基于結構方程和GM(1,1)模型的我國旅游業與經濟增長關系實證研究

樊丹 史晉娜

摘要：文章系統收集了2007～2016年中國大陸地區31個省份的面板數據，運用結構方程和GM（1，1）模型，定量分析了旅游業對經濟增長的直接與間接影響力路徑及系數演變趨勢。研究結果顯示：旅游業的發展對經濟增長具有顯著正向影響，其直接效應和產業關聯效應呈現曲線增長的趨勢;目前交通便利度對經濟增長呈現負向影響，但從整體趨勢來看，注重發展交通網絡，將使旅游業在未來一段時間較大幅度的帶動國民經濟的增長。

關鍵詞：旅游業;經濟增長;結構方程模型;GM（1，1）模型

隨著旅游業的飛速發展，其在國民經濟中的地位和作用受到社會各界的廣泛關注，被看作是新的經濟增長點。截至目前，全國已有22個省份將旅游業確立為戰略性支柱產業或支柱產業。旅游業與經濟增長關系的研究及預測對于把握旅游業的發展方向、促進國民經濟增長具有重要的意義。

國內外學者針對旅游業與經濟增長的關聯性進行了大量的研究。Ghali（1976）運用普通最小二乘法對旅游業促進經濟增長進行了實證研究。吳國新（2003）對我國旅游業與經濟增長進行了相關分析，結果表明旅游發展促進了國民經濟的快速增長;朱葛（2012）對大連市旅游業發展和經濟增長的研究中得出，存在從旅游業到經濟增長的單向因果關系。可以看出，對于旅游業和經濟增長關聯性的研究而言，國內的一些研究主要從定量分析的角度驗證了旅游業的發展有效地促進了國民經濟的增長。

目前研究旅游業與經濟增長之間關系所面臨的現實難題是：旅游業對經濟增長影響力的衡量指標是什么？如何建立一個有效的度量二者關系的指標體系？旅游業對經濟增長影響力系數的變化趨勢是怎樣的？旅游業是如何帶動其他相關產業發展，從而有效地促進區域經濟增長的？上述四個問題的有效解決，有賴于旅游業及其他相關產業對經濟增長的有效度量;明確旅游業及其他相關產業對于經濟增長的作用機制。本文擬選取2007～2016年我國31個省份的經濟增長、旅游業發展、創匯效應、產業關聯效應等方面的指標數據，從旅游業與經濟增長的影響路徑角度入手，運用PLS結構方程模型，實證旅游業對經濟增長的影響，定量度量其影響力系數;并在此基礎上，運用灰色均值GM（1，1）模型對影響力系數進行預測;有針對性地提出對策建議，旨在為進一步加快旅游業發展提供決策參考。

一、模型原理與方法

（一）PLS結構方程模型原理分析

結構方程模型是一種可以將測量與分析整合為一的綜合性計量研究技術，它的假設因果關系建立在一定的理論基礎之上，通過分析來驗證假設模型中觀測變量、潛在變量之間的關系，進而獲得自變量對因變量的直接效果、間接效果或總效果。相對于解決“硬性模型”的LISREL方法而言，基于偏最小二乘路徑的建模方法（簡稱PLS建模方法），對數據分布要求較低，在小樣本量情況下進行的路徑分析結果更為理想。因此，對于考察旅游業對經濟增長的影響路徑，PLS建模方法更符合調查數據的客觀條件。

（二）PLS結構方程模型建模方法

1. 測量模型

每一個觀測變量與其對應的潛在變量相關聯，它們之間的關系可以通過一個線性回歸方程式表示。采用反映性指標的測量方程為：

xjh=λjhζj+εjh（1）

式（1）中，xjh為觀察變量，λjh為因子負荷，εjh為隨機誤差項。

2. 結構模型

結構模型又可稱之為因果模型，描述的是不同的潛變量之間的因果關系，方程形式為：

（三）灰色預測GM（1，1）模型

1. GM（1，1）模型原理

在灰色系統理論中，GM（1，1）模型由于其計算簡單、結果精準，使其成為了經濟預測中應用非常廣泛的一種預測模型，它是將無規律的原始數據進行疊加使數據具備指數規律，再由生成模型得到的數據進行累減后得到原始數據的預測值。

