Welcome to visit Journal of Shaanxi Normal University(Natural Science Edition)!

Journal of Shaanxi Normal University(Natural Science Edition) >

2025 , Vol. 53 >Issue 2: 48 - 60

DOI: https://doi.org/10.15983/j.cnki.jsnu.2025106

The influence mechanism and effect of digital economy development on tourism industry efficiency: empirical analysis based on provincial panel data

  • WANG Zhaofeng , * ,
  • ZOU Jia
Expand
  • College of Tourism, Hunan Normal University, Changsha 410081, Hunan, China

Received date: 2023-06-17

  Online published: 2025-04-22

Fold

Abstract

As a driving force for new industries, the digital economy has emerged as a pivotal force in enhancing the efficiency of the tourism sector, critically contributing to the attainment of high-quality development in China’s tourism industry.Utilizing provincial panel data spanning from 2011 to 2020, this study employs the entropy weight TOPSIS and super efficiency SBM models to gauge the level of digital economy development and tourism industry efficiency. Furthermore, a comprehensive analysis is conducted using the two-way fixed effects model, adjustment effect model, and spatial Dubin model to explore the influence mechanism and effects of digital economy development on tourism industry efficiency. Findings reveal that digital economy development significantly boosts tourism industry efficiency, a conclusion upheld even after rigorous robustness tests. Analysis of regulatory mechanisms indicates that tourism intensity and the structure of the tourism industry positively moderate the relationship between digital economy development and enhanced tourism industry efficiency. Results from the spatial Dubin model demonstrate that the digital economy development within a province notably enhances its own tourism industry efficiency while exhibiting negligible spatial spillover effects on neighboring provinces’ tourism industry efficiency. Heterogeneity analysis further reveals that, compared with the eastern region, digital economy development in the central and western regions exerts a more pronounced influence on tourism industry efficiency.

Key words： digital economy; tourism industry efficiency; influence mechanism; regulatory effect; regional differentiation

Cite this article

WANG Zhaofeng , ZOU Jia . The influence mechanism and effect of digital economy development on tourism industry efficiency: empirical analysis based on provincial panel data[J]. Journal of Shaanxi Normal University(Natural Science Edition), 2025 , 53(2) : 48 -60 . DOI: 10.15983/j.cnki.jsnu.2025106

数字经济作为数字中国建设的重要部分,对提高中国经济效率、促进产业结构转型升级具有强大的驱动作用[1]。2022年我国数字经济规模达50.2万亿元,总量稳居世界第二,占GDP比重提升至41.5%[2]。数字经济在深化在线旅游行业数字化、网络化、智能化发展方面也显示出强大动力。2022年中国在线旅游市场规模达7 460亿元[3],数字经济成为稳增长、促转型的重要引擎,为解决当前“生产要素投入不断加码,经营绩效却未见显著改善”[4]的旅游业低效率问题提供了重要思路。2023年文化和旅游部先后印发《关于推动在线旅游市场高质量发展的意见》和《关于加强5G+智慧旅游协同创新发展的通知》,强调加快推进智慧旅游发展。因此,如何通过数字经济发展改善我国旅游业低效率局面已成为焦点问题。
目前,数字经济对旅游业影响效应研究已引发学术界的广泛关注。在理论层面,学者们重点关注数字经济在赋能旅游业高质量发展[5]、优化旅游治理体系和治理方式[6]、创新旅游发展模式[7]、驱动文化和旅游融合创新发展[8]等方面的重要作用,同时提出要警惕数字鸿沟给旅游业发展带来的新问题[9]。在实证层面,现有研究主要围绕互联网和数字经济对旅游经济增长[10-13]、旅游业高质量发展[14-15]、旅游产业融合[16]、旅游业碳排放效率[17]的影响展开。如冀雁龙等从生产率效应角度出发,阐述了数字化冲击对旅游经济增长的影响,采用调节效应模型验证了数字经济可以通过旅游产业效率的正向调节机制对旅游经济增长产生倒“U”型影响[12];并在之后的研究中进一步验证了数字化基础设施建设能够正向调节旅游产业效率对旅游经济增长的作用效果[13]。黄蕊等提出数字经济可凭借其技术优势创造全新的旅游应用场景,引导我国旅游产业组织结构实现柔性化、去中心化和平台化,从而促进我国旅游产业效率的全面提升[18]。刘震等综合运用固定效应模型、中介效应检验模型和面板门槛模型实证检验了互联网能显著驱动旅游业效率提升,其影响具有非线性效应,可通过增强地区旅游业密集度、提高地区旅游行业竞争性和提升旅游市场吸引力等方式实现[19]。吴丹丹等利用面板平滑转换回归模型实证检验了数字经济对旅游业全要素生产率的影响呈现边际效用递增的非线性提升效应[20]。上述研究为本文提供了强有力的文献支撑,但鲜有文献考察数字经济发展对旅游产业效率的作用机制及空间溢出效应。一方面,忽视空间效应来探讨数字经济对旅游产业效率的影响可能会产生估计误差;另一方面,关于数字经济通过何种途径作用于旅游产业效率的实证研究也亟待完善。此外,对于区域发展水平严重不平衡的中国而言,各省份间差异值得关注。
鉴于此,本文在构建科学指标体系测度2011—2020年数字经济发展水平和旅游产业效率的基础上,探讨数字经济对旅游产业效率的影响机制及效应,揭示数字经济推动旅游产业效率提升的“黑箱”,希冀能为加强数字经济与旅游产业协调高质量发展提供学术参考和经验证据。本文可能的边际贡献在于:第一,研究视角上,本文将数字经济纳入旅游产业效率提升的分析框架中,在构建综合指标测度数字经济发展水平、利用工具变量等方法克服内生性问题和检验结论稳健性的基础上,为“数字经济对旅游产业效率提升具有促进作用”这一命题提供了直接证据,是对现有研究的丰富和拓展。第二,研究内容上,本文引入调节效应模型进行机制分析,检验了旅游业密集度和旅游产业结构对数字经济发展影响旅游产业效率的调节作用;引入空间杜宾模型对数字经济发展影响的空间溢出效应进行检验,以避免忽略空间因素造成的回归结果偏误。第三,现实意义上,基于理论分析和实证检验,对当前促进数字经济高速发展与旅游产业提质增效实现双赢具有重要的实践意义。

