新型城镇化对旅游效率的空间溢出与门槛效应

王 凯，何 静，徐小凡，甘 畅，唐小惠

（1. 湖南师范大学旅游学院，长沙 410081；2. 四川旅游学院大数据与统计学院，成都 610100）

作为增长势头和带动效应强劲的支柱性产业，旅游业无疑是推动经济高质量发展战略的有力支撑。在“双循环”新发展格局中，如何高质量重振疫后旅游经济成为各界主体的共同关切。新型城镇化横向涵盖人力资本集聚、生活方式革新、产业协同等多方面，纵向贯穿新基建、区域联通、城市群发展等多过程（彭冲等，2014；陈明星等，2019），其所引致的知识外溢和创新要素集聚为旅游经济的优质增长提供了一种可能路径（余凤龙等，2014）。国家亦在《“十四五”文化和旅游发展规划》（文化和旅游部，2021）中提出，文旅产业与新型城镇化战略要有机衔接，新型城镇化与旅游产业要联动发展的顶层策略。在此背景下，厘清新型城镇化与旅游经济发展质量之间的关系，成为一种恰逢其时的学术思考。经济效率在测评经济质量方面的普适性已获学界认同（王松茂等，2020），而反映旅游经济运行投入产出关系的旅游效率亦是衡量旅游经济发展质量的有效指标（曹芳东等，2015）。因此，深入探析新型城镇化对旅游效率的作用机理、空间效应及其影响特征，对于破解当前区域旅游经济非均衡特征突出、旅游供需不完全匹配等发展难题具有重要的实践价值和理论意义。

已有关于城镇化与旅游经济发展关系研究主要涉及3个方面：1）旅游城市化。由于发达国家城市化进程较早，国外学者率先聚焦于旅游业对城市化发展的驱动作用；国内相关研究虽起步略晚，但旅游城市化同样备受学界瞩目并得到广泛探讨。以Mullins（1991）最早提出的旅游城市化概念为切入视角，学者们大多在个体案例层面分别对旅游城镇化的内涵解析（Hannigan,1995）、发展模式（Gladstone,1998;William et al.,2004;Connely,2007）、空间过程（Qian et al.,2012）、驱动机制（Pons et al.,2014;Triantafyllopoulos, 2017）等进行探讨，其后逐步扩展至对其时空分异特征（熊建新等，2020）、影 响 机 理（葛 敬 炳 等， 2009）、 演 化 路 径（Gonzalez-Pérez et al.,2016）进行深入剖析。2）城镇化与旅游经济发展的互动关系。追求城镇化和旅游业两大系统的协同融合，始终是贯穿旅游经济发展的一大主题，耦合协调评价模型和面板向量自回归模型为二者关系的演化互动研究累积了丰富成果（马晓龙 等，2014；赵书虹 等，2020；赵磊 等，2020；黄剑锋等，2021）。在两者关系问题上，既有学者肯定了城镇化与旅游经济发展之间存在互动影响（张广海等，2017；Liu et al.,2017），亦有学者认为城镇化对旅游经济发展的反向推动作用尚存争议，二者的双向因果关系并不明显（徐洁等，2010）。3）城镇化对旅游经济的影响效应。涉及这一问题的研究相对较少，学者们对城镇化促进旅游经济发展的先验论思维进行了实证，发现这种促进效应具有区域差异性（赵磊，2011）；随着研究的深入，有学者将空间异质性纳入研究范畴，考察了城镇化对旅游经济的空间溢出效应（王坤等，2016；王明康等，2018）；还有学者认为城镇化对旅游经济发展的影响较为复杂，并具有正负向的双重作用机制（陈艳等，2013；唐鸿等，2017）；此外，虽有为数不多的研究涉及城镇化对旅游效率的影响，但也仅是作为众多影响因素之一在相关研究中被笼统解释（方叶林等，2018；徐冬等，2018）。

