旅游发展推动城市工业经济“去工业化”研究

旅游发展推动城市工业经济“去工业化〞研究内容摘要：利用中国58个游览城市面板数据，定量分析了游览发展与城市工业化的关系。研究发现：重要迹象表示清楚游览城市工业经济正出现“去工业化〞。整体层面游览发展并没有直接引起“去工业化〞，游览发展不存在“资源诅咒〞现象，但通过产业构造升级和劳动力转移效应对城市工业经济的负向作用已经显现。个体层面跨越半数的城市游览发展推动了“去工业化〞，其中，游览发展对城市工业经济有负向影响的城市占三分之一多。仅有极少数城市不存在游览发展推动“去工业化〞。这对认识城市游览与工业经济关系提供了新视角。本文关键词语：游览业；去工业化；产业构造升级；劳动力转移一、问题提出2013年中国经济步入新常态，第二产业值比重开始由当年的44%，逐步下降到2017年的40.5%，年均降幅为2.05%，而第三产业产值比重则初次跨越第二产业值比重，由2013年的46.7%上升到2017年51.6%，提升了5%，年均增幅为2.53%。从就业人数占比看，以制作业为代表的第二产业就业份额不足30%，而第三产业就业比重却跨越了35%，且增幅高于第二产业。除此之外，制作业出口增速也连续出现下降态势，尤其是2016年以后，进口增速初次连续性高于出口增速。从宏观经济角度看，制作业产值份额、就业比重及其出口额连续下降，则表示清楚该经济体出现“去工业化〞态势[1-3]。根据相应指标的“特征事实〞判定，中国工业经济出现了一定水平的“去工业化〞迹象。学术界对于“去工业化〞问题的关注最早可追溯到Clark〔1957〕和Bell〔1973〕。他们指出，非工业化社会的经济中心是效劳经济而非商品的生产[4，5]，但该结论过于简单，忽略了“去工业化〞丰富的内涵和经济社会影响。此后，Alderson〔1997〕以为，“去工业化〞的主要标记是一国制作业的生产能力与就业人数的相对下降[6]。Fligstein〔1999〕从地理角度指出，“去工业化〞是劳动力的就业时机从北方国家转移到南方国家的经过[7]。Krugman〔1996〕从对外贸易视角分析了“去工业化〞的内涵[8]。Donald〔1999〕和Cowie〔2003〕则强调应该从更广泛的视角认识“去工业化〞，进而指出“去工业化〞不仅仅仅是制作业产能与就业人数的下降，还应包含与此相对应的社会构造变化[9]。乔晓楠〔2013〕指出，“去工业化〞有“好〞与“坏〞之分[10]。好的“去工业化〞对经济与社会发展产生正溢出效应[3]。在人们讨论“去工业化〞内涵与影响的同时，“去工业化〞产生的原因与机制也成为研究热门。从以往结果看，一类学者是通过考察相对需求、劳动生产率、技术进步在一国不同行业的此消彼长来分析“去工业化〞的生成机制。此类研究最早可见Petty〔1969〕和Clark〔1957〕的配第—克拉克定律。其后，Fligstein〔1999〕；Rowthorn〔1999〕及Christopher〔2009〕皆以为基本生产要素重置与经济构造变化是“去工业化〞生成的关键[7，11，12]。而另一类学者如Hersh〔2003〕；Letto〔2003〕及Matsuyama〔2008〕则强调，不能仅仅从经济体内部、行业间要素重置去考察“去工业化〞的成因，他们以为南北贸易、对外直接投资与政策失误等是导致“去工业化〞的主要外部因素[13-15]。中国不仅拥有全球最大的国内游览市场，也一直是第一大出境游览和第四大入境游览国。游览业具有其他产业所不及的高产业关联性、强拉动效应和高就业率的特点[16]。游览业通过投资、消费、创汇和就业等对经济增加的积极作用日益突出[17-19]。