摘要：利用中国58个旅游城市面板数据，定量分析了旅游发展与城市工业化的关系。研究发现：主要迹象表明旅游城市工业经济正出现“去工业化”。整体层面旅游发展并没有直接引起“去工业化”，旅游发展不存在“资源诅咒”现象，但通过产业结构升级和劳动力转移效应对城市工业经济的负向作用已经显现。个体层面超过半数的城市旅游发展推动了“去工业化”，其中，旅游发展对城市工业经济有负向影响的城市占三分之一多。仅有极少数城市不存在旅游发展推动“去工业化”。这对认识城市旅游与工业经济关系提供了新视角。

　　关键词：旅游业；去工业化；产业结构升级；劳动力转移

　　一、问题提出

　　2013年中国经济步入新常态，第二产业值比重开始由当年的44%，逐渐下降到2017年的40.5%，年均降幅为2.05%，而第三产业产值比重则首次超过第二产业值比重，由2013年的46.7%上升到2017年51.6%，提高了5%，年均增幅为2.53%。从就业人数占比看，以制造业为代表的第二产业就业份额不足30%，而第三产业就业比重却超过了35%，且增幅高于第二产业。此外，制造业出口增速也连续出现下降态势，尤其是2016年以后，进口增速首次持续性高于出口增速。从宏观经济角度看，制造业产值份额、就业比重及其出口额连续下降，则表明该经济体出现“去工业化”态势[1-3]。依据相应指标的“特征事实”判断，中国工业经济出现了一定程度的“去工业化”迹象。学术界对于“去工业化”问题的关注最早可追溯到Clark（1957）和Bell（1973）。他们指出，非工业化社会的经济中心是服务经济而非商品的生产[4，5]，但该结论过于简单，忽略了“去工业化”丰富的内涵和经济社会影响。此后，Alderson（1997）认为，“去工业化”的重要标志是一国制造业的生产能力与就业人数的相对下降[6]。Fligstein（1999）从地理角度指出，“去工业化”是劳动力的就业机会从北方国家转移到南方国家的过程[7]。Krugman（1996）从对外贸易视角分析了“去工业化”的内涵[8]。Donald（1999）和Cowie（2003）则强调应该从更宽泛的视角认识“去工业化”，进而指出“去工业化”不仅仅是制造业产能与就业人数的下降，还应包括与此相对应的社会结构变化[9]。乔晓楠（2013）指出，“去工业化”有“好”与“坏”之分[10]。好的“去工业化”对经济与社会发展产生正溢出效应[3]。在人们讨论“去工业化”内涵与影响的同时，“去工业化”产生的原因与机制也成为研究热点。从以往成果看，一类学者是通过考察相对需求、劳动生产率、技术进步在一国不同行业的此消彼长来分析“去工业化”的生成机制。此类研究最早可见Petty（1969）和Clark（1957）的配第—克拉克定律。其后，Fligstein（1999）；Rowthorn（1999）及Christopher（2009）皆认为基本生产要素重置与经济结构变化是“去工业化”生成的关键[7，11，12]。而另一类学者如Hersh（2003）；Letto（2003）及Matsuyama（2008）则强调，不能仅仅从经济体内部、行业间要素重置去考察“去工业化”的成因，他们认为南北贸易、对外直接投资与政策失误等是导致“去工业化”的重要外部因素[13-15]。

　　中国不仅拥有全球最大的国内旅游市场，也一直是世界第一大出境旅游和第四大入境旅游国。旅游业具有其他产业所不及的高产业关联性、强拉动效应和高就业率的特点[16]。旅游业通过投资、消费、创汇和就业等对经济增长的积极作用日益突出[17-19]。2014年中国旅游业对经济增长的贡献上升至9.4%，超过了汽车工业与教育产业贡献度。特别是对产业结构升级，第三产业发展以及吸纳过剩劳动力发挥了显著作用[20-22]。因而，包括85%以上的地级市（州、盟）在内的地区都将旅游业作为战略性支柱产业发展。但我们更关注的是旅游资源作为一种特殊的自然资源，是否会像煤炭和石油一样发生“荷兰病”现象。从现有研究看，Chao（2006）和Capó（2007）认为，旅游业扩张能导致“去工业化”的发生[23，24]。那么，在中国这样一个旅游大国，城市旅游业快速扩张是否会挤压制造业部门收缩，从而推动城市工业经济“去工业化”？目前对此类问题的研究较少。需要说明的是，导致“去工业化”的因素很多，如出口环境变差、环境治理标准提高及实体经济投资收益率边际递减等，本文仅从旅游视角讨论其在工业经济“去工业化”迹象出现过程中是否具有助推作用。基于此，本文以58个旅游城市（延边和西藏因数据缺失除外）为研究样本，考察旅游发展与“去工业化”迹象是否有这种关联。选取旅游城市为样本具有较好的典型性与代表性：一是不仅包含主要的省会城市，也有著名的旅游风景区，经济与旅游功能十分突出；二是在工业经济发展、产业结构升级、外资利用和技术研发等方面较其他城市更为显著。三是样本覆盖面广，能从微观层面为政策制定提供较好的参考依据。

