基于空間效應的江蘇旅游業彈性系數研究

苗圃

[提要] 本文基于VES生產函數模型、空間計量經濟模型和2004～2012年江蘇截面數據平均值測算江蘇餐飲住宿業對旅游產出的影響。通過Morans I指標檢測得出江蘇旅游業具有明顯的空間集聚特征；考慮空間效應的江蘇餐飲住宿業對旅游產出的估計結果顯示，餐飲住宿業的資本投入與勞動力投入的彈性系數分別為0.4755和0.4062，處于規模報酬遞減階段。

關鍵詞：空間效應；江蘇；彈性系數；餐飲住宿業

本文系江蘇省高校研究生科技創新計劃項目，揚州大學資助（編號：CXLX13-929）

中圖分類號：F592 文獻標識碼：A

收錄日期：2014年7月24日

一、引言

旅游產業主要涉及到食、住、行、游、購、娛等六個相關產業，也就是說這六個產業很大程度上決定了地區旅游收入的多少。根據新古典增長理論，資本、勞動和技術的投入對產業的經濟增長起到決定性作用。所以，旅游產業的資本、勞動和技術的投入會對旅游產業的經濟增長起到決定性作用。但是，由于學術界對旅游產業界定的研究仍無確切的定論，所以本文著重研究江蘇的餐飲住宿業對本省旅游產出的影響。

生產函數是研究某產業的投入與產出的數學模型，但不足的是生產函數僅僅是從數理角度研究二者的關系。在現實中，一個區域的發展必然受到空間的約束，區域旅游業的發展也不除外。因此，為了更有效地研究江蘇的餐飲住宿業對本省旅游產出的影響，本研究將從空間計量經濟學的角度，運用VES生產函數，通過Morans I指標檢測江蘇省域旅游產出的空間效應，并測算餐飲住宿業對江蘇旅游產出的影響。

二、考慮空間效應的生產函數模型

本文在研究中使用的生產函數模型為VES生產函數。與其他生產函數相比，VES生產函數的特點是：考慮兩個投入要素對產出的影響，參數估計相對簡便；投入要素的替代彈性可變，更符合實際情況；各要素的生產彈性不是固定值，受到多個投入要素的影響。所以，本文選用VES生產函數作為研究江蘇餐飲住宿業對本省旅游產出的影響的模型。

首先，建立VES生產函數基本模型：

其中，A，b，c為參數為參數，Y為產出，K為資本，L為勞動，u為規模收益。u=EK+EL， 代表資本K的彈性， 代表勞動力L的彈性。當u>1時，規模收益遞增；當u=1時，規模收益不變；當u<1時，規模收益遞減。

對（1）式兩邊取對數，得

令λ=，則Z（λ）=ln（L+λK），在λ=0處泰勒級數展開，得Z（λ）=lnL+λ+o（λ），代入（2）式，得

上式并未考慮空間作用，僅是從數理角度研究投入與產出的關系。根據Anselin和Griffith的觀點，不同區域之間的經濟行為存在著空間效用。在生產函數中考慮空間效用，主要有兩種模式：空間滯后模型和空間誤差模型。一個區域的產出不僅受到本區域投入的影響，也受到臨近區域的溢出效應的影響，如果考慮這種溢出效應，生產函數轉化為空間滯后模型（SLM）；但是，生產函數僅考慮了極為有限的投入要素，而并未考慮其他要素在空間上對產出的影響，而其他要素是通過誤差擾動項ε來表示，如果考慮誤差擾動項在空間上的影響，生產函數轉化為空間誤差模型（SEM）。

VES生產函數的SLM模型：

其中，WlnY是空間滯后變量，是指與一個區域相鄰的其他區域的經濟行為變量的加權和，ρ是參數，反映的是鄰近區域空間溢出效應。空間滯后模型表示，本地區的產出不僅受本地區的投入要素的影響，而且受鄰近地區溢出效應的影響。

