武陵山片区旅游城镇化响应格局及因素分析——基于PVAR模型

麻学锋 张艳芳

(1.湖南工商大学 公共管理与人文地理学院，湖南 长沙 410205；2.湖南工商大学 理学院，湖南 长沙 410205)

一、引言与文献综述

随着旅游业快速发展以及城镇化的进程不断加快，二者相互促进，与各行各业形成广泛而紧密的联系，从而实现旅游化与新型城镇化的协调发展[1]。以旅游业为主导的旅游城镇化成为新型城镇化的模式之一。2017年11月，在重庆黔江区召开第一届武陵山旅游发展联盟大会，会上提出发展跨省全域旅游，携手打造“武陵山生态文化旅游片区”，实现片区内旅游城镇化均衡发展。全域旅游理念的提出，使得旅游业与各产业融合发展的“旅游+”模式成为区域旅游发展的新契机，以武陵山片区为代表的集中连片特困区迎来旅游城镇化发展的新局面，当地人民脱贫致富出现新转机。

早在20世纪末，国外学者就开始进行旅游城镇化研究，旅游城镇化这一概念最早由Mullins提出[2]；国内学者黄震方等首先对旅游城镇化的概念进行了界定[3][4]。早期针对旅游业和城镇化关系的探讨多以定性分析为主，形成了单向促进与双向互动两种观念[5-8]，而进行实证定量分析的文章较少。关于实证模型方法的选用上，已有研究如庞笑笑等[9]、张春燕[10]、梁坤等[11]、王恩旭等[12]选用耦合评价模型对旅游发展与新型城镇化耦合效应进行实证检验；轩源等运用耦合协调模型与空间变差函数等方法探究中国大陆旅游效率与城镇化系统协调耦合的时空演化特征[13]；徐子琳等基于TOPSIS模型构建乡村旅游城镇化度测算模型，为乡村旅游与新型城镇化互动关系提供新的定量表达方法[14]。后续研究开始不再局限于时序数据，逐渐向空间面板数据扩展，如王坤等在研究中国城镇化对旅游经济影响的空间效应中，基于空间面板计量模型探讨了城镇化规模和质量对旅游经济影响的直接效应与空间溢出效应[15]；基于变异系数-G1-TOPSIS，吴荻和王恩旭选取旅游驱动城镇化典型城市构建城镇化质量评价模型，认为现阶段旅游驱动型城镇化综合质量尚处于相对较低的状态[16]；基于省级面板数据，张广海和赵韦舒运用PVAR模型，从整体上分析我国城镇化与旅游化的动态关系及区域差异，研究发现城镇化对旅游化存在正向影响，而旅游业对城镇化却存在负向效应，在中部地区旅游化对城镇化影响最大[17]；运用空间统计、数理统计等方法，刘雨婧等探讨了湖南境内武陵山片区旅游城镇化时空特征与发展模式[18]。关于旅游城镇化影响因素的研究，多以耦合协调模型[19]、驱动活跃性指数模型[20]、空间杜宾模型[21]等进行实证分析。

综合来看，以往研究方法多为回归模型、耦合模型，忽略了变量的内生性问题，旅游城镇化体系各影响因素的分析多数为相关性检验，缺乏运用综合性实证模型探讨各影响因素的内部联系。本文从理论与实证相结合的角度，利用熵值法与PVAR模型对片区旅游城镇化响应影响因素进行探究。拟选用2006-2018年武陵山片区各县市面板数据进行旅游城镇化响应水平测度分析，基于熵值法从人力、经济、社会三大影响因素入手，利用PVAR模型阐述各因素对片区旅游城镇化的影响程度差异，为实现片区旅游业与城镇化协调发展提供科学依据。武陵山片区作为典型的集中连片特困区，是我国脱贫攻坚战的主战场。推动片区旅游业与城镇化发展是脱贫攻坚的重要规划，如何更好地实现片区可持续旅游开发和当地居民脱贫致富是亟待解决的重大课题，探究该片区旅游城镇化发展新模式对于其他同类地区也具有指导意义。

