旅游产业关联结构及其经济贡献研究

左冰 杨艺

[摘    要]文章采用网络分析法对2010年和2015年广东省产业网络进行了系统研究，描绘了旅游业前后向关联结构与旅游业自我中心网络特性，并使用投入产出分析法对旅游业全要素生产率（TFP）和旅游产业关联的经济影响（TL）进行了测算，从产业關联视角揭示了旅游发展影响经济体系的复杂机制与路径。研究表明：（1）旅游业具有非常强的前后向产业关联。如果抽取其关联效应，经济体系的总产出损失将高达6%以上。（2）旅游业同时也具有较强的中介中心性，已经成为联系第二产业和第三产业群的通道和桥梁。（3）旅游业劳动生产率低于社会平均水平，但TFP增长率高于社会平均水平，这种特征决定了旅游发展影响经济体系产出和生产率结构的多重可能性与复杂性。（4）旅游业较高的TFP增长率有助于推动其前向关联部门的效率提升和进化，这可被视为旅游发挥积极经济效应的一种重要途径。（5）旅游发展所依赖的部分中间投入部门的TFP增长率低于旅游业，对旅游业提质增效造成了约束。因此，提高旅游中间投入部门的效率是旅游业提质增效和发挥旅游对经济综合贡献的关键所在。

[关键词]投入产出分析;社会网络分析;自我中心网络;假设抽取法;产业关联效应;全要素生产率

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2021）04-0014-17

Doi： 10.19765/j.cnki.1002-5006.2021.04.007

引言

旅游业已经成为世界上最大和发展最迅速的产业之一。越来越多的发展中国家/地区将发展旅游作为推动经济增长的引擎。中国政府也始终不遗余力地推动旅游业发展。2014年8月，国务院发布了关于促进旅游产业转型升级和改革发展的意见;2018年6月，又进一步提出要推进全域旅游发展，加快供给侧结构性改革，不断提高旅游对经济和就业的综合贡献。供给侧改革的重心问题是结构调整和提质增效。这就要求对旅游涉及的产业面及其结构特点进行分析，评估旅游与其关联产业的整体生产率结构，以剖析如何通过生产结构调整实现整体经济效率提升和产出增加。

尽管在世界范围内已有大量文献就旅游的经济贡献和影响展开了广泛的研究，但旅游的产业关联效应以及生产率结构问题在理论上并没有得到充分关注[1-2]。学者们广泛使用经济建模技术，例如成本效益分析[3]、旅游乘数[4-5]、投入产出波及效应分析[6-9]以及CGE模型[10]等估算了旅游的经济影响，但这些研究普遍聚焦于宏观总量层面，缺乏对经济运行现实的结构描述，难以反映旅游在经济系统中的结构性位置及其影响。

产业关联在经济学中有着悠久的历史。Leontief发现，发达经济体的生产部门之间的联系比不发达经济体的联系更为紧密且联系范围更广[11]。许多的发展经济学家如Hirschman[12]、Rasmussen[13]普遍建议将促进产业间关联作为制定发展战略的基础。他们认为，增加产业间联系就等于增加经济体系中的专业化和劳动分工[14]，这有助于提高整体生产率从而对产出增长有利。事实上，如何提高生产率或投入产出效率长期以来都是经济研究中的重要问题[15]。这是因为一个国家的财富增长或企业的成功最终取决于其从一定数量的投入中获得更高的产出的能力[16]。从投入产出的视角来看，在要素投入等其他条件不变的情况下，生产率的增长意味着行业附加值率提高，意味着经济体系能生产出更多或更高质量的最终产品和服务，亦即提质增效。

本文基于投入产出技术和网络分析方法在当代的发展，拟从产业关联视角揭示旅游在国民经济整体生产依存关系中的结构性地位，从反事实的角度评估旅游产业关联对于经济体系的重要性，同时结合对经济体系生产率结构的剖析，探究旅游发展影响经济体系的结构化路径与复杂机制。本研究的知识贡献在于：（1）可弥补当前旅游经济影响研究轻结构、缺中观分析的缺陷;（2）采用假设抽取法创新性地测算了被传统投入产出分析忽视的旅游产业关联的经济效应;（3）揭示了旅游对经济体系的生产率结构可能产生的影响，有助于增进对旅游业在国民经济体系中的作用与功能的新的认识。时下，“旅游+”的概念非常火爆，农旅一体、工业旅游、文旅融合已经成为频繁用语，研究旅游的生产结构及其影响因而具有更加重要的时代意义，对推动旅游供给侧改革，实现旅游产业的转型升级和高质量发展，具有显著的实践价值。

1 文献综述与分析框架

产业关联是指国民经济各部门在社会再生产过程中所形成的直接和间接的相互依存、相互制约的经济联系[17]。这种联系既包括产品和服务之间关联，即将某行业的产品或服务作为其生产的投入要素，也包括价格、就业以及投资之间的联系。在更宽泛的意义上，产业关联还包括生产技术或生产率之间的依存和传导[16]。Rasmussen[13]、Hirschman[12]、Chenery和Watanebe[18]被认为是产业关联研究领域的先行者。他们运用投入产出矩阵（input and output matrix）提出了测算产业关联的指标和方法。在此基础上，Hewings[19]和Cella[17]进一步将产业关联关系划分为前向关联和后向关联，并提出了影响力系数、感应度系数等概念和指标，用以识别经济中的关键产业和弱势产业。如果甲产业为乙产业提供作为其生产消耗的中间产品，则对于甲，乙是其前向关联产业;对于乙，甲是其后向关联产业。由于一个产业的需求、产值、技术等方面的变化会通过产业关联对其他部门产生直接和间接的影响，Katz和Burford[20]提出可采用列昂惕夫逆矩阵[B=（I-A）-1]（A为直接消耗系数矩阵）来测算行业变动产生波及效应（ripple effect）。这样就可以对某个产业的变动情况进行经济预测和影响评估。这些基础性的方法目前已经被广泛地应用于各个国家、地区和行业的产业关联和宏观经济影响研究。

旅游业在服务和产品消费上与国民经济系统中的多个产业高度相关，被认为具有明显的关联效应[21]。为了揭示旅游产业关联效应及其对经济的影响，许多学者进行了不懈地探索，如Archer和 Fletcher在20世纪80年代就引入产业波及法开展了旅游经济影响研究，并提出了旅游乘数的概念[4，6]。旅游乘数尽管解释了旅游经济影响产生的产业关联机制，但其对影响路径的分析仍较为笼统和薄弱。真正关注旅游产业关联本身的主要是发展中国家的学者，如Atan和 Arslanturk对土耳其2002年旅游产业的前后向关联系数进行了测算[21]，其研究结果表明，旅游业是一个后向关联型产业，对交通运输业、基础设施建设、餐饮住宿业的影响最大。Khanal等对老挝的研究表明，旅游业在14个部门中具有很强的后向关联，其2003年和2008年的后向关联系数分别为1.09和1.24，因而具有较高的旅游产出乘数[22]。在中国，闫敏最早运用投入产出法计算了1992年旅游部门的直接消耗系数和完全消耗系数[8]。此后，左冰[9]、宋增文[23]、张华初和李永杰[24]、刘晓欣等[25]分别使用2002年和2007年中国投入产出表，对中国旅游业的产业关联度、宏观经济效应、产出乘数与就业乘数进行了分析。他们的研究发现，中国旅游业的产出乘数在1.38～2.53之間，具有较强的后向产业关联，且影响力系数在不断提高，由1997年的0.91提高到2007年的1.14，而感应度系数有所下降，由2002年的0.49下降到2007年0.44。与旅游业直接后向关联的行业主要是交通运输及仓储业、住宿和餐饮业、租赁和商务服务业、金融保险业、石油加工、炼焦及核燃料加工业等;与旅游业直接前向关联的行业主要为金融保险业、公共管理和社会组织、信息传输、计算机服务和软件业以及教育事业。在区域层面上，李江帆等[26]、戴斌和束菊萍[27]、王雷震等[28]及崔峰和包娟[29]运用投入产出法分别对广东、上海、北京以及浙江等地旅游产业关联及产业波及效应进行了分析。

