中国旅游产业效率的区域差异及空间收敛性

王 凯，刘美伦，尹建军

（1.湖南师范大学 旅游学院，湖南 长沙 410081；2.黄冈师范学院 地理与旅游学院，湖北 黄冈 438000）

作为中国国民经济战略性支柱产业，旅游业在促进经济结构优化、推动产业深度融合和促进经济高质量发展中扮演着重要的角色[1]。党的二十大报告指出：“加快建设现代化经济体系，着力提高全要素生产率”。旅游产业效率是衡量旅游经济发展质量的重要指标，区域间旅游要素空间流动性较强，使得旅游产业效率存在显著的空间关联效应[2-3]，提升旅游产业效率有利于优化区域旅游资源要素配置和促进区域旅游高质量发展。然而，由于各省经济发展水平、科技创新能力、旅游资源赋存、旅游配套设施等存在空间差异，进而致使旅游资源利用和产出效能的综合比例存在较大差异，因此，各省旅游产业效率的时空演化呈现显著的区域异质性特征。基于此，本研究探析中国旅游产业效率的区域差异及其收敛性，这不仅有助于准确把握中国旅游产业效率的内部差异及其未来演变趋势，而且对于不同地区之间推动旅游产业转型升级、深化旅游供给侧结构性改革和实现旅游高质量发展具有重要的实践价值和现实意义。

当前，国内外关于旅游产业效率研究主要集中于如下三个方面：1）旅游产业效率实证测度，涵盖不同类型的旅游部门[4-6]、不同种类的旅游活动[7-9]及不同尺度的旅游目的地[10-13]，主要基于时空二维视角刻画旅游目的地旅游产业效率的演化特征。2）旅游产业效率影响因素，已有研究均已证实经济发展水平[14]、新型城镇化[15]、互联网[16]、文化参与[17]、碳排放[18]等经济、社会、文化、生态外部因素会对旅游产业效率产生影响。此外，也有学者关注到旅游产业集聚能够显著提升旅游产业效率，但其影响具有区域异质性特征[19]。3）旅游产业效率的关联因素分析，从协调联动关系视角，基于耦合协调理论，探讨旅游产业效率及其关联因素的时空差异。已有研究主要从旅游产业效率与旅游规模[1]、经济发展水平[20]、旅游公共服务[21]、交通[22]、乡村振兴[23]等切入，探讨二者协调发展的演化态势。

综上，有关旅游产业效率的研究为本研究提供了坚实的理论支撑，但仍存在如下局限：已有研究主要聚焦旅游产业效率的演化特征及影响因素，对地区差异的静态分析较多，缺乏旅游产业效率地区差异的动态分析。而收敛性能够从动态视角来揭示旅游产业效率高水平与低水平地区之间在时间轴上区域差异的演进态势，反映研究对象是否存在追赶效应以及其在时空演化进程中是否具有稳健性特征。鉴于此，本研究在运用Super-SBM 模型测算2001—2020 年中国旅游产业效率的基础上，采用Kernel 密度估计及Dagum 基尼系数刻画旅游产业效率的动态分布演进趋势并厘清区域差异来源，最后，采用收敛模型检验分析旅游产业效率的收敛性及其影响因素，希冀为旅游业提质增效和高质量发展提供科学参考。

一、研究方法与数据来源

（一）研究方法

1.Super-SBM 模型

SBM 模型是由Tone 提出的一种非径向角度的DEA 模型，与传统的DEA 模型相比，SBM 模型能够基于非径向和非角度进行效率测度，使评价结果更为科学，但初级SBM 模型易产生多个决策单元效率值达到最佳状态，无法进行横向对比与排序评价。因此，Tone 基于修正松弛变量建立了Super-SBM模型，更能真实反映生产效率。据此，本研究采用Super-SBM 模型来测度旅游产业效率，相关公式参考文献[24]。

2.Kernel 密度估计

Kernel 密度估计是一种重要的非参数估计方法，能够用连续的密度函数曲线描述随机变量的分布动态，以清晰直观反映某一地理属性值的分布趋势。本研究采用Kernel 密度估计直观描绘中国旅游产业效率的动态演进过程，揭示其时序特征。假设P维随机变量X的密度函数为f(x)，在点x的概率密度可由公式（1）进行估计：

