中国旅游业发展对农村贫困减缓的效应及其影响因素

田雅娟 刘强

[摘    要]借助旅游业发展拉动农村地区的经济增长和增加贫困人口收入已成为我国产业扶贫措施的重要组成内容。然而，实践中旅游发展对贫困的减缓效应会受环境因素影响，呈现出异质性特征。文章利用平滑变系数模型的设定框架，提出了一个包含潜变量影响的旅游减贫效应测度方法，以更灵活和具有弹性的模型设定体现旅游减贫效应存在的异质性特征。基于2010—2016年我国20个省份面板数据的实证分析显示，旅游业发展对农村贫困减缓具有积极的影响效应，且受产业内部发展特征和宏观经济环境因素的影响，减贫效应表现出明显的异质性。具体而言，入境游客占比、政策引导下的产业产值密度增长和景区数量增加将增强旅游业发展的减贫效果;人均GDP水平和人口城镇化水平的提升，将为旅游消费乘数效应的发挥提供更优的宏观环境基础，有利于旅游发展对农村贫困减缓效应的发挥。

[关键词]旅游业;贫困减缓;平滑变系数模型;异质性效应

引言

纵观国际上反贫困理论和实践的发展，旅游减贫被公认为是一条契合贫困地区资源禀赋、环境友好的可持续减贫路径，备受国际反贫困研究的重视[1-2]。特别是，2002年联合国世界旅游组织（UNWTO）提出更有效地利用旅游业解决贫困问题的倡议后，旅游减贫活动在世界范围内得到了快速的发展[3]。尽管国际上对旅游业减贫潜力存在着广泛的共识，但基于实证研究的分析结果却存在较大的分歧，已有成果中既有对旅游减贫效应的积极支持[4-6]，也出现了很多相反的结论[7-9]。由此可见，旅游业发展与贫困减缓间的关系远比想象的更为复杂，如何更好地揭示二者间的复杂联系是一个值得深入研究的课题。我国的贫困人口主要集中于西部连片特困地区，特别是少数民族居住区域，旅游资源非常丰富，通过旅游发展促进这些区域的贫困减缓是我国当前扶贫工作的重要组成部分。在此时代背景下，本文以我国省际区域的旅游业发展和农村贫困减缓为研究对象，设计基于平滑变系数模型的旅游减贫效应测度方法进行实证研究，希冀借助更加复杂、灵活的模型架构，对旅游业发展与农村地区贫困减缓的关系进行深入和精细的研究。一方面，实现对中国旅游业减贫效果的客观评价;另一方面，为贫困地区旅游扶贫工作的进一步推进提供政策支持。

对比已有相关研究，本文的创新主要体现在3点：第一，研究视角上，考虑到旅游发展的减贫效果对旅游产业内部发展特征和外部宏观经济环境的依赖性，在探讨旅游减贫效应时将这些因素考虑在内，基于复杂的关系模式对旅游减贫效果進行检验和评估。第二，研究方法上，利用平滑变系数模型结构，将环境因素对旅游减贫效应的影响纳入经验模型，通过平滑变系数设置，更加灵活地估计了旅游发展对贫困减缓的影响，凸显旅游减贫效应随环境改变存在的异质性特征。第三，研究内容上，本文在实证测度我国旅游业发展对农村贫困减缓效应的同时，还进一步实证分析了旅游业内部发展特征和宏观经济变量两方面因素对减贫效应的影响，对旅游减贫效应的异质性做出经济解释，为相关旅游业扶贫政策的制定和优化提供参考。

1 文献综述

旅游发展与贫困减缓的关系研究备受国内外学者的关注，涌现了大量的研究成果。在理论上，各国学者对于旅游发展存在的减贫潜力已经形成了广泛共识。对旅游减贫的一个普遍看法是，旅游产业所具备的低就业准入、高产业关联等特征，使其在为贫困人口创造就业和提高收入方面更具优势[10-13]。然而，在经验分析中，如何对旅游发展与贫困减缓间的关系进行测度仍是一个难题，国内外学者提出了众多方法。国外学者对旅游发展与贫困减缓的实证分析常用方法有3类：第一类是借助投入产出分析方法对旅游部门发展的经济影响和减贫作用进行测度[14-15];第二类是直接利用时间序列的计量分析方法，对旅游业发展与贫困（或经济发展）间的因果关联进行协整分析和格兰杰因果检验[16-17];第三类是通过构建可计算的一般均衡模型进行数据模拟，探讨旅游业发展对贫困的影响[18-19]。国内学者对旅游发展与贫困减缓关系的研究更侧重于减贫效果的测度，大体可分为两类：一是，基于旅游扶贫政策实施的前提，默认旅游发展对贫困减缓的积极效应，利用综合评价指标体系或数据包络方法对旅游扶贫绩效或效率做出评估[20-21];二是，通过构建计量模型对旅游发展的减贫效应进行判断和测度，包括带有二次项的时序计量模型[22]、地理加权的局部参数模型[23]、带有门槛变量的回归模型[24-25]、面板平滑转换回归模型[26]等多种模型设定。

