天天論文網（http://www.tskan.cc/）專注代寫論文，包括各個專業代寫畢業論文，代寫碩士論文以及代寫代發職稱論文服務，對于代寫經濟管理論文有獨到的見解，寫手能力突出，實踐能力強，可以大批量完成經濟管理論文代寫任務，代寫論文速度快，質量高，歡迎聯系約稿。為方便客戶免費下載最新論文，本網站更新文章全部為付費從知網下載PDF格式論文，經轉換為文檔后上傳，方便客戶下載，歡迎大家到天天論文網免費下載相關論文。因為本網站對于客戶信息嚴格保密，所以此篇論文并非本網站所代寫論文， 原作者如有異議，請聯系本站站長予以刪除。

3 主要結果

3.1 雙重差分(DID)模型結果

這里估計了傳統的面板雙重差分模型和控制城市各自增長趨勢的面板雙重差分模型,發現體育賽事對主辦城市的經濟增長具有促進作用,體育賽事使得主辦城市經濟增長約6.6%。在控制了城市各自的增長趨勢時,國際賽事對主辦城市經濟有促進作用,而國內賽事對主辦城市經濟沒有促進作用。

在表3中的模型1和模型2報告了沒有控制城市自身時間趨勢的面板DID模型估計的結果。除了時間啞變量和城市啞變量外,還控制了不受政府有關投資和政策影響的經濟變量,包括各城市人均利用外資額的對數和普通中等學校在校生人數占人口總數的比例。表3中的模型1的估計結果表明,控制其他變量,舉辦體育賽事對有關賽事城市的經濟效應是使得人均實際GDP平均增長1.8%。從國際賽事和國內賽事分開來看,表3中模型2國際賽事的系數為-0.078,而國內賽事的系數為0.087。由于只有5個城市受到政策的影響,因此存在受政策影響地區數量少的問題,使用ConleyandTaber(2011)提出的方法修正了估計誤差,構造了賽事效應的95%置信區間,在表中用方括號表示。

從模型1和模型2估計結果可以看到,Conley-Taber95%置信區間都包含0,因此不能拒絕賽事效應不顯著的原假設。表3中面板DID 的模型1和模型2估計結果表明,體育賽事的籌建和準備,對地方的經濟發展沒有促進作用。這個估計結果沒有考慮各個城市的時間趨勢,可能低估賽事的作用。雙重差分模型是估計政策效應的一個良好的方法,但是這個方法也有一個重要的假設,就是處理組的城市和對照組的城市具有相同的經濟發展趨勢。這個假設意味著,如果主辦城市沒有獲得賽事的資格,這個虛擬場景下的經濟發展變化趨勢可以很好地被對照組中城市經濟變化趨勢良好近似。常用的一種支持這個假設的方法是構造安慰劑檢驗,虛擬假設對照組中某個沒有賽事資格的城市在某個年份獲得賽事資格,用對照組其他城市來檢驗這個虛擬假設的城市是否可以估計出類似的效果。如果虛擬假設的效應為正,那么所有城市都有相同發展趨勢的假設的證據就比較弱。但是這種選擇對照組城市的空間安慰劑假設,需要所有對照組城市都有相同的發展趨勢,這也是一個比較強的假設。另外一種在時間上的安慰劑假設,就是把主辦城市在實際獲得主辦賽事資格之前的某個時刻作為虛擬的賽事主辦資格開始,利用這個虛擬的開始時刻來估計體育賽事的影響。如果對照組城市和處理組城市具有相同的發展趨勢,那么虛擬賽事的經濟效應不存在。由于考察的賽事在時間上的分布不是齊整的,并且對照組的城市的數量遠大于處理組的城市,本文使用第三種更加穩健的方式來估計體育賽事的影響,就是在估計方程中允許城市有不同的發展趨勢。在估計中允許趨勢差異,也包容了在空間或者時間上安慰劑檢驗的影響。圖1描繪了奧運會、亞運會、全運會舉辦城市和其他城市的平均增長路徑,可以看到相同增長趨勢的假設并不完全合理。

