信息化對旅游產業增長的貢獻

金鵬 周娟

[摘要]文章利用2001—2013年的省際面板數據，采用協整檢驗和分位數回歸模型等方法分析信息化對旅游產業增長的貢獻。實證研究結果表明：（1）多數情況下，在旅游產業的不同增長水平，信息化對旅游產業增長的貢獻基本穩定在較高的水平，并且大于資本和勞動力的貢獻，充分體現了旅游產業增長對信息化的強烈依賴。隨著旅游產業增長水平的提升，旅游產業增長會越來越依賴信息化和資本，旅游產業將逐漸從信息和勞動力密集型產業轉型為信息和資本密集型產業。（2）信息化對旅游產業增長的貢獻隨著旅游產業增長水平的提升而小幅下降。對第二個結論，文章從旅游產業增長的不均衡性和旅游產業競爭這兩個角度給出了解釋。

[關鍵詞]信息化；旅游產業增長；信息化貢獻；面板數據分位數回歸

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2016）04-0071-10

Doi： 10.3969/j.issn.1002-5006.2016.04.014

引言

旅游產業是典型的信息密集型產業，對信息和信息技術的依賴性很強，信息化對旅游產業增長有著不可替代的作用。目前，信息技術在旅游產業中的應用已非常普遍，主要包括：利用電子信息、電子金融、電子簽證和電子票務等服務，為旅游消費者提供便利；應用信息技術推動業務流程再造，實現數字化管理和數字化經營，如目的地營銷系統（DMS）、計算機預訂系統（CRS）和全球分銷系統（GDS）；應用信息技術建立旅游公共信息服務平臺、輿情監測系統和突發事件應急系統，實現旅游行業的適時、動態和精確管理[1]。

國外旅游信息化最早可追溯到1959年美國航空公司與IBM公司聯合開發的機票預訂系統SABRE[2-3]。20世紀90年代，隨著互聯網的普及，旅游電子商務迅速發展，全球主要航空公司、大型傳統旅行社、鐵路、汽車租賃、酒店等都提供在線旅游服務[4]。互聯網的應用也催生了在線旅游代理商的出現，如Travelport、Travelocity、Expedia等。我國的旅游信息化始于20世紀80年代初期，從酒店預訂系統和航空訂票系統開始發展。2000年，旅游電子商務出現。2001年，“金旅工程”啟動，旅游信息化開始快速發展。2006年，出現第一套酒店集團中央預訂系統。2009年，旅游產業被確立為戰略性支柱產業，旅游信息化進入擴張期。2011年，國家旅游局提出建設“智慧旅游”，預示著未來我國旅游信息化將繼續深入發展。

在國內外旅游信息化建設不斷深入的背景下，信息化對旅游產業的作用成為學術界所關注的一個重要問題。國外方面，Copeland和McKenney[2]研究了航空業預訂系統的發展過程，認為企業獲得競爭優勢的需求推動了航空業的信息化應用。Poon[5]認為，信息化對旅游產業的作用主要體現在管理、組織、產品組合、營銷和服務提供等信息密集領域。Buhalis[6]認為信息化能提高旅游產業競爭優勢，并應用業務流程重組（BPR）理論，從組織內部、組織之間和消費者3個方面分析了信息技術在旅游產業中的各種應用。隨著互聯網在旅游產業中的應用，大量研究于2000年以后開始出現。Buhalis[7]認為互聯網可使旅游地提高可視性、降低成本、增強合作，從而有效提高旅游地競爭力。Buhalis和Licata[8]認為互聯網技術為新旅游電子媒介的出現提供了可能，并指出未來借助新媒介，旅游企業間的競爭局面會進一步加劇。Garcés等[9]研究了電子商務對西班牙阿拉貢地區酒店業的影響，發現電子商務的應用顯著提高了酒店的戰略管理、管理系統、內部培訓和組織建立等方面的水平。Tsai等[10]發現電子商務對臺灣旅行社業具有革命性的影響，那些生存下來并保持競爭優勢的旅行社都采取了最佳的電子商務模式。Aldebert等[11]通過對歐洲旅游交易年會Tourism@中創新項目的分析，發現信息技術支持旅游創新，包括旅游產品和服務創新、流程創新和營銷創新。Yang和Wong[12]在對中國大陸341個城市的入境和國內旅游流的溢出效應的實證研究中發現，電信基礎設施水平對入境旅游增長有顯著影響。國內方面，楊路明和巫寧[13]分析了旅游產業的特點，認為旅游產業與電子商務具有優越的適應性。黎巎等[14]采用面向對象的建模方法與思路，構建了信息技術在旅游產業中應用的研究框架。師守祥[15]認為信息技術通過與旅游產業融合，可實現旅游產業高度化。王兆峰和謝娟[16]闡述了信息技術對我國民族地區旅游產業轉型升級的作用機理。范繼剛等[17]對四川省旅游產業與信息產業耦合協調發展進行了實證研究，發現旅游產業與信息產業存在良性互動且協調發展的正耦合關系。