受研究对象、研究方法和使用数据差异的影响，实证分析中有关旅游发展对贫困减缓效应的结论并不统一，形成了有效论、无效论和环境决定论3种不同观点[24，27]。持有效论的学者对旅游发展减缓贫困的肯定主要来自3类实证结论：一是，旅游业发展与贫困人口规模存在显著的单向因果关系[28];二是，旅游业发展有利于贫困人口收入水平的增长[29];三是，旅游业发展显著降低了贫困发生率[30]。无效论认为旅游发展存在的“经济漏损”问题会使得贫困人口无法从旅游发展中受益。相关研究主要从就业和收入分配角度对“漏损”进行了实证揭示。以哥斯达黎加为研究对象的实证分析显示，旅游业发展带来的就业增长主要使高学历劳动者和外来劳动者受益，而非当地的贫困群体[31]。以巴西和坦桑尼亚为研究对象的实证分析显示，旅游发展带给低收入群体的获益显著低于高收入群体，城市人口获益高于农村人口[32-33]。基于这些结论，无效论者否定旅游发展对贫困减缓的促进作用。环境决定论则认为旅游减贫作用受到许多地域性和地方性因素的影响，在不同地区的表现存在明显差别。如Adiyia等从空间异质性出发，实证分析了旅游发展的减贫效应对地区经济发展和旅游发展模式的依赖性[34]。

综上可知，旅游业发展与贫困减缓间的关系远比想象的更为复杂，如何更好地揭示二者间的复杂联系仍是一个值得深入讨论的问题。已有相关文献在旅游减贫效应的测度中，虽然考虑到旅游减贫效应存在的非线性和异质性特征，但在模型设定上仍存在一定不足。首先，已有方法在模型形式设定上施加了过强的先验约束，易出现模型形式的误设定。例如，带二次项的参数模型设定将减贫效应约束为二次曲线形式;门槛变量回归模型设定仅考虑了旅游减贫效应在门限值改变时的异质性特征，默认在同一门槛水平下旅游减贫效应为不变常数。其次，已有方法在对旅游减贫效应进行测度时，并未充分考虑到相关环境因素的影响，也未能深入讨论各因素对旅游减贫效应异质性的作用。因此，本文鉴于对以上两点不足的思考，提出一种基于平滑变系数模型的旅游减贫效应测度方法，将对旅游减贫效应非线性和异质性的假定统一在一个模型框架中，同时考虑了旅游业内部和外部两方面相关因素对旅游减贫效应的影响作用，以求对旅游扶贫效应进行更深入和精细的测度研究。与已有方法相比，本文利用平滑函数设定来体现旅游扶贫效应的非线性和随相关变量变动的异质性，在模型设定上更加灵活和具有弹性，可以更好地对旅游减贫效果进行测度。

2 模型与方法

2.1 旅游减贫效应的测度模型

近年来，非参数和半参数建模技术得到越来越多应用研究的关注。相比传统的参数模型，非参数、半参数模型在应用分析中主要有两个优点：一是，事先不需要对模型设定过多的先验假定，不易出现模型形式的设定错误;二是，借助平滑函数技术，更加灵活地捕捉变量间的复杂关系。其中，平滑变系数模型是一种在经济分析中得到广泛应用的半参数模型方法，通过将解释变量对响应变量的效应系数设定为一组相关变量（即后文所提“潜变量”）的平滑函数，该模型常被应用于刻画存在潜变量影响的效应研究[35]。例如，Heshmati等在平滑变系数模型设置中，将电力投入的产出系数设定为生产环境的平滑系数，从而验证了生产环境对电力企业产出效应的影响[36]。Feng等利用平滑变系数模型研究了银行地理管制水平对银行投入产出效应的影响[37]。方胜和卢新生应用变系数分位数模型探讨了不同股票市场行情和原油价格冲击下，原油价格的变化对股票市场的影响[38]。

