EN中文

经济地理 >

2025 , Vol. 45 >Issue 12: 228 - 237

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.12.023

旅游经济与管理

数字经济赋能乡村旅游全要素生产率提升的多元路径——基于安徽省县域数据的组态分析

  • 丁娟 ,
  • 赵明月 ,
  • 阮传镇
展开
  • 安徽大学 商学院， 中国安徽 合肥 230601

丁娟（1979—），女，博士，副教授，硕士生导师，研究方向为乡村旅游与智慧旅游。E-mail：

收稿日期: 2025-08-31

  修回日期: 2025-11-21

  网络出版日期: 2026-02-04

基金资助

安徽省哲学社会科学规划一般项目(AHSKY2024D026)

收起

Multiple Paths for Improving the Total Factor Productivity of Rural Tourism through the Digital Economy: Configuration Analysis Based on County-level Data in Anhui Province

  • DING Juan ,
  • ZHAO Mingyue ,
  • RUAN Chuanzhen
Expand
  • School of Business， Anhui University， Hefei 230601，Anhui， China

Received date: 2025-08-31

  Revised date: 2025-11-21

  Online published: 2026-02-04

Fold

摘要

文章基于2014—2023年安徽省县域面板数据，构建“技术—组织—环境”（TOE）框架，运用动态定性比较分析（QCA）方法，从时空双维视角探析了数字经济赋能乡村旅游全要素生产率（TFP）提升的组态路径。研究发现：①安徽省县域乡村旅游TFP总体呈增长态势，但具有显著的时空异质性，地区差异逐年扩大。②高乡村旅游全要素生产率主要归纳为4种模式：需求导向模式、环境驱动模式、综合协同模式、环境—基建双驱动模式。③安徽省内县域间受多维因素动态交互的影响，同一条组态路径的实施效果呈现阶段性分化。④各路径在县域层面的适用性存在明显空间分异，可划分为3类：高适用型、中适用型和低适用型。研究揭示了数字经济赋能乡村旅游全要素生产率提升的多重复杂路径，为乡村旅游高质量发展拓宽了研究视角。

关键词： 数字经济; 乡村旅游; 全要素生产率; TOE框架; 动态QCA

本文引用格式

丁娟 , 赵明月 , 阮传镇 . 数字经济赋能乡村旅游全要素生产率提升的多元路径——基于安徽省县域数据的组态分析[J]. 经济地理, 2025 , 45(12) : 228 -237 . DOI: 10.15957/j.cnki.jjdl.2025.12.023

Abstract

Grounded in the Technology-Organization-Environment (TOE) framework, this study employs a dynamic qualitative comparative analysis (QCA) approach to explore the configuration paths of the improvement of the total factor productivity (TFP) of rural tourism through the digital economy on the basis of county-level panel data of Anhui Province from 2014 to 2023. The findings indicate that: 1) The TFP of rural tourism in Anhui Province's counties has witnessed an increase, but it has significant spatiotemporal disparities, with regional gaps widening year by year. 2) High TFP in rural tourism is primarily driven by four distinct models: the demand-oriented model, the environment-driven model, the comprehensive collaboration model, and the environment-infrastructure dual-drive model. 3) The effectiveness of identical configurational pathways varies across counties, differentiated by the dynamic interplay of multi-dimensional factors. 4) The applicability of these models varies spatially among counties and can be classified as high, medium, or low types. This study reveals the multiple complex paths of the TFP improvement of rural tourism through the digital economy, broadening the research perspective for the high-quality development of rural tourism.

Key words： digital economy; rural tourism; total factor productivity; Technology-Organization-Environment(TOE) framework; dynamic Qualitative Comparative Analysis(QCA)

党的二十大报告强调，要坚持以推动高质量发展为主题，着力提高全要素生产率，推动经济实现质的有效提升和量的合理增长。乡村旅游全要素生产率的提升是乡村旅游高质量发展的重要体现，其背后折射出技术革新、模式转型与政策引导的多重逻辑。乡村旅游作为乡村振兴战略的重要引擎和国内旅游市场的新兴增长极，其全要素生产率的提升直接关系到产业的高质量发展水平。2023年9月，国务院办公厅印发《关于释放旅游消费潜力推动旅游业高质量发展的若干措施》通知，强调开展乡村旅游提质增效行动，推动乡村旅游产业赋能，为重运营、有标准、多业态的高质量发展而努力。与此同时，数字技术作为驱动经济高质量发展的核心动能，正加速向农业农村渗透，催生了蓬勃发展的乡村数字经济。在此背景下，数字技术与乡村旅游的深度融合，为乡村旅游全要素生产率提升带来了显著效能。2023年以来，乡村旅游数字提升行动通过开展系列活动，已辐射全国31个省份的1138个县域，覆盖超2万家乡村旅游经营主体，直接实现近2000万人次的乡村游客增量，验证了“乡村旅游+数字经济”融合模式在推动产业提质升级、放大乡村旅游经济社会效益方面的巨大潜能。
现有文献对旅游效率的研究已从早期对旅游交通[1]、酒店[2]、旅行社[3]等微观主体的经济效率分析，逐步拓展至社会效率、旅游生态效率等多元价值的评估[4]。在研究方法上，数据包络分析（DEA）、随机前沿分析（SFA）及其衍生模型已成为测度旅游效率的常用工具；研究尺度则覆盖了从国家、省域到市域、县域等多个层次[5]。这些研究为本领域奠定了坚实的方法论基础，并表明产业集聚、交通设施、政府调控等是影响旅游效率的重要因素。随着数字经济的兴起，学者们开始关注其与旅游业效率之间的关系。数字经济能够通过促进技术进步显著提升旅游业全要素生产率[6]，数字金融普惠与旅游产业效率之间存在长期的动态交互与耦合协调关系[7]。这些探索共同揭示，数字经济已成为推动旅游业质量变革、效率变革与动力变革的关键力量。
然而，多数研究或在宏观层面讨论整体旅游业效率，或虽涉及全要素生产率但未细分至乡村旅游领域，缺乏对乡村旅游全要素生产率的专门探讨，尤其是对于数字经济这一新兴且关键驱动力如何具体作用于乡村旅游全要素生产率，其内在的复杂作用机制尚未得到充分揭示，且缺乏在更精细的县域尺度上进行深入探讨。安徽省是全国数字乡村建设的先行省份，在基础设施、应用场景、智慧农业和旅游新业态等方面成果显著，为本研究提供了典型样本。
鉴于此，本文以安徽省县域为研究对象，基于“技术—组织—环境”（TOE）框架，运用动态定性比较分析（QCA）方法，从时空双维视角分析2014—2023年安徽省的县域面板数据，探究乡村数字经济对乡村旅游全要素生产率提升的组态与路径演进，以期为数字经济赋能乡村旅游提供理论创新与实践指导。

