长三角城市旅游专业化水平对旅游全要素生产率的影响效应

秦东丽,丁正山,胡美娟,郭向阳

(1.南京师范大学地理科学学院,江苏 南京 210023)(2.扬州大学旅游烹饪学院,江苏 扬州 225009)

旅游产业作为第三产业的重要组成部分,具有综合性强、产业关联性广的特征,实现旅游业高质量、高效率发展,是新时代赋予旅游业发展的重要使命[1]. 旅游全要素生产率即旅游产业在发展过程中,各项要素配置与利用效率的变化程度,与普通效率相比,更加凸显技术进步、管理效率、服务质量、结构升级等方面的效益[2-3]. 国外对旅游全要素生产率的研究相对较早,主要集中在酒店、旅行社和旅游目的地等核心部门,多运用SFA、DEA等方法对酒店及旅行社的效率进行评估分析[4-7];用全要素生产率的分解计算及贝叶斯动态分析等方法探讨旅游全要素生产率所受到的影响因素及其与经济增长的关系[8-9]. 国内学者多从省域及单个城市尺度层面,以旅游资源禀赋、旅行社数量、旅游固定资产投资、旅游业从业人员数量等作为投入变量,以旅游总收入和游客总人次等作为产出变量来测算旅游全要素生产率并分析其时空演变特征[2,10-11];运用超越对数法、随机前沿生产函数法、数据包络分析法及Malmquist指数法等进行旅游全要素生产率的指数分解,发现技术进步对旅游全要素生产率的贡献较大[12-14];通过回归分析、面板数据计量模型等分析产业结构、经济发展水平、服务业发展规模、对外开放程度等因素对区域旅游全要素生产率的线性影响效应[15-17]. 旅游专业化水平是衡量旅游产业集聚及旅游部门专业化程度的重要指标. Lanza等[18]从旅游专业化视角运用Lucas内生增长模式对旅游和经济增长关系展开研究;Julie[19]基于产业集聚视角认为旅游专业化水平是区域旅游竞争力形成的基础;Canina等[20]发现旅游专业化水平可以增加旅游企业的绩效;Yang[21]则认为旅游专业化水平是旅游产业发展的动力机制;刘佳等[22]通过分析中国大陆31个省级行政区,发现旅游专业化水平显著促进旅游经济增长;郭悦等[11]利用中国省际面板数据,认为旅游专业化水平与旅游全要素生产率之间存在较强的内在联系,专业化水平越高的地区通过规模经济促进区域纯技术效率的提升,从而有效促进旅游全要素生产率的提升;王凯等[23]则发现了旅游专业水平与旅游产业效率之间较强的正相关关系;而Adamou等[24]发现旅游专业化处于较低水平时,与经济增长率同方向变动,一旦专业化水平提高,旅游业对经济增长的贡献率变小;Po等[25]再次证实了旅游专业化与经济增长之间的非线性和阈值效应;左冰[26]基于这一理论更是提出了旅游业发展对经济增长带来“旅游诅咒”的结论. 由此可见,相关研究针对旅游专业化对旅游全要素生产率的作用关系及是否也存在阈值效应研究仍有所不足,因此,本文基于2000—2017年面板数据,以长三角地区城市为研究单元,揭示旅游专业化水平与全要素生产率时空演化特征,运用系统动态面板模型,从非线性角度深入探讨旅游专业化水平对旅游全要素生产率的作用过程和影响效应,以弥补中观尺度研究的不足,以期科学引导旅游生产要素的区际流动和资源的合理配置,改善旅游业发展质量与效率.

1 研究方法与数据来源

1.1 研究方法

1.1.1 旅游专业化水平

参考文献[27-28],用某产业产值在地区生产总值所占份额与区域内相应份额的比值表示旅游专业化水平,计算公式为:

(1)

式中,Sit表示i市t时期的旅游专业化水平;Tit、Tt分别表示t时期的某市、整个长三角地区旅游业总收入(包括国内旅游收入和入境旅游收入);Git、Gt分别表示t时期的某市、整个长三角地区生产总值.Sit值越大,则表明该市旅游产业集聚程度越强,产业支柱效应越显著,反之则低.

1.1.2 旅游全要素生产率

全要素生产率用于衡量生产中纯技术进步发挥的作用,是指全部生产要素(包括资本、劳动、土地)的投入量不变时,生产量仍然增加的部分[29]. 本文基于Ray和Desli的理论,考虑不同时期生产效率的变化情况,根据t期和t+1期基准技术的Malmquist生产指数[30],采用DEA-Malmquist指数模型测算旅游全要素生产率(WTFP):

(2)

式中,WTechch、WEffch、WSech和WPech分别代表技术进步、技术效率、规模效率和纯技术效率的变化情况;其中,技术效率由规模效率和纯技术效率构成. 一般认为,各指数大于1,表明t到t+1时期呈正增长,生产效率提高(技术进步);若等于或小于1,则表示生产效率不变(技术不变)或有所降低(技术倒退).

