西部地區(qū)旅游產業(yè)集聚與經濟增長的相關性分析

摘要：為分析西部地區(qū)旅游產業(yè)集聚對旅游經濟增長的影響， 引入空間計量模型作為主要處理方式， 同時使用空間滯后模型、 空間誤差模型和空間杜賓模型進行分析． 在研究過程中選擇多元變量參與分析， 使用線性插值法填充缺失數據， 標準化所有變量， 并選擇2008-2022年西部旅游經濟數據進行分析． 結果顯示： 2008-2022年， 西部旅游經濟增長模式出現了負向變化趨勢， 同時鄰接關系的影響系數高達6.923（p＜0.001）． 區(qū)位熵和區(qū)域經濟發(fā)展水平對旅游經濟增長具有正向影響， 而區(qū)域城鎮(zhèn)化水平和人力資本則呈現出負影響趨勢． 該研究揭示了西部地區(qū)旅游產業(yè)集聚對旅游經濟的影響及方式， 并指出哪些因素在西部地區(qū)旅游經濟發(fā)展中具有顯著影響．

關 鍵 詞：西部； 旅游產業(yè)； 產業(yè)集聚； 經濟增長

中圖分類號：

F590

文獻標志碼：A

文章編號：16739868（2024）07009409

Correlation Analysis between Tourism Industry

Agglomeration and Economic Growth in Western China

CHEN Yijing

School of Management， Zhengzhou University of Technology， Zhengzhou 450053， China

Abstract： To analyze the impact of tourism industry agglomeration on tourism economic growth in the western region of China， the study adopted a spatial econometric model， introducing multiple spatial factors， and processed them using the spatial lag model， spatial error model， and spatial Durbin model． Meanwhile， multivariate variables were selected for analysis， missing data was filled using the linear interpolation method， and all variables were standardized． Finally， western tourism economic data from 2008 to 2022 was selected for economic analysis． The results showed that from 2008 to 2022， the tourism economic growth model in the west showed a negative spatial correlation trend， and the influence coefficient of adjacency relation was as high as 6.923 with a P-value of 0.001． At the same time， location entropy and regional economic development level had a positive impact on tourism economic growth， while urbanization level and human capital showed a negative impact． The study revealed the real impact of tourism industry agglomeration on the tourism economy in the western region and its impact mode， and pointed out the significant influence of these factors on the tourism economic development in the western region．

Key words： the western region； tourism industry； industrial agglomeration； economic growth

隨著國內社會經濟的發(fā)展， 旅游逐漸成為人們假日消遣的主要方式之一． 伴隨這一生活習慣的改變， 旅游作為一個新興的產業(yè)領域已經成為許多地區(qū)的重要經濟來源， 而中國西部便是旅游經濟的主要受益地區(qū)之一［1-3］． 中國西部地區(qū)由于獨特的地理環(huán)境和區(qū)位特性， 發(fā)展方式與其他地區(qū)有所不同， 其中最主要不同就是其獨特旅游資源的產業(yè)化發(fā)展． 目前， 西部地區(qū)部分城市已經演變?yōu)橐月糜螢楹诵漠a業(yè)的經濟發(fā)展模式， 在旅游經濟大規(guī)模發(fā)展的情況下， 其旅游產業(yè)集聚也出現了不同程度的上升［4-6］． 旅游產業(yè)集聚一方面為經濟發(fā)展提供支撐， 但另一方面也拉大了區(qū)域間經濟水平的差距． 部分地區(qū)雖然具有豐富的旅游資源， 但是由于受到區(qū)域內旅游產業(yè)集聚特征的影響， 有可能造成旅游經濟發(fā)展并不順暢， 甚至旅游經濟發(fā)展水平相對滯后的情況［7-9］． 針對西部地區(qū)旅游產業(yè)集聚與經濟增長的研究， 有助于對西部地區(qū)經濟發(fā)展態(tài)勢進行正確評判， 進而為區(qū)域間平衡化發(fā)展、 減少區(qū)域間經濟發(fā)展差距提供重要的理論依據．

