吳 江，賈元華,于 帥，郭 月

(北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京 100044)

一、引 言

產(chǎn)業(yè)集聚是指同一產(chǎn)業(yè)在某個(gè)特定地理區(qū)域內(nèi)高度集中，產(chǎn)業(yè)資本要素在空間范圍內(nèi)不斷匯聚的一個(gè)過(guò)程。改革開(kāi)放以來(lái)，產(chǎn)業(yè)集聚現(xiàn)象在全國(guó)各地不斷涌現(xiàn)，形成了包括經(jīng)濟(jì)特區(qū)、國(guó)家級(jí)新區(qū)、高薪技術(shù)開(kāi)發(fā)區(qū)、中央商務(wù)區(qū)等多種產(chǎn)業(yè)集聚區(qū)。不僅為我國(guó)的社會(huì)發(fā)展帶來(lái)了可觀(guān)的經(jīng)濟(jì)效應(yīng)，還在人才培養(yǎng)、科技創(chuàng)新、資源利用效率提升等方面發(fā)揮了重要的模范帶頭作用。從我國(guó)的實(shí)踐經(jīng)驗(yàn)來(lái)看,交通基礎(chǔ)設(shè)施建設(shè)是推動(dòng)產(chǎn)業(yè)集聚區(qū)形成的主要因素，其在引導(dǎo)產(chǎn)業(yè)布局、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、推動(dòng)產(chǎn)業(yè)集聚等方面都發(fā)揮著重要的先行作用。因此，定量化研究交通基礎(chǔ)設(shè)施建設(shè)對(duì)產(chǎn)業(yè)集聚的作用情況，不僅可以為我國(guó)交通事業(yè)發(fā)展提供科學(xué)合理的理論支持、數(shù)據(jù)支撐和先驗(yàn)指導(dǎo)，還可作為對(duì)產(chǎn)業(yè)集聚形成機(jī)理方面的一次積極探索，為我國(guó)的產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展提供科學(xué)合理的對(duì)策與建議，從而有效提升我國(guó)交通經(jīng)濟(jì)協(xié)調(diào)發(fā)展和現(xiàn)代化建設(shè)水平。

從理論研究上來(lái)看，產(chǎn)業(yè)區(qū)位理論、空間經(jīng)濟(jì)學(xué)與新經(jīng)濟(jì)地理學(xué)等相關(guān)理論都較為深入的闡述了交通基礎(chǔ)設(shè)施建設(shè)對(duì)產(chǎn)業(yè)集聚的影響。Krugman[1](1991)、KRUGMAN P, VENABLES A J[2](1995)與Fujita[3](1999)將Dixit與Stiglitz構(gòu)建的壟斷競(jìng)爭(zhēng)模型(D-S模型)與Samuelson創(chuàng)造的冰山成本概念結(jié)合起來(lái)，構(gòu)建了空間版本的D-S模型，從而將規(guī)模報(bào)酬遞增與運(yùn)輸成本的變化關(guān)系清晰地展現(xiàn)在模型中。實(shí)證方面，Holl[4](2004)通過(guò)研究西班牙1980—1994年公路基礎(chǔ)設(shè)施變化及制造業(yè)產(chǎn)業(yè)區(qū)位變化情況后發(fā)現(xiàn)，交通基礎(chǔ)設(shè)施在區(qū)域和行業(yè)層面上對(duì)產(chǎn)業(yè)集聚的效應(yīng)存在差異。與此相反，Patricia[5](2008)通過(guò)對(duì)葡萄牙1997—2003年的制造業(yè)變化數(shù)據(jù)研究后發(fā)現(xiàn)交通基礎(chǔ)設(shè)施對(duì)制造業(yè)的區(qū)位變化影響不顯著。Martin和Rogers[6](1995)采用系統(tǒng)的數(shù)據(jù)和計(jì)量模型方法，研究了交通公共設(shè)施對(duì)跨國(guó)制造業(yè)區(qū)位選擇的影響，并認(rèn)為跨國(guó)企業(yè)偏好于在具備良好交通基礎(chǔ)設(shè)施的國(guó)家設(shè)廠(chǎng)投資，因而對(duì)于政府決策來(lái)說(shuō)，政策引導(dǎo)下的基礎(chǔ)設(shè)施投資將決定一國(guó)工業(yè)發(fā)展的布局；而落后地區(qū)通過(guò)改進(jìn)基礎(chǔ)設(shè)施建設(shè)促進(jìn)貿(mào)易發(fā)展，進(jìn)而實(shí)現(xiàn)區(qū)域差距的縮小。國(guó)內(nèi)方面，王賢梅等[7]借助Malmquist-DEA模型,對(duì)交通運(yùn)輸設(shè)備制造業(yè)2005—2013年期間運(yùn)行數(shù)據(jù)，從時(shí)間動(dòng)態(tài)維度、空間區(qū)域維度以及所有制形式維度進(jìn)行效率差異測(cè)算,最后提出技術(shù)進(jìn)步、技術(shù)效率改善是未來(lái)產(chǎn)業(yè)的主要提升之路。譚清美等[8](2016)運(yùn)用Ellison-Glaeser指數(shù)，利用交叉項(xiàng)檢驗(yàn)交通基礎(chǔ)設(shè)施和中間品投入的比較優(yōu)勢(shì)與產(chǎn)業(yè)集聚的關(guān)系后，得出交通基礎(chǔ)設(shè)施促進(jìn)了產(chǎn)業(yè)集聚的結(jié)論。周海波等[9](2017)構(gòu)建了交通基礎(chǔ)設(shè)施對(duì)產(chǎn)業(yè)布局、地區(qū)收入影響的空間溢出模型,利用中國(guó)29個(gè)省市區(qū)1997—2012年的面板數(shù)據(jù)對(duì)模型進(jìn)行了實(shí)證檢驗(yàn),發(fā)現(xiàn)產(chǎn)業(yè)布局在交通基礎(chǔ)設(shè)施影響地區(qū)人均收入的過(guò)程中起著部分中介作用。金江、李鄲[10](2012)和任蓉等[11](2012)通過(guò)證實(shí)交通基礎(chǔ)設(shè)施和區(qū)域經(jīng)濟(jì)增長(zhǎng)的關(guān)系來(lái)反證交通基礎(chǔ)設(shè)施投資促進(jìn)了產(chǎn)業(yè)集聚。張學(xué)良[12](2012)，劉勇[13](2010)通過(guò)考察滯后期的交通基礎(chǔ)設(shè)施投資的空間溢出效應(yīng)來(lái)分析交通基礎(chǔ)設(shè)施在經(jīng)濟(jì)發(fā)展中的作用。黃森[14](2015)通過(guò)研究交通基礎(chǔ)設(shè)施的空間建設(shè)差異化對(duì)經(jīng)濟(jì)的影響來(lái)試圖檢驗(yàn)空間D-S模型中不同運(yùn)輸成本所對(duì)應(yīng)的經(jīng)濟(jì)增長(zhǎng)情況。徐曌、歐國(guó)立[15](2016)以新經(jīng)濟(jì)地理學(xué)的產(chǎn)業(yè)集聚理論為主要研究視角,結(jié)合比較優(yōu)勢(shì)和要素稟賦等相關(guān)理論,對(duì)交通基礎(chǔ)設(shè)施促進(jìn)區(qū)域間制造業(yè)分工的機(jī)理進(jìn)行探討,并得出鐵路與水運(yùn)基礎(chǔ)設(shè)施有利于促進(jìn)區(qū)域比較優(yōu)勢(shì)制造業(yè)人均產(chǎn)出提高,公路基礎(chǔ)設(shè)施則有利于促進(jìn)區(qū)域非比較優(yōu)勢(shì)制造業(yè)的發(fā)展。