式（1）中：N为省份数量；h为带宽；K(·)为核函数；Xi为独立同分布的观测值；x为均值。

3.Dagum 基尼系数

Dagum 提出按子群分解基尼系数的方法能有效处理样本组内交叠，准确刻画区域间差异来源[25]，本研究采用基尼系数分解方法对中国旅游产业效率的区域差异进行分解。总体基尼系数可分解为区域内差异贡献、区域间差异贡献和超变密度贡献，相关公式参考文献[26]。

4.空间自相关分析

由于生产要素具有流动性，旅游产业效率产生差异的原因也与空间自相关性有关。为确保各省旅游产业效率空间收敛的合理性，在检验其收敛性之前，需要对其进行空间自相关检验，本研究以莫兰指数I检验其空间自相关性，相关公式参考文献[27]。

5.收敛模型

采用收敛模型分析中国旅游产业效率的演化趋势，可判断各省旅游产业效率的趋同或发散情况。收敛模型可分为σ收敛与β收敛，其中，β收敛根据前提条件不同可分为绝对β收敛和条件β收敛，纳入空间因素后，借鉴已有研究[28-29]，采用动态空间面板收敛模型进行空间收敛性分析。具体介绍如下：

1）σ收敛。σ收敛指不同省份旅游产业效率随时间变化偏离平均值的幅度而逐渐减小的趋势。本研究采用变异系数来检验旅游产业效率是否存在σ收敛，公式如下：

式（2）中：n为省份数量；T为旅游产业效率值；Ti为旅游产业效率均值。σ降低表示旅游产业效率存在σ收敛。

2）β收敛。β收敛是从增长率的角度考察旅游产业效率的变化趋势，若β收敛在考虑各省份旅游产业效率区域非均衡特征后并以一些控制变量的存在为条件，则称为条件β收敛，否则为绝对β收敛。存在绝对β收敛则表明旅游产业效率较低的省份其旅游产业效率增长率将大于旅游产业效率较高的省份，最终低效率省份逐渐赶上高效率省份并达到一致水平。经典β收敛模型为：

式（3）～（4）中：α为常数项；β为收敛系数；εr为回归系数；Kr,i,t为控制变量；δi,t为随机误差项；s为收敛率，本研究中m=19。若β＜0，意味着旅游产业效率存在收敛，反之发散。当εr取值为0 时，上式为绝对收敛，反之为条件收敛。

上述收敛模型是基于普通面板模型设计的，未考虑空间因素，因此结合空间计量方法，在传统β收敛模型基础之上，提出空间收敛模型，以更精准检验旅游产业效率的收敛性特征，模型为：

式（5）中：wij为空间权重矩阵；α为常数项；ρ为空间滞后系数；φ为旅游产业效率与空间权重矩阵交互效应后的回归系数；θr为各控制变量的估计系数；λr为各控制变量与空间权重矩阵交互效应后的回归系数；μ为误差项与空间权重矩阵交互效应后的回归系数；εi,t为误差项；Ψi,t为扰动项。当μ=0 时，上式为空间杜宾模型；当μ=0，且φ=λr=0 时，上式为空间滞后模型；当ρ=0，且φ=λr=0 时，上式为空间误差模型。当θr=0 时，上式为空间绝对β收敛模型；当θr≠0 时，上式为空间条件β收敛模型。

（二）指标体系构建与变量选取

1.指标构建

旅游产业效率（TOU）测度涉及投入与产出指标。在投入指标方面，根据柯布道格拉斯生产函数，产业经济学中最基本的三要素主要包括土地、劳动与资本，但由于旅游产业较少受土地要素投入约束，尤其目前统计资料尚无旅游用地这一统一口径，故而现有研究未将其纳入投入变量指标体系[10]；旅游从业人员是最直接提供旅游产业服务的人员，劳动力投入指标主要通过旅游从业人数反映[30]；资本要素是旅游活动的重要支撑，考虑到旅游业固定资产投资数据获取困难，借鉴相关研究做法[2,15]，本研究将A级旅游景区（点）、星级饭店、旅行社数量作为旅游业资本要素投入。在产出指标方面，旅游总收入和旅游总人次能够最直观反映旅游产业发展水平，因此选取旅游总收入和旅游总人次作为产出指标[1]。

