互联网能否驱动旅游业效率提升？
——影响机制与经验证据

刘 震，杨 勇，程 玉

（华东师范大学工商管理学院，上海 200062）

引言

经济新常态下，粗放式的增长方式难以持续，提升生产效率已成为推动中国经济增长动能转换的主要目标。作为我国幸福产业之首，旅游业效率提升对于优化产业结构、解决社会主要矛盾具有重要的现实意义。改革开放以来，我国旅游业取得了举世瞩目的成就，但与产业规模的快速增长相比，我国旅游业始终面临着“生产要素投入不断加码，经营绩效却未显著改善”的局面，而造成这一问题的症结在于旅游业效率低下。为此，2018 年国务院办公厅印发的《关于促进全域旅游发展的指导意见》中提出，应“不断提升旅游业现代化、集约化、品质化、国际化水平，推动旅游业高质量发展”。可见，如何改善效率已成为关乎我国旅游业能否实现提质增效的核心难题。

近年来，随着互联网全面渗透到生产和生活之中，实施“互联网+”战略已成为我国供给侧改革的重要举措。对于旅游业而言，互联网一方面颠覆了游客的行为模式，加强了游客与目的地的实时互动，另一方面则改变了旅游业的生产方式，催生出大量新模式和新业态。截至2019 年6 月，我国在线旅行预订用户规模达到4.18亿人。政府部门也通过颁布《关于实施“旅游+互联网”行动计划的通知》《关于深化“互联网+旅游”推动旅游业高质量发展的意见》等文件，引导和发挥互联网在旅游业中的积极作用。那么，一个潜在的问题是，互联网能否成为旅游业效率提升的新动能？若答案是肯定的，其作用机制如何？既有研究尚未对这些问题给予明确回答。

长期以来，旅游业效率得到学界的广泛关注。所谓旅游业效率，是指特定时期内旅游经济活动要素投入的实际产出水平与相应要素投入下的前沿技术产出水平间的比例关系，是衡量旅游业发展质量的重要指标。围绕这一主题，相关研究聚焦以下两个方面：一是利用数据包络分析法（data envelopment analysis，DEA）或随机前沿分析法（stochastic frontier approach，SFA）评价旅游业效率，以期为缩小区域间或行业间差距提供现实依据。二是考察影响旅游业效率的因素，发现诸如人力资本、交通条件和产业集聚等均会对旅游业效率产生显著影响。随着数字经济兴起，互联网对旅游业效率的影响逐渐成为研究焦点。对于该问题的研究，一部分文献认为互联网资源的大量投入并不会带来产业效率的显著提升。如王龙杰等认为，由于存在较高的建设成本和维护成本，互联网的非理性扩张反而会使旅游业陷入“索洛悖论”的陷阱。Srivastava和Dhar也指出，互联网不会直接提升旅游企业的经营效率，只有当管理者思维、劳动力技能与互联网技术匹配时，才能获得较高的效率回报。另一部分文献则认为，互联网发展极大地降低了产业运行的交易成本，引发了旅游业效率的显著提升。Law 等发现，互联网改变了旅游市场主体间的连接方式，推动了旅游业的生产流程再造，有助于实现服务质量和运行效率的同步提升。杨勇的研究表明，互联网增强了旅游企业的柔性化供给能力，使其能够通过降低产品创新、营销和交易等环节中的成本投入，有效提升经营效益。

总体而言，以上文献为本研究提供了有益借鉴，但仍留下了一些有待解决的问题。第一，现有文献多以发达国家为研究对象，尚未给出中国实践中互联网如何影响旅游业效率的经验证据。作为正处于转型期的发展中国家，中国的互联网建设和旅游业发展均与发达国家间存在差异。由于缺少相关研究，导致无法直接判断互联网对中国旅游业效率的影响程度及作用机制，也影响了市场主体对互联网功能的清晰认知。第二，多数研究仅将互联网视为一种信息技术或基础设施，而忽视了互联网的网络外部性特征。事实上，由于具有这一特征，互联网不仅会降低信息不对称、时空约束等因素的不利影响，而且随着网络节点数量增加，其所产生的影响在时序上可能也并非线性，但围绕该问题的讨论较为鲜见。最后，大部分相关主题研究仍停留在理论分析层面，少量实证研究在计量检验时也仅采用单一指标衡量地区互联网发展水平，并且对内生性问题缺乏关注。这不仅会造成可能的估计偏误，也在一定程度上限制了所得结论的解释力和可信度。

鉴于此，本文利用中国2006—2016年的省际面板数据资料，在测度互联网发展水平的基础上，检验了互联网对旅游业效率的影响效应及作用机制，借此为实现旅游业的效率变革提供了理论支撑。研究结果显示，首先，互联网发展能够显著促进旅游业效率提升，而提升旅游市场吸引力、增强旅游业密集度、提高行业竞争性是其中重要的传导机制。其次，考虑到存在网络外部性，互联网对旅游业效率的影响也表现出“先增强后减弱”的非线性效应。最后，通过异质性分析发现，在地区层面，互联网对中西部旅游业效率的影响大于东部地区；在企业层面，互联网能显著提升旅游景区和旅行社的效率，但对星级酒店效率的促进作用并不显著。

