EN中文

Economic geography >

2020 , Vol. 40 >Issue 1: 214 - 225

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.01.024

Spatio-Temporal Dynamics Relationship of Tourism Industry, Technological Innovation and Modern Finance Development Pattern from the Perspective of Synergy

  • WENG Gangmin , 1, 2 ,
  • PAN Yue , 1, ※ ,
  • YANG Xiuping 3 ,
  • SONG Na 1
Expand
  • 1. School of Economics and Management，Yanshan University，Qinhuangdao 066004，Hebei，China
  • 2. Yanshan University Research Center of Regional Economic Development，Qinhuangdao 066004，Hebei，China
  • 3. School of Economy and Management，Lanzhou University of Technology，Lanzhou 730050，Gausu，China

Received date: 2019-05-08

  Revised date: 2019-10-23

  Online published: 2025-04-25

Fold

Abstract

It is paramount to hold the dynamics relationship of tourism industry, technological innovation and modern financial development pattern from the perspective of synergy, which plays a fundamental role for driving the sustainable development of tourism economy, optimizing the production factors supply. To get a correct understanding, this article used the methods of LISA Time Path, Centre-of-Gravity, Coordination Degree of Composite System and GM(1,1) to discusses the spatial development state of the tourism industry, technological innovation and modern financial, measuring the collaborative degree of the composite system of the three from 2009-2017. The results show that: 1)The spatial distribution of the tourism industry, technological innovation and modern financial is moving towards equilibrium, while the tourism industry presents "spatial spillover effect", and technological innovation, modern finance are dominated by "independent effect" in the course of evolution. 2)There are differences in the dynamic transition paths of partial spatio-temporal structures among the three. The tourism industry shows a strong stability in its spatial dependence direction, while the technological innovation is weaker than that, and modern financial shows significant volatility-the changes of partial structures are actively and frequently. 3)Significant synergies of the composite system has not yet been demonstrated. Although the relative differences between provinces are gradually improving, and the spatial agglomeration effect is continuously increasing, it will still take a long time to achieve high-quality synergy in the future. 4)The collaborative pattern has undergone an evolutionary process from "messy local agglomeration distribution" to "vertical stratification", and the spatial pattern with "Hu Huanyong Line" as the dividing line was eventually formed. It is related to the economic foundation, location condition, resource background and policy dividend of each province.

Key words： tourism industry; technological innovation; modern financial; collaborative relationship; the Belt and Road Initiative; Hu Huanyong Line; tourism financial products

Cite this article

WENG Gangmin , PAN Yue , YANG Xiuping , SONG Na . Spatio-Temporal Dynamics Relationship of Tourism Industry, Technological Innovation and Modern Finance Development Pattern from the Perspective of Synergy[J]. Economic geography, 2020 , 40(1) : 214 -225 . DOI: 10.15957/j.cnki.jjdl.2020.01.024

在我国经济面临“脱实向虚”倾向下，“十九大”报告提出“着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系”，强调产业政策着力点向注重功能性的要素供给环境转变。旅游业作为现阶段区域实体经济发展中不可忽视的一部分，维系好与科技创新、现代金融与人力资源的关系，是实现旅游产业永续发展的关键保障。同时，旅游产业自身转型升级的需要也是促进科技创新，加快现代金融建设，完善人才培育生态链的外在需求。因此，如何把握“四者协同”，推进旅游流与要素流有机融合，进而提升区域发展质量与效率，正成为值得关注的热点问题。由于人力资源主要通过作用于资本、科技等要素而间接驱动旅游经济增长，因此，本文仅聚焦于探究旅游产业与科技创新、现代金融的协同关系。
梳理已有文献发现，学者们从多个角度对旅游产业与科技创新、金融业的相互作用进行了探讨，大致可分为三类：①科技创新或金融业单方向支持和助推旅游产业发展。当前旅游业已进入科技创新驱动发展的新阶段，融入科技创新成果有助于激活旅游资源存量，开发旅游资源增量，串联旅游吸引要素，完善旅游管理系统等等[1-3]。此外，科技创新还可以引导旅游产业与其他产业相融合，如旅游业与物流业相融合，以解决旅游后勤服务滞后问题[4]。而金融业对旅游业的支持却存在促进与抑制正反两方面作用[5]，Romão、杨荣海分别以欧洲、中国为例，对其动态效应进行比较研究，皆证实了空间异质性的存在[6-7]。为强化金融促进机制，张洪昌、杨建春基于广西、贵州、浙江等具体省区发展的实践，提出金融支持策略及优化升级路径[8-9]。也有部分学者探讨了金融投资与科技创新间的单向助推作用[10-12]。②旅游产业、科技创新、金融业之间的互动关系。研究大多以省域为研究单元，针对两两互动，在明确两者相互作用机理的基础上，采用耦合协调度[13]、协同度[14-15]、VAR[16]等模型测度二者协调发展水平，并结合空间分析工具，进一步分析其时空演化特征[17]。③将旅游产业、科技创新、金融业的具体板块进行互动融合，形成科技旅游、旅游金融、科技金融、金融科技等新名词，探讨其内涵、特征以及运行模式等[18-21]。
可见，尚缺乏对旅游产业、科技创新、现代金融三者整体协同的研究，已有研究也仅限于三者协同发展的作用机理、协同过程中存在的问题以及优化路径等[22-23]，对协同演化状况的定量认识几近空白。现有定量测度整体协同的相关文献也多探讨旅游产业、生态环境与某某（如城镇化、区域经济、交通状况等）的协调发展[24-26]，侧重区域间协同水平差异评价，较少关注协同主体间协同过程的考量，即协同主体发展的时空差异、结构调整问题。然而，整体协同效应的体现是一个系统演变过程，需要从系统科学的角度来对其进行动态分析，只有掌握了协同主体的基本演化机制，才能对系统整体进行目的性的“操纵”，使其按照所期望的方向演化。因此，有必要强化协同主体时空演化与整体协同程度的交叉研究。
针对上述不足，鉴于省域政策各成体系，技术、资本、人才等要素在省域间流动受限，本文以全国31个省区（不含港澳台）为研究对象，构建省域“旅游产业—科技创新—现代金融”时空动态特征及其复合系统协同程度分析框架，对我国旅游产业与科技创新、现代金融协同关系开展研究，具体解析为：首先，基于ESTDA框架，借助Moran’s I指数、LISA时间路径等方法，分别探讨旅游产业、科技创新与现代金融三协同主体空间结构变迁的时间过程；其次，通过分析重心迁移轨迹及空间重叠性，刻画三者的总体协同态势，对其协同关系进行初步预判；进一步，基于复合系统协同度模型，定量分析三者所构成复合系统的协同发展程度、协同时空演化特征，并借助GM（1，1）模型对未来协同关系进行预测。以期弥补相关研究的不足，并为地区规划编制、政策制定等提供参考。

