“双碳”目标下中国旅游产业绿色创新效率评价及影响因素分析

刘 佳 安珂珂

[提要]在“双碳”目标下客观识别旅游产业绿色创新效率及其影响因素，并合理预测其发展趋势，对于优化资源节约与环境友好的旅游产业高质量发展格局具有重要作用。本文构建纳入旅游产业碳排放量的评价指标体系，基于2001—2019年中国30个省份面板数据，利用超效率SBM模型、分布动态法、面板分位数回归等方法，从全国、区域尺度及时间、空间层面揭示了中国旅游产业绿色创新效率的演进规律及其主要成因，并利用二次指数平滑法、ARIMA模型等对“双碳”目标下中国旅游产业绿色创新效率进行预测。研究发现：中国旅游产业绿色创新效率具有中低与中高效率占比大、低效率与高效率占比小的“纺锤型”特征，并呈现由东部地区向东北、西部及中部地区递减的发展态势；中国旅游产业绿色创新效率具有明显的俱乐部趋同特征与马太效应，效率较高的省份具有较强的辐射带动效应，形成高效率趋同，低效率省份则产生一定的负向反馈作用，形成低效率趋同，两种现象间的两极分化特征形成显著的马太效应；经济发展水平、旅游产业集聚是全国及区域层面旅游产业绿色创新效率演进的核心因素，对外开放程度、环境规制强度、旅游企业规模具有明显的区域异质性；预测期内中国旅游产业绿色创新效率呈现波动下降趋势，东部地区具有带动整体效率提升的较大潜力。

2020年9月，习近平总书记在第75届联合国大会上提出“中国力争于2030年前达到碳达峰、2060年前实现碳中和”；2021年10月，《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》指出“降低碳排放水平、构建绿色低碳循环发展经济体系”；2022年3月，全国两会再次强调“实现碳达峰、碳中和目标是贯彻新发展理念、构建新发展格局、推动高质量发展的内在要求”。实现“双碳”目标(碳达峰、碳中和)，既是兼顾碳排放总量控制与经济社会发展双赢的现实诉求，也是构建新发展理念下低碳循环经济运行体系的必然要求[1]，其不仅涉及化工、石化等二氧化碳排放占比高的行业，更需要生产型行业和消费主导型行业等各个行业的协同配合[2]。旅游产业作为国民经济战略性支柱产业和让人民群众更加满意的现代服务业，已经成为推动中国经济向绿色经济、创新经济转型发展的优势产业[3]，在推进能源结构调整、提升生态碳汇能力等方面发挥积极作用，实现“双碳”目标需要旅游产业的整体响应[4]。相比于电力行业碳排放量占比88%以上[2]，旅游交通、住宿、活动等环节产生的碳排放量占4.9%，但其对温室效应的贡献率达到14%[5]，旅游产业碳排放量不可忽视[4]。探索如何实现旅游产业资源节约与环境友好型发展，有助于旅游产业与中国经济绿色低碳循环发展，在一定程度上对“双碳”目标实现具有重要推动作用。

绿色是美丽中国的主色调，创新是经济强国主动力，绿色创新是中国经济由高速增长阶段转向高质量发展阶段的必然要求[3]。2021年《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》强调“推动绿色发展，促进人与自然和谐共生”，体现出新阶段、新理念、新格局下国家层面对绿色创新发展的高度重视。绿色创新强调最大程度节约资源以及将环境负面影响降到最低[6]，尤其在实现“双碳”目标下，提升绿色创新效率是平衡资源环境约束、推进社会经济高质量与可持续发展的内在要求和战略选择。旅游产业绿色创新能够通过产品创新、服务创新、管理创新、营销创新等方式降低旅游企业运营成本[7]、提高劳动生产率[8]、增加旅游市场份额[9]、降低资源消耗[10]等，为“十四五”时期旅游产业转型升级与高质量发展指明方向。旅游产业绿色创新效率可以反映绿色创新活动投入和产出之间的内在联系与比例关系，能够有效评价旅游产业绿色创新发展水平[11][12]。当前学者们对酒店[13]、餐饮[14]等旅游行业部门绿色创新实践的影响因素进行了分析，并以绿色创新效率衡量绿色创新发展水平，探讨旅游产业绿色创新效率空间网络的结构特征、形成机制与结构效应[11][12]，但其偏重对旅游产业绿色创新效率的空间关联这一关系数据的分析，在一定程度上忽视了对旅游产业绿色创新效率本身这一属性数据的考察。基于此，本文重点探讨中国旅游产业绿色创新效率的时空动态演进特征及其影响因素，并科学研判其在“双碳”目标下的发展趋势，对于推进中国经济绿色低碳循环发展具有一定的理论意义和实践价值。

