科技创新、产业结构升级与旅游业全要素生产率*——基于安徽省市级面板数据的实证研究

殷德香,李明龙

(中南财经政法大学 工商管理学院,湖北 武汉 430070)

0 引言

随着国民经济进入“新常态”,旅游业日益关注深化供给侧改革,致力提高科技创新对产业发展的引领作用,充分利用科技创新和规模效应,塑造高端高质高新现代旅游产业新体系。旅游业作为目前我国众多城市战略性支柱产业,其结构现已逐步从传统的休闲观光进入全域旅游时代。全域旅游使得旅游产业与多个产业跨界融合形成一个密切联系的整体,旅游全要素生产率的提高直接关乎着城市旅游经济的可持续发展。在旅游产业发展实践中,需要调动更多的资源力量寻求推动力,产业全部要素被纳入考虑范围,技术创新和结构升级在其中发挥着重要的作用,如大数据、虚拟技术、服务机器人等科学技术渐渐在旅游产业中深化应用,刺激旅游业新一轮的效率增长。全域旅游背景下,科技进步和产业结构升级在改善旅游服务品质的同时,能否有效促进旅游业效率的提高,是旅游城市发展的关键问题。安徽省作为新纳入的长三角经济圈的重要节点,已经持续八年位居中国区域创新能力前10名,安徽省的科技创新能力、产业结构升级和旅游业发展效率对于深化与苏浙沪地区产业融合、构建长三角经济群具有重要意义。对这三者关系的研究对于其他多数旅游业尚处于快速发展期的地区有启示意义。为此,本文以安徽省城市面板数据为例,针对这些问题做探讨分析,这对于促进城市旅游经济高质量发展具有重要的现实意义。

尽管旅游业效率和空间差异研究已经逐步走向成熟,随着旅游业竞争压力不断加剧,科技创新和产业结构升级对旅游生产率的影响不断加大。科技创新极大地影响着旅游消费方式、旅游企业的管理模式和竞争格局[1-2],科技创新在空间上具有显著的集聚特征、极化特征和空间外溢效应[3],它是推动旅游业可持续发展的关键要素[4]。由于旅游业与其他产业具有高度关联度[5],产业结构升级对于旅游科技创新[6-7]和旅游业发展[8]具有显著的影响,一些学者研究发现产业结构升级能够显著推动旅游效率[9-10],也有一些研究者发现由于城市改革的阶段性、空间非均衡性,导致产业结构升级负向作用于城市旅游发展和全要素生产率[11-13]。从过去的研究可以看出科技创新和产业结构升级对于旅游效率的影响和时空差异研究的重要性。然而,以往的研究大多分别围绕二者对旅游效率的影响展开研究。例如,左冰、保继刚通过1992-2005年中国旅游业数据分析全要素生产率及省际差异时,发现中国旅游业属于典型的 (劳动) 要素驱动型增长方式,技术进步速度缓慢[14]。赵磊基于2001-2009年中国旅游数据,认为技术进步是中国旅游业生产率的主要源泉,测算发现全要素生产率存在显著的时空差异性,且差距正在逐步缩小收敛至均衡状态[15]。刘建国、张舒宁、郭悦等在测算区域旅游全要素生产率时,发现产业结构、基础设施、城市化水平显著正向推动旅游经济效率提高[16-18]。然而当二者共同作用时会产生复杂的影响结果。产业结构升级也可能存在负面影响,李翔和邓峰发现产业结构升级对经济增长呈负向影响,科技创新、产业结构升级共同作用时,可能会改变原有的作用结果[12]。蔡玉蓉和汪慧玲在探究科技创新和产业集聚对劳动生产率的影响时也得出类似的结果,二者会产生相互作用且会对生产率产生复杂的非线性关系影响[19-20]。因此,需要深入研究科技创新、产业结构升级对旅游业效率的共同作用[21-22]。

