文化视野下的旅游业：中国经验证据

赵 磊[1]

〔摘要〕 本文的研究目的旨在经验考察TLGH在中国的成立性以及旅游发展对经济增长的影响效应。本文首先对国外相关研究文献与国内旅游发展事实进行了简单引述，并在此基础上，基于1999—2009年中国省际面板数据，采用多种计量经济方法实证检验了中国旅游发展对经济增长的影响。研究结果表明，中国旅游发展对经济增长具有显著正向影响效应，这一研究结论在经过四种敏感性分析之后依然稳健；未考虑内生性之前，中国旅游发展对经济增长的最低影响效应大致在0.018 6—0.035 4之间，克服内生性之后，影响效应纠正为0.151 9。

〔关键词〕 旅游发展；经济增长；影响效应；实证研究

一、引 言

自从Copeland（1991）、Hazari ＆Sgrò（1995）和Lanza ＆Pigliaru（1995）的开拓性工作以来，旅游发展与经济增长的关系研究一直是一个老生常谈而又备受关注的研究命题。整个研究脉络清晰可见，以Shan ＆Wilson（2001）首次提出旅游导向型经济增长假说（tourism－led growth hypothesis，TLGH）为标志，之前的研究主要侧重于理论构建，21世纪之后，相关的实证检验方法才逐渐引入这一领域。具体到中国而言，对于该领域的实证研究则相对滞后[2]。

众所周知，旅游发展主要通过注入外汇收入（Henry ＆Deane，1997）、创造就业机会（Durbarry，2002）、吸引外部投资（Sinclair，1998）、刺激地区消费（Divisekera，2010）以及增加税收收入（Archer，1995）等形式对地区经济增长产生正向影响，主流观点也基本支持TLGH假说的存在性（Durbarry，2004；Gunduz ＆Hatemi，2005；Lean ＆Tang，2010）。然而，与此观点相左的研究也提出了部分质疑观点（Syriopoulos，1995；Nowak et al.，2003；Rosentraub ＆Joo，2009）。

具体到研究方法规范分析上，在理论研究未达成一致的情况下，实证方面的经验分析就显得尤为重要。梳理国外旅游经济文献，关于旅游发展对经济增长影响的实证研究文献主要分为两类：一类主要是对两变量之间的时间序列数据分析，基本的研究结论主要是论证TLGH假说的存在性（Balaguer ＆Cantavella－Jordà，2002；Dritsakis，2004；Oh，2005；Kim，et al.，2006）；由于面板数据更能充分利用时间与截面信息，近期在国外研究文献中逐渐流行，主要采用静态或动态面板数据模型测算旅游发展对经济增长的影响关系及效应（Soukiazis ＆Proenca，2008；Adamou ＆Clerides，2009；Fayissa，et al.，2011；Seetanah，2011）。就中国而言，关于此领域的经验考察，大部分研究仍停留在时间序列分析方面，主要目的是验证中国旅游发展与经济增长之间的因果关系与协整关系（杨勇，2006；吴忠才，2007；蒋满元，2008；武春友等，2009），而有关面板数据模型的经验考察文献甚少，直接导致一直以来中国旅游发展对经济增长到底存在怎样的影响效应缺乏先期判断。

一个典型的事实是，中国旅游产业规模以年均约13％的速度迅速扩张，增长速度已超过年均约10％的经济增长速度，从而成为各方关注的焦点。然而，另一特殊的现象是，中国旅游专业化水平（旅游总收入占GDP比值）和旅游增加值占比近十年来始终低于5％的产业基本门槛判断标准，旅游专业化水平和旅游增加值占比均值分别为0.041 7和0.044 5。换言之，中国旅游业在产值上成为经济支柱产业仍需继续培育。由表及里，我们更为关注和感兴趣的旅游发展本质内涵是：实证检验是否支持TLGH在中国成立？如果成立，中国旅游发展对经济增长的影响效应是多少？鉴于目前国内有关此领域的实证研究仍显薄弱，这显然与当前中国旅游产业迅速发展的现状不相耦合，本文的研究希冀在严谨实证检验基础上解答上述两点疑问。

二、中国旅游发展：事实特征与理论基础

改革开放以来，随着中国旅游产业形态的战略性转变，旅游发展的经济功能愈发明显，中国旅游产业规模持续扩大，主要表现在旅游产业收入效应持续上升。回顾中国旅游市场发展历程，在“积极发展入境旅游，大力发展国内旅游”的政策指导下，中国旅游发展30年来，入境旅游人数由1978年的180.92万人次增长到2009年的12 647.59万人次；旅游外汇收入由1978年的2.63亿美元增长到2009年的396.75亿美元；自1999年“黄金周”休假制度实施以来，国内旅游市场发展突飞猛进，2000年国内旅游人数7.44亿人次，国内旅游收入2 831.92亿元，而到2009年，国内旅游人数和国内旅游收入分别达到19.02亿人次和10 183.69亿元。旅游业以其综合性强、关联度大、开放度高、就业拉动力强等优势，已成为我国国民经济新的增长点和重要产业。当前，中国旅游业进入了新的发展阶段。按照最近我国政府提出的到2020年全面建成小康社会的目标要求，中国将全面推进旅游业转型升级，实现从世界旅游大国向世界旅游强国的新跨越。

根据世界经济论坛（WEF）推出的《2009年旅游竞争力报告》，中国大陆在大约130个进入报告的国家或经济体中排名第47位，旅游竞争力总得分为4.3（数值范围为1—7）。下面我们探索数字背后所隐藏事实：近十年来，尽管中国旅游产业规模扩展趋势明显，无论是旅游产业总收入还是旅游产业增加值，都呈稳步增长态势，然而需要注意的是，在衡量旅游产业地位的两项指标，即旅游产业总产值与GDP之比与旅游产业增加值与GDP之比测算中，1999—2009年两项指标均低于5％。质言之，中国旅游产业目前所处产业地位与其规模增长速度并不相符。那么是什么原因导致了这种现象呢？一个可能的原因是，中国旅游产业发展对经济增长的直接带动效应不强，因为这里囿于统计数据与统计口径的限制，我们无法统计到旅游发展对经济增长的间接带动效应，由此可能会低估旅游发展对经济增长的整体影响效应。因此，接下来所展开的实证研究主要是针对旅游产业发展对经济增长所产生的直接影响效应展开。一个不争的事实是，虽然旅游产业发展对经济增长的间接影响效应同样重要，但这也需要建立在旅游发展良好的产业经济性质基础之上。经验研究中国旅游发展对经济增长的影响效应，具有重要的理论与实践意义，可为国家与地区制定旅游产业战略方针提供理论依据。