2014年中国游览业对经济增加的奉献上升至9.4%，跨越了汽车工业与教育产业奉献度。十分是对产业构造升级，第三产业发展以及吸纳过剩劳动力发挥了显著作用[20-22]。因此，包含85%以上的地级市〔州、盟〕在内的地区都将游览业作为战略性支柱产业发展。但我们更关注的是游览资源作为一种特殊的天然资源，能否会像煤炭和石油一样发生“荷兰病〞现象。从现有研究看，Chao〔2006〕和Capó〔2007〕以为，游览业扩张能导致“去工业化〞的发生[23，24]。那么，在中国这样一个游览大国，城市游览业快速扩张能否会挤压制作业部门收缩，进而推动城市工业经济“去工业化〞？当前对此类问题的研究较少。需要说明的是，导致“去工业化〞的因素许多，如出口环境变差、环境治理标准提升及实体经济投资收益率边际递减等，本文仅从游览视角讨论其在工业经济“去工业化〞迹象出现经过中能否具有助推作用。基于此，本文以58个游览城市〔延边和西藏因数据缺失除外〕为研究样本，考察游览发展与“去工业化〞迹象能否有这种关联。选取游览城市为样本具有较好的典型性与代表性：一是不仅包括重要的省会城市，也有有名的游览风景区，经济与游览功能特别突出；二是在工业经济发展、产业构造升级、外资利用和技术研发等方面较其他城市更为显著。三是样本覆盖面广，能从微观层面为政策制订提供较好的参考根据。二、游览城市工业经济“去工业化〞迹象与游览发展分析1.工业经济增速连续回落，表现出一定水平的趋缓态势2001—2017年游览城市工业经济波动较为明显，出现下滑倾向，其变化经过大体可划分3个阶段〔图1〕。图1表示清楚，第一阶段为2001－2004年，2001年游览城市限额以上工业总产值增加率为17.7%，该阶段的增加率峰值为2004年的34.84%，而谷底为2003年，当年限额以上工业总产值增加率仅为3.12%；第二阶段为2004－2010年，谷底在2010年，限额以上工业总产值增加率为8.47%，峰值在2006年，全年工业增加率为32.24%；第三阶段为2010－2017年，谷底在2013年，当年限额以上工业总产值增加率为8.69%，2014年数据为8.65%。当前，游览城市工业经济正处于一个新的周期。总体看，前两个阶段工业经济波动幅度较明显，而第三个阶段工业经济增速逐步回落，波动相对较小，表现出一定的趋稳态势。2.效劳业增长值比重已跨越工业的，产业构造升级明显根据统计计算数据看，2009年中国游览城市的效劳业增长值占的比重初次跨越工业产值比例，这具有特别主要的象征意义。更值得留意的是，在随后的2013－2017年间，游览城市效劳业产值比例继续稳高于工业的。2013－2017年游览城市的效劳业增长值占比例分别为50.90%、52.60%、51.15%、52.62%、54.24%，而同期的工业产值占比重则分别为49.10%、47.4%、48.85%、47.38%、45.76%。这表示清楚游览城市产业构造转型升级效果显著，效劳业已取代工业而成为促进经济增加的自动力。从工业内部构造变化看，游览城市战略性新兴产业、新一代信息化业、高端制作业及消费品业等行业发展迅速，且与游览业的关联性进一步加强。在增长值增速同比中，与游览业关联性强的信息产业、交通运输设备业和消费操行业高居前列，三者增加率分别为13.61%、12.42%和11.78%，而传统的高耗能产业与资源型产业的增长值增速最低。从2000—2017年工业劳动生产率计算结果看，其值一直大于1，表示清楚产业构造调整是有效率的，工业构造得到了优化。3.第三产业就业人数比重高于第二产业，制作业就业增速平稳下降自2000年以来，游览城市第三产业就业人数规模不断扩大，其就业人数速度快于同期的第二产业就业人数速度，进而使第三产业就业人数比重大幅高于同期的第二产业就业人数比例，其中，2003年到达峰值〔图2〕。