1 文献综述与理论框架

1.1 文献综述

在数字经济蓬勃发展的时代背景下，乡村旅游研究呈现出从现象描述向机制解析深化的趋势，涵盖了数字脱贫机制[8]、乡村旅游数字化[9]、乡村旅游高质量发展路径[10]、产业高质量发展等主题。数字经济不仅为乡村旅游注入了新的发展动能，也深刻改变了其产业形态与运行效率。
现有研究主要围绕数字经济对乡村旅游的整体影响及其对效率提升的作用机制展开。数字技术（如大数据、云计算、人工智能等）的广泛应用，打破了乡村旅游传统发展模式的资源依赖与空间限制，推动其从“资源消耗型”向“数据增值型”转变；通过构建智慧旅游平台与电商生态，实现了产业链的优化整合与价值提升[11]；通过优化要素配置、拓展消费场景与推动产业迭代，实现了乡村旅游资源的高效利用与价值增值[12]。从效率提升方面看，数字经济对乡村旅游效率的提升作用主要体现在两个方面：一是通过精准匹配供需、优化管理流程直接降低运营成本、提高服务效能[10]，从产业链重构视角来看，数字技术通过数据要素驱动价值增值、平台化生态组织协同及包容性利益分配等机制，系统性地提升了乡村旅游的资源配置与运营效率。二是通过催生新业态、拓展体验场景，从供给侧创造新的价值增长点，从而提升全要素的综合产出效率[13]；同时，银元也指出数字技术的广泛应用有效解决了乡村旅游中长期存在的产品同质化、资源开发低效化等痛点[9]。
由是观之，学界针对数字经济与乡村旅游的关联进行了丰富而有益的探索，但仍存以下问题待思索：①已有研究大多通过构建一定的指标体系来衡量数字经济对乡村旅游的作用，但目前学界很难达成一致的学术观点，是否能找到更加科学和认可度更高的经济指标来进行衡量?②已有研究大多从某一个因素或角度入手分析数字经济与乡村旅游发展的关系，较少关注数字经济多要素的协同匹配效应对乡村旅游发展的作用机制。③已有的研究方法中多采用线性回归方法，难以反映数字经济对乡村旅游全要素生产率提升的多重因果路径和复杂交互作用，且研究尺度多为省域、市域，鲜少有更精细的县域尺度上的刻画。县域是城乡要素流动的重要枢纽，也是数字经济与乡村场景融合的关键场域。数字经济赋能乡村旅游全要素生产率提升是多维度因素相互影响和作用的复杂系统，采用合理的理论框架去解释这一机制，并运用科学的模型去定量衡量其作用的效果已经成为研究面临的实际问题。

1.2 理论框架

1.2.1 TOE框架下数字经济赋能乡村旅游全要素生产率分析

TOE框架（Technology-Organization-Environment Framework）由Tornatzky等于1990年提出[14]，该框架通过解构技术、组织与环境3个维度的交互作用，系统剖析了技术应用情境对实施效果的影响机制[15]。三者并非简单并列，而是构成一个协同联动的系统，共同塑造技术从采纳到深度融合的全过程。TOE框架的适用情景极为广泛，体现出良好的跨领域延展性以及对复杂系统问题的强解释力，尤其适用于分析多层级、多主体背景下的技术融合与制度响应过程。TOE框架早期广泛应用于以企业为主体的管理领域[16]。随着研究的深入，TOE框架因其理论包容性与结构清晰性，逐步扩展到电子政务[15]、数字化转型[17]等多个领域。在理论演变方面，TOE框架的研究方法不断丰富，从初期的深度访谈[18]与回归分析[19]，逐步发展为与定性比较分析（QCA）、组态视角等方法[20]的深度融合，形成“理论—方法—实证”三位一体的研究路径。本文延续了该框架的基本范式，探讨数字经济对乡村旅游全要素生产率的影响。全要素生产率（TFP）是衡量经济发展质量、技术进步与效率提升的核心指标。当前，TFP研究的内涵正经历深刻转变，其关注点已从单纯追求传统经济效率，逐步拓展至统筹考虑经济增长与资源环境可持续性的绿色发展导向[21]。在研究方法方面，数据包络分析法（DEA）和随机前沿分析法（SFA）作为经典测算手段被广泛应用，为适应绿色发展等新兴研究需求，更先进的方法如超效率SBM模型和Luenberger生产率指数法等也被引入并运用[22-23]。TFP分析框架已被成功应用于旅游领域，用以评估旅游业整体及细分行业的发展效率、时空演化规律与增长动力。然而，聚焦于乡村旅游这一特定业态的TFP测度研究仍相对缺乏。本文基于TOE框架，旨在探究哪些乡村数字经济要素的组态能够充分驱动乡村旅游全要素生产率的提升。

