区域旅游交通服务功能对旅游效率的空间溢出效应及其影响机理——以云南省为例

郭向阳,穆学青,丁正山*,明庆忠

(1.南京师范大学地理科学学院，江苏 南京 210023；2.江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；3.云南师范大学地理学部，云南 昆明 650500；4.云南财经大学旅游文化产业研究院，云南 昆明 650221)

0 引言

交通作为旅游系统三大空间要素之一，是旅游活动开展的先决条件[1，2]。交通基础设施不仅影响到游客出游动机与目的地选择[3]，而且驱动着目的地旅游资源集群式开发、旅游流集聚规模与扩散以及旅游资源要素组合形态与利用效率[4]，对区域旅游可持续发展产生显著而深刻的影响。旅游业具有产业关联性强、环境污染小的行业特质，是许多国家和地区实现产业升级和要素结构调整的重要突破口，对国民经济提质增效及绿色发展功不可没。国务院颁发的《“十三五”旅游业发展规划》强调发展旅游业应从打造国民福利、通往幸福生活方面入手，让旅游业成为美丽经济和幸福生活的融合体[5]。这更加体现了旅游业在增进民生福祉和国民经济增长中的双重作用。2014年《国务院关于促进旅游业改革发展的若干意见》(国发〔2014〕31号)明确指出旅游业发展要以“转型升级、提质增效”为主线，更强调旅游业发展“质”的提升。然而，在近年来以效率为主导的产业经济结构调整、新旧动能转换的宏观背景下，作为国民经济新兴支柱产业的旅游业运营效率成为优质旅游发展的卡脖子问题[6]。因此，在旅游业高质量发展背景下，探查交通与旅游空间关系对发挥交通对旅游要素的空间组织与配置效率具有重要理论意义与实践价值。

交通对旅游发展的影响研究是国内外学术界关注的重点领域。20世纪80年代国外就展开相关研究，主要包括交通对旅游者出游行为及模式的影响[7-9]、交通网络演变对旅游地空间结构优化[10，11]、交通设施对旅游经济的增长效应[12，13]、交通网络优化对旅游地吸引力提升[14]、高速铁路对旅游地可达性及旅游可持续发展的影响[15，16]、不同交通方式和运输服务对国际入境和出境旅游的影响[17]、高速铁路影响下城市群旅游系统空间分异[18]、民用航空对旅游空间拓展与驱动效应[19，20]和旅游交通问题的新框架探讨[21]等。国内研究更为关注交通与旅游经济空间耦合效应[4,22]、交通对客流分布规律的影响[23]、交通优化对旅游景点可达性[24]及旅游场强变化[25]的影响、旅游地合作网络与模式[26]、交通对区域旅游空间结构及发展的影响[27，28]、入境旅游流网络与航空网络的关系[29]等，随着研究的深入，不同交通方式对旅游效率的影响也受到关注[2,30]。研究方法日臻成熟，主要包括Tobit模型[2]、耦合协调模型[22,31]、可达性模型[24]、改进场强模型[25]、社会网络分析[26,29]、单位根与格兰杰检验[32]和DEA模型[30]等。研究尺度趋向微观化，从国家尺度[24]逐步延伸到跨界旅游合作区[33]、高铁沿线多个省市[26]和单一旅游节点城市[22,32]等微观尺度。然而，现有研究多侧重于交通对旅游规模的影响，忽视了交通基础设施对旅游效率影响的空间溢出效应。在旅游业“提质增效”背景下，以上问题的探讨或部分解决对科学探究交通对旅游效率影响的空间效应及机理具有重要理论与实践意义。2019年9月，中共中央、国务院印发了《交通强国建设纲要》，文件更加明确了交通与旅游融合发展的意见。因而，基于地理学时空视角研究交通对旅游效率的影响效应是一项重要议题。