　　二、旅游城市工业经济“去工业化”迹象与旅游发展分析

　　1.工业经济增速持续回落，表现出一定程度的趋缓态势

　　2001—2017年旅游城市工业经济波动较为明显，出现下滑倾向，其变化过程大体可划分3个阶段（图1）。

　　图1表明，第一阶段为2001－2004年，2001年旅游城市限额以上工业总产值增长率为17.7%，该阶段的增长率峰值为2004年的34.84%，而谷底为2003年，当年限额以上工业总产值增长率仅为3.12%；第二阶段为2004－2010年，谷底在2010年，限额以上工业总产值增长率为8.47%，峰值在2006年，全年工业增长率为32.24%；第三阶段为2010－2017年，谷底在2013年，当年限额以上工业总产值增长率为8.69%，2014年数据为8.65%。目前，旅游城市工业经济正处于一个新的周期。总体看，前两个阶段工业经济波动幅度较明显，而第三个阶段工业经济增速逐渐回落，波动相对较小，表现出一定的趋稳态势。

　　2.服务业增加值比重已超过工业的，产业结构升级明显

　　根据统计计算数据看，2009年中国旅游城市的服务业增加值占GDP的比重首次超过工业产值比例，这具有十分重要的象征意义。更值得注意的是，在随后的2013－2017年间，旅游城市服务业产值比例继续稳高于工业的。2013－2017年旅游城市的服务业增加值占GDP比例分别为50.90%、52.60%、51.15%、52.62%、54.24%，而同期的工业产值占GDP比重则分别为49.10%、47.4%、48.85%、47.38%、45.76%。这表明旅游城市产业结构转型升级效果显著，服务业已取代工业而成为促进经济增长的主动力。从工业内部结构变化看，旅游城市战略性新兴产业、新一代信息化业、高端制造业及消费品业等行业发展迅速，且与旅游业的关联性进一步加强。在增加值增速同比中，与旅游业关联性强的信息产业、交通运输设备业和消费品行业高居前列，三者增长率分别为13.61%、12.42%和11.78%，而传统的高耗能产业与资源型产业的增加值增速最低。从2000—2017年工业劳动生产率计算结果看，其值一直大于1，表明产业结构调整是有效率的，工业结构得到了优化。

　　3.第三产业就业人数比重高于第二产业，制造业就业增速平稳下降

　　自2000年以来，旅游城市第三产业就业人数规模不断扩大，其就业人数速度快于同期的第二产业就业人数速度，从而使第三产业就业人数比重大幅高于同期的第二产业就业人数比例，其中，2003年达到峰值（图2）。

　　图2表明，2000－2003年旅游城市第三产业就业比重分别为49.59%、49.70%、51.95%和53.15%，而同期的第二产业就业比例分别为43.22%、43.57%、45.73%和44.15%，第三产业就业比例从2000年高于第二产业就业比重6.37个百分点，加速上升到2003年高于第二产业就业比例9个百分点。自2004年以来，尽管第二产业就业比重略有回升，但仍低于同期的第三产业就业比重。2017年第二产业就业比重最高，为49.71%，与同期的第三产业就业比重仍相差1.7个百分点，而2006年这一差距更是高达6.8个百分点。从统计结果看，这意味着在旅游城市中第三产业已成为吸纳劳动力的主力军。2000年以来，制造业就业人数放缓，就业人数增长率有所回落。2000年制造业就业人数为1984.42万人，连续下降到2003年的1554.27万人，其增长率分别为-8.75%、-7.20%和-7.49%。自2004年后，制造业就业人数开始缓慢回升，直至2010年达到峰值为2000.57万人，最高增长率为2006年的5.83%，最低增长率为2007年的0.67%，年均增长率为3.89%。2011年与2012年制造业就业人数再次出现两次下滑，增长率降幅高达10.92个百分点。2013年制造业就业人数的反弹仍没能遏制这种下降趋势。

