產業集聚對旅游業全要素生產率的影響

王亞飛 宋曉倩

摘 要：利用DEA-Malmquist指數法和區位熵指數法分別測算2006至2017年中國30個省級樣本的旅游業全要素生產率（TFP）和旅游業產業集聚水平，分析旅游業產業集聚對旅游業TFP增長的作用機制，隨后采用兩步系統GMM估計方法實證檢驗旅游業產業集聚對旅游業TFP增長的效應。研究發現：樣本期內中國旅游業TFP年均增長率為10.3%，對旅游業產值增長的貢獻率為46%;旅游業TFP增長是技術進步推動所致而非技術效率改善所為，并呈現出技術進步和技術效率惡化相伴的事實特征;與已有研究不同，旅游業產業集聚與旅游業TFP增長并非呈現出“線性”關聯，而是顯著的“U型非線性關系”，即旅游業產業集聚短期抑制了旅游業TFP增長而長期對其具有促進作用。將旅游業TFP進一步分解后發現：旅游業產業集聚與技術進步、技術效率之間分別呈現出明顯的“U”型和倒“U”型關聯，旅游產業集聚對技術進步的影響強于對技術效率的影響，對規模效率的影響強于對純技術效率的影響。

關鍵詞：旅游業;產業集聚;全要素生產率;DEA-Malmquist指數法;兩步系統GMM

基金項目：重慶市教委科技項目“基于創新價值鏈視角下金融效率與創新高質量發展”（KJQN202000540）;重慶市教委人文社科項目“西部地區金融發展與制造業傳統比較優勢改造：效率測度、作用機制及空間效應研究”（20SKGH040）。

[中圖分類號] F590 [文章編號] 1673-0186（2020）012-0059-016

[文獻標識碼] A ? ? [DOI編碼] 10.19631/j.cnki.css.2020.012.005

改革開放40多年來，伴隨著中國經濟總量持續快速增長，中國旅游業發展規模持續攀升并已成為帶動國民經濟增長和社會就業的支柱性產業。據《2019中國旅游業發展報告》公布的數據：2018年中國旅游產值高達5.97萬億元，對GDP的綜合貢獻為9.94萬億元，占GDP總量的11.04%，旅游帶動直接和間接就業7 991萬人，占全國就業總人口的10.29%。然而，中國旅游業仍然面臨著增長模式粗放、發展質量效益普遍低下的事實特征[1]。2019年底，突如其來的新冠疫情對中國乃至全球旅游業帶來前所未有的負面沖擊。根據中國旅游研究院公布的數據，2020年1至5月，中國入境旅游人次和國際旅游收入分別減少了34.7%和40.6%，較2019年同期減少5 032萬人次和534億美元。為此，中央和各級地方政府出臺了諸如稅費減免、財政補貼、信貸傾斜、穩定就業等多元而系統的扶持政策，特別是各地方政府針對性地推出的諸如對醫務人員免費入園政策、發放旅游消費券、設立文化和旅游產業救助基金等精準舉措，中國旅游業呈現出了良性的復蘇格局。并且，疫情的“擾動”并未從根本上動搖中國旅游業長期發展的巨大潛力。

在中國經濟由高速增長向高質量發展轉變以及社會主要矛盾更加強調滿足居民“美好生活需求”的現實背景下，疫情沖擊下的中國旅游業在其緩慢復蘇的進程中，不能為追求短期一時的恢復性增長而堅持原有的粗放型發展路徑，而應利用疫情危機下的“自然淘汰”時機，以旅游業供給側結構性改革為抓手，確立“內涵式”發展的戰略導向以實現其質量變革、效率變革和動力變革[2]。

全要素生產率（Total Factor Productivity，TFP）由索洛（Solow）提出，測度剔除勞動、資本和土地等有形要素之外因技術進步、要素配置效率改善、管理流程優化以及組織模式改進等創新驅動的增長程度，其差異是不同國家或地區之間形成經濟增長質量差距的根本動因。鑒于此，促進以TFP為核心內涵和關鍵動力的旅游業高質量發展，進一步發揮旅游業對國民經濟和社會進步的帶動作用，對于我國決勝全面建成小康社會、開啟全面建設社會主義現代化國家新征程具有重要意義。那么，這就引申出一系列必須回應的現實問題：中國旅游業TFP增長的演進軌跡如何？有何時空差異？其背后的邏輯動因又是什么？

