旅游金融效率時空格局演化及影響因素研究——以云南省為例
發(fā)布時間:2021-02-24 19:19
金融業(yè)對旅游業(yè)發(fā)展的助推作用日益顯現(xiàn),但旅游金融效率偏低逐漸成為制約旅游業(yè)提質增效的瓶頸。選取2000-2015年云南省16州(市)面板數(shù)據,將DEA-Malmquist指數(shù)法與重心模型結合,在測算旅游金融效率和全要素生產率(TFP)的基礎上,分析云南省旅游金融效率空間格局特征,并采用Tobit模型探析其影響因素。結果顯示:1)旅游金融綜合效率核密度曲線經歷了"增大—減小"過程,各州(市)間差異明顯,效率重心在大理和楚雄州行政區(qū)內部呈"鐘擺式"移動;2)旅游金融全要素生產率在時間序列上呈波動上升趨勢,在空間上"集中連片"分布特征明顯;3)經濟發(fā)展水平、等級旅游資源、技術創(chuàng)新和產業(yè)集聚對旅游金融效率具有顯著的正向促進作用,信貸規(guī)模未通過檢驗,交通設施密度、對外開放水平和產業(yè)結構則對旅游金融效率具有負向阻滯作用,但未通過顯著性檢驗。研究結果有助于從整體上把握云南省旅游金融效率時空演變特征,并為金融支持旅游業(yè)提質增效發(fā)展提供借鑒,對促進旅游業(yè)與金融業(yè)融合發(fā)展具有理論與現(xiàn)實意義。
【文章來源】:地理與地理信息科學. 2020,36(05)北大核心
【文章頁數(shù)】:9 頁
【文章目錄】:
0 引言
1 研究方法及數(shù)據來源
1.1 研究方法
1.1.1 DEA-Malmquist指數(shù)
1.1.2 標準差橢圓(Standard Deviational Ellipse,SDE)
1.1.3 Tobit模型
1.2 指標選取及數(shù)據來源
2 云南省旅游金融效率時空差異測度分析
2.1 基于DEA模型的云南省旅游金融效率時空差異
2.1.1 時序演化分析
(1)綜合效率核密度曲線(圖1a)。
(2)純技術效率核密度曲線(圖1b)。
(3)規(guī)模效率核密度曲線(圖1c)。
2.1.2 空間差異程度分析
(1)重心移動軌跡。
(2)空間范圍變化。
(3)橢圓偏移角度。
2.2 基于Malmquist指數(shù)的云南省旅游金融全要素生產率時空差異
2.2.1 旅游金融全要素生產率時序演化分析
2.2.2 旅游金融全要素生產率變化空間差異格局分析
3 旅游金融效率影響因素分析
3.1 影響因素與模型設定
3.2 Tobit回歸結果分析
4 結論與建議
4.1 結論
4.2 建議
【參考文獻】:
期刊論文
[1]京津冀地區(qū)金融發(fā)展對產業(yè)結構調整的影響分析:區(qū)市證據[J]. 李雪,金琦. 四川師范大學學報(社會科學版). 2019(03)
[2]基于空間面板計量模型的霧霾對中國城市旅游流影響的空間效應[J]. 徐冬,黃震方,黃睿. 地理學報. 2019(04)
[3]我國經濟效率形成中金融發(fā)展的作用研究——基于空間計量模型的實證分析[J]. 唐文琳,李雄師,常雅麗. 經濟經緯. 2019(03)
[4]金融創(chuàng)新促進產業(yè)升級的路徑、機理和效應——以山東省為例[J]. 王軍,王昆. 學術交流. 2019(03)
[5]基于DEA方法的文化金融服務體系效率研究[J]. 朱爾茜,劉嘉瑋. 管理世界. 2018(11)
[6]基于能值的中國海洋生態(tài)經濟系統(tǒng)發(fā)展效率[J]. 胡偉,韓增林,葛岳靜,胡淵,張耀光,彭飛. 經濟地理. 2018(08)
[7]長江經濟帶旅游景區(qū)空間格局及演變[J]. 吳春濤,李隆杰,何小禾,王姣娥. 資源科學. 2018(06)
[8]中國旅游業(yè)碳排放及其影響因素研究——來自2005~2015年省級面板數(shù)據的證據[J]. 查建平,舒皓羽,李園園,賀臘梅. 旅游科學. 2017(05)