2.控制变量选取

1）经济发展水平（ECO），经济发展水平一方面直接影响居民出游意愿，另一方面影响旅游项目的开展与合作，采用人均GDP 表征经济发展水平[16]；2）旅游产业地位（TIS），政府对于旅游产业的重视与干预程度可影响区域旅游要素的集聚与辐射能力，采用旅游总收入占GDP 比重表征旅游产业地位[31]；3）交通基础设施（TRA），交通条件是实现旅游景区可达性的基础，也是区域旅游要素空间流动的载体，采用每平方公里公路里程数表征交通基础设施[32]；4）产业结构（IND），产业结构优化升级能够促进旅游产业高质量发展，进而提高旅游产业效率，采用第三产业产值占GDP 比重表征产业结构[13]；5）固定资产投资（CAP），投资有利于促进旅游要素流动与合理配置，促进区域旅游产业效率提质增效，采用社会固定资产投资总量表征固定资产投资[33]；6）环境规制强度（ENV），环境规制强度会推动转变旅游发展方式，提升旅游发展质量，进而影响旅游产业效率，采用环境污染治理投资额占GDP 比重表征环境规制强度[34]。

（三）数据来源

以2001—2020 年为时间窗口，以中国30 个省（市、区，以下简称“省份”）（不含西藏和港澳台地区）为研究对象，相关数据来源于2002—2021 年《中国统计年鉴》《中国环境统计年鉴》，2002—2018 年《中国旅游统计年鉴》，2019 年《中国文化和旅游统计年鉴》，2020—2021 年《中国文化文物和旅游统计年鉴》，各省统计年鉴与国民经济和社会发展统计公报。其中，旅游总收入为国内旅游收入与转换后旅游外汇收入之和，各省A 级景区数据来源于文化和旅游部（原国家旅游局）与各省文化和旅游厅官方网站公布的景区名录。

表1 旅游产业效率指标及控制变量

二、结果分析

（一）旅游产业效率的时序特征

基于Super-SBM 模型测度2001—2020 年旅游产业效率，并绘制旅游产业效率的箱形图。由图1 可知，2001—2020 年旅游产业效率均值波动上升后下降，其值基本保持在0.40 ～0.65 之间，相较于研究前期，旅游产业效率在研究后期整体水平较高，但总体提升较为缓慢，逐渐趋于平稳。研究期内，旅游产业效率的低谷期处于2001—2004 年期间，属于旅游产业效率起步阶段。自2005 年起，旅游产业效率开始稳步提升，上升至2012 年达到0.6 左右，属于旅游产业效率的提升阶段。2012—2020 年旅游产业效率均值呈现下降趋势，属于旅游产业效率的调整阶段。整体而言，研究期内旅游产业效率均值为0.528，距离最佳生产前沿面还有47.2%的改进空间，说明旅游产业效率还存在较大的提升空间，旅游资源与技术的潜力尚未被充分发挥，旅游投入与产出尚未处于均衡状态。从箱形图数据点分布来看，各省份旅游产业效率高值集聚现象明显，分布形态由低值集中演变为向中值集中，表明伴随着旅游产业转型升级，旅游产业效率有所提升，逐渐由低水平向中等水平转变，但部分省份旅游产业效率仍处于较低水平，省际间旅游产业效率差异明显。

图1 旅游产业效率箱形图

（二）旅游产业效率的空间分布特征

为清楚揭示旅游产业效率的空间分异特征，对其空间趋势进行可视化呈现。由图2 可知：拟合曲面形态呈现出“东高西低”状，表明中国旅游产业效率呈现出由东向西逐步递减的空间分异格局。东部地区旅游资源本底优越、客源市场来源充足、交通通达条件便利，优越的旅游条件促使东部地区旅游产业发展迅速，旅游收益较高，旅游产业效率得以处于较高水平。西部地区虽然旅游资源禀赋较高，但总体上由于旅游产业规模总量不大，旅游经济发展水平较低，旅游发展仍需要投入较多的基础设施，旅游产业结构转型升级仍需资金投入，使其处于“高投入、低产出”的状态，旅游产业效率处于较低水平，并且明显低于全国其他区域。就数据点分布而言，天津、上海、贵州、重庆等省份的点位明显高于其他省份点位，旅游产业效率较高。就数据点投影映射而言，点位分布不均，分散程度较高，多数数据点分布于拟合曲线下端，映射出研究期内各省旅游产业效率存在较大差异，且大部分省份旅游产业效率低于平均值，极化效应明显。