1 理论分析与研究假说

1.1 互联网对旅游业效率的影响分析

互联网对旅游业的技术性嵌入可以有效弥补社会交换的缺陷，使不同市场主体通过技术、信息和契约等纽带实现交叉连接，进而改变了产业既有的运行模式。在企业层面，互联网发展增强了旅游企业的柔性能力，是提升企业效率的重要载体。第一，互联网赋能组织变革。互联网成为旅游企业打破内外部信息流通障碍的技术工具，提升了不同部门间获取信息的准确性和及时性，便于旅游企业灵活地组建更多的小微团体，直面细分市场中游客的多元化需求，有效地提升了决策效率。第二，互联网赋能产品设计。数字环境中，旅游企业通过分析海量游客数据和自身经营数据，不仅最大程度地降低了个性化服务供给的设计成本和时间成本，而且也有助于挖掘市场机遇，将游客潜在需求转换为实际需求，高效驱动旅游产品迭代与创新。第三，互联网赋能渠道销售。互联网不仅拓展了旅游企业产品交易的时空范围，也丰富了交易活动的内容模式，促使旅游服务企业摆脱了对传统中介商的依赖，进而借助精准营销、实时交易等方式降低交易成本，提升自身效率。

在产业层面，首先，互联网将传统环境下相对封闭的价值链式旅游分工体系升级为开放高效的价值网式分工体系。在保证模块化单元与分工体系协调一致的前提下，网络节点上的旅游企业不再受到时空约束，可通过功能互补的形式同时参与到多种旅游产品的生产中，从而提升了生产要素的利用效率，不断造就出文化旅游、体育旅游和遗产旅游等新型业态，高效满足游客的长尾需求。其次，互联网也有助于旅游业衍生出更具效率的组织制度和组织形式，通过设置信用、知识产权保护等显性规则，降低旅游供给主体间的协调成本，推动专业化分工和迂回生产，有效带动了供给效率的提升。最后，互联网为旅游业的价值共创提供了可能。旅游者通过智能终端、在线平台表达个性化需求，广泛参与到旅游产品设计的各个环节，实现由产品被动接受者向合作创造者的转变。这种需求端的“赋权”替代了传统环境下旅游企业需求识别的“隧道视野”，在将游客实际需求融入供应流程的同时，提高了供需主体间的匹配概率和协同创新频率，引致产业效率提升。基于此，得出以下假设：

H1：互联网对旅游业效率提升具有促进作用

1.2 互联网对旅游业效率影响的中介机制分析

互联网发展使各类市场主体、资源与信息得以广泛聚合，带来游客消费方式、产业供给密度与市场竞争环境的转变，从而作用于旅游业效率提升。因此，在前文分析的基础上，该部分将进一步从需求端、供给端及竞争环境3 个方面探讨互联网影响旅游业效率的发生机制。

1.2.1 需求端：提升旅游市场吸引力

数字化时代，互联网成为提升地区旅游吸引力的关键。一是互联网增强了目的地信息的透明度，打破线下融通的地理局限，有助于游客获得稳定的消费预期。在互联网的支撑下，游客、平台和商家间可以形成良好的监督机制，进而切实保护游客利益，降低游客的维权成本，促进旅游交易发生。二是互联网使旅游产品的购买和体验环节相分离，有助于游客将时间这一稀缺资源更多地投入旅游体验中，显著提高目的地的旅游满意度。同时，由于互联网具备即时可接入性，游客可根据智能算法推荐的服务内容，激发和满足旅游过程中的场景需求，实现自身体验效用的不断优化。三是互联网克服了供需主体互动对物理网点的依赖，使游客成为价值提供者，参与到旅游生产中，并获得优于其他地区的旅游体验。考虑到旅游生产和消费大多同时进行，游客接待规模增加所产生的规模经济效应有利于不同地区的旅游服务商均能找到与之匹配的细分群体。这既提升了各类旅游生产要素的利用效率，也避免了服务商延时响应游客需求造成的收益流失，由此带来产业整体效率的增长。综上，本文提出以下假设：

H2：互联网通过提升地区旅游市场吸引力促进产业效率提升

1.2.2 供给端：增强旅游业密集度

随着游客出行方式逐步由景点旅游向全域旅游转型，传统环境下以景区为核心的生产组织方式已难以适应游客的消费需求。互联网发展一方面扩大了旅游经济活动的地理边界，有利于各地区旅游业调动闲置资源、获得更为广泛的投入品供给，使旅游服务覆盖到传统环境下很难达到的市场区域，更好地满足游客的遍在性需求。另一方面则扩大了旅游经济活动的资源边界，有效推动旅游业与相关行业的跨界融合。旅游业借助互联网将文化、娱乐、休闲等社会资源关联起来，构建起数字化的旅游生态圈，并在更大范围内衍生出以“商养学闲情奇”为代表的新型服务品类。由此，在互联网的影响下，旅游业逐渐形成与游客需求相匹配的组织形态，大幅提高了地理空间内旅游经济活动的密集度。随着旅游业密集度的增加，旅游企业间由局域化的生产工序绑定关系转变为了全域化的任务型链接。这不仅为当地旅游企业获取良好的市场组织效益创造了条件，而且能通过不断释放数据价值共同实现熊彼特创新，有效带动地区旅游业效率提升。综上，本文提出以下假设：

