1. 引言
入境旅游经济作为衡量一国或地区旅游业综合实力和国际竞争力的重要指标,不仅是展示区域形象和促进文化对外传播的重要渠道[1],而且在经济、社会以及外交等多个层面都发挥着至关重要的作用[2]。2023年9月27日,国务院发布的《关于释放旅游消费潜力推动旅游业高质量发展的若干措施》中,特别设立了“加强入境旅游工作”的章节部分,并针对性地进行了系统性的部署。这一举措充分表明,提高入境旅游经济水平已然成为推动旅游业高质量发展的核心任务。
然而,当前我国入境旅游的发展受到内部环境不足与外部环境冲击的双重影响,造成明显的滞后性,并遭遇了结构性的挑战[3]。根据中华人民共和国文化和旅游部相关数据显示,2019年中国国内旅游人次和收入分别同比增长8.4%和11.7%,而入境旅游人次和收入分别同比增长仅达2.9%和3.3%,说明我国当前的入境旅游市场正处于低迷状态。依据中国旅游研究院的数据统计,2019年海外游客入境旅游对我国GDP的贡献率仅占到0.5%,这一比例明显落后于其他主要国家,而中国的入境旅游潜力非常巨大,据估计如果能够提升我国入境旅游占比1%,将会为我国GDP带来超过13,000亿的增长空间,这足以说明入境旅游经济的发展对我国整体经济具有重要的影响作用。
此外,由于我国旅游业发展起步相对较晚,加之我国各地区间的经济发展水平、产业结构水平、交通区位条件、旅游资源禀赋等方面形成了显著的地域差异,使得我国入境旅游市场的发展呈现出明显的非均衡化和差异化特征。随着中国经济转型升级迈向高质量发展阶段,区域间的经济差距正在逐步缩小,区域间协同与一体化进程日益加强,这为构建经济高质量增长的新格局提供了关键路径。入境旅游市场作为这一经济体系中的关键支柱,其发展在区域一体化进程中扮演着关键角色。优势明显的省份通过优化其入境旅游服务,通过溢出效应有潜力地带动周边经济相对落后的地区,共同实现入境旅游市场的规模效应,进而优化区域内的旅游资源配置和利用效率[4]。针对此现状,《“十四五”文化和旅游发展规划》中明确提出,各地区要加大政策支持力度,有序实施入境旅游振兴行动,推动旅游业高质量发展。可见,研究考察新世纪以来我国区域间入境旅游业的发展进程具有重要的现实意义,有助于指导相关政策和实践,推动中国入境旅游业的可持续发展。
2. 文献综述
目前,入境旅游领域受到国内外各地区政府的高度关注和大力支持,并且成为了国内外旅游学研究的核心内容,众多研究分别从经济发展[5] [6]、产业结构[7]、对外开放[8] [9]、旅游资源[10]、季节气候[11]等多个维度出发,对影响入境旅游发展的各种条件进行定量刻画和分析,不仅丰富了入境旅游经济发展的理论体系,也为实践中的政策定制和产业规划提供了科学依据。陈锦龙等(2011) [12]在对我国省级国内旅游和入境旅游的影响因子面板模型构建研究中,发现人均GDP对旅游经济发展具有正向影响作用。鲍富元等(2023) [8]利用静态SDM模型就外资和外贸对入境旅游的影响进行了面板计量研究,发现本地区和邻近地区的外资开放度、外贸开放度每提高1%,均能对本地区的旅游开放度产生不同程度的正向促进作用。钟林生等(2011) [13]基于国内外相关研究基础,从旅游资源、旅游市场、旅游产品、旅游服务体系和旅游经济效益五个方面定性分析得出气候变化条件对中国旅游业起到重要作用。桂文林和韩兆洲(2010) [14]以SARS为例,利用TRAMO/SEATS季节调整模型对事件发生后的月度数据进行时间序列分析,发现公共危机事件对入境旅游外汇收入的季节特征影响趋势不显著。但Ren等(2022) [15]引入一系列回归模型量化新冠疫情对韩国济州岛入境游客的旅游行为的动态影响时,得出疫情等突发事件会对入境游客的旅游目的产生异质性影响。