一、文献综述

目前，旅游产业绿色创新效率的相关研究主要集中在内涵界定、量化评价和影响因素等方面。在内涵界定方面，绿色创新也被称为“生态创新”“环境创新”和“可持续创新”，关注最大程度地节约资源以及将环境负面影响降到最低[15]。作为绿色创新发展水平的衡量标准之一，绿色创新效率是对综合考虑环境污染和能源消耗后的创新发展质量的测度[6]。与农业、工业等第一、第二产业相比，旅游产业作为典型的第三产业，其自然资本消耗和污染物排放量较低，往往被认为是环境友好型的“绿色产业”[16]，但发展过程中产生的资源过度开发、生态破坏、环境污染等问题日益突出，“资源诅咒”与“荷兰病”效应不容忽视[17]。当前，整个社会越来越关注自然资源损失和生态环境污染，逐渐认识到绿色创新对旅游产业可持续发展的重要价值[10]。旅游产业绿色创新可以理解为以旅游创新要素投入和旅游创新活动开展促进旅游经济增长、生态环境优化与创新水平提高的过程；旅游产业绿色创新效率是对旅游产业绿色创新发展水平的衡量，指的是在旅游产业发展过程中，通过旅游创新活动开展和旅游创新要素投入实现的经济、环境与创新效益，即投入与产出之间的比例关系[11]。

在量化评价方面，参数和非参数估计是绿色创新效率研究中普遍采用的评价方法[18]。其中，参数估计方法能够处理单一产出的效率问题，但较难分析绿色创新效率的多产出问题[6]；非参数估计方法以数据包络分析为主，能够评价多投入与多产出之间的比例关系，包括BBC模型、CCR模型等传统DEA模型以及超效率SBM模型等[19]。相比于传统DEA模型忽略了投入或产出的松弛度问题，容易导致绿色创新效率测度偏差，超效率SBM模型加入了非期望产出指标，能够解决效率测度偏差问题[19]，在绿色创新效率测度中得到了广泛应用[20][21]。在旅游研究领域，既有研究成果多将旅游科研人员数、旅游科研经费支出等作为投入指标，将旅游总收入、旅游专利申请数、旅游环境污染等作为产出指标，以投入与产出之间的比例关系衡量旅游产业绿色创新效率[11][12]，但较少考虑旅游产业碳排放量作为非期望产出的环境影响。与惯常的旅游产业是“绿色产业”的认识不同，旅游产业已经成为碳排放的大户[4]，在“双碳”目标下纳入碳排放量评价旅游产业绿色创新效率更加客观合理。

在影响因素方面，人力资本、地区经济发展水平、对外开放程度、政府支持等因素能够促进工业、高技术产业等产业绿色创新效率提升[22][23]，环境规制强度、企业规模、产业集聚等因素可能阻碍产业绿色创新效率提升[20][24]。在旅游研究领域，学者们多从企业微观层面和产业中观层面识别绿色创新效率的影响因素。其中，国外学者较多关注旅游企业微观层面，认为环境规制、绿色创新战略等手段以及组织学习、战略远见、共同愿景和跨职能部门合作等机会识别能力和机会资本能力等对绿色创新具有积极影响[10][13]。国内学者更多聚焦旅游产业中观层面，认为经济发展水平、旅游产业结构、旅游企业规模等因素在一定程度上能够促进旅游产业绿色创新效率提升[25]。考虑到不同区域旅游产业发展阶段不同，影响旅游产业绿色创新效率的关键因素及其作用程度可能不同，理清不同区域旅游产业绿色创新效率演进的影响机制对于针对性提出推进旅游产业绿色创新与高质量发展的政策建议具有指导意义，但目前相关研究较为薄弱。

综上可知，既有研究成果为本文探讨旅游产业绿色创新效率提供了重要的理论启示，但仍存在一定的拓展空间：一是旅游产业绿色创新效率的评价体系有进一步完善的空间。统筹考虑旅游产业发展过程中产生的碳排放及其环境负荷，客观评价中国实现“双碳”目标背景下的旅游产业绿色创新效率，可弥补当前旅游产业绿色创新发展水平评价的不足。二是较少关注旅游产业绿色创新效率的动态演进规律。已有研究主要利用空间自相关方法分析绿色创新效率的空间相关性，但其偏重静态过程，不能反映动态发展过程及空间单元在其中的演进特征。核密度估计能够动态刻画经济现象的时间演变特征，空间马尔科夫链能够叠合每一空间单元在不同时期的动态演进过程[26]，可以很好地解决这一问题。三是旅游产业绿色创新效率动态演进的影响机制较少受到关注。面板分位数回归模型能够克服变量分布有偏、异方差较大等问题[27]，较为全面地反映解释变量与被解释变量之间的关系，有助于为旅游产业绿色创新效率演进的影响因素及其作用机制检验提供全视角解读。四是在中国提出“双碳”目标的战略背景下，提升旅游产业绿色创新效率对于降低二氧化碳排放具有促进作用，但现有研究鲜有探讨旅游产业绿色创新效率的未来发展趋势如何。为此，本文构建纳入旅游产业碳排放量的超效率SBM模型，测度2001—2019年中国30个省份旅游产业绿色创新效率，并运用核密度估计、空间马尔科夫链与面板分位数回归模型探讨中国旅游产业绿色创新效率的时空动态演进特征及其影响因素，进而利用二次指数平滑法、温特线性与季节指数平滑法、ARIMA模型等科学研判中国旅游产业绿色创新效率的未来发展态势，以期为推进“双碳”目标下中国旅游产业绿色创新与高质量发展提供理论指导。

