论文部分内容阅读
摘 要：利用DEA-Malmquist指数法和区位熵指数法分别测算2006至2017年中国30个省级样本的旅游业全要素生产率（TFP）和旅游业产业集聚水平，分析旅游业产业集聚对旅游业TFP增长的作用机制，随后采用两步系统GMM估计方法实证检验旅游业产业集聚对旅游业TFP增长的效应。研究发现：样本期内中国旅游业TFP年均增长率为10.3%，对旅游业产值增长的贡献率为46%;旅游业TFP增长是技术进步推动所致而非技术效率改善所为，并呈现出技术进步和技术效率恶化相伴的事实特征;与已有研究不同，旅游业产业集聚与旅游业TFP增长并非呈现出“线性”关联，而是显著的“U型非线性关系”，即旅游业产业集聚短期抑制了旅游业TFP增长而长期对其具有促进作用。将旅游业TFP进一步分解后发现：旅游业产业集聚与技术进步、技术效率之间分别呈现出明显的“U”型和倒“U”型关联，旅游产业集聚对技术进步的影响强于对技术效率的影响，对规模效率的影响强于对纯技术效率的影响。
关键词：旅游业;产业集聚;全要素生产率;DEA-Malmquist指数法;两步系统GMM
基金项目：重庆市教委科技项目“基于创新价值链视角下金融效率与创新高质量发展”（KJQN202000540）;重庆市教委人文社科项目“西部地区金融发展与制造业传统比较优势改造：效率测度、作用机制及空间效应研究”（20SKGH040）。
[中图分类号] F590 [文章编号] 1673-0186（2020）012-0059-016
[文献标识码] A [DOI编码] 10.19631/j.cnki.css.2020.012.005
改革开放40多年来，伴随着中国经济总量持续快速增长，中国旅游业发展规模持续攀升并已成为带动国民经济增长和社会就业的支柱性产业。据《2019中国旅游业发展报告》公布的数据：2018年中国旅游产值高达5.97万亿元，对GDP的综合贡献为9.94万亿元，占GDP总量的11.04%，旅游带动直接和间接就业7 991万人，占全国就业总人口的10.29%。然而，中国旅游业仍然面临着增长模式粗放、发展质量效益普遍低下的事实特征[1]。2019年底，突如其来的新冠疫情对中国乃至全球旅游业带来前所未有的负面冲击。根据中国旅游研究院公布的数据，2020年1至5月，中国入境旅游人次和国际旅游收入分别减少了34.7%和40.6%，较2019年同期减少5 032万人次和534億美元。为此，中央和各级地方政府出台了诸如税费减免、财政补贴、信贷倾斜、稳定就业等多元而系统的扶持政策，特别是各地方政府针对性地推出的诸如对医务人员免费入园政策、发放旅游消费券、设立文化和旅游产业救助基金等精准举措，中国旅游业呈现出了良性的复苏格局。并且，疫情的“扰动”并未从根本上动摇中国旅游业长期发展的巨大潜力。
在中国经济由高速增长向高质量发展转变以及社会主要矛盾更加强调满足居民“美好生活需求”的现实背景下，疫情冲击下的中国旅游业在其缓慢复苏的进程中，不能为追求短期一时的恢复性增长而坚持原有的粗放型发展路径，而应利用疫情危机下的“自然淘汰”时机，以旅游业供给侧结构性改革为抓手，确立“内涵式”发展的战略导向以实现其质量变革、效率变革和动力变革[2]。
全要素生产率（Total Factor Productivity，TFP）由索洛（Solow）提出，测度剔除劳动、资本和土地等有形要素之外因技术进步、要素配置效率改善、管理流程优化以及组织模式改进等创新驱动的增长程度，其差异是不同国家或地区之间形成经济增长质量差距的根本动因。鉴于此，促进以TFP为核心内涵和关键动力的旅游业高质量发展，进一步发挥旅游业对国民经济和社会进步的带动作用，对于我国决胜全面建成小康社会、开启全面建设社会主义现代化国家新征程具有重要意义。那么，这就引申出一系列必须回应的现实问题：中国旅游业TFP增长的演进轨迹如何？有何时空差异？其背后的逻辑动因又是什么？
事实上，已有相关文献对中国旅游业TFP或生产效率进行了多维测度，主要从以下三个视角展开：一是从宏观的国家层面对旅游业发展效率组成、演进规律的刻画[3-7];二是从中观的省级或城市等区域层面对旅游业发展效率的现实表征、时空差异及演化路径的揭示[8-11];三是从微观的旅游酒店、旅游景点、旅游业上市公司等企业或组织层面的投入产出效率的评价[12-16]。多视角对旅游业发展效率的测度及演进态势的解析固然重要，但只有进一步探寻效率变迁的背后机理才更具有政策蕴含。
大量文献证实，相关企业的地理聚集而形成的产业集聚，对蕴含技术进步和技术效率改善的TFP增长具有重要的促进作用。产业集聚通过专业劳动力的有效获取、中间投入品的共享以及知识和技术的溢出等正外部性，有助于提升企业的技术水平和资源配置效率[17-18]。当前，中国旅游产业也呈现出越发明显的空间集聚态势[19-20]。然而，从产业集聚视角探讨旅游业TFP增长的影响机制，却尚未引起学界普遍重视。并且，已有少量文献对中国旅游产业集聚的TFP增长效应的讨论，也是从“线性”假设入手且得出较为一致的研究结论：旅游产业集聚促进了旅游业TFP的增长[21-23]。事实上，首先，产业集聚的形成和演化具有明显的阶段性特征，在其不同的阶段或时期，产业集聚所蕴含的“外部性”并非都显著为“正”;如果旅游产业集聚的TFP增长效应可能存在“非线性”关系，已有研究在“线性”假设下的相关分析及其结论值得怀疑。其次，现有研究更多关注旅游产业集聚与TFP增长的统计检验，而对二者在经济上的内在机理有所忽略。最后，TFP还可以分解为技术进步指数（Techch）和技术效率指数（Techef），技术效率指数还可进一步分解为纯技术效率指数（Pech）和规模效率指数（Sech），在整体讨论旅游产业集聚的TFP增长效应基础上，进一步刻画产业集聚对不同细分指数的异质性影响，或许更具政策蕴含。 一、理论分析
为了深入地揭示旅游产业集聚对旅游业全要素生产率增长的作用机理，并为后续的实证研究提供理论假说，该部分主要从产业集聚内生的共性特性出发，并充分结合旅游业产业集聚不同于一般性产业集聚的异质性特征，从规模经济、学习和关联效应、竞争效应等维度讨论旅游产业集聚对全要素生产率增长的影响机制，在此基础上，进一步廓清这一影响机制在短期和长期呈现出的差异。
（一）旅游产业集聚对TFP增长的影响机制
旅游产业集聚是依托一定区域范围内的旅游资源，吸引食、住、行、游、购、娱、旅游装备制造等关联企业入驻，逐步形成的旅游企业聚集、共生的经济现象。基于市场化形成的较为成熟的旅游產业集聚，对TFP增长具有重要的促进作用，其作用机制主要体现在几个方面。
一是规模经济效应。集聚带来的规模效应不仅体现为相关企业聚集和市场规模的扩张，更在于从业人员、资本、管理等生产要素的集聚，提升了旅游资源要素的配置效率。集聚规模的扩大有助于区块链、人工智能等现代信息技术在酒店、景区、旅行社等企业经营管理中的广泛采用，促进旅游产业的新业态、新商业模式的形成，提升了旅游产业的技术水平和技术效率。集聚还扩大了本地熟练劳动力市场，提高从业人员和企业之间的需求匹配度，降低了人才搜寻成本和提高了企业的劳动生产率。
二是学习和关联效应。集聚有助于企业间知识、信息和技术的溢出，不同企业在技术手段、流程管理等方面的经验做法，通过地理邻近、人才流动、合作交流等多元形式，有助于企业间的相互学习成长，从而促进旅游企业的技术进步和技术效率。产业集聚有助于提升产业链或价值链的关联水平。诸如携程、去哪儿等平台企业，对产业集聚区内旅游企业的业务整合，形成的以主导企业为核心、横向和纵向相结合的嵌入式旅游技术或流程管理的“溢出”机制，有助于提升旅游产业的技术水平和管理效率。
三是竞争效应。“物竞天择”的市场法则，是促进优秀企业生长和落后企业退出的动力。旅游相关企业的集聚，特别是产业集聚优势引发具有产品、技术或管理优势的企业入驻，加剧了同类型企业的竞争，一方面，原有企业为求得生存和持续经营，必然会采取技术创新、流程优化、管理变革等手段，最大限度挖掘技术进步和管理效率提升潜力，增强市场竞争力;另一方面，竞争强化也促进了企业的优胜劣汰，一部分技术或管理水平低下的企业被淘汰出局，其释放的存量资本转移至效率较高的企业，而资本等要素在不同效率企业间的市场化转移，对提升旅游产业市场集中度、整体技术和管理水平具有重要作用。
（二）旅游产业集聚对TFP增长的短期和长期影响
