程玉 杨勇

摘 要：

作为衡量旅游经济增长品质的关键指标，旅游经济增长效率与互联网之间的理论关联反映了互联网影响旅游业发展的规律与价值。基于2006—2017年中国大陆30个省级行政区划的平衡面板数据，从中介效应、非线性动态效应及空间溢出效应等视角切入，探究互联网对旅游经济增长效率的多维度作用机制及其影响效应。研究结论如下：第一，互联网对旅游经济增长效率具有显著的提升作用，说明互联网已成为新常态下旅游经济增长的新动能。第二，互联网通过推动要素结构变动而间接驱动旅游经济增长效率提升，但间接效应小于直接效应。第三，互联网与旅游经济增长效率之间存在明显、积极且“边际效应”递增的非线性关联，验证“网络效应”与“梅特卡夫法则”存在。第四，互联网在释放本地红利的同时，对其他地区旅游经济增长效率产生正向、显著的空间溢出影响，且该溢出效应受到交通基础设施与制度环境的正向空间调节作用。

关键词：互联网; 旅游经济增长效率; 要素结构变动; 交通基础设施; 制度环境

作者简介：程玉， 华东师范大学工商管理学院博士研究生，主要研究方向：旅游经济（E-mail：ycheng618@foxmail.com ；上海 200062）。杨勇， 华东师范大学工商管理学院教授，博士生导师，经济学博士，主要研究方向：旅游经济。

基金项目：华东师范大学优秀博士生学术创新能力提升计划项目（YBNLTS2020-016）

中图分类号：F592.1  文献标识码：A

文章编号：1006-1398（2023）01-0038-18

互联网引发的新一轮科技变革对生产、生活系统产生了颠覆式影响。党的十九大报告指出“我国经济已由高速增长阶段转向高质量发展阶段”，国民经济社会的各行各业全面贯彻新发展理念，培育创新驱动的发展模式。作为国民幸福产业的典型代表，旅游业如何依托互联网尽快实现质量、效率和动力变革，成为亟需解决的问题。从“互联网+”与“旅游+”的特征来看，二者在跨行业融合生产要素与内容上具有天然适配性。在“互联网+旅游”的复合乃至融合体系中，互联网推动旅游供给与消费呈现新格局，已然成为旅游业提高现代化水平、调整发展方式与转变增长动能不可或缺的科技引擎。

互聯网对于旅游业发展的重要性以及产生的影响受到了学界的研究关注。比较多的文献以定性的方式讨论了互联网在旅游业发展中的地位与应用【BUHALIS D.Information technologies as a strategic tool for economic， cultural and environmental benefits enhancement of tourism at destination regions.Progress in Tourism and Hospitality Research， 1997， 3（1）， pp.71-93.】【BUHALIS D， JAFARI J， WERTHNER H.Information technology and the reengineering of tourism.Annals of Tourism Research，1997，24 （1），pp：245-247.】【GO F.The role of computerized reservation systems in the hospitality industry.Tourism Management， 1992， 13 （1）， pp.22-26.】，其中一个分支领域为互联网与旅游业融合发展的相关内容，包括融合动因、动力机制、路径等【周琳、刘懿锋 ：《旅游产业与互联网融合发展研究》， 《理论探讨》2019年第6期， 第114—117页。】。在互联网与旅游业融合发展阶段，互联网表现出对微观旅游企业、中观旅游行业及宏观旅游发展环境等的广泛正面影响【孙坚 ：《互联网+”时代：旅游酒店业发展的新思考》， 《旅游学刊》2015年第7期， 第11—13页。】。这不仅有利于旅游业发展规模的扩大，还对旅游经济增长效率变革产生影响。但既有研究中，实证分析互联网影响旅游业发展效率过程的“黑箱”的文献实属罕见。旅游经济增长效率作为旅游业高质量发展的关键指标之一，其与互联网的互动关系尚待系统梳理与实证检验。

立足中国旅游业与互联网发展的现实背景及理论基础，提出如下问题：互联网发展是否提升了中国旅游经济增长效率？内在影响机制与具体效应是怎么样的？鉴于既有研究尚难以回答这些问题，本文力图基于详实经验数据分析互联网对旅游经济增长效率的影响。针对上述问题，遵循本地效应—空间效应的视域变化，理顺本地效应视角下的静态线性与动态非线性因果关联，并扩展至空间关系视角下的溢出效应。在线性研究中，选取要素结构变动视角对互联网与旅游经济增长效率之间的中介效应进行研究，以探究互联网发展如何，以及在何种程度上发挥优化旅游产业结构、推动旅游经济增长效率提高的作用；在非线性研究中，主要探讨互联网对旅游经济增长效率的动态影响特征；在空间效应研究中，结合中国旅游业发展的政治经济背景，分析交通基础设施与制度环境在互联网对旅游经济增长效率空间溢出影响中的调节机制。基于上述视角与文章立意，本文尝试在统一理论框架内探究互联网发展如何影响旅游经济增长效率。

本文将研究重点聚焦于互联网对旅游经济增长效率的多维影响机制及其效应，从线性效应、非线性门槛效应和空间溢出效应三条不同作用路径开展基于省际样本的实证研究，以期对互联网是否成为旅游经济增长新动能这一问题提供源于中国的经验证据。本文可能的边际贡献在于：第一，理论发展的创新。于统一框架内探讨互联网对旅游经济增长效率的影响路径，支持了互联网通过推动要素结构变动进而影响旅游经济增长效率的中介机制，以及交通基础设施与制度环境对互联网溢出效应的空间调节机制。在深化既有文献研究内容的基础上，拓展了互联网与旅游经济增长研究领域的理论架构。第二，研究视角的创新。系统梳理互联网与旅游经济增长效率之间的因果关联机制，采用多方法、跨地理尺度、多视角相结合的研究策略，从本地效应到空间效应，为“互联网+旅游”背景下旅游业智慧化、数字化发展实践提供学理参考。

