Correlation Analysis between Tourism Industry Agglomeration and Economic Growth in Western China

经济增长学说认为，推动经济增长的主要因素包括技术进步、人力资本增加、物质资本积累和市场规模扩张等. 经济增长是世界各国经济发展的基本目标，是为提高国内生产总值和人均国内生产总值而进行的持续物质财富积累过程^[10-12]. 就我国西部地区而言，旅游产业健康快速发展不仅可以带动联动产业发展，也有利于区域经济持续增长. 因此，从经济增长学说角度来看，产业结构优化和产业升级是推动西部地区旅游产业及联动产业发展的关键.

产业集聚能带来信息共享、专业化分工以及输入共享的效益，进而推动产业发展. 集聚可以降低交易成本，提高生产效率，促进信息传播和创新，提高经济竞争力，形成产业链、产业带和产地效应. 集聚化发展是民营企业兴起和发展的新基点. 西部地区大量的旅游资源为旅游产业集聚提供了有利条件. 旅游产业集聚能够带动一系列相关产业发展，同时产业集聚也可以通过产业扩散效应，带动其他地区的经济发展^[13-15].

产业集聚对经济增长的影响主要体现在集聚效应、拥挤效应、扩散效应、回流效应4个方面. 集聚效应是产业发展中最直接的效应，通过产业集聚企业能够在较小的地理范围内获取并分享资源，降低生产与运营成本，进而推动经济增长. 然而，过度集聚可能引发拥挤效应，从而对经济增长产生负面影响. 在一定区域内过度集聚的企业可能会引发激烈竞争，导致资源过度消耗，进而影响企业的利润水平^[16-17]. 同时，过度集聚还可能引发环境问题. 扩散效应主要体现在两个方面：①产业集聚可以促进区域之间的经济交流和合作. ②产业集聚还可以通过引领和培育新产业，促进产业扩散和转型，进而为经济增长提供持续驱动力. 回流效应主要体现在产业集聚对区域经济建设的拉动作用上，产业集聚可以带动上下游相关产业和服务业的发展，吸引人力资源和资金流向产业集聚地区，形成回流效应. 产业集聚通过集聚效应、扩散效应、回流效应对经济增长产生正面影响，但也需要注意避免过度集聚产生的拥挤效应，只有这样才能实现经济持续、稳定和健康增长.

本研究针对西部地区旅游产业集聚对旅游经济增长的影响进行了深入分析，采用空间计量模型来揭示西部旅游业的发展状态，并引入空间因素更加全面地探讨集聚效应在不同区域间的影响方式.

为探究西部地区旅游产业集聚对旅游经济增长的真实影响，本研究将12个西部省份全部纳入样本范围，并利用空间权重矩阵和空间计量模型对西部旅游业发展状态进行广泛分析. 首先需要进行空间相关性检验，这是使用空间矩阵计量模型之前必需的步骤，以此确定研究对象的空间效应是否存在依赖性. 全局莫兰指数如式(1)所示.

式中x_i与x_j表示i区域与j区域的观测值，x表示观测均值，w_ij表示权重，S表示区域观测权重之和. 考虑到地理距离、经济距离和邻接情况等多个空间影响因素，本研究采用包含3种空间权重构建方法的混合策略.

① 邻接矩阵，其构建基于各观测点之间的邻近关系. 若两个观测点邻近，则相应矩阵元素设为1；否则设为0，如式(2)所示.

② 地理距离矩阵，可通过各省份之间的经、纬度信息计算得出. 根据经、纬度计算空间距离，并取其倒数作为权重值，得到反地理距离矩阵，如式(3)所示.

式中d_ij表示区域i与区域j之间的距离.

③ 经济地理距离矩阵，其构建基于各省份的地区生产总值(GDP)差异情况. 将各省份GDP差异的绝对值与已得到的地理距离矩阵相乘，得到经济地理距离矩阵，如式(4)所示.

