中国旅游能源消费与旅游经济增长相关机制研究--基于空间面板数据模型的研究_旅游经济论文

中国旅游能源消耗与旅游经济增长的关联机制研究——基于空间面板数据模型，本文主要内容关键词为：经济增长论文,中国旅游论文,面板论文,能源消耗论文,机制论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      修订日期：2013-09-30

      中图分类号：F224 文献标识码：A 文章编号：1001-7852(2013)05-0001-07

      0 引言

      能源是各国在制定发展战略考虑的重要因素。党的十八大报告指出：“推动能源生产和消费革命，控制能源消费总量，加强节能降耗，支持节能低碳产业和新能源、可再生能源发展，确保国家能源安全”。从旅游自身的产业发展特性来看，旅游业是典型的资源节约型和环境友好型产业，在应对气候变化、节能减排和产业替代方面具有明显优势[1]。然而，旅游业是一个涉及食、住、行、游、购、娱等各部门的交叉性行业，尤其是旅游交通、旅游饭店等是耗能相对较高的部门。2002年中国30个省市(未包括中国西藏等地区)旅游能源消耗为12011.02×

标准煤，2011年达36 545.92×10[4]t标准煤，增长了2.04倍。因此，节能减排也是中国旅游产业在未来一段时期面临的重要问题，正确处理旅游能源消耗与旅游经济增长的关系对中国旅游产业发展来说尤为必要。

      20世纪70年代石油危机以来，经济增长与能源消费之间的关系一直是经济领域学者关注的焦点问题。国外对能源消耗与经济增长关系的研究主要集中在基于短期动态关系的研究[2-4]、基于长期协整关系的研究[5-7]、基于多变量模型的研究[8-10]等。国内则包括简单的定性定量分析[11-12]，基于协整理论和向量误差修正模型的研究[13-14]，以及基于空间视角的计量分析[15-16]。但是，当前从旅游产业发展视角，探讨其能源消耗与经济增长之间关系的研究尚未全面展开。本文基于地理空间邻接矩阵和经济空间权重矩阵，采用Moran'I、LMerr和LMsar等空间相关系数检验中国省域旅游能源消耗与旅游经济增长是否具有显著的空间联动特征，并运用空间面板回归模型进行拟合分析，揭示二者之间的关联机制与作用机理，以期为中国旅游业可持续发展与提高旅游经济效率等相关政策的制定提供理论依据。

      1 空间面板数据模型

      1.1 空间相关性检验

      空间相关性检验是空间计量经济分析的一个重要内容。区域空间相关性检验主要有基于极大似然估计的假设检验的LMerr(Burridge 1980)、LMsar、Lratios、Walds(Anselin 1988)统计量和空间相关指数Moran'I(Moran 1948)，其中原假设H0：ρ=0或λ=0，但它们都是针对单个截面回归模型提出的，不能直接用于面板数据模型[15]。本文采用分块对角矩阵C=

×W代替Moran'I等统计量计算空间权重矩阵，从而将这些检验扩展到面板数据分析[17]。Moran'I、LMerr和LMsar统计量可分别表示为：

      

      式中：

；N为研究区域个数(N=30)；T为时间长度(T=9)；

为T维单位时间矩阵；

为N×N阶的空间权重矩阵；e为普通最小二乘(OLS)估计的残差向量；tr是矩阵求迹，LMerr和LMsar统计量都是一个渐进的

(1)分布。其中LMerr和LMsar等统计量不仅可以用来检验空间相关性，还可以为模型设定提供线索[18]，帮助在空间自回归模型和空间误差模型之间进行选择：若LMsar比LMerr统计量更显著，且robust LMsar显著而robust LMerr不显著，那么选择SAR；相反，如果LMerr比LMsar在统计上更加显著，且robust LMerr显著而robust LMsar不显著，那么选择SEM[19]。

      1.2 空间面板数据模型设定

      空间计量经济学中，空间相关性指一个地区的样本观测值与其他地区的观测值相关，其相关程度及模式由空间上的绝对位置和相对位置决定。空间相关性来自于两方面：一是不同地区经济变量样本数据的采集可能存在空间上的测量误差；二是相邻地区间的经济联系客观存在[20]。因而在空间自回归模型中，空间相关性体现在误差项和被解释变量的滞后项，相应地，空间计量经济的两种基本模型分别是空间误差模型(Spatial Error Model，SEM)和空间滞后模型(Spatial Autoregressive Model，SAR)[21]，前者(SEM模型)讨论相邻地区对变量的误差的影响在多大程度上影响了本地区的观察值，后者(SAR模型)分析变量在相邻地区是否存在溢出效应，这两个模型的基本形式为：

