旅游業(yè)資源名片效應(yīng)、區(qū)位因素對(duì)空氣污染的影響

曾婧婧 保瑞 溫永林

摘要?旅游業(yè)正日益成為促進(jìn)區(qū)域協(xié)調(diào)發(fā)展的優(yōu)勢(shì)和先導(dǎo)產(chǎn)業(yè)，但隨之而來(lái)的是不合理的旅游開(kāi)發(fā)和不斷擴(kuò)張的旅游消費(fèi)引致的環(huán)境污染，其中空氣污染成為公眾高度關(guān)注的熱點(diǎn)。研究以2005—2017年中國(guó)地級(jí)及以上城市的霧霾（PM2.5）和二氧化硫（SO2）排放數(shù)據(jù)，實(shí)證檢驗(yàn)旅游發(fā)展對(duì)中國(guó)城市空氣污染的影響、作用機(jī)制及不同城市空間范圍內(nèi)旅游污染效應(yīng)的差異。在考慮大氣污染物空間溢出和擴(kuò)散效應(yīng)的前提下，基于貝葉斯后驗(yàn)?zāi)Ｐ透怕?，在兩種空間權(quán)重矩陣設(shè)定下建立空間杜賓誤差模型（SDEM）進(jìn)行回歸分析。研究發(fā)現(xiàn)：①旅游發(fā)展與PM2.5和SO2的直接效應(yīng)均呈“倒U”型關(guān)系，表明旅游業(yè)發(fā)展對(duì)城市空氣污染具有旅游“環(huán)境庫(kù)茲涅茨”效應(yīng)。②旅游名片對(duì)旅游業(yè)發(fā)展和城市空氣污染的二元關(guān)系具有調(diào)節(jié)作用。在同等旅游產(chǎn)業(yè)要素規(guī)模以及游客數(shù)量的條件下，獲批“國(guó)家旅游名片”的城市比沒(méi)有名片的城市單位旅游收入的增加會(huì)帶來(lái)更多的空氣污染排放。③旅游業(yè)發(fā)展對(duì)城市空氣質(zhì)量的影響存在區(qū)位差異，西部地區(qū)城市和規(guī)模較大的城市旅游業(yè)發(fā)展產(chǎn)生的SO2污染更嚴(yán)重。文章研究結(jié)果在經(jīng)過(guò)更換權(quán)重矩陣以及刪除特定城市樣本后依然穩(wěn)健?；诮Y(jié)論，文章認(rèn)為治理旅游空氣污染亟須推動(dòng)形成綠色旅游生產(chǎn)方式和旅游生活方式，倡導(dǎo)綠色保護(hù)性開(kāi)發(fā)和旅游者經(jīng)濟(jì)出行;各地區(qū)要加快淘汰或轉(zhuǎn)變落后的旅游開(kāi)發(fā)經(jīng)營(yíng)模式，爭(zhēng)取早日進(jìn)入“拐點(diǎn)”;國(guó)家應(yīng)謹(jǐn)慎認(rèn)定旅游名片，適當(dāng)提高準(zhǔn)入門(mén)檻;旅游空氣污染治理要因地制宜，西部地區(qū)及大城市地區(qū)應(yīng)加強(qiáng)旅游污染治理投入，提升污染治理水平。

關(guān)鍵詞?旅游發(fā)展;空氣污染;名片效應(yīng);區(qū)位因素;貝葉斯估計(jì)

中圖分類(lèi)號(hào)?X51文獻(xiàn)標(biāo)識(shí)碼?A文章編號(hào)?1002-2104（2020）11-0194-12?DOI：10.12062/cpre.20200429

隨著居民收入增長(zhǎng)和消費(fèi)結(jié)構(gòu)升級(jí)，旅游成為越來(lái)越多人參與的現(xiàn)代生活方式之一。近年來(lái)，中國(guó)躍居全球國(guó)內(nèi)旅游業(yè)發(fā)展最快的國(guó)家。據(jù)文化與旅游部統(tǒng)計(jì)公報(bào)顯示，2018年國(guó)內(nèi)旅游人數(shù)55.39億人次，實(shí)現(xiàn)旅游總收入5.97萬(wàn)億元。全年旅游業(yè)對(duì)GDP的綜合貢獻(xiàn)為9.94萬(wàn)億元，占GDP總量的11.04%，遠(yuǎn)高于全球平均水平5%[1]。然而與上述旅游繁榮形成鮮明對(duì)比的是，2018年全國(guó) 338 個(gè)地級(jí)及以上城市中，217個(gè)城市環(huán)境空氣質(zhì)量超標(biāo)，占64.2%[2]。城市空氣污染是一個(gè)開(kāi)放、復(fù)雜的系統(tǒng)，那么旅游業(yè)發(fā)展是否也是造成城市空氣污染的“元兇”之一呢？

傳統(tǒng)慣性思維認(rèn)為，旅游業(yè)是一種資源消耗低、環(huán)境破壞小的綠色生態(tài)型產(chǎn)業(yè)[3]。但需要指出的是，旅游業(yè)并非天生的綠色產(chǎn)業(yè)，旅游產(chǎn)業(yè)發(fā)展也存在“非綠色”的問(wèn)題。Lenzen 等[4]基于160個(gè)國(guó)家的旅游業(yè)碳排放數(shù)據(jù)研究發(fā)現(xiàn)，2009—2013年，全球旅游碳排放量從3.9億t增加至4.5億t，占全球碳排放的8%。旅游業(yè)在帶動(dòng)制造業(yè)、交通運(yùn)輸業(yè)以及住宿和餐飲業(yè)等旅游相關(guān)行業(yè)快速發(fā)展的同時(shí)，隨著要素投入的增加，諸如旅游能源消費(fèi)、旅游資本存量、交通設(shè)施條件及旅游輔助設(shè)施的盲目擴(kuò)增，也帶來(lái)了突出的旅游污染問(wèn)題，其中公眾感知最強(qiáng)烈的空氣污染問(wèn)題越來(lái)越引起人們的高度重視。

鑒于此，本文以城市為基本考察單元，將大氣污染的空間溢出效應(yīng)考慮在內(nèi)，分析旅游業(yè)的空氣污染效應(yīng)?？紤]的第一個(gè)問(wèn)題是：旅游業(yè)發(fā)展是否造成了城市空氣污染？進(jìn)一步地，近年來(lái)各地方政府都熱衷于對(duì)旅游景區(qū)資源進(jìn)行“認(rèn)證”，通過(guò)認(rèn)證產(chǎn)生的“旅游名片”效應(yīng)可以在短期內(nèi)促進(jìn)旅游業(yè)的較大發(fā)展，這一舉措是否會(huì)進(jìn)一步導(dǎo)致大氣環(huán)境的惡化？旅游環(huán)境污染是否存在“名片效應(yīng)”？這是本研究的第二個(gè)問(wèn)題。更進(jìn)一步地，中國(guó)城市在區(qū)位分布與規(guī)模大小方面均表現(xiàn)出較大的差異，那么在不同空間單位及空間單元內(nèi)，旅游業(yè)的發(fā)展對(duì)城市空氣污染是否具有異質(zhì)性影響？本文利用2005—2017年中國(guó)285個(gè)地級(jí)市的數(shù)據(jù)展開(kāi)研究?？紤]到大氣污染的空間相關(guān)性特征，文章運(yùn)用貝葉斯統(tǒng)計(jì)方法在不同空間權(quán)重矩陣設(shè)定下構(gòu)建空間杜賓誤差模型進(jìn)行回歸分析。

1?文獻(xiàn)回顧與研究假設(shè)

1.1?旅游發(fā)展與空氣污染

旅游業(yè)作為構(gòu)成一國(guó)經(jīng)濟(jì)體量的重要組成部分，越來(lái)越被視為國(guó)家經(jīng)濟(jì)增長(zhǎng)的有效引擎，尤其是在新興經(jīng)濟(jì)體國(guó)家，旅游業(yè)取得了令人矚目的成就[5-6]。然而，近年來(lái)旅游業(yè)在促進(jìn)經(jīng)濟(jì)增長(zhǎng)的同時(shí)也帶來(lái)令人困擾的新問(wèn)題——旅游環(huán)境污染[7-8]。因此，當(dāng)前越來(lái)越多的研究開(kāi)始關(guān)注旅游業(yè)發(fā)展的環(huán)境污染效應(yīng)[8-9]。其中公眾感知最為強(qiáng)烈的空氣污染日益成為關(guān)注焦點(diǎn)。

