高等级景区的旅游经济效应及其空间关联机制

——基于中国225个地级市的实证检验

王 韧¹，宋爽爽²

（1. 首都经济贸易大学金融学院，北京 100070；2. 重庆工商大学金融学院，重庆 400067）

0 引言

综合以上，本研究试图从更广谱的地级市维度出发，基于2012—2019 年中国225 个地级市的数据，系统分析高等级景区的旅游经济效应及其空间关联机制，并探讨其对旅游基础设施建设和文化体育娱乐行业创新等要素的响应机制。研究的边际贡献在于：第一，通过将研究对象进一步下沉到地级市层面，同时聚焦外生特征更明显、空间溢出效应更显著的5A 级和4A 级等高等级景区，有助于展开更细致的空间效应分析和异质性诊断；第二，通过借鉴两区制空间杜宾模型，并展开进一步的传导机制分析和距离阈值检测以及区域异质性诊断，有助于更全面地揭示高等级景区的旅游经济效应及其空间关联机制；第三，将基础设施建设空间效应、文化体育娱乐行业冲击效应以及潜在较高经济增长目标压力下高等级景区经济贡献优先级相对后置的情况纳入研究，有助于更深入探讨传统旅游资源开发建设以及模式升级的新时代路径。

图片来源于微信公众平台公共图片库

1 文献综述

旅游业是区域经济发展的重要战略性支柱产业，景区开发建设则是区域旅游产业发展的重要支撑[1]。现有研究普遍强调旅游经济和高等级景区对区域发展的重要性，并覆盖两条研究主线。一是强调旅游业发展的区域经济带动效应，认为旅游业发展存在着推动基础设施建设、优化产业结构、增加就业岗位和提高居民收入等多重效应，有助于带动区域经济的发展[2]，其中，高等级景区更是充当着区域旅游经济发展的关键支撑，并能够衍生出显著的空间效应[3]。二是聚焦旅游产业发展的区域经济平衡功能，但现有文献对该部分的讨论并未形成一致意见。部分研究认为，相对于经济发达地区，旅游经济的发展更加有利于带动老少边穷等落后地区的经济发展[4-5]，当旅游收入的相对边际效用小于0时就能够改善收入不平等[6]，从而对区域经济发展不平衡产生有效的缓解作用[7]。部分研究则持相反观点，认为旅游发展产生的虹吸效应也可能会加剧区域间的经济不平衡[8-9]。此外，还有部分学者认为，旅游发展对区域经济发展的平衡性的影响还与经济发展水平、速度以及旅游在GDP中的占比有关[10]。

旅游资源与区域旅游经济发展间的正向关系被多数研究强调[11-12]。因为不同地区在高质量旅游资源上的比较优势对旅游产出增长的贡献显著高于其他因素，因而区域旅游经济发展需要因地制宜，深入挖掘自身资源禀赋优势[13]；在不同类型旅游资源的差异化影响方面，区域旅游经济发展更依赖旅游自然资源的享有状况[14]。对区域旅游资源的评价由于高等级景区较高的市场关注度和游客到访率而成为区域旅游业发展禀赋评价的重要晴雨表[15]。因为高等级景区不仅能提供旅游景观和旅游环境，更能够创造出旅游相关的品质体验，在促进本地区旅游经济发展的同时，也会进一步通过区域旅游资本和劳动要素的空间集聚、旅游产业的关联带动以及旅游发展要素的平台共享等渠道的共同作用对周围区域产生空间上的溢出效应。也就是说，本地区的高等级旅游景区会形成明显的正外部效应，同时，通过空间扩散对周围区域的旅游经济发展形成显著的影响[12]，因而逐步成为探讨区域旅游经济发展状况的重要基点[16]。

对旅游资源空间溢出效应的探讨最早发轫于地理学第一定律，即任何地理事物或属性在空间上都具有相关性[17]。落实到旅游经济发展，因为客源地与多个目的地的感知距离会影响游客满意度，因而旅游资源的空间分布特征构成区域旅游业发展的重要制约因素[18]。但游客群体的感知距离也会同时受基础设施和技术进步等因素影响，游客对旅游目的地的选择会随交通与通信技术发展而发生变化[19]，由此旅游景区与区域旅游经济发展的空间关联机制也会逐步进化[20]。部分研究开始从空间关联视角对旅游资源优势的区域影响展开讨论，认为通过特定区域之间的交通网络建设可以增强该地区与周围地区的空间连接，同时强化各个区域经济活动的紧密联系，进而推动地区之间旅游资源的共享互通[21]，并进一步通过扩散效应和集聚效应影响周围地区经济，从而呈现出正向或是负向的空间溢出作用[22-23]。