一个面板数据形式的平滑变系数模型具有如下基本形式：

式（1）中，[i]为观测个体，[t]为时间单元;被解释变量[yit]是一个标量;[xit=（1，x1，it， …， xp，it）']为一组包含常变量的[p+1]维解释变量向量;[εit]为模型的误差项;[zit=（z1，it， …， zk，it）']为一组对解释变量效应产生干扰的[k]维潜变量向量;[β（zit）=（β0（zit）， β1（zit）， …， ][βp（zit））']为一组[p+1]维的平滑系数向量，其中，[β0（zit）]控制住[zit]对[yit]的直接影响，[βj（zij）， （j=1， …， p）]则刻画了在[zit]干扰下[xj，it， （j=1…， p）]对[yit]的影响效应。从式（1）模型设定上可以看出，平滑变系数模型在刻画[xit]对[yit]的影响时，同时考虑了潜在因素[zit]的干扰，因而可用于对存在潜变量影响的复杂经济关系进行建模。

考虑到外部宏观环境和产业内部发展特征对旅游业减貧效应的影响，本文基于平滑变系数模型构建如下旅游产业发展减贫效应的测度模型：

式（2）中，[Pit]为第[i]个地区在第[t]期的贫困程度;[Tit]为第[i]个地区在第[t]期的旅游业发展水平;[Zit=（z1，it， …， zm，it）]为一组对旅游业减贫效果产生影响的环境因素潜变量;平滑系数[α（Zit）]控制住[Zit]对贫困的直接影响;[β（Zit）]测度了旅游业发展对贫困程度的弹性效应，将其设定为关于[Zit]的平滑函数，反映了环境因素潜变量对旅游减贫效应的影响作用。

2.2 估计方法

将式（2）写作更简洁的矩阵形式：

式（3）中，[Yit=log（Pit）]，[Xit=（1， log（Tit））']，[g（Zit）][=][（α（Zit）， β（Zit）'）']。本文选用非参数、半参数模型中最常使用的核局部常数估计方法对式（3）进行估计。

首先，给定一个[m]维可积核函数[K（Zjτ， Zit）]，式（3）的一致估计可通过最小化局部加权的残差平方和得到，即

3 变量与数据来源

3.1 被解释变量

目前，对于贫困存在多种界定方法，既有基于单一指标的贫困测度，也有基于多个指标的多维贫困测度。其中，最为常用的就是基于收入指标划定贫困线，计算位于贫困线以下的人口占比，即贫困发生率。我国的贫困人口主要分布在农村地区，农村贫困发生率是国家及地方政府监测贫困水平变化的一个常用统计指标，该指标的变动可直观揭示减贫措施的实施效果。因而，本文针对旅游发展对农村地区贫困人口脱贫的影响，选取农村贫困发生率为被解释变量，对旅游发展减缓农村地区贫困的效应作用进行经验分析。

3.2 解释变量

本文选择旅游总收入作为旅游业发展水平的衡量指标。一个国家和地区的旅游总收入由入境游客产生的国际旅游外汇收入和国内游客产生的国内旅游收入两个部分构成，一般前者按美元计价，后者按人民币计价。本文首先按照当年平均汇率水平，将国际旅游外汇收入转换为人民币计价，然后汇总得到当年的旅游总收入，再按照GDP平减指数，将各年份旅游总收入调整为2010年不变价格水平。

3.3 潜变量

本文主要考虑两类因素对旅游业减贫效果发挥的潜在影响：一是来自旅游业的内部发展特征差异;二是区域宏观经济发展环境的差异。

来自旅游业内部发展差异的影响主要考虑3个方面：一是，旅游业发展在要素条件上的差异，选取A级景区数、星级饭店个数、旅行社单位数和从业人员规模4个指标作为代理变量;二是，旅游业发展在客源特征上的差异，选择入境游客占比1和旅客消费水平两个指标作为代理变量;三是，旅游业发展在产出水平上的差异，选择旅游产值比重、旅游产值密度两个指标作为代理变量。

区域宏观经济环境的差异也会对旅游发展的减贫效应产生影响。旅游发展的减贫效应可分解为直接效应和间接效应两个部分;直接影响主要表现为贫困人口直接参与旅游部门发展，从旅游收入中获益。间接影响则表现为多种路径，例如，旅游发展通过产业关联形成对其他部门产出的购买，从而产生对其他部门的溢出效应[39];政府部门借助税收从旅游发展中获得收益，并借助再分配影响贫困人口的生活[40]。而旅游发展与减贫间的这种间接关联程度取决于宏观经济环境因素的支持程度。本文主要考虑经济发展、产业结构、财政支出结构、对外贸易、城镇化水平等宏观因素可能会对旅游减贫效应的影响，选取人均GDP水平、第三产业增加值比重、财政社会保障和就业支出占比、进出口贸易额占GDP比重、人口城镇化率5个指标作为宏观环境的代理变量。