H3：互联网通过增强地区旅游业密集度促进产业效率提升

1.2.3 竞争环境：提高旅游行业竞争性

行业竞争加剧是优化资源配置、提升产业效率的前提。传统环境下，由于时空限制，具有垄断性资源优势的企业对其他竞争者设立了较高的行业壁垒，容易出现体系僵化、创新不足等效率低下问题。而互联网发展则引发了旅游业竞争方式的改变。首先，互联网降低了旅游业的进入门槛，导致传统旅游服务商难以将距离和资源作为市场保护的屏障，有效促进了市场竞争。其次，互联网增强了旅游企业模仿和学习的能力，继而提高了产品价格、内容和质量的透明度，强化了市场环境下的优胜劣汰机制。最后，互联网转移了旅游业的竞争焦点。借助互联网，游客跳出了传统的游览路径，通过广泛接触社会环境中的旅游要素来丰富体验。由此引发的市场机遇促使旅游业竞争从资源竞争、价格竞争转变为即时竞争和对差异化需求满足的竞争。同时，不断衍生的新需求扩大了长尾产品的利润空间，使得传统产品的垄断优势难以维持，从而缩短了旅游产品的创新周期，促成了多元化需求下的包容性竞争局面。进一步地，行业竞争性增强会迫使传统旅游企业进行体制和生产方式变革，并在更大范围内调动新兴旅游企业的创新动力，从而使富有活力的企业在竞争中突破生产能力瓶颈，促进产业效率提升。综上，本文提出以下假设：

H4：互联网通过提高地区旅游行业竞争性促进产业效率提升

1.3 互联网对旅游业效率影响的非线性效应分析

由于具有网络外部性，互联网对产业的影响程度取决于自身发展水平，即每个主体在产生网络外部性的同时，也获得了其他主体创造的网络外部性。随着用户数量的增加，彼此间的协同价值得到进一步提升，从而带来整体收益和经济效率的几何式增长。对于旅游业而言，互联网发展初期，尽管部分企业逐渐利用互联网在信息获取、营销推广等方面建立起一定优势，但囿于该阶段信息化设备投入成本高、网络扩散范围较小，互联网在多数情况下仅在旅游产品设计环节发挥着辅助作用，难以从根本上改变资源的配置方式与企业间的协作模式。同时，由于相关技术不够成熟，企业在甄别游客需求方面也存在着效率损失、成本增加的阻碍。此外，该阶段互联网平台功能也不够完善，如缺少完备的质量反馈机制和监督机制，导致游客在生产环节中的参与程度有限，绝大部分游客只能被动地接受供给主体提供的信息，供需双方间仍存在信任障碍和交易阻碍，表现为互联网的促进作用不够明显。

随着互联网使用广度和应用深度的持续增加，不同市场主体间的互联互通变得更为频繁。这一方面消除了旅游业的交易性障碍，使得旅游企业避免自身从事交易环节活动，通过加大在服务环节的要素投入，促进专业化能力提升。另一方面则消除了旅游业的生产性障碍，使得旅游企业的信息获取成本和技术应用成本逐渐降低，彼此间的关联性、互补性显著增强，最大限度地提高了产业供给的柔性化能力和资源利用效率。如此反复，旅游业从互联网发展的过程中不断获取更多的“连接红利”，触发边际收益递增。基于此，得出以下假设：

H5：互联网对旅游业效率的影响具有非线性效应，其影响效果可能随着互联网发展水平的提高而增强

2 研究设计

2.1 模型设定

首先，本文将互联网引入旅游业效率提升的分析框架中，构建如下基准计量模型：

式（1）中，下标和表示第省份和第时期，_TFP表示旅游业效率，Int表示互联网发展水平，X为一系列控制变量，为截距项，为核心解释变量的估计系数，α为控制变量的估计系数，μ为省份不可观测的个体固定效应，ε为随机扰动项。同时，为检验互联网对不同类型旅游企业效率（_TFP）的影响，分别将星级酒店、旅游景区和旅行社企业效率视为被解释变量，得到：

其次，进一步采用中介效应检验模型，考察互联网对旅游业效率影响的传导机制，计量模型设定如下：

式（6）中，Int既是核心解释变量，也是门槛变量；(·)表示指示函数，当门槛变量满足条件时，指示函数为1，否则为0；γ为特定的门槛值。

2.2 变量选取

2.2.1 被解释变量

旅游业效率（）及3 类旅游企业效率（）为被解释变量。本文基于投入产出视角，选取随机前沿分析法进行估计。鉴于旅游业的数据透明度较低，使用随机前沿分析法一方面可以估计出技术无效函数的影响参数，从而减少数据测量误差的负面影响，另一方面也可以有效避免非参数估计造成的偏误，使得估计结果更为准确。

