智慧旅游建设促进了旅游经济高质量发展吗？——全要素生产率视角下的准自然实验

蒋 瑛 刘 琳 刘寒绮

（四川大学经济学院，四川成都 610065）

0 引言

2020 年党的十九届五中全会强调我国已转向高质量发展阶段，高质量发展的要求已经扩展到我国经济、社会、文化、生态等各领域的方方面面。与此同时，习近平总书记进一步强调高质量发展不是只对经济发达地区的要求，而是所有地区发展都必须贯彻且长期坚持的要求。旅游承载着人民对美好生活的向往，与推动经济高质量发展的落脚点是契合的。无论地区经济是否发达，作为综合性产业，旅游业都可以作为地区经济高质量发展的引擎或动力行业，所以旅游业的高质量发展直接关乎我国各地区及其他行业高质量发展全局。2019 年的中央经济工作会议明确提出“推动旅游经济高质量发展”，2020 年全球新冠疫情重挫旅游需求，我国旅游人数呈断崖式下降，部分旅游企业面临生死抉择，与此同时个性化、碎片化和多元化的旅游需求也正在形成，旅游市场变得更加复杂。后疫情时代，政府要应对具有新特征的旅游需求，必须采取新思维、新动能和新模式（戴斌，2020），也就是说，“十四五”时期我国旅游经济高质量发展仍是旅游业发展的主攻方向。互联网和数字化是提高旅游质量的新动能，持续深化“互联网+旅游”是我国旅游经济高质量发展的切入点，互联网、数字化与旅游业深度融合催生出的智慧旅游（Smart Tourism）将成为旅游经济高质量发展的重头戏。因此，研究“智慧旅游”与“旅游经济高质量发展”的关系对我国旅游业发展极其重要。

2012年5月，国家旅游局为引导和推动全国智慧旅游发展，确定了首批国家智慧旅游试点城市，包括北京、武汉、成都、福州、大连、厦门、黄山、温州、烟台、洛阳、武夷山、南京、苏州、无锡、常州、南通、扬州、镇江18 个城市。2013 年1 月，国家旅游局办公室印发《关于确定天津等15个城市为第二批国家智慧旅游试点城市的通知》，公布第二批国家智慧旅游试点城市，包括天津、广州、杭州、宁波、青岛、长春、郑州、太原、昆明、贵阳、秦皇岛、湘潭、牡丹江、铜仁14个城市。最终，共确定32个智慧旅游试点城市。其实在智慧旅游实践方面，美国、韩国、日本、新加坡及部分欧洲国家开始的时间比中国早，经验更加丰富。但是全球少有国家将智慧旅游纳为旅游产业发展的核心战略（李云鹏等，2014）。可以说，中国的智慧旅游建设在全球还没有完全参照系，只能在智慧旅游的建设中不断摸索。创新本身是一个试错的过程，因此我们必须不断地检验创新道路的正确性。这就引出了一个具有现实意义的重要新问题：依赖先进信息技术的智慧旅游建设是否可以真正地推动城市旅游经济的高质量发展？我国政府在2012年设立第一批智慧旅游试点城市，可将其看作一次自然实验，为回答上述问题提供了可能。

全要素生产率（Total Factor Productivity，简称TFP）在新古典经济增长理论中被认为是经济增长的一个动力来源，随着我国经济进入高质量发展时期，经济增长的动力对科技创新和资源高效配置产生更强的依赖，因此，生产率上升可以作为提升经济增长质量的有效途径（马晓龙，2014）。进一步地，结合我国各地区旅游业发展实践，查建平等（2018）发现我国旅游业发展过程中所面临的种种问题的症结在于全要素生产率低下，同时左冰等（2008）也认为旅游行业的全要素生产率可作为评价旅游经济增长质量的重要指标。故无论是从理论上还是从实践上看，提升旅游全要素生产率都是旅游经济高质量发展的关键，可以从全要素生产率的视角研究旅游经济高质量发展问题。

综上，基于2008—2018 年我国53 个旅游城市的面板数据，本文运用双重差分法（Difference-in-Differences model，简称DID），实证检验城市的智慧旅游建设对旅游全要素生产率水平产生的政策效果。在此基础上，分解旅游业全要素生产率指数以验证其作用机制，并分组样本城市研究城市异质性问题。