3.4 数据来源

本文选取2010—2016年我国20个省份的面板数据进行实证分析。其中，样本时间跨度的确定主要是考虑到农村贫困发生率的统计口径问题。从已有统计资料来看，我国对农村贫困标准先后经过了多次调整2，不同标准下的统计数据不具有可比性。因而，本文选用最新标准（2010年标准）口径下的农村贫困发生率数据（时间跨度为2010年至2016年）进行实证研究。同时，在确定截面分析单元时，本文将分析重点放在含有贫困地区的22个省份3，剔除数据缺失的重庆和宁夏两地，最终形成20个省份7年的面板数据样本。数据主要来源于相关省份历年统计年鉴和《中国农村贫困监测报告》。

4 实证分析

4.1 有效潜变量的筛选

在计量分析中，若模型引入过多变量会导致出现过拟合问题，造成模型估计结果的偏误增大和预测误差升高。因此，为了避免式（2）使用中发生过拟合问题，首先对潜变量按如下步骤进行变量筛选。

第一步，对备选潜变量在建模中的重要程度进行排序。具体做法为基于决策树策略[41]，测度各潜变量在解释贫困发生率变化中带来的信息增益，并用其作为潜变量重要程度的评估值。

第二步，按重要程度从高到低依次将各潜变量引入式（2）进行模型估计，并计算不同方案下的模型预测误差，選择最小预测误差下的潜变量引入方案为最佳方案。预测误差的估算使用去一交叉验证法：首先，将样本数据中截面[j]时期[τ]上的数据去掉，剩下的数据作为训练集进行模型估计;其次，利用模型估计结果对截面[j]时期[τ]上的样本点进行外推预测，并计算预测平方误差（predicted square error，PSE）：

式（10）中，[Povi，jτ]为第[i]个模型对截面[j]时期[τ]上样本点的预测值。最后，基于交叉验证获得所有样本点的预测平方误差，并汇总计算样本集的预测均方误差（mean of predicted square error，MPSE）：

按照上述步骤对潜变量进行筛选，得到最小误差标准下的有效潜变量为5个，分别是人均GDP水平、城镇化水平、A级景区数、旅游产值密度和入境游客占比。

4.2 旅游减贫效应的异质性检验

在应用式（2）进行实证分析之前，首先对式（2）中旅游减贫效应的异质性设定（即旅游发展减贫效应对潜变量的依赖性）进行检验。给定原假设为[H0：α（Zij）=α; β（Zij）=β]，该假设将效应函数[α（Zij）]、[β（Zij）]假定为不随潜变量[Zij]变化的常数。当拒绝该假设时，则认为旅游减贫效应随[Zij]存在显著异质性变化。为了检验该假设，构造辅助回归方程：

其中，[α]、[β]、[σα]、[σβ]为式（12）中两个参数的估计值和标准误差，[α（Zit）]、[β（Zit）]为式（2）中两个变系数函数的估计结果。基于Bootstrap抽样计算得到[I]统计量为7.1326，并在1%显著性水平下拒绝[H0]。因此，接受旅游发展减贫效应对筛选出的5个潜变量存在依赖性的假设。

4.3 模型估计结果分析

通过检验发现，旅游发展减贫效应受到潜变量的影响。因而考虑使用平滑变系数模型对旅游发展在农村贫困减缓中的效应特征进行估计。利用式（2）对人均GDP水平、城镇化水平、A级景区数、旅游产值密度和入境游客占比5个潜变量影响下的旅游发展减贫效应进行测算。

表1分别报告了两个变系数[α（Zij）]和[β（Zij）]的估计均值和分位点水平。其中，[α（Zij）]以函数形式将潜变量对贫困的直接影响控制在可变的常数项中，[β（Zij）]以函数形式刻画了旅游发展对农村贫困发生率的效应随潜变量影响的异质性变化。表1中[β（Zij）]的估计结果显示：（1）[β（Zij）]均值及各分位点估计值均显著为负，说明旅游总收入增长普遍带来农村贫困人口比重的降低，我国旅游发展对农村贫困具有积极的减缓效应。（2）[β（Zij）]的各分位点估计结果存在较大差异，说明旅游减贫效应受旅游产业发展特征和宏观经济环境因素的影响，表现出明显的异质性。[β（Zij）]的25%分位点估计和75%分位点估计分别为-0.9712和-0.2531，两个分位点上的弹性效应估计相差-0.7181，也就是说，当潜变量因素能为旅游减贫发展提供较优越的条件时，旅游总收入每增长1%可以使农村贫困发生率多下降0.7181%。