1 协同机理

当前实践发展与理论研究均表明，“旅游产业—科技创新—现代金融”三者之间存在天然的共生效应与协同机制，可将其作为一个集开放性、联动性与阶段变化性于一体的复合系统，探究其协同程度，具体来看：
科技创新是引领旅游产业、现代金融跨越式发展的内生动力。在创新驱动发展战略背景下，科技创新能够持续增强高层次旅游产品供给能力，如依托云计算、大数据、人工智能等高新技术，LBS整合资源信息，Airbnb满足住宿新需求，Uber提高出行便利，VR增强游客体验等，实现旅游智能化、高端化发展，为旅游经济增长发挥持续引擎作用。另一方面，也为现代金融打造互联网金融服务平台提供技术供给，引导全方位金融服务的电子化和网络化，在提升金融资产安全性与流动性的同时，增强了现代金融的运转效率；此外，科技创新助力传统产业升级、新兴产业兴起的过程中，创造的产业信贷融资需求也会进一步促进金融体系的扩张，加速资金的积累与增值，从而推动现代金融的优化升级。
现代金融是服务旅游产业结构优化、推动科技创新转型升级的资本媒介，主要表现在集聚社会闲散资金为通过多元审查机制筛选出的优质旅游开发项目、科技创新项目提供信贷融资支持。众所周知，旅游产业与科技创新均具有投资风险高、资金回收期长等特征，在项目实施过程中，每一阶段均需要与之配套的资金支持，需要借助各类金融工具有效分散和转移项目投资风险。此外，现代金融还开发“招行携程旅行信用卡”“金穗汉庭东方万里行银联卡”等以银行卡为载体的旅游金融产品，为游客提供便捷、优惠的金融支付服务；与旅游企业合作，设计“首付出发”“牛分期”及“拿去花”等形式多样的在线支付工具，以及开展多领域的旅游保险产品。
与此同时，旅游产业自身的内在优化升级需求，也为现代金融、科技创新提供了强有力的发展空间。旅游产业与现代金融的相互作用方式可以视为虚拟经济与实体经济相互渗透、相互影响的动态发展过程，作为资金供需两端，旅游产业的持续发展会进一步创新现代金融的融资方式、拓宽现代金融的经营业务、增加现代金融的衍生产品，使得现代金融除可以获得旅游投资收益外，“程涨宝”“途牛宝”等衍生产品也能够为金融产业提供巨大利润空间。而持续满足旅游者日益增长的品质化与个性化旅游需求，则为科技产业指明了创新方向，并在一定程度上提升了创新技术应用的广度和深度，加速了创新成果落地转化步伐。

2 研究方法与数据来源

2.1 研究方法

2.1.1 子系统有序度评价模型

依据协同学的役使原理，序参量是决定子系统演化方向和过程的根本性变量。本文在分别选取序参量基础上，测度复合系统中各子系统有序度。用S1表示旅游产业子系统，S2表示科技创新子系统，S3表示现代金融子系统。设子系统 S o o = 1,2 , 3的序参量为 e i = e i 1 , e i 2 , ⋯ , e i n，其中 e i j j = 1,2 , ⋯ , n是序参量 e i的第j个分量，则 φ o e i j、 φ o e i、 φ o e分别表示序参量分量对序参量、序参量对子系统、子系统对复合系统的贡献程度，即 φ o e为子系统有序度。
旅游产业子系统有序度评价。旅游产业发展水平主要表现为产业配置和产业业绩等。选取“每平方公里A级景区数”“每平方公里旅行社数”“每平方公里星级酒店数”和“每万人旅游从业人数”等指标作为旅游产业配置序参量分量，反映旅游业发展基础；选取“国内旅游人次”“入境旅游人次”“国内旅游收入”和“入境外汇收入”等指标作为旅游产业业绩序参量分量，反映旅游业发展效益。采用线性加权模型来拟合旅游产业子系统有序度，具体公式为：
φ 1 e = ∑ ∑ ω i j φ 1 e i j
科技创新子系统有序度评价。科技创新子系统包含了创新质量序参量 φ 2 e 1和创新效益序参量 φ 2 e 2。创新质量序参量由科技创新效率来表征，采用DEA模型来计算各省区科技创新效率值θ，即 φ 2 e 2 = θ。按照科技创新的环节和功能，创新投入选择“R&D人员全时当量”和“R&D经费支出”等指标，衡量区域对创新活动的人力投入和资本支持；创新产出分为中间产出和最终产出，其中“三种专利受理量”“三种专利授权量”“国外主要检索工具收录我国科技论文”等指标作为中间产出，体现区域科技创新系统在科研成果研发阶段的运行效果，而“高新技术产业新产品销售收入”“技术市场成交合同额”和“技术市场成交合同金额”等指标为最终产出，表征科技创新成果通过应用实现的经济价值。创新效益是指各省区通过将资本、人力等创新资源投入研发活动而获得的成果规模，选取科技创新活动最终产出来构建业绩指数模型，即 φ 2 e 2 = ∑ w j e 2 j。采用几何平均法来拟合科技创新子系统有序度，具体公式为：
φ 2 e = φ 2 e 1 φ 2 e 2
现代金融子系统有序度评价。基于实践要求，现代金融子系统序参量主要选取普惠程度、市场效益与金融结构。选取“人均银行业金融机构网点数”“人均证券营业部数”“人均保险公司分支机构数”“每万人金融从业人员数”等指标从普惠角度反映了现代金融时代特点；“金融相关比率（FIR）”“年末各项存款余额”“保险深度”等从效益角度反映了区域金融市场的活跃程度、资金吸纳能力以及对经济的作用情况；而金融市场结构则选择“直接融资比值”来表征。同样采用线性加权模型来拟合现代金融子系统有序度，具体公式为：
φ 3 e = ∑ ∑ ω i j φ 3 e i j