二、武陵山片区旅游城镇化各要素作用机理分析

城镇化的推进应当因地制宜，结合武陵山片区发展实际，以旅游促进当地经济增长从而实现城镇化是切实可行的途径。

随着旅游扶贫与乡村振兴等政策的实施，旅游业快速发展成为片区龙头产业，产生巨大的消费动力与投资动力，进而推动当地经济、人力、社会资本积累，从而实现城镇化体系完善。关于旅游城镇化作用机理，从经济增长层面来看，旅游业的发展意味着财政收入不断增长，居民收入得以提高，生活水平有所改善，从而实现经济资本的积累，进而实现人的城镇化；从产业集聚层面来看，旅游业综合体系发展不断开拓新的就业机会，为城镇化发展提供产业支撑，通过旅游开发带动当地服务业发展，从而形成更大范围的人口聚集，不仅促进农业人口向城镇人口的转变，实现人口城镇化率的增长，也促使人力资本积累，进而实现人的城镇化；从基础设施层面来看，旅游业加速人口流动，吸引外地游客游玩体验，从“食、住、行”各方面促使当地基础设施不断完善，加快交通可达性的提高，当地人民交通便利性得以提升，与外界的交流增加同时也敦促当地人民素养的提高，不仅实现社会资本的积累，也是人的城镇化的实现(见图1)。

全方位城镇化通过人口流动与产业聚集等方式在空间范围内对当地及邻近地区旅游业发展都具有促进效应，同时还为旅游业的发展提供了物质、人力、基础设施等保障。旅游城镇化是旅游业发展与城镇化进程达到一个相互促进、协同发展的良好循环模式。在城镇化过程中，人口集聚带动产业融合，居民消费水平提升与消费观念发生变化，一定程度上拉动当地休闲与旅游消费内需，城镇化发展实现交通便利，交通可达性的改善使得各片区旅游得以联动发展，从而实现旅游空间流动范围的扩张，对实现片区旅游城镇化水平协调发展具有积极意义。

三、研究方法、研究区域与数据来源

(一)研究方法

1.旅游城镇化响应系数

依据已有的关于旅游城镇化响应的研究，本文引入 “旅游城镇化响应系数”指标，描述武陵山片区各县市城镇化对旅游业发展的响应强度[22]。表达式为：R=T/U，其中T为旅游收入与当地GDP的比值；U为非农业人口与当地总人口的比值，也可描述为人口城镇化率；R为T与U的比值，记作旅游城镇化响应系数。R越大，即比值越大，表示旅游业对城镇化发展的作用强度越大；比值越小，旅游业对城镇化发展作用强度越小。

2.熵权法

利用熵权法对衡量旅游城镇化水平各指标进行权重计算，具体步骤如下：

(1)构建评价矩阵A

其中Xij为第i个方案第j个指标的数值，i=1,2,3…m；j=1,2,3…n。

(2)归一化处理

由于熵值法采用的计算方法是各个方案的某一指标占同一指标的综合比重，因此不存在量纲的影响，无需进行标准化处理。但若数据中有负数，需要对数据进行非负向化处理，处理方法如下：

对于正向化指标：

对于负向化指标：

(3)计算第j个指标下第i个方案占该指标的比重

(4)各项指标的熵值Ej

(5)各项指标的权系数

3. PVAR模型分析

考虑到内生性以及年度数据跨度较小，选用面板向量自回归模型(PVAR)进行实证分析。PVAR模型能有效处理短面板数据，并将所有变量视作内生变量，在有效控制个体异质性的同时，对误差项进行正交化处理，分析各变量受到冲击的反应，从而反映各变量间的动态关系。通过差分平稳后建立旅游城镇化响应与各层面影响因素的PVAR模型为：

式中，i=1,2,…,5，代表五个县市；t=1,2，…,13,代表2006年至2018年各年份，ai代表截距项；DRit、DPit、DEit、DSit分别表示i县市第t年的旅游城镇化响应水平、人力资本积累、经济资本积累、社会资本积累的一阶差分值；εi代表随机干扰项。