中国旅游业的未来充满挑战,了解旅游业全要素生产率现状,以及科技创新、产业结构升级对旅游业效率的影响和时空差异非常重要[23],然而很少有学者针对科技创新、产业结构升级对旅游业效率的影响展开深度探析。本文致力于在分析二者对旅游业生产率综合影响的基础上,探讨科技创新、产业结构升级对旅游生产率的影响渠道及空间影响渠道差异。研究不仅可以帮助政府、企业和个人了解城市旅游生产率现状,还可以帮助他们更加深入理解影响旅游生产率的前因和差异,具有重要的理论和实践意义。

鉴于此,本文基于安徽省16个城市面板数据拟从以下方面进行研究:一是利用非参数DEA-Malmquist模型,初步测量安徽省旅游业生产率,对比分地区旅游效率空间差异。二是分别探讨科技创新、产业结构升级对旅游业技术进步、纯技术效率和规模效率的影响,深入剖析二者旅游业全要素生产率影响的渠道差异,再分地区探讨这种影响的空间差异。

1 变量选取与处理

本文研究数据选取2010-2018年安徽省16个城市的年度面板数据,数据来源于安徽省统计局公布的分地区年度数据及《安徽统计年鉴》①。数据收集后,对部分数据进行预处理,由于统计年鉴中各城市旅游收入、各城市GDP 等皆为名义GDP,需剔除物价变动影响,将GDP 平减至2010 年物价水平。实际利用外资总额进行汇率换算,缺失数据以同类均值插补。

1.1 被解释变量

旅游全要素生产率(TPF)是对旅游业企业生产效率的宏观反映,本文以旅游企业收入作为效率衡量产出指标,以就业人数之和与资本存量之和作为投入指标。由于安徽省统计的各城市旅游数据有限,对于旅游行业具体数据没有正式统计,因此本文以旅游业营业收入和国内旅游人数作为产出,以第三产业从业人数、固定资产额作为投入指标。而城市旅游资源吸引力也是城市旅游生产过程中的一个重要投入[24],因此选用星级饭店、A 级景区数等反映各城市旅游资源的综合吸引力。综上选取两类产出、三类投入,基于六类数据运用DEAP 2.1 计算2011-2018年安徽省旅游业效率。

1.2 解释变量

科技创新(TI)对旅游产业创新起到基础和引领作用,反映城市旅游业投入要素转化效率强度,影响旅游业发展的方向和速度[25]。在表征区域科技创新能力时,由于各地区专利授权制度一致兼具数据可获得性,学者们通常采用发明专利授权量衡量科技创新能力[26-27],为了弱化单一指标体系带来的片面性,我们依据发明专利的贡献度,将发明专利授权量分别按照0.5、0.3、0.2赋权发明专利、实用新型专利和外观设计专利。其中,发明专利指方法性的发明创造,如运用科学技术开发旅游资源、研制旅游电子产品和信息系统等;实用新型专利涉及产品结构性的新的技术,可以用于加快旅游服务设施的革新,为游客带来更加舒适的旅游体验;外观设计如旅游产品的形状、图案设计等的创作,可以用于满足消费者的新奇感心理。

产业结构升级(UIS)是指经济从数量上的增长到质量上的改变。深化供给侧改革背景下,产业结构升级从量变到质变更加高度化和合理化,产业结构升级下,城市旅游资源与其他产业协同发展,实现更有效的资源利用。本文采用第三产业与第二产业GDP 比重作为衡量指标。

1.3 控制变量

本文选取城镇化水平、外商投资水平、人力资本水平、地方财政水平作为控制变量。(1)城镇化水平(URB),选用地区城镇常住人口数占总人口数比重来度量;(2)外商投资水平(FDI),用地区当年实际利用外资总额占GDP来表示;(3)人力资本水平(HR),选用高等学校在校人数占地区总人口比重;(4)地方财政水平(LF),用地方财政支出占地方GDP比重来表示;(5)交通网络密度(BF)为公路里程数(公里)与地区总面积的比值。数据再次处理后,对各变量做描述统计如表1。