各地区旅游总收入常作为表示旅游业产出水平的指标，本文也沿用这一设定，并利用居民消费指数进行平减，折算成以2006 年为基期的不变价格。投入指标包括劳动力投入（）和资本投入（），其中，由于旅游业劳动力数据不可得，本文参照已有研究，选择第三产业从业人数作为代理指标，原因在于其涵盖了旅游直接和间接从业人数。同样，选择第三产业资产总额代理资本投入要素，其反映了各地区的旅游接待能力及服务设施的综合建设水平。在此基础上，借鉴单豪杰的做法，采用永续盘存法计算各地区的资本要素总额，计算公式为：

式（7）中，K表示当期的实际资本存量；K表示滞后一期的资本存量；σ为折旧率，取5%；I表示当期固定资产投资额；P为固定资产投资价格指数。永续盘存法要求距离基期越远，估算误差越小。因此，限于数据可获得性，本文采用各地区2004 年第三产业固定资产总额数据为基期额进行估算，并折算为以2006年为基期的可比数据。

在测算不同类型旅游企业效率时，选择旅游企业营业收入作为产出变量，从业人数和固定资产原价作为投入变量。在确定投入和产出变量后，利用Frontier 4.1软件估算得到各省份每年旅游业及不同旅游企业的效率水平。需要说明的是，在具体模型的选择形式上，一般采用柯布-道格拉斯生产函数模型或超越对数生产函数模型对产业效率进行估计。本文通过广义似然比率检验了不同模型的适宜性，发现柯布-道格拉斯生产函数模型更适合本研究。

2.2.2 核心解释变量

互联网发展水平（）是本文的核心解释变量。既有研究中，学者多采用互联网普及率、互联网接入端口等单一指标进行代理。然而，互联网是一个复杂的系统工程，使用单一指标难以全面反映其真实发展水平。因此，本文综合已有研究，基于可得性、科学性和可操作性原则，从互联网用户需求、互联网服务能力、互联网基础设施以及互联网商务应用4 个维度筛选指标，构建评价体系。具体指标及含义见表1。

表1 互联网发展水平评价体系Tab.1 Evaluation system of Internet development level

在具体计算中，先将上述指标进行标准化处理。同时，考虑到各个指标间可能存在相关性，继续使用主成分分析法构造综合指标测算各地区的互联网发展水平。Bartlett 球形检验（值为0.000）和KMO 检验（KMO 值为0.757）的结果均显示上述指标适合进行主成分分析。本文根据累计方差贡献率达到80%确定因子个数。为便于后续研究和分析，本文对互联网综合发展指数进行离差标准化处理，使其数值落在[0,1]之间。

2.2.3 中介变量

旅游市场吸引力（）用不同地区的游客接待总数来衡量，但考虑到各地区人口基数差异，本文借鉴有关文献做法，采用旅游人次比来衡量，即旅游接待总人次与地区人口间的比例关系。该指标越大，表示地区旅游市场吸引力越强。

旅游业密集度（）能够准确反映不同地区单位面积上旅游业的供给强度和密集水平，本文用旅游总收入除以各地区土地面积来测算，并折算为以2006年为基期的不变价格。该指标越大，表示地区旅游业密集度越高。

行业竞争性（）代表不同地区旅游行业所处的竞争环境。理论上可借助旅游卫星账户统计各行业的营收收入，并计算赫芬达尔指数表示产业内的市场竞争状况。但实际上，我国只有少数省份实施了旅游卫星账户，无法在较长时间范围内获得连续可比的数据，而现行统计资料也仅提供了旅行社、星级酒店和旅游景区3类企业的营业收入数据，并未将文化娱乐、住宿餐饮等相关行业数据包含其中，难以全面反映旅游市场发展的现实情境。因此，基于数据的可获得性，本文借鉴Henderson、范剑勇和石灵云的做法，用旅行社、旅游景区、住宿餐饮、文化娱乐企业所构成的旅游就业总人数除以单位数，即企业平均规模来衡量旅游行业竞争性。该指标可以反向表示产业内的市场竞争状况，企业平均规模越小，行业竞争性越强。为表述方便，本文进一步对该数值进行倒数处理。

2.2.4 控制变量

为避免遗漏变量对实证结果造成的估计偏误，本文尽可能地加入了一系列控制变量，包括：（1）人力资本（）。用人均受教育年限衡量。（2）道路密度（）。采用各省份铁路里程数、公路里程数和内河航运里程数的总和除以国土面积来衡量。（3）对外开放（）。使用进出口总额占GDP 的比重来衡量。（4）政府干预（）。使用财政支出占GDP的比重来衡量。（5）通信水平（）。与既有研究一致，利用电话普及率控制传统通信方式的影响。（6）经济发展（）。加入人均GDP以控制经济发展水平的影响。（7）资源禀赋（）。分别设定5A 级、4A 级景区的权重为5 和4，再乘以对应景区数量后加总，得到各地区的资源禀赋水平。

2.3 数据来源

本文的研究样本包含2006—2016 年中国30 个省、自治区和直辖市的面板数据资料（不含港澳台和西藏）。各地区互联网数据来源于历年《中国互联网络发展状况统计报告》和《中国统计年鉴》。第三产业从业人员和固定资产投资数据来源于《中国第三产业统计年鉴》。法人单位数来源于《中国基本单位统计年鉴》和历次经济普查报告。旅游收入和旅游接待人数数据来源于《中国区域经济统计年鉴》及各地区统计年鉴。旅游企业数据来源于《中国旅游统计年鉴》。对于个别年份旅游企业固定资产数据缺失的情况，采用线性插补的方式处理。电话普及率数据来源于《中国通信年鉴》。其他变量的原始数据均来源于《中国统计年鉴》及各省份统计年鉴。

