环渤海城市旅游产业绿色创新效率的空间格局

刘 佳，安珂珂

（中国海洋大学 a.管理学院；b.海洋发展研究院，山东 青岛 266100）

一、引 言

环境关注与资源有限使得环境污染和资源可持续利用成为重要的全球性问题。绿色创新旨在节能降耗、减少污染和取得持续性的经济增长［1］，在资源约束趋紧与生态环境退化的背景下，其已成为世界各国寻求产业结构升级、竞争力提升和环境绩效改善的重要路径［2］。2019年3月习近平总书记在十三届全国人大二次会议上指出“要探索生态优先、绿色发展为导向的高质量发展路子”，反映了在中国经济由高速增长向高质量发展转变过程中，绿色发展是突破发展瓶颈的必然选择和重要路径［3］。旅游产业绿色创新在减少旅游产业发展过程中的资源消耗与环境污染方面具有显著贡献，有助于实现旅游资源可持续开发、旅游业环境友好发展［4］，成为转变旅游产业发展模式以实现高质量发展的强大动力源。同时，日益增强的经济关联和互动成为区域协调发展的重要决策变量和施政目标［5］，区域之间在客源市场、资源开发等方面展开了深入合作，旅游发展联系越来越密切［6］。“网络范式”推动了城市研究强调关系与功能的多尺度网络［7］，城市间的组织关系转向以时间邻近为主导的要素联系网络［8］。伴随区域经济间的空间关联已突破传统的线性模式［9］，在网络范式推动下城市旅游产业绿色创新表现出怎样的空间格局演变规律？网络结构变化对区域旅游产业绿色创新发展会产生怎样的空间效应？这些问题的回答具有重要的理论价值和现实意义。

环渤海地区作为我国区域经济增长的第三极，旅游资源种类丰富且级别较高［10］，但近年来资源短缺、环境污染等问题日益突出［11］，环境容纳能力、资源承载能力以及自然系统的稳定性等显著降低［12］，对自身旅游业发展造成一定影响。伴随2015年《环渤海地区合作发展纲要》、2017年《国家海洋局关于进一步加强渤海生态环境保护工作的意见》、2018年《推进京津冀协同发展2018-2020年行动计划》等政策的实施，创新驱动与绿色转型成为实现环渤海地区旅游业高质量发展战略目标的重要途径。当前，在多种要素的共同作用下，区域旅游产业发展表现出较为显著的空间关联，其打破传统的地理空间限制，对邻近区域或非邻近区域产生联动效应，呈现较为复杂的网络结构形态。因此，环渤海地区不仅要考虑各个城市自身旅游产业发展状况，还需充分考虑与之关联城市的交互影响，以促进旅游产业绿色创新的区域协同。基于此，本文以环渤海44个城市为研究区域，系统分析旅游产业绿色创新效率的空间格局演化特征，重点探讨网络视角下旅游产业绿色创新效率的空间效应与作用机制，为提升城市旅游产业绿色创新效率、促进区域旅游产业高质量发展提供理论依据和决策参考。

二、文献综述

绿色创新又被称为“生态创新”“环境创新”“可持续创新”等［13］，强调“创新”和“环境收益”双重属性［14］。作为绿色创新的绩效评价标准，绿色创新效率是指在综合考虑环境污染和资源消耗前提下，某一经济体生产过程中各种投入要素的有效利用程度［15］。国内外相关研究主要基于区域、产业、企业等层面，探讨绿色创新效率的水平现状［16］、影响因素［17］、空间溢出效应等方面［18］，认为绿色创新效率具有典型的溢他和他溢效应，环境规制、研发投入、外商投资等因素对绿色创新效率具有积极影响。