2.1.2 探索式空间数据分析（ESDA）

ESDA是一系列以空间关联测度为核心的空间分布数据分析方法和技术的集合。通常采用全局空间自相关Global Moran’s I指数衡量子系统有序度 φ o e的空间总体集聚程度，采用局部空间自相关Local Moran’s I统计量来进一步度量更小尺度的空间局部形态差异[27]。
Global Moran’s I：
I = ∑ p = 1 n ∑ q = 1 n w p q x p - x t ¯ x q - x t ¯ S 2 ∑ p = 1 n ∑ q = 1 n w p q
Local Moran’s I：
I p = z p ∑ q = 1 , q ≠ i n w p q z q
式中：n为省域总数； x p 、 x q分别为省区p、q的子系统有序度 φ o e； x - = 1 / n ∑ x p； S 2 = 1 / n ∑ x p - x - 2； z p 、 z q分别为省区p、q的子系统有序度 φ o e的方差标准化值。

2.1.3 LISA时间路径

融入时间维度T，实现静态LISA动态化，通过LISA时间路径系统分析子系统有序度 φ o e的空间分异与动态规律，其几何特征包括路径长度、弯曲度和跃迁方向。其中，LISA时间路径长度用来表征局部空间结构的动态性特征，计算公式为[28]：
Γ p = n ∑ t = 1 T - 1 d L p , t , L p , t + 1 ∑ p = 1 n ∑ t = 1 T - 1 d L p , t , L p , t + 1
式中：T为研究时段总长； d L p , t , L p , t + 1为省区p由时间t到t+1的LISA坐标移动距离。如果 Γ p > 1时，表明省区p路径长度高于均值，具有更加动态的局部空间结构， φ o e变动更为显著；反之，局部空间结构越稳定。LISA时间路径弯曲度用来表征局部空间结构的波动性特征，计算公式为[29]：
Λ p = ∑ t = 1 T - 1 d L p , t , L p , t + 1 d L p , 1 , L p , T
式中： Λ p越大，表明省区p存在更加波动的局部空间变化过程，即省区p受邻域空间（溢出或极化）或特殊事件影响越大；反之，波动越平稳。
LISA时间路径跃迁方向用来表征局部空间结构演变的整合性特征，对比省区p由时间t到t+1的LISA坐标位置，将其转移方向划分为4类方向：定义0°~90°为赢—赢态势，体现该省区与邻域呈协同高速增长趋势；90°~180°为输—赢态势，此输彼赢，体现该省区呈低速增长趋势，邻域呈高速增长趋势；180°~270°为输—输态势，体现该省区与邻域呈协同低速增长趋势；270°~360°为赢—输态势，此赢彼输，体现该省区呈高速增长趋势，邻域呈低速增长趋势。

2.1.4 重心轨迹分析

重心就是区域内空间要素的矢量合力点，用于分析要素重心空间分布变化或对比不同要素间的重心空间分布。本文以各省子系统有序度 φ o p e作为重心测算指标，以省级行政中心的地理坐标 Q p x , y为指标着力点，重心 G o x , y具体计算公式为[30]：
G o x , y = ∑ p = 1 n φ o p e Q p x ∑ p = 1 n φ o p e , ∑ p = 1 n φ o p e Q p y ∑ p = 1 n φ o p e
重心比较则采用重心迁移轨迹和空间重叠性分析，分别从定性和定量两角度来考察子系统间的空间协同态势。其中，空间重叠性 D S h , S k用子系统有序度重心 G o x , y间的空间距离来衡量，距离越大，两子系统协同性越低，其计算公式为[30]：
D S h , S k = d G h , G k = R × x h - x k 2 + y h - y k 2
式中： x h , y h、 x k , y k分别为子系统Sh、Sk的重心坐标；取R=111.11 km。

2.1.5 复合系统协同度模型

旅游产业、科技创新、现代金融间存在立体交互式关系，考虑到功能互补与集约配置的特性，将三者作为一个关联互动的复合系统进行研究具有突出的可行性与必要性。复合系统功能的体现，是一个以时间序列为基础的系统演变过程，测度复合系统随时间协同演化的程度，以检验其相对于基期的协同特征与变化趋势。将旅游产业—科技创新—现代金融复合系统抽象为 S = S 1 , S 2 , S 3，给定初始时刻，设子系统 S o有序度的初始值为 φ o 0 e，则对时刻 t而言，当期值为 φ o t e，复合系统协同度 C S具体计算公式为[31]：
      c m S h , S k = 1 e - 1 e - e x p 1 - ∏ o = h , k φ o t e - φ o 0 e
C S = ∏ m = 1 3 c m S h , S k 3

2.1.6 灰色GM（1，1）预测模型

灰色预测是指，针对在一定范围内变化的、与时间序列有关的灰过程，通过建立模型“弱化其随机性，显现其规律性”，对系统行为特征值变化进行预测。其中GM（1，1）预测步骤为[32]：①设定原始时间数列 X 0 = x 0 1 , x 0 2 , ⋯ , x 0 n，对 X 0按时间累加生成新的时间序列 X 1 = x 1 1 , x 1 2 , ⋯ , x 1 n，得到相对应微分方程，见式（12）；②借助最小二乘法，求解参数向量 a ^，得到GM（1，1）预测方程，见式（13）；③检验模型精度，若满足P>0且C<0.65，则该模型预测合理且有效。
d X 1 d t + a X 1 = μ
x T X 1 ̑ k + 1 = x o 1 - μ a e - a k + μ a     k = 1,2 , ⋯ , n