随着空间计量模型在学术研究中的广泛应用,其在旅游研究领域中的运用日益成熟,形成了较为完整的模型系统。吴良平等(2020) [16]采用包含因变量滞后的空间权重矩阵构建模型以评估分析自变量的直接和溢出效应,结果显示,旅游资源建设和经济水平发展是推动区域入境旅游发展的重要途径。赵磊等(2014) [17]基于邻接空间权重矩阵、反距离空间权重矩阵等角度构建空间计量模型,探究了旅游发展与经济增长之间的空间溢出效应。雷振仙等(2023) [18]通过采用空间自相关、空间计量模型等方法实证发现了地理邻近、经济或制度相似的国家或地区在入境旅游发展方面具有显著的空间正向溢出效应。樊学秀等(2024) [19]针对我国2011~2019年的省域时空面板数据进行定性和定量结合分析,指出民航运输对入境旅游发达区域具有正向空间溢出效应,而对入境旅游不发达地区则表现为负向效应。杨维琼和张华(2015) [20]运用空间滞后模型和空间误差模型,测算的旅游资源、交通条件、对外开放度、区域经济水平等因素对外国游客存在直接影响效应。陈晓艳等(2020) [21]以浙江省65个县域单元为例,综合运用空间数据分析和空间杜宾模型,实证表明了浙江省县域的经济发展水平、旅游资源禀赋、旅游基础设施和区位交通条件均对邻近县域入境旅游经济的增长具有显著空间溢出效应。
综合现有文献研究成果,可以看出入境旅游经济的影响因素分析是众多学者关注的热点问题,虽然有一些学者将研究的重点放在了入境旅游经济中的一些关键因素上并进行了空间计量研究,但是大多数的研究偏向于单个因素的具体分析,缺乏必要的全面性。本文通过采取综合研究路径,以现有入境旅游经济的多个主要影响因素为切入点,不仅关注入境旅游经济的直接影响,还注重其在区域间所产生的间接效应,对其在我国不同区域间所产生的直接效应与溢出效应进行实证检验,旨在描绘我国区域间入境旅游经济的相互作用特征,并为我国区域入境旅游经济的均衡发展和可持续发展提供策略建议。
3. 实证研究设计
3.1. 研究对象
综合考虑各项指标数据的可获取性后,本文选取我国大陆地区的31个省级行政区作为研究对象,由于港澳台地区在统计入境旅游收入时对入境游客的界定方式与内地存在差异,故本研究将港澳台地区排除在空间分析范围之外。鉴于2020年新冠肺炎疫情对中国入境旅游经济造成了不利影响,导致当年旅游相关指标和数据缺乏代表性,因此,本文最终确定以2000~2019年作为研究的时间跨度,以实证分析中国省际入境旅游经济发展中各影响因素的空间溢出效应。
3.2. 研究方法
本文采用空间计量模型,该模型具有反映区域个体自身的特性及其空间关联性的功能,这在区域溢出效应的相关研究领域中已经获得了广泛的认可和应用。本文首先利用Moran指数对全国各省、市、区入境旅游外汇收入及其相关影响因素进行空间相关性分析;然后,运用STATA统计分析软件,通过LM检验对空间误差项和空间滞后项进行了评估,判断是否适宜采用空间杜宾模型来探究入境旅游经济的区域特性,再用Hausman检验考察固定效应面板数据模型的适用性;最后,利用STATA软件构建面板数据模型并进行实证数据分析,进而研究入境旅游经济影响因素的显著性和作用强度。
借鉴Piribauer和Fischer (2014) [22]的研究成果,本文将省份间的邻接0~1矩阵转化为空间权重矩阵,以此表示省际之间的地理空间关系。在此基础之上,采用Moran指数进行空间相关性检验,从而在空间整体层面上描绘了各变量的空间相关性:
(1)
其中,
是空间第i单元的属性值,
和S2分别代表样本方差,
为空间权重矩阵的W的元素。Moran’s I指数的取值范围介于[−1, 1]之间,有效反映出区域属性之间的空间相关程度,具体而言,当Moran’s I指数大于0时,说明区域间具有空间正相关性,即相似属性值倾向于在相同区域聚集;而当指数小于0时,则意味着区域属性表现出负的空间相关性,相异属性值趋向于在同一区域分布;此外,指数越接近于0,说明区域之间的空间自相关性越弱。
