交通基礎設施對旅游業(yè)全要素生產(chǎn)率的影響

王亞娟

（蘭州大學 經(jīng)濟學院，蘭州 730000）

一、引言

我國在“十四五”時期進一步明確以高質(zhì)量為主題的經(jīng)濟發(fā)展要求，而要真正做到這一點，就需要從全面提高全要素生產(chǎn)率這一點入手，這已然成為理論界的共識。其中，交通基礎設施作為一種公共產(chǎn)品，是保障整個社會經(jīng)濟穩(wěn)定運轉的基礎，具有典型的外部效應。可以說一個社會的交通建設在很大程度上推動著各行各業(yè)的發(fā)展，縱觀世界各國的發(fā)展理論和實際情況也能證實這一點。對于近40年來走上發(fā)展快車道的中國來說，更是如此，基礎設施建設極大地帶動了國內(nèi)的經(jīng)濟發(fā)展水平，因此也被稱為“基建狂魔”。近年來，我國旅游業(yè)迅速發(fā)展，產(chǎn)業(yè)地位日益提升，2019（2020 年以來，由于新冠肺炎疫情的影響，我國旅游業(yè)遭到重創(chuàng)，業(yè)績大幅下滑，因此本文對疫情發(fā)生后的特殊狀況不作考慮）年中國旅游業(yè)對GDP 的綜合貢獻為10.94 萬億元，占GDP 總量11.05%。保繼剛和楚義芳提出，交通基礎設施作為人員要素流動的主要載體，對旅游業(yè)的產(chǎn)生和發(fā)展有著不可替代的作用。目前，我國旅游業(yè)發(fā)展面臨著出境和國內(nèi)旅游旺盛、入境旅游疲軟、旅游供需矛盾等諸多挑戰(zhàn)（何建民，2018）。因此，在我國居民生活水平不斷提高的大背景下，如何促進旅游業(yè)高質(zhì)量發(fā)展是新時代旅游業(yè)發(fā)展中一個不容忽視的問題。

二、文獻綜述

索洛于1957 年提出全要素生產(chǎn)率，許多行業(yè)對全要素生產(chǎn)率進行了廣泛研究（石枕，1988）。Aschauer 開啟了研究基礎設施投資與生產(chǎn)率關系的先河。W?ber K W 指出，Morey 和Dittman 開啟了旅游效率研究的先河，通過使用DEA 方法測算了美國連鎖酒店的經(jīng)營效率。Eliat 和Einav（2004）、Saayman（2005）普遍認為，交通基礎設施為旅游業(yè)發(fā)展搭起橋梁、構建平臺，是旅游業(yè)發(fā)展必不可少的構成元素。Moutino 等研究了在有限環(huán)境下，旅游全要素生產(chǎn)率是如何發(fā)展以及其發(fā)展特點。然而，關于國外對旅游全要素生產(chǎn)率的研究，主要集中于對微觀組成行業(yè)的研究，如酒店、旅行社、旅游景點、旅游交通等相關行業(yè)。

國內(nèi)文獻研究中，胡鞍鋼等學者發(fā)現(xiàn)交通基礎設施是全要素生產(chǎn)率和經(jīng)濟增長的重要因素，且其存在正外部性。陶卓明等人運用數(shù)據(jù)包絡分析法，測度了中國旅游業(yè)全要素生產(chǎn)率。左冰和保繼剛提出各省旅游業(yè)全要素生產(chǎn)率存在差異；Yang 和Wong 發(fā)現(xiàn)地區(qū)接待游客的數(shù)量受城市中道路密度和航班數(shù)量不同程度的影響；張茜采用空間經(jīng)濟學的相關理論，指出交通基礎設施不僅可以拉動當?shù)芈糜螛I(yè)的發(fā)展，還可以在區(qū)域間產(chǎn)生作用。何昭麗等從發(fā)展趨勢、差異來源以及空間效應三個方面分析了“一帶一路”沿線城市入境旅游全要素生產(chǎn)率。王亞飛研究表明，短期內(nèi)旅游業(yè)產(chǎn)業(yè)集聚抑制了旅游業(yè)全要素生產(chǎn)率，而在長期，旅游業(yè)產(chǎn)業(yè)集聚則促進了旅游業(yè)全要素生產(chǎn)率。交通基礎設施提升了旅游景點的“可達性”，特別是不具備地理優(yōu)勢的地區(qū)，交通基礎設施更為旅游業(yè)發(fā)展提供了新的動力。作為旅游業(yè)發(fā)展的重要構成元素，交通基礎設施對旅游業(yè)全要素生產(chǎn)率會產(chǎn)生怎樣的影響呢？若產(chǎn)生影響，它產(chǎn)生的影響重大嗎？是否交通基礎設施越完善越有利于旅游業(yè)全要素生產(chǎn)率呢？本地交通基礎設施對鄰近地區(qū)的旅游業(yè)全要素生產(chǎn)率會有怎樣的影響呢？基于此，全文利用2010—2019 年黃河流域、長江流域省際面板數(shù)據(jù)，分別從平面視角和空間視角闡釋交通基礎設施如何影響旅游業(yè)全要素。

