杜婭明，白永平，梁建設(shè)，張春悅，荊林祥，王立果，鄒嘉鋮

（西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，甘肅 蘭州 730070）

政府間氣候變化專門委員會（IPCC）第六次評估報告提出，以CO2為主的溫室氣體增多而導(dǎo)致的氣候變暖正以多種方式影響著地球上的每個區(qū)域。積極應(yīng)對氣候變化、加快實現(xiàn)凈零碳排放已成為各國亟待解決的問題。旅游業(yè)作為世界最大的經(jīng)濟部門之一，具有可持續(xù)性和資源消耗2 個產(chǎn)業(yè)特征，決定了其與生態(tài)環(huán)境之間存在矛盾關(guān)系［1］。研究表明，目前旅游業(yè)于全球溫室效應(yīng)的貢獻(xiàn)率達(dá)到14%，預(yù)計到2035 年游客造成的CO2排放量將以每年3.2%的平均速度增長［2］，嚴(yán)重威脅著旅游業(yè)綠色發(fā)展。旅游業(yè)碳排放效率是考量旅游生產(chǎn)和消費過程中所造成的碳排放與創(chuàng)造的經(jīng)濟價值之間關(guān)系的一個重要指標(biāo)［3］。評估旅游業(yè)碳排放效率及其影響因素，可以為促進旅游業(yè)碳減排和綠色發(fā)展提供理論指導(dǎo)和路徑支持。

旅游業(yè)碳排放效率反映了受環(huán)境制約的旅游業(yè)效率，目前國內(nèi)外研究主要聚焦于效率水平的測度［4-5］、分析評價［6-7］和影響因素探討［8-10］等方面。旅游業(yè)碳排放效率的研究多集中在國家層面［11-13］，以定量研究為主，投入產(chǎn)出指標(biāo)的合理選取是測度的關(guān)鍵。以往研究主要選擇資本、勞動和能源為投入指標(biāo)，旅游總收入為期望產(chǎn)出［14］。旅游碳排放量為非期望產(chǎn)出，其計算方法包括自下而上法［15-18］、剝離系數(shù)法［19-20］和生態(tài)足跡法［21］等，其中自下而上法主要依據(jù)實際數(shù)據(jù)，能夠有效反映旅游過程中產(chǎn)生的碳排放量，被學(xué)者廣泛應(yīng)用。在測算旅游業(yè)碳排放效率的基礎(chǔ)上，學(xué)者們進一步對其時空演化特征［22-23］、區(qū)域差異［24］或空間網(wǎng)絡(luò)特征［25］進行分析。在影響因素的研究中，學(xué)者們多使用傳統(tǒng)的計量經(jīng)濟學(xué)方法（如Tobit回歸、地理加權(quán)回歸等）揭示旅游碳效率的決定因素［4,26］。

黃河流域是中華文明重要的發(fā)祥地之一，擁有獨特的歷史文化與自然資源，但其生態(tài)系統(tǒng)的脆弱性導(dǎo)致流域內(nèi)面臨著環(huán)境污染、資源短缺等一系列的生態(tài)環(huán)境問題［27］。作為黃河流域高質(zhì)量發(fā)展的一個關(guān)鍵領(lǐng)域，旅游業(yè)在受限于資源環(huán)境承載力的基礎(chǔ)上，其環(huán)境友好性對促進其經(jīng)濟和生態(tài)協(xié)同發(fā)展具有重要作用［28］。因此，科學(xué)測度并分析黃河流域旅游業(yè)碳排放效率及其影響因素，對于推進域內(nèi)旅游業(yè)低碳化具有較高的理論指導(dǎo)和實踐參考價值。

總結(jié)以往研究可以看到，旅游業(yè)碳排放效率的研究已經(jīng)具有一定思路，但仍存在以下不足：（1）在研究區(qū)域上，從地區(qū)層面考察旅游發(fā)展質(zhì)量和產(chǎn)業(yè)環(huán)境影響的研究較少，尤其是對于黃河流域旅游資源豐富但生態(tài)敏感地區(qū)，缺乏對旅游業(yè)碳排放效率的研究。（2）在量化旅游業(yè)碳排放量時，普遍缺乏對技術(shù)投入的考慮。在旅游業(yè)中，技術(shù)創(chuàng)新水平的落后會阻礙旅游競爭力提升［29］。創(chuàng)新技術(shù)的應(yīng)用可以降低生態(tài)脆弱地區(qū)資源短缺和生態(tài)本底薄弱對旅游業(yè)發(fā)展的阻礙，或通過減少碳排產(chǎn)品和服務(wù)等減少對環(huán)境的污染和破壞，以提高旅游碳效率。（3）在影響因素分析中，傳統(tǒng)的計量經(jīng)濟學(xué)方法忽略了效率影響因素之間的相互作用和空間效應(yīng)的影響。因此，本文采用資本、勞動力、能源消耗和技術(shù)創(chuàng)新作為投入指標(biāo)，將其納入Super-SBM模型，并結(jié)合核密度估計法和Malmquist-Luenberger（ML）指數(shù)，分別測算2000—2019年黃河流域旅游業(yè)碳排放的靜態(tài)變化和動態(tài)變化，探究其時空演變特征，最后依托空間杜賓模型揭示影響黃河流域旅游業(yè)碳排放效率的關(guān)鍵因素，為有關(guān)職責(zé)部門制定低碳旅游發(fā)展制度提供合理建議和理論依據(jù)，助力流域高質(zhì)量發(fā)展。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

