数字经济对旅游发展影响的空间效应——基于中国284个地级及以上城市的实证研究

蔡超岳，唐健雄，刘雨婧,b

（a.湖南师范大学 旅游学院；b.湖南省第三测绘院，长沙 410081）

作为中国的战略性支柱产业，旅游业肩负着乡村振兴、提振消费等重要使命，同时也承接着“后疫情时代”恢复和高质量转型的巨大压力，如何攻坚克难以实现发展新飞跃成为亟待解决的关键问题。数字经济被视为中国经济增长的新引擎，到2021 年发展规模已高达45.5 万亿元，占GDP 的39.8%，其“高创新性、强渗透性、广覆盖性”深刻影响千行百业的发展进程（宋雪飞 等，2022）。近年来，旅游业的数字化改造成为推动其新旧动能转换的重要抓手，得到广泛关注。2021年国务院印发的《“十四五”旅游业发展规划》明确指出，要充分运用数字化、网络化、智能化科技创新成果升级传统旅游业态，创新产品和服务方式，推动旅游业从资源驱动向创新驱动转变（中华人民共和国国务院，2021）。此外，新冠疫情期间依托数字经济而快速发展的在线旅游产品也成为旅游业渡过难关的重要保障，2021 年其交易规模已突破1.3 万亿元（吴丹丹 等，2023）。由此看来，数字经济有潜力成为旅游发展动能释放的新突破口，探究其对旅游发展的影响既具有理论意义，更彰显时代价值。

目前，关于数字经济与旅游业发展的研究主要聚焦于2个方面：1）探讨数字经济所依托的信息与通信技术（Information and Communication Technol‐ogies, ICTs）对旅游业的影响。在理论研究中，Bu‐halis（1998）从供需2个维度提出了ICTs对旅游业发展影响的总体分析框架，认为信息技术改变了旅游企业的经营模式并激发了游客的消费潜力；此后，部分学者还关注到ICTs对丰富游客旅游体验、提高旅游支付安全性及降低旅游企业运营成本等方面也起关键作用（Kwok et al., 2018; Nuenen et al.,2021）。实证研究方面，各国学者主要采用统计或调研数据分析ICTs对旅游业的影响，如Karanasios等（2008）以马来西亚和厄瓜多尔为例，证实了ICTs对当地旅游发展的正向效应，但囿于闭塞的社会环境导致该技术的推广受阻；Adeola 等（2019）发现非洲各国智能手机和互联网的使用程度与旅游业发展呈现“U 型”关系；在中国情境下，杨勇（2020）证实了互联网使用率提高有助于旅游发展的提质增效，但王龙杰等（2019）却发现信息化基础设施的无序建设会使旅游业发展陷入“索洛悖论”。2）从理论层面探究数字经济对旅游业发展的影响效应。宏观上，有学者认为数字经济可通过拓展旅游业市场规模、提升旅游业全要素生产率和产业结构合理化及高级化程度，进而实现旅游业高质量发展（赵磊，2022）；还有学者指出，数字经济对旅游虚拟产业集群的策动效应促使旅游业发展呈现虚实交互的新特征，从而突破传统的价值链边界（魏翔，2022）。但与此同时，数字经济对加剧旅游市场竞争所引发的负面效应（Hojeghan et al.,2011），以及大数据“杀熟”“数据鸿沟”等数字经济副产品带给旅游治理的严峻挑战也引发部分学者的担忧（宋瑞，2022）。在企业微观层面，有学者基于组织变革理论，认为数字化在旅游企业组织结构优化、跨部门信息共享平台建立中起关键作用，从而消弭企业经营过程中的非增值活动以提升运营效率（Hojeghan et al., 2011；赵磊，2022；吴丹丹等，2023）；还有学者认为，数字经济克服了旅游从业者知识获取的时空约束，强化了旅游业的集体学习机制，从而提升旅游业人力资本素质和产出绩效（刘震 等，2022a；赵磊，2022）。此外，随着理论探讨的日趋深入，相关实证研究也逐步展开，已有部分学者就数字经济对旅游业资源配置效率（Wang et al., 2022）、旅游经济增长（冀雁龙 等，2022）、旅游业全要素增长率（吴丹丹 等，2023）的影响效应展开实证检验，但高水平成果仍十分有限。