1.2.2 “技术—组织—环境”具体维度分析

结合数字乡村与乡村旅游领域的现有研究，本文从技术、组织与环境3个维度构建乡村数字经济赋能乡村旅游全要素生产率提升的分析框架（图1）。
图1 基于TOE框架的数字经济赋能乡村旅游机理

Fig.1 The mechanism of digital economy empowering rural tourism based on the TOE framework

第一，技术维度。技术维度构成了乡村旅游数字化的底层支撑与创新引擎，其核心在于数字乡村建设奠定的坚实基础和数字应用程度驱动的价值跃升[24-25]。
第二，组织维度。组织维度聚焦于乡村旅游运营主体内部的流程重塑、结构优化与能力升级，具体体现为乡村数字化服务的深化与乡村产业数字化的转型。数字化服务关注的是内部运营和支持系统的效率，而产业数字化则是外部生态的融合创新[26-27]。
第三，环境维度。环境维度为乡村旅游数字化提供了关键的制度保障与市场牵引力，主要由政策环境和消费需求两大力量塑造[9,28]。

2 研究设计

2.1 研究方法

2.1.1 动态QCA

传统定性比较分析（QCA）难以处理面板数据的动态特征。为此，本文采用García-Castro等提出的动态QCA方法[29]，并结合R语言setMethod工具包，系统解析组态路径的时空分异。具体步骤如下：①对变量进行模糊集直接校准，保留面板数据结构，确保每个观测值包含县域与年份信息。②计算三类一致性与覆盖度指标：汇总指标（POCONS）反映整体关系；组间指标（BECONS）分年评估时间稳定性；组内指标（WICONS）分县域评估个体稳定性。③通过组间与组内一致性调整距离衡量时间效应与个体异质性影响。调整距离超过0.1提示轻度面板结构效应，超过0.2则效应显著。④根据指标进行解释与修正：高组间距离需结合宏观背景分析时间效应；高组内距离应识别县域集群特征并分组探讨；若两类距离均较低，则汇总一致性足以概括整体关系。该方法整合时序与个体差异，显著提升了面板数据下组态分析的稳健性。

2.1.2 DEA-Malmquist指数法

本文选择DEA-Malmquist指数法测度安徽省县域尺度上乡村旅游全要素生产率。根据DEA确定生产前沿面，得到产出导向距离函数，并构造Malmquist生产率指数公式如下：
$\begin{array}{c}{D}^{t}({x}^{t},{y}^{t})=inf\left\{\theta :({x}^{t},{y}^{t}/\theta )ϵ{P}^{t}\left({x}^{t}\right)\right\}\end{array}$
$\begin{array}{c}\begin{array}{l}   M({x}^{t+1},{y}^{t+1},{x}^{t},{y}^{t})\\ ={\left[\frac{{D}^{t}({x}^{t+1},{y}^{t+1})}{{D}^{t}({x}^{t},{y}^{t})}·\frac{{D}^{t+1}({x}^{t+1},{y}^{t+1})}{{D}^{t+1}({x}^{t},{y}^{t})}\right]}^{1/2}\end{array}\end{array}$
式中：(xt,yt)表示在时期t的投入向量和产出向量，Dt(xt,yt)为产出导向的距离函数，表示在时期t的技术水平下，实际产出与最大可能产出的比例；Pt(xt)表示在时期t使用投入xt所能生产的所有可能产出集合。$\theta $是一个标量（≥1）。M>1时表示从时期t到时期t+1全要素生产率增长，M=0时不变，M<1时下降。

2.2 变量测度与校准

2.2.1 结果变量：乡村旅游全要素生产率

乡村旅游全要素生产率（Total Factor Productivity，TFP）指标综合考虑乡村旅游的独特性，包括资本投入、劳动力、旅游资源以及经济和社会效益等因素，在当前统计体系与县域数据可获得性限制下，数字要素尚未作为独立变量纳入本次测度模型，但数字要素作为新型生产要素对乡村旅游效率提升具有系统性影响。
在投入指标层面，旅游的资本投入主要体现在对旅游基础设施、旅游环境和景区景点的投资上，因此借鉴已有研究选用乡村旅游固定资产投资、乡村旅游人力资本、乡村旅游资源丰度表征投入要素[6]。由于现行统计体系缺乏针对乡村旅游的细分数据，直接获取该指标存在现实困难，因此本文借鉴吴丹丹等对旅游业固定资产的估算思路[6]，通过相关比例计算的方法进行表征，这是一种基于行业贡献度进行分摊的替代性方案，能在宏观层面有效捕捉资本要素向乡村旅游领域的配置倾向，一定程度上符合县域经济的实际情况。值得注意的是，该估算方法可能存在一定误差，但在当前数据条件下，这是兼顾科学性与可操作性的最优选择。在产出指标层面，乡村旅游的产出可以通过乡村旅游总收入、乡村旅游接待总人数体现[30]。本文利用Stata工具，采用DEA-Malmquist指数法测度，由于计算所得指数为乡村旅游业全要素生产率，假设基期县域全要素生产率为1，再与相应年份指数累乘，获得2014—2023年的全要素生产率（表1）。
表1 乡村旅游全要素生产率指标体系及说明

Tab.1 Index system of the TFP of rural tourism and its explanation

一级指标 二级指标 量化方式 单位
投入指标 乡村旅游固定资产投资 固定资产投资额乘以乡村旅游总收入与GDP比重 亿元
乡村旅游人力资本 第三产业从业人数乘以乡村旅游总收入与第三产业产值比重 亿元
乡村旅游资源丰度 历史文化名镇名村、乡村旅游重点村重点镇、休闲农业与乡村旅游示范点、国家级非物质文化遗产（熵权TOPSIS法加权求和） /
产出指标 乡村旅游总收入 旅游业收入乘以农村居民收入与全体居民收入比重 亿元
乡村旅游接待总人数 旅游总人数乘以乡村旅游收入与旅游业收入比重 万人