图2 旅游产业效率空间分布趋势

（三）旅游产业效率的区域差异

为了更加清晰刻画与揭示旅游产业效率的区域差异与区域来源，采用Dagum 基尼系数及其分解方法对中国各区域旅游产业效率的基尼系数进行测算。由图3 可知，中国旅游产业效率的基尼系数呈“M”型波动的演化特征，呈现“上升-下降-上升-下降”的趋势，整体上由2001 年的0.334 下降至2020年的0.298，说明全国旅游产业效率的总体差异有所下降，表明全国整体旅游产业效率正由空间非均衡状态逐渐向空间均衡状态转变。从四大区域来看，西部地区差异最大，主要原因在于西部地区各省份在旅游资源禀赋、旅游产业地位、信息化水平及区位优势等方面的差异相比其他区域更为明显。东部地区的基尼系数整体上是下降的，由2001 年的0.28 下降至2020 年的0.25，表明区内旅游业凭借其旅游发展的先发优势及旅游发展方式的集约化，促使整体旅游产业结构优化升级，旅游产业效率不断提升，滞后区域形成了对领先区域的“追赶效应”，区域内差异逐步缩小。东北地区与中部地区基尼系数震荡起伏明显，表明东北地区及中部地区在旅游产业效率提升方面区域联动效应较弱，竞争博弈与无序追赶大于合作互补，致使旅游产业效率在不同时间节点震荡起伏明显。虽然各区域基尼系数波动演化特征明显，但是研究期内全国旅游产业效率差异在波动下降，主要原因在于同处一个区域内，各省份在促进旅游发展方面的条件具有一定的相似性，不同年份省际间的竞争追赶效应使得区域内旅游产业效率波动明显，但全国旅游产业效率的整体收敛趋势削弱了部分区域内部震荡变化的幅度。

图3 旅游产业效率基尼系数

Dagum 基尼系数的子群分解可进一步揭示旅游产业效率区域差异来源及贡献率。由表2 可知，研究期内旅游产业效率的总体差异及组间差异下降明显，但组内差异变化并不显著，说明全国整体及四大区域之间的旅游产业效率差异在研究期内有缩小之势，但是区域内各省份间旅游产业效率非均衡程度并未得到缓解。从差异来源看，组内差异贡献率整体变化并不明显，而组间差异贡献率表现出下降态势，超变密度贡献率表现出上升态势。整体而言，超变密度贡献率的均值高于组内与组间差异贡献率的均值，说明超变密度对总体差异贡献率最大，超变密度是指旅游产业效率组间差异的交互作用对整体旅游产业效率地区差异的贡献率[35]。超变密度的贡献率较大意味着旅游产业效率区域间样本的交叉重叠现象对总体差异的影响较大，也揭示出了四大区域内均存在旅游产业效率较高的省份。此外，从超变密度贡献率走势可知，在今后一段时间内其仍是总体差异的主导因素，因此，破解旅游产业效率总体差异难题，应协同处理好区域间及区域内差异，着重解决旅游产业效率较低区域中的效率较高省份与旅游产业效率较高区域中的效率较低省份共同存在的问题，促进地区间旅游产业效率协同发展。

表2 旅游产业效率Dagum 总体基尼系数及其分解

（四）旅游产业效率的分布动态演进过程

Dagum 基尼系数的测算结果呈现了中国旅游产业效率区域间和区域内差异的大小、来源及演变态势，表征中国旅游产业效率的相对差异，但无法直观地刻画出旅游产业效率绝对差异变化的动态演进规律。因此，进一步利用Kernel 密度估计，通过观察全国整体和四大区域的核密度图，对分布位置、分布形态、分布延展性、峰值数量等进行分析，以明确旅游产业效率的分布动态特征及敛散态势，结果如图4 所示。