關(guān)于旅游空氣污染效應(yīng)，旅游碳污染效應(yīng)是當(dāng)前文獻(xiàn)反復(fù)討論的話(huà)題[10-15]。鐘永德等[10]通過(guò)構(gòu)建碳排放計(jì)量體系，實(shí)證測(cè)度發(fā)現(xiàn)，2007 年中國(guó)旅游業(yè)碳排放總量高達(dá)1.70×10.8 t。Zhang等[11]利用中國(guó)1995—2011年省際面板數(shù)據(jù)，研究了國(guó)際旅游對(duì)中國(guó)經(jīng)濟(jì)增長(zhǎng)、能源消耗和環(huán)境污染的影響，并且以二氧化碳排放為環(huán)境污染的代理變量，研究結(jié)果證明在中國(guó)東西部地區(qū)存在旅游環(huán)境庫(kù)茲涅茨效應(yīng)。Azam 等[5]利用馬來(lái)西亞、新加坡和泰國(guó)的跨國(guó)數(shù)據(jù)對(duì)旅游發(fā)展的環(huán)境效應(yīng)進(jìn)行了檢驗(yàn)。研究發(fā)現(xiàn)，旅游業(yè)發(fā)展增加了馬來(lái)西亞能源使用，導(dǎo)致其二氧化碳排放增加;相反，旅游業(yè)發(fā)展卻減少了新加坡和泰國(guó)的二氧化碳排放，通過(guò)推動(dòng)旅游業(yè)發(fā)展改善了兩國(guó)環(huán)境問(wèn)題。Ahmad 等[7]同樣是以東南亞經(jīng)濟(jì)體（印度尼西亞、菲律賓和越南）數(shù)據(jù)檢驗(yàn)了旅游業(yè)與環(huán)境污染（碳排放）之間的關(guān)系。研究發(fā)現(xiàn)，印度尼西亞和菲律賓旅游業(yè)對(duì)環(huán)境具有負(fù)面影響;相反，旅游業(yè)改善了越南的環(huán)境質(zhì)量。這一結(jié)果意味著同一地區(qū)不同國(guó)家之間由于旅游經(jīng)濟(jì)發(fā)展階段和相應(yīng)的環(huán)境保護(hù)政策不同，旅游業(yè)發(fā)展與環(huán)境污染之間的關(guān)系也存在一定差異。Koak等[13]研究了旅游業(yè)發(fā)展對(duì)游客訪(fǎng)問(wèn)量最大國(guó)家二氧化碳排放的影響，發(fā)現(xiàn)游客入境會(huì)導(dǎo)致二氧化碳排放增加，而隨著旅游收入增加，二氧化碳排放會(huì)減少。當(dāng)然，除了關(guān)注旅游碳污染外，亦有研究開(kāi)始關(guān)注到旅游業(yè)發(fā)展對(duì)具體空氣污染物（如PM10、NOX等）產(chǎn)生的影響。Saenz-de-Miera 等[16]在研究馬略卡島旅游經(jīng)濟(jì)發(fā)展案例時(shí)發(fā)現(xiàn)，旅游業(yè)是環(huán)境外部性增加的重要原因，并實(shí)證檢驗(yàn)了馬略卡島旅游業(yè)對(duì)具體空氣污染指標(biāo)PM10濃度水平的影響，結(jié)果發(fā)現(xiàn)游客數(shù)量增加1%可能導(dǎo)致PM10濃度增加0.45%。Russo 等[17]以葡萄牙為例，估算了旅游業(yè)對(duì)大氣污染的影響。結(jié)果表明，旅游活動(dòng)最多造成了67.6%航空業(yè)的NOX和PM10排放，以及20.6%固定燃燒部門(mén)的NOx和15.1%運(yùn)輸部門(mén)的PM10排放。

旅游能源消耗是產(chǎn)生旅游環(huán)境污染負(fù)外部性的主要來(lái)源。據(jù)2016年《世界能源展望（World Energy Outlook）》報(bào)告統(tǒng)計(jì)，約85%的顆粒物（PM）和幾乎全部的硫氧化物（SOx）和氮氧化物（NOx）都來(lái)自能源生產(chǎn)與消耗。旅游業(yè)六要素部門(mén)（交通、住宿、餐飲、游覽、娛樂(lè)、購(gòu)物）與旅游關(guān)聯(lián)產(chǎn)業(yè)部門(mén)運(yùn)營(yíng)所依賴(lài)的巨大能源消耗是旅游空氣污染的根本原因[18]。以酒店住宿和交通為例，Rosselló-Batle 等[19]在研究巴黎阿里群島酒店生命周期時(shí)發(fā)現(xiàn)，酒店能源消耗是導(dǎo)致巴黎阿里群島空氣污染的主要原因之一。因?yàn)樽鳛楦呦M(fèi)場(chǎng)所，星級(jí)酒店飯店需要消耗大量的資源和能源，如電、煤、油、氣、水等消耗[20]、酒店“六小件”物質(zhì)消耗。孫建超[21]指出中國(guó)大部分飯店鍋爐使用煤、柴油等礦物燃料，燃燒時(shí)會(huì)產(chǎn)生煙塵、NOx、SO2等排放物，造成對(duì)大氣的污染。作為旅游業(yè)發(fā)展的另一核心要素——交通運(yùn)輸（包括航空、游輪、陸路），其為游客提供了多地往返的運(yùn)輸服務(wù)，但目前大多數(shù)交通運(yùn)輸方式均以柴油、汽油等燃料為動(dòng)力來(lái)源，難免產(chǎn)生尾氣廢氣排放[22-24]。以汽車(chē)為例，作為游客短距離流動(dòng)的首選交通工具，汽車(chē)尾氣是城市空氣污染的重要源頭之一，尤其以低速運(yùn)行的車(chē)輛為甚，可以產(chǎn)生更多的顆粒物和帶來(lái)更嚴(yán)重的城市空氣污染[25]?；谏鲜龇治觯疚奶岢鋈缦录僭O(shè)：

旅游業(yè)發(fā)展會(huì)對(duì)城市大氣污染產(chǎn)生影響，并存在環(huán)境庫(kù)茲涅茲效應(yīng)。當(dāng)旅游經(jīng)濟(jì)發(fā)展水平較低時(shí)，污染物會(huì)隨著旅游業(yè)發(fā)展呈現(xiàn)增加趨勢(shì);當(dāng)旅游經(jīng)濟(jì)發(fā)展水平較高時(shí)，污染物排放會(huì)隨著旅游經(jīng)濟(jì)的持續(xù)增長(zhǎng)而逐漸減少。

1.2?旅游資源認(rèn)證的“名片”效應(yīng)

旅游業(yè)是資源導(dǎo)向型產(chǎn)業(yè)[26]。中國(guó)悠久的歷史文化和多樣的自然地理?xiàng)l件造就了豐富的旅游資源[27]，為旅游業(yè)發(fā)展奠定了重要基礎(chǔ)。改革開(kāi)放以來(lái)，中央及各級(jí)地方政府逐漸開(kāi)始重視旅游經(jīng)濟(jì)在區(qū)域發(fā)展中的作用，并對(duì)各地區(qū)旅游資源進(jìn)行開(kāi)發(fā)，為此，政府開(kāi)展了名目繁多的“旅游名片”塑造活動(dòng)[28-29]。目前學(xué)術(shù)界關(guān)于“旅游名片”尚無(wú)統(tǒng)一的定義，結(jié)合研究實(shí)際，參考張少剛等[30]對(duì)“名片”及“榮譽(yù)名片”的定義，本文將旅游名片定義為中央及地方政府、社會(huì)團(tuán)體和權(quán)威機(jī)構(gòu)根據(jù)一定標(biāo)準(zhǔn)對(duì)各地旅游資源進(jìn)行評(píng)比、評(píng)級(jí)，賦予旅游景點(diǎn)的名稱(chēng)、牌匾和榮譽(yù)稱(chēng)號(hào)等頭銜，它反映了一個(gè)旅游景點(diǎn)的特色和旅游價(jià)值。如國(guó)家級(jí)風(fēng)景名勝區(qū)、國(guó)家歷史文化名城、國(guó)家級(jí)森林公園、國(guó)家級(jí)地質(zhì)公園等。