短期而言，旅游产业集聚的吸引力和辐射半径有限，一些同质性较高、规模较小的企业依托当地的旅游资源形成了低层次的集聚，这些企业的技术水平和管理效能较差，由于缺乏技术和管理水平较高的优质旅游“品牌”企业的入驻，使得产业集聚区内的本土企业面临的竞争不足，缺乏改进技术、流程的动力，而更多采取“价格”竞争手段获取较为低端的客源，技术创新的“惰性”反而会制约旅游业TFP的增长。并且，旅游产业集聚的成熟过程，也是“食、住、行、游、购、娱、养（养生）、媒（媒体广告）、组（组织）、配（配套）”等多个相关行业企业逐步集聚并使得旅游产业链、价值链从构建到完善的演化过程，而在短期内，旅游产业链和价值链难以形成，再加之集聚区内基础设施和公共服务的配套不完善，也导致不同企业间的交流障碍难以被打破，使得旅游产业集聚的规模经济效应、学习和示范效应以及竞争效应难以凸显，对旅游TFP增长的促进作用十分有限。此外，当地政府为追求短期GDP增长的“短视化”，对辖区内产业聚集的过度干预，也弱化了产业集聚的自增强效应，引发只有企业“扎堆”而没有集聚效应的现象，进一步锁定产业升级的成长空间[24]。因此，短期看旅游产业集聚无助于旅游业TFP增长，反而可能具有抑制作用。
长期来看，随着产业集聚水平的不断提高，围绕当地旅游资源深度开发以及域外优质旅游企业入驻而形成的旅游产业链、价值链得以构建并趋于完善，产业集聚逐步形成了较为成熟的旅游企业生态圈。一方面，优质旅游品牌企业入驻带动了集聚区新技术、新业态、新商业模式的形成，并通过知识、技术的溢出效应促进了原有企业技术水平效能的提升;另一方面，基础设施和公共服务的完善吸引更多优质客源的流入，为争夺市场份额，一些旅游企业通过兼并、合作等多种形式扩大经营规模，并伴随市场结构的进一步优化，这对于规模经济效应的凸显具有重要的引致作用;并且，集聚的竞争效应也促进一部分“劣势”企业退出，其存量资源通过市场化流向“优质”企业，提升了资源的配置效率。一部分企业为求得更好生存地位，通过技术进步、流程优化提升了自身的技术水平。此外，产业集聚规模扩大也倒逼地方政府营造良好的市场化环境，引导旅游资源重组以实现资源的优化配置。因此，长期看旅游产业集聚及伴随的技术进步和技术效率增进效应，有助于促进旅游业TFP增长。
由此我们假设：旅游产业集聚短期抑制了旅游业TFP增长，长期具有促进作用。
二、旅游产业集聚和全要素生产率的测度
为精准把握旅游产业集聚与全要素生产率的发展水平及其演变特征，分别对2006至2017年间产业集聚和全要素生产率进行测度，在此基础上从时间和空间两个维度对其进行深入阐释。
（一）产业集聚的测度
已有文献对产业集聚的测度方法，主要有行业集中度指数、赫芬达尔指数、区位基尼系数、区位熵指数、E-G指数、产业区域集聚指数等。相对于区位熵而言，其他测度方法都存在明显缺陷，如行业集中度指数对市场占有率大的企业份额变化敏感、计算结果可比性较差，区位基尼系数难以考虑企业规模的变化。因此，本研究采用区位熵测度旅游产业集聚水平，该方法不仅可以消除区域规模差异因素，还能真实反映地理要素的空间分布[25]。其测算公式为：
AGGit=■（1） 其中，AGGit代表i省t时期的区位熵指数;incomeit代表i省t时期旅游产业收入，gdpit代表i省t时期的地区生产总值;INCOMEt代表t时期全国旅游产业收入，GDPt代表t时期全国地区生产总值。
考虑到由于统计口径的差异，我们在收集原始数据的过程中，全国GDP及旅游产业收入与各省级层面的GDP（加总）及旅游产业收入（加总）有较大出入。因此，在计算过程中，全国GDP用30个样本省份GDP加总得到，全国旅游产业收入用30个样本省份旅游产业收入加总得到。由于西藏的缺失数据严重，本研究选择中国大陆除去西藏以外的30个省份作为研究对象。
如果某省的区位熵指数大于1，表明该省旅游产业集聚趋势明显;如果指数小于1，表明旅游产业集聚水平较低、集聚现象不明显。测算的结果见表1。
由表1可知，2006至2017年间，中国30个样本省份旅游业区位熵指数均值为1.028，旅游业整体上出现了产业集聚趋势，但不够明显，集聚水平高于1和低于1的省份各占15个。产业集聚程度最高的前3个省份是贵州、北京和云南;而产业集聚水平最低的后3个省份是宁夏、青海和新疆。分地区看（如图1），东部地区旅游产业集聚整体趋于下降的趋势，尤其是在2014年以后集聚水平远远落后于中部和西部;中部和西部地区旅游产业集聚整体上呈现上升的趋势，并相继在2013和2014年超越东部地区。
（二）旅游业全要素生产率的测度
1.测度方法
DEA-Malmquist指数法是将非参数线性规划法与数据包络分析法相结合，这种方法不仅避免设置具体的生产函数，只需要输入量和输出量，而且可以将TFP分解为技术进步、技术效率（纯技术效率、规模效率）。本文将采用这种方法来测算全国30个省份的旅游业全要素生产率。该方法通过实际生产数据构造一个生产前沿包络面，同时将非DEA有效的决策单元（DMU）映射到DEA有效的生产前沿面上，通过比较非有效与有效决策单元的相对距离来判断各决策单元的效率。先假设在规模报酬不变（C）和要素可处置（S）的前提下，t期各决策单元的生产可能性集合被定义为：
其中，Malmquist生产率指数（TFP变化指数）、技术进步指数（Techch）、技术效率指数（Techef）、纯技术效率指数（Pech）、规模技术效率指数（Sech）的判断基准都为1，当指数大于1时表示进步或改善，小于1时表示下降或恶化。
2.投入产出指标的选取与数据来源
由于旅游业涉及的产业及核算部门较多，且各省旅游收入的统计口径有较大的差别，因此本文选取旅游企业层面的投入、产出数据，其中旅游企业选取了各省的旅游景区、旅行社和星级饭店三类。投入指标包括劳动和资本的投入，劳动投入选取了各省三类旅游企业的年末就业人数之和，资本投入选取了各省三类旅游企业固定资产价值之和，并利用“固定资产投资价格指数”将其平减至2005年不变价格;产出指标主要选取了各省三类旅游企业的营业收入之和，并利用“旅游类居民价格指数”将其平减至2005年不变价格。本文选取了2006—2017年共12年的数据，且以上数据均来源于历年的《中国统计年鉴》和《中国旅游统计年鉴（正副本）》。
3.测度结果
表2显示，首先，在2006—2017年间全国30个省份的旅游业全要素生产率在反复波动中保持增长态势，由最开始的-35.7%的负增长上升至2017年的71.3%，且这期间的平均增长率为10.3%。其次，将全要素生产率分解为技术进步和技术效率，其中技术进步实现了平均18.4%的增长，技术效率实现了平均-6.8%的增长，即技术效率是下降、恶化的;说明我国旅游业全要素生产率的增长主要是由技术进步推动的，因此进一步说明我国旅游业的管理效率不高，旅游资源并没有有效地使用和利用。再次，将技术效率进一步分为纯技术效率和规模效率，其中，纯技术效率实现了平均-3.4%的增长，即恶化了3.4%，规模效率实现了平均-3.5%的增长，即恶化了-3.5%，进一步证实了我国旅游产业的管理效率低。最后，在2005—2017年间我国30个省级样本的旅游收入平均增长率为22.4%，TFP对旅游收入增长的贡献率为46%，说明TFP对旅游收入增长有积极作用。
将中国30个省份划分为东、中、西部地区再次进行测度，结果由表3显示，首先，2006—2017年间旅游业全要素生产率全国平均增长了10.3%，且增长率排名前三个省份为青海（29.0%）、宁夏（28.8%）和甘肃（26.2%）。其次，将旅游业全要素生产率指数分解为技术进步指数和技术效率指数，30个省份的技术进步指数均大于1，除甘肃、青海、宁夏、新疆外其余省份的技术效率指数均小于1，再次说明我国旅游业全要素生产率增长主要由技术进步促进。再次，东、中、西部的旅游业全要素生产率增长指数呈现阶梯依次递增，年平均增长率依次为4.8%、5.9%、20.3%，说明在近几年西部地区、中部地区的产业集聚趋势相比东部比较明显，因此全要素生产率增长较快;东、中、西部地区旅游业全要素生产率对旅游收入增长的贡献率依次为28.3%、22.3%、77%，大致可以说明旅游业全要素增长率的区域差异是造成旅游业全要素增长率对旅游收入增长贡献度差异的重要原因。
三、旅游产业集聚影响旅游业全要素生产率的实证分析
前文对旅游产业集聚影響全要素生产率的内在机制进行了深入分析并提出了相应假设，在此，我们构建面板模型并采用两步系统GMM估计方法，对上述理论假设进行实证检验，以刻画旅游产业集聚对全要素生产率的影响及可能存在的非线性关系。
（一）估计方法及计量模型