1 理论分析与研究假设

1.1 数字经济对旅游产业效率的提升作用

数字经济作为一种新型经济形态,能够从优化资源配置、助力旅游供需平衡、增进业态融合创新、促进市场良性竞争等方面促进旅游产业效率提升(图1)。第一,优化资源配置。数字经济能够打破生产要素流动壁垒,有效降低旅游系统内外部资源要素的协调成本并对其进行系统化整合[5,12]。第二,助力旅游供需平衡。数字经济能够显著降低信息不透明不对称下的沟通成本、协调成本和经济交易成本,助力旅游供求双方的双向反馈,从而将旅游业的供需均衡推升至新的制高点[9]。第三,增进业态融合创新。一方面,数字经济与旅游产业深度融合发展能够实现实时监控、搜寻、核算等业务全程数字化,提高旅游目的地经营管理水平[20],以高渗透性与强扩散性助力实现旅游业数字化内部动力的释放[18];另一方面,数字技术创造的虚拟体验和目的地真实体验双轨并行,生成云旅游、定制游、无接触服务、数字景区等旅游新产品,加速了旅游产品迭代与旅游业态更新[7,21]。第四,促进旅游市场良性竞争。数字化程度更高的旅游企业在市场竞争中占据上风,迫使传统旅游企业加快数字化转型以增强市场竞争力[20];而良性竞争加剧也促使高层次人才、资本、信息等生产要素向技术创新型旅游企业倾斜,推动地区旅游业技术升级,从而提升旅游产业效率[20]。
图1 数字经济对旅游产业效率的影响机理

Fig.1 Influence mechanism of digital economy on tourism industry efficiency

基于上述分析,本文提出如下假设。
假设1:数字经济对旅游产业效率提升具有促进作用。

1.2 旅游业密集度与旅游产业结构的调节作用

伴随着要素自由流动和资源配置优化,产业集聚效应不断扩大,旅游业密集度逐步攀升[22],旅游产业效率也不断提高。一方面,数字经济加速了旅游企业的数字化改造进程[5],改变其传统生产经营方式和组织管理模式,促进旅游产业实体聚集规模提升,形成规模效应,从而促进旅游产业效率提升[20];另一方面,数字经济的发展催生了虚拟聚集平台,实现旅游者、旅游供给商、政府管理部门等旅游市场主体在虚拟空间聚集、互动、交易,从而提升地区旅游产业效率[23]。此外,数字经济对旅游产业效率的提升作用可通过结构优化效应实现(图1)。数字经济通过对劳动力、资本、技术等传统生产要素进行融合、更新和改造,促使旅游业要素投入与产出结构更加耦合、协调[5],从而提升旅游业生产效率。并且,数字要素作为数字经济的核心组成部分[24],它既是旅游产业的投入要素,也是旅游产业数字化生产的产品,与传统生产要素相比,具有可复制性、非损耗性以及流通成本更低等优势,有助于打破资源桎梏,改善旅游业的投入-产出结构,进而提升旅游产业效率[12]。
基于此,本文提出如下假设。
假设2:旅游业密集度提升在数字经济发展影响旅游产业效率的关系中起到正向调节作用。
假设3:旅游产业结构优化在数字经济发展影响旅游产业效率的关系中起到正向调节作用。

1.3 数字经济对旅游产业效率的空间溢出效应

数字经济发展最显著的特征之一是压缩了信息交流的时空距离,实现信息跨区域高效传递,降低了区域经济网络空间的时空局限性,从而提升区域间经济活动关联的广度与深度[25]。第一,依托互联网,不仅实现了可编码知识的远距离传播,也能有效加强不可编码缄默知识传播的时空压缩性,从而进一步加速了地区间生产要素的流动[26]。第二,由于旅游市场的复杂性特征,单个旅游供应商在产品供给中无法囊括所有的资源和知识,其接入互联网平台后,可通过旅游要素重组和多渠道联结,使以往专注本地市场的旅游企业在业务水平、技术创新、组织管理等方面与其他地区的企业展开深入交流合作,实现互利共赢[11]。第三,旅游者可借助数字虚拟平台,克服由非惯常环境信息不对称造成的旅游购买行为不确定性障碍和对旅行社等中介商的依赖,在极大降低目的地产品信息搜索成本的前提下,更为准确、及时地获取不同地区旅游目的地的产品供给信息,从而快速便捷地做出满意的购买决策[5,9]。综上所述,数字经济不仅可以促进本地区旅游产业效率提升,在生产要素跨区域流动、旅游企业跨地区合作与支持旅游者购买决策的作用下,还可以对邻近地区的旅游产业效率产生正向空间溢出效应(图1)。
基于此,本文提出如下假设。
假设4:数字经济可通过空间外溢效应作用于邻近地区的旅游产业效率。

2 研究设计

2.1 模型构建

为验证以上研究假说,首先构建基准回归模型
Tit=α0+α1ln Dit+αnCit+μi+λt+γit。
式中:Tit表示省份i在t时期的旅游产业效率;ln Dit表示省份i在t时期的数字经济发展水平;Cit表示一系列控制变量;α0表示截距项;α1表示核心解释变量的估计系数;αn表示控制变量的估计系数;μi为个体固定效应;λt为时间固定效应;γit为随机扰动项。
其次,对数字经济发展能否通过提高旅游业密集度和升级旅游产业结构促进旅游产业效率提升分别进行检验。在基准模型的基础上,加入核心解释变量与调节变量的交互项,通过交互项的显著性检验验证是否存在调节效应,构建模型为
Tit=β0+β1ln Dit+β2T1it+β3ln Dit×T1it+βnCit+μi+λt+γit。
式中:T1it为调节变量,分别是旅游业密集度(ln TD)和旅游产业结构(ln TSR);β0表示截距项;β1、β2、β3、βn表示各估计系数。
最后,为进一步分析数字经济发展与旅游产业效率之间存在的空间效应,在式(1)中引入此二者以及控制变量的空间交互项,构建如下空间杜宾模型:
Tit=α0+ρWijTit+θ1ln Dit+ξ1Wijln Dit+θ2Cit+ξ2WijCit+μi+λt+γit。
式中:ρ为空间自回归系数;Wij为空间权重;θ1、θ2为解释变量的估计系数;ξ1、ξ2为对应空间交互项的弹性系数。空间权重矩阵可以反映地区间的空间相关性,考虑到旅游需求的距离衰减规律以及互联网发展无法消除信息交流的地理根植性[27],地理距离相近但不相邻的两个省份也可能相互影响,本文采用地理距离矩阵作为空间权重矩阵。

