我国省际旅游产业TFP测算及其影响因素——基于全域旅游发展产出的视角

王 维

（常州大学阿里云大数据学院 江苏常州 213164）

引言

近年来旅游产业快速发展，已成为我国的战略性支柱产业。随着发展的深入，有效供给不足、市场秩序不规范和体制机制不完善等问题日益凸显，制约了旅游产业的进一步发展。

发展全域旅游被视为解决上述问题的有效途径。《国务院办公厅关于促进全域旅游发展的指导意见》（国办发[2018]15号，以下简称《意见》）指出“发展全域旅游，将一定区域作为完整旅游目的地，以旅游产业为优势产业，统一规划布局、优化公共服务、推进产业融合、加强综合管理、实施系统营销，有利于不断提升旅游产业现代化、集约化、品质化、国际化水平，更好满足旅游消费需求”。丰晓旭等（2018）对比了传统旅游发展模式和全域旅游发展模式，得出全域旅游强调旅游产业的高质量发展，体现了产业综合质量发展观，有助于加快旅游产业的全面优化升级的结论。

旅游产业效率及其影响因素一直是学界关注的问题。在效率的测算方面，索洛残差法、DEA-Malmquist方法和随机前沿分析方法使用较多；在影响因素方面，多使用动态面板模型进行分析。目前，研究的前沿主要包括：一是引入新的测算方法（何俊阳等，2015；张鹏等，2014），二是提出新的研究视角（孙盼盼等，2017；刘佳等，2017）。上述研究为后续研究的深入提供了参考，但也存在不足之处，如只考虑了旅游产业综合效率的一个方面。

纵观上述研究，在我国旅游产业亟需优化升级的当下，基于内涵更丰富、要求更全面的全域旅游发展产出视角的效率测算及其影响因素研究仍较为缺乏，难以为旅游产业的深入发展提供依据。因此，将全域旅游发展纳入效率测度体系以综合反映旅游产业效率，助力旅游产业实现高质量发展成为本文的主题，也是主要的创新。

研究方法

（一）Malmquist指数模型

Malmquist指数是衡量技术效率变动、技术进步和全要素生产率变动关系的方法。t到t+1期的Malmquist指数可以表示为：

（二）ESDA方法

为反映纳入全域旅游发展后旅游产业效率在空间分布上的变化，需要采用探索性空间数据分析方法（ESDA）。ESDA方法主要包括全局空间自相关和局部空间自相关，由于本文主要考察观测值的相似值之间是否存在集聚和关联，因此使用局部空间自相关中的Moran散点图来反映区域与其邻接单元的空间关系，共有4种，分别对应Moran散点图中的第一、二、三、四象限：HH，表示高值区域被高值区域所包围；LH，表示低值区域被高值区域所包围；LL，表示低值区域被低值区域所包围；HL，表示高值区域被低值区域所包围。

指标与数据

本文将31个省级区域（不含港澳台）作为研究对象，按照系统性、有效性和可比性等原则选取指标，并对旅游收入等数据做了平减处理。

（一）产出变量

旅游总收入。即国内旅游收入和旅游外汇收入之和。发布的旅游收入数据是按当年价格计算的，需要通过价格指数转化为按基期价格计算的结果，参照左冰等（2008）的做法，用居民消费价格指数作为旅游收入价格指数。

旅游接待总人次。多数研究把旅游总收入和旅游接待总人次结合起来判断旅游业的发展程度。以上数据均来源于各省（市）统计局发布的统计公报。

全域旅游发展指数。指标体系的构建主要以《意见》为依据，也参考了国家旅游局发布的《关于开展“国家全域旅游示范区”创建工作的通知》和《全域旅游示范区创建工作导则》等文件。《意见》指出全域旅游发展的主要目标有四个：一是旅游发展全域化，实现全域宜居宜业宜旅；二是旅游供给品质化，增加有效供给；三是旅游治理规范化，提升治理效能；四是旅游效益最大化，不断提升旅游对经济和就业的综合贡献水平。旅游发展全域化主要考虑旅游配套设施水平和生态环境状况，前者通过人均道路长度（（0.6×铁路营业里程+0.4×公路里程）/常住人口数）与每万人拥有的公厕数反映，后者通过人均公园绿地面积反映。旅游供给品质的提升能增加有效供给，以劳动生产率反映。旅游治理效能以游客满意度反映。其中，2007-2008年游客满意度没有调查数据，根据丰晓旭等（2018）的做法，由抽样调查资料中游客评价数据转化得到。旅游效益通过旅游收入占当地GDP比重和旅游就业人数占本地就业人数比重反映。关于面板数据指标的赋权，目前尚无统一的办法。本文认为全域旅游发展的四个目标并无明显轻重之分，故采用平均赋权，最后通过加权平均得到全域旅游发展指数，如表1所示。

