樊玲玲，侯志強，施亞嵐，曹 咪

(華僑大學 旅游學院，福建 泉州 362021)

2009年，《國務院關于加快發(fā)展旅游業(yè)的意見》頒布，明確提出將旅游業(yè)作為我國國民經濟戰(zhàn)略性支柱產業(yè)。2014年，《國務院關于促進旅游業(yè)改革發(fā)展的若干意見》出臺，進一步明確新時期旅游業(yè)“轉型升級，提質增效”的發(fā)展主線。相應的，提高旅游效率，實現(xiàn)旅游可持續(xù)發(fā)展成為熱點問題，受到了學術界的關注[1-4]。

國外旅游效率的研究早于國內，研究內容主要集中在旅游業(yè)要素效率，包括旅行社、酒店、旅游交通等旅游要素[5-9]，目前已形成了相對成熟的研究框架。相較于國外旅游效率的研究，國內對旅游效率的研究時間上雖然相對較晚，但是也形成了一定的研究成果。在研究內容上，涉及較為宏觀的空間范疇[10-13]，但主要側重于旅游目的地效率研究；研究視角不斷延伸，包括管理學、經濟學、地理學等多個領域[14-16]；研究過程逐漸從簡單的旅游效率測算向時空演變、驅動機制及空間分異等轉變[17,18]；研究尺度涉及國家、省域、城市群、經濟帶、市域和縣域等多個尺度[19-22]。整體上而言，旅游效率驅動影響因素分析有待進一步開展[23,24]。研究尺度上，基于全國范圍的研究通常以省域為研究單位[25，26]，或針對市域、縣域開展中觀和微觀層面的分析[27,28]，而以城市為樣本，針對多尺度、多區(qū)域空間開展的綜合研究則較少[29-31]。

伴隨城市化的快速發(fā)展，我國城市綜合實力得到不斷提升。我國正處于前所未有的快速城市化發(fā)展時期，城市作為重要旅游目的地，在城市經濟發(fā)展過程中扮演的角色逐漸突顯。截至2018年末，我國城市總數(shù)量達到657個(未含香港與澳臺特別行政區(qū)、臺灣地區(qū))，地級市及以上城市297個，城市人口占總人口比重為59.58%。目前，我國共有337個優(yōu)秀旅游城市，其中地級市及以上優(yōu)秀旅游城市共有214個，優(yōu)秀旅游城市旅游經濟總量占全國的比例超過90%，因此對優(yōu)秀城市旅游效率的研究意義重大。基于此，本文以地級市及以上的優(yōu)秀旅游城市為研究對象，使用2007—2018年173個優(yōu)秀旅游城市的旅游投入產出數(shù)據，探究其旅游效率的空間格局演變，并進一步揭示旅游效率空間分異的影響因素，以期為城市旅游發(fā)展提供實踐參考。

1 研究方法與數(shù)據來源

1.1 研究方法

DEA—SBM模型：數(shù)據包絡分析方法(DEA)是一種以相對效率概念為基礎的非參數(shù)效率評價方法，包括CCR模型和BBC模型，但對于存在投入或產出的非零松弛時，徑向DEA效率測度會高估評價對象的效率，無法準確評估效率結果[32]。Tone[33]提出了非徑向的SBM模型，能夠克服DEA評估對象效率被高估的問題，因此本文采用SBM模型對城市旅游效率進行測算。具體公式如下：

(1)

式中，ρ為旅游效率的評價指標；xij為第j個DMU的第i個投入變量；yrj為第j個DMU的第r個產出變量；θj為參照集中各要素的權重。

空間自相關：全局空間自相關主要用于描述屬性值在整個區(qū)域的空間分布差異特征，側重于區(qū)域內的空間對象某一屬性取值的空間分布狀態(tài)。計算公式為：

(2)

全局自相關反映了區(qū)域之間空間差異的相似程度，但無法具體反映空間差異的變化情況。因此，為了進一步揭示局域地區(qū)的空間差異特性，本文采用Local Moran′s I指數(shù)進行檢驗，以測度區(qū)域單元屬性值的空間差異程度和差異的顯著性。計算公式為：

(3)