2.2.2 条件变量：乡村数字经济因素

本文基于“TOE”框架，从技术、组织、环境3个维度来分析数字经济赋能安徽省县域乡村旅游高质量发展的前因条件（表2）。
表2 乡村数字经济因素指标及说明

Tab.2 Indicators of rural digital economy factors and their explanation

前因条件 一级指标 二级指标 指标解释 权重 单位
技术（T） 数字乡村建设（T1） 乡村互联网宽带接入率 （农村居民收入/全体居民收入）·互联网宽带接入用户数 0.590 %
乡村移动电话普及率 （农村居民收入/全体居民收入）·移动电话用户数 0.410 %
数字应用程度（T2） 电信业务规模 农村电信业务总量 1.000 亿元
组织（O） 乡村数字化服务（O1） 数字人才服务队伍 农村从业人员 0.294 万人
移动支付水平 数字金融支付指数 0.046 /
电商服务规模 电子商务企业数 0.660 个
乡村产业数字化（O2） 金融业数字化 数字普惠金融指数 0.006 /
农业生产数字化 国家现代农业示范区数量、产业园数量与县级行政区数量之比 0.818 %
数字示范基地 淘宝村 0.176 个
环境（E） 消费需求（E1） 数字化需求规模 数字普惠金融覆盖广度指数 0.292 /
数字化需求特征 数字普惠金融使用深度指数 0.708 /
政策环境（E2） 政府数字关注度 当年数字经济相关政府文件数量 0.510 个
科技创新支持 县域科学技术财政支出 0.490 亿元
①技术维度（T）。数字乡村建设（T1）参考张远记等[31]的方法，本文采用乡村互联网宽带接入率与乡村移动电话普及率来衡量，通过熵权法得出指数，下同。数字应用程度（T2）采用电信业务规模来测度[31]。
②组织维度（O）。乡村数字化服务（O1）借鉴杜蓉等、刘美艳的做法[24,32]，选用数字人才服务队伍、移动支付水平与电商服务规模等指标来衡量。需特别说明的是，在县域层面尚无直接数字人才统计口径的约束下，“农村从业人员”总量是本土人力资源的总体基本盘，其规模间接表征了数字服务人才的潜在供给基数和培育基础，因此作为数字人才服务的代理指标。然而在表征人才质量方面存在测量偏差，该处理是在当前县域统计体系约束下的次优可行方案。乡村产业数字化（O2）参考苏飞等的研究[33]，本文采用金融业数字化、农业生产数字化与数字示范基地来衡量。需要说明的是，“国家现代农业示范区、产业园”是推动农业集约化、智能化发展的核心载体，其数量并非直接测量生产过程，而是衡量区域农业数字化建设成效的高强度信号指标；而“淘宝村”则代表了乡村基于数字平台的创业活跃度与成熟度，其培育的电商运营、物流、营销等能力可迁移至旅游产品的线上推广，因此作为乡村产业数字化生态与融合潜力的代理变量。
③环境维度（E）。消费需求（E1）采用数字化需求规模与数字化需求特征来衡量[34]。政策环境（E2）选取政府数字关注度与科技创新支持来表征[31]。

2.2.3 数据校准

借鉴已有研究[35]，结合案例本身条件和数据对前因条件和结果变量直接校准。锚点设定的分位数分别是75%、50%、25%，分别表示完全隶属、交叉点和完全不隶属，为防止与锚点相同数值导致案例损失，将校准后为0.5的数值调整为0.501。

2.3 数据来源

本文以安徽省的59个县、县级市（文中简称“县域”）作为研究区。由于北京大学数字普惠金融指数是本文参考的重要数据源，该指数县域层面的数据是从2014年开始，因此本文以2014—2023年为研究期。其他相关数据来源于《中国县域统计年鉴》、各县域国民经济和社会发展统计公报、各县域统计年鉴以及相关政府官网、北京大学数字金融研究中心。其中，电子商务企业数据来源于企查查官网。部分缺失值采用线性插值、均值插值以及就近取值等方法补齐。考虑到研究科学性，对于缺失值较严重的县域予以剔除，最终选取46个县域作为研究对象。

3 数据分析与实证结果

3.1 乡村旅游全要素生产率时空演变特征

以2014年为基期，将安徽省各县域乡村旅游全要素生产率（TFP）初始值统一设定为1。这种设定有效衡量了各县域相对于自身2014年水平的效率动态变化（纵向比较），乡村旅游全要素生产率结果如图2、图3。从中发现，2015—2023年安徽省乡村旅游TFP呈现出明显的阶段性波动和区域分异特征。从时间演变来看，全省乡村旅游TFP均值经历了“缓升—跃升—回调”3个阶段（图2）。其中，2015—2018年为缓慢上升期，2019—2021年进入快速跃升期，2022—2023年出现分化回调，均值回落，同时县域间差距显著扩大。县域增长路径差异明显，而肥东县、潜山市等县域则长期在低位徘徊，反映其转型动能不足。从空间格局来看，形成了“中部隆起、南北滞后”的分布态势（图3）。中部县域依托合肥都市圈优势，成为全省核心增长区；皖南传统旅游县增长平稳，面临转型压力；北部和西南部县域受基础设施制约，发展相对滞后。综上，安徽省乡村旅游全要素生产率的时空演变呈现出明显的“阶段更替、路径分化”特征，需要采取差异化的发展策略。
图2 2015—2023年安徽省乡村旅游全要素生产率水平变化趋势