利用这些构建好的空间权重矩阵，分析旅游经济增长的空间影响. 如果莫兰指数检验发现较高数值紧邻较高数值，或较低数值紧邻较低数值，意味着旅游经济增长存在空间正相关性；相反，若较高数值被较低数值包围或较低数值被较高数值包围，区域间的特征值呈现出一种反差较高的分布模式，则意味着存在空间负相关性. 若数值高低呈难以预测的随机性，则说明旅游经济增长在空间上无相关性. 通过空间相关性检验，本研究能更清晰地理解和揭示西部地区旅游产业集聚对旅游经济增长的影响. 旅游经济与旅游产业集聚往往展现出密切的关联，这种关联有两个主要原因：①因为生产要素在区域之间的流动、溢出和扩散，导致了“真实的相关性”. ②由于空间测量数据误差引起“干扰的相关性”. 因此，在研究西部地区旅游行业集群对旅游经济增长的影响时，通常的回归方法并不适用. 为解决该问题，本研究采用空间计量模型，包括空间滞后模型(Spatial Lag Model，SLM)、空间误差模型(Spatial Error Model，SEM)和空间杜宾模型(Spatial Durbin Model，SDM)进行深入分析. 首先，空间滞后模型关注不同地区变量之间是否存在溢出效应. 由于区域经济中某些变量相互作用可能导致要解释的变量之间出现空间相关性，因此引入空间滞后项来构建模型. 具体的模型如式(5)所示.

式中W表示空间权重矩阵，ρ表示空间自回归系数，ρWPTR_it表示空间滞后变量，β_α，β₁，β₂表示变量系数向量，cont表示控制变量，LQ_it表示解释变量，PTR_it表示被解释变量，ρWε_it表示空间误差项. i表示区域，t表示时间，it表示区域在时间内的定位.

第2个模型是空间误差模型，当相邻区域的误差项与被解释变量之间产生空间相关性时，需要引入空间误差项进行修正. 具体的模型如式(6)所示.

第3个模型是空间杜宾模型，它同时包含了空间滞后模型和空间误差模型，并引入了空间滞后解释变量. 具体的模型如式(7)所示.

式中W表示空间权重，θ₁WLQ_it表示旅游产业集聚度，θ₂Wcont表示空间变量，ε_it表示误差项. 在空间杜宾模型中需要考虑各省份之间的空间距离影响，以及各省份的经济发展水平. 旅游业发展和旅游经济增长不仅受到相邻省份的影响，还受到其他省份的影响. 因此，在使用空间矩阵时，本研究考虑了经济地理距离矩阵，从而综合考虑了各省份的空间距离和经济发展水平. 需要注意的是，旅游产业集聚度和被解释变量的空间滞后项都在模型中有所体现. 在进行空间效应分析时模型无法直接区分和检验效应，因此需要进行偏微分处理，如式(8)所示.

式中PTR_it表示在时间t的最终被解释变量. (1-ρW_it)^-1表示空间滞后算子，βX_it+ W_it表示解释变量，X_itθ表示解释变量的直接影响，(1-ρW_it)^-1α表示控制变量，(1-ρW_it)^-1λ与(1-ρW_it)^-1ζ均表示误差项. 本研究使用空间滞后模型、空间误差模型和空间杜宾模型，针对西部旅游业集群度对旅游经济增长的影响进行了探讨. 这些模型各有特点，可以有效处理数据的空间相关性，并提供更精确、更全面的研究结果.