相对于混合OLS、固定效应（FE）和随机效应（RE）三种传统面板模型及估计方法，系统广义矩方法（System GMM）可以有效克服解释变量本身的内生性导致的估计结果有偏或不一致问题，进而提升估计的稳健性。此外，因权重模型选择的不同，系统GMM还可以细分为一步系统GMM和两步系统GMM，而两步系统GMM在处理序列自相关和异方差特别是样本选择存在较大地区异质性时更为有效。前文对旅游TFP测算结果证实，中国旅游TFP增长在不同省份之间存在较大差异，并且在参数估计中可能存在遗漏变量与随机扰动项出现自相关而造成内生性问题。基于此，本研究采用两步系统GMM 方法进行估计，具体模型构建如下： 全要素生产率（TFP）、技术进步（Techch）、技术效率（Techef）、纯技术效率（Pech）、规模效率（Sech）为被解释变量，旅游产业集聚（AGG）为核心解释变量。各模型中，i和t分别代表第i个省份和第t时期。Ln表示对变量取自然对数。模型的控制变量包括：交通基础设施（TI），人均地区生产总值（PGDP），投入基础设施（PII），外商直接投资（FDI），政府干预（GI），互联网普及率（NET），市场需求结构（SDM）。
（二）数据来源及说明
本文选取2006—2017年中国31省、自治区和直辖市的数据，数据均来源于《中国统计年鉴》以及各省历年的统计年鉴，城镇化数据来源于《中国城市统计年鉴》。为消除异方差以及缩小数量级，本文对人均地区生产总值、投入基础设施、外商直接投资进行对数化处理。具体的变量说明与描述性统计分析见表4和表5。
（三）回归结果与分析
1.旅游产业集聚对旅游业全要素生产率的总体影响
本文首先选择最小二乘法（OLS）、固定效应（FE）和随机效应（RE）对模型（7）进行参数估计，估计结果如表3的列（1）、列（2）和列（3）。随后，采用两步系统矩估计对式（7）进行估计，为了检验估计结果的可靠性，需要对模型的扰动项序列相关性进行AR检验和对工具变量的有效性进行Hansen检验，结果AR（1）的p值小于0.1，AR（2）的p值大于0.1，说明扰动项无序列相关;Hansen的p值大于0.1，說明工具变量有效。回归结果由表6的列（4）显示，并以此作为基准回归进行讨论。
核心解释变量产业集聚的系数为-0.871，且在1%的水平下显著，而产业集聚平方项的系数为0.432，也在1%的水平下显著，说明旅游产业集聚是引致旅游业TFP变化的重要原因，二者的关系呈现出非线型的“U”型特征，即旅游产业集聚短期显著抑制了旅游TFP的增长，而长期具有明显的促进作用，这一结论验证了本文的研究假设。可能的原因是，短期由于旅游产业集聚发展的不充分，缺乏外来优质旅游企业的入驻，原有企业面临的市场竞争压力较小，技术的动力不足或存在创新的“惰性”;并且旅游产业生态圈尚未有效形成，产业链或价值链层次较低且不够健全，基于合作交流的知识、技术溢出效应难以凸显。再加之地方政府为追求短期GDP增长而引发的不合理干预，使得旅游要素资源错配，从而使得产业集聚不能有效发挥对旅游TFP增长的带动效应，反而具有抑制作用。而随着旅游产业集聚趋于成熟，优质客源吸引了外来优质企业入驻，旅游产业生态圈形成，基于产业链或价值链合作的技术等溢出效应得以释放，竞争强化带动旅游资源重新整合配置并驱动企业加快技术创新，一些新业态、新商业模式不断产生，从而使得产业集聚蕴含的规模经济效应、学习示范效应、竞争效应不断凸显，促进了旅游TFP增长。
其他控制变量方面，交通基础设施（TI）显著抑制了旅游TFP增长，这可能是因为本文采用的是省级层面的铁路和公路里程数据，而非专门针对旅游景区的交通基础设施情况，再加之全省交通基础设施完善会引起客源、旅行社、饭店等旅游资源的分散化，进而制约旅游产业集聚的发展，从而对旅游TFP增长产生负效应。旅游投入基础设施（PII）对旅游TFP增长具有显著的促进作用，说明对旅游景区的开发并带动旅行社、星级饭店的数量增加以改善旅游要素资源禀赋条件，有助于旅游TFP增长。市场需求结构（SDM）显著促进了旅游TFP增长，可能是因为市场需求结构升级带动了居民旅游消费的增长，促进了旅游市场规模扩大和集聚发展，进而引致旅游TFP增长。滞后一期的产业集聚L.AGG显著促进了旅游TFP增长，说明旅游产业集聚的TFP增长引致效应具有一定的滞后性。人均GDP、政府干预对旅游TFP增长的影响不显著。
2.旅游产业集聚对分解后的全要素生产率各项的影响
为了进一步刻画旅游产业集聚对旅游TFP各细分项目的影响及其异质性，本研究应用系统GMM对模型（8）—模型（11）进行参数估计，估计结果分别报告于表7的列（1）至列（4）。
列（1）中产业集聚AGG的系数显著为负，而产业集聚的平方项AGG2的系数显著为正，说明旅游业产业集聚与技术进步的关系呈现出典型的“U”型关系，即旅游产业集聚水平的提高在短期抑制了旅游业技术进步，而长期则发挥出显著的促进作用。列（2）中产业集聚AGG的系数和产业集聚平方项AGG2的系数分别显著为正和负，说明旅游业产业集聚与技术进步的关系呈现出典型的倒“U”型关系，即旅游业产业集聚短期促进了旅游业技术效率的改善，而长期具有抑制作用。综合列（1）和列（2），说明旅游业产业集聚对技术进步的影响要强于对技术效率的影响，从而使得产业集聚AGG与旅游TFP增长之间呈现出显著的“U”型关系。
列（3）报告了旅游产业集聚对纯技术效率的回归结果，结果表明：旅游业产业集聚对纯技术效率的影响短期为正、长期为负，但不显著。列（4）中产业集聚AGG的系数显著为正，而产业集聚平方项AGG2的系数为负，说明产业集聚AGG与规模效率呈现出倒“U”型关联。由于技术效率包括纯技术效率和规模效率两个方面，综合列（2）—列（4）可以发现，产业集聚AGG对技术效率的短期和长期影响，主要是通过规模效率来实现的。
四、结论与启示
疫情冲击、供给侧结构性改革及经济高质量发展等多元背景下，中国旅游业的复苏及未来发展，仍然要坚持以提升全要素生产率为核心动力的产业高质量发展，本研究以产业集聚为视角探寻中国旅游业全要素生产率增长的理论机理与经验证据。具体而言，利用DEA-Malmquist指数法和区位熵分别测算2006至2017年中国30个省级样本的旅游业全要素生产率（TFP）和产业集聚水平，分析旅游业产业集聚对旅游业TFP增长的作用机制，随后采用两步系统GMM估计方法实证检验旅游业产业集聚对旅游业TFP增长的效应。研究发现： 第一，样本期内中国旅游业TFP年均增长率为10.3%，对旅游业产值增长的贡献率为46%，旅游业TFP增长是技术进步推动所致而非技术效率改善所为，呈现出技术进步和技术效率恶化相伴的事实特征。这说明，中国旅游业实现TFP增长尚有较大的潜力可以挖掘，要在继续实现旅游技术进步的同时，重点挖掘旅游技术效率改善潜力。由于技术效率由纯技术效率和规模效率两个方面组成。提升旅游产业纯技术效率，一是要结合各地区旅游要素禀赋条件及旅游产品或服务需求结构变迁趋势，优化旅游产业结构、产品或服务结构，以及推动旅游企业的所有制结构调整，实现旅游人才、资本、技术等要素的合理流动及系统整合，提升要素再配置效率的改善;二是通过VR/AR、人工智能、电子商务等信息网络技术的广泛应用，促进旅游业运营方式、服务流程、管理模式等方面的优化，提升经营管理效率。要提升规模效率，一是以疫情冲击下政府促进旅游业复苏为契机，推进旅游业供给侧结构性改革，通过兼并、重组实现旅游资源要素向优质旅游企业集中，提升旅游业的市场集中度，实现旅游资源的优化配置和规模效率的进一步释放;二是通过行业监管和政策引导相结合，引导旅游企业摒弃低水平价格竞争模型，走产品或服务差异化、优质化道路，提升旅游企业经营效益。
第二，旅游业产业集聚与TFP增长并非呈现出“线性”关联，而是具有显著的“U”型非线性关系，即短期抑制了TFP增长而长期具有促进作用。这说明，从长远来看进一步提升旅游产业集聚水平有助于TFP增长。而要提升旅游产业集聚水平，需要地方政府营造良好引资环境，依托当地旅游资源禀赋条件，吸引外来优质旅游企业入驻和培育当地培育壮大本土企业，在此基础上，通过旅游与农业、体育、健康、文化、文创、教育、制造业等相关产业的融合，从横向和纵向延展旅游产业链，丰富旅游产业业态，通过融合和协同发展提升旅游产业的集聚水平。并且，旅游产业集聚的形成，离不开当地交通、能源等基础设施以及教育、医疗等公共服务的有效支撑，这需要地方政府结合当地旅游项目的空间布局及旅游线路的规划，完善交通基础设施和公共服务。此外，旅游产业集聚效应的发挥，还依托于高素质旅游人才的充分供给，应构建完善的旅游人才市场，大力引进和培养旅游高端经营管理人才、旅游产品规划设计人才、旅游高技能人才，以提升旅游产业集聚高质量发展的人才支撑能力。
参考文献
[1] 夏杰长，徐金海. 中国旅游业改革开放40年：回顾与展望[J]. 经济与管理研究，2018（6）：3-14.
[2] 杨勇，程玉. 改革开放40年旅游业发展的中国道路及其世界意义[J]. 旅游学刊，2019（1）：3-5.
[3] 左冰，保继刚. 1992—2005年中国旅游业全要素生产率及省际差异[J]. 地理学报，2008（4）：417-427.
[4] 陶卓民，薛獻伟，管晶晶. 基于数据包络分析的中国旅游业发展效率特征[J]. 地理学报，2010（8）：1004-1012.