一 文献综述

旅游经济增长受到诸多因子的影响，其中约束作用较为显著且已经得到广泛研究关注的因子包括：旅游产业结构、经济发达程度、政府政策支持力度、交通可进入性、旅游资源优势、旅游产品特色、旅游市场规模与潜力等【余凤龙、黄震方、曹芳东 ：《制度变迁对中国旅游经济增长的贡献——基于市场化进程的视角》， 《旅游学刊》2013年第7期，第13—21页。 】【侯志强 ：《交通基础设施对区域旅游经济增长效应的实证分析——基于中国省域面板数据的空间计量模型》， 《宏观经济研究》2018年第6期，第118—132页。】。伴随科技产业的发展，（移动）互联网、人工智能、可穿戴技术等现代高科技实现了旅游业领域的渗透与应用，并逐渐形成融合发展路径。鉴于任何时代的产业结构和产业形态都是一定的技术水平、市场结构和资源结构的综合反映【王德刚 ：《互联网对旅游业创新能力提升的促进作用》， 《旅游学刊》2016年第5期，第7—8页。】，信息通讯技术（ICT）的演化引领旅游业跨越过数字化应用阶段而迈入创新发展时代，对旅游经济系统的诸多方面产生了影响。从作用对象与主体差异来说，旅游业发展的互联网效应体现为旅游消费方的互联网效应、旅游供给侧的互联网效应与旅游管理方的互联网效应。

旅游消费者行为方式与习惯表现出崭新的特征，借助互联网进行旅游决策、购买产品、体验产品、评价旅游经历等成为新时代旅游旅行活动“必备”【BUHALIS D.Strategic use of information technologies in the tourism industry.Tourism Management， 1998， 19 （5）， pp.409-421.】。不仅如此，由旅游者主导并基于真实旅游体验感受的UGC内容成为旅游社群扩大与流量导入的重要板块【湛研 ：《智慧旅游目的地的大数据运用：体验升级与服务升级》， 《旅游学刊》2019年第8期，第6—8页。】。更进一步，典型旅游群体的情感诉求与兴趣重新定义传统旅游目的地并衍生新产品与新面貌，倒逼旅游供给的转型升级，如网红打卡地、网络综艺拍摄地等【田志奇 ：《文旅融合下旅游目的地互联网思维的产品营销及创新》， 《旅游学刊》2019 年第8期， 第8—10页。 】。就互联网与旅游供给的关系而言，互联网赋能下的旅游产品具備了全新的生产方式、内涵价值、表现形式等。较之数字产业化阶段的单一旅游宣传功能，产业数字化阶段互联网对旅游企业的影响已经具有战略性价值，催生多元化的企业类型【FENG R M， MORRISON A M， ISMAIL J A.East versus West： A comparison of online destination marketing in China and the USA.Journal of Vacation Marketing， 2004， 10（1）， pp.43-56.】。如，以携程为代表的平台型企业引领线下旅游业转型为线上—线下旅游的协同发展模式，构建旅游供给新生态、新规则与新秩序，推动以旅游企业为中心的供给方式转变为以旅游者为核心的产业价值链【杨德进、徐虹 ：《互联网新动能激发旅游业七大战略性变革》， 《旅游学刊》2016年第5期， 第1—3页。】。此外，互联网对旅游政府管理与行业管理等体制机制层面产生了深刻影响【薛丽 ：《“互联网+旅游”背景下旅游业新型监管模式研究》， 《中国行政管理》2018年第5期， 第59—62页。】。

在互联网与旅游业发展的关系上，系列研究分析、证实了互联网对旅游业方方面面的有利影响。尽管有些学者认为应同时警惕其可能存在的负面效用【王昆欣、史庆滨 ：《互联网旅游的反省与审思》， 《旅游学刊》2016年第31期， 第15—16页。 】，但是总体上互联网积极影响下旅游经济增长的产业现实是得到一致认同的。然而，在互联网与旅游经济增长的研究议题上，依据可靠、详实的经验数据而系统分析互联网与旅游经济增长关系的文献较为鲜见，多为对现象的描述与理论性思考。旅游经济增长效率作为衡量旅游经济增长品质的关键性指标之一，明确互联网对旅游经济增长效率的影响机制具有鲜明的学术价值与现实意义。这构成了本文的核心问题，需要从理论与实证相结合的层面进行研究。

二 分析框架与研究假设

主要从基本影响效应、中介影响效应、非线性效应以及空间溢出效应四个方面阐释互联网对旅游经济增长效率的内在作用机理（图1），提出相应的研究假设。

（一）基本影响机制及研究假设

随着互联网应用场景的拓展以及二者适配性的不断增强，互联网与旅游业跨界融合，产生了显著的正向外部效应。新冠疫情期间搭乘互联网“快车道”的旅游业涌现出大量的新业态、新产品，并且造就了新的旅游就业形态。特定宏观社会背景下旅游产业活力的激发反映了互联网对旅游业发展弹性与旅游经济增长韧性的支撑作用。从更加广义的视角来说，由单个旅游环节的互联网化即旅游业的网络化解构到旅游业的全链路数据累积，旅游业逐渐实现向基于数据驱动的线上线下旅游创新生态转变，推动集约型与品质型旅游发展模式形成。既有研究证实了互联网对旅游业发展效率与质量的积极影响效应，但是并未从更能全面反映总体旅游经济增长的全要素生产率视角开展实证分析【杨勇 ：《互联网促进旅游业提质增效了吗？——基于我国省级面板数据的实证分析》， 《旅游学刊》2020年第1 期， 第32—46页。】。基于上述线性关联机制，本文提出：

假设1：互联网对旅游经济增长效率具有显著的正向促进作用。

（二）中介影响机制及研究假设

互联网对旅游业要素内容、要素流动、要素替代以及要素配置等产生不同程度的影响。其一，互联网扩大了旅游要素供给范围。互联网推动更大范围、更宽领域内海量资源的挖掘、开发与利用，拓展了旅游要素供给的来源及内涵。其二，互联网促进了旅游要素的充分流动与合理配置。基于大数据、人工智能等现代技术的有机结合，互联网能有效识别旅游需求偏好与行为特征。在高效满足动态化需求的过程中，明显降低旅游行业间要素错配的市场扭曲程度，提高要素聚合与配置效能。其三，互联网推动了高级要素对低级要素的高效替代。以互联网为代表的新技术从旅游业发展的“催化剂”演变成为新型旅游生产要素，不断提升旅游产业结构中高级要素的配比，一定程度上体现高级要素对低级要素的挤出效应。

既有研究证实旅游生产率增长的結构变动效应是显著存在的【程玉、杨勇、刘震 ： 《中国旅游业资本流动与生产率演化——基于DSSA方法的结构效应分析》， 《旅游科学》2020年第1期， 第33—53页。】。通过结构变动过程，资本、劳动力、土地等要素从生产率较低的行业流向生产率较高的行业，或者从生产率增长率较低的行业流向生产率增长率较高的行业，推动旅游业生产率增长。旅游业生产率的提高不仅意味着单位投入的产出更高，生产的时间与物质成本更少，还代表旅游经济增长进入了一种更加集约与高效的发展模式。在这种模式的驱动下，旅游经济增长的“数量”与“质量”特征皆有所优化。基于上述间接线性关联机制，本文提出：