为了进一步讨论各潜变量对旅游减贫效应的影响，分别绘制各潜变量与[β（Zij）]的散点分布图（图1、图2）。其中，图1报告了3个旅游产业发展特征变量与减贫效应的变动关系;图2报告了2个宏观经济环境变量与减贫效应的变动关系。

图1（a）显示，随着入境游客比例的增加，旅游总收入的减贫效应系数变为更小的负数，说明入境游客的占比越大，旅游发展带给贫困人口的获益越高。目前，对于入境游带来的减贫增益尚没有系统的理论分析，本文仅从入境游消费视角做出解释：在旅游消费六要素中，娱乐和购物消费主要以提供商品和劳务为主，这部分消费多直接将获益提供给当地居民而非外部中间商，是将贫困人口与消费者直接联系的主要消费项目。假若入境游客的旅游花费与当地居民产生了较为紧密的经济联系，则会产生有利于减贫的消费效应。从2010—2016年入境游消费数据来看，这一假定可获得3点数据支持：一是，入境游游客单人次平均停留天数从2010年的2.73天增长为2016年的3.94天;二是，入境游游客单人次日花费水平由2010年的184.01美元增长为2016年的198.58美元;三是，入境游客在购物和娱乐上的消费总额从2010年的147.6亿美元增长为2016年286.6亿美元。因而，从消费数据来看，入境游客消费为当地居民经济获益提供了可能，从而为减缓贫困提供了新动力。

图1（b）显示，旅游产值密度变化对旅游发展减贫效应系数存在一个先增后降的非线性影响。为了进一步分析旅游产值密度对减贫影响的方向改变，以140万元/平方千里为阈值将样本点进行分组统计，结果显示，小于阈值的样本点以2010—2013年时期为主。因而，旅游产值密度增长的双向变化考虑是政策性引导对旅游发展的影响。2013年之前，旅游发展主要以拉动经济增长为目标，并未强调其减贫影响，旅游产出的增长受益并未偏向贫困地区，因而其在减贫方面的影响未呈现积极的一面。随着2013年底精准扶贫方略的提出，旅游扶贫受到各地区产业扶贫政策的重视，特别是各地区亲贫性旅游的促进和发展，使旅游产出在地理覆盖上更偏向贫困地区，因而表现出积极的减贫效果。

图1（c）中，A级景区数量的增长对旅游发展的减贫系数的影响也呈现先升后降的非线性变化。因此，参照图中曲线拐点，以200个景区为阈值对样本点进行分隔，结果显示，小于200个景区的样本点主要位于2010—2013年期间。因而，对景区建设的非线性减贫效应影响仍从政策性引导影响作解释：早期以经济增长为目标的旅游发展，在景区建设上更加偏向于经济和交通发达地区，未能体现减贫效果。随着旅游减贫政策的全面实施，各地在景区建设上以政策为导向更加注重贫困地区旅游资源的开发和利用，新增景点为贫困地区经济发展带来了促进动力，减贫效果凸显。

图2（a）显示随着人均GDP水平的上升，旅游发展的减贫效应系数呈现单调递减变化。这说明区域经济发展水平的提升会加强旅游发展减缓农村贫困的影响1。旅游发展带来的旅游消费不仅会对贫困人口产生直接影响，还会借助其他关联产业产生乘数效应，间接作用于农村贫困的减缓。而经济发展水平的提升有助于旅游消费乘数效应的扩大，从而提高旅游发展的减贫效果。

图2（b）显示了人口城镇化水平变动对旅游减贫效应呈现两阶段特征。当人口城镇化率处于较低水平时，城镇化进程的推動会削弱旅游减贫效应，而当人口城镇化达到一定规模后，其进程的推进将增强旅游业对农村贫困的减缓影响。考虑城镇化发展初期，总是伴随有资源配置、环境、交通等问题，导致城镇化进程无法与旅游产业发展处于协同状态，不利于旅游消费乘数效应的扩大，从而影响旅游发展减贫效应的发挥。但是，随着城镇化进程逐渐步入中、高级发展阶段，城镇化与旅游产业进入耦合发展状态，为旅游消费向其他部门效益的溢出提供了支持条件，促进了旅游消费乘数效应的发挥，从而更大程度上实现了旅游发展对农村贫困减缓的影响。

