Spatial spillover effects of ICT on tourism industry growth
WANGLongjie通讯作者:
收稿日期:2017-11-28
修回日期:2019-01-5
网络出版日期:2019-02-25
版权声明:2019《地理学报》编辑部本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (1357KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
在全球化和网络互联时代,区域经济活动跨越市场分割,空间个体孤立发展的状态逐渐被打破,本地生产要素在促进区域自身经济增长的同时,也开始对其周边地区形成渗透和辐射[1],即区域经济增长呈现出空间溢出效应[2]。信息化导致了“时空压缩”并不断改造着传统的地理空间[3,4],使得不同区域间的经济联系变得日益紧密,因而信息技术的进步和扩散被认为是促进区域增长溢出的关键驱动力[5,6]。旅游业是典型的信息密集型产业[7],信息技术的进步和应用对生产率的增长起到了决定性作用,信息条件的改善提升了信息的可贸易性进而重塑了区域间的旅游产业关联[8]。近年来兴起的“智慧旅游”、旅游“515”战略、“旅游信息化十三五规划”等建设热潮,驱动着旅游产业空间格局的演变[9],使其呈现出新的经济地理特征[10]。在此背景下,每一地区都需要根据自身与周边区域的关联,不断调整发展策略[1],以求融入到旅游信息化的建设中。因此,从空间关联视角探讨信息化与旅游产业发展的关系显得尤为重要。目前,国内外关于信息化对旅游产业发展的影响研究集中在企业管理领域。基于信息化对传统旅游产业改造效应(Transformational Effects)的认知[11],****们从管理理论和案例实证层面分析了信息技术对旅游企业的组织变革[12]、服务创新[13,14]和旅游流预测[15]等方面的促进作用。信息技术的应用和扩散推动着旅游产业生产方式的“网络化”转 变[16],以信息技术为支撑的决策系统指导着旅游企业“更聪明地工作”[17,18],在催生出一系列新的服务业态的同时也提升了旅游产业的运行效率[19]。
在旅游产业发展影响因素的研究中,Buhalis等[11]、Bethapudi[20]和Balandin等[21]一致认为,信息化是推动旅游产业发展的必不可少的要素。Zaidan通过调查迪拜和阿联酋国家的旅行代理商,研究了信息技术应用、供应商的网络营销等对提升区域旅游产业的战略地位的影响,认为信息技术提升了该地区的旅游国际化程度、巩固了迪拜的国际旅游目的地形象[22]。此外,资本、劳动力和信息化等都对旅游产业的增长具有重要贡献,信息化与旅游产业存在耦合协调发展[23,24,25];但也有研究表明,信息技术的高成本[22]、电子商务的不成熟[26]、人才的匮乏[11]以及消费者的低接受度[27]等也会阻碍旅游产业的发展。
Brida等[28]、金鹏等[24]、孙媛媛[25]等少数****通过构建计量模型,检验了信息化对旅游产业发展的影响,但均忽视了空间效应。新经济地理学理论表明,地理空间的异质性和邻近性影响并决定着不同地区间的产业协作和发展溢出[1, 5],溢出效应的存在将推动区域经济的协同增长。信息化具有显著的空间异质性[29],其溢出和扩散[5, 30]对旅游产业发展具有重要影响。理论研究表明,信息技术的远距离传输和网络化中介功能将重构区域间的旅游产业关联模式[31]、促进旅游知识的转译以及旅游创新的扩散和溢出[32]。但是,信息化的扩散和溢出并不能突破距离的限制[5,6],服务业中普遍存在的缄默知识和不可编码知识的传递仍然需要人们面对面的交流[5, 32],而且各区域对信息和知识的获取及利用也依赖于其原有的知识吸收能力[33]。这种区域差异影响并强化了空间集聚和空间溢出[5],而“影子效应”则有可能限制了空间溢出[34],在三者的交互作用下,信息化对旅游产业发展的空间效应尚未可知。因此,很有必要从空间溢出视角探讨信息化对旅游产业发展的影响。
总的来看,国内外关于信息化对旅游产业发展的影响研究已经取得了相对丰富的成果,但多数研究集中在微观的企业管理领域,并主要从组织变革、服务创新以及效率提升等角度审视旅游产业发展,很少从区域经济层面展开探讨;而仅有的几篇实证研究也都预设了旅游产业发展完全依赖于区域自身的固有属性,较少考虑信息化引致的时空压缩和空间关联,而从空间视角考察信息化对旅游产业发展的空间溢出效应的研究几乎没有。