綜上所述，國內外學術界關于信息化對旅游產業作用的研究成果較為豐富，基本上都認為信息化對旅游產業具有積極的推動作用。然而，已有研究主要采用案例分析、社會調查和歸納分析等定性方法進行理論研究，采用回歸分析方法進行實證研究，即定量分析信息化對旅游產業增長貢獻的研究成果較少，更鮮有采用面板數據分位數回歸方法的研究。本文利用2001—2013年的省際面板數據，采用協整檢驗和分位數回歸等方法展開實證研究，深入分析我國信息化對旅游產業增長的貢獻。

1信息化對旅游產業作用的理論分析

信息化的概念是1963年日本學者梅倬忠夫在其發表的《信息產業論》中首次提出的，他認為信息化是指“通訊現代化、計算機化和行為合理化的總稱”，后來信息化的概念被譯成英文傳播到西方。在我國制定的《2006—2020年國家信息化發展戰略》中，信息化被定義為：充分利用信息技術，開發利用信息資源，促進信息交流和知識共享，提高經濟增長質量，推動經濟社會發展轉型的歷史進程。根據這一定義，旅游信息化是指充分利用信息技術，開發利用各類旅游信息資源，使之成為推動旅游產業增長的重要手段。國內外旅游信息化的應用歷程表明，信息化對旅游產業的作用是多方面的。不過，已有文獻中關于信息化對旅游產業作用的系統性理論分析并不多。本文基于已有研究，從宏觀和微觀兩個層面分析信息化對旅游產業的作用。

從宏觀層面看，信息化對旅游產業的作用主要體現在以下兩個方面：

（1）信息化促進旅游產業發展模式的轉變

信息化可增加旅游經濟中的知識含量和科技含量，實現旅游產業從依賴大量物質和人力資源投入的粗放式發展模式轉變為提高投入要素使用效率的集約式發展模式[16]，促使旅游產業從傳統服務業轉型為現代服務業。

（2）信息化促進旅游產業融合

信息化作為推動旅游產業轉型升級的重要手段和動力，促進了旅游產業的內部融合、旅游產業與信息產業的融合以及旅游產業與其他相關產業的融合[15]。

從微觀層面看，信息化對旅游產業的作用主要體現在以下3個方面：

（1）信息化促進旅游目的地營銷能力提升[18]

信息化促進旅游目的地形象的傳播，使旅游產品更加形象化和個性化，并滿足旅游者不斷增長的信息需求。

（2）信息化提升旅游企業交易過程效率

交易過程效率的提升以信息的有效傳遞和流通為基礎。信息技術的應用實現了旅游企業交易模式的創新[11]，擴展了信息傳遞渠道[6]，降低了旅游者信息搜尋成本，提高了旅游產業鏈中不同參與主體間的信息溝通質量和效率。

（3）信息化促進旅游者消費行為升級[18]

信息化對旅游者的行為有顯著影響，借助于互聯網上的大量旅游信息和在線旅游平臺服務，旅游者的消費行為實現了自組織化和個性化。

在上述信息化對旅游產業的多方面作用下，信息化成為除資本和勞動力以外影響旅游產業增長的重要投入要素。

2研究方法

分位數回歸（quantile regression）最早由Koenker和Bassett[19]提出，是一種基于被解釋變量的條件分布來擬合解釋變量的回歸方法。Koenker和Hallock[20]認為經典線性回歸是擬合因變量的條件均值與自變量之間的線性關系，而分位數回歸是通過估計因變量取不同分位數時，對特定分布的數據進行估計，是一種更加精細化的估計。相對于普通最小二乘估計，分位數回歸模型具有4個方面的優勢：（1）特別適合具有異方差的模型；（2）對條件分布的刻畫更加細致，能給出條件分布的大體特征，不同分位點下所給出的參數估計本身也可能有進一步探討的意義；（3）分位數回歸不要求很強的分布假設，在隨機擾動非正態分布的情況下，分位數回歸估計量可能比最小二乘估計量更有效；（4）估計量不容易受到異常值的影響，從而更加穩健[21]。Koenker[22]將分位數回歸方法應用到面板數據模型估計中，提出了面板數據模型分位數回歸的估計技術，并進行了理論證明。羅幼喜和田茂再[23]針對含有固定效應的面板數據模型，提出了一階差分分位回歸法、固定效應變換分位回歸法和引進虛擬變量的懲罰分位回歸法3種分位數回歸估計方法。

