中国旅游产业绿色创新效率的空间网络结构与形成机制
刘佳 宋秋月
摘要旅游产业绿色创新是实现资源节约、环境优化的一种可持续发展理念，旅游产业绿色创新效率的有效测度及其空间关系的准确把握对促进旅游业可持续发展具有重要意义。本文采用超效率SBM模型，对2006—2015年期间中国大陆（不包括西藏）30个省份的旅游产业绿色创新效率进行测度和评价，同时引入修正的引力模型量化分析省份之间的空间关联强度，并基于此构建空间关联矩阵，进一步运用社会网络分析理论与方法，探究中国旅游产业绿色创新效率空间网络的关联特征与演化规律，揭示其空间网络结构形成的影响因素及作用机制。研究表明：①研究期间内，中国旅游产业绿色创新效率空间网络的关联强度保持上升态势，但整体关联强度较低，有待进一步加强，同时空间网络具有相对稳定性，等级结构不显著。②东部省份处于空间网络相对中心的位置，在旅游产业绿色创新效率空间网络中具有较强的影响力，扮演着领导者的角色，而中部、西部省份处于相对劣势地位，发挥着中枢和传导作用。③根据省份之间空间关联的紧密性和直接性，不同绿色创新效率集聚板块之间呈现出板块内集聚、板块间显著关联的特征，且整体空间关联网络表现出显著的空间极化效应，东部的省份能够有效吸引和整合中、西部省份的相关要素和资源。④距离、地区经济发展水平差异和旅游发展水平差异对旅游产业绿色创新效率的空间关联强度产生负向作用，而资金投入差异对其产生正向影响。最后从整体性、差异性和区域性等角度，提出促进中国旅游产业绿色创新效率整体提升和均衡发展的对策建议。
关键词旅游产业；绿色创新效率；空间网络结构；社会网络分析
中图分类号F590.1文献标识码A文章编号1002-2104（2018）08-0127-11DOI：10.12062/cpre.20180410
当今，日益严峻的资源消耗与环境污染问题为世界提供了反思的机会和动力。随着人口增长、资源短缺和环境约束等问题日益突出，中国经济在发展过程中逐渐暴露出“高投入、高消耗、高排放、高污染、不协调、低效率和难循环”的粗放式发展特征[1]，绿色发展和技术创新为实现产业转型升级、生产方式转变和生产效率提升提供了新的指导和理念[2]。党的十八届五中全会提出“创新、协调、绿色、开放、共享”的发展理念，“十九大”进一步确定了“推进绿色发展，解决突出环境问题”、“加快建设创新性国家”等发展战略。“十三五”时期中国面临保持经济持续增长和资源环境约束趋紧的双重压力，对绿色增长的需求日益迫切[3]，各地区及相关产业均重视推进“绿色创新”，探索以节能环保和创新驱动为目的的绿色增长模式。旅游产业绿色创新是对旅游经济、生态文明和旅游人地关系的最直接反映，是解决当下旅游产业效率低下问题的重要途径，通过技术创新、产品创新、模式创新和体制创新等方式来实现旅游环境友好、旅游资源可持续开发与旅游业绿色发展。旅游产业绿色创新效率能够反映绿色创新活动投入和产出之间的内在联系与比例关系，揭示旅游产业绿色创新效率的空间结构与演化规律，探讨中国旅游产业集约化与绿色发展的基本路径，促进旅游产业效率提升，是具有重要理论指导和实践意义的研究课题。
1文献综述
自20世纪初，美国经济学家熊彼特提出“创新”这一概念后，创新研究范式开始由线性创新和创新系统向创新生态系统转换、变革与升级。90年代末以来，不同学科对“绿色创新”的概念界定有不同的边界。Fussler & James[4]在《驱动绿色创新》中提出“绿色创新”是指在保证消费者和企业价值不变的前提条件下，能够降低对环境所造成损害的新产品和新工艺等。由于强调环境和生态的可持续性，绿色创新被普遍称为“可持续创新”“环境驱动型创新”“环境创新”和“生态创新”等[5]。当前国内外关于绿色创新的研究主要关注绿色创新的概念内涵[6-7]、类型划分[8]、动力机制[9]等基本理论问题，以及绿色创新的影响因素提取与判定[10-11]、绿色创新与经济增长[12]、產业集聚[13]等之间的关系分析、绿色创新效率的测度[14]及其空间溢出效应[15]等应用研究与实证检验。绿色创新领域已经取得较为丰富的研究成果，这为旅游领域绿色创新的战略实施和政策制定提供了一定的理论支撑。旅游产业绿色创新是指在旅游产业部门运营和管理过程中，遵循生态学规律，通过创新要素投入和创新活动开展，减少旅游产业资源消耗，降低其环境污染，从而实现旅游产业与资源环境的协调可持续。作为资源消耗较为突出的旅游产业部门[16]，旅游住宿业绿色创新理论与实践问题受到国外学者的关注，如Pace L A et al.[17]探讨了地中海地区旅游住宿业在能源技术方面的创新模式，Rosario R S M D et al.[18]分析了不同类型酒店文化对绿色创新模式的影响，Garcíapozo A[19]和Aboelmaged M[20]则分别测度了绿色创新与员工效率、酒店绩效之间的直接和间接关系。在国内，旅游产业绿色创新研究涵盖其内涵与评价体系、动力机制、效率测度及影响因素等理论分析，如张晶等[21]探讨了旅游产业绿色创新的方案选择、评价以及空间集聚特征；刘焰[22]阐述了旅游产业绿色创新的理论内涵、实现路径和动力机制。其中，旅游产业绿色创新效率的有效测度是当前研究的热点问题，如刘佳[23]等利用Malmquist指数模型对中国30个省份旅游生态创新效率进行了评价；王斌[24]等基于PSR模型测度了山东省17地市的旅游生态创新效率。
刘佳等：中国旅游产业绿色创新效率的空间网络结构与形成机制中国人口·资源与环境2018年第8期综上，国内外关于旅游产业绿色创新的研究主要集中于理论阐述、关系探讨以及效率评价等方面。空间集聚和溢出效应是创新效率的显著特征[25-26]，但当前旅游产业绿色创新效率空间关系方面的研究仍较为匮乏，且研究方法多以Morans I指数、空间Durbin模型等空间计量理论与技术方法为主，这些方法往往重视数据之间的属性关系，忽略了对关系数据的考察和应用，而社会网络分析方法能够考察关系数据及其网络关系[27-28]，可有效补充旅游产业绿色创新效率空间关系的研究。基于此，本文利用超效率SBM模型对中国旅游产业绿色创新效率进行量化测度，进一步运用社会网络分析方法构建旅游产业绿色创新效率的空间网络，揭示其空间网络结构的关联特征、演化规律与形成机制，进而提出促进中国旅游产业绿色创新协同发展与整体提升的政策建议，以期为中国旅游产业的可持续发展提供理论指导与决策参考。
2研究方法与数据来源
2.1绿色创新效率测度模型与指标选取
绿色创新的对象包括技术方面（产品、工艺等）和非技术方面的（组织、制度和市场）[7，29]，具有“溢出效应”和“外部环境成本”产生的“双重外部性”[30]，在类型上可分为能源和资源有效型和外部性减少型创新[31]，或资源节约型、环境友好型和混合型绿色创新[32]，资源节约和环境友好是衡量是否绿色的基本标准。旅游产业对资源基础和环境条件具有较高的依赖性，要实现绿色发展，就必须依靠绿色创新来缓解旅游产业发展过程中对资源的过度依赖及其对环境的过度破坏[33]。旅游产业绿色创新效率是指通过创新活动开展和创新要素投入实现的绿色效益，即创新要素投入与资源、环境产出之间的比例关系，绿色创新效率越高，表明创新活动和创新要素与其所带来的资源、环境效益越匹配。它反映了单位创新投入对创新产出的贡献程度，对其进行客观测算和衡量，有助于减少投入冗余，优化创新资源配置。传统DEA模型评价的基本思想是要求以最小的投入生产尽可能多的产出，但未考虑环境污染、资源消耗等“非期望产出”。本文通过纳入非期望产出的超效率SBM（Slacks Based Measure）模型[34]评价中国旅游产业绿色创新效率，以解决传统DEA模型未考虑松弛变量而产生的效率测度的偏差问题[35]。科学选取投入和产出指标是进行旅游产业绿色创新效率测度的基础，具体衡量指标选取如下：
（1）投入指标。既有研究主要从科研人员数量和科研经费投入方面考量绿色创新效率的投入指标，但其更适用于科研创新和自主创新[36]，旅游产业作为劳动密集型产业，对从业人员素质的依赖性相对较高，同时需要物力要素的投入，因此，本文分别从人力、物力和财力三个角度选取相应指标衡量旅游产业绿色创新的投入情况。首先，人力资本是创新活动的主导力量，旅游科研人员作为创新活动的主体和执行者，能够在一定程度上代表区域旅游产业创新水平，高素质的旅游专业人才是旅游发展质量和创新能力得以延续和提升的重要保障，因此，选取旅游科研人员数量和高等院校学生数表征绿色创新效率的人力投入指标。其次，旅游产业绿色创新离不开相关物质要素投入，技术投入是物力投入的主要体现和核心内容，这里采用旅游类国家自然科学基金项目数、旅游高等院校数两个指标表征旅游产业绿色创新的物力投入。其中，科研项目数能够为旅游产业创新发展提供理论支持和指导，从而更好地促进旅游产业绿色创新的发展；高等院校数为旅游专业人才的培养提供场所和支撑。第三，资金投入是进行绿色创新活动的基本条件，能够在较大程度上决定绿色创新的成功与否，也代表了旅游产业绿色创新的制度环境，这里选取旅游科研经费表征资金投入，并通过旅游总收入相当于国内生产总值的比重进行折算。
（2）产出指标。绿色创新效率不同于以往单纯追求经济利益的传统技术创新效率，是创新效率的绿色化过程，是综合考虑能源消耗和环境污染后的创新发展质量测评[36]。因此，本文产出变量包括期望产出和非期望产出两部分。其中，期望产出用以衡量绿色创新过程中所取得的旅游经济效益，选取旅游申请专利数和旅游收入进行表征；非期望产出用以衡量绿色创新所带来的旅游资源消耗减少、旅游环境状况改善，选取万元旅游收入能耗和万元旅游收入电耗表征旅游资源消耗，选取旅游产业废水排放量、旅游产业废气排放量和旅游产业固定废弃物排放量三个指标表征旅游环境污染状况。由于旅游产业具有综合性的产业特征，尚未对旅游业资源消耗和环境污染的相关指标数据进行核算，本文采用旅游总收入相对于国内生产总值的比重进行折算。
本文相关指标数据来自各省份《统计年鉴》（2007—2016年）、《中国旅游统计年鉴》（2007—2016年）以及《中国科技统计年鉴》（2007—2016年）；旅游专利数来自于中国国家知识产权局专利检索数据库平台，以“旅游”为主题词进行结果提取，并根据所在地区进行分类汇总所得。考虑到数据的可得性和准确性，研究范围涵盖中国30个省份（不包括西藏和港澳台地区）。
2.2修正的引力模型與空间关联矩阵
空间关联矩阵的构建是社会网络理论与方法应用的基础，既有研究主要运用引力模型测度关联强度，从而构建空间关联矩阵[37]。其中，引力模型在旅游流的测度[38]、旅游经济的空间联系[39]以及入境旅游吸引力的测度[40]等旅游研究领域得到较为广泛的应用。本文引入修正的引力模型对中国大陆（不包括西藏）30个省份之间旅游产业绿色创新效率的空间关联强度进行测度。其计算公式为：