2.2 变量测度与说明

2.2.1 被解释变量

本文的被解释变量为旅游产业效率。旅游产业效率是基于旅游投入和产出的经济行为评价过程,基本生产要素投入包括土地、劳动力、资本3方面[28]。
由于旅游用地难以准确测度,也不会对旅游业的发展造成过多约束,因此土地要素不予考虑[29]。在劳动力要素指标上,旅游业从业人数是最为直观的表征,但多数地区未纳入官方统计,参考已有研究[30],本文选择住宿和餐饮业从业人员数指标进行替代。在资本要素投入指标上,旅游业直接投资是最为理想的表征,但由于数据获取受限,本文借鉴相关研究[29,31],选取A级景区数、星级酒店数、旅行社数、省固定资产投资额作为资本要素投入指标。
在产出指标方面,选择旅游业总收入和旅游接待人次这两个指标进行效率测度[29-32]。本文采用Tone[33]提出的改进超效率SBM模型测算旅游产业效率,具体公式见韩燕等[34]的研究。

2.2.2 解释变量

本文的解释变量为数字经济发展水平。根据《数字经济及其核心产业统计分类(2021)》[35],并参考已有研究[36-40],兼顾指标体系的合理性与数据的可得性,从数字基础、数字应用、数字创新和数字效益4个维度,共筛选出21个指标构建数字经济发展水平评价指标体系(表1)。为避免主观赋权造成的评估误差,并考虑到各年份间指标横向可比性,本文采用熵权TOPSIS法计算数字经济发展综合指数,并取其自然对数,记为ln D。具体步骤详见文献[36]。
表1 数字经济发展水平评价指标体系

Tab.1 Evaluation index system of digital economy development level

维度层 指标层 单位 属性 权重
数字基础 移动电话交换机容量 万户 + 0.024 2
电话普及率 部/百人 + 0.017 1
长途光缆线路长度 km + 0.019 6
互联网宽带接入端口数 个 + 0.033 0
互联网域名数 个 + 0.075 7
互联网宽带接入用户数 万户 + 0.034 3
数字应用 信息行业产业企业数 家 + 0.040 0
百家企业使用计算数 个 + 0.022 7
百家企业拥有网站数 个 + 0.004 4
有电子商务交易活动的企业占比 % + 0.013 7
数字普惠金融指数 + 0.014 7
数字创新 技术市场交易额 亿元 + 0.075 2
科学技术财政支出 亿元 + 0.057 3
专利申请授权数 件 + 0.075 2
R&D人员当时全量 人年 + 0.054 0
R&D经费投入强度 % + 0.034 2
数字效益 软件业务收入 万元 + 0.093 9
软件产品收入 万元 + 0.089 6
电子商务销售额 万元 + 0.065 5
电信业务量 万元 + 0.065 6
信息技术服务业务收入 万元 + 0.090 1

注:“+”表示正向指标。

2.2.3 调节变量

旅游业密集度可有效反映单位面积上旅游经济活动密集性水平,用旅游总收入除以土地面积来测算[19,23],并取其自然对数,记为ln TD。
旅游产业结构的合理化程度是影响旅游产业效率的重要因素,选取修正的泰尔指数来表征旅游产业结构[41-42],并做对数化处理,记为ln TSR。

2.2.4 控制变量

旅游产业效率受到经济、交通、产业结构等多种因素的共同影响。为了准确衡量数字经济发展对旅游产业效率的影响效应,将其他干扰因素引起的误差降到最小,本文参考相关研究[20,30,43],选取产业结构升级(ln S)、科教发展水平(ln E)、经济发展水平(ln P)、城市化水平(ln U)、旅游交通条件(ln TT)作为控制变量,分别用三产增加值占二产增加值比重、政府科研教育财政支出与GDP比值、人均GDP、非农业人口比例、高速公路里程进行表征,并做对数化处理。

2.3 数据来源与处理

采用2011—2020年中国30个省份(不含西藏自治区和港澳台地区)的面板数据进行研究。数据主要来源于国家统计局官网、EPS数据库、2012—2021年《中国旅游统计年鉴》以及各省份统计年鉴;数字普惠金融指数来自北京大学数字金融研究中心[44];缺失数据用线性插值法加以补充完善。为克服离群值的影响,实证分析中对各变量做1%的缩尾处理。各变量统计学特征以及方差膨胀因子(VIF)如表2所示,VIF值均介于0~10,表明本文的解释变量间不存在严重的多重共线性。
表2 变量的统计学特征

Tab.2 Statistical characteristics of variables

变量类型 变量名称 变量符号 观测值 均值 标准差 VIF
被解释变量 旅游产业效率 T 300 0.307 0.191
解释变量 数字经济发展水平 ln D 300 -1.853 0.526 5.82
调节变量 旅游业密集度 ln TD 300 -3.936 1.678 1.28
旅游产业结构 ln TSR 300 0.078 0.836 2.70
控制变量 产业结构升级 ln S 300 -0.192 0.380 3.17
科教发展水平 ln E 300 -3.233 0.322 3.82
经济发展水平 ln P 300 1.582 0.436 9.57
城市化水平 ln U 300 4.058 0.120 6.15
旅游交通条件 ln TT 300 -1.048 0.642 2.57

3 实证结果与分析

3.1 基准回归分析

Hausman检验结果显示,P值为0.035 6,在5%的显著性水平下拒绝原假设,所以采取固定效应回归更优。表3为数字经济发展影响旅游产业效率的估计结果,其中列(1)表示不加入任何控制变量,列(2)~(6)表示依次加入控制变量。
表3 基准回归结果

Tab.3 Baseline regression results

变量 列(1) 列(2) 列(3) 列(4) 列(5) 列(6)
ln D 0.202***
(0.008)		 0.202***
(0.075)		 0.219***
(0.075)		 0.302***
(0.084)		 0.191**
(0.089)		 0.192**
(0.089)
ln S 0.025
(0.066)		 0.008
(0.066)		 0.068
(0.071)		 0.103
(0.071)		 0.087
(0.073)
ln E -0.243***
(0.088)		 -0.297***
(0.091)		 -0.378***
(0.092)		 -0.384***
(0.093)
ln P -0.282**
(0.132)		 -0.459***
(0.140)		 -0.474***
(0.141)
ln U 0.738***
(0.219)		 0.674***
(0.233)
ln TT 0.038
(0.047)
常数项 0.629***
(0.163)		 0.629***
(0.163)		 -0.137
(0.321)		 0.209
(0.358)		 -2.995***
(1.014)		 -2.699**
(-2.360)
省份固定 是 是 是 是 是 是
年份固定 是 是 是 是 是 是
N 300 300 300 300 300 300
R2 0.529 4 0.529 6 0.543 2 0.551 1 0.570 1 0.571 2

