旅游发展、空间溢出与经济增长——来自中国的经验证据，本文主要内容关键词为：经济增长论文,中国论文,证据论文,经验论文,旅游论文，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。
一、引言 旅游发展与经济增长之间的关系研究不仅是旅游经济学研究的核心内容，也是旅游理论学者长期关注的热门话题。围绕旅游发展与经济增长之间关系研究的文献浩如烟海，但大致归为两个分支：一支立足于理论分析层面；另一支侧重于实证检验部分。长期以来，旅游发展对经济增长存在着何种影响关系，一直是理论界争论的焦点，贯穿于整个旅游经济学研究脉络。主流旅游经济学文献认为，旅游发展对经济增长存在显著的正向促进作用，然而，也有对此持怀疑态度的部分观点认为，旅游发展对经济增长并没有长期持续性贡献。顺理成章，本文拟从这一主题出发，在中国情景背景下，探讨旅游发展对经济增长的影响关系。 纵观国外实证文献，主要通过时间序列和普通面板数据分析对旅游发展与经济增长之间关系进行研究。例如，迪利特萨基斯(Dritsakis)、布里达等(Brida，et al.)与唐(Tang)分别对希腊、墨西哥与马来西亚的时间序列数据分析[1-3]以及马丁等(Martín，et al.)、法伊萨等(Fayissa，et al.)、苏克萨斯和普罗恩萨(Soukiazis & Proenca)和布里达等(Brida，et al.)分别对拉丁美洲、非洲、葡萄牙和巴西的普通面板数据分析[4-7]。但是，上述文献均存在一个共同点：即研究对象均定义为传统意义上独立的观察值，却忽视了旅游发展与经济增长在地理空间上的相关性与依赖性，简言之，实质上就是指以往计量研究模型仅是注意到了观察值自身旅游发展对经济增长影响的存在意义，而并未注意到这一经济现象对于其他观察值是否存在相应作用。一个基本的初步判断是，由于忽视了旅游发展对经济增长的空间溢出，从而使得传统研究对此现象的解释缺乏说服力。 通过既有文献梳理发现，鲜有文献将空间溢出纳入旅游发展对经济增长影响的实证研究框架中，国外文献至今尚未涉及，国内仅有的两篇代表性文献分别为宋慧林、马运来[8]和王良健等[9]的相关研究。前者以2007年省际旅游收入截面数据为研究对象，仅仅证实了省际旅游经济发展具有正的空间自相关性的简单结论，后者在未考虑控制变量的条件下，利用空间计量模型对1999～2007年旅游发展与经济增长面板数据实证研究发现，旅游发展对经济增长具有长期推动作用。基于主流经济学理论的研究，特别是诸如旅游经济学这样的新兴研究领域，一般都将研究对象在地理空间上的分布假设为均质性，研究对象在区际之间并不发生经济作用，在这种假设下的旅游经济研究由于忽略了空间因素而与现实不符。基于此，本文将空间效应纳入旅游发展对经济增长影响的计量模型中，采用较为前沿的空间面板计量经济方法，从时空两方面揭示旅游发展对经济增长的空间溢出，以期能够进一步丰富旅游发展与经济增长关系研究的实证文献。上述两篇文献的共同之处是在空间自相关性检验中都只运用了二进制地理空间权重矩阵，由于此空间权重矩阵的邻接标准设定受到普遍质疑，为了提高研究结论的解释力，本文接下来在对旅游发展影响经济增长的空间面板计量模型中引入地理三种空间权重矩阵，进而最终揭示旅游发展对经济增长是否存在空间溢出效应。 二、典型事实与理论分析 (一)旅游发展时空差异现状 区域经济理论认为，在中国这样一个地域幅员辽阔、旅游资源相对丰裕且具有复杂生成机制的综合经济体内，由于资源禀赋、区位条件、产业结构、基础设施、技术创新等因素的差异，旅游经济发展在时空上呈现出典型非均衡性，具体表现为：宏观上，无论是旅游发展规模还是效率，均表现出明显的东、中、西部地区梯度差异；微观上，省际旅游发展也存在时空差异，经泰尔指数测算，东部地区省际旅游发展差异水平最高，其次为西部，中部则最低。2009年，东部地区省际间旅游发展泰尔指数为0.1888，中西部地区省际间旅游发展泰尔指数分别为0.0062和0.0234。1999～2009年三大地区内旅游发展省际差异泰尔指数均值为0.097，三大地区间旅游发展省际差异泰尔指数均值为0.064，说明中国旅游发展省际时空差异水平主要由三大地区内省际差异水平所决定，年均贡献率达到60.1％。