区位优势视角下高速铁路网络的旅游经济增长效应及作用机制研究

Tourism Economy Growth Effect and Role Mechanism of High Speed Railway Network from the Perspective of Location Advantage

摘要

利用2008—2022年281个地级及以上城市面板数据，结合连续型双重差分(DID)模型和社会网络分析法，在区位优势视角下检验高速铁路网络对城市旅游经济增长的影响。研究发现：高速铁路网络对城市旅游经济增长具有显著的促进作用，点度中心度、接近中心度、中介中心度每提升1个单位，城市旅游总收入分别提升0.057 3，0.097 9，0.092 5个单位。高速铁路网络对城市旅游经济增长的促进作用存在异质性，且表现出一定程度的“锦上添花”特征。人口流动、产业集聚和合作创新是高速铁路网络产生旅游经济增长效应的主要作用机制。研究为交通部门合理规划高速铁路网络布局提供技术支撑，也为交通与旅游深度融合提供有效参考。

Abstract

Based on panel data from 281 prefecture-level and above cities during 2008—2022, this study investigated the impacts of high speed railway networks on urban tourism economy growth from the perspective of the location advantage by employing the continuous difference-in-differences (DID) model and social network analysis. The results demonstrate that a high speed railway network significantly promotes urban tourism economy growth. Each unit increase in degree centrality, closeness centrality, and betweenness centrality elevates urban tourism revenue by 0.057 3, 0.097 9, and 0.092 5 units, respectively. The effect of high speed railway networks in promoting urban tourism economy growth exhibits heterogeneity characteristics, predominantly benefiting cities with existing advantages. Population mobility, industrial agglomeration, and collaborative innovation are key mechanisms for high speed railway networks to exert an urban tourism economy growth effect. These findings provide technical support for rational high speed railway network planning of transportation departments and practical references for integrating transportation and tourism industries.

关键词

高速铁路网络 / 旅游经济增长效应 / 连续型双重差分模型 / 社会网络分析 / 区位优势

Key words

High Speed Railway Network / Tourism Economy Growth Effect / Continuous Difference-in-Differences Model / Social Network Analysis / Location Advantage

0　引言

随着旅游业的快速发展，旅游经济在国民经济中的比重不断增加，在当前全球经济增速放缓和不确定性加速的背景下，促进旅游经济增长能为我国经济高质量发展提供强劲动力。随着“八纵八横”高速铁路干线的不断延伸，高速铁路网络已经成为连接我国主要城市群、省会城市、大中城市的快速通道，并深刻改变了人们的出行方式，提升了城市间的可达性^[1]。截至2024年，高速铁路网络覆盖我国99%的20万人口以上城市，连通96%的50万人口以上城市，构建了以城市为节点，高速铁路线路为连线的复杂网络结构。在高速铁路网络中，每个节点城市凭借独特的旅游资源和市场优势形成各自的区位优势，推动节点城市之间的旅游竞争与合作，进而成为城市旅游经济增长的重要力量。

当前高速铁路网络的旅游经济增长效应并未得到学术界的一致认可。曾玉华等^[2]研究表明高速铁路开通增加了沿线城市18.51%的旅游人数和24.99%的旅游收入，且对旅游业的促进作用随着时间的推移逐渐增强；Pagliara等^[3]以意大利77个城市为研究对象，发现高速铁路开通对沿线所有城市的游客数量和目的地过夜人数均呈现积极影响；覃成林等^[4]研究发现武广高速铁路(武汉—广州)促进了沿线城市的旅游收入出现不同程度增长；杨懿等^[5]研究发现沪昆高速铁路(上海—昆明)开通后，沿线城市的人均旅游消费明显提升。开通高速铁路也会增加城市旅游入境人数^[6]，对提升我国旅游竞争力具有重要意义。然而，Albalate等^[7]研究表明，高速铁路开通对提高城市旅游人数和过夜人数的作用并不明显，即使有微弱的作用也仅表现在大城市；冯烽等^[8]同样证明，对于大多数城市而言，高速铁路开通并不能成为拉动旅游业发展的引擎。

可以发现，以上研究多基于政策评估方法，将高速铁路开通视为一项准自然实验展开分析。我国已经全面进入高速铁路网络时代，若继续采用“0-1”虚拟变量无法反映不同城市高速铁路建设水平的差异，无法识别城市在高速铁路网络中的区位优势，也无法有效评估高速铁路网络的旅游经济增长效应及作用机制。基于此，利用社会网络分析法测算网络特征值以衡量城市区位优势，基于新经济增长理论从人口流动、产业集聚和合作创新3个层面构建理论分析框架，研究可为交通部门合理规划高速铁路网络布局提供决策支持。

1　理论分析与研究假说

高速铁路建设不仅缩短了旅游客源地和目的地之间的旅行时间，随着节点数量和运营里程的增多，不断释放网络经济效应^[9]。高速铁路网络的规模扩大、节点城市增加、网络密度增强均能改变城市的区位条件，使在网络中占据更大区位优势的城市，获得更强的旅游经济增长优势。一方面，占据点度中心度、接近中心度和中介中心度区位优势的城市，与其他城市产生了更多的直达、接近、中转等网络关系，最大限度延长游客的出行半径，扩大了旅游消费需求，促进城市旅游经济增长。另一方面，城市区位优势越高，更有利于人员交往并产生知识溢出，城市间通过高速铁路网络产生频繁的交流活动，共享先进知识，推动城市优化旅游产业结构和提升竞争力^[10]。例如，点度中心度有利于增加城市间的经济合作、人员交往和社会交流频次，不断强化旅游经济联系^[11-12]。接近中心度有利于降低企业交流与技术共享成本，加快推动旅游产业升级。中介中心度有利于连接高速铁路网络中不同方向的专业人员并扩大知识溢出范围，组织开展旅游合作，提升城市旅游人数和旅游收入。鉴于此，提出如下假说。