VES生產函數的SEM模型：

ε=λWε+μ

其中，Wε是空間誤差變量，是指其他投入要素在考慮空間效應時的加權和，λ是參數，反映的是空間誤差溢出效應。空間誤差模型表示，由于生產函數所考慮的投入要素十分有限，而其他的要素對本地區的產出在空間上影響更大。

三、研究樣本、數據來源及使用的軟件

本文主要研究江蘇餐飲住宿業的固定資本投資額和勞動力人數對本省旅游業的影響，這個研究是在考慮空間效用的基礎上展開的。所以，本文以江蘇省的地級市、縣級市、縣共64個區域為樣本，選取2004年至2012年江蘇國內旅游收入作為被解釋變量、江蘇餐飲住宿業的固定資本投資額和勞動力人數作為解釋變量。即Y是國內旅游收入，K是固定資本投資額，L是勞動力人數。數據來源于2005年至2013年的《江蘇統計年鑒》和相關政府網站，部分缺失數據通過計算估計得出。分別對國內旅游收入、固定資本投資額、勞動力人數的樣本數據取對數，以此消除數據的異方差性，而且這也使數據符合模型的形式（即（4）式和（5）式），便于未知參數的估計。

本研究是以Anselin開發的用于空間數據分析和回歸分析的GeoDa軟件作為分析工具。

四、空間依賴性檢驗

（一）空間權值矩陣的選擇及全局Morans I分析。在使用Morans I指數進行分析之前，首先要確定空間權值矩陣。這是地理空間結構的數學表達，不同的矩陣形式會對結果產生不同的影響。在當前的空間計量經濟學的研究中，空間權值矩陣主要分為兩類：基于鄰近的矩陣，基于距離的矩陣。其中，常用的矩陣主要有以共同邊界定義的rook矩陣、以空間實際距離定義的distance矩陣、以最近空間距離定義的K-nearest矩陣。每種矩陣又可以劃分為不同階數的矩陣。本研究也是基于這三種矩陣測算Morans I指數，并從中選擇最適合的矩陣。本文分別使用rook一階至三階矩陣、K-nearest一階至六階矩陣、distance一階至三階矩陣計算全局Morans I指數，結果如表1所示。（表1）

根據表1分析，依據rook-1、k-1至k-6、d-1這幾個矩陣計算的全局Morans I指數顯示較明顯的空間相關性，且它們的假設顯著性水平P都為0.001，說明矩陣十分顯著。其中，rook-1的值最大，最能體現江蘇區域整體的空間分布特征，說明江蘇區域旅游收入存在較大的空間正相關性，具有相同屬性值的區域集聚在一起。

除此之外，rook矩陣和distance矩陣隨著階數的上升，全局Morans I指數值也在不斷地下降。這就說明隨著距離的增加，江蘇省內不同區域之間的影響在減弱，這體現出經濟影響的距離衰減趨勢：旅游業的區域溢出效應隨著距離的增大而減弱。

（二）局部Morans I分析。全局Morans I指數只能測量整體區域的分布特征，所以，還須用局部Morans I指數測量區域局部的分布特征，以揭示江蘇省內不同區域的空間集聚特征，即局部自相關性。依據上文的測算，選用rook一階矩陣作為空間權值矩陣，以計算局部Morans I指數，并畫出了相應的散點圖。（圖1）

根據圖1分析，第一象限為高高集聚，第三象限為低低集聚，第二和第四象限為非典型區域。圖中，大多數的點位于第一和第三象限中，呈現較為明顯的正空間自相關性，且局部Morans I指數值為0.590121，也表明了這個分布特征。其中，蘇州市區、昆山、常熟、吳江、太倉、無錫市區、江陰、宜興、鎮江市區、丹陽、句容、常州市區等12個區域旅游收入表現為高高集聚特征；宿遷市區、泗洪、沭陽、灌南、盱眙、漣水、響水、濱海、射陽、阜寧等10個區域旅游收入表現為低低集聚特征。由此說明，江蘇省旅游收入的局部空間特征表現為明顯的核心——外圍分布特征。所以，應該在考慮空間效應的基礎上研究江蘇的旅游經濟，這樣才能得出更符合實際的研究結果。