如上所证，中国旅游发展在现实运行过程中不可避免地存在地理空间因素。 (二)旅游活动时空本质属性 时空两维是认知社会文化、政治与经济活动的基本框架，旅游活动也不例外[10]。对此问题的理解，需要从旅游学研究的基本逻辑架构出发。时间和空间是旅游的本质属性，旅游活动异地性与历时性特征说明旅游是时空统一体。旅游活动的空间移动需要时间约束，旅游活动的时间体验需要空间串联，旅游活动由此获得时间性与空间性。不仅仅是旅游实践活动具有时空属性，旅游理论研究也应融入时空思维，这种思维既关注旅游活动的“普遍联系”，又关注旅游活动的“变化发展”，体现出共时性研究与历时性思考相统一，为深刻揭示旅游活动现象及其规律开辟了更多途径[11]。时空思维在国外旅游理论研究中得以展现，比如，巴特勒(Butler)、约翰森(Johnson)以及韩德纳普(Haldrup)分别对旅游区时空演化、旅游者行为模式、旅游资源存在意义和旅游流分布规律的研究[12-14]。 (三)旅游发展溢出效应机制 旅游发展溢出效应机制主要分为两个方面：一方面，区域旅游发展带有典型的“用脚投票”特点，旅游流的流动实质上即意味着资本的空间流动，在此过程中，体现出旅游流对区域旅游产品吸引力的充分肯定。然而，考虑到旅游产品的地域个性与功能组合，旅游流因而具有了空间延展性，特别是随着旅游产业链向上下游纵深逐步延伸，则进一步为旅游发展空间溢出提供了发生可能。这在旅游流研究文献中可以发现部分端倪，例如，旅游流的空间地域结构、时空演化规律与空间扩散效应均印证了旅游经济活动的空间属性[15，16]。因此，除了旅游产业的空间集聚外，旅游流的空间扩散也是旅游发展外部性的重要表现形式。以上海世博会为例，江浙两省对世博会旅游者的分流显然对本区经济增长带来新的契机。另一方面，旅游产业实际是一个依附性较强的产业，其在发展过程中与基础设施和人力资本密不可分，而基础设施与人力资本都已被证明对经济增长具有显著的空间溢出效应[17-19]，由此可以初步推断，旅游发展对经济增长也应当具有空间溢出效应。 三、空间面板计量模型 (一)空间自相关检验 空间自相关性检验是空间计量经济分析的基本内容。由于Moran's I、LMerror、LMsar、Lrations、Walds等空间自相关性检验都是针对单个截面回归模型提出的[20]，所以不能直接用于面板数据模型。鉴于此，本文采用分块对角矩阵
，即增广空间权重矩阵，来代替Moran's I统计量计算公式中的空间权重矩阵，从而把上述检验形式扩展到面板数据分析中[21]。其中，最常用的是莫兰(Moran)所提出的Moran's I检验[22]，计算公式为：
其中，
表示第i个地区的观测值，n为地区总数，
为二进制的邻接空间权重矩阵，采用邻接标准或距离标准，其目的是定义空间对象的相互邻接关系。一般邻接标准为两个地区相邻取值为1，否则为0。Moran's I指数可视为各省区观测值的乘积和，其取值范围为-1Moran's I1，大于0表示各地区间为空间正相关，数值较大，正相关的程度越强；小于0表示空间负相关；等于0表示各地区之间无关联。该权重矩阵定义如下：
根据Moran's I指数计算结果，可采用正态分布假设进行检验n个区域是否存在空间自相关关系，其标准化形式为：
(二)空间面板数据模型 1.空间滞后模型(Spatial Lag Model，SLM) 空间滞后模型主要研究各变量在一个地区是否存在溢出效应，模型表达式为：
Y为被解释变量；X为n×k的外生解释变量矩阵；ρ为空间自回归系数，反映样本观测值中的空间依赖作用，表明相邻区域之间的影响程度；W为n×n阶空间权重矩阵；Wy为空间滞后被解释变量；ε为随机误差项向量。 2.空间误差模型(Spatial Error Model，SEM) 空间误差模型假设区域间的相互联系通过误差项来体现，当地区之间的相互作用因所处的相对地理空间不同而存在差异时，则采用这种模型。模型表达式为：