三、基于DEA-Malm quist 指數(shù)模型的旅游業(yè)全要素生產(chǎn)率測算

全要素生產(chǎn)率是指一定時間總產(chǎn)出與各種投入要素的比值。目前測算方法主要有DEA、索洛余值法、隨機前沿生產(chǎn)函數(shù)法等。綜合考慮本文數(shù)據(jù)來源以及各個方法的使用條件，本文使用DEA 方法測算2010 年至2019 年黃河流域和長江流域旅游業(yè)全要素生產(chǎn)率。

（一）DEA 方法原理

設有N 個決策單元DMU（j=1，2，3，，，n），向量X、Y分別表示投入和產(chǎn)出，z、w分別是投入和產(chǎn)出的權重，令：

在實際計算中，可以選擇適當?shù)膠、w使得E≤1，E越大，說明更少的投入可以帶來更多的產(chǎn)出。通過求解滿足條件的z，w，使得第j 個決策單元的效率最大化，可得出如下等價模型：

θ 是一個標量，表示對應決策單元的效率，且θ≤0。上式中γ是第j 個決策單元組成的有效決策單元組的權重。上述模型求解n 次，可以得出每個決策單元的有效值。在該模型基礎之上，引入松弛變量和非阿基米德無窮小量，得到以下模型：

（二）基于DEA 模型的旅游業(yè)全要素生產(chǎn)率測算

旅游業(yè)產(chǎn)出用旅游收入和接待游客人數(shù)表示；勞動投入用各省旅行社、星級飯店、旅游景區(qū)從業(yè)人員表示；資本投入用旅行社、星級酒店和旅游A級景區(qū)的數(shù)量表示。為了彌補DEA 模型測算結果不能進行時序比較分析的弊端，本文采用規(guī)模報酬不變（CRS）的Malmquist 指數(shù)模型，根據(jù)DEAP2.1軟件包，計算得到黃河流域和長江流域的17（文中將青海、四川作為黃河流域計算，西藏由于數(shù)據(jù)的缺數(shù)，沒有納入這次計算）個省份2010-2019 年間的旅游業(yè)全要素生產(chǎn)率（詳見表1）。

以大區(qū)域為視角，以旅游業(yè)全要素生產(chǎn)率均值為標的，通過表1 可以發(fā)現(xiàn)長江流域的旅游業(yè)全要素生產(chǎn)率均值普遍高于黃河流域，其中旅游業(yè)全要素生產(chǎn)率均值最高的是上海市；有六個省份的旅游業(yè)全要素生產(chǎn)率未超過0.5，而其中五個省份在黃河流域。有的旅游業(yè)全要素生產(chǎn)率處于隨機前沿曲線上，例如：2019 年，有五個省份的全要素生產(chǎn)率處在隨機前沿曲線上。

表1 黃河流域和長江流域全要素生產(chǎn)率（2010-2019）

四、實證檢驗

（一）模型選擇與變量選取

一個地區(qū)的旅游業(yè)發(fā)展不僅取決于本地的交通基礎條件，還取決鄰近地區(qū)的交通基礎條件。因此，本文假設有兩種模型：

1.變量選取

tfp 表示旅游業(yè)全要素生產(chǎn)率；road 代表交通基礎設施，本文沿用劉秉鐮的做法，用公路里程之和與各省行政面積的比值來表示。權重矩陣W，本文使用二元空間權重矩陣來反映省份之間的接鄰程度；μ個體固定效應，γ時間固定效應?？刂谱兞堪╣dp 代表地區(qū)經(jīng)濟發(fā)展水平；fin 代表當?shù)刎斦芸?；urb 代表城鎮(zhèn)化率，用城鎮(zhèn)人口占總人口的比重來衡量。edu 代表當?shù)亟逃?，用地區(qū)平均受教育年限來衡量。

（二）數(shù)據(jù)說明

本研究選取2010—2019 年黃河流域和長江流旅游業(yè)投入和產(chǎn)出數(shù)據(jù)測算的旅游業(yè)全要素生產(chǎn)率和上文描述的解釋變量，其中，旅游業(yè)相關數(shù)據(jù)來源于《中國旅游統(tǒng)計年鑒》及各省統(tǒng)計年鑒，解釋變量數(shù)據(jù)來源各省統(tǒng)計年鑒、發(fā)展年鑒、國民經(jīng)濟與社會發(fā)展統(tǒng)計公報。關于缺失的個別數(shù)據(jù)，通過網(wǎng)頁和數(shù)學的方法進行了補救。

表2 變量的描述性統(tǒng)計

（三）實證結果分析

1.基準回歸分析

文章使用了混合回歸，在回歸方程模型的設定上，模型1 和模型4 中時間固定效應和個體固定效應均存在，而模型2 和模型5 只使用了個體固定效應，模型3 和模型6 只使用了時間固定效應（回歸結果如表3 所示）。

