貴州省旅游減貧效率格局演化及其影響因素

劉 康，儲玖琳，王 坤，劉智興，史 珊

1. 安康學院 旅游與資源環境學院，陜西 安康 725000； 2. 貴州大學 旅游與文化產業學院，貴陽 550025

目前我國脫貧攻堅已經取得全面勝利，如何發揮區域旅游資源的乘數效應，將資源優勢轉化為社會經濟優勢，進一步提高旅游減貧效率，繼而持續助推區域鄉村振興發展，成為學術界關注的焦點．位于我國西部偏遠民族貧困地區的貴州省在解決貧困人口脫貧、 邁向全面小康的進程中，充分發揮其生態、 環境以及優質旅游資源的優勢，采用“大旅游”戰略引領區域經濟與民生發展，使得旅游經濟成為拉動區域經濟的重要增長極，貴州省貧困縣2020年底全部“脫帽”．基于此，本研究將貴州省作為典型案例地，探究其旅游減貧效率格局演化及其影響因素，對西部偏遠特困地區以及民族地區的旅游生產要素合理化配置和旅游發展提質增效有一定的參考價值.

1 文獻綜述

旅游減貧效率是綜合衡量區域旅游減貧效果的重要手段，在國內外對旅游減貧相關成果的基礎上，近年來關于旅游減貧效率(效應)的探討逐漸成為學者們關注的焦點．黃淵基[1]、 耿長偉等[2]運用DEA 模型對連片特困地區旅游減貧效率進行評價，根據不同發展階段與區域特點，提出了適宜的發展策略； 另有研究采用傳統的DEA模型對武陵山區[3]、 湖北大別山區[4]、 廣西石漠化地區[5]、 連片特困羅霄山片區[6-7]以及湖北省[8]旅游減貧效率及其影響因素展開測度； 尹建軍等[9]、 梁興群等[10]基于Super-SBM模型對集中連片特困區的旅游減貧效率及其減貧路徑展開探究．此外，部分學者對貴州省的旅游減貧展開了探究，研究內容主要集中于旅游減貧模式[11]、 旅游精準減貧對農戶的生計影響[12]、 旅游減貧路徑與益貧模式[13]等； 還有學者聚焦于旅游過程中特定形式的旅游減貧，譬如生態旅游減貧[14]、 旅游減貧與空間正義[15]、 旅游減貧與勞動保障制度[16]等．綜合來看，這些研究以定性分析居多，盡管有學者基于自回歸模型對貴州省旅游減貧效應展開了初步探究[17]，但是非線性Granger因果檢驗只能刻畫旅游減貧效率“量”的影響程度，其更多地考慮關系數據而忽略了旅游減貧效率的空間結構屬性．基于此，借助空間分析測定貴州省旅游減貧效率空間格局演化的研究有很大空間.

總體來看，學界對旅游減貧效率進行了較為全面的研究，但相關研究從區域與尺度來看多集中于東中部地區市際層面，少有對西部地區，尤其是西部偏遠民族貧困地區微觀層面(縣域尺度)旅游減貧效率的研究； 就指標選取與研究方法而言，旅游減貧效率產出指標大多數只考慮經濟效益，忽略了社會效益與生態效益； 此外，大多數研究多采用傳統DEA以及超效率SBM來測度旅游減貧效率，但傳統DEA方法在對小樣本估計時會導致相對效率產生偏差或忽略統計檢驗等問題[18-19]，而超效率SBM只能從關系屬性的角度刻畫旅游減貧效率“量”的影響程度．因此本研究在構建適宜的投入—產出指標的基礎上，借助Bootstrap-DEA、 GIS空間分析以及空間計量模型等方法，以貴州省為案例地，以2011-2016年面板數據為數據源，深入探討西部偏遠民族貧困地區旅游減貧效率的空間格局演化規律及其影響因素，以期為貴州省旅游可持續發展以及旅游生產要素合理化配置和提質增效提供決策參考.

2 研究方法與數據

2.1 研究模型與方法

2.1.1 Bootstrap-DEA模型

2.1.2 全局空間自相關

全局空間自相關主要是對屬性在整個區域空間上特征的描述，反映觀測變量在整個研究區域內空間相關性的整體趨勢．最常見的是用Moran’sI系數來衡量，其計算公式[22]為：

(1)

式中：Xi和Xj表示空間單元i與j的屬性值；S2為樣本方差；Wij均為鄰近標準的空間權重矩陣．統計檢驗均采用Z檢驗.