λ为n×1的截面被解释变量向量的空间误差系数；μ为正态分布的随机误差向量。λ衡量了样本观测值中的空间依赖作用，表明一个区域变量变化对相邻区域的溢出程度；式(5)和式(6)组成的空间误差模型其本质就是在线性模型的误差结构中加入一个区域间溢出因素。 3.SLM与SEM选择标准 判断地区间经济行为的空间自相关性是否存在，以及SLM与SEM哪个模型更恰当，一般可通过包括Moran's I检验和两个拉格郎日乘数(Lagrange multiplier)形式LMerror、LMlag来判断。安瑟琳等(Anselin，et al.)提出了如下判别准则：如果在空间依赖性的检验中，LMlag和LMerror都不能拒绝零假设，则坚持OLS结果。如果有一个LM检验统计量拒绝了零假设，但其他的没拒绝，也可以直接得出结论：如果LMlag拒绝了零假设，LMerror没有，就估计SLM；反之亦然[23]。 4.参数估计方法 SLM由于引入了空间滞后被解释变量Wy，由此会产生模型内生性问题，OLS估计会导致有偏且不一致；SEM误差项不是独立分布的，而是表现出空间相关性
，OLS估计虽然是无偏的，但不具有效性。显然，OLS方法并不适合处理空间相关性问题。而极大似然估计法(ML)能够克服以上问题，所以本文采用此方法来估计空间计量经济模型。 5.空间权重矩阵设置 空间权重矩阵不仅是空间计量经济模型构建的关键内容，也是地区间观察值空间地理作用效应的体现。对此，本文遵循规范研究惯例，分别设置地理邻接权重矩阵、地理距离权重矩阵和经济距离权重矩阵三种空间权重矩阵形式，以便准确反映出旅游发展对经济增长所产生的空间溢出效应。 (1)地理邻接权重矩阵 本文采用简单二进制空间权重矩阵，遵循Rook相邻规则，即两个地区拥有共同边界则视为邻接[24]。矩阵W设定方法如下：主对角线上元素为0，如果i地区与j地区邻接，则
为1，否则为0。在实证检验之前，W进行标准化处理。 (2)地理距离权重矩阵 由于地理邻接权重矩阵以是否邻接为标尺对空间单元彼此之间经济联系强度强行截断，显然有违经济活动联系的客观事实。“地理学第一定律”指出，大多数空间数据都具有或强或弱的空间相关性，距离较近的事物总比距离较远的事物联系更为密切[25]，不仅如此，鉴于目的地旅游产品吸引力所存在的地理距离衰减规律，所以本文引入另一种常用的空间权重矩阵，即依据两个地区之间地理距离的倒数来设定，两区之间地理距离越近，权重赋值越大。 该权重矩阵定义如下：若
。其中，d为两地区省会城市之间的空间距离。 (3)经济距离权重矩阵 本文借鉴王火根、沈利生[26]与王立平等[27]的思路，建立新的经济距离空间权重矩阵，基本原理是通过计算考察期间各地区实际GDP占所有地区实际GDP之和比重的均值来衡量地区经济水平的高低，并假设经济实力强的地区对周围地区产生的空间影响力较大，反之较弱。经济空间权重矩阵W是地理空间权重矩阵w与各地区GDP所占比重均值为对角元的对角矩阵的乘积，具体形式为：
(三)模型设定与数据说明 由于旅游发展在地理空间上存在明显的空间自相关性与溢出效应，若忽视这种空间效应，不仅无法真正揭示旅游发展对经济增长的影响效应，甚至可能导致相关研究结论出现偏误。因此，遵循曼迪森(Maddison)[28]的研究思想，初步回归计量模型设定为：
其中，
为被解释变量，表示省区经济增长；
为影响省区经济增长的一组控制变量；
为省区旅游发展，
为邻接省区旅游发展；
为空间权重矩阵；ρ反映邻接省区旅游发展对本省区经济增长的影响系数。上述基本模型侧重的是单一省区旅游发展对经济增长影响的空间效应，尽管具有一定理论可行性，但显然并不能同时反映出控制变量空间自相关性后，全国整体层面上旅游发展对经济增长的空间溢出，并且空间计量经济模型存在其固有的模型设定方式，所以需要对上述模型进行适当调整，以适应空间面板数据计量分析的要求[29]。为了保持数据的稳定性以及消除异方差，所有数据取对数。 结合上文空间计量经济模型设定方法，本文将空间滞后模型(SLM)设定如下：
从上式中可以看出，j省的旅游发展不仅可以影响本省经济增长，并且还通过此种影响进一步将上述作用传递“叠加”到i省(i≠j)经济增长上去。系数ρ实质上反映出相邻省份旅游发展对本省经济增长的影响效应。空间计量经济学正是采用这种不断“叠加”的方式来估计空间相关性。如果空间相关性由模型以外因素决定，可将空间误差模型设定为：