鉴此,本文根据新经济地理学理论,同时参考了信息地理学和旅游地理学的相关研究,提出如下疑问:信息化对旅游产业发展的全局空间溢出效应如何?信息化基础设施和信息技术消费又分别有何影响?针对上述疑问,本文构建了空间计量模型,利用中国大陆地区31个省份2001-2014年的面板数据,实证检验了信息化基础设施和信息技术消费对旅游产业发展①(①由于国内缺乏旅游业增加值的直接统计数据,本文采用包含旅行社和星级饭店的旅游企业营业收入作为替代,以此衡量旅游产业发展水平。)的空间溢出效应。本研究既弥补了传统研究对空间效应的关注不足,又为“互联网+”与“旅游+”的融合互动提供理论借鉴。
2 研究设计
2.1 模型构建
空间面板计量模型能够兼顾区域自身的固有属性及其空间联系,因而被广泛应用于区域增长溢出的研究中[35]。鉴于信息化对旅游产业发展具有空间溢出影响的可能性,本文选用空间面板杜宾模型(SPDM)来考察信息化基础设施和信息技术消费对旅游产业发展的影响。模型构建如下:式中:yit和xit分别表示第i省份的被解释变量和解释变量;ρ、γ以及α分别为被解释变量的空间自相关系数、解释变量的系数和空间溢出系数;wij为31×31的空间权重矩阵,yjt表示第j省份的被解释变量,二者乘积wijyjt为空间滞后被解释变量;μi和νt分别为空间和时期效应;εit为扰动项且服从独立分布。
式(1)中,当α=0时,此模型退化为空间面板自回归模型(SPAR);当
2.2 空间效应分解
空间效应分解的核心思想是采用偏微分的方法将SPDM模型估计出来的系数分解为直接效应(Direct Effect)和间接效应(Indirect Effect)。前者代表解释变量对该区域本身的影响,后者代表对邻近地区的影响,即“空间溢出效应”。借鉴LeSage和Pace的研究[36],将(1)式合并同类项后可得:式中:Y为
对(2)式中的因变量
式中:右端矩阵对角线上的元素均值
2.3 变量设定与说明
(1)被解释变量与核心解释变量(表1)。① 旅游产业发展(ln Y):因国内缺乏旅游产业增加值的直接统计数值,本文借鉴王坤等的研究[37],采用各省市区旅游企业的营业收入来代表旅游产业发展水平。不同的是,因相关数据在观察期间内统计口径发生变化,本文只选择了包含旅行社和星级饭店两类旅游企业的营业收入来反映旅游产业发展水平。② 信息化基础设施(ln ICT1):信息化进程的推进强烈依赖于基础设施的建设和布局,本文采用能直接反映信息技术基础设施建设情况,也是众多****所选用的移动电话交换机容量来反映信息化基础设施建设水平[24, 38]。③ 信息技术消费(ln ICT2):信息技术消费是衡量信息化水平的主要内容和依据。部分****采用信息化综合指数来表征信息化水平,但因其所涉及的指标众多且统计口径不一,加上计算方法不一致,难以进行深入分析。相比而言,邮电业务额包含网络(互联网和移动终端)、固话、移动电话、邮政报刊和函件、特快专件等营业数额,基本上涵盖了信息技术消费的各个方面,在观察期内统计口径一致且不存在数据缺失,因而适合量化反映信息技术消费水平[39]。Tab. 1
表1
表1变量设定与说明
Tab. 1Variable description and explanation
变量类型 | 变量 | 符号 | 定义 |
---|---|---|---|
被解释变量 | 旅游产业发展 | lnY | 旅游企业的营业收入 |
核心解释变量 | 信息化基础设施 | lnICT1 | 信息化基础设施建设水平 |
信息技术消费 | lnICT2 | 信息技术消费水平 | |
控制变量 | 固定资产投资 | lnFC | 旅游企业固定资产 |
劳动力 | lnLAB | 旅游企业从业人数 | |
旅游资源禀赋 | lnRES | 旅游资源赋存情况 | |
可进入性 | lnACC | 公路、铁路里程与土地面积之比 | |
环境质量 | lnENV | 环境保护投资与GDP之比 | |
旅游接待规模 | lnINF | 旅游企业数量 | |
服务经济占比 | lnSTR | 服务业增加值与GDP之比 | |
旅游产业集聚 | lnCLU | 旅游业总收入的区位熵 |
新窗口打开
(2)控制变量(表1)。① 固定资产投资(ln FC):有关旅游产业的数据均来源于《中国旅游统计年鉴(副本)》,由于该统计资料在观察期内统计口径发生变化,为保证相关数据在时间上的可比性以及与被解释变量的一致性,仅选取旅行社和星级饭店两类旅游企业的固定资产原值来反映旅游产业固定资产投资情况。已有关于旅游产业发展的相关实证分析也选取了这一指标[40,41]。② 劳动力(ln LAB):旅游业是人力资源密集型产业,劳动力要素投入是推动旅游产业发展的重要因素,选取旅行社和星级饭店两类旅游企业的从业人数来表示。③ 旅游资源禀赋(ln RES):旅游资源是吸引游客的核心要素,资源赋存情况是各地区发展旅游产业的基础和前提。