图1 旅游总收入变化趋势图

中国旅游产业规模扩张的另一显著特征则是：旅游经济发展省际与区际非均衡性，并逐渐呈现“马太效应”。以2009为例，北京旅游专业化水平最高为0.201，宁夏旅游专业化水平最低为0.041，前者是后者的约5.09倍；东部地区旅游专业水平均值为0.116，西部地区旅游专业水平均值为0.09，前者是后者的约1.29倍。由图3初步观察，全国整体上各省份旅游专业化水平历年变化趋势较为稳定；东部地区省份旅游专业化水平普遍相对较高，而西部地区省份旅游专业化水平相对较低；辽宁、江苏、浙江与贵州旅游专业化水平稳步提高，北京旅游专业化水平波动趋势较为明显。

图2 旅游增加值变化趋势图

具体地，我们可以通过核密度估计的非参数估计方法绘制出中国30个省、市和自治区（西藏数据不全，未考虑）1999—2009年（部分年份）旅游专业化水平的核密度图，以便更为客观地观察其变化的时空特征。如图4所示，1999年以来，中国省际旅游专业化核密度波峰整体上呈现右偏趋势，而且波及范围逐渐变大，这说明具有较高旅游专业化水平的概率在增大，同时省际旅游专业化差距也在扩大。

在中国旅游产业规模扩大且非均衡演变背景下，揭示旅游发展对经济增长的影响关系及效应，一方面，可以丰富中国旅游经济学研究的理论研究内容，完善旅游经济学学科体系；另一方面，严谨客观地审视中国旅游产业运行的现状态势，明确其产业经济性质对经济增长的促进效能，有助于构建更符合产业运行规律的政策体系。

理论上，旅游发展与经济增长的关系研究主要存在两类分支。一支文献来源于凯恩斯乘数效应理论，这意味着，旅游业被视为外生总需求的一部分通过乘数效应对地区收入和就业产生积极影响。然而，此种分析框架是静态的，并不适用于推断旅游发展的长期影响。一种与之不同且被广泛应用的方法是，将内生增长理论应用到旅游研究中。

图3 中国省际旅游专业化水平变化趋势

图4 旅游专业化核密度估计

另一支文献以Lanza ＆Pigliaru（1995）为代表，其理论思想是将卢卡斯两部门内生增长模型应用到旅游研究中。他们定义最大化的增长率条件与旅游专业化相关。研究表明，在一个增长来源于劳动生产率的模型中，如果制造业部门的技术进步高于旅游部门，旅游专业化可以促进经济增长，当且仅当旅游业和制造业之间的贸易条款变动（the terms of trade）不仅仅平衡旅游部门的技术差距。概言之，上述条件只有在制造业产品与旅游产品替代弹性小于1，即两种产品不具有紧密替代性的情况下成立。这一点也得到Algieri（2006）的研究证实。

我们重点关注后一种理论贡献。这一理论的基本内涵要义实际上阐明的是产业多样化与生态性的重要意义，即产业的存在属性。这一点对于正在处于工业化时期的中国尤为贴切。简要分析，意指不能单纯以产值多少来评判某个产业存在的合理性。比如，旅游资源禀赋程度相对较高，形成旅游依赖性的经济体系，其所产生的“资源诅咒”现象，造成制造业部门的萎缩；某地区工业制造业发达，而忽略了服务业的配套建设，同样可能会出现产业经济结构转型困局。一个合理的解释是，在地区产业经济体系配置中，制造业与旅游业互补发展。相对于制造业，旅游业显然调整弹性更大。这就需要回到对于旅游业的存在价值与功能指向多重意蕴理解的逻辑起点。从存在价值看，旅游发展所创造的产值固然重要，但其所蕴涵的增进居民社会福利效应的民生特性不能忽视，将旅游业建设成为人民群众更加满意的现代服务业体现了题中之义；就功能指向而言，旅游业功能指向需要转变，为了契合地区经济产业结构转型趋势，同时也为了迎接后工业化时代的到来，旅游功能应逐渐由生活性服务业向生产性服务业转变，实质上进一步挖掘旅游业对于社会生产力的促进作用。与上文不谋而合，这一理论的根本落脚点还是在于旅游发展对经济增长的影响效应方面。

三、计量模型、变量与数据

（一）模型设定

为了计量表征旅游发展对经济增长的影响效应，与以往研究类似，以新经济增长理论为基本框架（Barro，1990；Barro ＆Sala－i Martin，2003），参考Fayissa et al.（2007）与Seetanah（2011）研究思想，首先假定生产函数为柯布—道格拉斯（Cobb－Douglas，C－D）形式：

其中，Yit表示i省t年的总产出，K、L、H与α、β、γ分别表示物质资本投入、劳动力投入与人力资本投入及其产出弹性，A代表希克斯中性技术进步的效函数。为了研究方便，假定规模报酬不变时，即α＋β＋γ＝1，式（9）两边同时除以Lit：

A作为效率参数，依赖于多种因素的综合影响，其中包括本文所研究的关键解释变量旅游发展（tour），参考刘生龙、胡鞍钢（2010）与毛其淋（2012）有关经济增长溢出影响因素的研究，则有A＝tourφit×X′φit，将其代入式（10），两边取对数：

X′it主要包括政府规模（gov）、产业结构（str）、外贸依存度（tra）；Yit／Lit用人均实际产出pgdpit表示；Kit／Lit用人均物质资本pkit表示；Hit／Lit用人力资本eduit表示，同时在式（3）中加入非观测的个体固定效应μi以及随机扰动项εit，基准计量模型设定为：

（二）变量构造

1.被解释变量与核心解释变量

（1）经济增长。

被解释变量采用人均实际GDP表示地区经济增长水平，为了消除物价因素影响，对人均实际GDP的计算，以1999年为基期采用地区生产总值指数折算成实际GDP，然后除以当地人口总数得到人均实际GDP。

（2）旅游发展。

国外文献大体采用两种指标衡量旅游发展水平，一种是旅游专业化（Lee ＆Chang，2008；Adamou ＆Clerides，2009）；另一种是旅游人次比（Cortés－Jiménez，2008；Kim et al.，2006）。由于旅游人次可能存在着景区点之间重复统计问题，由此可能会高估这一变量所反映的真实情况，而旅游收入作为地区经济发展的组成部分，更能表现出旅游产业在国民经济中的重要程度。因此，为了消除收入波动，本文采用包括国内旅游收入和入境旅游收入的旅游总收入占GDP比重来衡量地区旅游发展水平，与Chang et al.（2009）和赵磊（2012）的研究保持一致。