注:***、**、*分别表示在1%、5%、10%的统计水平下显著;括号内为系统标准误。

在没有加入控制变量时,核心解释变量数字经济发展的估计系数为0.202,且在1%显著性水平下通过检验。依次加入控制变量后,数字经济发展对旅游产业效率的回归系数均显著为正,说明数字经济发展对旅游产业效率具有显著的正向促进作用,该结果验证了假说1。
从控制变量的回归结果来看,产业结构升级(ln S)和旅游交通条件(ln TT)对旅游产业效率的估计系数为正但未通过显著性检验,即当前产业结构和旅游交通条件并不能对旅游产业效率产生显著影响,表明二、三产业内部结构还有待进一步优化,旅游交通网络体系还需不断完善。科教发展水平(ln E)和经济发展水平(ln P)对旅游产业效率的估计参数均在5%的水平上显著为负。可能原因在于旅游产业与其他产业在政策倾斜、经济发展水平、资源分配等方面存在一定的竞争关系,因此在大力发展地区教育、经济的同时,也应注重对旅游产业的政策扶持和资源倾斜。城市化水平(ln U)对旅游产业效率在1%水平上存在显著正相关,城市化进程加快和城市化水平提高在带动就业、提高人口素质、加强基础设施建设等方面发挥重要作用,可为旅游业发展提供完善的服务设施和良好的人文环境,从而提升旅游产业效率。

3.2 机制探讨

本文分别添加旅游业密集度(ln TD)、旅游产业结构(ln TRS)这2个调节变量及其与数字经济发展水平的交乘项,检验数字经济发展水平对旅游产业效率提升中的调节效应,估计结果见表4。
表4 调节效应估计结果

Tab.4 Estimated results of adjustment effects

变量 列(1) 列(2)
ln D 0.182**
(0.088)		 0.178**
(0.088)
ln TD 0.431***
(0.053)
ln TSR 0.071*
(0.037)
ln TD×ln D 0.051***
(0.015)
ln TSR×ln D 0.035**
(0.017)
ln S -0.002
(0.065)		 0.076
(0.074)
ln E -0.506***
(0.084)		 -0.381***
(0.092)
ln P -0.514***
(0.137)		 -0.402***
(0.146)
ln U 0.046
(0.259)		 0.698***
(0.236)
ln TT -0.011
(0.049)		 -0.002
(0.051)
常数项 0.846
(1.131)		 -2.937***
(1.097)
省份固定 是 是
年份固定 是 是
R2 0.673 7 0.578 3

注:***、**、*分别表示在1%、5%、10%的统计水平下显著;括号内为系统标准误。

列(1)中,旅游业密集度与数字经济发展水平的交乘项、数字经济发展水平、旅游业密集度对旅游产业效率的影响均显著为正。假设2得到验证,旅游业密集度的提高在数字经济发展对旅游产业效率的影响效应中起到显著的正向调节作用。一方面,数字经济发展加速了旅游企业的数字化改造进程,促进旅游企业整合并共享区域内资源,不断提升聚集规模,形成规模效应;另一方面,互联网虚拟空间取代了传统地理空间,降低了地域对企业进入市场的限制,使企业能在更大范围内参与市场竞争。最终,海量服务商在虚拟空间中集聚,加速旅游者浏览、决策、购买流程,同时降低了旅游服务商的交易成本,提升其经营绩效。旅游产业集聚效应不断扩大,旅游业密集度不断增加,最终使地区旅游产业效率显著提升。
列(2)中,旅游产业结构与数字经济发展水平的交乘项、数字经济发展水平、旅游产业结构对旅游产业效率的影响均显著为正。假设3得到验证,旅游产业结构在数字经济发展提升旅游产业效率的过程中起到了调节作用,有效强化了数字经济发展对旅游产业效率的正向影响。数字经济发展带来的互联网及数字技术深入旅游产业结构内部,显著提高旅游资源、人才、资本、信息等生产要素的配置效率与流转效率。同时,基于数字技术的旅游生产要素的通用性与柔性化程度不断增强,资源使用效率和产出效率大大提升,引致旅游产业的生产力系统深刻变革,投入-产出结构得以优化,进而显著提升旅游产业效率。

3.3 空间效应分析

3.3.1 全局空间关联性分析

本文通过莫兰指数检验2011—2020年各样本间的数字经济发展水平、旅游产业效率是否存在空间自相关。
由表5可知,数字经济发展水平(ln D)和旅游产业效率(T)的莫兰指数大部分均为正值,且显著性较强,表示各样本数字经济和旅游产业效率均具有正向的空间相关性,对二者关系进行分析时有必要纳入空间因素。
表5 2011—2020年数字经济发展与旅游产业效率的莫兰指数

Tab.5 Moran’s I of digital economy development and tourism industry efficiency from 2011 to 2020

年份 ln D T
Moran’s I Z值 Moran’s I Z值
2011 0.245** 2.354 0.319*** 3.032
2012 0.272** 2.590 0.304*** 2.945
2013 0.258** 2.464 0.356*** 3.297
2014 0.255** 2.440 0.395*** 3.632
2015 0.262** 2.498 0.376*** 3.500
2016 0.273** 2.586 0.314*** 2.961
2017 0.292*** 2.746 0.206** 2.047
2018 0.327*** 3.033 0.120 1.306
2019 0.349*** 3.210 -0.015 0.166
2020 0.353*** 3.237 -0.014 0.174

注:**、***分别表示在5%、1%的统计水平下显著。

3.3.2 空间杜宾模型结果分析

本文参考Elhorst[45]的检验方法,确定采用固定效应的SDM模型为最优选择,表6为数字经济发展水平与旅游产业效率的空间回归模型估计结果。
表6 基于地理距离矩阵的空间模型回归结果

Tab.6 Regression results of spatial model based on geographical distance matrix

变量 SDM 直接效应 间接效应 总效应
ln D 0.252***
(0.079)		 0.231***
(0.084)		 0.257
(0.196)		 0.488**
(0.197)
ln S 0.257***
(0.075)		 0.231***
(0.071)		 0.260**
(0.119)		 0.491***
(0.144)
ln E -0.274***
(0.087)		 -0.307***
(0.091)		 0.414**
(0.175)		 0.107
(0.160)
ln P -0.402**
(0.156)		 -0.367**
(0.167)		 -0.192
(0.254)		 -0.559***
(0.178)
ln U 0.889***
(0.231)		 1.040***
(0.244)		 -1.815***
(0.504)		 -0.775*
(0.407)
ln T 0.059
(0.042)		 0.048
(0.044)		 0.144
(0.096)		 0.192**
(0.093)
W×ln D 0.441*
(0.248)
W×ln S 0.445**
(0.175)
W×ln P -0.415
(0.305)
W×ln E 0.407*
(0.220)
W×ln U -1.925***
(0.619)
W×ln TT 0.201*
(0.121)
rho -0.422***
(0.101)
LM-Lag 0.221 Robust
LM-Lag		 7.971***
LM-Err 7.176*** Robust
LM-Err		 14.925***
LR-Sar 26.98*** LR-Sem 28.02***
Wald-Sar 28.27*** Wald-Sem 29.21***
Hausman 66.31***
R2 0.275 6
Log-likelihood 350.320 6