伴随旅游业发展过程中环境问题越来越突出、不可持续性发展矛盾逐渐凸显，绿色发展和创新驱动成为推动旅游业高质量发展的重要模式。旅游产业绿色创新是指通过产品创新、工艺创新、管理创新、制度创新等创新活动［19］，坚持可持续发展原则，以此实现旅游资源要素节约和生态环境友好的过程。国外研究主要聚焦酒店业、交通业等旅游行业部门，关注绿色创新实践对旅游业劳动生产率［20］、旅游业经营绩效［21］等的效应研究以及旅游企业组织文化［22］、组织规模［23］等因素对绿色创新实践的影响研究，认为管理者环保态度、环境营销策略、民主式组织文化对绿色创新实践具有促进作用，同时酒店绿色创新实践对其组织绩效、竞争优势等具有积极影响。国内研究则集中在旅游产业绿色创新的方案选择［24］、理论构建［25］、效率测度［26］等方面，认为旅游产业绿色创新是以可持续发展为导向的全方位提高产业质量的系统工程，相比于中部和西部地区，东部地区旅游产业绿色创新效率较高。

在国家倡导绿色发展和创新驱动理念背景下，旅游领域效率问题研究逐渐由注重经济产出的旅游产业效率向注重经济与生态产出的旅游产业生态效率转变［27-28］，进而转向兼顾经济、生态与创新效益的旅游产业绿色创新效率。旅游产业绿色创新效率是指通过创新活动开展和创新要素投入实现的绿色效益，即创新要素投入与资源环境产出之间的比例关系［4］。一般而言，旅游产业绿色创新效率越高，表明旅游创新活动开展与要素投入与其带来的资源、环境效益越匹配，能够获得的经济、社会与环境效益越高。当前研究主要基于投入产出角度构建多指标评价体系，运用数据包络分析等方法进行效率测度和评价，探究其区域差异与空间溢出等问题［26，29］，这为本文提供了良好的基础。但这些研究往往忽略区域间真实的复杂网络交互影响，难以从整体上解释旅游产业绿色创新效率的空间分异与演化规律。因此，本文采用超效率SBM模型测算环渤海44个城市旅游产业绿色创新效率水平，运用全局空间自相关和社会网络分析方法探究城市旅游产业绿色创新效率的空间关联及动态演进特征，进而构建面板回归模型揭示其空间效应与作用机制，可以弥补已有研究未考虑空间网络交互影响的局限性，以期丰富旅游产业绿色创新的理论研究体系，为环渤海城市旅游产业绿色创新协同发展提供决策参考。

三、研究方法与数据来源

（一）研究方法

1.超效率SBM模型

运用以数据包络分析为主的非参数方法对绿色创新效率进行测度评价是当前研究热点［30］。传统DEA模型和超效率SBM模型是数据包络分析的主要方法，但前者忽略了投入或产出的松弛度问题，容易导致效率测度的偏差，不利于评价结果的准确性［31］；而后者加入了非期望产出指标，既能解决前者未考虑松弛变量而导致的效率偏高问题，又能克服单一产出指标导致的不准确性问题，使得评价结果更加科学合理［32］，可以作为旅游产业绿色创新效率测度的重要借鉴。因此，本文采用超效率SBM模型对环渤海城市旅游产业绿色创新效率进行测度。假定每个决策单元DMU有m种投入，记为xi；q种产出，记为yr。超效率SBM模型可表示为：

其中，ρSE表示旅游产业绿色创新效率值；n表示决策单元个数，n=44；s-i、s+r分别表示第k个决策单元投入和产出的松弛变量；λ为权重向量。

考虑资源禀赋是旅游产业发展的基础和条件，将其纳入效率评价体系更为客观和合理［33］，基于已有研究成果［4］，这里将人力投入、资金投入、资源投入作为投入指标，旅游经济期望产出和旅游环境污染非期望产出作为产出指标，构建环渤海城市旅游产业绿色创新效率评价指标体系，具体见表1所列。

