長江中游城市群環境規制對旅游產業生態效率的影響及空間分異研究

王兆峰,王梓瑛

湖南師范大學旅游學院,長沙 410081

黨的十九大報告指出,在推動經濟社會高質量發展的關鍵時期,必須把生態文明建設擺在全局工作的突出位置。環境規制是以環境保護為目的、政府為主導,通過制定相應方針政策對企業的經濟活動進行調節,保持經濟發展與生態環境相協調的一種約束力量[1],加強生態環境治理制度創新,有利于促進生態文明建設。旅游產業作為典型的環境依賴型產業,在其促進經濟增長的同時,對自然環境的負面影響必然存在。為衡量旅游產業經濟發展與生態環境間的關系,量化得到旅游產業生態效率指標,這一指標能在一定程度上表征區域旅游產業綠色發展程度[2]。政府作為旅游產業的監管部門,應適度調節環境規制力度,使旅游產業發展與生態環境保護實現“雙贏”。考察環境規制對旅游產業生態效率的影響,能為旅游產業環境保護與經濟增長協同發展提供改善途徑,為區域旅游可持續發展提供一定參考價值和理論支持,同時對持續貫徹綠色發展理念、深化生態文明體制改革具有重要現實意義。

國內外關于環境規制的研究早期主要以定性研究為主[3]。隨著時間的推移,環境規制與其他因素的關系的定量分析逐漸成為研究重點,具體如下：1)環境規制與碳排放的關系研究。部分學者認為當前以減少碳排放為目的的良好環境政策可能會產生負面影響,即綠色悖論效應[4- 6],另一部分學者則認為現階段環境規制已能直接有效遏制碳排放,“綠色悖論”效應逐漸轉為“倒逼減排”效應,呈倒U型曲線[7- 9]。隨后,還有學者開始通過中介效應法[10]研究間接關系,得到兩者的相互作用機制。2)環境規制與企業生產效率的關系研究。學者們普遍認同波特觀點[11],認為合理的環境規制能刺激企業在約束條件下提高技術創新,從而提升企業生產效率[12- 14],但由于存在管制成本存在[15],部分學者提出可能出現正面和負面的雙重影響[16- 17]。另外,學者們還深入研究環境規制與城鎮化發展[18]、環境規制與綠色經濟效率[19]的關系等。

20世紀90年代,國內外學者開始關注旅游產業發展帶來的環境問題。早期研究成果主要以生態環境與旅游產業間的耦合協調關系為主[20-21]。而旅游產業生態效率這一概念由G?ssling于2005年首次提出,逐漸成為評價區域旅游產業可持續發展程度的重要指標。現階段,國外學者主要以旅游目的地生態效率為主,如Kytzia[22]和Cuccia[23]。國內學者前期集中探究旅游產業生態效率的評價方法,主要有比值法和投入產出方法兩種,如肖建紅基于旅游過程碳足跡,采用比值法測算旅游生態效率,提出低碳旅游發展路徑[24]；李志勇利用數據包絡分析法,得到低碳旅游服務提供效率模型,提出旅游景區管理建議[25]。而后,在測度的基礎上,學者們進一步分析其時空演化特征和影響因素,如姚治國在測算海南省旅游生態效率的基礎上對其區域差異進行了描述性成因機制分析[26]；林文凱運用空間分析手段揭示江西省旅游生態效率空間差異特征,結果表明各地市區存在較為明顯地區差異[27]；路小靜運用引力模型對長江經濟帶旅游業綠色生產率空間格局演變進行研究[28]。

通過梳理文獻發現,當前研究成果以環境規制與碳排放、企業生產效率的關系研究為主,較少將環境規制與旅游產業放在同一研究框架下；其次,有關旅游產業生態效率的考察也大多以國家、省域或單個城市為研究尺度,而對城市群之間旅游產業環境影響的測度與研究較少。長江中游城市群由武漢城市圈、環長株潭城市群和環鄱陽湖城市群組成,是國家批復的首個特大型國家級城市群,其已逐漸成為推動國家重大區域戰略實施,帶動區域融合發展的重要引領區,形成中部地區主要的經濟增長極。基于此,本文將以2006—2017年為時間尺度,以長江中游城市群為研究對象,運用超效率SBM模型評價分析城市群及其子城市群的旅游產業生態效率的時序差異,然后采用重心模型和標準差橢圓等方法刻畫其空間格局演化,最后基于廣義最小二乘法建立模型,分析三大子城市群環境規制對旅游產業生態效率影響,以期為城市群旅游產業可持續發展提供政策建議。