在旅游景区景点的具体测度及其空间溢出效应的研究方面。早期研究多通过定性分析对景区资源间的竞合关系及其经济影响展开探讨[24]；后续探索则主要围绕定量研究展开，并涵盖综合指标和单一指标两种不同方法。单一指标法的相关研究要么基于邻近地区的世界文化遗产数量，运用空间引力模型方法对旅游资源的空间溢出效应展开探讨[24]，要么下沉到微观层面邻近景区群，运用Diebold -Yilmaz 溢出指数工具探讨近邻景区间的旅游流联动与溢出效应[25]；综合指标法主要通过对区域世界遗产、国家公园及城市高等级景区的数量加权得分[26]，地理探测器分析所获取的综合权重值[27]等来表征旅游景区优势，进而探究其在旅游经济发展上的空间依赖特征和空间溢出效应。因为实证方法的明显差异，相关文献在分析结论上也存在较大分歧。

综合以上讨论，现有文献虽普遍强调旅游经济发展和高等级景区建设对推动区域经济协调发展的重要性，且对旅游景区的正向经济效应和高等级景区的空间溢出效应多有涉及，但相关讨论要么集中于宏观区域层面，要么聚焦微观县域视角，很少对景区的内部差异进行细分，在区域旅游景区的具体测度及其空间溢出效应的实际探讨上存在较为明显的分歧。如何在兼具宏观和微观的空间维度下系统梳理高等级景区的旅游经济效应及其异质性特征，无疑具有较强的理论价值；同时，现有文献对景区到旅游经济的空间溢出效应分析也缺乏更为细致的传导机制探讨和距离阈值检测，对旅游基础设施建设和文化娱乐行业创新以及政府整体潜在经济增长压力所带来的影响也缺乏针对性探讨。由此，通过将研究对象进一步下沉到地级市维度，并聚焦外生性特征更明显的5A 级和4A 级景区，并展开基于不同旅游要素的空间关联机制诊断和针对不同距离阈值的空间溢出效应分析，进而纳入旅游业发展环境变化与文娱行业创新等因素的考量，对探索旅游产品开发建设的特色化路径亦具有实践参考价值。

2 研究设计

2.1 计量模型设定

结合前面讨论，高等级景区不仅充当着本地旅游经济发展的依托，也能够对周边地区的旅游经济形成空间溢出，交通与信息网络等基础设施发展在当中扮演着重要角色，与此相关的距离因素理所应当会影响旅游景区的旅游经济效益及其空间效益，更进一步，文化体育娱乐行业发展对以高等级旅游景区为代表的传统旅游资源会形成何种影响、政府潜在经济增长压力是否可能会影响旅游经济发展模式也有待进一步讨论。本文将聚焦高等级旅游景区的经济效应及其空间溢出效应，以及由此形成的复杂空间关系。具体的理论机制如图1所示。

为全面诊断高等级景区的旅游经济效应及其空间关联机制，同时规避模型设定偏误，这里主要基于空间杜宾模型（spatial Durbin model，SDM）来展开实证探讨，首先设定如下模型：

式（1）中，tiit 为地市级i 在t 年的旅游经济规模；ρ1为旅游经济规模空间滞后项的估计系数，用来表征旅游经济发展的空间溢出效应；ωij 为相应的空间权重矩阵；sumfourait 代表地级市i在t年的所拥有的高等级景区数量；β1为高等级景区变量的估计系数；θ1为高等级景区空间滞后项的估计系数；β2为控制变量的估计系数集；θ2为控制变量空间滞后项的估计 系 数 集；δij 为 固 定 效 应；εit 为 扰 动 项：εit = λ∑ωijεit + μit；λ为扰动项空间滞后项的估计系数。

2.2 空间权重矩阵选择

这里借鉴刘佳等的做法[28]，对地理反距离平方权重矩阵做如下定义：

式（2）中，dij 用于表征地级市之间的地理距离，因为地级市之间的空间联动关系会随着地理距离增加而逐步衰减，因此，这里做倒数处理。理论逻辑上讲，反距离平方权重矩阵弥补了地理相邻矩阵只能探究相邻城市空间联系的缺陷，并可以将非相邻城市也纳入研究范畴。

在此基础上，考虑到经济规模和体量较大的城市往往会对周围城市形成更为显著的辐射和带动作用，因此参考赵磊等的研究[29]，构建如下形式的经济地理嵌套权重矩阵[29]：

2.3 变量选择与说明

考虑到数据的实际可获取性和连续性，借鉴孙根紧和钱琪的研究[30]，使用地级市旅游总收入指标来表征地区旅游经济规模tiit，同时，为保证数据的纵向可比性，通过居民消费价格指数进行平减处理，将其折算成2012为基期的不变收入。

选取4A级和5A级景区数量来衡量高等级景区（lnsumfoura）这一核心解释变量。在实际操作中，3A 级及以下等级的景区是由本省的省级或者条件成熟的地级市旅游景区质量等级评定机构评定，而4A 级和5A 级景区由省级推荐，并由全国旅游景区质量评定委员会组织评定，因而更加具有公信力。也有研究关注到在同一区域存在若干旅游资源时，高等级景区会一定程度屏蔽低等级旅游资源，并形成阴影区效应，处于阴影区的旅游资源会因为难以被游客感知而产生减值效应[31]，由此选择4A 级和5A 级景区数量作为高等级景区的代理指标具有较强合理性。