2.1.3 空間計量模型

根據Anselin的空間滯后模型與空間誤差模型[23]，結合貴州省旅游發展實際，設定的考慮空間效應的滯后模型為：

lnYi=α+γ1lnSTRi+γ2lnRESi+γ3lnLi+γ4lnCPi+γ5lnOPENi+ρωlnYi+εi

考慮空間效應的誤差模型為：

lnYi=α+γ1lnSTRi+γ2lnRESi+γ3lnLi+γ4lnCPi+γ5lnOPENi+μ

μ=λWεi+ξ

(2)

式中：γi為回歸參數；Yi為區域i的旅游減貧效率；STRi表征產業結構；RESi表征旅游資源稟賦；Li表征人力資本；CPi表征資本動力；OPENi表征市場開放程度；εi為隨機干擾項，衡量其他未觀測到的因素對旅游減貧效率的影響；ρ為空間滯后回歸系數；W為鄰近標準空間權重矩陣；λ為空間自相關系數，ξ為服從經典假設的隨機誤差項.

2.2 指標選取與數據來源

2.2.1 指標選取

旅游減貧效率是對旅游減貧過程的評價，其評價指標有投入指標和產出指標．近年來，國內外學者逐漸從關注旅游減貧的經濟效益拓展到關注旅游減貧的“經濟—生態—社會”效益，因此旅游減貧效率評估既要注重合理分配利益，防止貧富差距過大，突出經濟效益，還要注重可持續發展，突出社會與生態效益[1].

由于投入指標的選取需要評價的是旅游對經濟、 社會與生態的減貧效應，因而需要選取衡量旅游業發展的指標．旅游綜合收入可以大致描繪旅游業發展的成果效應，而旅游人數可以衡量其對周邊產業的帶動效應，同時考慮到與產出指標體系的對應關系，選取人均旅游綜合收入與人均接待游客量構成投入指標體系．產出指標應該由經濟效益指標、 社會效益指標、 生態效益指標組成．經濟效益指標是反映區域“減貧”最直接的指標，從地區經濟的帶動效應上看，人均GDP是較好的產出指標，表征旅游產業對當地經濟的帶動； 從貧困片區的脫貧效果上看，人均收入是較好的產出指標，于是本研究同時選取了城鎮居民人均可支配收入與農民人均純收入，體現居民生產生活狀態．貧困片區的居民既包括城鎮也涵蓋農村，故經濟效益指標由人均GDP、 城鎮居民人均可支配收入、 農民人均純收入3項構成．社會效益指標是評價旅游區文明進步、 和諧發展的重要指標，用城鎮化率表征旅游減貧的社會效益．生態效益指標是貧困區實現可持續發展、 踐行生態文明建設的重要指標，用森林覆蓋率表征旅游減貧的社會效益[1，3-6].

2.2.2 數據來源與處理

2011年與2016年是貴州省“十一五規劃”和“十二五規劃”的開局之年，連續、 完整的5年間隔期能更科學地刻畫旅游減貧效率的空間格局及其演變規律，因此選取2011年與2016年相關數據作為源數據．本研究忽略了投入產出的滯后性對旅游減貧效率的影響，同時利用物價指數對投入產出指標進行變化，以剔除物價水平變動的影響．文中所有數據均來自2011-2016年《貴州省統計年鑒》、 貴州省各地市統計年鑒、 貴州省88個縣國民經濟與社會發展統計公報、 貴州省文化與旅游廳及各地區旅游局網站.

3 測度結果與分析

3.1 總效率測度結果

由表1可知，2011年88個縣旅游減貧總效率最大值為1，最小值為0.035，平均值為0.317，標準差為0.237．其中有31個縣旅游減貧總效率高于平均值，占比達35.23%； 剩余57縣旅游減貧總效率低于平均值，占比為64.77%．與2011年相比，2016年88縣旅游減貧總效率最大值仍為1，但最小值提升至0.043，提升幅度為22.86%； 平均值提升至0.335，提升幅度為5.68%； 標準差下降為0.235，下降幅度為0.84%．2016年，有32個縣旅游減貧總效率高于平均值，占比提升至36.36%，剩余56縣旅游減貧總效率低于平均值．數據表明，5年間旅游減貧總效率整體水平在提升的同時，區域間差距卻在逐漸縮小.