S=KEi·EjDij2（gi-gi）2，其中K=GiGi+Gj
其中，S表示旅游产业绿色创新效率空间关联强度；Ei和Ej分别表示第i个省份和第j个省份的旅游产业绿色创新效率；Gi和Gj分别表示第i个省份和第j个省份的国内生产总值；gi和gj分别表示第i个省份和第j个省份的人均国内生产总值；Dij表示第i个省份和第j个省份之间的时间距离，数据来源于省会之间的最短距离所耗费的时间。本文通过引力模型得到空间关联矩阵，将矩阵中各行数据的均值作为该行的临界值，若空间关联强度S大于该均值，取值为1，表明该行省份与该列省份旅游产业绿色创新效率存在关联关系；反之，取值为0，则表明省份之间不存在关联关系。由此构建旅游产业绿色创新效率的空间二值矩阵，并将其作为空间网络结构分析的数据依据。
2.3社会网络分析方法与空间网络结构特征指标
社会网络分析法（Social Network Analysis，简称SNA）通过对网络成员关系的分析，反映网络结构及其属性特征，揭示网络的整体性与层次性，探讨空间关联的紧密性与网络节点之间的关系。本文利用社会网络分析方法及其相关测度指标，对中国旅游产业绿色创新效率的整体空间网络特征、个体网络特征、聚类特征等进行分析。
（1）整体网络关联分析。采用网络密度指标反映旅游产业绿色创新效率的空间网络关联强度，网络关联度、网络等级度和网络效率三个指标揭示空间网络关联性特征。其中，网络密度表征各省份之间的联系强度，由整体网络的实际空间关联数n除以最大关联总数N得到，网络密度越大，表明省份之间绿色创新效率的关联性越紧密；反之亦然[41]。网络关联度用以表征空间网络的稳健性，网络关联度越大，空间网络越稳定。网络等级度用以表征空间网络在多大程度上是非对称可达的，等级度越高，表明空间网络的等级性特征越显著。网络效率用以表征空间网络中存在多少冗余线条数，网络效率越高，网络中存在的冗余线就越多，溢出关系数越多，网络越稳定。
（2）中心性分析。中心性分析主要揭示各省份在网络中的位置及扮演的角色。其中，度数中心度是一种相对简单的指数，度数中心度越高，表明与该省份相连接的省份数量越多，其位置越接近网络中心。接近中心度是一种不针对他人控制能力的测度，如果某省份的接近中心度越高，表明该省份距其他省份越近。中间中心度是指控制信息和资源的能力，描述的是省份在多大程度上处于省份相联系的路径上，中间中心度越高，其对资源和信息的控制能力越强。
（3）块模型分析。块模型分析主要通过板块聚类判定各个板块在网络中的角色和位置。本文利用块模型分析对中国30个省份旅游产业绿色创新效率的空间网络进行聚类分析和板块划分，借鉴Wasserman和Faust[42]关于网络模块的评价方法，将旅游产业绿色创新效率空间网络划分为双向溢出板块、净受益板块、净溢出板块以及经纪人四个板块，并对板块内部与板块之间的关联特征进行分析。
3实证分析
3.1中国旅游产业绿色创新效率空间网络结构特征分析
3.1.1整体网络结构特征及其演变
本文以旅游产业绿色创新效率作为构建空间关联矩阵的基础数据，并以此为依据构建二值矩阵，进行空间网络结构特征分析。首先，采用2006—2015年中国30个省份（不包括西藏和港澳台）的面板数据样本，运用超效率SBM模型，测度得到研究期内全国及东、中、西三个区域旅游产业绿色创新效率的均值，如图1所示。可以看出，研究期内中国旅游产业绿色创新效率保持整体增长态势，且区域差异性显著，东、中、西三大地区呈现梯度递减特征。其中，东部地区旅游环境条件优越、旅游产业发展较为成熟，其绿色创新效率水平较高，表现为“稳定型发展”特征，中部地区旅游产业绿色创新效率则表现为“增长型发展”特征，受人才引进、资金扶持等相关政策的支持，西部地区处于波动增长阶段，表现为“改善型发展”特征。
其次，运用社会网络理论方法，绘制中国旅游产业绿色创新效率的空间网络拓扑图，并选取2006年、2009年、2012年、2015年四个截面进行对比分析。如图2所示，空间网络中的节点分别表征30个省份，各个节点之间的连线和箭头方向表示空间关联及其溢出方向。由此可知，各省份旅游产业绿色创新效率的空间关联已经打破了传统的地理空间限制，不仅对其邻近省份的旅游产业绿色创新效率产生联动效应，也与非邻近省份之间发生空间关联，表现出较为复杂且稳定的空间作用关系。其中，上海、北京、天津、浙江和江苏等东部省份的关系数显著高于中部和西部地区，主要是由于东部地区作为中国对外开放的先行区，旅游产业发展较为成熟，绿色创新效率较高，旅游产业要素集聚、资源优化配置和产业带动能力较强。
进一步从空间关联强度和空间网络关联性两方面，具体考察中国旅游产业绿色创新效率空间网络的整体结构特征。①空间关联强度。如图3所示，研究期间中国旅游产业绿色创新效率空间关联强度呈现整体增长态势，其中网络关联数由156上升至187、网络密度由0.179上升至0.215，2010年以后其空间网络基本趋于稳定。至2012年，空间关联关系数和网络密度均达到最大值，分别为197和0.226，但与理论上所测算的最大关联数和最大可能密度相比仍存在较大的差距，表明省份之间旅游产业绿色创新的协同发展与整体效率提升有待加强。值得注意的是，网络密度的增加可能会使得整体网络中的冗余关系数增加，进而导致旅游产业绿色创新效率在省份之间的传导费用和溢出成本增加，因此，在推进省份之间协同合作的同时，需将网络密度控制在理想水平内，才能实现最佳的空间优化配置效果。②空间网络关联性。研究期间内中国旅游产业绿色创新效率空间网络关联度指标均为1，表明其空间网络结构具有稳健性。如图4所示，空间网络的等级度仅在2008年呈现显著的下降趋势，其原因可能为2008年北京奥运会的举办，推动了相关产业要素跨区域流动与整合，促进了省份之间的创新协作与协同发展，使得旅游产业绿色创新效率的空间网络关系较为稳定。2008年以后网络等级度保持0.125左右，网络等级特征不显著，各省份绿色创新效率之间的空间网络关系较为紧密。另外，除个别年份外，空间网络效率呈下降的趋势，表明旅游产业绿色创新效率空间网络中冗余关系数逐年减少，双向溢出关系数增加，空间网络趋于稳定。
首先，采用度数中心度判别各省份在旅游产业绿色创新效率空间网络中是否处于中心位置。2015年中国30个省份的度数中心度均值为30.115，北京、天津等9个省份高于均值，表明这些省份与其他省份之间存在较为显著的空间关联，具有较强的影响力。如表1所示，东部省份多数高于中部和西部省份，受经济水平、区位条件等影响，中、西部省份在空间网络中的影响力相对较弱。由于省份之间联系具有差异性，使得省份之间绿色创新效率形成了有向空间网络。在有向图中，点入度表示该省份受到其他省份影响的程度，点出度表示该省份影响其他省份的能力，如果点入度大于点出度，则表现为净受益效应；反之，则为净溢出效应。2015年北京、天津、江苏、浙江、上海等7个省份的点入度大于点出度，表明这些省份易受其他省份绿色创新效率的推动作用，其旅游发展水平较高，能够有效地吸引旅游产业绿色发展和创新提升的资源要素，并将其有效转化，促进旅游绿色创新效率的提升，表现为显著的空间极化效应。
其次，采用接近中心度判别省份之间旅游产业绿色创新效率空间关联产生的难易程度。如表1所示，2015年接近中心度均值为59.076，北京、天津、内蒙古、上海、浙江等8个省份高于均值，这些省份在空间网络中扮演着中心行动者的角色，易与其他省份发生空间联系。而宁夏、青海、新疆、吉林、黑龙江等省份的接近中心度较低，表明这些省份旅游产业绿色创新效率的提高不能带动或不能显著地推动其他省份的发展，同时受其他省份的带动作用不明显，其原因可能为地理位置偏远、旅游产业发展状况不佳以及经济发展水平有限等。
最后，采用中间中心度反映各省份旅游产业绿色创新过程中对资源和信息的控制能力。2015年30个省份的中间中心度均值为4.035，其中高于均值的省份有北京、天津、内蒙古、上海、江西、福建、广东等10个省份，表明这些省份对知识、信息和技术等资源具有较强控制能力，在旅游产业绿色创新效率空间网络中起到传导和中枢的作用。中间中心度较低的省份包括新疆、宁夏、青海、四川、辽宁、吉林和黑龙江等，这些省份多分布于西部和东北地区，在旅游产业绿色创新效率空间网络中的控制能力较低，与其他省份之间的空间关联不紧密。此外，从网络个体位置关系动态演变特征来看，2006—2015年期间，三类中心度指标测度值排名前三位的省份始终为北京、天津和上海，表明这三个省份处于旅游产业绿色创新效率空间网络的中心位置，与其他省份之间的空间关联较为密切，在旅游产业绿色发展与创新驱动方面具有较强的关联带动性。综上，中国旅游产业绿色创新效率表现出明显的马太效应，东部省份经济水平较高、旅游发展较成熟、旅游产业绿色创新效率较高，对相关资源和產业要素的吸引力较强，易受到其他省份的带动作用；受其经济基础、旅游发展水平和绿色创新效率的影响，中、西部省份对相关资源与产业要素的吸引力相对较弱，往往在空间网络中扮演着被动者的角色。
3.1.3块模型与聚类特征分析
根据省份之间旅游产业绿色创新效率空间关联的紧密性和直接性，采用块模型分析进行空间聚类，揭示板块内部及板块之间存在的空间关联特征与作用规律（见表
2）。通过迭代相关收敛法CONCOR，选择最大分割密度为2，收敛标准为0.2，进行非重叠性的聚类分析，将30个省份划分为四个板块。其中，第一板块包括东部地区的北京、天津和西部地区的内蒙古等3个省份，该板块接收外部板块的关系数明显高于向外部板块发送的关系数，为“净受益板块”；第二板块包括东部地区的江苏、浙江、上海、福建和广东等5个沿海省份，该板块向内部和外部均发出较多的关系数，为“双向溢出板块”；第三板块涵盖东部地区的辽宁、山东、河北，中部地区的吉林、黑龙江、山西，西部地区的甘肃、宁夏、陕西、青海等10个省份，该板块内部关系数较少，但其既对外部板块产生溢出关系，也接受外部板块的关系，在旅游产业绿色创新效率空间网络中起着中介和中枢的作用，为“经纪人板块”；第四板块包括东部地区的广西、海南，中部地区的河南、湖北、湖南、安徽、江西，西部地区的四川、重庆、云南、贵州、新疆等12个省份，该板块对其他板块的溢出关系数明显高于其接收外部板块的关系数，为“净溢出板块”。
四个板块内部关系数为29，板块之间的关系数为158，表明虽然板块内部各省份之间具有集聚特征，但其空间关联效应不显著，板块之间具有明显的协同效应和空间溢出效应。根据空间关联关系数确定其密度矩阵和像矩阵，密度矩阵表明第一、第二板块的内部关联的紧密程度