结合相关研究，控制变量集选取的控制变量包括：1）地区经济发展水平（lnpgdp），用地区人均生产总值对数衡量；2）城镇化水平（urbanrate），以地区城镇化率表示；3）地区产业结构（industure），用第三产业增加额占GDP 的比重表示；4）交通便捷性（lnroad），用地级市公路里程对数表征；5）公共基础设施投资水平（pub_fixed），以地级市公共基础设施投资中固定资产投资完成额表示；6）旅客承载能力（per_taxi），用年末市区出租车拥有量衡量；7）地区绿化率（green），用绿化面积与地区面积的比值表示；8）地区教育水平（high_teach），用地区普通本专科生在校人数与地区总人数的比值表征；9）居民生活水平（per_elec），用人均用电量表示。

实际数据处理过程中，鉴于国内部分城市某些变量的具体数值难以获取或存在缺失，本研究在样本城市选取时对数据缺失问题较严重的地区进行针对性处理，包括通过权威公开网站查询其细分景区的历史数据或者审批成立时间，并尝试联系相关地区的主管部门。但新疆和西藏最终获得的数据仍偏少；陕西省文化与旅游厅提供的相关数据并不包含历史数据或者景区具体审批时间；湖南省相关部门始终未回复相关咨询。由此，为保证估计结果的稳健性，对那些数据获取较为困难或极不完整的城市只能做剔除处理，最终得到涵盖2012—2019年国内225个地级市的平衡面板数据集。

从统计特征看，后续实证研究所覆盖的样本城市在2019 年的4A 级与5A 级景区数量占到了全国总数量的79.63%，样本城市的旅游收入也占到了依据各省及直辖市旅游收入加总计算值的84.81%①考虑到全国层面的旅游收入统计口径和地方层面的统计口径存在差异，而省级层面的旅游收入数据相对于地级市而言更易获取，因此，直接采用各省及直辖市的旅游收入数据加总，并用其充当全国旅游收入情况的代理指标。，整体具有较强的代表性。同时，通过绘制对应时间区间内样本城市高等级景区及旅游收入与全国数据的时间趋势图（图2 和图3）：无论旅游景区还是旅游总收入指标，样本城市数据和全国统计数据均存在较高一致性，也说明样本选取具有较好代表性。

旅游业发展相关原始数据采自司尔亚司数据信息有限公司（CEIC Data）中国数据库、各省或各地级市统计年鉴、省文化与旅游局官网公开数据及统计公报。其余变量数据则来自各省或各地级市统计年鉴、中经网统计数据库、CEIC 中国数据库。其中，高等级景区资源（4A 级和5A 级景区数量）在官方数据中只能获取到最新景区数量及各景区评级通过时间，由此可以倒推获取以往年份的高等级景区拥有量，并手工剔除在样本区间内被降级、摘牌及复牌的景区。针对存在少量数据缺失的指标，采用线性插值法进行填补。为保证数据平滑性，对绝对量取对数，并进行上下1%缩尾处理，相关变量的描述性统计如表1所示。

注：经笔者计算整理得出。

3 基准回归结果

3.1 全局空间自相关检验

首先进行变量空间自相关检验以确认采用空间计量方法的合理性。表2汇报了地理反距离平方权重矩阵和经济地理嵌套权重矩阵两种设定下旅游经济发展和高等级景区的莫兰指数（Moran's I）。结果显示：在2012—2019 年期间，基于不同权重矩阵设定的旅游经济规模和高等级景区数量指标的莫兰指数均显著为正，意味着这两项指标都呈现出明显的空间自相关性。

表2 Moran's I的测算结果
Tab.2 Measurement results of Moran's I

注：***、**、*分别代表1%、5%、10%的显著性水平。

3.2 模型适用性检验

空间计量分析还需要进行具体模型形式的适用性检验，检验结果如表3 所示：首先，在普通混合回归基础上，通过选取不同空间权重矩阵进行拉格朗日乘子（Lagrange multiplier，LM）检验，结果显示不同权重矩阵下的LM 检验结果都在1%的水平上显著，同时稳健LM 的检验也通过了显著性检验，说明存在空间相关性；其次，依据空间杜宾模型的初始估计结果，豪斯曼检验（Hausman test）显示应采用固定效应估计，而在此条件下的时间联合和空间联合显著性检验结果都显示时间个体双固定的空间杜宾模型为最优选择；最后，进行似然比检验（likelihood ratio test，LR）和Wald 检验，检验结果基本都在1%的水平上拒绝原假设。综合以上，最终选择时间和个体双固定的空间杜宾模型探讨高等级景区的旅游经济效应及其空间关联机制，并在此基础上展开进一步的机制分析和异质性诊断。