圖1 賽事城市和對照組城市經濟增長路徑在表3中模型3和模型4報告了控制總體時間趨勢和不同城市各自的時間趨勢的估計結果,可以看到體育賽事對主辦城市的經濟發展的促進作用是顯著的。表3中的模型3的估計結果表明,控制了各城市各自的時間趨勢,體育賽事使得主辦城市的人均GDP 平均增長6.6%。賽事效應的Conley-Taber95%置信區間是[0.031,0.086],這表明估計結果在5%水平上是顯著的。進一步地,如果考察賽事類型對主辦城市的經濟影響,可以看到,國內賽事和國際賽事對舉辦城市有不同的影響,國際賽事的主辦使得主辦城市的人均實際GDP平均增加了12.7%,而國內賽事使主辦城市的人均GDP平均增加2.8%。構造Conley-Taber95%置信區間檢驗表明,國際賽事效應在5%水平是顯著的,而國內賽事效應在5%水平是不顯著的。體育賽事的籌建和舉辦促進了當地經濟的發展,但是不同類型賽事的經濟效應在不同估計方法下差別較大:如果不控制不同地區的時間趨勢,賽事的經濟效應統計上不顯著;但是控制不同城市的時間趨勢之后,表明賽事促進了主辦城市的經濟發展。

為了進一步考查不同類型賽事主辦對主辦城市經濟的影響,分別將每一個主辦城市和其他65個對照組城市一起估計體育賽事對主辦城市的經濟效應。

這時,受賽事影響的地區只有一個,Conley-Taber95%置信區間結果表明對賽事效應估計的統計推斷。如果Conley-Taber95%置信區間包含0,那么主辦城市的賽事效應就不顯著;如果Conley-Taber95%置信區間不包含0,可以在5%的水平上拒絕沒有賽事效應的假設。從表4的估計結果可以看到,北京的賽事效應估計值是0.117,Conley-Taber95%置信區間是[0.063,0.167];廣州的賽事效應估計值是0.148,Conley-Taber95%置信區間是[0.123,0.179]。因而,和前面表3中的估計結果一致,國際賽事體育效應為正。在全運會對主辦城市的賽事效應估計中,南京的賽事效應估計值是0.086,Conley-Taber95%置信區間是[0.032,0.136];而濟南和沈陽賽事效應的Conley-Taber95%置信區間分別是[-0.041,0.009]和[-0.080,0.118]。南京全運會效應顯著,而另外兩個城市的賽事效應不顯著。和在表3中得到的結果一致,主要是國際賽事的主辦能產生顯著的體育賽事經濟效應,國內賽事的籌辦并沒有顯著的經濟效應。

表4 每個主辦城市和其他城市對照時賽事效應估計北京廣州南京濟南沈陽體育賽事0.117** 0.148** 0.086** -0.017 0.004(0.040) (0.074) (0.026) (0.038) (0.026)[0.063,0.167][0.123,0.179][0.032,0.136][-0.041,0.009][-0.080,0.118]人均利用外資額對數0.008*** 0.008*** 0.008*** 0.008*** 0.008***(0.002) (0.002) (0.002) (0.002) (0.002)普通中等學校在校生比例-0.003** -0.003** -0.002** -0.003** -0.002**(0.001) (0.001) (0.001) (0.001) (0.001)時間趨勢0.105*** 0.105*** 0.105*** 0.105*** 0.105***(0.002) (0.002) (0.002) (0.002) (0.002)樣本數974 974 974 974 974AdjustedR2 0.997 0.997 0.997 0.997 0.997注:***p<0.01,**p<0.05,*p<0.1。被解釋變量是人均實際GDP對數,時間范圍為1997—2011。常數項沒有報告。括號內為標準差,標準差估計時控制城市×時間cluster。方括號內為賽事效應的Conley-Taber95%置信區間。

