氣象條件對濱海旅游經(jīng)濟產(chǎn)出的彈性影響——以青島為例

丁鋒,張凱靜,郭文慧,2

(1.青島市氣象災(zāi)害防御工程技術(shù)研究中心,山東 青島 266003; 2.青島市人工影響天氣辦公室,山東 青島 266003)

引言

濱海旅游業(yè)是我國海洋產(chǎn)業(yè)的主要構(gòu)成部分,近年來其經(jīng)濟產(chǎn)值持續(xù)高速增長。根據(jù)自然資源部的統(tǒng)計數(shù)據(jù),2019年我國濱海旅游業(yè)全年實現(xiàn)增加值18 086億元,占主要海洋產(chǎn)業(yè)的50.6%,比上年增長9.3%。濱海旅游業(yè)對氣象條件高度敏感,近年來國內(nèi)外對濱海旅游與氣象關(guān)系的研究也日益增多,但多集中在濱海旅游氣候?qū)W方面,如氣候變化對濱海旅游的影響[1]、游客的氣候偏好[2]、濱海旅游區(qū)氣候舒適度等[3]。青島是著名的濱海旅游區(qū),具有適宜的區(qū)域性海洋氣候條件,與優(yōu)質(zhì)的旅游資源和豐富的旅游產(chǎn)品構(gòu)成了良好的地域和功能組合[4],因此以青島作為目標(biāo)對象來探究上述兩者間的聯(lián)系具有典型意義。在全球氣候變暖背景下,大霧、暴雨、雷暴等氣象災(zāi)害頻發(fā),給濱海旅游經(jīng)濟活動帶來嚴重不利影響,但國內(nèi)開展氣象條件影響濱海旅游經(jīng)濟的研究較少,且主要為定性分析。

20世紀(jì)90年代以來,國內(nèi)外一些學(xué)者運用計量經(jīng)濟學(xué)方法研究了氣象-經(jīng)濟-社會系統(tǒng)的交互作用,得到了天氣氣候變化對經(jīng)濟行業(yè)產(chǎn)出的定量關(guān)系,并進一步開展了分區(qū)域、分行業(yè)氣象條件變化的敏感性影響分析[5-7]。羅慧等[8]用面板數(shù)據(jù)模型,分析了降水、氣溫等氣象條件變化對中國8個行業(yè)和31個省級區(qū)域經(jīng)濟產(chǎn)出的敏感性影響。于庚康等[9]運用農(nóng)業(yè)經(jīng)濟-氣候模型(C-D-C模型),研究了江蘇省不同區(qū)域農(nóng)業(yè)經(jīng)濟產(chǎn)出對不同氣象因子的敏感性。許霜等[10]將氣象因素引入超越對數(shù)生產(chǎn)函數(shù),發(fā)現(xiàn)了氣象條件變化對華北地區(qū)能源行業(yè)產(chǎn)出存在顯著敏感性影響。LARSEN et al.[11]用加入氣象因子的計量經(jīng)濟模型,對美國11個經(jīng)濟行業(yè)進行了分析評價,得到美國農(nóng)業(yè)GDP的天氣敏感性為12.1%的結(jié)論。研究表明,在計量經(jīng)濟模型中加入氣象因子后,提高了模型對經(jīng)濟產(chǎn)出的模擬能力,具有較高的預(yù)測準(zhǔn)確性[12-13]。但上述研究成果主要集中在全國性經(jīng)濟行業(yè)或大范圍區(qū)域經(jīng)濟的宏觀層面,尚缺乏在更細化的時間序列、更細分的行業(yè)和更小的行政單元開展深入研究。

因此,本研究從計量經(jīng)濟學(xué)角度,立足中觀層面進行了定量分析,利用柯布-道格拉斯(Cobb-Douglas，C-D)生產(chǎn)函數(shù)模型,探討研究了不同氣象條件對青島濱海旅游經(jīng)濟產(chǎn)出的彈性影響。

1 研究方法與數(shù)據(jù)來源

1.1 引入氣象影響因子的C-D生產(chǎn)函數(shù)模型

經(jīng)濟增長的問題可以轉(zhuǎn)化為對生產(chǎn)函數(shù)的研究。C-D生產(chǎn)函數(shù)是經(jīng)濟學(xué)領(lǐng)域的經(jīng)典數(shù)學(xué)模型,作為一種多因素分析法可以用來反映生產(chǎn)過程中要素投入與產(chǎn)出大小的關(guān)系。