相关变量构造如下： 1.被解释变量与核心解释变量 (1)经济增长(pgdp) 被解释变量采用人均实际GDP表示地区经济增长水平，为了消除物价因素影响，对人均实际GDP的计算，以1999年为基期采用地区生产总值指数折算成实际GDP，然后除以当地人口总数得到人均实际GDP，相关数据来自《中国统计年鉴》。 (2)旅游发展(tour) 本文采用旅游产业专业化水平作为旅游发展衡量指标[30，31]，即利用包括国内旅游和入境旅游收入的旅游总收入占GDP比重来衡量地区旅游发展水平，与赵磊[32]研究保持一致。入境旅游收入与国内旅游收入数据来源于《中国旅游年鉴》，入境旅游收入使用当年人民币兑美元平均汇率变换算成人民币。 2.控制变量 (1)人均物质资本(pk) 首先，测算物质资本存量：按照凯勒(Keller)的做法[33]，利用
进行估算，
为初始年份投资量，g为其后数年投资的平均增长速度，δ为资本折旧率，按照张军等的估算[34]，δ取值为9.6％，然后以1999为基期的固定投资价格指数对历年固定资本形成总额进行折算，最后按照“永续盘存法”，利用
，计算出相应年份的物质资本存量。然后，用所得出的物质资本存量K与劳动力相除得到人均物质资本存量。 (2)人力资本(edu) 继舒尔茨(Schultz)、丹尼森(Dension)和贝克尔(Becker)之后[35-37]，经济学家逐渐开始将人力资本纳入增长模型来研究人力资本与经济增长关系。实际上，由于人力资本包括受教育水平、健康和知识等多个维度，截至目前，并没有形成一个公认的普适性度量指标。特别对于中国宏观经济研究，由于统计数据的限制，对于劳动者平均受教育年限而言，我们无法得到统一标准的不同层次的受教育程度比例。进一步考虑到人力资本的异质性，诸多文献也指出，只有受过高等教育的人力资本才对经济增长效率具有显著促进作用而非平均人力资本[38，39]。鉴于此，参照已有研究[40，41]，本文选用每万人在校高等学校在校大学生人数作为人力资本的代理变量。 (3)政府规模(gov) 采用政府财政支出占GDP比重来表示，该指标表征出一个地区的政府对经济活动的干预程度，政府支出对于经济增长的影响具有双面性，一方面，当政府财政支出用于界定和实施产权保护、改善教育和健康等公共服务与基础设施建设方面时，有利于促进经济增长；另一方面，当政府财政支出主要用于行政管理，且由于对经济活动进行干预时“政府失灵”，可能会导致资源配置扭曲，从而损害经济效率。事实上，最优政府规模理论认为政府规模对经济增长的影响关系表现出倒U形“Armey”曲线特征[42]。 (4)产业结构(str) 产业结构升级所产生的技术进步有助于提升产品附加值，成为经济增长转型的必要条件。伴随着产业分工的逐步细化，现代服务业的发展通过拉动内需、刺激消费和增加就业等方式对经济增长产生重要影响。采用第三产业就业人口占总就业人口比重来衡量产业结构，该比重越大，说明服务业发展水平越高。 (5)外贸依存度(tra) 外贸依存度被用作表征地区对外经济开放水平的常用指标，特别是出口作为拉动中国经济增长三驾马车之一，其对中国经济增长具有重要作用。出口部门参与国际竞争获取“干中学”效应，并且由于扩大了产品市场，使得生产规模得以扩张，从而实现国内生产规模经济。采用进出口总额占GDP比重来衡量，进出口总额使用当年人民币兑美元平均汇率变换算成人民币。 本文采用省际(省、直辖市、自治区)年度数据，为了检验近年来中国旅游发展与经济增长关系，同时考虑到数据的可得性，选择样本区间选定为：1999～2009年。本文所选用统计数据来源于以下中国官方公开资料：(1)《中国统计年鉴》(2000～2010)；(2)《新中国六十年统计资料汇编》；(3)《中国劳动统计年鉴》(2000～2010)；(4)《中国旅游年鉴》(2000～2010)；(5)中经网统计数据库。由于西藏数据不全未包括在样本中，这样形成最终用来进行实证分析的中国30个省份1999～2009年平衡面板数据集。 四、参数估计与实证结果分析 (一)空间自相关性检验 1.全局空间自相关检验 结合式(1)～式(3)可计算出旅游发展Moran's I指数及检验结果，空间权重矩阵为二进制地理空间权重矩阵，结果见表1。