王玙璠

（贵州大学经济学院，贵州贵阳 550025）

一、引言

旅游业当前已经成长为我国经济发展中的支柱性产业之一，作为一个关联性强、综合性强、辐射性强的经济产业，旅游业的迅速发展不仅能够同时带动第一、第二产业逐步转型，同时还能够在增加就业岗位、提升城市形象、扩大对外开放、优化区域产业结构等方面发挥重要作用。在全国各省市中，贵州省地处我国西南方喀斯特核心区域，是一个多民族聚居的地区，具备了丰富的喀斯特自然景观和多样的民族习俗文化，是旅游资源较为丰富的省份。近年来，贵州结合自身资源优势大力打造山地旅游品牌，成功创建了全国第一批国家全域旅游示范区，约90 万贫困人口从旅游产业的蓬勃发展中受益。从1990—2018 年，贵州的旅游产业在薄弱的基础上不断发展，到如今实现大幅度的跨越式增长，已然成为了全省经济发展中的核心产业之一。因此，本文建立VAR 模型来研究贵州旅游业发展与经济增长之间的动态发展关系，并通过脉冲响应分析和方差分解来分析二者之间的相互贡献度。研究结论对于促进贵州省经济增长和旅游业发展来说具有一定的参考价值和借鉴意义。鉴于目前缺乏以贵州省为研究对象的实证研究，本文可以为相关研究内容做出一定的补充。

二、文献综述

（一）国外相关研究

对于旅游业收入增长与经济增长之间的关系问题，国外的学者大多以做实证研究为主。大部分学者都支持经济增长可以推动旅游业发展的结论，对于经济发展来说旅游业已被视为重要推动力之一。其在创造外汇、创造就业机会和增加地方财政收入方面产生积极的影响[1-3]。Akan 等（2008）[4]以土耳其的相关数据为基础，通过协整检验后发现：土耳其经济发展对旅游业起到长期的、稳定的促进作用。Brida 等（2009）[5]以南美洲的智利为研究对象，研究了一国汇率、旅游支出和经济扩张之间的因果关系，采用Johansen 协整检验对假设进行了实证分析，研究结果表明二者之间存在正相关关系且旅游业的发展对经济增长的贡献度较高，换句话说，在智利的经济增长中，最主要影响因素之一便是旅游业的增长。Ayeni 和Ebohon（2012）[6]通过定性方法分析尼日利亚旅游业的可持续增长，结论认为旅游业已经成为尼日利亚经济多样化的重要工具。Adnan和Ali（2013）[7]使用年度数据估计巴基斯坦旅游收入与经济发展之间的长期关系，实证结果证明了旅游业收入促进了巴基斯坦经济增长。Shahbaz 等（2018）[8]在研究中探讨了中国、法国、德国等世界前十大旅游目的地的旅游业发展与经济增长之间的时空因果关系，他的研究表明不同国家之间旅游业与经济增长之间的因果关系会随着时间的推移以及国家和地区的大小和方向发生很大变化。Koi等（2020）[9]在研究中探讨了旅游驱动增长假说的背景因素，发现旅游业在发展中国家比在发达国家更能够刺激经济增长。也有部分学者根据不同国家的情况得出了相反的结论。如Oh（2005）[10]构建双变量VAR 模型，最终结果表明以旅游为主导的经济增长的假说在韩国经济中不成立。

（二）国内相关研究

在国内，对于旅游业收入增长与经济增长之间的关系问题，相关研究也同样以实证研究为主。主要研究方法可细分为以下三类：

第一类是使用协整性检验和格兰杰因果检验。使用这种方法可以简单判断经济变量之间是否存在长期均衡关系，或是从统计意义上判断是否存在因果关系。如李倩（2020）[11]在研究中以1990—2016年全国的时间序列数据为基础，从产业高级化相关理论入手，分析并测度了我国旅游业产业高级化发展的历史沿革和具体水平值，并通过检验表明经济增长与旅游业发展之间存在长期协整关系，并且为双向的Granger 因果关系，正向促进作用程度较大、效果明显。得出同样结论的还有以贫困地区作为研究目标的陈兵建和吕艳丽（2020）[12]。但也有少部分学者得出了不同的结论，比如罗文斌等（2012）[13]以我国的时序数据为基础，探究我国旅游业发展、第三产业发展与经济增长之间的因果关系。在实证研究中发现：旅游业发展同其他两个变量之间只存在单向Granger 因果关系，而反向的因果关系并不存在。王伟和刘小伟（2015）[14]以海南省的相关时序数据，其研究同样表明二者虽然存在长期且稳定的协整关系，但旅游业对GDP 增长的促进作用目前还没有很好地体现出来。同样，黄月玲（2019）[15]以广西桂林的时序数据为研究基础，也得到了相似的结论。由此看来，根据选取的研究对象不同，所得到的实证结果也有所差异，这主要是由于我国各省市之间经济发展程度和旅游业开发水平参差不齐造成的。

