会员登录
会员注册采用面板数据模型对TLGH进行实证研究，除了能在大样本基础上准确反映变量关系信息之外，更重要的是，能够从更深层次上在判断TLGH是否存在基础上揭示旅游发展对经济增长所存在的影响效应与影响机制，进一步明确旅游产业政策的时效性。Soukiazis和Proenca(2008)对葡萄牙37个经济发展差异区域1993年～2001年面板数据进行实证检验，估计系数显示，旅游发展不仅对经济增长具有显著正向关系，而且还有助于区域经济实现自身稳态水平的条件β收敛。Kumar(2010)利用4个太平洋岛国(斐济、汤加、所罗门群岛和巴布亚新几内亚)1980年～2008年面板数据实证分析发现，旅游发展对经济增长具有显著促进作用，旅游发展每增长1%，分别在短期和长期带动该地区经济增长上升0.24%和0.72%。Fayissa等(2008)使用面板数据对42个非洲国家1980年～2008年估计结果显示，旅游发展对非洲国家经济增长促进作用显著，其中撒哈拉以南非洲国家旅游发展对经济增长的正向影响效应较大，结论为旅游发展可以在短时间内促进经济增长。在此之后，同样是针对发展中国家，基于此方法，Fayissa等(2011)又对18个拉丁国家1990年～2005年两者关系进行了实证检验，指出旅游发展可以显著促进经济增长率，需在兼顾其他经济增长必需资源时，实行旅游产业发展战略。由此便会延伸出一个新的问题，随着旅游专业化(旅游收入占GDP比值)逐渐提高，旅游发展对经济增长的这种影响关系是线性的吗?对此问题的回答，Adamou和Clerides(2009)提供了一个很好的思路，受Lanza和Pigliaru(2000)的“旅游发展相对发达的地区存在两个鲜明特征：一是具有较高经济增长率；二是国家规模较小”的思路启发，以162个国家1990年～2005年面板数据为研究样本，通过将旅游专业化平方项纳入到模型中来检验这种非线性是否存在，具体研究路径是：首先，用旅游发展增长率对旅游专业化和其平方项进行固定效应估计，结果显示旅游专业化一次项系数显著为正(0.042)，二次项系数显著为负(-0.00057)，倒U形门槛值为36.9%，这意味着有必要考虑旅游发展的非线性特征；其次，将两者统一纳入到经济增长模型中进行面板工具变量估计，结果支持了他们的猜想，旅游专业化一次项系数显著为正(0.0039)，二次项系数显著为负(-0.000094)，倒U形门槛值为20.8%，说明旅游发展对经济增长的促进作用具有门槛特征，当旅游专业化程度超过20.8%时，即使旅游产业本身仍在发展，其对经济增长的贡献作用也会降低。
上述研究都认为旅游发展可以显著促进经济增长，为TLGH存在提供了有力证据。然而，一个更为深入细致的问题则是，旅游发展对经济增长的影响关系是否具有长期持续性?如若回答此问题，仍要回到理论分析与工具使用相结合的研究范式。即使这种影响关系具有长期性，但是对于这种关系进行实证考察时，由于受到时间序列长度的选取、时间序列结构突变点以及样本所存在的短期波动特征，旅游发展对经济增长所产生的影响关系可能会存在门限阈值效应。承上所述，国外学者对此问题也已有所论及。早期代表性文献当属Eugenio-Martin等(2004)的研究，他们使用动态面板系统广义矩估计方法(SYS-GMM)对21个拉丁美洲国家1985年～1998年研究指出，在低收入组分(3个国家)和中收入组分(11个国家)内旅游发展与经济增长正相关，而在高收入组分(7个国家)内两者却呈现负相关关系。Brau等(2007)采用143个国家1980年～2003年的面板数据分析了经济增长、国家规模和旅游专业化程度之间的关系，为了克服时间序列数据上述缺陷，他们将在1980年～2003年间平均人口小于100万且旅游平均专业化程度高于10%的国家定义为“小国(small countries)”，并运用虚拟变量回归对“小国”经济增长绩效与其他样本子集国家(经合组织国家、产油国家、小国和最不发达国家)经济增长绩效进行了比较分析，得出结论：人口规模小的国家只有在旅游专业化程度很高的情况下才会出现TLGH。对于Brau等(2007)对旅游专业化程度度量的主观预设，在随后Po和Huang(2008)有关旅游发展与经济增长之间存在非线性影响关系的经典文献中予以更加严谨化，他们运用Hansen(2000)所创设的面板门限回归(panel threshold regression，PTR)方法，并以入境旅游专业化程度为门限变量对88个国家1995年～2005年数据分为三个样本区间估计显示，当入境旅游专业化程度低于4.0488%(区间1：57个国家)或高于4.7337%(区间3：23个国家)时，入境旅游发展对经济增长具有显著促进作用；而当入境旅游专业化程度高于4.0488%且低于4.7337%(区间2：8个国家)时，入境旅游发展对经济增长影响关系并不显著。