湖南省城镇化对旅游经济影响的空间溢出效应研究

李光辉

(湖南师范大学 地理科学学院,湖南 长沙 410081)

21世纪以来,中国城镇化快速推进,2020年全国城镇化率高达63.89%,十四五规划再次明确指出“提升城镇化发展质量,深入推进以人为核心的新型城镇化战略”.与此同时,旅游经济发展较为迅速,随着全域旅游战略的深入实施,其支柱产业地位日益显著,《“十四五”文化和旅游发展规划》进一步提出“深化旅游业供给侧结构性改革,加强区域旅游品牌和服务整合,努力实现旅游业高质量发展”.旅游业对外部宏观环境较为敏感,因而旅游经济发展必然会受到城镇化进程的影响[1].

城镇化和旅游经济的互动关系,引起了学术界的广泛关注.国外学者对其研究始于20世纪90年代,Mullins最先提出了旅游城镇化的概念,认为旅游消费是旅游城镇化的核心推动力[2].随后学者围绕旅游城镇化类型、特征和区域影响[3-6]等展开了系列研究,Gladstone结合区位商理论,将美国旅游城市划分为旅游大都市和休闲城市[3];Burak认为旅游城镇化会对沿海地区的生态环境造成不利影响[4];Beran等认为旅游城镇化可以优化地区服务环境,扩大旅游消费规模,促进区域转型升级[6].国内学者对旅游和城镇化关系研究起步较晚,始于21世纪初,早期研究主要集中在旅游城镇化的概念内涵[7-8]、动力机制[9-10]、发展模式[11]、旅游发展和城镇化之间的关系[12-14]等方面.陆林、杨莎莎等探讨了概念内涵,均认为旅游城镇化是以旅游发展为驱动力,以游客消费为基础,经济社会和资源环境优化整合的一种新型城镇化[7-8];王曙光、唐睿均通过构建指标体系,一致认为旅游经济和人口、经济城镇化存在正向均衡关系,与生态城镇化存在负向均衡关系[12-13].随后利用模型定量测度城镇化和旅游产业的耦合协调情况逐渐成为学者关注的焦点[15-20],赵书虹、杜霞等分别以山东和云南为例,对两省城镇化和旅游经济协调发展的时空演化特征和影响因素进行了定量分析[16-17];刘雨婧、唐鸿等均以张家界为研究单元,对其旅游业与城镇化的耦合发展状况及动态关系进行评价[18-19].尽管目前旅游和城镇化的研究较为广泛,但大多集中在对二者关系定性描述,及单向分析旅游对城镇化的引导作用,城镇化对旅游经济的推动研究略显不足.王新越、胡付照以长江流域为例,运用单位根、协整、格兰杰检验等计量方法探析该区域城镇化对旅游经济的发展格局的影响及区域差异[21-22].但前述学者均忽略了城镇化与旅游经济发展的空间相关性,在仅有的关于城镇化溢出效应的研究中,王坤等首次基于空间计量模型,分析了中国城镇化对旅游发展的空间溢出效应[1];随后王明康等利用空间杜宾模型,探究了中国三大区域城镇化对旅游经济的直接推动作用和空间溢出效应[23].

通过对上述相关文献梳理可见,目前国内外研究大多集中于对旅游和城镇化互动关系的定性描述和耦合协调分析,定量探求城镇化对旅游经济影响的研究较少,且大多未考虑研究单元的空间相关性和异质性,忽略空间要素对二者的影响,不利于客观反映城镇化对旅游经济的影响,结果可能出现误差.在数据及研究方法上,多以时间序列数据的回归分析模型为主,而基于空间面板数据的空间计量分析方法较为缺乏.在研究视角上,多以大中尺度或典型旅游城市为主,较少关注市州单元.湖南省旅游业发展迅速,2019年底旅游业总收入达9762.32亿元,较上年增长16.83%,正在由旅游大省向旅游强省迈进.与此同时,2019年全省城镇化率达57.22%,城镇化建设进入快速推进时期.基于此,本文基于2010—2019年湖南省14个市州的面板数据,运用探索性数据分析和空间杜宾模型,从市州角度探析城镇化对旅游经济的影响及空间溢出效应,以期为区域旅游合作及城镇化和旅游经济持续健康发展提供科学参考.

1 研究方法

1.1 探索性空间数据分析(ESDA)

地理学第一定律指出:地域空间上任何地理要素均具有相关性,且呈现距离衰减规律[24].探索性空间数据分析(Exploratory Spatial Data Analysis,ESDA)正是基于这一空间相关性,利用空间可视化技术和统计学原理,对地理事物空间分布格局进行分析描述,揭示地理要素之间的空间集聚和异常,分为全局和局部空间自相关[25-26].全局空间自相关主要用于测度区域总体的空间关联和差异程度,常用Global Moran′ sI表示,公式如下:

(1)

局部空间自相关可进一步度量各个地理单元与邻近单元的空间关联性和空间异质性,公式如下:

(2)

式(2)中,zi是市州i、j观测值的方差标准化值;Ii为市州i与市州j城镇化对旅游经济增长的局部关联性.