面板數據分位數回歸方法融合了面板數據模型與分位數回歸的優點，一方面可有效利用時間和截面數據，增加數據的變異性，從而減少變量間的多重共線性，并具有更大的自由度，使得模型的參數估計值更加可靠[24]；另一方面，能對數據的各個層次做一個全方位的刻畫，發現一些在均值回歸中難以發現的信息[23]。

本文利用分位數回歸方法，力求分析不同旅游產業增長水平下信息化對旅游產業增長貢獻的差異。

3模型構建、變量指標與數據來源

本文的模型基于傳統的Cobb-Douglas生產函數，為分析信息化對旅游產業增長的貢獻，將信息化的影響從全要素生產率中析出，建立如下面板數據模型：

式（1）中，i表示截面個體；t表示時期；Y表示旅游產業增長水平；K表示資本投入；L表示勞動力投入；I表示信息化水平；c為截距項，代表除資本、勞動力和信息化之外影響旅游產業增長的其他重要因素的貢獻；μ表示隨機誤差項；α、β和γ分別表示資本、勞動力和信息化水平的產出彈性，其數值分別反映了各投入要素對旅游產業增長的貢獻。式（1）是基本面板數據模型，后面將根據F檢驗和Hausman檢驗結果以及研究目的確定具體的面板數據模型形式。

變量指標的選取需考慮數據的可獲取性。關于信息化水平的衡量，目前主要有兩大類研究方法：一是信息化指數，二是采用信息化替代變量。1965年，日本經濟學家小松畸清介[25]首次提出了信息化指數法，主要從郵電、廣播、電視新聞等行業中選取信息量、信息裝備率、通信主體水平、信息系數等4個要素，并細分為11項指標按一定的加權規則計算來體現社會的信息化程度。替代變量有郵電業務額、信息化投入經費、網民數量等多種。采用信息化指數法，雖然總體較為全面，但由于指標眾多，測度方法也不統一，并且很多指標的某些年度數據缺失，因此難以進行深入研究。本文借鑒俞立平的觀點，認為郵電業務額包括互聯網、固定電話、移動電話、函件、特快專遞、報刊發行等內容，也是信息化指數測算中的主要指標，基本上綜合反映了信息化水平[26]。郵電業務額數據來自《中國統計年鑒》，由于本文采用面板數據進行分析，而2001年及以前的《中國統計年鑒》中缺少分省的郵電業務額數據，因此研究數據的時期從2001年開始。此外，為檢驗模型的穩定性，借鑒Yang和Wong的研究[12]，本文也考慮采用移動電話交換機容量作為信息化替代變量進行模型估計，并將其估計結果與采用郵電業務額替代變量的模型估計結果進行對比，該數據也來自《中國統計年鑒》。為方便后面的表述，對郵電業務額和移動電話交換機容量這兩個信息化替代變量分別用I1和I2表示，相應的兩個估計模型分別稱為模型1和模型2。

旅游產業的相關數據來自《中國旅游統計年鑒（副本）》。由于我國旅游統計不太完善，2002年以來的《中國旅游統計年鑒（副本）》對旅游企業統計口徑并不統一，2002—2004年的統計口徑包括旅行社、星級飯店、旅游景區、旅游車船公司和其他旅游企業；2005—2010年的統計口徑去掉了旅游車船公司，僅包括旅行社、星級飯店、旅游景區和其他旅游企業；2011年的統計口徑進一步縮小為旅行社和星級飯店；2012—2014年的統計口徑又擴大為旅行社、星級飯店和旅游景區。因此，為使數據在前后時間上具有可比性，本文將旅行社和星級飯店兩類企業的數據匯總，以匯總后的旅游企業固定資產原值、從業人數和營業收入分別衡量旅游產業資本、勞動力和增長水平。已有的一些旅游產業相關實證研究也采用了這些指標[27-28]。

綜合以上分析，本文選取2001—2013年中國大陸31個省、直轄市和自治區的面板數據，分別來自2002—2014年的《中國旅游統計年鑒（副本）》和《中國統計年鑒》。

需要指出的是，由于在《中國統計年鑒》中，郵電業務額2000年及以前按1990年不變價格計算，2001—2010年按2000年不變價格計算，2001年按可比價格比上年增長27.6%；2011年按2010年不變價格計算，按可比價格比上年增長16.3%。因此，為消除價格變動的影響，先將郵電業務額調整為1990年不變價格，然后根據CPI指數，將旅游企業營業收入也調整為1990年不變價格。