二、研究设计

(一)旅游产业绿色创新效率的影响机理分析

旅游产业绿色创新效率能够反映旅游创新要素投入实现的旅游经济、环境与创新效益，即投入与产出之间的比例关系[11]。既有研究表明企业规模、产业集聚等因素是开展绿色创新活动的重要条件，地区经济发展水平、对外开放程度、环境规制强度等因素能够为绿色创新效率提升创造良好的外部环境[20][22]，但这些因素是否显著影响旅游产业绿色创新效率还有待检验。结合旅游产业发展特征及其绿色创新的理论内涵[7][28]，本文构建旅游产业绿色创新效率的影响机制理论框架(见图1)。从内部因素来看，根据熊彼特假说，相比于小规模旅游企业，规模较大的旅游企业容易获取信息、技术等各类资源，能够为绿色创新活动开展提供基础条件[29]，但也有可能出现“大企业病”造成组织效率低下，不利于旅游产业绿色创新效率提升；产业集聚外部性假说指出，旅游产业集聚能够带来知识溢出、规模经济等正外部性，但也可能产生资源浪费、环境污染等负外部性[30]，对旅游产业绿色创新效率的影响具有不确定性。从外部因素来看，经济发展水平较高的地区容易吸引高素质创新人才并投入更多科研资金，为旅游产业绿色创新发展提供人力和财力支持，有助于提升旅游产业绿色创新效率；地区对外开放程度较高，往往反映出该地区引入先进生产技术的能力较强，技术进步有利于优化产业发展模式、改善资源利用效率等[31]，从而促进旅游产业绿色创新效率提升；根据波特假说，适度的环境规制能够对环境污染加以控制，在一定程度上优化旅游产业发展环境，但环境规制强度过高也反映出该地区已经恶化的生态环境[21]，不利于旅游产业绿色创新效率提升。

图1 旅游产业绿色创新效率的影响机理

(二)旅游产业绿色创新效率的评价体系构建

在前期研究的基础上[11][12]，结合国家强调“双碳”目标实现的战略背景，构建旅游产业绿色创新效率评价体系。其中：

投入指标。绿色创新投入一般包含劳动投入和资本投入，分别以R&D人员全时当量和R&D经费内部支出进行表征[32]。由于旅游产业是资源依赖型产业，其绿色创新活动的开展离不开物力要素投入[11]，本文从劳动、资本、物力三个方面衡量旅游产业绿色创新的投入状况。其中，劳动投入为开展绿色创新活动提供人力基础，以旅游科研人员数和旅游院校学生数进行衡量；资本投入为开展绿色创新活动提供资金保障，在一定程度上反映旅游产业绿色创新的制度环境，选取旅游科研经费支出加以表征；物力投入可以为开展绿色创新活动提供技术支撑，以旅游类国家自然科学基金项目数和旅游院校数进行衡量。

产出指标。已有研究主要以新产品销售收入和专利申请数衡量绿色创新带来的好产出(即期望产出)[6][32]，以废水、废气、固体废弃物排放量及单位GDP能耗等衡量绿色创新引起的不好的产出(即非期望产出)[20]。由于旅游产业碳排放量对生态环境的压力逐渐凸显，其对温室效应的贡献率达到14%[5]，不利于旅游产业和区域经济的可持续发展。在中国着力推进“双碳”目标实现的背景下，纳入旅游产业碳排放量作为非期望产出，能够更加客观地评价旅游产业绿色创新发展现状。为此，以旅游总收入和旅游专利申请数作为期望产出指标，对旅游产业绿色创新的经济效益和创新效益进行衡量；以旅游产业碳排放量、万元旅游收入能耗、旅游产业废水、废气、固体废弃物排放量作为非期望产出指标，表征旅游产业绿色创新带来的资源消耗降低和环境污染减少等环境效益。其中，关于旅游产业碳排放量的估算方法主要有两类：基于能源终端的“自上而下法”和基于消费终端的“自下而上法”[33]，但由于“自上而下法”实际可操作性不强[3]，且旅游交通与旅游住宿是旅游产业碳排放量的主要来源，占比高达97.64%[34]，因此本文采用“自下而上法”，从旅游交通与旅游住宿两个方面估算旅游产业碳排放量。估算公式如下：

(1)

(三)研究方法

1.超效率SBM模型

数据包络分析作为非参数方法的一种，能够对多投入多产出的复杂系统进行评价，在测度绿色创新效率中得到广泛应用[18]。其中，作为数据包络分析较为重要的一类模型，超效率SBM模型纳入了非期望产出，能够解决效率测度偏差问题，使评价结果更加客观合理[19]。因此，本文运用基于非期望产出的超效率SBM模型测度2001—2019年中国30个省份旅游产业绿色创新效率。其基本原理如下：

(2)