综上，已有文献为数字经济与旅游业发展的后续研究奠定良好基础，但当前研究多偏重于ICTs对旅游业的影响，就数字经济对旅游发展影响的学术探讨多停留于理论层面，少量的实证成果也多以省域作为研究单元，对地级市尺度的精细刻画略显不足。此外，数字经济能以信息流形式穿透行政地理边界的天然特性需得到格外关注（杨勇，2022），这表明其不仅能作用于本地旅游经济，还可能通过空间溢出效应赋能邻地旅游发展，且现有研究已证实数字经济对区域创新能力提升（陈治 等，2023）、产业结构升级（马晓君 等，2022）、城市经济高质量发展（鲁玉秀 等，2021）等均具有空间溢出效应。但遗憾的是，已有研究仍多局限于就数字经济对旅游业影响的线性、门槛效应等方面的考察，鲜有文献将空间效应纳入旅游发展的分析框架中。

鉴于此，本文从空间视角出发，在厘清数字经济对旅游发展作用机理的基础上，以中国284个地级及以上城市为样本，使用熵权TOPSIS 法测度各城市2011—2019年数字经济发展水平，并构建空间杜宾模型以实证检验数字经济对旅游发展影响的空间效应，以回应学术关切并为政策制定提供参考依据。

1 理论解析与研究假设

数字经济的时空压缩效应消弭了信息传递过程中的地理阻隔，增强了区域间旅游业交流的广度和深度（赵涛 等，2020），进而从供需两侧释放对旅游发展的正向空间溢出（图1）。从供给端看：首先，数字经济打破了旅游业的地理邻近性依赖，促使分散化的地区性旅游企业参与到统一大市场分工中，实现其在信息空间中的“虚拟集聚”（王如玉等，2018），从而引发规模经济效应下旅游全要素生产率的提升（荆文君 等，2019）。其次，数字经济克服了知识溢出的时空约束，实现数字编码形式下的远距离实时传播，以高效化的“集体学习机制”取代知识壁垒下的“囚徒困境”（刘震 等，2022b），使得不同地域的旅游企业共享经验成果，有助于旅游业发展提质增效。最后，数字经济具有开放共享的特征，大数据的透明信息为旅游企业的跨区域协作提供基础性支撑（鲁玉秀 等，2021），既降低信息不对称环境下高昂的融通和交易成本，又提升旅游产品供需匹配效率，以规避因空间错配引致的资源浪费（赵磊，2022），实现旅游业的“帕累托优化”。

图1 数字经济对旅游发展影响的空间效应作用机理Fig.1 Spatial effect mechanism of digital economy on tourism development

在需求端：一方面，数字经济下在线旅游（OTA）平台集合了旅游消费过程中的搜索、购买及评价等环节（刘震 等，2022a），不仅降低了游客出行前的交易成本，还为其提供了侵权后的网络增权渠道（罗秋菊 等，2018），从而消弭了在不完备信息环境下的出游顾虑，释放了游客大尺度旅游的需求，尤其带动了远离主要客源市场的旅游地发展。另一方面，是否拥有足够的支付能力是实现旅游需求的物质基础（李天元，2011），而数字金融平台推出的旅游贷款产品（如携程的“拿去花”等），可激发居民因资产流动性约束而被限制的出游潜力（Wang et al., 2022），游客的跨区域旅游消费（交通、住宿、餐饮等）会通过乘数效应积极影响目的地旅游业发展。此外，数字技术与旅游业的深度融合衍生出元宇宙旅游、数字景区等旅游新场景，从而提升旅游产品的多样化供给水平，以满足不同地域游客的遍在性需求（吴丹丹，2023），增强旅游目的地吸引力，而游客的到来可同时带动泛旅游产业发展，循环累积效应下邻近城市旅游业也将享受到发展红利。因此，提出假设：