借鉴Yang等的研究[38],采用加权平均法计算各省区旅游资源赋存情况,包含4A级及以上旅游景区数、国家级风景名胜区数、优秀旅游城市数、世界遗产数,对应的权重数值分别为1、2、3、4。④ 可进入性(ln ACC):可进入性是旅游产业发展的重要保障,借鉴向艺等的研究[42],采用各省市区公路和铁路总里程数与其土地面积的比值来表征。⑤ 环境质量(ln ENV):环境是旅游产品的重要组成,环境质量可采用各省市区环境保护投资与当地GDP比值来反映[43]。⑥ 旅游接待规模(ln INF):旅游业是资源依赖型产业,旅游接待规模反映了各省市区旅游业的接待容量和能力,采用旅行社和星级饭店的数值和来反映旅游接待规模[42]。⑦ 服务经济占比(ln STR):旅游业是一项综合性较高的服务产业,服务经济比重反映了旅游经济的发展环境,采用各省市区服务业增加值与当地GDP的比值来表示。⑧ 旅游产业集聚(ln CLU):旅游经济活动和相应产业要素在空间上的集聚水平影响着区域内旅游产业发展的格局,借鉴刘佳等的研究,采用各省市区旅游业总收入的区位熵来表示[44]。
(3)数据说明。为消除数据的异方差性、保证平稳性,本文采用各变量的自然对数进行实证分析。不同于传统的空间邻接和地理距离矩阵,研究采用经济距离作为空间权重[45],这样设定的基本假设是经济水平越高的地区对周边地区的影响越大,符合不同省份相互作用和影响的实际情况。原始数据主要来源于《中国统计年鉴》(2001-2015年)、《中国旅游统计年鉴(副本)》(2001-2015年)和《中国环境统计年鉴》(2001-2015年),为消除价格变动的影响,采用居民消费价格指数(CPI)将变量统一缩减为2000年的价格水平。
3 研究结果
3.1 空间自相关性检验
在运用空间计量模型测度信息化对旅游产业发展的空间效应之前,需要验证信息化和旅游产业发展在空间上的自相关性。本文通过计算2001-2014年信息化基础设施、信息技术消费与旅游产业发展的全域Moran's I 指数(表2)来加以检验。Tab. 2
表2
表2信息化与旅游产业发展的全域自相关检验
Tab. 2The test of spatial correlation of ICT and tourism industry growth
信息化基础设施 | 信息技术消费 | 旅游产业发展 | |||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
年份 | 莫兰值 | 年份 | 莫兰值 | 年份 | 莫兰值 | 年份 | 莫兰值 | 年份 | 莫兰值 | 年份 | 莫兰值 | ||
2001 | 0.124* | 2008 | 0.108* | 2001 | 0.173** | 2008 | 0.132* | 2001 | 0.161* | 2008 | 0.169* | ||
2002 | 0.116 | 2009 | 0.103* | 2002 | 0.156* | 2009 | 0.124* | 2002 | 0.094 | 2009 | 0.184** | ||
2003 | 0.117* | 2010 | 0.096 | 2003 | 0.160* | 2010 | 0.122* | 2003 | 0.088 | 2010 | 0.148* | ||
2004 | 0.125* | 2011 | 0.083 | 2004 | 0.163** | 2011 | 0.119* | 2004 | 0.057 | 2011 | 0.174** | ||
2005 | 0.133* | 2012 | 0.079 | 2005 | 0.160** | 2012 | 0.116* | 2005 | 0.121 | 2012 | 0.152* | ||
2006 | 0.133* | 2013 | 0.069 | 2006 | 0.154* | 2013 | 0.117* | 2006 | 0.113 | 2013 | 0.002 | ||
2007 | 0.123* | 2014 | 0.065 | 2007 | 0.143* | 2014 | 0.117* | 2007 | 0.124 | 2014 | 0.244*** |
新窗口打开