进入21世纪，产业关联研究在方法上得到很大的完善，已经不局限在影响力和感应度分析范畴。结构分解法（structural decomposition analysis，SDA）[1]、定性投入产出分析（qualitative input-output analysis，QIOA）等也被用于刻画产业关联[30-31]。并且QIOA还常常与网络分析法相结合，用于确定基本的经济结构，以及构建产业间复杂的关系流网络[32-33]。

QIOA将经济系统看作一个网络，节点代表产业，边代表产业间的关联关系，产业间的关联系数用于反映边的权重。这样，任何一个国家/地区的产业以及它们之间的关联关系构成了产业网络[34]。QIOA在投入产出直接消耗系数矩阵基础上，将产业间交易流进行分解和过滤，把分解后的交易矩阵转换成布尔矩阵（Boolean matrices），其中的0或1代表不同部门间的联系，并以此计算、测度产业网络结构和产业关联。测算指标通常有网络密度、中心性、中介中心性和凝聚子群等。如汪云林等运用2002年中国投入产出表测算出旅游业的中介中心性在42个部门中排名第40位[35]，这意味着旅游业与其他产业的关联度较低。孙露等基于1997年、2002年和2007年中国投入产出表对42部门的中心性和中介中心性进行测算，结果显示旅游业的中心性排名靠后，中介中心性在2002年和2007年为0，说明旅游业位于产业的边缘地带，在整个网络中和其他产业的关联程度极低[36]。

尽管旅游产业关联研究的深度和广度在不断拓展，但旅游业与其生产依存产业的关联脉络仍然不明晰，旅游业产业关联对于总产出的影响机制并未得到充分的认识。发展经济学者们早已指出，一个部门对国民经济的贡献与它的生产率以及相应的效率提升、相对规模和中间投入强度直接有关[37-38]。增长迅速且具有更多的中间投入需求的部门往往会带来更多的贸易机会以及分工，从而能对经济产生更大的影响，因此，一个具有强大的后向联系部门可以被作为促进一个国家或区域经济发展的优势部门。同时，中间投入部门的效率也很重要。中间投入部门生产效率越高，则行业单位生产成本就越低、附加值越高，行业就能够以越低的价格提供产品。如果行业的中间采购均来自效率水平不断提高的部门，其影响将非常积极，因为行业生产投入非常有效率或质量更高。而如果中间采购是来自效率水平不断下降的部门，情况则正好相反。这意味着，某个产业部门对于经济总量的贡献不仅受到其自身效率的影响，还受到其后向关联程度及其后向联系部门的技术变革的影响。从前向关联的角度来看，部门变化是否能够提升经济体的总产出，取决于该部门的发展是否有利于推动生产率高于平均水平的部门的发展。上述分析意味着，在其他条件保持不变的情形下，旅游发展对产出水平的提升主要取决于旅游及其所依存的前后向联系部门的生产率水平及其增长率。

假设在一个经济体系中存在n-1个与旅游业具有前后向关联的产业部门。全行业平均劳动生产率为Pa，生产率的平均增长率为ΔPa，根据每个部门劳动生产率[Pi（i=1，2，…，n）]及其增长率ΔPi与Pa及ΔPa之差，可以将旅游及其生产依存部门划分为4种类型。

A类：Pi > Pa，ΔPi > ΔPa。即经济体系中与旅游具有生产依存的产业部门都是效率较高的部门（生产率水平相对较高且生产率增长快速）。在这样的情形下，发展旅游可以显著地推动经济体系的提质增效。这是最佳的情形。

B类：Pi < Pa，ΔPi > ΔPa，旅游发展使生产率水平相对较低但生产率增长快速的部门受益。由于该行业生产率在初期处于较低水平，其产值增长会拉低全行业生产率，甚至可能出现全社会总产值增加而增加值未必增长的状况。此时，旅游在发展初期可能降低经济效率，但从长期来看将使经济受益。

C类：Pi > Pa，ΔPi < ΔPa，旅游发展有利于生产率水平高但生产率增长缓慢的部门，旅游业的发展在短期有助于提高产出水平而在长期可能损害经济效率，这一情形与B类刚好相反。

D类：Pi < Pa，ΔPi < ΔPa，受旅游发展影响的部门生产率水平低并且增长缓慢，旅游发展将给经济带来不利影响。

基于上述分析框架，通过测算经济体中旅游产业关联的关系和强度，以及计算出各关联产业生产率及其生产率增长水平，就可以刻画出旅游对于经济体系的可能影响和作用模式。

2 研究方法

首先，基于前述QIOA网络分析法以确定旅游产业自我中心网络基本结构，识别与旅游业具有互惠共生关系的产业及其关联强度，进而采用定量投入产出分析法测算各关联产业劳动生产率及其全要素生产率增长率，最后采用假设抽取法定量评估旅游产业关联对于国民经济总产出的影响。具体分为以下3个步骤。

2.1 旅游业自我中心网络及产业关联关系识别

设包含n个产业活动单位的某经济体投入产出表技术系数（technical coefficients）矩阵为[aij]，以[aij]为权重对产业网络赋权。借鉴Aroche-Reyes对产业生成树结构的算法[34，39]，通过过滤输入系数矩阵[aij]中较大的项构建产业赋权网络模型，识别旅游业自我中心网络结构（ego network），对旅游产业关联强度和互惠关系结构进行定量评估和定性识别。

2.2 基于投入产出表测算全要素生产率

借鉴Wolff[40]和Miller and Blair[41]，采用投入产出分析法计算各个产业的全要素生产率的增长（total factor productivity growth， TFPG）。设各产业增加值系数（value-added coefficients）为[vj]，行业总产出矩阵（total industry outputs）为[xj]，其中，[j=1，2，…，n]，根据投入产出表的平衡关系，有：

[xj=i=1naijxj+vjxj=i=1naij+vjxj]（1）

两边取微分，可得：

[dxj=di=1naij+vjxj=i=1naij+vjdxj+          i=1ndaij+dvjxj]（2）

在忽略二阶效应（second-order）的情况下，可以将式（2）中的微分用有限差分的形式表示，即：[dxj?Δxj=x1j-x0j]，[daij?Δaij=a1ij-a0ij]，[dvj?Δvj=v1j-v0j]。因此有：

[Δxj=x1j-x0j=Δi=1naij+vjxj=i=1na0ij+v0jx1j-     i=1na0ij+v0jx0j+i=1na1ij+v1jx0j-i=1na1ij+v1jx0j=]

[i=1na0ij+v0jΔxj+i=1nΔaij+Δvjx0j           ]（3）

式（3）中最末行右邊第一项表示在使用旧有技术的情况下，新增投入产生的产值变化;第二项则表示在投入不变的情况下，使用新技术导致的产出变化。全要素生产率通常定义为不归因于投入增长的总产出增长。根据这一概念，可得全要素生产率的增长率（TFPG）：

[τj=-i=1nΔaij+Δvj]（4）

其矩阵表达为：

[τ=-[（IΔA）′+ΔV]]（5）

如果存在技术进步，则[ΔA]在理论上只包含负要素，表明各产业所需的中间投入在减少。[ΔV]为正表明与初期相比，产业增加值率提高，反之则表明产业增加值率相比期初减少，即中间投入增加。由此，根据各产业TFPG的计算结果和前述分析框架，就可以判断旅游产业在经济体生产率结构中的地位和影响。

