曾婧婧 保瑞 溫永林

摘要?旅游業(yè)正日益成為促進區(qū)域協(xié)調(diào)發(fā)展的優(yōu)勢和先導(dǎo)產(chǎn)業(yè)，但隨之而來的是不合理的旅游開發(fā)和不斷擴張的旅游消費引致的環(huán)境污染，其中空氣污染成為公眾高度關(guān)注的熱點。研究以2005—2017年中國地級及以上城市的霧霾（PM2.5）和二氧化硫（SO2）排放數(shù)據(jù)，實證檢驗旅游發(fā)展對中國城市空氣污染的影響、作用機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散效應(yīng)的前提下，基于貝葉斯后驗?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)展對城市空氣污染具有旅游“環(huán)境庫茲涅茨”效應(yīng)。②旅游名片對旅游業(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“國家旅游名片”的城市比沒有名片的城市單位旅游收入的增加會帶來更多的空氣污染排放。③旅游業(yè)發(fā)展對城市空氣質(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)過更換權(quán)重矩陣以及刪除特定城市樣本后依然穩(wěn)健。基于結(jié)論，文章認(rèn)為治理旅游空氣污染亟須推動形成綠色旅游生產(chǎn)方式和旅游生活方式，倡導(dǎo)綠色保護性開發(fā)和旅游者經(jīng)濟出行;各地區(qū)要加快淘汰或轉(zhuǎn)變落后的旅游開發(fā)經(jīng)營模式，爭取早日進入“拐點”;國家應(yīng)謹(jǐn)慎認(rèn)定旅游名片，適當(dāng)提高準(zhǔn)入門檻;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

中圖分類號?X51文獻標(biāo)識碼?A文章編號?1002-2104（2020）11-0194-12?DOI：10.12062/cpre.20200429

隨著居民收入增長和消費結(jié)構(gòu)升級，旅游成為越來越多人參與的現(xiàn)代生活方式之一。近年來，中國躍居全球國內(nèi)旅游業(yè)發(fā)展最快的國家。據(jù)文化與旅游部統(tǒng)計公報顯示，2018年國內(nèi)旅游人數(shù)55.39億人次，實現(xiàn)旅游總收入5.97萬億元。全年旅游業(yè)對GDP的綜合貢獻為9.94萬億元，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比的是，2018年全國 338 個地級及以上城市中，217個城市環(huán)境空氣質(zhì)量超標(biāo)，占64.2%[2]。城市空氣污染是一個開放、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”的問題。Lenzen 等[4]基于160個國家的旅游業(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)在帶動制造業(yè)、交通運輸業(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，隨著要素投入的增加，諸如旅游能源消費、旅游資本存量、交通設(shè)施條件及旅游輔助設(shè)施的盲目擴增，也帶來了突出的旅游污染問題，其中公眾感知最強烈的空氣污染問題越來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]的第一個問題是：旅游業(yè)發(fā)展是否造成了城市空氣污染？進一步地，近年來各地方政府都熱衷于對旅游景區(qū)資源進行“認(rèn)證”，通過認(rèn)證產(chǎn)生的“旅游名片”效應(yīng)可以在短期內(nèi)促進旅游業(yè)的較大發(fā)展，這一舉措是否會進一步導(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問題。更進一步地，中國城市在區(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285個地級市的數(shù)據(jù)展開研究?？紤]到大氣污染的空間相關(guān)性特征，文章運用貝葉斯統(tǒng)計方法在不同空間權(quán)重矩陣設(shè)定下構(gòu)建空間杜賓誤差模型進行回歸分析。

1?文獻回顧與研究假設(shè)

1.1?旅游發(fā)展與空氣污染

旅游業(yè)作為構(gòu)成一國經(jīng)濟體量的重要組成部分，越來越被視為國家經(jīng)濟增長的有效引擎，尤其是在新興經(jīng)濟體國家，旅游業(yè)取得了令人矚目的成就[5-6]。然而，近年來旅游業(yè)在促進經(jīng)濟增長的同時也帶來令人困擾的新問題——旅游環(huán)境污染[7-8]。因此，當(dāng)前越來越多的研究開始關(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烈的空氣污染日益成為關(guān)注焦點。