1 文献综述

自国家提出旅游高质量发展以来，国内涌现出大量与旅游产业高质量发展相关的研究。国内现有文献多关注乡村旅游领域的高质量发展问题（张碧星，2018；于法稳等，2020；王勇，2020），且多为定性研究。量化研究旅游经济高质量发展主要有：何芙蓉等（2020）使用旅游者在旅游地的平均消费水平、王松茂等（2020）使用旅游资源转换效率衡量旅游高质量发展水平。也有研究者通过构建评价指标体系的方法直接测算旅游高质量发展水平值（张新成等，2020）。

目前，直接研究智慧旅游与旅游经济关系的国内外文献较少。国外严格意义上没有专门提出智慧旅游的概念（张凌云 等，2012），只是关注智慧旅游目的地（Smart Tourism Destination，简称STD），主要涉及智慧旅游目的地的恢复力（Gretzel et al.，2018）和竞争力（Boes et al.，2016）等方面。部分国外研究者偏重从微观应用视角研究智能技术在旅游行业的应用（梁留科，2015）。近年来涌现了大量此类文献，Chi等（2020）研究了游客对旅游服务中应用的人工智能设备的使用态度。Zhou等（2020）和Kleinlein 等（2019）分别针对智能旅游推荐系统和旅游信息系统在实际应用中出现的问题进行了研究。

国内由于发展智慧旅游的时间较晚，智慧旅游理论体系还处于建构过程中，与智慧旅游理论体系相关的研究较多，而关于智慧旅游与旅游经济的研究相对较少，主要在旅游市场、旅游消费者行为、旅游竞争力、游客满意度方面。具体而言：张旗（2013）基于问卷调查和典型访谈的结果得出智慧旅游对旅游市场可能产生旅游者消费体验逐步缺场化、旅游信息的经济地位提升等影响；罗剑宏等（2014）从管理、服务和营销3 个维度出发构建智慧旅游对游客消费行为变化影响机制的概念模型，以此探究智慧旅游对游客消费者行为的影响。黄松等（2017）从旅游经济发展竞争力、旅游科技创新竞争力、旅游发展潜力竞争力、旅游环境支撑竞争力、旅游发展保障竞争力5 个方面构建智慧旅游城市旅游竞争力评价指标体系，运用BP 神经网络模型对首批国家智慧旅游试点城市中的12 个智慧旅游城市的旅游竞争力进行评价分析。左晶晶等（2020）构建涵盖信息、管理、设施和营销服务4个方面的智慧旅游评价体系，使用游客对游玩设施、交通环境、餐饮情况、服务、游乐园等方面满意度的评分数据，分析智慧旅游对游客满意度的影响。

综上所述，目前以客观数据为支撑，针对智慧旅游建设的旅游经济效应的研究尚属空白，更没有触及建设效果的城市异质性问题研究。虽然国内也有研究者考察过其他旅游政策的旅游经济效应，如创建全域旅游示范区政策（石培华等，2020；徐鲲等，2021），但他们多关注旅游经济“量”的增长，直接用旅游总收入和总人数来衡量，忽略了旅游经济“质”的提高，研究机制上多聚焦在基础设施、产业结构层面，未深入到更微观的机制。因此本文基于53 个旅游城市的数据，采用旅游全要素生产率衡量旅游经济高质量发展水平，运用双重差分法更加客观地评价智慧旅游建设的旅游经济效应，并通过进一步分析来探究其影响机制和城市异质性问题。