假说1：高速铁路网络有利于促进城市旅游经济增长。

人口流动是城市旅游经济增长的必要条件，高速铁路网络产生的时空压缩效应是加快城市人口流动的主要原因。高速铁路站点城市或周围城市往往容易成为高速铁路新城或区域次中心，主要原因是这些城市在高铁网络中占据点度中心度、接近中心度和中介中心度的区位优势，引发了人口在地理空间上的流动。高速铁路网络为人口流动创造良好的交通条件，一方面使旅游目的地选择更加多元化，以往“一枝独秀”式的旅游景点现象明显减弱，这将激励城市不断加大投资力度，开发新的旅游资源，吸引更多游客前往并产生旅游消费。另一方面，高速铁路与引发的人口流动使旅游需求更加多层次、复杂化和个性化^[13]，旅游企业和相关服务机构不断提升服务水平和服务质量，地区旅游业的整体竞争力不断提升，促进城市旅游经济增长。

高速铁路网络改变城市区位优势，降低产品运输成本，吸引更多旅游企业入驻并扩大生产规模。为实现利润最大化，企业会选择在高速铁路网络中区位优势更大的城市间流动，从而加速新一轮的产业集聚。专业化集聚使旅行社、酒店、旅游景区等企业关联性增强，凭借资源共享、设施共用与信息共通，降低旅游产品生产过程中的原材料成本，提高生产效率，进而增加城市旅游收入^[14]。同时有利于劳动力市场共享和产生知识外溢，当新的旅游产品投入到市场使用后，旅游企业间通过知识和技术外溢实现相互学习、模仿和借鉴，提高旅游企业创新能力，进而在短时间内获得较高的旅游收入。产业多样化集聚有利于丰富旅游产品，以满足高速铁路网络加速人口流动带来的多样化需求，产业发展和消费需求形成正反馈，促进城市旅游经济增长。

从长期来看，技术创新是旅游经济可持续增长的关键因素。高速铁路网络使城市的创新活动不再是封闭孤立的岛屿，不同城市的经济主体之间通过高速铁路网络实现密切的交流与互动，组成一个彼此依赖、相互影响、高度关联的“合作创新共同体”^[15]。点度中心度使城市间人才的“面对面”交流次数增多，便于合作创新活动的开展。接近中心度促进人才流动，降低合作创新活动的成本^[16]。中介中心度汇集不同方向的人员开展合作创新活动，有效整合和开发旅游资源，避免资源浪费和重复建设，并推动旅游产品的跨界融合，开发更具吸引力和创新性的旅游产品，满足游客在高速铁路网络时代下的多样化需求。另外，高速铁路网络能够联动各城市的人才、企业和科研院所，通过“产学研”形成合作创造网络，推动城市共同打造旅游品牌，开展旅游营销和推广活动，提升旅游产业竞争力，不断提升城市旅游经济增长动能。综上，提出如下假说。

假说2：高速铁路网络通过人口流动、产业集聚和合作创新促进城市旅游经济增长。

2　研究设计

2.1　模型设定

由于城市网络特征值是连续型变量，因此利用连续型双重差分(DID)模型考察高速铁路网络的旅游经济增长效应^[17]，具体公式如下。

Y_{it}={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}HSRne{t}_{it}+{\alpha }_{\mathrm{2}}Contro{l}_{it}+{\mu }_i+{\upsilon }_t+{\epsilon }_{it}(1)

式中：i表示城市；t表示年份；被解释变量Y_it 表示城市旅游经济增长，选用城市旅游总收入衡量；核心解释变量HSRnet_it 表示高速铁路网络，主要选用点度中心度(DC)、接近中心度(CC)和中介中心度(BC)3个指标进行衡量，以反映城市区位优势；α₁为关键解释系数；α₀为常数项；α₂为控制变量关键系数；Control_it 为一系列控制变量；μ_i 为城市固定效应；υ_t 为时间固定效应；ε_it 为随机误差项。

研究将标准误聚类在城市层面，以控制异方差和自相关问题。

在作用机制的分析方法上，参考江艇^[18]提出关于中介效应分析的相关建议，重点考察高速铁路网络对机制变量的回归结果。具体公式如下。

M_{it}={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}HSRne{t}_{it}+{\alpha }_{\mathrm{2}}Contro{l}_{it}+{\mu }_i+{\upsilon }_t+{\epsilon }_{it}(2)

式中：M为机制变量，主要为人口流动、产业集聚与合作创新3个变量。

2.2　变量选择

2.2.1　被解释变量

城市旅游经济增长(Tour)。在数据层面为了最大限度保证面板数据的稳健性、真实性与可获得性，同时也能在经济含义层面较为全面地反映旅游经济增长水平，主要选择旅游总收入作为衡量城市旅游经济增长的主解释变量。当然，在稳健性检验部分，辅助性地选用比值类与人均指标类变量重新测算城市旅游经济增长，对模型结果进行再估计。

2.2.2　解释变量

主要借鉴社会网络分析法，从点度中心度、接近中心度和中介中心度3个方面衡量城市区位优势。

（1）点度中心度(Degree Centrality，DC)。点度中心度是社会网络分析中刻画城市区位优势的最直接度量指标，主要反映某一节点城市在整体关联网络中的核心地位。点度中心度越高，说明该节点城市在高速铁路网络中与其他节点城市之间产生的联系越多，在高速铁路网络中的地位越重要。其计算公式为