假设2：互联网不仅对旅游经济增长效率存在直接促进作用，还能够通过要素结构变动间接提升旅游经济增长效率。

（三）非线性影响机制及研究假设

互联网的梅特卡夫法则及知识外溢特征提示互联网作用于旅游经济增长效率的过程可能存在网络效应。所谓网络效应是指，当互联网发展水平超过某个临界值时，互联网引致的边际效应将正向变大。在互联网引入初期，相关基础设施不完善，互联网普及率较低，旅游消费者与旅游生产者对互联网的应用与渉入程度较低。随着互联网发展水平的提升，旅游消费者、旅游企业等供需双方对互联网的适应与依赖性增强。一方面以互联网为平台的开放生态体系推动传统封闭的自循环旅游供给方式向开放包容的“旅游+”融合发展模式升级。另一方面互联网加速了旅游需求动态变迁，而复杂旅游诉求为互联网不断捕捉和更新旅游消费画像与数据提供了实时依据。在国际国内双循环的发展背景下，伴随互联网等技术进步与信息的高渗透流通，旅游需求与供给之间互为演化动力，旅游业累积循环的发展生态持续优化。基于上述非线性关联机制，本文提出：

假设3：互联网对旅游经济增长效率具有显著、积极的非线性影响，且该影响具有“边际效应递增”的网络效应特征。

（四）空间溢出影响机制及研究假设

互联网促进了信息的高效连通和共享【YILMAZ S， DINC M， HAYNES K E.Geographic and network neighbors： Spillover effects of telecommunications infrastructure.Journal of Regional Science， 2002， 42（2）， pp.339-360.】，推动区域间旅游业联系愈加广泛和密集。第一，不同区域之间空间互动效应显著。东部、中部和西部地区，都市圈中心和外围，城镇和乡村等，旅游业发展规模差异较大。在互联网所构筑的信息连通空间中，旅游业发达区域会对旅游业欠发达区域产生一定程度的旅游扩散效应或者虹吸效应。结合现代交通体系，互联网推动信息流、旅游流在不同区域之间市场化流动，克服不同区域的行政壁垒障碍，促进区域旅游经济均衡发展。第二，旅游发展格局呈现区域网络化。在一体化的背景下，围绕消费者的价值交互过程，旅游业价值链需要不同区域共同合作与分工。在这条链式系统上某区域的互联网旅游创新思维对其他区域旅游业发展思维与理念产生多米诺带动效应。基于上述空间溢出关联机制，本文提出：

假设4a：互联网可通过空间溢出效应作用于旅游经济增长效率。

随着信息基础设施与交通基础设施建设的不断完善，互联网与交通基础设施表现出对旅游经济增长效率的空间交互作用。第一，互联网与交通基础设施协同推动旅游经济增长规模效应的放大。互联网信息流为旅游者提供各种信息资讯并催生旅游诉求的同时，交通基础设施为旅游诉求向现实、异地旅游需求的转化提供了通道。这不仅助推不同区域之间共享旅游市场，同时提升中国旅游市场的总规模，释放消费需求潜力，不断增强需求侧的“压舱石”动力。第二，交通基础设施强化旅游业发展的聚集或者扩散效应【吴贵华、张晓娟、李勇泉 ：《高铁对城市旅游经济发展的作用机制——基于PSM-DID方法的实证》， 《华侨大学学报（哲学社会科学版）》2020年第5期， 第53—64页。】。交通基础设施具有聚集劳动力池、社会资源、发展要素等外部效应【刘勇 ：《交通基础设施投资、区域经济增长及空间溢出作用——基于公路、水运交通的面板数据分析》， 《中国工业经济》2010年第12期， 第37—46页。】，并产生乘数效应。它可能会强化互联网的空间溢出作用，也可能会弱化互联网的空间溢出作用。一方面对于旅游经济较发达的地区而言，在互联网与交通基础设施的共同作用下，旅游虹吸效应更加明显，使其吸引与集聚更多的人才、投资、政策福利等发展机会，导致周边地区的旅游经济增长受到负面影响。另一方面借助交通基础设施的现实联通桥梁和互联网信息载体，旅游经济增长效率较高的地区对旅游经济增长效率较低的地区产生积极的辐射效应，即体现出扩散效应。例如，通过旅游发展的联动效应与一体化效应促进旅游经济规模较小的地区共享旅游业发展红利，提高旅游经济增长效率。基于上述空间溢出的调节机制，本文提出：

假设4b：交通基础设施可以调节互联网对旅游经济增长效率的空间溢出效应。

制度环境是指政策等制度因素与文化等非制度因素所共同构成的制度空间。旅游业易受宏观经济环境和其他相关产业系统影响，对制度环境质量具有较为灵敏的反应。本文主要研究制度环境对互联网空间溢出效应的调节作用。第一，随着市场化进程的推进和制度利好趋势，互联网可以在更加开放、健全的制度空间内实现对生产要素的高效配置。市场化改革提高了要素市场交易的公开透明度，优化了要素市场的制度规范，促进制度改革【樊纲、王小鲁、马光荣 ：《中国市场化进程对经济增长的贡献》， 《经济研究》2011年第9期， 第4—16页。】，推动跨行业、跨所有制、跨地区要素再配置，提升互联网对旅游生产要素配置的自由度、开放度与灵活性，强化互联网的空间溢出作用。第二，制度环境质量的提高有利于垄断减少。制度开放度和透明度的提高弱化了互联网与旅游业发展中的垄断现象，推动全国各地区旅游企业公平、有序发展线上和线下旅游业务，削弱地区歧视，弥合断层发展差距，激发旅游市场主体活力，增强互联网的溢出效应。第三，制度环境质量的提高意味着政府对旅游业发展干预的减少。由于不同地区在政府主导程度、要素市场发育程度、国民经济发展战略等方面存在差异，各地政府各自为政【郝索 ：《论我国旅游产业的市场化发展与政府行为》， 《旅游学刊》2001年第2期， 第19—22页。】，“人为”拉大了区域旅游发展差距。当市场化机制越发完善，区域旅游发展形成基于市场机制的自发互动模式，依托互联网映射现实甚至超现实的时空场景，线上线下的区域旅游经济联系增强，放大互联网对旅游经济增长效率的空间溢出作用。基于上述空间溢出的调节机制，本文提出：