3 实证结果分析

3.1 基准回归结果

本文根据式（1）检验互联网能否驱动旅游业效率提升。在回归分析之前，通过Hausman检验确定使用固定效应模型（fixed effects，FE）还是随机效应模型（random effects，RE），并聚类到各省份以获得稳健标准误，估计结果见表2。其中，第（1）列和第（2）列分别仅加入核心解释变量和控制变量，第（3）列同时加入核心解释变量和控制变量进行检验。结果显示，在不同的回归模型中，互联网对旅游业效率的影响均在1%水平上显著为正。进一步地，考虑到面板数据估计中可能出现异方差及序列相关的情况，本文采用Driscoll-Kraay标准误固定效应模型（FE estimation with Driscoll-Kraay standard errors，FE-DK）进行估计。如第（4）列所示，互联网的影响系数为0.1289，且在1%水平上显著，说明互联网有助于提升旅游业效率，初步证明“索洛悖论”（Solow paradox）在中国旅游业的实践中并不成立。究其原因，互联网不仅有利于旅游业通过柔性生产增强了生产要素的利用效率，而且有助于旅游业借助虚拟组织、模块化组织等不完全契约型组织实施社会化分工。在这种分工模式下，不同主体的职能更为明确、分工更加细化，致使旅游业摆脱了传统环境下效率固化的困境。

表2 基准回归结果Tab.2 Results of benchmark regression

3.2 内生性处理

虽然前文已通过构建综合指标、加入控制变量、采用FE-DK 模型等方法克服了测量误差、遗漏变量等造成的估计偏误，但内生性问题不可避免。一方面互联网与旅游业效率间可能存在双向因果关系，另一方面现实中仍存在一些无法观测的变量作用于互联网与旅游业效率之间。因此，为稳健起见，本文采用以下做法进一步应对内生性问题。首先，采用互联网的滞后项（）作为核心解释变量进行估计。如表3第（1）列所示，互联网滞后项的影响依然显著为正，并且与基准模型相比，其影响系数有所提升，反映出互联网对旅游业效率的影响可能存在一定的滞后性。

表3 内生性处理Tab.3 Results of solving endogeneity

其次，采用工具变量法进行估计。本文构造了两种工具变量以确保结果稳健，一是选择互联网的滞后项作为工具变量。如表3第（2）列所示，互联网对旅游业效率仍具有显著的正向影响，并且与基准模型相比，互联网的回归系数明显提升，充分说明潜在的内生性问题导致互联网的促进作用向下偏移。二是构造1981 年各省邮电业务量与滞后期全国互联网渗透率的交互项（）作为工具变量。一方面，1981年各省邮电业务量能够较为全面地反映不同地区通信技术的历史发展水平，与后期互联网建设相关。另一方面，与始于20 世纪90 年代的互联网技术变革相比，20世纪80年代初期所使用的信件、电报等通信方式对当前旅游业效率的影响已逐渐消失，满足外生性假设。由于这一变量不随时间改变，本文将其与滞后期全国互联网渗透率进行交互。后者反映了全国层面互联网的发展趋势，与各地区互联网发展相关，但难以直接影响各地区的旅游业效率。考虑到工具变量个数等于内生变量个数时，无法从统计上直接验证工具变量的外生性，本文借鉴方颖和赵扬的做法，即在模型中控制内生变量后，若工具变量与被解释变量不相关，则可说明工具变量满足外生性条件。表3 第（3）列显示，互联网的影响系数显著为正，而工具变量系数不显著，说明工具变量通过了外生性检验。表3 第（4）列报告了工具变量固定效应两阶段最小二乘法的估计结果，相关统计指标显示不存在弱工具变量和不可识别的问题，互联网的影响方向和显著性也与基准模型一致，表明在克服潜在的内生性问题后，估计结果依然稳健。

3.3 稳健性检验

为确保研究结论可靠，本文采用以下方式进行稳健性检验：（1）替换核心解释变量。借鉴既有研究采用单一指标的做法，选取互联网渗透率（）以及人均互联网宽带接入端口（）作为代理指标进行估计。（2）剔除直辖市样本。鉴于直辖市在政治地位、经济社会发展等方面与其他省份间存在差异。因此，剔除直辖市样本后再估计。（3）剔除可能的极端值。考虑到一些地区互联网发展水平及旅游业效率远高于其他地区，而一些地区则恰恰相反。将这些样本纳入其中，可能会影响估计结果。因此，本文分别对互联网发展水平和旅游业效率进行1%的缩尾处理，以消除极端值的不利影响。（4）变换估计方法。由于旅游业效率是位于0和1之间的双截尾数据，因此，采用面板Tobit 模型进行估计。不同稳健性检验结果如表4 所示，互联网发展对旅游业效率的影响均保持了较好的一致性，仅呈现出系数大小的变化，这进一步佐证了前文结论的稳健性。