由表3 結果可知，模型1 和模型4 在1%的水平上通過顯著性檢驗，兩個模型前的系數(shù)均為負，說明無論是長江流域還是黃河流域良好的交通基礎設施抑制本地旅游業(yè)全要素生產(chǎn)率的增長；地區(qū)經(jīng)濟發(fā)展水平對長江流域旅游業(yè)全要素生產(chǎn)率有著促進的作用，而對黃河流域旅游業(yè)全要素生產(chǎn)率卻產(chǎn)生抑制作用；城鎮(zhèn)化率和財政撥款顯著促進長江流域和黃河流域兩個地區(qū)旅游業(yè)全要素生產(chǎn)率的增長；當?shù)亟逃酱龠M了長江流域旅游業(yè)全要素生產(chǎn)率，但對黃河流域旅游業(yè)全要素生產(chǎn)率卻有著抑制作用。模型2 表明，交通基礎設施對旅游業(yè)全要素生產(chǎn)率的影響在長江流域各省份之間差別不大；模型5 表明，交通基礎設施對旅游業(yè)全要素生產(chǎn)的促進作用在黃河流域各省份之間有較大的差別。模型3 和模型6 表明，交通基礎設施對旅游業(yè)全要素生產(chǎn)率的影響在各年份之間差別不大。

表3 基準回歸結果

2.空間溢出效應

在進行空間溢出效應模型實證之前，對旅游業(yè)全要素生產(chǎn)率進行了空間自相關檢驗，檢驗結果表明各個年份的旅游全要素生產(chǎn)率的Moran’s I（0.048～0.259）均通過顯著性檢驗，表現(xiàn)為正向空間相關性，說明鄰近城市之間旅游全要素生產(chǎn)率存在空間依賴性。在此基礎上，本文對交通基礎設施對旅游業(yè)全要素生產(chǎn)率的空間溢出效應作了以下分析（結果如表4 所示）。

表4 結果表明，在以上四個模型的基本回歸中，無論是核心解釋變量還是控制變量，其對旅游業(yè)全要素生產(chǎn)率的影響方向是一致的。對解釋變量進行滯后項分析，SDM結果顯示，在10%的顯著性水平上鄰近地區(qū)的交通基礎設施對本地區(qū)旅游業(yè)全要素生產(chǎn)率產(chǎn)生促進作用，且交通基礎設施變化一個單位，旅游業(yè)全要素生產(chǎn)率則變化0.561 個單位。在5%的顯著性水平上鄰近地區(qū)的財政撥款對當?shù)氐穆糜螛I(yè)全要素生產(chǎn)率產(chǎn)生抑制作用；SAR 模型和SAC 模型回歸結果表明，旅游業(yè)全要素生產(chǎn)率自身存在顯著的滯后效應。

表4 空間計量回歸結果

五、結論與建議

（一）結論

本文以長江流域和黃河流域2010-2019 年的面板數(shù)據(jù)為樣本，采用DEA 方法對長江、黃河流域旅游全要素生產(chǎn)率進行測度，分析了長江、黃河流域交通基礎設施對旅游全要素生產(chǎn)率的影響并對其結果進行了穩(wěn)健性檢驗，最后利用空間思想驗證了交通基礎設施是否具有跨地區(qū)溢出效應，結論如下：

1.長江流域各年份旅游業(yè)全要素生產(chǎn)率均值顯著高于黃河流域各年份旅游業(yè)全要素生產(chǎn)率均值，且長江流域旅游業(yè)全要素生產(chǎn)率均值較黃河流域變化明顯。

2.采用了混合回歸模型，研究結果表明，交通基礎設施對旅游業(yè)全要素生產(chǎn)率有顯著抑制作用，該作用在各省份之間存在差異，且黃河流域各省之間的差異大于長江流域。

3.使用空間計量的思想研究交通基礎設施對旅游業(yè)全要素生產(chǎn)率的影響，結果表明鄰近地區(qū)的交通基礎設施條件促進本地旅游業(yè)全要素生產(chǎn)率，因此，本地交通基礎設施對鄰近地區(qū)存在跨區(qū)域的正向溢出效應。

（二）建議

根據(jù)以上研究結果，本文提出以下建議：交通基礎設施在促進旅游業(yè)發(fā)展的同時，一定要注重其自身的利用效率，減少交通基礎設施水平與區(qū)域面積不匹配、閑置等使用效率低下的問題，盡量要發(fā)揮交通基礎設施的拉動輻射作用。交通基礎設施的溢出效應，使得地區(qū)之間形成協(xié)同效應，因此，要合理利用交通基礎設施所帶來的協(xié)同效應，加強區(qū)域間的經(jīng)濟聯(lián)系，充分發(fā)揮交通基礎設施的輻射作用，暢聯(lián)暢通鄰近地區(qū)的景區(qū)，方便游客進行一站式、區(qū)域式的旅游，進而帶動區(qū)域經(jīng)濟的發(fā)展。