　　4.城市旅游经济高速增长，逐渐成为第三产业的龙头，对城市经济增长与服务业发展的贡献度稳步扩大

　　旅游业是旅游城市的重要产业，也是旅游城市现代服务业的龙头。2000－2017年旅游城市的旅游业获得了快速增长，对城市经济增长的拉动效应也在不断凸显（图3）。

　　pagenumber_ebook=91，pagenumber_book=89

　　图3旅游城市旅游经济增长及其拉动效应变化

　　图3表明，2000－2017年旅游城市的旅游业增长规模取得了显著的成效，且呈快速增长趋势。2000—2004年58个旅游城市的旅游总收入增长较快，但还不足万亿元，2005年旅游城市的旅游总收入则突破了万亿元大关，随后以每年2000亿元的规模在增加，2009年则达到了2万亿元的规模，2009—2017年间每年的旅游总收入的增量规模在5500亿元左右，2017年旅游城市的旅游总收入则提高到77876.89亿元，是2000年旅游总收入的13倍之多，年均增长率更是高达93.08%。旅游总收入的增量规模也表现为提高态势，18年来旅游总收入增加了72033.69亿元，平均每年旅游总收入增加4000亿元。随着旅游总收入规模的增加，旅游总收入占城市GDP和第三产业值的比重也趋于提高，由2000年的11.78%和26.62%分别提高到2017年的18.28%和39.76%，分别提高了6和13个百分点，年均增长率分别高达11.63%和16.35%。旅游发展对城市经济增长和产业结构升级的拉动效应越来越明显。

　　基于上述旅游城市工业增加值的速度变化、第二产值比重变化、工业内部结构变化、工业就业比重变化、制造业就业增速变化及旅游业增长变化分析，各方面迹象表明旅游城市工业经济正出现“去工业化”，而旅游经济却是高速发展，对经济增长和产业结构升级的拉动效应日益明显。那么，在旅游城市发生的“去工业化”迹象中是否有旅游发展的助推作用？下文将构建计量模型进行实证研究。

　　三、计量模型构建、变量选择及数据说明

　　1.计量模型构建

　　根据前文分析和借鉴Chao（2006）、谢波（2015）、朱希伟（2009）等人研究思路，构建了旅游发展与工业化关系的基本计量模型，以考察旅游发展对“去工业化”的助推效应。

　　pagenumber_ebook=92，pagenumber_book=90

　　其中，分别表示地区与时间，表示工业化，为旅游总收入，若参数的估计值为负，则说明旅游发展推动了“去工业化”。

　　外商直接投资和经济结构变化是工业化不可或缺的重要因素[11，14]。以Neil（1999）为代表的学者指出，技术与劳动力在工业化中发挥着重要作用。本文将上述变量作为控制变量纳入模型中，则模型（1）变为如下：

　　pagenumber_ebook=92，pagenumber_book=90

　　其中，为外商直接投资，为产业结构，为技术研发，为劳动力转移。

　　为了进一步检验旅游业是否通过产业结构升级和劳动力转移效应，推动城市经济“去工业化”，在模型（2）中引入旅游发展与二者的交互项，得到计量模型（3）。

　　pagenumber_ebook=92，pagenumber_book=90

　　若模型（3）中参数的估计值为负，则说明旅游发展通过产业结构升级和劳动力转移效应助推了“去工业化”。

　　2.变量选择及数据说明

　　研究涉及变量如下：工业化（DIit）。关于工业化衡量指标，有多重用法。一类是产值结构指标，如工业总产值[25]、工业增加值占GDP比重[26]和工业增加值增长率[27]；另一类是就业结构指标，如第二产业或制造业就业比重[28，29]。实际上，产值结构与就业结构具有稳定的内在关联性，使用不同指标不会产生太大偏差[26]。综上分析，本文用限额以上工业总产值占GDP比重进行衡量。外商直接投资（FDIit）。是指各城市吸引的外商直接投资，以当年实际利用外资额表示更为客观、真实。旅游业发展（TOUit）。相比接待旅游者人次指标而言，旅游收入指标既是反映旅游经济运行好坏的重要手段，也是衡量旅游业发达与否的主要依据，因此，采用旅游总收入来测定。产业结构（Indit）。参考现有文献，用产出结构指标中，第三产业增加值占GDP比重来表征，借以反映产业转型升级的长期变化过程。技术研发水平（RDit）。鉴于城市统计年鉴中技术研发费用数据空缺，只能采用城市技术研发从业人数作为衡量技术研发水平的代理指标。劳动力转移（Humit）。根据已有成果，采用第三产业就业人数占总就业人数比重表示，该指标不仅反映了第三产业就业比例变化，也反映了就业结构的变化趋势。