1 理論分析

1.1 經濟增長學說分析

經濟增長學說認為， 推動經濟增長的主要因素包括技術進步、 人力資本增加、 物質資本積累和市場規(guī)模擴張等． 經濟增長是世界各國經濟發(fā)展的基本目標， 是為提高國內生產總值和人均國內生產總值而進行的持續(xù)物質財富積累過程［10-12］． 就我國西部地區(qū)而言， 旅游產業(yè)健康快速發(fā)展不僅可以帶動聯動產業(yè)發(fā)展， 也有利于區(qū)域經濟持續(xù)增長． 因此， 從經濟增長學說角度來看， 產業(yè)結構優(yōu)化和產業(yè)升級是推動西部地區(qū)旅游產業(yè)及聯動產業(yè)發(fā)展的關鍵．

1.2 產業(yè)集聚學說分析

產業(yè)集聚能帶來信息共享、 專業(yè)化分工以及輸入共享的效益， 進而推動產業(yè)發(fā)展． 集聚可以降低交易成本， 提高生產效率， 促進信息傳播和創(chuàng)新， 提高經濟競爭力， 形成產業(yè)鏈、 產業(yè)帶和產地效應． 集聚化發(fā)展是民營企業(yè)興起和發(fā)展的新基點． 西部地區(qū)大量的旅游資源為旅游產業(yè)集聚提供了有利條件． 旅游產業(yè)集聚能夠帶動一系列相關產業(yè)發(fā)展， 同時產業(yè)集聚也可以通過產業(yè)擴散效應， 帶動其他地區(qū)的經濟發(fā)展［13-15］．

1.3 產業(yè)集聚與經濟增長的相關性分析

產業(yè)集聚對經濟增長的影響主要體現在集聚效應、 擁擠效應、 擴散效應、 回流效應4個方面． 集聚效應是產業(yè)發(fā)展中最直接的效應， 通過產業(yè)集聚企業(yè)能夠在較小的地理范圍內獲取并分享資源， 降低生產與運營成本， 進而推動經濟增長． 然而， 過度集聚可能引發(fā)擁擠效應， 從而對經濟增長產生負面影響． 在一定區(qū)域內過度集聚的企業(yè)可能會引發(fā)激烈競爭， 導致資源過度消耗， 進而影響企業(yè)的利潤水平［16-17］． 同時， 過度集聚還可能引發(fā)環(huán)境問題． 擴散效應主要體現在兩個方面： ① 產業(yè)集聚可以促進區(qū)域之間的經濟交流和合作． ② 產業(yè)集聚還可以通過引領和培育新產業(yè)， 促進產業(yè)擴散和轉型， 進而為經濟增長提供持續(xù)驅動力． 回流效應主要體現在產業(yè)集聚對區(qū)域經濟建設的拉動作用上， 產業(yè)集聚可以帶動上下游相關產業(yè)和服務業(yè)的發(fā)展， 吸引人力資源和資金流向產業(yè)集聚地區(qū)， 形成回流效應． 產業(yè)集聚通過集聚效應、 擴散效應、 回流效應對經濟增長產生正面影響， 但也需要注意避免過度集聚產生的擁擠效應， 只有這樣才能實現經濟持續(xù)、 穩(wěn)定和健康增長．

2 相關性分析模型設計

本研究針對西部地區(qū)旅游產業(yè)集聚對旅游經濟增長的影響進行了深入分析， 采用空間計量模型來揭示西部旅游業(yè)的發(fā)展狀態(tài)， 并引入空間因素更加全面地探討集聚效應在不同區(qū)域間的影響方式．

2.1 空間回歸性模型設計

為探究西部地區(qū)旅游產業(yè)集聚對旅游經濟增長的真實影響， 本研究將12個西部省份全部納入樣本范圍， 并利用空間權重矩陣和空間計量模型對西部旅游業(yè)發(fā)展狀態(tài)進行廣泛分析． 首先需要進行空間相關性檢驗， 這是使用空間矩陣計量模型之前必需的步驟， 以此確定研究對象的空間效應是否存在依賴性． 全局莫蘭指數如式（1）所示．