數據的描述統計量如表1所示。為判斷模型是否存在多重共線性問題，表2給出了模型1和模型2的解釋變量相關系數矩陣。據表2可知，解釋變量之間的相關系數較高，特別是log（K）和log（L）之間的相關系數，因此模型可能存在多重共線性問題。通過計算各解釋變量的方差膨脹因子VIF（varianceinflationfactor），可得模型1的log（K）、log（L）和log（I1）的VIF分別為7.658、7.201和2.742，模型2的log（K）、log（L）和log（I2）的VIF分別為7.352、7.266和2.377。兩個模型中，log（K）和log（L）的VIF均在5和10之間，而log（I1）和log（I2）的VIF較小，因此可以認為兩個模型均存在一定但并不嚴重的多重共線性，原因是log（K）和log（L）的相關性較高。考慮到log（K）和log（L）都是模型的重要解釋變量，在模型估計時不應簡單地直接剔除log（K）或log（L），而應根據估計的檢驗結果來判斷。

4實證結果

4.1面板數據的平穩性檢驗

面板數據分位數回歸的應用條件是各變量平穩或是存在協整關系。檢驗面板數據平穩性的標準方法是單位根檢驗，常用的面板數據單位根檢驗方法有Levin檢驗、ADF檢驗、PP檢驗等。本文同時采用這3種方法進行檢驗，結果如表3所示。由于不同檢驗方法的原理不同，其結果也各不相同。本文以3種方法的檢驗結果一致為準，這樣更加具有說服力。經檢驗，一階差分后的所有對數變量都是平穩的。

4.2面板數據的協整檢驗

由于某些對數變量不平穩，所以需要進一步進行協整檢驗以判斷模型1和模型2中各對數變量是否存在協整關系。常用的面板數據協整檢驗方法包括Kao檢驗和Pedroni檢驗。本文采用這兩種方法進行檢驗，最大滯后階數為1，結果如表4所示。經檢驗，發現存在協整關系。

4.3信息化對旅游產業增長貢獻的面板數據分位數回歸

與普通面板數據模型的估計類似，面板數據分位數回歸也應考慮模型的設定形式。面板數據模型可分為混合回歸模型、變截距模型和變系數模型，可通過F檢驗來選擇合適的模型形式。F檢驗結果表明，模型1和模型2都拒絕了混合回歸模型設定的原假設。然后，在變截距模型和變系數模型形式的選擇上，由于本文重點是從我國整體角度分析信息化對旅游產業增長的貢獻，不研究不同省份的信息化貢獻差異，并且采用變系數模型的估計結果中一些截面方程的回歸系數并不顯著，因此最終將模型1和模型2都設定為變截距模型。此外，面板數據分位數回歸也應考慮固定效應與隨機效應的選擇[22]。由于本文的研究數據包括了所有省份，并不是從總體中隨機抽取的樣本，而是一個總體，因此選擇固定效應形式是合理的[21]。Hauseman檢驗結果也表明，模型1和模型2均應選擇固定效應形式。

為了分析不同旅游產業增長水平下信息化的貢獻，將旅游產業增長水平分為9個分位數（τ=0.1～ 0.9），采用分位數回歸方法進行估計。在分位數回歸結果中，分位數由小到大的變化表示旅游產業增長水平由低向高的演變，通過對比各投入要素彈性系數的變化可以觀察到各投入要素對旅游產業增長的貢獻如何隨著旅游產業增長水平的提升而發生變化。

由于考慮了固定效應，本文根據羅幼喜和田茂再提出的3種方法，采用Eviews7.2軟件分別對模型1和模型2進行估計[23]。通過對比，發現采用引進虛擬變量的懲罰分位回歸法的估計結果最為理想，在各分位數下固定效應模型的擬合優度均大于混合回歸模型的擬合優度，具體結果如表5所示。

為了對比信息化和其他投入要素的貢獻，表5給出了資本和勞動力變量的回歸系數。此外，為比較不同的分位數回歸模型，表5還給出了固定效應均值回歸模型的估計結果。模型1和模型2中各分位數回歸模型的擬合優度值分別在0.885～0.898和0.870～0.884，表明總體上各分位數回歸模型的擬合性較好。

在模型1和模型2的估計中，當分位數為0.8和0.9時，變量log（L）的系數估計值很不顯著，其原因有兩個：一是多重共線性的影響；二是隨著旅游產業增長水平的提高，勞動力對旅游產業增長的貢獻相對于資本和信息化來說的確減少了。因此，在分位數為0.8和0.9的模型中，刪去了變量log（L）。