　　各变量所用面板数据均来自2000—2017年《中国城市统计年鉴》《中国旅游统计年鉴》及2017年各城市国民经济与社会发展统计公报。此外，由于外资利用、入境旅游等受突发事件与全球性危机影响较大，对相应年份数据进行了内插订正。

　　四、计量结果与分析

　　1.旅游发展对城市工业化影响的整体效应

　　一般而言，对于静态面板数据模型而言，由于假设前提的不同，其采用的估计模型具有多样性，因而回归结果差异较大。因而，利用F统计检验及豪斯曼检验，对面板数据模型进行筛选。经检验模型为固定效应模型。在选定估计模型后，为消除面板数据的异方差和序列自相关等影响模型稳健性的问题，还需对估计方法进行选择和数据对数化处理。同时，借鉴现有成果选择两阶段最小二乘法，以消除模型可能的内生性，使得回归结果有效[30]，其中，工具变量为各变量的滞后一期。利用Eviews软件得到整体估计结果（表1）。

　　从表1估计结果看，各个变量的估计系数都比较显著。需要注意的是，整体估计结果表征的是面板数据中所有旅游城市的加总效应。旅游业发展能产生收入效应和转移效应，其中，收入效应益于工业化，而转移效应导致“去工业化”[29]。从变量的估计系数看，在1%的置信水平下显著为正，这表明当前旅游城市的旅游发展收入效应明显，促进了工业化进程，因而不存在“荷兰病”现象。但这并不意味旅游发展的转移效应不存在，从模型（2）－（4）看，分别与和的交互项估计系数分别为-0.0267、-0.0195和-0.1219、-0.1195，且在10%的置信水平下显著。这说明旅游发展通过产业结构升级和劳动力转移推动“去工业化”的转移效应比较明显，其中，劳动力转移渠道最为突出。这突出印证了旅游业就业门槛低、就业吸纳能力强的基本观点。从变量与的估计系数看，其在10%的置信水平下显著为负值，反映产业结构升级和劳动力转移与“去工业化”之间呈现正向关系。一方面产业结构升级意味着第三产业增加值比重上升，而工业增加值比例相对下降；另一方面第三产业的繁荣将吸引更多劳动力从工业部门外迁，造成工业部门就业人数比例相对下降。上述两方面正是“去工业化”的典型标志。变量、估计系数显著为正值，即外商投资和研发投入每增加1个百分点，工业化则分别提高0.2和0.3个百分点。这种正效应已在许多文献中得到证实，不再赘述。

　　2.旅游发展对城市工业化影响的个体效应

　　旅游城市因其发展初始条件、旅游资源禀赋及工业化程度等存在一定差异，旅游业扩张并不完全助推“去工业化”，因而不能一概而论。为了反映其真实状况，本文采用变系数个体固定效应模型对此进行了估计（表2）。