注:***、**、*分别表示在1%、5%、10%的统计水平下显著;括号内为系统标准误。

由于在含有全局效应设定的SDM中,通过点回归得到的空间交互项系数估计值无法直接用来讨论数字经济发展水平对旅游产业效率的边际影响。因此,本文对回归结果进行偏微分分解,得到数字经济发展水平对旅游产业效率的直接效应和间接效应。ln D、ln S、ln E、ln P、ln U和ln TT 6个解释变量的直接效应与SDM估计结果保持一致。
从参数估计结果看,ln D的估计系数为0.252,在1%水平上显著为正,代表本省份数字经济发展水平的增长能够提升自身的旅游产业效率。具体而言,数字经济发展水平每增长1%,本省旅游产业效率相应提升0.252%,可见数字经济发展对旅游产业效率提升的贡献十分可观。ln D对应的间接效应系数为正,但并不显著,说明本省份数字经济发展不能对邻近省份产生显著的正向溢出效应。这与假设3不一致,原因有:首先,由于各省份的数字经济发展政策、基础设施、优势资源等不尽相同,导致各省份间的数字经济发展水平存在较大差距,某些省份数字经济发展聚焦自身旅游产业效率提升,尚不能对邻近省份旅游产业活动产生影响;其次,由数字经济催生的数字旅游和智慧旅游等旅游新业态还处于发展的初级阶段,各区域旅游市场主体及其与相关产业之间的经济合作尚未体系化,关联性较弱,并且各省份间的旅游市场存在一定程度的竞争关系;最后,数字鸿沟也是旅游发展中亟须关注的新问题,地区数字设备接入差异导致的“接入鸿沟”、信息技术应用差异导致的“使用鸿沟”以及互联网普及率差异导致的第三道鸿沟,催生了区域旅游业发展不均衡等问题。

3.4 区域异质性检验

本文将样本划分为东部、中部、西部三大区域进行异质性检验。在分类回归检验前,首先对不同区域间的数字经济发展水平和旅游产业效率差异进行描述性统计说明。由表7可知,东部地区的数字经济发展水平明显领先于中部和西部地区,两类地区间的均值分别相差近0.616和0.737;而中部地区在旅游产业效率上略领先于东部、西部地区,地区间均值分别相差近0.018和0.047。这一结果为数字经济发展水平影响旅游产业效率的区域异质性检验设定了基础。
表7 各区域数字经济发展水平与旅游产业效率差异

Tab.7 The difference between the development level of digital economy and the efficiency of tourism industry in different regions

区域 ln D T
观测值 均值 中位数 标准差 观测值 均值 中位数 标准差
东部地区 110 -1.418 -1.377 0.489 110 0.312 0.253 0.186
中部地区 80 -2.034 -2.071 0.351 80 0.330 0.291 0.171
西部地区 110 -2.155 -2.183 0.351 110 0.283 0.251 0.208
为了避免各区域数据存在组内自相关、组间异方差及截面相关等问题导致估计无效,本文采用可行性广义最小二乘法(FGLS)估计数字经济发展水平对旅游产业效率的影响关系,结果见表8。
表8 区域异质性回归结果

Tab.8 Regression results of regional heterogeneity

变量 东部地区 中部地区 西部地区
ln D 0.095
(0.129)		 0.616**
(0.305)		 0.342***
(0.105)
ln S 0.069
(0.277)		 0.058
(0.058)		 0.162
(0.175)
ln E -0.522*
(0.259)		 0.469***
(0.113)		 -0.215
(1.535)
ln P -0.651
(0.393)		 0.019
(0.052)		 -0.047
(0.038)
ln U 0.709
(0.400)		 0.006
(0.009)		 0.009
(0.010)
ln TT 0.041
(0.061)		 -0.025
(0.201)		 0.478**
(0.210)
常数项 -3.281*
(1.618)		 3.013***
(1.091)		 0.478
(0.673)
样本数 11 8 11
R2 0.481 9 0.583 8 0.648 3

注:***、**、*分别表示在1%、5%、10%的统计水平下显著;括号内为系统标准误。

从FGLS模型回归结果来看,在东部地区,数字经济的估计系数为正,但不显著,这表明东部地区数字经济对旅游产业效率的影响不明显。中部地区和西部地区数字经济的估计系数分别在5%和1%水平上显著为正,这表明在中部和西部地区,数字经济能够显著促进旅游产业效率的提升。产生这种情况的原因可能是:在东部地区,数字经济相关技术的普及率较高,时间较早,其在旅游业中的应用也较为成熟,因此数字经济促进旅游业发展的边际效用可能已超出最佳范围;而在中部和西部地区,数字经济在旅游业中的应用及融合程度还稍显不足,中西部地区数字经济对旅游产业效率的提升效果更好。

3.5 稳健性检验

3.5.1 使用滞后项估计

考虑到数字经济发展与旅游产业效率间可能存在双向因果关系导致内生性问题,本文将数字经济发展水平的一期滞后项(L.ln D)作为核心解释变量纳入模型。估计结果如表9第(1)列所示,滞后项的估计系数为0.205,且在5%的显著性水平下通过检验,说明数字经济发展对旅游产业效率具有显著的正向促进作用,与前文保持了较好的稳健性。
表9 稳健性检验估计结果

Tab.9 Estimated results of robustness test

变量 列(1) 列(2) 列(3) 列(4)
L.ln D 0.205**
(0.098)
ln D 1.073***
(0.329)		 0.198*
(0.115)		 0.272**
(0.135)
ln S 0.042
(0.085)		 0.378**
(0.161)		 0.232***
(0.080)		 0.461**
(0.210)
ln E -0.348***
(0.101)		 0.758***
(0.244)		 -0.334**
(0.158)		 -0.068***
(0.026)
ln P -0.403**
(0.157)		 -0.749***
(0.255)		 0.054
(0.088)		 -0.079
(0.050)
ln U 0.809***
(0.273)		 0.665***
(0.254)		 1.312***
(0.334)		 -0.026*
(0.013)
ln TT 0.033
(0.060)		 -0.190**
(0.094)		 0.024
(0.040)		 -0.078
(0.193)
常数项 -0.152
(0.447)		 3.105**
(1.309)		 -3.948***
(1.455)		 2.826***
(0.962)
Kleibergen-Paap rk LM 17.228
统计量 [0.0000]
Kleibergen-Paap rk Wald F 21.975
统计量 {16.38}
省份固定 是 是 是 是
年份固定 是 是 是 是
R2 0.530 6 0.774 3 0.357 0 0.482 3