表3 空间计量模型的适用性检验
Tab.3 Applicability tests of spatial measurement models

注：经笔者计算整理得出。

3.3 空间面板回归

表4 汇报了基于空间杜宾模型的面板回归结果。其中，估计列（1）展示了不考虑空间关系时的面板数据时间个体双向固定普通最小二乘法（ordinary least squares，OLS）回归结果。估计列（2）～（3）与列（4）～（5）分别提供了地理反距离平方矩阵与经济地理嵌套权重矩阵下的回归结果，其中，高等级景区数量的估计系数及其空间滞后项均显著为正，验证了本地区和邻近地区高等级景区的数量均会对本地旅游经济发展形成正向的促进作用；同时，旅游经济规模的空间滞后项也显著为正，意味着邻近其他地区的旅游经济发展也会对本地经济形成正向驱动。

表4 空间杜宾模型的基准回归结果
Tab.4 Baseline regression results for the spatial Durbin model

注：括号内为t 统计量；***、**、*分别代表1%、5%、10%的显著性水平。

3.4 空间效应分解

为进一步对前面提及的直接效应和间接效应展开识别和分解，借鉴Elhorst所提出的理论模型做相应诊断[32]，具体结果如表5所示。

表5 高等级景区的空间效应分解
Tab.5 Decomposition of spatial effects of high-level scenic areas

注：括号内为t 统计量；***、**、*分别代表1%、5%、10%的显著性水平。

依据表5 的估计列（1）和列（4），高等级景区拥有量的直接影响系数均显著为正，说明本地高等级景区拥有数量对于本地旅游经济发展都呈现出显著且正向的驱动。依据估计列（2）和列（5），本地高等级景区拥有量的间接效应也同样明显，这一方面表明本地高等级景区可以通过旅游流带动周边地区的旅游经济增长，即存在空间溢出效应；另一方面也意味着由本地高等级景区所引致的邻近地区旅游经济扩张又会反过来进一步加速当地旅游经济发展，证实了旅游经济发展的空间联动机制。需要关注的是，无论基于何种矩阵，间接效应均显著强于直接效应，说明推动地区间旅游产品的联合协作有助于形成更明显的互利共惠效应。

3.5 稳健性检验

为保证前面基准回归结果的有效性，这里也进行了如下3 种方式的稳健性检验。第一，替换被解释变量。鉴于旅游总人数指标能够从另一维度映射区域旅游经济的发展水平，因此这里将该指标替换为被解释变量做进一步检验，依据表6 的估计列（1）～（2），高等级景区的拥有量对于区域旅游经济发展依然呈现为显著的正向影响，且其空间溢出效应依然存在。第二，替换权重矩阵。通过将空间权重矩阵替换为地理反距离一次方权重矩阵（W3）并展开进一步检验，发现相关估计系数依然显著为正。第三，替换核心解释变量。为避免内生性问题所带来的干扰，这里又将某地区内部高等级景区拥有量更换为该地区所有相邻地级市的4A级和5A级景区数量之和（lnaround），并使用这一具有更强外生性的指标做了稳健性检验，依据表6 的估计（4），lnaround 指标的估计系数依然显著为正，意味着邻近地区高等级景区的拥有量确实能够显著拉动本地区的旅游经济发展。以上结果均继续支持了基准回归的稳健性。

表6 空间杜宾模型的稳健性检验结果
Tab.6 Robustness test results of spatial Durbin model

注：括号内为t 统计量；***、**、*分别代表1%、5%、10%的显著性水平。

4 机制检验与异质性诊断

4.1 调节效应分析

首先，为了控制消费场景扩展和新型旅游项目对传统依托于景区景点实现旅游创收的旅游经济发展模式所形成的冲击，本研究通过引入文化体育娱乐业的从业人数指标（lnwh）来表征区域文体娱行业的发展水平，并通过在此基础上的调节效应分析，进一步探讨旅游行业的发展模式变迁对高等级景区旅游经济效应及其空间关联机制形成的冲击和影响，具体估计结果如表7的列（1）和列（2）所示。lnsumfoura×lnwh 项的回归系数显著为负，表明在某地区内文化体育娱乐行业发展程度的提升会一定程度上削弱高等级景区对当地旅游经济整体发展的正向促进作用；同时，该指标对应的空间滞后项系数也显著为负，说明本地文化娱乐行业的发展也会同时弱化高等级景区拥有量对于邻近地区旅游经济发展的促进作用；另外，lnwh 项的估计系数也显著为正，同样印证了文化体育娱乐行业发展也能够对本地旅游经济发展形成显著的正向驱动。总体而言，文化体育娱乐产业发展会推动新型旅游项目的开发和供给，进而改变游客群体的消费场景体验和消费结构需求，这种选择面的扩展也会使得高等级景区在区域旅游业发展中的基础性功能方面出现弱化，进而导致其旅游经济效应和空间溢出效应的下降。