云南省大体属亚热带高原季风气候，地貌类型多样、地形结构复杂，孕育了得天独厚的旅游资源，但其相对封闭、交错的地形制约了陆路交通设施的空间展布，旅游发展对交通服务功能的优化响应更加强烈。截至2016年底，云南省闭塞的交通局面明显得到改善，全省公路通车里程达238 000 km，州(市)高速公路通车率达81.25%，铁路网密度为0.0076 km/km2，有14个民航机场通航，初步形成了立体式航空运输网络体系；旅游总收入从2000年的211.40亿元增至2016年的4 620.86亿元，旅游经济与交通建设呈现良性发展态势。因此，本文以典型山区旅游地云南省为研究案例，从旅游地理学视角探究交通对旅游效率产生的空间效应，以期为区域旅游交通规划和旅游要素空间优化配置提供借鉴。

1 研究方法与评价指标体系构建

1.1 研究方法

(1)熵权TOPSIS法。TOPSIS模型又称“逼近理想排序法”，通过计算备选方案与正、负理想解的相对距离进行排序优选，不受参考序列选择的干扰，具有信息失真小、运算灵活等优点[4]。本文采用熵权TOPSIS法对交通服务功能(Traffic Service Function，TSF)进行评价，计算步骤参见文献[4]。

(2)Bootstrap-DEA模型。DEA是一种基于多项投入和多项产出评价相对效率的非参数方法，传统DEA模型在对小样本估计时往往会产生偏差，并忽略统计检验。Bootstrap-DEA模型通过重复抽样模拟数据的生成过程，可弥补传统DEA模型的不足，修正样本估计产生的偏差[34]。因此，本文采用Bootstrap-DEA模型测度旅游效率(Tourism Efficiency，TE)；旅游综合效率=纯技术效率×规模效率，根据本文研究目的，下文的旅游效率均指旅游综合效率，其计算步骤参见文献[34]。

(3)双变量LISA模型。空间自相关可分为全局空间自相关和局部空间自相关，通常空间自相关涉及的仅为单一变量的地理要素，而基于双变量空间自相关揭示两个地理要素的空间关联和依赖特征具有较高适用性和有效性[35]。本文在利用单变量全局空间自相关探究交通服务功能与旅游效率各自空间分布特性(集聚、分散或随机)的基础上，采用双变量空间自相关(Bivariate Moran′sI)探索交通服务功能与旅游效率的空间关联特征，具体步骤参见文献[35，36]。

(4)空间面板杜宾模型(SPDM)及变量选取。空间面板杜宾模型(式(1))[37]是空间面板滞后模型(SPLM)和空间面板误差模型(SPEM)的组合扩展形式[38]，它同时考虑了被解释变量与解释变量的空间依赖效应，可用于揭示交通服务功能对旅游效率的影响效应。解释变量的空间相关项矩阵和非空间相关项的系数在某种程度上并未完全反映出解释变量的全部作用效应，故需利用偏微分形式[39]将模型中的总效应分解为直接效应与间接效应(溢出效应)：直接效应表示i单元的解释变量对本地被解释变量的影响，间接效应表示i单元的解释变量对其邻近单元被解释变量的影响；在不考虑诱发效应的情况下，解释变量对被解释变量的总效应等于直接效应与间接效应之和。区域旅游发展不仅受到交通因素影响，还与经济实力、旅游资源、市场规模、对外开放度、信息化水平等因素密切相关，由于本文主要探讨交通服务功能对旅游效率的影响及空间效应，故将旅游效率(TE)设定为被解释变量，设定交通服务功能(TSF)为核心解释变量；由于在计算旅游综合效率的过程中已选择了旅游资源要素，为避免逻辑上出现矛盾，舍弃旅游资源禀赋变量；参考文献[40-44]，将经济实力、市场规模、产业结构高级化、对外开放度和信息化水平作为控制变量引入模型(表1)。为消除异方差的影响，对各变量进行对数化处理以保证数据的稳定性。

表1 交通服务功能对旅游效率影响的变量选取Table 1 Selection for effect variables of traffic service function on tourism efficiency

(1)