表1 环渤海城市旅游产业绿色创新效率评价指标体系

2.全局空间自相关

全局空间自相关作为一种探索性空间数据分析技术，能够探讨研究区域内所有空间单元的集聚与关联程度［34］。因此，本文采用这一方法，以全局Moran"sI指数来检验环渤海城市旅游产业绿色创新效率是否存在空间关联，以此揭示绿色创新效率的空间相关性特征，为下文构建空间关联网络提供依据。计算公式为：

其中，xi、xj表示城市i、j旅游产业绿色创新效率；xˉ表示所有城市旅游产业绿色创新效率的平均值；wij表示城市i、j的邻近关系；n表示环渤海城市数量，n=44。Moran"sI的取值范围为［-1，1］，值大于0表示空间正相关，值越大，正相关性越显著，空间集聚性越强；值小于0表示空间负相关，值越小，负相关性越显著，空间差异性越大；值等于0表示邻接城市空间不相关，表明城市旅游产业绿色创新效率呈随机分布状态。

3.修正的引力模型

空间关联矩阵的构建是社会网络理论与方法的应用基础，运用修正的引力模型构建空间关联矩阵，已在旅游研究领域得到了广泛应用［4］。本文运用该模型对环渤海城市旅游产业绿色创新效率的空间关联强度进行测度，用以表征不同城市间的相互作用程度。计算公式为：

其中，Sij表示两城市间旅游产业绿色创新效率空间关联强度；Kij为引力系数；Gi和Gj分别表示城市i和城市j的旅游总收入；Ei和Ej分别表示城市i和j的旅游产业绿色创新效率；Dij表示两城市之间距离；gi和gj分别表示城市i和j的人均国内生产总值；Ci为城市i的旅游产业绿色创新效率空间关联总量，用以表征该城市旅游产业绿色创新效率对其他城市的作用程度。

依据式（3），测算得到环渤海城市旅游产业绿色创新效率的引力矩阵。取矩阵中各行数据的平均值作为临界值，同一行中高于该临界值的数据取值为1，表示该行城市与该列城市旅游产业绿色创新效率具有空间关联关系；反之，取值为0，表明城市之间不存在空间关联关系，据此构建空间关联矩阵，作为社会网络分析方法的数据基础。

4.社会网络分析方法

社会网络分析作为研究行动主体间互动关系及网络结构的重要方法，可以避免传统空间计量分析技术仅重视数据属性的局限性［35］，被视为旅游空间关系研究的重要范式［36］。旅游产业绿色创新效率的空间关联关系，隶属于“关系数据”，因此适用于社会网络分析方法。关联性和中心性分析是社会网络分析方法的基本内容［37］，前者用于刻画网络结构的整体特征，后者用于反映各节点在网络中的地位和作用。

（1）整体网络结构关联性指标。整体网络结构是由群体内部所有成员及其间的关系构成的网络结构［38］，可以反映整个网络的关联强度、等级性、稳定性等关系。本文分别采用网络密度、网络关联度、网络等级度和网络效率等关联性指标来刻画环渤海旅游产业绿色创新效率空间网络结构的整体特征。其中：网络密度用以反映关联关系的疏密程度，其值越趋于1，表明各城市旅游产业绿色创新效率的关联关系越多；网络关联度用以反映空间关联网络的稳健性，其值越趋于1，表明旅游产业绿色创新效率空间关联网络越稳定；网络等级度用以反映空间关联网络的等级特征，其值越趋于1，表明城市间的等级关系越分明，只有少数城市处于核心地位，对旅游产业绿色创新效率空间关联关系起着主导和支配作用，其他城市则处于边缘地位；网络效率用以反映空间关联网络中各城市间的连接效率，其值越趋于0，表明城市间存在较多的关联渠道，空间关联网络越稳定。