綜合以上關(guān)于交通基礎(chǔ)設(shè)施和產(chǎn)業(yè)集聚相關(guān)性的研究，都會(huì)面臨兩個(gè)無(wú)法回避的問(wèn)題：一是交通基礎(chǔ)設(shè)施變量的屬性問(wèn)題，如果交通基礎(chǔ)設(shè)施代表的是政府的固定投資，那么將其從區(qū)域中所有的固定投資中分離出來(lái)單獨(dú)研究就不是很有說(shuō)服力，并且在控制變量的選取上也會(huì)造成重復(fù)解釋的問(wèn)題；二是如果交通基礎(chǔ)設(shè)施代表的是運(yùn)輸成本，那么以制造業(yè)為例，影響貨物運(yùn)轉(zhuǎn)的因素有：供應(yīng)鏈的完善程度、貿(mào)易成本、信息傳遞便捷程度、運(yùn)輸組織形式、載運(yùn)工具水平、貨損率等等，如果單獨(dú)以區(qū)域中公路、鐵路里程數(shù)或交通基礎(chǔ)設(shè)施資本存量為量化指標(biāo)，顯然不能全面的衡量運(yùn)輸成本的變化。因此，本文選擇旅游業(yè)的集聚為被解釋變量來(lái)驗(yàn)證空間D-S模型中運(yùn)輸成本的變化對(duì)產(chǎn)業(yè)集聚的影響情況。具體依據(jù)是：

1.旅游產(chǎn)業(yè)產(chǎn)生的是客運(yùn)需求而制造業(yè)產(chǎn)生的是貨運(yùn)需求。相比于貨物運(yùn)輸，客運(yùn)成本的影響因素比較單一，主要是道路的可達(dá)性和道路的等級(jí)。

