多项措施促进铁路与旅游融合发展

根据凯恩斯乘数理论，基础设施投资通过收入-消费循环产生倍数于初始投入的总需求扩张。铁路旅游化改造具有双重乘数通道：一是建设期的直接投资乘数，二是运营期通过降低旅游交通成本、提升出行便利性所引致的旅游消费乘数。新凯恩斯框架强调价格粘性意味着需求冲击在短期内产生真实产出效应，旅游消费对交通成本的下行调整尤为敏感。

据此提出以下假说：
- H1：铁路旅游化改造使沿线城市旅游总收入相对于未改造城市提升8%-15%，且运营期的消费乘数大于建设期的投资乘数。
- H2：初始旅游禀赋较低的城市，铁路旅游化改造的边际消费效应更强——交通改善对"旅游洼地"的激活效应大于"旅游高地"的锦上添花。
- H3：在经济下行期，铁路旅游化投资的消费乘数更大——居民对旅游交通成本更敏感，政策刺激效果更显著。

核心识别挑战：铁路旅游化改造的选址非随机，可能优先选择旅游潜力大的城市，导致OLS高估因果效应。本文采用多期DID（Callaway & Sant'Anna, 2021）利用各城市铁路旅游化改造的时序差异作为外生变异。以历史铁路线密度（1937年铁路网）作为选址倾向的IV，利用历史铁路布局与当前旅游潜力的相关性满足相关性条件，且历史铁路线密度通过历史路径依赖影响当前改造选址、不通过其他渠道影响当期旅游消费变化，满足排他性约束。关键识别假定：若无铁路旅游化改造，处理组与对照组的旅游消费增长趋势平行（以事件研究法检验）；历史铁路线密度仅通过旅游化改造选址影响旅游消费。

基准多期DID模型设定为：

Y_{it} = α + β D_{it} + γ X_{it} + μ_i + λ_t + ε_{it}

其中 Y_{it} 为城市 i 在第 t 年的旅游总收入（对数），D_{it} 为铁路旅游化改造完成后的虚拟变量（完成当年及之后取1）。μ_i 为城市固定效应，λ_t 为年份固定效应。β 为核心参数，测度改造对旅游消费的平均处理效应（ATT）。X_{it} 为时变控制变量，包括GDP增速、常住人口、第三产业占比、公路密度。IV-2SLS第一阶段以历史铁路线密度 Z_i 与改造年份的交互项 Z_i × post_t 作为 D_{it} 的工具变量。

被解释变量：城市旅游总收入（国家统计局《中国城市统计年鉴》），取对数并经CPI平减得到实际值；辅助使用国内旅游人次作为替代测度。核心解释变量：铁路旅游化改造完成时间——根据中国铁路总公司公告及各地铁路局项目验收报告手工编码，构建城市-年份层面的改造状态变量。控制变量：GDP不变价增速、第三产业增加值占比、常住人口（对数）、公路通车里程（对数），均来自《中国城市统计年鉴》。样本区间：2015-2026年，285个地级及以上城市，年度频率。

• **替换被解释变量**：以国内旅游人次替代旅游总收入，检验乘数效应在"量"和"价"维度上的一致性——若人次效应显著而收入效应不显著，则提示旅游消费结构降级。
• **Bacon-Decomp分解**：对多期DID进行Goodman-Bacon分解，检验处理效应是否主要由"早改造 vs. 晚改造"组的比较驱动——排除处理效应异质性对ATT的污染。
• **排除其他政策干扰**：在模型中逐次加入同期的"全域旅游示范区""夜间经济试点"等旅游政策虚拟变量，检验β的稳定性和独立性。
• **安慰剂检验**：将各城市的改造时点向前随机置换3-5年，构造虚假处理组，检验"伪改造"的系数是否集中在零附近。