表1 綜合測度結果

2011年與2016年總效率的GlobalMoran’sI估計值均為正值，檢驗結果均顯著(Z值均大于0.05置信水平臨界值)，并且數值呈現上升趨勢，表明旅游減貧總效率內部存在顯著的空間相關性，不同縣域總效率在空間上表現為集聚特征．換言之，總效率較高的區域與總效率較低的區域在空間上呈集中分布態勢，并且這種趨勢在不斷加強.

3.2 分解效率測度結果

2011年純技術效率最大值為1，最小值為0.067，平均值為0.58，標準差為0.314，其中有40個縣區純技術效率高于平均值，占比達45.45%．與2011年相比，2016年純技術效率最大值仍為1，但最小值提升為0.074，平均值仍為0.58，標準差小幅提升為0.319，提升幅度為1.59%； 有43個縣區純技術效率高于平均值，占比提升至48.86%．各組數據的動態變化反映5年間純技術效率整體水平保持穩定的同時，區域差距卻在以較小幅度拉大.

2011年規模效率最大值為1，最小值為0.082，平均值為0.576，標準差為0.231，其中有43個縣規模效率高于平均值．與2011年相比，2016年規模效率最大值仍為1，但最小值提升為0.091； 平均值提升為0.628，提升幅度達9.03%； 標準差大幅下降為0.002，僅為2011年的0.87%； 仍有43個縣區規模效率高于平均值．各組數據的動態變化表明在過去的5年間，規模效率整體水平在小幅提升的同時，區域差距卻在迅速縮小.

2011年與2016年，純技術效率與規模效率的GlobalMoran’sI估計值均為正值，檢驗結果均顯著(Z值均大于0.05置信水平臨界值)，并且數值呈現上升趨勢．無論是2011年還是2016年，純技術效率的GlobalMoran’sI均小于規模效率的GlobalMoran’sI； 此外，純技術效率的GlobalMoran’sI的增長幅度(9.73%)也低于規模效率的GlobalMoran’sI的增長幅度(14.92%)．數據表明純技術效率與規模效率在區域內均存在顯著的空間相關性，且效率水平相似的地區在空間上呈集聚分布態勢．盡管純技術效率與規模效率在空間上的集聚程度都在加強，但規模效率的集聚程度與集聚趨勢均高于純技術效率.

綜合來看，總效率、 純技術效率與規模效率均存在顯著的空間正相關性和集聚特征，且空間關聯性逐漸增強．5年間總效率與規模效率均有一定程度的提升，純技術效率卻保持不變．這種變化一方面反映貴州省各縣區旅游業產出與投入的比例逐步優化，生產力逐漸提高； 另一方面也表明貴州省旅游減貧總效率的提升主要得益于規模效率的不斷增強，換言之，得益于貴州省近年來“大數據、 大生態、 大旅游”這一戰略布局，使得域內旅游經營規模逐步擴大，旅游業集聚和集群化發展所帶來的規模效應提升了區域旅游減貧總效率.

4 旅游減貧效率時空格局演化

4.1 旅游減貧效率空間分布格局

雖然學者們對旅游效率進行了大量的實證探索，并產生了豐碩的研究成果，但由于效率本身就是一個相對的概念，當前學界對其還沒有形成一個統一的等級劃分標準．所以，本研究參考王坤等[24]、 徐冬等[25]的研究，將測度結果劃分為4個等級：TE≤0.4表示旅游減貧效率很低； 0.40.8表示旅游減貧效率很高．同時借助ArcGIS 10.2將2011年與2016年的綜合測度結果從低到高劃分為低效區、 較低效區、 較高效區與高效區4類．通過各縣域單元效率等級的變化考察其空間分布格局，可視化結果如圖1.