2 理论假说

旅游产业的高质量发展受到结构性问题的严重制约（陈太政等，2013）。城市旅游增长极限的分析框架可以揭示城市旅游更深层次的结构性问题，该框架认为城市旅游增长极限受到旅游供需极限的影响，其中，供给极限又受到需求极限的限制，所以城市旅游“量”的增长关键在于旅游需求增长极限，同时，城市旅游“质”的增长在于旅游供需的平衡，供给不足的过度旅游和供大于求的旅游过度化都只是“有增长无发展”的结果（梁增贤等，2020）。所以，突破旅游增长极限需要一个强大外力，以改变影响城市旅游需求增长的长期性因素和解决旅游供需失衡问题。我国政府文件《关于促进智慧旅游发展的指导意见》界定智慧旅游为“运用新一代信息网络技术和装备，充分准确及时感知和使用各类旅游信息，达到旅游服务、旅游管理、旅游营销、旅游体验智能化的目的”。金振江等（2015）指出全面物联、充分整合、协同运作、激励创新是智慧旅游的重要特点，是由庞大先进技术体系支撑的。从智慧旅游的定义与其特点来看，智慧旅游可以看作旅游行业历史上的一次重大创新与变革。因此，城市旅游增长极限的视角下，作为促进我国城市旅游发展从要素和投资驱动转向创新驱动的重大举措，智慧旅游建设存在突破城市旅游需求增长极限、平衡旅游供给端与需求端的可能性，从而促进城市旅游经济高质量发展。具体地，智慧旅游建设主要通过技术创新效应、资源配置效应和规模经济效应实现城市旅游“有增长有发展”的高质量特征。

智慧旅游建设的技术创新效应实质上是旅游业将新一代的通信、物联网、人工智能等根本性的技术转化为生产力的过程，是城市创新变革的重要发力点（叶光辉等，2020）。不同于传统旅游服务行业，智慧旅游大数据平台可以有效应用移动运营商数据、旅游行业数据和旅游监管数据精准分析及有效预测游客信息，更加准确和快速地服务于旅游行业的需求升级。智慧旅游一方面有利于满足更多个性化、品牌化与高端化的消费需求，拓宽潜在旅游消费需求范围，实现城市旅游需求增长，另一方面，有助于解决区域出游率不均衡和居民出游时间高度失衡的问题，平衡我国旅游区域空间发展，从而改变旅游供需错配现象。

智慧旅游建设的资源配置效应是指在要素投入既定条件下，通过有效利用新技术提高投入要素利用率从而扩大产出。旅游业融合智慧技术形成的数字旅游和虚拟旅游等，将带动知识、信息、技术等新型要素向其他旅游新业态（如乡村旅游、商务旅游、会展旅游等）转移与集聚，促进信息流、资金流、人流、物流等在多样化的旅游新业态中协调高效运转，为涉及“吃住行游购娱体疗学悟”等旅游活动提供高效的创新生态，使得城市在原有需求的基础上可吸引更多需求。同时，智慧技术使得旅游企业不断革新传统组织管理形式与商业模式，提升企业配置调度全部生产要素的效率，降低旅游与其他产业进行价值转移及新业态企业运营的成本，给大量传统的旅游服务环节增强转型动力，从而缓解我国旅游产品要素配置不合理的供给结构性矛盾（徐金海等，2016）。

智慧旅游建设的规模经济效应是指智慧旅游建设达到一定规模后，较少的要素投入可使旅游产出得到较大的增长，原因在于相比劳动、资本等传统要素，智慧旅游建设多投入的是知识、信息、技术等边际收益递增、规模报酬递增和低成本扩散的新型要素（石大千等，2018），较小的投入便可带动较大的旅游需求增长。这一效应也使得政府为了在一定成本下实现旅游产出的最大化，更愿意参与到区域旅游一体化的建设中，从而解决我国城际旅游经济失衡和规模效益低下的结构性问题（刘承良 等，2009）。