黃河是中國第二大河流，流經(jīng)山西、內(nèi)蒙古、山東、河南、四川、陜西、甘肅、青海、寧夏9個省區(qū)。截至2023 年，黃河流域9 省區(qū)擁有87 家國家5A 級旅游景區(qū)、14 家國家級旅游度假區(qū)（圖1）。受限于地理特征、區(qū)位條件、發(fā)展模式等問題，黃河流域旅游資源稟賦未能有效轉(zhuǎn)化為旅游經(jīng)濟優(yōu)勢，且流域旅游發(fā)展以高耗能高CO2排放為主，發(fā)展體制相對粗放［30］。

圖1 黃河流域9省區(qū)行政區(qū)劃Fig.1 Administrative divisions of nine provinces and regions in the Yellow River Basin

1.2 數(shù)據(jù)來源

宏觀經(jīng)濟類數(shù)據(jù)來源于2001—2020年的《中國統(tǒng)計年鑒》、各地區(qū)統(tǒng)計年鑒和2000—2019 年各地區(qū)統(tǒng)計公報，其中人均地區(qū)生產(chǎn)指數(shù)以2000年為基期進行平減；環(huán)境相關(guān)數(shù)據(jù)來源于2001—2020 年《中國環(huán)境統(tǒng)計年鑒》；能源類數(shù)據(jù)來源于2001—2020 年《中國能源統(tǒng)計年鑒》；旅游類數(shù)據(jù)來源于2001—2020 年《中國旅游統(tǒng)計年鑒》及其副本、《中國文化和旅游統(tǒng)計年鑒》，部分旅游交通數(shù)據(jù)來源于2001—2020 年旅游抽樣調(diào)查資料或地區(qū)統(tǒng)計公報。旅游專利申請數(shù)量來自中國國家知識產(chǎn)權(quán)局專利檢索及分析平臺（https://pss-system.cponline.cnipa.gov.cn/conventionalSearch），以專利申請時間確定技術(shù)創(chuàng)新年份，根據(jù)專利申請主體所在地確定技術(shù)創(chuàng)新所屬省份，以“旅游”為檢索要素，以發(fā)明專利、實用新型和外觀專利為類別，對2000—2019年公布的中國專利信息進行檢索，最后統(tǒng)計出各省區(qū)旅游專利數(shù)。對于部分缺失數(shù)據(jù)采用線性插值法補充。

1.3 研究方法

1.3.1 Super-SBM模型包含非期望產(chǎn)出的Slacks-Based Measure（SBM）模型引入了松弛變量的概念，識別出潛在效率差距［31］，使結(jié)果更加科學(xué)和準(zhǔn)確。而Super-SBM 模型又結(jié)合了Super-DEA 模型和SBM模型的優(yōu)勢，能夠?qū)Χ鄠€效率值為1的決策單元（DMU）再量化后實現(xiàn)進一步的橫向比較［32］。該模型的計算公式如下：

式中，minTECC為旅游業(yè)碳排放效率值；n為投入指標(biāo)個數(shù)；s1為期望產(chǎn)出個數(shù)；s2為非期望產(chǎn)出個數(shù)；m為決策單元個數(shù)；xik、yrk和qlk分別為第k個決策單元的第i個投入指標(biāo)、第r個期望產(chǎn)出指標(biāo)和第l個非期望產(chǎn)出指標(biāo)；、和為投入、期望產(chǎn)出和非期望產(chǎn)出三者的松弛；xij、yrj、qlj為被評估單元的投入、期望產(chǎn)出和非期望產(chǎn)出；λj為權(quán)系數(shù)；xk、yk、qk為第k個決策單元的最優(yōu)投入、期望產(chǎn)出和非期望產(chǎn)出。以上模型假設(shè)規(guī)模報酬不變。