表1 变量描述性统计结果

2 安徽省城市旅游效率测算及动态分析

2.1 DEA-Malmquist模型

DEA 为数据包络分析(data envelopment analysis),该方法由A.Charnes和W.W.Cooper等学者于1978年提出,是对相对效率进行评价的方法。它运用了数学规划模型,对决策单元(DMU,decision making unit)之间的相对有效性进行测定和评价。传统的DEA 模型(CCR-DEA 模型和BCCDEA 模型)只能针对单一年度的各决策单元进行单期横向比较,无法对本研究面板数据的效率做出分析。因此,本研究采用DEAMalmquist模型测算安徽省旅游业效率。

Malmquist生产率变动指数最早由Caves提出[28],由Fare重新定义[29],并被广泛使用。不同于传统DEA 模型,它可以用来评价各决策单元历年的生产率变动情况,并能进一步细分生产率变动的原因。在规模报酬不变(CRS) 条件下,通过计算第t 期及第t+1 期生产率指数的几何平均数(如式(1)),可分解为技术变动指数和技术效率变动指数的乘积(如式(2))。

Malmquist计算模型为

式(2)大括号外部分为效率变动(EC),大括号内部分为技术变动(TC),效率变动指数(EC)可以分解为纯技术效率变化指数(PEC)和规模效率变化指数(SEC),大于1说明变动是正向的、有改善的,小于1说明是下降的、恶化的。由此测算出安徽省旅游生产率,对比全要素生产率(TFP)、纯技术效率变化(PEC)和规模效率变化(SEC)时空演变差异。

2.2 实证分析

图1和表2列出了由DEAP2.1软件测算出的安徽省旅游业全要素生产率Malmquist指数及其分解的各类效率,大于1表示效率有所改善,小于1表示效率下降。由表2可知,安徽省旅游全要素生产率、技术效率、技术进步整体上皆大于1,整体旅游业效率呈上升趋势,实现了旅游业全要素生产率的普遍提升,其技术效率、技术进步都实现了有效的增长。2016年之前安徽省旅游业全要素增长率波动源自技术进步,结合安徽省旅游业发展现状,猜想原因可能有:2016 年前安徽省脱贫攻坚取得显著进步、高新技术迅猛发展,为加快旅游业发展提供了旅游基础设施和技术支持。然而2016年旅游业技术效率并未有提升,可能由于安徽省刚进行产业转型,将旅游业作为支柱产业的时间不长,旅游业改革发展并未立见成效,旅游业企业管理效率仍比较低,可以看到2018年旅游业技术效率有所提升,说明旅游效率的提高具有时间滞后效应。

图1 安徽省旅游全要素生产率及其分解(2011-2018)

表2 安徽省旅游全要素生产率及其分解(2011-2018)

旅游业全要素生产率(TFP)分解为技术效率(EC)和技术进步(TC),技术效率是纯技术效率(PEC)与规模效率(SEC)综合作用的结果。可以看出安徽省旅游业全要素增长率放缓源自旅游业纯技术效率和规模效率的降低。经分析可知:(1)安徽省旅游业效率增减波动与旅游业技术进步的波动趋同;(2)安徽省旅游业的技术效率、纯技术进步、规模效率变动趋同;(3)纯技术效率和规模效率突然降低,说明安徽省旅游企业管理投入的技术利用的效率有待提高,未实现有效的规模经济。

测算各个年份的皖北、皖南、皖中②三类地区的旅游全要素生产率、分解效率以及各效率总均值如表3。各分地区旅游业全要素生产率增长趋势与安徽省整体趋势大致相同,旅游全要素增长率增长较快的都在40%以上,皖南地区为纯技术效率、规模效率最优区,皖北地区为综合效率、技术进步最优区。全要素生产率分解后,技术进步增长覆盖范围较广,技术进步“增长效应”较好,技术效率覆盖范围相对较窄,纯技术效率和规模效率较低,缺少技术效率的“增长效应”。