從表5可以看出，模型1和模型2的系數估計值差異并不大，不同分位數下各變量的系數估計值變化規律也基本一致，特別是信息化水平的系數估計值變化規律。因此，為表述方便，以下根據模型1的估計結果進行分析。

根據表5中的固定效應均值回歸模型估計結果，資本、勞動力和信息化的彈性系數分別為0.231、0.201和0.391。由此可知，信息化對旅游產業增長的貢獻是最大的，資本次之，勞動力最小。

為了直觀地反映和比較各投入要素在不同旅游產業增長水平下的貢獻，并總結其中的規律，將各投入要素的彈性系數變化用折線圖描述，結果如圖1所示，可以發現以下5點規律：

（1）不同旅游產業增長水平下各投入要素的貢獻不同

當旅游產業增長水平極低時（τ=0.1～0.2），信息化對旅游產業增長的貢獻最大，勞動力次之，資本的貢獻最小；當旅游產業增長處于較低和中高水平時（τ=0.3～0.7），信息化對旅游產業增長的貢獻最大，資本次之，勞動力的貢獻最小；當旅游產業增長水平極高時（τ=0.8～0.9），資本對旅游產業增長的貢獻最大，信息化次之，勞動力的貢獻不顯著。這反映出在旅游產業增長的不同水平，信息化、資本和勞動力等要素對旅游產業增長的作用會發生變化，對旅游產業增長起主導作用的要素是不一樣的。

（2）信息化在不同旅游產業增長水平下的貢獻都是較大的

信息化的貢獻除了在旅游產業增長水平極高時（τ=0.8～0.9）略小于資本外，在其他水平下都比資本和勞動力的貢獻大，這表明信息化在不同的旅游產業增長水平下都是推動我國旅游產業增長的重要力量。

（3）信息化的貢獻基本上隨著旅游產業增長水平的提升而不斷降低，但降低幅度并不大

當旅游產業增長水平極低時（τ=0.1～0.2），信息化對旅游產業增長的貢獻較大；當旅游產業增長處于較低水平時（τ=0.3～0.5），信息化的貢獻有所降低，但基本穩定；當旅游產業增長水平處于中高和極高水平時（τ=0.6～0.9），信息化的貢獻繼續降低。總的來看，信息化的貢獻從最高值0.427降低到最低值0.341，降低幅度并不大。這一結論表明，信息化對旅游產業增長的作用較為穩定，體現了旅游產業對信息和信息技術的強烈依賴性。

（4）資本的貢獻基本上隨著旅游產業增長水平的提升而不斷提高

資本的貢獻除了在旅游產業增長處于較低水平（τ=0.4～0.5）和極高水平（τ=0.9）時略有下降外，在其他水平下都有較明顯的提高，其貢獻從最低值0.100提高到最高值0.418，提高幅度很大。

（5）勞動力的貢獻基本上隨著旅游產業增長水平的提升而不斷降低

勞動力的貢獻在旅游產業增長水平極低時（τ= 0.1～0.3）快速下降；在旅游產業增長處于較低和中高水平時（τ=0.4～0.6）略有提升，但變化不大；在旅游產業增長水平較高時（τ=0.7）有較明顯的降低；在旅游產業增長水平極高時（τ=0.8～0.9）已不顯著。

5結論與討論

在信息化與旅游產業關系的研究文獻中，關于信息化對旅游產業增長貢獻的實證研究較少。本文采用面板數據分位數回歸方法，分析了我國信息化對旅游產業增長的貢獻。根據實證分析結果，可以得出以下兩個主要結論：

（1）多數情況下，在旅游產業的不同增長水平，信息化對旅游產業增長的貢獻基本穩定在較高的水平，并且大于資本和勞動力的貢獻，充分體現了旅游產業增長對信息化的強烈依賴

面板數據均值回歸分析表明，信息化對旅游產業增長的貢獻是顯著的，并且大于資本和勞動力的貢獻。面板數據分位數回歸分析表明，信息化的貢獻在不同旅游產業增長水平下也都是較大的，除了在旅游產業增長水平極高時略小于資本外，在其他水平下都比資本和勞動力的貢獻大。因此，無論從旅游產業增長的全國整體表現還是從各個增長水平下的不同表現來看，信息化都是推動我國旅游產業增長的重要力量。此外，通過面板數據分位數回歸分析也可以發現，隨著旅游產業增長水平的提升，資本的貢獻基本上不斷提高，勞動力的貢獻基本上不斷降低，而信息化的貢獻雖然有所降低，但相對穩定。這表明，隨著旅游產業增長水平的提升，旅游產業增長會越來越依賴信息化和資本，旅游產業將逐漸從信息和勞動力密集型產業轉型為信息和資本密集型產業。這也意味著，在我國一些旅游產業較為發達的省份，旅游產業正逐漸由傳統服務業轉型為現代服務業。實證分析結果表明，隨著旅游產業增長水平的提升，旅游從業人員數量的簡單增加對旅游產業增長的作用將越來越小。旅游產業應更加重視旅游人力資本建設，通過提高旅游從業人員素質以滿足旅游產業增長對旅游人才的更高要求。在我國旅游信息化建設不斷深入的背景下，旅游信息化人才的培養將變得日益重要。