假设4c：制度环境可以调节互联网对旅游经济增长效率的空间溢出效应。

三 变量、模型与数据

（一）计量模型

首先，针对直接影响机制构建如下基本计量模型：

growthit=α0+α1intit+αcXit+ωi+εit

（1）

式（1）中，growthit表示i省份在t期的旅游经济增长效率，intit表示i省份在t期的互联网发展水平，Xit表示其他控制变量，ωi表示i省份不可观测的个体固定效应。α0为截距项，α1为互联网发展水平的影响系数，εit为随机扰动项。

继而，引入要素结构变动这一中介变量（struit），构建中介效应计量模型：

struit=α0+α1intit+αcXit+ωi+εit

（2）

growthit=α0+α1intit+α2struit+αcXit+ωi+εit

（3）

进一步，根据Hansen面板门槛模型设计非线性影响机制检验模型【HANSEN B E.Threshold effect in non-dynamic panels： Estimation， testing， and inference.Journal of Econometrics， 1999， 93（2）， pp.345-368.】，式（4）为多门槛值情形：

growthit=α0+α1intit·I（adjitγ1）+α2intit·I（γ1

γn）+αn+1intit·I（adjit>γn）+αcXit+ωi+εit

（4）

在式（4）中，adjit代表门槛变量，此处为intit，γ1、γ2、γ3、…、γn为n+1个门槛区间下的门槛值，α1、α2、α3、…、αn+1为不同门槛区间下的回归系数。I（·）为指示函数，当门槛变量满足条件时，指示函数取值为1，否则，指示函数取值为0。其他变量的定义与式（1）相同。

（二）变量设定

1.被解释变量。旅游经济增长效率（growth）是本文的被解释变量，基于非参数DEA—Malmquist生产率指数法对其测算。Malmquist生产率指数法最早由Caves等提出【CAVES D W， CHRISTENSEN L R， DIEWERT W E.The economic theory of index numbers and the measurement of input， output， and productivity.Econometrica，1982， 50（6）， pp.1 393-1 414.】，Fare等则进一步提出DEA-Malmquist生产率指数理论的非线性规划解法【FARE R， GROSSKOPF S， NORRIS M， et al.Productivity growth， technical progress， and efficiency change in industrialized countries.American Economic Review， 1994，84 （1）， pp.66-83.】。继而，该理论与方法在诸多领域部门效率测度与评价方面得到广泛应用。根据Fare等的做法【FARE R， GROSSKOPF S， NORRIS M， et al.Productivity growth， technical progress， and efficiency change in industrialized countries.pp.66-83.】，使用数据包络分析（Data Envelopment Analysis，DEA）的Malmquist指数法测度各地区旅游业全要素生产率增长率，即区域旅游经济增长效率。本文借助DEAP2.1软件实现该计算过程，选择规模报酬不变和投入导向型模型，以各地区历年旅游业总收入作为产出指标，以各地区历年旅游业劳动与资本作为投入指标。鉴于数据可获得性限制，参照程玉等的做法【程玉、杨勇、刘震 ：《中国旅游业资本流动与生产率演化——基于DSSA方法的结构效应分析》，第33—53页。】，本文进一步用旅行社、星级饭店与旅游景区三类旅游企业资本与劳动之和作为旅游业资本与劳动的代理变量。旅游企业劳动投入指标用年底旅游从业人数表示，而资本投入指标用历年旅游固定资产投资表示。

2.核心解释变量和门槛变量。互联網发展水平（int）是本文的核心解释变量，同时为门槛变量。互联网发展系一揽子复杂、系统工程，单一指标仅能反映出互联网发展的局部事实，难以客观、全面地揭示互联网发展的实际水平。鉴于目前尚未出台关于互联网发展水平测度的官方权威标准，遵循科学性、有效性和可操作性原则，立足中国互联网发展现实，借鉴韩先锋等【韩先锋、宋文飞、李勃昕 ：《互联网能成为中国区域创新效率提升的新动能吗》， 《中国工业经济》2019年第7期， 第119—136页。】、黄群慧等【黄群慧、余泳泽、张松林 ：《互联网发展与制造业生产率提升： 内在机制与中国经验》， 《中国工业经济》2019年第8期， 第5—23页。】的思路，构建了涵盖四个一级维度的指标体系如表1所示。借助全局主成分分析方法构建互联网发展水平指标体系，即首先对原始数据做标准化处理；KMO值在0.7以上，SMC值在0.8以上，说明观测值适合进行主成分分析；根据特征根大于1得到3个主成分，累计方差贡献率为0.8065；将互联网发展水平得分标准化到［0，1］区间内，形成本文的核心解释变量。

3.中介变量。要素结构变动（stru）是本文的中介变量。要素结构是旅游业发展中的资本、劳动力、旅游资源等不同要素之间的比例关系，要素结构变动（stru）反映了要素配置效能提升与产业结构优化的重要内涵。新时代旅游业发展的要素结构变动表现出由低级要素密集向高级要素密集转变的趋势，彰显了资本深化的显著特征。由于资本劳动比是反映资本深化程度的一项重要指标【李建强、赵西亮 ：《固定资产加速折旧政策与企业资本劳动比》， 《财贸经济》2021年第4期， 第67—82页。】，借鉴刘英基等【刘英基、韩元军 ：《要素结构变动、制度环境与旅游经济高质量发展》， 《旅游学刊》2020年第3期， 第28—38页。】，将资本劳动比作为要素结构变动的代理变量，具体采用旅游固定资产投资与从业人数的比值作为表征变量。同时用旅游业多样化（div）表征旅游产业结构能力，借鉴杨勇【杨勇 ：《专业化、多样化与旅游业发展——基于中国当前统计数据的实证分析》， 《经济评论》2011年第2期， 第119—128页。】构造该指标的方式，见公式（5）。revit为i省在t期旅行社、星级饭店和旅游景区（点）三类旅游企业的营业收入总和，Trevit为i省在t期的旅游总收入。divit的数值大小表示旅游业多样化水平的高低，该数值越大，代表旅游业多样化水平越高，旅游业满足综合性、多元化旅游需求所涉及相关产业内容的广度越大；反之，则说明旅游业多样化水平越低。

