江蘇入境旅游與經濟增長關系的實證研究

劉其君

（江蘇省行政學院 經濟學教研部，南京 210004）

一、引 言

入境旅游作為國際服務貿易的重要組成部分，不僅是衡量一個國家或地區旅游實力的重要標志，也是旅游目的地國家擴大對外開放、解決就業問題及賺取外匯的重要渠道，歷來受到各地政府的高度重視。

江蘇省是我國入境旅游發達的省份之一，隨著江蘇省“旅游倍增計劃”的實施，江蘇入境旅游實現了跨越式增長,已經形成相當的產業規模。2001-2007年，接待入境旅游人數從183.7萬人增加到512.55萬人，年均增長18.45%；旅游創匯收入從8.2億美元增加到34.7億美元，年均增長25.84%。江蘇入境旅游已形成以洲內海外旅游者為主體的快速增長的良好發展態勢，入境旅游收入所占GDP的比重不斷上升。但問題的關鍵是旅游收入或者是旅游的外匯收入并非就與國民經濟的增長間有著直接的正向關系，如韓國的旅游業發展與以GDP為代表的經濟增長之間并不存在長期的均衡關系,在短期內是經濟發展導致了旅游增長,而不是旅游增長促進了經濟的發展。[1]就中國的情況而言,目前的理論界對旅游外匯收入是真正促進了經濟增長還是剛剛相反,或者兩者間剛好是一種相互促進的關系,尚存較多的爭議，所以我們有必要深入研究江蘇入境旅游與經濟增長的關系，進而科學地認識旅游產業在江蘇產業結構調整中的地位與作用。

二、樣本數據與變量檢驗

（一）樣本數據

變量的選擇主要考慮變量的經濟含義以及能否代表研究對象的實質，同時不可避免地受現行統計指標及資料收集限制等。本文選取江蘇年入境旅游收入、GDP名義值作為研究江蘇入境旅游與GDP關系的變量，具體的原始數據主要來自于歷年《江蘇統計年鑒》，起止時間是1983-2007。

雖然《江蘇統計年鑒》錄入了1983年至2007年的江蘇GDP指數，但是由于我國的匯率政策，很難為江蘇入境旅游收入找到一個合理的指數作為平減依據。因此，在本文中采用江蘇GDP名義值作為變量。由于統計方式的變化，1994年以后的江蘇入境旅游收入采用美元計算，本文根據年平均匯率，將1995年至2007年江蘇入境旅游收入折算為人民幣，分別用GDP、TR記作江蘇GDP名義值和江蘇入境旅游收入?？紤]到序列的對數變換不會改變原序列的協整關系和短期調整模式，還能消除可能存在的異方差現象，對兩變量取自然對數，記為LNGDP和LNTR，其相應的一階差分序列記為DLNGDP和DLNTR。

（二）變量檢驗

從圖1可以看出LNGDP和LNTR具有同向的時間趨勢和常數項，從圖2可以看出DLNGDP和DLNTR具有常數項。這些時間序列是否為平穩時間序列，還需要對數據進行穩定性檢驗。檢驗變量是否穩定的過程稱為單位根檢驗，比較常用的單位根檢驗方法是DF檢驗；由于不能保證方程中的殘差項是白噪音(white noise)，所以Dickey和Fuller對DF檢驗法進行了擴充，形成ADF（Augented Dickey-Fuller Test）檢驗，這是目前普遍應用的單整檢驗方法。LNGDP、LNTR、DLNGDP、DLNTR的ADF檢驗結果如表1所示：

圖1 時序圖

圖2 一階差分時序圖

表1 ADF檢驗結果

ADF檢驗結果表明在5%顯著水平下，LNGDP和LNTR是非平穩時間序列，DLNGDP和DLNTR是平穩時間序列，LNGDP和LNTR是一階單整時間序列。

三、江蘇入境旅游與經濟增長的關系

本文的研究思路是：對平穩的時間序列進行協整檢驗，估計二者之間的長期均衡關系；若協整關系存在，利用誤差修正模型反映變量之間的動態調節機制；其后，使用Granger因果檢驗確定變量之間的因果關系；最后通過向量自回歸(Vector Auto Regression, VAR)模型的沖擊響應函數(Impulse Response Function)分析變量之間各期的互動關系。

根據以上ADF檢驗，LNGDP與LNTR都是一階單整階數，滿足協整分析前提，但是否存在協整方程需要通過協整檢驗確定。由于本文的協整檢驗采用基于VAR模型的Johansen法，同時LNGDP與LNTR的沖擊響應函數也是基于VAR模型。所以我們需要首先建立關于LNGDP和LNTR的VAR模型。

（一）VAR模型的建立

建立VAR模型時，首先需要確定模型的滯后階數，使VAR模型能夠準確的反映變量之間的動態特征。本文將最大似然值和LR(sequentialmodified LR test statistic)、FPE(final prediction error)、AIC(Akaike information criteri-on)、SC(Schwarz information criterion)、HQ(Hannan-Quinn information criterion)等信息最小準則作為滯后階數的判別標準。另外，只有VAR模型所有根模的倒數（特征根）小于1，模型才能實現穩定。因此，用于協整分析VAR模型的所有特征根必須在單位圓內。