图4 旅游产业效率核密度分布

从分布位置看，研究期内全国整体及四大区域旅游产业效率核密度曲线主波峰逐渐右移，集聚中心向高效率值转移，表明全国整体及四大区域旅游产业效率随时间变化而逐步提升，这一特征也与前文旅游产业效率时序特征相印证。具体来看，四大区域的分布动态与全国整体分布动态基本保持一致，但各区域核密度曲线移动幅度存在差异，中部地区旅游产业效率右移幅度最大，表明研究期内中部地区旅游产业效率提升明显；东部地区右移幅度最小，表明近几年东部地区旅游产业效率提升乏力；西部地区与东北地区右移幅度较大，表明西部地区与东北地区旅游产业效率提升较为明显。

从分布形态看，研究期内全国整体旅游产业效率核密度曲线主峰峰值微弱提升、宽度变小，这表明全国旅游产业效率的离散程度呈现下降趋势，即旅游产业效率逐渐呈收敛趋势，多数省份旅游产业效率由低水平集聚正逐渐转向“高-低”数量差异缩小之势。东部地区、中部地区及西部地区与全国整体的表现相似，核密度曲线主峰峰值持续上升且宽度变小，说明这些区域内各省份旅游产业效率的绝对差异正在逐渐缩小。而东北地区核密度曲线主峰峰值经历下降后又有所上升，表明东北地区各省份旅游产业效率绝对差异在扩大后又逐渐缩小。

从分布延展性看，全国和四大区域旅游产业效率核密度分布曲线均存在显著的右拖尾特征，这意味着全国和四大区域内存在部分省份的旅游产业效率显著高于同一区域内其他省份。如西部地区的重庆、贵州等，东部地区的上海、天津等，这些省份的旅游产业效率相对较高，致使区域核密度曲线存在右拖尾特征。此外，全国及四大区域核密度曲线均存在分布延展收敛性，即旅游产业效率出现极端值的可能性越来越低。

从峰值数量看，全国整体和东部地区、中部地区及西部地区核密度曲线在研究期内均存在过双峰现象，即上述区域旅游产业效率存在两极分化现象；而东北地区逐渐演化成以三级分化为主。从主峰与侧峰高度落差看，全国整体和东部地区及中部地区主峰与侧峰高度落差有所下降，间距逐渐缩小，这表明全国和东部地区及中部地区旅游产业效率多极分化现象得到缓解；西部地区主峰和侧峰之间的距离较大，且主峰和侧峰高度落差有所上升，表明西部地区内部存在着较为明显的空间极化现象与梯度效应，分化程度有所增强；东北地区在2010 年以后处于三峰阶段，主峰与侧峰高度落差不大，说明东北地区自2010 年以后逐渐呈现出向多极分化转变的趋势，且区域间绝对差异有所下降。

（五）旅游产业效率的收敛性

1.σ收敛检验

采用变异系数检验旅游产业效率的σ收敛特征，结果见图5。从演变过程来看，全国旅游产业效率地区间的绝对差异整体上在波动下降，表明各省份之间的旅游产业效率存在σ收敛态势。西部地区变异系数较高，呈现波动上升趋势，其值也高于其他地区；东部地区变异系数整体在波动中下降；中部地区与东北地区变异系数变动幅度较大，中部地区变异系数自2009 年以后下降明显，东北地区变异系数在经历波动起伏之后虽呈现下降趋势，但相较于研究前期仍较大。由此可见，全国整体、中部地区及东部地区存在σ收敛，而西部地区及东北地区σ收敛特征不明显。

图5 旅游产业效率变异系数

2.空间自相关检验

在对旅游产业效率进行空间β收敛分析前，采用莫兰指数I值检验各省份旅游产业效率是否存在空间相关性，否则会造成模型估计结果的偏差。根据地理邻近矩阵计算2001—2020 年旅游产业效率的莫兰指数I值，结果见表3。2001—2020 年旅游产业效率的莫兰指数I值均为正值，绝大部分年份通过了显著性检验，表明旅游产业效率在空间分布上不是随机的，而是存在集聚特征，即旅游产业效率较高的省份趋向于与旅游产业效率较高的省份相邻，旅游产业效率较低的省份则趋向于被旅游产业效率较低的省份所环绕。