表4 稳健性检验Tab.4 Results of robustness check

4 机制检验与异质性分析

4.1 中介机制分析

本文根据中介效应的检验步骤，讨论互联网影响旅游业效率的传导机制，结果见表5。由于互联网对旅游业效率的直接影响已得到验证，故不在此列出。表5 第（1）、第（3）和第（5）列显示，互联网对地区旅游市场吸引力、旅游业密集度、行业竞争性均产生显著的正向影响。而如表5 第（2）、第（4）和第（6）列所示，将3类中介变量纳入旅游业效率模型后，互联网与中介变量均能起到显著提升旅游业效率的作用。与基准模型相比，互联网的影响系数有所下降，从而证明部分中介的结果成立。同时，表5还报告了Sobel 检验的结果，发现无论是Sobel Z 统计量还是Goodman Z 统计量均显著大于5%水平上的临界值。这进一步验证了中介效应的稳健性，由此本文假设2至假设4均成立。

表5 中介效应检验Tab.5 Results of mediating effect

互联网通过提升地区旅游市场吸引力促进产业效率提升，该效应占总效应的26.73%。这是因为旅游具有异地性特征，游客在离开常住地时往往面临着地理变化所带来的信息不对称。而互联网不仅能够降低游客的不确定性风险，而且也提升了游客与目的地交互的广泛性和灵活性，使目的地可以以接近零的成本即时推荐服务和产品，最大限度地满足游客碎片化，甚至临时起意的动态需求，从而塑造出目的地良好的市场口碑。由此，地区旅游市场吸引力增加促使各类旅游产品具备了更大的市场需求，有利于头部与尾部产品均实现规模经济，带来产业效率的快速提升。

互联网通过增强地区旅游业密集度促进产业效率提升，该效应占总效应的9.39%。可能的解释是，互联网缩短了旅游生产环节的信息交换距离，使得大量旅游企业摆脱了对地理集群的依赖，在更大范围内形成了以游客需求为中心的数字化生产关系。同时，互联网也通过发挥跨界渗透能力将更多生产要素纳入旅游系统中，拓展了旅游业的储能空间和资源的利用范围，从而显著地提升了地区旅游经济活动的密集度。进一步地，随着旅游业密集度增加，不同市场主体间能够有效发挥分享、匹配和学习机制，改善价值创造模式，驱动产业效率提升。

互联网通过提高地区旅游行业竞争性促进产业效率提升，该效应占总效应的12.08%。究其原因，互联网为不同类型企业提供了标准化的接口，消除了传统环境下的市场进入壁垒，逐步形成新的制度规范。更为重要的是，互联网也将海量异质性需求汇聚到虚拟空间中，而单个企业的注意力有限，难以察觉所有需求，从而激励更多企业进入市场，进一步强化了供给主体间的市场竞争。随着行业竞争性提高，新进入的高效企业既能给传统企业带来压力，也能通过发挥“鲶鱼效应”和“示范效应”为产业注入活力，致使旅游业效率在市场竞争中不断提升。

4.2 非线性效应讨论

根据理论分析，互联网对旅游业效率的影响可能存在非线性效应。因此，本文运用门槛回归模型，依次设定单一门槛、双重门槛和三重门槛对式（6）进行估计。为避免人为划分样本区间造成的主观偏差，本文采取自抽样法（Bootstrap）反复抽样300 次得到检验结果，如表6 所示。首先，比较值和临界值可知，互联网门槛变量分别在1%和5%水平上通过单一门槛效应、双重门槛效应的显著性检验，而三重门槛效应并不显著。其次，利用最小二乘似然比统计量()对不同模型的门槛值进行识别，并得到95%置信度下的置信区间。结果显示，单一门槛模型的门槛值为0.3805，双重门槛模型的门槛值分别为0.1632和0.3805。

表6 门槛效应检验Tab.6 Results of threshold effect

根据双重门槛的模型设定，进一步采用稳健标准误门槛模型进行估计，结果见表7第（1）列。当互联网发展水平（）低于0.1632时，其对旅游业效率具有显著的提升作用，影响系数为0.1366。当互联网发展水平（）介于[0.1632，0.3805]之间时，其对旅游业效率的影响强度提升至0.2029，并在1%水平上显著。当互联网发展水平（）高于0.3805后，虽然其影响系数仍显著为正，但与上一阶段相比，影响强度下降至0.1460。这表明随着互联网发展的深入，其对旅游业效率的影响也呈现边际效应递增的特征，但当互联网发展到一定阶段后，其对旅游业效率的提升作用有所减弱。因此，假设5 得到部分成立，即互联网对旅游业效率的影响具有非线性效应，但其影响效果存在最优区间，而非始终表现出边际递增的趋势。