2.3 基于假设抽取法测算旅游产业关联对产出增长的影响

假设抽取法（hypothetical extraction method，HEM）基于反向评估原理，通过测算将某一部门从经济系统中抽掉后所造成的产出损失来评估产业关联对于经济增长的重要性[42]，又可分为前向关联效应（forward linkage，FL）、后向关联效应（backward linkage，BL）和总关联效应（Total linkage，TL），分别评估的是该部门对其他部门的中间投入为0，其他部门对该部门的中间投入为0，以及两者均为0时经济系统产生的产出损失[42-43]。

首先，计算总关联效应。如前，假设全社会最终需求为[yj]，其中[j=1，2，…，n]，根据投入产出平衡关系，有：[Y=I-AX]。即：[X=I-A-1Y]。在抽取出旅游业（i=n）后，旅游业所对应行和列的元素均变为0。新的技术系数矩阵[A′]如式（6）所示。

[A′=a11a21…an-1，1………a1，n-1a2，n-1…an-1，n-100…00…0  0]（6）

此时，经济系统对旅游部门的中间使用以及消费和投资将由进口满足，且旅游出口为0。令[Y′]为抽取旅游后的新需求矩阵，经济系统的总产出为：[X=（I-A）-1Y]。则抽取旅游后所造成的总产出损失，即总关联效应为（[X-X]）。为便于比较，通常表达为百分比形式，即：[TL=（X-X）/X×100%]。

同样，假设仅抽取旅游部门的后向关联，即令原技术系数矩阵A中[an，j=0，j=1，2，…，n]，旅游部门通过进口满足其中间需求。则抽掉旅游后的总产出为：[XB=（I-AB）-1Y]。其中，[AB]为新的技术系数矩阵，因此有：[BL=（XB-X）/X×100%]。

令[bi，j]为i部门的产出提供给j部门的比例，则[X=V（I-B）-1]。假设仅抽取旅游部门的前向关联，此时有：[bi，n=0，i=1，2，…，n]。抽掉旅游业前向关联后的总产出为：[XF=V（I-B）-1]。[B]为新的直接产出矩阵。因此有：[FL=（XF-X）/X×100%]。

2.4 数据来源

基于案例典型性和数据可得性，选择广东省作为研究对象。广东省是我国最早进行改革开放的地区，在40年的发展中形成了门类齐全、规模庞大的制造业和服务业体系。2018年，广东全省地区生产总值达9.73万亿元，其经济总量全国排名第一;旅游总收入1.36万亿元，居于全国首位[44]。选择广东省作为研究对象，可以充分完整地呈现出旅游产业关联的深度和广度。

2011年，广东省旅游局成立了旅游卫星账户编制组，按照联合国世界旅游组织《旅游卫星账户：建议的方法框架（TSA：RMF2008）》，基于2010年广东省数据和我国国民经济行业分类标准，于2012年首次编制完成了广东省旅游卫星账户（GDTSA—2010）[45]。之后，又完成了GDTSA—2014的编制工作。GDTSA将提供旅游特征产品的行业界定为旅游产业范畴，清晰地描述了省内外以及境外游客旅游消费与省内旅游供给情况。其涉及的旅游产业共计15类，远远超过国家游客抽样调查所涉及的产业类型。此外，GDTSA还单独编制了包含汽车租赁、第二住宅、文化艺术业、体育娱乐、会议展览、金融、保险、邮政、电信及其他信息传输服务、居民服务、会议及展览等产业的旅游消费和生产情况，同时也详细反映了居民和政府招待支出、旅游实物社会转移等情况，全面地描述了地区旅游生产活动，为研究的开展奠定了可靠的数据基础。

本文基于《国民经济行业分类标准》（GB/T4754—2011），以广东省2010年和2015年竞争型投入产出42个部门延长表为基表[56]，根据GDTSA提供的旅游产业数据，从42个部门中逐项剥离出旅游产值、旅游增加值和旅游中间投入，汇总后归并为旅游业。例如，2010年“旅馆和其他住宿服务”的旅游供给为100%，餐饮服务的旅游供给比例为57.63%，则旅游住宿消费399.38亿元将从投入产出表的“住宿与餐饮业”中100%剥离，旅游餐饮消费从剩下的产值中剥离出57.63%，最后仅剩（本地）餐饮业产值。由于GDTSA—2014反映的是2014年旅游生产数据，在进行剥离-汇总前，首先按照比例法（假定广东省在2014年和2015年具有不变的旅游生产技术），即按照2015年与2014年旅游总产值的比值将GDTSA—2014调整为基于2015年数据的旅游生产账户GDTSA—2015。此外，广东省2010年和2015年I/O表中42个行业的分类有所差异。在2010年表中，交通运输及仓储业（代码27，以下同）与邮政业（28）分属两个部门，而在2015年表中，前两者被合并为交通运输、仓储和邮政业（30）。同样，2010年表中，研究与试验发展业（35）和综合技术服务业（36）在2015年表中合并成为：科学研究和技术服务（36）。2010年表中通用、专用设备制造业（16）在2015年表中被划分为通用设备（16）和专用设备（17）两个部门。本文在处理过程中按大类行业合并的原则对两份表中的42个部门进行归类调整，整合成为40个部门，再加上旅游部门，编制成为包含旅游在内的41部门投入产出表。在完成上述产业分类合并之后，按照区域外（境外+省外）进口占区域总产值之比，对中间投入/使用进行等比例拆分，将广东省投入产出表编制成为非竞争型投入产出表（2010和2015）1。以下分析将以此两份数据表为基础展开。研究中所涉及的各行业劳动力统计资料则来自《广东经济普查年鉴》（2010、2015）[59-60]和《广东统计年鉴》（2011、2016）[47-48]，同样基于上述剥离-汇总技术进行了处理，以便与投入产出表相匹配。41个部门及其代码可见表2，其中，27、28、29、30、31、32、33、35、36、39和40号产业中所包含的旅游活动信息已被全部剥离。

3 结果分析与发现

3.1 旅游业个体网络关联特性

运用Ucinet软件对旅游业在广东网络体系中的点度中心性、接近中心性和中介中心性进行测算和评估2，并与传统I/O结果进行对比。点度中心性测量的是产业关联能力。拥有更多产业联系的产业一般具有更高的中心性，可分为入度（反映影响力）和出度（反映合群性）中心性。2010年，广东旅游业的出度中心性为145，排名为7;这一指标在2015年上升為177，排名为6，次于化学工业（12）、金融（30）和通信设备、计算机及其他电子设备制造业（19）等行业，说明旅游业具有较强的前向关联，为其他产业的发展提供了较为重要的支持。从入度中心性来看，旅游业的入度中心性在2010年排名在第9位，2015年排名为11，排名相对靠前，表明旅游业在整体产业关联网络中，具有较强的影响力和合群性，其前向支持能力提升，而后向关联略有下降。但按照传统的Rasmussen影响力与感应度指标计算，旅游业前后向关联系数分别为0.5152和0.4184，在41个部门中居于中下位置。这是由于Rasmussen影响力与感应度指标将产业对自身的需求也视为产业关联的一部分，而QIOA仅关注某产业与其他部门的关联，即设定对角线系数为0，因而产业间的关联关系更为显著。