基于此，本文提出如下假说：

假说1：智慧旅游建设能够促进旅游经济高质量发展。

假说2：智慧旅游建设能够通过技术创新效应、资源配置效应及规模经济效应促进旅游经济高质量发展。

经济基础是智慧旅游建设的前提条件。规模大的城市具有更好的基础条件和优势，这可能导致城市的智慧旅游建设对旅游经济高质量发展的影响存在异质性特征。保继刚等（2011）认为不同等级的城市具有差异性的特征，高等级城市的功能和地位更高，存在较强的城市旅游需求增长“拉力”，中低等级城市拥有较充裕的城市旅游核心要素及良好的城市主题和特色，但其城市功能较弱，投资旅游核心要素的能力不足。城市的不同等级使智慧旅游建设的资源配置效应产生异质性特征。较高等级的城市发展较早，已经在其城市的众多旅游项目中投入了大量资金，城市旅游水平整体上较高，具有更加多元的可驱动旅游结构性增长的城市功能（梁增贤等，2014），资源配置效应更容易得到发挥。一般地，等级较低的城市的旅游服务能力、旅游基础设施建设能力及旅游资源利用能力都相对有限，很多旅游新业态未得到完全培育甚至可能还未出现，尽管资源配置效应使得新型要素流通加快，但低水平的旅游发展能力将阻碍其配置和应用智慧要素，较短时间内要素配置难以接近最优组合，资源配置效应只能得到有限发挥。城市的不同等级还会使智慧旅游建设的规模经济效应产生异质性特征。较高等级城市的旅游经济发展相对成熟、已经达到较高水平，很难大幅度调整投入产出规模，发挥规模经济效应的空间相对有限。而较低等级的城市发展旅游业的潜力很大，其往往拥有较强的旅游核心要素，如世界遗产、历史街区、国家级重点风景名胜区等，这些要素是影响游客是否前往旅游目的地的重要因素（Pestana et al.，2011）。目前我国中高端酒店的投资已经出现从高等级城市向更低等级城市转移的趋势（章晴等，2015）。可见，随着对智慧旅游认识的加深，较低等级的城市可以通过大幅度地调整投入产出规模更好地发挥规模经济效应。

基于此，本文提出如下假说：

假说3：智慧旅游的资源配置效应和规模经济效应具有明显的城市异质性。等级较高的城市具有显著的资源配置效应；等级较低的城市具有显著的规模经济效应。

3 研究设计

3.1 旅游全要素生产率的测算与分析

3.1.1 测算方法

考虑到数据包络分析具有多输入多输出、无须考虑数据量纲影响等优势，且DEA-Malmquist 指数在DEA 方法的基础上加入了时间维度，可增加结果的客观性和准确性，故本文采用DEA-Malmquist 指数法对样本城市（即生产决策单元）2008—2018 年的旅游全要素生产率水平进行测算与评价。全要素生产率Malmquist 指数的准确测算依赖于投入和产出指标的正确选择。经济学通常认为生产要素包含资本、劳动力、土地和自然资源3个基本要素。本文通过借鉴已有研究成果并考虑数据的可获得性，使用星级酒店数作为城市旅游业的资本要素投入指标（王坤等，2016），使用5A级景区数度量城市旅游资源丰裕度，作为土地和自然资源要素投入指标（邓涛涛等，2016），劳动力要素投入用旅游业直接从业人数表示。由于我国并没有地级行政区旅游业人数的统计资料，只能获得省级旅游业从业人数，本文采用各省级行政区旅游业从业人数乘以地级行政区在所属省级行政区第三产业从业人数占比的方法获得各地级行政区的旅游业从业人数。产出指标是指能反映旅游业经营效果的指标，本文用各城市国内和入境旅游总人数与总收入作为产出指标。

本文采取线性插值的方式补齐缺失值，参照世界银行WDI 数据库中的1 美元合人民币的货币汇率（年平均价）将旅游外汇收入转换为以人民币为计价单位的变量，然后对旅游收入进行平减化处理。由于缺乏地级行政区层面的指数，本文以2007 年为基期的各省级行政区CPI 指数来平减旅游收入指标，以消除通货膨胀的影响。以上数据来自《中国旅游统计年鉴》《中国文化文物和旅游统计年鉴》、文化和旅游部发布的《全国5A 级景点名录》、国家旅游局统计公布的相关数据，以及各省级行政区的旅游统计年鉴。

由于第t+1 年的效率值是评估以第t 年全体决策单元为参照点构筑的前沿面而得到的，而且Malmquist 指数法得到的全要素生产率变化率是变化量而非水平量，因此，本文参考许海平等（2010）的研究，将全要素生产率变化率转化为全要素生产率累积值，最终测算出旅游全要素生产率水平，计算公式如下：