Fig.2 Trend of the TFP level of rural tourism in Anhui from 2015 to 2023

图3 安徽省县域乡村旅游全要素生产率水平变化

Fig.3 Spatiotemporal evolution of the TFP level of rural tourism in Anhui

3.2 必要条件分析

本文采用一致性水平检验，识别单一条件能否构成县域乡村旅游全要素生产率提升的必要条件（表3）。当一致性水平大于0.9时，该条件变量可视为结果变量的必要条件。在QCA面板数据分析中，当调整距离小于0.2时，汇总一致性具有较高精确度，为必要性判断提供稳健的支持。由表3可知，所有条件变量都不构成必要条件，说明乡村旅游全要素生产率的提升是多因素共同作用的结果。具体来看，数字乡村建设、数字应用程度、乡村数字化服务、乡村产业数字化和政策环境5个变量的调整距离均小于0.2，且汇总一致性均小于0.9，证实其均非必要条件。但消费需求变量存在组间调整距离大于0.2的情况，需深入检验。通过分析消费需求对乡村旅游全要素生产率的组间一致性与覆盖度（表4），并结合图4可以发现：①在情况1和情况3中，2014—2016年的一致性水平均大于0.9，但散点图显示其集中在左侧y轴且一致性水平呈现下降趋势，未通过必要条件检验；②在情况2中，虽然2021—2023年的一致性水平均大于0.9，但散点图揭示其集中在右侧y轴，也未通过一致性水平检验。值得注意的是，从情况2的组间一致性水平变化可以发现，消费需求的必要性逐年增加，已呈现明显时间效应。
表3 必要条件分析

Tab.3 Analysis of the necessary conditions

前因
变量		 高乡村旅游全要素生产率 低乡村旅游全要素生产率
汇总
一致性		 汇总
覆盖度		 组间
一致性
调整
距离		 组内
一致性
调整
距离		 汇总
一致性		 汇总
覆盖度		 组间
一致性
调整
距离		 组内
一致性
调整
距离
T1 0.602 0.600 0.072 0.085 0.486 0.495 0.133 0.130
~T1 0.493 0.484 0.124 0.098 0.607 0.610 0.138 0.050
T2 0.544 0.551 0.061 0.088 0.516 0.535 0.075 0.111
~T2 0.541 0.522 0.076 0.094 0.568 0.560 0.067 0.090
O1 0.589 0.590 0.067 0.091 0.494 0.505 0.114 0.110
~O1 0.506 0.494 0.126 0.098 0.600 0.599 0.120 0.071
O2 0.591 0.614 0.166 0.069 0.461 0.490 0.160 0.101
~O2 0.509 0.48 0.129 0.088 0.637 0.615 0.135 0.069
E1 0.753 0.719 0.198 0.050 0.395 0.386 0.219 0.068
~E1 0.357 0.366 0.243 0.090 0.712 0.747 0.207 0.036
E2 0.650 0.637 0.076 0.049 0.463 0.464 0.121 0.077
~E2 0.453 0.452 0.132 0.079 0.639 0.651 0.087 0.061

注：“~”表示条件变量的非集。

表4 调整距离大于0.2的组间数据

Tab.4 Inter-group data with an adjustment distance greater than 0.2

因果组合情况 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
情况1 低消费需求与高全要素生产率（~E1/Y） 组间一致性 1.000 1.000 0.998 0.812 0.789 0.290 0.186 0.056 0.094 0.042
组间覆盖度 0.050 0.188 0.380 0.492 0.579 0.774 0.832 0.931 0.776 0.691
情况2 高消费需求与低全要素生产率（E1/Y） 组间一致性 0.002 0.020 0.075 0.468 0.473 0.777 0.899 0.989 0.949 0.965
组间覆盖度 1.000 1.000 0.984 0.797 0.709 0.294 0.291 0.286 0.361 0.350
情况3 低消费需求与低全要素生产率（~E1/Y） 组间一致性 1.000 0.998 0.990 0.777 0.806 0.420 0.344 0.100 0.143 0.071
组间覆盖度 0.952 0.827 0.664 0.742 0.643 0.426 0.571 0.634 0.632 0.631
图4 情况1~3组间一致性

Fig.4 Consistency between groups 1, 2, and 3

3.3 条件组态充分性分析

QCA方法的核心是组态条件分析，不同条件组合对结果变量的因果效应，其核心判据是条件组态的充分性一致水平，学界通常采用大于等于0.75的标准。本研究综合既有文献与样本特征，设定一致性水平阈值为0.80，频数阈值为1，PRI阈值为0.75，基于上述标准构建的真值表，最终覆盖460个有效观测案例。以中间解为主，简约解为辅，找到核心条件和边缘条件，结果见表5。值得注意的是，路径H5的唯一覆盖度为0，这表明该路径所代表的策略模式并非独一无二，它所驱动的案例同样可以通过路径H4所描述的机制实现结果，这进一步强化了本文的核心发现，即存在多重等效的路径提高乡村旅游全要素生产率，县域可以根据自身所处的时空情境和资源禀赋，灵活选择不同的策略组合，而非依赖单一模式。由此可见，可将高乡村旅游全要素生产率的5种组态进一步提炼为4种模式。
表5 条件组态结果分析

Tab.5 Analysis of conditional configuration results

条件变量 H1 H2 H3 H4 H5
数字乡村建设 * ⊗ * ♡ ♡
数字应用程度 * ⊗
乡村数字化服务 * * * ●
乡村产业数字化 * * *
消费需求 ♡ ♡ ♡ ♡ ♡
政策环境 ♡ ♡ ♡
一致性 0.871 0.915 0.870 0.880 0.862
PRI 0.799 0.852 0.791 0.825 0.785
覆盖度 0.237 0.183 0.215 0.171 0.091
唯一覆盖度 0.032 0.007 0.025 0.083 0.000
组间一致性调整距离 0.029 0.025 0.030 0.022 0.023
组内一致性调整距离 0.054 0.052 0.057 0.048 0.053
总体PRI 0.801
总体一致性 0.859
总体覆盖度 0.407