      

      式中：y为n×1阶被解释变量即旅游总收入向量；X为k个解释变量即旅游能源消耗量的k×n阶矩阵；β为k×1阶回归系数向量；μ和ε为随机误差项；λ为空间自相关系数，度量一个区域的变量变化对相邻区域的影响程度；ρ为空间自回归系数，度量相邻区域观测值即旅游总收入对本区域旅游总收入的影响程度和方向；

为T维单位时间矩阵，

为n×n的空间权重矩阵(n为地区数)；(

×

)为空间滞后被解释变量。

      SEM模型的误差项不是独立分布的，而是表现出空间相关性

，此时普通最小二乘法(OLS)估计量是无偏的，但不具有效性；SAR模型引入空间滞后被解释变量，由此会产生内生解释变量问题，此时OLS估计得到的是有偏估计量，而且是不一致的。因此，空间计量模型的估计不能用OLS，而是运用极大似然法(ML)。首先，随机效应模型假定解释变量与固定效应不相关[22]，对于本研究而言，这个假设过于绝对；其次，当样本是随机地抽取自所考察的总体时，随机效应模型应是更恰当的设定，而本文所选取的研究对象是中国30个省级区划单位，回归分析局限于一些特定的个体，此时固定效应模型应该是更好的选择[23]。因此，本文选用空间固定效应模型来研究旅游能源消耗与旅游经济增长的空间关联机制，并在Matlab软件中的Spatial程序包①中得以实现。

      1.3 空间权重矩阵

      空间权重矩阵是空间计量模型的关键，也是地区间空间交互作用与影响方式的体现，可分为地理空间权重矩阵(w)和经济空间权重矩阵(W)，前者中最常用的是简单二分权重矩阵，遵循的判定规则是Rook相邻规则，矩阵

的设定方式为：

      

      主对角线上的元素为0，w经过行标准化处理，用每个元素同时除以所在行元素之和，使得每行元素之和为1。然而，相邻地区间的旅游经济联系并非完全相同，相对于旅游经济落后地区而言，旅游经济落后地区对发达地区的影响力度较小，而旅游经济发达地区能够对周围落后地区产生更大的辐射力和吸引力，即有更强烈的空间影响力。因此，经济权重矩阵能更好地模拟地区间现实存在的旅游经济关联。经济空间权重矩阵(W)是地理空间权重矩阵(w)与各地区旅游总收入(TR)占所有地区旅游总收入之和比重的均值为对角元的对角矩阵的乘积[21]，具体形式为：

      

      式中：t为考察时间期数；N为研究地区个数(N=30)；y为研究地区旅游总收入(TR)。由于不同空间权重矩阵的设置对模型估计的结果会产生较大的影响，本文分别采用这两种方法进行空间自相关检验和空间面板数据分析。

      

      2 变量选取与数据来源

      2.1 变量选取

      被解释变量：采用各省市的旅游总收入作为被解释变量，用以反映中国省域旅游经济增长状况，用TR表示。解释变量：采用旅游能源消耗量作为解释变量，用以反映中国省域旅游能源消耗状况，用TE表示。根据《中国统计年鉴》及各省(市、区)统计年鉴，在中国现行国民经济核算中的产业分类中，旅游业主要涉及第三产业中的交通运输、仓储和邮政业，批发和零售业，住宿和餐饮业3个行业部门，而在《中国能源统计年鉴》地区能源平衡表中，与旅游业相关的产业主要分为交通运输、仓储和邮政业，批发、零售业和住宿、餐饮业，与国民经济核算中的产业分类基本吻合，据此，本文选取交通运输、仓储和邮政业，批发、零售业和住宿、餐饮业两者能源消耗之和表征旅游产业能源消耗，并按照各种能源折算标准煤系数，将旅游产业能源消耗以标准煤形式加以表征。