考虑到入境旅游经济在发展过程中存在跨地区特性,本文参考Lesage和Pace [23]的现有文献研究,将对模型选择问题进行一系列统计检验,包括Hausman检验、LM检验、LR检验及Wald检验,以验证空间杜宾模型(SDM)的适用性,所采用的SDM模型的基本形式表述如下:
(2)
其中,X代表解释变量矩阵,W为空间权重矩阵,WX则表示解释变量的空间滞后,
和
分别是被解释变量和解释变量的空间滞后系数,
为解释变量的系数,
代表误差项。
3.3. 指标选取
3.3.1. 被解释变量
中国入境旅游经济具有众多衡量指标,包括入境旅游外汇收入、入境旅游人数等,其中国际旅游外汇收入与旅游经济之间关联最为密切,故选取国际旅游外汇收入作为被解释变量,这一指标不仅直观反映了当地旅游业的繁荣程度,而且展现了地区的国际旅游服务领域的竞争力和文化软实力[24]。国际旅游外汇收入作为衡量入境旅游经济量化表现的核心指标,本文采用经过各年份对应人民币汇率换算过后的国际旅游外汇收入数据,用于评估该区域在特定时间跨度内的入境旅游经济量化表现。该数据能够反映特定区域内入境旅游的直接经济收益,并剔除汇率波动对收入数据的影响,保证数据的真实性和可比性。
3.3.2. 解释变量
根据现有文献中关于区域入境旅游业发展的研究表明,陈锦龙等(2011) [12]、周强等(2018) [25]通常偏向于分析区域的经济发展状况、居民生活水平、旅游资源等方面的指标。因此,在研究中构建空间计量模型时,将各省份入境旅游经济发展的驱动因素,包括经济水平、产业结构、开放程度、交通条件、生态环境以及旅游资源禀赋等因素设为解释变量纳入模型。经济发展水平由《中国统计年鉴》中各省份地区生产总值除以地区人口数量计算所得。产业结构水平为各地区第三产业产值与GDP的比值。贸易开放度为地区货物服务进出口总额与GDP之间的比值。交通网络密度为铁路、公路、内河航道线路里程加总后除以行政面积后的单位里程数的年增长变化率。生态气候条件由各省份的地方统计年鉴中气候年降水量取对数所得。旅游资源禀赋由《中国旅游统计年鉴》和中华人民共和国文化和旅游部官方提供的5A级景区数量、世界文化遗产、自然保护区、博物馆数量加总而得。
由于不同区域间数据的差异程度较大,故本研究对国际旅游外汇收入、经济发展水平、生态气候条件、旅游资源禀赋四个变量的数值进行取对数的预处理操作,以消除量纲对模型造成的影响。具体变量的定义及其说明详见表1,各变量的描述性统计结果整理如表2所示。
Table 1. Variable definition table
表1. 变量定义表
变量 |
定义 |
国际旅游外汇收入(Y) |
各省份国际旅游外汇收入(用人民币汇率进行换算,并取对数) |
经济发展水平(X1) |
各省份地区生产总值/人口数量(取对数) |
产业结构水平(X2) |
第三产业产值占GDP的比值 |
贸易开放度(X3) |
货物服务进出口总额占GDP的比值 |
交通网络密度(X4) |
单位省域面积内公路、铁路及内河航道总里程数的年增长率 |
生态气候条件(X5) |
各省份年降水量(取对数) |
旅游资源禀赋(X6) |
各省份5A级景区、世界文化遗产、自然保护区、博物馆数量总和(取对数) |
Table 2. Descriptive statistics
表2. 描述性统计
变量 |
样本量 |
均值 |
标准差 |
最小值 |
最大值 |
Y |
620 |
3.559 |
1.728 |
−2.666 |
7.271 |
X1 |
620 |
10.108 |
0.862 |
7.880 |
12.009 |
X2 |
620 |
0.427 |
0.091 |
0.286 |
0.835 |
X3 |
620 |
0.298 |
0.370 |
0.013 |
1.721 |
X4 |
620 |
0.073 |
0.189 |