關(guān)于旅游空氣污染效應(yīng)，旅游碳污染效應(yīng)是當(dāng)前文獻反復(fù)討論的話題[10-15]。鐘永德等[10]通過構(gòu)建碳排放計量體系，實證測度發(fā)現(xiàn)，2007 年中國旅游業(yè)碳排放總量高達(dá)1.70×10.8 t。Zhang等[11]利用中國1995—2011年省際面板數(shù)據(jù)，研究了國際旅游對中國經(jīng)濟增長、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)果證明在中國東西部地區(qū)存在旅游環(huán)境庫茲涅茨效應(yīng)。Azam 等[5]利用馬來西亞、新加坡和泰國的跨國數(shù)據(jù)對旅游發(fā)展的環(huán)境效應(yīng)進行了檢驗。研究發(fā)現(xiàn)，旅游業(yè)發(fā)展增加了馬來西亞能源使用，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的二氧化碳排放，通過推動旅游業(yè)發(fā)展改善了兩國環(huán)境問題。Ahmad 等[7]同樣是以東南亞經(jīng)濟體（印度尼西亞、菲律賓和越南）數(shù)據(jù)檢驗了旅游業(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)不同國家之間由于旅游經(jīng)濟發(fā)展階段和相應(yīng)的環(huán)境保護政策不同，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)展對游客訪問量最大國家二氧化碳排放的影響，發(fā)現(xiàn)游客入境會導(dǎo)致二氧化碳排放增加，而隨著旅游收入增加，二氧化碳排放會減少。當(dāng)然，除了關(guān)注旅游碳污染外，亦有研究開始關(guān)注到旅游業(yè)發(fā)展對具體空氣污染物（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)濟發(fā)展案例時發(fā)現(xiàn)，旅游業(yè)是環(huán)境外部性增加的重要原因，并實證檢驗了馬略卡島旅游業(yè)對具體空氣污染指標(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)對大氣污染的影響。結(jié)果表明，旅游活動最多造成了67.6%航空業(yè)的NOX和PM10排放，以及20.6%固定燃燒部門的NOx和15.1%運輸部門的PM10排放。

旅游能源消耗是產(chǎn)生旅游環(huán)境污染負(fù)外部性的主要來源。據(jù)2016年《世界能源展望（World Energy Outlook）》報告統(tǒng)計，約85%的顆粒物（PM）和幾乎全部的硫氧化物（SOx）和氮氧化物（NOx）都來自能源生產(chǎn)與消耗。旅游業(yè)六要素部門（交通、住宿、餐飲、游覽、娛樂、購物）與旅游關(guān)聯(lián)產(chǎn)業(yè)部門運營所依賴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。因為作為高消費場所，星級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]指出中國大部分飯店鍋爐使用煤、柴油等礦物燃料，燃燒時會產(chǎn)生煙塵、NOx、SO2等排放物，造成對大氣的污染。作為旅游業(yè)發(fā)展的另一核心要素——交通運輸（包括航空、游輪、陸路），其為游客提供了多地往返的運輸服務(wù)，但目前大多數(shù)交通運輸方式均以柴油、汽油等燃料為動力來源，難免產(chǎn)生尾氣廢氣排放[22-24]。以汽車為例，作為游客短距離流動的首選交通工具，汽車尾氣是城市空氣污染的重要源頭之一，尤其以低速運行的車輛為甚，可以產(chǎn)生更多的顆粒物和帶來更嚴(yán)重的城市空氣污染[25]。基于上述分析，本文提出如下假設(shè)：

旅游業(yè)發(fā)展會對城市大氣污染產(chǎn)生影響，并存在環(huán)境庫茲涅茲效應(yīng)。當(dāng)旅游經(jīng)濟發(fā)展水平較低時，污染物會隨著旅游業(yè)發(fā)展呈現(xiàn)增加趨勢;當(dāng)旅游經(jīng)濟發(fā)展水平較高時，污染物排放會隨著旅游經(jīng)濟的持續(xù)增長而逐漸減少。