全局莫蘭指數=∑ni=1 ∑nj=1wij（xi-x）（xj-x）/（S2∑ni=1 ∑nj=1wij）（1）

式中xi與xj表示i區(qū)域與j區(qū)域的觀測值， x表示觀測均值， wij表示權重， S表示區(qū)域觀測權重之和． 考慮到地理距離、 經濟距離和鄰接情況等多個空間影響因素， 本研究采用包含3種空間權重構建方法的混合策略．

① 鄰接矩陣， 其構建基于各觀測點之間的鄰近關系． 若兩個觀測點鄰近， 則相應矩陣元素設為1； 否則設為0， 如式（2）所示．

Wij=

1若不同區(qū)域之間相鄰或有公共邊界

0若不同區(qū)域之間不相鄰或無公共邊界

（2）

② 地理距離矩陣， 可通過各省份之間的經、 緯度信息計算得出． 根據經、 緯度計算空間距離， 并取其倒數作為權重值， 得到反地理距離矩陣， 如式（3）所示．

Wij=

1/diji≠j

0i=j

（3）

式中dij表示區(qū)域i與區(qū)域j之間的距離．

③ 經濟地理距離矩陣， 其構建基于各省份的地區(qū)生產總值（GDP）差異情況． 將各省份GDP差異的絕對值與已得到的地理距離矩陣相乘， 得到經濟地理距離矩陣， 如式（4）所示．

Wij=

1/dij×（1/｜yi-yj｜）i≠j

0i=j

（4）

利用這些構建好的空間權重矩陣， 分析旅游經濟增長的空間影響． 如果莫蘭指數檢驗發(fā)現較高數值緊鄰較高數值， 或較低數值緊鄰較低數值， 意味著旅游經濟增長存在空間正相關性； 相反， 若較高數值被較低數值包圍或較低數值被較高數值包圍， 區(qū)域間的特征值呈現出一種反差較高的分布模式， 則意味著存在空間負相關性． 若數值高低呈難以預測的隨機性， 則說明旅游經濟增長在空間上無相關性． 通過空間相關性檢驗， 本研究能更清晰地理解和揭示西部地區(qū)旅游產業(yè)集聚對旅游經濟增長的影響． 旅游經濟與旅游產業(yè)集聚往往展現出密切的關聯， 這種關聯有兩個主要原因： ① 因為生產要素在區(qū)域之間的流動、 溢出和擴散， 導致了“真實的相關性”． ② 由于空間測量數據誤差引起“干擾的相關性”． 因此， 在研究西部地區(qū)旅游行業(yè)集群對旅游經濟增長的影響時， 通常的回歸方法并不適用． 為解決該問題， 本研究采用空間計量模型， 包括空間滯后模型（Spatial Lag Model， SLM）、 空間誤差模型（Spatial Error Model， SEM）和空間杜賓模型（Spatial Durbin Model， SDM）進行深入分析． 首先， 空間滯后模型關注不同地區(qū)變量之間是否存在溢出效應． 由于區(qū)域經濟中某些變量相互作用可能導致要解釋的變量之間出現空間相關性， 因此引入空間滯后項來構建模型． 具體的模型如式（5）所示．

PTRit=ρWPTRit+β0+β1LQit+β2cont+ρWεit（5）

式中W表示空間權重矩陣， ρ表示空間自回歸系數， ρWPTRit表示空間滯后變量， βα，β1，β2表示變量系數向量， cont表示控制變量， LQit表示解釋變量， PTRit表示被解釋變量， ρWεit表示空間誤差項． i表示區(qū)域， t表示時間， it表示區(qū)域在時間內的定位．

