數字經濟對旅游生態效率的空間溢出效應研究

[關鍵詞]數字經濟;旅游生態效率;空間溢出效應

生態文明建設是我國立足當前、面向未來的重大戰略決策，關乎人民福祉，關系民族未來[1]。近年來，黨和國家始終將生態問題放在黨和國家工作全局的重要位置。作為現代服務業的重要組成部分，旅游業早已成為國民經濟戰略性支柱產業之一，但在產業高速發展的同時，旅游活動所帶來的環境問題亦不容小覷。盡管在傳統觀念中，旅游業曾被認為是天然的無煙產業，但其環境依托和資源消耗的產業屬性仍然決定了其與生態環境對立統一的二元關系[2]。近年來，隨著經濟發展的不斷增速、出游規模的不斷擴大，旅游業對生態環境的負面影響也日益凸顯。旅游業所引致的碳排放量約占全球碳排放總量的8%[3]，逐漸成為產業發展效率提升的掣肘。在“雙碳”目標的背景下，我國作為世界第一大旅游客源國，實現旅游業去碳化發展刻不容緩?！丁笆奈濉甭糜螛I發展規劃》明確指出，要使“兩山”理念融入旅游業發展全過程，通過發展旅游業促進人與自然和諧共生，實現生態保護、綠色發展及民生改善三者的有機統一① 。旅游生態效率是衡量區域旅游業可持續發展水平的綜合指標，是旅游業環境影響和經濟效益二者統一的重要體現[4]75。探討旅游生態效率時空演化特征，分析其影響因素，對我國旅游業在發展中實現經濟增長和環境質量的均衡、形成人與自然和諧共生的新發展格局、最終實現產業整體的持續健康發展具有重要價值。

經濟社會的可持續發展與科技的進步密切相關[5]，科技創新是提升旅游生態效率的關鍵所在[6]127。當前，旅游業的技術改進速度落后于行業碳排放的增長速度，科技創新的降碳潛能未能得到充分發揮。作為當前科技創新最為重要的前沿領域之一，數字經濟為實現旅游業的節能減排提供了新的思路。數字經濟憑借其高滲透性，發揮規模效應和網絡效應[7]111，在資源整合、供需匹配和效率提升等方面均展現出強大的動力。數字經濟不僅是旅游業新舊動能轉化的重要抓手，也是助推產業綠色高質量發展的重要源泉。作為一種超時空經濟，數字經濟可以突破時空藩籬的約束，實現資源的跨區域高效流動，不僅能通過提升資源利用效率促進本地旅游業的去污化轉型，還能運用空間溢出效應實現鄰地旅游業的綠色發展，發揮其空間輻射力，帶動周邊地區在生態與經濟兩大目標中實現雙贏。在此背景下，為廓清數字經濟與旅游生態效率在空間上的互動關系，本文以2011—2018年我國30個?。▍^、市）為研究樣本，在構建相應指標體系的基礎上測度數字經濟發展水平和旅游生態效率，并引入空間杜賓模型，從空間解構的視角深入探討數字經濟對旅游生態效率的空間影響，分析數字經濟發展對旅游生態效率的空間溢出效應，探索數字經濟在旅游產業內的綠色效應，以期為進一步改善生態環境、實現旅游業的永續健康發展提供理論依據和實踐參考。