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]。中國悠久的歷史文化和多樣的自然地理條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)。改革開放以來，中央及各級地方政府逐漸開始重視旅游經(jīng)濟在區(qū)域發(fā)展中的作用，并對各地區(qū)旅游資源進行開發(fā)，為此，政府開展了名目繁多的“旅游名片”塑造活動[28-29]。目前學(xué)術(shù)界關(guān)于“旅游名片”尚無統(tǒng)一的定義，結(jié)合研究實際，參考張少剛等[30]對“名片”及“榮譽名片”的定義，本文將旅游名片定義為中央及地方政府、社會團體和權(quán)威機構(gòu)根據(jù)一定標(biāo)準(zhǔn)對各地旅游資源進行評比、評級，賦予旅游景點的名稱、牌匾和榮譽稱號等頭銜，它反映了一個旅游景點的特色和旅游價值。如國家級風(fēng)景名勝區(qū)、國家歷史文化名城、國家級森林公園、國家級地質(zhì)公園等。

旅游名片塑造活動對于地區(qū)旅游經(jīng)濟發(fā)展具有重要作用。通過旅游名片“認(rèn)證”，不僅可以提升景區(qū)旅游價值，同時可以形成旅游“品牌效應(yīng)”，產(chǎn)生廣告作用，隨之市場價值得到提升，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)等多維價值，是發(fā)展旅游業(yè)的主要吸引物[33]。對于旅游者來說，旅游名片具有價值高、魅力大、知名度高的特點?？紤]到最大信息收集量原則和游客旅游時間限制的影響，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)

城市是我國基本的行政單元。我國地域廣闊，每個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，但資源相對匱乏;中西部地區(qū)旅游資源相對豐富，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)出明顯的梯度等級結(jié)構(gòu)，規(guī)模越大的城市，國內(nèi)旅游發(fā)展水平也越高[40]。柳百萍[41]以安徽省17個城市為例，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?實證研究設(shè)計

2.1?數(shù)據(jù)來源與變量描述

本文實證分析采用的是中國285個城市的面板數(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)分別來源于國泰安數(shù)據(jù)庫和《中國城市統(tǒng)計年鑒》，旅游收入和旅游人數(shù)數(shù)據(jù)來源于中國國家統(tǒng)計局和《中國旅游統(tǒng)計年鑒》。受地級市數(shù)據(jù)限制，借鑒范子英和趙仁杰[42]的做法，能源消費數(shù)據(jù)選自《中國能源統(tǒng)計年鑒》省級指標(biāo)，其余城市社會經(jīng)濟指標(biāo)均來自《中國城市統(tǒng)計年鑒》。

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價項目之一（HJ 663-2013），被廣泛用于評價城市空氣污染水平[42-43]。本文的核心解釋變量是旅游經(jīng)濟發(fā)展，采用城市接待游客數(shù)量（萬人）和旅游經(jīng)營收入（億元）作為衡量指標(biāo)，取對數(shù)后納入模型。同時，為了檢驗旅游經(jīng)濟發(fā)展程度對城市大氣環(huán)境的動態(tài)影響，游客數(shù)量和旅游收入的二次項也被納入模型。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]、人均國內(nèi)生產(chǎn)總值[47-48]、能源消費結(jié)構(gòu)[49]、產(chǎn)業(yè)結(jié)構(gòu)[50-52]、對外開放度[53]以及工業(yè)發(fā)展水平[52]。

表1為各變量的描述性統(tǒng)計結(jié)果。從表中可知，空氣污染在不同城市間或不同時間上存在較大差異。以城市工業(yè)SO2排放量為例，2014年三亞市SO2排放量僅為2 t，而2005年重慶市SO2排放量達(dá)68.316萬t，反映出了不同城市、不同時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，而七臺河市為76.11萬人次;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

既有研究表明，自然因素（如地理和氣象條件）和社會經(jīng)濟因素（如城鎮(zhèn)化和工業(yè)化）都會導(dǎo)致大氣污染的空間依賴性和異質(zhì)性特征[54]。因此，為了提高估計的精度和效率，考察空氣污染須考慮其空間溢出效應(yīng)，進行空間相關(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，空間鄰接矩陣Wij為1，否則為0，其表達(dá)式為：