表3 旅游产业效率的空间相关性检验结果†

3.旅游产业效率的收敛性分析

依据Hausman 检验，结果表明选择固定效应作为绝对β收敛与条件β收敛检验模型，继而构建SDM、SEM、SLM 空间收敛模型，探讨旅游产业效率收敛性。最后依据空间计量LR 检验与Wald 检验，并综合考虑logL、R2、Sigma2值，选取时间空间双固定效应的SDM 模型对旅游产业效率的空间敛散性进行估计，结果见表4。

表4 旅游产业效率β 收敛的回归结果†

1）从绝对β收敛结果看，所有β收敛系数均小于0，并通过1%的显著性检验，表明中国旅游产业效率具有绝对β收敛趋势，即旅游产业效率的区域差异趋于缩小，旅游产业效率较低的省份相比于较高的省份具有更快的增长速度，省际间差异会逐渐缩小，在未来时间轴上最终会收敛于稳态水平。纳入空间要素之后，空间绝对β收敛率明显高于经典绝对β收敛率，原因在于地理邻近的省份，在旅游客源流动、线路互通、因素共享及信息互通等方面联系紧密，能够共同推动整体旅游产业效率的提升。

2）从条件收敛结果来看，经典条件β收敛系数小于0，并通过1%的显著性检验，说明存在显著的条件β收敛，这意味着旅游产业效率趋势向好，即旅游产业效率较低的省份具有后发优势，会随时间变化逐步提升，而后各省份旅游产业效率逐渐收敛至稳健状态。同时，经典条件β收敛也表明控制变量对旅游产业效率收敛的调节效应各异，且加入控制变量后，旅游产业效率的收敛速度明显加快，产生了积极的正向影响。原因在于经济发展水平、固定资产投资影响着各区域旅游要素的流动规模及互通频次；旅游产业地位及产业结构会影响旅游产业投入的规模；交通基础设施影响旅游产业效率向外辐射与溢出的地域范围；环境规制强度则会影响旅游企业的行为态度以及旅游业短期提效的步伐，从而导致旅游产业效率收敛及其收敛速度的差异性。

空间条件β收敛模型由于考虑到邻近省份之间的联系，会使计算结果的地理特征得以体现。在纳入空间因素后，旅游产业效率的条件β收敛趋势依然存在，并且相比于其他收敛类型来说，其收敛速度最快，说明纳入空间因素是必要的。原因在于不同省份旅游产业效率之间存在明显的空间交互作用，旅游产业效率高的省份在一定程度上会影响到邻近省份的旅游产业效率，这种影响具有正向的促进作用，使得邻近省份能够协同提升旅游产业效率，进而共同优化旅游产业效率的空间分异格局，推动旅游产业效率向稳态水平收敛。相比于经典条件β收敛而言，空间条件β收敛系数结果的方向与程度有所改变。具体而言：

1）经济发展水平的正向影响由经典条件β收敛下的不显著转变为空间条件β收敛下的显著，表明在空间条件β收敛之下经济发展水平对旅游产业效率具有正向空间溢出效应。经济发展水平较高的省份旅游发展势态良好，相同的旅游投入为提升旅游产业效率所产生的边际效应减少，进而使得旅游产业效率提升缓慢。但邻近省份经济发展水平较高，空间外溢效应明显，能够向周边省份扩散旅游要素，也能形成潜在客源市场，自身旅游技术创新水平及资本运行效率会对其他省份产生正向的示范效应，激励其他省份加大旅游基础设施投入，利用科技优势促进旅游产业提质增效，进而推动旅游产业结构向合理化与高级化方向发展，从而有利于推动旅游产业效率向高值收敛。

2）旅游产业地位在两种条件收敛之下均产生了显著性的正向影响，说明政府对旅游产业的扶持及干预在一定程度上有利于旅游产业效率的提升并促使其向高值收敛。政府扶持为旅游产业带来资金、技术、政策等方面的支持，影响旅游企业资本运行效率。也会通过整合旅游资源、加强对外宣传、提高管理效率等途径对区域旅游要素集聚与扩散产生影响，并不断对外辐射与溢出，扩展本地旅游增长空间，加强与其他地域的旅游合作联系，共同促进旅游产业效率提升。此外，本省与邻近省份可以发挥区域政策的叠加效应，获取区域旅游经济效益的联动辐射红利，优化旅游发展效率的空间布局。