−0.165 |
1.847 |
X5 |
620 |
6.611 |
0.633 |
4.316 |
7.986 |
X6 |
620 |
4.889 |
0.793 |
2.708 |
6.468 |
3.4. 数据来源和处理
数据来源于2001~2020年《中国统计年鉴》、2001~2018年《中国旅游统计年鉴》、2019年《中国文化和旅游统计年鉴》及2020年《中国文化文物和旅游统计年鉴》,2001~2020年各省份统计局出版的地方统计年鉴以及CSMAR数据库和中华人民共和国文化和旅游部的官方网站。在新冠疫情背景下,2020年之后,我国多个省份的入境旅游收益遭遇显著下滑,这一现象主要源于公共卫生紧急事件引发的旅行限制,而非经济基本面的变化,因此属于非可预见且不可控的外在冲击。为了确保模型分析的准确性,研究剔除了这一时期的异常数据,聚焦于2000~2019年的数据,以探讨各影响因素对入境旅游经济的直接影响和潜在的间接效应。
4. 实证结果及分析
4.1. 空间自相关性检验
在对入境旅游经济的空间效用进行空间计量模型实证分析之前,需要先检验各变量是否存在空间自相关性,因此对相关变量的全局Moran’s I进行测算,结果如表3所示。2000~2019年期间,经济发展水平(X1)、贸易开放度(X3)、生态气候条件(X5)的全局Moran’s I指数均为正值且在1%显著性水平上通过检验,这表明这些因素在空间上具有显著的正相关性,即经济水平、开放程度和生态条件在地理空间上存在明显的自相关特征。在同一研究期内,除个别年份以外,国际旅游外汇收入(Y)、产业结构水平(X2)、交通网络密度(X4)和旅游资源禀赋(X6)的全局Moran’s I均显著大于0,说明这些因素在全国范围内的空间分布并非完全随机,而是呈现出一定的地理集聚特征。
为明确各省份空间自相关的依赖性和异质性,需要进一步对2000~2019年31个省份的各变量均值进行局部空间自相关性检验。根据检验结果显示,七个变量均值的局部Moran’s I指数均呈现为正值,且至少有20个省份中观察到高高集聚和低低集聚的现象,表明各相关变量普遍存在显著的空间自相关性,其空间分布模式主要呈现出高高和低低的聚类模式,即相似属性的省份在空间上表现出聚集的趋势。
Table 3. Global Moran’s I
表3. 全局Moran’s I
年份 |
Y |
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
2000 |
0.173* |
0.459*** |
0.115** |
0.209** |
0.210** |
0.708*** |
0.104* |
2001 |
0.187* |
0.454*** |
0.178** |
0.276*** |
0.171** |
0.786*** |
0.124** |
2002 |
0.173* |
0.459*** |
0.184** |
0.274*** |
0.142** |
0.794*** |
0.128** |
2003 |
0.220** |
0.462*** |
0.182** |
0.290*** |
0.222** |
0.547*** |
0.117* |
2004 |
0.194** |
0.471*** |
0.054 |
0.332*** |
0.115** |
0.647*** |
0.197** |
2005 |
0.213** |
0.461*** |
0.074 |
0.319*** |
0.164** |
0.606*** |
0.173** |
2006 |
0.232** |
0.451*** |
0.071 |
0.319*** |
0.221** |
0.799*** |
0.266*** |
2007 |
0.236** |
0.444*** |