注：♡表示核心条件存在；●表示边缘条件存在；*表示核心条件缺失；⊗表示边缘条件缺失；空白表示条件存在与否不会对结果产生影响。

3.3.1 乡村旅游全要素生产率组态路径分析

由表5可知，整体解的汇总一致性为0.859，大于0.75，且单个组态的组内调整距离与组间调整距离均低于0.2，表明汇总一致性具有较好的解释力度，这5个组态是高乡村旅游全要素生产率的充分条件，进一步分析可以提炼为4种模式：需求导向模式、环境驱动模式、综合协同模式、环境—基建双驱动模式。
①模式1：需求导向模式，对应组态H1、H2，以消费需求为核心条件。在这一模式下，消费需求发挥基础性驱动作用，外部市场环境即游客日益增长的数字化、体验化、高品质的消费需求，通过传递市场信号、推动服务优化与产品创新，倒逼乡村旅游经营主体进行数字化响应，有效对接市场需求，提升乡村旅游全要素生产率。如黟县拥有世界级乡村旅游目的地的强大市场号召力，在国际国内旅游市场的数字化需求下，搭建旅游大数据平台，建成并使用的“徽黄游”平台已入驻500余户商户，累计收入3.2亿元，服务游客近600万人次，承接旅游消费需求，持续提升了乡村旅游发展效率。
②模式2：环境驱动模式，对应组态H3，以消费需求、政策环境为核心条件。在这一模式下，消费需求形成市场拉力，政策环境通过资金支持、基础设施建设与公共服务供给提供制度推力，政策与市场双核驱动有效赋能乡村旅游数字化转型，实现乡村旅游全要素生产率提升。如歙县通过构建“多媒体+多平台+多渠道”立体传播矩阵和“主流媒体+文旅达人+文旅推荐官”数字传播矩阵，精准对接消费需求；同时，以科技强农、机械强农为切入点，联合阿里打造“汪小鲤”等文化IP，实现文化破圈与消费激活，有效提升了乡村旅游市场响应速度与服务品质。
③模式3：综合协同模式，对应组态4，以数字乡村建设、消费需求、政策环境为核心条件，以乡村数字化服务为边缘条件。在这一模式下，政策环境发挥引导作用，消费需求提供市场动力，数字乡村建设起到技术支撑作用，乡村数字化服务发挥辅助性作用，多维度协同，推动数字基础设施建设、保障设施利用与服务有效性，夯实数字基础设施与公共服务体系，从多方面促进乡村旅游全要素生产率提升。如肥西县以“数字城管”实现闭环管理，打造“智慧肥西”三端平台，建成村级文化综合服务中心和数字农家书屋，提升数字化服务；同时通过手绘地图加小程序推动农旅融合，开展线上活动释放消费潜力，政府鼓励社会资本投资智慧农业，实施“数商兴农”工程，形成政策、市场、技术、服务多方协同的良好局面，显著提升了乡村旅游的综合效能与游客体验。
④模式4：环境—基建双驱动模式，对应组态5，以数字乡村建设、消费需求、政策环境为核心条件。在这一模式下，消费需求与政策环境共同构成环境驱动力，以数字乡村建设为核心响应路径，有效衔接技术、政策与市场，提升区域数字化接入水平，重构乡村旅游生态系统，助力乡村旅游全要素生产率提升。如东至县推动乡村旅游与大数据、智能导览、客流预警等技术深度融合，提供沉浸式数字体验和个性化旅游服务，通过系列文旅活动激活消费市场；同时，政府推进数字赋能和智慧物流建设，开展数字化培训与高校专业合作，构建“数字基建+消费体验+政策引导”三位一体的发展格局，有效促进了乡村旅游高质量发展。

3.3.2 乡村旅游全要素生产率组态路径的时间动态演变

组间一致性指标，用于衡量同一组态路径在县域间适用程度的稳定性，分析5条组态路径在2014—2023年的动态变化趋势（图5），以揭示潜在的时间效应。整体来看，可将研究期可划分为3个特征鲜明的阶段。
图5 组间一致性变化

Fig.5 Change in consistency between groups

①第一阶段（2014—2017年），5条组态路径的组间一致性整体呈现下行趋势，其中组态H1和组态H3在2017年的一致性水平甚至跌破0.75的临界值。这可能是因为这一阶段是4G普及和移动互联网爆发期，但政策落地和县域消化需要时间，在初期因技术渗透不均、组织能力分化、政策与市场环境波动所经历的适配与试错阶段。
②第二阶段（2018—2021年），5条组态的组间一致性整体呈现出波动中上升的态势，组态2在2019和2020年分别达到0.996和0.999的高位。一方面，数字基础设施持续完善、政策工具趋于精准化、市场主体数字化能力提升，推动了路径效果的提升；另一方面，2019—2020年市场需求结构性变化与外部环境冲击的影响，导致出现波动。总体而言，系统韧性增强与内生协同机制的成熟共同促成了波动中的上升趋势。
③第三阶段（2022—2023年），组间一致性再度出现整体回落，尤其在2022年，组态1和组态4的一致性分别降至0.788和0.779。这一时期的一致性的下滑，主要为外部复杂环境影响的进一步显现，居民消费意愿与旅游市场活力受到制约，宏观环境加剧了市场主体投资能力分化，市场投入趋于保守，削弱了原有组态路径的实施强度与一致性。尽管前期政策与技术积累奠定了一定基础，但宏观环境的波动仍对路径实施的稳定性带来挑战。
需要说明的是，由于此期间组间一致性的调整距离（即波动幅度）均小于0.2，这种波动并未对整体组态解释力构成实质性影响，因此本研究的主要结论仍具有较好的适用性。

3.3.3 乡村旅游全要素生产率组态路径的空间适用性差异

组内一致性指标用于衡量同一县域内特定组态路径解释乡村旅游全要素生产率变化的稳定程度。分析显示，5条组态的组内一致性调整距离均小于0.2，表明各条组态路径在安徽省不同县域间的解释效力不存在显著差异。研究期内，4条组态在大部分县域的一致性水平普遍高于0.75，印证了其在全省范围内的广泛适用性。根据组内一致性特征，可将这5条组态路径在安徽省县域空间的适用情况分为3类（图6）。
图6 县域空间适用性划分