1 文獻綜述與理論分析

1.1 文獻綜述

根據已有文獻，與本文研究主題密切相關的已有成果主要集中在3個方面：（1）有關數字經濟的旅游效應研究。根據《中國數字經濟發展白皮書》做出的概念界定，數字經濟是以數字化的知識和信息作為關鍵生產要素，以數字技術為核心驅動力，以現代信息網絡為重要載體，不斷提高數字化、網絡化和智能化水平，加速重構經濟發展與治理模式的新型經濟形態② 。研究主要聚焦于數字經濟發展在旅游業中的經濟后果。研究發現，與數字經濟的深度融合能顯著提升旅游產業的全要素生產率[8]47，并通過優化產業結構、賦能跨界融合，實現供需匹配[9]、釋放創新動力[10]和激發市場活力[11]等作用，有利于實現旅游業的高質量健康發展?，F有研究對數字經濟在旅游業內的環境效應這一主題的探討較少。其中，劉俊等提出，區塊鏈、物聯網和多源大數據等數字信息技術的綜合運用為旅游業的減碳、固碳和增匯提供了關鍵支撐[12];羅艷菊等以海南省為研究對象，使用面板數據證實了數字經濟的發展顯著抑制了海南省旅游業碳排放強度的增長，肯定了數字經濟在旅游業中的控碳作用[13]。（2）有關數字經濟的環境效應研究。目前，學術界對數字經濟是否具有綠色紅利這一問題仍未形成統一意見。一方面，數字技術和其他數字產業本身作為高耗能產業，其發展可能導致綠色悖論的產生，繼而增加環境惡化的風險[14];另一方面，作為一種新經濟形態，數字經濟可以通過提升能源效率、改善能源結構等方式對生態環境產生積極的影響，但這種綠色效應在不同的行業間存在著一定的差異[15]22。此外，有部分學者發現，數字經濟與生態效益之間可能存在“先促進，后抑制”的倒U 型關系[16-17]。（3）有關旅游生態效率測度的研究。生態效率是指用最小的環境影響創造最大的價值，而旅游生態效率則是生態效率這一概念在旅游部門內的衍生與應用，其核心理念是基于生態效率“最小投入、最大產出”理想目標的旅游可持續發展模式[4]75，[18]。在已有的研究中，對旅游生態效率的衡量主要分為比值衡量法和模型測算法兩類。采用比值衡量法的研究主要是參照世界商業可持續發展理事會提出的通用生態效率計算模型，以旅游碳足跡或旅游碳排放衡量旅游活動產生的環境影響，并在此基礎上以旅游業的環境影響與經濟收入之比對旅游生態效率進行表征[19-20]。然而，效率是一個多維度的綜合概念，單一的比值指標難以應對多種投入和產出共存的現實場景。為了彌補這個不足，近年來，越來越多的研究開始構建評價指標體系，借助數理模型對旅游生態效率進行衡量。在旅游效率的眾多評價模型中，以數據包絡分析模型（DataEnvelopment Analysis，DEA）的應用最為廣泛[21-22]。

綜上所述，相關研究成果為本文奠定了良好的理論基礎，但仍有一些問題值得進一步探討：（1）在對數字經濟的旅游效應研究上，現有研究多著眼于數字經濟在旅游業中的經濟效益，探討數字經濟潛在的生態效益的研究較為欠缺;（2）數字經濟是否存在減碳效應這一問題仍存在爭議，這可能是忽視了數字經濟環境效應在不同行業語境下的差異而造成的結論不一致。在對數字經濟的環境效應進行分析時，已有研究更多的是圍繞宏觀區域或是自帶污染屬性的工業經濟展開，針對旅游業的研究亟待豐富與拓展;（3）大多數學者在研究數字經濟對旅游產業的影響時，主要使用傳統的面板模型而忽視了空間因素，未考慮數字經濟突破區位條件限制的天然屬性，且少有研究從空間溢出的視角對二者關系進行探析。

1.2 理論分析

1.2.1 數字經濟對旅游生態效率的直接影響

作為新一輪科技革命中最具潛力的領域，從理論上看，數字經濟至少可能從以下兩個路徑對旅游生態效率產生正向影響：（1）從產業結構優化升級的視角來看，大量研究表明，產業結構的優化升級對降碳減排具有重要意義[6]127，[23]。而以大數據、人工智能和5G技術等為代表的數字技術的介入重塑了旅游業的生產經營模式，促進了產業的合理化和高級化。例如，通過社交媒體、在線預訂網站等數字平臺，旅游企業可以實現與旅游者的直接對話，使其能更好地把握市場動態，了解旅游者的真實需求并調整其經營行為，從而減少無效生產和資源浪費，降低旅游經營行為對生態環境的負面影響。（2）從科技創新水平的視角來看，數字技術的運用能為旅游業的溫室氣體治理策略與能源管理模式帶來多維度的優化升級，實現清潔生產技術在旅游業的普及和推廣，優化產業能源結構并提升能源利用效率[7]113，實現旅游產業整體的減排增效。（3）從行業治理能力的視角來看，一方面數字技術的應用加速了旅游企業組織結構的扁平化演進[8]49，強化了旅游目的地的經營管理能力，使管理人員比以往更關注可持續發展的問題。另一方面，數字產業與旅游業的融合必然帶來旅游業人力資本結構的適應性變革，提升了旅游業對知識技能型人才的需求。而高素質專業人才可能具有更強的環境責任意識[24]，更加關注旅游活動對環境的影響，這在一定程度上有利于旅游生態效率的提升。