五、江蘇旅游業彈性系數估計

通過上文研究，發現江蘇區域旅游產業具有明顯的空間效應，所以在此基礎上，測算江蘇餐飲住宿業的固定資本投資額和勞動力人數對江蘇旅游收入的影響。（表2）

據表2分析，基于rook-1矩陣的LM（lag）和R LM（lag）、LM（error）和R LM（error）均大于基于d-1矩陣的同種指數值，說明基于rook-1矩陣計算的模型較優；基于rook-1矩陣的LM（lag）和R LM（lag）較LM（error）和R LM（error）更顯著。而且，LM（lag）和R LM（lag）的概率值也表明二者均通過了0.01%的顯著性檢驗。所以，基于rook-1矩陣的SLM模型最可取。

最大似然估計所依據的權值矩陣只能是對稱鄰接關系的矩陣，K-nearest矩陣不屬于此種矩陣，所以表3的回歸分析是基于rook一階矩陣和distance一階矩陣（依據表1的計算結果，在每種矩陣中選擇的最優矩陣）。（表3）

第一，根據表3的回歸結果分析。由于OLS模型的擬合優度R2的值較低，為0.866，模型中自變量與因變量的線性關系相對較低，是三種模型中最差的。所以，首先排除OLS模型。SLMrook-1的擬合優度R2為0.9196，僅次于SEMrook-1，擬合效果顯著，而且SLMrook-1的各個變量的顯著性水平是所有模型中最高的，說明SLMrook-1模型的自變量對因變量的解釋效果很好。SLMrook-1的Log L值最大，AIC和SC值的絕對值比較高，但是優于SEMrook-1，說明此模型的整體擬合效果較好。除此之外，所有模型的BP值都非常的小，表明不存在異方差性，這也證明了本研究先對數據取對數，再用于計算確實達到了基本消除異方差性的效果。所以，選擇SLMrook-1作為回歸模型。這個模型表明江蘇旅游收入的空間效應主要是由鄰近區域的溢出效應所體現。而且，SLMrook-1的值為0.3631且十分顯著，說明當周邊區域旅游收入增加1%時，本區域旅游收入增加0.3631%。這個模型的經濟意義在于，當江蘇省內某個小區域的變量值發生了變化，這個變化就會傳遞到與其相鄰的區域，再傳遞到與相鄰區域所相鄰的區域，并以衰減的趨勢不斷傳遞。

第二，對表3的回歸結果進行計算，將表3中的SLMrook-1的值代入（5）式中，得=0.4692、=0.4125、=0.000333，解出u=0.8817、b=0.0015、c=0.8792。將其代入EK與EL之中（且其中的K與L分別為2004年至2012年江蘇餐飲住宿業的固定資本投資額平均值與勞動力人數平均值），得EK=0.4755、EL=0.4062，且EK+EL=u。這就說明，在不考慮其他影響因素的基礎上，當資本投入增加1%時，旅游收入增加0.4755%；當勞動力投入增加1%時，旅游收入增加0.4062%。而且，由于比的值略大，說明江蘇餐飲住宿業的資本投入對江蘇旅游收入的貢獻略大于勞動力投入，江蘇旅游收入的增長模式由主要依靠資本驅動型向依靠資本與勞動力共同驅動型轉變。u是VES生產函數的規模報酬，為0.8817，小于1，說明江蘇餐飲住宿業的資本投入與勞動力投入對江蘇旅游收入的貢獻處于規模報酬遞減階段。

六、結論

（一）通過全局Morans I檢驗、局部Morans I檢驗，得出江蘇旅游業具有明顯的空間集聚特征，具有相同屬性值的區域聚集在一起，并形成了高值集聚區（蘇南大部分城市）和低值集聚區（蘇北中部的部分城市），這些集聚的城市之間的旅游經濟聯系較強，且是正空間自相關；隨著距離的增加，空間效應呈衰減趨勢。