表1显示出旅游发展的空间自相关性检验，Moran's I指数均为正值，1999～2005年Moran's I指数均表现出不同程度的显著性，而2006～2009年并不显著，但仍基本上可以说明，旅游发展同样存在一定的空间自相关性，旅游产业空间集聚现象也已客观存在[43，44]。 还有两点需要注意：其一，旅游发展Moran's I指数大致呈现出减小态势，随着中国旅游发展的愈益深化，以旅游产品结构转型升级为核心的省际旅游竞争力的区际分化，使得中国省际旅游经济发展的时空分异现象愈发严重，旅游发展的空间分布非均衡性特征逐渐成为常态。其二，2006～2009年旅游发展Moran's I指数不显著并不能完全说明此时间段内旅游发展的空间自相关性不存在，主要原因在于，这里通过式(1)所计算的旅游发展Moran's I指数是通过简单二进制0-1地理空间权重矩阵得来，其本身就已存在弊端[45]，该权重矩阵的空间邻接标准认为空间单元之间联系与否取决于两者是否邻接，即只要空间单元彼此不相邻，就认为两者并不存在相互影响，而若空间单元相邻，则认为彼此具有相同的影响程度，这显然与旅游发展的本质特征不相符。众所周知，旅游发展具有明显的旅游流空间移动性，这也是旅游经济活动产生的根本前提，而若单纯地以是否空间邻接为标准判断空间单元之间是否存在旅游经济影响显然并不成立。举例来讲，中国东部沿海省区经济发展水平高，居民出游能力强，自然成为中西部国内旅游的主要客源地；其次，按照空间邻接标准衡量的区域地理位置，与上海邻接的只有江苏和浙江两省，但不能草率地认为上海旅游发展只与上述两省发生联系而与其他省区没有联系，也不能盲目地认为上海和在地理位置上与之相近的安徽省之间的相互影响和上海与青海、新疆等相对较远的省区之间的相互影响是等同的(在邻接权重矩阵中上海与安徽和上海与青海、新疆之间权重设为0)。石慧、吴方卫的研究指出[46]，Moran's I指数不显著不能判断任何地区的旅游发展与邻接地区无关，因为这种相关性可能只存在于部分地区，或者正负相互抵消，在统计上不显著，因此可以再通过局域Moran's I指数来考察局部地区的空间自相关性。 2.局域空间自相关检验 Moran's I指数统计量只能显示中国旅游发展存在空间集聚，但并不能展示相应空间集聚特征。为此，可进行两变量局域Moran's I指数散点图分析。具体而言，Moran's I指数说明区域经济活动全局相关性，而Moran's I指数散点图描绘局域空间相关性，从而说明变量的空间集聚特征，即观测值与其周边单元观察值的相近或差异指示程度。Moran's I指数散点图以(z，Wz)为坐标点(
为空间滞后因子，W为空间权重矩阵)，是对空间滞后因子(z，Wz)数据对的二维图示，Wz表示对邻近省份观测值的空间加权平均。 本文选取2009年旅游发展Moran's I指数散点图进行空间自相关性分析。
尽管旅游发展Moran's I指数可以从整体上描述旅游发展空间自相关模式，但由于均值化了地区差异，不能具体反映省份之间的空间依赖情况，所以，笔者重点分析图1所反映的旅游发展局域空间自相关性。图1显示，共有22个省份处于第一、第三象限，占到全部省份的73.3％，这说明2009年中国旅游发展主要呈现出高—高(HH)和低—低(LL)空间聚集特征，同时也进一步证实了上文Moran's I指数所表明的旅游发展呈现全局正的空间自相关性存在的初步判断。第一象限中，东部天津、长三角与西南四省旅游发展集聚水平较高，空间滞后值也高，说明此类地区旅游经济关联性强，旅游经济空间溢出明显；第二象限中，河北、湖南和广西旅游发展集聚水平不高，与周边地区旅游发展相比存在一定差距，若加强区域间旅游发展合作，可以受到来自周边地区旅游发展的辐射带动；内蒙古、吉林、黑龙江等14个省份处于第三象限，说明这些省份旅游发展集聚水平与溢出水平均不高；北京处于第四象限，这主要是因为北京旅游发展集聚水平较高，但与其邻近的部分地区，如河北、内蒙古、山东等旅游发展集聚水平不高，即高集聚地区被低集聚地区所包围，该象限地区旅游发展空间溢出不明显，反映出旅游发展集聚在地理空间上的分异性。