1.2.2 數字經濟對旅游生態效率的空間溢出效應

數字經濟的超時空特性，使其能對近鄰地區的旅游生態效率產生明顯的輻射帶動效應。一方面，數字經濟的時空壓縮效應大幅度降低了資源的流動成本，為生產要素的跨區域調配創造了機會。要素的高效流動促進了不同區域間旅游業資源利用效率的協同提升，實現了技術效益向生態效益的轉化，發揮了旅游生態效率的空間溢出作用。另一方面，不同地區的旅游企業能夠在大數據平臺實現虛擬集聚功能，加強了市場主體間的溝通合作和知識共享，形成了良好的行業競爭格局，實現了合作共贏[25]。生態績效不佳的旅游企業可以通過數字經濟構建的網絡通道，不斷吸收行業的先進經驗改善其經營狀況。

2 研究設計

2.1 研究方法

2.1.1 基于松馳變量測算的超效率模型

由于旅游生態效率的目標是在旅游活動對生態環境的影響最小化的同時，實現經濟效益的最大化。目前，學術界對旅游生態效率測度多是在投入產出模型的基礎上運用DEA 模型進行評價，而傳統的DEA 模型在對效率進行測算時，主要從徑向和角度進行研究，忽視了投入和產出的松弛改進部分，可能導致估算結果偏大。此外，當多個決策單元同時達到生產前沿面時，傳統DEA 模型往往無法對這些決策單元進行進一步的排序和比較。于是，Tone提出了基于松馳變量測算的超效率模型（Super-EfficiencySlacks-Based Measure，Super-SBM）[26]，Super-SBM 模型不僅彌補了傳統DEA 模型存在的種種缺憾，還將非期望產出納入模型之中，進一步提升了效率評價的準確性，因此本文采用Super-SBM 模型對我國各省（區、市）的旅游生態效率進行衡量，公式如下：

式中：ρ* 表示旅游生態效率評價值，ρ* 越大則效率越高;n 表示決策單元的總數;m 、ρ1、ρ2 分別表示投入、期望產出和非期望產出的指標數量;x、yd 、yb 分別表示投入、期望產出和非期望產出指標在矩陣中相對應的元素;χj 表示各決策單元的權重;xik 表示決策單元k 的第i 個投入元素;yd 表示期望產出的松弛變量;ydsk 表示決策單元k 的第s 個期望產出元素;yb 表示非期望產出的松弛變量;ybqk 表示決策單元k 的第q 個非期望產出元素;xk 表示決策單元k 的投入指標;ydk表示決策單元k 的期望產出指標;ybk表示決策單元k 的非期望產出指標。

2.1.2 空間自相關分析

地理要素之間存在空間相關性是引入空間計量模型進行分析的前提條件，而由莫蘭指數表征的空間自相關分析則是分析經濟變量存在空間相關性的常用方法之一，包括全局空間自相關和局域空間自相關。

（1）全局空間自相關

全局空間自相關可以描述地理要素在整體空間上的分布狀況，本文采用全局莫蘭指數來檢驗數字經濟發展水平和旅游生態效率在空間上的集聚情況，公式如下：

式中：N 為空間單元總數;c 和p 分別代表省份c 和省份p;y 為地理要素的觀察值，本文中為數字經濟發展水平和旅游生態效率，y 為其平均值;S2 為樣本方差;wcp 為空間權重矩陣，本文選擇地理距離權重矩陣作為基礎矩陣，具體設定公式如下：

式中：d 為利用各省經緯度坐標計算得出的兩省地理中心之間的距離。I 的取值范圍為[-1，1]，當I ∈ （0，1]時表示地理要素分布呈空間正相關，I ∈[-1，0）表示地理要素分布呈空間負相關，其絕對值越大，空間相關性越強;I =0表示無空間相關性，地理要素分布服從隨機分布。