      2.2 数据来源

      本文的研究对象为2002-2011年中国30个省、自治区和直辖市(受数据获取限制，未包含中国西藏、港澳台、南海诸岛等地区)。旅游总收入等指标数据来自《中国旅游统计年鉴》(2003-2011年)；旅游产业能源消耗相关指标数据来自《中国能源统计年鉴》(2003-2012年)；各种能源折标准煤系数来自《综合能源计耗计算通则》(GB/T2589-2008)等(见表1)。为减少原始数据出现异方差现象，并保证原始变量之间的变化态势不变，所有指标数据均取其对数形式。

      3 中国旅游能源消耗与旅游经济增长的关联机制研究

      3.1 中国旅游能源消耗现状及演化特征分析

      从旅游能源消耗的时序演化特征看，由图1可知，2004年中国交通运输、仓储和邮政业以及批发、零售业和住宿、餐饮业迅猛发展，因而能源消耗量大幅度上升，2005年又回归正常能源消耗量；其余年份，中国旅游能源消耗量呈稳定增长态势，但增长率在逐年下降。除特殊年份外，中国各省份旅游能源消耗量均处于稳定增长状态。

      

      图1 2002-2011年中国旅游能源消耗量变动情况

      Fig.1 The change of tourism energy consumption in China(2002～2011)

      从旅游能源消耗的空间差异特征看，本文分别以2002年和2010年为研究界面进行比较分析，由图2中国各省份的旅游能源消耗量分级图可知，广东、上海、辽宁、浙江、湖北、江苏、四川、北京、湖南、山东这10个省市的旅游能源消耗量在2002年和2010年均较大，都位于前两个等级，而甘肃、安徽、海南、宁夏、青海这5个省市的旅游能源消耗量在2002年和2010年均很小，处于第四等级。对比2002年和2010年，旅游能源消耗量的等级跨越较大的省市有：天津由第二等级变为第四等级，内蒙古由第三等级变为第一等级，陕西由第四等级变为第二等级，可知天津的旅游能源消耗量增长幅度远低于全国水平，内蒙古和陕西的旅游能源消耗量增长幅度则远高于全国水平。

      

      图2 2002年和2010年中国旅游能源消耗量分级图

      Fig.2 The hierarchical map of China's tourism energy consumption in the year of 2002 and 2010

      

      3.2 中国旅游能源消耗与旅游经济增长的作用机制

      本文采用Moran'I、LMerr、LMsar3种空间自相关统计量，分别根据标准化的地理二分权重矩阵和经济权重矩阵对中国省域旅游能源消耗量的对数和旅游总收入的对数进行空间相关性检验，结果见表2。从检验的结果来看，在两种权重矩阵下，3种空间相关性检验结果都非常显著(Prob.=0.0000)，表明旅游能源消耗与旅游经济增长之间存在显著的空间相关性。同时，3种统计量的检验值均为正值，表明区域间旅游能源消耗和旅游经济增长在空间上具有明显的正相关关系，邻近地区之间的旅游能源消耗和旅游经济增长具有明显的相似性和空间集聚效应。此外，LMsar统计值都大于LMerr统计值，即空间滞后检验值大于空间误差检验临界值，且robust LMsar显著而robust LMerr不显著，因此两种空间权重矩阵下，均应选择空间滞后面板模型(SAR)进行估计与分析。

      进一步采用地理权重和经济权重，对中国省域旅游能源消耗与旅游经济增长进行空间面板估计，探讨二者之间的关联机制。考虑到空间效应和时间效应的不同作用，本文将空间计量模型分为4类：无固定效应(nonF)、空间固定效应(sF)、时间固定效应(tF)、空间和时间固定效应(stF)，并比较各模型的统计检验指标。根据空间相关性检验结果(见表2)，本研究采用固定效应的空间滞后模型(SAR)更为合理，在此进一步给出SAR模型的估计结果(表3)。由此可知：

      (1)空间滞后模型(SAR)中，在两种空间权重下，四种类型的回归系数(β)和空间自回归系数(ρ)均通过了显著性检验，进一步证实了中国省域旅游能源消耗与旅游经济增长之间存在显著的空间相关性，即地理因素和经济水平因素都对中国旅游能源消耗的空间溢出作用显著。此外，β和ρ估计值均显著为正，表明通过旅游能源消耗不仅推动本地区旅游经济的增长，还通过相邻省份的地理作用和经济联系等传导机制，推动周边地区旅游经济的增长，即表现出正向的溢出效应。