事實上，已有相關文獻對中國旅游業TFP或生產效率進行了多維測度，主要從以下三個視角展開：一是從宏觀的國家層面對旅游業發展效率組成、演進規律的刻畫[3-7];二是從中觀的省級或城市等區域層面對旅游業發展效率的現實表征、時空差異及演化路徑的揭示[8-11];三是從微觀的旅游酒店、旅游景點、旅游業上市公司等企業或組織層面的投入產出效率的評價[12-16]。多視角對旅游業發展效率的測度及演進態勢的解析固然重要，但只有進一步探尋效率變遷的背后機理才更具有政策蘊含。

大量文獻證實，相關企業的地理聚集而形成的產業集聚，對蘊含技術進步和技術效率改善的TFP增長具有重要的促進作用。產業集聚通過專業勞動力的有效獲取、中間投入品的共享以及知識和技術的溢出等正外部性，有助于提升企業的技術水平和資源配置效率[17-18]。當前，中國旅游產業也呈現出越發明顯的空間集聚態勢[19-20]。然而，從產業集聚視角探討旅游業TFP增長的影響機制，卻尚未引起學界普遍重視。并且，已有少量文獻對中國旅游產業集聚的TFP增長效應的討論，也是從“線性”假設入手且得出較為一致的研究結論：旅游產業集聚促進了旅游業TFP的增長[21-23]。事實上，首先，產業集聚的形成和演化具有明顯的階段性特征，在其不同的階段或時期，產業集聚所蘊含的“外部性”并非都顯著為“正”;如果旅游產業集聚的TFP增長效應可能存在“非線性”關系，已有研究在“線性”假設下的相關分析及其結論值得懷疑。其次，現有研究更多關注旅游產業集聚與TFP增長的統計檢驗，而對二者在經濟上的內在機理有所忽略。最后，TFP還可以分解為技術進步指數（Techch）和技術效率指數（Techef），技術效率指數還可進一步分解為純技術效率指數（Pech）和規模效率指數（Sech），在整體討論旅游產業集聚的TFP增長效應基礎上，進一步刻畫產業集聚對不同細分指數的異質性影響，或許更具政策蘊含。

一、理論分析

為了深入地揭示旅游產業集聚對旅游業全要素生產率增長的作用機理，并為后續的實證研究提供理論假說，該部分主要從產業集聚內生的共性特性出發，并充分結合旅游業產業集聚不同于一般性產業集聚的異質性特征，從規模經濟、學習和關聯效應、競爭效應等維度討論旅游產業集聚對全要素生產率增長的影響機制，在此基礎上，進一步廓清這一影響機制在短期和長期呈現出的差異。

（一）旅游產業集聚對TFP增長的影響機制

旅游產業集聚是依托一定區域范圍內的旅游資源，吸引食、住、行、游、購、娛、旅游裝備制造等關聯企業入駐，逐步形成的旅游企業聚集、共生的經濟現象。基于市場化形成的較為成熟的旅游產業集聚，對TFP增長具有重要的促進作用，其作用機制主要體現在幾個方面。

一是規模經濟效應。集聚帶來的規模效應不僅體現為相關企業聚集和市場規模的擴張，更在于從業人員、資本、管理等生產要素的集聚，提升了旅游資源要素的配置效率。集聚規模的擴大有助于區塊鏈、人工智能等現代信息技術在酒店、景區、旅行社等企業經營管理中的廣泛采用，促進旅游產業的新業態、新商業模式的形成，提升了旅游產業的技術水平和技術效率。集聚還擴大了本地熟練勞動力市場，提高從業人員和企業之間的需求匹配度，降低了人才搜尋成本和提高了企業的勞動生產率。

二是學習和關聯效應。集聚有助于企業間知識、信息和技術的溢出，不同企業在技術手段、流程管理等方面的經驗做法，通過地理鄰近、人才流動、合作交流等多元形式，有助于企業間的相互學習成長，從而促進旅游企業的技術進步和技術效率。產業集聚有助于提升產業鏈或價值鏈的關聯水平。諸如攜程、去哪兒等平臺企業，對產業集聚區內旅游企業的業務整合，形成的以主導企業為核心、橫向和縱向相結合的嵌入式旅游技術或流程管理的“溢出”機制，有助于提升旅游產業的技術水平和管理效率。