1.2 空间杜宾模型(SDM)

空间杜宾模型(Spatial Durbin Model,SDM)是Lesage等人基于空间滞后模型所提出的,SDM既包含解释变量的空间滞后项,又包含被解释变量的空间滞后项,因而是测度地理要素空间依赖效应的主要模型[27-28].本研究用其来解释各市州城镇化水平对旅游经济推动的直接效应和空间溢出效应.公式如下:

(3)

式(3)中:yit和xit分别为第t年空间单元i的被解释变量和解释变量的观测值;β为自变量的待估参数;ρ为被解释变量的空间滞后系数;Wij为空间权重矩阵;φ为解释变量的空间溢出系数;μi表示空间效应;υt代表时间效应;εit为服从独立分布的空间误差项.

对于SDM,运行结果中的回归系数并不能完全解释自变量对因变量的空间溢出效应,因而需要运用偏微分方法将SDM结果进一步分解为直接效应和间接效应[23].直接效应表示市州内部解释变量对被解释变量的影响,间接效应表示邻近地区的解释变量和被解释变量对本市州被解释变量的影响,即空间溢出效应.将直接和间接效应之和称之为总效应[29].

Y=[I-ρW]-1clN+[I-ρW]-1[X′β+WX′β]+[I-ρW]-1ε*

(4)

式(4)中,Y为N×1维被解释变量的向量;c为常数项;lN为元素都为1的N×1维向量;X′为所有解释变量组成的N×K维矩阵;ε*为误差项;其余变量含义同上.

2 变量选择与数据来源

2.1 变量选择

2.1.1 被解释变量:旅游经济水平(Tour)

参考Lee和Liu的研究,本文用旅游产业专业化水平来表征各市州旅游经济发展水平,即旅游总收入占国内生产总值(GDP)的比重[30-31].为消除价格因素对不同年份变量的影响,本文按照GDP平减指数,以2010年为基期,将湖南省14个市州各年份GDP和旅游收入折算为2010年不变价格水平.

2.1.2 核心解释变量:城镇化水平(Urb)

城镇化包括形式城镇化和功能城镇化,城镇化水平是从量上来反映城镇化发展情况,通常用城镇人口比重、城镇地域比重、非农业活动比重等指标进行测度[32].本文采用形式城镇化的最直接表现形式也是国际上普遍使用的人口城镇化率来表征城镇化水平,即各市州城镇常住人口占区域总人口的比重[1].

2.1.3 控制变量

旅游产业作为一种综合性产业,鉴于其影响因素的复杂性,本文通过对部分有关旅游经济方面的文献[33-38]进行梳理归纳(表1),借鉴吸取出现频率比较高的影响因素.同时,由于本文的研究样本仅有14个,为了避免样本量少而变量多所致的多重共线性问题,仅借鉴选择旅游资源禀赋、交通可达性、旅游服务设施、地区经济增长水平、对外开放度作为控制变量.

表1 旅游经济发展影响因素

变量选取依据如下:①旅游资源禀赋(ETR),该指标既是各市州发展旅游业的前提基础,也是居民旅游目的地选择所考虑的核心吸引物,本文选取各市州4A级以上旅游景区质量来表征,借鉴相关文献[34-35],结合层次分析法,将5A、4A景区权重分别赋值为3、1,故ETR=5A景区数×3+4A景区数×1.②交通可达性(TRA),区域交通作为旅游流的重要载体,对于旅游地服务功能提升、游客规模扩大和区域旅游一体化的实现具有重要意义[35],本文运用公路密度来反映各市州交通状况,即各市州年末公路里程和市州土地面积的比值.③旅游服务设施(TIN),该指标反映各市州旅游接待能力,是旅游经济发展的前提保证,最核心的是住宿设施的规模大小和完善程度,因而本文用各市州的星级宾馆数来衡量旅游服务设施发展概况[1,33].④地区经济增长水平(Rgdp),该变量从两方面对旅游经济产生影响:一是从市场需求角度影响市州居民出游频率和规模[29],二是可以为当地旅游资源开发和基础设施完善提供资金支持,本文用地区生产总值来表征.⑤对外开放度(EC),该指标反映了区域吸引外资的能力和入境旅游规模的大小,本文用实际利用外商投资金额来衡量[36-37].