DC=\sum _{i}d\left(i，j\right)/n-\mathrm{1}(3)

式中：DC表示点度中心度；d\left(i，j\right)表示节点城市i和节点城市j之间因高速铁路产生的联系数量；n表示高速铁路网络中节点城市数量。

（2）接近中心度(Closeness Centrality，CC)。接近中心度主要衡量某一节点城市与其他节点城市之间的接近程度。接近中心度越高，说明该节点城市距离其他节点城市的最短路径长度较小，越靠近网络中心，在网络中属于中心行动者，对信息的传递具有更大的影响。其计算公式为

CC={\displaystyle \sum _{i=\mathrm{1}}^n}{d}_{ij}(4)

式中：CC表示接近中心度；d_ij 表示节点城市i和节点城市j之间的捷径距离；n表示高速铁路网络中节点城市数量。

（3）中介中心度(Betweenness Centrality，BC)。中介中心度主要反映某一节点城市控制其他节点城市的程度或能力，在结构洞理论中，往往是中介中心度高的人掌握更多的信息流，借此获取更大的优势。中介中心度越高，说明该节点城市担任其他两个节点城市之间“桥梁”的次数越多，在高速铁路网络中的衔接能力越强。其计算公式为

BC=\frac{\mathrm{2}{\displaystyle \sum _k^n}{b}_{jk}\left(i\right)}{N^{\mathrm{2}}-\mathrm{3}N+\mathrm{2}}(5)

式中：BC为中介中心度；b_{jk}\left(i\right)表示城市i对城市j和城市k的控制能力，其中。

2.2.3　机制变量

机制分析表明，高速铁路网络通过人口流动、产业集聚和合作创新促进城市旅游经济增长。鉴于此，主要选用人口流动、人力资本、产业专业化集聚、产业多样化集聚、合作创新数量、合作创新质量6个变量进行衡量。

（1）人口流动(pop)。参考李拓等^[19]研究，具体公式如下。

pop=\frac{P_i-P_j(\mathrm{1}+r)}{P_i}(6)

式中：P_i 表示年末的总人口数；P_j 表示上年末(或本年初)的总人口数；r表示人口自然增长率，即在没有迁移的情况下，由于出生和死亡导致的人口变化率。

（2）人力资本(hum)。采用城市每万人中在校大学生数衡量。

（3）产业专业化集聚(sag)。参考邓又一等^[20]研究，选用区位熵测算城市专业化集聚水平，具体公式如下。

sa{g}_{\mathrm{i}}=\sum _s\left(\frac{E_{is}}{E_i}\right)/\left(\frac{E_s}{E}\right)(7)

式中：E_is 表示i城市s产业的就业人数；E_s 表示全国s产业的就业人数；E_i 表示i城市的总就业人数；E表示全国总就业人数，该值越大，表示城市产业专业化集聚水平越高。

（4）产业多样化集聚(dag)。采用改进的赫芬达尔-赫希曼系数衡量城市产业多样化集聚水平，具体公式如下。

da{g}_{\mathrm{i}}=\sum _s\frac{E_{is}}{E_i}\left\{\frac{\mathrm{1}/{\displaystyle \sum _{s\mathrm{\text{'}}\ne s}^n}{\left[E_{is\mathrm{\text{'}}}/(E_i-E_{is})\right]}^{\mathrm{2}}}{\mathrm{1}/{\displaystyle \sum _{s\mathrm{\text{'}}\ne s}^n}{\left[E_{s\mathrm{\text{'}}}/(E-E_s)\right]}^{\mathrm{2}}}\right\}(8)

式中：E_is 表示i城市s产业的就业人数；E_s 表示全国s产业的就业人数；E_i 表示i城市的总就业人数；E表示全国总就业人数；s'表示除s产业外的其他产业，该值越大，表示城市产业多样化集聚水平越高。

由于我国产业类型众多，而服务业占国民经济比重最高，并且服务业直接影响旅游经济增长的水平，因此主要选择服务业集聚水平衡量城市产业集聚情况。

（5）合作创新数量(coinn)。选取城市对之间的人均专利合作数量，基于点度中心度从合作创新强度层面反映城市合作创新数量。

（6）合作创新质量(coinq)。选取城市对之间的人均专利合作数量，基于特征向量中心性从合作创新影响力层面表征城市合作创新质量^[21]。

2.2.4　控制变量

为了控制遗漏变量对结果产生的影响，选取一些可能影响城市旅游经济增长的变量，主要包括：经济发展水平(eco)、政府财政支出(gov)、对外开放水平(open)、城镇化水平(urban)和信息化水平(inform)。各个变量的计算方法及描述性统计如表1所示。

2.3　数据来源与处理

遵循数据可得性、一致性和科学性原则，选取2008—2022年我国281个地级及以上城市的面板数据，并对以下样本进行一系列筛除。①数据缺失年份连续超过4年的城市(如三沙、儋州、毕节、铜仁、普洱、中卫等)。②研究期间行政区划进行调整、变动的城市(如巢湖、莱芜、海东、吐鲁番、哈密等)。③中国统计年鉴、国民经济与社会发展统计公报、EPS数据库等统计口径无法一致的城市(如汕头、陇南等)。

数据来源方面，高速铁路站点数据来源于国家高速铁路官网，主要选用开行G，C，D字头动车组列车的高速铁路线路，并通过中国研究数据服务平台(CNRDS)下的高速铁路及航线数据库(CRAD)、纸质版《全国铁路旅客列车时刻表》及百度相关网站对相关数据进行补充；城市旅游经济数据主要来源于《中国城市统计年鉴》、EPS数据库中的中国旅游数据库和中国城市数据库2个子数据库；专利数据主要来源于中国知识产权网服务平台。为消除异方差的影响，并保持数据的平稳性，对所有绝对值变量进行对数化处理。考虑到异常值的干扰，对所有连续变量进行1%的缩尾处理。