延续以上研究思路，Chang等(2009)⑧同样发现了入境旅游发展对经济增长影响关系所存在的非线性门限特征。值得一提的是，借鉴此方法，武春友和谢风媛(2010)检验出中国31个省级行政单元1997年～2007年间入境旅游发展与经济增长之间存在面板门限效应，即入境旅游收入占GDP低于2.36%时，入境旅游发展对经济增长影响并不显著；当高于2.36%时，入境旅游发展显著促进经济增长。
4 TLGH的动态面板数据分析
根据经典哲学联系观点，很多经济关系本质上都具有动态持续性，面板数据的一个优点是可以对个体的动态行为进行建模。考虑到变量的动态调整过程，如果解释变量中包含了滞后因变量，即称之为动态面板数据(dynamic panel data)。从模型形式意义上看，动态面板模型在时间上的记忆来自两个方面：一是滞后因变量作为模型解释变量所引起的自相关；二是个体间差异的个体效应所引起的自相关。除此之外，由于静态面板模型所存在的联立性、遗漏变量和测量误差会导致内生性问题，对此进行最小二乘估计(OLS)和固定效应(FE)估计，导致估计结果有偏非一致。特别地，对于大N(截面)小T(时间)型面板数据结构，采用动态面板数据处理技术是一个非常好的选择(Roodman，2006)。为解决面板数据模型估计中存在的上述内生性问题，Arellano和Bond(1991)将所有可能的滞后变量作为工具变量，通过对经过一阶差分处理的原方程进行广义矩估计(generalised methods of moments，GMM)估计，创造了差分广义矩估计方法(DIF-GMM)，但是该方法在解决变量内生性问题的同时也存在诸多缺陷，如弱工具变量(weak instruments)问题。在DIF-GMM方法基础上，Blundel和Bond(1998)提出了系统广义矩估计方法(SYS-GMM)，其结合了差分方程和水平方程，同时更具有限样本性质。
为了捕捉旅游发展对经济增长影响关系的动态持续性，Eugenio-Martín等(2004)首次开拓性地将动态面板广义矩估计技术应用到旅游学研究中，他们采用DIF-GMM实证考察了拉丁美洲21个国家1985年～1998年旅游发展与经济增长关系，一个有意思的发现是：尽管TLGH在低、中和高收入国家均存在，然而旅游发展在中低收入国家对经济增长的影响效应相对较大，估计系数分别为0.00064和0.00063，高收入国家这一估计值仅为0.00037；进一步探究，利用广义最小二乘法(generalised least squares，GLS)对影响旅游经济发展强度的影响因素进行分析，认为低收入国家应该提高基础设施、教育等基础发展水平来吸引旅游者，中收入国家需要提高像健康服务、人均GDP等社会经济发展水平吸引旅游者。另外，尽管动态面板估计技术在旅游发展与经济增长关系的实证研究文献核心内容仍与静态面板数据类似，这里有必要加以区别强调的是，在有关TLGH经济理论分析内容方面，动态面板估计技术由于其有效克服内生性所带来的估计偏误问题，被研究学者逐渐接受并广泛应用到此研究领域，以便在实证上准确反映旅游发展的规模经济效应。基于Eugenio-Martín等(2004)的研究方法，Fayissa等(2008)以旅游密度为旅游发展代理变量，实证考察了42个非洲国家1995年～2004年动态面板数据，指出旅游密度提高1%，将正向促进经济增长上升0.0249%。Seetanah(2011)依据古典扩展索洛增长理论模型，对19个岛屿经济体1985年～2007年的动态面板数据进一步系统广义矩估计(one-step SYS-GMM)，检验结果为：无论是总体样本还是经济发达子样本与欠发达子样本，旅游发展对经济增长均具有显著促进作用，估计系数分别为：0.14、0.08和0.033，与Eugenio-Martín等(2004)研究所不同的是，经济发达子样本估计系数高于欠发达子样本；另外一点需要说明的是，旅游发展估计系数要小于诸如物质资本投资等其他影响经济增长的关键控制变量估计系数，这主要是因为它们在经济增长过程中扮演着相比旅游发展更重要的角色(Temple，2001；Dritsakis，2004)。