3.2中国旅游产业绿色创新效率空间网络结构的形成机制3.2.1模型设定与变量说明
进一步探讨中国旅游产业绿色创新效率空间网络结构、演变规律与类型差异的影响因素，揭示其空间关系与传导路径的形成机制。中国区域旅游产业绿色创新效率的提升是多维要素空间协作的结果，影响其空间网络形成的因素较为复杂。既有研究认为邻近省份之间更易发生创新效率的空间溢出效应[43-44]，在整体网络中，旅游产业绿色创新效率网络等级特征不显著，水平相近或差距较大的省份之间均存在空间溢出效应，效率投入差异和产出差异也是影响其空间关联的重要因素。由块模型聚类可知，发生空间关联和溢出效应的不同板块之间，在经济基础、旅游发展水平上存在较为显著的地区差异，这种差异在一定程度上影响空间网络结构的形成。因此，本文选取旅游产业绿色创新效率空间关联矩阵作为被解释变量，选择距离关联矩阵、地区经济发展水平差异、旅游发展水平差异、人力投入差异、物力投入差异、财力投入、旅游环境污染差异和旅游资源消耗差异作为解释变量，构建计量模型：
GI=f（D，E，C，H，K，TE，EN，R）
其中，GI代表旅游产业绿色创新效率空间关联矩阵；D为省份之间的距离关联矩阵；E为地区经济发展水平差异关联矩阵；C为资金投入差异关联矩阵；H为人力投入差异关联矩阵；K为物力投入差异关联矩阵；TE为旅游发展水平差异矩阵；EN为旅游环境污染差异关联矩阵；R为旅游资源消耗差异关联矩阵。本文针对解释变量矩阵和被解释变量矩阵进行多元回归分析，由于传统计量统计方法不能实现两两矩阵之间的关系分析。而社会网络分析中矩阵之间关系的二次指派程序（QAP），可通过比较两个矩阵相对应的值，给出矩阵之间的相关系数，并对系数进行非参数检验[43]。因此，本文采用QAP分析对其影响因素进行判别和提取，并对作用程度进行拟合回归。
3.2.2空间网络结构的影响因素及形成机制
采用QAP相关性分析对解释变量和被解释变量之间是否具有相关性进行判定，通过不断地进行矩阵置换与相关性分析得到相关性系数。其中距离、地区经济发展水平差异、资金投入差异以及旅游发展水平差异等4个解释变量与旅游产业绿色创新效率空间关联之间的相关系数分别为-0.291、-0.115、0.182和-0.095，且其显著性水平均小于10%，表明省份之间的距离、经济差异以及资金投入差异均会对旅游产业绿色创新效率的空间关联产生影响。另外，人力投入差异、物力投入差异、环境产出差异以及资源产出差异等与旅游产业绿色创新效率的空间关联之间的相关系数分别为-0.036、-0.028、0.004和-0.057，但其显著性水平均高于10%，表明这四个自变量对旅游产业绿色创新效率空间关联无显著影响。究其原因，一方面是信息化能够在一定程度上弥补不同省份之间在人力资源投入和知识投入上的差异，使得二者不会对旅游产业绿色创新效率的空间关联产生显著影响；另一方面，环境污染和资源消耗产出水平的差异在较大程度上依赖于各省份自身生态系统的脆弱性强弱、经济发展水平的高低与产业发展状况等，对省份之间空间作用的影响程度较小。
为了避免影响因素之间的多重共线性对回归结果造成的误差，本文将随机置换次数设置为10 000次对其进行QAP回归分析。回归结果如表3所示，调整后的可决系数为0.151，且在1%的显著性水平下通过检验，表明距离、经济发展水平差异、资金投入差异以及旅游发展水平差异四个自变量只能解释旅游产业绿色创新效率空间关联的15.1%。其中，距离的回归系数为负，表明距离对旅游产业绿色创新效率的空间关联效应起到负向影响，省份之间的距离越近，越易发生空间溢出现象，这是因为距离增加会使得资源要素空间转移的难度增加，影响省份之间的空间关联程度；经济差异的回归系数为负，表明地区经济发展的非均衡性在一定程度上影响旅游产业绿色创新效率的空间关联关系；资金投入差异回归系数为正，表明资金投入差异越大，省份之间旅游产业绿色创新效率的空间关联越强；旅游发展水平差距的回归系数为负，表明旅游发展水平差异越大的省份之间越易发生绿色创新效率的空间关联。
4结论与建议
本文基于超效率SBM模型与方法对中国旅游产业绿色創新效率进行测度和评价，引入修正的引力模型构建省份之间的空间关联矩阵，将其作为社会网络分析的基础，对中国旅游产业绿色创新效率的空间网络结构特征、影响
第一，從整体网络结构特征来看，研究期间中国旅游产业绿色创新效率空间关联强度处于上升趋势，但整体水平相对较弱，空间网络相对稳定，且等级结构特征不明显，绿色创新效率差异较大的省份之间仍存在空间关联和溢出效应。第二，从网络个体特征来看，旅游产业绿色创新效率呈现出显著的“马太效应”，东部省份之间空间关联较为密切，且具有较强的影响力，能够有效吸引相关资源和要素，促进其绿色创新效率的提升；中部、西部省份的空间网络位置相对较弱，在网络中发挥着中枢和传导作用。第三，由块模型分析来看，板块内部的空间关联较少，板块之间空间关联显著，呈现出空间上的极化效应和扩散效应，东部省份能够发挥其空间扩散作用，带动其他板块的发展。效率相对较低的板块，易受到其他板块绿色创新效率的吸引作用，在一定程度上推动其他板块绿色创新效率的提升。此外，距离、地区经济发展水平差异、旅游发展水平差异对旅游产业绿色创新效率空间网络的形成产生负向影响，资金投入差异对其产生正向影响，表明中国旅游产业绿色创新效率的空间关联具有经济上的“等级性”与资金投入上的“非等级性”。
为进一步提升旅游产业绿色创新效率，推动各省份之间的协调发展，提出如下政策建议：首先，从整体角度而言，在注重提高各省份旅游产业绿色创新效率的同时，树立整体观念和系统思维，促进各省份之间旅游产业绿色创新效率的协同发展，通过建立帮扶机制，利用“非等级性”的网络结构特征，促进高效率省份对低效率省份的扶持，同时加快知识和人才等资源在各省份之间的流动，使旅游产业绿色创新效率网络在传导过程中产生联动协调效果。其次，从各省份节点及其所形成的板块而言，应注重打破旅游产业绿色创新效率的马太效应，使各省份在接收关系和溢出关系中达到均衡，中、西部地区的省份应尽量减少其溢出效应，通过东部地区的带动和辐射作用，均衡各省份旅游产业绿色创新效率的发展；在合理的绿色创新效率转移和传递成本之内，实现东部省份对中部、西部省份的带动作用，推动各地区旅游业的均衡发展，优化板块之间的旅游产业绿色创新效率的传导机制，推动各板块之间的区域联动和协同提升，促进中国旅游业绿色创新与可持续发展。此外，应加快旅游交通基础设施的完善和发展，缩短各省份之间的时间距离，提升中、西部地区省份在绿色创新效率空间网络中的地位，推动中国旅游产业绿色创新的区域均衡与协调发展。
（编辑：王爱萍）
参考文献（References）
[1]张江雪，朱磊.基于绿色增长的我国各地区工业企业技术创新效率研究[J]. 数量经济技术经济研究，2012（2）：113-125. [ZHANG Jiangxue， ZHU Lei. Research on technological innovation efficiency of industrial enterprises based on green growth of regions in China[J].The journal of quantitative & technical economics，2012（2）：113-125.]
[2]王惠，苗壮，王树乔.空间溢出、产业集聚效应与工业绿色创新效率[J]. 中国科技论坛，2015（12）：33-38. [WANG Hui， MIAO Zhuang，WANG Shuqiao. Spatial spillover， industrial agglomeration effect and industrial green innovation efficiency[J].Forum on science and technology in China，2015（12）：33-38.]
[3]俞海，王勇，张永亮，等.“十三五”中国绿色增长路径识别分析[J].中国人口·资源与环境，2017，27（5）：1-8. [YU Hai， WANG Yong，ZHANG Yongliang， et al. The path of Chinas green growth in the 13th Five Year Plan period[J].China population，resources and environment，2017，27（5）：1-8.]
[4]SCHIEDERIG T， TIETZE F， HERSTATT C. Green innovation in technology and innovation management：an exploratory literature review[J]. R&D; management，2012，42（2）：180-192.
[5]张钢，张小军.绿色创新研究的几个基本问题[J]. 中国科技论坛，2013，1（4）：12-15. [ZHANG Gang， ZHANG Xiaojun. Some basic issues on green innovation[J].Forum on science and technology in China，2013，1（4）：12-15.]
[6]KARAKAYA E，HIDALGO A， NUUR C. Diffusion of ecoinnovations： a review[J]. Renewable & sustainable energy reviews，2014，33（2）：392-399.
[7]于惊涛，王珊珊.基于低碳的绿色增长及绿色创新——中、美、英、德、日、韩实证与比较研究[J]. 科学学研究，2016，34（4）：528-538. [YU Jingtao， WANG Shanshan. Green growth and green innovation： empirical evidence from China，US，UK，German，Japan and Korea[J].Studies in science of science，2016，34（4）：528-538.]
[8]GHISETTI C，RENNINGS K.Environmental innovations and profitability： how does it pay to be green？[J]. Journal of cleaner production，2014，75（14）：106-117.