图1 旅游发展Moran's I指数散点图 3.空间自相关性再检验 为确保上述初步检验结果的稳健性，本文又在地理空间权重矩阵基础上报告出了旅游发展空间自相关性检验的LMerror、LMsar、Lrations、Moran's I和Walds五种检验统计量结果。表2显示，五种检验统计量为正，且均在1％水平上显著拒绝原假设(原假设为不存在显著的空间自相关性)，再次说明旅游发展存在正的空间自相关性，空间计量经济模型适用于本文研究内容。 (二)空间面板计量估计结果 空间自相关检验定量地验证出中国旅游发展和经济增长具有空间依赖性，接下来需要对空间面板计量模型进行估计，以便揭示旅游发展对经济增长的空间溢出。由于式(9)和式(10)在引入空间权重矩阵后，出现了空间滞后被解释变量与空间滞后误差项，模型不再满足计量经济经典假设条件，如果对空间面板模型仍然进行OLS估计，会导致前文中所提到的模型估计结果有偏或无效。对此，我们使用ML方法对所设空间面板计量模型进行参数估计。根据残差成分分解不同，面板数据模型分为固定效应模型和随机效应模型，由于本文是对中国所有省份旅游发展对经济增长的影响进行空间效应分析，所考察的截面单位属于全样本范围，所以本文使用固定效应模型进行估计①。为了便于对比分析，本文同时对式(9)和式(10)进行传统面板数据固定效应估计，空间面板SLM模型和SEM模型估计通过Matlab软件及其空间计量工具包实现。根据对空间效应和时间效应的不同控制，空间计量经济模型又可分为无固定效应模型、空间固定效应模型、时间固定效应模型和时空固定效应模型四种类型。 表3报告基于简单邻接权重矩阵的空间面板计量经济模型估计结果。笔者所关注的SLM模型的空间自回归系数ρ和空间误差回归系数λ均在5％水平上显著，进一步说明模型估计中必须考虑空间效应，OLS估计显然欠妥。以往的经验研究由于假定省区之间观察值相互独立，导致估计结果并不能真正反映出两者的真实关系，所以需要通过引入空间因素对经典线性模型予以修正。
从拟合优度检验值看，SLM模型和SEM模型LM值都高于传统个体固定效应模型，当然，由于空间计量模型采用的是ML方法，基于残差平方和的分解拟合优度检验意义不大，为此可以采用对数似然值进行比较，可以发现两种模型对数似然值也都大于传统个体固定效应模型。接下来我们转向SLM模型与SEM模型的选择判断，在模型选择问题上，目前较为认可的做法是先用OLS方法估计不考虑空间相关性的受约束模型，然后进行空间自相关性检验，如果LMsar(或LMerror)比LMerror(或LMsar)统计量更显著，那么应当选择SLM模型(或SEM模型)。安瑟琳等(Anselin，et al.)利用蒙特卡洛试验方法已证明，此种方法可以作为判别空间计量经济模型的有效手段[47]。因此，由表2所示拉格朗日乘子统计量可以判定，面板SLM模型比面SEM更为合适。再次，进一步通过拟合优度与对数似然值比较，面板SLM空间固定模型与面板SLM时空固定模型较为相近，尤以面板SLM时空固定模型最优。 根据以上判断，两种模型时间固定效应形式首先被排除，此时结合ρ与λ均在5％水平上显著为正，且都小于1，表明省际间旅游发展存在正的空间依赖性，相邻省份旅游发展存在着相似的空集聚特征。
更重要的发现是：旅游发展对经济增长存在省际间的空间溢出效应，即某一地区的旅游发展对其相邻地区的经济增长具有显著正向促进作用。从两种模型总体估计结果上来看，各解释变量估计系数大小与方向差别不大，基本符合理论预期。面板SLM时空固定模型估计显示，旅游发展对经济增长的影响系数为0.0288，且在1％水平上显著，即在其他条件不变情况下，旅游发展提高1％，将正向促进经济增长提高0.0288％，这显然成为本文重要的研究结论：即在考虑空间效应因素条件下，中国旅游发展依然对经济增长存在着积极作用，并且表现出显著的空间溢出效应。旅游发展对经济增长的空间溢出可能来源于两条微观路径的相互耦合作用：一条路径是旅游产业的空间集聚，另一条路径是旅游流的网络扩散，前者是旅游供给的市场配置，后者是旅游需求的原生动机。此外，本文还得出另一重要研究发现，就发展中国家而言，还可能存在着相似的旅游发展对经济增长的影响效应。比如：利用相同的旅游发展代理指标，希特纳(Seetanah)利用动态一步系统广义矩估计(SYS-GMM)估计对19个发展中国家②1995～2007年面板数据实证研究发现，经济增长对旅游发展回归系数为0.033[48]，而法伊萨等(Fayissa，et al.)