三是競爭效應。“物競天擇”的市場法則，是促進優秀企業生長和落后企業退出的動力。旅游相關企業的集聚，特別是產業集聚優勢引發具有產品、技術或管理優勢的企業入駐，加劇了同類型企業的競爭，一方面，原有企業為求得生存和持續經營，必然會采取技術創新、流程優化、管理變革等手段，最大限度挖掘技術進步和管理效率提升潛力，增強市場競爭力;另一方面，競爭強化也促進了企業的優勝劣汰，一部分技術或管理水平低下的企業被淘汰出局，其釋放的存量資本轉移至效率較高的企業，而資本等要素在不同效率企業間的市場化轉移，對提升旅游產業市場集中度、整體技術和管理水平具有重要作用。

（二）旅游產業集聚對TFP增長的短期和長期影響

短期而言，旅游產業集聚的吸引力和輻射半徑有限，一些同質性較高、規模較小的企業依托當地的旅游資源形成了低層次的集聚，這些企業的技術水平和管理效能較差，由于缺乏技術和管理水平較高的優質旅游“品牌”企業的入駐，使得產業集聚區內的本土企業面臨的競爭不足，缺乏改進技術、流程的動力，而更多采取“價格”競爭手段獲取較為低端的客源，技術創新的“惰性”反而會制約旅游業TFP的增長。并且，旅游產業集聚的成熟過程，也是“食、住、行、游、購、娛、養（養生）、媒（媒體廣告）、組（組織）、配（配套）”等多個相關行業企業逐步集聚并使得旅游產業鏈、價值鏈從構建到完善的演化過程，而在短期內，旅游產業鏈和價值鏈難以形成，再加之集聚區內基礎設施和公共服務的配套不完善，也導致不同企業間的交流障礙難以被打破，使得旅游產業集聚的規模經濟效應、學習和示范效應以及競爭效應難以凸顯，對旅游TFP增長的促進作用十分有限。此外，當地政府為追求短期GDP增長的“短視化”，對轄區內產業聚集的過度干預，也弱化了產業集聚的自增強效應，引發只有企業“扎堆”而沒有集聚效應的現象，進一步鎖定產業升級的成長空間[24]。因此，短期看旅游產業集聚無助于旅游業TFP增長，反而可能具有抑制作用。

長期來看，隨著產業集聚水平的不斷提高，圍繞當地旅游資源深度開發以及域外優質旅游企業入駐而形成的旅游產業鏈、價值鏈得以構建并趨于完善，產業集聚逐步形成了較為成熟的旅游企業生態圈。一方面，優質旅游品牌企業入駐帶動了集聚區新技術、新業態、新商業模式的形成，并通過知識、技術的溢出效應促進了原有企業技術水平效能的提升;另一方面，基礎設施和公共服務的完善吸引更多優質客源的流入，為爭奪市場份額，一些旅游企業通過兼并、合作等多種形式擴大經營規模，并伴隨市場結構的進一步優化，這對于規模經濟效應的凸顯具有重要的引致作用;并且，集聚的競爭效應也促進一部分“劣勢”企業退出，其存量資源通過市場化流向“優質”企業，提升了資源的配置效率。一部分企業為求得更好生存地位，通過技術進步、流程優化提升了自身的技術水平。此外，產業集聚規模擴大也倒逼地方政府營造良好的市場化環境，引導旅游資源重組以實現資源的優化配置。因此，長期看旅游產業集聚及伴隨的技術進步和技術效率增進效應，有助于促進旅游業TFP增長。

由此我們假設：旅游產業集聚短期抑制了旅游業TFP增長，長期具有促進作用。

二、旅游產業集聚和全要素生產率的測度

為精準把握旅游產業集聚與全要素生產率的發展水平及其演變特征，分別對2006至2017年間產業集聚和全要素生產率進行測度，在此基礎上從時間和空間兩個維度對其進行深入闡釋。

（一）產業集聚的測度

已有文獻對產業集聚的測度方法，主要有行業集中度指數、赫芬達爾指數、區位基尼系數、區位熵指數、E-G指數、產業區域集聚指數等。相對于區位熵而言，其他測度方法都存在明顯缺陷，如行業集中度指數對市場占有率大的企業份額變化敏感、計算結果可比性較差，區位基尼系數難以考慮企業規模的變化。因此，本研究采用區位熵測度旅游產業集聚水平，該方法不僅可以消除區域規模差異因素，還能真實反映地理要素的空間分布[25]。其測算公式為：