在面板雙重差分模型中,對照組是所有其他沒有舉辦賽事的城市。在Conley-Taber95%置信區間構造時,使用所有其他對照組城市構造誤差項的概率分布。雖然在估計中控制了不同地區各自的時間趨勢,但是不同城市位于不同地區,受地理、環境和外部世界影響不同。在考察期內,中國外部經濟環境也發生了較為顯著的變化,不同地區對影響經濟的因素可能存在不同的反應。通過控制地區固定效應和時間趨勢,已經控制了影響經濟增長的不隨時間變化的因素和固定趨勢,但仍然可能有其他因素的影響。因此,在下文中使用面板處理效應模型和合成控制法,對每一個主辦城市分別構造對照對象,估計每一個主辦城市虛擬的如果沒有主辦賽事的反事實虛擬經濟增長路徑,從而考察體育賽事對主辦城市的經濟效應。在這兩種方法中,面板處理效應模型利用了影響經濟增長變量之間的相關性,而合成控制法則是利用對照組城市的加權平均來構造近似增長路徑。

3.2 面板處理效應模型回歸

相對面板雙重差分模型,HCW(2012)方法允許更加豐富的不可觀測效應的結構。首先通過回歸方程,構造每一個主辦城市反事實下的經濟增長路徑。

表5給出了5個城市對應的回歸結果。由于人均GDP增長存在趨勢,在回歸中也控制了時間趨勢。表5中回歸方程的R2 都比較高。表5中的估計結果表明,惠州市的經濟增長路徑很好地擬合了北京獲得奧運會主辦資格之前的經濟增長路徑,金華市的增長路徑擬合了廣州市獲得亞運會主辦資格之前的經濟增長路徑,成都市的增長路徑是估計南京市經濟增長路徑比較好的近似,福州市是濟南市經濟增長路徑的良好近似,而貴陽市是沈陽市2009年獲得全運會主辦資格之前的經濟增長路徑的良好近似。為了評價主辦賽事帶來的經濟效應,需要比較主辦城市的真實的經濟增長路徑和估計的經濟增長路徑。圖2中給出了奧運會和亞運會對主辦城市經濟效應的估計,圖3則給出了三次全運會對主辦省會城市的經濟影響的估計。

從圖2中可以看到,在2001年北京獲得奧運會的主辦資格和2008年召開奧運會之間,北京真實的人均GDP 對數的路徑都高于模擬的人均GDP。從2002年到2007年,真實的人均GDP比模擬的人均GDP高出約2%~3%,因而在賽事籌辦期間拉動了北京的經濟增長。但是在2009年之后,真實北京的人均GDP低于模擬北京的人均GDP,這可能反映了“后奧運效應”,也可能是世界經濟危機的影響,數據不足以區分出這兩種解釋。從圖2中廣州和模擬廣州的人均實際GDP增長路徑來看,亞運會的籌辦并沒有給廣州市帶來顯著的經濟增長效應。在2004年獲得亞運會主辦資格之前,廣州和模擬廣州之間的差距很小,在獲得主辦資格之后直到2006年,廣州僅比模擬廣州的實際人均GDP高出1%,在2007 年之后廣州的人均實際GDP 就低于模擬廣州的人均實際GDP。

