基于产业差异的欧盟旅游与经济增长关系研究_经济模型论文

基于行业差异的欧盟旅游与经济增长关系研究，本文主要内容关键词为：经济增长论文,欧盟论文,差异论文,关系论文,行业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

       中图分类号 F 文献标识码 A 文章编号1006-575(2014)-06-0062-11

       0 引言

       旅游发展和经济增长之间关系是旅游经济学领域内一直被关注的焦点，但学界却未能在二者间具体的因果关系上得出较为统一的结论(Song，et al.，2012)。这一方面源于不同国家间经济总量、生产力水平、对外开放程度及旅游业占国民经济比例等差异(Sinclair，Stabler，2002)，另一方面则源于将旅游业视作单一行业来进行研究和测算，忽视了旅游业内部的行业差异(Tang，Jang，2009)。就后者而言，目前相关研究几乎都局限于将旅游业视作一个整体。实际上，旅游业是一个由诸如航空、住宿、旅行社及餐饮等各种行业组成的产业“系统”，尽管它们都属于“旅游业”的范畴，但不同的旅游行业具有不同的运行规律和特征，外部经济现象也可能会对其造成程度迥异的影响(Guzhva，Pagiavlas，2004)。所以，把旅游业作为一个整体来考虑其与经济增长之间的关联，很可能导致研究结果的偏差。作为世界旅游业中最重要的组成部分和最具影响力的区域合作组织之一，欧盟2013年入境游客数量达4.32亿，占世界入境旅游市场的39.8％①，但对欧盟各旅游行业与经济增长之间关系的研究一直相对薄弱。鉴于此，本文将旅游业划分为航空、住宿、旅行社以及餐饮等具体旅游行业，借助异质面板协整技术实证检验欧盟范围内的4个旅游行业与整体经济增长之间的关系，并探讨各旅游行业间的内在相互联系，以期为提出行业发展周期预测方法和有针对性的旅游行业发展对策提供科学依据。

       1 文献综述

       以往研究者对旅游发展和经济增长之间关系的研究多在单一国家或地区层面进行，相关文献涉及西班牙(Balaguer，Cantavella-Jorda，2002)、土耳其(Gunduz，Hatemi，2005；Ongan，Demiroz，2005；Katircioglu，2009)、希腊(Dritsakis，2004)、韩国(Lee，Kwon，1995；Oh，2006)、中国大陆(杨勇，2006)及中国台湾地区(Kim，et al.，2006)等。由于研究对象经济总量、生产力水平以及研究技术差异等方面的原因，学者就旅游发展和经济增长之间关系得出了多样化的结论(Lanza，et al.，2003；Po，Huang，2008)，这也使得有关研究开始在研究对象和方法上不断实现突破。将旅游业视作提供类似产品或服务的单一行业来进行研究可能是导致旅游发展和经济增长之间关系研究结论不一致的重要原因(Tang，Jang，2009)。实际上，学术界在如下问题上一直存在争议，即旅游业是界限清晰的产业经济学意义上的“行业”，还是由诸多单一行业组合而成的复合产业?目前，对旅游业典型的界定方式通常从旅游者需求角度出发，认为旅游业是以旅游者为(主要)服务对象，为其旅游活动创造便利条件并提供所需商品与服务的综合性产业(李天元，2009)。因此，旅游业是一个边界模糊的广域性复杂系统(史密斯，1991；吴必虎，2001)。

       产业经济学中衡量某行业产生怎样的经济效应时通常作法是经由统计行业供给方来实现，但旅游业是一个特例：旅游统计口径中对旅游经济效益的估算主要通过需求方来获得。之所以规避通用的供给方统计法，是因为旅游系统内的供应方行业太多，统计起来难度很大。加之餐饮等行业兼顾旅游者与居民，其中游客消费部分的数据非常难以获取(Firth，2002)。就此而言，旅游业的确是高度有别于其他行业的一个复杂系统。Maior(2005)进一步提出，与其他行业由提供类似产品和服务的企业组成不同，旅游业实质上是一个高度复杂的行业集合，相互关联的各行业不仅性质各异，而且具有不同的行业规模和发展周期。由此，各旅游行业都可能和整体经济增长之间存在不同的联系。如果将旅游业作为整体来考虑其和经济增长间的关系，则可能会忽略不同行业间的差异。基于“旅游行业”(tourism-related industries)而非“旅游业”(tourism industry)来对此进行研究，才能得出更为科学的结果(Leiper，2008)。欧盟经济数据统计中相关用词亦为复数：各旅游行业(total tourism industries)②，而非传统意义上的单数用法。Chen(2007)探讨了中国大陆和台湾地区酒店业、航空业和旅行社业上市企业股票价格与整体经济增长间的关系，结果表明不同旅游行业与经济增长间关系的确存在差异。