從投入和產(chǎn)出來看，能源消耗是旅游生產(chǎn)過程中的重要投入，在經(jīng)濟學(xué)中，資本、勞動力和土地被認(rèn)為是主要生產(chǎn)要素，但由于土地對旅游業(yè)的發(fā)展及碳排約束力較小，因此在選取投入指標(biāo)時不納入土地要素。此外，技術(shù)創(chuàng)新水平的提高會對旅游業(yè)從業(yè)者以及旅游過程造成影響，同樣是旅游業(yè)要素投入的重要組成部分。因此，本文選取資本、勞動力、能源消耗和技術(shù)創(chuàng)新4 種要素作為旅游業(yè)碳排放效率測度的投入指標(biāo)（表1）。借鑒Young［33］的研究，采用永續(xù)盤存法計算各省區(qū)旅游業(yè)固定資本存量作為資本投入，折舊率取9.6%；勞動力、能源消耗和技術(shù)創(chuàng)新投入分別用各省區(qū)旅游業(yè)年末平均從業(yè)人員、旅游業(yè)能源消耗量、旅游專利累計申請數(shù)量表征。期望產(chǎn)出為旅游總收入；非期望產(chǎn)出為旅游業(yè)CO2排放量。由于中國尚未成立完善的旅游數(shù)據(jù)庫或衛(wèi)星系統(tǒng)，對旅游業(yè)能源消耗量和旅游業(yè)CO2排放量的測算采用“自下而上”的方法，基于消費者視角將旅游產(chǎn)業(yè)具體為旅游交通、旅游住宿和旅游活動，分別計算后加和［34］。

表1 黃河流域旅游業(yè)碳排放效率投入產(chǎn)出Tab.1 Input-output of tourism carbon emission efficiency in the Yellow River Basin

1.3.2 ML 指數(shù)前文基于Super-SBM 模型測算的旅游業(yè)碳排放效率僅對單一特定時間節(jié)點的效率值進行評估，缺乏時間序列上動態(tài)視角的分析。因此，本文采用Chung 等［35］提出的納入非期望產(chǎn)出的ML 指數(shù)探討旅游業(yè)碳排放效率變化的動態(tài)特征，分解為技術(shù)效率變化指數(shù)和技術(shù)進步指數(shù)。ML 指數(shù)（技術(shù)效率變化指數(shù)、技術(shù)進步指數(shù)）大于1 表示旅游業(yè)碳排放效率（技術(shù)效率、技術(shù)進步水平）提高，反之表示降低，等于1則表示不變。

1.3.3 核密度曲線核密度估計不需要預(yù)先假設(shè)數(shù)據(jù)服從某個特定的標(biāo)準(zhǔn)參數(shù)分布，這種方法可以直接擬合數(shù)據(jù)樣本的概率密度函數(shù)。因此，采用核密度估計曲線可以有效揭示黃河流域各省區(qū)之間旅游業(yè)碳排放效率絕對差異的分布動態(tài)和發(fā)展規(guī)律。不同的核函數(shù)對核密度估計影響很小［36］，本研究選擇了最常用的高斯核密度函數(shù)。

1.3.4 空間計量模型本文構(gòu)建空間杜賓模型來刻畫黃河流域旅游業(yè)碳排放效率的空間效應(yīng)，具體模型如下：

式中：TECCit為旅游業(yè)碳排放效率；i和t分別為地區(qū)和年份；Wij為空間權(quán)重矩陣，其中Wij為i地區(qū)與j地區(qū)的距離；ρ和φ為空間滯后項的參數(shù)；xit為解釋變量；β為回歸系數(shù)；vt和μi為時空固定效應(yīng)；εit為誤差項。

2 結(jié)果與分析

2.1 黃河流域旅游業(yè)碳排放靜態(tài)效率分析

2.1.1 時序演變特征利用Matlab 2021a 軟件對2000—2019 年黃河流域旅游業(yè)碳排放效率均值進行測算（圖2）。2000—2019 年，流域內(nèi)旅游業(yè)碳排放效率均值為0.561，整體上呈現(xiàn)先波動上升后下降的趨勢，大致呈倒“U”型變化曲線。

圖2 旅游業(yè)碳排放效率均值及區(qū)域差異Fig.2 Mean value and regional differences of tourism carbon emission efficiency