（2）局域空間自相關

由于全局空間自相關只能用于觀測整體的空間關聯格局，本文采用局域莫蘭指數來進一步明確數字經濟和旅游生態效率的空間關聯類型，公式如下：

式中：各符號內涵與式（2）中完全一致，根據Ic 的取值可以將地理要素在空間上的集聚分為“高—高”“低—低”“高—低”和“低—高”4種形式。

2.1.3 空間杜賓模型

空間面板計量模型考慮了各變量間的空間依賴性，能有效地分析不同地理要素之間的空間效應，避免傳統計量模型由于忽視空間交互關系而產生的估計偏誤。空間杜賓模型（Spatial Dubin Model，SDM）作為空間滯后模型（Spatial Lag Model，SLM）和空間誤差模型（Spatial Error Model，SEM）的組合拓展形式，結合了二者的優勢。因此，本文采用空間杜賓模型（Spatial Dubin Model，SDM）對數字經濟對旅游生態效率的空間效應進行探究。此外，為避免異方差對回歸結果的影響，保證數據的平穩性，并防止對數化處理后出現負值影響數據結構，故對所有變量均在加1后取對數處理，具體模型表達式如下：

式中：c 和p 為?。▍^、市），t 為年份，Y 和X 分別為因變量和自變量觀測值;wij 為空間權重矩陣;ρ 和φ分別為各變量對應的空間滯后系數;β 為各變量對應的回歸系數;μ 和δ 分別為空間固定效應和時間固定效應;ε 為服從獨立分布的隨機擾動項。

2.2 變量測度及說明

2.2.1 變量測度

（1）被解釋變量：旅游業生態效率（TourismEco Efficiency，TEE）。本文使用Super-SBM 模型測算旅游業生態效率。本文借鑒已有研究成果，結合古典經濟學提出的三大要素說，構建了旅游生態效率的“投入—產出”指標體系（表1）。在投入指標方面，由于學術界普遍認為旅游業受土地因素的影響較小[27]，且旅游業用地面積難以衡量，本文借鑒李志龍等[28]的研究，對各級旅游景區進行加權賦分，形成旅游資源稟賦指標反映旅游資源投入;選用第三產業固定資產投資額反映資本投入[29-30];通過景區、星級酒店和旅行社旅游業三大支柱部門的從業人數加總獲得旅游業從業人員數，用以評價勞動力投入;能源投入指標選用旅游業能源消耗量反映。在產出指標方面，參考王勝鵬等[31]、程慧等[32]的研究，選用旅游總人數和旅游總收入兩大指標衡量期望產出指標，非期望產出指標用旅游業碳排放量表示。其中，各?。▍^、市）的旅游業能源消耗量和碳排放量借鑒已有研究，均采用“自下而上”法進行測算[33-35]，公式如下：

（2）核心解釋變量：數字經濟發展水平（DigitalEconomy，DE）。本文借鑒已有研究[36-38]，在保證數據的連續性和可得性的基礎上，分別從數字基礎設施、數字產業化和產業數字化3個維度選取了11個指標，構建數字經濟發展水平的綜合評價指標體系（表2）。其中，數字基礎設施是數字經濟產生的基石，是實現數字經濟蓬勃發展的核心載體;數字產業化是數字經濟發展的先導，也是衡量數字經濟發展質量的重要標準;產業數字化是數字經濟轉型的方向，實體產業的數字化轉型是實現我國經濟高質量發展的新動能。為保證研究結果的科學性，減少主觀因素的干擾，本文在對所有指標原始數據進行標準化處理的基礎上，運用主成分分析法綜合測算數字經濟發展水平指數。

（3）控制變量：為了更加準確地測量數字經濟對旅游生態效率的影響，避免因遺失變量而造成結果偏誤，參考已有研究，選取了以下可能影響旅游生態效率的因素作為控制變量：1）政府干預水平（GovernmentIntervention，GI）。參考王凱等[39]的研究，用各省財政支出占地區生產總值的比重衡量。2）經濟發展水平（Economic Development，ED）。參考岳立等[40]的研究，用各省人均地區生產總值測度。3）能源強度（Energy Intensity，EI）。參考邵帥等[41]的研究，用每單位地區生產總值消耗的能源總量表征。

2.2.2 數據來源

本文的研究樣本包括中國30個?。▍^、市）（不包括港、澳、臺及西藏地區），鑒于2020年后旅游業數據尚未全部發布，加之Super-SBM 模型是運用數學模型對多個決策單元之間的相對效率進行評價[42]，考慮到2020-2023年的數據無法準確刻畫旅游業發展的一貫趨勢，并可能對旅游生態效率的評價結果產生影響，進而造成實證研究結果的偏誤，故選定研究時段為2011—2018年。數據來源主要包括《中國統計年鑒》③ 《中國旅游統計年鑒》及其副本④ 、《中國文化文物和旅游統計年鑒》⑤ 《中國科技統計年鑒》⑥ 《北京大學數字普惠金融指數》⑦ 。對于部分缺失數據，本文采用平均值、插值法或擬合值予以補齊。