LNGDP和LNTR有25個樣本，VAR模型能夠計算的最大滯后階數為7；而且，在VAR模型的滯后階數為1—7時，其特征根都在單位圓內，所以VAR模型都是穩定的。因此，根據最大似然值和信息最小準則，比較滯后階數為1—7的VAR模型，結果如表2所示。

綜合表2的比較結果，根據最大似然值和信息最小準則，最優滯后階數為7。VAR（7）可以準確、有效的反映LNGDP和LNTR之間的動態特征。

在對VAR模型選擇滯后階數時，一方面想使滯后階數足夠大，以便能完整反映所構造模型的動態特征；但另一方面，滯后階數越大，需要顧及的參數也就越多，模型的自由度就減少。所以通常進行選擇時，需要綜合考慮，既要有足夠數目的滯后項，又要有足夠數目的自由度。事實上，這是VAR模型的一個缺陷，在實際中常常會發現，將不得不限制滯后項的數目，使它小于反映模型動態特征性所應有的理想數目。[2]280我們在構建模型時發現，滯后階數為7的VAR模型的自變量系數在10%水平下不顯著，而滯后階數為6的VAR模型的自變量系數大多數顯著，且以DLNGDP和DLNTR為因變量的VAR方程的擬合優度（R2）分別為0.9741、0.9797，所以我們選擇滯后階數為6的VAR模型。

表2 選擇VAR模型滯后階數

（二）協整檢驗

Johansen協整檢驗是以VAR模型為基礎的檢驗回歸系數的方法，它在各變量之間建立嚴格的動態關系，具有較高的檢驗度，是一種進行多變量協整檢驗的較好的方法。Johansen協整檢驗不僅能夠判別LNGDP與LNTR是否存在協整關系，而且能夠精確計算協整方程的個數。在檢驗中需要設置檢驗模型的滯后階數，通過以上VAR模型分析，對于LNGDP與LNTR，我們選擇滯后階數為6的VAR模型。因此，將Johansen協整檢驗模型的滯后階數設置為6，設置檢驗變量LNGDP與LNTR具有確定性趨勢，協整方程則設置為只有截距而無確定性趨勢，檢驗結果如表3所示。

表3 Johansen協整檢驗跡檢驗

最大特征值檢驗

根據Johansen協整檢驗的跡檢驗和最大特征值檢驗結果，LNGDP與LNTR在5%顯著水平下有且只有1個協整關系，兩者的協整方程如下式所示：

誤差修正模型（ECM:Error Correction Model）的基本思路是若變量間存在協整關系，即表明這些變量間存在長期穩定的關系，而這種關系是在短期動態過程的不斷調整下得以維持。Engle和Granger將協整與誤差修正模型結合起來，建立了向量誤差修正模型VEC（Vector Error Correction）。我們在協整的基礎上，可以得到LNGDP和LNTR的VEC模型，如表4所示。

表4 LNGDP與LNTR的VEC模型

VEC模型的對數似然值為118.0877，方程1和方程2的調整R2值分別為0.91和0.94，大部分系統在統計上是顯著的，所以VEC模型可以解釋LNGDP與LNTR的短期關系。誤差修正項ECM的系數在統計上是顯著的，且方程1和方程2的ECM系數為正，說明當系統偏離長期均衡狀態時，在下一個周期誤差修正項將對DLNGDP和DLNTR進行正向修正。

（三）Granger因果關系檢驗

協整檢驗結果告訴我們變量之間是否存在長期的均衡關系，但這種關系是否構成因果關系還需要進一步驗證。這就需要在此基礎上，利用因果分析(Granger Causality Test)繼續進行研究。Granger因果關系檢驗對滯后階數的選擇很敏感，滯后階數會影響到檢驗模型的樣本容量和殘差平穩性，從而影響到檢驗結果的準確性。為了檢驗LNGDP與LNTR是否具有因果關系，我們分別取滯后期1-6進行Granger因果關系檢驗，檢驗結果如表5所示。

從表5可知，在10%的置信水平下，滯后期分別為1階、2階和5階時，拒絕LNGDP不是引起LNTR原因的零假設。而在滯后期為6階的時候，既拒絕LNTR不是引起LNGDP原因的零假設，又拒絕LNGDP不是引起LNTR原因的零假設；所以，Granger因果檢驗結果表明LNGDP與LNTR互為因果關系。

表5 LNGDP和LNTR的Granger因果關系檢驗

（四）脈沖響應函數分析

在上面的分析中，我們通過向量誤差修正模型（VEC）解釋了LNGDP與LNTR的短期關系，但是無法詳細描述它們各期的互動關系，因此，LNGDP與LNTR詳細的短期互動關系需要運用脈沖響應函數來分析。在模型中，將沖擊類型設置為1個標準差的廣義脈沖，沖擊響應函數的追蹤期數設置為10期，沖擊函數響應曲線如圖3、圖4所示。