[5] 韩元军，夏少颜，周生辉.中国旅游业服务质量规制与产业效率提升[J].财贸经济，2011（10）：127-134.
[6] 赵磊.中国旅游全要素生产率差异与收敛实证研究[J].旅游学刊，2013（11）：12-23.
[7] 胡志毅.基于DEA-Malmquist模型的中国旅行社业发展效率特征分析[J].旅游学刊，2015（5）：23-30.
[8] 马晓龙，保继刚.中国主要城市旅游效率的区域差异与空间格局[J].人文地理，2010（1）：105-110+99.
[9] 曹芳东，黄震方，吴江，等.城市旅游发展效率的时空格局演化特征及其驱动机制——以泛长江三角洲地区为例[J]. 地理研究，2012（8）：1431-1444.
[10] 杨春梅，赵宝福.中国著名旅游城市旅游业的效率研究[J].旅游科学，2014（1）：65-75.
[11] 王坤，黄震方，曹芳东，等.泛长江三角洲城市旅游绩效空间格局演变及其影响因素[J]. 自然资源学报，2016（7）：1149-1163.
[12] 生延超，钟志平. 规模扩张还是技术进步：中国饭店业全要素生产率的测度与评价——基于非参数的曼奎斯特（Malmquist）生产率指数研究[J]. 旅游学刊，2010（5）：25-32.
[13] 耿松涛.中国旅游上市公司全要素生产率研究[J].南京社会科学，2012（5）：15-21.
[14] 李国平，郭勇，刘大为. 自然保护区管理效率评价研究——以牛背梁国家级自然保护区为例[J]. 旅游学刊，2015（3）：76-85.
[15] 刘振滨，林丽梅，郑逸芳. 森林公园全要素生产率及其收敛性分析[J]. 干旱区资源与环境，2017（8）：44-49.
[16] 任毅，刘婉琪，赵珂，等. 中国旅游上市公司经营效率的测度与评价——基于混合DEA模型的实证分析[J]. 旅游学刊，2017（7）：27-36.
[17] Duranton G. Chapter 48 Micro-foundations of urban agglomeration economies[J]. Handbook of Regional and Urban Economics，2004，4.
[18] Pines D. Economics of Agglomeration： Cities， Industrial Location and Regional Growth[J]. Regional Science and Urban Economics， 2004，35（5）. [19] 王凱，易静.区域旅游产业集聚与绩效的关系研究——基于中国31个省区的实证[J].地理科学进展，2013（3）：465-474.
[20] 王凯，易静，肖燕，等.中国旅游产业集聚与产业效率的关系研究[J]. 人文地理，2016（2）：120-127.
[21] 郭悦， 钟廷勇， 安烨. 产业集聚对旅游业全要素生产率的影响——基于中国旅游业省级面板数据的实证研究[J]. 旅游学刊， 2015（5）：14-22.
[22] 杨艳.旅游产业集聚化水平与全要素生产率增长：来自中国经验的实证[J].商业经济研究，2019（6）：173-176.
[23] 张广海，汪立新.我国旅游产业集聚与全要素生产率关系研究[J].商业研究，2016（11）：186-192.
[24] 胡彬，万道侠.产业集聚如何影响制造业企业的技术创新模式——兼论企业“创新惰性”的形成原因[J].财经研究，2017（11）：30-43.
[25] 杨仁发.产业集聚与地区工资差距——基于我国269个城市的实证研究[J].管理世界，2013（8）：41-52.
[26] Caves D W， Christensen L R， Diewert W E. The Economic Theory of Index Numbers and the Measurement of Input， Output， and Productivity[J]. Econometrica， 1982，50（6）：1393-1414.
[27] Fare R， Grosskopf S， Lindgren B， et al. Productivity changes in Swedish pharmacies 1980-1989： A non-parametric Malmquist approach[J]. Journal of Productivity Analysis， 1992，3（1）：81-97.
Abstract：Respectively use DEA—Malmquist index method and location entropy index method to measure 30 sample at the provincial level in China from 2006 to 2017 of the total factor productivity of tourism industry and tourism industry agglomeration level，analyze the effect mechanism of tourism industry agglomeration on total factor productivity of tourism industry，and then use two-step system GMM estimation method to empirically test the effect of tourism industry agglomeration on the growth of total factor productivity of tourism industry.Research findings：within the sample period，the average growth rate of total factor productivity in China’s tourism industry was 10.3%，and its contribution rate to the growth of tourism output value was 46%.The growth of total factor productivity in tourism is driven by technological progress rather than technological efficiency improvements，and it is accompanied bu technological progress and deterioration of technological efficiency.Different from existing studies，the relationship between tourism industry agglomeration and tourism total factor productivity growth is not linear，but shows a significant “u-shaped nonlinear relationship”，that is，tourism industry agglomeration inhibits tourism total factor productivity growth in short term but promotes it in the long term.After futher decomposition of tourism，it is found that there are obvious”u-shaped”and“inverted u-shaped”relations between tourism industry agglomeration，technological progress and technological efficiency.The influence of tourism industry agglomeration on technological progress is stronger than that on technological efficiency，and the influence on scale efficiency is stronger than that on pure technological efficiency.