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

基于上述矩陣，我們計算莫蘭指數(shù)（Morans I）對城市空氣污染指標(biāo)PM2.5和SO2進行了空間相關(guān)性檢驗。Morans I取值范圍為[-1，1]，Morans I>0表示觀測要素之間具有空間正相關(guān)性;Morans I < 0說明觀測要素之間具有空間負(fù)相關(guān)性;Morans I = 0表明空間單元的觀測要素隨機分布，無空間相關(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，由此說明中國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)該選擇空間計量模型進行估計。

為進一步刻畫各城市大氣污染局部空間特征，計算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與其空間滯后項均呈現(xiàn)出顯著的正相關(guān)關(guān)系，這進一步說明空氣污染存在空間上的集聚特征。

2.3?空間計量模型選擇

空間計量實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檢驗法則。1996年Anselin等又進一步提出SAR模型和SEM模型的LM檢驗方法。而貝葉斯學(xué)派最早將貝葉斯方法應(yīng)用于空間計量研究的是Hepple和Lesage[56]。2004年Hepple正式嘗試將貝葉斯統(tǒng)計方法用于空間計量模型選擇。盡管如此，當(dāng)前空間計量模型的實證研究中，仍以頻率學(xué)派的方法（LM檢驗、似然函數(shù)、Wald檢驗、AIC/BIC/HQ信息準(zhǔn)則）為主。雖然貝葉斯方法常因為本身的主觀性而遭到質(zhì)疑，但學(xué)界普遍承認(rèn)貝葉斯方法允許合理應(yīng)用先驗信息得到一個未來經(jīng)濟結(jié)果的概率分布，比頻率學(xué)派通過用統(tǒng)計量來描述更為合理[56]。

貝葉斯后驗?zāi)Ｐ透怕蕶z驗的基本思想是設(shè)先驗概率等于1/n（n表示模型數(shù)量），首先使每個模型的先驗概率相等，再通過貝葉斯模型估計每個模型，基于數(shù)據(jù)計算后驗概率并估計n種模型的估計結(jié)果[57]。貝葉斯方法的一個獨到優(yōu)勢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，將貝葉斯估計方法用于空間計量模型選擇。表2是通過軟件Matlab2018b計算得到的模型概率結(jié)果。選取了兩個被解釋變量和兩個解釋變量，并構(gòu)造了2類空間權(quán)重矩陣，多對多組合得到32個空間計量模型。表2中數(shù)值表示對應(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，對應(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，對應(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，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，Xi，t為控制變量向量，W1×Xi，t代表控制變量的空間滯后項，τt 表示時間固定效應(yīng)，ηi表示空間固定效應(yīng)，εi，t是隨機誤差項，W1×εi，t表示隨機誤差項的空間交互項。

3實證結(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，表明來自相鄰城市或距離較近城市的不可觀測因素或遺漏變量對PM2.5的影響具有負(fù)向空間相關(guān)性，而對PM2.5的影響存在部分負(fù)向空間相關(guān)性。整體結(jié)果進一步證實了前文關(guān)于地級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經(jīng)典線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

空間計量模型估計之后一個重要的應(yīng)用就是檢驗空間溢出效應(yīng)是否存在，并成為空間計量分析的標(biāo)準(zhǔn)模式。Leasge 等[59]提出用偏微分方法對回歸結(jié)果進行直接效應(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)的一次項系數(shù)ln（tourists）顯著為正，二次項系數(shù)（ln（tourists）.2）顯著為負(fù)，說明旅游人數(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“拐點”將在旅游人數(shù)對數(shù)值為5.447時出現(xiàn)，也即當(dāng)城市旅游人數(shù)超過232.061萬人次時，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，往往存在過度開發(fā)、無序競爭和盲目引進高污染旅游項目等短視行為，加上政府環(huán)境規(guī)制措施未能及時適應(yīng)城市發(fā)展需要，其對旅游環(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)的一次項系數(shù)均顯著為正，二次項系數(shù)均顯著為負(fù)。這說明旅游發(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)的對數(shù)值超過6.043（42.155萬人次）以及旅游收入對數(shù)值超過3.296（27.004億元）時，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SO2排放的間接效應(yīng)均不顯著。