3 實證分析

3.1 時空分異特征分析

本文使用Stata 17.0和MATLAB R2022a軟件，測算了2011—2018年我國30個?。▍^、市）的數字經濟發展水平和旅游生態效率（表3）。

3.1.1 數字經濟發展水平的時空分異特征

2011—2018年，我國的數字經濟發展水平均值從0.91上升至3.94，總體均值為2.50，年均增長率高達23.24%。從空間分布的視角來看，我國的數字經濟發展水平逐漸由中部低、東西部高的槽形格局轉變為由東至西逐級遞減的分布態勢，東部地區始終居于發展前列，而中西部地區的發展水平則相對較低，表現出明顯的非均衡特征。具體而言，東部地區作為我國工業基礎最為發達、經濟基礎條件最為優越的地區，數字經濟的發展較為成熟，整體均值為2.93，大幅度領先于中部地區（1.75）和西部地區（1.76）。但較高的發展水平對數字經濟的進一步發展提出了更高的要求。在樣本期內，東部地區數字經濟發展水平的年均增長率為13.11%，不及中西部地區的一半。如何突破發展的瓶頸，保持數字經濟的持續發展，是東部地區需要進一步思考的問題。中西部地區相較于東部地區，其工業基礎較為薄弱，人口素質偏低，數字經濟發展起步較晚，但近幾年來，中西部地區數字經濟進入高速發展階段，勢頭強勁。其中，中部地區的數字經濟發展水平均值由0.37上升至3.16，年均增長率高達35.88%;西部地區的均值也由0.42上升至3.11，年均增長率為33.06%，雖然發展水平與東部地區相比仍存在一定的差距，但“數字鴻溝”正在逐漸縮小。

3.1.2 旅游生態效率的時空分異特征

研究期內，我國旅游生態效率的總體均值由2011年的0.41上升至2018年的0.71，年均增長率為8.03%，總體均值為0.52。這表明我國的旅游生態效率在整體上呈穩步上升的態勢，但離最佳生產前沿面仍有48.13%的改進潛力，投入冗余率較高的問題依然存在，仍有較大的提升和改進空間。此外，各?。▍^、市）的旅游生態效率也存在較大的空間差異，均值排名前10的?。▍^、市）中，有6個位于東部沿海地區，而排名位于末尾的10個省（區、市）中，有5個位于西部地區，旅游生態效率在總體上保持著東高西低的發展格局，這與各地區的經濟發展水平、旅游產業結構和基礎設施建設等因素密切相關。東部立足于其堅實的經濟基礎，在規模效應和技術效應的雙重驅動下，旅游生態效率均值從0.53上升至0.75，占據了旅游生態效率發展領頭羊的地位;中部地區隨著中部崛起戰略的政策效應逐漸顯現，資源利用率迅速提升，產業結構不斷優化，旅游生態效率年均增幅高達10.44%，與東部地區之間的差距不斷縮小，在個別年份甚至超越了東部地區;西部地區雖然受制于地理區位、經濟根基等因素，旅游生態效率均值始終低于全國平均水平，但近年來發展速度十分迅猛，均值從0.33提升至0.66，年均增長率達10.37%，展示出了巨大的發展潛力。

3.2 空間自相關檢驗

3.2.1 全局空間自相關分析

在進行空間計量分析之前，先使用全局莫蘭指數對我國數字經濟發展水平和旅游生態效率的空間自相關性進行檢驗（表4）。

結果顯示，樣本期內，數字經濟發展水平的全局莫蘭指數均為正且全部在1%的統計水平上顯著，數值在0.24～0.27波動;旅游生態效率的全局莫蘭指數同樣全部為正，數值在0.02～0.33波動，且除2018年以外，均至少在10%的統計水平上顯著，表明數字經濟發展水平和旅游生態效率在空間上均存在一定的正向集聚特征，可以使用空間計量模型進行進一步分析。

3.2.2 局域空間自相關分析

為進一步分析數字經濟發展水平和旅游生態效率在局部上的集聚特征，文章選取2011年和2018年為剖面，分別繪制了數字經濟發展水平和旅游生態效率的局域莫蘭指數圖（圖1）。由圖1可知，圖1（a）—（d）均有超過半數的省份為“高—高”和“低—低”集聚，表明數字經濟發展水平和旅游生態效率在空間上均呈現一定的正向關聯。