圖3中給出了21世紀以來三場全運會對主辦城市的實際經濟增長路徑和模擬的經濟增長路徑,實際路徑沒有持續地高于模擬城市,全運會籌辦對主辦城市的經濟促進作用不大。對于南京,籌辦期間真實南京的路徑低于模擬南京的路徑;對于濟南,在獲得主辦全運會資格之后,經濟水平略高于模擬濟南的經濟水平,但是不久之后就低于模擬的路徑了,即在全運會舉辦之后,濟南的經濟水平低于模擬濟南的經濟水平。對于沈陽,只有籌辦期間的對比,但是從圖中也可以看到,沈陽的人均實際GDP低于模擬沈陽的經濟水平。表6計算了不同時期的處理效應的均值。表6中的“資格前”行表示主辦城市獲得賽事主辦資格之前的城市人均GDP和模擬城市人均GDP差距的平均值。模擬城市都比較好地估計了主辦城市獲得賽事資格之前的經濟發展路徑,二者幾乎沒有差距。“資格后”一行表示主辦城市獲得賽事主辦資格后由于籌辦和舉辦賽事對主辦城市的經濟發展,可以看到,主辦賽事沒有使得賽事承辦方的經濟水平出現明顯的增長。相比沒有賽事,賽事使得主辦城市的人均GDP下降了約1%~8%左右。進一步將主辦城市獲得賽事資格后的時期分解為籌辦期和主辦后兩個時間段,可以看到,賽事使得經濟發展水平降低主要發生在主辦后時期。這里,籌辦期是指主辦城市獲得賽事主辦權到賽事成功舉辦的年份。從第一列可以看到,在從2001年到2008年的賽事籌辦期,籌辦賽事使得北京的人均GDP 平均增長了約3%,但是在奧運會舉辦后,北京的人均GDP相對于模擬北京的GDP下降了約8%;廣州不僅在籌辦期相對于模擬廣州經濟水平下降了3%,亞運會之后,進一步平均下降了約15%。南京市的全運會在籌辦期使得主辦城市的人均GDP比模擬南京市低1%,而在主辦后,經濟增長水平比模擬南京平均低1%;濟南全運會的籌辦使得主辦城市的人均GDP增長了約2%,但是賽事結束會后主辦城市的人均GDP相對下降了6%。對比表4和表6的估計結果可以看到,面板處理效應估計的賽事的經濟影響小于面板雙重差分的估計。由于面板處理效應可以對每一個主辦城市利用對經濟影響因子的相似性構造反事實經濟發展路徑,不僅可以克服城市間各自的時間趨勢,也能控制其他變化的時間因素。如果經濟危機是一個影響所有城市的因子,并且不同城市對經濟危機的反應方式不同,只要這種反應方式是穩定的,面板處理效應在一定程度上可以減少這些因子的影響。綜合來看,籌辦期間,國際賽事使得主辦城市經濟增長,而國內賽事對主辦城市經濟增長影響相對較弱。

3.3 合成控制分析與面板處理效應模型回歸

利用對共同經濟影響因子的相關性構造反事實路徑不同,合成控制分析是利用對照組城市的凸組合來構造處理組城市的反事實路徑的。通過對主辦城市獲得賽事主辦資格之前的經濟增長路徑和有關變量為標準,選擇對照組城市的一個凸組合構造主辦城市的合成對照,使得合成對照的經濟增長路徑與主辦城市真實路徑一致,從而得到凸組合的系數。

Abadieetal.(2012)表明,如果主辦城市和對照組城市受到相同的隨機因素影響,并且主辦城市的反應系數在對照組城市反應系數的凸包中時,合成控制法可以得到對主辦城市的良好合成。本文用主辦城市獲得賽事前的主要年份的人均GDP和人均利用外資額對數、普通中等學校在校人數比例的平均值作為參照指標,選擇最小化真實路徑和合成對照路徑的方式選擇合成控制的系數。

合成控制的優點是利用對照組的凸組合構造賽事主辦城市的反事實虛擬路徑,避免了外推可能產生的外推誤差;但是,如果賽事主辦城市的經濟變量不在對照組城市變量的凸包內時,就可能產生較大的預測誤差。