假设X>0，Yd>0，Yu>0，则所有决策单元构成的生产可能性集P[19]可定义为：

(3)

基于生产可能性集P，纳入非期望产出的超效率SBM模型初始形式[19]可定义为：

(4)

由于模型(4)是非线性模型，不利于效率计算，因此通过Charnes-Cooper变换，将其转化为线性模型[19]，据此定义纳入非期望产出的超效率SBM模型：

(5)

其中，ρ*的目标函数值表示旅游产业绿色创新效率值GIETI。上述模型均基于规模不变的假设前提。

2.分布动态法

运用分布动态法探讨2001—2019年中国旅游产业绿色创新效率的时空动态演进特征，其常用的研究工具包括核密度估计与空间马尔科夫链，前者可以直观刻画变量的时间动态演进特征，后者能够通过转换概率矩阵来揭示空间动态演进特征[35]。

核密度估计属于非参数检验方法，可以避免对数据形式假定不当导致的错误，使得估计结果的拟合度更高、稳健性更好。计算公式如下：

(6)

其中，f(GIETI)为核密度估计值；GIETI为旅游产业绿色创新效率；GIETIi为标记点；c为核函数；h为带宽；n=30，1≤i≤n。

空间马尔科夫链由传统马尔科夫链发展而来[27]，其通过引入空间滞后概念，改进传统马尔科夫链将各研究单元看做独立个体而忽略空间性的不足，本文利用空间马尔科夫链表征在邻近省份影响下的某一省份旅游产业绿色创新效率由当前效率类型向其他效率类型转变的概率，从而揭示中国整体旅游产业绿色创新效率的空间动态演进过程与特征。根据分位点划分方法[31]，本文将旅游产业绿色创新效率划分为四种类型，分别为低效率、中低效率、中高效率和高效率，并定义效率类型“向上转移”为旅游产业绿色创新效率提高(例如，从低效率提高至中低效率)，效率类型“向下转移”为旅游产业绿色创新效率降低(例如，从高效率降低至中高效率)。具体采用邻接原则定义省份间的空间关系并构建空间权重矩阵，以邻近省份旅游产业绿色创新效率类型为条件，构建空间马尔科夫转移概率矩阵。

3.面板分位数回归模型

运用面板分位数回归模型分析各因素对不同类型的旅游产业绿色创新效率的作用效果，揭示旅游产业绿色创新效率动态演进的形成机制，从而将研究深度从过程与规律“是什么”推向机制与作用“为什么”。与传统的多元线性回归模型相比，面板分位数回归模型通过在不同分位数水平对解释变量与被解释变量进行回归，能够准确地刻画解释变量对被解释变量整个条件分布的影响，其回归结果不易受到极端值的影响，更加稳健[36]。面板分位数回归模型设定如下：

(7)

4.模拟预测法

情景分析预测方法、二次指数平滑法、温特线性与季节指数平滑法、差分整合移动平均自回归(ARIMA)模型是较为常用的预测方法。其中，情景分析预测方法建立在经验判断与模型设定的基础之上[40]，本文运用这一方法对旅游产业碳排放量进行预测；二次指数平滑法、温特线性与季节指数平滑法充分考虑了前期数据包含的历史信息，适用于生产预测和中短期经济发展趋势预测[41]，ARIMA模型充分挖掘了随机扰动项中除噪音以外的有用信息，可以很好地捕捉数据趋势以及简单的非线性特征[40]，本文利用二次指数平滑法、温特线性与季节指数平滑法、ARIMA模型实现对旅游产业绿色创新效率的预测，并将其结果进行对比分析。各方法预测原理如下：

情景分析预测方法的模型表达为：TCO2 year=(1-x%)*TCO2 2005/TR2005*TRyear

(8)

其中，TCO2 year为预测年份旅游产业碳排放量；TCO2 2005为2005年旅游产业碳排放量；TR2005为2005年旅游总收入；TRyear为预测年份旅游总收入；x为旅游产业碳排放强度下降率，结合中共中央国务院《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》提出“到2030年，单位国内生产总值二氧化碳排放比2005年下降65%以上”，x为2.6%。

二次指数平滑法的一般模型为：

(9)

温特线性与季节指数平滑法的一般模型为：

fT+m=(ST+bTm)IT-1+m

(10)

ARIMA模型表达为：

(11)

(四)数据来源①

囿于相关指标数据的可得性，本文选择中国30个省份为研究单元。选择2001—2019年为研究时段，其中2001年《关于进一步加快旅游业发展的通知》提出“坚持旅游资源的严格保护、合理开发和永续利用，加强创新体制机制改革”，体现了国家层面对旅游产业绿色发展与创新驱动的重视；根据2020年文化和旅游发展统计公报，该年国内旅游收入同比下降61.1%，考虑到数据可比性，2020年相关数据未纳入研究。同时，将研究时段划分为“十五”时期(2001—2005年)、“十一五”时期(2006—2010年)、“十二五”时期(2011—2015年)和“十三五”时期(2016—2019年)进行阶段比较分析。此外，为进行区域比较分析，根据国家统计局《东西中部和东北地区划分方法》，将全国划分为东部、中部、西部及东北地区。相关指标数据来源于2002—2020年《中国统计年鉴》《中国环境统计年鉴》《中国交通年鉴》《中国固定资产投资统计年鉴》、各省份《统计年鉴》、2002—2018年《中国旅游统计年鉴》、2019—2020年《中国文化文物和旅游统计年鉴》以及国家知识产权局专利检索平台。