經(jīng)典的C-D生產(chǎn)函數(shù)模型為Q=ALαK1-α,其中Q代表產(chǎn)量,L代表勞動投入量,K代表資本投入量,A是常數(shù)且A>0,α是勞動力產(chǎn)出的彈性系數(shù)且0<α<1。模型把生產(chǎn)過程中的自然因素視為既定不變而不予考慮,揭示的是勞動力和資本這兩種經(jīng)濟領(lǐng)域的生產(chǎn)要素對經(jīng)濟產(chǎn)出的貢獻[14]。

C-D 生產(chǎn)函數(shù)模型具有經(jīng)濟學(xué)家所關(guān)心的許多性質(zhì),同時具有參數(shù)易于求取等特點,眾多學(xué)者在廣泛的應(yīng)用實踐中,對C-D生產(chǎn)函數(shù)進行了各種推廣修正,經(jīng)過變形引入需要討論的新變量,用以研究其他因素對經(jīng)濟產(chǎn)出的影響。因此,經(jīng)過改進和修正,可以把氣象因素當(dāng)成一個新的“經(jīng)濟”變量引入C-D 生產(chǎn)函數(shù)模型[15]。

考慮到氣象條件對生產(chǎn)的影響,開展氣象條件變化產(chǎn)生的經(jīng)濟影響分析時,在C-D生產(chǎn)函數(shù)模型中引入氣象要素變量W,有:

Q=ALαKβWγ

(1)

將C-D生產(chǎn)函數(shù)模型線性化,對式(1)兩邊取對數(shù),得到:

lnQ=lnA+αlnL+βlnK+γlnW+ε

(2)

式中:Q為經(jīng)濟產(chǎn)出;L為投入的勞動力人數(shù);K為投入的資本量;W為氣象要素影響;ε為隨機干擾影響;由經(jīng)濟學(xué)概念可知,常數(shù)α、β、γ為經(jīng)濟產(chǎn)出Q對于勞動力、資本和氣象影響變量變化的敏感性系數(shù),也稱作彈性系數(shù)。對于線性函數(shù),可采用最小二乘法對彈性系數(shù)進行估算。

由于理論上氣象要素W與勞動力L、資本K不存在相關(guān)關(guān)系,因此彈性系數(shù)γ可寫作:

(3)

即氣象要素變量W對經(jīng)濟產(chǎn)出變量Q的敏感性度量或彈性影響,表示在勞動力和資本等其他變量保持不變的情況下,氣象要素變量W發(fā)生1%的變化將引起的經(jīng)濟產(chǎn)出變量Q產(chǎn)生γ%的變化。

1.2 數(shù)據(jù)來源

氣象數(shù)據(jù)來源于青島市氣象臺。因本文主要研究氣象條件與濱海旅游的關(guān)系,考慮到青島的主要旅游季節(jié)時間,所使用的氣象數(shù)據(jù)統(tǒng)計時段均為5—10月。研究青島氣候變化時,使用1981—2014年逐年降水量、氣溫、降水日數(shù)、高溫日數(shù)(最高氣溫在30 ℃以上的日數(shù))、雷暴日數(shù)、大霧日數(shù)和大風(fēng)日數(shù)資料。研究氣象因子對濱海旅游產(chǎn)值的影響時,為和社會經(jīng)濟統(tǒng)計數(shù)據(jù)相匹配,使用2000—2014年逐年5—10月的降水日數(shù)、高溫日數(shù)、雷暴日數(shù)、大霧日數(shù)和大風(fēng)日數(shù)。

社會經(jīng)濟統(tǒng)計數(shù)據(jù)來源于2000—2014年《青島統(tǒng)計年鑒》,主要包括旅游行業(yè)經(jīng)濟產(chǎn)出以及固定資本投入、勞動力等數(shù)據(jù)。

2 青島氣候變化分析

青島地處山東半島東南部,東鄰黃海,屬半濕潤溫帶季風(fēng)氣候,海洋性氣候特點顯著,“春遲、夏涼、秋爽、冬長”是青島地區(qū)顯著的氣候特點。丁鋒和周順武[17]分析指出近100年來青島夏季氣溫存在顯著的上升趨勢,降水變化不顯著,但是近50年夏季降水呈現(xiàn)明顯的下降趨勢。陳志梅等[18]研究了青島近百年的旱澇變化特征,指出20世紀(jì)80年代為20世紀(jì)最旱的年代,90年代后期干旱有所緩解。張凱靜等[19]研究發(fā)現(xiàn),青島百年來年平均氣溫、最高氣溫、最低氣溫均呈現(xiàn)上升的趨勢,其中最低氣溫增溫明顯高于前兩者。