divit=1-revitTrevit

（5）

4.控制变量。 （1）经济发展水平（pgdp）。以地区人均GDP衡量。（2）对外开放程度（opew）。对外开放对中国各地区入境旅游市场的运转具有直接影响，是旅游活力激发的关键制度条件之一。用地区进出口贸易总额占GDP比重作为代理变量。（3）地区R&D强度（rese）。用地区R&D经费内部支出占GDP比重表征。通常某地区R&D强度越高，其科研创新能力越强，对区域经济产业发展的创新策源作用越大。（4）旅游产业化水平（indu）。用地区旅游总收入占GDP比重表示。（5）环境治理强度（egov）。采用地区环境污染治理投资占GDP比重反映。（6）人力资本（huma）。旅游业人力资本素质反映了旅游创新潜能，用旅游院校的学生总数表征旅游业人力资本存量。（7）旅游接待能力（rece）。采用地区星级饭店数量代表。（8）旅游资源禀赋（tres）。旅游资源品质是旅游经济增长的“金字招牌”，考虑到旅游资源体量的难以计数，而旅游景区的经营发展能够反映旅游资源综合禀赋的基本情况。以地区旅游景区（点）收入与国土面积之比代表资源禀赋。

（三）数据说明

本文针对2006—2017年中国大陆30个省级行政区划（不含港、澳、台和西藏）所构成的平衡面板观测值进行研究。互联网指标的原始数据来源于《中国互联网络发展状况统计报告》《中国统计年鉴》以及各省、市、自治区的统计年鉴。旅游相关原始数据来源于《中国旅游统计年鉴》及其副本，各省、市、自治区的《国民经济和社会发展统计公报》及中经网产业数据库。产出指标旅游收入经过以2006年为基期的GDP平减指数调整，投入指标旅游固定资产投资经过以2006年为基期的固定资产价格指数调整。其他变量的原始数据来源于上述年鉴、《中国环境统计年鉴》或通过计算得到。考虑到个别原始数据缺失的情况，本文采用stata15.0提供的插值法加以填充。表2为主要变量的描述性统计结果。

四 实证结果分析

（一）基准回归结果

经Hausman检验发现，采用固定效应模型进行估计较为科学。互联网对旅游经济增长效率影响的线性估计结果如表3所示。其中，模型（1）为全国层面的检验结果，模型（2）— 模型（4）反映了分区域的估计结果【参照全国人大六届四次会议通过的“七五”计划，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省份；中部地区包括黑龙江、吉林、山西、安徽、江西、河南、湖北和湖南8个省份；西部地区包括四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西和内蒙古11个省份。下同。】。

由表3中模型（1）可知，互联网对旅游经济增长效率具有显著积极的影响，证明假设1提出的互联网对旅游经济增长效率具有显著正向促进作用的论断。模型（2）、模型（3）和模型（4）依次反映了东部、中部和西部三大地区互联网对旅游经济增长效率的影响情况。可以发现，

东部、中部和西部地区的互联网系数均显著为正，表明互联网显著驱动了三大地区旅游经济增长效率的提升。这为假设1的成立提供了佐证证据。基于初步考察表明，互联网能够成为新常态下旅游经济增长效率提升的新动能。

从互联网与旅游经济增长效率的关系来看，互联网等新技术从供给侧与需求侧两条路径推动旅游经济的高效率增长。就供给侧而言，第一，在微观层面上，互联网助推旅游市场主体的变革与创新，催生旅游新主体与新产品，降低经营与交易成本。第二，在中观层面上，互联网助力产业融合发展与传统产业向现代旅游服务业的转型升级，重塑旅游产业体系，提高旅游业现代化水平。第三，在宏观层面上，借助互联网新型经济时空打造区域旅游发展新格局，凸显大国旅游经

济竞争优势，提高旅游业发展对中国国民经济与社会民生的贡献。就需求侧而言，依托互联网，旅游需求升级及消费行为变迁倒逼供给侧改革，引领供给多元化与特色化发展的同时，促进在线声誉机制的构建，有效规范旅游业的线上与线下发展秩序。

（二）内生性分析

前文对可能存在的内生性问题进行了相应处理。如构建指标体系以表征变量，增加控制变量、考虑固定效应等。虽然上述方式在一定程度上消除了扰动项异方差、遗漏变量等所引起的内生性问题，但是却不能解决由互联网与旅游经济增长效率的双向因果关系以及潜在遗漏变量等而造成的内生性问题。鉴于此，本文进一步处理了计量模型可能存在的内生性问题。

对互联网与旅游经济增长效率的基准回归模型进行Hausman检验，P值为0.0135，拒绝了所有解释变量均外生的原假设，提示内生性问题存在。一是将互联网的一阶滞后项作为核心解释变量纳入计量模型，结果见表4中模型（1）。互联网一阶滞后项的影响系数显著为正，说明互联网发展过程中的时滞性捕捉了旅游经济增长效率的部分效应。二是工具变量法被认为是内生性问题处理最常用和有效的方法之一。选择解释变量的滞后一期作为工具变量，运用二阶段最小二乘法（2SLS）分析互聯网对旅游经济增长效率的影响，结果见表4中模型（2）。可以发现，互联网对旅游经济增长效率具有显著正向影响。三是考虑到如果面板数据存在自相关和异方差，广义矩估计（GMM）比两阶段最小二乘法（2SLS）更加高效【林伯强、杜之利 ：《中国城市车辆耗能与公共交通效率研究》， 《经济研究》2018年第6期， 第142—156页。】，其中系统广义矩估计（SYS- GMM）结合了差分方程和水平方程，基于方程系统的广义矩估计能够解决差分广义矩估计难以解决的弱工具变量等问题。本文将被解释变量的滞后一期作为工具变量对动态面板数据模型进行系统广义矩估计（SYS- GMM）检验【BOND S R.Dynamic panel data models： A guide to micro data methods and practice.Portuguese Economic Journal， 2002， 1（2）， pp.141-162.】，结果见表4中模型（3）。互联网的影响系数仍然在1%水平上显著为正，说明在消除潜在内生性问题后，互联网依然可以显著提升旅游经济增长效率。