对42个非洲国家1995～2004年静态面板和动态面板数据经验考察发现，估计系数分别为0.0378和0.0249[49]，结合本文对中国的研究发现，我们有理由相信，发展中国家旅游发展对经济增长的影响效应可能基本维持在0.02～0.04左右。 (三)稳健性检验 第一，通过表4面板SLM时空固定效应模型可知，空间自回归系数在1％水平上显著为正，再次说明中国旅游发展存在正向空间自相关效应，旅游发展对经济增长的空间溢出效应显著。结合表3，两种空间权重矩阵的计量模型空间自回归系数分别为0.4471和0.6241，说明地理位置特征与社会经济特征均会对旅游发展影响经济增长的空间相关效应产生影响。表3与表4显示空间自回归系数显著为正，表明地理邻接对旅游发展与经济增长的影响关系具有显著正向影响，地理邻接意味着旅游者的出游成本较低，便于旅游流的空间扩散，此外，区域地理空间上的旅游战略合作联盟为旅游者提供了更多的出游选择，从而有利于旅游发展的空间集聚。同理，表5空间误差系数显著为正，社会经济特征相近的地区之间旅游发展具有相互促进的正向影响。经济发展相近地区间旅游发展路径与模式具有相似性，经济发展不仅可以增强目的地的旅游产品供给能力，也可彼此互为客源市场，提供旅游发展必需的市场规模，由此两个地区更易形成旅游发展的空间集聚。 第二，相比之下，表4的空间自回归关系数要大于表3，这表明基于地理距离的空间溢出效应大于基于地理邻接的空间溢出效应，即客源地旅游者对旅游产品具有“隔区消费”特征，或者说目的地旅游产品可能存在着“隔区吸引”现象，某一客源市场对其邻接地区旅游产品逐渐产生“消费疲劳”，在可控的时空约束条件下，消费需求的多样化促使客源市场发现新的旅游目的地。比如，上海居民出游首要选择可能并非江浙两省，在条件允许的情况下，其他省份具有地域特色的差异化旅游产品可能对其更具吸引力。换言之，地理位置并不邻接的地区，旅游发展对经济增长的空间溢出效应可能更大。 第三，表5面板SEM时空固定模型显示，空间误差回归系数显著为正，考虑到地区间经济距离差异时，意味着某省份经济增长不仅受到自身旅游发展的显著影响，同时还与邻近省份经济增长的随机误差冲击相关，即影响一个省份经济增长的其他因素还会对周围省份的经济增长具有溢出效应，由于面板SEM模型主要反映的是误差项的空间相关，即是由一些模型设定之外的因素所导致的空间相关，如地区生产技术水平、管理能力、基础设施等因素对周围省份经济增长所形成的空间溢出。由此我们可得到一个重要启示：市场分割对要素流动与资源配置所起的负面作用可能是导致地区间经济差距的重要因素，鉴于影响一个地区经济增长的其他因素还会对其周围地区经济增长产生间接扩散效应，因此，进一步消除省际市场壁垒，加速区域市场一体化进程，成为地区经济增长空间溢出的重要传导机制。 第四，稳健性分析的内容主要分为两个方面：其一，传统个体固定效应模型显示，旅游发展对经济增长的影响系数为0.0538，而考虑不同经济意义的空间权重矩阵的计量模型显示，旅游发展对经济增长的影响系数范围为0.0271～0.0367，显而易见，普通面板回归由于没有考虑空间效应高估了旅游发展对经济增长的产出弹性，但旅游发展对经济增长具有显著正向促进作用的基本结论十分稳健；其二，由表3和表4空间自回归系数显著为正可知，中国旅游发展对经济增长存在显著的空间溢出效应，即旅游发展对经济增长具有正的外部性，上述旅游发展对经济增长的平均溢出效应为0.5356，旅游发展对经济增长的平均影响效应为0.0328，根据胡鞍钢、刘生龙的估算方法[50]，旅游发展对经济增长的直接影响效应和空间溢出效应之和泰勒公式展开为：
由上式可以估算出中国旅游发展对经济增长的空间溢出效应为：
这就意味着1999～2009年，旅游发展提高1％，其正外部性所导致的经济增长为0.0378％，而由旅游发展直接导致的经济增长为0.0328％。
五、研究结论与启示 由于传统计量经济学研究文献忽略了变量在区域间的空间相关性，往往导致研究结论并能不真实地解释变量之间的相关影响关系。鉴于此，本文采用经济学较为前沿的空间计量经济方法，利用中国30个省区1999～2009年面板数据对旅游发展与经济增长相互关系进行了经验考察。