2.控制变量

（1）人均物质资本。

首先测算物质资本存量：按照Keller（2000）的做法，利用K0＝I0／（g＋δ）进行估算，I0为初始年份投资量，g为其后数年投资的平均增长速度，δ为资本折旧率；按照张军等（2004）的估算，δ取值为9.6％，然后以1999为基期的固定投资价格指数对历年固定资本形成总额进行折算，最后按照“永续盘存法”，利用Kt＝（1－δ）Kt－1＋It，计算出相应年份的物质资本存量。然后，用所得出的物质资本存量K与劳动力相除得到人均物质资本存量。

（2）人力资本。

自Schultz（1961）首次明确提出人力资本概念以来，人力资本与经济增长的关系的研究一直是经济学界关注的热点问题之一。继Schultz（1961）、Dension （1962）和Becker（1964）之后，经济学家逐渐将人力资本纳入增长模型来研究人力资本与经济增长关系。20世纪八九十年代以来，以Lucas（1988）、Romer （1990）、Barro（1991）为代表的新经济增长理论认为人力资本是经济增长的决定因素。细究文献，目前常用的人力资本代理指标主要有四种：①劳动者平均受教育年限（Qian ＆Smyth，2008）；②受高等教育比率（Barro ＆Lee，1993）；③入学率（Bils ＆Klenow，2000）；④ 教育或科研经费支出（Nonneman ＆Vanhoudt，1996）。不同的人力资本度量指标，可能会造成不同的实证研究结论。实际上，由于人力资本包括受教育水平、健康和知识等多个维度，截至目前，并没有形成一个公认的普适性度量指标。特别对于中国宏观经济研究，由于统计数据的限制，对于劳动者平均受教育年限而言，我们无法得到统一标准的不同层次的受教育程度比例。进一步考虑到人力资本的异质性，诸多文献也指出，只有受过高等教育的人力资本才对经济增长效率具有显著促进作用而非平均人力资本（Vandenbussche et al.，2006；彭国华，2007；朱承亮等，2011）。鉴于此，参照已有研究（张学良，2009；刘修岩，2009；尹希果、孙惠，2012），本文选用每万人口中高等学校在校大学生人数作为人力资本的代理变量。

（3）政府规模。

采用政府财政支出占GDP比重来表示，该指标表征出一个地区的政府对经济活动的干预程度。政府支出对于经济增长的影响具有双面性：一方面，当政府财政支出用于界定和实施产权保护、改善教育和健康等公共服务与基础设施建设方面时，有利于促进经济增长；另一方面，当政府财政支出主要用于行政管理，且由于对经济活动进行干预时“政府失灵”，可能会导致资源配置扭曲，从而损害经济效率。事实上，最优政府规模理论认为政府规模对经济增长的影响关系表现出倒U型“Armey”曲线特征（Chen ＆Lee，2005）。

（4）产业结构。

产业结构升级所产生的技术进步有助于提升产品附加值，成为经济增长转型的必要条件。伴随着产业分工的逐步细化，现代服务业的发展通过拉动内需、刺激消费和增加就业等方式对经济增长产生重要影响。采用第三产业就业人口占总就业人口比重来衡量产业结构，该比重越大，说明服务业发展水平越高。

（5）外贸依存度。

外贸依存度被用作表征地区对外经济开放水平的常用指标，特别是出口作为拉动中国经济增长的“三驾马车”之一，对中国经济增长具有重要作用。出口部门参与国际竞争获取“干中学”效应，并且由于扩大了产品市场，使得生产规模得以扩张，从而实现国内生产规模经济。采用进出口总额占GDP比重来衡量，进出口总额使用当年人民币兑美元平均汇率换算成人民币。

（三）数据来源

本文研究样本为中国30个省、市和自治区[3]1999—2009年省际平衡面板数据。其中，旅游相关数据来源于《中国旅游年鉴（2000—2010）》，其他数据均来源于《中国统计年鉴（1999—2009）》、《新中国六十年统计资料汇编》和中经网统计数据库。

（四）描述性分析

为了保持数据的平稳性并消除异方差，所有变量进行自然对数处理。表1列出了主要变量相关系数与描述性统计，其中，本文核心解释变量旅游发展与被解释变量经济增长的Pearson相关系数为0.508，且在1％水平上显著，说明从感性上认知，旅游发展与经济增长之间存在正相关关系。各解释变量之间相关系数绝对值均大多低于0.6，通过进一步考察解释变量方差膨胀因子（variance inflation factor，VIF），发现取值区间为［1.49，2.41］之间，远小于最大容忍度10，处在可接受范围内，说明本文并不存在多重共线性。通过变量描述性统计计算发现，旅游发展最小值为0.015 9，最大值为0.305 1，均值为0.086 5，说明中国省际旅游发展非均衡性明显，某些旅游发达省份旅游发展水平远高于全国平均水平。

表1 主要变量相关系数与描述性统计

续 表

注：＊＊＊、＊＊和＊分别表示1％、5％和10％显著性水平。

最后，为了直观地展现旅游发展与经济增长之间的变动关系，图5描绘出旅游发展与经济增长的二维散点图与线性拟合趋势线。不难看出，旅游发展与经济增长正相关，但这并不能揭示出旅游发展对经济增长所存在的真正作用机制与影响效应，仅是为我们经验研究提供了一种初步判断，更为客观有效的研究结论需下文进行严谨的计量实证研究论证。

图5 旅游发展与经济增长

四、实证结果分析

（一）面板数据平稳性检验(www.chuimin.cn)

由于传统的经济计量方法对非平稳的时间序列不再适用，利用传统的方法对计量模型进行统计回归时，容易产生“伪回归”。因此，为了防止“伪回归”的产生，面板数据回归之前还需要进行数据平稳性单位根检验，以判断每个变量的平稳性。

一般认为面板数据单位根检验方法有六种，根据是否所有截面序列具有相同单位根过程，可以将检验单位根过程的方法分为同质单位根检验（LLC、Hadri Z）与异质单位根检验（IPS、Fisher－ADF、Fisher－PP）两大类。为了避免单一方法所带来的单位根检验误差，我们对每一变量采用五种不同方法进行检验，从而提高检验结果的可信度。由于单位根检验理论非常复杂且方法颇多，应当综合考虑多种检验方法来考察检验结果（易丹辉，2008）。所有检验方法的原假设均为面板数据存在单位根，本文以超过一半得出的结论拒绝单位根检验的方式，认为该变量在面板数据回归过程中可以被接受。各变量面板单位根检验结果如表2所示。