旅游名片塑造活動(dòng)對(duì)于地區(qū)旅游經(jīng)濟(jì)發(fā)展具有重要作用。通過(guò)旅游名片“認(rèn)證”，不僅可以提升景區(qū)旅游價(jià)值，同時(shí)可以形成旅游“品牌效應(yīng)”，產(chǎn)生廣告作用，隨之市場(chǎng)價(jià)值得到提升，從而吸引更多的游客，創(chuàng)造更多的旅游收入[31]。此外，旅游名片作為城市旅游經(jīng)濟(jì)發(fā)展的重要資源載體[32]，本身具有歷史、文化和自然生態(tài)等多維價(jià)值，是發(fā)展旅游業(yè)的主要吸引物[33]。對(duì)于旅游者來(lái)說(shuō)，旅游名片具有價(jià)值高、魅力大、知名度高的特點(diǎn)?？紤]到最大信息收集量原則和游客旅游時(shí)間限制的影響，旅游名片受到普遍的關(guān)注和歡迎，成為公眾旅游的主要目的地[34]。

1.3?城市區(qū)位與規(guī)模的異質(zhì)性效應(yīng)

城市是我國(guó)基本的行政單元。我國(guó)地域廣闊，每個(gè)城市坐落于不同的區(qū)位。根據(jù)20世紀(jì)80年代提出的東、中、西三大經(jīng)濟(jì)帶劃分標(biāo)準(zhǔn)，可以將城市分為東部城市、中部城市和西部城市。城市區(qū)位不同意味著旅游資源分布、旅游經(jīng)濟(jì)發(fā)展水平、生態(tài)承載能力以及污染治理能力的不同。諸多研究表明，中國(guó)旅游業(yè)發(fā)展與旅游資源呈現(xiàn)區(qū)域不均衡性特征[35-38]，基本結(jié)論是東部地區(qū)旅游業(yè)發(fā)展水平最高，但資源相對(duì)匱乏;中西部地區(qū)旅游資源相對(duì)豐富，但旅游業(yè)發(fā)展處于較低水平。而在環(huán)境治理方面，東部地區(qū)治理能力明顯優(yōu)于中西部地區(qū)[39]。

作為旅游發(fā)展的功能地域，城市規(guī)模是旅游業(yè)成長(zhǎng)的重要影響因素。研究表明旅游發(fā)展與城市綜合規(guī)模表現(xiàn)出明顯的梯度等級(jí)結(jié)構(gòu)，規(guī)模越大的城市，國(guó)內(nèi)旅游發(fā)展水平也越高[40]。柳百萍[41]以安徽省17個(gè)城市為例，研究發(fā)現(xiàn)城市旅游呈現(xiàn)位序規(guī)模分布，并指出城市規(guī)模是旅游規(guī)模差異產(chǎn)生的原因之一。

2?實(shí)證研究設(shè)計(jì)

2.1?數(shù)據(jù)來(lái)源與變量描述

本文實(shí)證分析采用的是中國(guó)285個(gè)城市的面板數(shù)據(jù)，取值區(qū)間為2005—2017年。其中， PM2.5濃度指數(shù)和SO2排放量數(shù)據(jù)分別來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)和《中國(guó)城市統(tǒng)計(jì)年鑒》，旅游收入和旅游人數(shù)數(shù)據(jù)來(lái)源于中國(guó)國(guó)家統(tǒng)計(jì)局和《中國(guó)旅游統(tǒng)計(jì)年鑒》。受地級(jí)市數(shù)據(jù)限制，借鑒范子英和趙仁杰[42]的做法，能源消費(fèi)數(shù)據(jù)選自《中國(guó)能源統(tǒng)計(jì)年鑒》省級(jí)指標(biāo)，其余城市社會(huì)經(jīng)濟(jì)指標(biāo)均來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》。

具體而言，本研究的被解釋變量為城市空氣污染。我們選擇細(xì)顆粒物PM2.5（粒徑≤2.5μm，即霧霾）濃度指數(shù)和二氧化硫（SO2）的年度排放量作為代理變量。PM2.5和SO2是生態(tài)環(huán)境部規(guī)定的6種大氣主要污染物評(píng)價(jià)項(xiàng)目之一（HJ 663-2013），被廣泛用于評(píng)價(jià)城市空氣污染水平[42-43]。本文的核心解釋變量是旅游經(jīng)濟(jì)發(fā)展，采用城市接待游客數(shù)量（萬(wàn)人）和旅游經(jīng)營(yíng)收入（億元）作為衡量指標(biāo)，取對(duì)數(shù)后納入模型。同時(shí)，為了檢驗(yàn)旅游經(jīng)濟(jì)發(fā)展程度對(duì)城市大氣環(huán)境的動(dòng)態(tài)影響，游客數(shù)量和旅游收入的二次項(xiàng)也被納入模型。除此之外，本文還控制了其他與空氣污染有關(guān)的變量，包括地區(qū)人口規(guī)模[44-45]、城市人口比重[46]、人均國(guó)內(nèi)生產(chǎn)總值[47-48]、能源消費(fèi)結(jié)構(gòu)[49]、產(chǎn)業(yè)結(jié)構(gòu)[50-52]、對(duì)外開(kāi)放度[53]以及工業(yè)發(fā)展水平[52]。

表1為各變量的描述性統(tǒng)計(jì)結(jié)果。從表中可知，空氣污染在不同城市間或不同時(shí)間上存在較大差異。以城市工業(yè)SO2排放量為例，2014年三亞市SO2排放量?jī)H為2 t，而2005年重慶市SO2排放量達(dá)68.316萬(wàn)t，反映出了不同城市、不同時(shí)期空氣污染程度差異顯著。各地區(qū)旅游人數(shù)和旅游收入地最小值分別為1.651、0.897，最大值為10.900、8.541，表明各地區(qū)旅游發(fā)展差異也較大。比如2017年，旅游人數(shù)方面，重慶市達(dá)到5.42億人次，而七臺(tái)河市為76.11萬(wàn)人次;旅游收入方面，北京市達(dá)到5 122.4億元，但金昌市僅22.5億元。

2.2?空間自相關(guān)檢驗(yàn)

既有研究表明，自然因素（如地理和氣象條件）和社會(huì)經(jīng)濟(jì)因素（如城鎮(zhèn)化和工業(yè)化）都會(huì)導(dǎo)致大氣污染的空間依賴(lài)性和異質(zhì)性特征[54]。因此，為了提高估計(jì)的精度和效率，考察空氣污染須考慮其空間溢出效應(yīng)，進(jìn)行空間相關(guān)性分析?？臻g自相關(guān)分析的前提是選擇合適的標(biāo)準(zhǔn)度量空間單元之間的關(guān)系。為此，本文根據(jù)地理鄰接標(biāo)準(zhǔn)和地理距離標(biāo)準(zhǔn)構(gòu)造空間鄰接權(quán)重矩陣和空間逆距離權(quán)重矩陣。當(dāng)城市i與城市j存在共同的行政邊界時(shí)，空間鄰接矩陣Wij為1，否則為0，其表達(dá)式為：

與此同時(shí)，本文構(gòu)建空間逆距離矩陣Wdis，其中d表示i和j兩個(gè)城市之間的地理距離。

基于上述矩陣，我們計(jì)算莫蘭指數(shù)（Morans I）對(duì)城市空氣污染指標(biāo)PM2.5和SO2進(jìn)行了空間相關(guān)性檢驗(yàn)。Morans I取值范圍為[-1，1]，Morans I>0表示觀(guān)測(cè)要素之間具有空間正相關(guān)性;Morans I < 0說(shuō)明觀(guān)測(cè)要素之間具有空間負(fù)相關(guān)性;Morans I = 0表明空間單元的觀(guān)測(cè)要素隨機(jī)分布，無(wú)空間相關(guān)性。莫蘭指數(shù)具體可以分為全局莫蘭指數(shù)（Global Morans Index， GMI）和局域莫蘭指數(shù)（Local Morans Index， LMI）。全局莫蘭指數(shù)體現(xiàn)的是所有空間單元在整體上的空間分布情況，而局域莫蘭指數(shù)則可以體現(xiàn)各個(gè)空間單元的空間集聚特征?；谝浑A空間鄰接權(quán)重矩陣（Wij）的全局莫蘭指數(shù)計(jì)算公式為：