[9]KLAUSE R，CHRISTIAN R. The impact of regulationdriven environmental innovation on innovation success and firm performance[J]. Industry & innovation， 2011，18（3）：255-283.
[10]畢克新，杨朝均，隋俊.跨国公司技术转移对绿色创新绩效影响效果评价——基于制造业绿色创新系统的实证研究[J]. 中国软科学，2015（11）：81-93. [BI Kexin， YANG Chaojun， SUI Jun. Impact of MNCs technology transfer on green innovation performance： perspective of manufacturing green innovation system[J]. China soft science，2015（11）：81-93.]
[11]马媛，侯贵生，尹华.企业绿色创新驱动因素研究——基于资源型企业的实证[J]. 科学学与科学技术管理，2016，37（4）：98-105. [MA Yuan， HOU Guisheng， YIN Hua. Study on the green innovation drivers： empirical test based on the resourceoriented enterprises[J]. Science of science and management of S.&T.;，2016，37（4）：98-105.]
[12]REXHAUSER S， RAMMER C.Environmental innovation and firm profitability： unmasking the porter hypothesis[J]. Environmental and resource economics，2014，57（1）：145-167.
[13]张振刚，白争辉，陈志明.绿色创新与经济增长的多变量协整关系研究——基于1989—2011年广东省数据[J]. 科技进步与对策，2014（10）：24-30. [ZHANG Zhengang，BAI Zhenghui， CHEN Zhiming. Multivariate cointegration relationship between freen innovation and economic growth：based on the yearly data of Guangdong between 1989 and 2011[J].Science & technology progress and policy，2014（10）：24-30.]
[14]HORBACH J. Determinants of environmental innovation：new evidence from German panel data sources[J]. Research policy，2008，37（1）：163-173.
[15]汪传旭，任阳军.高技术产业绿色创新效率的空间溢出效应[J]. 产经评论，2016，7（6）：76-84. [WANG Chuanxu， REN Yangjun. Research on spatial spillover effect of the green innovation efficiency of high-tech industries[J]. Industrial economic review，2016，7（6）：76-84.]
[16]BOHDANOWICZ P. Environmental awareness and initiatives in the Swedish and Polish hotel industriessurvey results[J]. International journal of hospitality management， 2006， 25（4）：662-682.
[17]PACE L A. How do tourism firms innovate for sustainable energy consumption？ a capabilities perspective on the adoption of energy efficiency in tourism accommodation establishments[J]. Journal of cleaner production，2016，111：409-420.
[18]ROSARIO R S M D， SANCHEZMEDINA P S， RENE D P. Ecoinnovation and organizational culture in the hotel industry[J]. International journal of hospitality management， 2017， 65：71-80.
[19]GARCIAPOZO A， SANCHEZOLLERO J L， MARCHANTELARA M. Ecoinnovation and management： an empirical analysis of environmental good practices and labour productivity in the Spanish hotel industry[J]. Innovation， 2015， 17（1）：58-68.
[20]ABOELMAGED M. Direct and indirect effects of ecoinnovation， vironmental orientation and supplier collaboration on hotel performance： an empirical study[J]. Journal of cleaner production， 2018，184：537-549.
[21]张晶，袁梅花，唐善茂.旅游生态创新理论及创新方案研究——“旅游生态创新问题研究”系列论文之一[J]. 广西社会科学，2010（6）：52-55. [ZHANG Jing， YUAN Meihua，TANG Shanmao. Research on tourism ecological innovation theory and innovation program： one of the series of ‘research on tourism ecological innovation[J]. Social sciences in Guangxi，2010（6）：52-55.]
[22]刘焰.中国西部生态旅游产品绿色创新的理论与路径研究[J]. 科技管理研究，2003，23（5）：17-21. [LIU Yan. Research on the theory and path of green innovation in ecotourism products in western of China[J]. Science and technology management research，2003，23（5）：17-21.]
[23]刘佳，赵金金，于水仙.中国旅游生态创新效率测度及其影响因素分析[J]. 改革与战略，2013，29（9）：91-96. [LIU Jia， ZHAO Jinjin， YU Shuixian. Measurement of Chinas tourism ecoinnovation efficiency and its influence factors[J].Reformation & strategy，2013，29（9）：91-96.]
[24]王斌，臧一哲.基于PSR模型的旅游生态创新评价——以山东省为例[J]. 山东科技大学学报（社会科学版），2015（2）：71-78. [WANG Bin， ZANG Yizhe. Innovation evaluation on tourism ecology based on PSR Model： taking Shandong Province as example[J]. Journal of Shandong University of Science and Technology（social sciences），2015（2）：71-78.]
[25]张战仁.中国创新发展的区域关联及空间溢出效应研究——基于中国经济创新转型视角的实证分析[J]. 科学学研究，2013，31（9）：1391-1398. [ZHANG Zhanren. Regional linkage and spatial spillover effects on regional innovation development in China： a case study from the perspective of economic innovation transformation in china[J].Studies in science of science，2013，31（9）：1391-1398.]
[26]赵增耀，章小波，沈能.区域协同创新效率的多维溢出效应[J]. 中国工业经济，2015（1）：32-44. [ZHAO Zengyao， ZHANG Xiaobo，SHEN Neng. Multidimensional spillover effect of regional cooperative innovation efficiency[J]. China industrial economics，2015（1）：32-44.]
[27]方叶林，黄震方，涂玮.社会网络视角下长三角城市旅游经济空间差异[J]. 热带地理，2013，33（2）：212-218. [FANG Yelin， HUANG Zhenfang， TU Wei. Spatial differences of tourism economy in Yangtze River Delta from the perspective of social network[J].Tropical geography，2013，33（2）：212-218.]
[28]王鳳，刘艳芳，孔雪松，等.基于社会网络理论的农村社会空间联系分析——以武汉市黄陂区李集镇为例[J]. 经济地理，2016，36（4）：141-148. [WANG Feng， LIU Yanfang， KONG Xuesong， et al.Analysis of spatial interaction in rural society based on theory of Social Network： a case of Liji Town in Wuhan City[J]. Economic geography，2016，36（4）：141-148.]
[29]KEMP R. Ecoinnovation： definition， measurement and open research issues[J]. Economia politica，2010， XXVII（3）：397-420.
[30]KLAUS RENNINGS， CHIRSTIAN RAMMER. The impact of regulationdriven environmental innovation on innovation success and firm performance[J]. Industry & innovation，2011，18（3）：255-283.
[31]GHISETTI C， RENNINGS K. Environmental innovations and profitability： how does it pay to be green？ an empirical analysis on the German innovation survey[J]. Journal of cleaner production，2014，75（14）：106-117.
[32]李旭.绿色创新相关研究的梳理与展望[J]. 研究与发展管理，2015，27（2）：1-11. [LI Xu. Analysis and outlook of the related researches on green innovation[J]. R&D; management， 2015， 27（2）：1-11.]
[33]王海龙，连晓宇，林德明.绿色技术创新效率对区域绿色增长绩效的影响实证分析[J]. 科学学与科学技术管理， 2016， 37（6）：80-87. [WANG Hailong， LIAN Xiaoyu，LIN Deming. Effects of green technological innovation efficiency on regional green growth performance： an empirical analysis[J]. Science of science and management of S.& T.， 2016， 37（6）：80-87.]
[34]宫大鹏，赵涛，慈兆程，等.基于超效率SBM的中国省际工业化石能源效率评价及影响因素分析[J]. 环境科学学报，2015，35（2）：585-595. [GONG Dapeng， ZHAO Tao， CI Zhaocheng， et al. Evaluation of regional industrial fossil energy efficiency in China based on super SBM and factors analysis[J]. Acta scientiae circumstantiae， 2015， 35（2）：585-595.]
[35]TONE K. A slacksbased measure of superefficiency in data envelopment analysis[J]. European journal of operational research， 2002， 143（1）：32-41.
[36]冯志军.中国工业企业绿色创新效率研究[J]. 中国科技论坛， 2013，1（2）：82-88. [FENG Zhijun. Research on industrial enterprises green innovation efficiency in China[J]. Forum on science and technology in China，2013，1（2）：82-88. ]
[37]鲁渤，汪寿阳，匡海波.基于引力模型的区域物流需求预测研究[J]. 管理评论， 2017，29（2）：181-190. [LU Bo， WANG Shouyang， KUANG Haibo. Forecast of regional logistics demand based on the Gravity Model[J]. Management review， 2017，29（2）：181-190.]
[38]刘少湃，田纪鹏，陆林.上海迪士尼在建景区客源市场空间结构预测——旅游引力模型的修正及应用[J]. 地理学报， 2016，71（2）：304-321. [LIU Shaopai， TIAN Jipeng， LU Lin. A case study of Shanghai Disneyland on spatial structure forecast for proposed scenic spot market：modification and its application of Gravity Model[J].Journal of geographic science，2016，71（2）：304-321.]
[39]郭建科，王绍博，李博，等.哈大高铁对东北城市旅游经济联系的空间影响[J]. 地理科学，2016，36（4）：521-529. [GUO Jianke， WANG Shaobo， LI Bo， et al. The spatial effect of HarbinDalian highspeed rail to the Northeast city tourism economic link[J].Scientia geographica sinica，2016，36（4）：521-529.]
[40]方遠平，谢蔓，毕斗斗，等.中国入境旅游的空间关联特征及其影响因素探析——基于地理加权回归的视角[J]. 旅游科学，2014，28（3）：22-35. [FANG Yuanping， XIE Man， BI Doudou， et al. An exploratory analysis on the spatial correlation characteristics and influential factors of inbound tourism in China： a geographical weighted regression perspective[J]. Tourism science，2014，28（3）：22-35.]
[41]刘华军，刘传明，孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J]. 中国工业经济，2015（5）：83-95. [LIU Huajun，LIU Chuanming， SUN Yanan.Spatial correlation network structure of energy consumption and its effect in China[J].China industrial economics，2015（5）：83-95.]
[42]劉军.社会网络分析导论[M]. 北京：社会科学文献出版社，2004. [LIU Jun. Introduction to social network analysis[M].Beijing：Social Science Academic Press，2004.]
[43]WASSERMAN S， FAUST K. Social network analysis： methods and applications[M]. London： Cambridge University Press，1994： 40-186.
[44]李婧， 管莉花. 区域创新效率的空间集聚及其地区差异——来自中国的实证[J]. 管理评论，2014，26（8）：127-134. [LI Jing， GUAN Lihua. The spatial agglomeration of regional innovation efficiency and its disparities： evidence from China[J]. Management review，2014，26（8）：127-134.]
[45]刘明广.区域创新系统绿色创新效率的空间分布及收敛性研究[J]. 工业技术经济，2017，36（4）：10-18.[LIU Mingguang. Research on spatial distribution and convergence of green innovation efficiency in regional innovation system[J]. Journal of industrial technological economics，2017，36（4）：10-18.]