3　实证分析

3.1　基准回归分析

基准回归结果如表2所示，未加入任何控制变量时，列(1)、列(3)、列(5)中DC，CC，BC的系数至少在5%的水平上显著为正，加入一系列控制变量后，列(2)、列(4)、列(6)中DC，CC，BC的系数依然为正，显著性水平提升至1%。点度中心度、接近中心度、中介中心度每提升1个单位，城市旅游总收入分别提升0.057 3，0.097 9，0.092 5个单位，说明高速铁路网络对城市旅游经济增长具有显著的促进作用，假说1成立。控制变量中，经济发展水平、政府财政支出、对外开放水平和信息化水平均有利于城市旅游经济增长，这与麻学锋等^[22]、张圆刚等^[23]观点一致。城镇化水平对城市旅游经济增长的影响并不显著，原因可能是旅游业发展相对较慢且面临转型升级的难题，两者之间并未呈现协调发展态势，导致城镇化水平对城市旅游经济增长的促进作用尚不明显。

3.2　稳健性检验

3.2.1　内生性处理

研究主要构建城市地理坡度的倒数、明朝驿站数2个工具变量予以解决，相关数据来源于哈佛大学地理分析中心Worldmap提供的数据。选取原因在于，首先，这2个变量均属于外生变量，对被解释变量并不会产生直接影响，符合“外生性”要求。其次，地理坡度越小，高速铁路网络建设的难度越小，越容易提升城市点度中心度、接近中心度和中介中心度。明朝驿站是古代国家交通运输系统的重要标志，修建明朝驿站很大程度上是为了推动地区经济发展^[24]，这与当前高速铁路网络建设的目的相似，符合“相关性”要求。由于城市地理坡度、明朝驿站数均属于截面数据，不适用于面板数据回归。参考陈丰龙等^[25]的做法，将截面数据与高速铁路开通年份的虚拟变量进行交互，构建slope，dark2个复合工具变量，并选用两阶段最小二乘法(2SLS)估计高速铁路网络对城市旅游经济增长的影响。

首先，观察城市地理坡度的回归结果。内生性处理：工具变量法(地理坡度)如表3所示。表3列(1)—列(3)中，slope的系数显著为负，说明地理坡度越小，越有利于高速铁路网络建设。列(4)—列(6)中，DC，CC，BC的系数显著为正，说明通过城市地理坡度缓解内生性问题后，高速铁路网络的旅游经济增长效应依然存在。

其次，观察明朝驿站的回归结果。内生性处理：工具变量法(明朝驿站)如表4所示。表4列(1)—列(3)中，dark的系数显著为正，且第一阶段的Wald F统计量均大于10，拒绝弱工具变量识别不足的原假设，说明明朝驿站满足工具变量的可识别特征。第二阶段列(4)—列(6)的回归结果表明，DC，CC，BC的系数在1%的水平上显著为正，说明通过城市地理坡度缓解内生性问题后，高速铁路网络的旅游经济增长效应依然存在。

3.2.2　排除其他交通方式

当前，我国综合立体交通网正在加快构建，航空、高速公路、私家车等多种交通工具极大提升旅游出行的便捷性。我国机场覆盖率逐年提升，吸引更多旅游者乘坐航空出行。高速公路建设水平以及私家车保有量对自驾游旅游市场具有极强的吸引力，深刻影响旅游出行方式，对城市旅游经济增长产生重要推动作用。鉴于此，加入城市是否建设机场、高速公路密度和私家车数量这3个变量进行回归分析。排除其他交通方式的干扰如表5所示。表5结果表明，排除其他交通方式的干扰后，DC，CC，BC的系数均通过显著性水平检验，且系数为正，证明高速铁路网络的旅游经济增长效应仍然成立。

3.2.3　重新测算核心变量

（1）重新测算解释变量。借鉴周文韬等^[26]的做法，对高速铁路网络的各个指标链接权重，在“加权”视角下重新考察高速铁路网络对城市旅游经济增长的促进作用。链接权重的具体做法如下，首先，统计高铁车站城市对之间的车次数量；其次，通过城市对之间的里程距离以及不同车次在城市对之间的运行时间测算车次运行速度；再次，将所有车次的运行速度加总后得出高速铁路城市对之间的总运转速度；最后，考虑到高速铁路无向网络对原始数据误差的要求，以城市对之间来往总运转速度的平均值衡量链接权重(在权重链接方向上，我国高速铁路的线路方向具有明显的对称性，例如，“北京西—广州南”的高速铁路线路必然会开设“广州南—北京西”的对应线路，因此研究认为当前我国高速铁路网络是无向的)。此时，高速铁路网络的各个指标升级为加权点度中心度(DC_W)、加权接近中心度(CC_W)和加权中介中心度(BC_W)。重新测算解释变量如表6所示。表6列(1)—列(3)中，DC_W，CC_W，BC_W的系数均通过了显著性水平检验，说明“加权”视角下高速铁路网络有利于促进城市旅游经济增长这一结论仍然成立。

（2）重新测算被解释变量。选用比值类(以旅游总收入占GDP的比重)与人均指标类(人均国内旅游收入)变量重新衡量城市旅游经济增长。重新测算被解释变量如表7所示。表7列(1)—列(3)中，DC，CC，BC的系数均显著为正，说明选用比值类指标衡量城市旅游经济增长后，与基准回归的结果仍然保持一致。列(4)—列(6)中，DC，CC，BC的系数在1%的水平上显著为正，说明选用人均类指标衡量城市旅游经济增长后，高速铁路网络有利于城市旅游经济增长这一结论仍然成立。