其中，n表示城市空間單元數(shù)，xi和xj表示樣本城市i和j的PM2.5指數(shù)和SO2的排放量，是x的平均值，Wij是n×n維的空間鄰接權(quán)重矩陣。

利用Stata16.0軟件計(jì)算了2005—2017年P(guān)M2.5和SO2的GMI指數(shù)（詳細(xì)結(jié)果省略備索），發(fā)現(xiàn)GMI指數(shù)z得分（z_score）均大于1.96，且在一階鄰接權(quán)重矩陣和逆距離權(quán)重矩陣下均在1%的水平上顯著為正，由此說(shuō)明中國(guó)城市大氣污染存在明顯的正空間相關(guān)性（即高污染（低污染）城市呈現(xiàn)空間集聚特征），這初步表明應(yīng)該選擇空間計(jì)量模型進(jìn)行估計(jì)。

為進(jìn)一步刻畫(huà)各城市大氣污染局部空間特征，計(jì)算LMI指數(shù)，表達(dá)式為：

其中，Zi 和 Zj是城市i和城市j的PM2.5或SO2的標(biāo)準(zhǔn)化值，Wij的含義與（3）式一致。

根據(jù)LMI指數(shù)，繪制PM2.5和SO2莫蘭散點(diǎn)圖（囿于文章篇幅，此處只列示2017年的圖示結(jié)果）。如圖1（a）、1（b）所示。PM2.5和SO2與其空間滯后項(xiàng)均呈現(xiàn)出顯著的正相關(guān)關(guān)系，這進(jìn)一步說(shuō)明空氣污染存在空間上的集聚特征。

2.3?空間計(jì)量模型選擇

空間計(jì)量實(shí)證研究的前提和基礎(chǔ)在于選擇能夠較好描述數(shù)據(jù)空間特征和經(jīng)濟(jì)現(xiàn)象的模型，這也是數(shù)據(jù)分析的重要環(huán)節(jié)[55]。關(guān)于空間建模方法，目前存在頻率學(xué)派和貝葉斯學(xué)派兩種不同的選擇策略。頻率學(xué)派如Burridge等分別于1980年和1988年提出非空間模型和SEM模型/非空間模型和SAR模型的LM檢驗(yàn)法則。1996年Anselin等又進(jìn)一步提出SAR模型和SEM模型的LM檢驗(yàn)方法。而貝葉斯學(xué)派最早將貝葉斯方法應(yīng)用于空間計(jì)量研究的是Hepple和Lesage[56]。2004年Hepple正式嘗試將貝葉斯統(tǒng)計(jì)方法用于空間計(jì)量模型選擇。盡管如此，當(dāng)前空間計(jì)量模型的實(shí)證研究中，仍以頻率學(xué)派的方法（LM檢驗(yàn)、似然函數(shù)、Wald檢驗(yàn)、AIC/BIC/HQ信息準(zhǔn)則）為主。雖然貝葉斯方法常因?yàn)楸旧淼闹饔^(guān)性而遭到質(zhì)疑，但學(xué)界普遍承認(rèn)貝葉斯方法允許合理應(yīng)用先驗(yàn)信息得到一個(gè)未來(lái)經(jīng)濟(jì)結(jié)果的概率分布，比頻率學(xué)派通過(guò)用統(tǒng)計(jì)量來(lái)描述更為合理[56]。

貝葉斯后驗(yàn)?zāi)Ｐ透怕蕶z驗(yàn)的基本思想是設(shè)先驗(yàn)概率等于1/n（n表示模型數(shù)量），首先使每個(gè)模型的先驗(yàn)概率相等，再通過(guò)貝葉斯模型估計(jì)每個(gè)模型，基于數(shù)據(jù)計(jì)算后驗(yàn)概率并估計(jì)n種模型的估計(jì)結(jié)果[57]。貝葉斯方法的一個(gè)獨(dú)到優(yōu)勢(shì)就在于其可用于不同的空間權(quán)重矩陣和不同模型設(shè)定或不同的解釋變量之間的橫向與縱向比較[56]。本研究具體借鑒Yesilyurt等[58]的做法，將貝葉斯估計(jì)方法用于空間計(jì)量模型選擇。表2是通過(guò)軟件Matlab2018b計(jì)算得到的模型概率結(jié)果。選取了兩個(gè)被解釋變量和兩個(gè)解釋變量，并構(gòu)造了2類(lèi)空間權(quán)重矩陣，多對(duì)多組合得到32個(gè)空間計(jì)量模型。表2中數(shù)值表示對(duì)應(yīng)模型與不同權(quán)重矩陣組合下，該模型在所有模型里為真的概率，數(shù)值最大者表明對(duì)應(yīng)的模型與權(quán)重矩陣組合即為最優(yōu)的結(jié)果。其中SAR、SDM、SEM和SDEM分別表示空間自回歸模型（spatial autoregression model，SAR）、空間杜賓模型（spatial Durbin model，SDM）、空間誤差模型（spatial error model，SEM）和空間杜賓誤差模型（spatial durbin error model，SDEM）。

如表2所示，當(dāng)被解釋變量為PM2.5時(shí)，對(duì)應(yīng)的最優(yōu)模型與權(quán)重矩陣組合為SDEM模型和逆距離空間權(quán)重矩陣（Wdis）;當(dāng)被解釋變量為SO2時(shí)，對(duì)應(yīng)的最優(yōu)模型與權(quán)重矩陣組合為SDEM模型和一階鄰接權(quán)重矩陣（Wij）。 基于此，建立SDEM模型作為基準(zhǔn)回歸模型：

其中，i為城市，t為年份，W1代表空間權(quán)重矩陣，Air_pollutioni，t和W1×Air_pollutioni，t表示被解釋變量（i城市t年的PM2.5濃度和SO2排放量）及其空間滯后項(xiàng)，ln_tourismi，t和W1×ln_tourismi，t分別表示解釋變量（i城市t年的旅游收入和旅游人數(shù)）及其空間滯后項(xiàng)，Xi，t為控制變量向量，W1×Xi，t代表控制變量的空間滯后項(xiàng)，τt 表示時(shí)間固定效應(yīng)，ηi表示空間固定效應(yīng)，εi，t是隨機(jī)誤差項(xiàng)，W1×εi，t表示隨機(jī)誤差項(xiàng)的空間交互項(xiàng)。

3實(shí)證結(jié)果

3.1?基準(zhǔn)模型回歸分析

根據(jù)貝葉斯方法選擇兩類(lèi)空間權(quán)重矩陣設(shè)定下的SDEM模型作為基準(zhǔn)回歸模型，結(jié)果見(jiàn)表3。

從表3可以看出，不論被解釋變量是PM2.5還是SO2，空間自回歸系數(shù)ρ均顯著為正（P<0.01），表明城市間空氣污染物具有正的依賴(lài)性，換言之，相鄰城市或者距離較近的城市存在著相似的污染物空間集聚特征（高值集聚或低值集聚）。對(duì)于空間誤差自相關(guān)系數(shù)λ而言，當(dāng)被解釋變量為PM2.5時(shí)均顯著為負(fù)（P<0.01）。而在被解釋變量為SO2的模型中，模型4中的空間誤差自相關(guān)系數(shù)顯著為負(fù)（P<0.1），模型2空間誤差自相關(guān)系數(shù)不顯著，表明來(lái)自相鄰城市或距離較近城市的不可觀(guān)測(cè)因素或遺漏變量對(duì)PM2.5的影響具有負(fù)向空間相關(guān)性，而對(duì)PM2.5的影響存在部分負(fù)向空間相關(guān)性。整體結(jié)果進(jìn)一步證實(shí)了前文關(guān)于地級(jí)市空氣污染存在空間相關(guān)性的判斷，從而肯定了使用空間面板模型引入空間因素對(duì)經(jīng)典線(xiàn)性模型予以修正的必要性和有效性。