摘要旅游产业绿色创新是实现资源节约、环境优化的一种可持续发展理念，旅游产业绿色创新效率的有效测度及其空间关系的准确把握对促进旅游业可持续发展具有重要意义。本文采用超效率SBM模型，对2006—2015年期间中国大陆（不包括西藏）30个省份的旅游产业绿色创新效率进行测度和评价，同时引入修正的引力模型量化分析省份之间的空间关联强度，并基于此构建空间关联矩阵，进一步运用社会网络分析理论与方法，探究中国旅游产业绿色创新效率空间网络的关联特征与演化规律，揭示其空间网络结构形成的影响因素及作用机制。研究表明：①研究期间内，中国旅游产业绿色创新效率空间网络的关联强度保持上升态势，但整体关联强度较低，有待进一步加强，同时空间网络具有相对稳定性，等级结构不显著。②东部省份处于空间网络相对中心的位置，在旅游产业绿色创新效率空间网络中具有较强的影响力，扮演着领导者的角色，而中部、西部省份处于相对劣势地位，发挥着中枢和传导作用。③根据省份之间空间关联的紧密性和直接性，不同绿色创新效率集聚板块之间呈现出板块内集聚、板块间显著关联的特征，且整体空间关联网络表现出显著的空间极化效应，东部的省份能够有效吸引和整合中、西部省份的相关要素和资源。④距离、地区经济发展水平差异和旅游发展水平差异对旅游产业绿色创新效率的空间关联强度产生负向作用，而资金投入差异对其产生正向影响。最后从整体性、差异性和区域性等角度，提出促进中国旅游产业绿色创新效率整体提升和均衡发展的对策建议。
关键词旅游产业；绿色创新效率；空间网络结构；社会网络分析
中图分类号F590.1文献标识码A文章编号1002-2104（2018）08-0127-11DOI：10.12062/cpre.20180410
当今，日益严峻的资源消耗与环境污染问题为世界提供了反思的机会和动力。随着人口增长、资源短缺和环境约束等问题日益突出，中国经济在发展过程中逐渐暴露出“高投入、高消耗、高排放、高污染、不协调、低效率和难循环”的粗放式发展特征[1]，绿色发展和技术创新为实现产业转型升级、生产方式转变和生产效率提升提供了新的指导和理念[2]。党的十八届五中全会提出“创新、协调、绿色、开放、共享”的发展理念，“十九大”进一步确定了“推进绿色发展，解决突出环境问题”、“加快建设创新性国家”等发展战略。“十三五”时期中国面临保持经济持续增长和资源环境约束趋紧的双重压力，对绿色增长的需求日益迫切[3]，各地区及相关产业均重视推进“绿色创新”，探索以节能环保和创新驱动为目的的绿色增长模式。旅游产业绿色创新是对旅游经济、生态文明和旅游人地关系的最直接反映，是解决当下旅游产业效率低下问题的重要途径，通过技术创新、产品创新、模式创新和体制创新等方式来实现旅游环境友好、旅游资源可持续开发与旅游业绿色发展。旅游产业绿色创新效率能够反映绿色创新活动投入和产出之间的内在联系与比例关系，揭示旅游产业绿色创新效率的空间结构与演化规律，探讨中国旅游产业集约化与绿色发展的基本路径，促进旅游产业效率提升，是具有重要理论指导和实践意义的研究课题。
1文献综述
自20世纪初，美国经济学家熊彼特提出“创新”这一概念后，创新研究范式开始由线性创新和创新系统向创新生态系统转换、变革与升级。90年代末以来，不同学科对“绿色创新”的概念界定有不同的边界。Fussler & James[4]在《驱动绿色创新》中提出“绿色创新”是指在保证消费者和企业价值不变的前提条件下，能够降低对环境所造成损害的新产品和新工艺等。由于强调环境和生态的可持续性，绿色创新被普遍称为“可持续创新”“环境驱动型创新”“环境创新”和“生态创新”等[5]。当前国内外关于绿色创新的研究主要关注绿色创新的概念内涵[6-7]、类型划分[8]、动力机制[9]等基本理论问题，以及绿色创新的影响因素提取与判定[10-11]、绿色创新与经济增长[12]、產业集聚[13]等之间的关系分析、绿色创新效率的测度[14]及其空间溢出效应[15]等应用研究与实证检验。绿色创新领域已经取得较为丰富的研究成果，这为旅游领域绿色创新的战略实施和政策制定提供了一定的理论支撑。旅游产业绿色创新是指在旅游产业部门运营和管理过程中，遵循生态学规律，通过创新要素投入和创新活动开展，减少旅游产业资源消耗，降低其环境污染，从而实现旅游产业与资源环境的协调可持续。作为资源消耗较为突出的旅游产业部门[16]，旅游住宿业绿色创新理论与实践问题受到国外学者的关注，如Pace L A et al.[17]探讨了地中海地区旅游住宿业在能源技术方面的创新模式，Rosario R S M D et al.[18]分析了不同类型酒店文化对绿色创新模式的影响，Garcíapozo A[19]和Aboelmaged M[20]则分别测度了绿色创新与员工效率、酒店绩效之间的直接和间接关系。在国内，旅游产业绿色创新研究涵盖其内涵与评价体系、动力机制、效率测度及影响因素等理论分析，如张晶等[21]探讨了旅游产业绿色创新的方案选择、评价以及空间集聚特征；刘焰[22]阐述了旅游产业绿色创新的理论内涵、实现路径和动力机制。其中，旅游产业绿色创新效率的有效测度是当前研究的热点问题，如刘佳[23]等利用Malmquist指数模型对中国30个省份旅游生态创新效率进行了评价；王斌[24]等基于PSR模型测度了山东省17地市的旅游生态创新效率。
刘佳等：中国旅游产业绿色创新效率的空间网络结构与形成机制中国人口·资源与环境2018年第8期综上，国内外关于旅游产业绿色创新的研究主要集中于理论阐述、关系探讨以及效率评价等方面。空间集聚和溢出效应是创新效率的显著特征[25-26]，但当前旅游产业绿色创新效率空间关系方面的研究仍较为匮乏，且研究方法多以Morans I指数、空间Durbin模型等空间计量理论与技术方法为主，这些方法往往重视数据之间的属性关系，忽略了对关系数据的考察和应用，而社会网络分析方法能够考察关系数据及其网络关系[27-28]，可有效补充旅游产业绿色创新效率空间关系的研究。基于此，本文利用超效率SBM模型对中国旅游产业绿色创新效率进行量化测度，进一步运用社会网络分析方法构建旅游产业绿色创新效率的空间网络，揭示其空间网络结构的关联特征、演化规律与形成机制，进而提出促进中国旅游产业绿色创新协同发展与整体提升的政策建议，以期为中国旅游产业的可持续发展提供理论指导与决策参考。
2研究方法与数据来源
2.1绿色创新效率测度模型与指标选取
绿色创新的对象包括技术方面（产品、工艺等）和非技术方面的（组织、制度和市场）[7，29]，具有“溢出效应”和“外部环境成本”产生的“双重外部性”[30]，在类型上可分为能源和资源有效型和外部性减少型创新[31]，或资源节约型、环境友好型和混合型绿色创新[32]，资源节约和环境友好是衡量是否绿色的基本标准。旅游产业对资源基础和环境条件具有较高的依赖性，要实现绿色发展，就必须依靠绿色创新来缓解旅游产业发展过程中对资源的过度依赖及其对环境的过度破坏[33]。旅游产业绿色创新效率是指通过创新活动开展和创新要素投入实现的绿色效益，即创新要素投入与资源、环境产出之间的比例关系，绿色创新效率越高，表明创新活动和创新要素与其所带来的资源、环境效益越匹配。它反映了单位创新投入对创新产出的贡献程度，对其进行客观测算和衡量，有助于减少投入冗余，优化创新资源配置。传统DEA模型评价的基本思想是要求以最小的投入生产尽可能多的产出，但未考虑环境污染、资源消耗等“非期望产出”。本文通过纳入非期望产出的超效率SBM（Slacks Based Measure）模型[34]评价中国旅游产业绿色创新效率，以解决传统DEA模型未考虑松弛变量而产生的效率测度的偏差问题[35]。科学选取投入和产出指标是进行旅游产业绿色创新效率测度的基础，具体衡量指标选取如下：
（1）投入指标。既有研究主要从科研人员数量和科研经费投入方面考量绿色创新效率的投入指标，但其更适用于科研创新和自主创新[36]，旅游产业作为劳动密集型产业，对从业人员素质的依赖性相对较高，同时需要物力要素的投入，因此，本文分别从人力、物力和财力三个角度选取相应指标衡量旅游产业绿色创新的投入情况。首先，人力资本是创新活动的主导力量，旅游科研人员作为创新活动的主体和执行者，能够在一定程度上代表区域旅游产业创新水平，高素质的旅游专业人才是旅游发展质量和创新能力得以延续和提升的重要保障，因此，选取旅游科研人员数量和高等院校学生数表征绿色创新效率的人力投入指标。其次，旅游产业绿色创新离不开相关物质要素投入，技术投入是物力投入的主要体现和核心内容，这里采用旅游类国家自然科学基金项目数、旅游高等院校数两个指标表征旅游产业绿色创新的物力投入。其中，科研项目数能够为旅游产业创新发展提供理论支持和指导，从而更好地促进旅游产业绿色创新的发展；高等院校数为旅游专业人才的培养提供场所和支撑。第三，资金投入是进行绿色创新活动的基本条件，能够在较大程度上决定绿色创新的成功与否，也代表了旅游产业绿色创新的制度环境，这里选取旅游科研经费表征资金投入，并通过旅游总收入相当于国内生产总值的比重进行折算。
（2）产出指标。绿色创新效率不同于以往单纯追求经济利益的传统技术创新效率，是创新效率的绿色化过程，是综合考虑能源消耗和环境污染后的创新发展质量测评[36]。因此，本文产出变量包括期望产出和非期望产出两部分。其中，期望产出用以衡量绿色创新过程中所取得的旅游经济效益，选取旅游申请专利数和旅游收入进行表征；非期望产出用以衡量绿色创新所带来的旅游资源消耗减少、旅游环境状况改善，选取万元旅游收入能耗和万元旅游收入电耗表征旅游资源消耗，选取旅游产业废水排放量、旅游产业废气排放量和旅游产业固定废弃物排放量三个指标表征旅游环境污染状况。由于旅游产业具有综合性的产业特征，尚未对旅游业资源消耗和环境污染的相关指标数据进行核算，本文采用旅游总收入相对于国内生产总值的比重进行折算。
本文相关指标数据来自各省份《统计年鉴》（2007—2016年）、《中国旅游统计年鉴》（2007—2016年）以及《中国科技统计年鉴》（2007—2016年）；旅游专利数来自于中国国家知识产权局专利检索数据库平台，以“旅游”为主题词进行结果提取，并根据所在地区进行分类汇总所得。考虑到数据的可得性和准确性，研究范围涵盖中国30个省份（不包括西藏和港澳台地区）。
2.2修正的引力模型與空间关联矩阵
空间关联矩阵的构建是社会网络理论与方法应用的基础，既有研究主要运用引力模型测度关联强度，从而构建空间关联矩阵[37]。其中，引力模型在旅游流的测度[38]、旅游经济的空间联系[39]以及入境旅游吸引力的测度[40]等旅游研究领域得到较为广泛的应用。本文引入修正的引力模型对中国大陆（不包括西藏）30个省份之间旅游产业绿色创新效率的空间关联强度进行测度。其计算公式为：