式中：Yit(Yjt)、Xit(Xjt)分别为第t年i(j)研究单元因变量和自变量的观测值；β为自变量的待估参数；ρ为因变量的空间滞后系数；Wij为空间权重；φ为自变量的空间回归系数；μi、νt分别代表空间效应和时间效应；εit为服从独立同分布的随机误差项。当φ=0、ρ≠0时，式(1)为空间面板滞后模型(SPLM)；当φ+ρβ=0时，式(1)为空间面板误差模型(SPEM)。

1.2 评价指标体系构建

1.2.1 交通服务功能评价指标体系 交通服务功能作为度量区域交通基础设施对内对外联系的集成性指标，是表征区域基础要素建设与旅游发展相互作用关系的核心内容。旅游交通服务功能的本质在于其对区域旅游经济发展和游客(居民)出行需求的服务性，由区内、区外交通系统交互叠加而成。本文在借鉴已有交通优势度指标构建[45-47]的基础上，将交通线路规模、场站设施、通达度、线路客运强度纳入交通服务功能(TSF)评价指标中(表2)。其中，线路规模用等级公路、铁路、民航运营干线总里程表征；场站设施是运输线路上旅客和物质集散、中转的重要节点，包括铁路站点、航空港、客运站、高速公路进出口(岸)等；通达度主要包括区内通达性与外部可进入性，分别反映区域内部各节点(景区)间及其与外界节点间联系的便捷程度；线路客运强度反映每日单位线路长度的载客量，表征线路的客流运营效率。

表2 交通服务功能评价指标体系Table 2 Evaluation index system of traffic service function

1.2.2 旅游效率评价指标体系 旅游效率(TE)测算的科学性与客观性取决于投入和产出要素的指标选择。古典经济学理论认为，投入要素一般包括资本、土地和劳动力，因土地投入指标对旅游业发展影响较小，往往将其舍弃[41，48]，最终，本文借鉴已有研究[30,40，48，49]并考虑到与旅游业发展密切相关的要素，将资本、劳动力、旅游吸引物、旅游接待设施作为旅游产业投入指标(表3)。其中，云南省各州(市)对旅游业的资本要素投入并无官方统计数据，采用第三产业固定资产投资额表征[40，48]；劳动力是区域旅游经济活动的人力资本要素，选取区域内从事与旅游活动直接相关的住宿业和餐饮业从业人员数量表征；旅游吸引物主要选取3A以上等级景区、国家级风景名胜区和世界自然文化遗产数量表征，并采用熵值综合加权法计分；旅游接待设施选取有代表性的星级酒店和旅行社数量之和表征。旅游产出指标要综合反映旅游效益和旅游接待客流规模，分别用旅游总收入和旅游接待总人次表征[30,48]。

表3 旅游效率评价指标体系Table 3 Evaluation index system of tourism efficiency

1.2.3 数据来源 本文以多源异构数据为研究样本。其中，交通线路、场站设施类数据源自高德交通大数据系统、12306铁道部官网(https://www.12306.cn/index/)、电子地图POI数据以及2001-2017年《云南省交通地图册》、《云南省交通统计资料汇编》、《云南省统计年鉴》等；旅游、客运量及其他指标数据源自2001-2017年《中国城市统计年鉴》、《中国城市建设年鉴》、《中国区域经济统计年鉴》、《云南省统计年鉴》、《云南省商务年鉴》和各州(市)文化与旅游部官方网站。为消除价格波动影响，旅游、GDP等数据以2000年居民消费价格指数(CPI)为基期进行不变价处理。

2 交通服务功能与旅游效率时空格局特征及空间关联模式

运用ArcGIS自然断裂法分别将2000年、2007年和2016年云南省交通服务功能(图1)和旅游效率评价值(图2)由高至低划分为高、较高、中等、较低和低5个层级，以便探究云南省交通服务功能与旅游效率的时空演变特征。

图2 云南省旅游效率空间格局动态演进Fig.2 Dynamic evolution of spatial differentiation of tourism efficiency in Yunnan Province