式（1）中，(x,y)、(x,y)分别表示第t 年和第t+1 年的投入量与产出量，距离函数D 分别以第t 年和第t+1 年技术为参照，D意味着规模报酬不变，D意味着规模报酬可变。TFPCH 代表全要素生产率指数，该指数可分解为技术进步指数（TECHCH）、纯技术效率指数（PECH）和规模效率指数（SECH），指数值大于1，表明正增长，指数值等于或小于1，表明未增长或负增长。

3.1.2 结果分析

本文根据2013年唐人中国城市旅游竞争力年会发布的“2013年度中国旅游竞争力百强市（区、县）唐人排行榜”，且考虑到数据的可得性及城市规模，最终选取53个旅游城市作为样本城市，每个旅游城市被当作一个决策单元。运用Deap 2.1软件测算城市的Malmquist指数，城市旅游全要素生产率水平前三的城市分别为常州（17.96%）、扬州（9.34%）和镇江（8.76%），均为智慧旅游试点城市。进一步，分别对第一批实验组（2012 年首批智慧旅游试点城市中的16 个）、第二批实验组（2013年第二批智慧旅游试点城市中的11 个）和控制组（26 个非试点旅游城市）的全要素生产率水平及其分解效率水平均值进行分析（见表1）。

表1 旅游城市平均累积全要素生产率指数及其分解情况

从研究对象看，第一批实验组的全要素生产率及其分解效率水平的增长率大都高于控制组，智慧旅游政策（下文简称“政策”）实施后第一批实验组全要素生产率水平是政策前的2.7 倍左右，分解效率中的技术进步水平增长高达38.5%，远高于控制组的8.7%。2013年第二批实验组全要素生产率水平均值大于实验组，但均值增幅小于第一批实验组。

为了更直观地比较分析智慧旅游城市与非智慧旅游城市的旅游全要素生产率的趋势变化，本文绘图展示三组城市的4种效率水平的均值变化（见图1）。2008—2018 年旅游全要素生产率水平均呈现正增长趋势，但相对而言，智慧旅游城市的增速大于非智慧旅游城市。政策实施后，第一批实验组的旅游全要素生产率增速显著增加，而第二批实验组仍呈现逐年增长态势但增速趋于平缓。政策实施后，第一批实验组的技术进步水平、纯技术效率水平、规模效率水平均值增速上升幅度显著高于控制组，而第二批实验组呈小幅增长态势，略高于控制组。

图1 旅游全要素生产率均值变化趋势

为进一步考察智慧旅游城市平均效率水平的年份分布情况，本文绘制了第一批和第二批实验组平均效率水平的核密度图（见图2）。平均全要素生产率水平数据分布较为集中，绝大多数年份的数值大于1，表明其整体呈正增长态势，以中高速增长的年份居多。平均技术进步水平各年数值基本分布在大于1的范围，大体保持正增长态势。纯技术效率水平和规模效率水平的平均值都集中在右侧，中高速增长情况居多。比较全要素生产率曲线与技术进步水平曲线发现有所重合，二者表现出较强的相关性，初步说明全要素生产率增长的主要贡献可能来自于技术进步。

图2 旅游全要素生产率的核密度

综上所述，我们可以初步推断实施智慧旅游城市政策对旅游全要素生产率的提高具有促进作用，但还需要借助计量方法更科学地验证这种促进作用的可能性及其大小。

3.2 模型设定

本文对智慧旅游的评估基于2012 年的智慧旅游试点城市样本，利用DEAMalmquist 指数法测算的城市旅游全要素生产率水平（atfpch）作为旅游经济高质量发展的代理变量。以政策实施时间2012年为界限，构建两个虚拟变量：（1）实验组和控制组虚拟变量（treated），实验组为第一批智慧旅游试点城市，定义为1；控制组为26个非试点城市，定义为0；（2）政策时间虚拟变量（time），2012年及之后定义为1，之前定义为0。为保证结果的科学性和稳健性，本文参考石大千等（2018）的研究，将2013 年设立的第二批智慧旅游试点城市在基准回归中剔除，将其用于模型的稳健性检验。基于DID方法的回归模型设定如下：式（2）中，i，t分别表示城市和时间；atfpch 表示城市旅游全要素生产率水平；α为常数，α是本文重要的待估系数，表示实施智慧旅游政策的城市，与没有建设智慧旅游的城市相比，旅游全要素生产率是否发生显著变化；X表示影响旅游全要素生产率水平的控制变量，b为相应控制变量的待估系数，旅游全要素生产率水平除了受资本、劳动力等内在因素的影响，同时会受到外生因素的影响，为避免遗漏变量，本文选取了一系列控制变量；η为城市固定效应，ν为年份固定效应，ε为随机扰动项。