S=KEi·EjDij2（gi-gi）2，其中K=GiGi+Gj
其中，S表示旅游产业绿色创新效率空间关联强度；Ei和Ej分别表示第i个省份和第j个省份的旅游产业绿色创新效率；Gi和Gj分别表示第i个省份和第j个省份的国内生产总值；gi和gj分别表示第i个省份和第j个省份的人均国内生产总值；Dij表示第i个省份和第j个省份之间的时间距离，数据来源于省会之间的最短距离所耗费的时间。本文通过引力模型得到空间关联矩阵，将矩阵中各行数据的均值作为该行的临界值，若空间关联强度S大于该均值，取值为1，表明该行省份与该列省份旅游产业绿色创新效率存在关联关系；反之，取值为0，则表明省份之间不存在关联关系。由此构建旅游产业绿色创新效率的空间二值矩阵，并将其作为空间网络结构分析的数据依据。
2.3社会网络分析方法与空间网络结构特征指标
社会网络分析法（Social Network Analysis，简称SNA）通过对网络成员关系的分析，反映网络结构及其属性特征，揭示网络的整体性与层次性，探讨空间关联的紧密性与网络节点之间的关系。本文利用社会网络分析方法及其相关测度指标，对中国旅游产业绿色创新效率的整体空间网络特征、个体网络特征、聚类特征等进行分析。
（1）整体网络关联分析。采用网络密度指标反映旅游产业绿色创新效率的空间网络关联强度，网络关联度、网络等级度和网络效率三个指标揭示空间网络关联性特征。其中，网络密度表征各省份之间的联系强度，由整体网络的实际空间关联数n除以最大关联总数N得到，网络密度越大，表明省份之间绿色创新效率的关联性越紧密；反之亦然[41]。网络关联度用以表征空间网络的稳健性，网络关联度越大，空间网络越稳定。网络等级度用以表征空间网络在多大程度上是非对称可达的，等级度越高，表明空间网络的等级性特征越显著。网络效率用以表征空间网络中存在多少冗余线条数，网络效率越高，网络中存在的冗余线就越多，溢出关系数越多，网络越稳定。
（2）中心性分析。中心性分析主要揭示各省份在网络中的位置及扮演的角色。其中，度数中心度是一种相对简单的指数，度数中心度越高，表明与该省份相连接的省份数量越多，其位置越接近网络中心。接近中心度是一种不针对他人控制能力的测度，如果某省份的接近中心度越高，表明该省份距其他省份越近。中间中心度是指控制信息和资源的能力，描述的是省份在多大程度上处于省份相联系的路径上，中间中心度越高，其对资源和信息的控制能力越强。
（3）块模型分析。块模型分析主要通过板块聚类判定各个板块在网络中的角色和位置。本文利用块模型分析对中国30个省份旅游产业绿色创新效率的空间网络进行聚类分析和板块划分，借鉴Wasserman和Faust[42]关于网络模块的评价方法，将旅游产业绿色创新效率空间网络划分为双向溢出板块、净受益板块、净溢出板块以及经纪人四个板块，并对板块内部与板块之间的关联特征进行分析。
3实证分析
3.1中国旅游产业绿色创新效率空间网络结构特征分析
3.1.1整体网络结构特征及其演变
本文以旅游产业绿色创新效率作为构建空间关联矩阵的基础数据，并以此为依据构建二值矩阵，进行空间网络结构特征分析。首先，采用2006—2015年中国30个省份（不包括西藏和港澳台）的面板数据样本，运用超效率SBM模型，测度得到研究期内全国及东、中、西三个区域旅游产业绿色创新效率的均值，如图1所示。可以看出，研究期内中国旅游产业绿色创新效率保持整体增长态势，且区域差异性显著，东、中、西三大地区呈现梯度递减特征。其中，东部地区旅游环境条件优越、旅游产业发展较为成熟，其绿色创新效率水平较高，表现为“稳定型发展”特征，中部地区旅游产业绿色创新效率则表现为“增长型发展”特征，受人才引进、资金扶持等相关政策的支持，西部地区处于波动增长阶段，表现为“改善型发展”特征。
其次，运用社会网络理论方法，绘制中国旅游产业绿色创新效率的空间网络拓扑图，并选取2006年、2009年、2012年、2015年四个截面进行对比分析。如图2所示，空间网络中的节点分别表征30个省份，各个节点之间的连线和箭头方向表示空间关联及其溢出方向。由此可知，各省份旅游产业绿色创新效率的空间关联已经打破了传统的地理空间限制，不仅对其邻近省份的旅游产业绿色创新效率产生联动效应，也与非邻近省份之间发生空间关联，表现出较为复杂且稳定的空间作用关系。其中，上海、北京、天津、浙江和江苏等东部省份的关系数显著高于中部和西部地区，主要是由于东部地区作为中国对外开放的先行区，旅游产业发展较为成熟，绿色创新效率较高，旅游产业要素集聚、资源优化配置和产业带动能力较强。
进一步从空间关联强度和空间网络关联性两方面，具体考察中国旅游产业绿色创新效率空间网络的整体结构特征。①空间关联强度。如图3所示，研究期间中国旅游产业绿色创新效率空间关联强度呈现整体增长态势，其中网络关联数由156上升至187、网络密度由0.179上升至0.215，2010年以后其空间网络基本趋于稳定。至2012年，空间关联关系数和网络密度均达到最大值，分别为197和0.226，但与理论上所测算的最大关联数和最大可能密度相比仍存在较大的差距，表明省份之间旅游产业绿色创新的协同发展与整体效率提升有待加强。值得注意的是，网络密度的增加可能会使得整体网络中的冗余关系数增加，进而导致旅游产业绿色创新效率在省份之间的传导费用和溢出成本增加，因此，在推进省份之间协同合作的同时，需将网络密度控制在理想水平内，才能实现最佳的空间优化配置效果。②空间网络关联性。研究期间内中国旅游产业绿色创新效率空间网络关联度指标均为1，表明其空间网络结构具有稳健性。如图4所示，空间网络的等级度仅在2008年呈现显著的下降趋势，其原因可能为2008年北京奥运会的举办，推动了相关产业要素跨区域流动与整合，促进了省份之间的创新协作与协同发展，使得旅游产业绿色创新效率的空间网络关系较为稳定。2008年以后网络等级度保持0.125左右，网络等级特征不显著，各省份绿色创新效率之间的空间网络关系较为紧密。另外，除个别年份外，空间网络效率呈下降的趋势，表明旅游产业绿色创新效率空间网络中冗余关系数逐年减少，双向溢出关系数增加，空间网络趋于稳定。
首先，采用度数中心度判别各省份在旅游产业绿色创新效率空间网络中是否处于中心位置。2015年中国30个省份的度数中心度均值为30.115，北京、天津等9个省份高于均值，表明这些省份与其他省份之间存在较为显著的空间关联，具有较强的影响力。如表1所示，东部省份多数高于中部和西部省份，受经济水平、区位条件等影响，中、西部省份在空间网络中的影响力相对较弱。由于省份之间联系具有差异性，使得省份之间绿色创新效率形成了有向空间网络。在有向图中，点入度表示该省份受到其他省份影响的程度，点出度表示该省份影响其他省份的能力，如果点入度大于点出度，则表现为净受益效应；反之，则为净溢出效应。2015年北京、天津、江苏、浙江、上海等7个省份的点入度大于点出度，表明这些省份易受其他省份绿色创新效率的推动作用，其旅游发展水平较高，能够有效地吸引旅游产业绿色发展和创新提升的资源要素，并将其有效转化，促进旅游绿色创新效率的提升，表现为显著的空间极化效应。
其次，采用接近中心度判别省份之间旅游产业绿色创新效率空间关联产生的难易程度。如表1所示，2015年接近中心度均值为59.076，北京、天津、内蒙古、上海、浙江等8个省份高于均值，这些省份在空间网络中扮演着中心行动者的角色，易与其他省份发生空间联系。而宁夏、青海、新疆、吉林、黑龙江等省份的接近中心度较低，表明这些省份旅游产业绿色创新效率的提高不能带动或不能显著地推动其他省份的发展，同时受其他省份的带动作用不明显，其原因可能为地理位置偏远、旅游产业发展状况不佳以及经济发展水平有限等。
最后，采用中间中心度反映各省份旅游产业绿色创新过程中对资源和信息的控制能力。2015年30个省份的中间中心度均值为4.035，其中高于均值的省份有北京、天津、内蒙古、上海、江西、福建、广东等10个省份，表明这些省份对知识、信息和技术等资源具有较强控制能力，在旅游产业绿色创新效率空间网络中起到传导和中枢的作用。中间中心度较低的省份包括新疆、宁夏、青海、四川、辽宁、吉林和黑龙江等，这些省份多分布于西部和东北地区，在旅游产业绿色创新效率空间网络中的控制能力较低，与其他省份之间的空间关联不紧密。此外，从网络个体位置关系动态演变特征来看，2006—2015年期间，三类中心度指标测度值排名前三位的省份始终为北京、天津和上海，表明这三个省份处于旅游产业绿色创新效率空间网络的中心位置，与其他省份之间的空间关联较为密切，在旅游产业绿色发展与创新驱动方面具有较强的关联带动性。综上，中国旅游产业绿色创新效率表现出明显的马太效应，东部省份经济水平较高、旅游发展较成熟、旅游产业绿色创新效率较高，对相关资源和產业要素的吸引力较强，易受到其他省份的带动作用；受其经济基础、旅游发展水平和绿色创新效率的影响，中、西部省份对相关资源与产业要素的吸引力相对较弱，往往在空间网络中扮演着被动者的角色。
3.1.3块模型与聚类特征分析
根据省份之间旅游产业绿色创新效率空间关联的紧密性和直接性，采用块模型分析进行空间聚类，揭示板块内部及板块之间存在的空间关联特征与作用规律（见表
2）。通过迭代相关收敛法CONCOR，选择最大分割密度为2，收敛标准为0.2，进行非重叠性的聚类分析，将30个省份划分为四个板块。其中，第一板块包括东部地区的北京、天津和西部地区的内蒙古等3个省份，该板块接收外部板块的关系数明显高于向外部板块发送的关系数，为“净受益板块”；第二板块包括东部地区的江苏、浙江、上海、福建和广东等5个沿海省份，该板块向内部和外部均发出较多的关系数，为“双向溢出板块”；第三板块涵盖东部地区的辽宁、山东、河北，中部地区的吉林、黑龙江、山西，西部地区的甘肃、宁夏、陕西、青海等10个省份，该板块内部关系数较少，但其既对外部板块产生溢出关系，也接受外部板块的关系，在旅游产业绿色创新效率空间网络中起着中介和中枢的作用，为“经纪人板块”；第四板块包括东部地区的广西、海南，中部地区的河南、湖北、湖南、安徽、江西，西部地区的四川、重庆、云南、贵州、新疆等12个省份，该板块对其他板块的溢出关系数明显高于其接收外部板块的关系数，为“净溢出板块”。
四个板块内部关系数为29，板块之间的关系数为158，表明虽然板块内部各省份之间具有集聚特征，但其空间关联效应不显著，板块之间具有明显的协同效应和空间溢出效应。根据空间关联关系数确定其密度矩阵和像矩阵，密度矩阵表明第一、第二板块的内部关联的紧密程度