2.相比于制造業(yè)，旅游產(chǎn)業(yè)集聚的內(nèi)生性問(wèn)題不明顯。首先，旅游產(chǎn)業(yè)的集聚并不會(huì)帶來(lái)較強(qiáng)的知識(shí)溢出和技術(shù)進(jìn)步；其次，由產(chǎn)業(yè)集聚帶來(lái)的信息傳遞效應(yīng)也并不會(huì)變成產(chǎn)業(yè)集聚的向心力；再次，從國(guó)家政策層面上來(lái)說(shuō)，對(duì)各地區(qū)旅游產(chǎn)業(yè)的發(fā)展并沒(méi)有過(guò)多的干預(yù)，各個(gè)地區(qū)都在努力的宣傳和發(fā)展當(dāng)?shù)氐穆糜萎a(chǎn)業(yè)，這在某種程度上構(gòu)成了一種平衡，使得政策因素在空間層面對(duì)旅游產(chǎn)業(yè)的集聚影響降低。

3.空間D-S模型最大的貢獻(xiàn)在于其在理論層面上論證了運(yùn)輸成本和產(chǎn)業(yè)集聚的“倒U型”關(guān)系。即在初始運(yùn)輸成本很高時(shí)，運(yùn)輸成本的下降會(huì)造成產(chǎn)業(yè)的集聚；而在初始運(yùn)輸成本很低時(shí)，運(yùn)輸成本的下降可能會(huì)造成集聚的瓦解。然而，由于制造業(yè)的集聚瓦解不僅受到運(yùn)輸成本的影響，還受到諸如知識(shí)溢出、技術(shù)創(chuàng)新以及企業(yè)遷移成本的影響，因此，“倒U型”關(guān)系難以在制造業(yè)的產(chǎn)業(yè)集聚中被驗(yàn)證。而旅游產(chǎn)業(yè)集聚的主體是游客而不是企業(yè)，基本不會(huì)產(chǎn)生遷移成本。同時(shí)，旅游產(chǎn)業(yè)集聚的向心力較為單一，其受到運(yùn)輸成本的影響較大。因此，本文將發(fā)現(xiàn)“倒U型”關(guān)系的現(xiàn)象寄希望于旅游產(chǎn)業(yè)的集聚與瓦解。

二、 旅游產(chǎn)業(yè)的集聚效應(yīng)分析

為了證明選擇旅游產(chǎn)業(yè)為本文研究案例的合理性，本節(jié)對(duì)我國(guó)旅游產(chǎn)業(yè)集聚效應(yīng)的存在性進(jìn)行驗(yàn)證。截至2016年，我國(guó)旅游產(chǎn)業(yè)產(chǎn)值達(dá)到32 979億元，旅游人數(shù)達(dá)到44.4億人次。與此同時(shí)，我國(guó)旅游產(chǎn)業(yè)的空間分布特征也越發(fā)明顯。本文選取了2007—2016年中國(guó)旅游統(tǒng)計(jì)年鑒中所有60個(gè)城市的旅游產(chǎn)業(yè)區(qū)位商為研究對(duì)象。圖1呈現(xiàn)的是不同規(guī)模(GDP)城市在2007—2016年旅游產(chǎn)業(yè)集聚程度的變化情況。

圖1 旅游產(chǎn)業(yè)區(qū)位商變化圖

圖2 旅游產(chǎn)業(yè)LISA指數(shù)分布圖

圖1中GDP取各城市2007—2016年的平均值以代表城市規(guī)模，即圖1中GDP的數(shù)值不隨時(shí)間變化。由圖1的分布情況來(lái)看，從概率上來(lái)說(shuō)，規(guī)模較小的城市在2007—2016年旅游產(chǎn)業(yè)集聚程度經(jīng)歷了先上升后下降的波動(dòng)過(guò)程，在2014年有一個(gè)明顯的上升，而后回落。而規(guī)模較大的城市，其旅游產(chǎn)業(yè)集聚程度呈現(xiàn)下降趨勢(shì)。同時(shí)，我國(guó)總體的旅游產(chǎn)業(yè)分布情況呈現(xiàn)出明顯的地域特征，規(guī)模較小的城市在旅游產(chǎn)業(yè)聚集方面擁有較高的數(shù)值。但也不能一概而論，從圖1可看到，也有部分規(guī)模較大的城市呈現(xiàn)出了旅游產(chǎn)業(yè)集聚的現(xiàn)象。本文運(yùn)用LISA指數(shù)來(lái)定量化研究旅游產(chǎn)業(yè)的空間集聚特征。設(shè)中心城市i的LISA指數(shù)Li滿(mǎn)足

(1)

在分析了我國(guó)2016年60個(gè)主要城市的LISA指數(shù)后，繪制出反映旅游產(chǎn)業(yè)局部集聚特征的平面圖(如圖2所示)。

綜上所述，無(wú)論是在全局空間還是局部空間，我國(guó)的旅游產(chǎn)業(yè)都表現(xiàn)出了較為明顯的空間依賴(lài)和集聚特征，因此，本文將采用空間計(jì)量模型來(lái)分析集聚的成因。

三、計(jì)量模型的設(shè)定

為了全面地檢驗(yàn)交通基礎(chǔ)設(shè)施與旅游產(chǎn)業(yè)集聚的關(guān)系，本文利用我國(guó)旅游統(tǒng)計(jì)年鑒中全部60個(gè)主要城市2007—2016年的數(shù)據(jù)為研究樣本。構(gòu)建空間計(jì)量經(jīng)濟(jì)模型，模型變量解釋如下：