(二)研究区域现状

武陵山片区处于鄂湘渝贵四省交界地带，包括恩施、张家界、凤凰、怀化、黔江、铜仁在内的71个县(市、区)。武陵山片区拥有丰富的自然资源和文化旅游资源，集革命老区、民族地区与贫困地区于一体。武陵山片区景区整体上较为分散，相对集中于中北部。北边以湖北省境内恩施大峡谷、利川腾龙洞、巴东神农溪、宜昌三峡为中心点形成了扩散式旅游圈；西边以重庆境内酉阳桃花源景区、龙潭古镇、黔江区芭拉胡景区以及贵州境内梵净山形成渝贵旅游圈；中部以湖南境内张家界、湘西州凤凰古城、吉首市矮寨奇观等众多优美自然风景区、民族特色小镇、红色革命景区为主形成大湘西旅游环线；南边国家级高级别景区数量较少，整体上景点表现出“南少北多”的特征。目前，整体武陵山片区高速公路网已初步形成，重要节点城市修建了高铁机场，不仅实现了武陵山片区内景点互通，也与主要中心城市及周边省市实现了交通互连互通(见图2)。

图2 武陵山片区旅游景点公路网络一览图

武陵山片区景点分散，行政区划复杂，旅游发展存在恶性竞争。为实现片区内旅游发展的新突破，在全域旅游的战略指导下，对武陵山片区空间范围内的旅游城镇化响应分析具有现实意义。

(三)数据来源与处理

通过查阅中国各县市统计年鉴数据库及统计局发布的统计公报等资料，获取2018年武陵山片区各县市的旅游收入、地区生产总值、人口城镇化率，部分缺失数据采用插值法进行补充。通过以上表达式计算得到各县市旅游城镇化响应系数指标值R。简单分析数据可以看出，武陵山片区旅游城镇化响应系数均值约为1.1，其中最小值为0.0635(怀化市麻阳县)，最大值为 7.3802(张家界市武陵源区)，表明武陵山片区旅游城镇化发展差距明显。

PVAR模型所用指标数据主要来自《恩施州统计年鉴》《湘西州统计年鉴》《重庆市统计年鉴》以及各县市历年统计公报；部分年份缺失数据通过相近年份统计公报数据进行计算填补。

四、武陵山片区城镇化响应空间格局分析

基于旅游城镇化响应系数公式，计算2018年武陵山片区各县市旅游城镇化响应系数指标值。本文以旅游城镇化响应系数均值1.1为中间水平对片区71个县市进行划分。低于1为低响应，1至1.5为中响应，高于1.5为高响应。由于片区县域较多，为方便对比分析，再细化分为低于0.5为极低响应区，高于0.5低于1为低响应区，高于1低于1.5为中响应区，高于1.5低于2为较高响应区，高于2为高响应区(见表1)。

表1 武陵山片区各县市旅游城镇化响应分层表

基于GIS技术将武陵山片区各县市旅游城镇化响应水平空间差异可视化(见图3)。整体分析发现，武陵山片区各县市旅游城镇化响应水平存在南北差距。南部地区存在连片极低响应区(主要集中于怀化市和邵阳市地区)，观察数据发现这些地区旅游收入比重偏低，表明城镇化率达到该地区平均水平，旅游业发展还有很大上升空间。较高响应区和高响应区主要分布在中北部，高响应区的分布呈现点状离散分布于东北部宜昌市秭归县和长阳县、中部张家界市永定区和武陵源区、中部湘西土家族苗族自治州凤凰县、西南侧铜仁市江口县。

图3 武陵山片区2018年旅游城镇化响应水平空间格局

单独分析高响应区，湘西州凤凰县、张家界市武陵源区及永定区旅游城镇化响应系数稳居前位，这与当地旅游业发展实况相符。宜昌市秭归县和长阳县城镇化水平未达到片区平均水平，而旅游业发展态势较好，故旅游城镇化响应系数值相应较大；对比分析秭归县与长阳县与其他县市人口城镇化率、旅游收入及GDP指标2006-2018年时序变化趋势可以发现，虽然秭归县与长阳县人口城镇化率一直处于低位，但整体增长趋势较大多数县市更加明显，城镇化节奏不断加快，相应旅游业迅速发展，如秭归县人口城镇化率由2006年的16.90%增长至2018年的46.51%，涨幅近175%，旅游收入占GDP比重由2006年的20.27%增长至2018年的97.77%，涨幅近382%；2018年，秭归县与长阳县旅游城镇化响应系数较大，跻身于高响应区这一结果与实际相符，不影响后文实证结论的客观性。铜仁市江口县近年来大力发展乡村旅游，依托于梵净山优质的旅游资源，推进旅游发展与脱贫攻坚有机结合，打造宜居宜游的魅力乡村，以乡村旅游促进旅游经济增长，“旅游+养生”形成特色小镇，助力当地旅游城镇化水平不断提升，成为武陵山片区旅游城镇化发展的高响应区代表之一。