3.2中国旅游产业绿色创新效率空间网络结构的形成机制3.2.1模型设定与变量说明
进一步探讨中国旅游产业绿色创新效率空间网络结构、演变规律与类型差异的影响因素，揭示其空间关系与传导路径的形成机制。中国区域旅游产业绿色创新效率的提升是多维要素空间协作的结果，影响其空间网络形成的因素较为复杂。既有研究认为邻近省份之间更易发生创新效率的空间溢出效应[43-44]，在整体网络中，旅游产业绿色创新效率网络等级特征不显著，水平相近或差距较大的省份之间均存在空间溢出效应，效率投入差异和产出差异也是影响其空间关联的重要因素。由块模型聚类可知，发生空间关联和溢出效应的不同板块之间，在经济基础、旅游发展水平上存在较为显著的地区差异，这种差异在一定程度上影响空间网络结构的形成。因此，本文选取旅游产业绿色创新效率空间关联矩阵作为被解释变量，选择距离关联矩阵、地区经济发展水平差异、旅游发展水平差异、人力投入差异、物力投入差异、财力投入、旅游环境污染差异和旅游资源消耗差异作为解释变量，构建计量模型：
GI=f（D，E，C，H，K，TE，EN，R）
其中，GI代表旅游产业绿色创新效率空间关联矩阵；D为省份之间的距离关联矩阵；E为地区经济发展水平差异关联矩阵；C为资金投入差异关联矩阵；H为人力投入差异关联矩阵；K为物力投入差异关联矩阵；TE为旅游发展水平差异矩阵；EN为旅游环境污染差异关联矩阵；R为旅游资源消耗差异关联矩阵。本文针对解释变量矩阵和被解释变量矩阵进行多元回归分析，由于传统计量统计方法不能实现两两矩阵之间的关系分析。而社会网络分析中矩阵之间关系的二次指派程序（QAP），可通过比较两个矩阵相对应的值，给出矩阵之间的相关系数，并对系数进行非参数检验[43]。因此，本文采用QAP分析对其影响因素进行判别和提取，并对作用程度进行拟合回归。
3.2.2空间网络结构的影响因素及形成机制
采用QAP相关性分析对解释变量和被解释变量之间是否具有相关性进行判定，通过不断地进行矩阵置换与相关性分析得到相关性系数。其中距离、地区经济发展水平差异、资金投入差异以及旅游发展水平差异等4个解释变量与旅游产业绿色创新效率空间关联之间的相关系数分别为-0.291、-0.115、0.182和-0.095，且其显著性水平均小于10%，表明省份之间的距离、经济差异以及资金投入差异均会对旅游产业绿色创新效率的空间关联产生影响。另外，人力投入差异、物力投入差异、环境产出差异以及资源产出差异等与旅游产业绿色创新效率的空间关联之间的相关系数分别为-0.036、-0.028、0.004和-0.057，但其显著性水平均高于10%，表明这四个自变量对旅游产业绿色创新效率空间关联无显著影响。究其原因，一方面是信息化能够在一定程度上弥补不同省份之间在人力资源投入和知识投入上的差异，使得二者不会对旅游产业绿色创新效率的空间关联产生显著影响；另一方面，环境污染和资源消耗产出水平的差异在较大程度上依赖于各省份自身生态系统的脆弱性强弱、经济发展水平的高低与产业发展状况等，对省份之间空间作用的影响程度较小。
为了避免影响因素之间的多重共线性对回归结果造成的误差，本文将随机置换次数设置为10 000次对其进行QAP回归分析。回归结果如表3所示，调整后的可决系数为0.151，且在1%的显著性水平下通过检验，表明距离、经济发展水平差异、资金投入差异以及旅游发展水平差异四个自变量只能解释旅游产业绿色创新效率空间关联的15.1%。其中，距离的回归系数为负，表明距离对旅游产业绿色创新效率的空间关联效应起到负向影响，省份之间的距离越近，越易发生空间溢出现象，这是因为距离增加会使得资源要素空间转移的难度增加，影响省份之间的空间关联程度；经济差异的回归系数为负，表明地区经济发展的非均衡性在一定程度上影响旅游产业绿色创新效率的空间关联关系；资金投入差异回归系数为正，表明资金投入差异越大，省份之间旅游产业绿色创新效率的空间关联越强；旅游发展水平差距的回归系数为负，表明旅游发展水平差异越大的省份之间越易发生绿色创新效率的空间关联。
4结论与建议
本文基于超效率SBM模型与方法对中国旅游产业绿色創新效率进行测度和评价，引入修正的引力模型构建省份之间的空间关联矩阵，将其作为社会网络分析的基础，对中国旅游产业绿色创新效率的空间网络结构特征、影响
第一，從整体网络结构特征来看，研究期间中国旅游产业绿色创新效率空间关联强度处于上升趋势，但整体水平相对较弱，空间网络相对稳定，且等级结构特征不明显，绿色创新效率差异较大的省份之间仍存在空间关联和溢出效应。第二，从网络个体特征来看，旅游产业绿色创新效率呈现出显著的“马太效应”，东部省份之间空间关联较为密切，且具有较强的影响力，能够有效吸引相关资源和要素，促进其绿色创新效率的提升；中部、西部省份的空间网络位置相对较弱，在网络中发挥着中枢和传导作用。第三，由块模型分析来看，板块内部的空间关联较少，板块之间空间关联显著，呈现出空间上的极化效应和扩散效应，东部省份能够发挥其空间扩散作用，带动其他板块的发展。效率相对较低的板块，易受到其他板块绿色创新效率的吸引作用，在一定程度上推动其他板块绿色创新效率的提升。此外，距离、地区经济发展水平差异、旅游发展水平差异对旅游产业绿色创新效率空间网络的形成产生负向影响，资金投入差异对其产生正向影响，表明中国旅游产业绿色创新效率的空间关联具有经济上的“等级性”与资金投入上的“非等级性”。
为进一步提升旅游产业绿色创新效率，推动各省份之间的协调发展，提出如下政策建议：首先，从整体角度而言，在注重提高各省份旅游产业绿色创新效率的同时，树立整体观念和系统思维，促进各省份之间旅游产业绿色创新效率的协同发展，通过建立帮扶机制，利用“非等级性”的网络结构特征，促进高效率省份对低效率省份的扶持，同时加快知识和人才等资源在各省份之间的流动，使旅游产业绿色创新效率网络在传导过程中产生联动协调效果。其次，从各省份节点及其所形成的板块而言，应注重打破旅游产业绿色创新效率的马太效应，使各省份在接收关系和溢出关系中达到均衡，中、西部地区的省份应尽量减少其溢出效应，通过东部地区的带动和辐射作用，均衡各省份旅游产业绿色创新效率的发展；在合理的绿色创新效率转移和传递成本之内，实现东部省份对中部、西部省份的带动作用，推动各地区旅游业的均衡发展，优化板块之间的旅游产业绿色创新效率的传导机制，推动各板块之间的区域联动和协同提升，促进中国旅游业绿色创新与可持续发展。此外，应加快旅游交通基础设施的完善和发展，缩短各省份之间的时间距离，提升中、西部地区省份在绿色创新效率空间网络中的地位，推动中国旅游产业绿色创新的区域均衡与协调发展。
（编辑：王爱萍）
参考文献（References）
[1]张江雪，朱磊.基于绿色增长的我国各地区工业企业技术创新效率研究[J]. 数量经济技术经济研究，2012（2）：113-125. [ZHANG Jiangxue， ZHU Lei. Research on technological innovation efficiency of industrial enterprises based on green growth of regions in China[J].The journal of quantitative & technical economics，2012（2）：113-125.]
[2]王惠，苗壮，王树乔.空间溢出、产业集聚效应与工业绿色创新效率[J]. 中国科技论坛，2015（12）：33-38. [WANG Hui， MIAO Zhuang，WANG Shuqiao. Spatial spillover， industrial agglomeration effect and industrial green innovation efficiency[J].Forum on science and technology in China，2015（12）：33-38.]
[3]俞海，王勇，张永亮，等.“十三五”中国绿色增长路径识别分析[J].中国人口·资源与环境，2017，27（5）：1-8. [YU Hai， WANG Yong，ZHANG Yongliang， et al. The path of Chinas green growth in the 13th Five Year Plan period[J].China population，resources and environment，2017，27（5）：1-8.]
[4]SCHIEDERIG T， TIETZE F， HERSTATT C. Green innovation in technology and innovation management：an exploratory literature review[J]. R&D; management，2012，42（2）：180-192.
[5]张钢，张小军.绿色创新研究的几个基本问题[J]. 中国科技论坛，2013，1（4）：12-15. [ZHANG Gang， ZHANG Xiaojun. Some basic issues on green innovation[J].Forum on science and technology in China，2013，1（4）：12-15.]
[6]KARAKAYA E，HIDALGO A， NUUR C. Diffusion of ecoinnovations： a review[J]. Renewable & sustainable energy reviews，2014，33（2）：392-399.
[7]于惊涛，王珊珊.基于低碳的绿色增长及绿色创新——中、美、英、德、日、韩实证与比较研究[J]. 科学学研究，2016，34（4）：528-538. [YU Jingtao， WANG Shanshan. Green growth and green innovation： empirical evidence from China，US，UK，German，Japan and Korea[J].Studies in science of science，2016，34（4）：528-538.]
[8]GHISETTI C，RENNINGS K.Environmental innovations and profitability： how does it pay to be green？[J]. Journal of cleaner production，2014，75（14）：106-117.