3.3　异质性分析

3.3.1　高速铁路网络建设阶段

2016年，国家发展和改革委员会、交通运输部和中国铁路总公司联合发布《中长期铁路网规划(2016年版)》，描绘新时期我国“八纵八横”高速铁路网络的宏伟蓝图。鉴于此，研究将高速铁路网络建设分为高速铁路网络初期阶段(2008—2015年)和高速铁路网络成熟阶段(2016—2022年)。网络建设阶段的异质性如表8所示。表8结果表明，列(1)—列(3)中，仅有DC的系数通过显著性水平检验，而CC和BC的系数均不显著，说明当高速铁路建设属于网络初期阶段时，尚不能完全发挥高速铁路网络对城市旅游经济增长的促进作用，这与高速铁路建设初期更注重城市之间的连通性，即旅游目的地城市之间是否开通高速铁路有关，此时衡量城市间直接联系的点度中心度能够促进城市旅游经济增长。而只有高速铁路成网条件下，才能充分彰显城市的接近中心度和中介中心度这2个网络质量指标优势。这也从侧面反映出，如果仅考虑高速铁路开通这一指标，可能会放宽对城市旅游经济增长促进作用的适用条件。列(4)—列(6)中，DC，CC，BC的系数均显著为正，说明当高速铁路建设属于网络成熟阶段时，才能产生高速铁路网络的旅游经济增长效应。

3.3.2　城市地理区位

将所有样本划分为东部、中部、西部和东北四大地区进行异质性分析。地理区位的异质性如表9所示。表9结果表明，列(1)—列(3)中DC，CC，BC的系数显著为正，说明在东部地区，高速铁路网络有利于城市旅游经济增长。列(4)—(6)中，DC，CC，BC的系数显著为正，说明中部地区也能证实高速铁路网络的旅游经济增长效应。在西部和东北地区，仅有BC的系数在10%的水平上显著为正，DC和CC的系数并不显著，说明在西部和东北地区高速铁路网络的旅游经济增长效应尚未完全发挥，只有这些城市占据中介中心度的区位优势时，才能促进城市旅游经济增长。由于西部和东北地区高速铁路开通的时间较晚，线路稀疏且轨迹单一，大多线路运营里程较长，需要跨越多个省份^[27]，在一定程度上弱化了高速铁路网络对城市旅游经济增长的促进作用。

3.3.3　城市群

高速铁路建设将重塑我国的经济空间布局，加快优势要素跨区域转移，促进城市群内部之间的互动^[28]，强化城市群之间的旅游交流与合作。因此，讨论城市群的异质性影响是必要的。研究所指的城市群是指国务院先后批复的10个国家级城市群，其中，仙桃、潜江、天门、延边、济源、儋州、东方、澄迈、临高、昌江、海东、临夏、海北、海南、黄南、香港、澳门、江门等城市不属于研究范围，在划分时予以删除，属于城市群的样本赋值为1，否则为0。城市群的异质性如表10所示。表10结果表明，列(1)—(3)中，DC，CC，BC的系数至少在10%的水平上显著为正，说明在城市群层面高速铁路网络对城市旅游经济增长具有显著的促进作用。列(4)—(6)中，DC，CC，BC的系数均不显著，说明在非城市群，高速铁路网络对城市旅游经济增长的促进作用并不成立。说明非城市群的“单打独斗”式发展模式，难以充分发挥点度中心度、接近中心度和中介中心度的区位优势与其他城市产生旅游互动与合作，进而对城市旅游经济增长的促进作用尚不明显。

3.3.4　旅游接待能力

以五星级酒店数量评估城市旅游接待能力，并按照中位数将所有样本划分为高旅游接待能力城市和低旅游接待能力城市。旅游接待能力的异质性如表11所示，分组回归结果表明，表11中列(1)—列(3)，DC，CC，BC的系数均通过显著性水平检验。列(4)—(6)中，DC，CC，BC的系数均不显著，说明高旅游接待能力的城市更有利于发挥高速铁路网络的旅游经济增长效应。高速铁路网络不仅带来旅游人数的变化，也会对城市旅游服务设施和接待能力更加关注，导致低旅游接待能力的城市难以在短时间内适应高速铁路网络带来的游客结构变化，不利于城市旅游经济增长。同时，高速铁路网络引起新的旅游消费行为，要求旅游目的地城市具备更个性化、人性化和多元化的接待能力。因此如何在高速铁路网络时代下，提升旅游接待能力，成为当前城市旅游经济可持续增长亟需解决的难题。

3.4　作用机制分析

3.4.1　人口流动效应

人口流动机制如表12所示，表12中，列(1)—列(3)为高速铁路网络影响人口流动的回归结果。DC，CC，BC的系数至少在5%水平上显著为正。点度中心度通过增加与其他城市的直接联系，游客无需中转换乘就能直接到达旅游目的地，出行成本明显降低且出行效率不断提高，城市间人口流动速度加快。接近中心度有利于形成更通畅的旅游信息传递和旅游交往渠道，加快城市人口流动。中介中心度凭借“中间人”功能更容易与其他城市产生旅游联系与合作，吸引城市人口流动。人口流动使旅游目的地选择更加多元化，激励各城市不断加大投资力度，开发新的旅游资源，吸引更多游客前往并产生旅游消费，城市旅游总收入增加。列(4)—列(6)为高速铁路网络影响人力资本的回归结果，可以发现，DC，CC，BC的系数至少在5%水平上显著为正。点度中心度有利于促进高技能人才“面对面”交流，提升城市人力资本水平。接近中心度更容易汇集人才、资金、技术等优势资源，城市发展环境更佳，吸引一部分高技能人才。中介中心度能够汇集高速铁路沿线地区不同方向的人才开展交流与合作，旅游专业人才通过相互学习实现技能提升和思维开拓，提升城市人力资本水平，为城市旅游经济增长奠定智力基础。