AGGit=■（1）

其中，AGGit代表i省t時期的區位熵指數;incomeit代表i省t時期旅游產業收入，gdpit代表i省t時期的地區生產總值;INCOMEt代表t時期全國旅游產業收入，GDPt代表t時期全國地區生產總值。

考慮到由于統計口徑的差異，我們在收集原始數據的過程中，全國GDP及旅游產業收入與各省級層面的GDP（加總）及旅游產業收入（加總）有較大出入。因此，在計算過程中，全國GDP用30個樣本省份GDP加總得到，全國旅游產業收入用30個樣本省份旅游產業收入加總得到。由于西藏的缺失數據嚴重，本研究選擇中國大陸除去西藏以外的30個省份作為研究對象。

如果某省的區位熵指數大于1，表明該省旅游產業集聚趨勢明顯;如果指數小于1，表明旅游產業集聚水平較低、集聚現象不明顯。測算的結果見表1。

由表1可知，2006至2017年間，中國30個樣本省份旅游業區位熵指數均值為1.028，旅游業整體上出現了產業集聚趨勢，但不夠明顯，集聚水平高于1和低于1的省份各占15個。產業集聚程度最高的前3個省份是貴州、北京和云南;而產業集聚水平最低的后3個省份是寧夏、青海和新疆。分地區看（如圖1），東部地區旅游產業集聚整體趨于下降的趨勢，尤其是在2014年以后集聚水平遠遠落后于中部和西部;中部和西部地區旅游產業集聚整體上呈現上升的趨勢，并相繼在2013和2014年超越東部地區。

（二）旅游業全要素生產率的測度

1.測度方法

DEA-Malmquist指數法是將非參數線性規劃法與數據包絡分析法相結合，這種方法不僅避免設置具體的生產函數，只需要輸入量和輸出量，而且可以將TFP分解為技術進步、技術效率（純技術效率、規模效率）。本文將采用這種方法來測算全國30個省份的旅游業全要素生產率。該方法通過實際生產數據構造一個生產前沿包絡面，同時將非DEA有效的決策單元（DMU）映射到DEA有效的生產前沿面上，通過比較非有效與有效決策單元的相對距離來判斷各決策單元的效率。先假設在規模報酬不變（C）和要素可處置（S）的前提下，t期各決策單元的生產可能性集合被定義為：

其中，Malmquist生產率指數（TFP變化指數）、技術進步指數（Techch）、技術效率指數（Techef）、純技術效率指數（Pech）、規模技術效率指數（Sech）的判斷基準都為1，當指數大于1時表示進步或改善，小于1時表示下降或惡化。

2.投入產出指標的選取與數據來源

由于旅游業涉及的產業及核算部門較多，且各省旅游收入的統計口徑有較大的差別，因此本文選取旅游企業層面的投入、產出數據，其中旅游企業選取了各省的旅游景區、旅行社和星級飯店三類。投入指標包括勞動和資本的投入，勞動投入選取了各省三類旅游企業的年末就業人數之和，資本投入選取了各省三類旅游企業固定資產價值之和，并利用“固定資產投資價格指數”將其平減至2005年不變價格;產出指標主要選取了各省三類旅游企業的營業收入之和，并利用“旅游類居民價格指數”將其平減至2005年不變價格。本文選取了2006—2017年共12年的數據，且以上數據均來源于歷年的《中國統計年鑒》和《中國旅游統計年鑒（正副本）》。

3.測度結果

表2顯示，首先，在2006—2017年間全國30個省份的旅游業全要素生產率在反復波動中保持增長態勢，由最開始的-35.7%的負增長上升至2017年的71.3%，且這期間的平均增長率為10.3%。其次，將全要素生產率分解為技術進步和技術效率，其中技術進步實現了平均18.4%的增長，技術效率實現了平均-6.8%的增長，即技術效率是下降、惡化的;說明我國旅游業全要素生產率的增長主要是由技術進步推動的，因此進一步說明我國旅游業的管理效率不高，旅游資源并沒有有效地使用和利用。再次，將技術效率進一步分為純技術效率和規模效率，其中，純技術效率實現了平均-3.4%的增長，即惡化了3.4%，規模效率實現了平均-3.5%的增長，即惡化了-3.5%，進一步證實了我國旅游產業的管理效率低。最后，在2005—2017年間我國30個省級樣本的旅游收入平均增長率為22.4%，TFP對旅游收入增長的貢獻率為46%，說明TFP對旅游收入增長有積極作用。