接近中心性衡量的是产业在网络体系中的中心位置。2010年旅游业的接近中心性排名分别在第40位（入度）和38位（出度），2015年其出度接近中心性排名下降到39位，排名靠后，说明旅游业易受其他产业的影响且整合力有限，展现出较强的脆弱性特征。中介中心性反映产业在连接其他产业时所表现出的重要性。旅游业在2010年位列第2，仅次于农业;而在2015年的排名中，旅游业超越了农业，位列第1，说明旅游业在广东省产业体系中起到了重要的“中介”作用。这一结果与汪云林等[35]以及孙露等[36]对旅游业中介中心性的研究结果存在较大的差异。其原因在于所研究区域的产业结构差异。汪云林等和孙露等使用的是2007年全国的投入产出表，相对而言，广东的工业和服务业体系比全国平均水平更完善，且2010年和2015年的经济发展水平更高，旅游业被其他产业所高度依赖，投资设厂需要旅游先行、会议展览需要旅游，旅游业因而具有同时影响两大产业体系的能力。Aroche等认为，通过中间需求传递影响力的部门对经济发展将起到更大的作用[39]。旅游业作为沟通广东第二产业和第三产业群的通道和桥梁，能够搭建两者之间的互动与信息。这超越了过去对旅游业的角色和作用的认识，反映出旅游的中介作用与目的地经济发展阶段和产业门类是否齐全密切相关。

3.2 旅游产业自我中心网络特征与关联树构成

自我中心网络指的是以单个产业为中心，通过获取或传递网络中的各类资源（中间投入、资本或技术、信息等）而形成的产业结构关系，包括产业链网络、竞争关系网络等[50]。从图论的角度来理解，也就是产业节点本身，加上从产业节点出去的边，以及所对应的节点所构成的子网络。进一步对旅游产业自我中心网络特征进行分析（表1），2010年，从旅游业出发的边有582条，与39个节点产业直接相连，其中，最长直径（产业链）为5，仅有1个节点为弱连接。这表明广东旅游业具有广泛的前向关联，为97.6%的产业提供了中间服务。这与上文对旅游业出度中心性的分析吻合，但与以往的研究结论[21，23-25，51]存在差异。这是由于广东特别是珠三角地区商贸流通业异常繁荣，商务往来频繁，旅游为这些产业的兴旺提供着重要的支持。从其他产业部门前往旅游产业的边有226条，共计20个产业，说明整个经济体系中约有50%的部门为旅游产业提供了所需的直接中间投入。39个相连接的节点共形成1482组两两连接关系，其中，以旅游业为中介的关联组为450，即30%的产业间联系需要依靠旅游作为中介，这再次显示出旅游在经济体系中重要的桥梁作用。

2015年，从旅游业出发的边有548条，与40个节点产业直接相连，涉及除旅游自身外所有的产业部门，形成了1560组关系，其中最长产业链关系仍保持为5个，仅有1个节点为弱连接，说明旅游产业关联范围更加广泛。旅游业对于整体产业网络体系的影响也在增强，联系效率指标从2010年的4.03提高到4.27，产业融合有所体现。以旅游业为中介的关联组数量从2010年的450增加到506，旅游业自我中介作用以及其作为产业联系中介的作用均有所增强。这些变化说明旅游的产业关联特性并非固定不变。目的地經济发展阶段、产业门类齐备程度以及旅游发展模式不同，旅游产业的关联特性也有所不同。

树图能更直观地呈现自我中心网络的脉络和其中重要的产业链条，也可以表达旅游发展带来的变化在产业系统内的主要传导路径。通过过滤矩阵aij中较大的项，可描绘出广东省旅游产业自我中心网络树结构图（图1）。图1显示，旅游业产业关联非常广泛，几乎涉及经济系统的全部产业门类，且拥有多条通道和半通道。其中，最长通道为8，并且拥有多个圈基，显示出旅游业广泛而深入的产业联系。

2010年，树图中共包括35个产业部门（35、38、39号产业因数值太小而被剔除），与旅游业直接关联的产业是金融业（31）和房地产业（32）。旅游业主要是通过这两个根产业进而与其余产业发生联系。这表明金融业的支持和房地产业的发展是当时广东旅游业发展的基础。非金属矿物制品业（13）和建筑业（26）位于树的中间位置，分别与2、3、8、23、27、39号产业，以及32、3、39、8、12、21号产业相连，是旅游产业系统中最为关键的产业，决定着旅游产业关联的广度与深度。叶产业是指图中处于相对边缘位置的产业，通常仅与一个产业相连。2010年广东旅游产业系统中，叶产业有10 个，分别是1（农业）、5、7、11、17、20、22、29、30和 37号产业。说明在2010年情形下，农旅融合度低，教育（37）对于旅游业发展的支持亦不足。餐饮业（30）处于边缘位置则主要是因旅游供给部分已经从其中剥离，其剩余部分（即本地消费部分）与旅游的关联减弱。

2015年，旅游自我中心网络涉及的产业部门增加到37个，显示旅游业的影响范围扩大。与旅游业具有最强联系的根产业是房地产业和通信设备、计算机及其他电子设备制造业（19），反映出广东金融业对旅游发展的重要支持作用已经让位于通信设备、计算机及其他电子设备制造业。这与近几年广东旅游信息化快速发展的现状吻合。卫生、社会保障和社会福利业（38）和教育（37）在2015年成为树图的中心产业，分别与32、8、22、24号和10、26、18号产业相连，说明教育和社会保障事业的发展开始为旅游业发展提供有力的支持。处于相对边缘位置的叶产业在2015年减少到7 个，分别是5、7、12、23、19、30和 33号产业，表明旅游产业融合在增强。与2010年相比，可以发现5、7、30号产业始终处于网络边缘位置，与旅游业关联较弱。

在2010年和2015年旅游产业树图中，房地产业都处于非常重要的位置。这与李江帆等2001年对广东的研究结果有所差异[26]，原因在于广东产业体系发生了巨大的变化。一方面，房地产业的发展是城市化和工业化推进的表征，大量旅游需求由此产生;另一方面，房地产业提供了旅游业发展所需的中间投入，如餐饮、购物、住宿等的发展都需要商业房地产的支持。根据GDTSA的研究，以“自用或免费使用的以度假为目的的第二住宅服务”占广东省房地产业总供给的比例从2010年的8.1%增长到2015年的12.83%[58]。各类短租公寓和民宿也不断涌现。可以看到，以房地产业为圈基的产业链网络所包含的产业数量最多，产业链最长且具有多条循环。这从侧面反映了近年来中国房地产热对于旅游以及整体经济的影响。

互惠（reciprocity）可用于评估产业节点之间往复联系的程度，本文中指的是网络中与旅游（作为自我）有往复关系的边的比例。如果存在中间投入大于中间使用，或中间使用大于中间投入的情况，那么节点之间的联系就是非对称的（Non-Sym）。根据旅游业与各产业间互惠关联关系的方向与强弱（表2），可以将旅游产业网络内部成员划分为不同子产业群。

（1）互惠共生子群：指旅游产业与其他产业之间存在双边投入产出关系，并具有进化同步性。这包括：3、7、10、11、12、15、16、18、20、21、23、24、27、28、29、30、31、32、33、34、36共计20个部门（即表1中入节点数量）。其中，非金属制品业16、建筑业24以及居民服务和其他服务业18与旅游业具有最强的投入产出互惠关系，旅游业与这些产业之间的投入+产出关联占总投入+总产出关联的比重分别达到13.3%、10%和9.4%。

（2）偏利共生子群：指与旅游产业不存在双边关系但与旅游或旅游自中心网络中的其他部门具有单向联系的部门，包含旅游产业系统中除去上述互惠部门外的所有其他产业。又可细分为两个子类：

第一类，旅游依赖型。指为旅游或旅游自中心网络中的其他部门提供中间产品的产业，包括农业和少数制造业共计6个部门。旅游发展对这些部门的进化影响有限，但这些部门的效率提升却有助于推动旅游产业网络的发展壮大。

第二类，旅游推动型。这类产业将旅游或旅游自中心网络中的其他部门作为其中间产品，共计15个部门，以服务部门和基础工业部门为主。这些部门的发展对于旅游的进化有限，但旅游发展有利于推动这些产业部门的发展。