[9]碳排放約束下耕地利用效率的區(qū)域差異及其影響因素[J]. 盧新海,匡兵,李菁. 自然資源學報. 2018(04)
[10]旅游業(yè)與金融業(yè)耦合協(xié)調發(fā)展實證分析——以江蘇省為例[J]. 龔艷,郭崢嶸. 旅游學刊. 2017(03)
碩士論文
[1]江浙滬地區(qū)旅游業(yè)與金融業(yè)融合度研究[D]. 邵玉珍.浙江工商大學 2018
[2]基于DEA模型的金融支持縣域旅游業(yè)發(fā)展研究[D]. 張洪昌.廣西大學 2016
本文編號:3049830
【文章來源】:地理與地理信息科學. 2020,36(05)北大核心
【文章頁數(shù)】:9 頁
【文章目錄】:
0 引言
1 研究方法及數(shù)據來源
1.1 研究方法
1.1.1 DEA-Malmquist指數(shù)
1.1.2 標準差橢圓(Standard Deviational Ellipse,SDE)
1.1.3 Tobit模型
1.2 指標選取及數(shù)據來源
2 云南省旅游金融效率時空差異測度分析
2.1 基于DEA模型的云南省旅游金融效率時空差異
2.1.1 時序演化分析
(1)綜合效率核密度曲線(圖1a)。
(2)純技術效率核密度曲線(圖1b)。
(3)規(guī)模效率核密度曲線(圖1c)。
2.1.2 空間差異程度分析
(1)重心移動軌跡。
(2)空間范圍變化。
(3)橢圓偏移角度。
2.2 基于Malmquist指數(shù)的云南省旅游金融全要素生產率時空差異
2.2.1 旅游金融全要素生產率時序演化分析
2.2.2 旅游金融全要素生產率變化空間差異格局分析
3 旅游金融效率影響因素分析
3.1 影響因素與模型設定
3.2 Tobit回歸結果分析
4 結論與建議
4.1 結論
4.2 建議
【參考文獻】:
期刊論文
[1]京津冀地區(qū)金融發(fā)展對產業(yè)結構調整的影響分析:區(qū)市證據[J]. 李雪,金琦. 四川師范大學學報(社會科學版). 2019(03)
[2]基于空間面板計量模型的霧霾對中國城市旅游流影響的空間效應[J]. 徐冬,黃震方,黃睿. 地理學報. 2019(04)
[3]我國經濟效率形成中金融發(fā)展的作用研究——基于空間計量模型的實證分析[J]. 唐文琳,李雄師,常雅麗. 經濟經緯. 2019(03)
[4]金融創(chuàng)新促進產業(yè)升級的路徑、機理和效應——以山東省為例[J]. 王軍,王昆. 學術交流. 2019(03)
[5]基于DEA方法的文化金融服務體系效率研究[J]. 朱爾茜,劉嘉瑋. 管理世界. 2018(11)
[6]基于能值的中國海洋生態(tài)經濟系統(tǒng)發(fā)展效率[J]. 胡偉,韓增林,葛岳靜,胡淵,張耀光,彭飛. 經濟地理. 2018(08)
[7]長江經濟帶旅游景區(qū)空間格局及演變[J]. 吳春濤,李隆杰,何小禾,王姣娥. 資源科學. 2018(06)
[8]中國旅游業(yè)碳排放及其影響因素研究——來自2005~2015年省級面板數(shù)據的證據[J]. 查建平,舒皓羽,李園園,賀臘梅. 旅游科學. 2017(05)
[9]碳排放約束下耕地利用效率的區(qū)域差異及其影響因素[J]. 盧新海,匡兵,李菁. 自然資源學報. 2018(04)
[10]旅游業(yè)與金融業(yè)耦合協(xié)調發(fā)展實證分析——以江蘇省為例[J]. 龔艷,郭崢嶸. 旅游學刊. 2017(03)
碩士論文
[1]江浙滬地區(qū)旅游業(yè)與金融業(yè)融合度研究[D]. 邵玉珍.浙江工商大學 2018
[2]基于DEA模型的金融支持縣域旅游業(yè)發(fā)展研究[D]. 張洪昌.廣西大學 2016
本文編號:3049830
本文鏈接:http://sikaile.net/guanlilunwen/lvyoujiudianguanlilunwen/3049830.html
教材專著