       目前相关研究多集中于整体层面旅游发展和经济增长之间的关系，但也有少数学者聚焦于各个旅游行业进行探索。作为旅游行业中最重要组成之一，航空业已被证实其发展对整体经济存在较大依赖性(Shearman，1992)，且一定时间周期内航空业人次收入RPM(Revenue Passenger Miles)和经济增长之间有着紧密联系(Feng，Wang，2000)。Guzhva和Pagiavlas(2004)用VAR方法探讨了航空业在9·11事件后和GDP之间关系的发展趋势，进一步证实了二者存在极高的关联度。酒店业被认为是比较遵循发展周期变化的行业，对整个经济形势保持高度敏感(Bodie，et al.，2008)。同时，酒店因其存在较高的固定成本，很难在经济不景气的时候通过降低成本来增加盈利，必须保持高收入水平才能获得足够的利润(Graham，Harris，1999)，因此探究经济增长和酒店业之间的关系便显得十分重要。Choi(1999)研究了美国酒店业商业周期与经济增长之间的关系，结果显示，酒店业在1966年至1993年的28年间每4年到5年就会经历一段高速发展期，且峰值的出现一直领先整体经济增长周期大约0.5年。Chen(2010)的研究结果表明旅行社类企业的股价与GDP之间存在长期均衡关系，酒店类企业则没有。但遗憾的是，餐饮业与整体经济增长之间的关系鲜被研究界涉及(Hrong，Tsai，2010)。

       根据各国近年发展起来的旅游卫星账户的相关建议，美国将旅游业分为包含旅游住宿、假日家庭住房出租、餐饮、交通、休闲娱乐、购物及其他等7个大类及27个旅游行业③，其中航空、住宿、旅行社和餐饮这4个行业共占所有旅游行业产出的54.3％、旅游中间消费的50.3％以及旅游增加值的57.2％。欧盟旅游卫星账户则将其分为住宿、餐饮服务、旅客交通、旅行、文化服务、休闲娱乐及其他等7大类和20个旅游行业④。世界旅行与旅游协会计算旅游行业对GDP和就业的直接贡献时，纳入统计范畴的行业包括：酒店、旅行社、航空和其他旅客交通服务(不含通勤)，以及主要消费者为游客的餐饮和休闲娱乐业⑤。进一步结合欧盟旅游统计数据现状来看，航空、住宿、旅行社和餐饮这4个行业的数据长度和覆盖面均最为理想。因此，本文选取欧盟这4个最具代表性的旅游行业，探讨它们与经济增长间的关系，并聚焦于各旅游行业之间的联系，深入分析各旅游行业间的内部因果层级结构。

       2 模型建立和数据检验

       2.1 变量及数据描述

       研究过程中，本文根据Seetanah(2011)的建议，采用GDP年增长率作为宏观经济变量。考虑到旅游行业是劳动密集型行业，还同时使用了税收和就业人数年增长率等指标，以较为全面地刻画整体经济增长趋势。另外，本文使用欧盟统计局网站内提供的各成员国1995年至2011年间航空业(AIR)、住宿业(HOTEL)、旅行社业(TOTA)及餐饮业(REST)营业收入年增长率来代表这4个核心旅游行业发展状况。在考虑如何合理衡量各旅游行业发展状况时，Chen(2007)构建了一个上市旅游企业股票价格为基础的加权旅游价格指数，但股票价格主要反映的是市场对未来现金流的预期，当对未来估计出现偏差时可能造成研究结论不严谨。因此，本文采取了相关研究中较为常用的行业营业收入年增长率数据来代表各旅游行业的相对发展速度(Ng，Perron，1995；Fixler，Grimm，2002)，更适宜与GDP年增长率为代表的宏观经济变量结合进行计量研究(见表1)。2011年的综合数据显示欧盟各旅游行业间存在诸多不同的特点(见表2)。航空业和旅行社业只占整体雇员人数的8.9％，贡献了36％的营业收入，其中航空业以0.2％的企业数量贡献了16.5％的营业收入；而占就业人数65％的餐饮业在整体营业收入中占比仅为44％。从营收利润率上亦可看出，住宿和餐饮业要明显高于航空和旅行社业，人均总增加值则是航空和旅行社业远超住宿及餐饮业。表2数据充分表明了欧盟各旅游行业间企业规模、经济效益等特质均呈现巨大差异。