表3 皖北、皖南、皖中旅游全要素生产率及其分解(2011-2018)

比较三类地区效率增长均值发现:(1)旅游全要素生产率皖北地区增长最快,皖南其次,皖中地区相对而言最慢,这可能与皖北近年来城市依托旅游业转型、皖南地区旅游业资源底蕴丰富有关;(2)皖北、皖中地区纯技术效率较低,皆为负增长,说明皖北、皖中地区旅游业管理和技术效率不高,这可能是由于这些地区企业缺少品牌类旅游大公司资源支撑导致的;(3)皖南地区实现较平稳的规模效率,但是相对地区全要素生产率而言,增长率相对较低,仅为3.2%,皖北、皖中地区旅游业规模效率上下波动,可能是由于这些地区缺少促进旅游业效率提高的持续因素和主导企业。

比较三类地区旅游业生产效率时间变化发现:(1)皖北地区旅游业生产率变动与安徽省整体变动趋势趋同,技术效率(纯技术效率和规模效率)变动平稳,只有2016年实现了技术效率和技术进步的全面提升。2014 年和2016年,皖北地区实现了最优的纯技术效率增长1.9%,除这两个时期外,其他时期皖北地区纯技术效率都小于1。2016年,皖北地区规模效率达到最优,同比上年提升4.2%,有4个时期规模效率大于1。(2)皖南地区旅游全要素生产率总体实现了有效增长,始终保持较稳定的技术效率,只有2018年因纯技术效率较低未实现技术效率的有效提升,除2017年外皖南地区规模效率实现有效增长;2015 年实现了技术突破性进步。(3)皖中地区与安徽省整体变动趋势最为相似,技术进步推动旅游全要素生产率的提高,其中有两个时期实现了旅游生产率的普遍提升,技术效率上下波动,主要归因于纯技术效率和规模效率的“降低效应”,说明旅游业技术效率难以提升是皖中地区旅游业生产效率提高的制约因素。

3 科技创新、产业结构创新对旅游效率的影响分析

3.1 面板数据模型

为探索安徽省科技创新、产业结构升级对旅游业生产率的影响,建立如下面板模型:

其中,i、t 分别表示省份和年份;j 表示控制变量种类;TFP 为某地区旅游业全要素生产率;TI 和UIS 为核心解释变量,TI 为某地区科技创新水平,UIS 代表产业结构升级;X表示其他控制变量,包括城镇化、外商投资、人力资本、地方财政、交通网络密度5 个变量;β0 为截距项;βi 为变量系数;εit为随机误差项。

为研究分地区科技创新、产业结构改革对旅游全要素生产率影响的作用渠道差异,分别建立安徽省和皖北、皖南、皖中地区的计量模型进行测算,方程如下:

其中,EC、TC、TEC、PEC 分别表示旅游业的技术进步、技术效率、纯技术效率和规模效率。通过以上4个方程16个模型,分析科技创新、产业结构升级对旅游业全要素生产率的作用渠道差异。