將中國30個省份劃分為東、中、西部地區再次進行測度，結果由表3顯示，首先，2006—2017年間旅游業全要素生產率全國平均增長了10.3%，且增長率排名前三個省份為青海（29.0%）、寧夏（28.8%）和甘肅（26.2%）。其次，將旅游業全要素生產率指數分解為技術進步指數和技術效率指數，30個省份的技術進步指數均大于1，除甘肅、青海、寧夏、新疆外其余省份的技術效率指數均小于1，再次說明我國旅游業全要素生產率增長主要由技術進步促進。再次，東、中、西部的旅游業全要素生產率增長指數呈現階梯依次遞增，年平均增長率依次為4.8%、5.9%、20.3%，說明在近幾年西部地區、中部地區的產業集聚趨勢相比東部比較明顯，因此全要素生產率增長較快;東、中、西部地區旅游業全要素生產率對旅游收入增長的貢獻率依次為28.3%、22.3%、77%，大致可以說明旅游業全要素增長率的區域差異是造成旅游業全要素增長率對旅游收入增長貢獻度差異的重要原因。

三、旅游產業集聚影響旅游業全要素生產率的實證分析

前文對旅游產業集聚影響全要素生產率的內在機制進行了深入分析并提出了相應假設，在此，我們構建面板模型并采用兩步系統GMM估計方法，對上述理論假設進行實證檢驗，以刻畫旅游產業集聚對全要素生產率的影響及可能存在的非線性關系。

（一）估計方法及計量模型

相對于混合OLS、固定效應（FE）和隨機效應（RE）三種傳統面板模型及估計方法，系統廣義矩方法（System GMM）可以有效克服解釋變量本身的內生性導致的估計結果有偏或不一致問題，進而提升估計的穩健性。此外，因權重模型選擇的不同，系統GMM還可以細分為一步系統GMM和兩步系統GMM，而兩步系統GMM在處理序列自相關和異方差特別是樣本選擇存在較大地區異質性時更為有效。前文對旅游TFP測算結果證實，中國旅游TFP增長在不同省份之間存在較大差異，并且在參數估計中可能存在遺漏變量與隨機擾動項出現自相關而造成內生性問題。基于此，本研究采用兩步系統GMM 方法進行估計，具體模型構建如下：

全要素生產率（TFP）、技術進步（Techch）、技術效率（Techef）、純技術效率（Pech）、規模效率（Sech）為被解釋變量，旅游產業集聚（AGG）為核心解釋變量。各模型中，i和t分別代表第i個省份和第t時期。Ln表示對變量取自然對數。模型的控制變量包括：交通基礎設施（TI），人均地區生產總值（PGDP），投入基礎設施（PII），外商直接投資（FDI），政府干預（GI），互聯網普及率（NET），市場需求結構（SDM）。

（二）數據來源及說明

本文選取2006—2017年中國31省、自治區和直轄市的數據，數據均來源于《中國統計年鑒》以及各省歷年的統計年鑒，城鎮化數據來源于《中國城市統計年鑒》。為消除異方差以及縮小數量級，本文對人均地區生產總值、投入基礎設施、外商直接投資進行對數化處理。具體的變量說明與描述性統計分析見表4和表5。

（三）回歸結果與分析

1.旅游產業集聚對旅游業全要素生產率的總體影響

本文首先選擇最小二乘法（OLS）、固定效應（FE）和隨機效應（RE）對模型（7）進行參數估計，估計結果如表3的列（1）、列（2）和列（3）。隨后，采用兩步系統矩估計對式（7）進行估計，為了檢驗估計結果的可靠性，需要對模型的擾動項序列相關性進行AR檢驗和對工具變量的有效性進行Hansen檢驗，結果AR（1）的p值小于0.1，AR（2）的p值大于0.1，說明擾動項無序列相關;Hansen的p值大于0.1，說明工具變量有效。回歸結果由表6的列（4）顯示，并以此作為基準回歸進行討論。