表7中給出了每個賽事主辦城市的合成對照權重的分布情況。北京是由寧波市和深圳市加權合成的;廣州的合成城市的權重分布在呼和浩特市、上海市和深圳市這三個城市;南京的合成城市分布比較分散,只列出了系數大于0.02的城市,包括了呼和浩特市、青島市、無錫市、廈門市和襄陽市。濟南的合成是由呼和浩特市、廈門市和南充市三個城市構成;而沈陽市的合成是由包頭市、大連市、丹東市、三亞市和武漢市五個城市構成。表中最后一列RMSE表示在選擇權重時主辦城市和合成城市經濟增長路徑的平均差異的平方根,反映了在主辦城市在獲得賽事主辦資格之前真實路徑和合成路徑之間的差距。較小的RMSE表示合成城市比較好的擬合實際的經濟變量。在圖4和圖5中給出了合成控制法估計的主辦城市和反事實的合成城市的經濟增長路徑。由于合成城市是用沒有主辦過賽事的對照組城市加權構成的,因而合成城市的路徑就是主辦城市如果沒有主辦賽事時虛擬的經濟增長路徑的估計。在圖中,實線表示真實的經濟變化路徑,而虛線表示虛擬的經濟增長路徑。在每個城市獲得賽事主辦資格的年份,特別用數值線區分獲得賽事主辦資格前后。在國際賽事中,北京在獲得資格前的路徑和合成北京的路徑一致,但是2001年之后北京的實際人均GDP路徑低于合成北京的路徑,表明主辦奧運會沒有給北京帶來顯著正的效應。對于廣州亞運會,從圖4可以看到獲得主辦資格之后,廣州的實際人均GDP路徑高于合成廣州的路徑一段時間后二者逐漸重合。對于全運會,在獲得賽事主辦資格之前實際人均GDP路徑和合成城市人均GDP路徑一致,但是濟南市在獲得資格后的路徑高于合成濟南的路徑,南京和沈陽的實際路徑在獲得全運會主辦資格之后并沒有高于合成城市的路徑。

主辦城市的實際人均GDP和對應合成城市人均GDP的差值,就是體育賽事對主辦城市的賽事效應。根據不同時期,分別計算了賽事效應的平均值。從表8中可以看到,在獲得體育賽事的主辦資格之后,北京市、南京市和沈陽市的賽事效應的平均值為負數,和在圖4和圖5中的展示一致。而廣州市和濟南市獲得賽事資格后的經濟效應為正數。對賽事效應分籌辦期和主辦后可以看到,體育賽事的促進作用主要發生在賽事的籌辦期,在主辦后經濟都有回歸均值的趨勢。

表8 合成控制法估計的主辦城市不同時期賽事經濟效應的平均值平均時間北京廣州南京濟南沈陽資格前0.000 0.001 0.011 0.002 0.000籌辦期-0.099 0.031 -0.015 0.052 -0.039主辦后-0.225 -0.006 -0.064 0.124資格后-0.145 0.022 -0.046 0.082 -0.039成功申辦時間2001年2004年2001年2005年2009年舉辦時間2008年2010年2005年2009年2013年為了檢驗表8中體育賽事主辦城市的賽事效應的統計顯著性,使用Abadieetal.(2012)提出的排列檢驗(Permutationtest)進行了檢驗。排列檢驗的思想如下:對于對照組城市集合中的每一個城市,假設它獲得賽事主辦資格,然后用其他對照組城市估計這個假設賽事主辦城市的合成城市,計算在假設的主辦資格下的體育賽事效應的大小,這樣就得到了城市賽事效應的排列檢驗分布。這個分布表示只是隨機選擇一個城市進行合成控制法估計賽事效應的分布。通過對比每一個實際主辦城市估計的賽事效應和排列檢驗得到的賽事效應分布,就可以推斷估計的實際主辦城市的賽事效應是否顯著:給定實際主辦城市賽事效應的絕對值δ,如果在排列檢驗分布中虛擬賽事效應絕對值大于δ 的地區的比例小于5%,那么就可以在5%的水平下拒絕主辦賽事城市的賽事效應是隨機得到的假設。

表9報告了排列檢驗中對照組城市虛擬賽事效應絕對值大于主辦城市賽事效應的數量和比例,這個數量被稱為極端效應數。從表9可以看到,對每個主辦城市估計的賽事效應都不能拒絕是隨機得到的假設。在圖6和圖7中,描繪了每個主辦城市的賽事效應的正負值和排列檢驗中從對照組城市得到的虛擬效應的分布,可以看到對于每一個主辦城市都不能拒絕賽事效應不顯著的假設。在構造合成城市時,如果合成城市和實際城市差異較大,就會有較大的平均預測誤差平方(RMSE),這表明合成城市近似真實城市的能力較差。因而,去掉了近似較差的城市之后重新檢驗了賽事效應的顯著性。表9中的樣本數2和極端效應2兩列給出去掉RMSE大于主辦城市RMSE12倍的城市后的統計檢驗,可以看到仍然不能拒絕賽事效應不顯著的假設。