（2）网络个体结构中心性指标。网络个体结构是由某一个体和与之直接相连的其他个体构成的网络结构［38］，可以反映个体在空间关联网络中所处的位置和发挥的作用。本文分别采用度数中心度、接近中心度和中间中心度等中心性指标来刻画环渤海旅游产业绿色创新效率的网络个体结构特征。其中：度数中心度用以反映城市在空间关联网络中的位置情况，其值越高，表明该城市在网络中越处于中心位置，其旅游产业绿色创新效率与其他城市的空间关联关系越多；接近中心度用以反映城市在空间关联网络中不受其他城市控制的程度，其值越高，表明该城市旅游产业绿色创新效率与其他城市形成的直接关联越多；中间中心度用以反映城市在空间关联网络中控制信息和资源的能力，其值越高，表明该城市控制其他城市之间旅游产业绿色创新效率关联关系的能力越强，发挥的“中介”和“桥梁”作用越突出。

（二）数据来源

本文以环渤海地区44个城市为研究区域，考虑数据的可获取性，以2008-2017年为研究期间。鉴于投入与产出指标之间存在时间滞后性［39］，将时滞设定为1年，投入指标为2007-2016年数据，产出指标为2008-2017年数据，主要源于《中国城市统计年鉴》、各城市《统计年鉴》以及各城市《国民经济与社会发展统计公报》。由于旅游产业数据统计尚不独立与完善，部分指标通过旅游总收入相当于地区生产总值的比重进行折算。

四、实证结果及分析

（一）旅游产业绿色创新效率空间相关性的动态演进分析

运用GeoDa软件测算得到2008-2017年环渤海旅游产业绿色创新效率的全局Moran"s I指数，结果见表2所列，不同年份全局Moran"s I指数均大于0，除个别年份外，均通过5%的显著性水平检验，表明各城市旅游产业绿色创新效率在空间分布上具有较为显著的正相关性，邻近城市之间的影响存在较强的空间依赖性。由此可知，在环渤海地区旅游产业复合系统中，某一城市旅游产业的绿色创新效率不仅受到该城市内部因素的影响，还越来越受到周边邻近城市的关联和影响。从动态演变特征来看，研究期间全局Moran"s I指数由0.013攀升到0.150，表明环渤海旅游产业绿色创新效率空间关联程度不断增加。究其原因，伴随2009年旅游业国民经济战略性支柱产业的确立以及2016年我国《“十三五”旅游业发展规划》明确提出全面推进跨区域资源要素整合以提升旅游业发展质量等政策文件的实施，环渤海旅游产业发展格局不断优化，促使区域旅游产业绿色创新效率空间分布的集聚性特征显著增强。

表2 2008-2017年环渤海旅游产业绿色创新效率的全局Moran"s I指数

（二）旅游产业绿色创新效率空间关联总量动态演进分析

根据修正的引力模型，测算出2008-2017年环渤海各城市旅游产业绿色创新效率空间关联总量，结果见表3所列。从时序演变特征来看，研究期内各城市空间关联总量呈波动增加态势，这与近年来环渤海地区大力实施旅游产业协同发展政策密不可分，如2016年京津冀三地旅游局联合发布《京津冀旅游协同发展行动计划》，为区域旅游产业绿色创新合作发展提供了动力。从空间演变特征来看，研究期内旅游产业绿色创新效率空间关联总量较高的城市空间分布格局变化不大，主要集中在北京、济南、青岛、东营、潍坊、滨州等地区，形成以上述城市为增长极、辐射带动周边邻近城市旅游产业绿色创新发展的多核结构发展模式。究其原因，这些城市具有良好的区位优势，且自身旅游产业绿色创新效率较高，因此能够起到较强的辐射作用。