表7 调节效应分析
Tab.7 Analysis of moderating effects

注：括号内为t统计量；***、**、*分别代表1%、5%、10%的显著性水平。

其次，良好的交通网络有利于打破地理障碍，使得游客更轻松地规划以及执行旅行活动，从而直接影响游客前往旅游景区的出行体验。鉴于此，本文将地级市公路里程作为交通便利性的代理变量（lnroad），并进一步将其作为调节变量纳入回归模型，探究其在高等级景区对旅游经济影响中的作用。回归结果如表7 的列（3）和列（4）所示：交通便利性与高等级景区的交互项lnsumfoura×lnroad 估计系数显著为正，有效印证了区域内部交通便捷性有利于促进旅游景区对旅游经济的正向作用，即区域内部良好的交通基础设施环境可以更大程度地释放高等级景区的经济效应。另外，交互项的空间滞后项W×lnsumfoura×lnroad 的估计系数并不显著，这意味着其他城市内部的交通便利性改善并不能显著增加其区域内部高等级景区对目标城市旅游经济的促进作用，这主要是因为区域内部的交通便利性并不能改善区域间的空间连接，由此导致依托旅游流所产生的空间溢出效应难以在这一层面产生效果。

最后，由于我国当前阶段旅游业的劳动生产率显著低于社会平均水平[33]，旅游业特别是旅游景区对社会整体经济增长的贡献相对有限，所以当政府面对较高的经济增长目标的情境下，对景区的新增建设、投资升级等可能相对后置，由此可能会制约高等级景区对区域旅游经济发展的促进作用；前面的基准回归结果也表明，区域经济发展与旅游收入增长确实可能存在明显的负向关系。为了进一步探究这种情况的现实存在性，这里进一步将地级市经济增长目标（gdpgoal）充当调节变量纳入回归模型，回归结果如表7中的列（5）和列（6）所示：高等级景区和地区经济增长目标间的交互项lnsumfoura×gdpgoal的估计系数为负但不显著，这在一定程度上说明当某地存在较高的经济增长目标时，会在一定程度上拖累对旅游景区的投资升级活动；另外，交互项的空间滞后项W×lnsumfoura×gdpgoal 的估计系数显著为正，这意味着周边其他城市较高的经济增长目标会显著提升当地高等级景区对本地旅游经济发展的促进作用。这可能是因为周边其他城市的经济扩张有助于增强地区间的经济联系，从而强化高等级景区对相邻地区旅游经济的促进作用。

4.2 中介效应分析

为进一步甄别高等级景区数量影响区域旅游经济发展的具体传导路径，研究也做了相应的中介效应检验。首先，随着旅游产业集聚规模的扩大，组织间的互动以及知识的产生、传递与积累得到强化，从而促进辖区内不同旅游企业的分工专业化，最大限度地整合自然资源优势，因此旅游产业聚集可以促进旅游产业利润率和劳动生产率的提高，最终实现旅游经济增长，因此，本文通过计算区位熵指数衡量区域旅游产业聚集程度（cc_degree），并以此作为机制变量。其次，从实践层面看，既有基础设施如交通、通信等对旅游景区的经济效应会产生正向影响，而旅游景区的建设同样会催生配套基础设施的建成，能够有效增加地区旅游吸引力，进而带动旅游经济效益的提升，因此，本文选取公共基础设施建设中固定资产投资完成额来衡量辖区内基础设施建设（pub_fixed），同时以此作为机制变量。最后，考虑到游客在旅游目的地会同时覆盖吃、住、玩等不同的消费需求，而住宿餐饮业的发展有助于激发游客的消费潜力，进而助推旅游经济发展，因此，将住宿餐饮行业的从业人数作为住宿餐饮行业发展水平的代理变量（lnzs），并充当区域旅游市场吸引力及基础设施建设的次级代理指标。

基于以上3 个中介变量，表8 展示了高等级景区资源对区域旅游经济发展的传导机制。依据估计（1）～（3），lnsumfoura 的回归系数显著为正，继续印证本地高等级景区有助于推动区域基础设施建设，同时促进区域内部旅游产业的空间集聚以及推动住宿餐饮等配套行业发展，而基础设施建设、旅游产业集中以及住宿餐饮行业发展又有助于推动本地旅游经济收入的扩张，这也证实了前面理论分析所提及的传导机制。此外，在旅游产业集聚组别的空间滞后项在两类权重矩阵下都显著为正，也证实了高等级景区对于旅游产业的集聚程度的促进作用存在显著的空间溢出作用，这也进一步增强了高等级景区通过旅游产业集聚所实现的旅游经济增长效应，更换空间权重矩阵形式后的估计（4）～（6）也与前面的回归结果基本保持一致。

表8 中介效应分析
Tab.8 Analysis of mediating effects

注：括号内为t统计量；***、**、*分别代表1%、5%、10%的显著性水平。

综合以上的机制检验结果，高等级景区通过加速区域旅游产业的空间集聚、推动基础设施建设以及住宿餐饮行业发展，进而实现区域旅游经济发展的逻辑传导链条得以验证。

4.3 异质性诊断

首先，基于地理距离阈值进行异质性检验。在具体实践中，距离因素构成了游客旅游目的地选择的关键制约。在不同的距离阈值下，景区溢出效应存在差异[16]，为控制距离阈值附近可能存在的空间溢出效应突变，这里引入如下形式的距离阈值权重矩阵展开异质性诊断：