KTR=β0+β1PHD+β2PRD+β3EHP+β4ERP+β5PGDP+β6DE

(2)

選用旅游產(chǎn)業(yè)區(qū)位商(KTR)為被解釋變量。之所以選擇該指標(biāo)，是因?yàn)榇罅康难芯恳呀?jīng)證明，區(qū)位商指標(biāo)可以很好的消除區(qū)域規(guī)模的差異因素，從而真實(shí)的反映地理空間的要素分布。計(jì)算公式為

KTR=(eir/∑ieir)/(∑reir/∑i∑reir)

(3)

式(3)中，eir表示地區(qū)i產(chǎn)業(yè)r的就業(yè)人數(shù)，∑ieir表示所有地區(qū)產(chǎn)業(yè)r的就業(yè)人數(shù)，∑reir表示地區(qū)r的總就業(yè)人數(shù)，∑i∑reir表示所有樣本城市的總就業(yè)人數(shù)。

選用人均公路密度(PHD)、人均鐵路密度(PRD)、高等級(jí)公路占比(EHP)、高等級(jí)鐵路占比(ERP)四項(xiàng)指標(biāo)作為模型中的解釋變量，選取以上指標(biāo)是因?yàn)楸疚闹饕钥瓦\(yùn)成本為紐帶分析交通基礎(chǔ)設(shè)施與產(chǎn)業(yè)集聚之間的變動(dòng)關(guān)系，因此，必須首先從邏輯上證明交通基礎(chǔ)設(shè)施建設(shè)和客運(yùn)成本之間的相關(guān)關(guān)系。目前學(xué)術(shù)界主要以?xún)傻鼗蚨嗟刂g的廣義運(yùn)輸費(fèi)用函數(shù)來(lái)測(cè)算兩地或多地之間的客運(yùn)成本[16]，如公式(4)所示：

(4)

在指標(biāo)選取上，本文并沒(méi)有用交通基礎(chǔ)設(shè)施投資作為模型的解釋變量，主要是因?yàn)槲覈?guó)的地理環(huán)境在空間上差異巨大，同樣的基礎(chǔ)設(shè)施投資帶來(lái)的客運(yùn)成本變化在不同的城市差異很大，該指標(biāo)無(wú)法準(zhǔn)確的代表客運(yùn)成本。而公路、鐵路人均密度可以代表城市居民的出行可達(dá)性情況并且不受地域空間的限制。選用高等級(jí)公路、鐵路比例為解釋變量主要是考慮了我國(guó)樣本期內(nèi)較為密集的高速公路、鐵路建設(shè)極大地方便了人們的出行，也在一定程度上通過(guò)提升旅客運(yùn)輸?shù)谋憬菪浴⑹孢m性和安全性進(jìn)一步降低了人們的出行阻抗。

在控制變量的選取上，本文選用區(qū)域人均生產(chǎn)總值(PGDP)和受教育程度(DE)來(lái)代表模型中的人均收入Y和旅游支出份額μ。用人均GDP來(lái)代表居民收入并沒(méi)有太大的爭(zhēng)議，而相關(guān)文獻(xiàn)也證明了人們受教育程度和旅游偏好呈現(xiàn)高度的正相關(guān)關(guān)系。整個(gè)模型只選用了兩個(gè)控制變量，從這一點(diǎn)上也可以看出旅游產(chǎn)業(yè)和制造業(yè)相比影響因素較為單一，內(nèi)生性問(wèn)題較小，方便開(kāi)展研究。

四、空間計(jì)量分析

為了從時(shí)間軸上檢驗(yàn)交通基礎(chǔ)設(shè)施與旅游產(chǎn)業(yè)變動(dòng)的關(guān)系，首先應(yīng)用截面數(shù)據(jù)對(duì)模型進(jìn)行空間計(jì)量分析。目前，被廣泛應(yīng)用的空間計(jì)量模型有兩種，分別為空間滯后模型(SLM)和空間誤差模型(SEM)：

KTR=β0+β1PHD+β2PRD+β3EHP+β4ERP+βiXi+ρWKTR+ε

(5)

KTR=β0+β1PHD+β2PRD+β3EHP+β4ERP+βiXi+(I-λW)-1μ

(6)

式(5)為SLM模型，主要考察各地區(qū)變量的空間相關(guān)性，檢驗(yàn)被解釋變量是否存在空間溢出效應(yīng)。其中，Xi為控制變量，W為空間權(quán)值矩陣，ρ為空間滯后變量系數(shù)，用以衡量觀(guān)測(cè)值的空間依賴(lài)性程度，ε為誤差項(xiàng)。式(6)為SEM模型，模型中假設(shè)其他未納入模型的變量具有空間相關(guān)性，λ為空間誤差系數(shù)，表示這種相關(guān)性的方向和大小，μ為誤差系數(shù)。空間計(jì)量模型的選用方法一般采用拉格朗日乘子檢驗(yàn)(LM)，算法公式如下：