（2）信息化對旅游產業增長的貢獻隨著旅游產業增長水平的提升而小幅下降

面板數據分位數回歸分析表明，信息化對旅游產業增長的貢獻與旅游產業增長水平有關。當旅游產業增長水平極低時，信息化對旅游產業增長的貢獻較大；當旅游產業增長處于較低水平時，信息化的貢獻有所降低，但基本穩定；當旅游產業增長水平處于中高和極高水平時，信息化的貢獻繼續降低。總的來看，信息化的貢獻基本上隨著旅游產業增長水平的提升而不斷降低，從最高值0.427降低到最低值0.341，但降低幅度并不大。對此結果，本文認為是旅游產業增長的不均衡性和旅游產業競爭加劇所造成的，反映了在旅游產業更為發達的區域，旅游產業增長對信息化的依賴更強。

從旅游產業增長的不均衡性角度來看，我國旅游產業增長存在顯著的區域不均衡性，各省份之間的旅游產業增長水平差異較大。對于旅游產業增長水平極低和較低的省份，例如西藏、青海、寧夏、吉林、甘肅、貴州、內蒙古、黑龍江、新疆、江西、山西，其旅游產業增長潛力較大，并且在影響旅游產業增長的所有投入要素中信息化的投入還非常不足，因此，適當加強信息化建設可較顯著地提升這些省份的旅游產業增長水平。而對于旅游產業增長水平中高和極高的省市，例如湖北、四川、陜西、湖南、北京、廣東、上海、浙江、江蘇，旅游產業已成為這些省市的重要產業，旅游產業增長中信息化的投入相對飽和，因此信息化對這些省市的旅游產業增長的貢獻相對而言要低一些。

旅游產業競爭角度的解釋與Solow提出的“生產率悖論”有關，他發現信息技術雖然無處不在，但對生產率的推動作用并不明顯[29]。引起“生產率悖論”的原因很多，其中一個是信息技術不能從總體上擴大收益，只是在不同的組織之間重新分配收益，微觀層面上信息技術僅對一部分企業的生產率有較大貢獻，而對另一部分企業來說，其生產率會遭受損失[30]。由此可知，每個旅游企業信息化建設所產生的收益增加作用會因競爭對手加強信息化建設而部分甚至全部抵消。體現在宏觀層面上，信息技術對整體經濟的生產率貢獻不高[29]。基于博弈論的分析也證明了：在旅游目的地競爭的背景下，旅游目的地進行信息技術投資后能否最終提高其利潤取決于其信息技術投資力度是否超過競爭對手，只有比競爭對手的信息技術投資力度更大的旅游目的地才能獲得更多的利潤[31]。盡管信息技術投資的效果會由于競爭而削弱，但這是一個典型的“囚徒困境”問題，旅游企業和旅游目的地依然會不斷加強信息技術投資。雖然按照本文的數據，各回歸模型中信息化的彈性系數在0.341～0.427，旅游產業并不存在“生產率悖論”，但競爭會不可避免地削弱信息化對旅游產業增長的貢獻。對于一些旅游產業增長水平較高的省份，其旅游產業競爭程度更高，這些省份的旅游企業為保持競爭優勢，會更加競相加強信息化建設。對于旅游產業增長水平較高的省份而言，雖然旅游信息化整體投入更高，但信息化對旅游產業增長的貢獻由于更加激烈的競爭而更多地被削弱了，因此信息化對旅游產業增長的貢獻反而更低一些。

參考文獻（References）

[1]Luo Hao. Tourism industry and the advance of information technology[J]. Tourism Tribune， 2012， 27（7）： 8-9. [羅浩.旅游產業與信息技術進步[J].旅游學刊， 2012， 27（7）： 8-9.]

[2]Copeland D J， McKenney J L. Airline reservation systems： Lessons from history[J]. MIS Quarterly， 1988， 12（3）： 353-370.

[3]Copeland D J. So you want to build the next SABRE system[J]. Business Quarterly， 1991， 55（33）： 56-60.