2.1 交通服务功能空间格局

2000-2016年云南省交通服务功能高、较高的州(市)数量逐渐增多，低层级州(市)数量趋向减少，交通服务功能整体呈上升态势(图1)。交通服务功能高、较高值区以昆明为起点，沿渝昆、杭瑞、昆磨、广昆等高速公路以及沪昆、成昆、昆河、昆玉、广大等铁路干线形成若干条放射轴线，呈现典型的“核心—边缘”空间格局。究其原因，交通基础设施具有连续性的空间传导功能，放大了要素集聚与扩散的规模性溢出效应，要素流动在空间上易形成“路径依赖”。大理、红河、曲靖是放射轴线上的重要节点，此类地区地形特征相对平坦，地貌特征相对单一(滇东部多为高原)，有利于交通网络设施的空间展布与延伸；此外，以上地区复合式交通组合衔接性好，加之社会经济水平相对发达，能够为完善交通服务设施提供资金或政策支持。上述体现了自然、社会经济因素在人地关系协调中对交通服务功能的共同影响。

图1 云南省交通服务功能空间格局动态演进Fig.1 Dynamic evolution of spatial differentiation of traffic service function in Yunnan Province

2.2 旅游效率空间格局

2000-2016年云南省旅游效率总体上由弱转强，在空间上呈集聚分布态势，旅游效率高值区数量趋向增多，低值区数量逐渐减少，各州(市)间旅游效率差距逐渐缩小。具体看，旅游效率高值区呈现以昆明为核心的层级组团结构，邻近地区旅游效率呈现梯度递减态势，而旅游效率低值区呈现散点状且区位指向省域边缘地带。以昆明为核心的旅游效率优势组团特征明显，旅游效率的空间溢出效应显著，本地旅游发展的比较优势及标杆效应通过交通要素的传导功能可有效影响到邻近地带，省域边缘州(市)旅游投入要素组合有待优化，地理位置闭塞区域受旅游效率高值区的辐射效应明显减弱，形成具有等级层次的“中心—外围”式空间结构，且呈现空间惯性，这与演化经济学理论强调的“经济变迁与制度演化均遵循路径依赖”相契合。值得注意的是，在综合效率分解方面，多数州(市)纯技术效率小于规模效率(图2)，说明纯技术效率对综合效率的影响程度和牵制能力较强。因此，云南省亟须加快旅游产品业态更新，鼓励技术革新和先进管理理念推广，注重旅游经济增长由要素驱动向创新驱动转型。

2.3 交通服务功能与旅游效率的空间关联模式

(1)在运用空间计量模型测度交通服务功能对旅游效率的影响效应之前，首先需借助单变量Moran′sI值验证两者的空间关联关系，然后运用OpenGeoda中的LISA模块验证双变量Moran′sI值及其显著性，揭示两者间的空间关联模式(限于篇幅，Moran′sI统计值省略)。总体上，2000-2016年交通服务功能和旅游效率单变量Moran′sI值均显著为正，表明两者均呈现较强的空间集聚模式；交通服务功能与旅游效率的双变量Moran′sI值均为正，呈先降后升的“V”形特征，且至少通过10%显著性检验，表明二者的总体空间依赖与关联特征明显。因此，研究交通服务功能与旅游效率空间关系时不能忽略空间效应。

(2)为进一步探究交通服务功能与旅游效率的局部空间关联模式，采用OpenGeoda双变量局部自相关模块建立双变量聚类模型，从交通服务功能与旅游效率两个维度界定4种聚类模式：Ⅰ为高交通服务功能高旅游效率区(H-H)，是最理想的发展模式；Ⅱ为低交通服务功能高旅游效率区(L-H)，属交通服务功能滞后型；Ⅲ为低交通服务功能低旅游效率区(L-L)，是不可持续发展模式；Ⅳ为高交通服务功能低旅游效率区(H-L)，旅游效率滞后于交通服务功能。通过测算云南省交通服务功能与旅游效率双变量局部Moran散点聚类情况(表4)，可知在2000年、2007年和2016年至少有62.5%的州(市)处于模式Ⅰ和模式Ⅲ，表明云南省交通服务功能与旅游效率双变量局部Moran散点主体落点呈现H-H和L-L集聚模式，印证了旅游效率高值区对交通服务功能优势区存在显著的依附性。