第二类是使用建立耦合协调模型的方法。大部分学者将此方法用于评价区域经济与旅游产业协调发展程度研究中，如胡凤英等（2015）[16]在广义耦合协调度理论的基础上，阐述了旅游业与经济发展之间耦合的作用机理，将广西作为研究对象，测算出不同地级市之间二者耦合互动影响程度，并对各个地级市的协调水平作出评价。王兆峰（2019）[17]则偏向于研究地区的产业集聚，通过引入耦合协调模型，以湖南省长株潭地区作为研究对象，论述了该区域下经济增长与旅游产业的集聚之间耦合的不同阶段，以及每一阶段所体现出来的耦合特征。除此之外，还有研究将构建评价指标体系与耦合模型相结合，如Cheng 和Zhang（2020）[18]建立综合指标体系和耦合协调度模型，研究了北川县旅游业发展与经济增长在汶川地震后的耦合协调关系，表明二者存在长期的稳定关系。

第三类是运用其他计量方法。如徐春红等（2017）[19]通过构建面板回归模型分析区域下旅游业发展和经济增长率之间的影响机制以及时空演化格局。研究结果表明：当旅游产业依赖度不断增加到达门槛值时，负外部性就会逐渐凸显出来，从而对经济增长有不利影响。而如旅游产业不断趋向高级化，跨过发展瓶颈后，则会成为区域经济增长中新的推动力，这一结论与赵磊和方成（2017）[20]、张大鹏和涂精华（2020）[21]的研究结论相同。其中，向量自回归（VAR）模型由于其操作难度不高，且不依附相关经济理论作为基础，并且同时可以对不同的经济指标进行处理后再进行预测，被学术界广泛应用于各类经济问题的研究。使用VAR 方法研究二者关系的文章近年来也逐渐增加，比如Yang 等（2019）[22]、陈文捷和高雪（2018）[23]、谷新辉（2011）[24]、把多勋和杨光（2013）[25]。

通过梳理相关文献，绝大部分的研究者都认为旅游业和经济增长之间存在双向的、长期的相互促进关系。但针对不同国家、不同省份、不同地区来说，由于各地经济发展环境与程度不同，最终的实证结果也有所差异。从研究方法来看，使用前两类方法的学者占大多数，但使用该类方法所得到的研究结论较为单一。此外，虽有学者使用VAR 模型研究二者动态关系，但其中缺乏针对贵州省的实证研究。

三、VAR 模型的建立

（一）数据选取与变量说明

为保证数据的可获得性与真实性，且能服务于研究主题，本研究选用贵州省国内生产总值（GDP）作为衡量经济发展水平的指标，旅游总收入（TTR）作为衡量贵州省旅游业发展水平的指标。这里TTR将由两部分数据加总，分别是旅游外汇收入和国内旅游收入。需要说明的是，国家统计局公布的数据一般是当年的名义值，因此为了消除人口因素和物价变动的影响，首先要对数据进行从名义值转换为真实值处理。具体做法为：首先选取1990 年为基期，再将各年份的GDP 平减指数计算出来，在此基础上通过换算得到各变量的实际值。其中，旅游外汇收入这一指标需要额外进行换算，因旅游外汇收入的原始数据是名义变量且以美元为计价单位，为了消除汇率波动的影响,按照年鉴中公布的每年货币汇率年平均价将旅游外汇收入换算为以人民币为计价单位的变量,再按照每年的CPI 指数将其转化为实际变量。

本文研究数据全部来源于《贵州省统计年鉴（1991—2019）》。因所用数据均为时间序列数据，因此要考虑消除异方差的影响，根据计量经济学理论，消除异方差性的一种方法是将其取自然对数。对数据取自然对数后，不会改变相关变量间的动态关系，同时回归得到的方程式的各项系数具有经济学中弹性的性质，即能够通过自变量的变化程度，反映出因变量受到自变量影响的变化程度。在进行VAR 模型的建模分析前，首先需要对原始数据进行对数化处理，在下面的分析中用LGDP 和LTTR 来代表自然对数化以后的贵州省GDP 总量和旅游总收入。

（二）VAR 模型构建

Sims 在1980 年首次提出VAR 模型，即向量自回归模型。一般来说，在经济模型中无法完全区分出内生变量与外生变量，为了避免这种误差，在VAR模型中不以相关经济理论为依据，采用多方程联立的形式，把系统中的每个影响因素都作为内生变量,在确定滞后阶数后，将内生变量的滞后值也进入系统使其成为解释变量，从而研究系统中的不同变量在动态变化中的关系。VAR 模型的表达式如下：

