Повышение уровня потребления населения и изменение его структуры привели к стремительному развитию экономики в сфере вечерних экскурсий в Китае, что стало новой яркой тенденцией в развитии городов. Светотехническая промышленность, являясь важной составляющей городского вечернего благоустройства, тесно связана с развитием экономики туризма в тёмное время суток. Для более детального изучения влияния светотехнической отрасли на экономику ночного туризма мы проанализировали краткосрочную и долгосрочную коинтеграционную связь между ними с помощью коинтеграционного теста, а причинно-следственную связь – с помощью теста Грейнджера. Расширенный тест Дики–Фуллера на поиск единичного корня показал, что светотехническая отрасль и городские экскурсии в ночное время относятся к единичной интеграции второго порядка; коинтеграционный тест Йохансена показал наличие коинтеграционной связи между ними. Результаты по тесту Грейнджера показали, одностороннюю связь, то есть светотехническая отрасль влияет на экономику ночного туризма, в то время как рост количества ночных экскурсий не может существенно влиять на развитие светотехнической отрасли. Результаты исследования имеют важное справочное значение для анализа способности китайской светотехнической отрасли стимулировать развитие экономики ночного туризма в городах, способствовать её качественному развитию и обеспечивать ей поддержку.
1. China Tourism Research Institute. 2019 night tourism market data report. [March 15, 2019] / [August 16, 2021]. http://www.199it.com/archives/8461–52.html.
2. Jiang, B. Research on the impact of night scene lighting on urban night economy // Technology Economy Market, 2019, Vol. 12, pp. 39–40.
3. Punzo, G., Trunfio, M., Castellano, R., Buonocore, M. A multi-modeling approach for assessing sustainable tourism // Social Indicators Research, 2022, Vol. 163, # 3, pp. 1399–1443.
4. Chen, N., Wang, Y., Li, J., Wei, Y., Yuan, Q. Examining structural relationships among night tourism experience, love marks, brand satisfaction, and brand loyalty on «cultural heritage night» in South Korea // Sustainability, 2020, Vol. 12, # 17, pp. 1–23.
5. Wei, J., Zhong, Y., Fan, J. Estimating the spatial heterogeneity and seasonal differences of the contribution of tourism industry activities to night light index by POI // Sustainability, 2022, Vol. 14, # 2, pp. 692.
6. Anand, A., Kim, D.H. Pandemic induced changes in economic activity around African protected areas captured through night-time light data // Remote Sensing, 2021, Vol. 13, # 2, pp. 314.
7. Guo, Q., Lin, M., Meng, J.H., Zhao, J.L. The development of urban night tourism based on the nightscape lighting projects: a Case Study of Guangzhou // Energy Procedia, 2011, Vol. 5, pp. 477–481.
8. Zhu, X., Li, M. Research on tourist satisfaction of night tourism products in tour leisure blocks based on Kano improved model: A case study of Grand Tang Mall in Xi’an // Journal of Xidian University (Social Science Edition), 2022, Vol. 32, # 2, pp. 1–15.
9. Roberts, M. From ‘creative city’ to ‘nogo areas’: The expansion of the night-time economy in British town and city centres // Cities, 2006, Vol. 23, # 5, pp. 331–338.
10. Gu, Y., Shao, Z., Huang, X., Cai, B. GDP Forecasting Model for China’s Provinces Using Nighttime Light Remote Sensing Data // Remote Sensing, 2022, Vol. 14, # 15, 3671 p.
11. Townsend, A. C., Bruce, D.A. The use of night-time lights satellite imagery as a measure of Australia’s regional electricity consumption and population distribution // International Journal of Remote Sensing, 2010, Vol. 31, # 16, pp. 4459–4480.
12. Ji, X., Li, X., He, Y., Liu, X. A simple method to improve estimates of county-level economics in China using nighttime light data and GDP growth rate // ISPRS International Journal of Geo-Information, 2019, Vol. 8, # 9, pp. 419.
13. Li, F., Liu, J., Zhang, M., Liao, S., Hu, W. Assessment of economic recovery in Hebei Province, China, under the COVID‑19 pandemic using nighttime light data // Remote Sensing, 2022, Vol. 15, # 1, pp. 22.
14. Wang, J., Zhang, J., Gong, L., Li, Q., Zhou, D. Indirect seismic economic loss assessment and recovery evaluation using nighttime light images–application for Wenchuan earthquake // Natural Hazards and Earth System Sciences, 2018, Vol. 18, # 12, pp. 3253–3266.
15. Kim, K. The North Korean economy seen by satellite: Estimates of national performance, regional gaps based on nighttime light // Journal of Asian Economics, 2022, Vol. 78, 101405 p.
16. Wu, M., Ye, H., Niu, Z., Huang, W., Hao, P., Li, W., Yu, B. Operation Status Comparison Monitoring of China’s Southeast Asian Industrial Parks before and after COVID‑19 Using Nighttime Lights Data // ISPRS International Journal of Geo-Information, 2022, Vol. 11, # 2, 122 p.
17. Del Valle, A., de Janvry, A., Sadoulet, E. Rules for recovery: Impact of indexed disaster funds on shock coping in Mexico // American Economic Journal: Applied Economics, 2020, Vol. 12, # 4, pp. 164–195.
18. Liu, Z., He, C., Zhang, Q., Huang, Q., Yang, Y. Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008 // Landscape and Urban Planning, 2012, Vol. 106, # 1, pp. 62–72.
19. Ma, T., Zhou, C., Pei, T., Haynie, S., Fan, J. Quantitative estimation of urbanization dynamics using time series of DMSP/ OLS nighttime light data: A comparative case study from China’s cities // Remote Sensing of Environment, 2012, Vol. 124, pp. 99–107.
20. Shi, K., Chen, Y., Yu, B., Xu, T., Chen, Z., Liu, R., Wu, J. Modeling spatiotemporal CO2 (carbon dioxide) emission dynamics in China from DMSP-OLS nighttime stable light data using panel data analysis // Applied Energy, 2016, Vol. 168, pp. 523–533.
21. Dickey, D.A., Fuller, W.A. Likelihood ratio statistics for autoregressive time series with a unit root // Econometrica: Journal of the Econometric Society, 1981, Vol. 49, pp. 1057–1072.
22. Granger, C.W. Investigating causal relations by econometric models and cross-spectral methods // Econometrica: Journal of the Econometric Society, 1969, Vol. 37, pp. 424–438.
23. Bhat, M. Y., Sofi, A.A. Sajith, S. Domino-effect of energy consumption and economic growth on environmental quality: role of green energy in G20 countries // Management of Environmental Quality, 2022, Vol. 33, # 3, pp. 756–77.
24. Johansen, S. Statistical analysis of cointegration vectors // Journal of Economic Dynamics and Control, 1988, Vol. 12, # (2–3), pp. 231–254.
25. Sargan, J.D. Wages and prices in the United Kingdom: a study in econometric methodology // Econometric Analysis for National Economic Planning, 1964, Vol. 16, pp. 25–54.

• Предыдущая статья
• Следующая статья

• светотехническая отрасль Китая
• ночной городской туризм
• экономика ночного туризма
• коинтеграционный тест
• модель исправления (коррекции) ошибок
• тест причинно-следственной связи Грейнджера