0.106* |
0.316*** |
0.256*** |
0.713*** |
0.291*** |
2008 |
0.366*** |
0.430*** |
0.113* |
0.299*** |
0.196** |
0.657*** |
0.160** |
2009 |
0.352*** |
0.425*** |
0.142* |
0.312*** |
0.052 |
0.689*** |
0.163** |
2010 |
0.346*** |
0.434*** |
0.198** |
0.312*** |
0.035 |
0.741*** |
0.147** |
2011 |
0.299*** |
0.430*** |
0.199** |
0.301*** |
0.024 |
0.680*** |
0.141** |
2012 |
0.283*** |
0.412*** |
0.205** |
0.272*** |
0.060 |
0.745*** |
0.082 |
2013 |
0.267*** |
0.392*** |
0.212** |
0.261*** |
0.181** |
0.609*** |
0.095 |
2014 |
0.281*** |
0.368*** |
0.194** |
0.274*** |
0.162** |
0.772*** |
0.092 |
2015 |
0.261** |
0.357*** |
0.172** |
0.322*** |
0.169** |
0.792*** |
0.099 |
2016 |
0.245** |
0.366*** |
0.184** |
0.317*** |
0.148** |
0.773*** |
0.106* |
2017 |
0.263** |
0.388*** |
0.189** |
0.317*** |
0.160** |
0.772*** |
0.184** |
2018 |
0.226** |
0.379*** |
0.204** |
0.313*** |
0.141** |
0.716*** |
0.175** |
2019 |
0.287** |
0.348*** |
0.253*** |
0.359*** |
0.142** |
0.637*** |
0.179** |
注:***、**、*分别代表1%、5%、10%的显著性水平,下表同。
4.2. 估计模型检验
根据估计方法而言,先后通过LM检验、Hausman检验、Wald检验以及LR检验来确定所适用的空间面板模型。本文用LM检验结果来判定选择空间计量模型,若检验结果拒绝空间误差项,则采用空间误差模型,若检验结果拒绝空间滞后项,则采用空间误差模型,若结果在空间误差项和空间滞后项两者检验均呈现为显著,则采用空间杜宾模型。通过Hausman检验来判定选择固定效应模型还是随机效应模型,若检验结果拒绝原假设,则选择固定效应模型;反之则选择随机效应模型。如果采用空间杜宾模型,则可以通过Wald检验和LR检验来检验空间杜宾模型是否会退化为空间滞后或空间误差模型,例如令所有解释变量的空间滞后项为零,若P值显著,则拒绝原假设,说明空间滞后项系数不为零,则空间杜宾模型不会退化成空间滞后模型;空间误差项同理可得检验结果。
最终各项估计检验结果如表4所示。首先,对空间滞后项进行的LM检验仅在5%的置信水平下通过显著性检验,说明空间自相关存在,但显著程度较低,故观察稳健LM检验的结果,发现均在1%的置信水平下显示出显著性,表明空间滞后效应和空间误差效应并存,实证研究选择同时包含这两种效应的空间杜宾模型(SDM)。其次,为模型选择进一步采取Hausman检验,结果显示,在1%的显著性水平下拒绝随机效应模型的假设,因此研究选用固定效应模型。最后,通过Wald检验和LR检验结果可得,在1%的置信水平上拒绝模型可简化的原假设,因此证明SDM模型不会降级为空间滞后模型(SAR)或空间误差模型(SEM)。此外,本文还对时间固定效应与空间固定效应进行检验,结果均拒绝了原假设,故选用时间和空间双固定效应模型。综上所述,本文最终采用时间和空间双重固定的SDM固定效应模型来探究入境旅游经济发展的空间溢出效应。