使用1981—2014年青島站氣象觀測資料,分析了青島旅游季節(jié)氣溫和降水量兩個可表征氣候變化情況的代表性氣象要素。圖1為青島旅游季節(jié)逐年氣溫和降水量變化趨勢,20世紀(jì)80年代以來,青島旅游季節(jié)平均氣溫總體呈上升趨勢,增溫速度為0.2 ℃·(10 a)-1;與平均氣溫相似,降水量也呈現(xiàn)上升趨勢,降水量增加速度為56 mm·(10 a)-1。但是在2000—2014年,氣溫變化趨勢不明顯,降水量呈現(xiàn)下降趨勢,降水量下降速度為19 mm·(10 a)-1。

適宜的海洋性氣候是青島重要的旅游資源,也使得青島夏半年舒適日數(shù)較多[20]。鑒于青島的主要旅游季節(jié)為5—10月,因此分析了1981—2014年該時段對旅游有影響的降水、高溫、雷暴、大霧和大風(fēng)等氣象要素的年際變化。由圖2可以看出,大霧日數(shù)、降水日數(shù)和雷暴日數(shù)變化趨勢不明顯;大風(fēng)日數(shù)呈明顯的下降趨勢,下降速度約為14 d·(10 a)-1;高溫日數(shù)呈現(xiàn)出上升趨勢,上升速度為2 d·(10 a)-1。但是在2000—2014年,大風(fēng)日數(shù)和大霧日數(shù)變化趨勢不明顯,降水日數(shù)和雷暴日數(shù)呈明顯的下降趨勢,下降速度分別為5 d·(10 a)-1和3 d·(10 a)-1,高溫日數(shù)呈現(xiàn)出上升趨勢,上升速度為4 d·(10 a)-1。

圖1 1981—2014年青島旅游季節(jié)氣溫和降水量的年際變化Fig.1 Annual variations of temperature and precipitation in tourist season of Qingdao from 1981 to 2014

圖2 1981—2014年青島旅游季節(jié)氣象要素逐年變化(a.高溫日數(shù)、降水日數(shù),b.大風(fēng)日數(shù)、大霧日數(shù),c.雷暴日數(shù))Fig.2 Annual variations of meteorological factors in tourist season of Qingdao from 1981 to 2014 (a, b, and c for the number of high temperature days and rainy days, strong winds days and fog days, and thunderstorm days, respectively)

3 氣象條件影響濱海旅游經(jīng)濟產(chǎn)出的實證研究

氣候條件是旅游業(yè)發(fā)展的先決因素,也是開展旅游活動必須考慮的主要問題之一,一般而言,旅游者總是選擇最佳的旅游季節(jié)和最舒適的環(huán)境進行旅游。選取青島5—10月對旅游影響較明顯的氣象因子——降水日數(shù)、大霧日數(shù)、雷暴日數(shù)、大風(fēng)日數(shù)和高溫日數(shù)為氣象變量;以旅游收入為經(jīng)濟產(chǎn)出。對濱海旅游區(qū)的經(jīng)濟產(chǎn)出與氣象條件的關(guān)系作計量經(jīng)濟分析,計算C-D生產(chǎn)函數(shù)線性化模型,得到各因子的彈性系數(shù),且對回歸模型的擬合優(yōu)度和顯著性進行檢驗。

表1中所列的后三列是用于檢驗回歸模型的統(tǒng)計量,主要有3個分量值[21]。R2為復(fù)相關(guān)系數(shù)的平方,代表決定系數(shù),R2越高,表示可以被解釋的程度越高,回歸模型的效果越好;F為統(tǒng)計量值,可以檢驗變量組成的回歸方程的回歸效果,對于給定的信度標(biāo)準(zhǔn)α,在F分布表中查出臨界值Fα,當(dāng)計算值F≥Fα,則回歸效果顯著;P值是與統(tǒng)計量F對應(yīng)的概率,當(dāng)P<α?xí)r,認為回歸模型有意義。