表2 变量单位根检验

由表2可以看出，各变量的平稳性检验拒绝了面板数据存在单位根的原假设，表明各变量均为平稳性序列，可以直接对其建模进行回归分析。

（二）初步估计结果

在实证研究策略上，我们先不考虑旅游发展的内生性问题，首先采用普通面板最小二乘法（OLS）估计式（1）。表3第（1）—（5）列分别报告了面板普通最小二乘法初步估计结果，便于比较，第（1）列为面板混合最小二乘法（Pooled OLS）估计结果，第（2）列为固定效应（FE）估计结果。面板设定F检验结果表明个体效应显著，即认为固定效应估计优于混合估计；Breush－Pagan LM检验强烈拒绝不存在个体随机效应的原假设，即认为随机效应估计优于混合估计；Hausman检验显著拒绝随机效应和固定效应回归系数无差异的原假设，即认为固定效应模型优于随机效应模型。因此，我们以固定效应模型作为基准回归结果。为了考察不可观测的地区异质性因素与时间变化是否会影响到估计结果，我们将时期年份虚拟变量纳入模型中，采用双向固定效应模型进行估计，结果显示于第（3）列。此时，旅游发展对经济增长具有正向影响，并且在1％水平上显著，说明在其他条件不变的情况下，旅游发展上升1％，经济增长正向变动0.035 4％。这与Fayissa et al.（2007）研究结论极为接近，他们对42个非洲国家1992—2004年面板数据固定效应模型估计结果发现，旅游发展对经济增长的影响系数为0.037 8；并且也与Sequeira ＆Nunes（2008）研究结论类似，在他们的修正固定效应最小二乘虚拟变量（corrected LSDV）估计结果中，旅游发展对经济增长的影响系数为0.04。由此可知，本文通过双向固定效应所得出的旅游发展对经济增长的影响效应较为稳健。更进一步，我们可以通过Wooldridge（2002）的做法，计算出旅游发展对经济增长的标准化系数为0.098，也就是说，旅游发展的变化解释了经济增长变化的0.09％。

由于面板数据同时兼顾了截面数据和时间序列的特征，所以异方差和序列相关必然会存在于面板数据中。接下来，依次分别对组间异方差、序列相关和截面相关进行检验。组间异方差Modified wald检验显著拒绝同方差的原假设，说明面板数据模型存在组间异方差；序列相关Wooldridge检验显著拒绝序列无关原假设，说明面板数据模型存在组内自相关；截面相关Pesaran检验和Frees检验（统计量为9.374，大于Frees'Q distribution的1％临界值0.464 9）显著拒绝截面独立原假设，说明面板数据模型存在截面自相关。此时，我们采用面板修正标准差估计（panels corrected standard errors，PCSE）Prais－Winsten方法进行回归，在回归时模型同时设定每个截面内的扰动项服从相同的一阶自回归，模型存在组间异方差，且不同个体扰动项相关，估计结果报告在第（4）列。当对面板数据模型施以更为严格的统计检验时，旅游发展对经济增长的影响系数为0.018 6，但并不显著。由是观之，我们有理由提出一个大胆推断，即中国旅游发展对经济增长的最低影响效应应该维持在0.018 6—0.035 4之间[4]。

除此之外，我们还分别对国内旅游与入境旅游模型进行稳健的消除异方差、序列相关与截面相关估计，具体主要是对国内旅游进行FE－DF（FE Estimation with Driscoll－Kraay Standard Errors）估计，对入境旅游进行PCSE估计，估计结果与相应统计检验依次显示于第（5）、（6）列。对比分析，国内旅游与入境旅游对经济增长的影响系数分别为0.052 1和0.026 9，且均通过5％显著性水平检验，然而当我们对国内旅游进行PCSE估计时，国内旅游估计系数为0.035，但并不显著。综合上述情况，我们初步认为，国内旅游相比入境旅游而言，其对经济增长的影响效应相对较大[5]。2009年12月1日，国务院发布的《关于加快旅游业发展的意见》（国发［2009］41号文件）明确突出了一个中国旅游发展的重要战略转变，提出“坚持以国内旅游为重点，积极发展入境旅游，有序发展出境旅游”的市场战略，强调以国内旅游发展为主。这一政策转变显然与我们所得研究结论基本吻合，符合中国旅游发展的实际情况。其中一个重要的内涵是，要更多地体现出旅游发展的民生特性。国内旅游作为满足大众实际需求的惠民方式，成为衡量国民生活质量的一个重要因素。这一点主要从两个方面来反映：一方面，国家多次调整公民休假制度，并制定了一系列鼓励公民休闲和刺激国内旅游需求的政策；另一方面，随着我国经济持续增长，国内居民可支配收入逐渐提高，国内旅游人均花费不断增加，这也充分体现出国内居民出游能力潜力巨大。

表3 经济增长对旅游专业化回归结果

续 表

注：①＊＊＊、＊＊和＊分别表示1％、5％和10％显著性水平；②第（3）列为双向固定效应估计结果；③一种综合的处理异方差、序列相关以及截面相关的方法是更为强健的FE Estimation with Driscoll－Kraay Standard Errors，对国内旅游模型进行处理，并生成Driscoll－Kraay标准差。

（三）内生性处理与工具变量估计

在上文初步估计结果中，尽管固定效应模型能够控制未观测的地区个体效应，从而得到参数的一致估计，有效地解决了混合估计和随机效应模型无法处理的遗漏变量问题，但固定效应模型估计的一致性要求解释变量与随机扰动项无关，即解释变量外生性假定。然而，旅游发展作为本文核心解释变量，可能存在内生性问题，主要是由于旅游发展与经济增长之间存在联立性偏误问题，即旅游发展与经济增长之间存在着双向因果关系，旅游发展促进经济增长，经济增长反过来又提供有利于旅游发展所必需的保障条件。通过Durbin－Wu－Hausman内生性检验，其统计量为69.379 9，且在1％水平上显著拒绝旅游发展是外生的原假设，表明旅游发展的确存在内生性，内生性问题将导致最小二乘估计有偏和非一致。因此，为了提高估计结果的有效性，克服内生性问题所导致的偏误，采用工具变量（IV）估计法解决内生性问题。

本文选取两个工具变量集作为旅游发展的工具变量。第一个工具变量集包括具有显著外生性的地理因素。其中之一是客源市场接近度（TMA），与黄玖立和李坤望（2006）做法类似，采用各省份省会城市到三大经济圈内最近省份省会城市距离的倒数再乘以100表示，具体构造方法如下：三大经济圈沿海省份到海岸线距离为其内部距离dii，内陆省份到三大经济圈海岸线距离为其到三大经济圈内最近省份距离加上圈内沿海省份的内部距离。此外，假定M为三大经济圈内沿海省份集合，则第i省份的客源市场接近度设置为：