3.3?穩(wěn)健性檢驗

為了保證估計結(jié)果的可靠性，基于不同空間權(quán)重矩陣和子樣本重新開展輔助驗證。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散的重要因素?；诖耍Y(jié)合貝葉斯統(tǒng)計方法對兩類污染物分別選擇了逆距離權(quán)重矩陣和一階鄰接矩陣進行回歸。因此首先對兩個被解釋變量互換空間權(quán)重矩陣進行回歸，結(jié)果同表4基本一致。此外，由于所考察的地級市在地理上彼此逐個接壤、鄰近，采用二階鄰接矩陣（W2=Wij×Wij）和三階鄰接矩陣（W3=W2×Wij）進一步回歸，并在此基礎(chǔ)上進行對比分析，結(jié)果表明旅游經(jīng)濟發(fā)展對地級市空氣污染的影響并沒有隨著對空間關(guān)系定義的不同而產(chǎn)生差異顯著的結(jié)果。這說明選擇不同的空間距離度量方式會在一定程度上導(dǎo)致估計結(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/省會城市

在我國，直轄市（北京市、天津市、上海市、重慶市）不僅在行政等級上屬于省一級，而且在經(jīng)濟體量、人口規(guī)模、環(huán)境污染水平等方面與一般的地級市存在較大差異。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，包含這四個直轄市的樣本觀測值可能導(dǎo)致研究結(jié)果有偏。為此剔除4個直轄市樣本，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，考慮到省會城市往往是一個地區(qū)的政治、經(jīng)濟、文化和人口中心，擁有更多其他城市沒有的資源集中優(yōu)勢和政策特惠優(yōu)勢。同時，悠久的發(fā)展歷史和豐富的旅游資源使省會城市成為旅游者選擇的熱門觀光城市。與此同時，省會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)上同時剔除直轄市和省會城市，對剩余城市樣本進行分析。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，進一步表明計量結(jié)果具有相當(dāng)?shù)姆€(wěn)健性。

4進一步分析名片效應(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)濟發(fā)展的重要資源載體[54]。進一步地，本文從旅游名片的角度探討其對旅游污染的影響機制。為此，基于數(shù)據(jù)可得性和代表性原則，收集整理了三種類別國家級旅游名片（國家級風(fēng)景名勝區(qū)、國家級歷史文化名城、國家級森林公園）“認(rèn)證”數(shù)據(jù)，并通過設(shè)置二值虛擬變量將其嵌入到面板數(shù)據(jù)結(jié)構(gòu)中進行調(diào)節(jié)效應(yīng)分析。表5報告了以國家級風(fēng)景名勝區(qū)作為調(diào)節(jié)變量的回歸結(jié)果，以另外兩種國家級名片作為調(diào)節(jié)變量的回歸結(jié)果與之類似，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，因此表中未報告相關(guān)結(jié)果。這可能是因為PM2.5形成最主要的來源是機動車尾氣、生物質(zhì)燃燒和燃煤等居民日常生活。而國家級旅游名片涉及的是大多數(shù)產(chǎn)業(yè)部門的生產(chǎn)行為，在運營與生產(chǎn)過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，我們僅對城市SO2排放進行調(diào)節(jié)機制解釋。

表5報告的是加入國家級風(fēng)景名勝區(qū)虛擬變量與旅游發(fā)展一、二次項交互項后，旅游發(fā)展對中國城市SO2排放的直接、間接效應(yīng)。三個調(diào)節(jié)變量對地級市SO2 排放的直接效應(yīng)均顯著為負(fù)（P<0.01），說明獲得國家級旅游資源名片“認(rèn)證”與本地區(qū)SO2的排放具有抑制作用。此外，“國家級旅游名片”與旅游發(fā)展的直接效應(yīng)一次項交互項系數(shù)顯著為正（P<0.01），二次項交互項系數(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，國家級旅游名片對旅游發(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“國家旅游名片”的城市比沒有名片的城市，單位旅游收入的增加會帶來更多的SO2排放?？赡艿脑蚴牵和ㄟ^行政認(rèn)證而非市場自由選擇的方式，人為造成了被認(rèn)證旅游景區(qū)的超規(guī)模發(fā)展，當(dāng)治理能力沒有相應(yīng)提升的前提下，名片認(rèn)證甚至?xí)碡?fù)面影響。

4.2?旅游空氣污染的城市區(qū)位效應(yīng)