從數字經濟發展水平方面來看，2011年和2018年“高—高”集聚省份在所有省份中分別占比為23.33%和27.67%，多位于東部沿海地區;2011年和2018年“低—低”集聚省份在所有省份中分別占比為40.00%和43.33%，多數位于中西部欠發達地區。結果表明，我國數字經濟發展水平以“低—低”集聚為主，低值集聚現象明顯;在研究期內，空間分布格局較為穩定，呈現較為明顯的東西分立態勢，進一步驗證了我國數字經濟在空間分布上的非均衡性。

從 旅游生態效率方面來看，天津、北京和福建等地區始終處于“高—高”集聚區，這些地區在保持自身高質量發展的同時也帶動了周邊地區旅游生態效率的提升，實現了與周邊地區的互動共榮;新疆、甘肅和青海等中西部地區則始終位于“低—低”集聚區，可見經濟薄弱，交通不便等因素導致這些地區旅游生態建設進展緩慢。相較于2011年，2018年貴州、山西兩省從“高—低”集聚轉變為“高—高”集聚，表明其在自身實現旅游產業健康發展的同時也帶動了周邊地區旅游生態效率的提升;而上海則從“高—高”集聚轉變為“高—低”集聚，這可能是由于其在生態治理的過程中將落后產能向周邊地區轉移，進而抑制了周邊地區旅游生態效率的提升。

3.3 空間計量模型選擇性檢驗

空間自相關檢驗結果表明，數字經濟發展水平和旅游生態效率均存在一定的空間自相關性，因此可以構建空間計量模型以避免因忽視空間效應而產生的結果偏誤。在進行下一步分析之前，利用Stata17.0軟件作為運算平臺，參考Elhorst[43]提出的模型篩選機制，對計量模型的具體形式進行選擇性檢驗（表5）。（1）通過拉格朗日乘數（Lagrange Multiplier，LM）檢驗及其穩健形式（Robust LagrangeMultiplier，RLM）對SLM 和SEM 模型進行檢驗，可以看出，SLM 模型的LM 和RLM 檢驗統計量都通過了1%的顯著性檢驗;SEM 模型的RLM 檢驗統計量同樣在1%的水平上顯著，但LM 檢驗統計量未能通過顯著性檢驗，結果表明，SLM 模型優于SEM 模型，并再次驗證了數字經濟對旅游生態效率的影響存在著空間關聯性。（2）進一步建立SDM模型，并通過沃爾德（Wald）檢驗和似然比率（LikelihoodRatio，LR）檢驗測試SDM 模型能否退化為SLM 或SEM 模型。結果表明，沃爾德檢驗（SLM/SEM）和LR檢驗（SLM/SEM）的統計量均在1%的顯著性水平上拒絕原假設，表明SDM 模型不可退化為SLM 或SEM 模型。（3）豪斯曼檢驗的卡方值在1%的統計水平上顯著，表明應選擇固定效應的SDM 模型進行估計。（4）時間固定效應和空間固定效應的聯合顯著性檢驗結果均在1%的顯著性水平上拒絕原假設，表明選擇雙向固定效應的SDM 模型更為有效。綜上所述，本文最終選擇雙向固定效應的SDM 模型探究數字經濟對旅游生態效率的空間溢出效應。

3.4 空間面板模型估計結果

基于模型選擇性檢驗結果，本文采用雙向固定效應的SDM 模型對面板數據進行了參數估計（表6）。模型回歸結果顯示，數字經濟發展水平（DE）及其滯后項的產出彈性均顯著為正，彈性系數分別為0.14和0.45，表明數字經濟發展在對當地旅游生態效率增長產生顯著正向影響的同時，對鄰近地區也有著顯著的正向空間溢出效應。在控制變量中，政府干預水平（GI）和經濟發展水平（ED）的滯后項系數均顯著為負，表明當地經濟水平較高，政府干預較強時，不利于周邊?。▍^）旅游生態效率的提升;能源強度（EI）及其空間滯后項的系數未通過顯著性檢驗，旅游生態效率的空間效應較弱。