具體來看，2000—2019年黃河流域旅游業(yè)碳排放效率均值在2003年出現(xiàn)峰值，原因在于本年能源投入減少的同時旅游業(yè)碳排放量減少，其中內(nèi)蒙古、四川及陜西旅游業(yè)碳排放效率均值（1.000、0.731、1.016）大幅提升。2004—2011年旅游業(yè)碳排放效率均值穩(wěn)步上升，在此期間發(fā)布的《關(guān)于加快旅游業(yè)轉(zhuǎn)型升級的意見》（國發(fā)〔2008〕16號）、《關(guān)于推進旅游業(yè)低碳發(fā)展的指導(dǎo)意見》（發(fā)改旅〔2013〕2451 號）等文件政策，明確了發(fā)展可持續(xù)旅游的重要性，為促進低碳旅游的發(fā)展提供了制度保障和政策支持。2012—2018 年旅游業(yè)碳排放效率均值波動下降，主要是由于2012 年后旅游業(yè)從業(yè)人員、旅游業(yè)固定資產(chǎn)投資額以及旅游收入的逐年快速增加，黃河流域旅游業(yè)進入快速增長模式。盲目追求旅游經(jīng)濟而忽略低碳綠色的發(fā)展模式，致使各省區(qū)旅游業(yè)碳排放效率降低，一定程度上證明了“環(huán)境庫茲涅茨曲線”假說?？偟膩砜矗?019 年旅游業(yè)碳排放效率均值相比2000 年提升了12.44%，旅游業(yè)碳排放效率不斷優(yōu)化，但研究期內(nèi)旅游業(yè)碳排放效率均值始終處于較低水平且表現(xiàn)為決策單元無效，距離最佳生產(chǎn)前沿面仍有很大空間。表明隨著黃河流域高質(zhì)量發(fā)展戰(zhàn)略的深入，旅游業(yè)綠色化取得了一定的成效，但仍然過于依賴資源要素投入，低碳旅游轉(zhuǎn)型任重道遠(yuǎn)。此外，2000—2019年黃河流域旅游業(yè)碳排放效率變異系數(shù)呈現(xiàn)波動下降的趨勢，由1.174 下降到0.814，年均下降率為1.53%，表明黃河流域各省區(qū)的旅游業(yè)碳排放效率差異在不斷縮小，黃河流域旅游業(yè)發(fā)展的穩(wěn)定性和可持續(xù)性有所提高。

2.1.2 空間分布特征為進一步探討黃河流域旅游業(yè)碳排放效率的空間分布情況，利用自然斷點法將2000—2019 年黃河流域各省區(qū)旅游業(yè)碳排放效率均值劃分為3 個等級，并采取同樣的標(biāo)準(zhǔn)對5 個時間節(jié)點進行具體分析（圖3）。黃河流域旅游業(yè)碳排放效率均值呈現(xiàn)明顯的“西低東高”空間分布格局。由圖3a～e 可知，黃河流域9 省區(qū)旅游業(yè)碳排放效率均值總體上符合先增高后降低趨勢。2000—2019 年多數(shù)省區(qū)旅游業(yè)碳排放效率明顯提升。下游河南省和山東省始終處于較高水平，但存在波動變化。上游甘肅、青海和寧夏3 省始終處于較低效率水平。甘肅、青海和寧夏雖然也有著較為發(fā)達(dá)的旅游業(yè)，但其經(jīng)濟水平較為薄弱，且屬于生態(tài)脆弱敏感地區(qū)，強盛的旅游業(yè)會更容易帶來環(huán)境破壞。尤其是甘肅省和青海省，地廣人稀，占地面積大但可利用地小，交通網(wǎng)絡(luò)構(gòu)建不完善。而旅游業(yè)對交通便捷性的依賴，致使其產(chǎn)生更多的交通碳排放，從而造成其旅游業(yè)碳排放效率處于低效率水平。中游陜西省效率變化較為穩(wěn)定，山西省逐漸轉(zhuǎn)好。由圖3f 可知，高效率省區(qū)依然集中在東部，西部塌陷特征明顯。河南省2000—2019 年旅游業(yè)碳排放效率均值（1.286）最高，達(dá)到了決策單元有效，河南省低投入高產(chǎn)出的特點也說明了單純推動旅游經(jīng)濟發(fā)展并非促進綠色發(fā)展和碳減排的充分條件，通過減少旅游業(yè)對資源要素投入的依賴更加重要。值得注意的是，2000—2019年旅游業(yè)碳排放效率空間分布以及效率均值空間分布都出現(xiàn)明顯的西部塌陷特征。

圖3 旅游業(yè)碳排放效率空間分布格局Fig.3 Spatial distribution pattern of tourism carbon emission efficiency