综上，有关城镇化与旅游经济发展关系的成果丰硕，但仍存在一些不足：1）已有研究多采用单一指标法测度城镇化和旅游经济发展水平，仅关注到城镇人口比重、旅游收入、旅游人次等数量层面的增长，而忽视了对质量层面的考察，指标代表性不足。2）已有研究在城镇化对旅游经济的反哺作用方面缺乏关注，对于城镇化和旅游效率关系的探讨更是匮乏。3）已有研究多是在线性假设下展开，城镇化对旅游效率的非线性影响缺乏实证支撑；且城镇化和旅游效率增长均具空间非均衡特征，基于双变量空间关联探讨空间效应的研究不足，尚有深入研究的必要。因此，本文在测度中国30个省（市、区）的新型城镇化水平和旅游效率的基础上，运用双变量LISA 模型勾勒二者在时空上的联合演化趋势，并尝试基于新型城镇化的综合发展视角建立其影响旅游效率的计量模型，验证前者对后者可能存在的空间效应及其动态非线性特征。以期进一步拓展城镇化与旅游经济关系的相关研究，为推进新型城镇化和旅游经济高质量发展融合提供科学的理论引导和支撑。

1 研究设计

1.1 数据来源

考虑到数据的可获取性，以2001—2019年中国30个省（市、区）（西藏及港澳台地区除外）的面板数据为研究对象。新型城镇化评价指标体系的数据来源于历年《中国统计年鉴》（国家统计局，2002―2020a），《中国城市统计年鉴》（国家统计局城市社会经济调查司，2002―2020），《中国第三产业统计年鉴》（国家统计局，2002―2020b），《中国人口和就业统计年鉴》（国家统计局人口和就业统计司，2002―2020），《中国卫生健康统计年鉴》（国家卫生健康委员会，2002―2020），《中国环境统计年鉴》（国家统计局，2002―2020c），以及各省（市、区）统计年鉴；旅游效率评价指标体系相关数据来源于历年《中国旅游统计年鉴》及其副本（国家旅游局，2002―2018），《中国文化和旅游统计年鉴》（文化和旅游部，2019），《中国文化文物和旅游统计年鉴》（文化和旅游部，2020），以及有关省（市、区）统计公报等。为尽可能剔除物价水平的影响，人均GDP、人均财政收入、社会消费品零售总额、旅游收入等数据，均以2001 年为基期进行平减处理，部分缺失数据采用插值法插补。

1.2 研究方法

1.2.1 熵值法 利用熵值法计算新型城镇化的发展水平指数，具体计算公式参见文献（赵磊等，2020）。为了消除指标中负值和极端值对测算结果准确性造成的影响，预先对相关数据进行标准化处理。

1.2.2 Bootstrap-DEA 模型 传统DEA模型在对小样本估计时往往会产生样本评价偏差，而采用重复抽样模拟数据生成过程的Bootstrap-DEA 模型，能修正样本估计结果中所存在的偏差，弥补传统DEA的不足（曹芳东等，2015）。因此，采用Bootstrap-DEA模型测度旅游效率，步骤参见文献（Chaabouni,2017）。

1.2.3 双变量LISA 模型 在刻画2个地理要素的空间关联特征时，双变量LISA 模型能弥补传统空间自相关方法割裂或孤立地探析变量间的空间关联特征这一不足。模型为（Anselin et al.,2002）：

式中：I为双变量全局空间自相关系数；xi、yi分别为观测单元i、j的不同观测值；-x、-y分别表示观测值xi、yi的均值；n为样本个数；s2是样本方差；wij为queen邻接空间权重矩阵。

1.2.4 空间杜宾模型 本文基于空间非均衡的经济发展实际，需要考虑不同区域新型城镇化对旅游效率存在的空间影响，因此需要借助空间计量模型系统考察空间溢出效应；而空间杜宾模型（SDM）（Elhorst,2003；张淑文等，2020）排除了空间自相关误差项以及由此产生的无效参数估计问题，适用于大多数空间分析过程，可用于准确研判新型城镇化对旅游效率的空间影响。模型构建具体为：