2.2 数据来源

为了消除异方差和保持数据可比性,对所有变量进行取对数处理.本文主要采用湖南各市州年度数据,样本选取的区间为:2010-2019.基于数据的真实性、准确性和可获得性原则,本文所选用的社会经济统计数据主要来源于2011-2020 年《湖南省统计年鉴》,2010-2019《湖南省国民经济与社会发展统计公报》;各等级旅游景区具体数据资料由笔者于2021年7月9日在湖南省文化和旅游厅直接获取.对于部分市州出现个别年份数据缺失的问题,采用滑动平均插值法对缺失部分进行补充完善.

3 实证分析

3.1 空间相关性检验

为了验证2010-2019旅游经济和城镇化发展是否存在空间自相关性,本文基于邻接空间权重矩阵,借助Geoda软件,计算二者全局Moran′ sI指数,结果见表2.数据显示,在研究期内旅游经济和城镇化水平的全域Moran′ sI值分别在0.212～0.319和0.375～0.404之间波动上升,且检验结果均通过5%的显著性检验,这表明旅游经济和城镇化水平存在正空间相关性.虽然二者个别年份Moran′ sI值有下降,但均大于0.19,且结果显著,表明二者空间依赖性和集聚性依然显著.

表2 湖南省各市州城镇化和旅游经济发展的Moran′s I值

3.2 模型识别与参数估计

空间相关性检验结果表明在研究城镇化水平对旅游经济影响时不能忽略其空间溢出效应,因此计量模型的比较选择要充分考虑空间因素.借助Stata 15.0,基于邻接空间权重矩阵,进行空间计量模型检验,结果见表3.首先,基于LM和Robust LM结果,判断空间计量模型是否存在空间滞后项和误差项.LM-lag和Robust LM-lag均通过了1%的显著性检验,而LM-error和Robust LM-error均未通过显著性检验,表明存在空间滞后项,因此,空间滞后模型(Spatial Lag Model,SLM)优于空间误差模型(Spatial Error Model,SEM).其次,构建SDM,基于Wald 和LR结果,判断SDM是否可以退化为SLM或SEM.P值显示Wald-lag、LR-lag、Wald-error和LR-error均通过了1%的显著性检验,表明SDM不能简化SLM或SEM,其为最优模型.最后,基于Hausman test结果,判断SDM选用固定效应还是随机效应.Hausman test检验结果通过了0.001的显著性检验,因此选用固定效应.

表3 空间计量模型检验结果

空间计量模型识别结果表明固定效应的SDM为最优模型,根据SDM对时间和空间的固定形式,将其分为时间固定效应、空间固定效应、时空双固定效应,同时利用普通最小二乘法(Ordinary Least Squares,OLS)的混合回归结果,进一步对比分析.从OLS和SDM的回归结果(表4)来看,空间固定效应的调整R2(Adj.R2)均大于OLS和其他2种固定效应SDM的拟合优度系数,虽然时空双固定效应对数似然估计值(Log L)最大,但其Adj.R2最低,模型拟合效果最差,因此空间固定的SDM为本文的最优模型.

表4 OLS和空间面板杜宾模型(SDM)回归估计结果

从城镇化水平的参数结果来看,非空间面板的OLS模型城镇化对旅游经济的影响系数为6.361,而考虑空间要素的空间固定效应SDM城镇化对旅游经济的影响系数下降到0.920,这表明忽略自变量和因变量的空间交互作用,将高估城镇化水平对本市州旅游经济的影响作用.从固定效应的空间溢出系数来看,ρ为0.606,且通过了1%的显著性检验,这表明在城镇化进程中,本地区的旅游经济具有显著的空间溢出效应,本市州旅游经济每增长1%将带动临近市州的旅游经济增长0.606%.

3.3 空间效应分解

参数估计值并不能反映真实的偏回归系数,因此需要把城镇化水平对旅游经济的影响进行空间效应分解.基于空间固定效应的SDM模型,根据公式(4),借助Stata将总效应分解为直接效应和间接效应(表5),前者表示本地区城镇化水平及其他解释变量对本区旅游经济的影响,后者表示本市州相关解释变量对临近地区旅游经济的影响.

表5 空间固定效应的SDM模型空间效应分解结果

由表5可知,城镇化水平对旅游经济的直接效应和间接效应分别为1.631和0.548,且至少通过了5%的显著性检验,这表明湖南省14个地级市州的城镇化水平对旅游经济发展具有明显的推动作用和正向空间溢出效应,如果城镇化水平每提升1%,会直接带动本地区旅游经济提升1.631%,间接促进临近市州旅游经济增长0.548%.城镇化水平的提升会从消费和投资效应促进旅游经济发展:一是城镇化促进居民收入水平提高,推动居民消费观念和消费结构发生转变,刺激了旅游消费需要,进一步扩大了旅游市场规模;二是城镇化过程中,居民旅游消费水平日益提升,且消费需求日益多样化,这就要求旅游相关部门、旅游企业不断加大对旅游景区、旅游交通、旅游饭店等基础设施的投资力度,同时开发品类丰富的旅游产品.城镇化所带来的消费和投资效应不仅促进了本地区旅游业的发展,同时由于空间溢出效应的存在,也带动了周围市州的旅游经济发展.