图2表示清楚，2000－2003年游览城市第三产业就业比重分别为49.59%、49.70%、51.95%和53.15%，而同期的第二产业就业比例分别为43.22%、43.57%、45.73%和44.15%，第三产业就业比例从2000年高于第二产业就业比重6.37个百分点，加速上升到2003年高于第二产业就业比例9个百分点。自2004年以来，虽然第二产业就业比重略有回升，但仍低于同期的第三产业就业比重。2017年第二产业就业比重最高，为49.71%，与同期的第三产业就业比重仍相差1.7个百分点，而2006年这一差距更是高达6.8个百分点。从统计结果看，这意味着在游览城市中第三产业已成为吸纳劳动力的主力军。2000年以来，制作业就业人数放缓，就业人数增加率有所回落。2000年制作业就业人数为1984.42万人，连续下降到2003年的1554.27万人，其增加率分别为-8.75%、-7.20%和-7.49%。自2004年后，制作业就业人数开始缓慢回升，直至2010年到达峰值为2000.57万人，最高增加率为2006年的5.83%，最低增加率为2007年的0.67%，年均增加率为3.89%。2011年与2012年制作业就业人数再次出现两次下滑，增加率降幅高达10.92个百分点。2013年制作业就业人数的反弹仍没能遏制这种下降趋势。4.城市游览经济高速增加，逐步成为第三产业的龙头，对城市经济增加与效劳业发展的奉献度稳步扩大游览业是游览城市的主要产业，也是游览城市现代效劳业的龙头。2000－2017年游览城市的游览业获得了快速增加，对城市经济增加的拉动效应也在不断凸显〔图3〕。pagenumber_ebook=91，pagenumber_book=89图3游览城市游览经济增加及其拉动效应变化图3表示清楚，2000－2017年游览城市的游览业增加规模获得了显著的成效，且呈快速增加趋势。2000—2004年58个游览城市的游览总收入增加较快，但还不足万亿元，2005年游览城市的游览总收入则突破了万亿元大关，随后以每年2000亿元的规模在增长，2009年则到达了2万亿元的规模，2009—2017年间每年的游览总收入的增量规模在5500亿元左右，2017年游览城市的游览总收入则提升到77876.89亿元，是2000年游览总收入的13倍之多，年均增加率更是高达93.08%。游览总收入的增量规模也表现为提升态势，18年来游览总收入增长了72033.69亿元，平均每年游览总收入增长4000亿元。随着游览总收入规模的增长，游览总收入占城市和第三产业值的比重也趋于提升，由2000年的11.78%和26.62%分别提升到2017年的18.28%和39.76%，分别提升了6和13个百分点，年均增加率分别高达11.63%和16.35%。游览发展对城市经济增加和产业构造升级的拉动效应越来越明显。基于上述游览城市工业增长值的速度变化、第二产值比重变化、工业内部构造变化、工业就业比重变化、制作业就业增速变化及游览业增加变化分析，各方面迹象表示清楚游览城市工业经济正出现“去工业化〞，而游览经济却是高速发展，对经济增加和产业构造升级的拉动效应日益明显。那么，在游览城市发生的“去工业化〞迹象中能否有游览发展的助推作用？下文将构建计量模型进行实证研究。三、计量模型构建、变量选择及数据说明1.计量模型构建根据前文分析和借鉴Chao〔2006〕、谢波〔2015〕、朱希伟〔2009〕等人研究思路，构建了游览发展与工业化关系的基本计量模型，以考察游览发展对“去工业化〞的助推效应。