Fig.6 Spatial applicability division of counties

①高适用型县域在5条组态路径上的一致性水平均超过0.75，其中约1/2县域的一致性值达到1。这类地区显著体现出技术、组织与环境的协同增强效应，充分验证了组态路径的有效性，典型代表县为歙县、黟县、绩溪县。
②中适用型县域则表现为组态路径的适用性分化，部分组态一致性高于0.75而其他组态未达标。以巢湖市为例，其乡村旅游全要素生产率提升更依赖数字基建、数字服务、消费需求及政策支持等多维度要素协同发展，而不是单一要素，反映出路径选择的区域性差异。
③低适用型县域的5条组态一致性均低于0.75，表明现有路径与本地条件匹配不足。其“路径失灵”的内在机制可归结于以下3种相互关联的系统性困境：一是制度协同不足导致治理效能低下。政府部门间权责不清与条块分割，使得政策难以形成合力。如潜山市在数字化建设中因部门数据标准不一，文旅、农业等部门数据难以整合，导致智慧平台使用率低。二是人才结构性缺失制约内生发展动力。低适用型县域普遍面临本土人才短缺与专业能力不足的问题。如太湖县青年人才外流严重，乡村旅游经营主体多为家庭成员，其数字技能与管理理念薄弱，难以支撑技术赋能与业态升级。三是资源同质化与分散化加剧竞争劣势。在资源禀赋先天不足与外部竞争压力的叠加下，这些县域易陷入低水平发展路径。如阜南县的旅游资源分散，未能有效整合形成品牌与线路规模效应；广德县虽邻近核心客源市场，但其乡村旅游存在同质化问题，缺乏如“祠山文化”等独特文化IP的深度挖掘，无法在区域竞争中建立差异化优势，最终导致路径失灵。

4 结论与讨论

4.1 结论

本文基于2014—2023年安徽省县域面板数据，采用动态QCA分析方法，系统探讨了乡村旅游全要素生产率提升的组态路径。研究结论如下：①在时间维度上，安徽省乡村旅游全要素生产率均值呈现增长态势，但增长幅度呈现出波动性，各县域间的TFP增长率差异显著扩大。在空间维度上，大部分县域的TFP相较于基期有显著提升，且在省内中部县域的提升幅度最为显著。②在条件组合的充分性分析中，主要有5条组态路径，可归纳为4种模式：需求导向模式、环境驱动模式、综合协同模式、环境—基建双驱动模式，揭示了不同县域的差异化路径。③组间一致性指标的时序波动表明，县域间在应对外部技术、政策与市场环境变化时存在响应差异，相同组态路径的实施效果受多维因素动态交互的影响呈现阶段性分化。④组内一致性分析显示，县域对路径的适用性存在明显空间分异，可划分为高适用型（组态均有效）、中适用型（部分组态有效）和低适用型（组态普遍失效）3类，这一分类更精准刻画了县域间路径适配性的层级分异。

4.2 讨论

基于对现有文献的梳理与分析，本文在数字经济赋能乡村旅游全要素生产率领域进行了探索性研究。已有部分研究认为，数字技术通过优化要素配置、拓展消费场景与推动产业迭代等路径对乡村旅游发展产生积极影响[10,12-13]，与本文关于数字经济多维赋能的基本结论相一致。然而，多数研究侧重于单一因素或线性影响机制，较少从组态视角系统分析技术、组织与环境等多维要素如何协同匹配、共同驱动乡村旅游全要素生产率的提升[33]。本文引入TOE理论框架，结合组态分析方法，在识别多元驱动路径方面具有一定的理论创新价值。同时，本文构建的乡村数字经济多维指标体系，是对现有测度方法的整合与推进。此外，本文基于县域尺度的组态实证，初步揭示了数字经济内部多要素的协同匹配机制。研究发现，技术维度的数字乡村建设、组织维度的数字化服务能力与环境维度的消费需求、政策支持等因素，可通过多种组合方式共同引致高乡村旅游全要素生产率，这从方法层面上回应了“多重并发因果”的研究需求，也在结论层面具体呈现了多要素协同机制的存在性与复杂性。
根据上述结论，本文提出如下对策建议：①实施差异化县域路径适配策略。针对组态路径的空间适用性分异特征，应摒弃“一刀切”政策。具体来说，高适用型县域需深化综合协同模式应用；中适用型县域应立足本地优势定向突破；低适用型县域则须实施短板攻坚计划。②推进资源优化与效率匹配机制。一方面，要将全要素生产率提升效能纳入县域旅游考核指标，引导资源向适配性高的县域倾斜；另一方面，要在高资源—低全要素生产率地区引入第三方技术团队驻点诊断资源转化瓶颈，通过技术—制度协同创新激活闲置资源。③强化跨县域协同治理与能力互补。基于县域路径适用性的梯度差异，应推动建立高适用型—低适用型乡村旅游协作体。通过高适用型县域对口支援低适用型县域，共享数字平台与管理经验。同时，鼓励毗邻竞争县域共建客源分流协调机制，联合开发跨省旅游线路，将外部压力转化为协同动力，推动区域全要素生产率的整体跃升。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Bell R A, Morey R C. The search for appropriate benchmarking partners:A macro approach and application to corporate travel management[J]. Omega, 1994, 22(5):477-490.

DOI

[2]
Köksal C D,Aksu. Efficiency evaluation of A-group travel agencies with data envelopment analysis (DEA):A case study in the Antalya region,Turkey[J]. Tourism Management, 2007, 28 (3):830-834.