表1 全域旅游发展指数评价指标体系

（二）投入变量

资本投入。一般以资本存量表示，通过永续盘存法估算。估算涉及四个问题：投资数据的选取、折旧率的估算、基期资本存量的估算和资本形成价格指数的选取。关于投资数据，鉴于我国绝大多数的旅游产业投资集中在固定资产领域，多数研究以全国旅游企业固定资产原值作为对应年份旅游产业固定资本投资，本文亦如此。关于折旧率，参照多数文献的做法以5%作为折旧率。关于基期资本存量，一般采用增长率法估计，即K=I/（g+δ） ，其中K为基期资本存量，I为基期下一期的资本投资量，δ为折旧率，g为资本增长率，常用产出增长率代替。资本形成价格指数一般以固定资本投资价格指数表示。根据永续盘存法K=I/p+（1-δ）K即可得到各年份旅游产业固定资本存量，K、I、p分别为t期资本存量、按当期价格计算的投资额、资本形成价格指数。数据来源于《中国统计年鉴》《中国旅游统计年鉴（副本）》等资料。

劳动投入。以旅游业就业人数表示，数据来源于《中国旅游统计年鉴》。

旅游资源投入。旅游资源是旅游活动的物质基础，其数量、质量、组合状况等均会对旅游经济活动规模和效率产生影响，其中又以高级别旅游资源影响更甚。已有研究多以5A和4A景区数量来衡量旅游资源的丰富度，为体现5A景区与4A景区的差异，本文规定旅游资源投入=0.6×5A景区数+0.4×4A景区数，数据来源于《中国旅游统计年鉴》。

测算结果与分析

下文分别以“含全域旅游”和“不含全域旅游”表示对应情况下旅游产业TFP的测算结果。测算使用deap2.1进行，结果如表2所示。

表2 我国各年份旅游产业TFP指数及其分解

（一）总体特征与时序变动

表2显示，2007-2015年含全域旅游的我国旅游产业全要素生产率指数（TFPC）、纯技术效率变化指数（PTEC）、规模效率变化指数（SEC）和技术进步指数（TC）的平均增长率分别为4.1%、0.4%、-0.8%和4.6%，若不含全域旅游，平均增长率分别为6.1%、3%、-0.9%和6.7%。可以看出，纳入全域旅游发展后TC的平均增长率显著降低，并导致TFPC的平均增长率显著降低，说明全域旅游的发展速度要滞后于经济效率的提升速度。

两种情况测算结果均表明TFPC的波动较大，说明旅游产业全要素生产率的增长率不稳定。PTEC和SEC基本在1附近波动，说明旅游产业技术效率基本保持不变。TC明显增加，说明旅游产业TFP的增长主要来自技术进步。分时期来看，2007-2013年旅游产业TFP持续增长，2013-2014年短暂回落，2014-2015年又恢复增长。

（二）空间分布变动

1.空间格局变动。表3列出了两种情况下31个省级区域的旅游产业效率，根据TFPC取值，将其分为两个等级：TFPC>1和TFPC<1。可以看出，纳入全域旅游发展后，处于第一等级的区域数由26个减少到22个，处于第二等级的区域数由5个增加到9个。空间格局由第一等级占据明显主导变为更趋于均匀分布。纳入全域旅游发展后，内蒙古、吉林、海南、西藏、宁夏和新疆的TFPC下降均超过5%，说明这些省份旅游产业效率对全域旅游发展更为敏感。

表3 2005-2012年31个省级区域旅游产业TFP及其分解

2.空间效应变动。图1为2007-2015年我国省级旅游产业TFPC的空间效应可视化图，使用的方法为局部Moran’s I指数。整体来看，纳入全域旅游发展后省际旅游产业TFPC的空间集聚程度略有减弱，Moran’s I指数由-0.046变为-0.019，空间集聚效应不明显。具体而言，纳入全域旅游发展后，HH、LH、LL和HL四个象限中的区域数由10个、10个、6个、5个变为11个、10个、5个、5个，HH的集聚效应加强，LL的集聚效应减弱，有23个区域所处象限不变。

图1 2007-2015年31个省级区域旅游产业TPFC空间自相关类型

旅游产业TFP影响因素分析

（一）指标选取和数据来源

本文以各省份旅游产业TFP为被解释变量。由于Malmquist指数测算的是TFP的增长率而不是TFP本身，需要先转换为TFP，借鉴李斌等（2013）的方法，将2007年全要素生产率设为1，再根据增长率计算2008-2015年的全要素生产率。结合已有研究的成果，选取的影响因素如下。

1.产业集聚度（GAT）。诸多研究结果表明产业集聚有助于TFP的提升。本文使用区域熵方法测算产业聚集度，它可以体现出一个地区在全国范围内所处的地位。区位熵指数一般使用产业的产值或就业人数来计算，这里采用前者，计算公式如下：

其中，GAT表示i地区t期的旅游产业区位熵指数，I表示i地区t期的旅游总收入，GDP表示i地区t期的国内生产总值，I是t期的全国旅游总收入，GDP是t期的全国国内生产总值。若GAT＞1，表示i地区t期的旅游产业集聚程度高于全国水平，反之亦然。