由表1可見,當(dāng)不考慮氣象因子,只考慮勞動力L與固定資本K對濱海旅游產(chǎn)值的影響時,回歸模型的樣本決定系數(shù)R2為0.880 21,說明濱海旅游產(chǎn)值的變異性中約有88%來自通過L和K建立的模型。由于F值為44.086,大于F(0.01;2,12)的值6.927,且模型的F檢驗概率P值為2.955×10-6,回歸方程通過1%的顯著性檢驗。由彈性系數(shù)可知,濱海旅游產(chǎn)值與勞動力和固定資本投入均在1%水平下呈顯著正相關(guān)。

表1 濱海旅游的C-D生產(chǎn)函數(shù)彈性分析結(jié)果

考慮氣象因子的影響,分別引入降水日數(shù)、大霧日數(shù)、雷暴日數(shù)、大風(fēng)日數(shù)和高溫日數(shù)等氣象因子建立模型,回歸模型中的F值分別為29.276、31.128、31.080、28.575和37.626,均大大超過F(0.01;3,11)=6.217,且模型的F檢驗概率P值均約為0,回歸方程通過1%的顯著性檢驗。由彈性系數(shù)知,高溫日數(shù)與濱海旅游產(chǎn)值在1%水平下顯著正相關(guān),其他氣象因子均與濱海旅游產(chǎn)值在1%水平下呈顯著負相關(guān)。

引入氣象因子降水日數(shù)、大霧日數(shù)、雷暴日數(shù)、大風(fēng)日數(shù)和高溫日數(shù)之后,回歸模型的樣本決定系數(shù)R2較此前分別增加了0.008 48、0.014 41、0.014 26、0.006 07、0.030 99,回歸模型的模擬能力得到了提高,說明上述各氣象因子對濱海旅游產(chǎn)值的變異性有影響。相對于其他因子而言,加入大風(fēng)日數(shù)之后決定系數(shù)R2增加值最少,說明濱海旅游產(chǎn)值對大風(fēng)日數(shù)敏感程度較低。此外,引入降水日數(shù)后,勞動力因子的回歸系數(shù)α明顯降低,即出現(xiàn)降水時勞動力因子對旅游的貢獻明顯減少,可能與該氣象因子對旅游勞動力的影響較大有關(guān)。

由表1可以看出,在固定資本投入、勞動力投入等不變的情況下,降水日數(shù)、雷暴日數(shù)、大霧日數(shù)、大風(fēng)日數(shù)每提高1%水平,濱海旅游產(chǎn)值受其影響分別降低約0.679%、0.507%、0.288%、0.136%。分析表明,降雨天氣對濱海旅游產(chǎn)值的負面影響最大;雷暴是災(zāi)害性天氣,危害性雖大但往往持續(xù)時間較短,其負面影響程度反而要較降水天氣要低;大霧雖也是災(zāi)害性天氣,但其危害性較小且主要是對交通方面產(chǎn)生影響,因此負面影響程度要小于前兩個;而濱海旅游產(chǎn)值表現(xiàn)出對大風(fēng)天氣敏感程度較低的特點,可能與青島的濱海旅游景區(qū)主要分布在沿海陸域有關(guān),大風(fēng)對游客的出行影響很小,而真正易受大風(fēng)天氣制約的海島游、海上游在青島濱海旅游中所占比重很低。

同時,在其他條件不變的情況下,高溫日數(shù)每提高1%水平,其所對應(yīng)的濱海旅游產(chǎn)值則提高約0.311%。這個結(jié)果可能與夏季沿海與內(nèi)陸的氣溫差異性有關(guān),當(dāng)青島出現(xiàn)30 ℃以上高溫時,內(nèi)陸地區(qū)常常會出現(xiàn)更高的氣溫,比較而言青島更具“涼谷效應(yīng)”,涼爽優(yōu)勢反而更加明顯,從而導(dǎo)致避暑旅游人數(shù)增多。由樣本決定系數(shù)R2可知,在含有高溫日數(shù)的模型中,R2的增加值較含有其他氣象條件的模型大,這也說明了夏季氣溫的舒適性是青島的重要旅游資源之一。

雖然降水日數(shù)、雷暴日數(shù)、大霧日數(shù)和大風(fēng)日數(shù)對濱海旅游經(jīng)濟產(chǎn)值有負面影響,但是根據(jù)前述分析結(jié)果,2000—2014年青島大霧日數(shù)和大風(fēng)日數(shù)的氣候變化趨勢不明顯,因此其對濱海旅游產(chǎn)值的長期變化趨勢無明顯影響;而2000—2014年青島降水日數(shù)和雷暴日數(shù)氣候變化趨勢呈明顯減少,高溫日數(shù)的氣候變化趨勢呈明顯增多,均對濱海旅游產(chǎn)值的長期發(fā)展有一定促進作用。因此,對于青島而言,考慮降水、雷暴、高溫和大霧等高敏感性氣象因子的年際變化對濱海旅游產(chǎn)值的影響可能更為重要。