相关研究关于旅游全要素生产率测度指标的选取,通常涉及投入和产出两大指标,本文结合旅游产业发展实际和已有研究,利用双投入、双产出测算旅游全要素生产率. 资产作为旅游经济活动有效开展的基础,旅游直接投资是较为理想的投入指标,但由于目前国内统计缺乏这一指标,因此借鉴相关研究处理方法[15,31-32],从旅游吸引力角度出发,对星级酒店数量、3A及以上旅游景区数量、旅行社数量,依据相关标准中各等级要素数量与其对应分值加总求和得到旅游资源和服务要素投入值,表征旅游资本要素投入;由于旅游业是典型的服务型综合产业,离不开劳动人员的参与,出于统计数据的缺乏,选取第三产业从业人员数量作为劳动要素投入[31,33-34];土地虽然是旅游活动得以开展的重要载体,但城市旅游产业的土地投入在实际统计时难以界定,因此本文未加入土地要素[31-34];旅游产出要素包括经济效益、社会效益和生态效益等,由于游客满意度、旅游环境影响程度、文化渗透等因素不宜定量统计[34],本文选取旅游总收入和游客总人次(国内与入境游客人次之和)作为双产出指标进行产出效率分析[32-34].

1.2 数据来源

考虑到数据的获取性,将研究时段界定为2001—2017年,研究数据均来源于2001—2018年的《中国旅游统计年鉴》《上海市统计年鉴》《江苏省统计年鉴》《浙江省统计年鉴》《安徽省统计年鉴》和各地市统计年鉴及2001—2017年各地市统计公报、旅游业发展公报,针对个别指标数据缺失,采用插值法估计获得. 此外,由于安徽省的行政区划调整,2011年巢湖市被一分为三,其对应数据分别并入合肥市、芜湖市和马鞍山市,为保证数据的前后一致性,本文按照2017年行政区划矢量图,对数据进行相应的合并处理.

图1 长三角城市旅游专业化水平与旅游全要素生产率时空特征Fig.1 The space-time characteristics of tourism specialization level and tourism total factor productivity in Yangtze River Delta Cities

2 结果与讨论

2.1 旅游专业化水平与旅游全要素生产率时空特征分析

根据测算结果及数据属性特征,将2001年、2009年和2017年的旅游专业化水平分为≥2.0、1.0～2.0、0.5～1.0、<0.5四个等级,旅游全要素生产率分为≥1.5、1.0～1.5、0.8～1.0、<0.8四个等级,并进行空间可视化(图1). 由图1(a)、(b)、(c)可知,随着时间的推移,长三角地区各城市旅游专业化水平不断提升,“南高北低”的空间面状分异格局逐渐增强. 具体来看,2001年,受到旅游资源禀赋、旅游接待设施投资力度及经济发展水平的综合影响,旅游专业化水平的规模优势还未凸显,仅黄山市、池州市、上海市、南京市、杭州市和舟山市的旅游专业化水平达到1.0以上,而皖北和部分皖南、皖中、苏中、苏北城市组团构成极低的“倒山”字型旅游专业化水平集聚区. 2009年,长三角城市旅游专业化水平总体提升明显,36.59%以上的城市旅游专业化水平已初见规模,但安徽省部分城市和宿迁市、盐城市、泰州市的旅游专业化水平不及0.5,主要因为基础设施不足、旅游产品开发深度不够、旅游企业竞争压力大等. 2017年,随着人均收入水平迈入休闲度假旅游消费阶段,长三角旅游资源极强的互补、轨道交通产业的先行完善,为长三角的互通互联打下基础,使得各城市旅游专业化水平进一步提升,空间依赖特征明显,旅游专业化水平超过1.0的城市比重提升至46.34%,但宿迁、盐城、泰州和南通四市主要受到旅游资源缺乏品牌化、知名景点匮乏、竞争优势不足、旅游特色不明显及旅游业起步晚等因素的影响,旅游专业化水平仍不足0.5.