式中：TEit为被解释变量，表示i地区t时期的旅游效率；URBit为核心解释变量，表示i地区t时期的新型城镇化水平；Xit为控制变量组；ρ、Ψ、β分别为对应变量的空间滞后系数；α0为常数项；α1为核心解释变量对应的回归系数；w为空间权重矩阵；η为控制变量回归系数；μi和γt分别代表空间和时间固定效应；εit为随机扰动项。由于模型回归系数并非真实偏回归系数，需利用偏微分形式分解出直接、间接和总效应（Lesage et al.,2009）。

1.2.5 面板门槛模型 “门槛效应”是指当某一变量到达特定临界值后，引起另一变量转向其他发展形式的现象（严翔等，2019）。相较于一般回归分析，基于门槛变量构建分段函数的门槛回归模型，对由门槛效应引起的各分组变量间非线性关系的拟合更准确科学（Hansen, 1999）。双门槛模型构建为：

式中：THRit为门槛变量；γ为待估计的门槛值；I（·）表示指示函数；α表示弹性系数。

1.3 指标体系构建与变量选取

1.3.1 指标构建 新型城镇化与旅游经济具有复合性和系统性，在遵循系统、科学和可获得等原则的基础上，参考已有研究构建新型城镇化与旅游效率的综合评价指标体系。有别于“地为本”的传统城镇化，粗放的城市空间外延扩张并不受“人为本”的新型城镇化所推崇，后者更加强调内涵式发展。结合中国新型城镇化的发展理念，在参照已有研究（杨阳等，2022）的基础上，从人口、经济、土地、社会和生态5 个维度系统反映新型城镇化（URB）发展水平（表1）。其中，人口城镇化体现城镇人口增长和就业结构变动情况（蒋正云等，2021）；经济城镇化反映城镇经济规模、联系和结构（黄莘绒等，2021）；土地城镇化衡量现代城镇范围和道路建设情况（蒋正云等，2021）；社会城镇化涉及教育、医疗、公共服务等多方面，综合反映城镇居民物质和精神生活状况（彭冲等，2014）；生态城镇化反映城市生态破坏和环境治理情况（杨阳等，

表1 新型城镇化评价指标体系构建Table 1 Construction of new urbanization evaluation index system

2022）。

旅游效率（TE）的测算包括投入和产出指标，经济学理论认为劳动力、资本、土地是主要生产要素，但鉴于旅游业土地要素投入缺乏数据统计资料，少有研究将其纳入投入指标（王兆峰等，2021）。劳动力是开展旅游经济活动的人力资本要素，用旅行社、A级景区（点）、星级饭店的直接从业人员数表征（Chaabouni, 2017）。资本要素是旅游活动的物质支撑，囿于旅游业固定资产数据缺失严重，故采用能够衡量旅游设施和旅游服务状况的旅行社、A级景区（点）、星级饭店个数衡量，亦在一定程度上弥补土地要素投入的不足（王兆峰等，2021）。产出指标用反映旅游规模及收益的旅游人次和收入表示（曹芳东等，2015）。

1.3.2 控制变量选取

1）旅游资源禀赋（GIF）

旅游资源禀赋影响旅游流和旅游投资，选取各省（市、区）世界自然与文化遗产、国家历史文化名城、国家重点风景名胜区、国家级自然保护区、国家森林公园的加总个数表征（刘宇峰等，2008）。