式中，xi、xj為區(qū)域i、j的旅游效率數(shù)據；Wij為空間權重。Moran′s I的取值范圍在-1和1之間。當Moran′s I等于0時，說明觀測屬性不存在空間相關性，呈現(xiàn)隨機分布；Moran′s I接近1時，說明觀測屬性存在空間正相關，反之則說明觀測屬性存在空間負相關。

空間計量模型：空間滯后模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)是3種常用的空間回歸模型。SAR模型和SEM模型分別考慮了被解釋變量和誤差項的空間滯后相關性，而SDM模型則是SAR模型和SEM模型的組合拓展形式，即考慮了因變量的空間相關性，也考慮了自變量的空間相關性，因此本文最終采用SDM模型。SDM 的基本模型形式如下：

(4)

式中，Y為由單位被解釋變量值構成的N×1階向量；X為由解釋變量構成的N×K階向量；θ為空間自回歸系數(shù)；β、ρ為K×1階待估參數(shù)向量；WY為被解釋變量間發(fā)生的內生交互效應；WX為解釋變量之間發(fā)生的外生交互效應；U為誤差項向量；W為N×N階空間權重矩陣。對于本文空間權重W的選取，由于空間鄰近矩陣無法充分考慮不相鄰城市之間旅游效率的影響和相互作用，因此采用以城市地理距離為基礎構建的空間地理距離權重矩陣。如果ρ≠0，而θ≠0，則公式(4)為衡量相鄰城市的被解釋變量對本地區(qū)被解釋變量的空間滯后模型(SAR)；如果λ≠0，而ρ=0，則公式(4)為反映了某一城市除解釋變量以外的其他未納入考慮的因素對臨近城市被解釋變量影響的空間誤差面板模型(SEM)；如果ρ≠0，且θ≠0，而λ=0，測度了相鄰城市的被解釋變量又考慮相鄰城市經濟社會影響因素對本地區(qū)被解釋變量的則為空間杜賓模型(SDM)。

空間回歸模型由于鄰近觀測值信息，因此回歸系數(shù)已經無法直接用于衡量區(qū)域范圍內解釋變量和被解釋變量之間的關系，需要通過偏微分將解釋變量對被解釋變量的綜合效應分解為直接效應和間接效應進行解釋。直接效應表現(xiàn)為區(qū)域范圍內自變量變化而產生的因變量變化，而間接效應則表現(xiàn)為區(qū)域范圍內自變量變化對其他空間單位內因變量產生的影響。

1.2 指標選擇和數(shù)據選取

旅游效率測算的準確性依賴于生產投入和產出指標的選取，而目前對于旅游效率評價并未形成統(tǒng)一的指標體系。經濟活動中認為土地、資本和勞動力是最基本的生產要素，旅游活動作為經濟活動之一，也包含基本的生產要素。旅游活動中，土地要素投入在實際過程中難以衡量，且旅游用地數(shù)據缺乏，因此借鑒前人學者研究經驗[27]，不將土地要素納入指標體系。旅游從業(yè)人數(shù)和旅游固定資產投資是旅游活動中理想的投入指標，但現(xiàn)實情況中各地市對該指標統(tǒng)計缺失，因此根據已有研究成果[30,31]，勞動力投入指標選用城市第三產業(yè)人數(shù)，資本投入指標選用固定資本存量和實際利用外資金額，其中固定資本存量即運用永續(xù)盤存法計算而來[34]。產出指標方面，選取旅游活動中最直接產物——旅游收入和旅游人次作為產出指標。為消除價格影響，本文所有涉及價格的變量都以2007年為基期，借鑒GDP價格平減法對數(shù)據進行平減。

本文的研究對象為我國地級市及以上的優(yōu)秀旅游城市。目前地級市及以上的優(yōu)秀旅游城市共214個，由于數(shù)據的缺失，最終選取數(shù)據完整的173個優(yōu)秀旅游城市作為樣本對象。文中所涉及數(shù)據主要來源于EPS數(shù)據庫、《中國城市統(tǒng)計年鑒》《中國旅游統(tǒng)計年鑒》和各地級市統(tǒng)計年鑒、社會經濟發(fā)展統(tǒng)計公報。

2 結果及分析

2.1 旅游城市旅游效率的時空格局演變

運用MaxDEA軟件對優(yōu)秀旅游城市旅游效率進行運算，具體結果見表1。效率值本身是一個相對概念，學者們對其進行了大量的實證研究，但對其并未形成統(tǒng)一的等級劃分標準。為此，本文參考徐冬、黃震方、胡小海等[27]的研究，對旅游效率值進行了劃分，主要分為以下4個等級：0