为了全面深入地研究旅游业的发展，本研究选择了多个变量进行分析，包括区域旅游经济增长、旅游产业集聚、交通基础设施、区域经济发展水平、产业结构、区域城镇化水平、人力资本和物质资本等. 区域旅游经济以人均旅游收入的数据来表达，通过综合《中国文化和旅游年鉴》中的国内旅游收入和入境旅游收入，再结合《中国统计年鉴》中提供的年末人口数量计算得出. 旅游产业集聚度通过旅游业的区位熵进行计算(区位熵是一种计算产业集聚度的经济学指标). 区位熵值越大，表明产业集聚越明显. 计算所需原始数据涉及旅游业的经营单位数量和产值，这些数据主要来源于各个省份文化和旅游部门公布的统计数据，以及《中国文化和旅游年鉴》. 交通基础设施以公路里程数来表达(单位：万公里)，其数据来自《中国交通年鉴》和各省份统计局公开的交通统计资料. 区域经济发展水平的数据以人均GDP形式来表达，数据来源于《中国国民经济和社会发展统计公报》和各省份的统计年鉴. 产业结构以第三产业所占的GDP比例来表达，数据取自国家统计局的行业产值统计和《中国统计年鉴》. 区域城镇化水平以城镇人口占年末总人口的比例来表达，本研究搜集了来自国家统计局和各省份统计局公布的人口与就业统计年报. 人力资本关注的是旅游业的就业数据，反映了该行业的劳动投入量. 在一定程度上人力资本规模可以反映旅游业吸纳就业的能力和产业规模，主要以旅游就业人员数量来表达. 本研究采用旅游业直接从业人员数和旅游产业链相关间接从业人口数总和的方式进行计算，数据则来自《中国劳动统计年鉴》和《中国旅游年鉴》. 物质资本反映旅游业的投资情况，包括旅游设施和基础设施投资，是影响旅游经济增长的重要因素，以固定资产投资数量来表达. 固定资产投资总量直接作为物质资本的代替变量，包含了旅游业相关的各类固定资产投入，如交通基础设施投入、旅游设施建设投入等，数据来源包括地方财政部门和行业协会提供的统计信息. 本研究在收集数据时特别注意了年份的连续性和省份的完整性，并在有需要时采用线性插值等方法处理了数据缺失的问题. 此外，对所收集数据进行了必要的调整和标准化处理，以保障后续实证分析的一致性和可比性.

本研究选择2008-2022年西部12个省份旅游经济数据作为实证分析资料，首先对区域空间相关性进行分析，然后利用不同模型进行对比，最后将影响效应划分为直接效应、间接效应和总效应进行效应分析.

2008-2022年西部旅游经济增长莫兰指数展现出显著的变化趋势，通过研究这些变化，可以深入探讨西部12个省份旅游经济的演进轨迹和内在机制，其指数结果如表 1所示.

由表 1可知，从邻接矩阵的莫兰指数来看，2008-2022年该指数从0.150提升至0.540，表明旅游经济的地域集聚效应在17年间不断提升，地理上的相互关联愈发紧密. 尤其是在2020-2022年，指数由0.515提升至0.540，增长速度明显. 这个趋势放大了省份间旅游业的依赖性和相互作用，特别是地域近邻的影响. 地理距离矩阵的莫兰指数也在2008-2020年由0.038上升至0.200. 旅游业的经济效应正在扩散，甚至横跨较大的地理距离. 经济地理距离矩阵的莫兰指数从2008年的0.520下降到2022年的0.410，虽然有所波动，但总体下降趋势明显，表明经济因素的影响在整个旅游经济体系中的地位正在下降. 空间相关性如图 1所示.

由图 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象限的分布较少，说明西部各省份旅游经济增长主要呈现出“低—高”和“高—低”的模式. 根据经济地理距离矩阵，可见在2008年第2象限有2个省份，第4象限有1个省份，表明“低—高”和“高—低”模式的省份共有3个. 到了2022年，位于第2象限的省份数量为3，位于第4象限的省份数量为1，表明“低—高”和“高—低”模式的省份共有4个. 从图 1可以看出，随着时间推移，越来越多的观察区域呈现出负向空间相关性，并且在拟合曲线方向上趋于相反状态，说明西部地区的旅游经济增长逐渐表现出越来越明显的空间相关性.

本研究在进行回归分析时首先进行描述性统计，然后再进行模型检验，在检验后按照模型类型及效应类型进行分析，具体如表 2所示.

由表 2可知，所有变量样本值都在0.002~1.002范围内，说明数据分布紧密，无明显离群值. 这些统计信息揭示了不同变量的分布特征，为后续分析奠定了基础. 模型检验如表 3所示.