假设1：数字经济对旅游发展具有正向空间溢出效应。

由于中国幅员辽阔，不同地区数字经济和旅游市场发育度都具有显著差异，可能导致数字经济对旅游发展影响的空间效应存在区域异质性。一方面，在网络效应和梅特卡夫法则支配下，数字经济的广泛应用将弱化旅游经济活动的行政边界，更多城市将享受到数字红利对旅游业的正向激励（刘震等，2022b）。在东部地区，完善的信息基础设施为数字经济发展提供了底层支撑（秦文晋 等，2022），高技术产业集聚下对人才、技术、资本等发展要素的“虹吸效应”引发数字经济规模进一步扩张（鲁玉秀 等，2021），其表现出的扩散效应可为区域旅游业协同发展提供强大动能。相比之下，中西部及东北地区由于缺乏相对完善的数字化配套导致其数字技术应用相对滞后，也因此桎梏数字产业的孵化和各行业数字化转型的步伐，与东部城市间的“数字鸿沟”逐步加深，数字经济对旅游产业的正外部性也难以得到充分释放（罗军 等，2022）。另一方面，旅游市场成熟度和旅游数字化程度的差异性，影响数字经济的正向空间溢出效应（刘震 等，2022b）。在东部，完善的旅游产业链和跨区域的高效协作机制为数字经济对周边城市旅游发展要素的有效配置奠定良好基础，且旅游数字化平台打破了本地—邻地间旅游业的空间依赖性，由此塑造了区域间旅游流互联互通格局，有效释放了数字经济对旅游发展的外部性红利（吴丹丹 等，2023）。而在中西部及东北地区，粗放式发展模式下城市间并未建立起合作互惠的旅游共生机制（吴泓 等，2004），加之旅游业数字化转型相对滞后，旅游市场主体间因沟通渠道不畅，导致数字经济的技术外溢效应无法得到充分发挥，“数字隔离”现象显现（张英浩等，2022）。因此，提出假设：

假设2：数字经济驱动旅游发展的空间溢出效应存在区域异质性。

数字经济虽能通过高效化信息传递打破旅游业发展的地域阻隔进而向邻地释放“数字红利”，但地理学第一定律指出，任何客体的影响力都将随着地理距离的增加而衰减（Tobler, 1970），这意味着数字经济的空间溢出效应也可能存在距离衰减规律。首先，依托发达的信息技术，可编码知识的跨时空传播在一定程度上弱化地区间旅游发展的“知识壁垒”，但大量暗默知识（tacit knowledge）的高度意会性特质决定知识溢出的局域性难以完全消弭，国内外学者已广泛证实知识和技术外溢存在距离衰减效应（曹玉平，2020）。此外，数字经济下信息的传递虽能突破空间距离限制，但旅游业的“地方保护主义”和行政分割树立起隐形的“信息藩篱”，旅游地对抗性竞争下难以充分发挥数字经济对旅游虚拟产业集群的策动作用（李琳 等，2022），其空间溢出效应也将受到地理距离的约束。再者，从需求端看，空间距离对大尺度旅游产生的“摩擦力”并未因数字经济的介入从根本上得到消除，社交媒体平台和OTA引致的信息搜寻和交易成本降低，只是“空间摩擦力”的有限“润滑剂”，因地理阻隔带来的高昂的时间、交通成本始终是个人旅游需求实现的重要约束因素（杨勇，2022），且出游距离衰减规律也得到普遍证实（吴必虎 等，1997）。因此，提出假设：

假设3：数字经济驱动旅游发展的空间溢出效应存在最优距离阈值，越过临界点后呈距离衰减态势。

2 研究设计

2.1 空间计量模型构建

2.1.1 空间自相关检验 使用全局莫兰指数（Mo‐ran'sI）检测研究对象在全局空间中的集聚状况，其公式为（王辉 等，2020）：

由于全局空间自相关只能分析研究对象的整体空间集聚状况，无法呈现局部的空间关联特征，故引入Getis-Ord探究变量的局域空间集聚现象（冷热点分布），计算公式为：

式中：n表示城市数量；Pj表示空间单元上的观测值；wij表示空间权重矩阵；接近0，这意味着观测值在区域中愈接近随机分布，的绝对值越大，形成冷热点区域的可能性越大。

2.1.2 空间杜宾模型（SDM）选取合适的空间权重矩阵是构建空间计量模型的前提。选取地理权重矩阵，它是根据两城市间地理距离的倒数设定；同时，由于经济因素是影响城市旅游发展空间交互的重要因素，选取经济与地理距离嵌套矩阵对比研究，它同时结合了城市间的地理距离以及2011—2019年各城市GDP平均值的经济距离（唐健雄 等，2022）。在此基础上，选取结合空间误差模型（SEM）和空间滞后模型（SRM）优势的空间杜宾模型（SDM）来探究数字经济对城市旅游发展影响的空间效应。模型表达式为：

式中：W为空间权重矩阵，包括地理权重矩阵（W1）和经济与地理嵌套矩阵（W2）；Tourit指被解释变量旅游发展；Digeit指解释变量数字经济；Con‐trolit表示控制变量；ρ为被解释变量空间回归系数；β1、β2分别为解释变量和控制变量的回归估计系数，即对城市旅游发展的直接影响；θ1、θ2分别为解释变量和控制变量的空间回归估计系数，即对城市旅游发展的空间溢出效应；μi和δt分别为城市与时间的固定效应；εit为随机误差项。