五、实证分析

根据前面对武陵山片区的旅游城镇化响应水平研究结果进行分层抽样，以高响应区凤凰县、较高响应区武隆县、中响应区恩施市、低响应区吉首市、极低响应区花垣县为代表组成样本，以反映武陵山片区整体统计特征。

(一)数据预处理——构建武陵山片区旅游城镇化响应指标体系

基于以往旅游城镇化响应影响因素研究，结合武陵山片区旅游城镇化作用机理分析，综合考虑数据可得性，本文从人力资本(P)、经济资本(E)、社会资本(S)三个层面选取指标进行模型分析，通过熵权法对各指标进行赋值，得到各县市各个指标的权重(见表2)。

表2 旅游城镇化响应指标体系及指标权重

人力资本层面，旅游产业集聚引起人口集聚与人口就业变化，分别以人口城镇化率(P1)与城镇新增就业人数(P2)为量化指标；经济资本层面，旅游业发展促进经济快速增长，在一般性经济衡量指标人均GDP(E1)的基础上，增加第三产业增加值(E2)刻画旅游业发展差异，另外增加农民人均纯收入(E3)指标衡量旅游扶贫成效；社会资本层面，以万人拥有卫生床位数(S1)及万名学生拥有专任教师数(S2)衡量当地医疗教育发展水平，由于武陵山片区地形复杂，旅游交通多为公路出行，所以增加人均年末公路通车里程(S3)衡量当地交通设施的发展情况。

(二)PVAR模型估计

在建立模型之前，对数据进行一阶差分处理，平稳性检验发现片区整体与各县市P、E、S、R变量序列数据无法拒绝变量非平稳假设，而一阶差分后的DP、DE、DS、DR变量序列拒绝变量非平稳的原假设，即通过平稳性检验。

为了方便片区内各层次县市情况对比，尽量选择同一阶数。本文运用AIC(赤池信息量准则),SC(施瓦茨准则),HQIC信息准则等来对PVAR模型的滞后阶数进行判断，结果显示，整个片区以及凤凰县、恩施市、吉首市最优滞后阶数为5，恩施市、花垣县最优滞后阶数为4，且滞后4阶检验结果与5阶相比差距不大。因此，选定模型的最优滞后期为5期。

设置滞后阶数为5阶，采用广义矩估计方法(GMM)进行模型估计，以武陵山片区整体PVAR模型为例，GMM估计结果如表3所示，L1前缀表示滞后一期，表3中数据即为被解释变量相对于解释变量的回归系数，***、**、*分别表示1%、5%、10%的水平上显著。

整体来看，以人力资本为被解释变量，滞后一期人力资本对自身影响为-0.5571，在5%水平下显著，说明武陵山片区内往年的人口集聚与人口就业对当期人力资本积累具有负向影响；滞后三期、四期、五期旅游城镇化响应水平分别对于人力资本积累的影响为0.4571、0.4694、0.3691，在5%及10%水平下显著，表明旅游城镇化响应水平对人力资本积累具有正向驱动影响。

以经济资本为被解释变量，滞后一期人力资本对其影响为0.0338，在10%水平下显著，说明人口集聚与人口就业引发一定程度上的经济资本积累，对旅游经济增长及扶贫效益产生正向影响；滞后一期、二期、三期旅游城镇化响应水平均对经济资本积累产生正向影响，说明旅游对促进人均生活水平改善与旅游扶贫均具有正向效益；滞后五期社会资本对其影响为0.0493，在10%水平下显著，说明教育医疗水平发展以及基础设施的改善对于旅游经济增长及脱贫事业的发展均具有正向影响，其效应具有一定的滞后期也符合投资性支出的效益规律。