（三）稳健性检验

为进一步增强研究结果的可靠性，本文采用以下几种方式进行稳健性检验。第一，排除极端值的影响。对互联网发展水平和旅游经济增长效率均值双侧5%异常值进行缩尾处理，重新检验剔除异常值后的面板数据，尽可能消除异常值和非随机性给计量结果带来的不利影响。结果见表5中模型（1）。该结果与前文研究结果相一致，表明研究结论稳健。第二，变化解释变量。将互联网发展水平替换为单一指标，分别采用省际互联网普及率、网站总数与法人单位数之比和每平方公里长途光缆线路长度三个指标进行模型检验，结果见表5中模型（2）— 模型（4）。结果显示，核心解释变量的影响方向不变，影响效应大小皆有所降低。第三，变化被解释变量。将旅游经济增长效率用旅游企业劳动生产率（telp）替代重新估计，结果见表5中模型（5）。估计结果与前文基准回归结果基本保持一致，证明研究结论具有稳健性。第四，分阶段估计。根据移动通讯发展的阶段重新划分样本，以3G面世时间2009年为节点，将样本划分为2006—2009年和2010—2017年两个子样本分别进行回归，结果对应表5中模型（6）— 模型（7）。比较发现，互联网的估计结果分别在5%、1%水平上显著为正，但2010—2017年期间互联网的作用力度高于2006—2009年。这为前文研究假设的成立提供了稳健性证据。

五 影响机制检验

（一）线性中介机制

以要素结构变动为中介变量，进行中介效应计量检验，结果见表6。其中模型（1）— 模型（2）以全国为样本，模型（5）— 模型（10）为分区域的估计结果。为了保证结果稳健，采用旅游业多样化代表旅游产业结构能力，中介效应估计结果见模型（3）— 模型（4）。

模型（1）中互联网对要素结构变动的影响系数在1%的水平上显著为正，说明互联网对要素结构变动存在积极影响。模型（2）中要素结构变动对旅游经济增长效率的回归系数同样显著为正，表明互联网可以通过对要素结构变动的间接影响而驱动旅游经济增长效率。这印证了假设2的论断。在直接影响效应上，互联网发展水平增加1个单位，旅游经济增长效率直接提升0.2318个单位。在间接影响效应上，保持其他因素不变的情况下，互联网发展水平增加1个单位，要素结构变动变化0.3351个单位，而单位要素结构变动导致旅游经济增长效率提高0.1683个单位，单位互联网发展水平的增加导致旅游经济增长效率间接提升0.0564个单位（0.3351×0.1683=0.0564）。在总效应中，间接效应的占比为19.57%。由模型（3）和模型（4）可知，互联网通过旅游业多样化显著提升旅游经济增长效率的中介效应为0.0694，在总效应中占比为24.08%。这一结果为要素结构变动在互联网与旅游经济增长效率之间发挥中介效应路径提供了证据。东部、中部和西部分地区估计结果都表明，互联网不仅对旅游经济增长效率具有直接促进作用，还能通过要素结构变动间接提升旅游经济增长效率。

互联网发展与旅游经济增长效率之间显著正向的中介效应体现了互联网与旅游业融合发展下旅游产业结构优化与发展效率改善的积极趋势。可能的原因在于：第一，随着旅游者成熟度的提高及旅游业体系的不断完善，旅游产业的自组织能力日渐增强，其对新技术的吸收、转化与创新利用能力较强，能够在特定发展阶段充分汲取互联网红利。第二，互联网及配套技术深入旅游产业结构内部，推动旅游产业生产要素和生产力系统深刻变革，增强旅游产业结构转换能力，降低要素流转的阻滞粘性，提高各类要素的产出效率，促进旅游经济高品质增长。

（二）非线性动态机制

就互联网对旅游经济增长效率的非线性影响而言，本文采用门槛回归方法进行实证检验，以规避人为划分样本区间而导致的主观偏差。根据Hansen的方法进行面板门槛识别检验【HANSEN B E.Threshold effect in non-dynamic panels： Estimation， testing， and inference.pp.345-368.】，发现全国层面互联网门槛变量显著通过了二重门槛检验，东部、中部和西部地区都通过了单一门槛检验。表7报告了门槛模型检验的F统计量和采用自抽样法（Bootstrap）模拟得到的P值。在识别门槛值个数的基础上，借鉴Hansen的研究模型【HANSEN B E.Threshold effect in non-dynamic panels： Estimation， testing， and inference.pp.345-368.】，采用广义矩（GMM）估计方法，使用互联网的滞后一阶和滞后二阶作为工具变量对前文计量模型进行估计。结果见表8，其中模型（1）展示了全国门槛回归结果，模型（2）— 模型（4）展示了东部、中部和西部的分地區门槛回归结果。

根据模型（1），当互联网发展水平低于0.53时，单位互联网发展水平的增加推动旅游经济增长效率显著提高0.2897个单位；当互联网发展水平大于等于0.53且小于0.56时，互联网发展水平每增加一个单位，旅游经济增长效率则显著提高0.2918个单位；当互联网发展水平大于等于0.56时，单位互联网发展水平的提高促进旅游经济增长效率显著提升0.3144个单位。随着互联网发展水平跨越过不同门槛值，互联网对旅游经济增长效率的积极提升效应依然存在，且促进力度不断增强。由此说明，旅游经济增长效率的互联网溢出效应体现出了显著、积极且“边际效应”递增的非线性特点，符合网络效应与“梅特卡夫法则”的特征，支持了前文提出的假设3。然而，从中国不同区域的门槛估计结果来看，伴随互联网发展水平的不断提高，东部和西部地区跨越过单一门槛值后，互联网显著促进旅游经济增长效率的作用力度都有所上升，中部地区旅游经济增长效率提升的互联网边际效应却在递减。亦即，东部和西部地区同样表现出互联网的网络效应，中部地区却未彰显这一特征。

区别于传统粗放型旅游经济增长模式，互联网等新科技赋能中国旅游业发展转轨至集约型增长模式，逐步摆脱传统路径依赖及其伴生的低效锁定局面。互联网可能通过以下方面发挥对旅游经济增长效率的制动作用。第一，从供给面规模经济向需求面范围经济转变。旅游价值链不再片面强调旅游经营活动的规模化，基于互联网、GPS、大数据等技术组合，提供及时需求响应和满足的旅游服务能力成为旅游报酬递增趋向的核心关注。第二，从资源和投资等要素驱动转向全要素增长和创新驱动路径。互联网背景下，智力资本、社会资本、技术等新型生产要素具有传统要素不可媲美的优势，即非消耗性、可复制、可扩散、可再生性等。在互联网建设与发展较为成熟、规范的情况下，受全要素增长和创新驱动，要素生产率与旅游经济增长的要素弹性系数变大，推动中国旅游经济高效增长。第三，从区域旅游发展各自为营向区域旅游协调发展和全国旅游可持续发展转变。依托互联网和高速铁路等媒介，旅游信息流与交通流相耦合，推动区域之间打破行政垄断和地区分割，共享国内旅游市场，促进区域旅游协调发展，在缩小区域旅游发展差距中促进全国旅游经济持续、稳定增长。中部地区尚未出现边际效应递增的利好局面，可能的原因在于，中部地区数字化基础设施建设水平较低，数字鸿沟现象比较明显，旅游产业结构不够完善，旅游经济增长的结构性动力不足，制约了互联网对旅游经济增长效率可持续优化的正向反馈效应的形成。未来中部地区需要加大数字经济基础设施的建设力度，提高旅游业对互联网等技术的利用效能，强化二者融合发展的红利。