---

Williamson的交易成本理论指出，资产专用性、交易频率和不确定性共同决定治理结构的选择。铁路旅游列车投资具有极高的资产专用性——旅游列车设备和车站改造难以转作他用——根据Williamson的预言，高资产专用性将导致"套牢"问题：社会资本一旦投入，其谈判地位将急剧恶化，从而在事前抑制投资意愿。不完全契约理论（Hart & Moore, 1990）进一步揭示，当契约无法完备规定所有未来状态下的权利分配时，剩余控制权的配置成为激励投资的关键。在铁路旅游领域，路网调度权、票务定价权、线路使用权等剩余控制权若集中于铁路部门，社会资本的激励将被稀释。

据此提出以下假说：
- H1：资产专用性越高的铁路旅游项目，社会资本的参与概率越低——套牢风险抑制事前投资。
- H2：特许经营模式（剩余控制权向社会资本倾斜）相比PPP模式（控制权共享），对社会资本进入的激励更强。
- H3：政策文本中关于社会资本权益保障的条款密度越高，所在地区社会资本实际进入率越高——制度承诺的可信性影响进入决策。

核心识别挑战：社会资本进入与否本身是自选择的结果，且制度质量与进入决策存在反向因果（进入者多了倒逼制度改善）。本文采用条件Logit模型，以项目特征和制度环境作为解释变量，将同一企业在不同项目间的选择作为识别变异——企业面对多个潜在项目时的比较抉择消除了企业层面的不可观测异质性。以该省份历史上铁路市场化改革的先行程度（如是否早期试点铁路局公司化改革）作为当前制度环境的IV——历史改革先行程度通过路径依赖影响当前制度质量，但不通过其他渠道影响特定项目的投资回报。

条件Logit模型设定为：

P(Y_{ij} = 1 | X_{ij}, Z_j) = exp(V_{ij}) / Σ_{k} exp(V_{ik})

其中 Y_{ij} = 1 表示企业 i 选择进入项目 j。V_{ij} = β₁ AssetSpecificity_j + β₂ GovernanceMode_j + β₃ PolicyDensity_j × GovernanceMode_j + γ Controls_j。AssetSpecificity_j 为项目 j 的资产专用性指数，GovernanceMode_j 为治理模式虚拟变量（特许经营=1, PPP=0），PolicyDensity_j 为项目所在省份的铁路旅游社会资本保障政策密度。交互项 β₃ 检验制度环境对不同治理模式的调节效应。

被解释变量：社会资本是否进入——以工商登记中非国有资本在旅游列车运营企业中的持股比例超过30%定义为"进入"（1/0变量）。核心解释变量：资产专用性指数——以旅游列车的线路独特性（是否唯一线路）、车站改造的不可逆程度（改造后是否可恢复货运功能）两个维度按等权重加总；治理模式——从项目合同文本中编码提取；政策密度——对国务院、文旅部、国铁集团及各省份的政策文件进行内容分析，统计"社会资本""民间投资""权益保障"等关键词出现的频次和覆盖条款数。样本：2018-2026年间全国范围内公开的铁路旅游项目，约120-150个观测项目。

• **替换进入定义**：将社会资本进入的门槛从持股30%调整为"参与运营决策"（以董事会席位计），检验结论对进入定义的敏感性。
• **Heckman两步法**：第一阶段估计项目是否被公开招标（选择方程），第二阶段估计进入决策（结果方程），校正样本选择偏误——因为仅能观察到已公开招标的项目。
• **排除行业固定效应**：控制社会资本所属行业（房地产、文旅、交通物流等）的固定效应，检验制度效应是否独立于资本来源的行业属性。
• **多案例深度对比**：选取特许经营、PPP、股权合作三种模式的代表项目各2个，进行制度安排与投资激励的深度对比分析，以大样本计量+小样本案例构成混合方法设计。

---

前景理论的核心洞见是人们对损失比对等量收益更敏感（损失厌恶），且决策的效用评价依赖于参照点。在梯度优惠票价设计中，最高的"原价"构成消费者的参照点，不同折扣梯度形成了从参照点向下移动的"收益"区间。根据心理账户理论，消费者将旅游交通支出归入"享乐消费"心理账户，该账户对折扣的敏感度可能异于日常通勤账户。此外，梯度设计本身构成选择架构——多梯度的存在可能触发"折中效应"（compromise effect），即消费者倾向于选择中间梯度以寻求"认知正当性"。