該圖基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2019)1719號的標準地圖制作，底圖無修改．圖1 貴州省縣域旅游減貧效率格局分布

4.1.1 總效率的空間分布格局

從單個年份來看，2011年總效率最高的3個縣區分別為盤縣、 望謨與安龍，最低的3個縣區分別為荔波、 雷山與江口，低效、 較低效、 較高效與高效4等級縣域數量分別為65個、 11個、 5個、 7個．2016年總效率最高的3個縣區分別為望謨、 安龍與正安，最低的3個縣區分別為荔波、 雷山與凱里，低效、 較低效、 較高效與高效4等級縣域數量分別為62個、 13個、 8個、 5個．從2011-2016年的變化情況來看，總效率絕對增量最大的縣區分別是紫云、 務川與道真，總效率絕對減量最大的縣區分別是岑鞏、 盤縣與鐘山，不難看出，總效率空間分布格局的特征為：① 旅游減貧總效率的空間格局總體保持相對穩定狀態，處于低效區的縣域占比大．② 高效區主要分布于畢節市、 黔南州西南部與遵義市東北部等區域，低效區在全省范圍內的分布范圍較為廣泛.

4.1.2 純技術效率的空間分布格局

從2011-2016年的變化情況來看，低效區、 較低效區、 較高效區與高效區4等級縣域數量由2011年的33個、 16個、 12個、 27個變為2016年的37個、 11個、 11個、 29個； 純技術效率絕對增量最大的縣區分別是紫云、 務川與紅花崗，純技術效率絕對減量最大的縣區分別是福泉、 興義與赫章．研究發現純技術效率空間分布格局波動較大，但其平均值卻保持不變，分析認為處于較低效區與較高效區的縣區發生大批量跨等級流動，使得增量與減量趨于一致，繼而導致純技術效率平均值保持平衡.

4.1.3 規模效率的空間分布格局

單個年份來看，2011年規模效率最高的3個縣區分別為盤縣、 望謨與安龍，最低的3個縣區分別為赤水、 開陽與修文； 2016年規模效率最高的3個縣區變為望謨、 安龍與普安，規模效率最低的3個縣區變為赤水、 都勻與烏當．從2011-2016年的變化情況來看，規模效率絕對增量最大的縣區分別是德陽、 綏江與江口，規模效率絕對減量最大的縣區分別是播州、 黎平與沿河； 低效區、 較低效區、 較高效區與高效區4等級縣域數量由2011年的24個、 24個、 19個、 21個變為2016年的18個、 21個、 23個、 26個．不難看出規模效率的空間格局波動較大，西南地區的規模效率提升尤為明顯，特別是畢節、 六盤水一帶； 東北地區的規模效率下滑較為明顯，尤其是銅仁地區.

4.2 旅游減貧效率空間格局演化

運用ArcGIS 10.2空間分析模塊的插值分析，分別對貴州省2011年與2016年旅游減貧效率展開Kriging插值分析，并對最終結果進行可視化表達．圖2中Kriging插值擬合圖綜合反映了區域旅游減貧效率的分布形態和內在結構演變過程.

該圖基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2019)1719號的標準地圖制作，底圖無修改．圖2 旅游減貧效率時空格局演化

總效率的Kriging擬合圖顯示，2011年出現以六盤水與黔西南為高值中心的雙核結構，并呈現“以貴陽為核心，逐漸向周圍區域增高”的空間格局，遵義東北角與黔東南州東南部形成次高值分布區，同時形成了以貴陽、 安順與黔南州北部為中心的低值集聚區．2016年演化為以六盤水、 黔西南與遵義北為高值中心的多核結構，貴陽與黔南北部仍為低值集聚區，總效率“中心低、 四周高”的格局沒有根本改變．不難看出總效率時空格局演化表現為：高值集聚區從西南、 東北角兩方位向以貴陽為中心的區域逐漸蔓延、 擴大，低值集聚區則表現出相反的演變態勢.

純技術效率的Kriging擬合圖顯示，2011年在貴陽—畢節—六盤水—黔西南一帶形成“C型”半弧帶高值集聚區，在畢節南—安順—黔南—黔東南西北角—銅仁一帶呈現“V型”條帶低值集聚區．貴陽、 遵義西南部、 畢節中西部、 六盤水、 黔西南州形成高值中心，黔東南州東南部形成次高值中心，安順、 黔南州東南部、 黔東南州西北部與銅仁形成低值中心．相較2011年，2016年空間格局發生較大演變，純技術效率演化為以貴陽、 遵義為高值集聚區的雙核中心，畢節、 六盤水、 安順、 黔東南基本演化為低值集聚區．可以看出純技術效率時空格局演變規律為：高值集聚中心整體表現出向貴州省中北部移動的態勢，這一趨勢在貴州省西南部表現的尤為突出.