注:***、**、*分别表示在1%、5%、10%的统计水平下显著,[ ]数值为P值,{ }数值为Stock-Yogo弱识别检验10%水平上的临界值。

3.5.2 引入工具变量

引入工具变量是降低模型内生性问题的重要方法[46]。本文参考赵涛等[46]的做法,构造以各省份1984年每百万人电话机数量和上一年互联网用户数的交互项作为该年份数字经济发展水平的工具变量。方法上采用两阶段最小二乘法(2SLS)进行估计检验。如表9第(2)列所示,估计参数均在1%的水平下显著为正,说明数字经济提升旅游产业效率的效应仍成立,因此回归结果的稳健性得到验证。同时,Kleibergen-Paap rk的LM统计量P值为0.000,拒绝“工具变量识别不足”的原假设;在弱识别检验中,Kleibergen-Paap rk的Wald F统计量分别为21.975,大于Stock-Yogo弱识别检验在10%水平的临界值16.38。以上检验说明了本文工具变量选择的有效性。

3.5.3 分阶段回归

将本文研究区间划分为2011—2015年和2016—2020年两个时间段,分别进行估计,结果见表9第(3)和(4)列。数字经济发展对旅游产业效率的促进作用在这两个时期均显著,说明数字经济发展对旅游产业效率的正向提升作用未发生实质性变化,前文结论保持稳健。

4 结论与建议

4.1 结论

本文基于我国2011—2020年省级面板数据,在构建科学评价指标体系的基础上,考察了数字经济发展对旅游产业效率的影响机制及效应,得出如下研究结论。
1)数字经济发展对旅游产业效率存在显著的正向提升作用,且该结论在引入数字经济滞后一期为核心解释变量、运用工具变量2SLS回归方法、分阶段回归进行估计的情况下依然成立。
2)旅游业密集度和旅游产业结构在数字经济发展提升旅游产业效率的过程中均起到正向调节作用,表明数字经济可通过产业集聚效应和结构优化效应促进旅游产业效率提升。
3)受数字经济发展不平衡、数字旅游产业关联性弱、“数字鸿沟”造成的旅游业发展不均衡等问题的制约,当前本省份数字经济发展对自身旅游产业效率提升有显著的促进作用,对邻近省份旅游产业效率无显著的正向溢出效应。
4)不同区域数字经济发展水平各异,其对旅游产业效率的提升作用也不相同。回归结果表明,与东部地区相比,中部和西部地区的数字经济对旅游产业效率的提升效果更好。

4.2 建议

一方面,应高度关注因“数字鸿沟”催生的区域旅游业发展不均衡问题。借力数字经济发展动能,加快打造旅游生产要素的数字化共享共建平台,从整体上推动跨区域的旅游市场主体及其与相关产业之间的经济合作体系化,破解数字经济推动旅游业发展的空间约束,为缩小地区间旅游业发展差距提供强大的技术支撑。
另一方面,要综合考虑不同地区数字经济发展现状和旅游资源禀赋的差异,因地制宜,实施差异化的数字经济赋能旅游产业效率提升的发展路径。考虑到数字经济对东部地区的影响效应还有待加强,应充分发挥数字经济发展对旅游业密集度和旅游产业结构的正向调节作用,坚持以创新驱动发展为中心,推动旅游企业全方位数字化转型,为旅游产业效率提升注入“数字动力”。对于中部和西部地区,应大力加强数字经济基础设施建设,促进旅游产业数字化、智能化、网络化发展,进一步巩固数字经济为旅游产业效率提升带来的红利优势。
本文尚存在一些不足之处。首先,本文仅基于省级面板数据,讨论了数字经济发展对旅游产业效率的影响机制及效应。考虑到基于省域数据的空间矩阵难以全面反映地区间的空间关联特征,未来可对城市层面的数字经济发展与旅游产业效率的关系展开研究。其次,本文仅从线性视角展开实证研究,考虑到数字经济的网络外部性特征可能会对旅游产业效率产生非线性效应,未来可借助门槛模型等对其展开验证。最后,本文仅从旅游业密集度和旅游产业结构的宏观视角解释数字经济对旅游产业效率的影响机制,未来可结合旅游企业层面的微观数据进行更加深入细致的刻画。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄欣荣, 潘欧文. “数字中国”的由来、发展与未来[J]. 北京航空航天大学学报(社会科学版), 2021, 34(4):99-106.

HUANG X R, PAN O W. Origin, development and future of digital China[J]. Journal of Beijing University of Aeronautics and Astronautics (Social Sciences Edition), 2021, 34(4):99-106.

[2]
新华网. 2022年我国数字经济规模达50.2万亿元[EB/OL].[2023-04-28]. http://www.fj.xinhuanet.com/20230428/8ae52a23a177474ca0a4b0901a9f0f80/c.html.

[3]
网经社. 2022年度中国移动出行市场数据报告[EB/OL].[2023-04-12]. http://www.100ec.cn/detail--6626250.html.

[4]
查建平, 钱醒豹, 赵倩倩, 等. 中国旅游全要素生产率及其分解研究[J]. 资源科学, 2018, 40(12):2461-2474.

DOI

ZHA J P, QIAN X B, ZHAO Q Q, et al. Estimation and decomposition of total factors productivity of China’s tourism[J]. Resources Science, 2018, 40(12):2461-2474.

[5]
赵磊. 数字经济赋能旅游业高质量发展的内涵与维度[J]. 旅游学刊, 2022, 37(4):5-6.

ZHAO L. Connotation and dimension of digital economy empowering high-quality tourism development[J]. Tourism Tribune, 2022, 37(4):5-6.

[6]
宋瑞. 数字经济下的旅游治理:挑战与重点[J]. 旅游学刊, 2022, 37(4):11-12.

SONG R. Tourism governance under the digital economy: challenges and priorities[J]. Tourism Tribune, 2022, 37(4):11-12.

[7]
魏翔. 数字旅游:中国旅游经济发展新模式[J]. 旅游学刊, 2022, 37(4):10-11.

WEI X. Digital tourism-a new model of tourism economic development in China[J]. Tourism Tribune, 2022, 37(4):10-11.

[8]
周锦, 王廷信. 数字经济下城市文化旅游融合发展模式和路径研究[J]. 江苏社会科学, 2021(5):70-77.

ZHOU J, WANG T X. Research on the development mode and path of urban cultural tourism integration under digital economy[J]. Jiangsu Social Sciences, 2021(5):70-77.

[9]
杨勇, 邬雪. 从数字经济到数字鸿沟:旅游业发展的新逻辑与新问题[J]. 旅游学刊, 2022, 37(4):3-5.