LMLAG=[e′We/(e′e/N)]2/[(WXβ)′M(WXβ)/σ2]+tr(W2+W′W)

LMERR=[e′We/(e′e/N)]2/[tr(W2+W′W)]

(7)

式(7)中，tr表示矩陣的跡算子，e表示最小二乘估計(jì)的殘差向量，W表示空間權(quán)值矩陣，WβX表示觀(guān)測(cè)值βX的空間滯后，M=I-X(X′X)-1X′。兩種檢驗(yàn)值都服從χ2(1)分布。當(dāng)LMLAG在統(tǒng)計(jì)上較LMERR顯著，并且RubustLMLAG的顯著性也同時(shí)大于RubustLMERR時(shí)，表示觀(guān)測(cè)值具有較強(qiáng)的空間依賴(lài)性，因此，選擇SLM模型。反之，則說(shuō)明觀(guān)測(cè)值可能受到某個(gè)具有空間自相關(guān)的變量影響，選擇SEM模型。具體檢驗(yàn)結(jié)果見(jiàn)表1。

表1 拉格朗日乘子檢驗(yàn)結(jié)果(2007—2016)

以上結(jié)果均通過(guò)了10%的顯著性檢驗(yàn)

根據(jù)表1結(jié)果可知，LMLAG值均通過(guò)了10%的顯著性檢驗(yàn)且大于LMERR檢驗(yàn)值，并且在統(tǒng)計(jì)量上表現(xiàn)的更為顯著；同時(shí)，R-LMLAG的值也基本大于R-LMERR。因此，對(duì)于上述模型，本文選用空間滯后模型(SLM)來(lái)進(jìn)行空間計(jì)量分析。分析的方法選用極大似然估計(jì)法(ML)來(lái)避免普通最小二乘法(OLS)估計(jì)SLM模型時(shí)產(chǎn)生的非一致性問(wèn)題。

表2是運(yùn)用時(shí)間截面數(shù)據(jù)的SLM模型估計(jì)結(jié)果。從整個(gè)樣本期內(nèi)看，代表運(yùn)輸成本的四個(gè)變量基本都通過(guò)了10%的顯著性檢驗(yàn)。其中，高速鐵路占比情況ERP在2009年未通過(guò)顯著性檢驗(yàn)，且之前數(shù)據(jù)缺失，因?yàn)槲覈?guó)大規(guī)模的高速鐵路建設(shè)開(kāi)始于2008年京津線(xiàn)的開(kāi)通，在之前年份這一變量值基本為0。模型的擬合優(yōu)度介于60%～75%之間，Log-likelihood在17～20區(qū)間內(nèi)波動(dòng)，說(shuō)明該模型可以較好的解釋變量間的因果關(guān)系。

此次調(diào)研地點(diǎn)是青島市石老人景區(qū)、八大關(guān)景區(qū)以及太平角公園。調(diào)研對(duì)象是參加過(guò)低價(jià)團(tuán)的游客。由于調(diào)研對(duì)象難以確定，因此在發(fā)放問(wèn)卷時(shí)，首先確認(rèn)游客有隨團(tuán)出游的經(jīng)歷，再問(wèn)其旅游的目的地和相應(yīng)組團(tuán)報(bào)價(jià)，以此確定被調(diào)研者是否參加過(guò)低價(jià)游。調(diào)研時(shí)間是2017年6月10日—7月9日的每周周末，此時(shí)已進(jìn)入青島旅游旺季，游客較多?？偘l(fā)放問(wèn)卷190份，回收170份。剔除無(wú)效問(wèn)卷7份，實(shí)際分析的問(wèn)卷為163份，占總回收問(wèn)卷的95.9%。

表2 SLM模型估計(jì)

注：***，**，*分別表示通過(guò)1%，5%，10%的顯著性檢驗(yàn)

總體來(lái)看，代表運(yùn)輸成本的四個(gè)變量系數(shù)均為正，表明客運(yùn)成本變量與旅游產(chǎn)業(yè)變動(dòng)存在正相關(guān)關(guān)系。在系數(shù)方面，2016年，人均公路密度、人均鐵路密度、高等級(jí)公路占比、高等級(jí)鐵路占比四項(xiàng)指標(biāo)的系數(shù)分別為0.01，0.73，23.17，2.52，且在其他年份四項(xiàng)指標(biāo)的系數(shù)大小排序未發(fā)生變化。但從模型建立的原理上分析，由于各自變量數(shù)據(jù)在分析時(shí)并未做歸一化處理，因此，系數(shù)的大小并不能代表該自變量對(duì)因變量的影響程度。模型結(jié)果中系數(shù)的大小主要取決于數(shù)據(jù)的量級(jí)。其中，在通過(guò)顯著性檢驗(yàn)的條件下，由于我國(guó)的公路里程遠(yuǎn)大于鐵路里程，使得PHD的系數(shù)小于PRD的系數(shù)，又由于高等級(jí)公路占比、高等級(jí)鐵路占比均為0到1之間的數(shù)，因此，這兩項(xiàng)數(shù)據(jù)的系數(shù)較大，且從比例來(lái)看，我國(guó)高速鐵路占比遠(yuǎn)大于高等級(jí)公路占比，使得EHP的系數(shù)大于ERP的系數(shù)?？傊诜治鲎宰兞颗c因變量的關(guān)系時(shí)，系數(shù)的作用僅在于判斷自變量與因變量之間的正負(fù)相關(guān)性，而判斷自變量對(duì)因變量的影響程度則主要依賴(lài)于顯著性的分析。