据此提出以下假说：
- H1：梯度折扣中，最高（原价）与最低折扣之间的价差越大，中间梯度的选择比例越高——参照点效应扩大折中选择。
- H2：以"原价 X 元，现价 Y 元"（显性折扣）呈现比以"仅售 Y 元"（隐性折扣）呈现，消费者的购买概率高出10-15个百分点——框架效应使折扣感知更显著。
- H3：低收入群体对绝对折扣金额更敏感，高收入群体对折扣比例更敏感——心理账户的边际效用递减在折扣感知中的体现。

核心识别挑战：折扣选择与消费行为之间存在反向因果——消费意愿强的消费者可能本身就偏好中等折扣，而非折扣设计驱动了选择。本文采用双重策略：一是离散选择实验（DCE）以随机化呈现不同折扣情景，消除自选择偏误；二是利用铁路旅游专列在不同线路间梯度票价设计的外生差异（如热门线路折扣梯度少、冷门线路折扣梯度多），以线路热度作为IV。DCE中每个受访者面对多组choice set，每组包含3个选项（不同折扣梯度+不购买），组内属性（折扣力度、梯度数量、表述框架）随机组合，实现因果识别。

混合Logit模型（Mixed Logit）设定为：

U_{ijt} = β_i X_{jt} + ε_{ijt}

其中 U_{ijt} 为消费者 i 在choice set t 中选择选项 j 的效用。β_i 为个体层面的随机参数，允许偏好异质性——β_i ∼ N(β̄, Σ)。X_{jt} 包括折扣率、梯度位置（低/中/高）、折扣呈现方式（显性/隐性）、票价绝对水平。购买概率 P_{ijt} = exp(U_{ijt}) / Σ_k exp(U_{ikt})。通过 β_i 的标准差估计判断消费者异质性的显著性，并以个体特征（收入、年龄、旅游频率）解释偏好异质性的来源。

被解释变量：DCE中的选择结果（选择某个折扣选项=1，不购买=0）；在自然实验分析中，以线路-月份层面的实际订票量为被解释变量。核心解释变量：折扣率（% discount）、梯度位置（最低/中间/最高档位的虚拟变量）、折扣呈现方式（显性框架=1，隐性框架=0）。个体协变量：家庭人均收入（CFPS）、年龄、教育年限、过去一年旅游次数。DCE数据：通过在线问卷平台收集2000+份有效样本，每名受访者完成8个choice set，共约16000个选择观测。自然实验数据：选取4-6条铁路旅游线路2025-2026年的月度订票面板数据。

• **更换实验设计**：将组内设计（within-subject，每个受访者看多个choice set）改为组间设计（between-subject，每个受访者只看一个choice set），检验选择疲劳和锚定效应是否影响了组内设计的结果。
• **排除理性替代解释**：在模型中控制"每公里票价"——检验折扣偏好是否仅仅是对性价比的理性反应，而非行为偏误。若加入每公里票价后折扣框架效应仍然显著，则排除纯粹理性解释。
• **替代参照点定义**：将参照点从"原价"改为"同类线路市场均价"，重新估计折扣感知系数，检验结论对参照点设定的敏感性。
• **外部效度检验**：将DCE估计的偏好参数代入实际订票数据进行样本外预测，比较预测订票量与真实订票量的RMSE，检验实验室偏好向真实行为的可迁移性。

---

Kuznets的结构转型理论指出，经济发展伴随着劳动力从农业到工业再到服务业的持续转移。在中国语境下，许多中小城市面临"过早去工业化"或"产业空心化"风险——制造业尚未充分发展便转向服务业。铁路旅游融合发展提供了一条差异化的结构转型路径：以交通基础设施降低外部游客的进入成本，激活本地旅游消费，从而在服务业中创造就业机会，实现"旅游驱动型"结构转型。新经济地理学（Krugman, 1991）的逻辑表明，交通成本下降将同时产生本地市场效应和价格指数效应，使旅游目的地形成服务业集聚的向心力。但这一效应可能因初始产业结构不同而呈现非线性——工业依赖型城市可能面临制造业与旅游业之间的劳动力竞争。