表1显示信息化基础设施和信息技术消费的空间自相关检验Moran's I 指数均为正值,其中信息技术消费在2001-2014年Moran's I指数均表现出不同程度的显著性,信息化基础设施在2001-2009年Moran's I指数较为显著,旅游产业发展在2008-2014年Moran's I指数至少通过0.1的显著性检验,基本上可以说明信息化和旅游产业发展具有较强的空间自相关性。虽然2010-2014年信息化基础设施以及2002-2007年旅游产业发展的Moran's I并不显著,但这并不能判断任一地区的信息化与邻近区域无关:一方面这与邻接矩阵强制割裂了原有的空间联系有关,另一方面这种相关性可能只存在于部分地区,或者存在正向相关和负向相关的地区相互抵消,使得全域空间自相关在统计上不显著,因此需要计算局域Moran's I指数来考察局域层面的空间自相关性[46]。
鉴于全域Moran's I指数均等化了地区差异,无法细致反映省域间的空间关联,本文选取2002年、2008年和2014年信息化基础设施的局域Moran's I指数散点图(图1)进行分析。图1显示,3个年份的Moran's I数值都至少大于0.13,并且至少有18个省份处于第一、三象限,占到全部省份的58.1%,说明中国信息化基础设施主要呈现高高和低低空间集聚模式,这进一步印证了上文全域Moran's I指数所表明的信息化呈现全局正的空间自相关性的初步判断。
显示原图|下载原图ZIP|生成PPT
图12002年、2008年和2014年信息化基础设施的Moran’s I散点图
-->Fig. 1The Moran scatter plot of ICT infrastructure (2002, 2008 and 2014)
-->
空间自相关性分析验证了信息化与旅游产业发展都具有较强的空间关联性,研究二者关系时不能忽视空间因素,采用空间面板计量模型可以尽可能地避免忽视空间效应而带来的偏误。
3.2 模型识别
在选择空间面板计量模型的具体形式时,需要结合LM和Robust LM统计量来判断。表3给出了相应的检验结果,可以看出,SPLM模型的LM和Robust LM统计量均通过了0.01的显著性检验,SPEM模型的LM统计量也通过了0.01的显著性检验,而Robust LM统计量只通过了0.03的显著性检验,从数值上来看SPLM模型要优于SPEM模型,结果也表明信息化对旅游产业发展的影响具有空间关联性。其次,在确认SPLM模型要优于SPEM模型的基础上,还需要进一步建立SPDM模型,并检验其是否可以退化为SPLM或SPEM形式。SPDM简化为SPLM和SPEM的Walds_Spatial lag和LR_Spatial lag的统计量均通过了0.01的显著性检验,表明SPDM不可退化为空间计量模型的简化形式,SPDM为最优模型。进一步地,Hausman统计量通过了0.01的显著性检验,说明固定效应模型为本研究的最优模型。实际上,本文所考察的截面单位属于全样本范围,固定效应模型能比较好地解释某些个体特质[47]。因此,本文运用SPDM固定效应模型进行参数估计,同时也估计了标准面板个体固定效应,分别采用Elhorst提供的空间计量软件包和Eviews 6.0软件实现,估计结果如表4所示。Tab. 3
表3
表3模型识别检验
Tab. 3The results of spatial panel model identification
统计量 | 数值 | P值 | 统计量 | 数值 | P值 |
---|---|---|---|---|---|
LM_Spatial lag | 66.932 | <0.001 | Wald_Spatial lag | 27.897 | 0.002 |
Robust LM_Spatial lag | 12.849 | <0.001 | LR_Spatial lag | 29.903 | 0.001 |
LM_Spatial error | 59.134 | <0.001 | Wald_Spatial error | 27.938 | 0.002 |
Robust LM_Spatial error | 5.052 | 0.025 | LR_Spatial error | 30.035 | 0.001 |
Hausman | 58.4646 | 0.000 |
新窗口打开
Tab. 4
表4
表4非空间面板个体固定效应和空间面板杜宾模型估计
Tab. 4Regression results based on panel data and SPDM with fixed effects
变量 | 个体固 定效应 | 空间面板杜宾模型SPDM | 变量 | 空间面板杜宾模型SPDM | ||||||
---|---|---|---|---|---|---|---|---|---|---|
无固定 效应 | 空间固 定效应 | 时期固 定效应 | 双重固 定效应 | 无固定 效应 | 空间固 定效应 | 时期固 定效应 | 双重固 定效应 | |||