在顯著性方面，2007、2008、2009年人均公路密度PHD的顯著性明顯大于PRD，隨著時(shí)間的后移，PHD的顯著性逐漸降低，PRD的顯著性增強(qiáng)，在2012年后者超過(guò)前者。EHP和ERP的變化也有相似的情況。這種現(xiàn)象和我國(guó)旅游業(yè)以及整個(gè)經(jīng)濟(jì)發(fā)展是吻合的，在早期我國(guó)鐵路客運(yùn)并不是很發(fā)達(dá)，人們的短途旅游出行大多選擇大巴車(chē)或者自駕游，長(zhǎng)途旅行中航空運(yùn)輸占了較大的比例，而隨著我國(guó)鐵路客運(yùn)的不斷發(fā)展以及公路建設(shè)的減緩，在降低人們的出行阻抗上鐵路充當(dāng)了較為重要的角色，并且橫向來(lái)看，這種情況有逐年增強(qiáng)的趨勢(shì)。與此同時(shí)，在樣本后期代表道路質(zhì)量的指標(biāo)EHP、ERP的顯著性明顯超過(guò)代表道路數(shù)量的指標(biāo)PHD、PRD。表明我國(guó)客運(yùn)成本變化驅(qū)動(dòng)因素的轉(zhuǎn)變。

模型中的空間滯后項(xiàng)在除2007、2008、2009年的時(shí)間內(nèi)通過(guò)了5%的顯著性檢驗(yàn)，系數(shù)均為正并且有逐漸升高的趨勢(shì)。這種現(xiàn)象的一種可能的解釋是旅游產(chǎn)業(yè)的空間溢出效應(yīng)以及各城市對(duì)于本地旅游產(chǎn)業(yè)開(kāi)發(fā)的逐年重視，促使消費(fèi)者的旅行選擇增多，旅行目的地不僅限于一個(gè)地點(diǎn)而是有了輻射帶動(dòng)效應(yīng)。

控制變量方面，人均收入指標(biāo)PGDP和受教育程度指標(biāo)DE在整個(gè)樣本期內(nèi)和旅游產(chǎn)業(yè)集聚都有著顯著的正相關(guān)關(guān)系，這種現(xiàn)象已經(jīng)被大量的研究證明，這里不做解釋。

以上的分析旨在觀(guān)察交通基礎(chǔ)設(shè)施的變化對(duì)旅游產(chǎn)業(yè)集聚的影響。接下來(lái)，將通過(guò)加入交通基礎(chǔ)設(shè)施變量二次項(xiàng)后的面板數(shù)據(jù)來(lái)檢驗(yàn)兩者之間的“倒U型”關(guān)系。這里與劉勇[13]在研究公路水路對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)效應(yīng)時(shí)選擇交通基礎(chǔ)設(shè)施的時(shí)間滯后期變量不同，原因是相對(duì)于制造業(yè)，旅游產(chǎn)業(yè)對(duì)于運(yùn)輸成本的變化較為敏感。但需要說(shuō)明的是，雖然本文之前闡述了旅游產(chǎn)業(yè)集聚的內(nèi)生性問(wèn)題較制造業(yè)產(chǎn)業(yè)較小，但并不表示不存在。一個(gè)可能的內(nèi)生性因素是各個(gè)城市的初始旅游資源分配不均衡，導(dǎo)致了管理層對(duì)發(fā)展旅游產(chǎn)業(yè)的偏好性不同，進(jìn)而影響交通基礎(chǔ)設(shè)施的投資決策。由于暫時(shí)沒(méi)有公認(rèn)的指標(biāo)作為控制變量來(lái)衡量這一因素，本文通過(guò)對(duì)面板數(shù)據(jù)進(jìn)行系統(tǒng)GMM估計(jì)的方法來(lái)解決這一可能存在的內(nèi)生性問(wèn)題。首先將這一可能的不隨時(shí)間變化的城市固定效應(yīng)λi加入模型

KTRi,t=θt+λi+βTRSi,t+β9PGDPi,t+β10DEi,t+εi,t

(8)

設(shè)TRS代表運(yùn)輸成本的所有相關(guān)變量，有：

(9)

系統(tǒng)GMM方法最早由Arellano和Bover提出，后來(lái)Blundell對(duì)其進(jìn)行了小樣本情形下的改進(jìn)。其具體做法是將水平回歸方程和差分方程結(jié)合起來(lái)進(jìn)行估計(jì)，在這種估計(jì)方法中，滯后水平作為一階差分的工具變量，而一階差分又作為水平變量，通過(guò)增加工具變量的方法來(lái)解決一階差分GMM方法可能產(chǎn)生的弱工具變量問(wèn)題，具體公式如下：