5 结论与讨论

本文基于平滑变系数模型框架提出了一个包含潜变量影响的旅游减贫效应测度模型和估计方法，并使用2010—2016年的20个省份的面板数据，对中国旅游业发展在农村贫困减缓中的作用进行了实证研究。研究发现，相对于传统参数面板数据模型，本文给出的平滑变系数测度模型更加灵活地体现了旅游减贫效应的异质性特征，且为进一步分析影响效应异质性的因素提供了条件。在利用所提模型和方法对我国旅游业与农村贫困减缓间关系的实证分析中，本文得出以下几点结论：（1）我国旅游业发展对农村地区的贫困减缓具有积极的影响效应。旅游总收入对农村贫困发生率的弹性系数均值及25%、50%和75%分位点估计值均显著为负。平均来看，旅游总收入每增长1%，农村贫困发生率将比原水平下降0.6895%。（2）旅游业发展对贫困减缓的效应影响表现出明显的异质性，25%和75%两个分位点上的弹性效应存在较大差异，说明当潜变量因素能为旅游减贫发展提供较优越的条件时，旅游业发展减缓农村贫困的效果将显著增强。（3）旅游减贫效应同时受产业内部发展特征和宏观经济环境因素的影响。本文借助决策树变量选择策略对备选潜变量进行了筛选，最终确定入境游客占比、旅游产值密度、A级景区数、人均GDP水平和城镇化水平5个因素为潜变量对旅游减贫效应的异质性进行了分析。其中，对入境游客占比因素的影响研究，揭示了“一带一路”背景下我国入境游增长趋势对农村贫困减缓存在的积极作用。旅游产值密度、A级景区数两个因素的潜在影响分析揭示了政策性引导在旅游产业减贫效果发挥中的积极作用;人均GDP水平和人口城镇化率两个因素的潜在影响分析揭示了经济环境在旅游减贫效应发挥中的支持作用，当宏观经济环境处于良好的发展状态时，旅游业发展对农村贫困的减贫效果也将得到提升。

我国的贫困人口主要集中在旅游资源丰富的山区、西部边远地区和民族聚集地，拥有天然的旅游业发展禀赋，借助旅游业发展推动贫困地区的经济增长和提升贫困人口的生活水平具有重要的实践意义。本文借助平滑变系数模型对我国旅游发展减缓农村贫困的效应进行了识别和检验。研究结论发现，我国旅游业发展对农村贫困减缓发挥着积极的作用，但旅游减贫效应受产业内部发展特征和外部宏观环境差异的影响呈现异质性，这对深入理解旅游减贫效应呈现的非线性异质性以及旅游发展与贫困减缓之间的关联模式具有一定的启发作用。但是，本文研究也存在一定的不足。首先，本文选取贫困发生率作为农村贫困水平的代理指标，仅从单维度视角讨论了旅游发展对农村收入贫困减缓的影响，未涉及旅游发展对农村地区教育、医疗、社会福利等方面贫困的改善情况，不能全面揭示旅游发展对农村贫困变化产生的综合影响。未来将进一步向多维度贫困视角扩展，增加旅游发展在农村教育、医疗、社会福利等方面的贫困减缓效应研究，全面反映旅游业发展为农村综合贫困水平的改善所带来的影响。其次，本文研究从实证分析层面揭示了环境潜变量对旅游减贫效应的干扰影响，表明了旅游业发展特征与宏观环境是影响旅游减贫效果的重要因素，但未从理论框架上对这些因素的作用机理做出解释，尚需在今后的研究中完善。

参考文献（References）

[1] HOLDEN A， SONNE J， NOVELLI M. Tourism and poverty reduction： An interpretation by the poor of Elmina， Ghana[J]. Tourism Planning & Development， 2011， 8（3）： 317-334.

[2] GASCON J. Pro-poor tourism as a strategy to fight rural poverty： A critique[J]. Journal of Agrarian Change， 2015， 15（4）： 499-518.

[3] WTO. Tourism and Poverty Alleviation[M]. Madrid： World Tourism Organization， 2002： 93.

[4] ASHLEY C， ROE D. Making tourism work for the poor： Strategies and challenges in southern Africa[J]. Development Southern Africa， 2002， 19（1）： 61-82.

[5] SCHEYVENS R. Exploring the tourism-poverty nexus[J]. Current Issues in Tourism， 2007， 10（2/3）： 231-254.

[6] NOVELLI M， HELLWIG A. The UN Millennium Development Goals， tourism and development： The tour operators perspective[J]. Current Issues in Tourism， 2011， 14（3）： 205-220.