3.3 41个部门人均产值与全要素生产率增长的对应分析

在上述产业关联分析基础上，进一步使用式（5）对2010年、2015年广东省各产业TFPG以及2015年人均年产值（Prod）进行计算并排序，其结果如表3所示。从2015年产值来看（因篇幅限制，略去2010年），广东省人均年产值最高的产业分别是：石油和天然气开采业、石油加工、炼焦及核燃料加工业以及燃气生产和供应业。旅游业人均年产值居于第29位（32.46万元/人），是排名第1的石油和天然气开采业劳动生产率的1/25，远低于其他制造业和金融、房地产等生产性服务业，属于中下水平。2010年到2015年，广东省TFPG最高的产业是非金属矿及其他矿采选业、金属矿采选业、石油加工、炼焦及核燃料加工业。前两者TFPG在10%以上，而旅游业TFPG为3.89%，在41个产业部门中排在第14位。TFPG居于末位的产业主要是电力、热力的生产和供应业、仪器仪表及文化办公用机械制造业和公共管理和社会组织，其TFPG出现了-5%的增长。总体来看，TFPG为负的产业大部分属于第三产业。这与第三产业劳动密集有关，展示出服务业成本病的特征。

为直观起见，以2015年人均年产值的对数值为横坐标，TFPG为纵坐标，绘制散点图2。图2可见，A类产业，即TFPG与Prod均高于平均水平的产业有：4、5、6、11、12、13、14、17、24、25、28。其中，除了28號信息传输、计算机服务和软件业属于服务业外，其余产业都属于制造业。B类产业，即Prod高于平均水平但TFPG低于平均水平的产业包括：3、19、22、23、26、31。这些产业大部分属于基础工业。金融业（31）作为生产型服务业在2010—2015年期间表现出了较低的TFPG，虽可能与其劳动密集型产业特征有关，但行业技术进步低迷的问题值得高度关注。C类产业，即Prod低于平均水平但TFPG高于平均水平的产业包括：7、8、10、15、29、30、32、36、41。主要以轻工业、贸易和生活型服务业为主，其中也包括房地产业（32）和旅游业（41）。D类产业，即TFPG与Prod均低于平均水平的产业共计15个部门，分别是：1、9、16、18、20、21、27、33、34、35、37、38、39、40号，以农业、机械设备加工业以及公共服务业如教育、研究、社会保障和公共管理为主。

旅游产业属于上述C类产业，其人均年产值低于全行业平均水平（51.64万元/人），而全要素生产率增长率却有着高于平均水平的增长（2.39%）。Lanza等曾指出，旅游行业的劳动生产率增长普遍不如其他经济部门，尤其是制造业[52]。本文的研究表明，广东旅游业的劳动生产率虽然较低，但其TFPG却不低，甚至略高于一般的制造业部门，这在很大程度上得益于近年来计算机与通信技术在旅游行业中的普及应用。上述分类结果反映出明广东“三来一补”的初级加工模式尚未完全得到改观，广东省工业体系有待进一步转型升级提升创新发展能力。此外，基于广东省旅游业现阶段呈现出来的C类产业特征，假设其他情况不变，广东旅游业的进一步扩张可能会在短期内因其人均产值（劳动生产率）不高而拉低广东经济净产出效率，但鉴于旅游业TFPG高于社会平均水平，发展旅游从长期来看有助于广东经济效率的提升。

上述结论是基于广东省已经进入中等发达地区行列，2015年人均GDP达到1.3058万美元以及旅游业发展现状而做出的判断。对于其他目的地，如果旅游业属于C类行业且当地资源有限，那么旅游发展可能产生两种后果：第一种，假如旅游业发展所需的资源转移自农业或其他效率更低的初级加工部门，即存在资源转移的结构红利，那么无论在短期还是长期，旅游发展都有助于推动经济增长。特别是对于发展中国家和地区，由于农业是主要产业部门且工业部门发展落后、生产效率低，旅游将成为助推经济体系效率提升和产出增长的有效手段。Zuo和Huang对张家界的研究验证了此可能的结果[2]。第二种，假如旅游发展需要从其他更加有效率的部门吸收资源，则会出现如同广东省的情况，一些中等收入地区或经济衰退地区的旅游发展就属于这种类型[53]。

与旅游发展同步进化的20个互惠共生部门分散在4种产业类型之中。其中，属于A类的有：6、11、13、14、17号产业;属于B类的包括：23和31号产业;属于C类的是：7、10、30、32、36号产业;属于D类的有：16、21、27、33、34号产业。这反映出旅游影响经济体系结构变动的复杂性。同样，旅游业发展所依赖的6个部门中，既包含生产率极高的进步部门，也包含劳动密集性特征明显的生产率停滞部门。但总体来看，由于旅游依赖型产业如1、15、18号产业的产值和TFPG均低于平均水平，旅游业发展要求地方将更多的资源用于这些低产值、低效率部门，可能导致损害经济体系生产效率的结果。因为，如果将这些资源用于发展其他高效率部门，广东省获得的经济总量相对可以更高。

3.4 旅游产业结构关联的经济效应

根据前述假设抽取法，可计算出旅游产业关联对于经济系统产出的影响（表4）。从经济中抽取出旅游业的前后向关联后，整个经济系统的产出损失在2015年和2010年分别达到6.75%和6.13%。黄素心等曾采用同样的方法对2002年和2007年中国各行业的重要性进行过测算[54]。与其2007年的结果相比，旅游产业关联的经济影响力在提升。2010年旅游产业关联对产出的影响在41个部门中位于第11位，仅次于第三产业中的批发零售业和金融保险业，凸显出其在广东经济体系中的重要地位。从2015年来看，在抽取出旅游供给后产出损失最大的产业依次是通信设备、计算机和其他电子设备制造业（19）、批发和零售业（29）、金属冶炼和压延加工（14）以及通用、专用设备制造业（16）;2010年损失最为严重的除了以上产业外，还包括信息传输、软件和信息技术服务（28）。前述分析指出，旅游与这些行业之间存在着互惠共生、相互依赖的关系，抽取旅游将导致这些产业失去重要的需求或投入部门。进一步对比前后向关联效应可以发现，抽取旅游后向关联后所造成的总的经济损失（BL）大于抽取旅游前向关联效应后的损失（FL）。这说明，旅游业后向联系的经济影响更大，也就是旅游所带来的区域外的市场需求对于地方经济发展更加重要，其效应大于地方产业发展的旅游需求效应（即前向关联效应）。

在抽取旅游后向关联后，通信设备、计算机及其他电子设备制造业（19）所受到的冲击最为严重，产出损失高达7.28%;其次是餐饮业（30）和设备制造业（16）。旅游发展对农业（1）也具有非常强的后向关联效应，抽取旅游后的损失达到3.91%。这反映出现阶段旅游发展对于信息产业和农业的依赖性，反过来也凸显出旅游业对于助推这些产业效率提升和进化的重要性。抽取旅游后产出损失大于3%的产业还包括7、8、15、16、19、20和23号产业。这些产业属于一般制造业，普遍与旅游存在互惠关系，且以D类、C类产业居多。由于其劳动生产率或技术进步速度相比旅游业更低，在旅游发展中可能因其效率低而拖累旅游业应有的生产率和经济贡献。从这个角度而言，制约旅游产业经济贡献的因素，不完全在于旅游业自身偏低的劳动生产率，而是在于更加低效率的旅游中间投入部门。在广东省供给侧改革中，不只是需要提高旅游业自身的效率，还应着力提高旅游中间投入部门和旅游依赖部门的效率，尤其是需要进一步发展信息产业，改变“三来一补”的初级加工模式，发展旅游装备制造和旅游工艺品生产，推动设备加工制造业（16）技术进步，并推动居民服务业（29）的发展。这不仅有助于充分利用旅游的后向关联效应，也是推动广东省旅游业提质增效、发挥旅游的积极经济影响的关键和基础环节。