另一篇代表性文献则是Sequeira和Nunes(2008)的研究，他们设计了两个入境旅游发展的代理变量，即入境旅游收入占出口贸易比例与入境旅游收入占GDP比例作为核心解释变量，并将世界多数国家1980年～2002年面板数据视为总体样本，同时将其又分为两个子样本，即小国家(常住人口小于500万)与贫穷国家(人均GDP小于平均水平)，由于模型中控制了时间虚拟变量，并通过反复检验，他们最终运用SYS-GMM和修正的固定效应最小二乘虚拟变量(least square dummy variable，LSDV)模型(Bruno，2005)对总体样本进行估计，然后用LSDV模型分别对小国家和贫穷国家进行估计，主要贡献在于：对于总体样本和贫穷国家子样本，旅游发展显著促进经济增长，与前两个样本相比，就小国家子样本而言，旅游发展对经济增长的贡献程度则不甚明显。从更为宏观的角度来看，内生经济增长理论认为，技术进步、知识溢出和外部性是推动经济增长的主要动力，然而先验理论断言，旅游产业是一个劳动密集型产业并非技术密集型产业，鉴于此点，旅游发展并不能显著促进经济增长，并且小国家由于具有专注于旅游产业发展的特征，旅游发展对经济增长的影响效应会更强(Easterly，Kraay，2000)，然而Sequeira和Nunes(2008)的实证研究对上述传统认识均予以了客观解读。既然时段选择、经济发展和人口规模会影响TLGH是否存在，据此，一个很自然的问题则是，地理因素会产生相应作用吗?Cortés-Jiménez(2008)使用SYS-GMM对西班牙和意大利1990年～2004年面板数据对此进行了相应论证，他们的研究策略是：首先，与以往研究文献所不同的是，他们同时检验国内旅游和入境旅游对经济增长影响效应，在此之前，分别用常住居民过夜天数和非常住居民过夜天数作为国内旅游和入境旅游的代理变量，之后，又用国内旅游人次和入境旅游人次同样作为代理变量进行稳健性检验；然后，将西班牙和意大利总体样本分为沿海和内陆两组子样本分别进行实证检验；最终，国内旅游和入境旅游分别对沿海子样本经济增长具有显著正向关系⑨(国内旅游两种代理变量估计系数为0.004和0.029；入境旅游两种代理变量估计系数为0.001和0.006)，而就内陆子样本而言，只有国内旅游对经济增长具有显著正向关系(国内旅游两种代理变量估计系数为0.004和0.012)，入境旅游对经济增长影响关系则并不理想(前一种入境旅游代理变量估计系数不显著，后一种入境旅游代理变量估计系数显著为负)。
5 TLGH的面板数据协整分析
众所周知，时间序列观测数据的长度直接关系到协整关系检验的效果，经济变量的观测数据时间序列越长，协整检验的功效也越高，反之，当时间序列变量的样本时期不够长时，协整检验的效力则较低。于是，一些计量学家开始考虑是否能够运用截面单位相似的面板数据，来提高协整检验的效力。随着面板单位根检验理论的发展，十余年来，面板协整检验理论不断丰富拓展，从最初的同质面板(homogeneous panel)检验(Kao，1999)发展到异质面板(heterogeneous panel)检验(Pedroni，2001)和动态面板(Pedroni，2004)检验。Lee和Chang(2008)使用动态异质面板协整技术对经合组织国家和非经合组织国家1990年～2004年旅游发展与经济增长关系实证检验发现，两者之间存在长期稳定协整关系，由于考虑到了截面个体效应可能引发的异方差以及内生性问题，此时对模型进行OLS估计会出现偏误，所以对模型进行完全修正最小二乘法(fully modified OLS，FMOLS)估计表明，相比非经合组织国家，经合组织国家旅游发展对经济增长正向影响效应更大。基于上述方法，Gao等(2009)利用1995年～2007年数据对中国31个省份的研究发现，入境旅游与省际经济增长之间存在长期稳定协整关系，入境旅游显著正向影响经济增长，并指出省际间经济增长的非均衡性会弱化入境旅游对经济增长的影响效应。Santana-Gallego等(2011)利用经合组织1980年～2005年面板数据为研究对象，通过进行面板单位根和协整检验、构建面板误差修正模型，最后对模型进行FMOLS估计和动态最小二乘法(dynamic OLS，DOLS)估计，实证结果发现，入境旅游与对外贸易存在长期稳定协整关系，短期内入境旅游是对外贸易的Granger原因，入境旅游能够显著提高对外贸易。
（作者单位：上海财经大学国际工商管理学院）