3.3 变量选择与数据说明

本文的被解释变量是旅游全要素生产率，控制变量有：（1）产业结构（stru），借鉴杨克文等（2019）的做法，用城市第三产业占城市GDP 的比重度量，第三产业占比越大的城市旅游配套资源越丰富，能够为旅游经济发展提供更优的产业环境与市场客源。（2）人口密度（pop），用城市实际人口密度表示，旅游目的地与游客距离密切相关（Taylor，2001；Richards，2002），游客选择出游目的地多遵循就近原则，就我国而言，国内旅游大部分增长来自本地区居民（孙根年等，2008），而且考虑到各个城市土地面积的差异，人口密度相比人口总数更能反映城市潜在的旅游消费需求量。（3）信息化水平（infor），用城市互联网用户数占城市总户数的比重表示（郑群明等，2020），互联网越普及，消费者可了解到的旅游信息越多，使得旅游资源得到高效配置，进一步释放城市潜在的旅游消费需求。（4）教育水平（edu），用城市普通高等学校学生数与城市总人口数的比值表示，普通高等学校的学生是受教育程度较高的群体，其旅游需求更旺盛，而且本地大学生人数越多越有利于文化交流，吸引更多的国际游客，大大增加旅游有效需求存在的概率（李光勤等，2018）。（5）对外开放程度（open），以城市当年实际使用外资金额（转换为人民币）占城市GDP 的比重表示，对外开放程度越大，越有助于城市发展入境旅游（曾玉华等，2018），同时，得到更多外资资本支持的城市能获得更先进的经营理念和服务设施，从而促进旅游经济质量的提升。（6）经济发展水平（econ），参考张茜等（2018）的研究以各年实际城市人均GDP 来表示，并以2008 年为基期进行平减化和对数化处理，经济发展水平越高的城市越具有向旅游业投入大规模和优质要素的能力，可为城市的旅游经济发展创造更优良的市场环境。本文控制变量所使用的数据主要来自《中国城市统计年鉴》《中国城市建设统计年鉴》《中国区域经济年鉴》、各省级行政区统计年鉴及各城市的国民经济与社会发展统计公报。由于部分地级市的个别年份存在某些数据缺失，故采用插值法将其补齐。主要变量的描述性统计情况如表2所示。

表2 变量描述性统计情况

4 实证检验

4.1 平行趋势检验

双重差分的前提是假设选择实验组与控制组是随机的，故在实施智慧旅游城市试点政策前的实验组和控制组的全要素生产率水平变化趋势应不存在显著差异，否则会因其他因素的影响而产生政策效应误差。由此本文将分组虚拟变量treated 与各年份相乘得到交互项pre_i、current 和post_i，其中pre_i为政策实施前第i年（i=1，2，3），current为政策实施年，post_i为政策实施后第i年（i=1，2，…，6）。将上述交互项变量置于基准模型式（2）中，通过交互项系数的显著性判断共同趋势。模型回归结果见图3，结果通过平行趋势检验，符合使用双重差分方法的前提。