第一，通过空间自相关性检验证实，旅游发展具有正的空间依赖性，呈现出显著空间集聚特征，绝大部分省份处于高-高(HH)和低-低(LL)类型区。 第二，本文所构建的空间计量经济模型估计结果显示，中国作为世界上最大的发展中国家，旅游发展对经济增长具有显著正向促进作用，并且旅游发展对经济增长还存在正外部性作用，即旅游发展对经济增长具有显著空间溢出效应，本省区旅游发展能够促进相邻省区经济增长，上述结论具有较强的稳健性。此外，另一研究结论是：笔者发现在发展中国家，旅游发展对经济影响效应具有相似性，对于中国而言，当我们将空间相关性纳入模型估计过程中之后，认为中国也不例外。究其原因，可能是因为发展中国家在旅游产业发展环境、成长模式以及旅游发展对经济增长的影响机制等方面具有相似性。 第三，古典增长模型与新经济增长理论所强调的经济增长决定因素在本文模型中得以验证，物质资本与人力资本仍是推动中国经济增长的重要动力，并且物质资本投资作用较大，这一结果与普通面板估计结果相仿，只是前者由于未考虑空间相关性，并未检测出人力资本对经济增长所具有的显著正向促进作用。其他控制变量如产业结构与政府规模估计系数也与既有文献相一致，外贸依存度回归系数为负且显著性不强，说明今年国际市场的不稳定性对中国经济增长产生了一定负面影响。 与本文研究结论相关的政策启示显而易见。 (1)由于中国旅游发展存在明显的空间依赖性，且呈现出鲜明的区域结构性差异，因此现有的对于旅游发展欠发达地区的扶持政策仍然需要继续推进，比如：对上述地区给予政策优惠、财力扶持、人力支持等。旅游发展既能直接促进经济增长，又能够通过其正外部性间接地促进经济增长。 (2)旅游发展对经济增长具有显著空间溢出效应，意味着区域旅游合作战略联盟内相互协调配合的重要性，其中最为关键的就是建立旅游生产要素流动的市场调节机制，打破行政性障碍因素，实现资源要素的合理配置，将有助于提升旅游产业发展对经济增长的影响效应。其次，加强区域旅游客源市场对接合作，延长旅游产品生产链，构建区域内差异互补的旅游产品供给体系实现旅游流在区域内的扩散分流，最终通过区域旅游一体化建设强化旅游发展对经济增长的空间溢出效应。此外，省区在进行旅游产业规划或制定旅游产业政策时，应该具有全局前瞻性宏观战略眼光，要充分利用旅游产业集聚、旅游企业知识溢出、旅游线路设计、旅游产品市场推介、旅游客源市场共享等旅游发展空间微观溢出条件，加强跨区旅游合作交流，从而扩大旅游经济发展的空间溢出范围。 (3)尽管旅游发展对经济增长的空间溢出效应可能会由于空间距离的扩大作用强度降低，但是可以通过政策实施来加强跨行政区间的旅游发展与经济增长空间联系，比如：建立旅游发达省区与旅游欠发达省区对话合作机制，或者建立对口支援旅游工作机制，从而为旅游发展对经济增长创造多种溢出路径。从宏观上考虑，应将地区间的空间相关性纳入旅游发展及经济增长的分析与政策制定过程中，充分重视中西部地区与东部地区之间的地理空间联系，为地区间旅游发展竞合创造优越外部环境，深入推进三大地区之间或内部互动，从而实现旅游发展的网络化经济效能。 (4)本文还发现，目前人力资本对经济增长的影响作用尚小，主要原因还是因为劳动力受教育程度较低，由于人力资本相比物质资本会有更高的回报率，因此，接下来要加大人力资本投资，改善人力资本配置效率，推进人力资本结构优化，特别是异质性人力资本的加速积累，由此提高对科技创新的吸收能力，从而对经济增长产生持续推动。 注释： ①事实上，当样本需要通过特定个体性质来推断总体性质时，选择随机效应模型；当回归分析仅局限于一些特定个体时，则选择固定效应模型，本文空间计量经济模型建立在全部省份基础上，所以应选择固定效应模型。 ②孟加拉国、博茨瓦纳、巴西、塞浦路斯、中国、埃及、埃塞俄比亚、印度、肯尼亚、卢森堡、马来西亚、墨西哥、巴基斯坦、尼日利亚、南非、斯威士兰、乌干达、赞比亚。
标签：经济模型论文; 面板数据论文; 经济指数论文; 经济论文; 经济增长论文; 空间分析论文; 空间数据论文; 解释变量论文; 差异分析论文; 矩阵分解论文; 经济学论文; 自相关论文; 地理论文;