Key Words： tourismindustry;industryagglomeration;total factor productivity;DEA-Malmquist index method;two-step system GMM
关键词：旅游业;产业集聚;全要素生产率;DEA-Malmquist指数法;两步系统GMM
基金项目：重庆市教委科技项目“基于创新价值链视角下金融效率与创新高质量发展”（KJQN202000540）;重庆市教委人文社科项目“西部地区金融发展与制造业传统比较优势改造：效率测度、作用机制及空间效应研究”（20SKGH040）。
[中图分类号] F590 [文章编号] 1673-0186（2020）012-0059-016
[文献标识码] A [DOI编码] 10.19631/j.cnki.css.2020.012.005
改革开放40多年来，伴随着中国经济总量持续快速增长，中国旅游业发展规模持续攀升并已成为带动国民经济增长和社会就业的支柱性产业。据《2019中国旅游业发展报告》公布的数据：2018年中国旅游产值高达5.97万亿元，对GDP的综合贡献为9.94万亿元，占GDP总量的11.04%，旅游带动直接和间接就业7 991万人，占全国就业总人口的10.29%。然而，中国旅游业仍然面临着增长模式粗放、发展质量效益普遍低下的事实特征[1]。2019年底，突如其来的新冠疫情对中国乃至全球旅游业带来前所未有的负面冲击。根据中国旅游研究院公布的数据，2020年1至5月，中国入境旅游人次和国际旅游收入分别减少了34.7%和40.6%，较2019年同期减少5 032万人次和534億美元。为此，中央和各级地方政府出台了诸如税费减免、财政补贴、信贷倾斜、稳定就业等多元而系统的扶持政策，特别是各地方政府针对性地推出的诸如对医务人员免费入园政策、发放旅游消费券、设立文化和旅游产业救助基金等精准举措，中国旅游业呈现出了良性的复苏格局。并且，疫情的“扰动”并未从根本上动摇中国旅游业长期发展的巨大潜力。
在中国经济由高速增长向高质量发展转变以及社会主要矛盾更加强调满足居民“美好生活需求”的现实背景下，疫情冲击下的中国旅游业在其缓慢复苏的进程中，不能为追求短期一时的恢复性增长而坚持原有的粗放型发展路径，而应利用疫情危机下的“自然淘汰”时机，以旅游业供给侧结构性改革为抓手，确立“内涵式”发展的战略导向以实现其质量变革、效率变革和动力变革[2]。
全要素生产率（Total Factor Productivity，TFP）由索洛（Solow）提出，测度剔除劳动、资本和土地等有形要素之外因技术进步、要素配置效率改善、管理流程优化以及组织模式改进等创新驱动的增长程度，其差异是不同国家或地区之间形成经济增长质量差距的根本动因。鉴于此，促进以TFP为核心内涵和关键动力的旅游业高质量发展，进一步发挥旅游业对国民经济和社会进步的带动作用，对于我国决胜全面建成小康社会、开启全面建设社会主义现代化国家新征程具有重要意义。那么，这就引申出一系列必须回应的现实问题：中国旅游业TFP增长的演进轨迹如何？有何时空差异？其背后的逻辑动因又是什么？
事实上，已有相关文献对中国旅游业TFP或生产效率进行了多维测度，主要从以下三个视角展开：一是从宏观的国家层面对旅游业发展效率组成、演进规律的刻画[3-7];二是从中观的省级或城市等区域层面对旅游业发展效率的现实表征、时空差异及演化路径的揭示[8-11];三是从微观的旅游酒店、旅游景点、旅游业上市公司等企业或组织层面的投入产出效率的评价[12-16]。多视角对旅游业发展效率的测度及演进态势的解析固然重要，但只有进一步探寻效率变迁的背后机理才更具有政策蕴含。
大量文献证实，相关企业的地理聚集而形成的产业集聚，对蕴含技术进步和技术效率改善的TFP增长具有重要的促进作用。产业集聚通过专业劳动力的有效获取、中间投入品的共享以及知识和技术的溢出等正外部性，有助于提升企业的技术水平和资源配置效率[17-18]。当前，中国旅游产业也呈现出越发明显的空间集聚态势[19-20]。然而，从产业集聚视角探讨旅游业TFP增长的影响机制，却尚未引起学界普遍重视。并且，已有少量文献对中国旅游产业集聚的TFP增长效应的讨论，也是从“线性”假设入手且得出较为一致的研究结论：旅游产业集聚促进了旅游业TFP的增长[21-23]。事实上，首先，产业集聚的形成和演化具有明显的阶段性特征，在其不同的阶段或时期，产业集聚所蕴含的“外部性”并非都显著为“正”;如果旅游产业集聚的TFP增长效应可能存在“非线性”关系，已有研究在“线性”假设下的相关分析及其结论值得怀疑。其次，现有研究更多关注旅游产业集聚与TFP增长的统计检验，而对二者在经济上的内在机理有所忽略。最后，TFP还可以分解为技术进步指数（Techch）和技术效率指数（Techef），技术效率指数还可进一步分解为纯技术效率指数（Pech）和规模效率指数（Sech），在整体讨论旅游产业集聚的TFP增长效应基础上，进一步刻画产业集聚对不同细分指数的异质性影响，或许更具政策蕴含。 一、理论分析
为了深入地揭示旅游产业集聚对旅游业全要素生产率增长的作用机理，并为后续的实证研究提供理论假说，该部分主要从产业集聚内生的共性特性出发，并充分结合旅游业产业集聚不同于一般性产业集聚的异质性特征，从规模经济、学习和关联效应、竞争效应等维度讨论旅游产业集聚对全要素生产率增长的影响机制，在此基础上，进一步廓清这一影响机制在短期和长期呈现出的差异。
（一）旅游产业集聚对TFP增长的影响机制
旅游产业集聚是依托一定区域范围内的旅游资源，吸引食、住、行、游、购、娱、旅游装备制造等关联企业入驻，逐步形成的旅游企业聚集、共生的经济现象。基于市场化形成的较为成熟的旅游產业集聚，对TFP增长具有重要的促进作用，其作用机制主要体现在几个方面。
一是规模经济效应。集聚带来的规模效应不仅体现为相关企业聚集和市场规模的扩张，更在于从业人员、资本、管理等生产要素的集聚，提升了旅游资源要素的配置效率。集聚规模的扩大有助于区块链、人工智能等现代信息技术在酒店、景区、旅行社等企业经营管理中的广泛采用，促进旅游产业的新业态、新商业模式的形成，提升了旅游产业的技术水平和技术效率。集聚还扩大了本地熟练劳动力市场，提高从业人员和企业之间的需求匹配度，降低了人才搜寻成本和提高了企业的劳动生产率。
二是学习和关联效应。集聚有助于企业间知识、信息和技术的溢出，不同企业在技术手段、流程管理等方面的经验做法，通过地理邻近、人才流动、合作交流等多元形式，有助于企业间的相互学习成长，从而促进旅游企业的技术进步和技术效率。产业集聚有助于提升产业链或价值链的关联水平。诸如携程、去哪儿等平台企业，对产业集聚区内旅游企业的业务整合，形成的以主导企业为核心、横向和纵向相结合的嵌入式旅游技术或流程管理的“溢出”机制，有助于提升旅游产业的技术水平和管理效率。
三是竞争效应。“物竞天择”的市场法则，是促进优秀企业生长和落后企业退出的动力。旅游相关企业的集聚，特别是产业集聚优势引发具有产品、技术或管理优势的企业入驻，加剧了同类型企业的竞争，一方面，原有企业为求得生存和持续经营，必然会采取技术创新、流程优化、管理变革等手段，最大限度挖掘技术进步和管理效率提升潜力，增强市场竞争力;另一方面，竞争强化也促进了企业的优胜劣汰，一部分技术或管理水平低下的企业被淘汰出局，其释放的存量资本转移至效率较高的企业，而资本等要素在不同效率企业间的市场化转移，对提升旅游产业市场集中度、整体技术和管理水平具有重要作用。
（二）旅游产业集聚对TFP增长的短期和长期影响
短期而言，旅游产业集聚的吸引力和辐射半径有限，一些同质性较高、规模较小的企业依托当地的旅游资源形成了低层次的集聚，这些企业的技术水平和管理效能较差，由于缺乏技术和管理水平较高的优质旅游“品牌”企业的入驻，使得产业集聚区内的本土企业面临的竞争不足，缺乏改进技术、流程的动力，而更多采取“价格”竞争手段获取较为低端的客源，技术创新的“惰性”反而会制约旅游业TFP的增长。并且，旅游产业集聚的成熟过程，也是“食、住、行、游、购、娱、养（养生）、媒（媒体广告）、组（组织）、配（配套）”等多个相关行业企业逐步集聚并使得旅游产业链、价值链从构建到完善的演化过程，而在短期内，旅游产业链和价值链难以形成，再加之集聚区内基础设施和公共服务的配套不完善，也导致不同企业间的交流障碍难以被打破，使得旅游产业集聚的规模经济效应、学习和示范效应以及竞争效应难以凸显，对旅游TFP增长的促进作用十分有限。此外，当地政府为追求短期GDP增长的“短视化”，对辖区内产业聚集的过度干预，也弱化了产业集聚的自增强效应，引发只有企业“扎堆”而没有集聚效应的现象，进一步锁定产业升级的成长空间[24]。因此，短期看旅游产业集聚无助于旅游业TFP增长，反而可能具有抑制作用。