表4 交通服务功能与旅游效率双变量局部Moran散点聚类情况Table 4 Bivariate local Moran scatter clustering of traffic service function and tourism efficiency

3 交通服务功能对旅游效率影响的空间效应

3.1 模型识别与检验

云南省交通服务功能与旅游效率存在显著空间关联特征，研究两者空间关系时不可忽略溢出效应的存在。以MATLAB软件为运算平台，采用SPDM模型得到交通服务功能对旅游效率影响的估计与检验结果(表5)。首先，在选择估计模型之前，需通过LM和Robust LM进行SEM和SLM的筛选。LM-spatial lag和Robust LM-spatial lag统计量均在1%水平上显著， LM-spatial error虽在1%水平上显著，但其Robust LM-spatial error统计量未通过显著性检验，说明旅游效率标准面板模型的空间依赖形式是以滞后形式存在。其次，通过Walds和LR检验判断SPDM可否简化为SEM和SLM。Walds和LR统计量均通过1%的显著性检验，拒绝SPDM可以简化为SLM和SEM的原假设，故使用SPDM模型测度旅游效率的空间效应具有合理性。最后，通过Hausman检验判定SPDM模型中的随机效应和固定效应。Hausman检验值通过1%的显著性检验，说明固定效应模型能客观地解释某些个体特性[44]，由于本文所考察的截面单位为全样本范围，最终选择SPDM模型中的空间固定效应模型进行参数估计。进一步观察发现，旅游效率的空间滞后系数ρ值为正(0.3368)，且通过1%显著性水平检验，说明在交通基础服务设施不断完善过程中，旅游效率在各州(市)间具有显著空间溢出效应，同时说明伴随交通基础设施跨区域延展，其对产业要素流的集聚与扩散效应显著，易间接带动邻近地区旅游效率提升。

表5 交通服务功能对旅游效率影响的SPDM估计与检验结果Table 5 SPDM estimation and test results of the effect of traffic service function on tourism efficiency

3.2 各变量对旅游效率的空间溢出效应

由于SPDM中自变量弹性系数不是真实的偏回归系数，需采用偏微分分解公式[39]，将变量对旅游效率的影响分解为直接效应和溢出效应(表5)。

(1)交通服务功能(lnTSF)对旅游效率具有显著的直接效应和溢出效应，均通过1%的显著性检验；交通服务功能每增长1%，将会带动本地和邻近地区旅游效率分别提升0.2752%和0.1456%，表明交通基础设施空间拓展对本地及邻近地区旅游效率具有显著正向效应。直接效应系数大于间接效应系数，说明云南省交通服务功能完善是推动其旅游效率提升的关键，尤其是快速交通系统对旅游要素整合重构的“跨界”空间服务价值逐渐凸显。在区域旅游领域中，“点—轴”系统理论解释综合交通对旅游效率影响的空间溢出效应具有较好的适应性[49]。在区域旅游空间结构和发展模式演进过程中，旅游要素往往向交通便利、旅游资源丰富、经济发达地区集聚，对旅游投资商和旅游客流产生强大吸引力，并通过经济基础、旅游资源开发、产业规模效应、产业结构调整、信息技术革新等内生机制以及宏观政策、人才/资金引入、市场规模扩大、对外开放等外生增长力量相互适配、融合、调整等，促使旅游节点逐渐成长为旅游极核中心(即核心旅游节点)；由于区域间综合实力存在“梯度”和“压力差”，受益于交通网络设施的廊道效应和资源配置功能，旅游极核区通过轴线型交通设施以“梯度扩散”方式将本地旅游管理经验、先进技术、旅游客流等要素传递到邻近地带，形成旅游要素流的空间扩散，对周边地区旅游发展形成涓滴效应，周边地带又通过反馈作用将劳动力流、资金流、信息流和物质能量流通过交通设施载体输送至旅游核心区，弥补核心区在旅游要素供给和产业结构不合理方面的缺陷。正是通过交通服务设施对旅游要素前向、后向的“链条式”传递，加速信息、知识和资源要素集聚与外溢，使各种要素实现资源共享，同时放大产业要素集聚的规模效应、技术扩散效应、循环累积效应和创新激励效应，促使区域地带间旅游综合效率呈螺旋式增长。