从控制变量来看,直接效应中除了对外开放程度,其余变量均至少通过了10%的显著性检验,直接效应分别为0.837、0.224、0.072、0.474,这表明在城镇化过程中,如果地区经济发展水平、旅游服务设施、旅游资源禀赋、交通可达性每提升1%将会促进本市州旅游经济分别增长0.837%、0.224%、0.072%、0.474%.间接效应中只有地区经济发展水平和旅游交通通达性通过了显著性检验,且偏回归系数为正,这表明城镇化进程中地区经济发展水平提高,会增大旅游者中远距离出游概率,扩大临近市州旅游市场规模;同时交通可达性的提高,会缩减居民出游的距离和时间成本,也具有显著的空间溢出效应.

4 结论与建议

4.1 结 论

本文利用2010-2019年湖南省14个地级市州的面板数据,借助Stata、GeoDa等工具,通过构建空间计量模型,实证分析了城镇化对旅游经济的空间溢出效应,主要结论如下:①2010-2019年,湖南省旅游经济和城镇化水平的全域Moran′ sI值分别在0.212～0.319和0.375～0.404之间波动上升,这表明二者存在空间正相关性.如果忽视城镇化的空间溢出效应,将会高估其对本区域旅游经济的影响.②空间固定效应的SDM显示,城镇化水平对旅游经济具有明显的促进作用和空间溢出效应,如果城镇化水平每提升1%,将会直接带动本地区旅游经济提升1.631%,间接促进临近市州旅游经济增长0.548%.③在城镇化过程中,地区经济发展水平、旅游服务设施、旅游资源禀赋、交通可达性对本地区旅游经济具有明显的推动作用,同时如果地区经济发展水平和交通可达性具有显著的空间正向溢出效应,二者每提升1%,将间接促进临近地区旅游经济分别增长0.472%和0.371%.

4.2 建 议

①充分认识城镇化的空间溢出效应,积极培育各市州旅游协同发展关系.研究结果显示湖南省城镇化对旅游经济的影响具有正向溢出效应,因此,政府及旅游相关部门应充分挖掘城镇化对临近市州的空间溢出效应.在制定旅游规划及政策时,应打破行政壁垒,跳出区域看旅游发展,加强各市州的旅游交流与合作,建立区域旅游市场合作机制来释放城镇化所带来的旅游消费活力;加快各市州物质资本、劳动力、旅游产品等旅游生产要素跨区域流动,提升要素产出效益对周围地区旅游发展的关联带动作用;加快各市州旅游大数据信息服务平台建设,推进旅游信息全省共享共建,逐步提升旅游业信息化水平.

②优化提升长株潭地区城镇化质量,积极发挥旅游极核的示范和溢出效应.长株潭地区城镇化水平较高,经济发展迅速,综合立体交通网络较为完善,因此该地区应在扩大城镇化规模的基础上,把握好城镇化内涵的提升,发挥城镇化质量与旅游经济的协同效应.注重发挥长沙、株洲、湘潭等区域增长极对旅游信息、旅游企业文化、科技等要素的溢出效应,提高长株潭与湘西地区的交通可达性,增强与湖北、广东、江西等临近省域的联系,充分利用该地域和周围省市的城镇化、旅游流的溢出效应,带动湘西旅游业转型发展,提升长株潭旅游竞争优势;注重提升城镇化和旅游业的生态文化内涵,提升湖湘文化、红色文化品质,进一步优化消费环境和产业结构,实现城镇化和旅游经济协同与转型发展.

③加大湘西区域城镇化建设力度,释放城镇化促进旅游业发展的巨大潜能.研究结果显示,交通可达性存在明显空间溢出效应,大湘西区域自然风光、历史文物、民俗风情等旅游资源丰富,但地域较偏僻,交通可达性较差,因此在城镇化建设过程中应持续加强武陵片区和湘西内部的交通基础设施建设,提高景区的可达性;探索旅游+农业、旅游+乡村工业、旅游+文化、旅游+手工业等产业融合模式,把城镇化经济主体与旅游产业紧密结合,激发城镇经济主体和特色产业的活力,逐步提高城镇化水平,促进其反哺旅游产业发展;在推进城镇化过程中,政府要通过各种优惠政策和经济手段不断提高该区域城乡居民的收入水平,释放湘西内部旅游需求推动其旅游经济发展的潜力.