2.2 黃河流域旅游業(yè)碳排放動態(tài)效率分析

2.2.1 ML 指數(shù)分析為了更好地把握黃河流域旅游業(yè)碳排放效率的動態(tài)演變趨勢，基于ML 指數(shù)測算9 個省區(qū)旅游業(yè)碳排放效率及其分解指數(shù)（圖4）。2000—2019 年，黃河流域旅游業(yè)碳排放效率ML 指數(shù)均值呈現(xiàn)波動減小的趨勢，僅2002—2003年小于1，其余年份皆大于1，黃河流域ML指數(shù)均值為1.171，表現(xiàn)出增長態(tài)勢。從效率分解來看，技術(shù)進步指數(shù)與ML 指數(shù)的變化曲線走勢更加相似，2002—2003年技術(shù)進步指數(shù)大幅度降低，隨后升高至峰值，而技術(shù)效率變化指數(shù)呈現(xiàn)先上升后下降的趨勢，結(jié)合ML指數(shù)相對小幅度的下降再上升，證明技術(shù)進步對旅游業(yè)碳排放效率變動的貢獻(xiàn)最大。此外，2000—2019年黃河流域技術(shù)效率變化指數(shù)和技術(shù)進步指數(shù)均值皆大于1（表2），說明效率變化和技術(shù)變化均能在一定程度上對旅游業(yè)碳排放效率的提升起到促進作用，但作用力大小不同，因此黃河流域在旅游業(yè)綠色發(fā)展的投入產(chǎn)出過程中要注重自身發(fā)展的技術(shù)先進性。

表2 2000—2019年黃河流域各省區(qū)旅游業(yè)碳排放效率ML指數(shù)均值Tab.2 Average ML index of tourism carbon emission efficiency of provinces and regions in the Yellow River Basin from 2000 to 2019

圖4 旅游業(yè)碳排放效率Malmquist-Luenberger（ML）指數(shù)均值及其分解Fig.4 Mean value and decomposition of Malmquist-Luenberger(ML)index of tourism carbon emission efficiency

對于黃河流域9省區(qū)而言，2000—2019年的ML指數(shù)均值差異不大，但都大于1，即旅游業(yè)碳排放效率均呈現(xiàn)上升趨勢（表2）。分解指數(shù)中，各省的技術(shù)進步指數(shù)均大于1，說明總體技術(shù)進步水平低下的狀況在不斷改善，而技術(shù)效率變化指數(shù)圍繞1 上下波動，體現(xiàn)出黃河流域?qū)夹g(shù)效率的提高政策存在一定的盲目性，導(dǎo)致效率水平不穩(wěn)定。

2.2.2 核密度估計分析為了直觀反映黃河流域旅游業(yè)碳排放效率的演變態(tài)勢，本文采用核密度函數(shù)對五年規(guī)劃初始年份2000、2006、2011、2016 年和2019年的旅游碳排放效率進行估計（圖5）。2000—2019年，黃河流域旅游業(yè)碳排放效率的核密度函數(shù)曲線形態(tài)發(fā)生較明顯的變化，呈現(xiàn)“高-低-高”的發(fā)展趨勢。從峰度來看，2000—2016年核密度曲線波峰高度逐漸降低，而2016—2019年波峰高度又呈現(xiàn)升高的趨勢，但仍低于2000 年，表明黃河流域旅游業(yè)碳排放效率整體差異逐漸縮小，數(shù)據(jù)分布逐漸均衡，與前文研究一致。從位置來看，2000 年到2019年核密度曲線整體右移，隨后自2011年再次發(fā)生左移，揭示黃河流域旅游業(yè)碳排放效率先提高后降低的變化規(guī)律。從形態(tài)來看，黃河流域旅游業(yè)碳排放效率的核密度曲線在2000 年至2019 年間逐漸由“M”型“多峰”轉(zhuǎn)變?yōu)榈埂癠”型“單峰”，表明旅游業(yè)碳排放效率有極化現(xiàn)象減弱、分布逐漸均衡的態(tài)勢，同時，研究期間核密度曲線右尾不斷縮短，也印證了差異程度逐步減小。

圖5 旅游業(yè)碳排放效率核密度估計Fig.5 Kernel density esimation of tourism carbon emission efficiency

2.3 黃河流域旅游業(yè)碳排放效率影響因素及其空間溢出效應(yīng)

2.3.1 空間自相關(guān)性檢驗在使用空間計量模型估算各驅(qū)動因素對旅游業(yè)碳排放效率的影響之前，利用Stata17 構(gòu)建經(jīng)濟-地理距離嵌套矩陣，其中經(jīng)濟距離權(quán)重矩陣用2000—2019 年年均人均GDP 絕對差值的倒數(shù)表示，地理距離權(quán)重矩陣則采用反距離法進行構(gòu)造，即矩陣中元素表示基于經(jīng)緯度計算的距離的倒數(shù)。采取全局莫蘭指數(shù)對被解釋變量進行空間自相關(guān)檢驗（表3）。2000—2019年黃河流域9省區(qū)旅游業(yè)碳排放效率的全局空間自相關(guān)指數(shù)均為正值，且至少在5%的水平上通過了顯著性檢驗，表明黃河流域旅游業(yè)碳排放效率具有較強的正向相關(guān)性，即空間溢出性較強。