2.2 变量选取

1）被解释变量：旅游发展（lnTour）。参考赵磊等（2014）的研究，采用旅游专业化水平，即旅游总收入（国内旅游收入与入境旅游收入的总和）占城市GDP的比例作为旅游发展的代理变量。

2）解释变量。数字经济（lnDige）。参考国内外现有研究（赵涛 等，2020；徐维祥 等，2022；Ma et al., 2022），基于数据的可获得性，从数字基础设施、数字产业发展和数字普惠金融3个维度构建指标评价体系（表1）。在此基础上，参考徐维祥等（2022）的做法，使用熵权TOPSIS法进行测度，具体的计算过程参考魏敏等（2018）的研究，对结果的描述性统计见表2所示。此外，为明晰数字经济各维度对旅游发展的影响效应，分别将数字基础设施（lnInfra）、数字产业发展（lnIndus）和数字普惠金融（lnIF）作为解释变量纳入空间计量模型中进行回归分析。

表1 数字经济评价指标体系Table 1 Digital economy evaluation index system

3）控制变量：为避免因遗漏变量导致的回归结果偏颇，参考相关研究（胡森林 等，2021；刘震 等，2022b），在避免多重共线性的基础上选取一系列控制变量，描述性统计结果见表2。

表2 变量说明及描述性统计Table 2 Variable description and descriptive statistics

2.3 数据来源

考虑到数据的可获得性和连续性，依托2011—2019年中国284个地级及以上城市（因巢湖市2011年8 月撤县立市、莱芜市2019 年1 月并入济南市，两市并未纳入研究范围）的面板数据，探究数字经济对城市旅游发展影响的空间效应。其中，数字经济相关数据参考2012—2020 年《中国城市统计年鉴》（国家统计局城市社会经济调查司，2012—2020），《中国信息产业年鉴》（工业和信息化部，2012—2020），以及北京大学数字普惠金融指数①https://tech.antfin.com/research/data；旅游相关数据来源于2012—2018年《中国旅游统计年鉴》（国家旅游局，2012—2018），2019年《中国文化和旅游统计年鉴》（文化和旅游部，2019），2020 年《中国文化文物和旅游统计年鉴》（文化和旅游部，2020）；控制变量涉及数据来源于2012—2020 年《中国城市统计年鉴》（国家统计局城市社会经济调查司，2012—2020），2012—2018 年《中国旅游统计年鉴》（国家旅游局，2012—2018），2019 年《中国文化和旅游统计年鉴》（文化和旅游部，2019），2020 年《中国文化文物和旅游统计年鉴》（文化和旅游部，2020）。

3 结果分析

3.1 数字经济与旅游发展的空间集聚特征

3.1.1 全局空间自相关 基于全局莫兰指数（Mo‐ran'sI）判断数字经济和城市旅游发展是否存在空

间相关性。由表3 可知，无论是在地理权重矩阵（W1）还是经济与地理嵌套矩阵（W2）下，二者的Moran'sI均为正值，且均能通过至少5%水平上的显著性检验，说明数字经济与城市旅游发展均存在显著的正向全局空间集聚特征，初步印证使用空间计量模型的合理性。具体看，数字经济的Moran'sI呈下降趋势，这可能是由于随着数字基础设施的大范围建设，“弱势区”的数字化应用也相应普及，区域间的“数字鸿沟”逐步缩小；旅游发展的Mo‐ran'sI表现出增长态势，说明旅游“优势区”的游客吸纳力进一步增强，旅游业发展高低水平各自集聚的“马太效应”逐步凸显。

表3 数字经济和旅游发展的全局莫兰指数Table 3 Global Moran's I of digital economy andtourism development

3.1.2 局部空间自相关 为明晰数字经济与旅游发展的局域空间关联性，测算二者的Getis-OrdGi*指数，并通过自然断裂点法将其划分为冷点区、次冷点区、次热点区和热点区4类，选取2011、2015和2019年3个代表性年份并使用ArcGIS10.8进行可视化（图2）。首先，数字经济的热点区连片集中于东南沿海城市，呈现“空间锁定”特征；冷点区主要分布在中西部城市，并随时间推移覆盖范围大幅缩减，由2011年的四川、陕西、河南、湖北等收缩至研究期末的川渝和鲁西地区。旅游发展的冷热点区分布格局相对稳定，热点区主要位于长三角城市群和滇桂黔渝东西两翼，其中“东翼”覆盖区呈收缩态势，“西翼”随时间推移向广西连片扩张；冷点区也主要有2个片区，西部片区位于河套平原所在城市，规模较小，东部片区主要分布在山东半岛中西部并向豫西、皖南、苏北等地延伸。