[7] MANYARA G， JONES E. Community-based tourism enterprises development in Kenya： An exploration of their potential as avenues of poverty reduction[J]. Journal of Sustainable Tourism， 2007， 15（6）： 628-644.

[8] GARTNER C， CUKIER J. Is tourism employment a sufficient mechanism for poverty reduction？ A case study from Nkhata Bay， Malawi[J]. Current Issues in Tourism， 2012， 15（6）： 545-562.

[9] RAKOTONDRAMARO H， ANDRIAMASY L. Multivariate granger causality among tourism， poverty and growth in Madagascar[J]. Tourism Management Perspectives， 2016， 20： 109-111.

[10] ASHLEY C， BOYD C， GOODWIN H. Pro-poor tourism： putting poverty at the heart of the tourism agenda [M] // FARRINGTON J. Natural Resource Perspectives. London： Overseas Development Institute， 2000： 1-6.

[11] CHOK S， MACBETH J， WARREN C. Tourism as a tool for poverty alleviation： A critical analysis of pro- poor tourism and implications for sustainability[J]. Current Issues in Tourism， 2007， 10（2/3）： 144-165.

[12] 李如友， 郭鲁芳. 旅游減贫效应之辩——一个文献综述[J]. 旅游学刊， 2017， 32（6）： 28-37. [LI Ruyou， GUO Lufang. The effect of tourism development on poverty alleviation： A literature review[J]. Tourism Tribune， 2017， 32（6）： 28-37.]

[13] 田雅娟， 刘强， 冯亮. 中国居民家庭的主观贫困感受研究[J]. 统计研究， 2019， 38（1）： 92-103. [TIAN Yajuan， LIU Qiang， FENG Liang. A study on subjective feeling of poverty by Chinese residents[J]. Statistical Research， 2019， 38（1）： 92-103.]

[14] FLETCHER J E. Input-output analysis and tourism impact studies[J]. Annals of Tourism Research， 1989， 16（4）： 514-529.

[15] ARCHER B. The impact of international tourism on the economy of Bermuda， 1994[J]. Journal of Travel Research， 1995， 34（2）： 27-30.

[16] CROES R， VANEGAS M. Cointegration and causality between tourism and poverty reduction[J]. Journal of Travel Research， 2008， 47（1）： 94-103.

[17] CROES R， RIVERA M. Poverty Alleviation through Tourism Development： A Comprehensive and Integrated Approach[M]. Boca Raton： CRC Press， 2015： 55-80.

[18] DWYER L， FORSYTH P， SPURR R， et al. Tourisms contribution to a state economy： A multi-regional general equilibrium analysis[J]. Tourism Economics， 2003， 9（4）： 431-448.

[19] NJOYA E T， SEETARAM N. Tourism contribution to poverty alleviation in Kenya： A dynamic computable general equilibrium analysis[J]. Journal of Travel Research， 2018， 57（4）： 513-524.

[20] 田翠翠， 劉黎黎， 田世政. 重庆高山纳凉村旅游精准扶贫效应评价指数模型[J]. 资源开发与市场， 2016， 32（12）： 1436-1440. [TIAN Cuicui， LIU Lili， TIAN Shizheng. Evaluation index model of effects on precision poverty alleviation in tourism villages of Chongqing Cool Mountainous regions[J]. Resource Development & Market， 2016， 32（12）： 1436-1440.]

[21] 孙春雷， 张明善. 精准扶贫背景下旅游扶贫效率研究——以湖北大别山区为例[J]. 中国软科学， 2018（4）： 65-73. [SUN Chunlei， ZHANG Mingshan. Research on the efficiency of tourism-aided poverty alleviation in the context of accurate poverty alleviation： Taking the Dabie Mountain area of Hubei as an example[J]. China Soft Science， 2018（4）： 65-73.]

[22] 杨霞， 刘晓鹰. 旅游流量、旅游构成与西部地区贫困减缓[J]. 旅游学刊， 2013， 28（6）： 47-55. [YANG Xia， LIU Xiaoying. The relationship between tourist flow， composition and poverty alleviation in the west of China[J]. Tourism Tribune， 2013， 28（6）： 47-55.]

[23] 丁建军， 周书应. 武陵山片区旅游减贫效应的异质性分析[J]. 湘潭大学学报（哲学社会科学版）， 2018（2）： 83-88. [DING Jianjun， ZHOU Shuying. On heterogeneity of tourisms poverty alleviation effects of Wuling Mountain area[J]. Journal of Xiangtan University （Philosophy and Social Sciences）， 2018（2）： 83-88.]