3.2 科技创新、产业结构创新对旅游全要素生产率的影响分析

首先对数据进行模型初设和检验,由式(3)建立混合估计面板模型,通过普通最小二乘估计法(OLS)对面板模型进行估计,结果如表4数据结果第一列。系数-0.118说明在显著的水平下,产业结构升级(UIS)并未促使安徽省旅游效率提升,反而对安徽省旅游业效率起到显著负作用。其次,顾及混合面板数据忽略了时间上和截面上的个体差异,为得到更准确的估计结果,通过检验建立变截距面板模型,经HAUSMAN 检验,接受原假设,模型设定为随机效应模型(RE),估计结果如表4数据结果第二列,对比可知各解释变量和控制变量系数与混合估计模型结果相似。这说明安徽省各城市科技创新、产业结构升级对旅游效率的影响时间异质性较小,检验模型截面相关性发现显著拒绝原假设,数据存在截面相关,存在异方差和序列相关。尝试运用可行广义最小二乘估计法(FGLS)修正面板数据,估计结果如表4数据结果第三列,可以发现科技创新显著正向影响安徽省旅游业生产率,产业结构升级显著负向作用于安徽省旅游业生产率。但由于本文采用的数据为2010-2018年安徽省各城市旅游相关数据,为多截面少时期数据,数据截面性质影响较大,因此尝试构建空间计量模型。采用地理距离矩阵测算安徽省各年度Moran’I指数,分析安徽省旅游业生产率空间自相关性,发现整体Moran’I 指数显著性,旅游效率空间计量模型结果如表4数据结果第四列,采用逐步回归加入核心解释变量和控制变量,发现人力资本水平(HR)数据加入后模型误差有巨大提升,因此在空间回归时暂时舍弃该控制变量,分析核心解释变量对旅游业效率的影响,由空间回归结果可知科技创新、产业结构升级对旅游业效率影响更大,系数分别为0.006、-0.160,有效修正了RE和FGLS的模型偏误。考虑到城市科技创新、产业结构升级对旅游效率的影响可能是一个动态变化的过程,因此建立动态面板数据模型,顾及模型解释变量的内生性问题,分别采用工具变量法和广义系统矩估计(GMM)分析并比较模型,并对模型进行Sargan检验,验证工具变量是否有效[30],分析结果如表4最后两列。最后,选择两个工具变量全要素生产率滞后2期、技术进步滞后2期,经Sargan检验说明工具变量是有效的,科技创新和产业结构升级对旅游业效率影响显著,且模型中控制变量影响也有显著提高。

表4 面板模型估计结果

结合表4及模型结果分析可知,科技创新始终对安徽省旅游业全要素生产率起到显著的促进作用,即安徽省各城市科技创新水平的提高,促进安徽省旅游业效率水平整体提升。进一步研究发现,产业结构升级对安徽省旅游业产生显著的负面影响,剖析其原因可能是产业结构升级主要对其他第三产业(如批发零售和金融业)效率有明显的带动作用。结合前面安徽省旅游业效率的变动,原因可能是安徽省在产业协同发展时,更多的是为其他服务产业带来了效率的提高,而旅游业由于处于发展初期尚未能充分利用其他产业资源提高旅游全要素效率,但在后续几年这种影响明显有所改善。外商投资水平、城镇化水平持续负作用于旅游全要素生产率,这可能是由于在此期间,外商投资水平、城镇化水平的提高主要驱动工业、零售业等其他产业发展,对于旅游产业覆盖领域的辐射较小。

3.3 科技创新、产业结构创新对旅游效率的作用机理

为深入探讨科技创新、产业结构升级影响旅游业全要素生产率的渠道差异,剖析二者对安徽省分地区旅游业效率的空间差异,基于模型(4)～(8),采用系统广义矩估计GMM 法对核心解释变量和控制变量进行面板回归,估计结果见表5。

由表5分析可知,整体上科技创新正向推动安徽省旅游业技术进步(0.007***)和技术效率提高(0.011***),安徽省科技创新能够促进旅游产业注入科学技术,提高组织管理创新和改善旅游业产品及服务模式,从而提高整体旅游业全要素生产率。产业结构升级负向影响全要素生产率(-0.955**),降低了旅游业的规模效率(-0.248*),说明安徽省旅游业发展未实现规模经济和产业协同发展。根据《安徽省统计年鉴》可以发现,近几年安徽省批发零售行业、金融行业和房地产行业作为主导服务业表现出较大的增长,相比之下与旅游业联系紧密的住宿餐饮、交通运输、公共管理等占比小且增速缓慢,以至于随着产业结构升级并未对安徽省旅游业的发展产生显著的促进作用,反而因为发展的不平衡性制约了旅游业全要素生产率的提高。