表9展示了基于距离阈值权重的异质性诊断结果。估计（1）和估计（2）、（4）和（5）显示：在两种不同空间权重矩阵设定方式下，高等级景区的空间滞后项系数W×lnsumfoura 都显著为正，而在估计（3）和（6）中，高等级景区的空间滞后项系数转为显著为负。上述结果意味着景区之间的溢出效应存在随距离增加而由正转负的趋势，如果两地之间感知距离较近时，彼此之间景区之间的正向溢出效应显著大于负向溢出，总体表现为正向的溢出效应。而当两个城市之间的距离较远且超过了游客感知距离的接受范围后，两地之间景区潜在的替代关系使得两者之间负向溢出效应大于正向溢出效应，总体表现出负向的空间溢出效应。逻辑上讲，当两个不同旅游目的地之间的空间距离较远时，游客同游两地所需克服的距离摩擦力以及需付出的时间、金钱等成本均会大幅增加，预算约束的存在可能会使得游客只能在两地景区之间进行取舍，间接增大了两地之间的竞争效应。

表9 基于空间距离阈值约束的异质性检验
Tab.9 Heterogeneity test based on spatial distance threshold constraints

注：括号内为t统计量；***、**、*分别代表1%、5%、10%的显著性水平。

其次，旅游经济空间滞后项的系数rho 只有在距离小于450 km 时显著为正，侧面说明旅游经济本身的正向空间溢出半径小于旅游景区本身，主要是由于吸引物和交通工具的快速发展，高等级景区所带来的旅游偏好使人们从心理上容易低估实际距离[34]，导致基于实际距离认知所产生的感知距离变小，即景区吸引力导致感知距离减小，在一定程度上解释了高等级景区正向空间溢出半径大于整体旅游经济本身的正向溢出半径。

另外，考虑到中国经济发展水平上呈梯度分布特征，且这种地域间的发展环境和基础设施差异也会在某种程度上影响高等级景区资源所能形成的旅游经济效应，因此，本研究也区分东、中、西3个地域展开了进一步的区域异质性检验。具体结果如表10所示。

表10 基于东西部地域划分的异质性检验
Tab.10 Heterogeneity test based on geographical division between East and West

注：括号内为t统计量；***、**、*分别代表1%、5%、10%的显著性水平。

依据表10的估计结果，在东部地区的样本组别中，两类权重矩阵下高等级景区资源的影响系数均不显著，说明经济发展程度较高的地区并不依赖于旅游业的发展[35]，区域内旅游景区资源的增加并不会明显增加其整体的旅游经济规模，但其空间滞后项系数显著为负，意味着经济发展与基础设施的完善会强化东部地区内部高等级景区资源之间的竞争；而在中部地区的样本组别中，无论是高等级景区资源的估计系数还是其空间滞后项系数均显著为正，表明高等级景区资源不仅会对本地旅游经济发展产生明显的正向影响，同时也会对周边城市的旅游经济发展形成显著的空间溢出效应；在西部地区的样本组别中，只有高等级景区资源的估计系数显著为正，且其空间滞后项系数并不显著，说明在经济发展程度相对较低或是基础设施不完善的条件下，不同城市间的联系会存在一定障碍，这时，高等级景区资源更多会对本地区旅游经济发展产生良好促进作用，但是区域间景区资源的空间关联效应并不显著。值得注意的是，东、中、西部样本组别，旅游经济发展的空间滞后项系数均显著为正，表明3个地域的旅游经济发展均存在显著的空间溢出效应。

最后，基于旅游要素质量展开进一步的异质性诊断。一方面，因为旅游地形象构成了游客目的地选择的重要影响因素，而高星级酒店则是地区旅游形象展示的重要窗口[36]；另一方面，交通的便捷性同样会显著影响游客的目的地选择，而以高速铁路为代表的交通基础设施则是交通便捷性的重要衡量指标[37]。综上，引入当地是否有高铁站或是否有五星级酒店两个虚拟变量，以此探讨区域旅游要素质量对高等级景区的旅游经济效应及其空间溢出效应的异质性影响，具体结果见表11。

表11 基于旅游要素供给质量的两区制模型回归结果
Tab.11 Regression results of the two-region system model based on the quality of tourism factor supply

注：括号内为t 统计量；***、**、*分别代表1%、5%、10%的显著性水平。

依据表11 中的估计（1）和估计（2），通过在不同权重矩阵设定下引入有无五星级酒店的两区制空间杜宾模型，ρ1和ρ2项的估计系数均显著为正，这意味着无论某地是否有五星级酒店，其旅游经济发展均会存在显著的正向空间溢出效应；但是，在两种权重矩阵设定下，ρ1-ρ2项的影响系数也显著为正，分别为0.202 和0.296，这意味着如果当地存在着五星级酒店的高质量旅游要素供给时，高等级景区对本地和周边地区旅游经济发展的正向驱动作用均会更为明显；同时，对那些拥有五星级酒店的地区，邻地地区的旅游经济发展也会拉动本地的旅游经济扩张，即五星级酒店存在也有助于放大邻地对本地旅游经济发展的空间溢出效应。另外，dum 项的估计系数显著为正，表明五星级酒店本身也能直接促进本地的旅游经济发展。估计（3）和估计（4）基于是否有高铁站的两区制空间杜实模型回归结果也与此保持一致，意味着本地拥有高铁站更有助于推动本地利用高等级景区来加速本地旅游经济发展。综合该估计结果，改善区域旅游要素的供给质量也有助于放大虹吸效应，更好推动本地旅游经济发展。