Table 4. Model validation results
表4. 模型检验结果
检验方法 |
特征值 |
LM检验空间滞后 |
5.437** |
稳健LM检验空间滞后 |
38.458*** |
LM检验空间误差 |
18.761*** |
稳健LM检验空间误差 |
51.782*** |
Hausman检验 |
80.72*** |
LR检验空间滞后 |
883.04*** |
Wald检验空间滞后 |
12.24*** |
LR检验空间误差 |
75.21*** |
Wald检验空间误差 |
11.94*** |
4.3. 回归结果初步分析
模型回归具体结果见表5,其中列(1)、(2)、(3)、(4)分别代表OLS、SAR、SEM、SDM模型的回归分析。在SDM模型中,入境旅游经济的空间自相关系数显著为正,表明相邻省份间的入境旅游经济发展相互依赖。经济发展水平(X1)、产业结构水平(X2)、贸易开放度(X3)、生态气候条件(X5)和旅游资源禀赋(X6)的回归系数均在一定置信水平上显著为正,说明上述五个因素的提升和发展都对入境旅游经济具有积极的促进作用。在现有学术研究中,普遍认为经济发展水平对入境旅游业的发展具有显著的正面推动作用,长期的经济增长为入境旅游业的持续发展提供了动力,促进了旅游产业链的形成,并保障了入境旅游外汇收入的稳定性。作为第三产业的重要代表,旅游业随着我国产业结构的不断优化升级,其在国民经济中的地位日益上升,这一趋势推动了入境旅游业的多元化发展,提升了产业的整合能力,同时新型旅游业态如智慧旅游、康养旅游等的出现,为入境旅游业的发展注入了新的活力。国家货物和服务的进出口总额作为衡量宏观经济的重要指标,不仅反映了国家的对外开放程度和国际经济联系的紧密性,也是推动我国入境旅游业向全球化发展的关键力量,促进了国际间的交流与合作,提升了我国国际旅游服务的竞争力,有助于吸引更多入境游客,增加入境旅游外汇收入。适宜的气候条件对于入境游客而言,意味着更加舒适的旅游体验,这不仅延长了游客在旅游目的地的停留时间,同时也增加了旅游支出,进而带动了入境旅游收入的增长。同时,气候条件直接影响了旅游业的季节性特征,不同季节的气候特点在很大程度上决定了入境游客的目的地选择和旅游活动类型。独特且丰富的旅游资源有助于提升旅游目的地的声誉和知名度,结合多元化的旅游体验和消费选择,进一步增强入境游客选择特定目的地旅游的意愿,从而推动入境旅游业的可持续发展。
其中,产业结构水平(X2)、贸易开放度(X3)和旅游资源禀赋(X6)的空间滞后项与入境旅游经济呈现显著的正相关关系,这表明区域内的产业结构升级、对外开放程度的提升以及旅游资源禀赋的丰富程度,均能产生明显的正向空间溢出效应,可见其会对相邻省份的入境旅游经济产生积极的辐射作用。接下来,我们将进一步分析这些因素在空间上的分解效应,以更好地了解它们在不同空间尺度上的作用机制。
Table 5. Model regression results
表5. 模型回归结果
变量 |
OLS(1) |
SAR(2) |
SEM(3) |
SDM(4) |
X1 |
0.708*** |
(14.03) |
0.716*** |
(5.40) |
0.706*** |
(5.35) |
0.798*** |
(5.50) |
X2 |
0.639*** |
(7.57) |
0.371*** |
(3.40) |
0.405*** |
(3.79) |
0.267*** |
(2.60) |