2. GMGM（1，1）模型建模過程

（1）對原始序列數據進行疊加，生成原始序列的緊鄰均值數據;

（2）建立一階微分擬合方程：

（3）通過發展系數與灰色作用量數值給出響應方程，對方程進行模擬得到相對誤差。

（4）應用相對誤差法對模型進行檢驗與預測。

二、PLS結構方程模型構建與研究假設

（一）結構概念模型框架

鄧祝仁（1998）以桂林旅游業的發展為例。認為旅游業的發展不僅可以帶動當地經濟的發展，提高當地的知名度，而且還可以帶動當地交通運輸業、郵電業等產業的發展，以及為當地提供許多就業機會;高楠（2014）通過研究旅游產業與區域經濟的耦合關系，得出旅游業在增加外匯收入、提供就業崗位、帶動相關產業發展等方面推動國民經濟增長。

借鑒國內學者的有關旅游業與經濟增長關系的研究結果，以狹義旅游業為研究對象，選擇旅游業發展、創匯效應、產業關聯效應、收入效應、就業效應5個指標來反映旅游業對經濟增長的直接與間接的影響力水平，結構概念模型框架構成見圖1。

（二）量化指標體系

根據Norbert Vanhove（2011）的研究成果，區域旅游資源條件、旅游基礎設施、市場需求及政府旅游政策制度是影響旅游經濟發展的關鍵要素，這些要素之間還存在著相互聯系和作用。查建平（2018）選擇以旅游產業勞動力、旅游產業資本、旅游資源稟賦作為投入指標，研究得出全要素生產率是推動中國旅游經濟增長的主要源泉。依據結構概念模型框架，考慮進行定量分析的適合性，對潛在變量的量化指標體系選擇情況如表1所示。

（三）研究假設

依據結構概念模型框架和量化指標體系（圖1、表1），本文提出以下研究假設：H1：旅游業發展對經濟增長有直接的正向促進作用;H2：旅游業發展對收入效應有直接的正向促進作用;H3：旅游業發展對就業效應有直接的正向促進作用;H4：旅游業發展對創匯效應有直接的正向促進作用;H5：旅游業發展對產業關聯效應有直接的正向促進作用;H6：產業關聯效應對創匯效應有直接的正向促進作用;H7：創匯效應對經濟增長有直接的正向促進作用。結構方程模型情況如圖2所示。

（四）數據來源說明

本文選取2007～2016年我國31個省（自治區、直轄市）為研究對象，根據表1所建立的23個量化指標進行數據收集與整理。數據主要來源有：1.綜合年鑒：《中國統計年鑒》（2008～2017），各地方年鑒（2008～2017）;2.專業統計年鑒：《中國旅游統計年鑒》（2008～2017）;3.理論估算：對個別殘缺數據，借鑒已有的各地政府統計公報的數據，依據歷年平均增長率進行推算后對指標予以賦值。

三、模型實證與預測

運用德國漢堡大學開發的SmartPLS3.2.6軟件，以獲得的2007～2016年我國31個省份指標數據為依據，經過多次運算對模型進行修正、檢驗，得到2007～2016年的路徑分析圖，并以此為基礎，應用GM（1，1）模型對路徑系數進行殘差修正和檢驗，最終合理地預測2017～2020年旅游業對經濟增長的各項影響力系數。

（一）檢驗測量模型

1. 信度檢驗

信度指標主要用來衡量測量工具的可信度或穩定性。信度指標越高，測試結果越可信，越能反映實際情況。通常采用Cronbachs Alpha值作為衡量內部一致性信度的指標，以Composite Reliability（CR）值作為衡量組成信度的指標。