第2個模型是空間誤差模型， 當相鄰區(qū)域的誤差項與被解釋變量之間產生空間相關性時， 需要引入空間誤差項進行修正． 具體的模型如式（6）所示．

PTRit=β0+β1LQit+β3cont+ρWεit（6）

第3個模型是空間杜賓模型， 它同時包含了空間滯后模型和空間誤差模型， 并引入了空間滯后解釋變量． 具體的模型如式（7）所示．

PTRit=ρWPTRit+β0+β1LQit+βαcont++θ1WLQit+θ2Wcont+εit（7）

式中W表示空間權重， θ1WLQit表示旅游產業(yè)集聚度， θ2Wcont表示空間變量， εit表示誤差項． 在空間杜賓模型中需要考慮各省份之間的空間距離影響， 以及各省份的經濟發(fā)展水平． 旅游業(yè)發(fā)展和旅游經濟增長不僅受到相鄰省份的影響， 還受到其他省份的影響． 因此， 在使用空間矩陣時， 本研究考慮了經濟地理距離矩陣， 從而綜合考慮了各省份的空間距離和經濟發(fā)展水平． 需要注意的是， 旅游產業(yè)集聚度和被解釋變量的空間滯后項都在模型中有所體現． 在進行空間效應分析時模型無法直接區(qū)分和檢驗效應， 因此需要進行偏微分處理， 如式（8）所示．

PTRit=（1-ρWit）-1（βXit+Wit）Xitθ+（1-ρWit）-1α+（1-ρWit）-1λ+（1-ρWit）-1ζ（8）

式中PTRit表示在時間t的最終被解釋變量． （1-ρWit）-1表示空間滯后算子， βXit+Wit表示解釋變量， Xitθ表示解釋變量的直接影響， （1-ρWit）-1α表示控制變量， （1-ρWit）-1λ與（1-ρWit）-1ζ均表示誤差項． 本研究使用空間滯后模型、 空間誤差模型和空間杜賓模型， 針對西部旅游業(yè)集群度對旅游經濟增長的影響進行了探討． 這些模型各有特點， 可以有效處理數據的空間相關性， 并提供更精確、 更全面的研究結果．

2.2 變量體系與數據來源

為了全面深入地研究旅游業(yè)的發(fā)展， 本研究選擇了多個變量進行分析， 包括區(qū)域旅游經濟增長、 旅游產業(yè)集聚、 交通基礎設施、 區(qū)域經濟發(fā)展水平、 產業(yè)結構、 區(qū)域城鎮(zhèn)化水平、 人力資本和物質資本等． 區(qū)域旅游經濟以人均旅游收入的數據來表達， 通過綜合《中國文化和旅游年鑒》中的國內旅游收入和入境旅游收入， 再結合《中國統(tǒng)計年鑒》中提供的年末人口數量計算得出． 旅游產業(yè)集聚度通過旅游業(yè)的區(qū)位熵進行計算（區(qū)位熵是一種計算產業(yè)集聚度的經濟學指標）． 區(qū)位熵值越大， 表明產業(yè)集聚越明顯． 計算所需原始數據涉及旅游業(yè)的經營單位數量和產值， 這些數據主要來源于各個省份文化和旅游部門公布的統(tǒng)計數據， 以及《中國文化和旅游年鑒》． 交通基礎設施以公路里程數來表達（單位： 萬公里）， 其數據來自《中國交通年鑒》和各省份統(tǒng)計局公開的交通統(tǒng)計資料． 區(qū)域經濟發(fā)展水平的數據以人均GDP形式來表達， 數據來源于《中國國民經濟和社會發(fā)展統(tǒng)計公報》和各省份的統(tǒng)計年鑒． 產業(yè)結構以第三產業(yè)所占的GDP比例來表達， 數據取自國家統(tǒng)計局的行業(yè)產值統(tǒng)計和《中國統(tǒng)計年鑒》． 區(qū)域城鎮(zhèn)化水平以城鎮(zhèn)人口占年末總人口的比例來表達， 本研究搜集了來自國家統(tǒng)計局和各省份統(tǒng)計局公布的人口與就業(yè)統(tǒng)計年報． 人力資本關注的是旅游業(yè)的就業(yè)數據， 反映了該行業(yè)的勞動投入量． 在一定程度上人力資本規(guī)?？梢苑从陈糜螛I(yè)吸納就業(yè)的能力和產業(yè)規(guī)模， 主要以旅游就業(yè)人員數量來表達． 本研究采用旅游業(yè)直接從業(yè)人員數和旅游產業(yè)鏈相關間接從業(yè)人口數總和的方式進行計算， 數據則來自《中國勞動統(tǒng)計年鑒》和《中國旅游年鑒》． 物質資本反映旅游業(yè)的投資情況， 包括旅游設施和基礎設施投資， 是影響旅游經濟增長的重要因素， 以固定資產投資數量來表達． 固定資產投資總量直接作為物質資本的代替變量， 包含了旅游業(yè)相關的各類固定資產投入， 如交通基礎設施投入、 旅游設施建設投入等， 數據來源包括地方財政部門和行業(yè)協(xié)會提供的統(tǒng)計信息． 本研究在收集數據時特別注意了年份的連續(xù)性和省份的完整性， 并在有需要時采用線性插值等方法處理了數據缺失的問題． 此外， 對所收集數據進行了必要的調整和標準化處理， 以保障后續(xù)實證分析的一致性和可比性．