表1 2007—2018年我國優(yōu)秀旅游城市旅游效率及其分解指標

研究期內，我國旅游城市旅游效率始終處于低水平，其分解指標中規(guī)模效率對旅游效率的貢獻值大于純技術效率，整體上呈現(xiàn)波動變化發(fā)展趨勢(圖1)。具體表現(xiàn)為：①2007—2018年，旅游城市的旅游效率均值為0.226，其分解指標純技術效率和規(guī)模效率均值分別為0.366、0.765，規(guī)模效率大于純技術效率，可知規(guī)模效率對旅游效率的貢獻值作用大于純技術效率。2007—2018年旅游城市的旅游效率值在0.155—0.261之間徘徊，全國范圍內始終處于低水平效率值，且規(guī)模效率始終大于純技術效率，進一步說明規(guī)模效率在全國范圍內城市旅游效率的提升中的作用值更大。②旅游效率均值在2013年形成高峰值點，2007—2013年間整體處于緩慢上升的趨勢，2013—2016年間則逐漸下降，從而使旅游城市的旅游效率在研究時段內呈倒“V”字型發(fā)展態(tài)勢。③城市旅游效率的標準差和變異系數(shù)呈現(xiàn)相同的變化趨勢，標準差在0.130—0.215間徘徊，變異系數(shù)穩(wěn)定在0.646—0.851之間，二者基本保持穩(wěn)定，說明研究期間城市旅游效率的離散程度較小，區(qū)域內旅游效率的整體波動幅度不大，整體發(fā)展變化相對穩(wěn)定。

圖1 2007—2018年我國優(yōu)秀旅游城市旅游效率歷時變化

為探究我國優(yōu)秀旅游城市旅游效率在空間上的分布演變特征，本文對各旅游城市的旅游效率進行了空間聚類分析，并選取2007年、2013年、2018年數(shù)據進行可視化，具體如圖2所示。從圖2可知，我國旅游城市旅游效率整體上屬于低水平，2007年低水平效率城市的占比為87%，到2018年占比上升至95%，整體范圍在不斷擴大，集中分布于東部和中部。旅游效率值屬于中等水平、較高水平和高水平的旅游城市在4個年段中處于不斷變化發(fā)展中，除個別城市外集中體現(xiàn)于兩個區(qū)域，分別為四川與貴州區(qū)域、江浙滬與江西區(qū)域。4個年段中，江蘇的無錫經歷了中等水平→低水平的轉變，蘇州經歷了高水平→低水平→中等水平轉變；浙江的湖州經歷了中等水平→低水平的轉變；江西的九江、上饒實現(xiàn)了從低水平→中等水平的變化；而四川的宜賓在較高水平→低水平→中等水平→低水平之間徘徊；貴州的貴陽在低水平→中等水平間循環(huán)。對于個別旅游業(yè)發(fā)達地區(qū)，如張家界、黃山和麗江等地區(qū)旅游效率則一直處于高水平級別。

圖2 2007—2018年我國旅游城市旅游效率等級分布

2.2 旅游城市旅游效率的空間自相關性演變

本文通過計算2007—2018年段我國173個旅游城市的旅游效率，利用Stata軟件計算了Moran′s I值及其顯著性，探索了旅游城市旅游效率的空間分布集聚特征，具體結果如表2所示。2007—2018年，旅游城市的旅游效率整體上是表現(xiàn)為較強的空間集聚特征，173個旅游城市的旅游效率Moran′s I值在0.043—0.067之間波動，且均通過了1%的顯著性檢驗。說明城市旅游效率存在顯著的空間正自相關，旅游效率較高的城市在空間上區(qū)域鄰近，旅游效率較低的城市空間亦表現(xiàn)為相鄰，二者出現(xiàn)一致的空間相關性。

表2 2007—2018年我國旅游城市旅游效率全局Moran′s I指數(shù)