(2)经济实力(lnPGDP)对旅游效率具有正向直接效应和溢出效应，分别通过1%和5%的显著性检验；经济发展每增长1%，将带动本地和邻近地区旅游效率分别提升0.2369%和0.0736%。2000-2016年云南省人均GDP由4 553元增至30 277元，居民可自由支配收入逐渐增加、区域经济发达意味着较高的消费潜力、资本积累和优势交通区位。一方面地区经济发展为区域旅游业提供支持力度，从供给侧为本地旅游基础设施建设提供资金支持，且区域经济实力增强对旅游金融集聚、人才吸引及对新技术的汲取能力具有催化剂作用；另一方面经济发展从需求侧刺激与催生本地旅游需求总量增加，激发并提升当地居民出游的动机、频率和旅游消费水平。

(3)市场规模(lnMAR)对旅游效率具有显著的正向直接效应与负向溢出效应；本地市场规模每提升1%，将会促进本地和邻近地区旅游效率分别增长0.1186%和-0.0852%。市场规模反映了本地旅游市场对旅游效率的影响效应，是影响区域旅游经济发展活力和增长潜力的重要因素。受空间相互作用理论和距离衰减规律的综合影响，本地市场规模扩充将相对削弱邻近地区旅游发展的机会和成本优势，对邻近地区旅游效率产生抑制作用。这可能也与本文仅选择本地人口密度表征市场规模有关。

(4)产业结构高级化(lnIND)对旅游效率具有显著的正向直接效应和溢出效应；产业结构高级化每提升1%，将会促进本地和邻近地区旅游效率分别增长0.1213%和0.0926%。2000-2016年云南省三产产值比重由32.75%升至42.97%，产业结构的服务化倾向逐渐明显。一方面产业结构高级化是旅游要素集聚和规模效应产生的重要机制，区域产业结构差异会导致资源向更高效地区流动，激发区域间旅游要素的互补效应；另一方面产业结构高级化可推动旅游业和关联产业融合，如“旅游+农业”、“旅游+工业”、“旅游+文化”、“旅游+生态”等丰富了旅游产品业态体系，间接推动旅游产业运营效率提升。

(5)对外开放度(lnOPE)对旅游效率具有显著的正向直接效应和溢出效应；对外开放水平每提升1%，将会促进本地和邻近地区旅游效率分别增长0.1186%和0.0118%。在综合交通基础设施集聚与扩散作用机制下，外资利用水平意味着区外旅游技术、先进管理经验和知识信息等对本地区旅游发展形成示范效应和技术溢出效应的影响程度。空间计量回归结果表明，对外经济联系带来的“技术溢出效应”同样适用于云南省旅游业发展。云南省作为“一带一路”和长江经济带的重要旅游节点，通过不断融入大湄公河次区域旅游区，推进滇老、滇越、滇缅等边(跨)境旅游合作区建设，积极参与东盟国家跨区域旅游合作，通过举办国际旅游交易会和中国东盟旅游合作年会等形式提升其对外旅游合作水平。在交通空间传导与组织作用下，区内与区外信息流、技术流、劳动力流与旅游客流互换，相互弥补各自旅游要素结构的不足，使信息、科技、资源等要素得以在区域间流动与共享。

(6)信息化水平(lnINF)对旅游效率具有显著的正向直接效应和溢出效应；信息化水平每提升1%，将会带动本地和邻近地区旅游效率分别提升0.1436%和0.1152%，直接效应大于溢出效应，表明本地信息化水平提升是促进旅游效率提升的关键因素。近年来，云南省大数据平台建设进程加快，如“一部手机游云南”全域旅游数字化平台推广，加之邻省贵州建设全国首个大数据综合试验区，均为云南省旅游产业智慧化转型和旅游平台经济发展提供了重要机遇。旅游业信息化发展通过数据的整合共享、交叉利用，形成智力资源和知识服务能力，旅游生产投入要素更易达到其生产前沿面。