Cronbachs Alpha的門檻值為0.7，經SmartPLS3.2.6軟件測算，本模型中所有潛變量的Alpha值范圍是0.813～0.964，均超過0.7，表明本模型的測量指標具有良好的信度。具體數值如表2所示。

Composite Reliability（CR）的門檻值為0.7。本研究所用到的8個潛變量的CR值均超過門檻值，表明本研究的測量指標具有良好的內部一致性。具體數值如表2所示。

2. 收斂效度與區別效度檢驗

測量模型的效度檢驗包括：收斂效度與區別效度。收斂效度主要參考平均方差提取率 （Average Variance Extracted），簡稱AVE值。Shiau & Luo（2013）建議AVE門檻值為0.5，由表2的AVE值可看出，本研究具有良好的收斂效度。

區別效度主要用來判別變量之間的差異程度，判別時一方面要求模型具有良好的收斂效度，另一方面需要模型的AVE的平方根大于其他潛變量的相關系數。研究的數值如表3所示。可以看出，本模型具有良好的收斂效度與區別效度。

3. 解釋能力檢驗

評價模型的解釋能力需要考慮多重判定系數值，它主要反映模型的預測能力。R2值越大，說明外衍潛變量對外在內因變量的解釋能力越強。具體數值見表4。可以看出，在本文構建的模型中，模型解釋能力良好。

（二）檢驗結構模型

在SmartPLS3.2.6環境下，通過PLS Algorithm算法估計出模型路徑標準化系數，并以Bootstrap算法得到的統計量t值來檢驗路徑系數的顯著性水平，從而接受或者拒絕原假設。在本文的結構方程檢驗中，當t值>1.96時，表示路徑系數已達到α值為0.05的顯著性水平，接受原假設，否則拒絕原假設。

如表5所示，旅游業影響經濟增長的路徑系數為0.412（t=2.708），這個數據表明旅游業發展對經濟增長有著顯著正向影響，接受假設H1。旅游業發展影響收入效應和產業關聯效應的路徑系數分別為0.880（t=33.973）、0.870（t=23.088），說明旅游業發展在增加收入及產業關聯方面有顯著促進作用，接受假設H2與H5。旅游業發展影響創匯效應的路徑系數為-0.478（t=2.610），表明目前旅游業發展對創匯效應存在負向影響，與原假設矛盾，故拒絕原假設H4。

（三）影響力系數預測

依據2007～2016年的路徑分析圖（由于篇幅限制，本節中僅列出2007與2016年的路徑分析圖，如圖3、圖4所示），建立GM（1，1）模型對原始數據進行殘差檢驗，得出旅游業對經濟增長的直接與間接路徑系數檢驗數值，計算結果見表6。

四、經濟意義解釋

（一）“旅游業促經濟增長”機制

1. 直接影響機制及趨勢預測

潛在變量到結果變量的路徑系數用來衡量由潛在變量到結果變量的直接影響力系數。如圖3所示，旅游業發展變量到經濟增長變量的路徑系數為0.487，這個數據表明，旅游業每提高1%，相應的促進經濟增長提高0.487%。為進一步證實旅游業的發展對經濟增長具有積極的推動作用，我們將2007～2020年旅游業對經濟增長的影響力系數變化趨勢繪制成圖，如圖5所示，其中實線部分為實證路徑系數值，虛線為預測值。旅游業發展對經濟增長的直接影響力系數，由2007年的0.487變化至2020年的0.434，在經過2014年的高質量的影響之后，直接帶動作用逐步放緩，但從總體趨勢來看，旅游業對經濟增長的促進作用呈現曲線形式的增長。

2. 間接影響機制及趨勢預測

除對經濟增長的直接效應外，旅游業可通過產業關聯效應對經濟增長產生間接的效應，從圖5與圖6可以看出，工業、建筑業、金融業對經濟增長的促進作用呈現穩步增長的方式，隨著旅游業發展的深入，旅游業通過產業關聯效應將大幅度增加經濟收入，帶來間接的經濟效應。雖然目前創匯效應對經濟增長呈現負相關，但變化逐漸平緩，可見在創匯效應方面有著巨大的市場潛力，適當提高旅游業的創匯能力，勢必在未來一段時間獲得回報。