3）交通基础设施的正向影响由经典条件β收敛下的显著转变为空间条件β收敛下的不显著，说明纳入空间因素后其对推动旅游产业效率向高值收敛的作用并不明显。交通基础设施的通达性不仅能影响旅游者对旅游目的地的感知与不确定性，也会推动形成旅游活动线路，提升旅游资源的边际产出，扩展旅游活动的规模效应。但随着交通基础设施的不断完善，邻近省份之间交流互动联系增多，旅游产业效率的提升受到邻近省份旅游目的地优质供给及本地旅游产品雷同性的影响，导致本省旅游目的地的游客流失，省际间客流空间置换不均衡，影响旅游产业效率提升。

4）产业结构在两种条件收敛之下均产生了负向影响，并通过1%的显著性检验，说明产业结构对旅游产业效率向高稳态水平转变具有负向影响，原因在于产业结构的优化在促进旅游产品衍生、完善旅游供应链体系的同时，也造成旅游产品的定价过高、产品定位失误，出现“投高产低”的局面。同时，邻近省份的产业结构升级所产生的虹吸效应会对本省旅游要素及市场带来冲击，产生负面影响，发生省际间旅游产业效率的空间挤出。

5）固定资产投资由经典条件β收敛下的正向影响转变为空间条件β收敛下的负向影响，并通过1%的显著性检验，原因在于资本是旅游产业进行资源投入的基础，凭借资本优势，各省份通过维持旅游从业人员结构的稳定性、加大旅游基础设施投入、科技赋能促进旅游产业提质增效。但由于邻近省份之间的旅游产业效率会存在一定的“位势差”，而资本往往先流向发达地区，使得旅游经济发展水平较高的省份不断积累资本优势，省际之间旅游竞争更加激烈，旅游产业效率的空间关联强度弱化。同时，邻近省份固定资产投资能够促进旅游要素在前、后关联产业之间的链条式传递，并不断强化其空间负载与集聚能力，截留本地的旅游要素，从而产生负向空间溢出效应，进而使得区域间旅游产业效率具有发散态势。

6）环境规制强度始终未通过显著性检验，说明其对旅游产业效率收敛的影响较小，一方面，短期内环境规制会提高旅游企业的市场准入门槛，使部分旅游企业承担较多的环境治理成本，限制旅游企业的规模扩张，也会限制旅游活动的开展，进而影响旅游产业效率的提升；另一方面，虽然环境规制强度在一定程度上会助力旅游产业改变粗放式发展模式，注重发展效益，提升发展效率，但这种影响会具有一定的时间滞后性，作用于提升旅游产业效率需要一定的过渡时间段。因此，环境规制强度对旅游产业效率收敛性所带来的影响尚不明显。

4.稳健性检验

考虑到不同的空间权重矩阵对β收敛检验结果造成的影响可能不同，因此，在确保空间自相关检验通过的前提下，使用经济距离矩阵对研究结果进行稳健性检验。由表5 可知，全国旅游产业效率β收敛系数均显著为负，通过了显著性检验，表明本研究的实证结果是可靠的。

表5 稳健性检验†

三、结论与讨论

（一）结论

本研究在运用Super-SBM 模型测度旅游产业效率的基础上，采用Kernel 密度估计与Dagum 基尼系数探析旅游产业效率动态演进趋势及区域差异来源，并借助收敛模型分析旅游产业效率的敛散性。主要结论与启示如下：

1）中国旅游产业效率呈现出先上升后下降的趋势，整体提升较为缓慢，逐渐趋于平稳；空间上呈现出由东向西递减的分异特征，各省份旅游产业效率点位分布不均衡，天津、上海、贵州、重庆等地区的旅游产业效率明显高于其他地区，空间差异明显。因此，应重视提升旅游产业效率，加强旅游产业转型升级的顶层设计，提升旅游资源要素的产出率，发挥结构优化效应，扩展旅游产业效率的提升空间，实现旅游发展由量向质的转变；充分发挥天津、上海、贵州、重庆等地区的辐射带动作用，提高跨区域旅游要素整合能力，强化旅游市场组团优势及空间流动的正向外部性，带动全国旅游产业整体协调发展，进而弥合区域旅游产业效率发展的空间非均衡性，推进旅游产业高质量发展。