YANG Y, WU X. From digital economy to digital divide: new logic and new problems of tourism development[J]. Tourism Tribune, 2022, 37(4):3-5.

[10]
ADEOLA O, EVANS O. Digital tourism:mobile phones,Internet and tourism in Africa[J]. Tourism Recreation Research, 2019, 44(2):190-202.

[11]
刘震, 杨勇, 眭霞芸. 互联网发展、市场活力激发与旅游经济增长:基于空间溢出视角的分析[J]. 旅游科学, 2022, 36(2):17-43.

LIU Z, YANG Y, SUI X Y. Internet development,market vitality and tourism economic growth:based on the perspective of spatial spillover[J]. Tourism Science, 2022, 36(2):17-43.

[12]
冀雁龙, 李金叶. 数字经济发展对旅游经济增长的影响研究[J]. 技术经济与管理研究, 2022(6):13-18.

JI Y L, LI J Y. The impact of digital economy development on the tourism economic growth[J]. Journal of Technical Economics & Management, 2022(6):13-18.

[13]
冀雁龙, 李金叶, 赵华. 数字化基础设施建设与旅游经济增长:基于中介效应与调节效应的机制检验[J]. 经济问题, 2022(7):112-121.

JI Y L, LI J Y, ZHAO H. Digital infrastructure construction and tourism economic growth:mechanism analysis based on mediating effect and moderating effect[J]. On Economic Problems, 2022(7):112-121.

[14]
吴丹丹, 马仁锋, 郝晨, 等. 数字经济对市域旅游业高质量发展水平的空间效应及机制[J]. 经济地理, 2023, 43(4):229-240.

DOI

WU D D, MA R F, HAO C, et al. Spatial effect and impact mechanism of digital economy on tourism industry high-quality development in Chinese cities[J]. Economic Geography, 2023, 43(4):229-240.

DOI

[15]
袁惠爱, 赵丽红, 岳宏志. 数字经济影响旅游业高质量发展:理论机制与经验证据[J]. 云南财经大学学报, 2023, 39(5):16-31.

YUAN H A, ZHAO L H, YUE H Z. The impact of digital economy on high-quality development of tourism:theoretical mechanism and empirical evidence[J]. Journal of Yunnan University of Finance and Economics, 2023, 39(5):16-31.

[16]
马斌斌, 豆媛媛, 贺舒琪, 等. 中国数字经济与旅游产业融合发展的时空特征及驱动机制[J]. 经济地理, 2023, 43(6):192-201.

DOI

MA B B, DOU Y Y, HE S Q, et al. Spatiotemporal characteristics and driving mechanisms of the integration development of digital economy and tourism industry in China[J]. Economic Geography, 2023, 43(6):192-201.

DOI

[17]
苏振, 郑应宏, 郭峦. 数字经济对旅游业碳排放效率的影响及门槛效应[J]. 中国人口·资源与环境, 2023, 33(8):69-79.

SU Z, ZHENG Y H, GUO L. Impact of the digital economy on the carbon efficiency of the tourism industry and its threshold effect[J]. China Population,Resources and Environment, 2023, 33(8):69-79.

[18]
黄蕊, 李雪威. 数字技术提升中国旅游产业效率的机理与路径[J]. 当代经济研究, 2021(2):75-84.

HUANG R, LI X W. The mechanism and path of digital technology to improve the efficiency of China’s tourism industry[J]. Contemporary Economic Research, 2021(2):75-84.

[19]
刘震, 杨勇, 程玉. 互联网能否驱动旅游业效率提升?:影响机制与经验证据[J]. 旅游学刊, 2022, 37(9):77-91.

LIU Z, YANG Y, CHENG Y. Can the Internet promote the efficiency of the tourism industry?Impact mechanism and empirical evidence[J]. Tourism Tribune, 2022, 37(9):77-91.

[20]
吴丹丹, 冯学钢, 马仁锋, 等. 数字经济发展对旅游业全要素生产率的非线性效应[J]. 旅游学刊, 2023, 38(2):47-65.

WU D D, FENG X G, MA R F, et al. Nonlinear effects of digital economy development on tourism total factor productivity[J]. Tourism Tribune, 2023, 38(2):47-65.

[21]
黄潇婷. 数字经济下旅游决策逻辑变化与重构[J]. 旅游学刊, 2022, 37(4):8-9.

HUANG X T. Changes and reconstruction of tourism decision logic under digital economy[J]. Tourism Tribune, 2022, 37(4):8-9.

[22]
程玉, 杨勇. 互联网促进区域旅游业聚集密度提升了吗?:基于中国省级面板数据的实证研究[J]. 旅游科学, 2022, 36(1):92-111.

CHENG Y, YANG Y. Does the Internet promote regional tourism agglomeration density? An empirical research based on provincial panel data in China[J]. Tourism Science, 2022, 36(1):92-111.

[23]
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[J]. 旅游学刊, 2020, 35(1):32-46.

YANG Y. Does Internet improve the efficiency and quality of the Chinese tourism industry? An empirical test based on Chinese provincial data (2004-2014)[J]. Tourism Tribune, 2020, 35(1):32-46.

[24]
刘平峰, 张旺. 数字技术如何赋能制造业全要素生产率?[J]. 科学学研究, 2021, 39(8):1396-1406.

LIU P F, ZHANG W. How can digital technology empower the total factor productivity of manufacturing industry?[J]. Studies in Science of Science, 2021, 39(8):1396-1406.

[25]
孔芳霞, 刘新智. 数字经济发展对工业绿色转型的影响研究:基于中国城市的经验证据[J]. 软科学, 2023, 37(4):27-35.

KONG F X, LIU X Z. Research on the impact of digital economy development on industrial green transformation-based on the empirical evidence of China city[J]. Soft Science, 2023, 37(4):27-35.

[26]
王如玉, 梁琦, 李广乾. 虚拟集聚:新一代信息技术与实体经济深度融合的空间组织新形态[J]. 管理世界, 2018, 34(2):13-21.

WANG R Y, LIANG Q, LI G Q. A new form of the spatial agglomeration under the deep integration of a new generation of information technology and the real economy[J]. Management World, 2018, 34(2):13-21.

[27]
黄鑫楠, 孙斌栋, 张婷麟. 地理距离对互联网社会中网络信息传播的影响[J]. 地理学报, 2020, 75(4):722-735.

DOI

HUANG X N, SUN B D, ZHANG T L. The influence of geographical distance on the dissemination of internet information in the internet society[J]. Acta Geographica Sinica, 2020, 75(4):722-735.

DOI

[28]
黄睿, 王坤, 黄震方, 等. 绩效视角下区域旅游发展格局的时空动态及耦合关系:以泛长江三角洲为例[J]. 地理研究, 2018, 37(5):995-1008.