[4]Li Nao. The historical background and development process of tourisminformatizationasawayoftourismindustry convergence[J]. Tourism Tribune， 2012， 27（7）： 7-8. [黎巎.旅游信息化作為旅游產業融合方式的歷史背景與發展進程[J].旅游學刊， 2012， 27（7）： 7-8.]

[5]Poon A. Tourism and information technologies[J]. Annals of Tourism Research， 1988， 15（4）： 531-549.

[6]Buhalis D. Strategic use of information technologies in the tourism industry[J]. Tourism Management， 1998， 19（5）： 409-421.

[7]Buhalis D. Marketing the competitive destination of the future[J]. Tourism Management， 2000， 21（1）： 97-116.

[8]Buhalis D， Licata M L. The future eTourism intermediaries[J]. Tourism Management， 2002， 23（3）： 207-220.

[9]Garcés S A， Gorgemans S， Sánchez A M， et al. Implications of the internet： An analysis of the Aragonese hospitality industry， 2002[J]. Tourism Management， 2004， 25（5）： 603-613.

[10]Tsai H T， Huang L， Lin C G. Emerging e-commerce development model for Taiwanese travel agencies[J]. Tourism Management， 2005， 26（5）： 787-796.

[11]Aldebert B， Dang R J， Longhi C. Innovation in the tourism industry： The case of Tourism@[J]. Tourism Management， 2011， 32（5）： 1204-1213.

[12]Yang Y， Wong K K F. A spatial econometric approach to model spillover effects in tourism flows[J]. Journal of Travel Research， 2012， 51（6）： 768-778.

[13]Yang Luming， Wu Ning. A discussion on the adaptability of tourism and e-commerce[J]. Journal of Chongqing Technology and Business University： Social Sciences Edition， 2003， 20（6）： 97-100. [楊路明，巫寧.旅游產業與電子商務的天然適應性討論[J].重慶工商大學學報：社會科學版， 2003， 20（6）： 97-100.]

[14]Li Nao， Zhang Lingyun， Liu Yu. The application of information technology in tourism[J]. Social Scientist， 2012（2）： 84-87. [黎巎，張凌云，劉宇.信息技術的旅游應用[J].社會科學家， 2012（2）： 84-87.]

[15]ShiShouxiang.Essentialfeaturesoftourismindustry supererogation： Industry convergence and informatization[J]. Tourism Tribune， 2012， 27（7）： 3-5. [師守祥.旅游產業高度化的本質特征：產業融合與信息化[J].旅游學刊， 2012， 27（7）： 3-5.]

[16]Wang Zhaofeng， Xie Juan. A study on the transformation and upgrading of tourism industry in ethnic areas based on informatization theory[J]. Hunan Social Sciences， 2013（5）： 167-170. [王兆峰，謝娟.基于信息化理論的民族地區旅游產業轉型升級研究[J].湖南社會科學， 2013（5）： 167-170.]

[17]Fan Jigang， Wang Zhaofeng， Yang Weishu. Research on coordination tourism industry and information industry coupling in Sichuan Province[J]. Resource Development & Market， 2014， 30（1）： 110-113. [范繼剛，王兆峰，楊衛書.四川省旅游產業與信息產業耦合協調研究[J].資源開發與市場， 2014， 30（1）： 110-113.]

[18]Wu Si. A Study on the Theory and Practice of Informatization Innovation of Tourism Industry[M]. Wuhan： Wuhan University Press， 2010： 19-20. [吳思.旅游產業信息化創新的理論與實踐研究[M].武漢：武漢大學出版社， 2010： 19-20.]

[19]Koenker R， Bassett G. Regression quantiles[J]. Econometrica， 1978， 46（1）： 33-50.

[20]Koenker R， Hallock K F. Quantile regression[J]. Journal of Economic Perspectives， 2001， 15（4）： 143-156.

[21]Gao Tiemei. Methods and Modeling of Econometrics Analysis： Eviews Applications and Examples（the 2ndEdition）[M]. Beijing： Tsinghua University Press， 2009： 118-119；332-333. [高鐵梅.計量經濟分析方法與建模： Eviews應用及實例（第二版）[M].北京：清華大學出版社， 2009： 118-119；332-333.]

[22]Koenker R. Quantile regression for longitudinal data[J]. Journal of Multivariate Analysis， 2004， 91（1）： 74-89.

[23]Luo Youxi， Tian Maozai. Quantile regression for panel data and its simulation study[J]. Statistical Research， 2010， 27（10）： 81-87. [羅幼喜，田茂再.面板數據的分位回歸方法及其模擬研究[J].統計研究， 2010， 27（10）： 81-87.]