[9]KLAUSE R，CHRISTIAN R. The impact of regulationdriven environmental innovation on innovation success and firm performance[J]. Industry & innovation， 2011，18（3）：255-283.
[10]畢克新，杨朝均，隋俊.跨国公司技术转移对绿色创新绩效影响效果评价——基于制造业绿色创新系统的实证研究[J]. 中国软科学，2015（11）：81-93. [BI Kexin， YANG Chaojun， SUI Jun. Impact of MNCs technology transfer on green innovation performance： perspective of manufacturing green innovation system[J]. China soft science，2015（11）：81-93.]
[11]马媛，侯贵生，尹华.企业绿色创新驱动因素研究——基于资源型企业的实证[J]. 科学学与科学技术管理，2016，37（4）：98-105. [MA Yuan， HOU Guisheng， YIN Hua. Study on the green innovation drivers： empirical test based on the resourceoriented enterprises[J]. Science of science and management of S.&T.;，2016，37（4）：98-105.]
[12]REXHAUSER S， RAMMER C.Environmental innovation and firm profitability： unmasking the porter hypothesis[J]. Environmental and resource economics，2014，57（1）：145-167.
[13]张振刚，白争辉，陈志明.绿色创新与经济增长的多变量协整关系研究——基于1989—2011年广东省数据[J]. 科技进步与对策，2014（10）：24-30. [ZHANG Zhengang，BAI Zhenghui， CHEN Zhiming. Multivariate cointegration relationship between freen innovation and economic growth：based on the yearly data of Guangdong between 1989 and 2011[J].Science & technology progress and policy，2014（10）：24-30.]
[14]HORBACH J. Determinants of environmental innovation：new evidence from German panel data sources[J]. Research policy，2008，37（1）：163-173.
[15]汪传旭，任阳军.高技术产业绿色创新效率的空间溢出效应[J]. 产经评论，2016，7（6）：76-84. [WANG Chuanxu， REN Yangjun. Research on spatial spillover effect of the green innovation efficiency of high-tech industries[J]. Industrial economic review，2016，7（6）：76-84.]
[16]BOHDANOWICZ P. Environmental awareness and initiatives in the Swedish and Polish hotel industriessurvey results[J]. International journal of hospitality management， 2006， 25（4）：662-682.
[17]PACE L A. How do tourism firms innovate for sustainable energy consumption？ a capabilities perspective on the adoption of energy efficiency in tourism accommodation establishments[J]. Journal of cleaner production，2016，111：409-420.
[18]ROSARIO R S M D， SANCHEZMEDINA P S， RENE D P. Ecoinnovation and organizational culture in the hotel industry[J]. International journal of hospitality management， 2017， 65：71-80.
[19]GARCIAPOZO A， SANCHEZOLLERO J L， MARCHANTELARA M. Ecoinnovation and management： an empirical analysis of environmental good practices and labour productivity in the Spanish hotel industry[J]. Innovation， 2015， 17（1）：58-68.
[20]ABOELMAGED M. Direct and indirect effects of ecoinnovation， vironmental orientation and supplier collaboration on hotel performance： an empirical study[J]. Journal of cleaner production， 2018，184：537-549.
[21]张晶，袁梅花，唐善茂.旅游生态创新理论及创新方案研究——“旅游生态创新问题研究”系列论文之一[J]. 广西社会科学，2010（6）：52-55. [ZHANG Jing， YUAN Meihua，TANG Shanmao. Research on tourism ecological innovation theory and innovation program： one of the series of ‘research on tourism ecological innovation[J]. Social sciences in Guangxi，2010（6）：52-55.]
[22]刘焰.中国西部生态旅游产品绿色创新的理论与路径研究[J]. 科技管理研究，2003，23（5）：17-21. [LIU Yan. Research on the theory and path of green innovation in ecotourism products in western of China[J]. Science and technology management research，2003，23（5）：17-21.]
[23]刘佳，赵金金，于水仙.中国旅游生态创新效率测度及其影响因素分析[J]. 改革与战略，2013，29（9）：91-96. [LIU Jia， ZHAO Jinjin， YU Shuixian. Measurement of Chinas tourism ecoinnovation efficiency and its influence factors[J].Reformation & strategy，2013，29（9）：91-96.]
[24]王斌，臧一哲.基于PSR模型的旅游生态创新评价——以山东省为例[J]. 山东科技大学学报（社会科学版），2015（2）：71-78. [WANG Bin， ZANG Yizhe. Innovation evaluation on tourism ecology based on PSR Model： taking Shandong Province as example[J]. Journal of Shandong University of Science and Technology（social sciences），2015（2）：71-78.]
[25]张战仁.中国创新发展的区域关联及空间溢出效应研究——基于中国经济创新转型视角的实证分析[J]. 科学学研究，2013，31（9）：1391-1398. [ZHANG Zhanren. Regional linkage and spatial spillover effects on regional innovation development in China： a case study from the perspective of economic innovation transformation in china[J].Studies in science of science，2013，31（9）：1391-1398.]
[26]赵增耀，章小波，沈能.区域协同创新效率的多维溢出效应[J]. 中国工业经济，2015（1）：32-44. [ZHAO Zengyao， ZHANG Xiaobo，SHEN Neng. Multidimensional spillover effect of regional cooperative innovation efficiency[J]. China industrial economics，2015（1）：32-44.]
[27]方叶林，黄震方，涂玮.社会网络视角下长三角城市旅游经济空间差异[J]. 热带地理，2013，33（2）：212-218. [FANG Yelin， HUANG Zhenfang， TU Wei. Spatial differences of tourism economy in Yangtze River Delta from the perspective of social network[J].Tropical geography，2013，33（2）：212-218.]
[28]王鳳，刘艳芳，孔雪松，等.基于社会网络理论的农村社会空间联系分析——以武汉市黄陂区李集镇为例[J]. 经济地理，2016，36（4）：141-148. [WANG Feng， LIU Yanfang， KONG Xuesong， et al.Analysis of spatial interaction in rural society based on theory of Social Network： a case of Liji Town in Wuhan City[J]. Economic geography，2016，36（4）：141-148.]
[29]KEMP R. Ecoinnovation： definition， measurement and open research issues[J]. Economia politica，2010， XXVII（3）：397-420.
[30]KLAUS RENNINGS， CHIRSTIAN RAMMER. The impact of regulationdriven environmental innovation on innovation success and firm performance[J]. Industry & innovation，2011，18（3）：255-283.
[31]GHISETTI C， RENNINGS K. Environmental innovations and profitability： how does it pay to be green？ an empirical analysis on the German innovation survey[J]. Journal of cleaner production，2014，75（14）：106-117.
[32]李旭.绿色创新相关研究的梳理与展望[J]. 研究与发展管理，2015，27（2）：1-11. [LI Xu. Analysis and outlook of the related researches on green innovation[J]. R&D; management， 2015， 27（2）：1-11.]
[33]王海龙，连晓宇，林德明.绿色技术创新效率对区域绿色增长绩效的影响实证分析[J]. 科学学与科学技术管理， 2016， 37（6）：80-87. [WANG Hailong， LIAN Xiaoyu，LIN Deming. Effects of green technological innovation efficiency on regional green growth performance： an empirical analysis[J]. Science of science and management of S.& T.， 2016， 37（6）：80-87.]
[34]宫大鹏，赵涛，慈兆程，等.基于超效率SBM的中国省际工业化石能源效率评价及影响因素分析[J]. 环境科学学报，2015，35（2）：585-595. [GONG Dapeng， ZHAO Tao， CI Zhaocheng， et al. Evaluation of regional industrial fossil energy efficiency in China based on super SBM and factors analysis[J]. Acta scientiae circumstantiae， 2015， 35（2）：585-595.]
[35]TONE K. A slacksbased measure of superefficiency in data envelopment analysis[J]. European journal of operational research， 2002， 143（1）：32-41.
[36]冯志军.中国工业企业绿色创新效率研究[J]. 中国科技论坛， 2013，1（2）：82-88. [FENG Zhijun. Research on industrial enterprises green innovation efficiency in China[J]. Forum on science and technology in China，2013，1（2）：82-88. ]
[37]鲁渤，汪寿阳，匡海波.基于引力模型的区域物流需求预测研究[J]. 管理评论， 2017，29（2）：181-190. [LU Bo， WANG Shouyang， KUANG Haibo. Forecast of regional logistics demand based on the Gravity Model[J]. Management review， 2017，29（2）：181-190.]
[38]刘少湃，田纪鹏，陆林.上海迪士尼在建景区客源市场空间结构预测——旅游引力模型的修正及应用[J]. 地理学报， 2016，71（2）：304-321. [LIU Shaopai， TIAN Jipeng， LU Lin. A case study of Shanghai Disneyland on spatial structure forecast for proposed scenic spot market：modification and its application of Gravity Model[J].Journal of geographic science，2016，71（2）：304-321.]
[39]郭建科，王绍博，李博，等.哈大高铁对东北城市旅游经济联系的空间影响[J]. 地理科学，2016，36（4）：521-529. [GUO Jianke， WANG Shaobo， LI Bo， et al. The spatial effect of HarbinDalian highspeed rail to the Northeast city tourism economic link[J].Scientia geographica sinica，2016，36（4）：521-529.]
[40]方遠平，谢蔓，毕斗斗，等.中国入境旅游的空间关联特征及其影响因素探析——基于地理加权回归的视角[J]. 旅游科学，2014，28（3）：22-35. [FANG Yuanping， XIE Man， BI Doudou， et al. An exploratory analysis on the spatial correlation characteristics and influential factors of inbound tourism in China： a geographical weighted regression perspective[J]. Tourism science，2014，28（3）：22-35.]
[41]刘华军，刘传明，孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J]. 中国工业经济，2015（5）：83-95. [LIU Huajun，LIU Chuanming， SUN Yanan.Spatial correlation network structure of energy consumption and its effect in China[J].China industrial economics，2015（5）：83-95.]
[42]劉军.社会网络分析导论[M]. 北京：社会科学文献出版社，2004. [LIU Jun. Introduction to social network analysis[M].Beijing：Social Science Academic Press，2004.]
[43]WASSERMAN S， FAUST K. Social network analysis： methods and applications[M]. London： Cambridge University Press，1994： 40-186.
[44]李婧， 管莉花. 区域创新效率的空间集聚及其地区差异——来自中国的实证[J]. 管理评论，2014，26（8）：127-134. [LI Jing， GUAN Lihua. The spatial agglomeration of regional innovation efficiency and its disparities： evidence from China[J]. Management review，2014，26（8）：127-134.]
[45]刘明广.区域创新系统绿色创新效率的空间分布及收敛性研究[J]. 工业技术经济，2017，36（4）：10-18.[LIU Mingguang. Research on spatial distribution and convergence of green innovation efficiency in regional innovation system[J]. Journal of industrial technological economics，2017，36（4）：10-18.]