图2 数字经济与旅游发展的冷热点分析Fig.2 Analysis on the cold and hot spots of digital economy and tourism development

3.2 数字经济对旅游发展影响的空间效应

3.2.1 总体分析 通过LM、LR、Wald和Hausman检验判别选择何种空间计量模型最优。表4 显示，LM的各项检验均在5%水平下显著，表明应选择综合SEM 和SAR 优势的SDM 模型；通过LR 和Wald检验判别SDM是否应降级为SEM或SRM模型，检验结果均在1%水平下显著，拒绝原假设；此外，Hausman检验结果通过显著性检验，说明选择固定效应模型最优。综上，将采用基于固定效应的空间杜宾模型探究数字经济对旅游发展的空间溢出效应。

表4 LM检验、LR检验、Wald检验和Hausman检验值Table 4 LM test, LR test, Wald test and Hausman test

首先，通过点估计考察数字经济对旅游发展的影响及空间溢出效应（表5）。在不同权重矩阵下，lnDige 和W×lnDige 系数均为正值，且通过10%的显著性检验，初步说明数字经济能推动旅游发展，并存在显著的正向空间溢出效应。但由于单纯通过点估计来验证空间溢出效应可能导致结果偏误，需结合偏微分分解结果做进一步分析。无论是在地理权重矩阵（W1）还是经济与地理嵌套矩阵（W2）下，数字经济的直接效应和间接效应均为正值，且基本通过显著性检验，由此验证上述结论。其中，在W1和W2下，当数字经济每进步1%，能促进邻地旅游发展水平分别提高0.559 5%和0.312 4%且在0.05水平显著，表明数字经济对旅游发展具有显著的空间溢出效应，忽视空间因素将严重低估数字经济的作用效果，假设1成立。

此外，为保障结果的稳健性，采用更换空间计量模型、替换被解释变量以及调整控制变量3种方法进行稳健性检验（见表5）。1）更换空间计量模型。在W1和W2下，SAR 模型的拟合优度（R2）均优于SEM 模型，且受制于SEM 模型难以实现空间效应分解（Elhorst et al., 2015），故选取SAR模型用于稳健性检验。无论是点估计还是偏微分分解后，在W1和W2下回归系数均显著为正且至少通过5%的显著性检验，证明结果的稳健性。2）替换被解释变量。参考赵磊等（2014）的研究，以旅游人次比，即旅游总人次占年末地区人口数比重作为旅游专业化的代理变量，以验证数字经济是否仍对旅游发展具有显著的空间溢出效应。回归结果显示，在W1和W2下W×lnDige估计系数和间接效应系数均为正，且基本能通过10%的显著性检验，表明结果具有稳健性。3）调整控制变量。参考唐健雄等（2022）的做法，剔除控制变量中对旅游发展无明显驱动力的路网密度（lnRn）和对外开放（lnOpen）后进行重新检验。回归结果显示，无论是点估计还是偏微分分解结果，在W1和W2下数字经济的回归系数仍显著为正，进一步证实结果的稳健性。

表5 模型回归结果及稳健性检验Table 5 Regression results and robustness test of the model

3.2.2 区域异质性检验 为验证假设2，参考《东西中部和东北地区划分方法》（国家统计局，2011）及相关研究（朱向东 等，2021；童昀 等，2021），将284个地级及以上城市划分为东、中、西部以及东北地区②东部地区涵盖北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南10 个省（市、区）所在城市；中部地区涵盖山西、安徽、江西、河南、湖北、湖南共6个省（市、区）所在城市；西部地区涵盖内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆11个省（市、区）所在城市；东北地区涵盖黑龙江、吉林和辽宁3个省（市、区）所在城市。，以考察数字经济对旅游发展影响的空间效应是否存在区域异质性，回归结果如表6所示。

表6 东、中、西部及东北地区空间效应估计结果Table 6 Estimated results of spatial effects in the eastern, central, western and northeastern regions