据此提出以下假说：
- H1：铁路旅游专列开通后，沿线城市的服务业增加值占比和就业占比平均提升1.5-3个百分点，且效应随时间累积。
- H2：对于初始服务业占比较低（<40%）的工业城市，铁路旅游的产业结构转型效应更强——"边际效应"更大。
- H3：铁路旅游驱动结构转型的核心机制是"交通成本下降→游客量增加→本地服务消费扩张→服务业就业扩张"的链式传导，而非简单的产业替代。

核心识别挑战：铁路旅游专列的线路选择内生——可能优先选择旅游资源禀赋好、本身就在向服务业转型的城市。本文采用三重策略：（1）渐进DID——利用各城市旅游专列开通时间的不同外生变异，以"尚未开通但将开通"的城市作为对照组；（2）地形崎岖度IV——以城市平均坡度和高程标准差作为旅游专列线路选择的IV，地形影响铁路布局但不通过其他渠道影响服务业结构转型速度；（3）中介效应分析——以Baron-Kenny三步法配合Sobel检验，识别"专列开通→旅游人次→服务业就业"的传导链条，排除仅仅因为铁路职工增加而导致服务业占比提升的机械效应。

渐进DID模型设定为：

Y_{it} = α + β PostOpen_{it} + γ X_{it} + μ_i + λ_t + ε_{it}

其中 Y_{it} 为城市 i 在第 t 年的服务业增加值占GDP比重（或服务业就业比重）。PostOpen_{it} 为旅游专列开通后的虚拟变量。μ_i 为城市固定效应（吸收不随时间变化的旅游资源禀赋），λ_t 为年份固定效应（吸收全国性的结构转型趋势）。β 识别铁路旅游专列对产业结构服务化的因果效应。IV-2SLS以地形崎岖度 Z_i × Post_t 作为工具变量。中介效应检验三步：第一步如上，第二步以旅游人次为被解释变量，第三步将旅游人次和PostOpen同时放入服务业占比方程。

被解释变量：服务业增加值占GDP比重（%）、服务业就业占全社会就业比重（%），来自《中国城市统计年鉴》；辅助使用夜间灯光数据（NPP-VIIRS）中商业服务区灯光占比作为服务业密度的空间测度。核心解释变量：铁路旅游专列开通时间——手工收集中国铁路总公司及各地铁路局公告，编码为城市-年份层面的虚拟变量。控制变量：人均GDP（对数）、固定资产投资占GDP比重、城镇化率、高速公路密度、距省会城市距离。样本区间：2010-2026年，285个地级市，年度频率，约4845个观测值。

• **替换被解释变量**：以第三产业从业人员占比替代服务业增加值占比，检验结构转型在"产值"和"就业"两个维度上的一致性——若产值效应显著而就业效应不显著，提示铁路旅游的带动作用集中在资本密集型而非劳动密集型服务业。
• **Bacon-Decomp分解**：对渐进DID进行Goodman-Bacon分解，检查ATT是否主要由"早开通 vs. 晚开通"城市的比较驱动——若存在负权重，使用Sun & Abraham（2021）或Callaway & Sant'Anna（2021）方法重新估计。
• **排除同期政策干扰**：控制同期的"全域旅游示范区""特色小镇""乡村振兴重点县"等政策虚拟变量，检验铁路旅游专列的独立效应。
• **安慰剂检验**：将各城市的专列开通时间向前随机置换3-5年，构造虚假处理组，检验处理效应的分布——预期安慰剂系数集中在零。

---

根据Marshall的派生需求理论，旅游消费的扩张会通过产出效应引致对旅游相关劳动力的派生需求。然而，旅游业内部存在显著的技能分层：高端服务（文化导览、多语种服务、旅游策划）需要较高的语言、沟通和知识技能，而基础服务（餐饮、清洁、行李搬运）的技能门槛较低。铁路旅游的"主题化"和"文化IP化"趋势可能同时拉动高端和基础两个技能层的就业，但其相对强度取决于旅游产品的设计——文化体验型专列可能更依赖高技能劳动力。补偿性工资差异理论预测，旅游就业的季节性和非稳定性应获得工资补偿，但若劳动力供给弹性大（大量低技能后备劳动力），这种补偿可能无法兑现。