規模效率的Kriging擬合圖顯示，2011年呈現出“中部低，兩側高”的空間分布格局．畢節西部、 六盤水、 黔西南、 安順西南角、 銅仁、 遵義東北角形成高值中心，黔東南州東南部形成次高值中心，畢節東部、 貴陽、 黔南北部、 遵義西南部形成低值中心．2016年，“中部低，兩側高”的空間分布格局沒有發生根本性變化，只是西南方向的高值集聚范圍向以貴陽為核心的區域逐漸蔓延、 擴大，東北方向的高值集聚范圍則表現出向以貴陽為核心的區域逐漸減弱的態勢.

5 格局演化影響因素分析

5.1 影響因素的選取

旅游減貧效率的時空格局演化是復雜的變化過程，在從原有空間格局向現有格局的演變過程中，會受到經濟、 市場、 資源、 人才等多重因素的綜合影響．在重點參照相關成果的基礎上，本研究選取如下影響因素：① 產業結構(STR)．產業結構的轉變，可以提升產業集聚與融合，在提升旅游服務質量的同時，實現旅游資源互補，繼而提升旅游減貧效率，用旅游總收入與GDP的比值來衡量旅游業在區域經濟中的結構比例[24]．② 旅游資源稟賦(RES)．旅游資源稟賦是區域旅游經濟的核心，用2A及以上景區(權重取2)、 星級酒店(權重取2)和旅行社(權重取1)數量乘以各自權重的綜合得分表示[26]．③ 人力資本(L)．區域旅游從業人數對旅游生產活動的過程與結果具有重要影響，用新增就業人口(人)來表示人力資本[22]．④ 資本動力(CP)．旅游投資能進一步改善基礎設施，營造良好的旅游環境，繼而增加對游客的吸引力，對貧困區旅游發展效率而言具有積極影響，采用固定資產投資總額(萬元)來表征資本動力[27]．⑤ 市場開放程度(OPEN)．市場開放程度的提升有利于改善旅游業資本和技術水平，用招商引資實際到位資金與GDP的比值來表示[24，27].

5.2 模型識別與檢驗

采用最大似然法(ML)對經典回歸模型進行估計，表2的檢驗結果顯示Moran’sI為0.3707，且在1%的水平上顯著(p值小于0.01)，證明模型的回歸誤差具有空間正相關性．因此，可以選擇空間滯后模型和空間誤差模型展開估計.

表2 空間誤差和滯后模型檢驗結果

在空間滯后模型和空間誤差模型的選擇上，就Lagrange Multiplier而言，LM-lag的t統計量為31.8030，p值小于0.01，說明LM-lag在1%的水平上顯著； LM-error的p值亦小于0.01，表明LM-lag也通過了顯著性檢驗．進一步借助穩健性展開識別，R-LMlag通過了5%水平的顯著性檢驗，R-LMerr未通過10%水平的顯著性檢驗，可以看到R-LMlag比R-LMerr的顯著性更優、 穩健性更強．結合2個拉格朗日乘數檢驗及其穩健性的顯著性水平，研究選用空間滯后模型展開分析.

5.3 空間計量分析結果

首先，影響因素的顯著性．旅游資源稟賦通過了1%水平下的顯著性檢驗，人力資本(勞動力)、 產業結構均通過了5%水平下的顯著性檢驗，資本動力(固定資產投資)通過了10%水平下的顯著性檢驗，且相關系數均為正； 市場開放程度未通過10%水平下的顯著性檢驗．數據表明旅游資源稟賦、 人力資本、 產業結構、 固定資產投資等4要素對區域旅游減貧效率具有顯著地正向影響； 市場開放程度對區域旅游減貧效率的影響不顯著.

其次，影響因素的影響程度．產業結構影響系數為正且最大，說明產業結構是區域旅游減貧效率提升的首要正向影響因子，這意味著在不考慮其他因素作用的情況下，域內旅游收入占GDP的比重每增加1%，區域旅游減貧效率則相應增加約0.076 4%．旅游資源稟賦影響系數為正，說明旅游資源稟賦是區域旅游減貧效率提升的次要正向影響因子，這意味著在不考慮其他因素作用的情況下，域內旅游資源稟賦每增加1%，旅游減貧效率則相應增加約0.061 4%．此外，資本動力、 人力資本的影響系數均為正，二者也會對區域旅游減貧效率產生一定的影響，在不考慮其他因素作用的情況下，域內資本動力以及人力資本每增加1%，區域旅游減貧效率則相應提升約0.060 5%，0.007 5%(表3).

