收入增长率、入境旅游人数增长率建模时采用空间滞后模型SLM比采用空间误差模型SEM更为合适。

从空间滞后模型SLM检验结果我们可以发现，入境旅游收入对经济增长的弹性为0.1026403，表明入境旅游收入每增长1%，就能拉动gdp增长0.1026403%。入境旅游人数对经济增长的弹性为0.03089483，表明入境旅游人数每增长1%，将拉动gdp增长0.03089483%。从检验结果我们发现，空间自相关系数ρ=-0.2224723，且通过了5%的显著性水平检验，说明针对环云南六个地区整体而言，某地区的入境旅游对经济发展作用会对相邻地区入境旅游对其经济发展起着一定程度的反向抑制作用。

从表5我们发现，空间滞后模型虽然提高了模型的拟合度，但与线性模型相比较，其入境旅游收入增长率、入境旅游人数增长率估计系数相对要低，其原因主要是由于长期以来，环云南六地区之间在入境旅游呈现空间负相关性，地区之间产生负的溢出效应。

四、环云南地区间入境旅游与经济发展的门槛效应分析

(一)入境旅游对经济拉动效应的门槛面板模型设定

在已有的研究文献中，还没有关于入境旅游对经济发展作用的门槛效应方面的研究，本文认为入境旅游对经济发展的作用不是简单的作用过程，而是一个较为复杂的过程，可能存在一定的门槛特征。

因此，为了探讨环云南地区入境旅游对经济发展的门槛特征，我们以入境旅游收入增长率、入境旅游人数增长率为门槛变量，根据Hansen(1999)，本文设定如下门槛面板模型：

gdpzzlit=β0+β11srzzlit•I(srzzlit≤δ1)+β12srzzlit•I(δ1δn)+γ11rszzlit•I(rszzlit≤η1)+γ12rszzlit•I(η1ηn)+ε

gdpzzl表示gdp增长率，srzzl表示入境旅游收入增长率，rszzl表示入境旅游人数增长率，δ1，δ2，…，δn表示srzzl门槛值，η1，η2，…，ηn表示rszzl门槛值。I(·)表示示性函数。

(二)门槛效应检验结果

我们采用Bootstrap反复抽样500次，门槛效应检验结果见表6，从表6我们发现，入境旅游收入增长率和入境旅游人数增长率各有一个门槛值。

表6 门槛效应检验

注: *、**、***分别表示10%、5%、1%显著性水平上显著次。

在门槛效应检验的基础上，我们进一步对门槛值进行估计，其结果见表7。从表7可以发现，入境旅游收入增长率的门槛值为19.25%，当入境旅游收入增长率低于19.25%时，其对经济增长的弹性为0.1268，否则其对经济增长的弹性为0.0837。入境旅游人数增长率的门槛值为20.27%，入境旅游人数增长率低于20.27%时，其对经济增长的弹性为0.0467，否则其对经济增长的弹性为0.0274。这说明入境旅游增长对经济增长的影响并非呈现单调递增或者单调递减规律，而是存在着门槛效应，随着入境旅游增长率提高，其对经济发展的弹性在减少，这进一步表明环云南地区入境旅游对经济发展存在着空间溢出效应。

表7 门槛值与估计系数

根据入境旅游收入增长率和入境旅游人数增长率门槛值，我们对六个地区进行相应的归类，其结果如表8所示。

表8 门槛值区间与地区分布

五、结论及政策含义

(一)研究结论

本文基于2006-2017年云、贵、川、渝、藏、桂六个地区面板数据，运用空间面板计量回归模型和门槛面板模型，对六个地区之间的经济发展与入境旅游收入增长、入境旅游人数增长的关系进行了全面分析，得出如下结论：

1.空间自相关研究表明：从2006到2017年，所有年份的入境旅游收入增长率全都呈空间负自相关性。大多数年份入境旅游人数增长率均呈现空间负自相关性(除2014、2016年外)，各年gdp增长率全都呈空间负自相关性。但从总体情况来看，六个地区在旅游收入增长、入境旅游人数增长、GDP增长呈现出一定程度的空间集聚效应。具体来说：云南、贵州和广西呈正相关性，而重庆、四川、西藏入境旅游收入增长呈负相关性。云南、四川、广西入境旅游人数增长呈现相互促进的正向作用，重庆、西藏、贵州入境旅游人数增长呈现互相抑制的负向作用。贵州、广西GDP增长呈现正向促进作用，四川、西藏、重庆GDP增长呈现负向抑制作用。