2.2 数据来源及处理

由于科技创新子系统序参量分量包含的部分指标自2009年起调整统计口径，为保证测算结果的准确性，本文仅对2009—2017年除港澳台的31个省（市、区）的相关统计数据为样本进行实证研究。数据主要来源于各省（市、区）2009—2018年统计年鉴、《中国科技统计年鉴》《中国金融年鉴》《国民经济和社会发展统计公报》、金融运行报告等。部分省（市、区）缺失数据采用自相关拟合进行估计。为消除原始数据因量纲不同而产生的不可公度性，本文运用极差法进行标准化处理。

3 子系统有序度的时空动态分析

3.1 子系统有序度时空格局总体动态演化

分别计算2009—2017年我国旅游产业、科技创新与现代金融子系统有序度及其Global Theil系数，并借助GeoDA软件，测度其Global Moran’s I指数及显著性检验值（图1）。
图1 2009—2017年旅游产业、科技创新、现代金融的全局差异与集聚特征

Fig.1 The characteristics of global difference and agglomeration of tourist industry, technological innovation and modern finance in 2009-2017

2009年以来，旅游产业、科技创新与现代金融子系统有序度Global Theil系数均呈下降趋势，总体相对差异渐趋缩小，体现了水平较低省域对较高省域的“追赶效应”，省域间发展趋于空间均衡，其中缩小幅度由大到小依次为：旅游产业（0.0838）>科技创新（0.0607）>现代金融（0.0152），到2017年，科技创新子系统有序度总体相对差异最大，发展空间不均衡性最为显著。Global Moran’s I指数及其显著性的计算结果表明，在0.01显著水平下旅游产业子系统有序度的Global Moran’s I指数均为正，从2009年的0.3071波动上升到2017年的0.3554，表明旅游产业空间关联性逐渐提升，存在较为稳定的空间集聚特征，且仍呈现继续收敛的态势。可见，凭借“一带一路”倡议、长江经济带发展以及各项区域性协同发展等战略的实施，邻近省域间旅游互动性持续增加，旅游一体化日趋成熟，利于进一步带动滞后地区获得长足发展。与此相反，科技创新、现代金融的全局自相关性发生明显转变，Global Moran’s I指数下滑趋势明显，总体呈现由正向空间自相关逐渐趋于负向空间自相关，但并未通过显著性检验，表明科技创新与现代金融有序度相似地区在空间上分布较为随机，空间差异可能在逐步增强，甚至存在一定程度的反向溢出效应。结合Global Theil系数可以看出，科技创新与现代金融主要是通过发挥本省区在经济基础、区位条件及政策红利的比较优势，合理配置相关要素，以此提升弱势产业效益与效率，对缩小省域发展不平衡做出贡献。

3.2 子系统有序度时空格局局部动态演化

为进一步揭示旅游产业、科技创新与现代金融的局部空间结构与时空依赖关系，运用Jenks自然间断点分级法，将三者LISA时间路径长度、弯曲度划分为4个等级，同跃迁方向进行可视化表达（图2）。
图2 LISA时间路径的长度、弯曲度和方向的空间分布

Fig.2 The spatial distribution of length, curvature and direction of LISA time path

3.2.1 LISA时间路径相对长度分析

从旅游产业子系统有序度的相对移动长度来看，小于均值的省域有20个，占省域总数的66.67%，局部空间格局具有较强的稳定性特征。京沪相对移动长度最大，局部空间格局动态性最高，旅游业实力与地位凸显，为绝对极化中心；次高值区主要集中在具有后发优势的西南、环渤海地区，“一带一路”倡议、京津冀协同发展战略的深入推进，以及环渤海旅游联盟的建立，为这些地区迎来了旅游业发展的“黄金时期”，旅游收入与旅游人次激增，局域性旅游增长极（滇、黔、渝、辽）涌现；而新疆、甘肃等经济欠发达、交通可达性较差的西北省域，以及旅游业已较为成熟的东南沿海省域，旅游业发展提升则相对较缓，局部空间结构较为稳定，呈现较强的空间锁定效应。科技创新子系统有序度时间路径的相对移动长度小于均值的省域有19个，占全国比例为63.33%，局部空间结构稳定性稍弱于旅游产业。其中，相对移动长度最高的地区分散在河南、四川、广东、江苏和天津等地，近年来创新驱动发展战略成效显著，科研机构和产学研互动平台逐渐增多，发展形势向好，科技创新实力提升明显。从现代金融的相对移动长度来看，大于均值的省域为18个，占全国比例的60%，表现为较为动态的局部空间格局，其中东北—西南轴线省域动态性较强，东南—西北轴线省域较弱，低值区主要成片分布于我国中、东部地区，主要原因在于：在边际效应递减规律作用下，中、东部地区现代金融有序度提升速率滞后于东北、西部，抑制了中、东部地区资金吸纳能力。特别注意到，由于京津极化作用过于突出，造成河北时间路径明显偏离其邻接省域（蒙、辽、鲁、晋）。

3.2.2 LISA时间路径弯曲度分析

时间路径的平均弯曲度由大到小依次为：现代金融（7.4694）>科技创新（4.4285）>旅游产业（1.6017），整个金融体系的不稳定性，强化了现代金融子系统有序度增长的波动性，其局部空间格局在依赖方向上的波动性要明显强于旅游产业与科技创新，在三者中最为剧烈。从空间分布上看，旅游产业有序度时间路径弯曲度的高值区主要集中在北部沿边（蒙、黑）及东南沿海（辽、鲁、江、浙、闽、粤）省域，时空依赖效应沿海、沿边向内陆递减。弯曲度最大的省域是青海（8.3010），与邻省间具有最为动态的空间变迁过程，除充分受益于“一带一路”倡议落实带来的政策红利外，“大美青海”央视节目的播出，“环青海湖国际自行车赛”“中国（青海）国际清真食品及用品展览会”等大型赛事、会展的持续举办，均使得青海旅游热度持续升温，在西北省域中脱颖而出；弯曲度最小的是安徽，仅为青海的9.30%，旅游经济提升最为平稳，未来必须要进一步突破地理区位的限制，打破“锁定效应”，释放旅游合作空间。科技创新子系统有序度的时间路径弯曲度高值区呈“Π字型”格局，该区域内省区科技创新发展变动性较强，呈无序波动，可能是缺乏持续提高的动力，即尚未形成稳定的产学研合作机制，在外部投资不具备持续性情况下，造成省域科技创新发展易受到外界影响。现代金融子系统有序度时间路径的弯曲度局部空间格局显示为东南—西北方向省域局部空间波动性较强。在全球化的经济环境中，我国金融体系在发展过程中持续面临着众多的不稳定因素，以处于对外开放最前线的东南沿海地区，以及“一带一路”倡议下对外开放新热点的西北内陆地区首当其冲。