2）信息化水平（INF）

信息化发展打破行政区之间各自为政的旅游发展状态，重塑区域旅游产业关联，可用包罗网络、固话、移动电话等营业数额的邮电业务总量表示（王龙杰等，2019）。

3）交通可达性（TRA）

交通是客源地和目的地的连接通道，高速公路里程能够有效反映区域内交通状况（徐冬等，2018）。

4）旅游产业地位（THR）

可映射政府对于区域旅游经济发展的意图与目标，采用旅游总收入占GDP的比重表示（徐冬等，2018；王兆峰等，2021）。

5）对外开放度（OPEN）

旅游业作为典型的外向型产业必然会受到地方对外开放水平的影响，用各省（市、区）进出口总额占GDP的比重表示（Chaabouni,2017）。

6）经济发展水平（PGDP）

区域经济发展水平影响居民出游能力和旅游服务设施水平，用人均GDP反映该变量发展状况（曹芳东等，2015）。

2 新型城镇化与旅游效率的时空演化特征

2.1 新型城镇化与旅游效率的时空分布格局

借鉴徐冬等（2018）的研究，将新型城镇化水平和旅游效率由低到高划分为3个等级类型，分别为：URB ≤0.25 表示低水平新型城镇化，0.25 ＜URB ≤0.5表示中等水平新型城镇化，URB ＞0.5表示高水平新型城镇化；旅游效率类型划分同上。进一步按国家统计局（2022）的经济区域分类标准，从东部、中部、西部以及东北地区四大区域分别观察研究对象的地区差异性演化特点。

2.1.1 新型城镇化的时空分布特征 由图1-a可见，2001—2019年新型城镇化总指数呈现由小幅下降转为缓慢上升的演变趋势，2001 年为0.312 6，2019年为0.353 9，增幅为13.2%，表明全国新型城镇化的平均发展水平逐渐提高，各地区所施行的相关差异化政策取得明显的阶段性成效。东部地区新型城镇化指数在2001和2019年分别为0.457 0、0.453 8，整体具有稳中略降的变动特征；中部地区增幅为27.6%；西部地区增幅高达39.1%；东北地区新型城镇化水平下降明显，降幅为-8.4%。在空间演化格局上（表2），新型城镇化水平在2019 年呈东部＞中部＞西部＞东北部的分布特征；东部地区水平最高但增势微弱，北京、江苏、山东、上海、浙江、广东6 省（市）在2019 年均实现高水平新型城镇化；西部地区新型城镇化指数攀升最快，重庆、贵州、云南、山西、宁夏、甘肃和新疆从2001年的低水平跃升为2019 年的中等水平；中部六省增速次之，在2019年均位于中等水平之列；东北三省中的吉林省仍是低水平阶段。综上，虽然东部地区新型城镇化建设基础优良，起点较高，但囿于城镇建设发展具有较强的空间惰性，短期难以扭转调整，极易对传统城镇化的演进机制形成路径依赖，因此改革收效甚微；与之相比，中、西部地区弹性空间较大，增势强劲；而东北地区长期以工业为主导的经济结构，则成为其在改革过程中始终难以摆脱的桎梏，新型城镇化水平排名靠后，发展形势不容乐观。

图1 2001—2019年新型城镇化指数（a）和旅游效率（b）时间演变Fig.1 Time evolution of new urbanization and tourism efficiency from 2001 to 2019

表2 2001—2019年新型城镇化指数、旅游效率测度与等级划分结果Table 2 Measurement and grading results of new urbanization index and tourism efficiency from 2001 to 2019