1 研究方法與數據來源

1.1 研究方法

1.1.1超效率SBM模型

由于傳統DEA模型無法解決因徑向和角度選擇所帶來的偏差和影響,Tone提出改進DEA模型,即SBM模型。同時,當多個決策單位效率值為1時,上述模型不能對這些相對有效的決策單位進行對比及排序,從而進一步優化得到超效率SBM模型,以更全面、更準確評價投入與產出的關系。基于非期望產出的具體模型如下[29]：

(1)

1.1.2重心模型和標準差橢圓

(2)

在此基礎上,將進一步運用標準差橢圓分析該屬性的中心、分布和方向。在標準差橢圓中橢圓的長半軸表示格局的主導方向,而短半軸則表示要素分布的范圍,短半軸越長則表明要素離散程度越大,兩者的差值越大,則要素的方向性越明顯。θ表示標準差橢圓的方向角度,由正北沿順時針方向與橢圓長軸的夾角。σX和σY分別表示標準差橢圓的長半軸和短半軸長度。具體見公式(3)[31]。

(3)

1.2 指標構建與數據說明

1.2.1旅游產業生態效率指標構建

旅游產業生態效率的核心目標在于用旅游產業較小的環境影響獲得較大的經濟產出,這在一定程度上是生態效率概念的延伸[2],與DEA方法對投入與產出指標的要求相符。當前,旅游產業生態效率指標體系已較為成熟。因此,將借鑒劉佳[32]和彭紅松[33]等學者的成果,結合數據可獲性和旅游產業特性,將資源消耗作為投入指標,將旅游總收入和接待游客總人次作為期望產出指標,將環境污染作為非期望產出指標。

在投入指標中,資源消耗包括勞動力、資本和交通投入3個方面。具體來看,由于旅游產業的綜合性特征,多數城市并未將旅游業從業人數納入官方統計,因此將參考以往研究[34],選取第三產業從業人數表征；旅游產業資本包括旅游資源要素和服務要素,即3A及以上旅游景區數量賦權總和、旅行社數量和星級酒店數量之和[35]；交通因素同樣是影響旅游產業高效發展的重要因素,因此將以旅客運輸量進行表征[36]。在產出指標中,選取旅游廢水、廢氣和固廢排放量作為旅游環境污染指標進行效率測算。需要說明的是,由于旅游產業所涉及的行業范圍較廣,當前并未有對城市旅游產業“三廢”的官方統計,因此,將參照已有研究[27],用旅游總收入占國民生產總值的比值進行換算。具體評價指標體系如表1所示。

表1 旅游產業生態效率指標體系

1.2.2數據來源與處理

由于武漢城市圈中仙桃市、潛江市和天門市部分數據缺失嚴重,將以長江中游城市群28個城市為研究對象進行測算。相關數據來源于2007—2018年《中國統計年鑒》、《中國城市統計年鑒》、《中國環境統計年鑒》、《中國旅游統計年鑒》和各城市的統計年鑒以及2006—2017年國民經濟和社會發展公報和環境狀況公報等,同時部分數據從國家文化和旅游部、各市級文化和旅游部官方網站獲得。少數缺失數據根據數據的變化趨勢進行平滑處理。

2 結果分析

2.1 長江中游城市群旅游產業生態效率測度及其總體特征

運用DEA-SOLVER Pro5軟件,基于非期望產出的超效率SBM模型測算2006—2017年長江中游城市群的旅游產業生態效率(表2)。

表2 2006—2017年長江中游城市群旅游產業生態效率測度結果

由表2可知,2006—2017年長江中游城市群旅游產業生態效率值均位于生產前沿面以下,平均值為0.45,表明城市群整體旅游產業綠色發展程度偏低,旅游活動過程中的環境污染對旅游產業發展的負向影響仍較大。具體來看,根據效率值變化趨勢可大致分為三類：1)上升型,包括武漢市、黃石市、咸寧市、湘潭市和上饒市；2)下降型,主要包括宜昌市、襄陽市、鄂州市、吉安市、宜春市、衡陽市和岳陽市等13個城市,主要位于各子城市群北部和南部邊緣地區。3)下降—上升型城市有10個,主要位于武漢城市圈和環長株潭城市群的中部地區、環鄱陽湖城市群的東北部地區。總體來看,三大城市群分別以武漢市、湘潭市和景德鎮市為代表,旅游資源較為豐富,產業發展基礎較好,主要以旅游產業等第三產業為主驅動經濟發展,長期對環境的負面影響較小,從而效率值處于較高水平。而其余城市早期旅游發展可能并未考慮資源有限性、生態破壞等問題,后期在一定程度上不利于旅游產業生態效率值的提升,從而制約區域旅游產業可持續發展。