3.2?直接效應(yīng)和間接效應(yīng)分析

空間計(jì)量模型估計(jì)之后一個(gè)重要的應(yīng)用就是檢驗(yàn)空間溢出效應(yīng)是否存在，并成為空間計(jì)量分析的標(biāo)準(zhǔn)模式。Leasge 等[59]提出用偏微分方法對(duì)回歸結(jié)果進(jìn)行直接效應(yīng)和間接效應(yīng)分解。其中，直接效應(yīng)解釋的是某地區(qū)解釋變量對(duì)被解釋變量的平均效應(yīng)，間接效應(yīng)解釋的是某地區(qū)解釋變量對(duì)其他地區(qū)被解釋變量的平均效應(yīng)，總效應(yīng)是直接效應(yīng)和間接效應(yīng)的總和。根據(jù)表3，可以得到表4中對(duì)旅游業(yè)空氣污染效應(yīng)的分解結(jié)果。

結(jié)果顯示，在以PM2.5為被解釋變量的模型中，旅游人數(shù)直接效應(yīng)的一次項(xiàng)系數(shù)ln（tourists）顯著為正，二次項(xiàng)系數(shù)（ln（tourists）.2）顯著為負(fù)，說(shuō)明旅游人數(shù)與本地區(qū)PM2.5呈現(xiàn)出顯著的“倒U”型相關(guān)關(guān)系，也就意味著旅游人數(shù)的增加將使得本地空氣中可吸入顆粒物PM2.5先增加后減少。旅游人數(shù)與PM2.5的“倒U”型曲線(xiàn)“拐點(diǎn)”將在旅游人數(shù)對(duì)數(shù)值為5.447時(shí)出現(xiàn)，也即當(dāng)城市旅游人數(shù)超過(guò)232.061萬(wàn)人次時(shí)，旅游人數(shù)的增加將使得本地PM2.5排放降低。旅游人數(shù)的間接效應(yīng)不顯著，旅游收入的直接效應(yīng)不顯著，綜合可以看出，旅游人數(shù)與本地空氣中PM2.5排放呈“倒U”型相關(guān)關(guān)系。這其中的原因可能是，在城市旅游產(chǎn)業(yè)發(fā)展早期，往往存在過(guò)度開(kāi)發(fā)、無(wú)序競(jìng)爭(zhēng)和盲目引進(jìn)高污染旅游項(xiàng)目等短視行為，加上政府環(huán)境規(guī)制措施未能及時(shí)適應(yīng)城市發(fā)展需要，其對(duì)旅游環(huán)境污染的約束力較弱，導(dǎo)致旅游產(chǎn)業(yè)發(fā)展在當(dāng)?shù)禺a(chǎn)生大量可吸入顆粒物PM2.5。

在以SO2為被解釋變量的模型中，旅游人數(shù)和旅游收入直接效應(yīng)的一次項(xiàng)系數(shù)均顯著為正，二次項(xiàng)系數(shù)均顯著為負(fù)。這說(shuō)明旅游發(fā)展與本地區(qū)SO2排放呈顯著的“倒U”型相關(guān)關(guān)系。當(dāng)旅游人數(shù)的對(duì)數(shù)值超過(guò)6.043（42.155萬(wàn)人次）以及旅游收入對(duì)數(shù)值超過(guò)3.296（27.004億元）時(shí)，旅游人數(shù)和旅游收入的增加將使得本地SO2排放減少。旅游發(fā)展對(duì)SO2排放的間接效應(yīng)均不顯著。

3.3?穩(wěn)健性檢驗(yàn)

為了保證估計(jì)結(jié)果的可靠性，基于不同空間權(quán)重矩陣和子樣本重新開(kāi)展輔助驗(yàn)證。囿于文章篇幅，結(jié)果省略。

3.3.1?更換空間權(quán)重矩陣

鄰域范圍和空間距離是影響大氣污染物空間擴(kuò)散的重要因素?；诖?，結(jié)合貝葉斯統(tǒng)計(jì)方法對(duì)兩類(lèi)污染物分別選擇了逆距離權(quán)重矩陣和一階鄰接矩陣進(jìn)行回歸。因此首先對(duì)兩個(gè)被解釋變量互換空間權(quán)重矩陣進(jìn)行回歸，結(jié)果同表4基本一致。此外，由于所考察的地級(jí)市在地理上彼此逐個(gè)接壤、鄰近，采用二階鄰接矩陣（W2=Wij×Wij）和三階鄰接矩陣（W3=W2×Wij）進(jìn)一步回歸，并在此基礎(chǔ)上進(jìn)行對(duì)比分析，結(jié)果表明旅游經(jīng)濟(jì)發(fā)展對(duì)地級(jí)市空氣污染的影響并沒(méi)有隨著對(duì)空間關(guān)系定義的不同而產(chǎn)生差異顯著的結(jié)果。這說(shuō)明選擇不同的空間距離度量方式會(huì)在一定程度上導(dǎo)致估計(jì)結(jié)果發(fā)生細(xì)微變化，但這并不影響結(jié)論的穩(wěn)健性。

3.3.2剔除直轄市/省會(huì)城市

在我國(guó)，直轄市（北京市、天津市、上海市、重慶市）不僅在行政等級(jí)上屬于省一級(jí)，而且在經(jīng)濟(jì)體量、人口規(guī)模、環(huán)境污染水平等方面與一般的地級(jí)市存在較大差異。以空氣污染為例，上海市和重慶市是SO2排放最多的城市之一，包含這四個(gè)直轄市的樣本觀(guān)測(cè)值可能導(dǎo)致研究結(jié)果有偏。為此剔除4個(gè)直轄市樣本，回歸結(jié)果顯著性表現(xiàn)與基準(zhǔn)回歸結(jié)果基本一致。

此外，考慮到省會(huì)城市往往是一個(gè)地區(qū)的政治、經(jīng)濟(jì)、文化和人口中心，擁有更多其他城市沒(méi)有的資源集中優(yōu)勢(shì)和政策特惠優(yōu)勢(shì)。同時(shí)，悠久的發(fā)展歷史和豐富的旅游資源使省會(huì)城市成為旅游者選擇的熱門(mén)觀(guān)光城市。與此同時(shí)，省會(huì)城市也是空氣污染的集聚地，污染水平往往比其他城市更高。因此城市級(jí)別的差異可能使研究結(jié)果產(chǎn)生偏誤。鑒于此，在前述樣本基礎(chǔ)上同時(shí)剔除直轄市和省會(huì)城市，對(duì)剩余城市樣本進(jìn)行分析。結(jié)果表明，不同設(shè)定條件下關(guān)鍵變量的系數(shù)方向和顯著性水平基本保持不變，進(jìn)一步表明計(jì)量結(jié)果具有相當(dāng)?shù)姆€(wěn)健性。

4進(jìn)一步分析名片效應(yīng)與區(qū)位因素

4.1旅游資源認(rèn)證的名片效應(yīng)

旅游名片是城市旅游經(jīng)濟(jì)發(fā)展的重要資源載體[54]。進(jìn)一步地，本文從旅游名片的角度探討其對(duì)旅游污染的影響機(jī)制。為此，基于數(shù)據(jù)可得性和代表性原則，收集整理了三種類(lèi)別國(guó)家級(jí)旅游名片（國(guó)家級(jí)風(fēng)景名勝區(qū)、國(guó)家級(jí)歷史文化名城、國(guó)家級(jí)森林公園）“認(rèn)證”數(shù)據(jù)，并通過(guò)設(shè)置二值虛擬變量將其嵌入到面板數(shù)據(jù)結(jié)構(gòu)中進(jìn)行調(diào)節(jié)效應(yīng)分析。表5報(bào)告了以國(guó)家級(jí)風(fēng)景名勝區(qū)作為調(diào)節(jié)變量的回歸結(jié)果，以另外兩種國(guó)家級(jí)名片作為調(diào)節(jié)變量的回歸結(jié)果與之類(lèi)似，為節(jié)省篇幅，此處省略結(jié)果。此外，以PM2.5為被解釋變量的模型在加入調(diào)節(jié)變量后調(diào)節(jié)效應(yīng)均不顯著，因此表中未報(bào)告相關(guān)結(jié)果。這可能是因?yàn)镻M2.5形成最主要的來(lái)源是機(jī)動(dòng)車(chē)尾氣、生物質(zhì)燃燒和燃煤等居民日常生活。而國(guó)家級(jí)旅游名片涉及的是大多數(shù)產(chǎn)業(yè)部門(mén)的生產(chǎn)行為，在運(yùn)營(yíng)與生產(chǎn)過(guò)程中不可避免地消耗大量能源導(dǎo)致SO2排放。因此，基于以上分析，我們僅對(duì)城市SO2排放進(jìn)行調(diào)節(jié)機(jī)制解釋。