KTRi,t=ρKTRi,t-1+βTRSi,t+β9PGDPi,t+β10DEi,t+θt+λi+εi,t

(10)

為了增強(qiáng)計(jì)量結(jié)果的可靠性，本文通過(guò)對(duì)模型進(jìn)行序列相關(guān)AR檢驗(yàn)和Sargan檢驗(yàn)后表明，二階AR檢驗(yàn)拒絕原假設(shè)，即模型隨機(jī)誤差項(xiàng)不存在二階序列相關(guān)性，GMM估計(jì)有效；同時(shí)，Sargan回歸檢驗(yàn)的P值大于10%，說(shuō)明工具變量的選用是合適的，估計(jì)結(jié)果見(jiàn)表3。

表3 系統(tǒng)GMM模型估計(jì)

將模型的結(jié)果與采用普通最小二乘估計(jì)(OLS)與固定效應(yīng)模型(FE)估計(jì)后所得的結(jié)果對(duì)比發(fā)現(xiàn)，模型中的系數(shù)落在OLS結(jié)果和FE結(jié)果模型系數(shù)之間，說(shuō)明模型系數(shù)估計(jì)是合理的。觀(guān)察表3可發(fā)現(xiàn)，在考慮了模型中可能存在的內(nèi)生性問(wèn)題后，相關(guān)自變量的系數(shù)的顯著性并沒(méi)有發(fā)生較大的變動(dòng)。代表運(yùn)輸成本的四個(gè)變量值中除了鐵路密度PRD未通過(guò)5%顯著性檢驗(yàn)外，其他三個(gè)變量PHD、ERP、EHP都通過(guò)了5%的顯著性檢驗(yàn)，這個(gè)結(jié)果再次印證了本文的推斷，對(duì)于旅游產(chǎn)業(yè)的重新布局，高速鐵路正在扮演越來(lái)越重要的作用，而在高速鐵路出現(xiàn)之前，人們旅游出行方式中，鐵路運(yùn)輸?shù)姆蓊~不大，這就造成了結(jié)果中高等級(jí)鐵路占比的顯著性EHP要大于平均鐵路密度的顯著性PRD。同時(shí)，人均公路密度和高等級(jí)公路占比的顯著性較高，都通過(guò)了1%的顯著性檢驗(yàn)，表明以公路為主(自駕、長(zhǎng)途大巴)的出行方式仍然是人們旅游出行的主要組成部分。此外，所有系數(shù)都為正值，表明在面板數(shù)據(jù)分析中客運(yùn)成本的降低與旅游產(chǎn)業(yè)集聚依然有較強(qiáng)的相關(guān)關(guān)系。

與本文的預(yù)期一致，模型中的二次項(xiàng)系數(shù)為負(fù)值，證明運(yùn)輸成本與旅游產(chǎn)業(yè)集聚的確存在著“倒U型”關(guān)系，并且這種“倒U型”的關(guān)系相比于劉荷、王健[17]在研究制造業(yè)時(shí)得出的結(jié)果更加明顯。是因?yàn)橄噍^于制造業(yè)，旅游產(chǎn)業(yè)集聚的主體是游客而不是企業(yè)，其產(chǎn)業(yè)集聚的變動(dòng)不會(huì)產(chǎn)生遷移成本。再加上旅游產(chǎn)業(yè)集聚的向心力較為單一，使得運(yùn)輸成本下降對(duì)產(chǎn)業(yè)集聚的負(fù)作用在旅游產(chǎn)業(yè)中得到更加明顯的體現(xiàn)。還有一點(diǎn)需要注意的是，模型中表示受教育程度的變量EDU的系數(shù)變?yōu)樨?fù)值，一個(gè)可能的解釋是隨著當(dāng)?shù)厝藗兪芙逃降脑黾?，越?lái)越多的人傾向于離開(kāi)自己所處的城市到其他城市旅游，反而促進(jìn)了其他城市旅游產(chǎn)業(yè)的集聚。

五、結(jié)論及啟示

就我國(guó)旅游產(chǎn)業(yè)的集聚情況看，在2007—2016年的10年間，我國(guó)交通基礎(chǔ)設(shè)施建設(shè)對(duì)產(chǎn)業(yè)集聚有顯著影響，且代表交通基礎(chǔ)設(shè)施建設(shè)水平的運(yùn)輸成本和產(chǎn)業(yè)集聚之間存在著明顯的“倒U型”非線(xiàn)性關(guān)系；在我國(guó)目前的交通基礎(chǔ)設(shè)施建設(shè)中，道路質(zhì)量指標(biāo)比道路數(shù)量指標(biāo)更能影響產(chǎn)業(yè)集聚的變動(dòng)，尤其是高速鐵路建設(shè)對(duì)于我國(guó)整體客運(yùn)成本的降低效應(yīng)和因此而產(chǎn)生的產(chǎn)業(yè)集聚變動(dòng)作用更加明顯。