2.服务业发展水平（SER）。旅游产业的发展需要众多相关服务行业提供支持，如通信、医疗等。同时，相关服务业的发展可以为旅游产业的发展营造良好的环境，有助于“全域宜居宜业宜游”目标的实现，进而对挖掘旅游者的消费需求、优化旅游资源的分配、提升旅游产业效率起到积极的作用。

3.交通设施水平（TRA）。铁路和公路等交通设施是旅游活动得以进行的必要条件，同时，加强交通等旅游基础配套设施也符合《意见》中“加强基础配套，提升公共服务”的要求。考虑到交通的拥挤程度也会影响出游意愿，故选取人均道路长度反映这一因素。

4.经济发展水平（PGDP）。根据马斯洛需求层次理论，人只有先满足自身较低层次的需求后才会考虑更高层次的需求。旅游属于较高层次的需求，只有收入较高的人才愿意在旅游上进行更多的消费，因此以人均GDP反映。

5.旅游资源丰富度（RES）。旅游资源丰富度的提升对旅游产业效率同时有两个方面的影响：一方面，提升地区在旅游市场上的知名度，增加对游客的吸引力，同时也会加强景点间的竞争，促使它们提供更优质的服务，这些都有助于效率的提升；另一方面，旅游资源作为一种投入要素，也满足边际效益递减的规律。近些年来，旅游业发展迅速，不少省份纷纷将旅游业确定为支柱产业，在利益驱动和政府支持下各地建设了大量的旅游景点，其中盲目跟风、重复建设的情况并不少见，不利于效率的提升。选取4A和5A景区数的加权结果表示旅游资源丰富度。

（二）模型构建

通常认为前一期的TFP会对后一期的TFP产生影响，因此需要引入TFP的滞后一期项，为验证上文提出的假设，构建如下的动态面板模型：

其中，i代表地区，t代表时期，ε为随机误差项。引入TFP作为自变量可能会导致内生性问题，需要引入工具变量，本文选择TFP作为工具变量。动态面板的估计使用差分GMM方法进行，使用的软件是Eviews8.0。

（三）实证结果与分析

表4展示了估计的结果，其中，AR（1）的P值小于0.05，说明检验结果存在一阶自相关，AR（2）的P值大于0.05，说明检验结果不存在二阶自相关，因此工具变量有效。Sargan检验的P值大于0.05，表明模型设定的约束正确。

表4 差分GMM方法的估计结果

结果表明，经济发展水平、交通发展水平和产业集聚度的回归系数为正，且在1%的水平上显著，说明上述变量对提升旅游产业TFP有促进作用。服务业发展水平的回归系数不显著，说明目前全域旅游发展的水平还不高，旅游与其他服务业之间的联动较少，协同作用不明显。旅游资源丰富度的回归系数为负，且在1%的水平上显著，说明旅游资源丰富度对TFP的影响中负面影响占据了主导，产业规模扩大的同时效率却在降低。

结论与建议

本文基于2007-2015年我国31个省级区域的面板数据，运用Malmquist指数模型分别测算了含全域旅游和不含全域旅游的旅游产业效率，并结合ESDA方法对纳入全域旅游发展后旅游产业效率的变化进行了分析，最后运用动态面板模型探究了含全域旅游的旅游产业TFP影响因素，得到如下结论：第一，2007-2015年我国旅游产业TFP整体呈增长趋势，其中技术进步是TFP增长的主要来源。纳入全域旅游发展后，旅游产业TFP的平均增长率明显下降，空间格局更趋于均匀，空间效应中HH的集聚效应加强，LL的集聚效应减弱。第二，经济发展水平、交通设施水平和产业集聚度对旅游产业TFP有正向影响，旅游资源丰富度对旅游产业TFP有负向影响，服务业发展水平对旅游产业TFP影响不显著。

为促进旅游产业进一步发展，提出如下对策建议：

一是提升全域旅游发展水平。研究表明，整体而言我国全域旅游的发展速度滞后于经济效率的提升速度，未来有必要继续提升全域旅游的发展水平，提高旅游产业的综合效率。二是促进旅游产业集聚。政府应合理布局规划旅游产业的发展，并在资金和政策等方面为本地旅游产业的集聚提供帮助，以发挥产业集聚的竞争效益和创新效益。三是强化旅游基础配套设施建设。旅游基础配套设施水平的提高能方便游客出行，提升游客满意度，促进游憩、健身、文化和生态等不同功能资源的整合，进而提升旅游产业的人均附加值。四是重视景区的设计规划。景区经济效益不佳的部分原因在于一些景区盲目跟风、重复建设，既没有发挥出本地的特色优势，也容易让游客产生审美疲劳。企业需要加强在设计规划方面的投入，政府也可以通过培训等方式为企业提供帮助，共同促进景区建设的特色化和经营的多元化。