由圖1可知,從區域來看,三大城市群間效率值上存在較為明顯的地區差異。環鄱陽湖城市群旅游產業生態效率的平均值為0.50,其次是環長株潭城市群為0.47,而武漢城市圈最低,且始終低于城市群整體水平。從趨勢上看,環長株潭城市下降趨勢最為顯著,至2017年達最小值,而其它子城市群變化較為相似,大致可分為兩個階段,2006—2011年效率值有所減少,而2012—2017年呈逐年上升態勢,特別是環鄱陽湖城市群漲幅較大,年際平均增長率為31.32%。由此可知,近年來武漢城市圈和環鄱陽湖城市群在旅游產業與生態環境的非均衡關系有所改善,一方面在于其對景區承載能力的重視,另一方面可能在于政府環境治理資金投入的增加和環境監管力度的加強,但整體仍有進步空間,而環長株潭城市群存在內部生態共治意識薄弱、缺少區域交流合作等問題,導致內部差異逐漸加大,從而影響整體效率水平的提高。

圖1 2006—2017年三大子城市群旅游產業生態效率

2.2 長江中游城市群旅游產業生態效率時空演變分析

2.2.1旅游產業生態效率重心演化

圖2 2006—2017年長江中游城市群旅游產業生態效率重心軌跡

根據公式(2)計算得到長江中游城市群旅游產業生態效率重心坐標,并繪制得到旅游產業生態效率重心演化圖。如圖2所示,2006—2017年效率重心主要位于114.14°E—114.37°E,28.94°N—29.05°N,從2006年的(114.15°E,28.94°N)變化到2017年的(114.37°E,28.96°N),整體向東北方向移動,高值區主要分布在環鄱陽湖城市群的九江市。

研究期內,2006—2010年效率重心總體呈東進北移態勢,除2006—2008年外,其余年份均沿東北方向移動。2010—2014年變化較為波動,逐年沿“東南—東北—東南—西北”方向變化,而后2014—2017年效率重心持續向東南方向移動。長江中游城市群效率重心位置變化階段性較為明顯,其移動路徑整體先偏向東北方向,而后偏向東南,表明效率高值區逐漸向環鄱陽湖城市群移動。

從移動距離上看,效率重心總位移為57.30 km,年均移動距離約5.21 km,其中向東(西)移動25.77 km,向南(北)移動12.73 km,整體東西方向移動距離大于南北移動距離。按坐標方位角計算,在11次移動過程中,旅游產業生態效率向東北和東南方向共移動8次,移動頻率為72.73%,向西北和西南移動3次,表明城市群東部地區生態福利績效高值比例不斷上升。進一步分析標準橢圓長短半軸及其差值可知(圖3),長江中游城市群旅游產業效率的空間分布呈“東南—西北”向的空間分布格局,長短半軸值差距總體呈波動上升趨勢,表明效率空間分布的方向性逐漸增強。從數據分布的范圍來看,短半軸長度縮短,從2006年的1.91下降至2017年的1.83,表明城市群效率離散程度降低,區域差異縮小。

圖3 2006—2017年長江中游城市群旅游產業生態效率標準差橢圓

2.2.2各子城市群內部空間格局演化

將以間隔大致相當的2006、2012和2017年為時間截面,借助ArcGIS 10.2軟件的自然斷點法分為四類,以進一步明晰長江中游城市群旅游產業生態效率的時空演變特征,得到空間格局演化圖(圖4)。