据此提出以下假说：
- H1：铁路旅游专列开通后，沿线城市旅游相关行业就业人数增长5%-10%，高于非沿线城市——派生需求效应。
- H2：铁路旅游专列对高技能旅游岗位（文化导览、产品设计、多语种服务）的就业拉动弹性大于低技能岗位（餐饮服务、清洁）——技能偏向型旅游消费。
- H3：铁路旅游带动的旅游就业在收入上存在"数量增长、质量滞后的不对称"——就业率上升但小时工资率提升不显著，季节性就业占比增加。

核心识别挑战有三重：（1）铁路旅游线路选择内生——倾向旅游资源丰富地区，其旅游就业本就会增长；（2）劳动参与的自选择——谁选择进入旅游行业本身是内生的（能力偏好）；（3）同时性偏误——就业增长可能反过来吸引增开旅游专列。本文采用三重策略：DDD设计——以"是否开通×是否旅游行业"作为交互处理变量，利用非旅游行业在开通城市中的就业变化消除城市层面的混杂趋势；Heckman两步法——第一阶段用probit估计劳动参与概率、计算逆米尔斯比，第二阶段纳入工资方程校正自选择偏误；地形IV——以城市平均坡度作为旅游专列线路选择的工具变量，已在对发展视角中详述。

三重差分模型设定为：

Y_{ict} = α + β₁ Open_{ct} × Tourism_{i} + β₂ Open_{ct} + β₃ Tourism_{i} + γ X_{it} + μ_c + λ_t + ε_{ict}

其中 Y_{ict} 为城市 c 中个体 i 在第 t 期的就业状态（就业=1）或对数小时工资。Open_{ct} 为铁路旅游专列开通虚拟变量，Tourism_{i} 为个体是否在旅游相关行业就业的虚拟变量。关键参数 β₁ 捕捉铁路旅游专列开通对旅游行业就业的差异化影响（DDD估计量）。进一步引入三重交互 Open_{ct} × Tourism_{i} × HighSkill_{i}，以检验技能偏向性（H2）。

被解释变量：（1）就业状态——CFPS中"上周是否从事1小时以上有酬劳动"（广延边际）；（2）对数小时工资——月工资除以月工作小时数（集约边际）；（3）就业稳定性——以是否签订劳动合同、是否有五险一金构建"体面就业指数"（0-5分量表）。核心解释变量：铁路旅游专列开通（城市-年份二元变量）；旅游行业归属——基于GB/T 4754-2017行业分类，将住宿餐饮业、旅行社及相关服务、游览景区管理、文化娱乐业归为旅游相关行业；高技能——受教育年限≥大专=1。数据来源：CFPS 2016-2026六轮追踪数据、中国劳动力动态调查（CLDS）2016-2024五轮数据。样本：约45,000个个体-年份观测。

1. 替换旅游行业定义：以宽口径（含零售、交通）和窄口径（仅住宿+旅行社+景区）两种定义分别估计，检验就业效应是否取决于行业边界的设定——宽口径可能捕捉更多产业链溢出效应。
2. Heckman样本选择校正 vs. 面板固定效应：以Heckman两步法处理劳动参与选择偏误，与个体面板固定效应模型（利用CFPS的面板结构消除个体不可观测异质性）对比，检验自选择偏误的方向和量级。
3. 替换技能测度：以实际职业类别（ISCO-08编码）替代受教育年限定义技能水平——"旅游策划师"vs."餐厅服务员"的职业分类可能比学历更精确地反映技能需求，检验H2的结论稳健性。
4. 安慰剂检验：以食品制造业（与旅游无关的劳动密集型行业）作为伪"旅游行业"——若β₁在食品制造业中也显著，则DDD识别可能捕捉的是城市层面的普遍就业增长而非旅游特定效应。
---
date: 2026-06-13
field: 区域经济 — 乡村振兴
source: https://tv.cctv.com/2026/06/13/VIDEN242L4srTaMa5nugaqIr260613.shtml
topics_count: 5
📡 来源: 新闻联播
---