3.4.2　产业集聚效应

产业集聚机制如表13所示，列(1)—列(3)为高速铁路网络对服务业专业化集聚的回归结果。DC，CC，BC的系数均通过显著性水平检验，且系数为正。城市点度中心度越高，产品交易成本越低，上下游的服务业企业为了降低成本而形成专业化集聚与分工。城市越靠近网络中心，有利于促进相关企业集群间的共享合作和知识溢出，推动服务业专业化集聚。城市中介中心度越高，对人才、知识、资本、技术等要素的掌控能力越强，为服务业的集聚和分工提供要素基础，并在知识溢出和相关企业技术交流的“扩展效应”下逐渐向高端服务业转型升级，使其专业化集聚态势愈发明显。专业化集聚能够降低旅游产品生产成本，提高生产效率，增加城市旅游收入。列(4)—列(6)为高速铁路网络影响服务业多样化集聚的回归结果。DC，CC，BC的系数均在1%的水平上显著为正。点度中心度有利于不同行业和不同类型的服务业企业相互交流，获取互补性知识，进而形成多样化集聚态势。接近中心度使城市间的劳动力流动成本降低，劳动力市场价格优势将会吸引不同类型的服务业企业在该城市集聚，形成多样化集聚态势。在高速铁路网络中，中介中心度越高，说明该城市的市场潜力较大，市场需求形式多样，使服务业形成多样化集聚态势。多样性集聚有利于辅助产业和延伸产业扩大规模，获取互补性知识，提高产业技术生产率，为城市旅游经济增长提供强劲动力。

3.4.3　合作创新效应

合作创新机制如表14所示，列(1)—列(3)为高速铁路网络影响合作创新数量的回归结果。DC，CC，BC的系数均通过显著性水平检验，且系数为正。点度中心度有利于“双向性”的知识传播，推动各城市合作开展更多的旅游创新活动，促进城市旅游经济增长。接近中心度使旅游企业间交流的成本最低且频率较高，便于对各类创新信号及时更新和追踪，降低城市间合作创新的风险。中介中心度能够衔接其他城市创新要素的流动方向，对整个区域创新活动具有更强的影响力，进而促进城市旅游经济增长。列(4)—列(6)为高速铁路网络影响城市合作创新质量的回归结果，DC，CC，BC的系数均通过显著性水平检验。点度中心度能够直接增加创新人员的“面对面”交流，为集聚区和创新网络提供各领域的专业技术人才和广量的知识信息。接近中心度有利于降低创新要素、隐性知识和专利技术传播的时间成本，推动开展合作创新活动，形成合作创新网络。中介中心度有利于将旅游创新成果推广至更多的城市，并凭借其强大的社交能力，提升城市技术创新应用能力，并服务于旅游产品研发、旅游业态创新等方面，推动城市旅游经济增长。

综上，高速铁路网络通过人口流动、产业集聚和合作创新促进城市旅游经济增长，假说2得到验证。

4　结论与政策建议

利用我国2008—2022年281个地级及以上城市面板数据，借鉴社会网络分析法衡量城市的区位优势，采用连续型双重差分模型检验高速铁路网络对城市旅游经济增长的影响。研究发现：①高速铁路网络对城市旅游经济增长具有显著的促进作用。经过内生性处理、排除其他交通方式以及重新测算核心变量等一系列稳健性检验后，该结论依然成立。②高速铁路网络对旅游经济增长效应存在网络建设阶段、地理区位、城市群和旅游接待能力的异质性条件，并表现出一定的“锦上添花”特征。当高速铁路网络属于建设成熟阶段，城市位于东部和中部地区、属于国家级城市群以及拥有高旅游服务接待能力时，更有利于发挥增长效应。③高速铁路网络通过人口流动、产业集聚和合作创新促进城市旅游经济增长。其中，人口流动机制主要表现为人口流动和人力资本；产业集聚机制主要表现为产业专业化集聚和产业多样化集聚；合作创新机制主要表现为合作创新数量和合作创新质量。

据此，提出如下政策建议：①优化高速铁路网络建设布局，重塑城市区位优势。加快推进我国高速铁路网络建设，逐步扩大高速铁路干线延伸范围，全面提升城市间的连通性。推动城市规划与高速铁路网络协调发展，在规划阶段充分考虑高速铁路网络的发展需求，将高速铁路站点、线路配置与城市功能区、交通枢纽等有机结合。②提升高速铁路网络运输能力，加快人口自由流动。通过新建高速铁路干线、升级既有线路，缩小地区高速铁路网络建设水平差异，提高城市间人口流动的便捷性与舒适性。加强区域合作与政策协同，在沿线城市推出高速铁路旅游优惠政策，打破行政壁垒和市场分割，推动区域一体化发展，为人口自由流动创造良好环境。③夯实高速铁路网络集聚能力，引领产业链式发展。依托高速铁路网络优化产业布局，引导旅游企业、服务机构和产业配套设施在沿线城市集聚。发挥高速铁路网络的规模经济和技术外溢优势，通过构建“交通+旅游”产业生态圈，强化旅行社、酒店、景区等市场主体的协同联动，促进资源共享、设施共用与信息共通，降低旅游生产成本。④扩大高速铁路网络“双向性”知识传播，打造区域合作创新共同体。联合高速铁路沿线城市开展旅游展览、旅游产品推介会、旅游创新发展交流会等合作创新活动。发挥高速铁路网络对人才、高新企业和科研院所的集聚效应，加快形成合作创新集聚区和合作创新网络，共同开展旅游项目和技术攻关，推动更多旅游创新成果产出。

参考文献

[1] 吴　鹏，李得伟. 考虑实际出行成本的城市群铁路客运站点与网络可达性研究[J]. 铁道运输与经济，2023，45(6)：85-92.