三、实证结果与分析

(一)中国旅游产业绿色创新效率的动态演进特征

1.旅游产业绿色创新效率测度结果

根据分位点划分方法[31]，以研究期内各省份旅游产业绿色创新效率的25%、50%和75%分位数的均值作为三个临界点，将旅游产业绿色创新效率划分为低效率(0，0.88]、中低效率(0.88～1.02]、中高效率(1.02～1.08]和高效率(>1.08)四种类型。其中，低效率类型省份占比为23.33%，包括河北、安徽、湖北、重庆、四川、陕西、甘肃7个省份，这些省份旅游创新要素投入与旅游经济、环境与创新效益等产出较不匹配；中低效率类型省份占比为30%，包括山西、辽宁、吉林、江西、河南、湖南、贵州、青海、宁夏9个省份，这些省份旅游产业绿色创新效率相比于低效率类型省份有一定提高，但旅游创新要素投入与产出之间的比例关系与内在联系仍有待改善；中高效率类型省份占比为26.67%，包括黑龙江、上海、江苏、福建、山东、广东、广西、云南8个省份，这些省份旅游创新要素投入带来了较高的经济、环境与创新效益产出；高效率类型省份占比为20%，包括北京、天津、内蒙古、浙江、海南、新疆6个省份，这些省份在旅游科研人员、旅游科研经费等投入一定的条件下，实现了较高的旅游总收入、旅游专利申请等期望产出，以及较低的旅游产业碳排放量等非期望产出，经济、环境与创新效益得到了有效协调。可以看出，中国旅游产业绿色创新效率呈现中低与中高效率占比大、低效率与高效率占比小的“纺锤型”特征。

2.时间动态演进特征

由图2可知，研究期间中国旅游产业绿色创新效率整体上呈现先下降后提升的“V”型演进态势，旅游产业发展过程兼顾绿色发展与创新驱动，资源节约与环境友好的发展趋势较为明显。分阶段来看，“十五”与“十一五”时期中国旅游产业绿色创新效率略有下降，核密度曲线略向左移。2001—2010年中国旅游总收入由4995亿元增长到1.57万亿元，旅游产业快速发展和粗放式增长导致的资源过度利用、生态破坏、旅游产品及产业升级缓慢等现实问题[42]不断凸显，旅游资源消耗、环境污染等非期望产出增多，降低了旅游产业绿色创新效率。此外，“十二五”与“十三五”时期中国旅游产业绿色创新效率呈波动提升态势，核密度曲线向右偏移。2011—2019年中国旅游总收入由2.25万亿元增长到6.63万亿元，旅游经济规模、旅游创新能力等期望产出实现跨越式增长的同时，旅游资源消耗与环境污染等非期望产出减少，旅游创新要素投入与期望产出及非期望产出的关系不断协调，中国旅游产业绿色创新效率得到较大提升。

图2 2001—2019年中国旅游产业绿色创新效率的核密度曲线

从区域差异上看(见图3)，研究期间，中国旅游产业绿色创新效率呈现由东部地区向东北地区、西部地区及中部地区递减的发展态势。东部地区作为我国对外开放的先行区，其经济发展水平较高，具有劳动力、资本、技术等多元要素配置优势，为旅游经济增长与产业高质量发展提供便利条件，取得较高的旅游经济、旅游环境与旅游创新效益等综合产出，绿色创新效率明显高于其他地区。分区域演进来看，第一，东部、中部地区旅游产业绿色创新效率均呈现先下降后提升的“V”型演进态势，核密度曲线均先向左偏移后向右偏移。相比于“十五”“十一五”时期东部、中部地区旅游产业绿色创新效率略有下降，“十二五”时期以来，北京、江苏、浙江、安徽等多数省份对旅游产业创新发展给予了高度重视，旅游产品、服务、营销、体制等创新发展势头良好，旅游经济效益和创新效益等期望产出较高，在很大程度上提升了旅游产业绿色创新效率。第二，西部地区旅游产业绿色创新效率呈现先提升后下降再提升的“N”型演进态势。其中，“十五”时期广西等省份旅游产业绿色创新效率提升明显，推动了西部地区效率整体提升；“十一五”时期西部地区省份积极响应“把旅游业培育成为国民经济的重要产业”的国家战略要求，旅游经济效益明显提升，但旅游经济导向型发展模式也在一定程度上导致资源破坏与环境污染等问题，使得西部地区旅游产业绿色创新效率呈下降态势；“十二五”时期以来，四川、甘肃等多数省份旅游经济、环境与创新效益不断增加，使其旅游产业绿色创新效率有较大提升。第三，东北地区旅游产业绿色创新效率呈现先下降后提升再下降的倒“N”型演进态势。其中，“十五”“十二五”与“十三五”时期均略有下降，辽宁、吉林、黑龙江三个省份旅游创新要素投入与旅游经济、环境与创新效益之间的比例关系较不协调，其成为东北地区旅游产业绿色创新效率降低的主要原因。