對旅游污染效應(yīng)的城市區(qū)位異質(zhì)性進行檢驗。根據(jù)東中西三大經(jīng)濟地帶的劃分標(biāo)準(zhǔn)對城市進行空間定位，將全國分為東部（East）、中部 （Middle）和西部 （West）三組子樣本分別進行回歸，并將地區(qū)虛擬變量與核心自變量的交乘項納入模型，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SO2排放的影響雖然仍滿足庫茲涅茨曲線形式，但是地區(qū)之間存在較大差異。一方面，在一次項系數(shù)方面，中部地區(qū)相對最低，而西部地區(qū)相對最高，說明中部地區(qū)旅游業(yè)發(fā)展中引致的SO2排放相對較低，而西部地區(qū)則相對較高。另一方面，在二次項系數(shù)方面，中部地區(qū)相對最小，其次是東部地區(qū)，而西部地區(qū)最大，說明西部地區(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排放相對較低，因而在治理方面也相對重視不足有關(guān)。當(dāng)以旅游收入為解釋變量時，回歸結(jié)果仍顯示出類似的差異（結(jié)果略），進一步說明了上述結(jié)果的穩(wěn)健性。當(dāng)因變量為PM2.5時，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)濟發(fā)展水平的直觀反映，城市規(guī)模越大意味著城市經(jīng)濟越發(fā)達(dá)。因此，于旅游業(yè)發(fā)展而言，大城市人口相對集中，具有較高的技術(shù)、資本和勞動力等天然優(yōu)勢，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旅游業(yè)發(fā)展與空氣污染的關(guān)系產(chǎn)生影響，檢驗旅游污染的城市規(guī)模異質(zhì)性。依照2014年國務(wù)院出臺的城市規(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，進行分樣本回歸，同時設(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，且滿足庫茲涅茨曲線假設(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，系數(shù)不顯著。

5?結(jié)論與討論

隨著中國的經(jīng)濟發(fā)展與社會進步，旅游日益成為一種新的潮流。然而，旅游業(yè)快速發(fā)展的同時也帶來了新問題——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285個地級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)濟發(fā)展的衡量指標(biāo)，實證檢驗旅游發(fā)展對中國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)展對中國城市空氣污染的影響符合旅游“環(huán)境庫茲涅茨曲線”假說，即旅游業(yè)的空氣污染效應(yīng)具有動態(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)展帶來的PM2.5污染。②國家級旅游名片對旅游發(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“國家旅游名片”的城市比沒有名片的城市，單位旅游收入的增加會帶來更多的SO2排放。③旅游業(yè)發(fā)展對城市空氣質(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)方式一個層面來重視，推動形成綠色旅游發(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)境問題的主要來源。但實際上居民生活方式也是引致環(huán)境污染的一個重要方面。旅游作為一種越來越受青睞的現(xiàn)代生活方式，對生態(tài)環(huán)境帶來的壓力不可忽視。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)高耗能旅游項目，促進城市綠色旅游產(chǎn)業(yè)轉(zhuǎn)型升級，爭取早日進入拐點。旅游發(fā)展對中國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，城市早期旅游開發(fā)中不可避免地會對環(huán)境造成破壞，只有當(dāng)旅游經(jīng)濟發(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政府在推進旅游資源開發(fā)的同時要倡導(dǎo)保護性綠色開發(fā)，國家應(yīng)謹(jǐn)慎認(rèn)定旅游名片，適當(dāng)提高準(zhǔn)入門檻。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)加強旅游污染治理投入，發(fā)展旅游的同時，提升污染治理水平。