[2] WU Peng， LI Dewei. Accessibility of Railway Passenger Transport Stations and Networks in Urban Agglomeration Considering Actual Travel Costs[J]. Railway Transport and Economy，2023，45(6)：85-92.

[3] 曾玉华，陈　俊. 高铁开通对站点城市旅游发展的异质性影响：基于双重差分方法的研究[J]. 旅游科学，2018，32(6)：79-92.

[4] ZENG Yuhua， CHEN Jun. The Heterogeneous Effect of High Speed Rails on Urban Tourism Development：An Analysis Based on the Difference-in-Differences Approach[J]. Tourism Science，2018，32(6)：79-92.

[5] PAGLIARA F， MAURIELLO F， GAROFALO A. Exploring the Interdependences between High Speed Rail Systems and Tourism：Some Evidence from Italy[J]. Transportation Research Part A：Policy and Practice，2017，106：300-308.

[6] 覃成林，郑海燕. 武广高铁对粤湘鄂沿线区域旅游发展影响分析[J]. 经济问题探索，2013(3)：113-116，135.

[7] 杨　懿，汪洋周颖，赵子晨. 高铁开通对城市旅游经济影响的区域差异研究[J]. 财经理论与实践，2022，43(2)：67-75.

[8] YANG Yi， WANG Yangzhouying， ZHAO Zichen. Study on Regional Differences of the Impact of High Speed Railway on Urban Tourism Economy[J]. The Theory and Practice of Finance and Economics，2022，43(2)：67-75.

[9] DENG T T， GAN C， DU H P，et al. Do High Speed Rail Configurations Matter to Tourist Arrivals？ Empirical Evidence from China's Prefecture-Level Cities[J]. Research in Transportation Economics，2021，90：100952.

[10] ALBALATE D， CAMPOS J， JIMÉNEZ J L. Tourism and High Speed Rail in Spain：Does the AVE Increase Local Visitors？[J]. Annals of Tourism Research，2017，65：71-82.

[11] 冯　烽，崔琳昊. 高铁开通与站点城市旅游业发展：“引擎” 还是“过道”?[J]. 经济管理，2020，42(2)：175-191.

[12] FENG Feng， CUI Linhao. High Speed Rail Operation and Tourism in the HSR Site City：“Engine” or “Corridor”?[J]. Business and Management Journal，2020，42(2)：175-191.

[13] 胡莉娜，程　刚，丁翠翠. 高速铁路网络建设对长江中游城市群旅游效率的影响研究[J]. 铁道运输与经济，2021，43(4)：41-47.

[14] HU Li’na， CHENG Gang， DING Cuicui. Research on the Impact of High Speed Railway Network Construction on Tourism Efficiency of Cities along the Middle Reaches of the Yangtze River[J]. Railway Transport and Economy，2021，43(4)：41-47.

[15] 穆成林，陆　林，黄剑锋，等. 高铁网络下的长三角旅游交通格局及联系研究[J]. 经济地理，2015，35(12)：193-202.

[16] MU Chenglin， LU Lin， HUANG Jianfeng，et al. Research on Yangtze River Delta Tourist Traffic Pattern and Linkage under the High Speed Rail Network[J]. Economic Geography，2015，35(12)：193-202.

[17] 史庆斌，谢永顺，韩增林，等. 东北城市间旅游经济联系的空间结构及发展模式[J]. 经济地理，2018，38(11)：211-219.

[18] SHI Qingbin， XIE Yongshun， HAN Zenglin，et al. Spatial Structure and Spatial Development Patterns of Urban Tourism Economic Connections in Northeast China[J]. Economic Geography，2018，38(11)：211-219.

[19] 欧国立，陈荟岭. 高速铁路影响下的京津冀城市群经济空间结构特征探析[J]. 铁道运输与经济，2021，43(12)：40-47.

[20] Guoli OU， CHEN Huiling. Characteristics Analysis of Economic Spatial Structure of Beijing-Tianjin-Hebei Urban Agglomeration under the Influence of High Speed Railways[J]. Railway Transport and Economy，2021，43(12)：40-47.

[21] 房　景，姚树洁，冯根福，等. 交通基础设施能否促进消费市场发展：来自中国高铁的经验证据[J]. 南开经济研究，2023(9)：55-74.

[22] FANG Jing， YAO Shujie， FENG Genfu，et al. Can Transportation Infrastructure Promote Consumption Market Development？ Evidence from China's High Speed Rail Projects[J]. Nankai Economic Studies，2023(9)：55-74.

[23] 王新越，芦雪静. 中国旅游产业集聚空间格局演变及其对旅游经济的影响：基于专业化与多样化集聚视角[J]. 地理科学，2020，40(7)：1160-1170.

[24] WANG Xinyue， LU Xuejing. Evolution of China's Tourism Industry Agglomeration Spatial Pattern and Its Impact on Tourism Economy Based on Specialization and Diversification Agglomeration Perspective[J]. Scientia Geographica Sinica，2020，40(7)：1160-1170.

[25] 张　萃，王佰芳. 国内国际创新合作网络与城市创新[J]. 财贸经济，2023，44(11)：122-136.