图3 2001—2019年中国四大区域旅游产业绿色创新效率的核密度曲线

3.空间动态演进特征

如表1所示，中国旅游产业绿色创新效率的空间动态演进呈现如下特点：第一，各省份旅游产业绿色创新效率具有维持原有类型的稳定性，俱乐部趋同特征与马太效应较为明显。对角线元素显著大于非对角线元素，表明各省份旅游产业绿色创新效率维持原有类型的概率大于转移的概率，发展态势趋于稳定，具有明显的俱乐部趋同特征；对角线两端的元素大于中间的元素，表明各省份旅游产业绿色创新效率维持低效率类型与高效率类型的概率较大，低效率趋同与高效率趋同现象明显，两极分化特征较为突出，具有显著的马太效应。第二，若邻近省份旅游产业绿色创新效率比本省份高，则本省份效率类型向上转移的概率较大，此时邻近省份起到促进作用，产生“近朱者赤”高效率趋同；若邻近省份旅游产业绿色创新效率比本省份低，则本省份效率类型向下转移的概率较大，此时邻近省份起到抑制作用，产生“近墨者黑”低效率趋同。第三，四个“五年”时期中国旅游产业绿色创新效率空间马尔科夫转移概率矩阵中仅概率数值发生相对变化，对角线元素显著大于非对角线元素、对角线两端元素大于中间元素、高效率邻近省份影响下本省份效率提升的概率大于效率降低的概率、低效率邻近省份影响下本省份效率降低的概率大于效率提升的概率等现象仍然存在，表明中国旅游产业绿色创新效率保持较为稳定的俱乐部趋同特征及马太效应。

表1 2001—2019年中国旅游产业绿色创新效率的空间马尔科夫转移概率矩阵

(二)中国旅游产业绿色创新效率演进的影响因素

中国旅游产业绿色创新效率在不同时期及不同区域之间均存在显著的分异特征，进一步运用面板分位数回归模型，探讨影响旅游产业绿色创新效率时空动态演进的主要因素。

1.基本回归结果分析

如表2回归结果所示，经济发展水平、对外开放程度和旅游产业集聚能够显著促进中国旅游产业绿色创新效率向上转移提升。上述因素在25%、50%和75%分位点处的回归系数均为正值，且均通过1%显著性水平下的检验，表明这些因素能够有效拉动中国旅游产业绿色创新效率类型由低水平向中低水平转移、由中低水平向中高水平转移、由中高水平向高水平转移，从而形成高效率趋同。随着分位点的变化，经济发展水平、对外开放程度和旅游产业集聚在25%分位点处的回归系数均大于在50%和75%分位点处的回归系数，表明这三个因素是旅游产业绿色创新效率为低效率类型的省份效率提升的主要因素。

环境规制强度和旅游企业规模均对旅游产业绿色创新效率向上转移提升发挥抑制作用。在25%、50%和75%分位点处，上述两个因素的回归系数均为负值，表明这两个因素在中国旅游产业绿色创新效率类型由低水平向中低水平转移、由中低水平向中高水平转移、由中高水平向高水平转移过程中发挥抑制作用，从而形成低效率趋同。此外，环境规制强度和旅游企业规模在25%分位点处的回归系数的绝对值大于50%和75%分位点处的回归系数的绝对值，表明这两个因素对于旅游产业绿色创新为低效率类型的省份效率提升的抑制效果更明显。

表2 基本回归结果

2.区域异质性分析

由前文分析可知，不同区域的旅游产业绿色创新效率存在显著分异，有必要进一步考察旅游产业绿色创新效率动态演进机制的区域异质性(见表3)。第一，对东部地区而言，在25%、50%和75%分位点处，其旅游产业绿色创新效率向上转移提升均受到经济发展水平、对外开放程度、环境规制强度和旅游产业集聚的促进作用，但旅游企业规模发挥抑制作用。比较影响系数的绝对值大小，经济发展水平、对外开放程度、环境规制强度在75%分位点处的估计系数较大，表明上述三个因素是推进东部地区旅游产业绿色创新效率由中高水平向高水平提升的关键因素；旅游产业集聚在25%分位点处的估计系数较大，表明其是推进东部地区旅游产业绿色创新效率由低水平向中低水平提升的关键因素；旅游企业规模则在东部地区旅游产业绿色创新效率由中高水平向高水平提升过程中的抑制效果更加明显。