3.2.3 LISA时间路径转移方向分析

旅游产业子系统有序度呈协同增长的省域共有23个，占总数的76.67%，形成协同增长占主导的良好势头，空间演变具有较强的整合性，利于推动区域差异不断缩小。河北、山西、山东与邻省形成的“赢—输”和甘肃、宁夏与邻省形成的“输—赢”竞争格局，成为“输—输”“赢—赢”协同发展格局之间的“断裂带”。“断裂带”以北8省域人文风情浓郁、生态景观资源富集，但省域间位置相对较远，受吸引和辐射效应较差，处于相对弱协同局面；而以南15省域，其中东南省域产业基础雄厚，且具有高于内陆地区的口岸开放政策，客源市场广阔，而四川、云南与其他西南省域则得益于“一带一路”倡议的稳步、有序落实，民族原生态人文资源得以联合开发，旅游交通基础设施与景区服务接待体系得到极大改善，旅游吸引力持续增强，推动了区域间旅游业的协同高速发展。与旅游产业相比，科技创新子系统有序度呈协同增长的省域数量锐减，在局部空间格局演变过程中，空间协同与竞争并存。作为京津冀协同发展中的一部分，河北在积极承接京津产业、资金、技术转移过程中，区域科技要素整合得到强化，科技创新有序度提升显著，与京津形成“赢—赢”协同高增长格局，而与其他邻域（蒙、辽、晋、鲁）则形成了“赢—输”竞争增长格局。现代金融子系统有序度呈协同增长的省域数进一步减少，仅有13个，竞合态势以空间竞争为主。除广东、江苏由于邻接省域多呈低速增长而呈“赢—输”竞争格局外，东北、东南沿海省域均与周边联动发展形成了“赢—赢”协同高增长格局；而内陆地区则主要呈现竞争格局。

4 复合系统协同度的时空演化分析

4.1 总体协同分析

4.1.1 总体协同态势

基于旅游产业、科技创新与现代金融子系统有序度，运用重心模型分别测算得到2009—2017年三者重心坐标、空间重叠性，并绘制重心迁移轨迹与空间距离变化图（图3）。
图3 2009—2017年旅游产业—科技创新—现代金融重心的总体协同态势

Fig.3 The overall cooperative situation of the Centre-of-Gravity of tourist industry, technological innovation and modern finance in 2009-2017

从重心相对位置来看，旅游产业、科技创新与现代金融重心始终偏向几何中心（112.08°E，33.85°N）的东部，均表现为东高西低的区域异质性，这主要是由于2009年以前，我国大力实行东部率先发展、东北老工业基地振兴等战略，人才、技术、资金等要素不断流向东北、东部沿海地区，而西部地区地处我国边陲，地质条件复杂、气候环境恶劣，加之政策红利缺失，导致各行各业发展滞后，均处于相对劣势地位；在研究时段内，现代金融重心较旅游产业、科技创新重心明显偏北，三者还在南北方向存在空间错位。从重心变动轨迹来看，旅游产业与科技创新重心变动方向较为一致，呈现向西南方向偏移的态势，在东西方向上逐步趋近于几何中心，这是2009年以后，政策红利逐渐由珠三角、长三角、环渤海地区向中、西部省区倾斜，中部崛起、西部大开发、“一带一路”倡议等战略政策效益显现，地区投资与消费潜力不断释放，要素资源回流效应凸显，区域差异得到有所缓解；同时注意到，二者重心变动轨迹存在部分交叉重合，但明显旅游产业受到中、西部的牵引效应更为显著，重心向西南移动距离（660.3511 km）要高于科技创新（153.5124 km）。可见，与现代金融相比，旅游产业与科技创新具有相对较强的协同性，二者相关要素流在空间上的变迁过程较为趋同，而旅游产业的敏感性使其受外部环境因素变化的影响更大，造成重心轨迹变化的波动性更为剧烈，重心向西南方向移动速率更快。从重心变动范围来看，现代金融变动范围最小，仅限于河南省平顶山、洛阳两市之间方圆约431.2183 km2范围内，研究时段内变动较小；而旅游产业重心、科技创新重心移动地域范围分别达11 229.4240 km2、1 383.4721 km2，主要分布于河南、安徽两省交界地带。
从重心空间重叠性来看：①总体上，旅游产业与科技创新重心空间距离远低于现代金融与旅游产业、科技创新重心空间距离，验证了旅游产业与科技创新重心相对更趋于集聚，即旅游产业与科技创新彼此间的有序促进作用较明显于现代金融与旅游产业、科技创新，原因在于：研究初期，政府陆续出台的相关政策文件主要将金融业定位于为解决旅游产业结构升级、科技创新产品研发及项目孵化过程中的资金需求问题，忽视了金融业自身发展的结构调整问题，以及与其他产业间的协同发展要求[15]。②在研究时段内，现代金融与旅游产业、科技创新空间距离总体呈下降趋势，空间重叠性提升显著，二元互动关系愈加紧密，协同关系持续增强；而旅游产业与科技创新重心空间距离大致可以划分为减少（2009—2013年）和增加（2014—2017年）两个阶段，结合重心迁移轨迹可以看出，旅游产业与科技创新重心变动方向基本一致，均向西南方向偏移，但旅游产业重心移动速率较高，使得2009—2013年，二者重心趋于集聚，具有较为明显的空间协同性特征，而2014年后二者空间距离趋于增加，重心趋于分散的态势愈加明显，空间协同性减弱。③2013年底我国领导人提出共同建设“一带一路”，为西北、西南省区带来了更大的发展空间，旅游产业、现代金融重心移动路径均在2014年出现较大波动，重心分别向西南方向偏移287.0227 km和20.0811 km，造成旅游产业与现代金融重心空间距离急速下降，与科技创新重心空间距离迅速增加，表现为2014年旅游产业与科技创新协同性降低，与现代金融协同性增加。