lnICT1 | 0.020 | -0.006 | 0.068 | 0.029 | 0.062 | W×lnICT1 | -0.017 | -0.164*** | 0.112 | -0.150* |
(0.475) | (-0.112) | (1.527) | (0.495) | (1.525) | (-0.213) | (-2.565) | (0.999) | (-1.676) | ||
lnICT2 | 0.418*** | 0.547*** | 0.223** | 0.496*** | 0.116 | W×lnICT2 | -0.281*** | 0.141 | -0.505*** | -0.190 |
(9.201) | (8.756) | (2.515) | (7.884) | (1.471) | (-3.131) | (1.310) | (-4.378) | (-1.364) | ||
lnFC | 0.077*** | 0.152*** | 0.076** | 0.144*** | 0.070*** | W×lnFC | -0.021 | 0.018 | -0.013 | 0.001 |
(2.629) | (4.828) | (2.922) | (4.618) | (3.032) | (-0.308) | (0.350) | (-0.184) | (0.026) | ||
lnLAB | 0.181*** | 0.325*** | 0.146*** | 0.349*** | 0.154*** | W×lnLAB | 0.001 | -0.037 | 0.341*** | 0.171* |
(4.897) | (7.466) | (4.129) | (7.930) | (4.803) | (0.017) | (-0.465) | (2.996) | (1.914) | ||
lnRES | -0.010 | -0.105*** | -0.028 | -0.115*** | -0.059* | W×lnRES | 0.055 | -0.097 | 0.018 | -0.213*** |
(-0.243) | (-5.069) | (-0.719) | (-5.390) | (-1.687) | (1.025) | (-1.190) | (0.306) | (-2.753) | ||
lnACC | 0.013 | 0.086*** | -0.011 | 0.095*** | 0.044 | W×lnACC | -0.080* | 0.023 | -0.088* | 0.104 |
(0.285) | (4.145) | (-0.189) | (4.359) | (0.880) | (-1.754) | (0.305) | (-1.805) | (0.854) | ||
lnENV | -0.041*** | 0.022 | -0.024* | 0.013 | -0.026** | W×lnENV | -0.072*** | -0.013 | -0.143*** | -0.015 |
(-3.655) | (1.310) | (-1.844) | (0.724) | (-2.078) | (-3.074) | (-0.686) | (-3.239) | (-0.533) | ||
lnINF | 0.116** | 0.168*** | 0.132*** | 0.184*** | 0.091** | W×lnINF | -0.040 | -0.014 | -0.049 | -0.137* |
(2.371) | (3.673) | (2.914) | (4.027) | (2.239) | (-0.435) | (-0.165) | (-0.533) | (-1.673) | ||
lnSTR | -0.261** | 0.175* | -0.259*** | 0.177* | -0.294*** | W×lnSTR | 0.190 | -0.229 | 0.411 | -0.766*** |
(-2.428) | (1.732) | (-2.161) | (1.720) | (-3.146) | (0.828) | (-1.167) | (1.463) | (-2.951) | ||
lnCLU | 0.390*** | 0.300*** | 0.390*** | 0.298*** | 0.406*** | W×lnCLU | -0.005 | -0.239*** | -0.022 | 0.003 |
(17.282) | (15.381) | (19.255) | (15.264) | (22.119) | (-0.098) | (-4.445) | (-0.458) | (0.052) | ||