全局空間自相關能夠解釋旅游效率在空間上的總體關聯(lián)性及其變化，但并不能解釋旅游效率在局部空間范圍內的關聯(lián)性演變。為進一步探索旅游效率的局部空間關聯(lián)特征，本文利用ArcCIS 10.2軟件對局域Moran′s I指數(shù)展開了分析，將旅游城市依次劃分為高—高集聚(H—H)、高—低集聚(H—L)、低—低集聚(L—L)、低—高集聚(L—H)等4種類型，并對LISA聚類圖進行了空間可視化。

對各類型集聚區(qū)內旅游城市數(shù)量進行統(tǒng)計整理，結果見表3。從各集聚區(qū)旅游城市數(shù)量可知，在研究時段內，全國范圍內旅游效率集聚主要以H—H、L—L兩種集聚類型為主，L—L集聚旅游城市數(shù)量大于H—H集聚，表明全國范圍內旅游效率主要呈現(xiàn)低水平的集聚；H—L集聚區(qū)旅游城市數(shù)量減少，說明自身旅游效率水平高而四周效率水平低所形成的“極化”現(xiàn)象有一定的緩解，空間差異有改善；L—H集聚區(qū)旅游城市數(shù)量在增加，說明自身旅游效率水平低而周邊效率水平高所形成的“塌陷”現(xiàn)象在增強，空間差異更加明顯。

表3 2007—2018年我國旅游城市旅游效率聚類結果數(shù)量統(tǒng)計

依據LISA集聚圖(圖3)顯示，全國范圍內的高水平集聚區(qū)主要集中于江浙地區(qū)、中部的江西省與安徽省和西部的四川省。2007年，高水平集聚城市中，四川省城市占據高水平集聚城市總體的67%，外加貴州省的遵義和貴陽、浙江省的嘉興和寧波；2013年，高水平集聚區(qū)則主要集中于四川省的雅安、樂山、自貢、宜賓、瀘州、遂寧、南充等7個城市；2018年在2013年的基礎上，江西省和安徽省的城市處于高水平集聚區(qū)的數(shù)量增加。低水平集聚區(qū)整體集中范圍并沒有太大的空間變化，城市數(shù)量始終占據整體的27.17%以上。4個年段中都主要集中于河北省、河南省、山東省、湖北省等省份，其中，湖北省低水平集聚城市數(shù)量有逐漸減少趨勢，河南省、山東省、安徽省整體數(shù)量無太大變化，而河南省始終處于低水平集聚中心。H—L集聚形成的“極化區(qū)”城市，如晉城、日照、泰安、開封等城市，始終處于優(yōu)勢地位，而L—H水平集聚形成的塌陷區(qū)處于變化之中，城市數(shù)量在不斷增加。2007年聚焦在上海、昆明、成都、重慶，2018年轉移至福州、杭州、寧波、南昌、益陽、常德等地。

圖3 2007—2018年我國旅游城市旅游效率LISA集聚

3 旅游城市旅游效率影響因素分析

3.1 變量說明

城市旅游效率的時空演變發(fā)展是一個復雜過程，受到諸多因素的影響，如區(qū)位條件、經濟發(fā)展水平、基礎設施和政府政策等因素。借鑒已有相關文獻，在數(shù)據可獲得的基礎之上，本文選取經濟發(fā)展水平、產業(yè)結構、人力資本、市場潛力、對外開放、基礎設施、政府政策等7項指標進行影響因素分析。各指標選取為：①經濟發(fā)展水平(PGDP)。旅游業(yè)發(fā)展和地區(qū)經濟發(fā)展水平存在著密切關系，經濟發(fā)展水平從旅游投入、旅游需求決定著旅游規(guī)模。本文選取人均GDP表示地區(qū)經濟發(fā)展水平。②產業(yè)結構(IND)。產業(yè)結構的差異會牽動資源的投入和轉移，進而影響區(qū)域經濟結構的合理化與旅游效率。旅游業(yè)作為第三產業(yè)的重要組成部分，對區(qū)域產業(yè)結構升級轉化具有積極的正向作用。本文選用第三產業(yè)增加值占總GDP比重表示產業(yè)結構。③人力資本(HR)。旅游業(yè)屬于勞動密集型服務業(yè)，對人力資本的需求量大。高質量的勞動力不僅表現(xiàn)為自身生產效率高，且專業(yè)化的知識和人力資本的積累還可以減低成本、提升效率。本文選取高等在校生人數(shù)表示人力資本。④市場潛力(MARKET)。旅游行為的最終形成不僅受到旅游動機、可支配的收入的影響，更受到人們消費觀念的影響，區(qū)域范圍內的消費水平會對旅游業(yè)產生一定的影響。本文選用社會消費品總額表示市場潛力。⑤對外開放(OPEN)。對外開放程度是衡量地區(qū)經濟對外開放水平的重要指標，伴隨出入境旅游人數(shù)不斷增加，旅游業(yè)也呈現(xiàn)對外聯(lián)系度極高的行業(yè)特征。本文選用實際利用外資投資金額表示對外開放程度。⑥基礎設施(FRU)。良好的基礎設施更夠為旅游者提供更多服務，滿足游客要求多樣化、個性化需求。旅游業(yè)是一個關聯(lián)性、綜合性極強的產業(yè)，基礎設施不僅局限于旅游景區(qū)、酒店或旅行社等設施，還包括其他如交通、金融等方面的支持。本文選取全社會固定資產投資占GDP比重表示基礎設施。⑦政府政策(GOV)。政策條件的實施能夠促進交通條件改善、人才引進、資本投入，進而影響旅游效率。本文選用地方一般財政支出表示政府政策。結合上文分析，本文空間回歸模型具體如下：