5 结论与展望

5.1 结论与建议

为全面考察高等级景区对区域旅游经济发展的实际影响及其空间溢出效应，进而探索有助于整合区域旅游资源并助推区域协调发展的空间布局优化模式和支撑体系建设路径，本研究基于国内225个地级市2012—2019年间的高等级景区拥有量和旅游经济发展的相关数据，运用空间计量方法系统梳理了高等级景区的旅游带动效果和空间溢出效应，同时考虑了区域旅游要素供给和文娱行业创新对该种效应所形成的影响和冲击。研究有如下发现。

第一，高等级景区通过住宿、餐饮等基础性设施的建设以及通过促进旅游产业的空间集聚促进区域旅游经济的发展，同时进一步通过旅游资源要素的扩散效应带动周围区域旅游经济的增长，从而表现出正向的空间溢出作用。另外，区域旅游要素的供给质量会制约高等级景区对旅游经济发展的空间溢出效果，以高铁站和五星级酒店为代表的高质量旅游要素供给更利于实现本地旅游的空间效应发挥。

第二，高等级景区的空间溢出效应存在着一定的地理距离阈值约束，并呈现出显著的区域异质性特征。距离阈值方面，在0～450km、450～900km这两个距离范围内，其他地区景区对目标地区旅游经济的带动作用大于虹吸作用，整体表现出正向的空间溢出效应，但旅游经济本身的溢出效应在450km 时开始由显著为正转变为不显著，这意味着旅游经济本身的空间溢出效应相对景区而言受距离的约束更明显；而当空间距离超过900km 时，景区的溢出效应显出为负，表现出竞争大于合作，虹吸作用较为显著，而旅游经济本身仍无显著的空间溢出效应。在区域异质性方面，东部对于本地区景区的依赖性较低，但是其他地区景区对其会产生明显的溢出作用；在西部地区对景区的依赖性较强，本地旅游景区会显著增加本地区旅游经济的增长，但是在区域之间景区没有表现出明显的溢出效应；中部地区则表现为景区对旅游经济有着显著的正向影响，且对周围地区旅游经济产生显著的正向带动作用，表现出正向的空间溢出效。

第三，文化体育娱乐行业的快速发展会削弱以高等级景区为代表的传统旅游产品的整体旅游经济带动功能及其空间溢出效应的形成，弱化高等级景区在区域旅游经济发展中的基础性功能；同时，区域内部良好的交通环境可以更大程度地释放高等级景区的经济效应，而其他城市内部的交通便利性并不能显著增加其区域内部高等级景区对目标城市旅游经济的促进作用；高等级景区的旅游经济效应还受到政府潜在经济增长压力的制约，由于旅游业的脆弱性及相较于其他行业较低的经济效益，导致政府在面临较高的经济增长目标约束的情况下，可能更不会寄托于旅游景区带来的经济增长效益，由此反而会拖累旅游经济发展。

综合以上研究结论，对于推动区域旅游资源开发和旅游经济发展，有如下的政策建议。

第一，基础设施建设与空间布局优化。针对高等级景区对区域旅游经济的影响，首先要加强基础设施建设，特别是围绕景区的住宿、餐饮等基础性设施的提升。政府可以通过投资和合作的方式，推动这些基础设施的发展，以提高游客在景区周边的便利度。其次，加强对旅游产业的投资，特别是通过增加高质量旅游要素供给，如高铁站和五星级酒店等，以优化空间效应利用。通过这些措施强化旅游产业的空间集聚效应，进而促进整体区域旅游经济的发展。

第二，围绕不同区域制定差异化的发展策略。在面对不同的区域特点时，需要制定差异化的政策以更好地发挥高等级景区的作用。东部地区对本地景区的依赖性较低，需要着力推动旅游景区的建设，同时重点推动旅游景区与其他新型旅游产品的联动，使得物尽其用。而西部地区需要重点支持本地旅游景区的发展，同时在各区域之间加强合作，发挥旅游景区的空间溢出效应。中部地区景区对本地和周围旅游经济存在显著正向影响，因此在保持现状的基础上可以进一步推动旅游景区的转型升级，以扩大旅游景区的经济效益。

第三，综合地理距离阈值和异质性。为更有效地发挥高等级景区的空间溢出效应，政府应该深入考虑地理距离阈值和区域异质性。通过距离较近地区加强合作，可以提高景区的空间溢出效应。同时，根据不同地区特点制定相对应的政策，更好发挥高等级景区的作用。另外，政府可通过推动景区与周边地区形成更紧密的合作关系，促进区域内旅游经济的共同繁荣。