表3 2000—2019年黃河流域旅游業(yè)碳排放效率全局莫蘭指數(shù)Tab.3 Global Moran’s I of tourism carbon emission efficiency in the Yellow River Basin from 2000 to 2019

2.3.2 變量選取與模型檢驗前文測度結(jié)果表明黃河流域旅游業(yè)碳排放效率可能受多種因素共同作用，因此本文選擇具有代表性的因子探討其影響因素（表4）。

表4 空間杜賓模型主要變量及其描述性統(tǒng)計Tab.4 Main variables and descriptive statistics of the spatial Durbin model

在對旅游業(yè)碳排放效率的影響因素進行研究之前，需要先進行模型檢驗（表5）。首先，利用拉格朗日乘數(shù)（LM）檢驗判別空間計量模型的誤差項中是否存在空間依賴性，結(jié)果表明除空間誤差最大似然（LM-Error）檢驗不顯著外，其余3 項均通過了1%的顯著性水平，因此應(yīng)拒絕空間誤差模型（SEM）。其次，似然比（LR）檢驗及沃爾德（Wald）檢驗均通過了1%的顯著性水平，因此應(yīng)拒絕空間滯后模型（SAR），選擇空間杜賓模型（SDM）。然后，通過豪斯曼（Hausman）檢驗判斷使用固定效應(yīng)或隨機效應(yīng)，結(jié)果顯示通過1%的顯著性水平，則固定效應(yīng)更為合理。最后，利用LR檢驗對空間杜賓模型的3種固定效應(yīng)類型進行選擇，結(jié)果顯示使用雙向固定效應(yīng)更優(yōu)。

表5 模型檢驗結(jié)果Tab.5 Model test results

2.3.3 影響因素分析空間杜賓模型回歸結(jié)果如表6 所示?？傮w來看，不同自變量因素在時間和空間固定效應(yīng)下對旅游業(yè)碳排放效率的影響和顯著水平具有明顯差異。

表6 模型回歸結(jié)果Tab.6 Model regression results

經(jīng)濟發(fā)展水平對當(dāng)?shù)氐穆糜螛I(yè)碳排放效率影響系數(shù)為負(fù)（-0.007），但空間滯后項對旅游業(yè)碳排放效率起到正向促進作用（0.004）且P＜0.01。從二者的系數(shù)大小來看，經(jīng)濟發(fā)展水平所造成的影響較小。產(chǎn)業(yè)結(jié)構(gòu)對當(dāng)?shù)氐穆糜螛I(yè)碳排放效率的影響系數(shù)為-0.364，表現(xiàn)為負(fù)面影響，當(dāng)?shù)谌a(chǎn)業(yè)占比較高時，旅游業(yè)作為其中的支柱性產(chǎn)業(yè)，往往會有較大的發(fā)展空間，這可能會導(dǎo)致旅游業(yè)碳排放量增加；同時，鄰接省份產(chǎn)業(yè)結(jié)構(gòu)升級會帶來區(qū)域內(nèi)經(jīng)濟活力和消費需求的提升，這將增強本省旅游業(yè)發(fā)展的壓力，從而導(dǎo)致盲目快速發(fā)展，產(chǎn)生顯著的負(fù)向環(huán)境外部性（-6.390）。對外開放程度對旅游業(yè)碳排放效率的影響系數(shù)為-0.191，其空間滯后項的影響系數(shù)為-0.901。對外開放程度的提高使得更多的高能耗高污染外資入駐黃河流域，對宏觀區(qū)域產(chǎn)生輻射負(fù)面影響［38］。環(huán)境規(guī)制對本地和鄰地的影響系數(shù)分別為1.987、6.301，后者通過了P＜0.1 的顯著性檢驗，由于環(huán)境規(guī)制相關(guān)政策的提出，勢必會促使各旅游企業(yè)更加重視環(huán)境保護，采取一系列措施減少旅游活動所帶來的碳排放，推動綠色技術(shù)和設(shè)備的使用，因此環(huán)境規(guī)制對本地存在顯著的空間正相關(guān)關(guān)系［39］；在空間示范效應(yīng)的影響下，當(dāng)?shù)丨h(huán)境相關(guān)政策的出臺和實施必然會警示區(qū)域內(nèi)其他省份，指導(dǎo)并拉動有益政策的制定。城鎮(zhèn)化水平影響系數(shù)為0.147，一定程度上有利于當(dāng)?shù)芈糜螛I(yè)碳排放效率的提升，但并不顯著，對周邊地區(qū)則呈現(xiàn)出顯著的正向溢出效應(yīng)，且影響系數(shù)最大（19.246），原因可能在于城鎮(zhèn)化增強了區(qū)域間的聯(lián)系，人們的環(huán)保意識和資源利用效率有所提高，導(dǎo)致其“質(zhì)量效應(yīng)”開始起作用［40］。此外，技術(shù)水平對旅游業(yè)碳排放效率的影響系數(shù)為-0.245（P＜0.01），表明能耗降低所帶來的技術(shù)進步能夠有效提高旅游業(yè)碳排放效率，同時技術(shù)水平的提高對周邊地區(qū)產(chǎn)生抑制作用，技術(shù)水平每提高1%，將會導(dǎo)致旅游業(yè)碳排放效率降低0.291%。最后，旅游產(chǎn)業(yè)集聚具有顯著負(fù)向作用，影響系數(shù)為-0.078，表明在旅游產(chǎn)業(yè)集聚增加旅游業(yè)規(guī)模和吸引力的同時，也會帶來更多的能源消耗和CO2排放；且由于人才、土地等資源要素的競爭，給周邊地區(qū)的旅游產(chǎn)業(yè)發(fā)展帶來了阻礙，從而產(chǎn)生負(fù)向的空間溢出，影響系數(shù)為-0.342。回歸結(jié)果反映出區(qū)域旅游碳排放效率的實現(xiàn)可以通過增強環(huán)境規(guī)制、技術(shù)水平等方面以促進旅游經(jīng)濟環(huán)境效益，印證了旅游經(jīng)濟對綠色發(fā)展的驅(qū)動機制［41］。而對于不利于周邊地區(qū)旅游業(yè)碳排放效率提高的驅(qū)動因素，可能是由于黃河流域省域之間交流門檻相對較高，產(chǎn)生知識、技術(shù)等有利要素的外溢緩慢，經(jīng)濟-環(huán)境綜合體形成緩慢。