式（1）中，Yt是（n×1）向量组成的同方差平稳的线性随机过程；α 是VAR 模型截距列向量；βi是（n×n）的系数矩阵；Yt-i是Yt向量的i 阶滞后变量；εt是随机干扰项；其中，i=1，2，…，k。

四、实证分析

首先对两个时间序列进行描述性统计分析，运用Python 软件绘制变量LGDP、LTTR 及差分变量DLGDP、DLTTR 的时序图。由图1 观察可得：LGDP、LTTR 的原始数据具有常数项趋势和向上发展趋势，说明这两个变量都为非平稳的时间序列。从一阶差分图来看，在一阶差分过后两个变量（DLGDP、DLTTR）的时间趋势几乎消失，可以进一步判断其平稳性。

图1 变量LGDP、LTTR 及一阶差分后DLGDP、DLTTR 时序图

（一）变量平稳性检验

伪回归现象常出现在时间序列数据的分析过程中。构建VAR 模型的第一步便是检验数据的平稳性。为保证分析准确性，首先运用ADF 检验法对LGDP、LTTR 进行单位根检验，当内生变量为同阶单整时，则通过平稳性检验。检验结果如表1 所示。

表1 各指标的ADF 检验结果

观察表1 的ADF 检验结果可得：LGDP 序列数据的ADF 值大于其10%level 临界值，不满足平稳性要求。而LTTR 序列数据的ADF 值大于10%level临界值，通过平稳性检验。因此对LGDP 数据进行一阶差分得到D（LGDP）序列，其ADF 统计量小于10%level 临界值，因而LGDP 和LTTR 为一阶单整序列，均通过平稳性检验。

（二）VAR 模型滞后阶数p 确定

滞后阶数的确定是构建ADF 模型的前提条件，通过AIC 信息准则、LR 检验以及SC 准则等方法获得，但在选择滞后阶数时主要以AIC 信息准则的结果为准。VAR 模型滞后期检验结果如表2 所示。由表2 的结果中选出最佳滞后阶数p 为1，因此根据所选取的最佳阶数所创建的VAR（1）模型如下：

表2 VAR 模型滞后期检查结果

由方程（2）和方程（3）的估计结果可知，方程（2）的拟合优度R2为0.342 977，方程（3）的拟合优度R2为0.230 701；且方程（3）存在不显著现象，说明旅游业收入滞后一阶与经济增长滞后一阶无法解释当期旅游收入的增长。从方程（2）来看，当上一期旅游总收入增加1%时，会引起当期的GDP 增长0.045%。上一期的GDP 增长1%时，会引起当期的GDP 增长0.42%。可以说明旅游总收入对经济增长来说有显著影响，但影响效果比较弱。

（三）协整性检验

由于LGDP 和LTTR 都是单整序列，本文将使用Johansen 协整检验法对两变量进行协整关系检验，检验结果如表3 所示。

表3 Johansen 协整性检验结果

通过分别观察Trace Statistic 检验和Max-Eigen Statistic 检验的结果可以看出：在95%的置信水平下拒绝原假设，说明两变量之间存在长期均衡的唯一协整关系。

（四）格兰杰因果检验

若要观察二者之间是否存在互相的因果作用关系，还需要进行格兰杰因果关系检验。检验结果如表4 所示。

表4 Granger 检验结果

从表4 中我们可以看出：对于假设（1）“LTTR不是LGDP 的原因”这一假设，Granger 因果检验的F 统计量为3.305 72，p 值为0.081 5，在小于10%的概率下拒绝了原假设，说明旅游业总收入增加是经济增长的原因。但对于假设（2）“LGDP 不是LTTR 的原因”这一假设，Granger 因果检验没有拒绝原假设，说明经济增长不是旅游业总收入增加的原因。由此可得出结论：旅游总收入增加是经济增长的单向Granger 原因。

（五）脉冲响应分析

格兰杰检验只从统计角度简单描述了两变量之间是否有方向性的互相影响，而旅游业的发展对经济增长的动态影响规律如何，还需要进一步进行脉冲响应分析。脉冲响应能够以一种较为直观的形式，将变量互相之间动态变化描述出来。这种方法在分析时间序列模型时，能够将模型中每一变量的一个新标准差的冲击对其他变量在当前及未来的变化程度和轨迹变化显示出来。接下来本文将在前文所建立VAR 模型的基础上，分别给LGDP、LTTR两个变量一个标准差的冲击，观察两个变量的反应情况。将冲击响应期设为10 期，并根据AIC 和SC原则，考察未来10 期内文化产业与旅游业发展之间的交互动态响应路径。脉冲响应结果如图2 所示。这里对图2 中所示信息做出简要说明：蓝色实线反应的是被冲击变量的变化情况，黑色虚线表示的含义是两倍的标准差形成的区间。横轴的含义为滞后阶数，纵轴的含义为两个变量分别对自身及对方冲击所形成的响应程度。