      

       2.2 数据单位根及协整检验

       为了避免分析过程中可能出现的“伪回归”等现象，本文首先通过LLC、IPS、Fisher-ADF及Fisher-PP等方法对数据的平稳性进行检验，表3显示了面板数据单位根检验的结果。由于本文数据属于非平衡面板数据，也即各纵剖面的时间长度不一致，LLC和IPS用于此处进行面板数据单位根检验具有一定的局限性，因此这里主要参考ADF检验的结果。表3的ADF检验结果显示这5个变量的水平值均不平稳，但一阶差分基本平稳，说明这些变量同阶单整，在此结果基础上可以进一步对GDP、AIR、HOTEL、TOTA和REST进行面板协整检验，以探寻两两变量之间是否存在长期协整关系。

       考虑到研究中使用的是面板数据，欧盟各成员国之间可能存在国别异质性以及随时间变化产生的趋势效应，本文采用Pedroni(1999)和Kao(1999)方法并以Lee和Chang(2008)的计量经济学模型为基础使用如下方程：

      

       并基于该模型对GDP、AIR、HOTEL、TOTA及REST等5个变量进行两两之间的协整关系检验。式(1)允许协整向量在国家之间存在差异，并考虑了截面效应(

)和趋势效应(

)。考虑趋势效应是为了描述截面成员共同经历的国际环境变化。如，突发灾害性事件、经济金融危机等，其考虑了面板成员的异质性、固定的截面效应和确定性的趋势效应。协整检验的结果(见表4)显示各检验值具有统计学意义上的显著性，GDP和各旅游行业间，以及各旅游行业相互之间均存在长期协整关系。其中GDP与AIR的关联度最高，而与REST的关联度较低。从各旅游行业之间的相互关系来看，HOTEL、REST与其他行业间关联性较强。它们间具体的因果关系将由下一步格兰杰因果检验来加以分析。

      

      

       2.3 ECM模型构建及数据检验

       由上可知，模型中所有的变量均平稳，因此可用标准的F检验来检验这些零假设。变截距模型是面板数据中最常见的一种形式，该模型允许截面成员上存在个体影响，用截距项的差别来说明，并可进一步分为固定效应变截距模型和随机效应变截距模型。本文应用Hausman检验来进行模型选取(见表5)。接下来在前述数据平稳性检验的基础上，本文基于Engle和Granger(1987)两步法构建如下面板误差修正模型(panel-based ECM)，即有动态误差修正项的格兰杰因果检验模型：

      

       上述模型可以用来刻画变量之间的短期调整关系，其中

为误差修正项，可用式(1)的残差序列

来作为它的估计值。因为式(2)和式(3)均为动态的面板数据模型，必须用工具变量来解决随机误差项和滞后解释变量之间的相关性问题。既然滞后长度k=2对于满足随机误差项无自相关的假设是必要的，那么只能用滞后三、四阶的解释变量作为工具变量(Christopoulos，Tsionas，2004)。此处Granger因果关系检验的实质是式(2)和式(3)中解释变量系数的显著性检验，对于短期因果关系，在式(2)中就是要检验“对所有的欧盟国家，ΔARI滞后项的系数同时为零”的零假设，在式(3)中就是要检验“对所有的欧盟国家，ΔGDP滞后项的系数同时为零”的零假设。长期因果关系主要是考察调整速度即误差修正项的系数λ的显著性。λ的显著性意味着协整关系的长期性，当λ显著时，变量之间按照λ的方向和大小进行调整，都能达到长期均衡关系。对于式(2)，长期因果关系检验的零假设为“对所有的欧盟国家，调整速度系数