Adj R2 | 0.985 | 0.969 | 0.912 | 0.968 | 0.645 | ρ | 0.312*** | 0.432*** | 0.152*** | -0.079 |
LogL | 243.746 | 83.696 | 286.000 | 92.362 | 341.702 | (5.573) | (8.481) | (6.653) | (-1.221) |
新窗口打开
3.3 拟合结果
综合各类检验及模型拟合指标,初步得出如下结论:(1)SPDM的空间个体固定效应模型为本研究的最优模型。从表4中SPDM的各类效应检验结果来看,空间个体固定效应模型的对数似然值(Log L)和调整后的拟合系数(Adj R2)相较于其他三类效应要优。其中,双重固定效应模型的对数似然值虽然最大,但其拟合优度也最差。综合来看,SPDM的空间个体固定效应模型为本研究的最优模型。因此,下文将以SPDM空间个体固定效应模型的估计结果来具体分析。
(2)忽视变量间的空间交互作用将误估信息化对旅游产业发展的产出弹性。表4显示,在不考虑空间因素的传统标准面板个体固定效应模型中,信息化基础设施对旅游产业发展的系数为负,且无法通过显著性检验;而在考虑了空间溢出效应的SPDM个体固定效应模型中,其估计系数为正,并且显著性明显提高(虽然未通过0.1的显著性检验,但实际上其P值为0.123,可以认为信息化基础设施对旅游产业发展具有一定的促进作用)。但同时也可以看到,通过空间面板杜宾模型发现了信息化基础设施作用无法凸显的原因不是其自身作用,而在于空间交互项的负向影响。此外,在传统个体固定效应模型中,信息技术消费对旅游产业发展的估计系数为0.418,而在考虑了空间交互作用后,信息技术消费对旅游产业发展的弹性系数为0.223,二者均通过了至少0.05的显著性检验。显然,由于空间溢出效应的存在,不考虑空间因素的个体固定效应模型会误估信息化对旅游产业发展的产出弹性,具体表现为对信息化基础设施的作用识别不足,以及对信息技术消费作用的高估。
(3)不同区域间旅游产业的发展存在显著的空间关联和溢出效应。旅游产业发展的空间滞后项的估计系数ρ值为正,且通过了0.01的显著性检验。这说明在信息化不断深入的进程中,省际旅游产业发展在区域间具有显著的正向溢出效应,邻近地区旅游经济的发展具有明显的集聚与示范作用。同时,这也表明信息化的溢出效应通过促进区域内旅游产业的优势互补而间接促进了邻近地区的旅游产业发展。
3.4 空间效应分解
在上述SPDM空间个体固定效应模型中,信息技术消费的空间交互项的估计系数为0.141,只通过了0.19的显著性检验,但仍然可以认为信息技术消费存在显著的正向空间溢出作用。这是因为,绝大多数的空间计量模型采用点估计的方法来测算空间溢出效应,方法本身存在缺陷,解释变量的影响系数并不能代表真实的偏回归系数,因此需要将信息化对旅游产业发展影响的空间效应进行分解[48]。在对SPDM个体固定效应估计的基础上,采用前述空间效应分解的思路与方法,分解出信息化及其他解释变量对旅游产业发展的直接效应、溢出效应和总效应(表5)。从空间效应的分解结果来看:Tab. 5
表5
表5空间固定效应SPDM模型的空间效应分解
Tab. 5Decomposed spatial effects of SPDM with spatial fixed effects
变量 | lnICT1 | lnICT2 | lnFC | lnLAB | lnRES | lnACC | lnENV | lnINF | lnSTR | lnCLU |
---|---|---|---|---|---|---|---|---|---|---|
直接效应 | 0.057 | 0.245*** | 0.080*** | 0.150*** | -0.038 | -0.007 | -0.026** | 0.134** | -0.292*** | 0.382*** |
(1.337) | (2.882) | (2.881) | (4.144) | (0.936) | (-0.117) | (-2.113) | (2.655) | (-2.903) | (18.064) | |
间接效应 | -0.227** | 0.398*** | 0.084 | 0.049 | -0.182 | 0.025 | -0.040 | 0.065 | -0.568* | -0.118 |
(-2.391) | (2.960) | (1.013) | (0.387) | (-1.286) | (0.239) | (-1.430) | (0.445) | (-1.826) | (-1.360) | |