图2 脉冲响应图

首先观察图2 中右上部分，给变量LTTR 一个单位的正向标准差冲击后，观察LGDP 的脉冲响应函数，可见当给LTTR 一个冲击后，给LGDP 带来一个滞后一期的正向影响效果，即在冲击过后的一年中显示出促进效果。从第2 期开始逐渐下降，从第6期及以后开始趋近于平稳。冲击所形成的促进作用较为短暂且不持续，由此可进一步说明贵州省的旅游业发展对经济增长具有正向的促进效应，但持续时间约为1 年，从第2 年开始就有所减弱，促进效应从短期来看有一定的效果，但持续时间较为短暂。再来观察图2 左下部分，同样给变量LGDP 的一个单位的正向标准差冲击，观察LTTR 的脉冲响应函数，可见在一个冲击后，给LTTR 同样带来一个滞后一期的正向影响效果，同样也是在冲击后一年内达到最大冲击效果。从第2 期开始时逐渐下降，随后缓慢下降并趋近于平稳。由于前文在VAR 模型构建过程中发现LGDP 对LTTR 影响不显著，因此以上解释仅提供参考意义。

（六）方差分解

方差分解能够进一步对各内生变量对预测变量方差的贡献量进行评测，用定量的形式测度出变量之间的波动影响联系。方差分解的结果可以对影响模型中各个变量的每一随机扰动项的相对影响程度作出解释。LGDP 和LTTR 的方差分解结果如表5所示。

表5 方差分解结果

从方差分解的结果可得：首先看LTTR 对自身和对LGDP 的贡献情况。在当期时，LTTR 对自己的贡献达到最大。从第2 期开始缓慢下降，第5 期开始逐渐维持在87.9%左右的水平，波动情况可以忽略不计。而在当期时，LTTR 对LGDP 的贡献较小，约为6.3%。自第1 期开始缓慢上升，至第5 期时达到较高水平，大约维持在12.1%左右的水平。其次再看LGDP 对自身和对LTTR 的贡献情况。当期时，LTTR 不受LGDP 的影响。自第2 期开始影响达到最大值，约为91.8%。自第2 期开始影响程度缓慢下降，至第7 期维持在大约87.7%的水平上。LGDP 则对当期的LGDP 无影响。自第2 期贡献度开始缓慢上升至8.2%，同样自第5 期后逐渐稳定在12%的水平左右。

五、结论与建议

通过相关分析后本文得到如下研究结论：第一，通过协整检验结果可知，贵州省旅游总收入与GDP 之间存在长期协整关系。在构建VAR（1）方程时，发现旅游业收入滞后一阶与经济增长滞后一阶无法解释当期旅游收入的增长，方程存在不显著现象；而滞后一期的GDP 和滞后一期的旅游业总收入对GDP 本身的影响较为显著，但影响程度较小。第二，从格兰杰因果检验结果来看，二者之间只存在单向Granger 关系，即旅游业收入增长是GDP 增长的Granger 原因，而GDP 增长不是旅游业收入增长的Granger 原因。第三，通过脉冲响应分析和方差分解结果可知，旅游业收入增长对GDP 增长存在正向的影响作用，但作用时间较为短暂且效果不明显，基本从第2 期开始影响程度就缓慢下降且逐渐趋于平稳，从长期来看促进效果还有待提升。

这其中的原因是多方面的：一是贵州省GDP 增长主要依靠大量固定资产投资拉动，其中大部分投资都主要集中在房地产、公路基建等领域，而这些领域的投资对旅游业的带动作用目前还未体现出来。二是贵州省旅游业发展起步较晚、基础较弱，改革开放以来旅游业的发展虽取得了一定的成绩，但目前还处在向成熟推进的阶段，还存在基础设施薄弱、服务质量不高、资源开发水平较低等问题，与其他发达省份相比还存在巨大差距，因此旅游业收入的增长虽然对经济增长能够起到正向促进作用，但效果不凸显。

因此，本文提出以下建议：第一，政府应该继续重视并建立旅游业相关的政策支持环境，还需考虑制定长期政策或长期措施以支持旅游业的可持续发展。第二，进一步提高旅游业相关的基础设施建设水平、接待基础设施质量、旅游景区环境、旅游品牌形象建设以及人才培育等促进旅游发展的主要要素，将贵州独有的少数民族文化旅游资源深度挖掘出来，设计开发出更有吸引力的旅游产品；与此同时，政府要创造良好投资环境以此吸引更多民间资本或企业进行旅游投资开发。第三，随着近年来贵州大量投资公路基建和大数据建设，其交通区位优势和新的历史机遇逐渐显现，可根据旅游资源的地域分布构建更为完善的旅游交通网络，同时依托大数据平台建设“数字旅游”，给游客提供更人性化、更为全面的旅游服务。