第二，在25%、50%和75%分位点处，中部、西部地区旅游产业绿色创新效率向上转移提升均受到经济发展水平、对外开放程度和旅游产业集聚的促进作用，并且作用强度均随着分位点的提高呈降低态势，表明这三个因素是中部、西部地区旅游产业绿色创新效率由低水平向中低水平提升的关键因素。环境规制强度和旅游企业规模对中、西部地区旅游产业绿色创新效率提升的作用效果因分位点不同而存在显著差异。其中，对中部地区而言，环境规制强度在25%分位点处的回归系数为负值，在50%和75%分位点处回归系数均为正值，但不显著，表明环境规制强度能够推动中部地区旅游产业绿色创新效率由中低水平向中高水平提升以及由中高水平向高水平提升，但当前提升效果还不明显；旅游企业规模在25%分位点处的回归系数为正值，在50%和75%分位点处回归系数均为负值，但不显著，表明旅游企业规模是中部地区旅游产业绿色创新效率由低水平向中低水平提升的主要因素，但当前提升效果并不明显。对西部地区而言，环境规制强度和旅游企业规模在不同分位点处的回归系数均为负值，且回归系数的绝对值由25%分位点处向50%和75%分位点处递减，表明在西部地区旅游产业绿色创新效率从低水平向中低水平提升过程中，这两个因素的阻碍效果较为明显。

第三，对东北地区而言，其旅游产业绿色创新效率向上转移提升在25%、50%和75%分位点处均受到经济发展水平、环境规制强度和旅游产业集聚的促进作用。其中，经济发展水平的作用强度随着分位点的提高呈增加态势，表明提高经济发展水平对东北地区旅游产业绿色创新效率由中高水平向高水平提升具有更强的促进效果；环境规制强度和旅游产业集聚的作用强度随分位点的提高呈降低态势，表明这两个因素是东北地区旅游产业绿色创新效率由低水平向中低水平提升的主要因素。对外开放程度对东北地区旅游产业绿色创新效率类型向上转移具有负向作用，这一因素的回归系数在不同分位点处均为负值，且在50%分位点处回归系数的绝对值小于25%和75%分位点处回归系数的绝对值，表明扩大地区对外开放对东北地区旅游产业绿色创新效率由中低水平向中高水平提升的抑制效果较弱。旅游企业规模在25%和50%分位点处的回归系数均为正值，在75%分位点处为负值，表明旅游企业规模是东北地区旅游产业绿色创新效率由低水平向中低水平提升、由中低水平向中高水平提升的主要因素，但在由中高水平向高水平提升过程中发挥抑制效果。

表3 区域异质性回归结果

(三)中国旅游产业绿色创新效率的预测分析②

为科学研判“双碳”目标下中国旅游产业绿色创新效率的发展趋势，以2001—2019年旅游产业绿色创新效率测度结果为基础，首先利用情景分析预测方法对2020—2030年中国旅游产业碳排放量进行模拟，进而利用二次指数平滑法、温特线性与季节指数平滑法、ARIMA模型对2020—2030年中国旅游产业绿色创新效率进行预测。与二次指数平滑法、ARIMA模型的拟合度分别为0.132和0.176相比，温特线性与季节指数平滑法的预测结果克服了序列随机性和倾向性，其拟合度较高(0.430)，因此具体分析温特线性与季节指数平滑法对中国旅游产业绿色创新效率的预测结果。

如表4所示，2020—2030年预测期内中国旅游产业绿色创新效率整体呈波动下降趋势，这符合中国提出的“到2030年二氧化碳排放量达到峰值并实现稳中有降”的“碳达峰”预期目标，碳排放量这一非期望产出的增多使得旅游产业绿色创新效率降低。此外，预测期内东部地区旅游产业绿色创新效率较高，中部地区旅游产业绿色创新效率次之，西部和东北地区旅游产业绿色创新效率较低。可见，东部地区在中国旅游产业绿色创新发展中发挥示范作用，具有带动整体效率提升的较大潜力。

表4 “双碳”目标下2020—2030年中国旅游产业绿色创新效率预测值

四、结论与政策建议

(一)研究结论

本文以2001—2019年中国30个省份为研究单元，构建纳入旅游产业碳排放量作为非期望产出的超效率SBM模型测算出各省份旅游产业绿色创新效率，并运用核密度估计、空间马尔科夫链与面板分位数回归模型等方法，从全国和区域层面、时间和空间维度探讨了中国旅游产业绿色创新效率的时空动态演进规律及其影响因素，进而利用二次指数平滑法、温特线性与季节指数平滑法、ARIMA模型预测了“双碳”目标下中国旅游产业绿色创新效率的发展趋势。研究结论如下：

1.中国旅游产业绿色创新效率具有中低与中高效率占比大、低效率与高效率占比小的“纺锤型”特征，呈现由东部地区向东北、西部及中部地区递减的区域分异态势。其中，东部、中部地区旅游产业绿色创新效率的时间演进态势与中国整体保持一致，呈现先下降后提升的“V”型演变特征，西部、东北地区旅游产业绿色创新效率分别呈现先提升后下降再提升的“N”型变化特征、先下降后提升再下降的倒“N”型变化态势，这与旅游产业发展过程中旅游科研人员、旅游科研经费等创新要素投入和旅游经济效益、旅游创新效益等期望产出以及旅游产业碳排放量等非期望产出之间的比例关系较为相关。