4.1.2 总体协同特征

在测度2009—2017年旅游产业—科技创新—现代金融复合系统协同度的基础上，分别计算出各省区协同度的均值、标准差及变异系数，并借助GeoDA软件分析协同度的空间关联性（图4），进一步从总体上对三者协同发展水平进行分析。
图4 旅游产业—科技创新—现代金融复合系统协同特征

Fig.4 The characteristics of the composite system of tourism industry-technological innovation-modern financial

复合系统协同度测度结果显示，2009—2017年各省域旅游产业—科技创新—现代金融复合系统协同度在[0.0008,0.2602]之间震荡，协同度均值由0.0254增至0.1515，提升强度明显不足。根据相关研究设立的协同度评价标准[14-15,26]可以判定，各省域复合系统协同发展程度仍处于初始状态，尚未产生显著的协同效应。从复合系统协同度的动态发展过程来看，旅游产业、科技创新与现代金融复合系统协同度的均值及标准差分别由2010年的0.0134、0.0105平稳上升至2017年的0.1227、0.0575，而变异系数由2010年的0.7863大幅降至2017年的0.4688，表明三者协同水平逐趋提升，其绝对差异呈扩大化趋势，但省域间相对差异却渐趋缩小，从侧面验证了“追赶效应”存在。从复合系统协同度的空间关联特征来看，研究期内协同度的全局自相关性发生明显转变，2010—2011年全局Moran’s I指数值为负，2012—2017年全局Moran’s I指数值转为正，且仅在2016、2017年通过了90%置信水平下的显著性检验，即2010—2017年，协同度的空间关联性总体呈现从负向不显著空间自相关到正向不显著空间自相关，再到正向显著空间自相关，表明复合系统协同度空间关联性在2014年初步显现，随后持续增强，集聚程度渐趋收敛。

4.2 空间协同分析

重心轨迹、差异与集聚指数等仅能从总体上体现我国旅游产业、科技创新与现代金融的协同程度，但无法衡量区域内部各省域间的空间协同特征，因此，基于旅游产业—科技创新—现代金融复合系统协同度测度结果，运用Jenks自然间断点分级法，将其由高到低相对划分为Ⅰ~Ⅳ四个梯队，选取2010、2014及2017年作为研究节点进行对比分析，进一步探究其空间协同特征（图5）。
图5 旅游产业—科技创新—现代金融复合系统协同度的时空格局演化

Fig.5 The patterns evolution of coordination degree of composite system of tourism industry-technological innovation-modern financial

2010年，省域复合系统协同度在[0.0008,0.1649]之间震荡，各梯队分布较为凌乱，空间格局呈局域性集聚分布。依托得天独厚的区位优势、日益完善的政策体系，广东、江苏两省对各要素流具有较强的极化效应，为旅游产业结构升级、科技创新资源吸纳与现代金融高质量发展创造了良好的发展环境，三者综合实力均保持高速增长，复合系统协同水平最高。四川、重庆、陕西、北京、辽宁3省2市，文旅资源丰富、客源市场广阔，加之具备科技创新和现代金融发展的资金、人才、技术、政策等方面优势，协同发展程度紧随其后，处于第Ⅱ梯队。而同样位于东南沿海的山东、浙江、福建等省域，产业体系却表现出较为明显的错位性，现代金融提升减缓，难以与旅游产业、科技创新形成协同增长势头，导致三者相互掣肘作用较强，协同水平较低，仅处于第Ⅲ梯队。处于第Ⅳ梯队的青海、云南、宁夏、贵州等省域，经济基础普遍较为薄弱，难以为旅游产业发展提供强有力的支撑，致使旅游产业业态老化，加之受2008年全球金融危机的影响，金融业发展势头受到了一定程度的削弱，科技创新能力发展势态在这时期也一致处于较为缓慢的状态，造成复合系统协同发展机制无法有效推进，协同水平为全国最低。
2014年，各省域协同水平均有所提升，以山东、浙江、重庆两省一市提升最为显著，率先升入第Ⅰ梯队，预示着广东、江苏两省高度极化态势减弱，东南沿海出现高值集聚带。第Ⅱ~Ⅳ梯队省域则呈现显著的垂直分层的空间分布格局，由北到南依次为Ⅳ-Ⅱ-Ⅲ。河南、湖北、安徽等中部省份，人口优势突出、资源本底良好，加之中部崛起等国家战略实施所带来的政策红利不断扩大，使得这三省迅速提升到第Ⅱ梯队；受益于广东的扩散效应以及“一带一路”建设有序推进，云南、广西、贵州、湖南、福建四省一区在2014年迈入第Ⅲ梯队，至此，除四川、广东处于更高梯队外，泛珠三角区域省域均处于第Ⅲ梯队。第Ⅳ梯队省域在空间上呈现连片分布，表现为显著的“低水平”的“俱乐部”收敛形态。值得注意的是，上海既是长江三角洲城市群的核心城市，又是我国的经济、金融中心，同时拥有独特的海派文化、完善的“海陆空铁”现代立体综合交通体系，旅游产业与现代金融实力提升明显高于绝大多数省区，但却处于第Ⅲ梯队。究其原因，是科研创新发展势头较弱，致使三者间仍然难以有效扶持与相互协作，导致产业体系协同程度在一定程度上要小于其各产业发展实力。上海多年来以“拿来主义”为主流，科技创新环境与创新文化等软实力优势逐年减少，虽可凭借其集聚效应短期内吸引大批高端人才和优秀企业进入，但却削弱了培育本土创新能力的动力。
2017年，以胡焕庸线为分割线的协同分布格局基本形成，受宏观经济形势影响，经济发展综合性较强、区位条件较为优越的东南侧地区比较优势突出，大多数省域协同水平高于西北侧地区省域。从各类型省域占比的变化来看，与2009年相比，各梯度省域所占比例变化明显，第Ⅰ、Ⅱ梯度占比分别由6.67%、16.67%提升到13.33%、23.33%，相对较高梯度省域占比增加，可见协同水平提升较为明显。从协同类型的空间格局来看，处于第Ⅰ梯度的省区主要集聚在东南沿海地区，实力和地位相对稳定；第Ⅱ梯度省区范围随着时间推移不断向周边拓展，其中江西、贵州由第Ⅲ梯度迈入第Ⅱ梯度，其空间上趋于集中在中部省市及西部边缘省域；而处于第Ⅳ梯度省区则成片分布于胡焕庸线以西北，存在较为严重的空间锁定特征。