      (2)在两种空间权重下，空间固定效应(sF)模型的极大似然值(LogL)和拟合优度(

)均明显大于时间固定效应(tF)模型的相应值，表明相邻省域旅游能源消耗对旅游经济增长存在的空间外溢性体现在区域间结构性差异的误差冲击要远大于体现在时间性差异的误差冲击。对两种空间权重进行比较，可知基于地理空间权重矩阵下，除时空固定效应模型(stF)的极大似然值(LogL)略微小于经济空间权重矩阵下stF模型的相应值外，其余三种固定效应类型下，模型的极大似然值(LogL)和拟合优度(R2)均大于基于经济空间权重矩阵下的相应值，表明中国省域旅游能源消耗与旅游经济增长的相互影响关系中，相对地理位置的影响大于经济差距的影响。

      (3)对比四类固定效应模型的估计结果，时空固定效应(stF)模型的极大似然值(LogL)和拟合优度(

)为最大，由此可知，地区之间既存在固定效应影响，又存在时间固定效应影响，即表明不同区域随区位变化和随时间变化的影响要素均存在很大差异，尤其是前者(随区位变化的要素)，使得旅游能源消耗和旅游经济增长存在显著的时空差异。因此，将结构性和时间性均差异固定后的空间模型拟合得更好。根据时空固定效应(stF)模型解释变量的系数估计值(β)可知，在保持其他条件不变的情况下，旅游能源消耗每增长1%，区域旅游经济增长水平提高约0.14%；根据空间自回归系数(ρ)可知，相邻区域旅游总收入增加1%，本区域旅游经济增长水平提高约0.33%。

      

      4 结论与讨论

      本文分别基于地理空间权重矩阵和经济空间权重矩阵，运用空间面板数据模型，选取2002-2010年中国30个省市的面板数据揭示了旅游能源消耗与旅游经济增长的关联作用机制，研究结果表明：(1)在两种空间权重下，中国省域旅游能源消耗与旅游经济之间均具有显著的空间相关性，相邻省域的旅游能源消耗与旅游经济具有明显的相似性和空间集聚性。(2)中国省域旅游能源消耗对旅游经济增长的推动作用存在明显的空间溢出效应，纳入空间效应的空间滞后(SAR)模型能更好地拟合2002-2010年间中国省域旅游能源消耗与旅游经济增长的作用关系，即旅游能源消耗作为省域旅游经济增长的解释变量，不仅推动本省旅游经济的增长，还通过地理邻接和经济差距等空间传导机制对其相邻省份旅游经济发展产生影响。(3)中国省域旅游能源消耗与旅游经济增长的相互影响关系中，相对地理位置的影响大于经济差距的影响。不同省份随区位变化和随时间变化的影响要素均存在很大差异，尤其是前者(结构性差异要素)，使得旅游能源消耗对旅游经济增长的作用存在显著的时空差异。

      因此，根据实证结果提出了以下政策建议：(1)中国旅游能源消耗与旅游经济之间存在正向依赖性，政府决策部门在制定旅游能源消费政策和涉及旅游行业的价格调控措施时，应考虑到空间作用机制对能源消费的差异化作用。(2)旅游能源消耗是影响旅游经济增长的重要因素，因此，提高旅游能源利用效率尤为必要。应不断优化与升级旅游产业结构，重点发展游览、购物、娱乐、邮电通讯等需求弹性较高的高级要素部门，从而能以较少的旅游能源投入实现旅游经济的增长，走旅游经济效益好、旅游能源消耗低、环境污染少的可持续发展之路。(3)应推进省域之间的协调发展，并考虑到旅游能源消耗与旅游经济增长的空间布局均衡化问题，一方面通过旅游能源消耗的空间溢出效应扩大旅游能源消耗促进旅游经济增长的范围和程度，另一方面应减小旅游能源消耗量高，但旅游经济水平不高的区域对其临近省份的负向辐射作用。

      ①Matlab的空间计量经济学程序可从econometrics下载，主要由LeSage和Elhorst等人编写.

标签：旅游经济论文;  固定效应模型论文;  经济模型论文;  经济论文;  解释变量论文;  关联矩阵论文;  经济学论文;