核心解釋變量產業集聚的系數為-0.871，且在1%的水平下顯著，而產業集聚平方項的系數為0.432，也在1%的水平下顯著，說明旅游產業集聚是引致旅游業TFP變化的重要原因，二者的關系呈現出非線型的“U”型特征，即旅游產業集聚短期顯著抑制了旅游TFP的增長，而長期具有明顯的促進作用，這一結論驗證了本文的研究假設。可能的原因是，短期由于旅游產業集聚發展的不充分，缺乏外來優質旅游企業的入駐，原有企業面臨的市場競爭壓力較小，技術的動力不足或存在創新的“惰性”;并且旅游產業生態圈尚未有效形成，產業鏈或價值鏈層次較低且不夠健全，基于合作交流的知識、技術溢出效應難以凸顯。再加之地方政府為追求短期GDP增長而引發的不合理干預，使得旅游要素資源錯配，從而使得產業集聚不能有效發揮對旅游TFP增長的帶動效應，反而具有抑制作用。而隨著旅游產業集聚趨于成熟，優質客源吸引了外來優質企業入駐，旅游產業生態圈形成，基于產業鏈或價值鏈合作的技術等溢出效應得以釋放，競爭強化帶動旅游資源重新整合配置并驅動企業加快技術創新，一些新業態、新商業模式不斷產生，從而使得產業集聚蘊含的規模經濟效應、學習示范效應、競爭效應不斷凸顯，促進了旅游TFP增長。

其他控制變量方面，交通基礎設施（TI）顯著抑制了旅游TFP增長，這可能是因為本文采用的是省級層面的鐵路和公路里程數據，而非專門針對旅游景區的交通基礎設施情況，再加之全省交通基礎設施完善會引起客源、旅行社、飯店等旅游資源的分散化，進而制約旅游產業集聚的發展，從而對旅游TFP增長產生負效應。旅游投入基礎設施（PII）對旅游TFP增長具有顯著的促進作用，說明對旅游景區的開發并帶動旅行社、星級飯店的數量增加以改善旅游要素資源稟賦條件，有助于旅游TFP增長。市場需求結構（SDM）顯著促進了旅游TFP增長，可能是因為市場需求結構升級帶動了居民旅游消費的增長，促進了旅游市場規模擴大和集聚發展，進而引致旅游TFP增長。滯后一期的產業集聚L.AGG顯著促進了旅游TFP增長，說明旅游產業集聚的TFP增長引致效應具有一定的滯后性。人均GDP、政府干預對旅游TFP增長的影響不顯著。

2.旅游產業集聚對分解后的全要素生產率各項的影響

為了進一步刻畫旅游產業集聚對旅游TFP各細分項目的影響及其異質性，本研究應用系統GMM對模型（8）—模型（11）進行參數估計，估計結果分別報告于表7的列（1）至列（4）。

列（1）中產業集聚AGG的系數顯著為負，而產業集聚的平方項AGG2的系數顯著為正，說明旅游業產業集聚與技術進步的關系呈現出典型的“U”型關系，即旅游產業集聚水平的提高在短期抑制了旅游業技術進步，而長期則發揮出顯著的促進作用。列（2）中產業集聚AGG的系數和產業集聚平方項AGG2的系數分別顯著為正和負，說明旅游業產業集聚與技術進步的關系呈現出典型的倒“U”型關系，即旅游業產業集聚短期促進了旅游業技術效率的改善，而長期具有抑制作用。綜合列（1）和列（2），說明旅游業產業集聚對技術進步的影響要強于對技術效率的影響，從而使得產業集聚AGG與旅游TFP增長之間呈現出顯著的“U”型關系。

列（3）報告了旅游產業集聚對純技術效率的回歸結果，結果表明：旅游業產業集聚對純技術效率的影響短期為正、長期為負，但不顯著。列（4）中產業集聚AGG的系數顯著為正，而產業集聚平方項AGG2的系數為負，說明產業集聚AGG與規模效率呈現出倒“U”型關聯。由于技術效率包括純技術效率和規模效率兩個方面，綜合列（2）—列（4）可以發現，產業集聚AGG對技術效率的短期和長期影響，主要是通過規模效率來實現的。

四、結論與啟示

疫情沖擊、供給側結構性改革及經濟高質量發展等多元背景下，中國旅游業的復蘇及未來發展，仍然要堅持以提升全要素生產率為核心動力的產業高質量發展，本研究以產業集聚為視角探尋中國旅游業全要素生產率增長的理論機理與經驗證據。具體而言，利用DEA-Malmquist指數法和區位熵分別測算2006至2017年中國30個省級樣本的旅游業全要素生產率（TFP）和產業集聚水平，分析旅游業產業集聚對旅游業TFP增長的作用機制，隨后采用兩步系統GMM估計方法實證檢驗旅游業產業集聚對旅游業TFP增長的效應。研究發現：