长期来看，随着产业集聚水平的不断提高，围绕当地旅游资源深度开发以及域外优质旅游企业入驻而形成的旅游产业链、价值链得以构建并趋于完善，产业集聚逐步形成了较为成熟的旅游企业生态圈。一方面，优质旅游品牌企业入驻带动了集聚区新技术、新业态、新商业模式的形成，并通过知识、技术的溢出效应促进了原有企业技术水平效能的提升;另一方面，基础设施和公共服务的完善吸引更多优质客源的流入，为争夺市场份额，一些旅游企业通过兼并、合作等多种形式扩大经营规模，并伴随市场结构的进一步优化，这对于规模经济效应的凸显具有重要的引致作用;并且，集聚的竞争效应也促进一部分“劣势”企业退出，其存量资源通过市场化流向“优质”企业，提升了资源的配置效率。一部分企业为求得更好生存地位，通过技术进步、流程优化提升了自身的技术水平。此外，产业集聚规模扩大也倒逼地方政府营造良好的市场化环境，引导旅游资源重组以实现资源的优化配置。因此，长期看旅游产业集聚及伴随的技术进步和技术效率增进效应，有助于促进旅游业TFP增长。
由此我们假设：旅游产业集聚短期抑制了旅游业TFP增长，长期具有促进作用。
二、旅游产业集聚和全要素生产率的测度
为精准把握旅游产业集聚与全要素生产率的发展水平及其演变特征，分别对2006至2017年间产业集聚和全要素生产率进行测度，在此基础上从时间和空间两个维度对其进行深入阐释。
（一）产业集聚的测度
已有文献对产业集聚的测度方法，主要有行业集中度指数、赫芬达尔指数、区位基尼系数、区位熵指数、E-G指数、产业区域集聚指数等。相对于区位熵而言，其他测度方法都存在明显缺陷，如行业集中度指数对市场占有率大的企业份额变化敏感、计算结果可比性较差，区位基尼系数难以考虑企业规模的变化。因此，本研究采用区位熵测度旅游产业集聚水平，该方法不仅可以消除区域规模差异因素，还能真实反映地理要素的空间分布[25]。其测算公式为：
AGGit=■（1） 其中，AGGit代表i省t时期的区位熵指数;incomeit代表i省t时期旅游产业收入，gdpit代表i省t时期的地区生产总值;INCOMEt代表t时期全国旅游产业收入，GDPt代表t时期全国地区生产总值。
考虑到由于统计口径的差异，我们在收集原始数据的过程中，全国GDP及旅游产业收入与各省级层面的GDP（加总）及旅游产业收入（加总）有较大出入。因此，在计算过程中，全国GDP用30个样本省份GDP加总得到，全国旅游产业收入用30个样本省份旅游产业收入加总得到。由于西藏的缺失数据严重，本研究选择中国大陆除去西藏以外的30个省份作为研究对象。
如果某省的区位熵指数大于1，表明该省旅游产业集聚趋势明显;如果指数小于1，表明旅游产业集聚水平较低、集聚现象不明显。测算的结果见表1。
由表1可知，2006至2017年间，中国30个样本省份旅游业区位熵指数均值为1.028，旅游业整体上出现了产业集聚趋势，但不够明显，集聚水平高于1和低于1的省份各占15个。产业集聚程度最高的前3个省份是贵州、北京和云南;而产业集聚水平最低的后3个省份是宁夏、青海和新疆。分地区看（如图1），东部地区旅游产业集聚整体趋于下降的趋势，尤其是在2014年以后集聚水平远远落后于中部和西部;中部和西部地区旅游产业集聚整体上呈现上升的趋势，并相继在2013和2014年超越东部地区。
（二）旅游业全要素生产率的测度
1.测度方法
DEA-Malmquist指数法是将非参数线性规划法与数据包络分析法相结合，这种方法不仅避免设置具体的生产函数，只需要输入量和输出量，而且可以将TFP分解为技术进步、技术效率（纯技术效率、规模效率）。本文将采用这种方法来测算全国30个省份的旅游业全要素生产率。该方法通过实际生产数据构造一个生产前沿包络面，同时将非DEA有效的决策单元（DMU）映射到DEA有效的生产前沿面上，通过比较非有效与有效决策单元的相对距离来判断各决策单元的效率。先假设在规模报酬不变（C）和要素可处置（S）的前提下，t期各决策单元的生产可能性集合被定义为：
其中，Malmquist生产率指数（TFP变化指数）、技术进步指数（Techch）、技术效率指数（Techef）、纯技术效率指数（Pech）、规模技术效率指数（Sech）的判断基准都为1，当指数大于1时表示进步或改善，小于1时表示下降或恶化。
2.投入产出指标的选取与数据来源
由于旅游业涉及的产业及核算部门较多，且各省旅游收入的统计口径有较大的差别，因此本文选取旅游企业层面的投入、产出数据，其中旅游企业选取了各省的旅游景区、旅行社和星级饭店三类。投入指标包括劳动和资本的投入，劳动投入选取了各省三类旅游企业的年末就业人数之和，资本投入选取了各省三类旅游企业固定资产价值之和，并利用“固定资产投资价格指数”将其平减至2005年不变价格;产出指标主要选取了各省三类旅游企业的营业收入之和，并利用“旅游类居民价格指数”将其平减至2005年不变价格。本文选取了2006—2017年共12年的数据，且以上数据均来源于历年的《中国统计年鉴》和《中国旅游统计年鉴（正副本）》。
3.测度结果
表2显示，首先，在2006—2017年间全国30个省份的旅游业全要素生产率在反复波动中保持增长态势，由最开始的-35.7%的负增长上升至2017年的71.3%，且这期间的平均增长率为10.3%。其次，将全要素生产率分解为技术进步和技术效率，其中技术进步实现了平均18.4%的增长，技术效率实现了平均-6.8%的增长，即技术效率是下降、恶化的;说明我国旅游业全要素生产率的增长主要是由技术进步推动的，因此进一步说明我国旅游业的管理效率不高，旅游资源并没有有效地使用和利用。再次，将技术效率进一步分为纯技术效率和规模效率，其中，纯技术效率实现了平均-3.4%的增长，即恶化了3.4%，规模效率实现了平均-3.5%的增长，即恶化了-3.5%，进一步证实了我国旅游产业的管理效率低。最后，在2005—2017年间我国30个省级样本的旅游收入平均增长率为22.4%，TFP对旅游收入增长的贡献率为46%，说明TFP对旅游收入增长有积极作用。
将中国30个省份划分为东、中、西部地区再次进行测度，结果由表3显示，首先，2006—2017年间旅游业全要素生产率全国平均增长了10.3%，且增长率排名前三个省份为青海（29.0%）、宁夏（28.8%）和甘肃（26.2%）。其次，将旅游业全要素生产率指数分解为技术进步指数和技术效率指数，30个省份的技术进步指数均大于1，除甘肃、青海、宁夏、新疆外其余省份的技术效率指数均小于1，再次说明我国旅游业全要素生产率增长主要由技术进步促进。再次，东、中、西部的旅游业全要素生产率增长指数呈现阶梯依次递增，年平均增长率依次为4.8%、5.9%、20.3%，说明在近几年西部地区、中部地区的产业集聚趋势相比东部比较明显，因此全要素生产率增长较快;东、中、西部地区旅游业全要素生产率对旅游收入增长的贡献率依次为28.3%、22.3%、77%，大致可以说明旅游业全要素增长率的区域差异是造成旅游业全要素增长率对旅游收入增长贡献度差异的重要原因。
三、旅游产业集聚影响旅游业全要素生产率的实证分析
前文对旅游产业集聚影響全要素生产率的内在机制进行了深入分析并提出了相应假设，在此，我们构建面板模型并采用两步系统GMM估计方法，对上述理论假设进行实证检验，以刻画旅游产业集聚对全要素生产率的影响及可能存在的非线性关系。
（一）估计方法及计量模型
相对于混合OLS、固定效应（FE）和随机效应（RE）三种传统面板模型及估计方法，系统广义矩方法（System GMM）可以有效克服解释变量本身的内生性导致的估计结果有偏或不一致问题，进而提升估计的稳健性。此外，因权重模型选择的不同，系统GMM还可以细分为一步系统GMM和两步系统GMM，而两步系统GMM在处理序列自相关和异方差特别是样本选择存在较大地区异质性时更为有效。前文对旅游TFP测算结果证实，中国旅游TFP增长在不同省份之间存在较大差异，并且在参数估计中可能存在遗漏变量与随机扰动项出现自相关而造成内生性问题。基于此，本研究采用两步系统GMM 方法进行估计，具体模型构建如下： 全要素生产率（TFP）、技术进步（Techch）、技术效率（Techef）、纯技术效率（Pech）、规模效率（Sech）为被解释变量，旅游产业集聚（AGG）为核心解释变量。各模型中，i和t分别代表第i个省份和第t时期。Ln表示对变量取自然对数。模型的控制变量包括：交通基础设施（TI），人均地区生产总值（PGDP），投入基础设施（PII），外商直接投资（FDI），政府干预（GI），互联网普及率（NET），市场需求结构（SDM）。