研究时段内长三角地区各城市旅游全要素生产率呈不同幅度的增加态势,负向增长城市逐步减少,整体上接近均衡分布的理想状态. 根据图1(a′)、(b′)、(c′),2001年长三角地区各城市以旅游全要素生产率的负向增长为主导,占比53.66%,在西北—东南方向上构成“入”字型空间分异格局,主要由于此阶段处于旅游产业发展初期,国民旅游消费水平普遍偏低,且多为低端层次旅游产品消费,导致旅游经济增长乏力,不利于旅游全要素生产率的提升. 2009年,旅游全要素生产率实现正向增长的区域范围逐渐扩大,占比82.93%,空间聚类格局逐渐明晰,而以下降为主的区域减少至盐城市、南通市、六安市等7个城市,集聚分布于研究区域外围. 长三角地区作为经济发达、信息化水平高的区域,为旅游产业的发展提供了大量的资金与技术支持,在一定程度上能够提高技术生产率. 2017年,仅上海和台州两市旅游全要素生产率未实现正向增长,主要由于旅游安全、景区、市场秩序等管理规范的调整实施,给上海及宁波市旅游企业的管理调配效率带来了一定的冲击;此外,滁州市和淮北市的旅游全要素生产率已超过1.5,正向协同增长效应显著,可见,“全域旅游示范区”的开展及“文明旅游”的宣传培训有效提升了滁州市和淮北市的旅游规模效率及人员利用效率.

2.2 旅游专业化水平对旅游全要素生产率的影响效应

2.2.1 模型构建与检验

为分析旅游专业化水平对旅游全要素生产率的影响效应,本文以旅游全要素生产率为被解释变量,以旅游专业化水平为核心解释变量,根据旅游全要素生产率的动态过程及与旅游专业化水平之间可能存在的非线性关系,引入旅游全要素生产率的滞后项和旅游专业化水平的二次项,构建以下计量模型:

(3)

其中,i为城市;t为年份;WTFP为旅游全要素生产率;S为旅游专业化水平;μi为区域个体效应;x、θ(β)、j(n)分别为影响因素、影响因素系数、影响因素类别;m为滞后项数;xit为控制变量集;εit为随机误差项. 此外,由于旅游全要素生产率的动态演变是个复杂的过程,会受到多种因素的综合作用,本文根据长三角地区各城市旅游产业的发展现状,依照前人的相关研究,并结合逐步回归方法,筛选出最为显著的影响因素,得到一组相对最优的控制变量集进行分析(表1).

表1 动态面板模型主要变量表Table 1 The main variables of dynamic panel model

借助stata14.0软件,对被解释变量进行检验计算,结果显示被解释变量的滞后t-1期拟合系数的绝对值(31.89)远高于滞后t-2期(1.71),故采用被解释变量的滞后t-1期进行回归结果对比分析. 根据被解释变量的滞后t-1期可以发现,OLS模型、固定效应模型与系统GMM模型中旅游全要素生产率滞后项WTFP_1均通过了1%的检验,说明当期旅游全要素生产率与前期存在显著相关性;此外,GMM模型估计中被解释变量的滞后项系数为-0.310,介于OLS模型(-0.298)和固定效应模型(-0.332)之间,且GMM模型多个控制变量显著性均高于OLS模型与固定效应模型,表明系统GMM动态模型设定合理.

2.2.2 回归结果分析

考虑到模型设定中AR(1)和AR(2)检验的原假设H0为不存在自相关,而AR(1)检验拒绝原假设,AR(2)检验接受原假设,Sargan检验不显著,因此本文选用GMM的两步法进行回归分析(表2),依次引入控制变量对解释变量和被解释变量进行回归. 8组回归模型估计下的旅游全要素生产率滞后t-1期系数结果显示,其均在1%的水平上显著,可见运用系统动态面板模型来研究旅游全要素生产率是有必要的;但随着控制变量的增加,滞后项系数呈现小幅变化趋势,充分说明旅游资源禀赋、经济发展水平、市场化程度、产业结构等变量能够有效影响旅游全要素生产率的滞后效应.