其中，dij＝acos（cos（αx－αy）cosβxcosβy＋sinβxsinβy）×R，dii＝（2／3）π，αx和αy为x和y省会城市经度，βx和βy为x和y省会城市维度，R为地球大圆半径，si为省份区域面积。

在大样本条件下，增加工具变量通常会得到更加有效的估计结果（Wooldridge，2002），鉴于此，第一个工具变量集中又增加是否沿海省份虚拟变量作为第二个工具变量。第二个工具变量集包括旅游发展的滞后变量，特别是在内生解释变量很难寻找到严格外生性的工具变量情况下，使用内生解释变量的滞后变量作为工具变量已被广泛应用，主要是因为内生解释变量与其滞后变量相关，而且滞后变量已经发生，因其“前定性”，可能与当期扰动项不相关。根据此惯例，我们选取旅游发展的滞后2期与滞后3期作为旅游发展的工具变量。采用上述两个工具变量集进行两阶段最小二乘（2SLS）估计。

需要明确的是，工具变量有效性需具备两个条件：第一，工具变量要与内生解释变量相关；第二，工具变量要与随机扰动项无关。就本文所选取的两个工具变量集而言，针对第一个工具变量集，从外生性来看，客源市场接近度是由地理因素所决定，反映出的是客源市场的地理区位条件对旅游发展的影响，且不随时间变动，显然客源市场接近度是外生的；从工具变量与内生解释变量相关性考虑，客源市场接近度主要参考标准为中国经济最为发达的三大经济圈（环渤海、长三角与珠三角），毋庸置疑，三大经济圈经济基础发达，居民出游能力强，所以各地区在制订国内旅游市场营销战略时，基本都将三大经济圈列为主要目标市场或机会市场，三大经济圈则是重要的国内旅游客源地。不仅如此，也由于三大经济圈更为接近国际旅游市场，同时承担着入境旅游流西向梯度扩散的重要功能。中国旅游产业化过程始于沿海地区省份，拥有旅游发展的良好基础设施与管理经验。对于第二个工具变量集，为了充分考虑到工具变量的动态特征以得到更有效的估计结果，选用旅游发展的滞后2期与滞后3期，通过计算Pearson相关系数可知，当期旅游发展与其滞后2期和滞后3期相关系数分为0.937 9和0.908 3，且都通过1％显著性水平检验，说明第二个工具变量集满足与内生变量的相关性要求。

表4 工具变量回归结果

续 表

注：①（）为系数标准差，［］为相应统计量P值，｛｝为Stock－Yogo检验临界值；②＊＊＊、＊＊、＊和＃分别表示1％、5％、10％和15％显著性水平；③Davidson－Mac Kinnon检验、Hausman－Wu检验和Durbin－Wu－Hausman检验原假设为回归元是外生的；④Anderson正则相关性检验和Kleibergen－Paap rk LM检验原假设为工具变量识别不足；⑤Cragg－Donald wald F检验和Kleibergen－Paap rk Wald F检验原假设为工具变量弱识别；⑥Sargan－Hansen检验原假设为工具变量过度识别；⑦第（4）列为异方差稳健估计结果。下同。

表4第（1）、（2）列分别报告了工具变量两阶段最小二乘法（IV－2SLS）及其异方差稳健估计结果，所选取的工具变量为第一个工具变量集，我们重点分析第（2）列。考虑到工具变量的有效性会直接影响到估计结果的准确性，接下来我们采用多种统计检验对工具变量的有效性进行验证评判：首先，采用Kleibergen－Paap rk LM统计量来检验未被包括的工具变量（客源市场接近度与沿海省份虚拟变量）是否与内生解释变量相关，结果在1％水平上显著拒绝“工具变量识别不足”的原假设。其次，当选取的工具变量与内生解释变量相关性较低时，IV－2SLS估计是有偏误的。对于弱工具变量检验，Kleibergen－Paap rk Wald F统计量为25.488，大于Stock－Yogo检验10％水平临界值19.93，Cragg－Donald wald F统计量为19.402，大于Stock－Yogo检验15％水平临界值11.59，均拒绝工具变量弱识别的原假设。在此部分，我们还报告了与“弱工具变量”有关的第一阶段回归统计量及临界值。最小特征统计量（minimum eigenvalue statistics）为19.401 5，大于15％水平临界值11.59，经验上此统计量大于10则视为拒绝“存在弱工具变量”[6]。更进一步，虽然IV－2SLS是一致的，但却是有偏差的，故使用IV－2SLS会产生“显著性水平扭曲”（size distortion），而且这种扭曲随着弱工具变量而增大。如果在结构方程中对内生解释变量的显著性进行“名义显著性水平”（normal size）为5％的wald检验，假如可以接受“真实显著性水平”不超过15％，则可以拒绝“弱工具变量”的原假设，此处最小特征统计量为19.401 5，大于对应15％临界值11.59，因此，可以认为不存在弱工具变量（陈强，2010）。综合三种统计量检验结果，可以判断出工具变量与内生变量之间具有较强相关性。最后，表4第（1）、（2）列Sargan－Hansen检验的相伴概率分别为0.751 2和0.759 7，即不能在10％显著性水平上拒绝工具变量过度识别的原假设，说明模型工具变量是外生的。

表4第（1）、（2）列估计结果显示，旅游发展对经济增长的影响系数达到0.602 2，且在1％水平上显著，与表3第（4）列相比，充分说明模型内生性问题使得OLS估计结果产生明显的向下偏倚，从而严重低估了旅游发展对经济增长的促进作用。但有一点需要注意，本文IV－2SLS存在两方面瑕疵：一方面，没有控制地区个体效应；另一方面，所选取的第一个工具变量集缺乏动态性。

鉴于此点，正如前文所述，我们以固定效应模型估计为基准，选取第二个工具变量集，采用面板工具变量固定效应两阶段最小二乘（IV－FE－2SLS）估计方法，估计结果列于表4第（3）、（4）列。首先，检验旅游发展的是否存在内生性问题。使用Davidson－Mac Kinnon检验方法，其统计量为4.895 9，且在5％水平上拒绝旅游发展外生性的原假设，说明FE模型存在内生性；接着使用Hausman－Wu检验方法，判断FE模型与IV－FE－2SLS模型是否一致，检验结果在1％水平上显著拒绝FE模型与IV－FE模型回归系数无差异的原假设，即认为IV－FE－2SLS模型估计结果是稳健的，优于FE模型。对于所选第二个工具变量集是否适用的检验，Anderson正则相关性检验和Kleibergen－Paap rk LM检验拒绝原假设；Cragg－Donald wald F检验和Kleibergen－Paap rk Wald F检验拒绝原假设；Sargan－Hansen检验接受原假设，以上检验说明第二个工具变量集适用。下面我们主要以表4第（4）列IV－FE－2SLS异方差稳健标准估计结果为准进行实证分析讨论。