表5報(bào)告的是加入國(guó)家級(jí)風(fēng)景名勝區(qū)虛擬變量與旅游發(fā)展一、二次項(xiàng)交互項(xiàng)后，旅游發(fā)展對(duì)中國(guó)城市SO2排放的直接、間接效應(yīng)。三個(gè)調(diào)節(jié)變量對(duì)地級(jí)市SO2 排放的直接效應(yīng)均顯著為負(fù)（P<0.01），說(shuō)明獲得國(guó)家級(jí)旅游資源名片“認(rèn)證”與本地區(qū)SO2的排放具有抑制作用。此外，“國(guó)家級(jí)旅游名片”與旅游發(fā)展的直接效應(yīng)一次項(xiàng)交互項(xiàng)系數(shù)顯著為正（P<0.01），二次項(xiàng)交互項(xiàng)系數(shù)顯著為負(fù)（P<0.01），意味著加入調(diào)節(jié)變量后，旅游發(fā)展與中國(guó)城市SO2排放呈顯著的“倒U”型相關(guān)關(guān)系。從上述分析可知，國(guó)家級(jí)旅游名片對(duì)旅游發(fā)展與SO2排放的二元關(guān)系具有正向調(diào)節(jié)作用，即對(duì)比同等旅游產(chǎn)業(yè)要素規(guī)模以及游客數(shù)量的條件下，獲批“國(guó)家旅游名片”的城市比沒(méi)有名片的城市，單位旅游收入的增加會(huì)帶來(lái)更多的SO2排放?？赡艿脑蚴牵和ㄟ^(guò)行政認(rèn)證而非市場(chǎng)自由選擇的方式，人為造成了被認(rèn)證旅游景區(qū)的超規(guī)模發(fā)展，當(dāng)治理能力沒(méi)有相應(yīng)提升的前提下，名片認(rèn)證甚至?xí)?lái)負(fù)面影響。

4.2?旅游空氣污染的城市區(qū)位效應(yīng)

對(duì)旅游污染效應(yīng)的城市區(qū)位異質(zhì)性進(jìn)行檢驗(yàn)。根據(jù)東中西三大經(jīng)濟(jì)地帶的劃分標(biāo)準(zhǔn)對(duì)城市進(jìn)行空間定位，將全國(guó)分為東部（East）、中部 （Middle）和西部 （West）三組子樣本分別進(jìn)行回歸，并將地區(qū)虛擬變量與核心自變量的交乘項(xiàng)納入模型，結(jié)果如表6所示。其中，第1至第3列的結(jié)果表明，不同地區(qū)旅游業(yè)發(fā)展對(duì)SO2排放的影響雖然仍滿(mǎn)足庫(kù)茲涅茨曲線(xiàn)形式，但是地區(qū)之間存在較大差異。一方面，在一次項(xiàng)系數(shù)方面，中部地區(qū)相對(duì)最低，而西部地區(qū)相對(duì)最高，說(shuō)明中部地區(qū)旅游業(yè)發(fā)展中引致的SO2排放相對(duì)較低，而西部地區(qū)則相對(duì)較高。另一方面，在二次項(xiàng)系數(shù)方面，中部地區(qū)相對(duì)最小，其次是東部地區(qū)，而西部地區(qū)最大，說(shuō)明西部地區(qū)在旅游引致的SO2治理方面做得更好，而中部地區(qū)則相對(duì)較差，這可能與該地區(qū)的旅游業(yè)發(fā)展引致的SO2排放相對(duì)較低，因而在治理方面也相對(duì)重視不足有關(guān)。當(dāng)以旅游收入為解釋變量時(shí)，回歸結(jié)果仍顯示出類(lèi)似的差異（結(jié)果略），進(jìn)一步說(shuō)明了上述結(jié)果的穩(wěn)健性。當(dāng)因變量為PM2.5時(shí)，系數(shù)不顯著。

4.3?旅游空氣污染的城市規(guī)模效應(yīng)

一般而言，城市規(guī)模是城市經(jīng)濟(jì)發(fā)展水平的直觀(guān)反映，城市規(guī)模越大意味著城市經(jīng)濟(jì)越發(fā)達(dá)。因此，于旅游業(yè)發(fā)展而言，大城市人口相對(duì)集中，具有較高的技術(shù)、資本和勞動(dòng)力等天然優(yōu)勢(shì)，容易形成規(guī)模集聚效應(yīng)，能夠較好地處理旅游業(yè)發(fā)展與環(huán)境污染的關(guān)系。相反，中小型城市由于技術(shù)和資本等資源相對(duì)不足，基礎(chǔ)設(shè)施建設(shè)薄弱，難以形成規(guī)模效應(yīng)。鑒于城市規(guī)模形成的以上差異可能對(duì)旅游業(yè)發(fā)展與空氣污染的關(guān)系產(chǎn)生影響，檢驗(yàn)旅游污染的城市規(guī)模異質(zhì)性。依照2014年國(guó)務(wù)院出臺(tái)的城市規(guī)模劃分新標(biāo)準(zhǔn)，基于城區(qū)常住人口數(shù)據(jù)將樣本城市劃分為小城市（Small）、中等城市（Mid）、大城市（Big）、特大城市（Speci）和超大城市（Super）五類(lèi)，進(jìn)行分樣本回歸，同時(shí)設(shè)置虛擬變量并與核心解釋變量旅游收入交乘后納入模型，回歸結(jié)果如表7所示。結(jié)果表明，旅游業(yè)發(fā)展對(duì)不同規(guī)模大小城市的影響差異顯著。就直接效應(yīng)而言，特大城市和超大城市旅游業(yè)發(fā)展對(duì)SO2排放具有顯著的正向影響，超大城市的旅游SO2排放效應(yīng)近乎是特大城市的兩倍，且滿(mǎn)足庫(kù)茲涅茨曲線(xiàn)假設(shè);就間接效應(yīng)而言，中等城市鄰接地區(qū)旅游業(yè)的發(fā)展有利于減輕本地區(qū)SO2排放，而大城市和特大城市周邊城市旅游業(yè)的發(fā)展會(huì)加劇本地區(qū)SO2污染。在以旅游人數(shù)作為解釋變量的模型中仍表現(xiàn)為類(lèi)似的差異（結(jié)果略），表明上述結(jié)果是穩(wěn)健的。當(dāng)因變量為PM2.5時(shí)，系數(shù)不顯著。

5?結(jié)論與討論

隨著中國(guó)的經(jīng)濟(jì)發(fā)展與社會(huì)進(jìn)步，旅游日益成為一種新的潮流。然而，旅游業(yè)快速發(fā)展的同時(shí)也帶來(lái)了新問(wèn)題——旅游環(huán)境污染。鑒于此，本文以城市空氣污染為例，基于2005—2017年中國(guó)285個(gè)地級(jí)及以上城市的面板數(shù)據(jù)，采用PM2.5和SO2作為城市空氣污染的衡量指標(biāo)，用旅游人數(shù)和旅游收入作為旅游經(jīng)濟(jì)發(fā)展的衡量指標(biāo)，實(shí)證檢驗(yàn)旅游發(fā)展對(duì)中國(guó)城市空氣污染的影響。研究發(fā)現(xiàn)：①旅游發(fā)展與PM2.5和SO2的直接效應(yīng)均呈“倒U”型關(guān)系，表明旅游業(yè)發(fā)展對(duì)中國(guó)城市空氣污染的影響符合旅游“環(huán)境庫(kù)茲涅茨曲線(xiàn)”假說(shuō)，即旅游業(yè)的空氣污染效應(yīng)具有動(dòng)態(tài)性。隨旅游業(yè)發(fā)展水平提升，本地區(qū)旅游業(yè)發(fā)展產(chǎn)生的PM2.5和SO2排放呈現(xiàn)先增加后減少的特征。其中，PM2.5的間接效應(yīng)呈“正U”型關(guān)系，表明鄰近城市旅游業(yè)發(fā)展有利于緩解本地區(qū)旅游業(yè)發(fā)展帶來(lái)的PM2.5污染。②國(guó)家級(jí)旅游名片對(duì)旅游發(fā)展與SO2排放的二元關(guān)系具有正向調(diào)節(jié)作用，即對(duì)比同等旅游產(chǎn)業(yè)要素規(guī)模以及游客數(shù)量的條件下，獲批“國(guó)家旅游名片”的城市比沒(méi)有名片的城市，單位旅游收入的增加會(huì)帶來(lái)更多的SO2排放。③旅游業(yè)發(fā)展對(duì)城市空氣質(zhì)量的影響在不同城市之間差異較大，在西部地區(qū)城市和規(guī)模較大的城市，旅游業(yè)發(fā)展產(chǎn)生的SO2排放更嚴(yán)重。