本研究可能在以下幾個方面具有一定創(chuàng)新性，并對現(xiàn)有文獻形成補充：①提供了旅游業(yè)發(fā)展導(dǎo)致城市空氣污染的中國證據(jù)，這對應(yīng)對當(dāng)前環(huán)境約束趨緊問題提供了新的啟示。近年來，盡管涌現(xiàn)了較多關(guān)于空氣污染對旅游經(jīng)濟發(fā)展影響的研究[60-63]，卻回避了旅游業(yè)發(fā)展對空氣污染的影響。本研究表明旅游業(yè)發(fā)展與空氣污染有較強的聯(lián)系，且滿足環(huán)境庫茨涅茨效應(yīng)，強調(diào)了發(fā)展綠色旅游，普及綠色出行，倡導(dǎo)環(huán)境友好型消費的重要性和必要性，這對于推動黨的十九大提出的形成節(jié)約資源和保護環(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)展對空氣污染的影響，還進一步探究了旅游名片效應(yīng)在其中的作用機制，同時分析了城市區(qū)位空間和城市規(guī)模大小對旅游空氣污染效應(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)性和空間依賴性的空間計量模型進行估計，有效解決了一般模型中數(shù)據(jù)的“相關(guān)”和“變異”問題?，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，而缺乏對解釋變量的外生交互效應(yīng)以及誤差項之間的交互效應(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?zāi)Ｐ透怕蕘泶_定空間權(quán)重矩陣和空間計量模型，實現(xiàn)對空間權(quán)重矩陣和空間模型選擇過程的改進。

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)。貝葉斯方法由于計算復(fù)雜，尤其是涉及高維數(shù)據(jù)計算，在國內(nèi)發(fā)展還比較緩慢，應(yīng)用并不多見。本文將貝葉斯方法引入空間計量模型不僅使其應(yīng)用更加廣泛，其對不確定因素的處理，也大大提高了空間計量模型的估計效率。

本文也有一些不足，有待于未來研究進一步探討。首先，研究整體旅游業(yè)發(fā)展對城市空氣污染的影響，但囿于數(shù)據(jù)而未區(qū)分國內(nèi)旅游和國際旅游對空氣污染可能帶來的差異化影響。尤其是近年來，外國來華旅游異軍突起，未來研究可進一步探究國際旅游的影響。其次，通過設(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)中進行機制分析，而未能采用各類國家級旅游名片具體的旅游接待人數(shù)和旅游收入做進一步考察，未來可進一步收集相關(guān)數(shù)據(jù)，以更準(zhǔn)確地匡測“國家級旅游名片”對旅游環(huán)境的影響。第三，一個地區(qū)的旅游競爭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)，未來研究可進一步度量地區(qū)旅游資源的組合方式對旅游環(huán)境的影響。最后，旅游景點景區(qū)可以劃分為人文景觀和自然景觀，未來研究可進一步考察二者是否對旅游環(huán)境具有差異化影響。

參考文獻

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

[2]中華人民共和國生態(tài)環(huán)境部. 2018中國生態(tài)環(huán)境狀況公報[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. 中國旅游業(yè)碳排放計量框架構(gòu)建與實證研究[J]. 中國人口·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4A級旅游區(qū)（點）：空間特征與產(chǎn)業(yè)配置研究[J]. 經(jīng)濟地理， 2003（5）：713-716.

[37]敖榮軍， 韋燕生. 中國區(qū)域旅游發(fā)展差異影響因素研究：來自1990—2003年的經(jīng)驗數(shù)據(jù)檢驗[J]. 財經(jīng)研究， 2006（3）：32-43.

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

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

[40]張毓， 孫根年. 城市規(guī)模與旅游成長空間關(guān)系、演變及驅(qū)動因子：長江三角洲城市級別體系新認(rèn)識[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. 法治強化能夠促進污染治理嗎？：來自環(huán)保法庭設(shè)立的證據(jù)[J]. 經(jīng)濟研究， 2019，54（3）：21-37.

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

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

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

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

[47]杜雯翠， 馮科. 城市化會惡化空氣質(zhì)量嗎？：來自新興經(jīng)濟體國家的經(jīng)驗證據(jù)[J]. 經(jīng)濟社會體制比較， 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：來自中國的經(jīng)驗證據(jù)[J]. 經(jīng)濟研究， 2019，54（8）：136-151.

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

[50]周曙東， 歐陽緯清， 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， 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]陶長琪， 楊海文. 空間計量模型選擇及其模擬分析[J]. 統(tǒng)計研究， 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. 空間計量經(jīng)濟學(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)污染強度的經(jīng)驗研究[J]. 世界經(jīng)濟， 2014，37（7）：86-114.

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

[62]劉嘉毅， 陳玉萍， 夏鑫. 中國空氣污染對入境旅游發(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. 大陸居民對北京霧霾的旅游影響感知和態(tài)度研究[J]. 中國人口·資源與環(huán)境， 2016，26（10）：168-176.