六 空间溢出分

（一）模型构建

由于不同空间计量模型所设定的空间传导机制不一，且不同模型之间存在一定的关联，本文先设定空间杜宾模型（SDM）和空间自相关模型（SAC），然后放松条件得到空间自回归模型（SAR）和空间误差模型（SEM），如下所示：

growthit=α0+ρWgrowthit+α1intit+αcXit+β1Wintit+β2WXit+ωi+εit

（6）

growthit=α0+ρWgrowthit+α1intit+αcXit+uit

uit=λWuit+εit

（7）

growthit=α0+ρWgrowthit+α1intit+αcXit+εit

（8）

growthit=α0+α1intit+αcXit+uit

uit=λWuit+εit

（9）

在式（6）至式（9）中，式（8）SAR模型、式（9）SEM模型分别为在式（6）SDM模型、式（7）SAC模型的基础上限制一定条件而得到。ρ、λ为空间自回归系数，β1、β2分别为核心解释变量空间滞后项、控制变量空间滞后项的弹性系数。W为空间权重矩阵，本文将之设定为反地理距离矩阵（见式（10）），以反映某一个地区与其他地区的关系，其中dij表示两个不同省份省会城市之间的距离【省會城市之间的直线距离通过Arcgis10.6软件计算得出。】。进一步，对空间异质性条件下互联网对旅游经济增长效率的影响效应进行考察，基于前述空间计量模型的解释能力大小而选择相应的最优模型。其他变量的定义同式（1）。

Wij=1/dij   i≠j0    i=j

（10）

本文采用莫兰指数统计量检验解释变量和被解释变量的空间相关性，全局空间相关性的函数表达式如式（10）所示。其中，Wij为前文所设空间权重矩阵，S2为样本方差，Yi和Yj分别为地区i和地区j的观测值。莫兰指数I的取值范围区间是［-1，1］。当I>0时，表示具有空间正相关性；而当I<0时，表示具有空间负相关性。莫兰指数I绝对值的大小则表示空间相关性的强弱。

Moran′I=∑ni=1∑nj=1Wij（Yi-Y—）（Yj-Y—）

S2∑ni=1∑nj=1Wij

（11）

（二）指标选取

为了观测不同情境下互联网对旅游经济增长效率的作用差异，本文引入硬设施（hard）与软环境（soft）两个调节变量。硬设施用交通基础设施表示。现有文献主要采用高铁开通、道路面积等作为代理变量进行研究，本文考虑到不同省份之间货流与客流运输不仅通过高铁实现，还较大程度依赖公路运输等其他交通方式，依据赵东喜的做法【赵东喜 ：《中国省际入境旅游发展影响因素研究——基于分省面板数据分析》， 《旅游学刊》2008年第1期， 第41—45页。】，采用铁路里程、公路里程、内河航运里程之和与地区国土面积之比衡量交通基础设施的综合发展状况。

软环境用制度环境表示。在中国转型经济体的国情背景下，各地区的制度环境差异主要表现在市场化改革进程的差异上。市场化改革越成熟，互联网促进资本、劳动力、土地等要素再配置的能力则越高。不仅有利于不同产业链间的整合与重组，还能实现跨区域、多主体间的再分配与再聚合，增强互联网的空间溢出效应。鉴于各地区市场化水平随时间动态演变，反映了不同阶段市场化改革的制度环境背景与制度质量高低【樊纲、王小鲁、马光荣 ：《中国市场化进程对经济增长的贡献》， 第4—16页。】，采用市场化进程指数衡量市场化水平。

（三）结果分析

1.空间相关系数。首先开展空间相关性检验，计算历年互联网发展水平与旅游经济增长效率的莫兰指数值，结果见表9。互联网发展水平与旅游经济增长效率都表现出显著的正向空间相关性，表明二者都存在空间集聚与依赖。运用空间计量方法探究二者之间的空间关系是合理的。

2.空间溢出效应。根据前文分析开展实证测度，通过Hausman检验确定采用固定效应模型，估计结果见表10。模型（1）— 模型（4）分别对应SAR、SEM、SAC与SDM模型的估计结果。模型（1）— 模型（4）中空间项系数分别为0.2654、0.2309、0.2757/0.2589、0.3318，且都显著为正，表明本省份旅游经济增长效率会受到其他省份旅游经济增长效率的影响。接着，开展Wald检验、LR检验、LM检验、Robust—LM检验以观察各个空间计量模型的拟合效果，综合比较各项检验结果及对数似然函数值发现，SDM模型表现出更好的解释效果，能够更为真实地反映客观实际。因此，本文选择SDM模型估计空间溢出效应，进一步检验硬设施与软环境对互联网空间溢出效应的调节作用。硬设施与互联网的交互项记为inth，软环境与互联网的交互项记为ints。硬设施与软环境对互联网空间溢出调节机制的检验结果对应模型（5）和模型（6）。

由模型（4）可知，互联网对旅游经济增长效率的影响系数在1%水平上显著为正，互联网空间滞后项的系数也在1%水平上显著为正，表明互联网对旅游经济增长效率不仅存在本地影响效应，而且存在源于其他省份的空间溢出效应。这为假设4a的成立提供了证据。在模型（5）中，互联网空间滞后项、硬设施与互联网交互项的空间滞后项的系数均在1%水平上显著为正，说明在互联网发展水平不变的情况下，硬设施综合水平的提高会放大互联网对旅游经济增长效率的积极空间溢出作用，某省份与其他省份之间的正面擴散效应大于负面虹吸效应。即交通基础设施越完善，互联网对旅游经济增长效率的正向空间溢出效应越明显，证明假设4b是成立的。该发现提示，铁路等交通基础设施不仅能直接促进区域旅游经济增长【侯志强 ：《交通基础设施对区域旅游经济增长效应的实证分析——基于中国省域面板数据的空间计量模型》， 第118—132页。】，还能通过与互联网的协同效应提高其对旅游经济增长的溢出“威力”。模型（6）中，软环境（制度环境）的优化，同样会强化互联网对旅游经济增长效率的正向空间溢出作用。即，市场化水平越高，互联网对旅游经济增长效率的正向空间溢出效应越强，支持假设4c。

