修订日期:2013-09-30 中图分类号:F224 文献标识码:A 文章编号:1001-7852(2013)05-0001-07 0 引言 能源是各国在制定发展战略考虑的重要因素。党的十八大报告指出:“推动能源生产和消费革命,控制能源消费总量,加强节能降耗,支持节能低碳产业和新能源、可再生能源发展,确保国家能源安全”。从旅游自身的产业发展特性来看,旅游业是典型的资源节约型和环境友好型产业,在应对气候变化、节能减排和产业替代方面具有明显优势[1]。然而,旅游业是一个涉及食、住、行、游、购、娱等各部门的交叉性行业,尤其是旅游交通、旅游饭店等是耗能相对较高的部门。2002年中国30个省市(未包括中国西藏等地区)旅游能源消耗为12011.02×
标准煤,2011年达36 545.92×10[4]t标准煤,增长了2.04倍。因此,节能减排也是中国旅游产业在未来一段时期面临的重要问题,正确处理旅游能源消耗与旅游经济增长的关系对中国旅游产业发展来说尤为必要。 20世纪70年代石油危机以来,经济增长与能源消费之间的关系一直是经济领域学者关注的焦点问题。国外对能源消耗与经济增长关系的研究主要集中在基于短期动态关系的研究[2-4]、基于长期协整关系的研究[5-7]、基于多变量模型的研究[8-10]等。国内则包括简单的定性定量分析[11-12],基于协整理论和向量误差修正模型的研究[13-14],以及基于空间视角的计量分析[15-16]。但是,当前从旅游产业发展视角,探讨其能源消耗与经济增长之间关系的研究尚未全面展开。本文基于地理空间邻接矩阵和经济空间权重矩阵,采用Moran'I、LMerr和LMsar等空间相关系数检验中国省域旅游能源消耗与旅游经济增长是否具有显著的空间联动特征,并运用空间面板回归模型进行拟合分析,揭示二者之间的关联机制与作用机理,以期为中国旅游业可持续发展与提高旅游经济效率等相关政策的制定提供理论依据。 1 空间面板数据模型 1.1 空间相关性检验 空间相关性检验是空间计量经济分析的一个重要内容。区域空间相关性检验主要有基于极大似然估计的假设检验的LMerr(Burridge 1980)、LMsar、Lratios、Walds(Anselin 1988)统计量和空间相关指数Moran'I(Moran 1948),其中原假设H0:ρ=0或λ=0,但它们都是针对单个截面回归模型提出的,不能直接用于面板数据模型[15]。本文采用分块对角矩阵C=
×W代替Moran'I等统计量计算空间权重矩阵,从而将这些检验扩展到面板数据分析[17]。Moran'I、LMerr和LMsar统计量可分别表示为:
式中:
;N为研究区域个数(N=30);T为时间长度(T=9);
为T维单位时间矩阵;
为N×N阶的空间权重矩阵;e为普通最小二乘(OLS)估计的残差向量;tr是矩阵求迹,LMerr和LMsar统计量都是一个渐进的
(1)分布。其中LMerr和LMsar等统计量不仅可以用来检验空间相关性,还可以为模型设定提供线索[18],帮助在空间自回归模型和空间误差模型之间进行选择:若LMsar比LMerr统计量更显著,且robust LMsar显著而robust LMerr不显著,那么选择SAR;相反,如果LMerr比LMsar在统计上更加显著,且robust LMerr显著而robust LMsar不显著,那么选择SEM[19]。 1.2 空间面板数据模型设定 空间计量经济学中,空间相关性指一个地区的样本观测值与其他地区的观测值相关,其相关程度及模式由空间上的绝对位置和相对位置决定。空间相关性来自于两方面:一是不同地区经济变量样本数据的采集可能存在空间上的测量误差;二是相邻地区间的经济联系客观存在[20]。因而在空间自回归模型中,空间相关性体现在误差项和被解释变量的滞后项,相应地,空间计量经济的两种基本模型分别是空间误差模型(Spatial Error Model,SEM)和空间滞后模型(Spatial Autoregressive Model,SAR)[21],前者(SEM模型)讨论相邻地区对变量的误差的影响在多大程度上影响了本地区的观察值,后者(SAR模型)分析变量在相邻地区是否存在溢出效应,这两个模型的基本形式为: