中国区域旅游经济周期的动态路径演化识别

来源:用户上传      作者:隋建利 张亿萍

　　[摘    要]文章基于省际旅游总收入增长率年度数据，运用非线性MS模型，探讨以2008年作为模型中结构突变点的合理性，捕捉中国东中西部区域以及省域旅游经济增长率在“扩张区制”与“收缩区制”之间转移变迁的客观规律，识别区域旅游经济周期的动态演化路径。研究发现：（1） 中国旅游经济以2008年为分水岭，2008年之后，无论是东中西部区域，抑或是具体各省份，旅游经济发展波动性减弱，不确定性降低，且旅游总收入平均增长率、高平均增长率与低平均增长率等均在突变点后发生显著变化。文章将2008年视为模型中蕴含“结构突变点”的时间节点，进而计算得到的估计结果，能够更加准确地反映旅游经济周期的阶段性特征。（2） 东中西部区域旅游经济主要存在3个扩张期，分别是2001—2002年 （WTO效应期）、2004—2007年 （“非典”恢复期） 以及2010—2011年 （金融危机回暖期）。中国大部分省份均经历了以上3个扩张期，且多数省份提前经历第三个扩张期并且更为持续。因此，各省份的扩张期大体为2001—2002年、2004—2007年与2009—2012年。（3） 区域旅游经济发展各异。近年来，东部区域旅游业处于疲软状态，缺乏发展动力，东部区域省份旅游经济平滑概率或处于“收缩区制”，或在0.5附近浮动，扩张状态不显著;中部区域旅游经济发展态势稳定，未来出现高波动的可能性较小，中部区域省份旅游经济较为低迷，在2008年之后不具有明显的扩张期;西部区域以及各省份的旅游经济蓬勃发展，但是未来将伴随较大波动。
　　[关键词]区域旅游经济周期;动态路径演化;结构突变;非线性MS模型
　　[中图分类号]F59
　　[文献标识码]A
　　[文章编号]1002-5006（2020）01-0063-15
　　Doi： 10.19765/j.cnki.1002-5006.2020.01.010
　　引言
　　旅游业在国民经济发展中占有举足轻重的地位，不仅可以拉动产业和扩大投资、增加消费和提升收入，而且在推动就业和幸福民生等方面也具有不可替代的促进作用。《2018年中国旅游業统计公报》指出，2018年全年旅游业对GDP的综合贡献为9.94万亿元，占GDP总量的11.04%，实现直接和间接就业7990万人，占中国就业总人口的10.28%。近年来，中国政府更是不断加大对旅游业的重视，2017年党的十九大报告中就曾提出要加快发展现代服务业，2019年全国两会中更是多次提及“旅游”与“旅游经济”等内容，致力于把旅游业融入社会发展的全局中去。然而，中国旅游业起步晚，地区发展不平衡，受经济发展水平与地理环境等因素影响，中西部区域的旅游资源难以被充分开发与利用，部分省份甚至出现旅游资源与旅游业发展负相关的境况。因此，深入挖掘省际旅游经济增长的内在变化规律，对于更为科学、有效地引导旅游经济增长的发展模式和发展速度具有深远意义。
　　1 文献评述
　　旅游经济增长问题一直是学术界研究的热点与焦点，众多学者基于宏观和微观的角度探究了影响旅游经济增长的因素。在宏观影响因素方面，Tsui以及Martins等分别运用两阶段最小二乘方法以及面板回归模型，讨论了国内生产总值对旅游经济增长的作用[1-2];林文凯和林璧属利用滤波方法测度了旅游发展政策对旅游经济增长的影响[3];蔡碧凡等、刘佳等分别基于协整技术以及综合指数评价模型检验了市场化以及旅游环境对旅游经济的推动效应[4-5]。在微观影响因素方面，Hui通过构建柯布-道格拉斯生产函数分析了技术与人力资本投入对台湾地区旅游经济增长的影响[6];Adriana利用面板数据模型探究了劳动投入以及资本投入对旅游经济的贡献[7];田萍和汪制邦采用DEA-Malmquist （Data Envelopment Analysis Malmqusit） 指数法讨论了劳动、R&D （Research and Development）投入强度与反腐力度三方面对旅游业全要素生产率的影响[8];陈刚强和李映辉运用地理权重回归模型验证了技术投入对中国旅游业增长的促进作用[9]。此外，旅游业与宏观经济增长之间的关系问题在学术界同样备受关注，但是由于研究方法和研究对象的差异，结论不尽相同。有些学者认为旅游经济发展可显著推动经济增长，例如，Tang和Tan以及Ohlan均基于Granger因果分析指出，无论是长期还是短期，旅游业都是经济增长的助推器[10-11];把多勋和温倩运用时间序列分析方法的研究发现，旅游发展对中国各省的经济增长具有正向影响[12]。与此同时，还有学者强调旅游经济与宏观经济之间具有双向因果关系，例如，Seghir等基于协整模型，论证了旅游发展与经济增长之间的双向因果关系[13];张攀等基于灰色关联分析发现，旅游业发展依靠区域经济，区域经济也得益于旅游业的推动[14]。另外，有学者指出旅游经济与宏观经济的关系具有时间特征以及区域特征，例如，Shahzad等利用分位数方法的分析表明，旅游业推动经济发展还是经济发展拉动旅游业具有时变性[15];高楠等通过构建面板回归模型的检验发现，旅游经济与宏观经济之间的双向因果关系因地区不同而有所差异[16]。
　　能够发现，现有研究大多集中讨论旅游经济增长的影响因素以及旅游业与宏观经济增长之间的关系，鲜有学者关注旅游经济的内在动态路径演化规律。张伯山曾强调，了解和掌握旅游经济周期规律，对于旅游规划和开发、旅游预测和管理以及促进宏观经济增长等方面具有深远意义[17]。其实，美国商务部早在1976年就对美国旅游经济周期特征进行了发掘，近年来，Cole通过分析旅游经济周期的发展特征发现，在经济快速增长阶段，旅游经济高速发展，在经济成熟期，旅游经济增长放缓[18];Moore和Whitehall以及Chen分别通过对国际旅游周期以及台湾地区旅游周期进行测度发现，旅游经济的波动存在阶段性差异[19-20];Smeral以及Alegre等分别对日本、西班牙的研究指出，旅游经济增长存在显著的周期性波动[21-22]。隋建利和刘金全的研究认为，中国旅游经济具有低速增长、中速增长和高速增长的周期特征[23];李维维和马晓龙的研究表明，中国国内旅游经济周期与宏观经济周期之间不仅不具有同步性，反而表现出相反的波动特征[24]。从国内的相关研究中能够判断，中国旅游经济具有非线性波动特征。在中国宏观经济不断变化的发展潮流中，在诸多不确定性因素的影响下，旅游总收入增长率的波动路径随时代的变迁而变迁，因地域的不同而不同。基于线性计量模型的研究仅能捕捉旅游经济在样本期间内的静态规律，难以识别旅游经济周期的非线性动态路径演化过程[25]。因此，本文参考Wall的研究思路[26]，基于Hamilton提出的非线性马尔科夫区制转移（Markov Switching， MS）模型[27]，利用中国2000—2016年期间的省际旅游收入数据，对中国东中西部区域以及省域旅游经济增长在不同阶段的动态路径演化规律进行识别与测度。 　　在现有研究的基础上，本文进行如下三方面的拓展：第一，由于美国次贷危机引发的全球金融危机对世界经济造成了剧烈的冲击影响，因此，本文将2008年视为非线性MS模型中蕴含“结构突变点”的时间节点，并进一步验证该突变点选取的合理性;第二，捕捉突变点前后区域旅游经济增长率在“扩张区制”与“收缩区制”之间转移变迁的客观规律，识别突变点前后区域旅游经济周期的动态演化路径;第三，基于由整体到局部的研究思路，从东中西部区域以及各省份逐层进行系统测度，旨在透析和甄别区域以及省域旅游经济周期多阶段性演化特征的异同。
　　2 非线性计量模型的构建
　　在众多能够捕捉经济变量内生状态变动的计量模型中，由Hamilton提出的非线性马尔科夫区制转移 （MS） 模型，无疑是目前被学术界广为认可、较为可靠的研究方法[27]。Wall基于更具优势的“均值形式”MS模型对日本经济周期的波动规律进行了深入探究[26]，Kim和Nelson以及宋涛和郑挺国同样指出，“均值形式”的MS模型能够更加准确地刻画经济周期的非线性特征[28-29]。为了阐述“均值形式”的MS模型，本文首先构建如下“均值形式”的线性p阶自回归（AR （p）） 模型：
　　式（1）中，yt，[t=1，……，T]代表中国东中西部区域以及各省份的旅游总收入增长率时间序列。在此，假设yt具有平稳性特征，即AR（p）特征方程[1-A1L-A2L2-……-ApLp=0]中所有根的模都大于1（其中，L表示滞后算子）。此外，μ代表yt的均值，而回归系数Aj，[j=1，……， p]为非时变的常数。同时，随机扰动项εt序列无关，并且遵循均值为0、方差为σ2的正态分布。
　　然而，正如Krolzig所指出的，如式（1）所示的线性AR（p）模型，无法发掘时间序列数据中蕴含的非线性“結构突变”特征[30]，因此，为了实时捕捉旅游总收入增长率中所潜存的非线性“区制转移”动态演化过程，本文假设在式（1）所示的线性AR（p）模型中，yt数据生成过程中的参数依赖于离散的随机变量St，同时，St遵循遍历M种不同区制状态的马尔科夫过程，即[St∈{1，…，M}]，其转移概率矩阵具体表示为：
　　式（2）中，pij代表中国东中西部区域以及各省份旅游总收入增长率的区制转移概率，具体衡量旅游总收入增长率由t-1期的状态[St-1=i]转移变迁至t期的状态[St=j]的可能性，即[pij=Pr（St=j|St-1=i）]，[ΣMj=1pij=1]，[?i，j∈{1，……，M}]。基于此，如果在式（1）所涵括的均值参数μ中引入区制状态变量St，则能够进一步构建“均值形式”的非线性MS （M） - AR （p） 模型：
　　基于式（3）的基本形式，Hamilton曾运用非线性MS （2） - AR （4） 模型探讨了美国GNP （Gross National Product） 增长率的阶段性变迁特征[27]。然而，Albert和Chib曾指出，非线性MS （2） - AR （4）模型可能存在参数过度设定问题[31]，而利用自回归系数约束为零的“均值形式”非线性MS模型，则能够更加准确地刻画时间序列数据中的周期性转移过程[32]。有鉴于此，为了测度中国东中西部区域以及各省份旅游总收入增长率中所潜存的非线性“区制转移”动态演化过程，本文构建自回归系数约束为零的两区制“均值形式”非线性MS模型：
　　式（5）中，均值参数[μSt]代表中国东中西部区域以及各省份旅游总收入平均增长率，且[μSt]状态相依。假设区制状态变量[St]遵循两区制的马尔科夫过程，即[St∈{0，1}]，因此：
　　在此，如果假设[μ1>μ0]，那么，当St由区制状态0转移变迁至区制状态1时，均值参数[μSt]由低平均增长率[μ0]转移变迁至高平均增长率[μ1]，这也意味着，中国东中西部区域以及各省份旅游总收入增长率yt由“收缩区制”转移变迁至“扩张区制”。
　　注意到，如式（5）所示的非线性MS模型为没有考虑结构突变点的基准模型，无法发掘时间序列中蕴含的结构性变异，然而，Knoll等以及Morell的研究指出，经济变量周期性动态演化过程中普遍潜存结构突变特征[33-34]。事实上，旅游业相较于其他产业而言，更容易受到“事件”的影响，例如，经济危机、自然灾害、大型盛会的举办等，因此，有必要将“结构突变点”纳入计量模型中进行考量[23-25]。鉴于上述分析，为了更加准确地甄别中国东中西部区域以及各省份旅游总收入增长率在“扩张区制”以及“收缩区制”间的转移变迁轨迹，本文进一步构建附加结构突变点的两区制“均值形式”非线性MS模型。假设τ是旅游经济周期蕴含“结构突变”的时间节点，门槛变量Dt用于标识突变点的前后时期，即：
　　假设门槛变量Dt遵循两区制的马尔科夫过程，其转移概率矩阵具体表示为：
　　式（8）中，区制转移概率qij能够具体度量门槛变量由t-1期的状态[Dt-1=i]转移变迁至t期的状态[Dt=j]的可能性，即
　　如果在式（5）所涵括的均值参数[μSt]以及方差参数[σ2]中引入门槛变量Dt，则能够构建如下自回归系数约束为零，且附加结构突变点的两区制“均值形式”非线性MS模型：
　　式（9）中，均值参数[μSt，Dt]表示在特定区制（[St∈{0，1}]）以及特定阶段（[Dt∈{0，1}]）时，中国东中西部区域以及各省份旅游总收入的平均增长率，方差参数[σ2Dt]则表示在特定阶段（[Dt∈{0，1}]）时，随机扰动项[εt]或旅游总收入增长率[yt]的波动性。同样，假设[St]遵循两区制马尔科夫过程，其转移概率矩阵形式为：
　　式（10）中，区制转移概率[pij]能够具体度量区制状态变量由t-1期的状态[St-1=i]转移变迁至[t]期的状态[St=j]的可能性，即 　　由于式（9）所涵括的方差参数[σ2Dt]蕴含结构突变特征，因此，[σ2Dt]可以表示为：
　　同理，由于式（9）所涵括的均值参数[μSt，Dt]蕴含结构突变特征，因此，[μSt，Dt]可以表示为：
　　在此，如果假设[μ1，Dt>μ0，Dt]，那么，当St由区制状态0转移变迁至区制状态1时，均值参数[μSt，Dt]由低平均增长率[μ0，Dt]转移变迁至高平均增长率[μ1，Dt]，这也意味着，中国东中西部区域以及各省份旅游总收入增长率yt由“收缩区制”转移变迁至“扩张区制”。此外，时变参数[μ0，Dt]以及[μ1，Dt]能够表示为如下具体形式：
　　将式（12）～式（14）代入式（9），能够进一步构建如下自回归系数约束为零，且附加结构突变点的两区制“均值形式”非线性MS模型：
　　为使参数估计结果相对稳健，本文基于Gibbs抽样方法对上述非线性MS模型进行贝叶斯估计。与极大似然估计方法相比较，贝叶斯估计方法不需要直接估计复杂的似然函数，而且能够通过模拟标准分布获得参数的后验分布，其估计过程更加简单，同时能够获取更多的参数信息。为了模拟此后验分布，本文拟定12 000次抽取，同时，剔除前2000次抽取，旨在保证抽取值分布的收敛性，而基于另外的10 000次抽取，最终获得样本后验分布的描述性统计量。
　　3 东中西部区域旅游经济周期的动态路径演化识别
　　本文基于中国2000—2016年的省际旅游总收入年度数据（不含港澳台），计算中国东中西部区域以及各省份经消除通货膨胀后的旅游总收入增长率时间序列，旨在衡量旅游经济的发展状况。其中，东中西部区域的旅游总收入经由相应省份加总获得。数据源自各省份历年统计年鉴以及各省份历年国民经济和社会发展统计公报。本文所涉及的程序由GAUSS 9.0以及OxMetrics 6.3语言编写、计算完成。
　　2008年，汶川地震、南方大雪以及金融危机等突发事件对中国旅游经济产生了严重冲击，同时，北京奥运会的举办也为中国旅游经济发展带来了契机。因此，2008年前后，中国旅游经济周期很可能潜存结构性变化，基于此，本文将2008年视为非线性MS模型中蕴含“结构突变点”的时间节点，为了论证此突变点选择的合理性，接下来将进一步对比分析，在未考虑突变点以及考虑突变点时，东中西部区域旅游经济周期的动态路径演化特征。
　　3.1 东中西部区域旅游经济周期的非线性MS模型参数估计
　　表1具体列示出未考虑突变点以及考虑突变点时，东中西部区域旅游经济周期的参数估计结果。就东部区域而言，凭借改革开放的春风，旅游业起步较早，发展至今已相对成熟，其极小的高低增长率间距（[μ1-μ0=4.43]）就是对此的直接印证。但是这只是全样本期内的整体态势，东部区域的旅游经济发展并非一如既往的稳定。突变点之前，东部区域的高低平均增长率间距（[μ1-μ0=12.42]）与波动幅度（[σ=6.11]）以及平均增长率（[μ=13.08]）和高平均增长率（[μ1=15.38]）均为最高值，低平均增长率（[μ0=2.96]）为最低值，这表明2001—2008年期间东部区域的旅游经济处于高波动状态。突变点之后，旅游经济一改高波动的发展态势，波动幅度（[σ=3.06]）与高低平均增长率间距（[μ1-μ0=4.78]）均较小。对中部区域来讲，突变点之前，旅游经济处于高波动发展态势，低平均增长率（[μ0=7.63]）为最低值，高平均增长率（[μ1=19.48]）、高低平均增长率间距（[μ1-μ0=11.85]）与波动幅度（[σ=8.99]）均为最高值。突变点之后，低平均增长率（[μ0]）水平上移（7.63→12.70），波动幅度（[σ]）大幅减小（8.99→2.00），高低平均增长率间距（[μ1-μ0]）收窄（11.85→5.93），这是中部区域旅游经济高速稳定发展的写照。就西部区域而言，突变点之前，高低平均增长率间距（[μ1-μ0=12.04]）与波动幅度（[σ=8.34]）较大，旅游业发展具有较高的不确定性。随着西部大开发、“十一五”規划以及“十二五”规划等政策的提出与实现，西部区域的旅游经济冰解冻释，发展水平迅速提升，因此，突变点之后，低平均增长率（[μ0]）与高平均增长率（[μ1]）水平上移。然而，由于起步晚，西部区域的旅游业难以在短时间内发展成熟与稳定，高低平均增长率间距（[μ1-μ0]）在突变点之后虽然有所降低（12.04→8.92）但是降幅小，仍处于高波动阶段。
　　总之，东部区域旅游经济发展稳中求胜，中部区域旅游经济发展高歌猛进，而西部区域旅游业虽然生机勃勃，但是相较于东中部区域来讲，在旅游经济发展预测方面不确定性更高，面临的风险也相对更大。此外，东中西部区域旅游经济周期在突变点前后差异显著，突变点之后各区域大体表现出平均增长率上升、高低平均增长率间距收窄以及不确定性降低的特征。这说明，中国旅游经济在2008年前后确实出现了结构性变化，本文将2008年视为非线性MS模型中蕴含“结构突变点”的时间节点具有必要性和有效性。
　　3.2 东中西部区域旅游经济周期的阶段性变迁识别
　　在深入分析东中西部区域旅游经济周期的参数估计结果之后，为了更直观地验证突变点选择的合理性，更鲜明地刻画东中西部区域旅游经济的发展态势，本文进一步刻画各区域旅游总收入增长率的时间动态演化特征，并通过测算区制状态变量St在全样本期内的平滑概率值，捕捉各区域旅游经济在“扩张区制”与“收缩区制”之间的转变规律。当平滑概率[Pr（St=i|It）>0.5]（[i=0，1]）时（其中，[It]代表过去t期的信息集，下同），表明旅游经济正处于区制i（[i=0，1]）中，平滑概率值越高，意味着旅游经济处于该区制的可能性越大。由于[Pr（St=0|It）=1-][Pr（St=1|It）]，因此，可以利用区制状态变量St取1时的平滑概率（扩张概率）甄别旅游经济的“扩张区制”（[Pr（St=1|It）>0.5]）以及“收缩区制”（[Pr（St=][1|It）<0.5]）。 　　图1～图3描绘出未考虑突变点以及考虑突变点时东中西部区域旅游总收入增长率与旅游经济扩张概率的时间动态路径。对比图1c与图1d、图2c与图2d以及图3c与图3d，可以看出，考虑突变点之后，扩张概率在0与1之间的转变更加明显，对“扩张区制”与“收缩区制”的识别也更为准确。由此可见，本文将2008年视为非线性MS模型中蕴含“结构突变点”的时间节点，进而计算得到的估计结果能够更加准确地反映东中西部区域旅游经济周期的阶段性演化特征。
　　3.2.1    东部区域旅游经济周期的阶段性变迁识别
　　就东部区域而言，由图1b能够看出，东部区域的旅游经济在2001—2016年的发展历程中出现3次低谷，分别是在2003年、2008年以及2015年。其中，2003年“非典”疫情对东部区域旅游业的冲击最为严重，旅游总收入增长率跌至负值。伴随中国成功走出“非典”阴霾，2004年旅游经济迅速复苏，旅游总收入增长率急速攀升至22.67%的历史最高点。2008年，全球金融危机来袭，中国经济多方面受到冲击，旅游业作为国民经济的重要组成部分，必然首当其冲，因此，东部区域旅游经济发展再次呈现出历史低谷，旅游总收入增长率下降至5.35%。此外，对比突变点前后旅游经济增长的整体走势，差异不言而喻，不同于2008年之前的剧烈波动，2008年之后东部区域旅游总收入增长率波动趋于缓和，并且整体呈缓慢走低态势，这意味着，东部区域旅游经济攀升势头不足，未来保持低增长推进的可能性更大。从图1d中注意到，东部区域的旅游经济共经历了2001—2002年、2004—2007年以及2009—2012年3个扩张期，受中国加入WTO事件的催化，2001—2002年的扩张期可视为“WTO效应期”;“非典”疫情之后，2004—2007年的扩张期可视为“‘非典’恢复期”;金融危机之后，2009—2012年的扩张期则可视为“金融危机回暖期”。但是在经历3个扩张期之后，即2012年之后，东部区域的旅游经济便一直处于收缩状态。究其原因，在政府干预与地区发展的推动下，东部区域在高新技术产业、金融、工业等领域发展迅速，同时，在互联网与社会媒体的渲染下，其国家经济发展重点区域形象跃然纸上，而其旅游形象被弱化，由此导致外界对东部区域的形象感知产生变化，消费者的旅游需求与旅游目的地发生转变。此外，伴随着“十一五”规划与“十二五”规划等政策的实现，中西部区域在经济、交通与文化等方面快速崛起，一定程度上削弱与分摊了东部区域的客源，也由此对其旅游经济产生了冲击。总之，东部区域的旅游业近年来处于疲软状态，缺乏发展动力。
　　3.2.2    中部区域旅游经济周期的阶段性变迁识别
　　就中部区域而言，从旅游总收入增长率时间动态路径来看，中部区域的旅游经济发展较为稳定，旅游总收入虽有高、低增长状态的波动但是幅度不大，且多数年份处于高增长状态，仅2003年受“非典”疫情的影响降至谷底。众所周知，2004年年底国家提出“中部崛起”计划，大力发展中部区域各省份经济以及加强基础设施建设。借助国家政策的大力扶持，中部区域旅游经济发展日新月异，正如图2b所示，2004年之后旅游总收入一直处于较高的增长状态。在旅游经济扩张概率时间动态路径方面，在全样本期内，中部区域的旅游经济表现出周而复始的周期性变化特征，主要经历了2001—2002年和2004—2007年以及2009—2012年与2015—2016年4个扩张期。此外，2008年之后扩张概率在0与1之间转变更为明显，并且在2015—2016年内呈上升态势，这说明未来中部区域旅游经济延续目前扩张状态的可能性较大。总之，从旅游总收入增长率与扩张概率的发展态势中可以预见，中部区域的旅游经济不仅可以保持良好的发展势头，而且出现高波动的可能性也较小。
　　3.2.3    西部区域旅游经济周期的阶段性变迁识别
　　对西部区域来讲，在旅游總收入增长率方面，受全国性“非典”疫情与全球性金融危机的影响，西部区域旅游总收入增长率在2003年与2008年均降至历史较低点，这说明其旅游经济对外部事件的冲击较为敏感。2008年之后，得益于“西部大开发”，在历经一系列“西电东输”“西气东送”以及“西油南输”等发展措施后，西部区域在交通与电网等多方面取得了突破性发展，旅游产业也得以受益。正如图3b所示，西部区域的旅游总收入增长率在2008年之后一直居高不下，虽然2013年出现小低谷，但是在随后的2013—2016年内，旅游经济呈直线上升态势。这意味着，西部区域旅游总收入增长率未来高水平推进的可能性更大，同时，由于其高波动的特性，面临的不确定性也更高。在旅游经济扩张概率方面，西部区域旅游经济发展态势良好，在2001—   2016年这16年的发展历程中，有13年处于扩张状态，经历了3个扩张期，分别为2001—2002年、2004—2006年以及2009—2016年。总之，西部区域旅游经济以2008年为分水岭，2008年前后无论是旅游经济扩张期的持续性还是旅游经济的稳定性，均存在较大差异。此外，在国家宏观政策的大力扶持与刺激下，西部区域的旅游经济正蓬勃发展，且具有持续攀升的强劲势头，但是未来仍会伴随一定波动，即不确定性的存在。
　　4 省域旅游经济周期的动态路径演化识别
　　从上文的探讨中能够判断，东中西部区域旅游经济扩张概率的演化路径在突变点前后存在很大差异，这不仅印证本文基于蕴含“结构突变点”的非线性MS模型进行讨论的合理性，而且说明中国旅游经济在漫漫发展历程中确实表现出非线性动态演化特征。但是从东中西部区域旅游经济发展中，难以甄别各省份的旅游经济增长演化规律以及省域间的异同。因此，本文基于省际旅游总收入增长率数据，运用附加突变点的马尔科夫区制转移 （MS）模型，测度突变点前后省域旅游经济周期的阶段性特征。 　　4.1 省域旅游经济周期的非线性MS模型参数估计
　　表2具体列示出未考虑突变点以及考虑突变点时，中国31个省份旅游经济周期的参数估计结果。能够发现，突变点前后各省份旅游总收入在平均增长率与高、低平均增长率以及波动幅度方面均存在差异，并在变化中展露规律。
　　就旅游总收入平均增长率（μ）来讲，东中西部区域各省份不同程度上受到了2008年金融危机的冲击。具体而言，在平均增长率大小变化方面，突变点之后，东部区域12个省份中有7个省份的平均增长率下降，中部区域9个省份中有6个省份下降，不同于东中部区域省份平均增长率普遍降低的态势，西部区域10个省份中仅四川、贵州以及西藏3个地区的平均增长率降低。此外，在平均增长率变化幅度方面，东部区域各省份降幅普遍较大，浙江（5.59/17.29）与江苏（6.14/17.18）的降幅均在30%以上，辽宁的降幅为55%（10.59/19.08），上海的降幅甚至高达64%（7.20/11.18）。中部区域仅内蒙古降幅达到30%（8.29/25.36）以上，其他省份降幅均较小。西部区域各省份虽然平均增长率普遍上升，但是上升幅度较小，仅陕西达到51%（5.68/11.70）。这表明，东部区域各省份受金融危机的波及较深，中部次之，东中部区域在恢复旅游经济发展方面存在较大阻力，西部区域各省份旅游经济发展态势良好，但是仍需充分挖掘旅游业的内在潜力。
　　就旅游总收入高、低平均增长率来讲，突变点之后省际旅游经济发展趋于稳定。具体而言，在低平均增长率（μ0）方面，东部区域有10个省份的低平均增长率上升，上海与江苏下降，西部区域有7个省市的低平均增长率水平上移，西藏、青海以及宁夏降低。而中部区域9个省份中仅有4个省份的低平均增长率上升，这表现出了与东西部区域显著的不一致性。在高平均增长率（μ1）方面，东部区域有8个省份的高平均增长率水平下移，中部区域有6个省份的高平均增长率下降，西部区域10个省份中，仅贵州、西藏、青海以及宁夏4个地区的高平均增长率降低，其他各省份均水平上移。总之，东部区域各省份的低平均增长率普遍上升，高平均增长率普遍下降;中部区域各省份的高、低平均增长率均普遍降低;西部区域各省份的高、低平均增长率均普遍上升。这说明，东部区域各省份旅游经济发展趋于稳定，中部区域旅游经济增长速度趋于减弱，西部区域各省份旅游经济最具活力。究其原因，东部区域旅游经济起步较早、模式相对成熟，形成了一定的产业规模与经济规模，使得旅游产业稳定而有效运营;中部区域作为中国的“腰”，集农业、能源、现代装备制造以及高新技术等产业于一体，工农业蓬勃发展，使中国有底气挺直“腰板”，但是，随之而来的是其旅游业发展速度的放缓;就西部区域而言，西部大开发政策的落地实施以及互联网产业的辐射等使其旅游业如雨后春笋般迅速发展，充满活力。
　　就旅游总收入波动幅度（σ）来讲，突变点之后各省份的波动幅度普遍下降，不确定性降低。具体而言，在2001—2007年期间，东中部区域除北京、河北以及山西的波动幅度较大外，其余各省份的波动幅度（σ）主要集中在2～8之间。而西部区域的波动幅度普遍较大，仅重庆、四川以及云南的σ估计值在5以下。在2008—2016年时域内，中国31个省份中有24个省份的波动幅度水平下移，西部区域表现明显，旅游经济在国家政策的大力扶持下，波动幅度显著下降，除重庆、甘肃以及新疆外，其余7个省份的波动幅度（σ）均保持在3～5之间。由此可见，突变点之后中国各省份旅游经济发展趋于稳定，不确定性降低。
　　4.2 省域旅游经济周期的阶段性变迁识别
　　虽然表2给出了省域旅游经济周期的参数估计结果，但是各省份旅游經济在何时以及何种条件处于扩张状态或收缩状态等问题还不得而知，区域旅游经济周期是否存在联系，存在何种联系仍需要进一步探讨。因此，本文在图4～图6中进一步给出中国31个省份的旅游经济扩张概率时间动态路径，旨在揭示省域旅游经济周期的动态演化规律。
　　4.2.1    东部区域各省份旅游经济周期的阶段性变迁识别
　　观察图4所示的东部区域12个省市旅游经济扩张概率动态演化路径，能够发现，东部区域各省份的旅游经济周期具有一定的区域协同性。其中，江苏、浙江、福建、山东、广东、广西与海南的扩张周期较为接近，均大体经历了“WTO效应期”（2001—2002年）、“‘非典’恢复期”（2004—2007年）与“金融危机回暖期”（2009—2013年）。此外，北京、天津与河北同样表现出了相似的周期特征，大体经历了3个扩张期，分别为2001—2002年、2004—2005年与2009—2012年。2001年成功申奥，不仅让北京的旅游经济实现了繁荣发展，河北也借力毗邻北京的地理位置，经历了2001—2002年短暂的旅游经济扩张期。但是北京与河北在经历了“‘非典’恢复期”（2004—2005年）之后，旅游经济便一直低迷，虽然2008年成功举办奥运会，旅游经济也并未就此回暖。可以看到，北京与河北的旅游业在2006—2008年期间均持续低温，天津同样如此。随着金融危机浪潮的褪去，北京的旅游经济逆势上扬，在2009—2012年处于扩张状态，河北与天津的旅游经济也得以恢复，且经历了更长的扩张期。
　　旅游经济周期表现出与东部区域各省份较大差异的是辽宁与上海。就辽宁而言，与河北一致，经历了2001—2002年的扩张期，不同的是，辽宁的旅游经济从“非典”阴霾恢复后，迅速进入了2004—2012年长达9年的扩张期，但是扩张概率自2008年始，持续走低且在0.5附近小幅波动。由此可见，2008年之后，辽宁的旅游经济呈现疲软状态并伴随一定的不确定性。对上海来讲，其旅游经济平滑概率在0与1之间转变明显，并且基本处于“收缩区制”。2001年APEC在上海举行，同年又成立了上海合作组织，借力国际性事件的影响，上海的旅游经济在2001—2002年得以繁荣发展。随后，由于“非典”疫情与金融危机等的冲击，旅游经济在2003—2008年长达6年的时域内持续低迷，直到2009—2010年世博会的筹备与开展阶段，才得以恢复并处于扩张期。此外，2012年与2016年虽为扩张状态，但是扩张概率在0.5附近震荡。这说明，上海旅游经济的发展主要依靠外部力量进行推动，而由于其对外力的依赖性，也更容易受到外部事件的冲击且不易恢复。这也意味着，上海虽然是中国重要的金融中心，但是其旅游经济亟待进一步发展。综上所述，与东部区域一致的是东部区域各省份旅游经济均大体经历了“WTO效应期”（2001—2002年）、“‘非典’恢复期”（2004—2007年）与“金融危机回暖期”（2009—2013年）。但是由于对“非典”疫情和金融危机的敏感程度不同以及受国际性事件与国家政策的影响，各省份旅游经济周期也在相似中表现出差异。同样地，近年来东部各省份的旅游经济与东部区域旅游业的总体发展态势相近，普遍表现出了疲软状态，平滑概率或处于“收缩区制”或在0.5附近浮动，扩张状态不显著。根据旅游地生命周期理论可知，经济效应、社会效应以及环境效应均能够对旅游经济周期产生影响，此外，剧烈的经济危机冲击、疫情所致的紧张社会氛围以及环境污染等问题也都能够对东部各省份旅游业产生波及，使其发展萎靡。 　　4.2.2    中部区域各省份旅游经济周期的阶段性变迁识别
　　由图5所示的中部区域9个省份旅游经济扩张概率时间动态路径，可以看出，中部区域各省份旅游经济周期特征存在较大差异。就山西、江西、湖北以及内蒙古来讲，旅游经济发展态势较好，多数年份处于“扩张区制”。其中，内蒙古的旅游经济扩张概率较小，扩张状态不显著，不确定性高。对吉林而言，旅游业多数年份处于“收缩区制”，扩张概率自2008年之后在0.5附近小幅震荡，旅游经济发展萎靡。而同为东三省之一的黑龙江，旅游经济的发展状况则大相径庭，不仅经历了2001—2003年与2015—2016年两个扩张期，更在2006—2012年长达7年的时域内处于“扩张区制”。吉林与黑龙江同为东北地区重要的工业基地，经济发展齐头并进，旅游业却有截然不同的发展态势，这与两省旅游资源的差异不无关系。众所周知，黑龙江位于中国最北端，接壤内蒙古，毗邻俄罗斯，具有冬季跨度长的气候特点，经长年发展早已形成了具有黑龙江特色的旅游产业，旅游经济发展相对较好。与黑龙江一致，安徽同样在2006—2012年期间处于扩张状态，此外，2004年虽然为扩张期，但是扩张概率在0.5附近震荡，扩张状态不明显。就湖南与河南来讲，旅游经济发展态势在2008年前后迥然不同。2001—2007年期间，湖南的旅游经济受限于国家基础设施建设，加之“非典”疫情与金融危机，尤其是2008年特大暴雪的影响，一直处于“低温”状态，在2008—2016年内，旅游经济得以繁荣发展，仅在2014年处于“收缩区制”。河南旅游业的发展状况则恰恰相反，在2001—2007年期间，不仅扩张概率在0与1之间转变明显，并且多数年份处于扩张状态，2008—2016年内平滑概率或在0.5附近震荡或处于“收缩区制”，旅游经济处于低温期。总之，从扩张概率的发展态势中可以预见，山西、吉林、黑龙江以及江西和湖南的旅游经济发展态势与中部区域整体相一致，均具有良好的发展势头与光明的发展前景，内蒙古、安徽以及河南和湖北的旅游业则较为低迷。由此可见，虽然国家提出“中部崛起”计划，大力发展中部区域经济，但是从各省份不均衡的旅游业发展现状以及近年来部分省份低迷且不稳定的旅游经济状况来看，“中部崛起”计划尚未充分刺激各省份旅游经济的发展，各项政策的提出与实现具有时间滞后性。
　　4.2.3    西部区域各省份旅游经济周期的阶段性变迁识别
　　从图6所示的西部区域10个省份旅游经济扩张概率时间动态路径能够判断，西部区域各省份旅游经济发展态势良好，多数年份处于“扩张区制”。就四川、贵州、陕西与甘肃来讲，4省的扩张周期特征相似，大体表现为在2001—2002年、2004—2007年以及2009—2013年3个时域内处于扩张状态。其中，甘肃的扩张概率主要集中在0.25～0.75之间，且波动较大，这是其旅游经济发展不稳定的写照。对西藏而言，其旅游经济扩张概率在0与1之间转变明显，同时多数年份（12/16）处于扩张状态。在全样本期内，西藏的旅游经济在2001年、2003年2008年与2009年处于“收缩区制”，在2010年才开始展露良好的发展态势。此外，从青海的旅游经济周期特征中可以看出，其与西藏的扩张周期高度一致。众所周知，2001年底青藏铁路开通，这条从青海到西藏的“天路”，不仅大大促进了西藏与青海旅游经济的发展，还将两省的旅游经济紧密联系起来，彼此促进，共同发展。同时，云南与宁夏的旅游业也是繁花似锦，云南经历了2001—2002年与2004—2006年以及2009—2016年3个扩张期，宁夏则经历了2004—2013年长达10年的扩张期。对重庆而言，其旅游经济不仅没有受到金融危机的冲击，还保持了持续扩张状态，经历了2004—2011年长达8年的扩张期。由此可见，重庆作为最年轻的直辖市，凭借优越的旅游禀赋与国家政策的大力扶持，旅游经济展现了蓬勃的发展活力。就新疆来讲，其旅游经济没有受到“非典”疫情的影响，在2001之后长达5年的时域内，一直处于扩张状态。在2006—2016年期间，新疆的旅游经济仅在2010—2012年与2015—2016年两个时域内处于扩张状态。总体而言，21世纪以来，无论是西部大开发，还是“十一五”规划与“十二五”规划，甚至是十九大提出的“强化举措推进西部大开发形成新格局”规划，国家都大刀阔斧地对西部进行建设。此外，西部各省份褪去人工修饰后的自然旅游资源，不仅更加符合本真性理论中所描述的“真实”，而且更加符合现代消费者所追求的“本真”[35]。总之，在相关政策的扶持与刺激下，在天然旅游资源的加成下，与西部区域旅游经济蓬勃发展的整体态势相一致，西部各省份的旅游经济发展势头强劲，未来可期。
　　5 结论与政策启示
　　本文基于省际旅游总收入增长率年度数据，运用非线性MS模型，探讨以2008年作为模型中结构突变点的合理性，捕捉中国东中西部区域以及省域旅游经济增长率在“扩张区制”与“收缩区制”之间转移变迁的客观规律，识别区域旅游经济周期的动态演化路径。最终得到如下结论与政策启示：
　　第一，对东中西部区域与各省份来讲，旅游总收入平均增长率、高平均增长率与低平均增长率以及波动幅度等均在2008年前后具有显著差异，并且旅游经济周期在突变点之后波动性明显减弱，不确定性降低。由此可见，中国旅游经济在2008年之后确实出现了结构性变化，本文将2008年视为模型中蕴含“结构突变点”的时间节点，进而计算得到的估计结果，能够更加准确地反映旅游經济周期的阶段性特征。
　　第二，2001年以来，东中西部区域主要存在3个扩张期，分别是2001—2002年（WTO效应期）、2004—2007年（“非典”恢复期）以及2010—2011年（金融危机回暖期）。中国大部分省份均经历了以上3个扩张期，且提前经历第三个扩张期并且更为持续。因此，对于各省份而言，大体经历了2001—2002年、2004—2007年以及2009—2012年3个扩张期。同时，不同区域的省份旅游经济周期也存在差异，东部区域省份旅游经济周期特征较为相近，中部区域省份旅游经济则在2008年之后不具有明显的扩张期，西部区域省份旅游经济发展不仅普遍经历了2001—2002年与2004—2007年的扩张期，更在2008年之后蓬勃发展，经历了2009—2016年的繁荣期。 　　第三，不同区域之间旅游经济发展存在差异。近年来，东部区域旅游经济处于疲软状态，缺乏发展动力，东部区域各省份旅游经济平滑概率或处于“收缩区制”或在0.5附近浮动，扩张状态不显著;中部区域旅游经济发展态势稳定，未来出现高波动的可能性较小。中部区域各省份旅游经济发展各异，且近年来较为低迷，“中部崛起”计划等鼓励政策尚未充分刺激各省份旅游经济的发展;在国家宏观政策的大力扶持与刺激下，西部区域以及具体各省份旅游经济正蓬勃发展且具有持续攀升的强劲势头，未来高水平推进的可能性更大，但是仍会伴随较大波动，即不确定性的存在。
　　从本文实证结果中可以看出，中国区域旅游经济发展各异，区域以及省市之间旅游经济发展水平不平衡，且部分地区旅游经济缺乏发展动力。因此，本文认为要实现区域旅游经济协调共赢发展，充分发挥旅游业对国民经济的促进作用，首先，应坚持创新驱动，深化供给侧改革，推进“旅游+”，例如，“旅游+新型城镇化”与“推进旅游+生态化”等。同时，应创新旅游经济发展模式，例如，开拓旅游在线服务、网络营销与电子支付等服务内容，追求创新推动旅游业转型升级，为旅游经济发展提供源源不竭的发展动力。其次，应因地制宜，推动自然禀赋、文化传统、市场条件以及优势产业等与旅游业融合发展。东部旅游经济发达的省域应致力于集约、高效发展，注重生态保护与环境优化，防止旅游经济增长质量下滑。中西部区域应努力打造具有地域特色的旅游产业，优化旅游产业结构，不斷提升旅游经济质量。最后，应追求区域协同发展，打破地域分割、行政分割，规划与制定综合型跨省份旅游线路，加强区域旅游客源市场对接，全面提升省际旅游合作水平。同时，应充分重视中西部区域与东部区域之间的地理空间联系，建立旅游发达省域与旅游欠发达省域的对话合作机制，建立“一对一”对口支援旅游工作机制等，为区域旅游经济发展竞争与合作创造优越条件。
　　《“十三五”旅游业发展规划》的颁布意味着中国旅游经济进入了承前启后、继往开来的全域旅游发展阶段，“三步走”战略的提出标志着旅游经济开始有的放矢地发展，十九大报告与“两会”更是给予了区域旅游经济协调发展，以旅游业为经济社会发展注入鲜活血液的希冀。总而言之，中国旅游经济在漫漫发展历程中荆棘与鲜花并存，困难与希望同在，在未来遥遥开拓道路上应高瞻远瞩，顺应时代潮流，将烙有中国特色的旅游名片推向世界。
　　参考文献（References）
　　[1] TSUI K W H. Does a low-cost carrier lead the domestic tourism demand and growth of New Zealand？[J]. Tourism Management， 2017， 60（6）： 390-403.
　　[2] MARTINS L F， YI G， FERREIRA A. An empirical analysis of the influence of macroeconomic determinants on world tourism demand[J]. Tourism Management， 2017， 61（8）： 248-260.
　　[3] 林文凯， 林璧属. 大陆赴港旅游波动规律及其影响因素[J]. 经济管理， 2015， 37（2）： 128-138. [LIN Wenkai， LIN Bishu. Research on the demand fluctuation of travel to Hong Kong and its influenced factors[J]. Economic Management， 2015， 37（2）： 128-138.]
　　[4] 蔡碧凡， 陶卓民， 方叶林. 中国大陆入境旅游与国内旅游经济时空差异研究[J]. 中国人口·资源与环境， 2016， 26（5）： 297-300. [CAI Bifan， TAO Zhuomin， FANG Yelin. A comparative research of time-space difference of inbound and domestic tourism economy in Chinese mainland[J]. China Population Resources and Environment， 2016， 26（5）： 297-300.]
　　[5] 刘佳， 王娟， 奚一丹. 中国旅游经济增长质量的空间格局演化[J]. 经济管理， 2016， 38（8）： 160-173. [LIU Jia， WANG Juan， XI Yidan. The evaluation， pattern evolution and its influencing factors of the quality of tourism economic growth in China[J]. Economic Management， 2016， 38（8）： 160-173.]
　　[6] HUI S. Evaluation of regional cultural creative industries development based on fuzzy AHP method[J]. Applied Mechanics & Materials， 2010， 39（11）： 592-597.
　　[7] ADRIANA D L. High skills， high growth： Is tourism an exception？[J]. Working Paper Crenos， 2010， 22（5）： 749-785.
　　[8] 田萍， 汪制邦. 我国第三产业全要素生产率区域差异及影响因素研究[J]. 数量经济研究， 2019， 10（3）： 100-120. [TIAN Ping， WANG Zhibang. Study on regional differences and influencing factors of total factor productivity of tertiary industry in China[J]. The Journal of Quantitative Economics， 2019， 10（3）： 100-120.] 　　[9] 陈刚强， 李映辉. 技术溢出、空间差异与旅游业增长趋同[J]. 旅游学刊， 2017， 32（3）： 85-94. [CHEN Gangqiang， LI Yinghui. Technology spillover， spatial difference， and tourism growth convergence[J]. Tourism Tribune， 2017， 32（3）： 85-94.]
　　[10] TANG C F， TAN E C. Does tourism effectively stimulate Malaysia’s economic growth？[J]. Tourism Management， 2015， 46（2）： 158-163.
　　[11] OHLAN R. The relationship between tourism， financial development and economic growth in India[J]. Future Business Journal， 2017， 46（1）： 9-22.
　　[12] 把多勛， 温倩. “一带一路”背景下西部地区入境旅游趋势与发展研究[J]. 世界经济研究， 2017， 36（8）： 64-73. [BA Duoxun， WEN Qian. Economic trends and developments of inbound tourism in western China under the belt and road background[J]. World Economy Study， 2017， 36（8）： 64-73.]
　　[13] SEGHIR G M， MOSTEFA B， ABBES S M， et al. Tourism spending-economic growth causality in 49 countries[J]. Procedia Economics and Finance， 2015， 23（1）： 1613-1623.
　　[14] 张攀， 杨进， 周星. 中国旅游业发展与区域经济增长[J]. 经济管理， 2014， 36（6）： 116-126. [ZHANG Pan， YANG Jin， ZHOU Xing. Tourism and regional economic growth[J]. Economic Management， 2014， 36（6）： 116-126.]
　　[15] SHAHZAD S J H， SHAHBAZ M， FERRER R. Tourism-led growth hypothesis in the top ten tourist destinations： New evidence using the quantile-on-quantile approach [J]. Tourism Management， 2017， 60（6）： 223-232.
　　[16] 高楠， 马耀峰， 张春晖. 中国丝绸之路经济带旅游产业与区域经济的时空耦合分异[J]. 经济管理， 2015， 37（9）： 111-120. [GAO Nan， MA Yaofeng， ZHANG Chunhui. Spatio-temporal differences of coupling between tourism industry and regional economy in China silk road economic belt[J]. Economic Management， 2015， 37（9）： 111-120.]
　　[17] 张伯山. 世界经济文化年鉴[M]. 北京： 北京人民出版社， 1999： 671-677. [ZHANG Boshan. Yearbook of the World Economy and Culture[M]. Beijing： People’s Publishing House Press， 1999： 671-677.]
　　[18] COLE S. A logistic tourism model： Resort cycles， globalization， and chaos[J]. Annals of Tourism Research， 2009， 36（4）： 689-714.
　　[19] MOORE W， WHITEHALL P. The tourism area lifecycle and regime switching models[J]. Annals of Tourism Research， 2005， 32（1）： 112-126.
　　[20] CHEN M H. Determinants of the Taiwanese tourist hotel industry cycle[J]. Tourism Management， 2013， 38（38）： 15-19.
　　[21] SMERAL E. International tourism demand and the business cycle[J]. Annals of Tourism Research， 2012， 39（1）： 379-400.
　　[22] ALEGRE J， MATEO S， POU L. Tourism participation and expenditure by Spanish households： The effects of the economic crisis and unemployment[J]. Tourism Management， 2013， 39（4）： 37-49. 　　[23] 隋建利， 刘金全. 中国旅游经济的周期划分与增长预测[J]. 经济管理， 2014， 36（11）： 113-123. [SUI Jianli， LIU Jinquan. Chinese tourism economic cycle identification and growth forecast[J]. Economic Management， 2014， 36（11）： 113-123.]
　　[24] 李维维， 马晓龙. 国内旅游经济周期与宏观经济周期同步吗？[J]. 旅游学刊， 2017， 32（11）： 49-59. [LI Weiwei， MA Xiaolong. Is the domestic tourism business cycle synchronized with the macro economic cycle？[J]. Tourism Tribune， 2017， 32（11）： 49-59.]
　　[25] 赵磊， 方成. 旅游业与经济增长的非线性门槛效应[J]. 旅游学刊， 2017， 32 （4）： 20-32. [ZHAO Lei， FANG Cheng. Nonlinear threshold effect between tourism and economic growth[J]. Tourism Tribune， 2017， 32（4）： 20-32.]
　　[26] WALL H J. Regional business cycle phases in Japan[J]. Working Papers， 2007， 89（1）： 61-80.
　　[27] HAMILTON J D. A new approach to the economic analysis of nonstationary time series and the business cycle[J]. Econometrica， 1989， 57（2）： 357-384.
　　[28] KIM C J， NELSON C R. Has the US economy become more stable？ A Bayesian approach based on a Markov-Switching model of the business cycle[J]. Review of Economics and Statistics， 1999， 81（4）： 608-616.
　　[29] 宋濤， 郑挺国. 区域经济周期协同性及其与国家经济周期的关系研究[J]. 财贸经济， 2014， 35（3）： 112-123. [SONG Tao， ZHENG Tingguo. Regional economic cycle synergy and its relation with national economic cycle[J]. Finance and Trade Economics， 2014， 35（3）： 112-123.]
　　[30] KROLZIG H M. Markov-Switching Vector Autoregressions[M]. Berlin： Springer， 1997： 137-142.
　　[31] ALBERT J， SIDDHARTHA Chib. Bayes inference via gibbs sampling of autoregressive time series subject to markov mean and variance shifts[J]. Journal of Business & Economic Statistics， 1993， 11（1）： 1-15.
　　[32] OWYANG M T， PIGER J， WALL H J. Business cycle phases in U. S. States[J]. Working Papers， 2005， 87（4）： 604-616.
　　[33] KNOLL K， SCHULARICK M S， THOMAS M. No price like home： Global house prices， 1870-2012[J]. American Economic Review， 2017， 107（2）： 331-53.
　　[34] MORELL J. The decline in the predictive power of the US term spread： A structural interpretation[J]. Journal of Macroeconomics， 2018， 55（3）： 314-331.
　　[35] 王宁. 旅游伦理与本真性体验的文化心理差异[J]. 旅游学刊， 2014， 29（11）： 5-6 [WANG Ning. Cultural and psychological differences between tourism ethics and authentic experience[J]. Tourism Tribune， 2014， 29（11）： 5-6.]
　　Distinguish the Dynamic Path Evolution of China’s Regional Tourism Business Cycles
　　SUI Jianli， ZHANG Yiping
　　（ Quantitative Research Center of Economics， Jilin University， Changchun 130012， China） 　　Abstract： Tourism plays a matchless role in stimulating industry， expanding investment， increasing consumption and raising income， and promoting employment and happiness. Tourism is also important in development of the national economy. However， the unbalanced and uncoordinated characteristics of regional tourism development remain evident， and the tourism economy in various provinces retains great potential for further development. Against the backdrop of a new era of developing high-quality tourism， there is strong practical significance in comprehensively capturing the objective pattern of regional tourism economic growth and identifying the regional tourism economic cycle’s dynamic evolutionary path. The present study uses annual data on total inter-provincial tourism revenue growth， and depicts the regular governing development of the country’s tourism economic cycle for the east， central， and western regions and provinces， based on a non-linear Markov Switching （MS） model with a structural break point. Contrasting previous research， the study researchs on three aspects. First， in terms of the model， the world economy has been severely impacted by the global financial crisis triggered by the subprime mortgage crisis in the United States. In this study， 2008 is regarded as the time point of a “structural break point” in the nonlinear MS model， and the rationale behind selecting the catastrophe point is further verified. Second， in terms of the contents of the research， the study captures the objective pattern of the regional tourism economic growth rate before and after the sudden change point， and identifies the dynamic evolution path of the regional tourism economic cycle before and after the structural break point. Finally， in terms of research ideas， the study systematically uses measurements on the eastern， central， and western regions and provinces， aiming to analyze and discriminate between the characteristics of multi-stage evolution of the tourism economic cycle in different regions and provinces. This is based on research ideas ranging from whole to local. The following conclusions are made： （1） China’s tourism economy can take 2008 as the watershed. After 2008， volatility weakened and uncertainty reduced. The average growth rate of the total tourism revenue， and its high and low average growth rates， have all been behind the mutation point. Significant changes have taken place. （2） The country’s overall tourism economy mainly experienced three expansion periods： 2001-2002， 2004-2007， and 2010-2011. Most provinces have experienced these three. Most have also experienced a third expansion period in advance， and are more sustained than the country as a whole. Therefore， the periods of expansion of provinces and cities are generally 2001-2002， 2004-2007， and 2009-2012. （3） In recent years， tourism in the eastern region is in a weak state， and there is a lack of development momentum. The smooth probability of the tourism economy in the eastern provinces and regions is either in a “constricted zone system” or floating around 0.5， and the expansion status is not significant. The development situation of the tourism economy in central China is stable and there is little possibility of high fluctuation in the future. In the meantime， the provinces’ tourism economy is relatively depressed， and there has been no obvious expansion period after 2008. The tourism economy of the central provinces is relatively sluggish and unstable， and that in the western region and provinces has a strong upward trend， but is also accompanied by large uncertainties. This study’s conclusions provide an important practical basis for risk prevention and control， and a valuable theoretical basis for development of the tourism industry in the provinces， as well as formulation of relevant policies.
　　Keywords： regional tourism economic cycles; dynamic path evolution; structural break; nonlinear MS model
　　[責任编辑：吴巧红;责任校对：宋志伟]
转载注明来源:https://www.xzbu.com/7/view-15262683.htm