圖4 2006年、2012年和2017年各子城市群旅游產業生態效率空間格局

2006年各子城市群內部極化現象較為明顯,大部分地區呈現低效率空間集聚現象,高效率城市數量較少。具體來看,環鄱陽湖城市群的景德鎮市和上饒市數值較高,而中部地區旅游產業與生態環境協調度水平低。武漢城市圈主要以武漢市為高值中心,四周旅游產業生態效率水平均較低,區域極化矛盾較為突出。相對而言,環長株潭城市群效率整體水平最高,高值區主要集中在長沙市、株洲市和岳陽市三市,位于城市群中部和東北部地區。2012年,空間格局基本保持不變,部分城市效率值有所下降。2017年,城市群高效率城市數量明顯增加,其中環鄱陽湖城市群最為明顯。由于景德鎮市和上饒市發揮中心極的輻射帶動作用,環鄱陽湖城市群內部差距逐漸縮小,空間分異程度有所減輕,而武漢城市圈和環長株潭城市群效率空間格局基本保持不變,但整體效率水平有所下降,需引起相關部門的重視。

綜合來看,2006—2017年長江中游城市群旅游產業生態效率逐漸形成“東高—西低”的空間格局,高效率城市數量明顯增加。具體來看,環鄱陽湖城市群高值區輻射帶動作用明顯,但其它兩個子城市群內部空間分異仍然存在,主要原因在于環長株潭城市群和武漢城市圈前期勞動力和資本等要素的大量投入使城市群整體旅游產業經濟高速發展,這種傳統的經濟發展方式并未考慮資源的有限性、生態破壞和城市環境污染等問題,后期在一定程度上會對旅游產業發展環境產生較大威脅,不利于旅游產業生態效率值的提升。

2.3 長江中游城市群環境規制對旅游產業生態效率的影響分析

2.3.1變量說明與面板模型構建

為考察環境規制對旅游產業生態效率的影響,將建立面板數據回歸模型分析環境規制是否對旅游產業效率產生影響。關于環境規制的指標選取,當前學術界尚未做出統一界定。由于過往采用的指標存在評價角度單一、數據測度困難等問題,本文將從治污效果的角度[37-38],選取“二氧化硫去除率”、“煙粉塵去除率”、“固體廢物綜合利用率”、“污水處理率”和“生活垃圾處理率”五項指標,這些指標受政府制度層面的約束較大,因而本文基于熵值賦權法得到城市環境規制強度指數,其強度越高,表明地區政府對環境的管控力度越大,環境規制越強,反之則越弱。

同時,參考相關文獻和已有研究[39-40],可知影響旅游產業生態效率的因素較多,為避免多重共線性和異方差現象,將綜合選取五個控制變量,具體如下：1)旅游產業規模(TEL)：適度的生產規模能產生最佳的經濟效益,過度則會出現規模不經濟現象,因此旅游產業規模直接關系到旅游產業綠色健康發展程度,將以城市的旅游總收入表示,由于該指標為價值型指標,應做不變價處理。2)產業結構(IS)：選取第三產業占GDP的比重表征。眾多研究成果表明,第二產業向第三產業轉型升級在一定程度上能減少環境污染,是加強生態環境保護、建設生態文明的根本途徑。3)科技發展水平(TDL)：選取科學技術支出占公共財政支出之比來表征區域科技發展水平。政府加大力度支持區域科學創新能有效提高要素利用效率,緩解產業節能減排壓力,間接有利于提高旅游產業生態效率。4)旅游產業資本(TCA)：通過星級飯店數量、旅行社數量和3A及以上旅游景區加權數量求總得到[35]。旅游產業資本的增加意味著區域旅游生產要素投入量的增加,城市群旅游產業資本的逐漸擴大,一方面可能促進旅游產業經濟發展,但另一方面容易造成資源冗余現象,不利于生態環境保護。5)交通條件(TRA)：區域內部交通通達性改善,能進一步能縮短游客出行時間,提高旅游目的地吸引力,促進旅游產業發展,但綜合考量,后期可能會出現交通擁堵、碳排放污染和自然景觀破壞等負面問題。以城市群為研究對象而言,公路最為便捷且具有一定的普適性,同時考慮到數據可獲性,選用等級公路長度與城市面積比例表征。

為避免偽回歸現象,對所有變量進行了LLC和ADF—Fisher平穩性檢驗,根據結果將部分變量進行對數化處理。在此基礎上,運用計量分析軟件Stata15.0,以旅游產業生態效率為因變量,環境規制強度為核心變量,同時借鑒環境庫茲涅茨曲線分析方法,引入環境規制強度的二次項,綜合考慮旅游產業規模、產業結構、科技發展水平、旅游產業資本和交通條件情況,采用廣義最小二乘法(GLS)建立靜態面板數據模型并及進行效應模型選擇。通過Hausman檢驗,得到顯著性P>0.5,選擇隨機效應模型。具體模型如下：