图3 平行趋势检验

4.2 基准回归分析

根据式（2）分析智慧旅游城市的整体政策效应，首先对式（2）进行Hausman 检验，结果显示P 值为0.0000 显著小于0.1，采用固定效应模型进行回归。表3 中列（1）为没有加入控制变量时的结果，表明智慧旅游政策效应对旅游全要素生产率水平的影响在1%的水平上显著为正，智慧旅游城市建设显著提升了旅游全要素生产率水平。在列（2）～列（7）依次加入控制变量，模型整体解释力逐步增强，结果显示智慧旅游政策效应大小略有波动，但依然很显著。控制变量中，产业结构、人口密度和信息化水平均在统计上显著，且符号为正，说明第三产业规模、人口集聚水平和互联网普及程度均能正向促进旅游全要素生产率水平。其中，回归系数值最大的为产业结构，表明第三产业规模是促进全要素生产率增长的一个重要因素。而教育水平、对外开放程度和经济发展水平不具有统计显著性，说明高等学校学生比重、外商直接投资规模和城市人均GDP 水平对旅游全要素生产率没有明显影响。因此，控制变量加入与否，实证结果都表明智慧旅游城市建设可显著正向影响旅游全要素生产率水平。又因旅游全要素生产率水平是旅游经济高质量发展的关键，由此证明了假说1，即智慧旅游城市建设能够促进旅游经济高质量发展。

表3 智慧旅游城市建设对旅游全要素生产率水平的基准回归结果

4.3 PSM-DID检验

基于共同趋势的前提，采取PSM-DID方法进行实证检验，以降低双重差分法的估计偏误。首先，将智慧旅游城市分组虚拟变量对控制变量进行Logit 回归，获得倾向性得分值，PSM-DID 适用性检验（共同支撑假设）结果表明（见表4），匹配后所有变量不具有显著性差异，故可使用PSM-DID 方法。在运用PSM-DID 方法之后，智慧旅游城市建设依然显著正向影响城市旅游全要素生产率水平（见表5），本文的实证结论得到进一步支撑。

表4 PSM-DID适用性检验（共同支撑假设）

表5 智慧旅游城市建设对旅游全要素生产率水平的PSM-DID检验

4.4 安慰剂检验

（1）改变实验组。为检验模型的稳健性，本文将2013 年设立的第二批智慧旅游试点城市加入回归样本，代入基准模型式（2）中进行分析。改变实验组后，DID回归系数仍显著为正（见表6），与前文结论相符，表明智慧旅游城市建设的政策效应具有稳健性。

（2）改变时间窗宽。为识别智慧旅游城市试点政策对旅游全要素生产率水平提升的积极作用是否会随着样本时间而变化，本文以政策发生时间2012年为中间点，前后各取3年的样本进行回归。改变回归时间区间后，智慧旅游城市建设的政策效应显著为正（见表6），结果仍支持前文结论，模型稳健性好。

（3）改变样本范围。由于各城市的政治、经济发展水平存在差异，本文通过去掉直辖市数据来改变样本范围进而考察实证结果的稳健性。改变样本范围回归结果显示（见表6），去掉直辖市的数据后，智慧旅游城市建设对旅游全要素生产率水平的作用仍显著为正，可见模型稳健性好。

表6 安慰剂检验结果

4.5 作用机制分析

本文将交互项分别与技术进步指数、纯技术效率指数和规模效率指数进行回归，以验证智慧旅游城市对城市旅游全要素生产率水平的作用机制。由表7可见，智慧旅游城市建设对旅游技术进步水平、纯技术效率水平和规模效率水平存在显著的正向作用，假说2 得以验证。此外，表7 中，技术进步水平的系数最大且最显著，说明智慧旅游城市建设对城市旅游全要素生产率水平的提升作用主要来自技术创新效应。

表7 智慧旅游城市建设的作用机制分析

4.6 异质性分析

考虑到我国各城市间在经济发展水平、基础设施建设、城市功能多元化等方面存在差异，尤其是三线及以下城市在诸多方面都不及二线及以上城市（孔令章等，2021），故本文依据《2019 城市商业魅力排行榜》，将53 个旅游城市样本划分为二线及以上城市（城市等级较高）和三线及以下城市（城市等级较低）两组，实证检验城市等级对智慧旅游建设与旅游经济高质量发展关系的影响。结果显示（见表8）城市等级差异并不影响智慧旅游建设对旅游全要素生产率水平及技术进步水平的正向作用，但三线及以下旅游城市的正向作用明显大于二线及以上旅游城市，说明智慧旅游对旅游经济高质量发展的影响和技术创新效应在三线及以下城市能够得到更好的发挥。可能原因在于三线及以下城市还处于经济快速发展的过程中，产业存在较大的运行空间，可充分借鉴二线及以上城市发展旅游业的成功经验和先进技术，后发优势明显。同时，纯技术效率水平和规模效率水平具有较为明显的城市异质性特征，二线及以上城市智慧旅游建设显著促进了城市的旅游纯技术效率水平，表明等级较高的城市其资源配置效应更为显著；三线及以下城市智慧旅游建设显著促进了城市的旅游规模效率水平，说明等级较低的城市规模经济效应更显著。综上所述，异质性分析的结果支持了本文提出的假说3，即智慧旅游的资源配置效应和规模经济效应会因为城市等级不同而产生差异。