[26] ZHANG Cui， WANG Baifang. Domestic and International Innovation Collaboration Networks and Urban Innovation[J]. Finance & Trade Economics，2023，44(11)：122-136.

[27] 贺　勇，廖　诺，张紫君. 我国省际人才集聚对经济增长的贡献测算[J]. 科研管理，2019，40(11)：247-256.

[28] HE Yong， LIAO Nuo， ZHANG Zijun. Estimation of the Contribution of Talent Aggregation on Economic Growth in Provincial Regions of China[J]. Science Research Management，2019，40(11)：247-256.

[29] 周亚虹，杨　岚，姜帅帅. 约束性碳减排与就业：基于企业和地区劳动力变化的考察[J]. 经济研究，2023，58(7)：104-120.

[30] ZHOU Yahong， YANG Lan， JIANG Shuaishuai. Binding Carbon Reduction Policy and Employment：Based on the Investigation of Labor Force Changes in Enterprises and Regions[J]. Economic Research Journal，2023，58(7)：104-120.

[31] 江　艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济，2022(5)：100-120.

[32] JIANG Ting. Mediating Effects and Moderating Effects in Causal Inference[J]. China Industrial Economics，2022(5)：100-120.

[33] 李　拓，李　斌. 中国跨地区人口流动的影响因素：基于286个城市面板数据的空间计量检验[J]. 中国人口科学，2015(2)：73-83，127.

[34] LI Tuo， LI Bin. Factor Analysis of Cross-Regional Population Flow in China：An Empirical Study with Spatial Econometrics Models and Panel Data of 286 Cities in China[J]. Chinese Journal of Population Science，2015(2)：73-83，127.

[35] 邓又一，孙　慧. 工业产业集聚对经济韧性的影响及其作用机制[J]. 软科学，2022，36(3)：48-54，61.

[36] DENG Youyi， SUN Hui. The Effect of Industrial Agglomeration on Economic Resilience and Its Mechanism[J]. Soft Science，2022，36(3)：48-54，61.

[37] 孙天阳，成丽红. 协同创新网络与企业出口绩效：基于社会网络和企业异质性的研究[J]. 金融研究，2020(3)：96-114.

[38] SUN Tianyang， CHENG Lihong. Collaborative Innovation Networks and Enterprise Export Performance：A Study Based on Social Networks and Enterprise Heterogeneity[J]. Journal of Financial Research，2020(3)：96-114.

[39] 麻学锋，孙　洋. 旅游产业发展与民生福祉适配关系研究：以张家界为例[J]. 旅游科学，2024，38(6)：1-19.

[40] MA Xuefeng， SUN Yang. Research on the Adaptation of Tourism Industry Development and People's Livelihood and Well-Being：A Case Study of Zhangjiajie[J]. Tourism Science，2024，38(6)：1-19.

[41] 张圆刚，郝亚梦，董晓婷，等. 乡村旅游地居民回乡就业意愿的影响机制研究：基于政府信任的调节作用[J]. 旅游学刊，2023，38(5)：102-114.

[42] ZHANG Yuangang， HAO Yameng， DONG Xiaoting，et al. Formation Mechanism of Rural Tourism Destination Residents Returning Hometown for Employment：Regulatory Role Based on Government Trust[J]. Tourism Tribune，2023，38(5)：102-114.

[43] 孙学涛，李　岩，王振华. 高铁建设与城市经济发展：产业异质性与空间溢出效应[J]. 山西财经大学学报，2020，42(2)：58-71.

[44] SUN Xuetao， LI Yan， WANG Zhenhua. High Speed Rail Construction and Urban Economic Development：Industrial Heterogeneity and Spatial Spillover Effect[J]. Journal of Shanxi University of Finance and Economics，2020，42(2)：58-71.

[45] 陈丰龙，徐康宁，王美昌. 高铁发展与城乡居民收入差距：来自中国城市的证据[J]. 经济评论，2018(2)：59-73.

[46] CHEN Fenglong， XU Kangning， WANG Meichang. High Speed Railway Development and Urban-Rural Income Inequality：Evidence from Chinese Cities[J]. Economic Review，2018(2)：59-73.

[47] 周文韬，杨汝岱，侯新烁. 高铁网络、区位优势与区域创新[J]. 经济评论，2021(4)：75-95.

[48] ZHOU Wentao， YANG Rudai， HOU Xinshuo. High Speed Rail Network，Location Advantage and Regional Innovation[J]. Economic Review，2021(4)：75-95.

[49] 孔令章，李晓东，白　洋，等. 长距离高铁对沿线城市旅 游经济联系的空间影响及角色分析：以兰新高铁为例[J]. 干旱区地理，2019，42(3)：681-688.

[50] KONG Lingzhang， LI Xiaodong， BAI Yang，et al. Spatial Effect of Long-Distance High Speed Railway on Tourism Economic Link and Role Analysis of Cities along the Railway：A Case of Lanzhou-Xinjiang High Speed Rail[J]. Arid Land Geography，2019，42(3)：681-688.

[51] 兰秀娟，张卫国. 高铁网络影响下城市群经济联系格局与区域经济协调发展[J]. 统计与信息论坛，2023，38(10)：21-34.

[52] LAN Xiujuan， ZHANG Weiguo. Economic Linkage Pattern of Urban Clusters and Coordinated Regional Economic Development under the Influence of High Speed Rail Network[J]. Journal of Statistics and Information，2023，38(10)：21-34.

基金资助

新疆财经大学青年博士高层次人才项目(2024XGC002)

新疆维吾尔自治区社会科学基金项目(2023BYJ031)