3.5 空間溢出效應分析

由于SDM 模型的估計系數中包含了區域間的交互信息，只能判斷溢出效應的存在，無法直接解釋因變量和自變量二者之間的關系[44]。為明確數字經濟對旅游生態效率的溢出效果，本文采用偏微分分解，將各變量的影響系數進一步分解為直接效應、間接效應和總效應（表7）。研究結果顯示：（1）數字經濟發展水平的直接效應、間接效應和總效應均顯著為正，且主要是通過間接效應對旅游生態效率產生影響。具體來看，本地的數字經濟發展水平每提高1%，就能直接帶動本地旅游生態效率提高0.13%;而周邊地區的數字經濟發展水平每提高1%，則會通過空間互動作用間接帶動本地的旅游生態效率提高0.34%。這表明，數字經濟可以通過集聚和溢出效應有效地提升旅游生態效率，是實現旅游產業綠色轉型升級的重要手段。數字經濟的發展可以通過規模效應、結構效應和技術效應降低能源消費[15]16，帶來節能減排和提質增效的雙重效益，從而對旅游生態效率產生積極的影響。（2）從控制變量來看，經濟發展水平的直接效應顯著為正，而間接效應和總效應顯著為負。經濟結構的升級可以減緩本省旅游業溫室氣體的產生，促進本地旅游生態效率的提升;而鄰地高水平經濟產生的虹吸效應則會不斷吸收本地區的先進技術和生產資源，成為本地旅游生態效率提升的一大障礙?，F階段經濟發展水平對旅游生態效率的抑制作用超過了其促進作用，使其成為制約旅游生態效率提升的原因之一。政府干預水平對旅游生態效率的間接效應顯著為負，究其原因，可能是因為現階段的社會經濟發展達到了一定規模，政府逐漸認識到傳統高耗能、高排放企業的諸多弊端，開始更加重視環境的保護。隨著環境保護措施的推進，發達地區逐漸將高耗能企業向鄰近欠發達省份擠出，從而產生了負向的空間溢出效應。能源強度的直接效應、間接效應和總效應均為負，但未通過顯著性檢驗，對旅游生態效率的影響目前尚不顯著。

3.6 穩健性檢驗

為保證結果的穩健性，本文采用更換空間權重矩陣、增加控制變量和更換解釋變量3種方法對模型進行穩健性檢驗（表8）。結果顯示：（1）更換空間權重矩陣。分別用二進制鄰接矩陣和經濟距離矩陣代替地理距離權重矩陣對模型重新進行估計。檢驗結果顯示，在更換空間權重矩陣后各回歸系數仍然為正，且數字經濟對旅游生態效率的空間溢出效應仍然顯著。（2）增加控制變量。增加控制變量研發強度，用研究與試驗發展支出占地區生產總值的比重表征，并對其在加1后取對數處理。結果表明，在增加控制變量后，核心解釋變量各系數同樣顯著為正，與原模型估計結果基本一致。（3）更換解釋變量。將數字經濟的一階滯后項作為解釋變量納入模型進行回歸。結果顯示，數字經濟的一階滯后項仍對旅游生態效率的空間溢出效應產生顯著的正向影響，表明數字經濟對旅游生態效率影響可能存在一定的時滯性。上述檢驗結果表明，前文得出的結論具有穩健性。

4 結論與建議

4.1 結論

本文基于我國2011—2018年的省級面板數據，構建評價指標體系，分別使用主成分分析法和Super-SBM 模型對數字經濟發展水平和旅游生態效率進行了測度，探析了二者的時空演變特征，并檢驗了二者的空間依賴性，并在此基礎上，進一步構建了空間杜賓模型（SDM），實證檢驗了數字經濟對旅游生態效率的空間溢出效應。結論如下：（1）研究期內我國歷年數字經濟發展水平和旅游生態效率總體上均呈明顯的上升態勢，數字經濟發展水平的總體均值在0.91～3.94波動，年均增長率約為23.24%，分布格局逐漸由“槽形分布”向“東高西低”過渡;旅游生態效率的總體均值在0.41～0.71波動，年均增長率約為8.03%，分布格局始終由東至西逐級遞減。（2）空間自相關檢驗結果表明，2011—2018年間，我國數字經濟發展水平和旅游生態效率均表現出顯著的正向集聚特征，其中數字經濟發展水平的空間關聯格局相對穩定，而旅游生態效率則呈現均衡發展的趨勢。（3）空間杜賓模型檢驗結果表明，數字經濟在顯著提升本地旅游生態效率的同時，對周邊鄰近地區的旅游生態效率也能產生積極的空間溢出效應，且其正向溢出效應大于本地效應，該結論在經過一系列穩健性檢驗后依然保持成立。（4）政府干預水平對旅游生態效率存在顯著的負向空間溢出效應，對本地的影響則不顯著;經濟發展水平可以顯著促進本地區旅游生態效率的提升，但會對周邊地區的旅游生態效率產生抑制作用;能源強度對旅游生態效率的作用目前尚不顯著。