（二）通過空間滯后模型測算的結果表明，在其他投入要素不變的條件下，江蘇餐飲住宿業的資本投入與勞動力投入的彈性系數分別為0.4755和0.4062，且規模報酬為0.8817。說明江蘇餐飲住宿業對旅游經濟增長的帶動作用正逐步減小，今后，江蘇在增加餐飲住宿業的資本與勞動力投入的同時，要注重其他要素的投入，例如交通、景區、基礎設施等。

（三）通過空間滯后模型發現，江蘇旅游業的空間效應主要是基于鄰近區域的空間溢出效應，這表明鄰近區域的投入會促進本區域的產出。據此：江蘇要注重跨區域的旅游協同開發，注重制定跨區域的旅游發展規劃，建立跨區域的旅游開發機制，以此更好地帶動多個區域的旅游發展，并在交通、基礎設施、市場、景區等多方面進行合作，開發跨區域的旅游線路，以一個區域帶動多個區域，以整體促進每一個區域，以便擴大市場，合作共贏。

主要參考文獻：

[1]Dritsakis N.Tourism as a long-run economic growth factor：An empirical investigation for Greece using a causality analysis[J].Tourism Economics，2004.

[2]李山，王錚.旅游業區域溢出的可計算模型及案例[J].旅游學刊，2009.

[3]Anselin L，Griffith D.Do Spatial effects really matter in regression analysis[J].Papers of the Regional Science Association，1988.

[4]陶長琪.計量經濟學教程[M].上海：復旦大學出版社，2012.

[5]翁瑾.規模經濟、產品差異化與中國入境旅游空間結構的變動[J].旅游學刊，2008.

[6]吳玉鳴.考慮空間效應的中國省域旅游產業彈性估計[J].旅游學刊，2010.

除此之外，rook矩陣和distance矩陣隨著階數的上升，全局Morans I指數值也在不斷地下降。這就說明隨著距離的增加，江蘇省內不同區域之間的影響在減弱，這體現出經濟影響的距離衰減趨勢：旅游業的區域溢出效應隨著距離的增大而減弱。

（二）局部Morans I分析。全局Morans I指數只能測量整體區域的分布特征，所以，還須用局部Morans I指數測量區域局部的分布特征，以揭示江蘇省內不同區域的空間集聚特征，即局部自相關性。依據上文的測算，選用rook一階矩陣作為空間權值矩陣，以計算局部Morans I指數，并畫出了相應的散點圖。（圖1）

根據圖1分析，第一象限為高高集聚，第三象限為低低集聚，第二和第四象限為非典型區域。圖中，大多數的點位于第一和第三象限中，呈現較為明顯的正空間自相關性，且局部Morans I指數值為0.590121，也表明了這個分布特征。其中，蘇州市區、昆山、常熟、吳江、太倉、無錫市區、江陰、宜興、鎮江市區、丹陽、句容、常州市區等12個區域旅游收入表現為高高集聚特征；宿遷市區、泗洪、沭陽、灌南、盱眙、漣水、響水、濱海、射陽、阜寧等10個區域旅游收入表現為低低集聚特征。由此說明，江蘇省旅游收入的局部空間特征表現為明顯的核心——外圍分布特征。所以，應該在考慮空間效應的基礎上研究江蘇的旅游經濟，這樣才能得出更符合實際的研究結果。

五、江蘇旅游業彈性系數估計

通過上文研究，發現江蘇區域旅游產業具有明顯的空間效應，所以在此基礎上，測算江蘇餐飲住宿業的固定資本投資額和勞動力人數對江蘇旅游收入的影響。（表2）

據表2分析，基于rook-1矩陣的LM（lag）和R LM（lag）、LM（error）和R LM（error）均大于基于d-1矩陣的同種指數值，說明基于rook-1矩陣計算的模型較優；基于rook-1矩陣的LM（lag）和R LM（lag）較LM（error）和R LM（error）更顯著。而且，LM（lag）和R LM（lag）的概率值也表明二者均通過了0.01%的顯著性檢驗。所以，基于rook-1矩陣的SLM模型最可取。