pagenumber_ebook=92，pagenumber_book=90其中，分别表示地区与时间，表示工业化，为游览总收入，若参数的估计值为负，则说明游览发展推动了“去工业化〞。外商直接投资和经济构造变化是工业化不可或缺的主要因素[11，14]。以Neil〔1999〕为代表的学者指出，技术与劳动力在工业化中发挥侧重要作用。本文将上述变量作为控制变量纳入模型中，则模型〔1〕变为如下：pagenumber_ebook=92，pagenumber_book=90其中，为外商直接投资，为产业构造，为技术研发，为劳动力转移。为了进一步检验游览业能否通过产业构造升级和劳动力转移效应，推动城市经济“去工业化〞，在模型〔2〕中引入游览发展与二者的交互项，得到计量模型〔3〕。pagenumber_ebook=92，pagenumber_book=90若模型〔3〕中参数的估计值为负，则说明游览发展通过产业构造升级和劳动力转移效应助推了“去工业化〞。2.变量选择及数据说明研究牵涉变量如下：工业化〔DIit〕。关于工业化衡量指标，有多重用法。一类是产值构造指标，如工业总产值[25]、工业增长值占比重[26]和工业增长值增加率[27]；另一类是就业构造指标，如第二产业或制作业就业比重[28，29]。实际上，产值构造与就业构造具有稳定的内在关联性，使用不同指标不会产生太大偏差[26]。综上分析，本文用限额以上工业总产值占比重进行衡量。外商直接投资〔FDIit〕。是指各城市吸引的外商直接投资，以当年实际利用外资额表示更为客观、真实。游览业发展〔TOUit〕。相比接待游览者人次指标而言，游览收入指标既是反映游览经济运行好坏的主要手段，也是衡量游览业发达与否的重要根据，因而，采取游览总收入来测定。产业构造〔Indit〕。参考现有文献，用产出构造指标中，第三产业增长值占比重来表征，借以反映产业转型升级的长期变化经过。技术研发水平〔RDit〕。鉴于城市统计年鉴中技术研发费用数据空缺，只能采取城市技术研发从业人数作为衡量技术研发水平的代理指标。劳动力转移〔Humit〕。根据已有结果，采取第三产业就业人数占总就业人数比重表示，该指标不仅反映了第三产业就业比例变化，也反映了就业构造的变化趋势。各变量所用面板数据均来自2000—2017年〔中国城市统计年鉴〕〔中国游览统计年鉴〕及2017年各城市国民经济与社会发展统计公报。除此之外，由于外资利用、入境游览等受突发事件与全球性危机影响较大，对相应年份数据进行了内插订正。四、计量结果与分析1.游览发展对城市工业化影响的整体效应一般而言，对于静态面板数据模型而言，由于假设前提的不同，其采取的估计模型具有多样性，因此回归结果差别较大。因此，利用F统计检验及豪斯曼检验，对面板数据模型进行挑选。经检验模型为固定效应模型。在选定估计模型后，为消除面板数据的异方差和序列自相关等影响模型稳健性的问题，还需对估计方法进行选择和数据对数化处理。同时，借鉴现有结果选择两阶段最小二乘法，以消除模型可能的内生性，使得回归结果有效[30]，其中，工具变量为各变量的滞后一期。利用Eviews软件得到整体估计结果〔表1〕。从表1估计结果看，各个变量的估计系数都比较显著。需要留意的是，整体估计结果表征的是面板数据中所有游览城市的加总效应。游览业发展能产生收入效应和转移效应，其中，收入效应益于工业化，而转移效应导致“去工业化〞[29]。从变量的估计系数看，在1%的置信水平下显著为正，这表示清楚当下游览城市的游览发展收入效应明显，促进了工业化进程，因此不存在“荷兰病〞现象。但这并不料味游览发展的转移效应不存在，从模型〔2〕－〔4〕看，分别与和的交互项估计系数分别为-0.0267、-0.0195和-0.1219、-0.1195，且在10%的置信水平下显著。