4.2 建議

（1）因地制宜，根據各地旅游業發展的稟賦條件制定發展規劃，實施差異化旅游生態效率改善策略，縮小區域差異，從整體上實現行業、區域的均衡協調發展。數字經濟與旅游生態效率的“高—高”集聚省份多數位于東部沿海地區，此類地區的數字經濟發展水平較高、旅游業生態治理能力較強，應在堅持穩中求進、持續改善的同時，健全幫扶機制，推進環境污染共治，充分發揮其示范帶動作用。與東部地區相比，中西部地區的數字經濟發展均相對滯后，多為“低—低”集聚，而西部地區近年來在旅游業環境績效改善方面取得了一定的成效。在此背景下，中部地區要科學承接東部地區的產業轉移，擺脫“先污染，后治理”的窠臼，摒棄以犧牲環境為代價的追趕模式，加強頂層設計，優化能源結構，持續推進旅游產業實現綠色發展;西部地區要立足于自身自然資源優勢，乘政策之東風，大力支持信息技術的應用與推廣，兼顧經濟發展和生態保護的雙重目標，在不斷引進先進數字技術的同時，加強環境建設，完善旅游產業綠色發展的機制。（2）充分重視數字經濟對本地旅游生態效率的促進作用，加快推進數字經濟的基礎設施建設，夯實數字經濟的技術基礎，強化核心技術攻關，培育高素質技術人才。借助人工智能、大數據等高新數字技術提升旅游業資源配置效率，優化產業能源結構，促進技術的進步和多樣化，實現旅游業的高效能管理，充分釋放數字經濟在提升旅游生態效率領域的巨大潛力。（3）充分發揮數字經濟對周邊地區旅游生態效率的溢出作用，破除區域壁壘，加強協同合作，共同打造數字經濟產業平臺，建立區域內旅游業節能減排聯動機制，實現資源在區域間的高效流動，促進先進技術成果的運用和傳播，加快旅游產業新舊動能轉換，使數字化持續賦能旅游業的綠色轉型發展，實現旅游業生態環境的跨區域共建共治。（4）重視當前經濟發展水平和政府干預水平對旅游生態效率的負向溢出效應。旅游產業的發展應把握好經濟發展和生態保護之間的辯證關系，在出游規模不斷擴大的背景下，借助新型數字技術大力開發和利用綠色清潔能源，提升環保意識。同時，在政策的制定上應尊重旅游產業發展的客觀規律，要認識到生態治理不能簡單地將高耗能旅游企業向外轉移，應制定更加科學合理的組合政策，切實發揮數字經濟的降碳潛力，實現生態、生產和生活的良性循環。

4.3 討論

4.3.1 理論貢獻

本文從空間解構的視角探究了數字經濟與旅游生態效率二者之間的關系，驗證了數字經濟在旅游產業內的生態改善作用，豐富了現有關于數字經濟和旅游生態效率的研究。（1）本文深化了對數字經濟旅游效應的理解和認識，以往研究更多的是關注數字經濟對旅游產業經濟效益的提升作用，本文將數字經濟與旅游生態效率進行關聯，探究了數字經濟在旅游業生態治理中的重要價值，對旅游產業實現可持續健康發展具有一定的啟示意義。（2）考慮到數字經濟的超時空特性，本文借助空間杜賓模型將數字經濟的空間效應納入研究框架，提升了分析精度，并剖析了數字經濟發展對鄰近區域旅游生態效率的提升作用，為區域間旅游業生態績效的聯動優化提供了理論參考。

4.3.2 局限與展望

值得注意的是，本文仍存在一些局限：（1）限于數據的可獲得性，本文使用的數據為省級面板數據，這可能掩蓋了各地級市間的特征差異，降低了研究結論的準確性和可靠性，未來應從更加微觀的層面展開分析;（2）旅游生態效率是產業內外部多種因素共同作用的結果，而本文的研究模型難以將所有影響因素涵蓋其中，未來的研究可以繼續挖掘更多能夠反映旅游產業特征的控制變量，進一步提升研究的理論價值。