（二）数据来源及说明
本文选取2006—2017年中国31省、自治区和直辖市的数据，数据均来源于《中国统计年鉴》以及各省历年的统计年鉴，城镇化数据来源于《中国城市统计年鉴》。为消除异方差以及缩小数量级，本文对人均地区生产总值、投入基础设施、外商直接投资进行对数化处理。具体的变量说明与描述性统计分析见表4和表5。
（三）回归结果与分析
1.旅游产业集聚对旅游业全要素生产率的总体影响
本文首先选择最小二乘法（OLS）、固定效应（FE）和随机效应（RE）对模型（7）进行参数估计，估计结果如表3的列（1）、列（2）和列（3）。随后，采用两步系统矩估计对式（7）进行估计，为了检验估计结果的可靠性，需要对模型的扰动项序列相关性进行AR检验和对工具变量的有效性进行Hansen检验，结果AR（1）的p值小于0.1，AR（2）的p值大于0.1，说明扰动项无序列相关;Hansen的p值大于0.1，說明工具变量有效。回归结果由表6的列（4）显示，并以此作为基准回归进行讨论。
核心解释变量产业集聚的系数为-0.871，且在1%的水平下显著，而产业集聚平方项的系数为0.432，也在1%的水平下显著，说明旅游产业集聚是引致旅游业TFP变化的重要原因，二者的关系呈现出非线型的“U”型特征，即旅游产业集聚短期显著抑制了旅游TFP的增长，而长期具有明显的促进作用，这一结论验证了本文的研究假设。可能的原因是，短期由于旅游产业集聚发展的不充分，缺乏外来优质旅游企业的入驻，原有企业面临的市场竞争压力较小，技术的动力不足或存在创新的“惰性”;并且旅游产业生态圈尚未有效形成，产业链或价值链层次较低且不够健全，基于合作交流的知识、技术溢出效应难以凸显。再加之地方政府为追求短期GDP增长而引发的不合理干预，使得旅游要素资源错配，从而使得产业集聚不能有效发挥对旅游TFP增长的带动效应，反而具有抑制作用。而随着旅游产业集聚趋于成熟，优质客源吸引了外来优质企业入驻，旅游产业生态圈形成，基于产业链或价值链合作的技术等溢出效应得以释放，竞争强化带动旅游资源重新整合配置并驱动企业加快技术创新，一些新业态、新商业模式不断产生，从而使得产业集聚蕴含的规模经济效应、学习示范效应、竞争效应不断凸显，促进了旅游TFP增长。
其他控制变量方面，交通基础设施（TI）显著抑制了旅游TFP增长，这可能是因为本文采用的是省级层面的铁路和公路里程数据，而非专门针对旅游景区的交通基础设施情况，再加之全省交通基础设施完善会引起客源、旅行社、饭店等旅游资源的分散化，进而制约旅游产业集聚的发展，从而对旅游TFP增长产生负效应。旅游投入基础设施（PII）对旅游TFP增长具有显著的促进作用，说明对旅游景区的开发并带动旅行社、星级饭店的数量增加以改善旅游要素资源禀赋条件，有助于旅游TFP增长。市场需求结构（SDM）显著促进了旅游TFP增长，可能是因为市场需求结构升级带动了居民旅游消费的增长，促进了旅游市场规模扩大和集聚发展，进而引致旅游TFP增长。滞后一期的产业集聚L.AGG显著促进了旅游TFP增长，说明旅游产业集聚的TFP增长引致效应具有一定的滞后性。人均GDP、政府干预对旅游TFP增长的影响不显著。
2.旅游产业集聚对分解后的全要素生产率各项的影响
为了进一步刻画旅游产业集聚对旅游TFP各细分项目的影响及其异质性，本研究应用系统GMM对模型（8）—模型（11）进行参数估计，估计结果分别报告于表7的列（1）至列（4）。
列（1）中产业集聚AGG的系数显著为负，而产业集聚的平方项AGG2的系数显著为正，说明旅游业产业集聚与技术进步的关系呈现出典型的“U”型关系，即旅游产业集聚水平的提高在短期抑制了旅游业技术进步，而长期则发挥出显著的促进作用。列（2）中产业集聚AGG的系数和产业集聚平方项AGG2的系数分别显著为正和负，说明旅游业产业集聚与技术进步的关系呈现出典型的倒“U”型关系，即旅游业产业集聚短期促进了旅游业技术效率的改善，而长期具有抑制作用。综合列（1）和列（2），说明旅游业产业集聚对技术进步的影响要强于对技术效率的影响，从而使得产业集聚AGG与旅游TFP增长之间呈现出显著的“U”型关系。
列（3）报告了旅游产业集聚对纯技术效率的回归结果，结果表明：旅游业产业集聚对纯技术效率的影响短期为正、长期为负，但不显著。列（4）中产业集聚AGG的系数显著为正，而产业集聚平方项AGG2的系数为负，说明产业集聚AGG与规模效率呈现出倒“U”型关联。由于技术效率包括纯技术效率和规模效率两个方面，综合列（2）—列（4）可以发现，产业集聚AGG对技术效率的短期和长期影响，主要是通过规模效率来实现的。
四、结论与启示
疫情冲击、供给侧结构性改革及经济高质量发展等多元背景下，中国旅游业的复苏及未来发展，仍然要坚持以提升全要素生产率为核心动力的产业高质量发展，本研究以产业集聚为视角探寻中国旅游业全要素生产率增长的理论机理与经验证据。具体而言，利用DEA-Malmquist指数法和区位熵分别测算2006至2017年中国30个省级样本的旅游业全要素生产率（TFP）和产业集聚水平，分析旅游业产业集聚对旅游业TFP增长的作用机制，随后采用两步系统GMM估计方法实证检验旅游业产业集聚对旅游业TFP增长的效应。研究发现： 第一，样本期内中国旅游业TFP年均增长率为10.3%，对旅游业产值增长的贡献率为46%，旅游业TFP增长是技术进步推动所致而非技术效率改善所为，呈现出技术进步和技术效率恶化相伴的事实特征。这说明，中国旅游业实现TFP增长尚有较大的潜力可以挖掘，要在继续实现旅游技术进步的同时，重点挖掘旅游技术效率改善潜力。由于技术效率由纯技术效率和规模效率两个方面组成。提升旅游产业纯技术效率，一是要结合各地区旅游要素禀赋条件及旅游产品或服务需求结构变迁趋势，优化旅游产业结构、产品或服务结构，以及推动旅游企业的所有制结构调整，实现旅游人才、资本、技术等要素的合理流动及系统整合，提升要素再配置效率的改善;二是通过VR/AR、人工智能、电子商务等信息网络技术的广泛应用，促进旅游业运营方式、服务流程、管理模式等方面的优化，提升经营管理效率。要提升规模效率，一是以疫情冲击下政府促进旅游业复苏为契机，推进旅游业供给侧结构性改革，通过兼并、重组实现旅游资源要素向优质旅游企业集中，提升旅游业的市场集中度，实现旅游资源的优化配置和规模效率的进一步释放;二是通过行业监管和政策引导相结合，引导旅游企业摒弃低水平价格竞争模型，走产品或服务差异化、优质化道路，提升旅游企业经营效益。
第二，旅游业产业集聚与TFP增长并非呈现出“线性”关联，而是具有显著的“U”型非线性关系，即短期抑制了TFP增长而长期具有促进作用。这说明，从长远来看进一步提升旅游产业集聚水平有助于TFP增长。而要提升旅游产业集聚水平，需要地方政府营造良好引资环境，依托当地旅游资源禀赋条件，吸引外来优质旅游企业入驻和培育当地培育壮大本土企业，在此基础上，通过旅游与农业、体育、健康、文化、文创、教育、制造业等相关产业的融合，从横向和纵向延展旅游产业链，丰富旅游产业业态，通过融合和协同发展提升旅游产业的集聚水平。并且，旅游产业集聚的形成，离不开当地交通、能源等基础设施以及教育、医疗等公共服务的有效支撑，这需要地方政府结合当地旅游项目的空间布局及旅游线路的规划，完善交通基础设施和公共服务。此外，旅游产业集聚效应的发挥，还依托于高素质旅游人才的充分供给，应构建完善的旅游人才市场，大力引进和培养旅游高端经营管理人才、旅游产品规划设计人才、旅游高技能人才，以提升旅游产业集聚高质量发展的人才支撑能力。
参考文献
[1] 夏杰长，徐金海. 中国旅游业改革开放40年：回顾与展望[J]. 经济与管理研究，2018（6）：3-14.
[2] 杨勇，程玉. 改革开放40年旅游业发展的中国道路及其世界意义[J]. 旅游学刊，2019（1）：3-5.
[3] 左冰，保继刚. 1992—2005年中国旅游业全要素生产率及省际差异[J]. 地理学报，2008（4）：417-427.
[4] 陶卓民，薛獻伟，管晶晶. 基于数据包络分析的中国旅游业发展效率特征[J]. 地理学报，2010（8）：1004-1012.
[5] 韩元军，夏少颜，周生辉.中国旅游业服务质量规制与产业效率提升[J].财贸经济，2011（10）：127-134.
[6] 赵磊.中国旅游全要素生产率差异与收敛实证研究[J].旅游学刊，2013（11）：12-23.
[7] 胡志毅.基于DEA-Malmquist模型的中国旅行社业发展效率特征分析[J].旅游学刊，2015（5）：23-30.