2.3.4 空間效應(yīng)分解由前文回歸結(jié)果可知，各影響因素對黃河流域旅游業(yè)碳排放效率存在空間溢出效應(yīng)，為了更直觀地解釋隨機沖擊產(chǎn)生的邊際效應(yīng)，本文對各被解釋變量的空間效應(yīng)進一步分解（表7）。

表7 空間杜賓模型直接效應(yīng)和間接效應(yīng)Tab.7 Direct and indirect effects of spatial Durbin model

從直接效應(yīng)來看，環(huán)境規(guī)制和技術(shù)水平均有利于省內(nèi)旅游業(yè)碳排放效率的提升，前者相關(guān)系數(shù)最大，表現(xiàn)為每提升1%的環(huán)境規(guī)制水平，會推動本省效率值增加1.828%。而技術(shù)水平影響系數(shù)為-0.235（P＜0.01）。經(jīng)濟發(fā)展水平和旅游業(yè)產(chǎn)業(yè)集聚對本省效率值造成負(fù)面影響，影響系數(shù)分別為-0.000（P＜0.1）、-0.068（P＜0.01）。從間接效應(yīng)來看，經(jīng)濟發(fā)展水平（P＜0.05）、環(huán)境規(guī)制（P＜0.1）和城鎮(zhèn)化水平（P＜0.01）的影響系數(shù)均為正，說明其存在要素的空間轉(zhuǎn)移，如通過相互學(xué)習(xí)和模仿行為提高鄰接省份的旅游業(yè)碳排放效率；產(chǎn)業(yè)結(jié)構(gòu)、旅游業(yè)產(chǎn)業(yè)集聚的影響系數(shù)分別為-5.693（P＜0.01）和-0.293（P＜0.01），說明相鄰省份的產(chǎn)業(yè)結(jié)構(gòu)升級和旅游產(chǎn)業(yè)集聚提高會造成本地旅游業(yè)碳排放效率的降低，其對鄰地旅游業(yè)碳排放效率存在負(fù)向外部性。從總效應(yīng)來看，只有經(jīng)濟發(fā)展水平和城鎮(zhèn)化水平的直接和間接效應(yīng)影響系數(shù)正負(fù)不一，且總效應(yīng)值均為正，說明鄰省區(qū)的變量水平對本省的效率值影響更大，此外，環(huán)境規(guī)制總效應(yīng)同樣為正值，其對周邊區(qū)域旅游業(yè)碳排放效率的規(guī)模效應(yīng)大于回饋效應(yīng)，可以促進流域內(nèi)旅游業(yè)碳排放效率的提高。綜合來看，經(jīng)濟發(fā)展水平、環(huán)境規(guī)制、城鎮(zhèn)化水平存在顯著的正向溢出效應(yīng)，對鄰接地區(qū)的旅游業(yè)碳排放效率存在較強的積極作用；而產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平和旅游業(yè)產(chǎn)業(yè)集聚給鄰地旅游業(yè)碳排放效率帶來了顯著的抑制作用。