从直接效应的回归结果可以看出，各权重矩阵下，各地区数字经济均能显著促进目的地自身旅游发展，但东部地区的作用强度明显大于其他地区。这可能是由于东部城市拥有完善的数字基础设施和旅游供应链网络，为数字经济的高效化渗透提供了良好支撑，有助于实现规模效应下的旅游全要素生产率增长；此外，受益于人才、资本等旅游发展要素向东部地区汇集，为旅游创新精神培育提供了土壤，这更有利于数字技术在旅游产品、组织管理创新等多方面的应用，进一步释放数字经济的旅游业发展红利。相比之下，中西部及东北地区相对滞后的数字技术以及旅游数字化应用场景的匮乏，会导致数字经济对旅游业的辐射带动效应难以得到完全释放，而该地区旅游创新人才的外流可能会进一步桎梏数字经济对旅游发展的正向效应。

重点考察数字经济的空间溢出效应。无论在W1或W2下，数字经济的间接效应均为正，但估计系数值大体呈现“东部＞中部及东北部＞西部”的空间分异特征，其中东部地区的估计系数至少在5%水平上显著，中部和东北地区仅能在W1下至少通过5%的显著性检验，而西部地区的间接效应并不显著，这表明数字经济对旅游发展的空间效应在东部地区得到完全彰显，在中部和东北地区表现为部分显著，而在西部地区则呈现出“数字隔离”，假设2得到验证。可能的解释是：在东部地区，由于数字经济具有明显的先发优势，梅特卡夫定律下数字经济的知识外溢有助于构建起城市间的“集体学习机制”（刘震 等，2022a），以实现旅游发展成果共享；此外，成熟的旅游市场和高效化的区域协作机制，更有利于发挥数字经济对旅游要素的整合、渗透功能（赵磊，2022），实现旅游资源的低成本跨时空交互，推动地区整体旅游业提质增效。而在中部和东北地区，受益于主动承接东部数字产业梯度转移，数字经济正处于加速扩张期，其对旅游发展的空间溢出效应逐渐显现。已有研究证实，由于数字经济具有“网络外部性”特征，当数字经济规模跨越某一临近点后其对旅游发展的正向溢出会呈现边际效应递增态势（刘震 等，2022a），这可解释该地区间接效应部分显著的现象。相比之下，西部地区数字经济发育程度相对滞后，可能引发与旅游业的融合障碍，难以释放其对跨区域上下游产业协同分工和旅游资源高效利用的正外部性；此外，在旅游业粗放式发展下，地方保护主义和市场分割成为桎梏数据旅游要素自由流动的隐性壁垒，数字经济对旅游发展的空间效应难以得到充分发挥。

3.2.3 不同空间距离阈值下的溢出效应 数字经济的空间溢出效应可能会受到技术溢出成本、数字设备覆盖度等多重因素制约而存在地理距离衰减特征。因此，在理论分析的基础上，参考徐维祥等（2022）的做法，在100～1 500 km 范围内，每隔100 km 进行1 次回归估计以验证假设3 是否成立。如图3所示，数字经济对旅游发展的空间溢出效应在研究范围内显著为正，但在地理空间上呈非均衡性特征，其演变趋势大体可划分为3个区间。1）第一区间为0～300 km。空间溢出效应随着地理距离增加逐步增强，并于300 km处达到最优阈值，估计系数为最大值1.038。2）第二区间为300～800 km。在越过最优边界后，空间溢出效应随着地理距离的增加相应衰减，到800 km 处估计系数下降至0.037，假设3得到验证。这可能是由于：一方面，距离的增加伴随着信息流动成本的提升，加之内隐知识易受地理距离约束，数字经济对旅游发展的知识和技术溢出也难免受限。另一方面，受地方保护主义和“本地偏好”的影响，数字经济对旅游发展的空间外溢可能存在隐形的地域阻隔而呈现“局域性”，而300 km一般还未超出省域的行政边界（罗军 等，2022），相较于跨省区传播而言，省域内城市间的数字要素流动会更加顺畅。此外，有学者证实数字经济对碳排放、居民消费结构升级的空间溢出效应也存在距离衰减特征（徐维祥 等，2022；熊颖 等，2022），这进一步验证本研究结论的科学性。3）第三区间为800～1 500 km。自800 km后，空间溢出效应变得十分微弱，并在1 500 km处趋于消失，估计系数此时仅为0.008，这表明800 km 将是数字经济对旅游发展影响的有效外溢临界点，而1 500 km将达到空间溢出的最大衰减边界。

图3 不同距离阈值下数字经济对旅游发展的空间溢出效应Fig.3 Spatial spillover effect of digital economy on tourism development under different distance thresholds