4.3 协同预测分析

为进一步掌握各省区旅游产业—科技创新—现代金融复合系统协同度的未来发展趋势，选取各省区2010—2017年复合系统协同度的均值为原始数据，基于GTMS3.0中的GM（1，1）灰色预测模型，对未来十年复合系统协同水平进行预测（图6）。结果显示，2018—2027年旅游产业—科技创新—现代金融复合系统协同度均值在0.15~0.40之间，整体延续了2009—2017年协同度均值的变化特征，呈现出持续平稳的上升态势，表明三者协同发展的错位性问题将会有所改善，但协同水平的提升与演进速度仍较为缓慢，未来实现旅游产业与科技创新、现代金融的整体提升与优质协同仍需较长时间。
图6 旅游产业—科技创新—现代金融复合系统系统度的发展预测

Fig.6 The development forecast of Coordination degree of composite system of tourist industry-technological innovation-modern financial

5 结论与讨论

5.1 结论

研究旅游产业与科技创新、现代金融的时空分异特征及其协同关系是旅游地理学研究的重要议题，同时也是驱动旅游经济永续发展的现实诉求。本文在揭示2009—2017年旅游产业、科技创新与现代金融时空动态特征的基础上，探究了三者的协同程度及未来发展趋势，得到如下结论：
①旅游产业、科技创新与现代金融省域发展均趋于空间均衡，但在缩小省域差距过程中存在空间效应差别。其中旅游产业呈较为稳定的空间集聚特征，且集聚程度仍呈现持续收敛的态势，其发展对周边地区存在“溢出效应”；而科技创新、现代金融发展仅集中作用于本省区，以“独立效应”为主，省域间差距的缩小得益于欠发达省区依靠自身优势“追赶”。
②旅游产业、科技创新与现代金融的局部空间结构变化差异性显现。旅游产业具有最为稳定的局部空间结构，省域间形成以协同增长占主导的良好势头；科技创新的稳定性相对较弱，易受到外界影响而偏离其自然演化轨道，省域间协同增长与空间竞争并存；由于整个金融体系的不稳定性，导致现代金融的波动性最强，省域间以空间竞争为主。
③从总体协同关系来看，旅游产业与科技创新协同性较强，呈现“先增后减”的协同性特征，现代金融与旅游产业、科技创新在南北方向的错位问题得到有效缓解，协同性持续增强；三者所构成复合系统协同仍处于较低水平，东高西低的区域异质性渐趋改善，空间集聚效应初步显现；GM（1，1）预测结果显示，未来实现三者的优质协同仍需较长时间。
④从空间协同关系来看，复合系统协同度省际非均衡性较为明显，其空间格局经历了由凌乱的局域性集聚分布—垂直分层—“胡焕庸线”的演化过程。将协同度由高到低相对划分为Ⅰ~Ⅴ四个梯队，其中第Ⅰ阶梯省区数量稳定，主要集中于东南沿海地区；第Ⅱ、Ⅲ梯度省区数量渐趋增多，俱乐部趋同现象显著；第Ⅴ梯度省区数量持续减少，主要成片分布于胡焕庸线分割线以北。协同度水平及分布与各省区经济基础、区位条件、资源本底以及政策红利等内外部因素密不可分。

5.2 讨论

①空间关联是产业发展过程中不可忽略的重要因素。应充分重视旅游产业的空间溢出效应，破除行政壁垒，尽可能减少对旅游产业的限制；同时，要进一步加强省域间的互动与交流，继续深入推进市场联合营销、交通无障碍及服务标准一体化等多方合作措施，推动区域旅游经济整体协同高速增长。而科技创新、现代金融则需要充分挖掘各省区在局部空间中资源本底、区位优势及政策红利等的比较优势，释放要素红利，推动产业有序提升。
②在这段协同关系中，旅游产业虽处于核心主体地位，但与科技创新、现代金融间存在紧密的立体交互式关系，由于“木桶效应”的存在，单独强调旅游业迅速发展，或科技创新能力提升、现代金融体系建设都不足以实现区域旅游经济效益的最大化（如上海），只有三者齐头并进、互相引领、彼此匹配时，才会呈现出“1+1+1>3”的协同共享效果。此外，政府政策导向在强化协同过程中也显现出重要作用。为此，各省区在未来发展中，要警惕“政治锦标赛”趋向，理性制定符合本省区产业政策，着力提升发展短板，构筑有利于旅游产业发展的技术、人才、资金等要素供给的高效协同机制，促进复合系统整体优化与深度协同。
③协同程度总体表现为平稳提升态势，但省域间存在显著的空间异质性，破解“胡焕庸线”，改善协同发展不平衡问题迫在眉睫。应在加快产业体系深度协同的同时，进一步兼顾东西地区差异，除“一带一路”、西部大开发战略外，给予胡焕庸线以西地区更多的政策倾斜，并提供配套的资金、人才支持；充分发挥其地缘优势、文化优势，进一步加强其对外开放能力，为区域间、境内外的旅游流互动创造有利条件。
④目前，针对旅游产业—科技创新—现代金融复合系统协同度的研究尚处于初期探索阶段，存在有待进一步深化的问题：在空间尺度上，仅以省域为研究单元稍显单一，忽略了经济带、城市群等不同空间尺度上的横向比较研究，未来可通过多尺度的对比来进一步分析；在测度过程中，未考虑游产业、科技创新、现代金融相互作用的滞后性对协同演化过程的影响，今后有待于更为深入地探讨。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
刘民坤, 何华. 现代旅游业的界定与提升[J]. 管理世界, 2013(8):177-178.