表3 空間誤差和滯后模型估計結果

6 結論與建議

6.1 結 論

本研究以貴州省為典型案例地，借助基于Bootstrap-DEA、 GIS空間分析以及空間計量模型等方法，對貴州省88縣相關面板數據的旅游減貧效率展開測度，在刻畫旅游減貧效率空間格局及其演化規律的基礎上，進一步甄別格局演化的影響因素.

1) 總效率與規模效率均有一定程度的提升，純技術效率卻保持不變，總效率的提升主要得益于規模效率的不斷增強．旅游減貧總效率、 純技術效率與規模效率均存在顯著的空間正相關性和集聚特征，且空間關聯性逐漸增強.

2) 總效率的空間格局總體保持相對穩定狀態，處于低效區的縣域占比大； 純技術效率空間分布格局波動較大，但其平均值卻保持不變； 西南地區特別是畢節、 六盤水一帶的規模效率提升尤為明顯，東北地區尤其是銅仁的規模效率下滑較為明顯.

3) 從演變過程來看，總效率高值集聚區從西南、 東北角兩方位向以貴陽為中心的區域逐漸蔓延擴大，低值集聚區則表現出相反的演變態勢； 純技術效率高值集聚中心整體表現出向貴州省中北部移動的態勢； 規模效率一直保持“中部低，兩側高”的空間分布格局.

4) 區域旅游減貧效率的格局演變與區域宏觀環境息息相關．旅游資源稟賦、 人力資本、 產業結構、 固定資產投資等多種因素共同構成了區域旅游減貧效率格局演變的動力．影響因素及其空間作用強度的差異引致區域旅游減貧效率格局呈現不同的演變軌跡.

6.2 建 議

在國家提出“以轉型升級、 提質增效為主線來發展旅游業”的目標框架下，貴州省作為我國西部旅游資源較為豐富的地區之一，如何促進區域旅游業的協同和互動，最大限度發揮旅游對經濟、 社會與生態的乘數效益，是區域旅游業在轉型的關鍵時期所面臨的重大挑戰．本研究提出幾點建議，以期為貴州省旅游可持續發展和提質增效提供科學依據，為民族貧困地區的旅游生產要素合理化配置提供決策參考.

首先，強化空間連接，提升資源稟賦．加強貴州省各區域之間景區、 酒店與旅行社的區域聯動與資源整合，有針對性地發揮區域優勢資源的特色，借此進一步實現區域互補； 同時，擴大高等級旅游資源的比例，強化A級景區與星級酒店在游客接待中的先鋒作用，提升國際、 國內旅行社的服務質量與服務體驗并合理開拓個性化、 精品化的旅行線路．通過上述措施，實現貴州省旅游資源的強化提質與可持續發展．其次，實施梯度建設，培養專業人才．人力資源的規模、 素質、 結構與技能都會對區域旅游減貧效率及其演化發揮作用，因此必須重視人才，尤其是專業旅游人才．應大力實施梯度人才建設，繼而為區域旅游發展提供智力引擎[28]．再次，整合區域資源，優化產業結構．充分整合域內財政、 金融、 民生、 減貧、 工業制造以及其他政策性的區域資源，形成系統化、 整體化、 智能化的產業結構決策與實施方案，為區域旅游經濟健康、 可持續發展提供持久動能，為區域旅游經濟均衡發展注入不竭動力．最后，科學制定規劃，合理資本投資．相關區域在使用旅游固定資產投資時，必須系統規劃每年的投資預算，并在投資預算框架內進行基礎設施、 相關設施與配套設施的科學使用．同時要合理分配投資比例與結構，既要重視旅游基礎設施的投資，也要重視娛樂、 游購等相關設施、 配套設施的建設，最大程度發揮資本投資的動力作用.

由于本研究只選取了區域發展中對旅游減貧效率可能產生影響的最主要要素，所以在后續研究中將選取更多要素和更長時段，系統揭示旅游減貧效率時空格局演化及其影響機理.