3 相關性實證分析

本研究選擇2008-2022年西部12個省份旅游經濟數據作為實證分析資料， 首先對區(qū)域空間相關性進行分析， 然后利用不同模型進行對比， 最后將影響效應劃分為直接效應、 間接效應和總效應進行效應分析．

3.1 空間相關性分析

2008-2022年西部旅游經濟增長莫蘭指數展現出顯著的變化趨勢， 通過研究這些變化， 可以深入探討西部12個省份旅游經濟的演進軌跡和內在機制， 其指數結果如表1所示．

由表1可知， 從鄰接矩陣的莫蘭指數來看， 2008-2022年該指數從0.150提升至0.540， 表明旅游經濟的地域集聚效應在17年間不斷提升， 地理上的相互關聯愈發(fā)緊密． 尤其是在2020-2022年， 指數由0.515提升至0.540， 增長速度明顯． 這個趨勢放大了省份間旅游業(yè)的依賴性和相互作用， 特別是地域近鄰的影響． 地理距離矩陣的莫蘭指數也在2008-2020年由0.038上升至0.200． 旅游業(yè)的經濟效應正在擴散， 甚至橫跨較大的地理距離． 經濟地理距離矩陣的莫蘭指數從2008年的0.520下降到2022年的0.410， 雖然有所波動， 但總體下降趨勢明顯， 表明經濟因素的影響在整個旅游經濟體系中的地位正在下降． 空間相關性如圖1所示．

由圖1可知， 西部各省份的分布主要集中在第1象限和第3象限， 而第2象限和第4象限的分布較少， 說明西部各省份旅游經濟增長主要呈現出“低—高”和“高—低”的模式． 根據經濟地理距離矩陣， 可見在2008年第2象限有2個省份， 第4象限有1個省份， 表明“低—高”和“高—低”模式的省份共有3個． 到了2022年， 位于第2象限的省份數量為3， 位于第4象限的省份數量為 表明“低—高”和“高—低”模式的省份共有4個． 從圖1可以看出， 隨著時間推移， 越來越多的觀察區(qū)域呈現出負向空間相關性， 并且在擬合曲線方向上趨于相反狀態(tài)， 說明西部地區(qū)的旅游經濟增長逐漸表現出越來越明顯的空間相關性．

3.2 回歸分析

本研究在進行回歸分析時首先進行描述性統(tǒng)計， 然后再進行模型檢驗， 在檢驗后按照模型類型及效應類型進行分析， 具體如表2所示．

由表2可知， 所有變量樣本值都在0.002～1.002范圍內， 說明數據分布緊密， 無明顯離群值． 這些統(tǒng)計信息揭示了不同變量的分布特征， 為后續(xù)分析奠定了基礎． 模型檢驗如表3所示．

由表3可知， SLM、 SEM和SDM這3種方法的拉格朗日乘數檢驗均顯示出顯著的空間效應， 表明空間位置和地理因素在構建模型和體現經濟現象方面具有重要作用． 從豪斯曼檢驗結果可以看出， 各個指標的效應顯著， 且對應的p值均為0.000， 意味著拒絕了無效假設， 即模型中的變量選擇無偏誤． 回歸分析如表4所示．