X3 |
2.051*** |
(18.71) |
0.435*** |
(3.09) |
0.425*** |
(3.04) |
0.384*** |
(2.65) |
X4 |
0.332* |
(1.86) |
0.135 |
(1.12) |
0.135 |
(1.12) |
0.208 |
(1.58) |
X5 |
0.678*** |
(11.26) |
0.159** |
(2.38) |
0.158** |
(2.37) |
0.154** |
(2.20) |
X6 |
0.814*** |
(16.25) |
0.203*** |
(2.66) |
0.204*** |
(2.65) |
0.234*** |
(2.72) |
W × X1 |
|
|
|
|
|
|
−0.106 |
(−0.41) |
W × X2 |
|
|
|
|
|
|
0.889*** |
(3.70) |
W × X3 |
|
|
|
|
|
|
0.386* |
(1.68) |
W × X4 |
|
|
|
|
|
|
−0.482 |
(−1.64) |
W × X5 |
|
|
|
|
|
|
0.100 |
(0.86) |
W × X6 |
|
|
|
|
|
|
0.374** |
(2.26) |
常量 |
−12.429*** |
(−22.81) |
|
|
|
|
|
|
|
|
|
−0.032 |
(−0.59) |
|
|
0.102* |
(1.78) |
|
|
|
0.119*** |
(17.61) |
0.119*** |
(17.61) |
0.117*** |
17.61 |
|
|
|
|
|
−0.010 |
(−0.18) |
|
|
R2 |
0.777 |
0.700 |
0.696 |
0.717 |
注:括号内为t值,下表同。
4.4. 空间效应分解
尽管空间模型回归分析揭示了各影响因素对区域入境旅游经济的空间依赖性,但各因素产生的竞争情况并未从中明确展示。在常规分析过程中,由于空间溢出效应的存在,解释变量不仅对本地区的被解释变量产生影响,还可能对邻近地区的被解释变量产生作用[26]。因此,本文进一步计算各个影响因素对入境旅游经济的直接效应、间接效应和总效应,以深入剖析空间计量模型中的空间溢出效应。根据表6的分解结果可见,经济发展水平(X1)、产业结构水平(X2)、贸易开放度(X3)、生态气候条件(X5)和旅游资源禀赋(X6)这五个影响因素对入境旅游经济的直接效应均表现出显著的正向作用;而这些因素中,仅有产业结构水平(X2)、贸易开放度(X3)和旅游资源禀赋(X6)的间接效应表现出显著性,经济发展水平(X1)和生态气候条件(X5)对相邻省份的作用并不显著。此外,交通网络密度(X4)对入境旅游经济具有正向效应和负向溢出效应,但两者均未达到显著性水平。
产业结构水平(X2)对于入境旅游经济的直接效应和间接效应分别达到0.264和0.486,这意味着当一个区域的第三产业比重每增加1%,不仅会带动本省份的入境旅游经济提高0.264%,还会推动相邻省份的入境旅游经济增长0.486%。随着区域产业结构的优化与升级,资源配置和利用效率得到有效提升。尤其是旅游业,作为第三产业的重要组成部分,其在区域经济中的地位逐渐上升,这不仅促进了入境旅游产业的多样化发展,增强了旅游业的整合能力,还为旅游业的发展注入新的活力。此外,由于产业结构水平在空间上具有明显关联性特征,各省份在产业结构上互动合作、共同进步,促使部分产业从经济较为发达的省份向劳动力和资源成本较低的相邻省份转移,使得相邻省份能够在人才、技术等多方面实现资源共享,加速其工业化进程和经济增长,同时也带动了周边省份服务业的繁荣,为整个旅游行业的健康发展营造了良好的环境。