基于結(jié)論，本文的政策啟示如下：①旅游污染治理要把生活方式放在和生產(chǎn)方式一個(gè)層面來(lái)重視，推動(dòng)形成綠色旅游發(fā)展方式和旅游生活方式。慣性思維認(rèn)為，工業(yè)生產(chǎn)是引起資源環(huán)境問(wèn)題的主要來(lái)源。但實(shí)際上居民生活方式也是引致環(huán)境污染的一個(gè)重要方面。旅游作為一種越來(lái)越受青睞的現(xiàn)代生活方式，對(duì)生態(tài)環(huán)境帶來(lái)的壓力不可忽視。②政府應(yīng)加快轉(zhuǎn)變落后城市旅游產(chǎn)業(yè)發(fā)展模式，淘汰傳統(tǒng)高耗能旅游項(xiàng)目，促進(jìn)城市綠色旅游產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，爭(zhēng)取早日進(jìn)入拐點(diǎn)。旅游發(fā)展對(duì)中國(guó)城市空氣污染影響的直接效應(yīng)呈顯著的“倒U”型特征。在某種程度上，城市早期旅游開(kāi)發(fā)中不可避免地會(huì)對(duì)環(huán)境造成破壞，只有當(dāng)旅游經(jīng)濟(jì)發(fā)展到一定水平，隨著環(huán)境治理能力和規(guī)模效應(yīng)的提升，旅游發(fā)展才能緩解城市空氣污染。③政府在推進(jìn)旅游資源開(kāi)發(fā)的同時(shí)要倡導(dǎo)保護(hù)性綠色開(kāi)發(fā)，國(guó)家應(yīng)謹(jǐn)慎認(rèn)定旅游名片，適當(dāng)提高準(zhǔn)入門(mén)檻。④旅游空氣污染治理要因地制宜，西部地區(qū)及大城市地區(qū)應(yīng)加強(qiáng)旅游污染治理投入，發(fā)展旅游的同時(shí)，提升污染治理水平。

本研究可能在以下幾個(gè)方面具有一定創(chuàng)新性，并對(duì)現(xiàn)有文獻(xiàn)形成補(bǔ)充：①提供了旅游業(yè)發(fā)展導(dǎo)致城市空氣污染的中國(guó)證據(jù)，這對(duì)應(yīng)對(duì)當(dāng)前環(huán)境約束趨緊問(wèn)題提供了新的啟示。近年來(lái)，盡管涌現(xiàn)了較多關(guān)于空氣污染對(duì)旅游經(jīng)濟(jì)發(fā)展影響的研究[60-63]，卻回避了旅游業(yè)發(fā)展對(duì)空氣污染的影響。本研究表明旅游業(yè)發(fā)展與空氣污染有較強(qiáng)的聯(lián)系，且滿(mǎn)足環(huán)境庫(kù)茨涅茨效應(yīng)，強(qiáng)調(diào)了發(fā)展綠色旅游，普及綠色出行，倡導(dǎo)環(huán)境友好型消費(fèi)的重要性和必要性，這對(duì)于推動(dòng)黨的十九大提出的形成節(jié)約資源和保護(hù)環(huán)境的生活方式具有重要理論指導(dǎo)意義。②不僅研究了旅游業(yè)發(fā)展對(duì)空氣污染的影響，還進(jìn)一步探究了旅游名片效應(yīng)在其中的作用機(jī)制，同時(shí)分析了城市區(qū)位空間和城市規(guī)模大小對(duì)旅游空氣污染效應(yīng)的異質(zhì)性影響。③在充分考慮大氣污染空間溢出效應(yīng)的基礎(chǔ)上，選擇能夠綜合處理空間異質(zhì)性和空間依賴(lài)性的空間計(jì)量模型進(jìn)行估計(jì)，有效解決了一般模型中數(shù)據(jù)的“相關(guān)”和“變異”問(wèn)題?，F(xiàn)有研究往往只關(guān)注了特定地理空間單位被解釋變量的內(nèi)生交互影響，而缺乏對(duì)解釋變量的外生交互效應(yīng)以及誤差項(xiàng)之間的交互效應(yīng)的考察。④在空間建模和權(quán)重矩陣選擇方面，首次采用貝葉斯后驗(yàn)?zāi)Ｐ透怕蕘?lái)確定空間權(quán)重矩陣和空間計(jì)量模型，實(shí)現(xiàn)對(duì)空間權(quán)重矩陣和空間模型選擇過(guò)程的改進(jìn)。

現(xiàn)有研究多以頻率學(xué)派的方法（如模型擬合優(yōu)度）作為選擇標(biāo)準(zhǔn)。貝葉斯方法由于計(jì)算復(fù)雜，尤其是涉及高維數(shù)據(jù)計(jì)算，在國(guó)內(nèi)發(fā)展還比較緩慢，應(yīng)用并不多見(jiàn)。本文將貝葉斯方法引入空間計(jì)量模型不僅使其應(yīng)用更加廣泛，其對(duì)不確定因素的處理，也大大提高了空間計(jì)量模型的估計(jì)效率。

本文也有一些不足，有待于未來(lái)研究進(jìn)一步探討。首先，研究整體旅游業(yè)發(fā)展對(duì)城市空氣污染的影響，但囿于數(shù)據(jù)而未區(qū)分國(guó)內(nèi)旅游和國(guó)際旅游對(duì)空氣污染可能帶來(lái)的差異化影響。尤其是近年來(lái)，外國(guó)來(lái)華旅游異軍突起，未來(lái)研究可進(jìn)一步探究國(guó)際旅游的影響。其次，通過(guò)設(shè)置虛擬變量的方式，將調(diào)節(jié)變量嵌入到數(shù)據(jù)結(jié)構(gòu)中進(jìn)行機(jī)制分析，而未能采用各類(lèi)國(guó)家級(jí)旅游名片具體的旅游接待人數(shù)和旅游收入做進(jìn)一步考察，未來(lái)可進(jìn)一步收集相關(guān)數(shù)據(jù)，以更準(zhǔn)確地匡測(cè)“國(guó)家級(jí)旅游名片”對(duì)旅游環(huán)境的影響。第三，一個(gè)地區(qū)的旅游競(jìng)爭(zhēng)力不僅受旅游資源質(zhì)量的影響，也與地區(qū)不同旅游資源的組合結(jié)構(gòu)和空間結(jié)構(gòu)有關(guān)，未來(lái)研究可進(jìn)一步度量地區(qū)旅游資源的組合方式對(duì)旅游環(huán)境的影響。最后，旅游景點(diǎn)景區(qū)可以劃分為人文景觀(guān)和自然景觀(guān)，未來(lái)研究可進(jìn)一步考察二者是否對(duì)旅游環(huán)境具有差異化影響。

參考文獻(xiàn)

[1]中華人民共和國(guó)文化與旅游部. 2018年文化和旅游發(fā)展統(tǒng)計(jì)公報(bào)[R].2019.

[2]中華人民共和國(guó)生態(tài)環(huán)境部. 2018中國(guó)生態(tài)環(huán)境狀況公報(bào)[R].2019.