由表4可知， 杜賓雙向固定效應模型的系數為0.680， 空間滯后項系數為0.094， 對數似然值為404.250， 優(yōu)于個體固定效應模型、 杜賓隨機效應模型、 杜賓空間固定效應模型與杜賓時間固定效應模型， 說明其解釋性更強， 因此以下分析主要基于雙向固定效應模型． 區(qū)位熵的系數為0.192（0.019）， 說明區(qū)域多樣性對旅游經濟增長有著積極的影響． 區(qū)域經濟發(fā)展水平系數為0.260（0.058）， 高于其他所有因素， 表明區(qū)域經濟發(fā)展水平對旅游經濟增長的貢獻最大， 同時也驗證了區(qū)域發(fā)展對旅游業(yè)增長的重要驅動作用． 然而， 區(qū)域城鎮(zhèn)化水平和人力資本均對旅游經濟增長產生了負面影響， 系數分別為-0.028（0.055）和-0.002（0.015）． 這可能提示本研究在區(qū)域城鎮(zhèn)化和人力資源配置過程中存在一些問題， 也可能是社會經濟發(fā)展到一定階段的必然現象． 就物質資本而言， 它的系數是0.007（0.027）， 雖然接近0， 但卻是正數， 表明物質資本對旅游經濟的增長雖然是正面的、 但不具有明顯的推動作用． 在空間權重方面， 所有變量對旅游經濟增長的影響都是負面的（區(qū)域經濟發(fā)展水平和產業(yè)結構除外）． 區(qū)域經濟發(fā)展水平， 其空間權重系數高達0.519（0.230）， 反映出發(fā)達區(qū)域對周邊區(qū)域經濟產生的是促進效應， 而非剝奪效應． 產業(yè)結構的空間權重系數為-0.101（0.055）， 表明綜合產業(yè)布局對旅游經濟增長的影響也不可忽視． 空間效應分析如表5所示．

結合直接效應中的Coefficient可以看出， 區(qū)域經濟發(fā)展水平對產業(yè)結構有顯著的正效應， 影響系數為0.532， 對城市化水平有負向影響， 影響系數為-0.182， 說明區(qū)域經濟發(fā)展越好， 產業(yè)結構的優(yōu)化程度越高． 由間接效應可知， 區(qū)位熵和區(qū)域城鎮(zhèn)化水平都產生了顯著的負效應， 影響系數分別為-1.210和-1.01 而區(qū)域經濟發(fā)展水平的影響系數為2.022， 產生了顯著正的間接效應． 數據表明， 在具有顯著性統(tǒng)計意義的Coefficient數據中， 間接效應的絕對值都大于直接效應， 表明區(qū)域之間的經濟關聯和互動也對產業(yè)結構產生了影響． 在總效應上， 區(qū)域經濟發(fā)展水平的影響系數為2.560， 對產業(yè)結構有最大的正向影響， 而空間效應的影響系數為-1.135， 區(qū)域城鎮(zhèn)化水平的影響系數為-1.19 物質資本的影響系數為-0.670， 也都對產業(yè)結構產生了顯著的負效應． 總的來講， 區(qū)域經濟發(fā)展水平和產業(yè)結構優(yōu)化程度相互促進， 區(qū)域城鎮(zhèn)化水平對產業(yè)結構優(yōu)化程度產生了阻礙． 另一方面， 空間因素在產業(yè)結構調整中起著關鍵作用．

4 結論

本研究圍繞西部地區(qū)旅游產業(yè)集聚對旅游經濟增長的影響展開討論， 采用空間計量模型， 引入空間因素， 同時運用空間滯后模型、 空間誤差模型和空間杜賓模型分析西部地區(qū)旅游產業(yè)集聚與旅游經濟增長之間的關系． 結果顯示， 2008-2022年西部12個省份旅游經濟的莫蘭指數從0.150提升至0.540， 表明地域集聚效應顯著增強． 同時， 地理距離矩陣的莫蘭指數從0.038上升至0.200， 旅游業(yè)經濟效應向更遠地域擴散． 然而， 經濟地理距離矩陣的莫蘭指數從2008年的0.520下降至2022年的0.410． 此外， 本研究發(fā)現鄰接關系顯著影響旅游經濟模型， 影響系數達6.923． 區(qū)位熵和區(qū)域經濟發(fā)展水平對旅游經濟增長產生積極的影響， 系數分別為0.192和0.260， 而區(qū)域城鎮(zhèn)化水平和人力資本則產生負面影響． 由此可見， 我國西部地區(qū)旅游產業(yè)集聚對旅游經濟增長具有顯著的影響． 地理距離、 經濟發(fā)展水平、 交通基礎設施等因素對旅游經濟具有重要作用， 而區(qū)域城鎮(zhèn)化水平和人力資本存在負向影響．