表3 2008-2017年环渤海城市旅游产业绿色创新效率空间关联总量

续表3

（三）旅游产业绿色创新效率空间关联网络动态演进分析

运用Ucinet6.0测算出2008-2017年环渤海旅游产业绿色创新效率空间关联关系数、网络密度、网络关联度、网络等级度、网络效率等，结果如图1所示。研究期内环渤海旅游产业绿色创新效率整体网络结构特征主要表现在以下方面：第一，空间网络结构趋于复杂，空间关联关系数呈波动增加趋势，由2008年的336增加到2017年的369，且网络密度逐渐提升，由2008年的0.178增加到2017年的0.195，表明城市之间形成了逐渐紧密的空间联系，但与理论上的最大关联关系数（44×43=1 892）和最大可能密度（1）相比仍然较低，表明城市间旅游产业绿色创新效率的关联程度存在较大的提升空间，旅游产业绿色创新合作仍有待加强。第二，空间网络结构趋于稳定，研究期内空间网络关联度均为1，表明城市间旅游产业绿色创新效率联系紧密，空间网络结构具有稳健性。网络效率呈波动下降趋势，但总体维持在0.6以上水平，表明城市间旅游产业绿色创新效率的关联渠道逐渐增多，空间网络结构趋于稳定，但稳定性仍有待提升。此外，网络等级度呈下降趋势，表明空间关联网络等级特征逐渐弱化，只有少数城市对旅游产业绿色创新效率空间关联关系起主导和支配作用的情况逐渐改善。

图1 2008-2017年环渤海旅游产业绿色创新效率整体网络结构演化

进一步地，对环渤海44个城市旅游产业绿色创新效率的度数中心度、接近中心度和中间中心度进行分析，从而识别各城市在空间关联网络中的位置与角色。由表4可知，研究期内大部分城市中心度均呈波动增加态势，但由于各城市基本是同步增加，因此在空间关联网络中的相对地位和作用未发生显著改变。首先，北京、天津、唐山、大连、济南、青岛、东营、威海等城市度数中心度始终位居前十，表明这些城市受旅游经济发展水平较高、地理位置较为优越、资源要素吸引和整合能力等因素影响，始终处于空间关联网络的中心位置，对其他城市旅游产业绿色创新效率具有较强的影响力，能够促进空间关联网络中各城市相互依赖关系的形成。其次，唐山、丹东、济南、青岛、东营、威海等城市接近中心度一直位居前十，表明这些城市在空间关联网络中始终具有中心行动者地位，更容易与其他城市产生直接关联，从而带动其他城市旅游产业绿色创新效率提升。究其原因，上述城市或者是旅游经济发展水平较高，如济南、青岛、威海，或者是具有优越的交通区位，如东营处于连接京津唐经济区与胶东半岛经济区的枢纽位置。最后，北京、天津、唐山、沧州、丹东、铁岭、济南、青岛、东营、威海等城市中间中心度始终处于中等偏上水平，因在经济、文化等方面具有较强的影响力，一直占据重要的信息传递渠道，在空间关联网络中发挥“中介”和“桥梁”作用，影响其他城市间旅游产业绿色创新效率关联关系的能力较强。

表4 2008-2017年环渤海城市旅游产业绿色创新效率网络个体结构演化

续表4

（四）旅游产业绿色创新效率空间关联网络结构效应分析

基于整体和个体网络视角，揭示环渤海城市旅游产业绿色创新效率空间关联网络的结构效应。首先，以2008-2017年环渤海地区旅游产业绿色创新效率（取环渤海各城市旅游产业绿色创新效率的平均值）为被解释变量，以网络密度、网络等级度和网络效率等关联性指标为解释变量，探讨整体网络格局对环渤海地区旅游产业绿色创新效率的影响，建立如下最小二乘法回归模型：

其中，Yt表示t年环渤海地区旅游产业绿色创新效率；Xkt表示t年网络密度、网络等级度、网络效率；β̂k表示相应的估计系数；Control表示控制变量；βj表示相应的估计系数；β̂表示截距项；e表示随机误差项；k=1，2，3；t=2008，2009，…，2017。