对于分地区,由表5可知,科技创新水平提高对各地区综合生产率起到显著的促进作用,其中对皖中地区的促进作用相对较强。科技创新正向影响皖北地区旅游业全要素生产率(0.040*)和纯技术效率增长(0.011***),这说明对于相对不发达、旅游资源基础较差的皖北地区,科技创新主要通过改善旅游业组织管理技术水平,提高了皖北地区旅游业全要素生产率。科技创新正向影响皖中地区旅游业全要素生产率(0.069*)和技术进步(0.101*),省会所在地及辐射的经济圈,利用科技创新优势明显增强了皖中地区旅游业的技术利用和智慧旅游的构建,促进了皖中地区旅游业全要素生产率的提高。科技创新负向影响皖南地区规模效率(-0.005**),可能对于旅游资源相对丰富且发展成熟的皖南地区,旅游业生产服务相对达到饱和,以致科技创新水平的提高并未提高皖南地区旅游业的规模效率。

对比表5中TI 和UIS 回归系数可知,产业结构升级对于旅游业效率影响相对更大,其中产业结构升级显著正向影响皖南地区旅游业生产率(0.325*),说明产业结构升级促进了皖南地区旅游资源与其他资源的协同发展,提高了旅游业效率;负向影响皖中地区旅游业技术进步(-20.111*),皖中地区在促进产业结构升级的同时,可能忽略了旅游业的科技创新。

4 结论与讨论

文章基于2010-2018年安徽省各地级市相关数据,构建了DEA-Malmquist指数模型,测量了各地级市近年来旅游业效率,并构建了面板数据模型实证研究科技创新、产业结构升级对安徽省及分地区的影响和作用机理。结果表明:

第一,安徽省旅游业年平均全要素生产率增长21%,全要素生产率呈N 字变化趋势,这主要归因于旅游业技术进步的波动。皖北地区为综合效率、技术进步最优区,皖南地区为技术效率、纯技术效率、规模效率最优区。2016年为安徽省及分地区旅游业生产效率最优时期。第二,产业结构升级对安徽省旅游业效率影响相比更大,而科技创新影响旅游业效率范围更广。产业结构升级对安徽省旅游业有显著制约作用,科技创新对安徽省及各地区旅游业全要素生产率、技术效率和技术进步有显著的正向影响,而对安徽省旅游业规模效率影响为负。第三,对于分地区,科技创新的显著作用在于提高了皖北、皖中地区的全要素生产率,产业结构升级起到显著负作用,且二者对各地区旅游业效率的作用机理不同。科技创新显著正向促进皖北地区纯技术效率增长和皖中地区旅游业技术进步,负向影响皖南地区规模效率,产业结构升级负向影响皖中地区旅游业技术进步。

本研究有利于帮助安徽省旅游业界更清晰地了解区域旅游业现状,为其他城市旅游业发展提供理论指导。科技创新和产业结构升级对旅游业效率有着显著的影响,对于旅游业相对成熟的地区(如皖南地区),旅游业可能易实现规模经济。对于旅游欠发展的地区(如皖北地区),城市旅游业易实现较优的技术进步,科技创新会显著提高旅游业技术进步。产业结构升级对于旅游业效率具有复杂的影响机制,产业结构升级可能会带动城市旅游业的发展,也可能会制约旅游业效率的提高。当然,文章也具有一定的局限性,例如由于安徽省在2010年前后有地市级的划分合并以及旅游业发展的滞后,导致2010年之前的数据难以收集,造成研究数据的局限性——自由度较低,预测性低,使得研究未能探讨科技创新与产业结构升级的交互式影响。未来在做此类研究时,可以考虑使用季度数据增加数据序列,使模型更加具有预测性。

注释:

①安徽省统计局.《安徽统计年鉴》(2011-2019).http://tjj.ah.gov.cn/.

②安徽省根据经济社会状况、地理因素可划分为皖北、皖中和皖南三片区域,其中皖北包括阜阳、亳州、淮北、淮南、宿州和蚌埠6市;皖中包括合肥、六安、滁州和安庆4市;皖南包括黄山、宣城、马鞍山、芜湖、铜陵和池州6市。