[8] 马晓龙，保继刚.中国主要城市旅游效率的区域差异与空间格局[J].人文地理，2010（1）：105-110+99.
[9] 曹芳东，黄震方，吴江，等.城市旅游发展效率的时空格局演化特征及其驱动机制——以泛长江三角洲地区为例[J]. 地理研究，2012（8）：1431-1444.
[10] 杨春梅，赵宝福.中国著名旅游城市旅游业的效率研究[J].旅游科学，2014（1）：65-75.
[11] 王坤，黄震方，曹芳东，等.泛长江三角洲城市旅游绩效空间格局演变及其影响因素[J]. 自然资源学报，2016（7）：1149-1163.
[12] 生延超，钟志平. 规模扩张还是技术进步：中国饭店业全要素生产率的测度与评价——基于非参数的曼奎斯特（Malmquist）生产率指数研究[J]. 旅游学刊，2010（5）：25-32.
[13] 耿松涛.中国旅游上市公司全要素生产率研究[J].南京社会科学，2012（5）：15-21.
[14] 李国平，郭勇，刘大为. 自然保护区管理效率评价研究——以牛背梁国家级自然保护区为例[J]. 旅游学刊，2015（3）：76-85.
[15] 刘振滨，林丽梅，郑逸芳. 森林公园全要素生产率及其收敛性分析[J]. 干旱区资源与环境，2017（8）：44-49.
[16] 任毅，刘婉琪，赵珂，等. 中国旅游上市公司经营效率的测度与评价——基于混合DEA模型的实证分析[J]. 旅游学刊，2017（7）：27-36.
[17] Duranton G. Chapter 48 Micro-foundations of urban agglomeration economies[J]. Handbook of Regional and Urban Economics，2004，4.
[18] Pines D. Economics of Agglomeration： Cities， Industrial Location and Regional Growth[J]. Regional Science and Urban Economics， 2004，35（5）. [19] 王凱，易静.区域旅游产业集聚与绩效的关系研究——基于中国31个省区的实证[J].地理科学进展，2013（3）：465-474.
[20] 王凯，易静，肖燕，等.中国旅游产业集聚与产业效率的关系研究[J]. 人文地理，2016（2）：120-127.
[21] 郭悦， 钟廷勇， 安烨. 产业集聚对旅游业全要素生产率的影响——基于中国旅游业省级面板数据的实证研究[J]. 旅游学刊， 2015（5）：14-22.
[22] 杨艳.旅游产业集聚化水平与全要素生产率增长：来自中国经验的实证[J].商业经济研究，2019（6）：173-176.
[23] 张广海，汪立新.我国旅游产业集聚与全要素生产率关系研究[J].商业研究，2016（11）：186-192.
[24] 胡彬，万道侠.产业集聚如何影响制造业企业的技术创新模式——兼论企业“创新惰性”的形成原因[J].财经研究，2017（11）：30-43.
[25] 杨仁发.产业集聚与地区工资差距——基于我国269个城市的实证研究[J].管理世界，2013（8）：41-52.
[26] Caves D W， Christensen L R， Diewert W E. The Economic Theory of Index Numbers and the Measurement of Input， Output， and Productivity[J]. Econometrica， 1982，50（6）：1393-1414.
[27] Fare R， Grosskopf S， Lindgren B， et al. Productivity changes in Swedish pharmacies 1980-1989： A non-parametric Malmquist approach[J]. Journal of Productivity Analysis， 1992，3（1）：81-97.
Abstract：Respectively use DEA—Malmquist index method and location entropy index method to measure 30 sample at the provincial level in China from 2006 to 2017 of the total factor productivity of tourism industry and tourism industry agglomeration level，analyze the effect mechanism of tourism industry agglomeration on total factor productivity of tourism industry，and then use two-step system GMM estimation method to empirically test the effect of tourism industry agglomeration on the growth of total factor productivity of tourism industry.Research findings：within the sample period，the average growth rate of total factor productivity in China’s tourism industry was 10.3%，and its contribution rate to the growth of tourism output value was 46%.The growth of total factor productivity in tourism is driven by technological progress rather than technological efficiency improvements，and it is accompanied bu technological progress and deterioration of technological efficiency.Different from existing studies，the relationship between tourism industry agglomeration and tourism total factor productivity growth is not linear，but shows a significant “u-shaped nonlinear relationship”，that is，tourism industry agglomeration inhibits tourism total factor productivity growth in short term but promotes it in the long term.After futher decomposition of tourism，it is found that there are obvious”u-shaped”and“inverted u-shaped”relations between tourism industry agglomeration，technological progress and technological efficiency.The influence of tourism industry agglomeration on technological progress is stronger than that on technological efficiency，and the influence on scale efficiency is stronger than that on pure technological efficiency.
Key Words： tourismindustry;industryagglomeration;total factor productivity;DEA-Malmquist index method;two-step system GMM