由于空间计量模型解释变量的影响系数含有“反馈效应”作用，不能直接作为影响效应纳入分析，需要从直接效应、间接效应和总效应三个不同层面分别解释回归系数【徐春华 ：《危机后一般利润率下降规律的表现、国别差异和影响因素》， 《世界经济》2016年第5期， 第3—28页。】。借鉴LeSage和Pace提出的空间偏微分方法【LESAGE J，PACE R K.Introduction to spatial econometrics.New York： CRC Press， 2009.】，将互联网对旅游经济增长效率的影响系数进行分解，即分解为直接效应、间接效应（空间溢出效应）和总效应，结果见表11。不难发现，inth、ints的空间溢出效应占总效应的比重分别为46.48%与44.29%，说明相同条件下，硬设施的空间溢出调节作用力度略微大于软环境。随着现代化市场经济体系建设的逐步完善，不同省份依托交通基础设施的互联互通及互联网信息共享功能而充分释放规模人口红利，强化不同省份之间的双向旅游溢出功能，提高全要素配置能力，促进旅游经济增长效率的提升。

七 结论与建议

从中介作用机制、非线性作用机制与空间溢出机制等不同视角出发，本文力图挖掘互联网对旅游经济增长效率的多元影响路径。基于2006—2017年中国大陆30个省级行政区划（不含港、澳、台和西藏）的面板数据，从全国、区域的双重层面实证检验和估计互联网对旅游经济增长效率的影响效应。主要研究结论如下：1.互联网对旅游经济增长效率具有显著的正向促进作用。互联网已经成为经济新常态与全面深化改革背景下旅游经济增长的新动能。这一研究发现与区域经济增长的互联网红利作用相一致【龚维进、倪鹏飞、徐海东、徐春华 ：《互联网驱动中国区域经济增长：时空效应与复合机制》， 《管理科学学报》2021年第11期， 第1—25页。】。2.互联网通过推动要素结构变动而间接驱动旅游经济增长效率提升，但间接影响效应小于直接影响效应。互联网对旅游业效率变革的间接动能尚需进一步增强。3.互联网与旅游经济增长效率之间存在明显、积极且“边际效应”递增的非线性关联，验证互联网对旅游经济增长效率的影响存在“网络效应”与“梅特卡夫法则”特征。4.互联网在释放本地红利的同时，还能对其他地区产生积极、显著的空间溢出作用。硬设施（交通基础设施）与软环境（制度环境）能够提升这一空间溢出效应。该结论提示打破区域市场壁垒，加快国内旅游统一大市场与旅游大循环建设的必要性。根据上述研究结论，提出以下几点政策建议：

1.加大互联网建设力度，推动互联网与旅游业深度融合。本文发现互联网能够直接或间接驱动旅游经济增长效率，但是互联网建设以及在旅游领域的应用、融合发展还存在较大的提升空间。（1）把握“十四五”期间新基建建设带来的新机遇。继续加强全国互联网、5G/6G、数字经济、人工智能、云计算等前沿科技的建设，不断完善信息化配套设施与工程，缩小东部地区、中部地区和西部地区以及区域内各省份之间的“数字鸿沟”。（2）注重互联网等信息技术对旅游全产业链的渗透。优化互联网在政府部门、旅游行业组织、高校、旅游企业等多主体中的应用形态，打造创新型旅游产品和服务体系，助推旅游产业结构转型升级，提高旅游业结构转换器的高效配置能力，促进旅游业发展提质增效。

2.针对不同发展阶段与不同区域实施动态化、差异化和多元化的“互联网+”融合发展举措。本文为互联网与旅游经济增长效率之间的动态、非线性关联提供了经验证据，这提示在互联网助力旅游经济增长的进程中，应该采取动态调整策略。（1）注意“因时制宜”。在非线性关联的不同阶段，出台“互联网+旅游”的针对性利好政策，力图使越来越多地区汲取最优区间效用。（2）倡导“因地制宜”。旅游发展落后地区应根据自身特点选择适宜性发展战略，牢牢把握互联网发展带来的“弯道超车”契机，扩大旅游经济增长的比较优势与后发优势。互联网发展偏低水平省份要尽快提高数字技术能级，避免互联网发展不平衡导致的巨大红利流失。

3.提升不同地区互联网发展的协调度，强化互联网对旅游经济增长贡献的空间效能。本文证实了互联网对旅游经济增长效率提升的空间溢出作用，可以成为旅游业高质量发展的重要突破窗口。旅游业发展不应低估地区之间的联系，要重视信息技术与现代交通基础设施建设的协同效应，同时优化制度环境供给，营造统一开放、有序竞争的全国大市场，从不同地区旅游发展共享、互动与外溢中汲取中国旅游经济高效率增长的动力源泉。

The Impact of Internet Development on the Efficiency

of Tourism Economic Growth

CHENG Yu， YANG  Yong

Abstract： As a key indicator to measure the quality of tourism economic growth， the theoretical connection between tourism economic growth efficiency and the Internet reflects the law of value of the Internets influence on the development of tourism industry. Based on the balanced panel data of 30 provinces in the Mainland of China from 2006 to 2017， this paper explores the multi-dimensional mechanism and influences of the Internet on the efficiency of tourism economic growth from the perspectives of intermediary effect， non-linear dynamic effect and spatial spillover effect. The research results are as follows： First， the Internet has a significant and positive effect on improving the efficiency of tourism economic growth， which indicates that the Internet has become a new driving force for tourism economic growth under the new economic normal. Second， the Internet indirectly drives the improvement of tourism economic growth efficiency by promoting changes in the factor structure， but the indirect effect is less than the direct effect. Third， there is an obvious， positive and increasing non-linear relationship between the Internet and the efficiency of tourism economic growth， which verifies the existence of the “network effect” and the “Metcalfes Law”. Fourth， while the Internet releasing local dividends， the Internet has a positive and significant spatial spillover effect on the efficiency of tourism economic growth in other regions， and the spillover effect is positively regulated by the transportation infrastructure and the institutional environment.

Keywords： internet; efficiency of tourism economic growth; change of element structure; transportation infrastructure; institutional environment

【責任编辑：吴应望】