在控制了其他变量并克服内生性之后，表4第（4）列报告出的旅游发展估计系数（0.151 9）显著大于表3第（4）列所报告的估计系数（0.035 4），旅游发展上升1％，正向促进经济增长0.151 9％。这一研究发现与Lee ＆Chang（2008）研究相符，他们对五个亚洲国家（中国、马来西亚、巴基斯坦、菲律宾、新加坡） 1990—2002年面板数据协整方程进行完全修正普通最小二乘法（FMOLS）估计发现，旅游发展对经济增长长期影响效应为0.17，即长期内，上述五个亚洲国家旅游发展上升1％，将促进经济增长提高0.17％。而截至2009年，通过本文的研究发现，中国旅游发展对经济增长的影响效应已达到0.151 9，与上述研究预测偏差不大[7]。

下面我们转向对于控制变量的解释。物质资本和人力资本产出弹性显著为正，且均在1％水平上显著，物质资本产出弹性（0.285 3）要大于人力资本产出弹性（0.079 2），这也符合新经济增长理论内容，说明物质资本高收益率仍是现阶段推动中国经济增长持续增长的主要动力。自市场化改革以来，中国经济增长主要依赖于投资驱动，这体现在近年来较大的物质资本存量与较高的资本产出弹性上。政府规模对经济增长影响为负，这一结果也与王小鲁等（2009）对中国的研究一致，同时也符合传统政府规模理论（Fölster ＆Henrekson，2001；Dar ＆Amir Khalkhali，2002），政府过度财政支出导致资源配置扭曲与效率损失，此外，政府过度投资还会对私人投资产出挤出效应，而且即便政府投资具有正向作用，但随着政府支出规模的扩张也具有规模报酬递减效应（高彦彦等，2011）。产业结构回归系数在1％水平上显著为正，反映产业结构对经济增长具有积极影响，产业结构变动1％，经济增长正向变动约0.042 9％，这也符合中国目前大力发展现代服务业的战略方针。按照发展经济学基本原理，劳动力的产业间迁移，也会影响经济增长，特别是劳动力由第一产业向第二、三产业迁移，往往可以提高自身的产出效率，同时，以提高第三产业产值比重为标志的产业结构升级具有吸纳就业的产业优势，继而能够有效推动经济增长（Ghose，1999）。外贸依存度回归系数为负但并不显著，这与一般研究结论貌似相左，但与现实并不违背。可能的解释为：尽管经济界大都接受中国经济增长是外需劳动型的，然而，现实情况是中国消费需求与投资需求总体规模很大，与之相比，净出口贡献率小于内需，特别是近年来由于受到国际金融危机以及人民汇率升值影响，出口受挫，净出口贡献率大幅下降，建立在低创新附加值基础上劳动密集型产品出口的较高外贸依存度，在面临国际金融形势不利波动时，同样给经济增长带来高风险。一个悄然的变化是，今后中国经济增长将转向依靠国内市场需求拉动以及产业结构调整上去。

五、稳健性分析

这一部分进一步讨论基准模型初步估计结果的稳健性与敏感度。为了考察本文所得研究结论的可靠性，我们主要从以下四个角度进行稳健性检验：

（一）稳健性检验Ⅰ：工具变量固定效应两步GMM估计

当工具变量个数多于内生解释变量个数时，对面板数据进行GMM估计会更有效率，该方法只能处理固定效应模型，即先对模型进行固定效应转换，再对变换后的模型使用GMM估计。工具变量固定效应两步GMM（IV－FE－GMM）估计结果报告在表5第（1）列，通过与表4第（4）列基准模型IV－FE－2SLS估计结果比较发现：旅游发展估计系数略有降低，但系数符号仍显著为正，其他控制变量估计结果也与之类似。这一发现说明当我们使用更为严格苛刻的估计方法时，依然印证了本文所得研究结论的稳健性。

（二）稳健性检验Ⅱ：旅游人次比作为旅游发展另一代理变量

本部分我们采取旅游人次比作为旅游发展另一代理变量，即地区旅游总人次与地区人口数之比。表5第（2）—（5）列分别报告出旅游人次比对经济增长影响的双向固定效应模型、面板修正标准差、工具变量固定效应两阶段最小二乘（IV－FE－2SLS）和工具变量固定效应两步GMM（IV－FE－GMM）估计结果。在不考虑内生性的情况下，第（3）列报告出旅游人次比对经济增长的影响系数为0.085 1，且在1％水平上显著，这一数值与Sequeira ＆Nunes（2008）的研究中所报告出的旅游人次比对经济增长影响系数0.09极为接近，但显然大于旅游专业化对经济增长的影响系数，这同时也符合本文在关于旅游发展度量指标选择时所做出的分析判断。IV－FE－2SLS模型与IV－FE－GMM模型也反映出由于内生性的存在，固定效应模型同样低估了旅游人次比对经济增长的促进作用。但无论如何，我们所关注的旅游人次比作为旅游发展代理变量的估计系数显著为正，也说明了回归结果在总体上的稳健。

表5 稳健性检验Ⅰ和Ⅱ检验结果

续 表

续 表

注：①第（1）列为稳健性Ⅰ估计结果，第（2）—（5）列为稳健性Ⅱ估计结果；②第（5）列为异方差稳健估计结果，所选工具变量为旅游人次比的滞后2期与滞后3期。

（三）稳健性检验Ⅲ：滞后效应

考虑到旅游发展与其他控制变量对经济增长影响可能存在时滞效应，因此，我们将模型中所有解释变量当期项替换为其滞后一期，并分别采用IV－FE－2SLS和IV－FE－GMM方法进行估计，如此处理的目的还可以有效降低其他解释变量与扰动项同期相关而引致的内生性问题所导致的估计偏误。两种工具变量估计方法估计结果报告在表6第（1）、（2）列。显而易见，旅游发展估计系数依然为正，所不同的是，只通过10％水平显著性检验，与表4第（4）列和表5第（1）列相比，系数大小和显著性水平有所降低，这说明旅游发展的时滞性降低了旅游发展对经济增长的影响效应，除了旅游产品的生产效率损失外，主要是由旅游产品投入产出的时间滞后造成。控制变量中，人力资本估计系数为正但不显著，反映出人力资本对经济增长的影响效应较小，当考虑到人力资本的长期作用时，这种影响效应进一步减弱，人力资本对经济增长的卢卡斯式作用机制不再显著。所以要明确人力资本的异质性特征，因为人力资本主要通过尼尔森—菲尔普斯作用机制促进经济增长，即人力资本主要通过技术创新促进经济增长（Nelson ＆Phelps，1966）。因此，优化人力资本配置结构，才能在长期实现人力资本对经济增长的内生促进作用。政府规模滞后一期估计系数由负转正，这与毛其淋和盛斌（2011）的研究一致，可能的解释是，政府财政支出中用于公共教育和公共工程等方面对经济增长的作用具有一定时滞效应，即时影响不明显。