[24] 张大鹏. 旅游发展能减缓特困地区的贫困吗——来自我国中部集中连片30个贫困县的证据[J]. 广东财经大学学报， 2018， 33（3）： 87-96. [ZHANG Dapeng. Can tourism development benefit poverty reduction in destitute areas： Based on the data from 30 concentrated poverty-stricken counties in central China[J]. Journal of Guangdong University of Finance & Economics， 2018， 33（3）： 87-96.]

[25] 赵磊， 张晨. 旅游减贫的门槛效应及其实证检验——基于中国西部地区省际面板数据的研究[J]. 财贸经济， 2018， 39（5）： 130-145. [ZHAO Lei， ZHANG Chen. Threshold effect and empirical test of tourism on poverty alleviation： Based on provincial panel data in western China[J]. Finance & Trade Economics， 2018， 39（5）： 130-145.]

[26] 赵磊， 方成， 毛聪玲. 旅游业与贫困减缓——来自中国的经验证据[J]. 旅游学刊， 2018， 33（5）： 13-25. [ZHAO Lei， FANG Cheng， MAO Congling. Tourism and poverty reduction： An empirical evidence from China[J]. Tourism Tribune， 2018， 33（5）： 13-25.]

[27] 郭鲁芳， 李如友. 旅游减贫效应的门槛特征分析及实证检验——基于中国省际面板数据的研究[J]. 商业经济与管理， 2016（6）： 81-91. [GUO Lufang， LI Ruyou. Analysis on the threshold effect of tourism development on poverty alleviation and relevant empirical test： Based on the province panel data in China[J]. Journal of Business Economics， 2016（6）： 81-91.]

[28] VANEGAS M， GARTNER W， SENAUER B. Tourism and poverty reduction： An economic sector analysis for Costa Rica and Nicaragua[J]. Tourism Economics， 2015， 21（1）： 159-182.

[29] CROES R， RIVERA M A. Tourisms potential to benefit the poor： A social accounting matrix model applied to Ecuador[J]. Tourism Economics， 2017， 23（1）： 29-48.

[30] CROES R. The role of tourism in poverty reduction： An empirical assessment[J]. Tourism Economics， 2014， 20（2）： 207-226.

[31] CROES R. Tourism and poverty reduction in Latin America： Where does the region stand？[J]. Worldwide Hospitality and Tourism Themes， 2014， 6（3）： 293-300.

[32] BLAKE A， ARBACHE J S， SINCLAIR M T， et al. Tourism and poverty relief[J]. Annals of Tourism Research， 2008， 35（1）： 107-126.

[33] KWEKA J， MORRISSEY O， BLAKE A. The economic potential of tourism in Tanzania[J]. Journal of International Development， 2003， 15（3）： 335-351.

[34] ADIYIA B， VANNESTE D， ROMPAEY A V， et al. Spatial analysis of tourism income distribution in the accommodation sector in western Uganda[J]. Tourism and Hospitality Research， 2014， 14（1/2）： 8-26.

[35] LI Q， HUANG C J， LI D， et al. Semiparametric smooth coefficient models[J]. Journal of Business & Economic Statistics， 2002， 20（3）： 412-422.

[36] HESHMATI A， KUMBHAKAR S C， SUN K. Estimation of productivity in Korean electric power plants： A semiparametric smooth coefficient model[J]. Energy Economics， 2014， 45： 491-500.

[37] FENG G， GAO J， PENG B， et al. A varying-coefficient panel data model with fixed effects： Theory and an application to US commercial banks[J]. Journal of Econometrics， 2017， 196（1）： 68-82.

[38] 方勝， 卢新生. 国际原油价格的波动对中国A股市场的影响——基于变系数分位数模型的实证研究[J]. 系统工程， 2008， 36（4）： 1-11. [FANG Sheng， LU Xinsheng. The impact of oil price fluctuations on Chinese A-share markets： An empirical analysis based on varying coefficient quantile model[J]. Systems Engineering， 2008， 36（4）： 1-11.]

[39] MITCHELL J， ASHLEY C. Tourism and Poverty Reduction： Pathways to Prosperity[M]. London： Earthscan， 2010： 65-86.

[40] WINTERS P， CORRAL L， MORA A M. Assessing the role of tourism in poverty alleviation： A research agenda[J]. Development Policy Review， 2013， 31（2）： 177-202.

[41] QUINLAN J R. Induction of decision tress[J]. Machine Learning， 1986， 1： 81-106.

[42] CLEVELAND W S. Robust locally weighted regression and smoothing scatterplots[J]. Journal of the American Statistical Association， 1979， 74（368）： 829-836.