最大似然估計所依據的權值矩陣只能是對稱鄰接關系的矩陣，K-nearest矩陣不屬于此種矩陣，所以表3的回歸分析是基于rook一階矩陣和distance一階矩陣（依據表1的計算結果，在每種矩陣中選擇的最優矩陣）。（表3）

第一，根據表3的回歸結果分析。由于OLS模型的擬合優度R2的值較低，為0.866，模型中自變量與因變量的線性關系相對較低，是三種模型中最差的。所以，首先排除OLS模型。SLMrook-1的擬合優度R2為0.9196，僅次于SEMrook-1，擬合效果顯著，而且SLMrook-1的各個變量的顯著性水平是所有模型中最高的，說明SLMrook-1模型的自變量對因變量的解釋效果很好。SLMrook-1的Log L值最大，AIC和SC值的絕對值比較高，但是優于SEMrook-1，說明此模型的整體擬合效果較好。除此之外，所有模型的BP值都非常的小，表明不存在異方差性，這也證明了本研究先對數據取對數，再用于計算確實達到了基本消除異方差性的效果。所以，選擇SLMrook-1作為回歸模型。這個模型表明江蘇旅游收入的空間效應主要是由鄰近區域的溢出效應所體現。而且，SLMrook-1的值為0.3631且十分顯著，說明當周邊區域旅游收入增加1%時，本區域旅游收入增加0.3631%。這個模型的經濟意義在于，當江蘇省內某個小區域的變量值發生了變化，這個變化就會傳遞到與其相鄰的區域，再傳遞到與相鄰區域所相鄰的區域，并以衰減的趨勢不斷傳遞。

第二，對表3的回歸結果進行計算，將表3中的SLMrook-1的值代入（5）式中，得=0.4692、=0.4125、=0.000333，解出u=0.8817、b=0.0015、c=0.8792。將其代入EK與EL之中（且其中的K與L分別為2004年至2012年江蘇餐飲住宿業的固定資本投資額平均值與勞動力人數平均值），得EK=0.4755、EL=0.4062，且EK+EL=u。這就說明，在不考慮其他影響因素的基礎上，當資本投入增加1%時，旅游收入增加0.4755%；當勞動力投入增加1%時，旅游收入增加0.4062%。而且，由于比的值略大，說明江蘇餐飲住宿業的資本投入對江蘇旅游收入的貢獻略大于勞動力投入，江蘇旅游收入的增長模式由主要依靠資本驅動型向依靠資本與勞動力共同驅動型轉變。u是VES生產函數的規模報酬，為0.8817，小于1，說明江蘇餐飲住宿業的資本投入與勞動力投入對江蘇旅游收入的貢獻處于規模報酬遞減階段。

六、結論

（一）通過全局Morans I檢驗、局部Morans I檢驗，得出江蘇旅游業具有明顯的空間集聚特征，具有相同屬性值的區域聚集在一起，并形成了高值集聚區（蘇南大部分城市）和低值集聚區（蘇北中部的部分城市），這些集聚的城市之間的旅游經濟聯系較強，且是正空間自相關；隨著距離的增加，空間效應呈衰減趨勢。

（二）通過空間滯后模型測算的結果表明，在其他投入要素不變的條件下，江蘇餐飲住宿業的資本投入與勞動力投入的彈性系數分別為0.4755和0.4062，且規模報酬為0.8817。說明江蘇餐飲住宿業對旅游經濟增長的帶動作用正逐步減小，今后，江蘇在增加餐飲住宿業的資本與勞動力投入的同時，要注重其他要素的投入，例如交通、景區、基礎設施等。

（三）通過空間滯后模型發現，江蘇旅游業的空間效應主要是基于鄰近區域的空間溢出效應，這表明鄰近區域的投入會促進本區域的產出。據此：江蘇要注重跨區域的旅游協同開發，注重制定跨區域的旅游發展規劃，建立跨區域的旅游開發機制，以此更好地帶動多個區域的旅游發展，并在交通、基礎設施、市場、景區等多方面進行合作，開發跨區域的旅游線路，以一個區域帶動多個區域，以整體促進每一個區域，以便擴大市場，合作共贏。

主要參考文獻：

[1]Dritsakis N.Tourism as a long-run economic growth factor：An empirical investigation for Greece using a causality analysis[J].Tourism Economics，2004.