　　表2旅游发展对城市工业化影响的个体估计结果

　　pagenumber_ebook=94，pagenumber_book=92

　　由表2可知，旅游城市的旅游发展、产业结构升级、劳动力转移和外商投资等与“去工业化”之间的关系呈现出明显的城市差异。变量Touit估计系数在大多数旅游城市中为正值，表明改革开放以来，旅游发展不仅没有引起“去工业化”，相反促进了这些城市的工业化进程，有利于产业结构调整，因而不存在“资源诅咒”现象。但在北京、石家庄、承德、太原、大同和杭州等23个旅游城市中，Touit的估计值为负，即在这些城市中旅游发展推动了“去工业化”。Touit与Touit交互项的估计系数在绝大多数旅游城市中为负值，而在天津、石家庄和太原等22个城市中仅为正值。这表明旅游发展通过产业结构升级引致效应，助推“去工业化”的作用较为显著。Touit与Humit交互项的估计系数在北京、秦皇岛等32个城市中为负值，表明旅游发展通过吸纳劳动力，增加就业，推动“去工业化”的效应比较突出，而在其他诸如天津、石家庄等26个城市中估计值为正，说明这些城市旅游发展没有通过劳动力转移效应推动“去工业化”。变量Indit和Humit作为反映第三产业产值和就业比例上升的变量，其值在半数以上的城市中为负值。显然，第三产业产值与就业比重的上升将意味着“去工业化”的发生，这与理论分析相一致。FDIit和RDit作为工业化的重要影响因素，在各个城市中表现也有所差异。但在超过一半以上的城市中，二者估计系数都为正值，其中，大部分为沿海城市，这说明在沿海城市，外商投资与技术研发对当地工业化水平提高发挥了重要作用，而系数为负值的城市，多为中西部城市，说明外商投资与技术研发在一定程度上推动了“去工业化”。这可解释为中西部，尤其西部地区工业企业规模小，发展相对滞后，产业拉动效应和就业贡献率不如第三产业[31]。加之受生态环境制约，外商投资与技术研发更多地投入到服务业和民生行业中，特别是网络信息安全、交通运输、科研技术服务、跨国物流与仓储及边境商贸旅游等新兴与优势服务业。尽管从个体层面看各变量的估计系数统计上不够非常显著，但在估计之前所进行的面板协整检验结果，则表明变量间存在着协整关系①，因此，仍在一定程度上能说明各变量对“去工业化”的影响。

　　3.旅游发展对城市工业化影响的效应类型

　　将58个旅游城市按照旅游业及其与产业结构升级和劳动力转移交互效应对工业化影响作用进行分类，则可划分3种类型（表3）。

　　表3旅游发展对城市工业化影响的类型划分

　　pagenumber_ebook=95，pagenumber_book=93

　　第一类型为“双推效应”，即旅游业直接推动及其与产业结构升级和劳动力转移交互推动作用。研究发现，在北京、秦皇岛、承德、呼和浩特、沈阳、大连、杭州、济南、洛阳、南宁、北海、三亚、重庆和成都14个城市中，Touit、Touit与Tumit及Touit与Indit交互项的估计系数都为负值。这表明旅游发展不仅直接引起了“去工业化”，而且通过产业结构升级引致和劳动力转移效应推动了“去工业化”进程，即“双推效应”型。从空间分布看，东部地区占有8个城市，西部地区为4个，而中部仅有1个，东中部数量差距较大。

　　第二类型为“单推效应”，即旅游业的直接推动效应，或旅游业与产业结构升级和劳动力转移交互作用推动“去工业化”。这种“单推效应”又可细分为3种小类。第一种小类为旅游发展通过产业结构升级和劳动力转移两种交互效应助推“去工业化”。研究发现，Touit估计系数为正值，而Touit分别与Tumit和Indit交互项的估计系数都为负值的城市是吉林、哈尔滨、南京、无锡、连云港、宁波、合肥、厦门、泉州、南昌、九江、青岛、烟台、长沙、广州、中山、桂林和海口18个城市。这说明在这些城市中，旅游业没有直接推动“去工业化”，但旅游发展通过产业结构升级和劳动力转移交互效应，推动“去工业化”的效应不容忽略。从空间分布看，东部地区11个，中部地区6个，而西部地区仅1个。第二种小类为旅游发展直接推动了“去工业化”，但还未出现旅游业通过产业结构升级和劳动力转移两种交互效应推动“去工业化”。这主要在石家庄、太原、大同、长春、福州、漳州、珠海、贵阳和西安9个城市表现突出。从空间分布看，东部地区4个，中部地区3，而西部地区2个。第三种小类为旅游发展仅通过产业结构升级或劳动力转移效应某一方面推动“去工业化”。如温州、南通和汕头三个城市的旅游发展仅通过产业结构升级效应推动“去工业化”。从空间分布看，东部地区2个，西部地区1个，中部地区则无。对于兰州而言，旅游发展仅通过劳动力转移引致效应对“去工业化”发挥积极作用。从上述三小类城市数量分布来看，东部地区较多，拥有17个，中部地区是10个，而西部地区仅有4个，东部地区是西部地区数量的3倍之多，具有较明显的地区差异。

　　第三类型为“无助推效应”。实证研究发现，在天津、上海、苏州、黄山、威海、郑州、武汉、深圳、湛江、昆明、西宁、银川和乌鲁木齐13个城市中，不存在旅游发展推动“去工业化”的直接与间接效应。从空间分布看，东部地区分布6个，西部地区为4个，而中部地区是3个，各地区之间数量差距不很显著。