2.1.2 旅游效率的时空分布特征 据图1-b 可知，2001—2019年中国整体旅游效率大致呈现波动上升趋势，2001年为0.211，2019年为0.593，增幅高达180.4%，表明旅游效率呈显著的波动增长态势。不过，受非典、金融危机等事件的影响，全国和区域旅游效率均在2003和2008年出现不同程度的下降。在2001—2019年，东、中、西、东北部地区旅游效率的增幅分别为85.9%、 287.1%、 269.0%、339.7%，可见区域旅游效率上升势头十足。在空间演化上（见表2），旅游效率在2019 年呈中部＞东部＞西部＞东北部的分异格局；多数东部省份旅游效率较高，中等效率省份仅有浙江、山东、海南，其余省（市）均为高旅游效率；中部地区除湖北为中等效率之外，其余5省均从2001年的低效率区转化为2019年的高效率区；西部地区增幅明显，内蒙古、甘肃、新疆转为中等效率省（区），广西、重庆、四川等则跃升为高效率省（市、区），颠覆了“全员均低”的空间格局；东北地区的吉林省以较少的劳动力、资源等要素投入实现了较高的旅游经济效益产出，旅游发展处于高效率状态且增幅较大，而辽宁、黑龙江则处于中等效率且增幅较小，旅游要素投入-产出结构尚需进一步优化。综上，东部地区经济发达、交通便利，旅游要素投入充足，旅游效率在较长时间内保持领先地位，但其发展后劲随着“区位红利”缩减而显露不足；中、西部地区凭借政策区位、旅游资源、国家战略开发等优势，旅游业高速发展，要素投入增加，区域差距逐步缩小；而东北地区经济、生态资源等比较优势不明显，旅游要素投入不足，旅游效率不高。

2.2 新型城镇化与旅游效率的空间关联特征

根据地理学常用的等距划分原则对各时段的双变量Moran'sI和局部空间聚类情况进行对比分析。双变量全局Moran'sI可反映新型城镇化与旅游效率在动态演变过程中所存在的空间关联性（表3）。其中，2001—2005 年和2006—2010 年的双变量全局Moran'sI分别在5%和10%的水平上显著，但2006—2010 年略微下降；2011—2015 年的双变量全局Moran'sI上升至0.333，却不显著，但并不能因此否认两者之间存在正向空间相关性；2016—2019年的双变量全局Moran'sI降至0.192，并在5%的显著性水平上通过检验。总体而言，新型城镇化和旅游效率的双变量全局Moran'sI在0.109～0.333 波动且均为正值。由此可见，区域内新型城镇化水平显著影响旅游效率的空间特性，两者聚类分布存在明显的正向空间关联特征，且关联程度逐渐上升。究其原因，部分省（市、区）新型城镇化水平的提高使旅游基础设施得到优化，区域内旅游服务接待水平得以改善，旅游效率随之提升，空间关联性亦随之增强。

表3 新型城镇化和旅游效率全局Moran's ITable 3 Global Moran index of new urbanization and tourism efficiency

为进一步判断新型城镇化和旅游效率的高低值在空间上的聚类情况，以LISA 双变量模型对两者的局部空间关联特征进行刻画（表4）。2001—2005年，正向空间关联的省（市、区）为14个，其中L-L型、H-H型集聚省（市、区）分别为9和5个；负向空间关联的省份为4个，新型城镇化和旅游效率空间关联性较强；2006—2010 年，正向空间关联的省（市、区）减少为10 个，负向空间关联的省份升至5个，新型城镇化和旅游效率的空间异质性明显增强；2011—2015 年，正、负向空间关联的省（市、区）分别为9和8个，二者数量相当而造成冲抵，使得空间关联的显著性有所削弱；2016—2019年，负向空间关联的省（市）回落至4个，空间异质性得到缓解。整体上，研究期内新型城镇化与旅游效率的空间关系以H-H型、L-L型集聚省（市、区）占主导，L-L型数量最多且集中稳定分布在东北、西北地区，旅游效率对新型城镇化具有较为明显的空间追随性；L-H 型集聚省（市、区）呈现由东部沿海的散点分布转向在西南地区片状扩张的时空演变特征，这与东部沿海地区囿于传统城镇化演进路径，容易引发生态问题，挤压城镇旅游功能，致使旅游客流逐步转向旅游资源更优的西南省（市）有关；H-L型集聚省份较少，主要是少数东北部沿海省份的新型城镇化“改革红利”叠加外溢，城乡治理、生态恢复以及产城融合等积极信息传导至旅游业，为旅游效率提升创造了条件。

表4 2001—2019年新型城镇化和旅游效率的局部空间关联特征Table 4 Local spatial correlation characteristics of new urbanization and tourism efficiency from 2001 to 2019