(5)

3.2 結果分析

利用前文建立的空間杜賓模型進行回歸分析，具體結果見表4。表中分別列出最小二乘回歸(OLS)、空間滯后模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)的估計結果。從Huntsman檢驗可知，固定效應比隨機效應更合適，因此本文從空間固定效應、時間固定效應、時空固定效應對SDM模型進行分析。從表4可知，對旅游效率的分析應充分考慮因變量和自變量的空間相關性，從SAR模型和SEM模型中的P、Q和λ的彈性系數(shù)皆顯著且不為0(通過1%的顯著水平)可知，運用空間杜賓模型是合理的。同時，依據SDM的各類效應檢驗結果看，時間固定效應為最優(yōu)模型。

表4 空間面板模型估計結果

在空間面板模型中，解釋變量的對應參數(shù)并不能直接表示被解釋變量影響的邊際效應，對模型估計結果求偏微分將各解釋變量對旅游效率影響的空間效應進行分解，具體結果如表5。從空間效應分解結果來看：經濟發(fā)展水平、政府政策和產業(yè)結構對城市旅游效率的發(fā)展具有明顯的正向促進作用和空間溢出效應。經濟發(fā)展水平、政府政策和產業(yè)結構對旅游效率發(fā)展的直接效應分別為0.064、0.080和0.250，且都通過1%水平下的顯著性檢驗，表明如果這三者分別提高1%，在其他影響因素不變條件之下，會直接促進本地旅游效率增長6.4%、8%和25%。同時，經濟發(fā)展水平和政府政策對旅游效率還存在1.873和2.899的間接效應，通過10%顯著性水平檢驗，即在空間交互作用下鄰近城市經濟發(fā)展水平、政府政策會間接促進本地區(qū)旅游效率的提升。經濟發(fā)展水平、政府政策和產業(yè)結構對旅游效率的直接效應顯著為正，說明地區(qū)自身經濟水平的提升、產業(yè)結構的優(yōu)化升級、政府的支持對提升旅游發(fā)展效率是有效的，起到積極作用。同時，，經濟發(fā)展水平和政府政策的間接效應也顯著為正，說明二者推進區(qū)域旅游的聯(lián)合和協(xié)調發(fā)展，促進區(qū)域之間的旅游流動和效率的空間溢出，進而帶動鄰近區(qū)域的旅游效率提升。

表5 時間固定效應SDM空間效應分解結果

對外開放程度和市場潛力對旅游效率的直接效應在1%的顯著水平下為負，且市場潛力的溢出效應在1%的顯著水平下同樣為負。對外開放程度對旅游效率的提升為負，一定程度上是符合經濟發(fā)展現(xiàn)實的。地區(qū)旅游經濟在發(fā)展之初，利用外資金額加大開放程度，能充分吸收先進管理技術等改善旅游效率，但當旅游經濟發(fā)展到一定程度，旅游的需求和供給會更加尋求地區(qū)特色，因此外資對旅游效率的提升不如發(fā)展之初。市場潛力代表旅游消費者的消費水平，消費水平越高，旅游者的旅游行為更易發(fā)生，且在客源市場和旅游目的地之間的地理距離不斷縮小的基礎上，旅游者更傾向于遠距離的出行，因此對本地區(qū)旅游效率提升表現(xiàn)為負相關，對鄰近區(qū)域也呈現(xiàn)負的溢出效益。