这说明游览发展通过产业构造升级和劳动力转移推动“去工业化〞的转移效应比较明显，其中，劳动力转移渠道最为突出。这突出印证了游览业就业门槛低、就业吸纳能力强的基本观点。从变量与的估计系数看，其在10%的置信水平下显著为负值，反映产业构造升级和劳动力转移与“去工业化〞之间呈现正向关系。一方面产业构造升级意味着第三产业增长值比重上升，而工业增长值比例相对下降；另一方面第三产业的繁荣将吸引更多劳动力从工业部门外迁，造成工业部门就业人数比例相对下降。上述两方面恰是“去工业化〞的典型标记。变量、估计系数显著为正值，即外商投资和研发投入每增长1个百分点，工业化则分别提升0.2和0.3个百分点。这种正效应已在很多文献中得到证明，不再赘述。2.游览发展对城市工业化影响的个体效应游览城市因其发展初始条件、游览资源天赋及工业化水平等存在一定差别，游览业扩张并不完全助推“去工业化〞，因此不能一概而论。为了反映其真实状态，本文采取变系数个体固定效应模型对此进行了估计〔表2〕。表2游览发展对城市工业化影响的个体估计结果pagenumber_ebook=94，pagenumber_book=92由表2可知，游览城市的游览发展、产业构造升级、劳动力转移和外商投资等与“去工业化〞之间的关系呈现出明显的城市差别。变量Touit估计系数在大多数游览城市中为正值，表示清楚改革开放以来，游览发展不仅没有引起“去工业化〞，相反促进了这些城市的工业化进程，有利于产业构造调整，因此不存在“资源诅咒〞现象。但在北京、石家庄、承德、太原、大同和杭州等23个游览城市中，Touit的估计值为负，即在这些城市中游览发展推动了“去工业化〞。Touit与Touit交互项的估计系数在绝大多数游览城市中为负值，而在天津、石家庄和太原等22个城市中仅为正值。这表示清楚游览发展通过产业构造升级引致效应，助推“去工业化〞的作用较为显著。Touit与Humit交互项的估计系数在北京、秦皇岛等32个城市中为负值，表示清楚游览发展通过吸纳劳动力，增长就业，推动“去工业化〞的效应比较突出，而在其他诸如天津、石家庄等26个城市中估计值为正，说明这些城市游览发展没有通过劳动力转移效应推动“去工业化〞。变量Indit和Humit作为反映第三产业产值和就业比例上升的变量，其值在半数以上的城市中为负值。显然，第三产业产值与就业比重的上升将意味着“去工业化〞的发生，这与理论分析相一致。FDIit和RDit作为工业化的主要影响因素，在各个城市中表现也有所差别。但在跨越一半以上的城市中，二者估计系数都为正值，其中，大部分为沿海城市，这说明在沿海城市，外商投资与技术研发对当地工业化水平提升发挥了主要作用，而系数为负值的城市，多为中西部城市，说明外商投资与技术研发在一定水平上推动了“去工业化〞。这可解释为中西部，尤其西部地区工业企业规模小，发展相对滞后，产业拉动效应和就业奉献率不如第三产业[31]。加之受生态环境制约，外商投资与技术研发更多地投入到效劳业和民生行业中，十分是网络信息安全、交通运输、科研技术效劳、跨国物流与仓储及边疆商贸游览等新兴与优势效劳业。虽然从个体层面看各变量的估计系数统计上不够非常显著，但在估计之前所进行的面板协整检验结果，则表示清楚变量间存在着协整关系①，因而，仍在一定水平上能说明各变量对“去工业化〞的影响。3.游览发展对城市工业化影响的效应类型将58个游览城市根据游览业及其与产业构造升级和劳动力转移交互效应对工业化影响作用进行分类，则可划分3种类型〔表3〕。表3游览发展对城市工业化影响的类型划分pagenumber_ebook=95，pagenumber_book=93第一类型为“双推效应〞，即游览业直接推动及其与产业构造升级和劳动力转移交互推动作用。