[3]明慶忠， 陳英， 李慶雷. 低碳旅游：旅游產(chǎn)業(yè)生態(tài)化的戰(zhàn)略選擇[J]. 人文地理， 2010，25（5）：22-26.

[4]LENZEN M， SUN Y， FATURAY F， et al. The carbon footprint of global tourism[J]. Nature climate change， 2018，8（6）：522-528.

[5]AZAM M， MAHMUDUL M， HAROON H M. Effect of tourism on environmental pollution： further evidence from Malaysia， Singapore and Thailand[J]. Journal of cleaner production， 2018，190：330-338.

[6]HABIBI F， RAHMATI M， KARIMI A. Contribution of tourism to economic growth in Irans provinces： GDM approach[J]. Future business journal， 2018，4（2）：261-271.

[7]AHMAD F， DRAZ M U， SU L， et al. Taking the bad with the good： the nexus between tourism and environmental degradation in the lower middle-income Southeast Asian economies[J]. Journal of cleaner production， 2019，233：1240-1249.

[8]PULIDO-FERNNDEZ J I， CRDENAS-GARCA P J， ESPINOSA-PULIDO J A. Does environmental sustainability contribute to tourism growth？ an analysis at the country level[J]. Journal of cleaner production， 2019，213：309-319.

[9]CANTEIRO M， CRDOVA-TAPIA F， BRAZEIRO A. Tourism impact assessment： a tool to evaluate the environmental impacts of touristic activities in Natural Protected Areas[J]. Tourism management perspectives， 2018，28：220-227.

[10]鐘永德， 石晟屹， 李世宏， 等. 中國(guó)旅游業(yè)碳排放計(jì)量框架構(gòu)建與實(shí)證研究[J]. 中國(guó)人口·資源與環(huán)境， 2014，24（1）：78-86.

[11]ZHANG L， GAO J. Exploring the effects of international tourism on Chinas economic growth， energy consumption and environmental pollution： evidence from a regional panel analysis[J]. Renewable and sustainable energy reviews， 2016，53：225-234.

[36]馬曉龍，楊新軍. 中國(guó)4A級(jí)旅游區(qū)（點(diǎn)）：空間特征與產(chǎn)業(yè)配置研究[J]. 經(jīng)濟(jì)地理， 2003（5）：713-716.

[37]敖榮軍， 韋燕生. 中國(guó)區(qū)域旅游發(fā)展差異影響因素研究：來(lái)自1990—2003年的經(jīng)驗(yàn)數(shù)據(jù)檢驗(yàn)[J]. 財(cái)經(jīng)研究， 2006（3）：32-43.

[38]劉佳， 張佳佳， 奚一丹. 中國(guó)入境旅游區(qū)域差異演化及影響因素空間計(jì)量分析[J]. 經(jīng)濟(jì)與管理評(píng)論， 2015，31（6）：128-134.

[39]王郁， 范莉莉. 環(huán)保公共服務(wù)均等化評(píng)估與地區(qū)差距分析[J]. 上海交通大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 2011，19（3）：41-49.

[40]張毓， 孫根年. 城市規(guī)模與旅游成長(zhǎng)空間關(guān)系、演變及驅(qū)動(dòng)因子：長(zhǎng)江三角洲城市級(jí)別體系新認(rèn)識(shí)[J]. 地理科學(xué)， 2016，36（12）：1877-1884.

[41]柳百萍. 安徽省城市旅游規(guī)模差異及其規(guī)模分布[J]. 地理研究， 2011，30（8）：1520-1527.

[42]范子英， 趙仁杰. 法治強(qiáng)化能夠促進(jìn)污染治理嗎？：來(lái)自環(huán)保法庭設(shè)立的證據(jù)[J]. 經(jīng)濟(jì)研究， 2019，54（3）：21-37.

[43]刁貝娣， 丁鐳， 蘇攀達(dá)， 等. 中國(guó)省域PM2.5濃度行業(yè)驅(qū)動(dòng)因素的時(shí)空異質(zhì)性研究[J]. 中國(guó)人口·資源與環(huán)境， 2018，28（9）：52-62.

[44]羅浩， 顏鈺蕘， 楊旸. 中國(guó)各省的旅游增長(zhǎng)方式“因地制宜”嗎？：中國(guó)省際旅游增長(zhǎng)要素貢獻(xiàn)與旅游資源比較優(yōu)勢(shì)研究[J]. 旅游學(xué)刊， 2016，31（3）：43-53.

[45]王芳， 周興. 影響我國(guó)環(huán)境污染的人口因素研究：基于省際面板數(shù)據(jù)的實(shí)證分析[J]. 南方人口， 2013，28（6）：8-18.

[46]童玉芬， 王瑩瑩. 中國(guó)城市人口與霧霾：相互作用機(jī)制路徑分析[J]. 北京社會(huì)科學(xué)， 2014（5）：4-10.

[47]杜雯翠， 馮科. 城市化會(huì)惡化空氣質(zhì)量嗎？：來(lái)自新興經(jīng)濟(jì)體國(guó)家的經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)社會(huì)體制比較， 2013（5）：91-99.

[48]孫傳旺， 羅源， 姚昕. 交通基礎(chǔ)設(shè)施與城市空氣污染：來(lái)自中國(guó)的經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)研究， 2019，54（8）：136-151.

[49]邵帥， 李欣， 曹建華. 中國(guó)的城市化推進(jìn)與霧霾治理[J]. 經(jīng)濟(jì)研究， 2019，54（2）：148-165.

[50]周曙東， 歐陽(yáng)緯清， 葛繼紅. 京津冀PM2.5的主要影響因素及內(nèi)在關(guān)系研究[J]. 中國(guó)人口·資源與環(huán)境， 2017，27（4）：102-109.

[51]黃瀅， 劉慶， 王敏. 地方政府的環(huán)境治理決策：基于SO2減排的面板數(shù)據(jù)分析[J]. 世界經(jīng)濟(jì)， 2016，39（12）：166-188.

[52]HE J. Chinas industrial SO2 emissions and its economic determinants： EKCs reduced vs. structural model and the role of international trade[J]. Environment and development economics， 2009，14（2）：227-262.

[53]HAO Y， LIU Y. The influential factors of urban PM2.5 concentrations in China： a spatial econometric analysis[J]. Journal of cleaner production， 2016，112：1443-1453.

[54]DAI W， YI L. Spatio-temporal differences and driving forces of air quality in Chinese cities[J]. Journal of resources & ecology， 2016，7（2）：77-84.

[55]陶長(zhǎng)琪， 楊海文. 空間計(jì)量模型選擇及其模擬分析[J]. 統(tǒng)計(jì)研究， 2014，31（8）：88-96.

[56]LESAGE J P. Bayesian estimation of spatial autoregressive models[J]. International regional science review， 1997，20（1-2）：113-129.

[57]肖光恩， 劉錦學(xué)， 譚賽月. 空間計(jì)量經(jīng)濟(jì)學(xué)：基于Matlab的應(yīng)用分析[M]. 北京： 北京大學(xué)出版社， 2018.

[58]YESILYURT M E， ELHORST J P. Impacts of neighboring countries on military expenditures： adynamic spatial panel approach[J]. Journal of peace research， 2017，54（6）：777-790.

[59]LESAGE J， PACE R K. Introduction to spatial econometrics[M]. CRC Press， 2009.

[60]陸銘， 馮皓. 集聚與減排：城市規(guī)模差距影響工業(yè)污染強(qiáng)度的經(jīng)驗(yàn)研究[J]. 世界經(jīng)濟(jì)， 2014，37（7）：86-114.

[61]方葉林， 程雪蘭， 王芳. 空氣污染與旅游經(jīng)濟(jì)的時(shí)空關(guān)系及影響機(jī)理[J]. 經(jīng)濟(jì)管理， 2020，42（1）：140-154.

[62]劉嘉毅， 陳玉萍， 夏鑫. 中國(guó)空氣污染對(duì)入境旅游發(fā)展的影響[J]. 資源科學(xué)， 2018，40（7）：1473-1482.

[63]彭建， 郭思遠(yuǎn)， 裴亞楠， 等. 大陸居民對(duì)北京霧霾的旅游影響感知和態(tài)度研究[J]. 中國(guó)人口·資源與環(huán)境， 2016，26（10）：168-176.