总效应 | -0.170* | 0.643*** | 0.165* | 0.199 | -0.220 | 0.019 | -0.066* | 0.199 | -0.860** | 0.264** |
(-1.665) | (5.617) | (1.687) | (1.458) | (-1.362) | (0.182) | (-2.328) | (1.140) | (-2.409) | (2.710) |
新窗口打开
(1)信息化基础设施和信息技术消费对旅游产业发展具有不同的作用路径。信息化基础设施对旅游产业发展的直接效应为0.057,显著性为0.19,表明信息化基础设施的提升对自身旅游产业发展具有微弱的正向效应;信息化基础设施对邻近地区旅游产业发展的间接效应为-0.227,并通过了0.02的显著性检验,表明信息化基础设施扩张对邻近地区具有显著的负向溢出效应。单从数值上来看,信息化基础设施扩张的负向外溢效应要大于其对旅游产业发展的直接正向影响。这也导致了在一般的计量模型中信息化基础设施的影响并不显著。
此外,服务业存在着典型的“索洛悖论”:“当今世界,信息技术无处不在,除了在生产率提升方面”,尤其是在需要手眼配合以及面对面交流的“停滞性个人服务业”,如住宿业[49,50]。虽然这可能是由于服务业产出和生产率计量方法存在误差造成的,但计量误差不至于大到误导整体生产率的程度[51],笔者更倾向于认为这是源于各地区信息化处于不同的发展阶段且中国东中西部地区信息化非均衡发展。为验证这一观点,本文继续采用标准面板计量模型分别对东、中、西部地区进行回归检验②(②东部地区包含京、津、冀、辽、沪、苏、浙、闽、鲁、粤、桂、琼12个省区;中部地区包含晋、蒙、吉、黑、赣、皖、豫、鄂、湘9个省区;西部地区包含渝、川、贵、滇、陕、宁、青、甘、新、藏10个省区。限于篇幅,此处没有报告分省份普通面板的回归结果,留待备索。)。结果表明,东部和西部信息化基础设施对旅游产业发展影响的估计系数均至少通过0.1的显著性检验,但东部地区系数值为正,西部地区为负,而中部地区为负但不显著。这说明,在不同的发展水平下,信息化基础设施对旅游产业发展的作用机制不一。单就西部地区而言,信息化基础设施的扩张未必能促进其旅游产业发展,相反,由于西部地区人口规模较小、资源集聚水平较低而信息化基础设施投入和运营维护成本较高,非理性的规模化扩张反而会使其陷入低效的“索洛悖论”。
总的来看,信息化基础设施的负向外溢效应大于其直接的正向效应,单纯的信息化基础设施建设对旅游产业发展的促进作用微弱,甚至因为在空间上的不合理集聚,负向空间溢出抵消了其原本可以发挥的巨大作用。故此,如若不控制信息化基础设施空间交互作用的发展程度和作用方向,其有可能阻碍旅游产业的发展。
(2)信息技术消费的提升对旅游产业发展具有显著的促进作用和正向溢出效应。信息技术消费对旅游产业发展的直接效应和溢出效应分别为0.245和0.398,均通过了至少0.01的显著性检验。这表明信息技术消费每提高1%,会直接促进本地旅游产业发展0.245%,促进邻近地区旅游产业发展0.398%。并且信息技术消费的正向溢出效应强于其直接效应。高效的信息技术应用不仅颠覆了传统的旅游组织盈利模式[19]、改造了旅游组织结构[31]、变革旅游服务形式[16],而且推动了旅游产业链的升级、提升了本地旅游产品的附加值。特定地区通过承接营销服务外包、提供远程信息处理、搭建公共信息服务平台和旅游创新的网络扩散,在区域旅游发展中扮演着“信息服务中转站”或“旅游信息枢纽”,进而形成对其他地区的渗透和辐射。
这也引发了笔者对区域内旅游信息产业布局问题的思考。事实上,什么形式的信息化组织模式和空间集聚能够有效地将品牌营销、服务创新、知识溢出等要素融入产品中,以发挥其规模效应,不仅有赖于信息技术产业围绕一定规模的中心城市或地区在一定距离范围内集聚,还必须考虑信息技术自身的特点和产业特性。不是每个中心城市或地区都有能力和有必要发展信息技术集聚,有别于传统的生产要素,信息技术的知识和技术密集特征更为显著、有效作用距离较长、服务能力巨大,各地区应结合自身的经济规模、产业基础和科教资源等实际情况,差异化地选择发展信息技术的某一部分(如产品设计、营销、客服等),从而形成不同区域间旅游信息技术的整体协作和协调配合,促进整体层面的旅游创新和产业发展。
另外,还应当注意到,中国东西部地区信息技术消费存在明显的“数字鸿沟”,东部地区呈现出显著的高高集聚格局,中部地区信息技术消费处于中等水平,而西部地区绝大多数处于低水平集聚,并形成路径依赖。局域Moran's I分析表明,陕西和四川是西部地区信息化的高地,在深化旅游信息化的进程中,应继续重点培育和扶持其在西部地区中的增长极作用,充分利用其高校、人才和教育优势,推进旅游与信息技术的深度融合,以期与东部地区旅游信息化的协调与配套。待其信息技术产业逐步完善,再适时由近及远地向其他西部地区扩散,促进信息、知识、创新等交流和共享,从而发挥其信息产业高地的渗透和引领效应。当然,这在总体上有赖于区域内的统筹规划和协调配合,“一带一路”和西部大开发的战略导向为其优化产业布局、深化产业转型升级等提供了契机。