一个可能的解释是，在发展初期，作为一种新技术，互联网对旅游业效率的提升作用开始显现，但影响范围主要体现在交易环节。大量旅游服务商利用互联网将自有业务与携程、飞猪等在线旅游平台进行对接，减轻了交易过程中的摩擦力，实现了旅游需求与供给的快速匹配，有效促进产业效率提升。随着互联网发展及信息资源的虚拟集聚，用户规模增加所产生的网络外部性逐渐显现，互联网对旅游业的影响也扩大到生产环节，有助于旅游服务商间加强平行合作、整合冗余资源，最终形成了更贴合游客需求、更具效率的柔性生产方式，带来经济收益和产业效率的共同提升。当互联网进一步发展时，其对旅游业效率的影响仍显著为正，但影响大小有所降低。与其他生产要素一样，当旅游业对互联网的需求程度达到饱和后，互联网发展并未带来边际效率的持续递增。此外，在技术条件一定的情况下，互联网发展可能也会引发旅游业信息过载的现象。这既增加了游客线上交易的搜索成本，也使旅游服务商信息挖掘和知识转化的困难加重，从而在一定程度上导致互联网的效率提升作用有所减弱。

进一步地，本文根据门槛值将样本划分为3 个区间，并使用非平衡面板固定效应模型检验上述估计结果的稳健性，结果见表7 第（2）至第（4）列。同时，考虑到门槛模型中可能存在内生性问题，本文根据Lucchetti 和Palomba 的做法，将面板门槛模型中的互联网变量改为滞后期进行估计，结果见表7第（5）列。可以看出，无论是分样本估计还是采用滞后期门槛模型，各阶段互联网对旅游业效率的影响均显著为正，且存在影响强度先增大后减小的变化特征，仅在回归系数大小上有所不同，充分验证了上述结论的稳健性。

表7 门槛回归结果Tab.7 Results of threshold estimation

4.3 异质性分析

由于具有典型的大国特征，我国不同地区互联网及旅游业的发展水平不同，从而导致互联网对旅游业效率的影响可能存在地区差异。同时，考虑到不同旅游企业的经营方式及在产业链中所处位置的不同，互联网对不同旅游企业效率的影响也可能存在差异。鉴于此，本文分别进行分地区和分企业检验，以考察互联网影响的异质性。

4.3.1 地区异质性

表8 第（1）列至第（3）列的结果显示，互联网对旅游业效率的影响存在着区域差异，其系数大小表现为“西部＞中部＞东部”。与东部相比，中西部旅游业能从互联网发展中获得更多的连接红利。可能的原因在于，考察期内东部地区互联网发展水平的均值由0.135增长至0.561，而中西部地区则由0.040增长至0.251，说明东部地区互联网普及较早，对相关技术的运用也较为成熟，使得互联网对旅游业效率的影响可能已越过最优区间。而对于中西部地区而言，互联网在旅游业中的融入程度还稍显不足。因此，推动互联网发展可以加快中西部地区与东部地区间的信息交流，实现技术、知识和资源的流动和共享，促使中西部地区摆脱旅游开发落后、服务水平低下的桎梏，快速提升旅游业效率。

表8 异质性分析Tab.8 Results of heterogeneity analysis

4.3.2 企业异质性

表8 第（4）列至第（6）列的结果显示，互联网对不同旅游企业效率的影响也存在差异。具体而言，互联网对星级酒店效率的影响为正，却不显著。诚然，大量星级酒店能够借助互联网拓宽销售渠道、调整服务内容。但互联网发展也丰富了游客的产品选择范围，使游客在旅游过程中能即时、就近预订住宿产品。而在实际中，相较于星级酒店，经济型酒店、中端酒店、民宿等的布局更为广泛，从而在一定程度上抢占了星级酒店的市场份额，使其面临着更为激烈的行业竞争。由此，在星级酒店增加投入的前提下，其经营绩效并没有显著改善，导致互联网对其效率的影响并不显著。

互联网对旅游景区效率具有显著的正向影响。依托互联网，旅游景区与游客实现直连，摆脱了传统环境下对旅行社的流量依赖。无论是大众景区还是小众景区都因细分市场中游客规模的增加而具备规模经济，并成为独立的价值创造单元，积极融入不同旅游产品的组合中。与此同时，如在线预约、人流预警和虚拟导览等互联网技术的使用，不仅显著降低了景区的成本投入，而且提升了管理和服务等关键环节的智慧化水平，进而改善了景区的经营效率。

互联网对旅行社效率具有显著的正向影响。既有研究表明互联网加快了旅游业的“去中介化”过程，引致旅行社的经营效益有所下降。但在本研究考察期内，互联网的影响依然显著为正。可能的解释是，互联网在削弱旅行社市场地位的同时，也为旅行社带来了“再中介化”的机会。一方面，互联网重塑了旅行社的交易模式，使旅行社在与OTA、旅游社区等平台的合作中拓宽销售渠道、扩大服务范围。另一方面，互联网重组了旅行社的业务流程，有助于旅行社发挥核心业务优势，通过整合线上线下资源形成各具特色的旅游产品，高效满足游客的多元化需求。

5 结论与讨论

5.1 结论

本文采用我国2006—2016年的省级面板数据，在构建评价体系测度互联网发展水平的基础上，从理论和实证两方面考察了互联网对旅游业效率的影响效应及作用机制。研究发现：第一，互联网能显著促进旅游业效率提升，并且在克服潜在的内生性问题后，其影响效应得到进一步增强，说明中国旅游业实践中并不存在“索洛悖论”。第二，中介机制检验结果表明，互联网能通过提升旅游市场吸引力、增强旅游业密集度、提高旅游行业竞争性的方式促进旅游业效率提升。第三，门槛模型估计结果显示，互联网对旅游业效率具有非线性的影响效应。当跨过第一门槛值后，互联网对旅游业效率的影响效应显著提升，而在跨过第二门槛值后，互联网的影响效应有所减弱。第四，异质性分析发现，互联网对中西部旅游业效率的影响大于东部地区。同时，互联网能显著提升旅游景区和旅行社的效率，但对星级酒店效率的促进作用并不显著。