3 結(jié)論與建議

3.1 結(jié)論

（1）從靜態(tài)效率來看，2000—2019年，黃河流域內(nèi)旅游業(yè)碳排放效率均值先波動上升后下降，其變異系數(shù)波動下降，表明黃河流域各省區(qū)之間的差異在不斷縮?。辉诳臻g分布上，黃河流域旅游業(yè)碳排放效率均值呈現(xiàn)出明顯的“西低東高”空間分布格局，且旅游業(yè)碳排放效率空間分布以及效率均值空間分布都出現(xiàn)明顯的西部塌陷特征。

（2）從動態(tài)效率來看，2000—2019 年黃河流域ML指數(shù)均值大于1，旅游業(yè)碳排放效率整體呈現(xiàn)增長態(tài)勢，指數(shù)分解結(jié)果表明技術(shù)進步對旅游業(yè)碳排放效率變動的貢獻(xiàn)最大；核密度曲線形態(tài)中波峰高度降低，峰數(shù)減少，右尾不斷縮短，均說明研究期內(nèi)旅游業(yè)碳排放效率極化現(xiàn)象減弱，分布逐漸均衡；曲線位置先整體右移，隨后發(fā)生左移，證明黃河流域旅游業(yè)碳排放效率水平呈現(xiàn)先提高后降低的趨勢。

（3）從影響因素來看，環(huán)境規(guī)制和城鎮(zhèn)化水平在促進當(dāng)?shù)芈糜螛I(yè)碳排放效率的過程中呈現(xiàn)出正向溢出效應(yīng)；產(chǎn)業(yè)結(jié)構(gòu)、對外開放、技術(shù)水平和旅游產(chǎn)業(yè)集聚對當(dāng)?shù)睾袜彽氐挠绊懴禂?shù)均為負(fù)；而經(jīng)濟發(fā)展水平會抑制旅游業(yè)碳排放效率的提升，但對周邊地區(qū)呈現(xiàn)出顯著的正向溢出作用。

3.2 建議

基于以上研究結(jié)果，本文提出以下政策建議：（1）2012—2018年黃河流域旅游業(yè)進入快速增長模式，而旅游業(yè)碳排放效率均值波動下降，因此應(yīng)避免盲目追求旅游經(jīng)濟的提高而忽視綠色旅游的發(fā)展，減少旅游業(yè)對資源要素投入的依賴。（2）上游甘肅、青海和寧夏3省的旅游發(fā)展對環(huán)境依賴度較高，應(yīng)更加注重生態(tài)環(huán)境的保護，結(jié)合技術(shù)進步對旅游業(yè)碳排放效率變動的貢獻(xiàn)更大可知，加強清潔能源的替代以及綠色技術(shù)的引進是提升旅游業(yè)碳排放效率直接有效的方式。（3）黃河流域各省區(qū)應(yīng)充分重視城鎮(zhèn)化水平的正向溢出效應(yīng)，嚴(yán)格把控城鎮(zhèn)化發(fā)展規(guī)劃，科學(xué)推進城鎮(zhèn)化向高級階段發(fā)展。（4）經(jīng)濟發(fā)展水平對旅游業(yè)碳排放效率的影響較小但總效應(yīng)為正。作為全國經(jīng)濟薄弱地帶，旅游業(yè)在黃河流域較為傳統(tǒng)的經(jīng)濟結(jié)構(gòu)中產(chǎn)值較低，其對環(huán)境產(chǎn)生負(fù)反饋作用相對較弱，結(jié)合技術(shù)水平顯著的溢出效應(yīng)，各地應(yīng)相對大膽地拉動經(jīng)濟發(fā)展水平，同時出臺相關(guān)獎勵政策鼓勵各創(chuàng)新企業(yè)的發(fā)展，降低經(jīng)濟發(fā)展過程中造成的傳統(tǒng)能源消耗以促進全區(qū)域旅游業(yè)碳排放效率的提高。（5）環(huán)境規(guī)制對本地及鄰地旅游碳效率均有促進作用，總效應(yīng)顯著為正，且2004—2011 年黃河流域旅游業(yè)碳排放效率均值由于部分旅游相關(guān)政策的新鮮出臺而穩(wěn)步上升。因此，政府部門應(yīng)加快完善環(huán)境管制立法執(zhí)法工作，建立更加密集的網(wǎng)格化管理機制，必要時加大查處力度，在法律層面強硬有效地對降低旅游業(yè)碳排放起到貢獻(xiàn)作用。