第一，樣本期內中國旅游業TFP年均增長率為10.3%，對旅游業產值增長的貢獻率為46%，旅游業TFP增長是技術進步推動所致而非技術效率改善所為，呈現出技術進步和技術效率惡化相伴的事實特征。這說明，中國旅游業實現TFP增長尚有較大的潛力可以挖掘，要在繼續實現旅游技術進步的同時，重點挖掘旅游技術效率改善潛力。由于技術效率由純技術效率和規模效率兩個方面組成。提升旅游產業純技術效率，一是要結合各地區旅游要素稟賦條件及旅游產品或服務需求結構變遷趨勢，優化旅游產業結構、產品或服務結構，以及推動旅游企業的所有制結構調整，實現旅游人才、資本、技術等要素的合理流動及系統整合，提升要素再配置效率的改善;二是通過VR/AR、人工智能、電子商務等信息網絡技術的廣泛應用，促進旅游業運營方式、服務流程、管理模式等方面的優化，提升經營管理效率。要提升規模效率，一是以疫情沖擊下政府促進旅游業復蘇為契機，推進旅游業供給側結構性改革，通過兼并、重組實現旅游資源要素向優質旅游企業集中，提升旅游業的市場集中度，實現旅游資源的優化配置和規模效率的進一步釋放;二是通過行業監管和政策引導相結合，引導旅游企業摒棄低水平價格競爭模型，走產品或服務差異化、優質化道路，提升旅游企業經營效益。

第二，旅游業產業集聚與TFP增長并非呈現出“線性”關聯，而是具有顯著的“U”型非線性關系，即短期抑制了TFP增長而長期具有促進作用。這說明，從長遠來看進一步提升旅游產業集聚水平有助于TFP增長。而要提升旅游產業集聚水平，需要地方政府營造良好引資環境，依托當地旅游資源稟賦條件，吸引外來優質旅游企業入駐和培育當地培育壯大本土企業，在此基礎上，通過旅游與農業、體育、健康、文化、文創、教育、制造業等相關產業的融合，從橫向和縱向延展旅游產業鏈，豐富旅游產業業態，通過融合和協同發展提升旅游產業的集聚水平。并且，旅游產業集聚的形成，離不開當地交通、能源等基礎設施以及教育、醫療等公共服務的有效支撐，這需要地方政府結合當地旅游項目的空間布局及旅游線路的規劃，完善交通基礎設施和公共服務。此外，旅游產業集聚效應的發揮，還依托于高素質旅游人才的充分供給，應構建完善的旅游人才市場，大力引進和培養旅游高端經營管理人才、旅游產品規劃設計人才、旅游高技能人才，以提升旅游產業集聚高質量發展的人才支撐能力。

參考文獻

[1] ?夏杰長，徐金海. 中國旅游業改革開放40年：回顧與展望[J]. 經濟與管理研究，2018（6）：3-14.

[2] ?楊勇，程玉. 改革開放40年旅游業發展的中國道路及其世界意義[J]. 旅游學刊，2019（1）：3-5.

[3] ?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（4）：417-427.

[4] ?陶卓民，薛獻偉，管晶晶. 基于數據包絡分析的中國旅游業發展效率特征[J]. 地理學報，2010（8）：1004-1012.

[5] ?韓元軍，夏少顏，周生輝.中國旅游業服務質量規制與產業效率提升[J].財貿經濟，2011（10）：127-134.

[6] ?趙磊.中國旅游全要素生產率差異與收斂實證研究[J].旅游學刊，2013（11）：12-23.

[7] ?胡志毅.基于DEA-Malmquist模型的中國旅行社業發展效率特征分析[J].旅游學刊，2015（5）：23-30.

[8] ?馬曉龍，保繼剛.中國主要城市旅游效率的區域差異與空間格局[J].人文地理，2010（1）：105-110+99.

[9] ?曹芳東，黃震方，吳江，等.城市旅游發展效率的時空格局演化特征及其驅動機制——以泛長江三角洲地區為例[J]. 地理研究，2012（8）：1431-1444.

[10] ?楊春梅，趙寶福.中國著名旅游城市旅游業的效率研究[J].旅游科學，2014（1）：65-75.