2.中国旅游产业绿色创新效率存在较为显著的俱乐部趋同特征与马太效应。其中，旅游产业绿色创新效率较高的省份对邻近省份具有较强的辐射带动效应，形成“近朱者赤”高效率趋同；低效率省份则产生一定的负向反馈作用，形成的“近墨者黑”的低效率趋同；高低效率趋同之间的两极分化特征较为突出，形成显著的马太效应。

3.地区经济发展水平、对外开放程度和旅游产业集聚对中国旅游产业绿色创新效率具有明显的促进作用，环境规制强度和旅游企业规模则具有抑制作用，且促进或抑制程度随旅游产业绿色创新效率类型向上转移而逐渐减弱。对各区域而言，地区经济发展水平与旅游产业集聚发展对四大区域旅游产业绿色创新效率提升均具有促进作用；对外开放程度与环境规制强度有助于提升东部、中部地区旅游产业绿色创新效率，但对东北、西部地区效率提升分别产生一定抑制作用；旅游企业规模对东北地区旅游产业绿色创新效率提升具有正向效应，但对东部、中部、西部地区效率提升具有负向影响。

4.预测“双碳”目标下，2020—2030年中国旅游产业绿色创新效率呈现波动下降趋势，其中四大区域旅游产业绿色创新效率呈现东部地区较高、中部地区次之、西部和东北地区较低的趋势特征。

(二)政策建议

基于上述研究结论，本文提出如下促进中国旅游产业绿色创新发展及其效率提升的相关政策建议。一方面，重视空间联动作用，有效带动区域旅游产业绿色创新协同发展。考虑到旅游产业绿色创新效率具有显著的俱乐部趋同效应，各区域应积极开展双边或多边合作，促进信息、人力、技术、资金等要素的互联互通。第一，北京、天津、上海等旅游产业绿色创新效率较高的东部地区省份充分发挥创新引领作用，通过产业链升级、价值链重塑和供应链重构等形成引领中部、西部及东北地区旅游产业绿色创新发展的竞争优势。第二，山西、安徽等中部地区省份旅游产业绿色创新效率普遍较低，应积极学习东部地区高效率省份旅游产业绿色创新发展经验，加强资源环境的高水平开发与保护，开创旅游产业发展新局面。第三，西部地区加强广西、云南等较高效率省份对甘肃、青海、宁夏等较低效率省份旅游产业绿色创新发展的空间影响和辐射作用，推进形成西部地区旅游产业绿色创新发展的新格局。第四，东北地区旅游产业绿色创新效率差异明显，充分依托寒地冰雪、生态旅游等特色产业优势，加强黑龙江、辽宁、吉林旅游产业发展的协同共进，形成旅游产业均衡发展格局。

另一方面，因地制宜精准施策，充分提升不同区域旅游产业绿色创新效率。第一，考虑到地区经济发展水平、对外开放程度和旅游产业集聚是驱动旅游产业绿色创新效率提升的关键因素，东部地区充分发挥创新要素集聚优势，利用好国际服务贸易交易会、国际消费博览会等高水平开放平台，打造旅游产业对外开放优势，推动旅游产业率先实现高质量发展；中部地区充分利用要素成本优势，以中部投资贸易博览会等契机加强旅游洽谈和旅游推介，打造具有国际影响力的黄河文化旅游带，促进地区旅游产业开放合作与绿色创新转型发展；西部地区在积极利用“一带一路”建设、中欧班列开通、自贸区建设等机遇的基础上，继续融入国家重大发展战略，坚持绿色低碳发展理念，建设一批高质量的旅游创新发展示范区，促进旅游产业资源节约与环境友好发展；东北地区对外开放程度相对落后，应继续响应国家倡议支持东北亚合作开放及“一带一路”建设，打造具有国际影响力的冰雪旅游带，将资源优势转化为经济优势，实现旅游经济、环境与创新效益的共赢。第二，由于环境规制强度和旅游企业规模对中国旅游产业绿色创新效率提升具有负向影响，尤其是对西部地区抑制效果更强，西部地区应继续坚持“绿水青山就是金山银山”的可持续发展理念，从源头上预防和治理环境污染，并积极建立完善绩效激励机制，避免旅游企业机构臃肿、人浮于事等问题，从而提高旅游企业的能动性和主动性，为实现“双碳”目标下中国旅游产业绿色创新与高质量发展提供驱动力。

注释：

①东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南，中部地区包括山西、安徽、江西、河南、湖北和湖南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆，东北地区包括辽宁、吉林和黑龙江。本文未考虑香港、台湾、澳门及西藏地区，主要原因在于搜集旅游产业绿色创新效率的评价指标和影响因素时，西藏地区数据缺失较多，香港、台湾和澳门地区相关数据没有官方统计或公布，故进行剔除，研究样本最终选择为2001—2019年中国30个省份。

②因篇幅有限，表4仅报告部分年份结果，其余年份未展示，如有需要，可向作者索取。