[2]
邢剑华, 石培华. 从理念到实践——重视以科技创新推动落实全域旅游发展[J]. 旅游学刊, 2016, 31(12):5-7.

[3]
Verreynne M L, Williams A M, Ritchie B W. Innovation diversity and uncertainty in small and medium sized tourism firms[J]. Tourism Management, 2019,72:257-269.

[4]
鲁延召. 科技创新引导产业融合发展路径研究——以郑州旅游与物流产业融合为例[J]. 科技管理研究, 2015, 35(12):146-151.

[5]
庄雷, 王烨. 金融科技创新对实体经济发展的影响机制研究[J]. 软科学, 2019, 33(2):43-46.

[6]
Romão J, Nijkamp P. Impacts of innovation,productivity and specialization on tourism competitiveness-a spatial econometric analysis on European regions[J]. Current Issues in Tourism, 2017(2):1-20.

[7]
杨荣海, 李亚波. 中国旅游产业发展的金融支持区域差异分析——基于东部、中部和西部面板数据的检验[J]. 经济与管理, 2013, 27(7):86-91.

[8]
张洪昌, 凌常荣. 民族地区旅游业发展的金融支持效率评价及优化路径探析——以广西壮族自治区为例[J]. 贵州民族研究, 2017, 38(1):190-193.

[9]
杨建春, 施若. 金融支持旅游产业发展的动态效应比较——以贵州、浙江两省为例[J]. 社会科学家, 2014(6):88-92,126.

[10]
Carboni O A, Medda G. Does R&D spending boost tangible investment? An analysis on European firms[M]. Applied Economics, 2019, 51(28):3049-3 065.

[11]
Guarnieri A, Liu P. To what extent do financing constraints affect Chinese firms' innovation activities[J]. International Review of Financial Analysis, 2014,36:223-240.

[12]
Sasidharan S, Jijo Lukose P J, Komera S. Financing constrains and investments in R&D: Evidence from indian manufacturing firms[J]. The Quarterly Review of Economics and Finance, 2015,55:28-39.

[13]
龚艳, 郭峥嵘. 旅游业与金融业耦合协调发展实证分析——以江苏省为例[J]. 旅游学刊, 2017, 32(3):74-84.

[14]
王志民. 江苏省区域旅游产业与科技创新协同度研究[J]. 世界地理研究, 2016, 25(6):158-165.

[15]
李素梅, 黄衍枝. 京津冀区域金融结构与技术创新协同发展研究——基于复合系统协调度模型[J]. 科技管理研究, 2017, 37(17):99-108.

[16]
姚永玲, 王翰阳. 科技创新与金融资本融合关系研究——基于北京市的实证分析[J]. 中国科技论坛, 2015(9):103-108.

[17]
王毅, 陈娱, 陆玉麒, 等. 中国旅游产业科技创新能力的时空动态和驱动因素分析[J]. 地球信息科学学报, 2017, 19(5):613-624.

DOI

[18]
夏蜀. 商业银行构建旅游金融的基本思维与整体框架[J]. 金融论坛, 2017, 22(9):15-26.

[19]
李廷勇. 浅论我国新兴旅游产业—科技旅游的开发[J]. 经济问题, 2004(2):71-73.

[20]
张明喜, 魏世杰, 朱欣乐. 科技金融:从概念到理论体系构建[J]. 中国软科学, 2018(4):31-42.

[21]
Ma Y, Liu D. Introduction to the special issue on Crowdfunding and Fintech[J]. Financial Innovation, 2017, 3(1):8.

[22]
付保宗, 周劲. 协同发展的产业体系内涵与特征——基于实体经济、科技创新、现代金融、人力资源的协同机制[J]. 经济纵横, 2018(12):23-33,2.

[23]
张林. 金融发展、科技创新与实体经济增长——基于空间计量的实证研究[J]. 金融经济学研究, 2016, 31(1):14-25.

[24]
邓椿. 山西省旅游产业—城镇化—生态环境耦合协调发展分析[J]. 地域研究与开发, 2018, 37(3):85-89.

[25]
张玉萍, 瓦哈甫·哈力克, 党建华, 等. 吐鲁番旅游—经济—生态环境耦合协调发展分析[J]. 人文地理, 2014, 29(4):140-145.

[26]
马勇, 李丽霞, 任洁. 神农架林区旅游经济—交通状况—生态环境协调发展研究[J]. 经济地理, 2017, 37(10):215-220,227.

[27]
纪小美, 付业勤, 陶卓民, 等. 福建省县域经济差异的时空动态与变迁机制[J]. 经济地理, 2016, 36(2):36-44.

[28]
马志飞, 尹上岗, 乔文怡, 等. 中国医疗卫生资源供给水平的空间均衡状态及其时间演变[J]. 地理科学, 2018, 38(6):869-876.

DOI

[29]
黄睿, 王坤, 黄震方, 等. 绩效视角下区域旅游发展格局的时空动态及耦合关系——以泛长江三角洲为例[J]. 地理研究, 2018, 37(5):995-1 008.

[30]
仲俊涛, 米文宝, 候景伟, 等. 改革开放以来宁夏区域差异与空间格局研究——基于人口、经济和粮食重心的演变特征及耦合关系[J]. 经济地理, 2014, 34(5):14-20,47.

[31]
邓小朱, 陈梦成. 科技成果转化制度与企业协同度研究[J]. 科研管理, 2016, 37(S1):116-125.

[32]
马年圣, 支晓娟, 宋雨婷. 基于PSR和GM(1,1)模型的西藏耕地生态安全评价与预测[J]. 干旱区资源与环境, 2018, 32(11):81-86.

Options
Outlines

/

〈 〉