由表 3可知，SLM、SEM和SDM这3种方法的拉格朗日乘数检验均显示出显著的空间效应，表明空间位置和地理因素在构建模型和体现经济现象方面具有重要作用. 从豪斯曼检验结果可以看出，各个指标的效应显著，且对应的p值均为0.000，意味着拒绝了无效假设，即模型中的变量选择无偏误. 回归分析如表 4所示.

由表 4可知，杜宾双向固定效应模型的系数为0.680，空间滞后项系数为0.094，对数似然值为404.250，优于个体固定效应模型、杜宾随机效应模型、杜宾空间固定效应模型与杜宾时间固定效应模型，说明其解释性更强，因此以下分析主要基于双向固定效应模型. 区位熵的系数为0.192(0.019)，说明区域多样性对旅游经济增长有着积极的影响. 区域经济发展水平系数为0.260(0.058)，高于其他所有因素，表明区域经济发展水平对旅游经济增长的贡献最大，同时也验证了区域发展对旅游业增长的重要驱动作用. 然而，区域城镇化水平和人力资本均对旅游经济增长产生了负面影响，系数分别为-0.028(0.055)和-0.002(0.015). 这可能提示本研究在区域城镇化和人力资源配置过程中存在一些问题，也可能是社会经济发展到一定阶段的必然现象. 就物质资本而言，它的系数是0.007(0.027)，虽然接近0，但却是正数，表明物质资本对旅游经济的增长虽然是正面的、但不具有明显的推动作用. 在空间权重方面，所有变量对旅游经济增长的影响都是负面的(区域经济发展水平和产业结构除外). 区域经济发展水平，其空间权重系数高达0.519(0.230)，反映出发达区域对周边区域经济产生的是促进效应，而非剥夺效应. 产业结构的空间权重系数为-0.101(0.055)，表明综合产业布局对旅游经济增长的影响也不可忽视. 空间效应分析如表 5所示.

结合直接效应中的Coefficient可以看出，区域经济发展水平对产业结构有显著的正效应，影响系数为0.532，对城市化水平有负向影响，影响系数为-0.182，说明区域经济发展越好，产业结构的优化程度越高. 由间接效应可知，区位熵和区域城镇化水平都产生了显著的负效应，影响系数分别为-1.210和-1.011，而区域经济发展水平的影响系数为2.022，产生了显著正的间接效应. 数据表明，在具有显著性统计意义的Coefficient数据中，间接效应的绝对值都大于直接效应，表明区域之间的经济关联和互动也对产业结构产生了影响. 在总效应上，区域经济发展水平的影响系数为2.560，对产业结构有最大的正向影响，而空间效应的影响系数为-1.135，区域城镇化水平的影响系数为-1.191，物质资本的影响系数为-0.670，也都对产业结构产生了显著的负效应. 总的来讲，区域经济发展水平和产业结构优化程度相互促进，区域城镇化水平对产业结构优化程度产生了阻碍. 另一方面，空间因素在产业结构调整中起着关键作用.

本研究围绕西部地区旅游产业集聚对旅游经济增长的影响展开讨论，采用空间计量模型，引入空间因素，同时运用空间滞后模型、空间误差模型和空间杜宾模型分析西部地区旅游产业集聚与旅游经济增长之间的关系. 结果显示，2008-2022年西部12个省份旅游经济的莫兰指数从0.150提升至0.540，表明地域集聚效应显著增强. 同时，地理距离矩阵的莫兰指数从0.038上升至0.200，旅游业经济效应向更远地域扩散. 然而，经济地理距离矩阵的莫兰指数从2008年的0.520下降至2022年的0.410. 此外，本研究发现邻接关系显著影响旅游经济模型，影响系数达6.923. 区位熵和区域经济发展水平对旅游经济增长产生积极的影响，系数分别为0.192和0.260，而区域城镇化水平和人力资本则产生负面影响. 由此可见，我国西部地区旅游产业集聚对旅游经济增长具有显著的影响. 地理距离、经济发展水平、交通基础设施等因素对旅游经济具有重要作用，而区域城镇化水平和人力资本存在负向影响.