第四，制定区域增长目标时更好统筹产业发展规划与经济可持续增长的平衡，除了关注经济效益较高的产业外，也要关注旅游产业的经济贡献。文化体育娱乐行业发展可能削弱传统旅游产品的带动功能，政府应在支持文化体育娱乐行业的同时，注重保护和促进高等级景区的特色和吸引力。通过综合产业发展规划，促进各个产业的协调发展，实现经济的可持续增长目标。

5.2 讨论与展望

区别于现有文献较多聚焦宏观省份层面[14]、区域内部景区群[24-25]、流域景区的经济效益[38]等传统视角，也不同于现有实证研究对景区的选择更加偏向于所有A 级景区[39]或者直接以5A 级景区来衡量高等级景区[15]的传统做法，本文通过对相关景区统计资料的广谱化收集，选取了4A 级和5A 级景区作为高等级景区的代表，该种研究样本选择方法不仅保证了样本选择的代表性和有效性，也与周波和杨陛的研究相呼应[16]。另外，本文的实证研究也在以下几个方面对现有研究成果形成了有益补充：第一，将实证研究的落脚点放置于城市层面旅游景区的经济效益，并且采用空间计量模型探测城市景区及旅游经济的空间溢出效应，不仅丰富了周波与杨陛的实证研究结论[16]，验证了旅游景区资源会对当地旅游经济产生显著的正向促进作用并对周围区域产生显著的正向空间溢出，也细化了距离约束的相关讨论，实证结果显示景区资源空间溢出的距离临界点分别为450km 和900km，其中，大于900km 距离可能形成负向溢出效应，这也是对龚勤林等研究结论的进一步深化和补充[3]；第二，结合文旅产业融合发展的相关研究成果[40]，进一步探讨了文化体育娱乐行业发展对传统旅游景区资源空间效应的冲击，这在大力推进文旅融合的背景下，为传统旅游景区的转型升级路径提供了新的参考思路；第三，通过探究不同城市在经济增长压力下是否选择提升旅游景区的经济效益以助推整体经济增长目标的实现，进一步凸显了在当前宏观经济背景下传统旅游景区资源的转型升级必要性，也强化了研究的现实指导意义；第四，通过探讨旅游产业集聚效应在景区资源空间溢出过程中发挥的作用，为相关旅游景区转型升级模式的相关研究提供了新的视角；第五，区别于大部分已有文献对旅游景区经济效应的讨论主要停留在简单的因果关系讨论、效率测算分析、空间分布特征和距离异质性探讨等层面的局限性，全面梳理了旅游景区资源推动区域旅游经济发展的实际影响、传导机制及其异质性特征，为推动旅游经济高质量发展提供了新的借鉴。

当然，本文仍存在进一步深化探索的空间：第一，在样本选取方面，由于部分城市在旅游景区资源的统计上存在比较明显的缺失，因此只选取了国内2012—2019 年225 个地级市的数据，大致只占全国地级市的2/3 左右，还不能实现对全国地级市的全面覆盖，未来在年份和区域上仍存在拓展空间；第二，由于相关统计数据缺失，本文对于文旅融合过程中文化体育娱乐产业发展程度的度量仅仅采用了从业人数指标来替代描述，而这一指标本身还包含了一定比例的景区服务人员，这可能会对指标内涵的准确性形成一定干扰，未来如何优化指标构建选择以更好衡量文化娱乐产业发展对传统旅游景区资源的传统经济效益冲击，仍有待于进一步探索；第三，本文探讨的重点主要聚焦地级市层面的空间溢出效应，而该种效应还会受客源市场腹地规模以及景区从业人数等因素限制，这些因素对高等级景区资源的旅游经济效应发挥也会形成显著制约，对这些问题也存在进一步深化讨论的空间；第四，本文对空间溢出效应的探讨主要是基于空间杜宾模型，未来可以利用地理加权回归以及时变空间权重矩阵的空间面板模型回归等新的空间计量模型来进一步深化对高等级景区资源经济效应的探讨。

图片来源于微信公众平台公共图片库

文章发表于《旅游学刊》2024年第10期，参考文献略。

---

责任编辑 || 吴巧红

责任校对 || 王   婧

技术编辑 || 梁琼妹 山东大学管理学院 硕士研究生

封面图片 || 图片来源于微信公众平台公共图片库

图片如有版权保护请与我们联系，E-mail: lyxk@vip.sina.com

旅

游

学

刊

Tourism Tribune

国家社科基金资助期刊

中国最具国际影响力学术期刊（人文社科类）

 全国中文核心期刊
中国人文社会科学期刊AMI综合评价 （A刊）权威期刊
《中文社会科学引文索引》（CSSCI）来源期刊

欢迎转载，转载请联系《旅游学刊》编辑部授权

（lyxkwx@163.com）