均为零”；对于式(3)，长期因果关系检验的零假设为“对所有的欧盟国家，调整速度系数

均为零”。

       考虑到旅游行业多为劳动密集型产业，在衡量其与经济增长之间关系时仅仅使用GDP作为宏观经济变量进行研究可能存在不足。加之欧盟在《里斯本协定》中已明确旅游行业在促进就业方面的支柱性产业地位，本文在进一步探讨各旅游行业发展与经济增长之间因果关系时，引入了税收(TAX)和就业(EMPLOY)年增长率两个变量进行计算，以期更为全面地反映欧盟成员国各旅游行业和经济增长之间可能存在的因果关系。本文进行了TAX和EMPLOY的面板数据根检验及其与各旅游行业变量间的协整检验，计量结果与GDP保持一致，均为显著，限于文章篇幅此处省去相关数据。

       表6显示了欧盟GDP、TAX、EMPLOY与各旅游行业之间的短期和长期因果关系(分别将变量GDP、TAX、EMPLOY、AIR、HOTEL、TOTA和REST代入式(2)、式(3))。就短期而言，除REST对GDP的推动作用较弱以外，其他旅游行业与整体经济之间均呈现依存度较高的双向因果关系。Tang和Jang(2009)以美国为对象的研究认为，GDP和航空、住宿、餐饮及博彩业间仅存在经济促进各旅游行业发展的单向因果关系，与本文结论存在一定差异。该差异可能主要源于欧盟旅游行业在国民经济中所占比例较高：2012年欧盟旅游直接收入占GDP的比例达2.8％，而美国该比例仅为0.58％⑥。这正如Oh(2006)的研究结论中提出：当旅游行业在国民经济中所占比例较小时，旅游增长多为经济驱动型，表现为经济到旅游的单向因果关系。本文结果中呈现的旅游行业与经济之间的双向因果关系表明欧盟范围内各旅游行业和整体经济均能从对方的短期增长中获益。此外，表6还显示了各旅游行业发展与整体经济增长的长期因果关系，其中AIR与GDP的双向因果关系连接更为紧密，而HOTEL相较其他旅游行业而言对整体经济的驱动作用稍弱。这主要由于HOTEL以客房等固定资产为主，很难及时调整供应来适应需求变化⑦。反之，宏观经济对HOTEL和REST的驱动作用相对更强。从本文研究结果来看，将旅游行业视为整体来分析其与经济增长之间的关系确实可能导致相关结论出现偏差。

       进一步，本文借助表7和图1展示了各旅游行业间的长期格兰杰因果层级关系。图1显示，这种层级关系首先以HOTEL为核心，其增长对其他3个旅游行业都有很强的带动性和影响力。与之相对，TOTA和REST对HOTEL亦呈现较强的拉动效应，这凸现了HOTEL在旅游行业发展中的重要地位。其次，AIR和TOTA处于影响力类似的中间层级，TOTA相对AIR而言与其他变量间的相互推动作用表现得更为明显。最后，REST处于该因果层级关系的最下端，它对HOTEL以外其他旅游行业的带动效应相对较小，但各行业的波动均能对其造成较大影响。这种旅游行业间的层级关系在Tang和Jang(2009)针对美国的研究中也有类似结论，说明在成熟经济体中旅游行业间的内在联系呈现出大致相符的情形，发展中国家的各旅游行业关系是否亦如此，有待进一步研究。

       表5 Hausman检验结果

      

       注：括号内为Hausman检验统计量的伴随概率，当其小于0.05时说明各模型无法拒绝个体影响与解释变量不相关的原假设，因此建立随机影响变截距模型，反之则建立固定影响变截距模型。

      

       表7 旅游相关行业面板数据因果检验结果

      

       注：***、**和*分别表示在1％、5％和10％的显著性水平下拒绝原假设而接受备选假设。

      