[11] ?王坤，黃震方，曹芳東，等.泛長江三角洲城市旅游績效空間格局演變及其影響因素[J]. 自然資源學報，2016（7）：1149-1163.

[12] ?生延超，鐘志平. 規模擴張還是技術進步：中國飯店業全要素生產率的測度與評價——基于非參數的曼奎斯特（Malmquist）生產率指數研究[J]. 旅游學刊，2010（5）：25-32.

[13] ?耿松濤.中國旅游上市公司全要素生產率研究[J].南京社會科學，2012（5）：15-21.

[14] ?李國平，郭勇，劉大為. 自然保護區管理效率評價研究——以牛背梁國家級自然保護區為例[J]. 旅游學刊，2015（3）：76-85.

[15] ?劉振濱，林麗梅，鄭逸芳. 森林公園全要素生產率及其收斂性分析[J]. 干旱區資源與環境，2017（8）：44-49.

[16] ?任毅，劉婉琪，趙珂，等. 中國旅游上市公司經營效率的測度與評價——基于混合DEA模型的實證分析[J]. 旅游學刊，2017（7）：27-36.

[17] ?Duranton G. Chapter 48 Micro-foundations of urban agglomeration economies[J]. Handbook of Regional and Urban Economics，2004，4.

[18] ?Pines D. Economics of Agglomeration： Cities， Industrial Location and Regional Growth[J]. Regional Science and Urban Economics， 2004，35（5）.

[19] ?王凱，易靜.區域旅游產業集聚與績效的關系研究——基于中國31個省區的實證[J].地理科學進展，2013（3）：465-474.

[20] ?王凱，易靜，肖燕，等.中國旅游產業集聚與產業效率的關系研究[J]. 人文地理，2016（2）：120-127.

[21] ?郭悅， 鐘廷勇， 安燁. 產業集聚對旅游業全要素生產率的影響——基于中國旅游業省級面板數據的實證研究[J]. 旅游學刊， 2015（5）：14-22.

[22] 楊艷.旅游產業集聚化水平與全要素生產率增長：來自中國經驗的實證[J].商業經濟研究，2019（6）：173-176.

[23] 張廣海，汪立新.我國旅游產業集聚與全要素生產率關系研究[J].商業研究，2016（11）：186-192.

[24] 胡彬，萬道俠.產業集聚如何影響制造業企業的技術創新模式——兼論企業“創新惰性”的形成原因[J].財經研究，2017（11）：30-43.

[25] ?楊仁發.產業集聚與地區工資差距——基于我國269個城市的實證研究[J].管理世界，2013（8）：41-52.

[26] ?Caves D W， Christensen L R， Diewert W E. The Economic Theory of Index Numbers and the Measurement of Input， Output， and Productivity[J]. Econometrica， 1982，50（6）：1393-1414.

[27] ?Fare R， Grosskopf S， Lindgren B， et al. Productivity changes in Swedish pharmacies 1980-1989： A non-parametric Malmquist approach[J]. Journal of Productivity Analysis， 1992，3（1）：81-97.

Abstract：Respectively use DEA—Malmquist index method and location entropy index method ?to measure 30 sample at the provincial level in China from 2006 to 2017 of the total factor productivity of tourism industry and tourism industry agglomeration level，analyze the effect mechanism of tourism industry agglomeration on total factor productivity of tourism industry，and then use two-step system GMM estimation method to empirically test the effect of tourism industry agglomeration on the growth of total factor productivity of tourism industry.Research findings：within the sample period，the average growth rate of total factor productivity in Chinas tourism industry was 10.3%，and its contribution rate to the growth of tourism output value was 46%.The growth of total factor productivity in tourism is driven by technological progress rather than technological efficiency improvements，and it is accompanied bu technological progress and deterioration of technological efficiency.Different from existing studies，the relationship between tourism industry agglomeration and tourism total factor productivity growth is not linear，but shows a significant “u-shaped nonlinear relationship”，that is，tourism industry agglomeration inhibits tourism total factor productivity growth in short term but promotes it in the long term.After futher decomposition of tourism，it is found that there are obvious”u-shaped”and“inverted u-shaped”relations between tourism industry agglomeration，technological progress and technological efficiency.The influence of tourism industry agglomeration on technological progress is stronger than that on technological efficiency，and the influence on scale efficiency is stronger than that on pure technological efficiency.

Key Words： tourismindustry;industryagglomeration;total factor productivity;DEA-Malmquist index method;two-step system GMM