4 结论与讨论

本文以典型山区旅游地云南省为研究案例，在构建交通服务功能评价模型与旅游效率测算指标体系基础上，综合运用熵权TOPSIS法、Bootstrap-DEA模型、双变量LISA和空间面板杜宾模型(SPDM)，探究了交通服务功能对旅游效率影响的空间效应及机理，有利于探查区域交通服务功能与旅游效率的空间聚类模式，辨识交通服务功能对旅游效率的空间溢出及边际效应、作用路径及影响强度，能够为区域旅游发展转型和交通设施优化提供参考与借鉴。结论如下：1)2000-2016年云南省交通服务功能整体呈上升态势，且呈现“核心—边缘”式空间格局；旅游效率总体水平呈增长趋势，州(市)间旅游效率差距逐渐缩小，高层级旅游效率区形成以昆明为中心的组团结构，对邻近地区旅游效率的涓滴效应随地理距离增加呈梯度递减规律。2)2000-2016年云南省交通服务功能与旅游效率总体关联模式呈显著的集聚与依赖特征，两者双变量局部Moran散点主体落点为H-H和L-L集聚模式，印证了旅游效率高值区对交通服务功能优势区存在显著的依附性，在考量交通服务功能与旅游效率空间关系时，不能忽略空间效应。3)云南省交通服务功能对旅游效率具有明显的正向直接效应和空间溢出效应，佐证了交通基础设施是区域旅游效率增长不可或缺的重要条件。直接效应大于间接效应，说明云南省自身交通服务功能完善是推动旅游效率提升的关键。经济实力、信息化水平、产业结构高级化、市场规模和对外开放度对本地旅游效率具有显著正向直接效应，经济实力、信息化水平、产业结构高级化和对外开放度对邻近地区旅游效率具有空间溢出效应；受限于旅游要素流空间传递距离衰减规律和旅游流客源市场分布规律的综合影响，市场规模对于邻近地区旅游效率则呈现负向影响，这可能也与本文仅选择本地人口密度表征市场规模有关。4)旅游交通是旅游系统的组成要素，交通基础设施网络性与外部性特征决定了其对地理要素的传导路径。交通服务功能对旅游效率作用的本质就是通过对旅游要素在地域上的集聚与扩散、整合重构和循环因果累积，周而复始地对各项旅游要素优化整合与高效配置，使各要素投入与产出比率达到最佳生产前沿面。综合看，经济实力是促进本地和邻近地区旅游效率提升的重要因素，其次是信息化水平、产业结构高级化和对外开放度；本地市场规模主要通过直接效应作用于旅游效率，对邻近地区旅游效率呈现负向外部性效应，这表明未来要加强跨区域旅游合作，整合与优化旅游线路，实现旅游要素的跨区域流动与共享。

交通基础设施作为旅游系统三大组成要素，其对旅游产业要素流空间传导配置与旅游要素的空间分布规模、流向具有显著导向功能。本文是交通服务功能对旅游效率影响的空间效应及机理的初步探索，仍存在如下不足：1)受数据限制，仅研究了云南省州(市)尺度交通服务功能对旅游效率影响的空间效应，未从微观视角揭示交通服务功能对旅游效率的影响。2)旅游活动本质上是污染性较小的第三产业，但旅游业也会有污染产出(非期望产出)，未来需将旅游碳排放等“非期望产出”纳入旅游效率评价指标体系。3)随着快速交通网络服务功能提升，其在若干旅游客源地与目的地间的“通道”功能不断强化，使旅游节点间网络联系强度由“弱关系”向“强关系”演进，快速交通技术变革及其带来的“时空收敛”和“空间组织协同”效应势必会对城市群旅游要素组织与配置产生深刻影响，有待选择典型城市群旅游地群落为案例，识别并提炼快速交通对旅游效率影响效应的一般规律及驱动机理。