[24]Bai Zhonglin. The specification of model， statistical tests and newprogressesofpaneldataanalysis[J].Statistics& Information Forum， 2010， 25（10）： 3-12. [白仲林.面板數據模型的設定、統計檢驗和新進展[J].統計與信息論壇， 2010， 25（10）： 3-12.]

[25]Li Jingwen， Komatsuzaki Kiyosuke， Zheng Youjing， et al. Informatization and Economic Development[M]. Beijing： Social Sciences Academic Press， 1994： 39-41. [李京文，小松崎清介，鄭友敬，等.信息化與經濟發展[M].北京：社會科學文獻出版杜， 1994： 39-41.]

[26]YuLiping.Studyonpriorityofindustrializationand informatization[J]. China Soft Science， 2011， （5）： 21-28. [俞立平.工業化與信息化發展的優先度研究[J].中國軟科學， 2011，（5）： 21-28.]

[27]Zuo Bing， Bao Jigang. Tourism total factor productivity and its regional variation in China from 1992 to 2005[J]. Acta Geographica Sinica， 2008， 63（4）： 417- 427. [左冰，保繼剛. 1992—2005年中國旅游業全要素生產率及省際差異[J].地理學報， 2008， 63（4）： 417-427.]

[28]Yang Yong. Agglomeration density， diversity and tourism development in China： An empirical research based on dynamic panel data model[J]. Journal of Business Economics， 2012， 247（5）： 49-56. [楊勇.聚集密度、多樣化與旅游業發展：基于省際動態面板數據的實證研究[J].商業經濟與管理， 2012， 247（5）： 49-56.]

[29]Solow R. Wed better watch out[N]. New York Times Book Review， 1987-07-12（36）.

[30]Brynjolfsson E， Hitt L M. Beyond computation： Information technology，organizationaltransformationandbusiness performance[J]. Journal of Economic Perspectives， 2000， 14（4）： 23-48.

[31]Jin Peng， Zhou Juan. Impact of IT investment on tourism destination[J]. Journal of Intelligence， 2009，（2）： 190-193. [金鵬，周娟.信息技術投資對旅游目的地的影響分析[J].情報雜志， 2009，（2）： 190-193.]

The Contribution of Informatization to Tourism Industry Growth： An Analysis Based on Quantile Regression of Panel Data

JIN Peng1，ZHOU Juan2

（1. Business School， Ningbo University， Ningbo 315211， China； 2. Faculty of Liberal Arts and Communication， Ningbo University， Ningbo 315211， China）

Abstract： In this paper the contribution of informatization to tourism industry growth is investigated by employing a cointegration test and quantile regression based on 2001—2013 panel data of 31 provinces in mainland China. Firstly， the promotional roles of informatization to tourism industry growth are analyzed qualitatively. Secondly， the advantages of the quantile regression method of the panel data are briefly introduced. It is pointed that variations in the contribution of informatization in different tourism industry growth levels can be investigated by employing the quantile regression method. Thirdly， the model， variable indicators and data source are discussed. The model is based on the traditional CobbDouglas production function and the informatization level variable is added in the model. For examining the stability of the model， the business volume of postal and telecommunication services and the capacity of mobile telephone exchanges are chosen respectively as the informatization level indicator， and the models using the two indicators are respectively defined as model I and model II. The estimates of the two models will be compared. The data from the two indicators are all from the China Statistical Yearbook. The enterprises original value of fixed assets， number of employees and operation revenue of travel agencies and star hotels are chosen as the indicators of the capital， labor and growth level of the tourism industry. These data are all from the Yearbook of China Tourism Statistics（Supplement）. Fourthly， the contribution of informatization to tourism industry growth is estimated. A cointegration test result shows that the cointegration relationship of logarithmic variables exit in model I and model II. Then the fixed effect panel data model including 9 quantiles is estimated by using the quantile regression method. For comparing the results， the model is also estimated by using the average regression method. The empirical results show： （1） The contribution of informatization is high， and it is higher than that of capital and labor in most cases of tourism industry growth. Considering synthetically the change of the contribution of capital and labor， it is believed that the tourism industry will transform to become an information and capital intensive industry from an information and labor intensive industry. （2） The contribution of informatization is related to the level of tourism industry growth. It decreases continually on the whole with the growth of the tourism industry growth， but the extent of the decrease is not big. This conclusion can be interpreted from the views of tourism industry growth disparities and tourism industry competition. From the view of disparities， the contribution of informatization is relatively low in some provinces whose tourism growth level is relatively high because the informatization investment in these provinces is saturated. From the view of competition， owing to the fiercer competition in some provinces with relatively robust tourism growth， the contribution of informatization is weakened more by competition and therefore becomes lower.

Keywords： informatization； tourism industry growth； contribution of informatization； quantile regression of panel data