在抽取出旅游前向关联后，产出损失大于3%的产业又可分为两种类型：一类与旅游互惠共生，如2、5、6、10、13、14、17等。它们属于制造业范畴且TFPG普遍较高;另一类属于旅游推动型产业，如28、31、32、35、37、38、40等。其中，又以水利、环境和公共设施管理（35）、教育（37）、公共管理、社会保障和社会组织（40）、信息传输、软件和信息技术服务（28）等部门的产出损失最大。这些产业均需要通过旅游实现商务拓展、公共管理、调查考察和科技成果交流。由于旅游业是其重要的中间投入部门且劳动生产率和TFPG相对比之更高，旅游不仅为这些产业的发展提供了要的支撑和保障，也具有助推其效率提升的作用。这可被视为旅游对目的地经济体系的间接贡献。

4 研究结论

在制定发展政策和确定部门发展优先次序时，评估部门的经济表现和生产相互依存是非常重要的问题[55]。由于目的地旅游发展模式和经济系统的结构性差异，基于总量分析的经济影响评价模型无法揭示出旅游影响经济系统的结构化路径和方式。本文通过对广东省2010年和2015年旅游产业结构关联的研究，基于反向评估原理测算了旅游产业关联的经济贡献，同时结合行业生产率的差异和旅游生产依存关系，揭示出了旅游影响经济体系产出与效率的多重可能性与复杂性。

研究表明，广东旅游业具有很强的前后向产业关联，其关联的部门几乎涵盖所有行业。如果抽取其关联效应，经济体系的总产出损失将高达6%以上。其中，旅游业后向关联对产出增长的影响约占4%，大于其前向关联效应（2%），充分说明旅游所带来的区域外的市场需求对于地方总产出的重要影响。不仅如此，现阶段广东旅游业还具有较强的中介中心性，这是由于广东存在庞大的商贸旅游需求，使得旅游业成为沟通第二产业和第三产业群的通道和桥梁，具有同时影响两大产业体系的能力。而在经济欠发达地区，旅游发展严重依赖其自然或人文资源，旅游业的中介作用和前向关联则无法充分凸显。这一研究发现超越了过去认为旅游业的中介作用和前向关联较弱的传统观点，为重新审视旅游在工业化中后期以及服务业时代的角色和作用提供了的新的认识。

从旅游产业网络构成来看，房地产业和通信设备、计算机及其他电子设备制造业是研究期内旅游网络体系中最重要的根产业，反映出信息技术以及近年来中国房地产热对于广东旅游业的影响。在将旅游产业关联抽取之后，产出损失最严重的行业仍然是通信设备、计算机及其他电子设备制造业产业。其他产业如批发与零售业、一般制造业、房地产业、农业等也都受到不同程度的影响。广东省应大力推动农旅融合、工旅融合，发展旅游装备制造、旅游工艺品生产等产业，以充分利用旅游的后向关联助推经济发展和效率提升。另外，旅游是科学研究、教育以及公共管理等第三产业重要的中间投入部门，对于这些产业也具有重要的支撑和保障作用。并且，旅游业还具有高于这些产业的劳动生产率和TFPG，旅游发展也有助于推动这些产业的效率提升。

就旅游业本身的经济表现而言，旅游业劳动生产率低但全要素生产率（total factor productivity，TFP）进步速度较快，属于本文界定的C类产业。这种特征决定了旅游发展影响产出结构变动的多重可能性与复杂性。在发展中国家/地区，由于工业发展滞后生产效率低，旅游业发展所需投入的资源转移自农业或其他效率更低的初级加工部门，旅游发展将成为助推地方经济发展的有效手段。对于成熟或半成熟的工业化国家/地区，由于全社会劳动生产率普遍较高，旅游发展需要从其他更加有效率的部门吸收资源，在短期会因其人均产值低于全社会平均水平而损害产出效率，而在长期则取决于当地的旅游业TFP是否有高于社会平均水平的增长率。如果旅游业TFPG低于社会平均水平，则其长期直接效应很可能会是负面的。反之，如果旅游业TFPG高于社会平均水平，例如目的地经济处于衰退时期，则其经济效应是积极的。特别是当旅游业具有更高的劳动生产率和TFPG时，旅游业的发展还将助推旅游依赖型部门的效率提升和进化。可见，旅游业生产率的高低直接决定着其对目的地经济的贡献程度。广东省当前应持续通过创新产品、提高服务品质和发展新的商业模式以提升旅游业效率。

从旅游发展所依赖的产业类型来看，无论是属于互惠共生型还是旅游单向依赖型产业，其中与旅游业关联强度较大的产业均为生产率停滞部门（低于社会平均TFPG水平）。尽管旅游业自身具有较高的TFPG，但其所依赖的中间投入部门的劳动生产率及其增长速度相比旅游业更低，这不仅制约着旅游业本身的发展，也限制了旅游对经济体系的综合贡献。从这个意义上而言，旅游业提质增效或高质量发展并不完全取决于旅游部门自身，它在很大程度上依赖于整个经济系统的效率提升和服务改进，例如先进的制造业和基础设施、高质量公共服务、高效的行政管理、高水平科研、高人力资本以及充分的社会保障等。如果经济系统无法为旅游业效率的提升提供所需的基礎条件、技术甚至社会保障，旅游业的生产率以及TFPG将被拉低。正如俗语所言，“汝果欲学诗，功夫在诗外”。推动全面的供给侧改革，提升旅游中间投入部门的效率对于整个经济系统的效率提升和产出增加尤为重要。这也许正是全域旅游所要彰显的含义，也是本文通过广东案例分析所揭示出的重要结论。

综上所述，旅游业的经济贡献，首先取决于目的地旅游业自身效率水平，其次还取决于与旅游业具有互惠共生关系的产业和旅游发展所依赖的产业的效率，以及地区经济结构与资源可利用程度的差异。如果目的地经济结构不同，即行业之间的生产依存关系不同时，旅游需求变动将在每一个系统中以不同的方式扩散。即便是相同的旅游需求变动最终也会在每一个经济体中造成不同的影响。因此，旅游对经济体系的影响将因经济体的要素禀赋结构和旅游产业自身关联结构的不同而不同。即在不同类型的目的地，旅游发展对于产业结构的影响不相同;目的地旅游专业化程度不同或地方经济对旅游发展的依赖程度不同，旅游导致的经济结构變动也不同;经济体发展水平不同，旅游产业关联特性从而对产业结构变动的影响也不相同。这种高度的复杂性和不确定性，正是旅游业在不同国家/地区展现出不同面貌的经济影响的原因，也是这一领域令全球诸多旅游研究者为之着迷之处。广东案例只能呈现出旅游对于工业化中后期且具有较为完整的工业经济体系的目的地的影响，有其局限性。对于其他目的地，关键是寻找旅游效率提升的关键性支持因素和约束条件，并根据地方发展现实和特定情形制定合理的措施趋利除弊。未来可构建区域间投入产出表进一步分析旅游发展对于区域间要素转移与效率提升的影响。

参考文献（References）

[1] 查建平， 谭庭， 李园园， 等. 中国旅游产业关联效应及其分解——基于投入产出分析的实证研究[J]. 山西财经大学学报， 2018， 40（4）： 62-74. [ZHA Jianping， TAN Ting， LI Yuanyuan， et al. A decomposition analysis on the tourist industrial linkage in China—An empirical research based on input-output analysis[J]. Journal of Shanxi University of Finance and Economics， 2018， 40（4）： 62-74.]

[2] ZUO B， HUANG S. Revisiting the tourism-led economic growth hypothesis： The case of china[J]. Journal of Travel Research， 2018， 57（2）： 151-63.