[2]李山，王錚.旅游業區域溢出的可計算模型及案例[J].旅游學刊，2009.

[3]Anselin L，Griffith D.Do Spatial effects really matter in regression analysis[J].Papers of the Regional Science Association，1988.

[4]陶長琪.計量經濟學教程[M].上海：復旦大學出版社，2012.

[5]翁瑾.規模經濟、產品差異化與中國入境旅游空間結構的變動[J].旅游學刊，2008.

[6]吳玉鳴.考慮空間效應的中國省域旅游產業彈性估計[J].旅游學刊，2010.

除此之外，rook矩陣和distance矩陣隨著階數的上升，全局Morans I指數值也在不斷地下降。這就說明隨著距離的增加，江蘇省內不同區域之間的影響在減弱，這體現出經濟影響的距離衰減趨勢：旅游業的區域溢出效應隨著距離的增大而減弱。

（二）局部Morans I分析。全局Morans I指數只能測量整體區域的分布特征，所以，還須用局部Morans I指數測量區域局部的分布特征，以揭示江蘇省內不同區域的空間集聚特征，即局部自相關性。依據上文的測算，選用rook一階矩陣作為空間權值矩陣，以計算局部Morans I指數，并畫出了相應的散點圖。（圖1）

根據圖1分析，第一象限為高高集聚，第三象限為低低集聚，第二和第四象限為非典型區域。圖中，大多數的點位于第一和第三象限中，呈現較為明顯的正空間自相關性，且局部Morans I指數值為0.590121，也表明了這個分布特征。其中，蘇州市區、昆山、常熟、吳江、太倉、無錫市區、江陰、宜興、鎮江市區、丹陽、句容、常州市區等12個區域旅游收入表現為高高集聚特征；宿遷市區、泗洪、沭陽、灌南、盱眙、漣水、響水、濱海、射陽、阜寧等10個區域旅游收入表現為低低集聚特征。由此說明，江蘇省旅游收入的局部空間特征表現為明顯的核心——外圍分布特征。所以，應該在考慮空間效應的基礎上研究江蘇的旅游經濟，這樣才能得出更符合實際的研究結果。

五、江蘇旅游業彈性系數估計

通過上文研究，發現江蘇區域旅游產業具有明顯的空間效應，所以在此基礎上，測算江蘇餐飲住宿業的固定資本投資額和勞動力人數對江蘇旅游收入的影響。（表2）

據表2分析，基于rook-1矩陣的LM（lag）和R LM（lag）、LM（error）和R LM（error）均大于基于d-1矩陣的同種指數值，說明基于rook-1矩陣計算的模型較優；基于rook-1矩陣的LM（lag）和R LM（lag）較LM（error）和R LM（error）更顯著。而且，LM（lag）和R LM（lag）的概率值也表明二者均通過了0.01%的顯著性檢驗。所以，基于rook-1矩陣的SLM模型最可取。

最大似然估計所依據的權值矩陣只能是對稱鄰接關系的矩陣，K-nearest矩陣不屬于此種矩陣，所以表3的回歸分析是基于rook一階矩陣和distance一階矩陣（依據表1的計算結果，在每種矩陣中選擇的最優矩陣）。（表3）