（四）稳健性检验Ⅳ：动态面板估计

考虑到经济增长与旅游发展之间可能存在的双向因果关系，对此需要处理联立内生性问题，同时经济增长变动具有一定动态持续性特征，即当期的经济增长水平依赖于上期的经济增长情况，为了捕捉这种动态调整过程，我们在基准计量模型式（4）静态识别基础上将经济增长滞后一期纳入解释变量，模型扩展演变为动态面板数据模型：

除了经济增长与旅游发展之间可能存在的内生关系外，在动态面板数据模型中，由于经济增长的滞后一期项作为解释变量有可能导致动态项与随机扰动项相关也存在内生性。不仅如此，由于经济增长滞后项的引入，使得影响经济增长的因素存在观测不到的个体效应与解释变量相关，也会因此导致内生性，从而降低计量模型的设定偏误。因此，如果使用动态固定效应模型进行估计，虽然可以消除个体效应，但仍不能避免被解释变量滞后项与误差项之间的相关性，从而产生参数估计的非一致性（Green，1996）。本文面板数据属于“大N小T”结构，这一数据结构采用动态面板处理技术是一个非常好的选择（Roodman，2006）。

为了处理以上问题，Arrellano ＆Bond（1991）指出，当模型中一些变量是内生变量时，普通面板回归结果是有偏的，动态面板方法可以消除模型的内生性偏误，从而得到更加有效的估计结果，并建议采用差分广义矩估计法（DIF－GMM）来处理动态面板数据模型中的内生性问题。其基本思想是先进行一阶差分以消除固定效应影响，采用水平值的滞后项作为差分方程中相应变量的工具变量，然而，这种差分方法较易受到弱工具变量的影响而产生向下的大的有限样本偏差（Blundell ＆Bond，1988；Bond，2002）。为了克服这一问题，Arellano ＆Bover （1995）、Blundell ＆Bond（1998）进一步提出了系统广义矩估计（SYS－GMM）方法。SYS－GMM在DIF－GMM基础上引入水平方程，并采用差分变量的滞后项作为水平方程相应变量的工具变量。SYS－GMM估计量可以同时利用变量水平方程和差分方程的信息，蒙特卡洛试验表明，SYS－GMM比DIF－GMM更有效，具有更好的有限样本性质（Blundell et al.，2000），是目前解决联立内生性偏误的有效方法（Roodman，2006）。考虑到本文所使用的样本量有限，结合面板数据的单位根检验结果，为了有效克服弱工具变量问题，本文选择SYS－GMM方法进行估计。SYS－GMM估计的有效性依赖于模型中工具变量选取的有效性残差差分项不存在高阶序列相关假定。因此，我们采用Hansen统计量[8]检验工具变量是否过度约束；Hansen差分统计量检验新增工具变量是否有效；原假设分别为工具变量和过度识别，即检验工具变量是否有效，原假设为工具变量有效和新增工具变量有效。采用Arellano－Bond检验进行残差差分性序列相关检验，根据Roodman（2006）建议，认为差分后的残差项允许存在一阶序列相关，但只要不存在二阶序列相关，SYS－GMM依然有效。

SYS－GMM可使用一步和两步SYS－GMM估计两种方法。经验研究中，通常使用一步SYS－GMM（Bond，2002），主要是因为两步SYS－GMM标准差存在向下偏倚。但是从理论上讲，两步SYS－GMM标准协方差矩阵总是稳健的，并且考虑到解释变量可能存在的异方差，本文同时也考虑报告两步SYS－GMM估计结果，由于两步SYS－GMM在小样本时容易导致参数估计值标准差被严重低估（Windmeijer，2005），为了得到标准差的无偏估计值，采用Windmeijer（2005）方法对标准差进行修正。

通常来讲，非观测个体固定效应会使被解释变量的滞后项系数ρ存在向上偏误（Hisao，1986），而固定效应估计则会使ρ产生向下偏误（Bond，2002），良好的ρ一致估计量应该处于混合估计与固定效应估计之间。表6第（3）、（4）列报告了式（6）的混合估计与固定效应估计结果，第（5）、（6）列报告了式（6）的SYS－GMM一步与两步估计结果。同我们所期望的一样，被解释变量SYS－GMM一步和两步ρ估计量（0.854 2和0.852 1）恰好介于混合估计滞后项的估计量（0.945）和固定效应估计滞后项的估计量（0.850 5）之间。各检验统计量表明：Hansen检验不能拒绝工具变量过度识别的原假设，即工具变量联合有效；残差序列相关性检验表明，差分后的残差项只存在一阶序列相关而无二阶序列相关，因而可以判定误差项无序列相关性；检验GMM类和IV类的工具变量子集有效性的Hansen差分统计量（Difference－in－Hansen）对应的P值表明SYS－GMM新增工具变量有效。以上检验表明，SYS－GMM估计结果是稳健的。从动态面板估计结果来看，经济增长滞后一期系数显著小于1，说明我国各省区间经济增长存在收敛趋势。我们所关注的旅游发展估计系数分别为0.016 4和0.019 9，分别在5％和1％水平上显著，这一结果与前文结果一致。由于SYS－GMM一步和两步ρ估计量已知，所以可以相应计算出旅游发展对经济增长的累积效应， SYS－MM一步滞后效应为0.112，两步滞后效应为0.135。所以，可以认为，通过动态面板估计处理技术，同样验证了本文所得研究结论的稳健性。