人力資本和基礎設施對旅游效率的提升作用并不顯著?；A設施的直接效應不顯著，說明目前基礎設施的不斷投入對地區(qū)旅游效率改善作用不明顯，旅游業(yè)的投入產出具有一定的滯后性，而基礎設施的建設時間周期一般也較長，因此基礎設施投入要素需要經歷較長時間才能對效率改善有顯著變化。人力資本直接效應的回歸系數(shù)值為負，雖然不顯著，但是在某種程度說明在旅游發(fā)展過程中高層次人力資本并沒有得到充分的利用和發(fā)揮，目前旅游業(yè)發(fā)展仍以普通勞動力為主，整體技術含量不高。因此，旅游業(yè)人力資本擴張過程張需進一步發(fā)揮高層次人才的作用，進而促進旅游效率提升。

4 結論與啟示

本文對我國173個優(yōu)秀旅游城市的旅游效率進行了測度，并對其時空演變進行了分析，在此基礎上，運用空間面板計量模型進一步揭示了旅游效率的影響因素及其空間溢出效應，得出如下主要結論：①我國旅游城市的旅游效率整體屬于低水平等級，旅游效率的提升主要源于規(guī)模效率的貢獻。時間上，全國范圍內旅游效率的波動幅度小，整體發(fā)展變化相對穩(wěn)定；空間上，低水平效率范圍集中于東中部地區(qū)且在不斷擴大，個別區(qū)域旅游效率值處于變化發(fā)展過程中，體現(xiàn)為四川與貴州區(qū)域、江浙滬與江西區(qū)域。②空間自相關檢驗表明，旅游效率具有明顯的空間依賴性，整體呈現(xiàn)“大分散、小集聚”的空間格局。研究時段內，全局相關分析中全國范圍內旅游效率的Moran′s I值呈現(xiàn)波動上升的趨勢，整體空間集聚性在不斷增強。在局域相關分析中，旅游效率主要以H—H和L—L兩種類型集聚，其中高水平集聚區(qū)位于東部的浙江、中部的江西與安徽、西部的四川等地區(qū)，整體呈現(xiàn)向西移的趨勢；低水平集聚區(qū)空間并沒有發(fā)生太大的變化，集中于河北、河南、山東、湖北4個省份。③在對旅游效率影響因素分析中，經濟發(fā)展水平、政府政策和產業(yè)結構對旅游效率的提升具有明顯的正向促進作用，同時政府政策和經濟發(fā)展水平存在正向空間溢出效應；對外開放和市場潛力則對旅游效率表現(xiàn)為負向作用，且市場潛力存在負向溢出效應；基礎設施和人力資本的作用并不顯著。

根據上述結論，提出以下建議：①在保證投入資源合理規(guī)模的前提下，進一步優(yōu)化自身的投入要素比例。不同城市有不同的旅游效率特征，根據自身旅游業(yè)特征，調整優(yōu)化投入要素，注重旅游智慧發(fā)展的投入，提升旅游發(fā)展的技術效率，進而促進旅游業(yè)的高效與可持續(xù)發(fā)展。②繼續(xù)加強政府在旅游業(yè)發(fā)展中的主導角色。在旅游業(yè)的長期發(fā)展過程中，政府在其中一直扮演著主導驅動力角色。我國旅游效率提升中主要源于技術進步的推動，即在技術進步的前提下，增加生產要素的投入能帶來旅游經濟增長。因此，對于旅游產業(yè)的技術升級，政府在政策、資金等方面應給予支持，改善旅游業(yè)技術結構，進而促進旅游生產關系的提升，提高旅游生產力。③深化區(qū)域之間的合作交流，充分發(fā)揮旅游效率的空間效應。各城市的旅游發(fā)展并不是孤立的，自身旅游發(fā)展水平和政策戰(zhàn)略還需考慮周邊城市旅游發(fā)展的溢出效應，這需一步強化區(qū)域間的協(xié)調與合作，加快要素的流動和集聚，推進旅游效率快速增長。