       图1 旅游各相关行业因果层级关系

       注：实线箭头、线段箭头和点状箭头分别代表3类不同的影响力系数，大小依次减弱。

       3 结论与讨论

       将旅游行业作为单一产业来研究其和经济增长间关系可能存在诸多局限性，本文因此使用异质面板协整技术检验了欧盟4个主要旅游行业与整体经济增长的关系，结果表明两者之间存在长期协整关系。本研究结论证实了各旅游行业在欧盟范围内已经与整体经济增长密不可分，因此推动旅游发展相关战略确实能对经济增长起到良好的推动作用。旅游行业的促进作用在经济增长处于低谷时期表现得尤为明显，2008年全球金融危机后欧盟旅游行业先于整体经济实现迅速反弹增长，并很快超越历史最高水平便是最好的例证⑧。进一步格兰杰检验结果揭示了它们的因果层级关系：欧盟航空业、住宿业和旅行社业与经济增长之间存在双向因果关系，这3个核心旅游行业与欧盟成员国经济增长的因果关系表明，旅游行业对整体经济的即期促进作用不容忽视；同时当整体经济增长呈现良好发展态势时，各旅游行业必然也能从中受益。另外，住宿业作为影响力最强的旅游行业与航空、旅行社和餐饮业双向促进发展。餐饮业与其他行业之间则主要存在单向因果关系，其他3个行业能较好带动餐饮业增长，但餐饮业对它们的影响力有限。

       对政策制定者而言，该结论意味着欧盟短期刺激经济增长的行为能有效地促进旅游行业发展。格兰杰因果检验结果显示住宿业最重要的行业地位及对其他行业的带动作用，亦可帮助政府制定更有效的旅游行业发展政策，通过有限资源在特定时间内的优化配备来促进旅游行业及整体经济更好地发展。其次，对于业界而言，各旅游行业与经济增长间呈现协整关系表明这些行业的长期发展前景很大程度上将取决于整体经济的增长态势，而短期内各行业的发展则可以通过行业投资或其他推动发展的战略来实现。最后，在企业经营层面，本文研究中发现的4个旅游行业间因果层级关系，可以帮助旅游企业进行行业发展周期的预测，发掘可能存在的增长转折点，并通过观察分析因果层级关系中更高一级的行业来预测下一级行业的走向，为旅游企业制定长期发展战略提供科学依据。

       未来相关研究应该首先聚焦于加强旅游学科基础理论的夯实，尽早达成对旅游行业研究范畴的共识。在考量范畴科学尺度缺失的前提下，相关研究虽然层出不穷，却无益于学科性研究成果的累积。投射到本文具体研究内容上，就是旅游行业本身的界定问题。其次本文研究对象仅局限于欧盟成员国内的4个旅游行业，未来在数据获取可能的情况下应尽量扩大研究对象的覆盖领域，使研究结果更具说服力。最后，梳理旅游行业对经济增长影响时还应该涵盖其负面效应，特别是全面探讨以单一经济增长为目标的发展模式的利弊，以促进旅游行业国民福利功能的更高效发挥。

       注释：

       ①UNWTO[EB/OL].http://mkt.unwto.org/publication/unwto-tourism-highlights-2014-edition.

       ②欧盟统计局[EB/OL].http：//appsso.eurostat.ec.europa.eu/nui/setupModifyTableLayout.do?state=new¤tDimension=DS-204990NACE_R2.

       ③美国商务部外贸局国家旅游办公室.美国旅游卫星账户2010年～2013年统计报告[EB/OL].http：//travel.trade.gov/research/programs/satellite/2014_travel.pdf.

       ④欧盟统计局.欧盟旅游卫星账户统计[EB/OL].http：//ec.europa.eu/eurostat/documents/747990/748067/TSA_EIM_FINAL_VERSION.pdf/896f9dab-b9fa-45c1-b963-3028a73b71c6.

       ⑤世界旅行与旅游协会[EB/OL].http：//www.wttc.org/summits/the-global-summit-2014/.

       ⑥世界旅游与旅行协会[EB/OL].http：//www.wttc.org/research/economic-data-search-tool/.

       ⑦Corgel J.Predictive powers of hotel cycles[EB/OL].http：//www.hotel-online.com/News/PR2004_3rd/Aug04_PKFLodging.html.

       ⑧根据欧盟统计局数据，2009年欧盟旅游出现大幅下滑以后，2010年开始迅速回升，连续4年入境游客增长率为2.6％，5.6％，2.5％，4.6％；而同期真实GDP增长率仅为2％，1.5％，0％，1.3％.http：//ec.europa.eu/eurostat/product?code=teina011&mode=view.

标签：经济模型论文;  经济增长论文;  经济论文;  欧盟论文;  格兰杰因果关系论文;  经济学论文;