大部分研究認為降水是影響旅游的負面因素,如ROSSELLand SANTANA-GALLEGO[22]指出游客更偏愛晴天、干燥的旅游地,包戰(zhàn)雄[23]提出降水對臺灣島內(nèi)旅游客流具有一致性的負影響。通過本研究的進一步量化分析,發(fā)現(xiàn)降雨天氣對濱海旅游經(jīng)濟的負面影響最大,雷暴和大霧天氣也是濱海旅游的負面因素。

有研究指出氣溫和游客量之間存在倒“U”形關(guān)系,即在一定閾值內(nèi),氣溫的升高對旅游的正影響不斷增強,超過閾值則其影響逐漸減弱;但是MARTNEZ-IBARRA[24]和GMEZ-MARTIN and MARTNEZ-IBARRA[25]則指出,最高溫度與游客量之間存在正相關(guān),未發(fā)現(xiàn)倒“U”形曲線的存在。本研究分析發(fā)現(xiàn),高溫天氣對濱海旅游具有明顯的正貢獻,這可能與夏季濱海與內(nèi)陸的溫差大有關(guān),越是高溫天氣,濱海城市的“涼谷效應(yīng)”越顯著。對夏季游客來說,更加符合其出行偏好、更易滿足其出行需求;對濱海城市來說,則可以充分利用自身氣候資源優(yōu)勢,大力發(fā)展避暑經(jīng)濟。

4 結(jié)論與討論

通過定量分析氣象條件對濱海旅游經(jīng)濟產(chǎn)出的影響,得到以下結(jié)論:

1)不考慮氣象因子時,在1%水平上,濱海旅游產(chǎn)值與勞動力和固定資本投入均呈顯著正相關(guān)。

2)引入氣象因子后,濱海旅游產(chǎn)值與高溫日數(shù)呈顯著正相關(guān),與降水日數(shù)、大霧日數(shù)、雷暴日數(shù)和大風(fēng)日數(shù)呈顯著負相關(guān),均通過1%顯著性檢驗。

3)降水、雷暴、高溫和大霧是影響青島濱海旅游經(jīng)濟產(chǎn)出的高敏感性氣象因子,在其他條件不變的情況下,這些因子每提高1%水平,其彈性影響分別為-0.679%、-0.507%、0.311%和-0.288%。

4)從氣候變化角度來看,21世紀(jì)以來,降水和雷暴天氣呈減少趨勢,而高溫天氣則呈上升趨勢,均有利于青島濱海旅游產(chǎn)值的增長。

雖然青島在濱海旅游城市中有一定代表性,但我國海岸線漫長,南北方濱海地區(qū)的地理氣候環(huán)境、經(jīng)濟社會發(fā)展的差異很大,氣象條件對濱海旅游的影響也會有一定差異。比如,大風(fēng)天氣對青島濱海旅游無明顯影響,但很可能對其他濱海城市,特別是以海島游、海上游為主的旅游區(qū)產(chǎn)生較大影響。因此,濱海城市在發(fā)展旅游時應(yīng)結(jié)合本地實際,采取適當(dāng)應(yīng)對措施,減輕不利氣象條件的影響。

由于計量經(jīng)濟模型的設(shè)定、估計和應(yīng)用均對數(shù)據(jù)有較高依賴性[26],所以本研究尚存局限性。一是社會經(jīng)濟統(tǒng)計數(shù)據(jù)和氣象數(shù)據(jù)的時間序列較短,數(shù)據(jù)的樣本容量小對研究結(jié)果的可靠性和準(zhǔn)確性會產(chǎn)生影響。二是針對細分行業(yè)和較小行政區(qū)域經(jīng)濟的精細化研究,社會經(jīng)濟統(tǒng)計數(shù)據(jù)的精度難以滿足要求,這也是僅對濱海旅游的經(jīng)濟產(chǎn)出開展研究的緣故。此外,由于經(jīng)濟系統(tǒng)自身存在非實驗性、不可逆性和時變性而導(dǎo)致計量經(jīng)濟學(xué)模型本身存在一定局限性[27],以及經(jīng)濟學(xué)與氣象學(xué)結(jié)合的理論尚不完善,所以開展定量分析研究也會影響精確程度。