[3] DWYER L. Cost-benefit analysis[M]// DWYER L， GIll A， SEETARAM N. Handbook of Research Methods in Tourism： Quantitative and Qualitative Approaches. Cheltenham： Edward Elgar. 2012： 290-307.

[4] ARCHER B， FLETCHER J E. The economic impact of tourism in the Seychelles[J]. Annals of Tourism Research， 1996， 23（1）： 32-47.

[5] CROMPTON J L， JEONG J Y， DUDENSING R M. Sources of variation in economic impact multipliers[J]. Journal of Travel Research. 2016， 55（8）： 1051-1064.

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

[7] DWYER L， FORSYTH P， SPURR R. Evaluating tourisms economic effects： New and old approaches[J]. Tourism Management， 2004， 25（3）： 307-317.

[8] 闫敏. 旅游业与经济发展水平之间的关系[J]. 旅游学刊， 1999， 14（5）： 9-15; 76. [YAN Min. On the relation between tourism industry and economic development level[J]. Tourism Tribune， 1999， 14（5）： 9-15; 76.]

[9] 左冰. 中国旅游产出乘数及就业乘数的初步测算[J]. 云南财贸学院学报， 2002（6）： 30-34. [ZUO Bing. An initial calculation of Chinas tourism output and employment multipliers[J]. Journal of Yunnan University of Finance and Economics ， 2002（6）： 30-34.]

[10] DWYER L. Computable general equilibrium modelling： An important tool for tourism policy analysis[J]. Tourism and Hospitality Management， 2015， 21（2）： 111-126.

[11] LEONTIEF W. Domestic production and foreign trade： The American capital position re-examined[J]. Proceedings of the American Philosophical Society， 1953， 97（4）： 332-349.

[12] HIRSCHMAN A O. Investment policies and “dualism” in underdeveloped countries[J]. American Economic Review， 1957， 47（5）： 550-570.

[13] RASMUSSEN P N. Studies in Inter-Sectoral Relations[M]. Amsterdam： North-Holland， 1956： 23-134.

[14] DIETZENBACHER E， LINDEN J A V D. Sectoral and spatial linkages in the EC production structure[J]. Journal of Regional Science， 2010， 37（2）： 235-257.

[15] SOLOW R M. Technical change and the aggregate production function[J]. Review of Economics & Statistics， 1957， 39（3）： 554-562.

[16] VAGGI G， GROENEWEGEN P. Adam Smith 1723-90： National wealth and the productivity of labour[M]// VAGGI G， GROENEWEGEN P. A Concise History of Economic Thought. London： Palgrave Macmillan， 2003： 101-116.

[17] CELLA G. The input-output measurement of interindustry linkages[J]. Oxford Bulletin of Economics and Statistics， 1984， 46（1）： 73-84.

[18] CHENERY H B， WATANABE T. International comparisons of the structure of production[J]. Econometrica， 1958， 26（4）： 487-521.

[19] HEWINGS G J D. Regional input-output models in the U. K. ： Some problems and prospects for the use of nonsurvey techniques[J]. Regional Studies， 1971， 5（1）： 11-22.

[20] KATZ J L， BURFORD R L. A comparison of estimators of output multipliers from incomplete input-output data[J]. Annals of Regional Science， 1981， 15（1）： 39-54.

[21] ATAN S， ARSLANTURK Y. Tourism and economic growth nexus： An input output analysis in Turkey[J]. Procedia - Social and Behavioral Sciences， 2012（62）： 952-956.

[22] KHANAL B R， GAN C， BECKEN S. Tourism inter-industry linkages in the Lao PDR economy： An input-output analysis[J]. Tourism Economics the Business & Finance of Tourism & Recreation， 2014， 20（1）： 171-194.

[23] 宋增文. 基于投入产出模型的中国旅游业产业关联度研究[J]. 旅游科学， 2007， 21（2）： 7-12; 78. [ SONG Zengwen. A research on industrial correlation of Chinas tourism industry： Based on the Input-output Model[J]. Tourism Science， 2007， 21（2）： 7-12; 78.]

[24] 張华初， 李永杰. 中国旅游业产业关联的定量分析[J]. 旅游学刊， 2007， 22（4）： 15-19. [ZHANG Huachu， LI Yongjie. A quantitative analysis related to Chinas tourism industry[J]. Tourism Tribune， 2007， 22（4）： 15-19.]

[25] 刘晓欣， 胡晓， 周弘. 中国旅游产业关联度测算及宏观经济效应分析——基于2002年与2007年投入产出表视角[J]. 旅游学刊， 2011， 26（3）： 31-37. [LIU Xiaoxin， HU Xiao， ZHOU Hong. An analysis of the measurement of correlation of Chinas tourism industry and macroeconomic effects—Based on the perspective of Input-output tables in 2002 and 2007[J]. Tourism Tribune， 2011， 26（3）： 31-37.]

[26] 李江帆， 李冠霖， 江波. 旅游业的产业关联和产业波及分析——以广东为例[J]. 旅游学刊， 2001（3）： 19-25. [LI Jiangfan， LI Guanlin， JIANG Bo. An analysis of enterprise relationship and enterprise spread in the tourist industry——Taking Guangdong as an example[J]. Tourism Tribune， 2001（3）： 19-25.]

[27] 戴斌， 束菊萍. 旅游产业关联： 分析框架与北京的实证研究[J]. 北京第二外国语学院学报， 2005（5）： 13-21. [DAI Bin， SHU Juping. Tourism industry association： An analytical framework and an empirical study of Beijing [J]. Journal of Beijing International Studies University， 2005（5）： 13-21]

[28] 王雷震， 张帆， 李春光. 旅游对区域经济发展贡献度定量测度方法及其应用[J]. 系统工程理论与实践， 2006（5）： 54-62. [WANG Leizhen， ZHANG Fan， LI Chunguang. The quantitative methods and its applications on the tourist contribution to regional economic development[J]. System Engineering Theory and Practice， 2006（5）： 54-62.]

[29] 崔峰， 包娟. 浙江省旅游产业关联与产业波及效应分析[J]. 旅游学刊， 2010， 25（3）： 13-20. [CUI Feng， BAO Juan. An analysis of tourism industrial correlation and industrial spread effect in Zhejiang Province[J]. Tourism Tribune， 2010， 25（3）： 13-20.]

[30] DREJER I. Comparing patterns of industrial interdependence in national systems of innovation—A study of germany， Great Britain， Japan and the United States[J]. Economic Systems Research， 2000， 12（3）： 377-399.

[31] AROCHE-REYES F. A qualitative input-output method to find basic economic structures[J]. Papers in Regional Science， 2003， 82（4）： 581-590.

[32] BRACHERT M， TITZE M， KUBIS A. Identifying industrial clusters from a multidimensional perspective： Methodical aspects with an application to Germany[J]. Papers in Regional Science， 2011， 90（2）： 419-439.

[33] 赵炳新， 陈效珍， 陈国庆. 产业基础关联树的构建与分析——以山东、江苏两省为例[J]. 管理评论， 2013， 25（2）： 35-42. [ZHAO Bingxin， CHEN Xiaozhen， CHEN Guoqing. Construction and analysis of the foundational industry linkage tree on the example of Shandong and Jiangsu province [J]. Management Review， 2013， 25（2）： 35-42.]

[34] AROCHE-REYES F. Trees of the essential economic structures： A qualitative input-output method[J]. Journal of Regional Science， 2006， 46（2）： 333-353.

[35] 汪云林， 付允， 李丁. 基于投入產出的产业关联研究[J]. 工业技术经济， 2008， 27（5）： 120-123. [WANG Yunlin， FU Yun， LI Ding. Research on industrial linkage based on input-output method[J]. Industrial Technology & Economy， 2008， 27 （5）： 120-123.]