控制变量主要包括旅游人力资本、旅游科研投入、经济发展水平、对外开放水平和环境规制强度，主要原因在于：根据创新系统理论，决定创新实现与否的基础要素主要包括研发人员和研发资金［40］，旅游科研人员和旅游科研经费能够体现出旅游业对创新的支持程度，便于为创新活动的开展提供人力和资金。根据波特假说，环境规制可以激励企业采纳生态创新行为，为企业建立起绿色市场上的先发优势［41］，旅游产业发展对地区生态环境有很强的依赖性，通过环境规制手段，地区能够对已经发生或可能发生的环境污染加以控制，降低资源消耗和污染排放，在一定程度上促进旅游产业绿色创新发展。此外，较高的经济发展水平能够支撑政府投入更多的科研资金，为旅游业创新活动的开展提供物质基础，而地区对外开放水平较高，有助于该地区引入先进的管理理念、生产技术等，对绿色创新产生正面影响。分别采用旅游科研人员数量、旅游科研经费支出、人均GDP、外商直接投资相当于GDP的比值、环境污染治理投资额相当于地区财政支出的比值来表征。为消除量纲影响，所有数值均取自然对数，回归结果见表5所列。

表5 整体网络结构空间效应回归结果

表5中，列（1）（3）（5）未加任何控制变量，列（2）（4）（6）加入控制变量。对比列（1）与列（2）、列（3）与列（4）、列（5）与列（6）可以发现，加入控制变量后，网络密度、网络等级度、网络效率对环渤海地区旅游产业绿色创新效率的影响程度降低，表明控制了其他因素的干扰。具体分析加入控制变量后的回归结果为：网络密度、网络等级度、网络效率的回归系数分别为1.267、-0.271、-2.277，且均通过10%的显著性水平检验，R2值较高，表明网络密度的提升、网络等级度和网络效率的降低能显著提高环渤海地区旅游产业绿色创新效率。究其原因：一是网络密度提升表明城市间关联关系增加，各城市在旅游产业绿色创新效率方面的交流与合作更加频繁，有助于资源要素的流通与配置，能够有效提升旅游产业绿色创新效率水平；二是网络等级度降低表明各城市在空间关联网络中的地位差异不断缩小，能够以更加平等的身份参与到旅游产业绿色创新发展中并获益，尤其对处于从属和边缘地位的城市来说作用更加明显；三是网络效率降低表明城市间空间关联渠道增多，空间关联关系更加广泛，高绿色创新效率城市与低绿色创新效率城市合作的可能性增加，有助于城市间的优势互补。

其次，以2008-2017年环渤海城市旅游产业绿色创新效率为被解释变量，以度数中心度、接近中心度和中间中心度等中心性指标为解释变量，探讨网络个体格局对环渤海城市旅游产业绿色创新效率的影响，构建如下面板回归模型：

其中，yit表示t年i城市旅游产业绿色创新效率；xmit表示t年i城市度数中心度、接近中心度和中间中心度；αm表示相应的估计系数；Control表示控制变量，同上文；λj表示相应的估计系数；α0表示截距项；μmit表示随机扰动项；m=1，2，3；i=1，2，3，…，44；t=2008，2009，…，2017。

面板回归模型通常有混合估计模型、固定效应模型和随机效应模型三种形式。首先，采用F检验判断选择混合估计模型或固定效应模型，结果表明p值为0，强烈拒绝原假设“H0：allui=0”，固定效应模型优于混合估计模型；其次，采用Hausman检验确定固定效应模型或随机效应模型，结果表明模型（7）、（8）、（9）均支持固定效应模型。见表6所列，度数中心度、接近中心度和中间中心度每提升1个单位，旅游产业绿色创新效率将分别提升1.243个单位、2.887个单位和0.368个单位，表明网络个体结构对各城市旅游产业绿色创新效率具有显著的促进作用。究其原因：一是度数中心度提高表明该城市在空间关联网络中愈发处于中心位置，与其他城市的关联程度日益提升，旅游产业绿色创新效率受益程度较高；二是接近中心度提高表明该城市与其他城市旅游产业绿色创新效率的联系比较紧密，容易发生直接关联，资源配置与流通的效率更高，有助于提升各城市旅游产业绿色创新效率；三是中间中心度提高表明该城市在空间关联网络中的控制能力增强，能够有效引导资金、人才等要素的流动，并吸引这些要素参与到自身旅游产业绿色创新效率提升的过程中。