表8 智慧旅游城市建设的异质性分析

5 结论与建议

本文聚焦智慧旅游试点城市的旅游经济效应，以旅游全要素生产率衡量旅游经济高质量发展水平，使用2008—2018年中国53个旅游城市数据，通过双重差分模型实证检验了智慧旅游建设对旅游经济高质量发展产生的影响，并深入微观层面探究了其影响的作用机制及城市异质性问题。当前研究多忽略旅游经济“质”方面的问题，且缺乏对“智慧旅游”主题开展定量研究，本文关注智慧旅游对旅游经济“量”和“质”的影响，一定程度上弥补了当前研究的不足。本文结论表明：首先，智慧旅游城市建设对城市旅游全要素生产率产生显著的正向影响，促进了旅游经济高质量发展，并且在改变实验组为第二批智慧旅游试点城市、改变回归时间为2012年前后三年及去掉直辖市改变样本范围进行稳健性检验的情况下，上述结论仍然成立。其次，智慧旅游城市建设主要通过技术创新效应、资源配置效应和规模经济效应调整制约城市旅游需求增长的长期性因素，促进城市旅游“量”的增长，以及解决城市旅游经济发展过程中出现的一系列供需失衡的结构性问题，实现城市旅游“质”的增长，从而增加了城市突破其旅游经济增长极限的概率，进而推动城市的旅游经济走向高质量发展，其中，技术创新效应起着主要作用。最后，智慧旅游城市建设对旅游经济高质量发展的影响存在城市异质性，相对于三线及以下城市，等级较高的二线及以上城市的智慧旅游建设更容易发挥资源配置效应，而等级较低的三线及以下城市的规模经济效应更显著。等级不同的城市在旅游全要素生产率水平和技术进步水平方面的显著性水平无太大差异，但显著程度有所不同。智慧旅游建设对等级较低的三线及以下城市的正向影响更大，具有更强的技术创新效应，可更大程度地推动城市旅游经济高质量发展。根据上述结论，本文提出如下政策建议：

一是继续推进城市的“智慧旅游”建设。随着我国旅游经济步入高质量发展阶段，国家应当在全域旅游背景下，继续以数字旅游为基础，因地制宜、有序地开展智慧旅游建设，助力我国旅游经济实现“既有增长也有发展”的新格局。同时，各个城市都要积极主动地融入智慧旅游建设中，以打通数据孤岛，科学评估旅游增长极限值，从而在一定程度上避免过度旅游和过度旅游化现象的出现，对于内部已经局部出现过度旅游或过度旅游化特征的城市，可借助“智慧旅游”建设缓解旅游供需矛盾，提升城市旅游业的发展质量。

二是充分利用“智慧旅游”建设产生的旅游经济效应。我国加快推进智慧旅游建设，应以促进技术进步为核心，侧重技术的研发投入，更好地发挥智慧旅游的技术创新效应。同时，注重智慧旅游的资源配置效应和规模经济效应，以效率提升为突破口，加快要素投入，尤其是知识、信息、技术等新型要素的利用率，赋能旅游产业向数字化、网络化和智能化转型升级。

三是结合各个城市实际情况制定“智慧旅游”建设的差异化政策。相对来说，等级较高的城市过度旅游化现象更普遍，等级较高的智慧旅游城市要发挥好技术创新效应及资源配置效应突破旅游需求增长极限，实现旅游产品的有效供给。在等级较低的城市，智慧旅游建设的技术创新效应更加显著，因此，三线及以下的智慧旅游城市要加大旅游业的创新投入，同时，积极参与到区域旅游一体化建设中，使得规模经济效应得到更充分的发挥。