以社会资本为被解释变量，滞后一期经济资本积累对其影响为0.0946，在10%水平下显著，说明旅游业发展产生的经济效益对于社会资本具有正向影响，促进了教育医疗水平的提高与交通改善等；滞后二期的旅游城镇化响应水平对社会资本影响为-0.2020，在10%水平下显著，说明旅游城镇化响应水平提高对于社会资本具有负向影响，部分地区存在旅游业发展限制了当地社会性发展的情形，没有明显的正向促进效用。以旅游城镇化响应水平为被解释变量，滞后一期社会资本积累对其影响为0.1270，说明基础设施改善对于旅游城镇化响应水平具有正向影响；滞后二期、四期经济资本积累对于旅游城镇化响应水平影响分别为0.0154和0.0556，说明旅游经济增长与扶贫效益等都对旅游城镇化具有正向促进作用；滞后一期人力资本积累对于旅游城镇化响应影响为-0.2172，说明人口集聚与人口就业对旅游城镇化响应水平具有负向影响，这也反映了旅游城镇化响应水平不是越高越好，达到一个平衡才是可持续发展的旅游城镇化之路。

对比分析各响应层，可以看出，旅游城镇化响应水平对各影响因素大致上呈现出正向影响；各县市模型系数的变化规律显示，人力资本对于旅游城镇化响应水平高的地区具有负向影响，对于较低响应区具有正向影响；越高响应区经济资本积累指标系数绝对值越大，即旅游城镇化响应水平更高的地区，旅游经济增长以及脱贫效益越好；低响应区社会资本指标系数更大，反映社会资本要素对于低响应区旅游城镇化响应水平具有更大程度的正向影响。

表3 PVAR模型的GMM估计结果

续表3

(三)脉冲响应分析

模型估计完成后进行模型稳定性检验，结果显示，所有特征值均在单位圆内，模型稳定，可以进行脉冲响应分析。

脉冲响应函数表示一个标准差单位冲击对各内生变量产生的影响，在PVAR模型中，一个变量的变动会对包括自身在内的各个变量造成冲击变化。本文以横轴为响应期数，纵轴为响应程度，反映武陵山片区城镇化各要素与旅游业发展之间对任何一方的冲击会给另一方当前值和未来值会带来的影响进行脉冲响应分析。

纵向来看，人力资本受到自身的一个标准差冲击过后，前五期在大于0附近小范围波动，第六期过后开始向负向响应波动，在第七期达到最低，过后又开始向正向波动，第八期达到最高，再次下降至第十期呈现负向响应，这反映了人口城镇化率与城镇就业新增人数的变化对人口集聚与人口就业表现为积极影响，且这种影响具有持续性；其他变量冲击较小，都在初期保持平稳，在第五期过后开始小幅度波动但处于动态平稳的趋势，这种变化态势说明社会资本、经济资本等因素对于人力资本的互动尚未达到最优化，后期实现各要素均衡发展具有重要意义。

社会资本受到经济资本的一个标准差冲击过后，前五期在0附近小范围波动，第六期过后开始向负向响应波动，在第七期达到最低，过后又开始向正向波动，第八期达到最高，再次下降至第十期呈现负向响应；受到人力资本的一个标准差冲击过后，波动由小变大，第八期负向响应达到最低值，迅速上升到第九期正向响应，达到正向最大值，总体从波动呈现上下波动，趋于平稳；受到旅游城镇化响应水平的一个标准差冲击过后，初期始终保持上下波动趋近于0，在第八期开始转为负向响应，在第九期达到负向响应最低，第十期迅速上升为正向响应最大值；受到自身一个标准差冲击后，前五期波动较小，第五期开始正向响应达到第六期极值，下降为负向响应，第八期到达0，保持上升趋势至第九期达到正向响应最大值，之后急速下降为第十期负向响应。可以看出各因素对社会资本产生较大冲击影响，旅游城镇化响应水平受到自身一个标准差冲击后，前七期基本保持微小波动，从第七期开始下降为负向响应至第八期达到极小值，第八期过后开始上升到达第九期成为正向波动最大值，然后下降至第十期达到0左右；受到经济资本、人力资本、社会资本一个标准差冲击后，都在初期无明显波动，第六期最先受到人力资本的冲击下降开始负向响应，第七期上升至第八期达到正向响应最大值，同期社会资本开始产生负向响应，在第九期达到负向响应最低值，第十期人力资本冲击仍保持负向响应，社会资本冲击下已升至正向响应最大值。而经济资本受到各要素冲击响应较小，基本保持0附近的平稳趋势。