圖3 LNTR對LNGDP的沖擊響應曲線

圖4 LNGDP對LNTR的沖擊響應曲線

在圖3中可以看到，當在本期給入境旅游收入一個正沖擊后，GDP在第九期前呈現負向響應，從本期開始到第5期呈快速下降，然后逐漸上升。從第9期開始呈正向響應，但是效應不大，呈現向零效應收斂的跡象。這說明在短期內，LNTR對LNGDP一直呈現負向影響，直到第9期才出現正向影響，且沖擊幅度微弱。

在圖4中可以看到，當在本期給GDP一個正沖擊后，入境旅游收入反應迅速，在前3期增長較快。由第3期到第4期快速回落，然后再快速上升，在第5期達到最高點，然后逐漸下降，但一直呈現正向響應，并且這一正向響應具有較長的持續效應。這說明LNGDP對LNTR具有較大的正向影響，隨著時間推移正向影響呈減弱趨勢，GDP的增長會在第6期后對入境旅游收入產生穩定的拉動作用。

四、結 論

根據1983-2007年的時間序列數據，利用協整檢驗、因果關系檢驗和脈沖響應函數分析對江蘇省入境旅游與經濟增長進行計量分析，得到主要結論如下：

第一，協整分析結果表明，江蘇入境旅游收入與GDP存在單一的協整關系。也就是說，從長期看，江蘇省入境旅游與經濟增長之間存在穩定的均衡關系，江蘇省入境旅游收入每提高1個百分點，江蘇省GDP增長約0.65個百分點。這表明，推動江蘇省入境旅游的發展，有利于促進江蘇地方經濟的增長，而且政府應該從長遠戰略角度考慮和規劃旅游產業的發展，不能采用短期化的政策和措施。

第二，通過誤差修正模型（VEC）分析，說明當短期波動偏離長期均衡狀態時，系統將以正向調整力度將非均衡狀態拉回到均衡狀態。但是通過脈沖響應函數發現，在短期內，江蘇的入境旅游收入對其地方經濟一直呈負向響應，直到第9期才出現正向影響，且沖擊幅度微弱。這主要是因為旅游產業本身是一個高投入的資源密集型或是說環境密集型的產業，產業關聯度非常高，前期需要大量投入，如基礎實施建設、廣告宣傳等，所以旅游產業對本地經濟發展的帶動作用具有滯后性。另外，這也與江蘇省內各區域的旅游發展存在顯著地區差異有關：蘇北地區經濟發展水平相對較低，旅游業也起步較晚；同時，江蘇省旅游資源分布在數量和等級上大致呈現由南向北的遞減趨勢，這種旅游發展的地區差異也影響了江蘇省入境旅游對當地經濟的拉動作用。

第三，通過Granger因果關系檢驗，表明江蘇省入境旅游發展與其地方經濟增長互為Granger因果關系，即江蘇入境旅游的發展會促進其地方經濟的增長，江蘇地方經濟的增長反過來也會推動入境旅游的發展。旅游業是一個邊緣性、集合性的產業，與其他眾多產業部門均發生著較為普遍的技術經濟關聯，因此，產業關聯度高、產業波及效應明顯是旅游業的天然特征。[3]入境旅游通過其顯著的產業波及效應，沿著不同的波及線路對入境旅游業的先行產業、后續產業和互補產業等相關產業的發展產生不同程度的拉動作用，從而促進整個國民經濟的增長。另外，根據旅游經濟理論，在其他方面因素相當的情況下，如果整體經濟規模越大，經濟活動越廣泛，注入該經濟系統的旅游花費所引起的各輪經濟效應之和越大，反之則越小，所以經濟增長也會促進入境旅游的發展。因為江蘇省入境旅游發展與其地方經濟增長互為因果關系，所以在制定相關政策時，著力點應置于二者的相互促進關系上，而非單方向的促進關系上：一方面，隨著江蘇省經濟規模的不斷擴大，要進一步加強省內的公共建設、改善人文環境、以及提高醫療保險服務等，使旅游服務環境得到改善；另一方面，要充分利用江蘇全省的旅游資源，加大旅游產品開發力度，制定合理的旅游開發和營銷策略,創造旅游精品。針對目標市場,加大宣傳促銷力度，積極推動江蘇旅游形象和品牌的創立，從而加大入境旅游發展促進江蘇經濟增長的乘數效應。

［1］Chi-Ok Oh.TheContribution of Tourism Development to Economic Growth in the Korean Economy[J].Tourism Management,2005（26）:39-44.

［2］高鐵梅.計量經濟分析方法與建模［M］.北京：清華大學出版社，2009.

［3］劉金萍，李為科，郭躍.旅游業的產業關聯和產業波及效應分析——以重慶為例［J］.特區經濟，2006（10）：253-254.