从8组模型回归结果看,旅游专业化水平的一次项系数显著为正,二次项系数均为负,可见旅游专业化水平与旅游全要素生产率之间存在明显的倒“U”型曲线关系,且与上文假设分析相一致. 考虑到第八组数据中影响因素的相对全面性,对其回归结果分析发现,旅游专业化水平的一次项和二次项系数均在1%的水平上显著,可见拐点效应相当明显,通过计算发现,当旅游专业化水平小于4.89时,可促进旅游全要素生产率逐渐上升;而当旅游专业化水平在4.89时,即出现拐点时,旅游全要素生产率保持稳定;随着旅游专业化水平越过这一拐点,旅游全要素生产率开始呈现下降趋势,毋庸置疑,旅游专业化水平与旅游全要素生产率之间存在库兹涅茨的倒“U”型曲线关系. 通过分析原始数据发现,除了2008—2017年黄山市外,其他城市旅游专业化水平均处于倒“U”型曲线拐点左侧,表明长三角城市的旅游专业化水平对旅游全要素生产率起到显著的促进作用,即随着旅游专业化水平的提升,由旅游产业集聚产生的规模效应逐渐显现,有利于推动区域旅游产业技术转型升级,淘汰落后产能,增强产业配置效率,促使索洛余值递增[12]. 但旅游专业化水平过高,会使得旅游目的地经济发展过度依赖旅游产业收入,导致旅游专业化水平对旅游全要素生产率边际外部性作用减小,拥挤效应逐渐占据主导地位,进而使得旅游专业化水平对旅游全要素生产率的负面作用显现. 因此,为有效延长旅游专业化水平对旅游全要素生产率的促进作用期限,应协调区域产业发展,在全域旅游背景下,积极引导各产业之间发展的协同效应,有效引导区域旅游产业的改革创新,合理建设旅游业承载腹地,避免旅游产业集聚规模不经济现象的出现,实现区域旅游可持续发展.

表2 动态面板GMM估计结果Table 2 The estimation results of dynamic panel GMM

通过逐步引入控制变量,发现旅游专业化水平的一次项和二次项系数大小发生变化,且各控制变量均在10%以上的水平上显著,表明旅游资源禀赋、经济发展水平、城镇化水平等对旅游专业化水平和旅游全要素生产率的互动关系有一定的干扰作用. 此外,经济发展水平、交通发展水平、信息化水平和产业结构能够显著提高旅游全要素生产率,而旅游资源禀赋、市场化程度及城镇化水平与旅游全要素生产率变化存在显著的负相关关系. 具体来看,经济发展水平对旅游全要素生产率的影响效果最为明显,人均GDP每增长1个百分点,可以促使旅游全要素生产率提高0.11%,说明经济发展水平的提升刺激了旅游消费者的购买力,有利于激发旅游产业的技术创新与进步. 交通发展水平对旅游全要素生产率也表现出显著的正向作用,交通的发达程度决定着城市对外联系的广度与深度,影响着旅游经营者的决策力和判断力,进而会增加对交通发达地区的旅游产业投资力度,形成规模集聚效应,有效推动旅游全要素生产率的提升. 信息化水平对旅游全要素生产率的影响系数为0.019,信息化水平每提升1%,可推动旅游全要素生产率进步0.019个百分点,城市信息化水平越高,知识、技术资本流更加活跃,催生新的旅游创新,能够显著推动旅游全要素生产率的增长与进步. 产业结构显著提升了旅游全要素生产率,第三产业比重的增加体现了产业结构高级化的过程,有利于优化生产结构,提高旅游产业的资源配置能力,为旅游全要素生产率的提升营造良好的外部环境. 旅游资源禀赋对旅游全要素生产率的影响呈现显著的负向效应,主要由于传统的观光型旅游产品在投入产出过程中漏损较大,不能有效推动旅游企业转型升级,进而未能促进旅游全要素生产率的提升[37]. 市场化程度对旅游全要素生产率的提升有着显著的抑制作用,市场化指数表征了市场规模,市场发育越完善,所能达到的服务门槛规模就越高[35],而旅游产出规模在一定时期内是固定的,因此市场发育程度的增加会表现出过剩情况而不利于旅游全要素生产率的提升. 城镇化在5%的水平下显著与旅游全要素生产率呈负相关,这可能由于旅游业发展与城镇化存在对政策、经济资源的竞争,在推进城镇化快速发展的同时,对旅游产业的投入和政策倾斜不足[17].

3 结论

(1)2001—2017年,长三角地区各城市旅游专业化水平逐渐提升,由旅游专业化水平低值集聚的“倒山”字型空间分布格局向“南高北低”的面状格局过渡,旅游专业化水平较高城市主要分布在浙江、安徽南部等地区;旅游全要素生产率呈不同幅度的增加态势,由负向增长的“入”字型空间分布格局向正向促进的空间“均衡”状态演化.

(2)动态面板回归模型表明旅游专业化水平与旅游全要素生产率之间存在明显的倒“U”型曲线关系. 研究期内,长三角大多数城市旅游专业化水平位于4.89的“阈值”范围内,处于倒“U”型曲线左侧,对旅游全要素生产率起着促进作用,但旅游专业化水平若持续增加,必将推动旅游全要素生产率越过拐点进入下行阶段.

(3)对各控制变量的逐步回归发现,经济发展水平是推动旅游全要素生产率提升的关键因素,提高交通发展水平、信息化水平和完善产业结构也是促进旅游全要素生产率提升的有效路径,而旅游资源禀赋、市场化程度及城镇化水平却显著阻碍旅游全要素生产率的提升.