(3)在其他控制变量中,旅游企业固定资产投入、劳动力、接待规模等诸多要素都是推动旅游产业发展的重要动力,但在信息化的交互作用下,其外溢效应明显减弱。伴随信息化的资本深化,信息技术在一定程度上替代了劳动力输出,成为新的资本输出和控制形式,旅游业也从劳动密集型向信息密集型转变。环境质量、服务经济占比对旅游产业发展的影响为负向,表明目的地环境质量与旅游产业发展不匹配、服务经济结构存在不协调因素,这在一定程度上符合国内旅游产业发展的实际。另外,在信息化的交互下,资源赋存、可进入性等要素对区域旅游产业发展的影响减弱,信息技术和社会化媒介重新定义了旅游资源,传统意义上的非著名旅游目的地正兴起成为“网红目的地”,并引起旅游消费方式的变化。最后,旅游产业集聚仍然对旅游产业发展具有显著的促进作用,同时其负向的空间溢出效应明显减弱,表明信息技术的“去地理”、“弱空间”功能解构并重塑了以往旅游产业集聚中资源配置和联系模式,为旅游产业的区域协调发展提供了可能。
4 结论与政策含义
4.1 结论
基于新经济地理学视角,本文采用空间自相关和空间面板杜宾模型检验信息化对旅游产业发展的影响,既是对信息化对旅游产业发展影响研究的定量补充,也是对信息化潜在的空间溢出效应的实证检验。此外,本文从空间效应视角嫁接起信息地理与旅游地理领域的交叉研究,拓展了学科视野。信息化基础设施、信息技术消费以及旅游产业发展在中国大陆地区存在着省际空间依赖特性,在观测期内大体上呈现出波动上升的趋势。因而可以认为,讨论信息化对旅游产业发展的影响时不能忽略空间效应。信息化基础设施和信息技术消费对旅游产业发展具有不同的空间溢出效应。信息化基础设施的空间不合理布局和竞争会带来负向的空间溢出作用,阻碍区域内旅游经济的协同增长;信息技术消费对旅游产业发展表现出显著的正向影响和空间溢出作用,邻近地区信息技术消费的提升能够促进本地区旅游产业的发展。在信息化进程中,旅游企业物质资本投入、劳动力、接待规模等诸多要素对旅游产业发展具有正向作用;环境质量、服务经济占比等对旅游产业发展呈现出负向影响;资源赋存、可进入性等对旅游产业发展影响减弱。可见,信息化进程推动着旅游产业发展并呈现出新的特征,传统生产要素的作用大小和方向均发生不同程度的变化。
本文在指标选取、研究视角、研究时限等方面存在若干不足。囿于数据的可得性,本文未考虑高铁、航班等对可进入性的影响,不能完全反映可进入性对旅游产业发展的作用。研究视角上,本文采用的空间面板杜宾模型是全局估计,回归系数仅能反映整体上的影响,无法揭示信息化对局部的各个省份的旅游产业发展的影响和溢出效应。研究还存在观测时序较短的问题,伴随国内信息化和“旅游+”的稳步推进、区域旅游信息化格局将进一步深化或重构,研究结果的稳健性有待考证。因此,在本研究的基础上,未来研究可以进一步完善各个指标,并考虑采用地理加权等回归模型考察信息化对旅游产业发展的局部溢出效应。
4.2 政策含义
信息化基础设施和信息技术消费对旅游产业发展具有不同的作用路径,应协调发展各地区的信息化基础设施和信息技术消费,以发挥信息化对旅游产业发展的推动作用。信息化基础设施为旅游产业发展提供了硬件基础,而信息技术消费则意味着旅游产业发展的软环境,是信息化的核心。应更加注重推进信息技术的应用,引导信息技术消费,提升各地区的知识吸收能力和创新发展势能,从软环境上跨越信息化鸿沟。信息化重塑了区域间的旅游产业关联,但如何发挥信息化的溢出和扩散效应、推动区域间旅游产业的空间协调发展,则有赖于政府的引导。鉴于信息技术的高知识密集特征和强渗透能力,各地区在旅游信息化进程中应理性思考其在整体信息化网络中的地位,依据产业基础和人力资本特征,差异化地发展信息技术中的优势部分,并建立不同区域间的长效合作机制,以期推动区域整体层面上的旅游产业协调发展。影响旅游产业发展的因素多种多样,但信息化是众多因素中最为基础和普遍的。它不仅作为生产要素直接地投入到旅游业生产中,而且信息的传输和服务能够联结其他的生产要素,进而间接地推动旅游产业发展。因此,有必要将信息化置于区域旅游产业发展战略的核心地位,发挥“互联网+”与“旅游+”的融合互动作用,推动旅游产业的生产、管理、营销、消费等的网络化转型,进而全面促进旅游产业的升级和发展。
The authors have declared that no competing interests exist.