[36] 孙露， 薛冰， 张子龙， 等. 基于SNA的中国产业网络结构演化及定量测度[J]. 生态经济， 2014（2）： 83-87; 115. [SUN Lu， XUE Bing， LI Zilong， et al. A SNA-based measurement on industrial structure change and industrial networking of China[J]. Ecological Economy， 2014（2）： 83-87; 115.]

[37] DOMAR E D. On the measurement of technological change[J]. The Economic Journal， 1961， 71（284）： 709-729.

[38] HOSHI T， JORGENSON D. Enhancing productivity[J]. Journal of the Japanese & International Economies， 2005， 19（4）： 457-459.

[39] AROCHE-REYES F， MENDOZA M， ANTONIO M. An Economic Network in North America [EB/OL]. Munich Personal RePEc Archive No. 61391， 2012.

[40] WOLFF E N. Productivity measurement within an input-output framework[J]. Regional Science and Urban Economics， 1994， 24（1）： 75-92.

[41] MILLER R E， BLAIR P D. Input-Output Analysis： Foundations and Extensions[M]. Englewood Cliffs： Prentice-Hall， 2009： 670-678.

[42] MILLER R E， LAHR M L. A taxonomy of extractions [J]. Contributions to Economic Analysis， 2001（249）： 407-441.

[43] CAI J， LEUNG P. Linkage measures： A revisit and a suggested alternative[J]. Technology Analysis & Strategic Management， 2004， 16（1）： 63-83.

[44] 廣东省统计局. 2018年广东国民经济和社会发展统计公报[EB/OL] [2019-05-24]. http：//stats.gd.gov.cn./tigb/content/post. 2207563.html. [STATISTICAL BUREAU OF GUANGDONG. Guangdong Statistical Bulletin On National Economic And Social Development for 2018[EB/OL][2019-05-24]. http：//stats.gd.gov.cn./tigb/content/post.2207563.html.]

[45] 广东省旅游卫星账户编制组. 广东省旅游卫星账户 （GDTSA—2010） 构建与编制[M]. 北京： 中国旅游出版社， 2013： 78-90. [Guangdong TSA Compilation Committee. Construction and Compilation of Tourism Satellite Account in Guangdong （GDTSA—2010） [M]. Beijing： China Tourism Press， 2013： 78-90.]

[46] 广东省统计局. 广东经济普查年鉴（2010）[M]. 北京： 中国统计出版社， 2010： 8-39. [Statistical Bureau of Guangdong. Guangdong Economic Census Yearbook （2010）[M] Beijing： China Statistics Press， 2010： 8-39.]

[47] 广东省统计局. 广东经济普查年鉴（2010）[M]. 北京： 中国统计出版社， 2015： 7-43. [Statistical Bureau of Guangdong. Guangdong Economic Census Yearbook （2015）[M]. Beijing： China Statistics Press， 2015： 7-43.]

[48] 广东省统计局. 广东统计年鉴（2011）[M]. 北京： 中国统计出版社， 2011. [Statistical Bureau of Guangdong. Guangdong Statistical Yearbook （2011） [M]. Beijing： China Statistics Press， 2011.]

[49] 广东省统计局. 广东统计年鉴（2016）[M]. 北京：中国统计出版社， 2016. [Statistical Bureau of Guangdong. Guangdong Statistical Yearbook （2016） [M] Beijing： China Statistics Press， 2016.]

[50] PAUL B G D， PELLISSERY S. Viewing Economy as a Network： An Exploration through Input-output Model[R]. ID 1011363， Rochester， NY： Social Science Research Network， 2007： 1-27.

[51] 翁钢民. 我国旅游业产业波及线路与效应研究[J]. 企业经济， 2013（6）： 5-8. [WENG Gangmin. Research on the route and effect of tourism industry in China[J]. Enterprise Economy， 2013（6）： 5-8.]

[52] LANZA A， TEMPLE P， URGA G. The implications of tourism specialisation in the long run： An econometric analysis for 13 OECD economies[J]. Tourism Management， 2003， 24（3）： 315-321.

[53] HERNANDEZ-MARTIN R. Structural change and economic growth in small island tourism countries[J]. Tourism and Hospitality Planning & Development， 2008， 5（1）： 1-12.

[54] 黄素心， 王春雷. 产业部门重要性测算： 基于假设抽取法的实证[J]. 统计与决策， 2011（9）： 4-6. [HUANG Suxin， WANG Chunlei. Estimation of the importance of industrial sector： Empirical study based on hypothetical extraction method[J]. Statistics and Decision， 2011（9）： 4-6.]

[55] KARAGIANNIS G， TZOUVELEKAS V. Sectoral linkages and industrial efficiency： A dilemma or a requisition in identifying development priorities？ [J]. The Annals of Regional Science， 2010（45）： 207-233.

Structural Linkage and Economic Contribution of Tourism Industriy：

The Case of Guangdong Province in China

ZUO Bing1， YANG Yi2

（1. School of Tourism Management， Sun Yat-sen University， Guangzhou 510275， China;

2. Department of Tourism， Sport and Hotel Management， Griffith University， Brisbane 4111， Australia）

Abstract： Based on input-output analysis and network analysis methods， this paper analyzes the structural linkage of the tourism industry and its economic effects by using the input-output matrix of Guangdong province in 2010 and 2015. It reveals the complex mechanism and possible paths of tourism affecting economy output and productivity growth. Firstly， the basic economic ego-network structure of tourism is identified by using network analysis and the tree graph， which is an area that hitherto eluded empirical analysis. Further， the total linkage， forward linkage and backward linkage effects of tourism are evaluated using the hypothetical extraction method （HEM）. Also， the total factor productivity （TFP） and total factor productivity growth （TFPG） of 41 industry sectors in Guangdongs economy are measured and assorted.

The results show that： （1） tourism has a strong inter-sectoral linkage， covering almost all sectors of the economy. If the tourism industry is extracted from the whole economy， the total output of Guangdong province would be reduced by almost 6%. （2） The backward linkage （BL） of tourism is found to have a greater economic effect than its forward linkage （FL）， which further indicates that the tourism-induced demand out of Guangdong province has a huge positive impact on provincial output. （3） In the entire industry network， tourism shows a relatively higher degree of Betweenness Centrality， suggesting a crucial role in bridging the secondary and tertiary industries. This finding overturns the conventional view that tourism plays a weak role in the Centrality and forward linkage effect， and calls attention to rethink the importance of the tourism industry in the middle and late phases of industrialization. （4） The tourism industrys TFP is relatively lower than the average level， but the growth of its TFP is higher than the average TFP growth of the economy. This feature determines the multiple and complex role of tourism that plays on the output and productivity of the destination economic system. It also shows that the economic effects of tourism vary greatly according to the different regional economic structures and resource endowments of destinations. （5） The higher growth rate of tourism TFP helps accelerate the growth of output and the evolution of tourism forward-linked sectors. This can be seen as an indirect contribution of the tourism industry to the destination economy. However， the lower TFP growth rate of intermediate input sectors of tourism may impede the full play of tourism to the economy. In this sense， the upgrade of tourism quality and efficiency does not solely depend on the endeavor of the tourism sector. Still， it largely depends on the efficiency improvement of a more extensive ?economic system， e.g.， infrastructure， public service， human resources， etc. Enhancing the efficiency of tourism intermediate input sectors is therefore needed for the improvement of tourism quality and efficiency， which may further enlarge a more comprehensive contribution of tourism to the destination economy.

Keywords： input-output analysis; network analysis; ego network; hypothetical extraction method （HEM）;industrial linkage effect; total factor productivity （TFP）

[责任编辑：吴巧红; 责任校对：刘    鲁]