根據(jù)以上結(jié)論，本文得到如下啟示：

1.以交通基礎(chǔ)設(shè)施建設(shè)為著力點(diǎn)，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的均衡

研究表明，交通基礎(chǔ)設(shè)施建設(shè)對(duì)產(chǎn)業(yè)集聚不僅有促進(jìn)作用，在發(fā)展到一定階段后，還有部分抑制作用，這對(duì)于我國(guó)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整具有重要意義。就旅游產(chǎn)業(yè)的情況來(lái)看，在我國(guó)偏遠(yuǎn)地區(qū)，特別是位于中西部的旅游景點(diǎn)多在少數(shù)民族地區(qū)，旅游資源非常豐富，但整體的旅游產(chǎn)業(yè)集聚程度較低，發(fā)展空間巨大。相關(guān)部門(mén)應(yīng)大力發(fā)展交通基礎(chǔ)設(shè)施建設(shè)，逐漸消除與周邊區(qū)域之間要素轉(zhuǎn)移和交流的障礙。從全國(guó)的層面來(lái)看，我國(guó)旅游產(chǎn)業(yè)的發(fā)展存在不均衡問(wèn)題，解決該類(lèi)問(wèn)題的首要舉措還是應(yīng)進(jìn)一步提高現(xiàn)有交通基礎(chǔ)設(shè)施的服務(wù)水平，降低社會(huì)運(yùn)輸成本，使得運(yùn)輸成本對(duì)產(chǎn)業(yè)集聚的“倒U型”效應(yīng)體現(xiàn)出來(lái)，實(shí)現(xiàn)我國(guó)旅游產(chǎn)業(yè)的均衡發(fā)展。

2.加強(qiáng)高速鐵路建設(shè)，進(jìn)一步降低綜合運(yùn)輸成本，減少產(chǎn)業(yè)集聚阻力

改革開(kāi)放以來(lái)，我國(guó)城鎮(zhèn)化快速發(fā)展，預(yù)計(jì)2020年將達(dá)到60%左右。隨著城鎮(zhèn)化水平提高及城市群的發(fā)展，人口和產(chǎn)業(yè)集聚的中心城市之間、城市群內(nèi)部的客運(yùn)需求強(qiáng)勁，對(duì)交通基礎(chǔ)設(shè)施承載能力提出了更高的要求。而根據(jù)系統(tǒng)GMM估計(jì)后的結(jié)果，相對(duì)于人均鐵路密度指標(biāo)，高鐵占比指標(biāo)對(duì)產(chǎn)業(yè)集聚的影響更加顯著。因此，加快發(fā)展高速鐵路，形成高速鐵路、城際鐵路等有機(jī)結(jié)合的快速鐵路網(wǎng)絡(luò)，滿(mǎn)足大流量、高密度、快速便捷的客運(yùn)需求，為拓展區(qū)域發(fā)展空間、減少產(chǎn)業(yè)集聚阻力、促進(jìn)產(chǎn)業(yè)合理布局和城市群健康發(fā)展提供基礎(chǔ)保障，同時(shí)，也可為廣大居民提供大眾化、全天候、便捷舒適的基本公共服務(wù)。

3.提升運(yùn)輸服務(wù)質(zhì)量，提高交通基礎(chǔ)設(shè)施現(xiàn)代化發(fā)展水平，推動(dòng)產(chǎn)業(yè)集聚發(fā)展

從我國(guó)整體的交通基礎(chǔ)設(shè)施建設(shè)水平看，交通基礎(chǔ)設(shè)施現(xiàn)代化發(fā)展進(jìn)入了新的階段。依據(jù)SLM模型估計(jì)結(jié)果，在影響產(chǎn)業(yè)集聚的因素中，代表運(yùn)輸服務(wù)質(zhì)量的高鐵占比指標(biāo)和高速公路占比指標(biāo)的顯著性和系數(shù)都隨著時(shí)間的推移而逐漸升高。因此，為了進(jìn)一步發(fā)揮交通基礎(chǔ)設(shè)施對(duì)產(chǎn)業(yè)集聚的推動(dòng)作用，應(yīng)以交通現(xiàn)代化發(fā)展為主要目標(biāo)。在交通基礎(chǔ)設(shè)施建設(shè)中，應(yīng)實(shí)現(xiàn)從投入帶動(dòng)到技術(shù)推動(dòng)的轉(zhuǎn)變，由主要依靠增加物質(zhì)資源消耗，資本、土地要素的大量投入，向科技進(jìn)步、行業(yè)創(chuàng)新、從業(yè)人員素質(zhì)提高和資源節(jié)約、環(huán)境友好轉(zhuǎn)變，使交通基礎(chǔ)設(shè)施及裝備水平、運(yùn)營(yíng)管理、運(yùn)輸組織方式及服務(wù)水平等得到有效提高，著力打造高品質(zhì)、多樣化的客貨運(yùn)輸服務(wù)體系。