3.2.4 拓展研究：数字经济各维度的作用分解为进一步探究数字经济各维度对旅游发展影响的空间效应，分别以数字经济指标体系中的数字基础设施、数字产业发展和数字普惠金融3个子系统作为自变量进行空间计量检验（表7）。从直接效应看，在W1和W2下，数字经济各组成部分均对“本地”旅游发展具有显著的正向影响，这表明数字基础设施对信息传递和知识溢出的载体功能、数字产业对旅游高质量转型的推动作用，以及数字普惠金融对旅游业的投资带动和消费刺激效应均得到有效释放。从间接效应看，数字经济各维度的估计系数均为正，但只有数字普惠金融至少通过10%的显著性检验，表现出对“邻地”旅游发展的正向效应。可能的解释是：数字普惠金融可从旅游业供需两侧发挥其空间正外部性。一方面，数字普惠金融通过大数据算法精准识别旅游企业的信用信息，以缓解因信息不对称引致的放贷受阻，其广阔的空间覆盖面可惠及传统金融难以到达的偏远地区，为当地旅游企业提供良好发展契机；另一方面，场景消费金融产品缓解了旅游消费者的资产流动性约束，充分释放其大尺度旅游的潜在需求，有助于带动跨区域旅游市场的快速发展。相比之下，数字基础设施的正向空间溢出效应则不具备显著性。这可能是由于数字基础设施的无序化扩张引致的前期大规模投入，让部分地区旅游业发展陷入“索洛生产率悖论”，且高昂的后期运营及维护成本，使得旅游投资回收期进一步延长，其正向效应也难以在短时期凸显。此外，数字产业对旅游发展的空间效应可能是受到旅游业数字化应用程度低的桎梏而尚未显现。这是因为在“梅特卡夫法则”下，数字产业对旅游发展的正向效应遵循边际效应递增规律，只有当旅游数字化应用广度和深度突破一定阈值后，区域旅游发展才会获得大规模的“连接红利”，且在“循环累积因果效应”下，更多城市的旅游业将享受到广泛的外部性红利（刘震 等，2022b）。

表7 数字经济各维度对旅游发展空间效应的作用分解Table 7 Spatial spillover effect of digital economy subsystems on tourism development

4 结论与讨论

4.1 结论

本文从理论上解析了数字经济对旅游发展影响的空间效应，并基于2011—2019年中国284个地级及以上城市的面板数据，构建空间杜宾模型进行实证检验，得到的主要结论有：1）数字经济与旅游发展均存在显著的空间正相关性。研究期内，数字经济的热点区于东南沿海城市稳态分布，而中西部大范围的冷点区则随时间推移大幅收缩，到2019年仅偏安于川渝和鲁西的少数城市；旅游发展的冷热点分布格局相对稳定，热点区主要位于长三角城市群和滇桂黔渝，冷点区分布在山东半岛中西部并逐步向豫西、皖南、苏北连片扩张。2）数字经济不仅能推动本地旅游发展，同时具有显著的正向空间溢出效应，且该结论在一系列稳健性检验后依旧成立。从区域异质性视角看，东部地区数字经济的直接效应显著大于中西部及东北地区；空间溢出效应在东部得到完全彰显，在中部和东北地区表现为部分显著，而在西部地区则呈现“数字隔离”。3）数字经济对旅游发展的空间溢出效应存在最优距离阈值并呈现距离衰减规律。当地理距离为300 km时达到外溢红利极大值点，800 km处到达数字经济的有效外溢临界点，1 500 km处达到溢出效应的最大衰减边界。4）数字经济各组成维度中，数字基础设施、数字产业发展和数字普惠金融均对本地旅游发展具有显著的正向效应；但从空间溢出视角看，仅数字普惠金融能显著推动邻地旅游发展，其余二者均表现出不显著的正向溢出。