　　五、结论与讨论

　　1.结论

　　（1）各种迹象表明旅游城市工业经济出现一定程度的“去工业化”。旅游城市不仅旅游资源丰富，旅游专门化程度也较高，季节性不明显。旅游发展对经济增长的贡献与影响较工业经济更为突出，如张家界、黄山、北京、广州等城市。特别是在中国面临资源枯竭和环境污染硬约束下，旅游业因环境污染少、能源消耗低和产业关联性强可能加快了旅游城市的经济转变趋势。（2）从整体上看，在中国这样的大型经济体中，旅游城市旅游业自身的扩张并没有直接助推“去工业化”。当下，旅游城市的旅游发展与工业发展并不矛盾，旅游发展不会带来其他经济的损失（荷兰病现象）。相反，旅游业通过产业关联效应，在一定程度上促进了工业经济增长。（3）从个体层面看，旅游城市旅游发展对“去工业化”的作用并非一致，而是各城市显现出较大的差异性。大多数旅游城市未显现出旅游发展与工业化之间的负向关系，即旅游发展没有推动这些城市的“去工业化”。但有近三分之一的旅游城市表现出旅游发展推动了“去工业化”现象，尤其是旅游资源丰富且开发较好的城市，这种趋势较为明显，也不容忽视。各城市旅游发展对工业化的正负效应的迥异，反映出其在旅游企业盈利水平、旅游资源开发利用、吸纳产业资本投入等方面存在较明显差异。（4）在绝大多数城市中，旅游发展通过产业结构升级引致与劳动力转移对“去工业化”有明显的正向间接效应。旅游业良好的发展环境、众多的投资机会和丰厚的投资回报，吸引了越来越多的产业资本和劳动力涌入该领域，从而对旅游城市制造业产值份额与就业人数形成一定程度的“挤占”。这有利于工业部门转型提质，提高劳动生产率，应该是一种好的“去工业化”。（5）从旅游发展及其与产业结构升级及劳动力转移的交互项三者讨论旅游发展对“去工业化”的效应就会发现，超过半数的城市旅游发展对“去工业化”都有推动作用，从城市空间分布看，这些城市遍及东中西三大区域，尽管有数量差距，但没有表现出十分明显的空间集聚态势。随着休闲旅游时代来临，旅游发展推动“去工业化”的间接效应，在一定程度上对实现“宜业、宜居、宜游”的现代城市发展新理念、新目标及提高城市竞争力具有重要的推动作用。这将会对进一步挖掘城市发展潜力，推动最终包括旅游业在内的各种服务业成为城市经济增长的新支柱和新活力。

　　2.讨论

　　“去工业化”的过程就是经济体中的产值由第二产业向第三产业转移及就业人数的相应外迁，即产业结构升级和劳动力迁移转变。旅游业因产业关联性高、带动系数大、吸纳就业能力强而可能加速了这种转变，本文从产业结构升级引致效应与劳动力转移效应视角，揭示了旅游业发展推动“去工业化”的作用机理。旅游业不仅通过自身对城市工业经济产生重要作用，还通过间接的传导机制影响城市工业经济，这为深刻认识旅游业在我国城市经济增长与转型中的地位与作用提供了新视角。中国空间地域广阔，旅游“诸侯经济”明显，旅游发展推动“去工业化”效应，也不能一概而论，从实践价值来说，本研究揭示了旅游发展对“去工业化”影响的地域空间差异，划分了其类型结构，这对各地加强政府宏观管理，注重产业关联效应，最终实现现代旅游业均衡发展及旅游经济与工业经济协调发展提供科学依据。

　　当然，本文也有不足之处。一是旅游业易受典型事件和政策制定影响较为明显，在计量模型构建中没有通过引入虚拟变量来体现，一定程度上削弱了研究的精确度。二是从旅游业总量层面而非国际旅游和国内旅游两方面分析其对“去工业化”助推效应，忽视了不同旅游部门对“去工业化”的影响差别，从而弱化了相关政策制定的针对性。三是研究样本采用中国旅游城市，尽管代表性较强，但广泛性和普遍性受限，且基础数据年限不够长，因而所得结论是否具有更为普遍意义，还需在未来的研究中给予检验、补充和完善。