贸易开放度(X3)和旅游资源禀赋(X6)两者在5%的置信水平下均显示出对入境旅游经济具有显著的正向溢出效应。当本省份的贸易开放度提升时,可能会吸引更多的境外直接投资和国际贸易流量,外国投资者倾向于寻求利用邻近省份的资源和市场,进而形成溢出辐射效应,带动相邻省份的出口增长和外资流入。此外,本省份成功的贸易开放政策也会对相邻省份具有示范作用,使其实施类似的改革措施,吸引更多的境外游客。旅游资源的丰富程度同样能够充分提高旅游吸引力,激发境外游客的旅游需求,且相邻省份也可以通过借鉴本省份的旅游模式,模仿和学习其旅游资源开发策略,从而获得相应的利益。
Table 6. Spatial effect decomposition
表6. 空间效应分解
变量 |
直接效应 |
间接效应 |
总效应 |
X1 |
0.811*** |
(2.95) |
−0.121 |
(−0.24) |
0.690** |
(2.64) |
X2 |
0.264** |
(4.65) |
0.486*** |
(3.61) |
0.750** |
(5.24) |
X3 |
0.401* |
(1.79) |
0.390** |
(2.23) |
0.791* |
(1.87) |
X4 |
0.044 |
(1.04) |
−0.027 |
(−2.16) |
0.117 |
(0.59) |
X5 |
0.158** |
(2.40) |
0.089 |
(0.84) |
0.248*** |
(3.36) |
X6 |
0.213** |
(2.23) |
0.476** |
(2.54) |
0.689** |
(3.15) |
5. 结论与政策建议
本文研究了2000~2019年间经济发展水平、产业结构水平、贸易开放度、交通网络密度、生态气候条件、旅游资源禀赋六个因素对区域入境旅游经济发展的影响,并分析了其空间溢出效应,得到如下结论。一是经济发展水平、产业结构水平、贸易开放度、生态气候条件和旅游资源禀赋对入境旅游经济产生显著的正向促进作用。二是依据空间杜宾模型的估计结果,产业结构水平、贸易开放度和旅游资源禀赋均表现出正向的外部效应,说明相邻省份产业结构优化改善、对外开放和旅游资源丰富有助于本省份入境旅游经济的改善。基于上述实证研究结论,本文可以得到以下政策启示。
第一,针对各省份的自我发展策略,各省份应依据现有产业基础,推动传统产业与旅游业的融合发展,构建具有地方特色的旅游模式,以此提高区域经济附加值。根据区域气候特点打造独具风格特色的景区,开发特色气候旅游、农业旅游等产品,规划特色旅游小镇及生态旅游,提升区域旅游的国际知名度和吸引力;同时加强区域间及国际旅游市场的合作,实现旅游资源共享与优势互补,引进智慧旅游等先进技术,提升入境游客的体验感和安全感。
第二,鉴于产业结构水平、贸易开放度和旅游资源禀赋对入境旅游经济发展有显著的外部促进作用,应完善跨区域产业链协同发展机制,促进相邻省份产业链上下游企业的合作与交流,针对不同省份制定差异化的产业政策,结合省份的产业结构特点引导资源优化配置。同时,要鼓励技术的创新和转移,促进技术成果在区域间共享,从而有效提升相邻省份的产业结构水平。
第三,积极参与区域贸易合作,加强相邻省份间的经济联系,扩大对外开放程度,建立集跨境电商等功能于一体的多功能贸易服务平台,强化海外旅游宣传推广,提升省份旅游形象和知名度,增加对入境游客的吸引力。另外,通过建立区域旅游合作机制,如陕西和河南两省合作开发的“千年古都游”线路等,通过联合开发跨省旅游线路,整合省份间的文化旅游资源,推广联合旅游产品,同样能吸引更多入境游客,促进入境旅游经济的发展。
然而,本研究中仍存在一定的局限性:由于部分数据统计口径缺失及不可获取性,导致样本选择和变量设定可能对研究结果有一定影响。未来也可以考虑在获取更完整数据的基础上,结合不同省份的特征,进一步深入探究各因素对中国不同区域入境旅游经济的影响及溢出效应的差异性。