横向来看，人力资本、社会资本相比经济资本对各变量产生冲击更明显；旅游城镇化响应水平对于社会资本的冲击最大，人力资本冲击次之，经济资本冲击最小；各变量对自身冲击来看，社会资本对自身冲击响应最明显。对不同变量的影响时期存在较大差异，说明旅游城镇化响应水平及影响因素彼此的影响冲击具有滞后性以及持续性。

从总体来看，脉冲响应曲线处于趋于平稳靠近0的波动中，建立的模型具可分析性；但旅游城镇化响应水平及各影响因素之间受到冲击波动明显，没有达到最优化；滞后期数较大，说明各要素彼此的影响主要体现在未来后期,应积极调动各要素之间的互动性，形成积极响应的良性驱动机制。

六、结论与讨论

(一)结论

武陵山片区作为集中连片特困区，经济落后、地形复杂，传统的城镇化模式不适用于该地区，旅游城镇化模式是发展当地经济，实现百姓脱贫生活富足的可行之路。全域旅游命题下，武陵山片区迎来的是机遇也是挑战。

1.分析该片区旅游城镇化响应水平可以看出，高响应区域呈现点状分布，分散于中北部，低响应区呈现片状分布，集中于南部，呈现“北高南低”特征。这一空间分布特点与高级别景点分布特点大致相符，说明武陵山片区旅游城镇化发展仍存在明显的依附于自然景点资源的特点，乡村旅游以及体验式生活化的环线旅游体系尚不完善。

2.观察整个区域旅游城镇化空间格局可以发现，各县市旅游城镇化响应层次呈现以高响应区为中心向四周发散递减的特点。这一特点对于片区内发展旅游业具有指导性意义，以高响应区县市为中心进行发散式区域旅游规划，借鉴“先富带动后富”理念，在成片较低响应区，打造特色化旅游县市，并带动周边县市旅游经济增长，从而最终实现旅游城镇化的均衡发展。

3.对旅游城镇化响应水平与各影响因素分析可以得知，社会资本是提升旅游城镇化响应水平的最重要因素，人力资本次之，经济资本居于后位。滞后一期、二期、三期旅游城镇化响应水平均对经济资本积累产生正向影响，滞后三期、四期、五期旅游城镇化响应水平对于人力资本积累产生正向影响，滞后二期的旅游城镇化响应水平对社会资本产生负向影响。

(二)讨论

本文研究以武陵山片区旅游城镇化响应水平空间格局差异为切入点，讨论旅游城镇化响应水平与各影响要素之间的动态关系。与以往研究对比，划分因素层面存在很大差异，王婧和李裕瑞在基于中国县域数据进行多元回归分析得到经济发展水平、产业结构特征、人力资本状况、人口集聚能力、公共服务水平、地理区位特征均对城镇化发展具有显著影响[23]。这与本文划分的三大因素所用指标大致重合，本文对影响因素进行综合分类，并将各影响因素的影响程度具体比较，对于片区旅游城镇化均衡发展更具指导性。熊建新等人针对洞庭湖区进行旅游城镇化耦合协调性的影响因素进行相关分析法研究，得到旅游产业、城镇化与生态环境之间的交互作用是主要形成旅游城镇化水平差异的主要影响因素[19]。本文则将旅游与城镇化合并为一个系统进行研究，弥补目前尚没有权威的旅游城镇化评价指标体系的不足，同时，基于熵值法构建武陵山片区旅游城镇化响应水平体系并运用PVAR模型进行实证检验，为今后的研究提供了新的方法组合思路。

由于旅游城镇化各影响要素分类存在差异，变量的选取没有统一的标准可供遵循，加之研究数据的局限性，本文尚有许多不足。另外，由于分层抽样的县市所属省份不同，统计口径与统计指标存在差异，各指标数据标准化处理后，一定程度上影响结果客观性。后续研究中会完善这些不足，更细致讨论各县市旅游城镇化的影响机制等。