2.空间计量回归研究表明：空间滞后模型的拟合度为0.783059，高于线性模型的拟合度0.594523，表明入境旅游对经济发展存在着非线性的空间外溢性特征。入境旅游收入每增长1%，将拉动gdp增长0.1026403%。入境旅游人数每增长1%，将拉动gdp增长0.03089483%。

3.门槛面板回归研究表明：入境旅游收入增长、入境旅游人数增长对经济发展有着显著的门槛效应，并且各自存在着一个门槛值。入境旅游收入增长率的门槛值为19.25%。当入境旅游收入增长率低于此门槛值时，其对经济增长的弹性为0.1268，否则其对经济增长的弹性为0.0837。入境旅游人数增长率门槛值为20.27%，当入境旅游人数增长率低于此门槛值时，其对经济增长的弹性为0.0467，否则其对经济增长的弹性为0.0274。这说明随着入境旅游增长率提高，其对经济发展的弹性在减少，从而验证了环云南地区入境旅游对经济发展存在着空间溢出效应。

(二)政策含义

1.由于云南、四川、广西入境旅游人数增长呈现正相关性，这可能是由于旅游产品和旅游结构的差异性引起的，因此应继续实施这三个地区旅游差异化战略，而西藏、贵州、重庆入境旅游人数呈现显著的负相关性，这说明重庆和贵州在旅游产品和旅游结构上存在着一定的相似性，所以应加大地区在旅游产品和和旅游结构的差异性，形成自身的独特性，对于西藏而言，改善交通、旅游基础设施尤为重要。随着云南日益成为我国入境旅游集聚之中心[14]，因此环云南各个地区应抓住这个有利机遇，加大旅游产品的开发，形成自身独特的具有核心竞争力的旅游景点，增加地区间旅游结构的差异性和互补性，才能发挥地区间入境旅游的相互促进作用，化外部负效应为正效应，分享云南入境旅游辐射所带来的红利。

根据以往的研究，云南入境旅游流有46.169%是从长三角、京津冀、珠三角中转扩散而来[13]。因此，云南应努力打造好入境旅游中心，形成旅游产品的民族特色和核心竞争力，实施与这些地区旅游结构、旅游产品的差异化战略，同时，又要加大与这些地区的合作，从而确保对国外旅客的足够吸引力，以进一步形成对周围地区旅游扩散作用。作为云南周围的其他地区，一方面要抓住云南这个新兴入境旅游中心之机遇，加大旅游产品开发，形成自身的核心竞争力，同时也应加大与北京、上海、广州等地区的合作[12]，拓展入境旅游客源。

2.由于入境旅游对经济增长存在着空间溢出效应，呈现地理相关性特征和外在溢出性。这从某种程度上解释了云南、广西入境旅游发展较好，而经济增长相对较慢的原因，其原因可能是由于其对周围地区产生了正向的空间溢出效应，从而促进周围地区经济的增长，而自身却受到了损失。同时也解释了四川、贵州、西藏等入境旅游发展较慢，而经济增长效应却较快的理由，其原因可能是由于入境旅游发展得较好的周围地区向其产生了正向溢出效应，从我们应充分利用这一特性，合理整合与优化旅游产品和旅游结构，可以更好地促进区域范围内经济的增长。同时，对于入境旅游辐射能力强的地区，政府应对这些地区加旅游产品开发的力度，以补偿这些地区空间溢出效应而造成的损失，促进其外部正向溢出效应的充分发挥，从而带动周围地区入境旅游的发展与经济的增长。同时，入境旅游发展较慢的地区，应加大旅游产品开发和结构调整，以促进区域范围入境旅游的均衡发展。

3.由于入境旅游对经济发展存在着门槛效应，各个地区对入境旅游对其经济增长的作用并不相同，所以，对于环云南地区而言，经济发展水平相对低的地区，如云南、广西可以通过发展入境旅游，来促进其经济快速增长，但对于四川、西藏，由于门槛效应的存在，过于发展入境旅游对发展经济未必能取得好的效果，因此，需要综合权衡入境旅游与经济发展，调配与优化旅游产品和旅游空间结构，以促进入境旅游对经济发展的作用。