3 新型城镇化对旅游效率的影响分析

3.1 新型城镇化对旅游效率的空间溢出效应

3.1.1 空间面板模型选择和检验结果 进一步选择最佳形式的空间计量模型深入探析新型城镇化对旅游效率的空间溢出影响。首先，对传统混合面板进行OLS回归，LM检验结果分别在0.01和0.1的水平上显著，说明各模型估计的残差皆具有空间自相关性，应选取包含空间误差和空间滞后效应的空间杜宾模型（SDM）进行研究。Hausman检验在0.05的显著性水平上拒绝原假设，表明采用固定效应的SDM 模型更优。此外，由LR 检验结果（73.74,P＜0.01; 79.70,P＜0.01）及Wald 检验结果（67.73,P＜0.05; 86.19,P＜0.01）可知（表5），SDM 不可简化为SLM 或SEM。对空间固定、时间固定及时间空间双固定效应的SDM 进行计算，比较3 个模型回归结果的Log-likelihood，最终选取时间空间双固定效应的SDM 为模型。旅游效率空间滞后项系数（ρ=0.099 7）在5%的水平显著，表明邻近地区旅游业效率的高低会影响本地区的旅游效率，进一步印证了省域间旅游业发展的紧密空间关联性。另外，为保证SDM回归结果具有稳健性，一并列出OLS、SEM、SLM的回归结果作为对比（见表5）。新型城镇化水平系数为0.282 2且在5%统计水平上显著，说明本地区新型城镇化水平对旅游效率存在正向影响；而从新型城镇化的空间交互项看，其系数显著为负，说明邻近地区新型城镇化水平的提高将明显抑制本地区旅游效率的提升。此外，旅游效率不仅受本地区新型城镇化水平、旅游资源禀赋、旅游产业地位、对外开放度和经济发展水平的影响，还受到邻近地区新型城镇化水平、旅游资源禀赋、交通可达性、旅游产业地位、对外开放度以及经济发展水平的影响。

表5 空间计量模型回归结果Table 5 Regression results of spatial econometric model

3.1.2 新型城镇化对旅游效率的空间溢出效应分

解 从空间效应进一步分解的结果（表6）可见，新型城镇化对旅游效率影响的直接效应系数为0.274 3，表明本地区新型城镇化指数每增加1%会对旅游效率产生0.274 3%的正向直接溢出效应。城镇人口增长、产业集聚、技术创新是本地区新型城镇化发展的必然结果。人口增长能够在需求侧方面扩大旅游市场规模，提高旅游消费水平，增加旅游效率的经济效益期望产出；产业集聚能加速旅游要素集中布局，深化旅游部门内或上下游产业间的专业分工，在降低旅游产业经营成本的同时产生规模经济，促进旅游产业结构优化升级，以此改善旅游效率；新型城镇化发展为技术创新提供了良好的软硬环境，能够凭借科技化手段完善旅游服务设施，改善旅游要素利用效率，从而对本地区的旅游效率产生正外部性。新型城镇化对旅游效率影响的间接效应系数为-0.634 5，意味着邻近地区新型城镇化指数每增加1%则会对本地区旅游效率产生0.634 5%的抑制作用。一方面，各省（市、区）新型城镇化进程和旅游业发展存在明显的空间非均衡特征，且无论在新型城镇化还是旅游效率上都表现出显著的水平差距，前者更是表现得尤为突出。悬殊的发展水平使区域之间形成“梯度”和“压力差”，本地的人才、资金、市场等要素流则通过“梯度扩散”转移到在新型城镇化过程中处于优势地位的邻近地区，助推其旅游效率的提升，从而削弱本地区的旅游效率。另一方面，邻近地区的新型城镇化发展促进了旅游要素在前、后关联产业之间的链条式传递，强化了其空间集聚能力和竞争优势，并形成“虹吸”和“规模”效应，截流了本地区旅游发展要素和资源，从而对其旅游效率产生负向空间溢出效应。