5.2 讨论

本文的理论贡献主要表现在以下方面：首先，相较于已有研究着重强调互联网对旅游业规模增长的影响，本文则将互联网引入旅游业效率提升的分析框架中，在构建综合指标测度互联网发展水平、利用工具变量法克服内生性问题的基础上，为“互联网能够驱动旅游业效率提升”这一命题提供了直接证据，从而否定了既有研究关于旅游业存在“索洛悖论”的论断。其次，尽管已有少量研究分析了互联网对旅游业效率的直接影响，但对其影响机制的讨论较为鲜见。本文结合经济理论，在统一框架下探讨了互联网通过何种路径影响旅游业效率这一根本性问题，支持了旅游市场吸引力、旅游业密集度、行业竞争性对于互联网影响旅游业效率的中介作用，从而为旅游业更好发挥互联网的作用提供了可能的渠道，并在一定程度上解开了互联网推动旅游业效率提升的“黑箱之谜”。最后，区别于已有研究仅关注互联网对旅游业的线性影响，本文识别和讨论了互联网对旅游业效率影响的非线性效应，发现随着互联网发展水平的提升，其对旅游业效率的影响呈现出“先增强后减弱”的变化规律，由此为该领域研究提供了动态分析的新视角。

基于上述结论，本研究的实践启示如下：第一，加快构建和培育旅游大数据平台。一方面，政府和平台型企业应积极合作，发挥旅游大数据平台在资源配置中的作用，实现生产资料的高效整合，引导资本和劳动力流向能发挥最大价值的领域。同时，政府部门应协助不同市场主体接入平台获得数据智能，进而通过众创、众扶、众智等方式促使旅游业由封闭式创新向开放式创新转变，形成以效率为导向的一体化产业体系。另一方面，相关部门应不断完善旅游大数据平台的制度和法律环境，加强对在线旅游市场知识产权和游客权益的保护，加大对侵权行为的惩罚力度，从而有效规避互联网发展“过热”可能产生的负外部性，切实提升“互联网+”战略的实施效果。

第二，以数字技术赋能旅游目的地管理。一是旅游服务商应积极推动旅游服务的数字化进程，发挥互联网在降低供需信息不对称中的作用，并从产品内容和质量等方面不断提升游客体验的附加值，动态响应游客的多元化需求，有效增强目的地在旅游市场中的竞争力。二是平台型企业应基于互联网构建网络化、智能化的数字旅游生态，扩大地理空间中旅游业的资源边界和服务范围，并鼓励不同旅游服务商组合互补性资产，在产品设计和服务环节进行实时协作，持续提升旅游业的柔性生产能力和效率水平。三是政府部门应借助互联网加快旅游业的“放管服”改革，赋予产业内外主体更多的参与机会，使不同供给主体突破信息孤岛，在合作和竞争中激发市场活力，最大程度地提升产业运行效率。

第三，不同地区和企业应实施差异化的“互联网+”战略。在区域层面，尽管中西部地区与东部地区间尚存在着“数字鸿沟”，但由于具备后发优势，大力推进中西部地区的互联网建设有助于从整体上推动跨区域的旅游合作，促进要素和知识的跨地区流通，为缩小地区间的旅游发展差距提供技术基础。在企业层面，旅行社可结合互联网创新商业模式，实现由“旅游中介商”向“旅游解决方案提供商”的转型，有效发挥线上流量优势和线下资源优势。旅游景区企业应基于自身特点确定目标市场、创新服务内容，从而消除传统环境下景区低端同质化竞争的现象，有效利用互联网所产生的范围经济获得规模收益。星级酒店可通过互联网挖掘游客的衍生需求、精准改善服务，从而提升既有客群的产品粘性和潜在游客的转化率，在向多元化服务商转型的过程中不断提升效率。

需要说明的是，本文仍存在改进的空间。首先，本文着重讨论了互联网对旅游业效率的影响机制，但考虑到旅游仍具有较强的地理依赖性，旅游业效率提升可能还取决于目的地所处的区位及交通条件。未来研究可结合其他理论视角，如结合空间溢出理论、地理可达性等进一步探讨地理、交通等因素是否会影响互联网作用的发挥，从而确定更加完善的理论体系。其次，鉴于测量方法和数据的局限性，本文仅从整体上评估了互联网对旅游业效率的影响，但并未从实证层面分析互联网具体功能对旅游业效率的影响。未来研究可采用问卷调研法，从微观视角探索互联网的不同功能在实践中的作用。最后，受限于宏观产业数据，本文仅从旅游市场吸引力、旅游业密集度及行业竞争性视角解释了互联网对旅游业效率影响的内在机制。未来研究可结合其他数据资料，如利用旅游上市公司数据计算交易成本、创新能力等机制变量，展开更为深入的研究。