第一，根據表3的回歸結果分析。由于OLS模型的擬合優度R2的值較低，為0.866，模型中自變量與因變量的線性關系相對較低，是三種模型中最差的。所以，首先排除OLS模型。SLMrook-1的擬合優度R2為0.9196，僅次于SEMrook-1，擬合效果顯著，而且SLMrook-1的各個變量的顯著性水平是所有模型中最高的，說明SLMrook-1模型的自變量對因變量的解釋效果很好。SLMrook-1的Log L值最大，AIC和SC值的絕對值比較高，但是優于SEMrook-1，說明此模型的整體擬合效果較好。除此之外，所有模型的BP值都非常的小，表明不存在異方差性，這也證明了本研究先對數據取對數，再用于計算確實達到了基本消除異方差性的效果。所以，選擇SLMrook-1作為回歸模型。這個模型表明江蘇旅游收入的空間效應主要是由鄰近區域的溢出效應所體現。而且，SLMrook-1的值為0.3631且十分顯著，說明當周邊區域旅游收入增加1%時，本區域旅游收入增加0.3631%。這個模型的經濟意義在于，當江蘇省內某個小區域的變量值發生了變化，這個變化就會傳遞到與其相鄰的區域，再傳遞到與相鄰區域所相鄰的區域，并以衰減的趨勢不斷傳遞。

第二，對表3的回歸結果進行計算，將表3中的SLMrook-1的值代入（5）式中，得=0.4692、=0.4125、=0.000333，解出u=0.8817、b=0.0015、c=0.8792。將其代入EK與EL之中（且其中的K與L分別為2004年至2012年江蘇餐飲住宿業的固定資本投資額平均值與勞動力人數平均值），得EK=0.4755、EL=0.4062，且EK+EL=u。這就說明，在不考慮其他影響因素的基礎上，當資本投入增加1%時，旅游收入增加0.4755%；當勞動力投入增加1%時，旅游收入增加0.4062%。而且，由于比的值略大，說明江蘇餐飲住宿業的資本投入對江蘇旅游收入的貢獻略大于勞動力投入，江蘇旅游收入的增長模式由主要依靠資本驅動型向依靠資本與勞動力共同驅動型轉變。u是VES生產函數的規模報酬，為0.8817，小于1，說明江蘇餐飲住宿業的資本投入與勞動力投入對江蘇旅游收入的貢獻處于規模報酬遞減階段。

六、結論

（一）通過全局Morans I檢驗、局部Morans I檢驗，得出江蘇旅游業具有明顯的空間集聚特征，具有相同屬性值的區域聚集在一起，并形成了高值集聚區（蘇南大部分城市）和低值集聚區（蘇北中部的部分城市），這些集聚的城市之間的旅游經濟聯系較強，且是正空間自相關；隨著距離的增加，空間效應呈衰減趨勢。

（二）通過空間滯后模型測算的結果表明，在其他投入要素不變的條件下，江蘇餐飲住宿業的資本投入與勞動力投入的彈性系數分別為0.4755和0.4062，且規模報酬為0.8817。說明江蘇餐飲住宿業對旅游經濟增長的帶動作用正逐步減小，今后，江蘇在增加餐飲住宿業的資本與勞動力投入的同時，要注重其他要素的投入，例如交通、景區、基礎設施等。

（三）通過空間滯后模型發現，江蘇旅游業的空間效應主要是基于鄰近區域的空間溢出效應，這表明鄰近區域的投入會促進本區域的產出。據此：江蘇要注重跨區域的旅游協同開發，注重制定跨區域的旅游發展規劃，建立跨區域的旅游開發機制，以此更好地帶動多個區域的旅游發展，并在交通、基礎設施、市場、景區等多方面進行合作，開發跨區域的旅游線路，以一個區域帶動多個區域，以整體促進每一個區域，以便擴大市場，合作共贏。

主要參考文獻：

[1]Dritsakis N.Tourism as a long-run economic growth factor：An empirical investigation for Greece using a causality analysis[J].Tourism Economics，2004.

[2]李山，王錚.旅游業區域溢出的可計算模型及案例[J].旅游學刊，2009.

[3]Anselin L，Griffith D.Do Spatial effects really matter in regression analysis[J].Papers of the Regional Science Association，1988.

[4]陶長琪.計量經濟學教程[M].上海：復旦大學出版社，2012.

[5]翁瑾.規模經濟、產品差異化與中國入境旅游空間結構的變動[J].旅游學刊，2008.

[6]吳玉鳴.考慮空間效應的中國省域旅游產業彈性估計[J].旅游學刊，2010.