表6 各变量对旅游效率的空间溢出效应Table 6 Spatial spillover effects of various variables on tourism efficiency

就控制变量而言，旅游资源禀赋的间接效应系数显著为正，表明邻近地区旅游资源禀赋的提高能够有效地提升本地区的旅游效率。多目的游客在时间、经济等约束条件允许的情况下，可以在一次旅游中选择多个目的地，而旅游资源禀赋优良的区域无疑对其具有强烈的吸引力，是满足其多样化需求的最优选择；当邻近地区旅游发展达到相应规模时，旅游要素便会逐渐向周边地区流动溢出，进而提升本地区的旅游效率。旅游产业地位的直接效应和间接效应显著但作用相反，本地区旅游产业地位提升有助于旅游效率的增长，而邻近地区旅游产业地位的提升则不利于本地区旅游效率的增长；本地区政府加大旅游业发展扶持力度，形成“资金漩涡”和“政策洼地”，不断吸纳邻近地区的旅游要素，从而提高本地区旅游效率，束缚邻近地区旅游效率的提升。对外开放水平的直接、间接效应系数均显著为正，意味着本地区和邻近地区对外开放水平的提高皆能引入资金和客流，改善本地区旅游效率。经济发展水平的直接、间接效应系数亦显著为正，表明本地区经济发展可以提供旅游业所需的物质和资金支持，改善旅游效率；邻近地区经济发展则通过空间溢出和扩散效应推进本地区旅游效率的提升。

3.2 新型城镇化对旅游效率的门槛效应

旅游业能够通过人口集聚、产业联动、景观优化影响城镇基础设施布局和生态保育空间塑造，这是驱动城镇空间扩张和重构的一种内在动力和非传统的新型城镇化建设路径。旅游产业地位的高低往往决定着各地区在新型城镇化过程中对旅游产业的投入。由于旅游经济发展具有区域差异性，各地区的旅游产业地位不尽相同，且新型城镇化的发展历程并不是直线上升的简单线性轨迹，而是具有阶段性、周期性的非直线演化。因此，新型城镇化和旅游产业地位可能会发生阶段性的失衡错配，旅游产业地位的超前或滞后易造成旅游生产要素的投入冗余或投入不足，从而导致新型城镇化对旅游效率的影响可能并非是持续恒定的，会随着旅游产业地位的变化而发生转变，呈现动态演化的非线性门槛特征。因此，为避免主观判断上的偏误，以旅游产业地位为门槛变量构建面板门槛模型，进而量化各区域在不同旅游产业地位下的新型城镇化对旅游效率的门槛效应。以自抽样法重复抽取样本300次，对其进行门槛特征检验。从检验结果（表7）可看出，旅游产业地位的单一门槛和双重门槛效果分别在1%和5%的水平上显著，这表明新型城镇化对旅游效率的非线性影响存在双重门槛特征，应选择双重门槛模型进行分析。

表7 门槛效果检验与门槛值置信区间Table 7 Threshold effect test and threshold confidence interval

门槛效应的回归结果（表8）表明，新型城镇化对旅游效率的作用程度随着旅游产业地位的变动而有所不同。具体来看，新型城镇化在不同门槛区间内对旅游效率的弹性系数分别为0.537 9 和1.223 1，且均在1%的统计水平上保持显著。当旅游总收入占GDP的比值≤0.139 9时，新型城镇化对旅游效率的弹性系数为0.539 7；当旅游总收入占GDP的比值处于0.139 9～0.250 1时，新型城镇化对旅游效率的弹性系数下降到0.330 5；当旅游总收入占GDP 的比值跨越第二个门槛值0.250 1 时，弹性系数上升到1.223 1。总体而言，当旅游收入占GDP比值所反映的省际旅游产业地位逐渐升高至第一个门槛值时，新型城镇化对旅游效率的正向作用率先表现为减弱趋势；而越过第二个门槛值后，增长势头强劲。可见新型城镇化对旅游效率具有先下降后上升的“U”型变化规律，即前者对后者的正外部性只有在省域的旅游产业地位高于某种水平时才起作用。