參考文獻：

［1］

王凱， 何靜， 甘暢， 等． 中國旅游產業(yè)結構變遷對旅游業(yè)碳排放效率的空間溢出效應研究 ［J］． 中國軟科學， 2022（12）： 50-60．

［2］ 王兆峰， 謝佳亮． 中國旅游產業(yè)組織的時空耦合關系及影響因素 ［J］． 地理學報， 2023， 78（4）： 961-979．

［3］ LIU-LASTRES B， WEN H， HUANG W J． A Reflection on the Great Resignation in the Hospitality and Tourism Industry ［J］． International Journal of Contemporary Hospitality Management， 2023， 35（1）： 235-249．

［4］ 王宏宇， 吳普俠， 馮慶， 等． 中西部三大都市圈旅游空間錯位影響因素及時空動態(tài)演變研究 ［J］． 地域研究與開發(fā)， 2023， 42（3）： 110-116．

［5］ 方葉林， 王秋月， 黃震方， 等． 中國旅游經濟韌性的時空演化及影響機理研究 ［J］． 地理科學進展， 2023， 42（3）： 417-427．

［6］ 曹開軍， 商寧， 王秘秘． 中國西北五省鄉(xiāng)村旅游重點村時空分布格局與可達性分析 ［J］． 干旱區(qū)地理， 2023， 46（7）： 1196-1205．

［7］ 雷振仙， 王坤， 程小蝶， 等． 中國市域旅游發(fā)展和經濟增長動態(tài)演變 ［J］． 西北師范大學學報（自然科學版）， 2023， 59（3）： 44-53．

［8］ 劉穎潔， 王爽． 長江經濟帶養(yǎng)老產業(yè)與旅游產業(yè)耦合協(xié)調與經濟增長的關系 ［J］． 經濟地理， 2022， 42（8）： 123-131．

［9］ RAZZAQ A， FATIMA T， MURSHED M． Asymmetric Effects of Tourism Development and Green Innovation on Economic Growth and Carbon Emissions in Top 10 GDP Countries ［J］． Journal of Environmental Planning and Management， 2023， 66（3）： 471-500．

［10］戚逸康． 綠色金融、 技術進步與經濟增長——基于一般均衡模型的理論分析與實證檢驗 ［J］． 蘭州學刊， 2023（3）： 16-30．

［11］張文娟， 明慶忠， 劉宏芳． 夜間經濟政策對地區(qū)旅游經濟增長的影響——基于多時點雙重差分模型的實證分析 ［J］． 廣西社會科學， 2023（6）： 110-119．

［12］董亞寧， 楊開忠， 顧蕓． 創(chuàng)新成本、 空間分割與創(chuàng)新增長分異研究——基于空間經濟增長理論 ［J］． 中國軟科學， 2021（7）： 87-96．

［13］麻學鋒， 于美琪． 縣域交通優(yōu)勢度與旅游產業(yè)集聚適配空間演化研究——以大湘西為例 ［J］． 地域研究與開發(fā)， 2023， 42（3）： 135-141．

［14］白翠玲， 雷欣， 楊麗花， 等． 河北省長城沿線縣域旅游產業(yè)集聚對經濟增長的空間溢出效應研究 ［J］． 地理科學， 2023， 43（1）： 101-109．

［15］陳奕瑋， 吳維庫． 產業(yè)集聚、 產業(yè)多樣化與城市經濟韌性關系研究 ［J］． 科技進步與對策， 202 38（18）： 64-73．

［16］席瑤． “三生” 維度下的鄉(xiāng)村旅游集聚區(qū)發(fā)展效應研究 ［J］． 湖北農業(yè)科學， 2022， 61（2）： 24-28．

［17］劉紅蘭， 孫小龍， 秦彬朦， 等． 貴州省文化與旅游產業(yè)融合態(tài)勢及時空分異研究——基于中小尺度城市視角 ［J］． 湖南師范大學自然科學學報， 2023， 46（1）： 91-99．

責任編輯 夏娟