六、结论与政策建议

与中国旅游产业迅速发展现实情境不相符的是，中国旅游经济的理论研究相对滞后。顺理成章，这自然构成了本文的研究动机。在对国外旅游经济文献大致脉络进行梳理分析的基础上，形成本文主要的研究进路，利用中国30个省、市和自治区1999—2009年面板数据，采用多种严谨的计量经济方法，经验考察了中国旅游发展对经济增长的影响效应。实证结果表明，首先需要肯定的是，中国旅游发展对经济增长具有显著促进作用，当未克服内生性时，初步判断，中国旅游发展对经济增长的最低影响效应处在0.018 6—0.035 4之间，与此同时，国内旅游对经济增长的影响效应要大于入境旅游。当考虑到模型可能存在的内生性问题时，我们通过所构建的两个工具变量集，分别对基准模型进行面板工具变量两阶段最小二乘（IV－2SLS）估计与工具变量固定效应两阶段最小二乘（IV－FE－2SLS）估计发现，由于内生性的存在，旅游发展对经济增长的影响系数被严重低估，克服内生性后，中国旅游发展对经济增长的影响效应可以达到0.151 9，接近国外学者对于中国的研究论断。本文的核心思想简而言之：实证检验出旅游发展对经济增长具有显著正向影响效应，并试图尽可能客观地估算出旅游发展对经济增长影响效应的大小，并在此基础上，分别从四个不同角度证明了本文所得研究结论的稳健性。本文首次较为系统地给出了中国旅游发展影响经济增长理论研究的实证分析框架，充实了中国旅游经济学的核心研究内容。

本文研究作为旅游经济学的基础性研究，蕴涵的政策启示具有鲜明的指向性。最为直观的判断是，虽然中国旅游产业规模量性增长强势，但质性释放疲软。中国旅游总收入年均增长约13％，然而无论是旅游专业化水平抑或旅游增加值占比始终维持不到5％。通过本文的实证研究发现，旅游发展对经济增长的影响效应也相对较小，进言之，中国旅游业建设成为战略性支柱产业还需进一步努力。基本的政策取向仍是继续推行国内旅游与入境旅游并举的方针，重点挖掘国内旅游市场潜力。最为根本的产业发展旨趣在于，强化中国旅游业的罗斯托准则，通过旅游产业融合拓宽旅游经济辐射范围，借助旅游产业链延伸提高要素收益率，从而增强中国旅游发展对经济增长的外溢能力。

[1] 赵磊，博士，浙江工业大学经贸管理学院、城市化与城乡休闲研究中心讲师。

[2] 主要参考文献：Arellano M.，Bond S.，Some tests of specification for panel data：Monte Carlo ecidence and an application to employment equation，Review of Economic Studies 58（1991）：277－297；Barro R.，Sala－i Martin X.，Economic growth，Cambridge：MIT Press，2003；Blundell R.，Bond S.，Initial conditional and moment restrictions in dynamic panel（转下页）①（接上页） data models，Journal of Econometrics 87（2）（1998）：115－143；Chang C.，Khamkaew T.， Mc Aleer M.，A panel threshold model of tourism specialization and economic development， CIRJE Working Papers，（2009）：1－43；Copeland B.，Tourism，welfare and de－industrialization in a small open economy，Economica58（232）（1991）：515－529；Divisekera S.， Economics of tourist's consumption behavior：Some evidence from Australia，Tourism Management 31（5）（2010）：629－636；Dritsakis N.，Tourism as a long－run economic growth factor：an empirical investigation for Greece using a causality analysis，Tourism Economics 10（3） （2004）：305－316；Fayissa B.，Nsiah C.，Tadasse B.，The impact of tourism on economic growth and development in Africa，Murfreesboro：Middle Tennessee State University，2007， pp.1－21；Fayissa B.，Nsiah C.，Tadesse B.，Research note：Tourism and economic growth in Latin American countries－further empirical evidence，Tourism Economics 17（6）（2011）：1365－1373；Keller W.，Do trade patterns and technology flows affect productivity growth？，The World Bank Economic Review14（1）（2000）：17－47；Kim H.，Chen M.，Jan S.，Tourism expansion and economic development：The case of Taiwan，Tourism Management 27（2006）：925－933；Lanza A.，Pigliaru F.，Specialization in tourism：the case of small open economy， Coccossis H.，Nijkamp P.，Sustainable Tourism Development，Aldershort：Avebury，1995；Lee C.，Chang C.，Tourism development and economic growth：A closer look at panels， Tourism Management 29（1）（2008）：180－192；Lucas R.，On the mechanics of economic development，Journal of Monetary Economics 22（1）（1988）：25－36；Nelson R.，Phelps E.， Investment in humans，technical diffusion，and economic growth，American Economic Review61 （1）（1966）：69－75；Nowak J.，Sgro P.，Sahli M.，Tourism，trade and domestic welfare， Pacific Economic Review8（3）（2003）：245－258；Roodman D.，How to do xtabond 2：An introduction to difference and system GMM in Stata，Washington：Center for Global Development，2006，pp.1－44；Shan J.，Wilson K.，Causality between trade and tourism：empirical evidence from China，Applied Economics Letters 8（4）（2001）：279－283；Staiger D.， Stock J.，Instrumental variables regression with weak instruments，Econometrica65（3）（1997）：557－586.Cambridge：Massachusetts MIT Press，2002；毛其淋、盛斌：《对外经济开放、区域市场整合与全要素生产率》，《经济学（季刊）》2011年第1期；武春友、谢风媛、全华：《旅游发展与我国经济增长关系的实证研究》，《科技与管理》2009年第6期；尹希果、孙惠：《中国的银行业竞争结构对国际贸易影响的区域收敛性》，《数量经济技术经济研究》2012年第6期。

[3] 西藏由于部分指标缺失，未包括在样本中。

[4] 由于PCSE估计系数不显著，双向固定效应模型拟合优度R2最高，0.035 4作为最低上限具备合理性。

[5] 当对入境旅游进行固定效应估计时（未控制异方差、序列相关与截面相关问题时），入境旅游估计系数甚至为负（－0.022 6）。

[6] 在只有一个内生解释变量的情况下，第一阶段F统计量与最小特征统计量相等，此时可以根据Staiger ＆Stock（1997）建议的经验法则，即当第一阶段F统计量值大于10即可表明工具变量与内生解释变量之间具有较强相关性。在本文中，第一阶段F统计量为19.401 5，第一阶段稳健F统计量为25.488 1，均大于10。

[7] 主要是考虑到2003年SARS事件对中国旅游业带来巨大冲击，2004年从低谷逐步恢复，从而延滞了旅游发展对经济增长的影响效应。

[8] 另一种对工具变量进行过度识别检验的方法是Sargan检验，它要求满足同方差性，而这一般很难成立（Roodman，2006）。Hansen检验则不要求满足同方差性，但是在两步SYS－GMM中较易受到过量工具变量的影响而弱化其检验的有效性，Roodman（2006）指出，Hansen检验的P值以0.25为界来确定工具变量的有效性。