(4)

式中,i=1,2,...,28表示長江中游城市群的28個城市,t表示年份,TEit為第t年第i個城市旅游產業生態效率,EGit表示第t年第i個城市環境規制強度,β0作為常數項,β1—β7為系數,μit代表隨機誤差項。

2.3.2回歸結果分析

由表3可以看到,在其他條件不變的情況下,長江中游城市群的三大子城市群環境規制指標的一次項均為負值,而二次項系數為正,且至少通過10%的顯著性水平檢驗,表明各城市群環境規制對旅游產業生態效率存在影響,總體上二者間呈“U”型的非線性關系,即當政府的環境管制力度較弱時,其對效率的增長起抑制作用,但從長遠來看,隨著環境規制的逐漸增強達到“拐點”后,其對旅游產業生態效率的影響開始向積極促進方向轉變。由于環境規制對旅游產業生態效率仍處于負向影響狀態,因此可以預測當前長江中游城市群環境規制仍處于較低水平,當環境規制強度較弱時,一方面旅游企業作社會主體,較少考慮其環境責任,忽視了組織的各項旅游活動對自然環境的影響,缺乏污染防治和環境保護意識；另一方面,企業環境治理壓力較小,相關成本占旅游企業的總成本比重相對較低,企業缺少相應的資本和勞動力對技術進行創新,以改善相關配套設施,從而不利于旅游產業綠色協調發展。隨著環境規制增強到拐點,旅游企業逐漸重視各類旅游活動能耗和污染情況,由于環境規制成本比重不斷增加,企業利潤逐步降低。為緩解競爭壓力,企業選擇引進創新技術和管理方法,以提高旅游資源使用效率,增強要素配置能力,因此其對旅游產業生態效率的負向影響程度有所減弱。

表3 面板數據回歸結果

進一步研究發現各子城市群內部環境規制與旅游產業生態效率的影響程度存在差異,結果如表4所示。具體來看,環境規制對武漢城市圈的武漢市、黃岡市、黃石市和咸寧市旅游產業生態效率具有顯著正向影響,即環境規制力度越大,城市低碳旅游發展水平越高。環長株潭城市群和環鄱陽湖城市群受環境規制正向影響的城市數量較少,環長株潭城市群僅有長沙、湘潭和岳陽市三市,而環鄱陽湖城市群中除南昌、萍鄉、新余三市外,其余地區對效率影響均呈顯著的負效應或不顯著。由此可知,受環境規制正向影響的城市主要集聚在各子城市群的中心城市附近。受環境保護法律體系、經濟發展水平和治污技術等方面的影響,中心城市環境規制處于較高水平。在《長江中游城市群發展規劃》的指導下,三大城市群分別在武漢市、長沙市和南昌市的引領下,通過共建生態文明,實現一定范圍內環境治理率的提升,但當前城市輻射帶動能力有限,導致城市間旅游資源共享和生態保護合作存在一定問題,各子城市群環境規制對旅游產業生態效率的負向影響仍然較大,不利于旅游產業綠色健康發展。

表4 各子城市群環境規制對旅游產業生態效率影響的回歸結果

同時,各控制變量對三大城市群旅游產業生態效率也存在一定約束作用,且影響方式也存在差異,具體分析如下：

1)旅游產業規模對三大城市群旅游產業生態效率均呈顯著正向影響,表明當前長江中游城市群整體旅游產業的規模化發展,能充分發揮城市群旅游產業的集聚效應,有效提高資源配置能力,促進旅游產業生態效率提高。

2)產業結構對各城市群的旅游產業生態效率的系數均為正,分別為0.058、0.042和0.008,但環鄱陽湖城市群產業結構系數不顯著,表明武漢城市群和環長株潭城市群產業結構優化升級有利于提高旅游產業投入與產出的比例,而環鄱陽湖城市群盡管產業結構有所優化,但區域發展仍以傳統產業為主拉動經濟增長,產業轉型升級壓力仍然較大,對促進旅游產業發展的貢獻較小。