表8 双门槛模型估计结果Table 8 Estimation results of double threshold model

4 结论与讨论

以中国30 个省（市、区）为研究对象，运用双变量LISA 模型、空间杜宾模型等方法实证了2001―2019年中国新型城镇化对旅游效率的空间效应，并借助门槛模型分析了二者之间非线性的影响关系。研究发现：1）2001―2019 年中国新型城镇化水平和旅游效率具有不同程度的波动提升态势，二者在2019年分别呈现东部＞中部＞西部＞东北部以及中部＞东部＞西部＞东北部的空间分布特征。2）新型城镇化和旅游效率具有正向空间关联性，局部空间关联以H-H型、L-L型为主；新型城镇化对旅游效率存在正向直接效应与负向空间溢出效应。3）在旅游产业地位这一门槛变量的作用下，新型城镇化对旅游效率长期保持正向影响，并存在动态非线性的双重门槛特征。

针对本文结论，提出如下建议：1）京津冀、长三角等高密度城镇群地区要积极治理突出的“大城市病”问题，深度推进生态环境、城乡统筹、基础设施等一体化发展，辐射带动北部地区和长江经济带等广阔腹地的新型城镇化和旅游业高质量发展；东北地区应积极发挥区域学习效应并立足特色冰雪资源优势，打破发展瓶颈以构筑新型城镇化和旅游业高质量发展新动力；中西部地区新型城镇化和旅游发展要厚植人文和生态优势，打造特色小镇，同时利用好国家战略优势，加快培育成渝、中原等城市群成为新增长极以集聚旅游生产要素，促进新型城镇化发展和旅游效率提升。2）各地区要打破行政区划藩篱的限制，构建要素跨区流动、信息共建共享、资源高效配置的共赢发展机制，以协调合作和共同发展代替无序竞争和非合作性博弈，联合制定区域新型城镇化策略，建设整体协同和高质量发展的城市群以强化各省（市、区）的内部空间关联，最大化新型城镇化对旅游效率的空间溢出效应。3）各省（市、区）要坚决避免盲目的新型城镇化扩张，新型城镇化建设模式和发展规模要基于自身不同的旅游产业发展现实，采取与旅游发展相适应的新型城镇化发展路线，以差异化的战略措施引导新型城镇化建设过程中对于旅游要素投入的科学组合和高效配置，扭转新型城镇化与旅游产业在发展阶段和发展规模上的错配失衡局面，尽快破除新型城镇化发展对旅游效率提升的限制门槛，进而提高旅游效率。

以往有关城镇化与旅游效率的研究相对较少，既有相关的研究成果主要集中在拟合预测城镇化与旅游效率耦合协调发展的时空演变趋势（轩源等，2020），以及在线性假设前提下分析城镇化对于旅游效率的正向作用（方叶林等，2018；徐冬等，2018），未考虑到城镇化对旅游效率影响可能存在“门槛条件”。与已有研究相比，本文可能的边际贡献在于：从新型城镇化的综合发展视角丰富了城镇化与旅游经济关系的研究，以新经济地理学和计量经济学为支撑构建了空间杜宾模型和面板门槛模型，拓展了新型城镇化对旅游效率反映在地理上的空间效应研究，并为二者在时间演化上的动态非线性关系提供了实证量化依据，更为符合新型城镇化与旅游经济动态演化和高质量发展的客观实际。但本文仍存在一些不足：囿于个别旅游统计指标口径调整以及统计数据的缺失，致使旅游效率指标的相关数据获取存在困难。本文在参考众多相关指标体系的基础上测算的旅游效率虽能在较大程度上反映当前旅游经济的发展质量，但随着未来旅游统计的完善，深挖旅游数据尤其是效率投入要素数据进而提高测算结果的科学性，应值得关注。