（二）“旅游資源豐度促經濟增長”機制及趨勢預測

探討旅游業與經濟增長的發展問題，旅游資源豐度是一個繞不開的話題。旅游資源豐度對經濟增長的影響因子，由2007年的0.443變化至2016年的0.351呈顯著正相關，但可以由圖7看出，旅游資源豐度對經濟增長水平的影響力系數正緩慢減弱，適當減弱對傳統旅游資源的依賴、豐富旅游吸引物、進入旅游資源多元模式，才能保證經濟的持續增長。

（三）“交通便利度促經濟增長”機制及趨勢預測

由圖7可以看出，由于2007～2009年我國整體交通與旅游業的協調水平整體偏低，導致交通便利度對經濟增長的水平呈現負相關效應，但可以看出，在2016年之后對經濟增長的作用效果逐漸增大。因此在旅游業發展的過程中，注重發展交通網絡，在拓寬旅游業的空間服務范圍方面帶動經濟增長具有長遠的意義。

五、研究結論

由于旅游業對經濟增長的影響力是一個受多種潛在因素影響的綜合性指標，采用其他模型無法全面衡量潛在的指標數據，因此本文構建了基于潛變量的結構方程模型，主要對影響經濟增長的直接與間接路徑進行了實證研究。研究結果顯示，旅游業在其直接作用、產業關聯效應、旅游資源豐度方面對經濟增長均有顯著的正向影響;在此基礎上，采用GM（1，1）模型對經濟增長的路徑系數進行了殘差檢驗和合理預測，以此來保證預測結果的準確性和可靠性。根據預測結果可以看出，旅游業對經濟增長的直接效應與總效應呈現曲線增長的趨勢，在未來一段時間持續帶動國民經濟的增長;旅游資源豐度對經濟增長呈現顯著正向影響，但影響力趨勢逐漸平穩;雖然目前交通便利度對經濟增長呈現負向影響，但從整體趨勢來看，注重發展交通網絡，提高交通便利度，在拓寬旅游業的空間服務范圍方面帶動經濟增長具有長遠的意義。

參考文獻：

[1]Ghali M A. Tourism and economic growth： An empirical study[J].Economic Development and Cultural Change，1976（03）.

[2]吳國新.旅游產業發展與我國經濟增長的相關性分析[J].上海應用技術學院學報，2003（04）.

[3]朱葛，李悅錚.大連市旅游業發展與經濟增長關系研究[J].資源開發與市場， 2012（09）.

[4]吳明隆.結構方程模型-SIMPLIS的應用 [C].重慶大學出版社，2012（07）.

[5]鄧祝仁.旅游業對經濟社會發展的促進作用及相關問題——以桂林旅游業的發展為例[J].旅游學刊，1998（04）.

[6]高楠，馬耀峰.旅游產業與區域經濟耦合關系的時空差異——基于中國省級面板數據的實證分析[J].陜西師范大學學報（自然科學版），2014（05）.

[7]Norbert Vanhove. Competition and the tourism destination[J].The Economics of Tourism Destinations，2011（05）.

[8]查建平，賀臘梅.中國旅游產業關聯效應及其分解——基于投入產出分析的實證研究[J].山西財經大學學報，2018（04）.

[9]國家統計局.中國統計年鑒（2008～2017）[M].中國統計出版社，2008～2017.

[10]國家統計局.中國旅游統計年鑒（2008～2017）[M].中國旅游出版社，2008～2017.

[11]Hair J F， Black W C. Multivariate data analysis（7th ed.）[C].Englewood Cliffs： Prentice Hall，2010.

[12]Shiau Wen-Lung， Luo M M， Continuance intention of blog users： the impact of perceived enjoyment， habit， user involvement and blogging time[J].Behaviour &Information Technology，2013（32）.