表6 网络个体结构空间效应回归结果

五、结论与建议

本文基于旅游产业绿色创新内涵，运用超效率SBM模型对2008-2017年环渤海44个城市旅游产业绿色创新效率进行测度和评价，综合空间地理作用和拓扑结构作用的双重视角，考察了旅游产业绿色创新效率空间分布格局与空间结构效应，既把握了旅游产业绿色创新效率的空间相关性特征，又系统刻画了网络结构特征，揭示了环渤海旅游产业绿色创新效率整体提升和区域协同的主要路径，能够对我国区域旅游产业绿色发展与创新驱动空间模式选择提供理论参考和决策依据。主要结论如下：

（1）环渤海旅游产业绿色创新效率在空间分布上具有较为显著的正相关性，表现出明显的空间集聚特征，且呈显著增强态势。

（2）各城市旅游产业绿色创新效率空间关联总量保持增长态势，但存在显著的不均衡特征，其中北京、济南、青岛、东营、潍坊、滨州等城市空间关联总量较高。

（3）环渤海地区旅游产业绿色创新效率空间结构呈现显著的网络交互作用，空间关联关系逐渐增多，网络结构趋于复杂，等级特征逐渐弱化，网络结构趋于稳定。北京、天津、大连、青岛等城市处于网络的中心位置，对其他城市旅游产业绿色创新效率具有较强的影响。

（4）网络密度提高、网络等级度和网络效率降低能够有效促进环渤海地区旅游产业绿色创新效率的整体提升，中心度提高对各城市效率提升具有较强的促进作用。

为有效促进环渤海旅游产业绿色创新与高质量协同发展，提出如下政策建议：

（1）全面认识空间网络结构特征，推动旅游产业绿色创新的区域协同发展。环渤海地区旅游产业绿色创新效率具有较强的空间关联性，各城市旅游产业绿色创新效率提升不仅取决于自身，也与其他城市存在密切联系。因此，应明确各城市位置关系和角色定位，重视空间视角下各城市间的复杂关系，制定促进旅游产业绿色创新与高质量发展的相关政策，通过宏观调控和市场机制促进产业资源与要素的跨区域、跨部门协作，实现旅游产业绿色创新的协同发展。

（2）重视区域非线性与复杂的网络关系，塑造区域旅游产业绿色创新发展新格局。加快构建环渤海旅游产业绿色创新协同发展共同体，顺应“京津冀协同发展”区域战略，促进资本、技术、人才等要素资源跨区域顺畅流通，提高空间配置效率，实现旅游产业绿色创新要素区域共享和高效整合，增强空间关联关系，打通空间关联渠道。同时充分发挥北京、天津、青岛等城市在空间关联网络中的“中介”和“桥梁”作用，打造平等对话协商平台，加强44个城市间的交流与合作，促进各城市积极参与到区域旅游产业绿色创新协同发展中。

（3）充分发挥空间网络结构效应，促进城市旅游产业绿色创新发展。积极探寻提升旅游产业绿色创新效率空间关联的有效途径，进一步发挥空间网络结构对于区域整体及各个城市旅游产业绿色创新发展的促进作用。拓宽城市之间在产业、市场、信息等方面的联系渠道，增强城市之间的关联关系，提高空间关联网络的稳定性，促进区域整体旅游产业绿色创新发展。加强旅游产业绿色创新效率较高城市对较低城市的反哺，缩小城市之间旅游产业要素、客源市场、人力资本、资金支持等方面的差距，提高处于从属地位城市的话语权，有效推进各个城市旅游产业绿色创新协同均衡发展。