3)科學技術水平對三大城市群旅游產業生態效率具有顯著正向影響，其相關系數均相對較大，分別為1.339、1.301和0.718，這在一定程度上表明政府加大科技投入對城市群整體旅游產業綠色發展的推動作用顯著。由此，長江中游城市群內部各市應積極推進科技創新工作，引導企業重視創新科技的引進，不斷增強企業自主創新能力，提高資源轉化效率，以緩解當前旅游環境治理壓力。

4)產業資本指標對各城市群旅游產業生態效率具有顯著負向影響,均至少通過了10%水平下的顯著性檢驗,表明當前旅游企業的增加是阻礙旅游產業生態效率提高的重要因素,城市群可進一步通過加強區域旅游合作,合理分配投入要素,使旅游產業實現效益最大化發展。

5)交通條件與三大城市群旅游產業生態效率的回歸系數為正,但均未通過顯著性檢驗,表明交通條件改善對旅游產業生態效率的提升作用不明顯。完善交通設施建設、提高交通通達度是影響旅游質量的重要因素,由于城市群內部自然地理條件和經濟發展水平存在差異,導致現階段整體道路交通資源分布不均勻,旅游交通網絡化建設不完善,從而其對旅游產業生態效率的影響程度較弱。

3 結論與討論

3.1 結論

以2006—2017年為研究時段,以長江中游城市群28個地級市為研究對象,采用超效率SBM模型評價城市群旅游產業生態效率,并在此基礎上分析其空間格局演化,最后運用廣義最小二乘法建立面板數據模型考察環境規制強度對城市群旅游產業效率影響的時空分異特征,主要結論如下：1)長江中游城市群整體旅游產業生態效率值始終處于生產前沿面以下,說明該城市群旅游產業綠色發展程度較低。根據效率值變化趨勢大致將各城市分為上升型、下降型、下降—上升型三類,其中下降型最多,占總數的46.43%。從區域尺度看,三大城市群間效率存在一定差異,環鄱陽湖城市群效率最大,而武漢城市圈最小。2)2006—2017年城市群旅游產業生態效率整體向東北方向移動,高值區主要分布在環鄱陽湖城市群的九江市。從空間格局來看,效率整體極化矛盾有所緩解,高值區逐漸向城市群中部集聚,高效率城市數量明顯增加。3)長江中游城市群的三大子城市群環境規制與旅游產業生態效率間呈“U”型的非線性關系,表明當政府對環境管制力度較弱時,其對效率的增長起抑制作用,但從長遠來看,隨著環境規制的逐漸增強,其對效率的影響開始向積極促進方向轉變。同時,各子城市群內部環境規制對效率的影響程度不同,整體呈正向顯著影響的城市數量較少，主要集聚在各子城市群的中心城市附近。

3.2 討論

針對長江中游城市群環境規制和旅游產業生態效率的表現,一方面應進一步提升城市群環境規制能力,政府可通過健全旅游業相關法律法規、建立生態保護紅線、限額企業碳排放等方式,盡量減少旅游活動過程中的廢水、廢氣及廢物污染。另一方面考慮到各子城市群環境規制和旅游產業生態效率間的影響程度存在差異,應因地制宜調節環境規制強度。針對經濟發展水平較低的城市,其旅游企業環境治理壓力較大,因此政府可積極采取經濟補貼和寬松政策,以提升區域旅游產業競爭力,同時還可通過加強區域旅游合作,共同促進城市群整體旅游產業綠色健康發展。

與此同時,三大城市群還應進一步發揮區域規模效應,整合資本和勞動力等生產要素,降低產業生產成本,使企業效益最大化；隨著產業結構優化升級,旅游環境治理壓力仍然存在,為從根源上解決這一問題,需重視優化能源消費結構,重視城市群技術創新情況,積極開發并推廣節能減排技術,加強公民節能減排意識,倡導旅游低碳出行；需進一步提高公路等級,建立立體的城市群公路網絡體系,完善旅游區內部交通,提高景區間公路交通通達性,以減少旅游交通帶來能源消耗和環境污染。

同時,本研究也存在一些不足之處,主要表現在：考慮到旅游業的綜合性和數據的可獲性,本文旅游產業生態效率指標選取方面仍存在完善空間,同時在影響分析上,并未在空間上詳細分析環境規制與旅游產業生態效率系數的時序變動,有待深入研究。