3.4 穩健性分析

對于前面分析的體育賽事對主辦城市的人均GDP的分析,也進行了一系列穩健性的分析和檢驗。首先,考察了體育賽事對主辦城市的經濟增長率的影響。表10中的模型1和模型2的估計結果表明,體育賽事對經濟增長率沒有顯著的促進作用。不論是國內賽事還是國際賽事,平均經濟增長率和其他城市沒有顯著的差異。其次,是樣本范圍的選擇。在前面主要估計中,選擇了1997年至2011年70個大中城市的人均實際GDP。由于部分城市人均GDP增長率缺失,用城市所在省的人均GDP增長率作為缺失值的彌補。這里從空間和時間兩方面對樣本范圍進行了選擇,考察缺失值插值對估計的影響。首先是僅保留1997年人均GDP增長率沒有缺失的城市,重新估計了體育賽事對經濟增長的影響。這時,70個大中城市只有39個城市,體育賽事的主辦城市都保留在樣本中了。由于體育賽事的主辦城市都是省會城市,39個城市中包括了所有省會城市和大型城市,這也減少了樣本差異可能的影響。表11中模型1中體育賽事的估計系數表明,舉行大型賽事使得主辦城市的人均GDP平均增長了6.1%,和70個大中城市估計的6.6%非常接近。表11中模型2的分體育賽事類型的估計表明,國際賽事使得舉辦城市的人均GDP平均增加了10.8%,而國內賽事對舉辦城市的人均GDP增加不顯著。這和之前的結果是一致的。體育賽事的籌備對第二產業和第三產業都有影響,基礎設施的改善對城市的發展會有多方面的影響。因此,本文分析體育賽事對經濟結構的影響,考察體育賽事對主辦城市的第二產業和第三產業的影響,分析賽事籌辦的影響機制。表11和表12分別用第二產業增加值比例和第三產業增加值比例作為被解釋變量,考察賽事主辦對主辦城市經濟結構影響的結果①。表11中模型3的結果表明體育賽事對主辦城市的第二產業增加值比例不顯著,但是分別考察國際賽事和國內賽事的影響時可以看到,不同賽事對于主辦城市的影響是不同的。對于奧運會和亞運會這類國際賽事,賽事的主辦沒有使得城市的第二產業比例增加。表11模型4中的估計結果表明,體育賽事對主辦城市第二產業有促進作用,主要表現在全運會對主辦城市的經濟結構影響上。從全部賽事的整體來看,體育賽事不影響第三產業增加值的比例。表11模型5的估計結果表明體育賽事對第三產業增加值比例的影響不顯著。對不同級別的賽事分別考察,表11模型6中的結果表明,國內賽事使得承辦城市的第三產業比例下降,并且在統計上是顯著的;國際賽事使得主辦城市的第三產業增加值比例上升,統計上顯著。

由于2000年之前的數據缺失的比例較高,而2000年之后的數據基本上完整,因此在時間范圍上將樣本時間限定在2000年之后,考察70個大中城市中體育賽事對主辦城市的經濟影響。表12是將樣本在時間范圍重新限定后的結果,從中可以看到主要發現沒有重大變化。控制了城市時間趨勢之后,表12模型1中的估計結果表明體育賽事整體使得承辦城市的人均GDP增長了6.3%,這和前面的分析結果一致。表12模型2中分賽事類型的估計結果表明,奧運會和亞運會使得主辦城市的人均GDP增長了13%,而全運會對主辦城市的經濟影響不顯著。表12模型3~6分析了體育賽事對產業結構的影響,所得到的結果也和表11類似。

3.5 分析和討論

雖然不同估計方法的具體數字有所差異,但是實證分析表明,舉辦大型體育賽事時,籌辦全運會并沒有給舉辦城市帶來明顯不同的經濟增長作用,而籌辦國際賽事帶來了顯著的經濟增長作用。這種差異反映了前面提到的賽事投資的差異。除此之外,國內和國際賽事在政府支持、投資規模、賽事規模、賽事相關收入等方面都存在差異,可能是產生不同的經濟影響的原因所在。

首先是政府的支持力度不同。奧運會等國際賽事是由中央決策,舉全國之力來進行申辦和舉辦。因為其代表了國家的形象與實力,故投入來源不僅僅局限于舉辦城市,而往往來自全國。中央政府和地方政府都會給予巨大的支持力度。因此,奧運會等國際賽事在政策傾斜、支持力度等方面都要強于全運會,從而為產生經濟增長作用奠定了基礎。針對北京奧運會,國家稅務總局專門發文,明確了相關的稅收優惠政策。2001年以前,全運會是由北京、上海和廣東三地輪流舉辦,而隨著中國經濟的發展,越來越多的省份有能力和需求承辦全運會。2001年后全運會取消輪流舉辦的機制,改為由各省區申辦。舉辦全運會更多意義上是各省區自己的事情,所投入的資金和人力物力基本上是來源于省區自身,中央政府的支持力度不是很大。

其次是賽事相關投資規模的差異。相比之下,奧運會等國際賽事的投資規模要大于全運會,其所創造的就業崗位的數量也要大于全運會。北京奧運會的舉辦創造了150萬個額外的就業崗位①,廣州亞運會則是30.4萬個②,而相比之下,2009年山東全運會創造的就業崗位是8.99萬個③。創造的就業崗位越多,對經濟增長的促進作用越大。

第三,賽事規模和媒體關注度的差異。全運會的參賽國家僅僅包括中國,是在全國范圍內舉辦的大型體育賽事;而奧運會是由世界上幾乎所有國家和地區共同參加的,亞運會則有亞洲的近乎所有國家和地區參賽,其參與范圍要遠遠大于全運會。2008年北京奧運會的參賽國家和地區為204個,參賽運動員為11526人④;2010年廣州亞運會的參賽國家和地區則為45個,參賽運動員達到了創記錄的10156人⑤。第12屆遼寧全運會參賽運動員為9000余人⑥。在媒體報道、輿論曝光等方面國內賽事不如國際賽事,因此對賽事的資金使用和審計上可能存在差異。一個明顯的事例就是,中國發行量巨大、影響力極強的體育專業性報刊《體壇周報》在奧運會期間,將原本每周一、三、五的出刊日期改為了每日出刊,以更好地對賽事進行報道,滿足讀者的要求。而在遼寧全運會期間,《體壇周報》不但沒有改為每日出刊,僅僅使用2~3個版面對全運會的賽事進行報道,而且內容也只是片面擷取全運會的某個片段進行呈現,并沒有一個全方位的報道。由此可見,全運會由于參賽人數的局限,從而導致媒體報道、觀眾關注程度方面與國際賽事有不小差距。

第四,門票收入和贊助規模差異。北京奧運會的門票收入為1.4億美元①,廣州亞運會的門票收入為1.88億元人民幣②。而相比之下,全運會的門票收入就要低很多。2013年遼寧全運會的門票收入僅為1200萬元人民幣③。2008年北京奧運會共有63家贊助商,總贊助金額達到了創造奧運會歷史記錄的7.4億美元④。2010年廣州亞運會共有49家贊助商,總贊助金額達到了創亞運會紀錄的4億美元⑤。與之相比,全運會的贊助規模就要小了很多。2005年江蘇十運會的贊助金額為4.7億元人民幣⑥,2009年山東十一運會的贊助金額為6億元人民幣⑦。在贊助方面的差異,是造成全運會與奧運會等國際賽事所帶來的經濟增長作用有所差異的又一個原因。