DOI

[3]
Ramírez-Hurtado J M, Contreras I. Efficiency of travel agency franchises:A study in Spain[J]. Service Business, 2017, 11:717-739.

DOI

[4]
余汝艺, 梁留科, 苏小燕, 等. 村域尺度旅游效率空间分异及形成机理——以洛阳市375个旅游村为例[J]. 自然资源学报, 2021, 36(4):893-905.

DOI

[5]
杨永丰, 张非凡, 罗仕伟. 成渝城市群县域旅游效率与乡村振兴水平的交互响应[J]. 经济地理, 2024, 44(9):221-231.

DOI

[6]
吴丹丹, 冯学钢, 马仁锋, 等. 数字经济发展对旅游业全要素生产率的非线性效应[J]. 旅游学刊, 2023, 38(2):47-65.

[7]
郭向阳, 明庆忠. 数字普惠金融与旅游产业效率交互影响关系研究——以贵州省为例[J]. 人文地理, 2025, 40(1):80-88,123.

[8]
王彩彩. 京津冀休闲农业与乡村旅游数字脱贫机制[J]. 社会科学家, 2018(9):97-105.

[9]
银元. 乡村旅游数字化发展:动力机制、逻辑维度与矛盾纾解[J]. 西安财经大学学报, 2023, 36(1):29-40.

[10]
刘科文, 咸慧. 数字经济背景下黑龙江乡村旅游高质量发展路径[J]. 学术交流, 2023(7):121-133.

[11]
贺小荣, 徐海超. 乡村数字文旅发展的动能、场景与路径[J]. 南京社会科学, 2022(11):163-172.

[12]
王金伟, 黄震方, 王兆峰, 等. 乡村振兴视域下新质生产力赋能文旅深度融合:科学问题与战略路径[J]. 资源科学, 2024, 46(12):2335-2354.

DOI

[13]
张嘉实. 数字经济驱动乡村产业多元化发展的内在机理与实证检验[J]. 经济问题, 2023(9):44-51.

[14]
Tornatzky G, Fleischer M, Chakrabarti A. The Processes of Technological Innovation[M]. Lexington: Lexington Books, 1990.

[15]
谭海波, 范梓腾, 杜运周. 技术管理能力、注意力分配与地方政府网站建设——一项基于TOE框架的组态分析[J]. 管理世界, 2019, 35(9):81-94.

[16]
林家宝, 胡倩. 企业农产品电子商务采纳与常规化的形成机制[J]. 华南农业大学学报(社会科学版), 2017, 16(5):98-112.

[17]
张新, 徐瑶玉, 马良. 中小企业数字化转型影响因素的组态效应研究[J]. 经济与管理评论, 2022, 38(1):92-102.

[18]
郭迅华, 张楠, 黄彦. 开源软件的采纳与应用:政府组织环境中的案例实证[J]. 管理科学学报, 2010, 13(11):65-76.

[19]
冯朝睿, 徐宏宇. TOE框架下电子政务服务效率及其影响因素研究——基于DEA-Tobit两步法模型[J]. 云南财经大学学报, 2021, 37(7):97-110.

[20]
徐旭初, 杨威, 吴彬. 乡村数字经济赋能农业全要素生产率提升的多元路径——基于浙江省县级数据的组态分析[J]. 中国农村经济, 2024(10):84-103.

[21]
曹希广, 潘晨昱. 市域数字经济全要素生产率的空间分异特征及溢出效应[J]. 经济地理, 2025, 45(3):109-118.

DOI

[22]
令狐大智, 杨许晨, 武新丽. 中国—东盟绿色全要素生产率动态演进及时空溢出效应[J]. 经济地理, 2025, 45(9):30-37.

[23]
王腾飞, 马仁锋. 城际专利联系网络对绿色全要素生产率的影响及其溢出效应[J]. 经济地理, 2024, 44(9):37-45.

DOI

[24]
杜蓉, 柳思维, 冯佑帅. 数字乡村发展对农村居民消费的影响机制实证研究[J]. 经济地理, 2024, 44(4):190-200.

DOI

[25]
陈琳琳, 徐金海, 李勇坚. 数字技术赋能旅游业高质量发展的理论机理与路径探索[J]. 改革, 2022(2):101-110.

[26]
韩佳玲, 孟猛. 电子商务进农村与县域消费性服务业发展[J]. 消费经济, 2025, 41(5):91-105.

[27]
刘刚, 张泠然, 梁晗. 互联网创业的信息分享机制研究——一个整合网络众筹与社交数据的双阶段模型[J]. 管理世界, 2021, 37(2):107-125,9.

[28]
沈费伟. 中心工作导向下数字乡村建设的实践样态与优化策略[J]. 中州学刊, 2024(11):76-84.

[29]
Garcia-Castro R, Ariño M. A general approach to panel data set-theoretic research[J]. Journal of Management and Decision Making, 2016(2):63-76.

[30]
戴玉聪. 湖南环洞庭湖区域乡村旅游产业效率的时空演化及影响因素研究[D]. 湘潭: 湘潭大学, 2021.

[31]
张远记, 韩存. 数字经济驱动黄河流域高质量发展路径研究——基于TOE框架的动态QCA分析[J]. 经济体制改革, 2024(2):25-32.

[32]
刘美艳. 数字乡村建设、创新创业活跃度与城乡高质量融合发展[J]. 统计与决策, 2024, 40(19):38-43.

[33]
苏飞, 吴宝锐, 张平宇, 等. 数字乡村建设与乡村经济韧性耦合协调的时空演进及驱动机制[J]. 地理科学进展, 2025, 44(7):1434-1451.

DOI

[34]
郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展:指数编制与空间特征[J]. 经济学(季刊), 2020, 19(4):1401-1418.

[35]
张明, 杜运周. 组织与管理研究中QCA方法的应用:定位、策略和方向[J]. 管理学报, 2019(9):1312-1323.

Options
文章导航

/

〈 〉