研究发现，在北京、秦皇岛、承德、呼和浩特、沈阳、大连、杭州、济南、洛阳、南宁、北海、三亚、重庆和成都14个城市中，Touit、Touit与Tumit及Touit与Indit交互项的估计系数都为负值。这表示清楚游览发展不仅直接引起了“去工业化〞，而且通过产业构造升级引致和劳动力转移效应推动了“去工业化〞进程，即“双推效应〞型。从空间分布看，东部地区占领8个城市，西部地区为4个，而中部仅有1个，东中部数量差距较大。第二类型为“单推效应〞，即游览业的直接推动效应，或游览业与产业构造升级和劳动力转移交互作用推动“去工业化〞。这种“单推效应〞又可细分为3种小类。第一种小类为游览发展通过产业构造升级和劳动力转移两种交互效应助推“去工业化〞。研究发现，Touit估计系数为正值，而Touit分别与Tumit和Indit交互项的估计系数都为负值的城市是吉林、哈尔滨、南京、无锡、连云港、宁波、合肥、厦门、泉州、南昌、九江、青岛、烟台、长沙、广州、中山、桂林和海口18个城市。这说明在这些城市中，游览业没有直接推动“去工业化〞，但游览发展通过产业构造升级和劳动力转移交互效应，推动“去工业化〞的效应不容忽略。从空间分布看，东部地区11个，中部地区6个，而西部地区仅1个。第二种小类为游览发展直接推动了“去工业化〞，但还未出现游览业通过产业构造升级和劳动力转移两种交互效应推动“去工业化〞。这重要在石家庄、太原、大同、长春、福州、漳州、珠海、贵阳和西安9个城市表现突出。从空间分布看，东部地区4个，中部地区3，而西部地区2个。第三种小类为游览发展仅通过产业构造升级或劳动力转移效应某一方面推动“去工业化〞。如温州、南通和汕头三个城市的游览发展仅通过产业构造升级效应推动“去工业化〞。从空间分布看，东部地区2个，西部地区1个，中部地区则无。对于兰州而言，游览发展仅通过劳动力转移引致效应对“去工业化〞发挥积极作用。从上述三小类城市数量分布来看，东部地区较多，拥有17个，中部地区是10个，而西部地区仅有4个，东部地区是西部地区数量的3倍之多，具有较明显的地区差别。第三类型为“无助推效应〞。实证研究发现，在天津、上海、苏州、黄山、威海、郑州、武汉、深圳、湛江、昆明、西宁、银川和乌鲁木齐13个城市中，不存在游览发展推动“去工业化〞的直接与间接效应。从空间分布看，东部地区分布6个，西部地区为4个，而中部地区是3个，各地区之间数量差距不很显著。五、结论与讨论1.结论〔1〕各种迹象表示清楚游览城市工业经济出现一定水平的“去工业化〞。游览城市不仅游览资源丰富，游览专门化水平也较高，季节性不明显。游览发展对经济增加的奉献与影响较工业经济更为突出，如张家界、黄山、北京、广州等城市。十分是在中国面临资源干涸和环境污染硬约束下，游览业因环境污染少、能源消耗低和产业关联性强可能加快了游览城市的经济改变趋势。〔2〕从整体上看，在中国这样的大型经济体中，游览城市游览业本身的扩张并没有直接助推“去工业化〞。当下，游览城市的游览发展与工业发展并不矛盾，游览发展不会带来其他经济的损失〔荷兰病现象〕。相反，游览业通过产业关联效应，在一定水平上促进了工业经济增加。〔3〕从个体层面看，游览城市游览发展对“去工业化〞的作用并非一致，而是各城市显现出较大的差别性。大多数游览城市未显现出游览发展与工业化之间的负向关系，即游览发展没有推动这些城市的“去工业化〞。但有近三分之一的游览城市表现出游览发展推动了“去工业化〞现象，尤其是游览资源丰富且开发较好的城市，这种趋势较为明显，也不容忽视。各城市游览发展对工业化的正负效应的悬殊，反映出其在游览企业盈利水平、游览