第五,賽事相關的旅游收入的差異。奧運會等國際賽事的吸引力更大,不僅僅可以吸引大批國內游客,還可以吸引大批國外游客,因此其為舉辦地帶來的旅游收入要大于全運會。北京奧運會期間,吸引的外來游客數量為40萬~45萬人次⑧,加上國內游客的消費,所帶來的旅游收入超過了4億多美元⑨。廣州亞運會則吸引了15萬國外游客,其所創造的外匯旅游收入達到了8000萬美元。國內外游客人數總計為50萬人次,所創造的旅游收入達到了10億元人民幣,使得廣州當年的旅游收入增加了1.85%①。而山東全運會期間所創造的旅游收入為8億元人民幣②,這是全省的數據,具體到濟南市會更少一些。

因而,這些賽事活動相關的規模、媒體關注和監管以及賽事相關活動的旅游、服務等相關行業收入的差異,也是本文發現的體育賽事對主辦城市經濟影響差異的重要因素。

4 總結

隨著中國經濟的快速增長和經濟結構的轉型,越來越多的城市將加入到舉辦大型賽事的城市行列。大型賽事的經濟效應將是一個持續的議題和焦點。

本文分析了21世紀以來中國國內舉辦的奧運會、亞運會和全運會對舉辦城市的經濟影響。賽事的級別和規模對舉辦城市的影響存在著顯著的差異。奧運會和亞運會級別的國際賽事,對主辦城市的經濟發展確實存在經濟效應,尤其是北京奧運會,對北京城市的經濟發展具有顯著的影響。而全運會雖然是國內規模最大的體育賽事,對舉辦城市的經濟并沒有帶來顯著的影響。

大型體育賽事的效應差異,來自賽事規模和對主辦城市產業結構影響的差異。相對于國際賽事,國內賽事的規模、賽程和媒體關注程度較小,并且對賽事資金投入的來源和規模也存在著差異,因而使得國內賽事的經濟影響不顯著。

北京奧運會的承辦得到了中央政府的承諾和擔保,而國內賽事的舉辦通常都是主辦城市自身的資金籌措。通過賽事舉辦城市的產業結構和非賽事舉辦城市產業結構的對比,國內賽事舉辦城市的第二產業比例上升,而國際賽事舉辦城市的第三產業比例上升。而20世紀以來,工業化大發展是中國經濟發展的主要路徑,中國的經濟規模達到了世界第二,成為“世界工廠”。因而,制造業比例提升的影響,并沒有使得主辦城市和其他城市相比脫穎而出。而國際賽事使得舉辦城市的產業結構中,第三產業比例上升,舉辦城市的經濟結構向提高服務業比重方向變化,服務、設計、金融和咨詢等相關的行業得到了更大的發展。

雖然國際賽事籌辦對經濟發展帶來一定的經濟發展,但是這種經濟發展效應在賽事籌辦和組織期間最明顯。在賽事舉辦之后,賽事的經濟增長效應就迅速消失了。國內的大型賽事的經濟效應也是類似的情形。而北京奧運會是無與倫比的,可能也是不可復制的。因此,對體育賽事對主辦城市帶來的經濟效應,需要進一步的研究,才能得到更加肯定的結果。

大型體育賽事是一件綜合性的活動,它的意義和價值是多方面。本文分析的經濟效應只是這項活動中作為生產性活動的一方面,并沒有考慮和度量體育賽事給人們帶來的精神和價值方面的意義。雖然大型賽事的經濟效果不顯著,但是并不意味著舉辦大型賽事沒有價值。與體育賽事相關聯的合作、競爭和拼搏精神,以及隨著賽事結果而來的懸念和認同,也是賽事的重要意義。因而,研究大型賽事的非經濟物質方面的效應,也是理解體育賽事價值的重要方面。

盡管國內大型體育賽事沒有能夠給當地帶來顯著的經濟增長作用,但有一點是相同的,它們都是一次具有重大影響的事件,從文化、體育等社會生活的其他方面,發揮著巨大的作用,對舉辦城市產生著深遠的影響。只是在公共資金使用時,需要平衡政府投入的經濟和非經濟方面的考慮,對投入的綜合效果進行評估和決策。