DOI

HUANG R, WANG K, HUANG Z F, et al. Spatio-temporal dynamics and coupling relationship of regional tourism development pattern from the perspective of performance:a case study of Pan-Yangtze River Delta[J]. Geographical Research, 2018, 37(5):995-1008.

[29]
王兆峰, 李琴. 长江经济带旅游产业效率评价及其时空动态演变[J]. 长江流域资源与环境, 2022, 31(9):1895-1905.

WANG Z F, LI Q. Evaluation and temporal-spatial dynamic evolution of tourism industry ecoefficiency in Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2022, 31(9):1895-1905.

[30]
胡炜霞, 张玉芳. 黄河中下游旅游效率评价及影响因素分析[J]. 干旱区资源与环境, 2022, 36(7):187-193.

HU W X, ZHANG Y F. Evaluation of tourism efficiency in the middle and lower reaches of the Yellow River[J]. Journal of Arid Land Resources and Environment, 2022, 36(7):187-193.

[31]
王兆峰, 赵松松. 基于DEA-Malmquist模型的湖南省旅游产业效率时空动态演化及影响因素[J]. 长江流域资源与环境, 2019, 28(8):1886-1897.

WANG Z F, ZHAO S S. Temporal and spatial dynamic evolution and influencing factors of tourism efficiency in Hunan province based on DEA-malmquist model[J]. Resources and Environment in the Yangtze Basin, 2019, 28(8):1886-1897.

[32]
王兆峰, 李琴. 长江中游城市群旅游效率时空演变及其与生态环境的交互响应[J]. 陕西师范大学学报(自然科学版), 2023, 51(2):24-35.

DOI

WANG Z F, LI Q. The spatio-temporal evolution of tourism efficiency and its interactive response with ecological environment in urban agglomeration in the middle reaches of the Yangtze River[J]. Journal of Shaanxi Normal University (Natural Science Edition), 2023, 51(2):24-35.

[33]
TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2002, 143(1):32-41.

[34]
韩燕, 邓美玲. 中原城市群生态效率时空演变及影响因素[J]. 生态学报, 2020, 40(14):4774-4784.

HAN Y, DENG M L. Spatio-temporal evolution of eco-efficiency and influencing factors of Central Plains Urban Agglomeration[J]. Acta Ecologica Sinica, 2020, 40(14):4774-4784.

[35]
国家统计局. 《数字经济及其核心产业统计分类(2021)》(国家统计局令第33号)[EB/OL]. [2023-06-03]. http://www.stats.gov.cn/xxgk/tjbz/gjtjbz/202106/t20210603_1818135.html.

[36]
张姝, 王雪标. 数字经济对产业结构升级影响的实证检验[J]. 统计与决策, 2023, 39(3):15-20.

ZHANG S, WANG X B. An empirical test of the impact of digital economy on industrial structure upgrading[J]. Statistics and Decision, 2023, 39(3):15-20.

[37]
王青, 侯雪峰, 曾伏. 数字经济发展对城市居民消费的影响研究:基于时期异质性的空间杜宾模型[J]. 经济问题探索, 2023(2):96-109.

WANG Q, HOU X F, ZENG F. Research on the impact of digital economy development on urban residents’ consumption-spatial Doberman model based on period heterogeneity[J]. Inquiry into Economic Issues, 2023(2):96-109.

[38]
汤绿洋, 鲁邦克, 邢茂源, 等. 中国数字经济发展水平测度及动态演变分析[J]. 数理统计与管理, 2023, 42(5):869-882.

TANG L Y, LU B K, XING M Y, et al. The measurement and analysis of the development of China’s digital economy and dynamic evolution[J]. Journal of Applied Statistics and Management, 2023, 42(5):869-882.

[39]
沈洋, 周鹏飞. 中国数字经济发展水平测度及时空格局分析[J]. 统计与决策, 2023, 39(3):5-9.

SHEN Y, ZHOU P F. Measurement and spatial-temporal pattern analysis of the development level of China’s digital economy[J]. Statistics and Decision, 2023, 39(3):5-9.

[40]
李勇, 蒋蕊, 张敏, 等. 中国数字经济高质量发展水平测度及时空演化分析[J]. 统计与决策, 2023, 39(4):90-94.

LI Y, JIANG R, ZHANG M, et al. Measurement and spatial-temporal evolution of the high-quality development level of China’s digital economy[J]. Statistics and Decision, 2023, 39(4):90-94.

[41]
干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响[J]. 经济研究, 2011, 46(5):4-16,31.

GAN C H, ZHENG R G, YU D F. An empirical study on the effects of industrial structure on economic growth and fluctuations in China[J]. Economic Research Journal, 2011, 46(5):4-16,31.

[42]
刘宁, 宋秋月, 侯佳佳, 等. 中国旅游产业结构变迁及空间网络演进[J]. 地理与地理信息科学, 2020, 36(5):119-127.

LIU N, SONG Q Y, HOU J J, et al. Evolution of tourism industrial structure and spatial network in China[J]. Geography and Geo-Information Science, 2020, 36(5):119-127.

[43]
刘佳, 陆菊, 刘宁. 基于DEA-Malmquist模型的中国沿海地区旅游产业效率时空演化、影响因素与形成机理[J]. 资源科学, 2015, 37(12):2381-2393.

LIU J, LU J, LIU N. Space-time evolution,influencing factors and forming mechanisms of tourism industry’s efficiency in China’s coastal area of based on DEA-Malmquist model[J]. Resources Science, 2015, 37(12):2381-2393.

[44]
郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展:指数编制与空间特征[J]. 经济学(季刊), 2020, 19(4):1401-1418.

GUO F, WANG J Y, WANG F, et al. Measuring China’s digital financial inclusion:index compilation and spatial characteristics[J]. China Economic Quarterly, 2020, 19(4):1401-1418.

[45]
ELHORST J P. Matlab software for spatial panels[J]. International Regional Science Review, 2014, 37(3):389-405.

[46]
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展:来自中国城市的经验证据[J]. 管理世界, 2020, 36(10):65-76.

ZHAO T, ZHANG Z, LIANG S K. Digital economy,entrepreneurial activity and high-quality development:empirical evidence from China[J]. Management World, 2020, 36(10):65-76.

Options
Outlines

/

〈 〉

Copyright © Journal of Shaanxi Normal University(Natural Science Edition)
Address: No.1000 Taoyuan Avenue, Yu Bei District, Chongqing　Post Code:401120
Tel: 029-81530883，81530879，81530885　　E-mail: lkxuebao@snnu.edu.cn
Powered by Beijing Magtech Co. Ltd.