2）中国旅游产业效率差异呈现出“上升-下降-上升-下降”的演化态势，西部地区旅游产业效率差异不断上升且差异最大，东部地区旅游产业效率差异在波动中下降，而东北与中部地区旅游产业效率波动起伏明显；全国整体及四大区域之间的旅游产业效率差异有缩小之势，但各区域内部的差异波动明显，区域间样本的交叉重叠现象对旅游产业效率总体差异的影响较大。且核密度估计显示，全国及四大区域旅游产业效率呈上升态势，绝对差异呈下降态势，但存在极化现象。因此，需树立总体发展观念，突破地区间行政壁垒，畅通区内区外合作通道，发挥东部地区示范效应，通过技术溢出促进中部、西部及东北地区旅游发展方式转变，提升旅游产业的边际效益，中部、西部及东北地区通过东部地区知识技术辐射，释放旅游产业效率的追赶效应，实现旅游资源配置的帕累托最优，使投入与产出达到最佳均衡，从而提升整体旅游产业效率。各区域内部应通过搭建合作桥梁，在旅游信息互通、旅游市场互融、旅游客源互送、旅游线路互推、旅游资源共享等方面开展多层次、宽领域、多样化合作，促进人才、技术、资本、信息等要素流动与扩散，强化旅游产业集聚效应，进一步推动各省份共同提升旅游产业效率，实现区域内旅游产业效率均衡发展。

3）中国旅游产业效率总体上存在σ收敛以及显著的β收敛，旅游产业效率随时间变化会收敛于稳态水平；纳入控制变量及空间因素后旅游产业效率具有显著的加速收敛作用，存在空间依赖性及空间溢出效应；经典条件β收敛下旅游产业地位、交通基础设施、固定资产投资对旅游产业效率收敛具有显著的正向影响，而产业结构对其具有显著的负向影响；空间条件β收敛下，经济发展水平、旅游产业地位对旅游产业效率收敛具有显著的正向影响，而产业结构、固定资产投资对其具有显著的负向影响。因此，应推动旅游产业效率与经济增长相匹配，以经济优势推动旅游产业转型升级，扩宽经济向外溢出渠道，巩固旅游产业战略性支柱地位，丰富旅游供给内容，创新旅游体制机制，培育旅游创新体系，发挥交通时空压缩效应，完善交通网络建设，推动旅游要素空间流动，以全局视角优化产业结构，强化旅游产业集群引领，激发产业优化升级活力，提高投资质量，增强资本流动稳定性，提振旅游发展活力，提升全国旅游产业效率。

（二）讨论

旅游产业效率空间异质性和空间关联性是旅游产业效率存在空间收敛性的原因，本研究从动态视角揭示旅游产业效率的区域差异及演进态势，刻画旅游产业效率空间收敛特征，总体来说，本研究得到的部分结论呼应了已有文献的发现，即中国旅游产业效率空间分布格局呈现出显著的空间依赖及区域非均衡特征[2-3,10]。同时，本研究采用变异系数来检验旅游产业效率的σ收敛特征，研究发现中国旅游产业效率的变异系数在波动下降，表现出显著的σ收敛特征，这与徐翠蓉[36]的研究结论具有一致性。此外，本研究综合了经济发展水平、旅游产业地位、交通基础设施、产业结构、固定资产投资及环境规制强度等外部因素作为探究旅游产业效率条件收敛的控制变量，运用收敛模型对旅游产业效率的敛散性进行了深入分析，进一步拓展了研究视角和深度。需要指出的是，本研究尚存在以下待完善之处：一是本研究从省域层面研究旅游产业效率的区域差异及收敛性，未来研究可下锚至微观市域或县域层面，能更加精准勾勒旅游产业效率的区域差异及其空间收敛；二是本研究利用面板数据研究旅游产业效率收敛性，并未考虑旅游产业效率收敛的时间依赖；三是在探讨旅游产业效率收敛性的影响因素时，囿于数据的可获取性，本研究仅将经济发展水平、旅游产业地位、交通基础设施、产业结构、固定资产投资、环境规制强度作为控制变量进行实证分析，有鉴于此，未来研究可从旅游资源禀赋、科技创新、城镇化水平等对其影响机制进行深入研究。