4.2 讨论

在数字中国建设和旅游业高质量发展的背景下，本文结论具有一定的理论意义及实践价值。首先，相比既有研究多局限于“本地化”视角，本文将空间效应纳入数字经济对旅游发展影响的分析框架，并将研究尺度由省域细化到地级市层面以展开严谨地实证分析，不仅验证了数字经济可显著推动本地旅游发展的现有结论（冀雁龙 等，2022），还为数字经济能有效驱动邻地旅游发展提供了实证依据。基于此，进一步从区域分异视角对数字经济的空间溢出效应展开探讨，得到了数字经济的正向溢出强度在东部显著大于中西部和东北地区的新发现，拓展了吴丹丹等（2023）在本地视角下得出的有关结论。此外，数字经济空间溢出效应的地理距离衰减规律得到验证，且在300 km处存在最优距离阈值，这表明省界可能具有“屏蔽效应”，该发现在罗军（2022）和熊颖（2022）等的研究中也可找到证据。最后，在数字经济分维度检验中，本文在空间视角下为Wang 等（2022）的成果提供了新的支撑依据，即数字普惠金融对旅游发展具有显著的正向空间溢出效应。而数字基础设施和数字产业发展的正外部性不显著，该现象可以通过“索洛悖论”和“梅特卡夫法则”予以解释（王龙杰 等，2019；刘震，2022a）。总体而言，本研究可能的边际贡献在于：1）构建了数字经济对旅游发展影响的空间效应分析框架，弥补了既有研究从单一本地视角探讨影响机制存在的局限性，拓展了现有理论研究体系，并为二者关系的实证探讨提供了重要依据。2）借助空间计量模型探究了数字经济对旅游发展的影响及空间溢出效应，并解析数字经济各维度的作用路径，一定程度上降低了传统计量模型因忽视空间因素而导致的估计偏误，有效提升了研究结果的精准度。3）考虑到区域异质性和地理距离衰减规律在现实情境中不容忽视，将其纳入考察范围可进一步完善数字经济影响旅游发展的空间效应研究，并由此引申出具有针对性地政策启示。

基于本文结论，提出以下政策启示：1）推进数字经济与旅游业深度融合，构筑数字旅游“生态圈”以实现旅游要素的高效率流动及匹配，为持续释放数字经济对旅游发展的空间溢出红利奠定基础。具体而言，地方政府应加速旅游业数字化“新基建”的部署与建设，以发挥数字经济的“连接红利”，进而形成跨区域的旅游信息互联互通格局；此外，还应引导旅游企业通过5G、大数据等数字技术提升旅游数字化服务供给水平，实现与动态化需求的高效匹配，以挖掘潜在的长尾客群。2）立足区域发展实际，因地施策以提升各区域数字经济驱动旅游发展的空间溢出效应。东部地区应把握数字经济发展的先发优势，在持续推进旅游数字化变革的同时，加大对数字技术应用的研发力度，开发出诸如交互沉浸式旅游体验等创新性旅游产品及业态，以提升市场吸引力；中部及东北部城市应主动寻求与旅游数字化建设“先行区”的交流合作，充分吸纳其知识和技术溢出并建立起良性的互馈机制，以不断拓展数字经济所带来的外部性红利；西部数字经济发展相对“滞后区”应加快旅游大数据平台建设以打破“数据孤岛”格局，并拓展旅游数字化应用场景和智慧旅游覆盖面，为充分发挥数字经济规模扩张后的网络外部性优势奠定基础。3）需重点关注数字经济空间溢出效应的区域间差距，发挥政府的统筹协调职能，以扩大数字经济对旅游发展的红利溢出半径，弥补相对滞后区的发展短板。此外，各地还应依托数字化平台破除知识和信息壁垒，构筑起跨区域的旅游业“集体学习机制”和“营销联动机制”，以实现“区域旅游一体化共生”（吴泓 等，2004）。这既可缓解旅游要素供需空间错配引致的效率低下，更有助于东部主要客源市场向其余地区城市输送客源以推动当地旅游业发展。4）拓展数字普惠金融在旅游业中的应用范围，蓄积其对旅游发展空间溢出效应的强大势能。一方面，政府应引导金融机构向酒店、餐饮等小微企业提供专属普惠金融服务，以缓解其融资约束，从而增强旅游市场活跃度并激发潜在的创新热情，为旅游业发展提质增效和跨区域的交流合作提供底层支撑；另一方面，创新并完善旅游信贷产品，尤其应覆盖到被传统金融服务所排斥的“长尾”旅游客群，释放其大尺度出游的旅游消费潜力。

值得注意的是，本文仍存在部分局限性而有待进一步研究：1）虽深入分析了数字经济对旅游发展的空间溢出效应及其区域异质性和距离衰减规律，但并未选取相关中间变量来探讨具体作用机制。未来可通过中介效应模型或构建交互项等方法来进一步考察数字经济对旅游发展的多条传导路径。2）仅从线性视角展开实证研究，但考虑到数字经济的网络外部性特征可能会对旅游业发展产生非线性效应，未来可借助面板平滑转换模型等对其展开验证。3）囿于地级市旅游数据相对匮乏，仅采用单一指标表征城市旅游发展水平，未来可采用多源数据进行横向对比，也可采用诸如旅游上市公司数据从微观层面予以实证探讨。