安徽省旅游开发空间自相关统计

张树萍， 胡敏杰， 雷能忠

（皖西学院资源环境与旅游管理学院，安徽六安 237012）

安徽省旅游开发空间自相关统计

张树萍， 胡敏杰， 雷能忠

（皖西学院资源环境与旅游管理学院，安徽六安 237012）

利用空间自相关分析方法对安徽省17个城市旅游开发的空间关联情况进行数据分析。选取2008年各市人均旅游收入，计算出全局空间自相关指数I及标准化统计量Z值，发现安徽省城市旅游开发在整体上存在着显著的空间自相关。各市的局部空间自相关G统计表明，安徽省人均旅游收入局部集聚的空间结构主要是正的空间联系，属于低－低集聚和高－高集聚类型。

旅游开发；空间自相关统计；安徽省

空间统计技术是探索区域单元之间的空间关联与空间差异的重要手段，其核心就是认识与地理位置相关的数据间的空间依赖、空间关联或空间自相关，通过空间位置建立数据间的统计关系。目前普遍使用MoranI指数和G统计模型进行空间自相关和空间关联分析。Cliff，Getis和Ord等定义了一些衡量空间关联和空间自相关的全局和局部空间统计指标［1－3］，包括MoranI指数，Geary系数C，G统计等，可以反映一个区域单元上的某种地理现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度。其中，Moran指数I反映的是空间邻接或空间邻近的区域单元属性值的相似程度；局部G统计可以探测区域单元的观测值在局部水平上的空间集聚程度。Getis和Ord（1992，1996）建议使用局部G统计Gi来检测小范围内的局部空间依赖性，因为这些空间联系很可能是采用全局统计量所揭示不出来的。空间自相关分析方法已广泛地运用于探索与地理空间有关的自然现象和经济社会现象［4－7］。

资料调研表明，将该方法应用于区域旅游发展相关分析的文献报道还很少［8］。在一个省际范围内，其内部各区域旅游业的发展是存在客观联系的。安徽省作为一个旅游大省，是全国14个游客总接待人次过亿的省份之一，旅游业已成为国民经济的支柱产业。当前，安徽省致力于实现旅游大省向旅游强省转变，提高各城市之间旅游开发的综合实力，加强各城市之间旅游开发的协调、合作能力至关重要。本文运用空间自相关分析手段对安徽省17个城市旅游开发空间关联情况进行分析，以探求安徽省各城市旅游开发的空间特征，研究各城市之间的空间关联程度，为安徽省旅游开发规划提供决策依据和可能的新思路。

一、数据

根据2009年《安徽省统计年鉴》［9］，采集了2008年安徽省17城市总人口数和旅游总收入，计算得到各市人均旅游收入，见表1。从表1可以直观地看出各城市人均旅游收入的差别，并将其作为研究安徽省各城市之间旅游开发空间关联性的观测值。

表1 2008年安徽省分城市人均旅游收入

二、研究方法

（1）空间权重矩阵 要揭示现象之间的空间联系，需要定义空间对象的相互邻近关系。空间统计分析首先引入了空间权重矩阵的概念，空间权重矩阵是探索性空间数据分析的前提和基础［10］。

通常定义一个二元对称空间权重矩阵W，来表达n个位置的空间区域的邻近关系，其形式如下：

式中：Wij表示区域i与j的邻近关系，它可以根据邻接标准或距离标准来度量。

本文选取基于距离的二进制空间权重矩阵：

式中，d为各城市之间最短旅游距离的平均值，本例通过计算得到d＝200。

（2）全局空间自相关指标——MoranI表示全局空间自相关最常用的指标是MoranI指数［10－11］，MoranI指数反映的是空间邻接或空间邻近的区域单元属性值的相似程度，其公式为：

式中是现象属性值在区域单元i上的观测值，为空间权重矩阵的元素

MoranI的取值一般在［－1，1］之间，当MoranI为正时，在距离d的范围内的观测值有趋同的趋势，说明全局空间自相关性是正相关；当MoranI为负时，在距离d的范围内的观测值有不同的趋势，说明全局空间自相关性是负相关；当MoranI为零时，观测值属于独立随机分布，说明全局空间显著无关。

对于MoranI，可以用标准化统计量Z来检验n个区域是否存在空间自相关关系，Z的计算公式是：

当Z值为正且显著时，表明存在正的空间自相关，也就是说相似的观测值（高值或低值）趋于空间集聚；当Z值为负且显著时，表明存在负的空间自相关，相似的观测值趋于分散分布；当Z值为零时，观测值呈独立随机分布。

（3）局部空间自相关指标 如果进一步考虑到是否存在观测值的高值或低值的局部空间聚集，哪个区域单元对于全局空间自相关的贡献大，以及在多大程度上空间自相关的全局评估掩盖了反常的局部状况或小范围的局部不稳定性时，就必须进行局部空间自相关分析。

局部Gi统计是Getis和Ord于1992年提出来的，他们建议使用局部Gi统计量Gi来检测小范围内的局部空间依赖性，因为这些空间联系很可能是采用全局统计量所揭示不出来的。其计算公式为：

式中：n为观测值的个数；为区域单元i的观测值；为空间权重矩阵。

对统计量的检验与局部Moran I指数相似，其检验值为：

当Z（Gi）为正说明区域i被数量大的观测值所包围；当Z（Gi）为负时说明区域i被数量小的观测值所包围。与MoranI指数只能发现相似值（正关联）或非相似性观测值（负关联）的空间集聚模式相比，具有能够探测出区域单元属于高值集聚还是低值集聚的空间分布模式［10－12］。

三、结果与分析

（1）全局空间自相关分析 依照公式（3）式，计算全局MoranI，用公式（4）式计算其检验的标准化统计量Z。安徽省17个城市人均旅游收入的全局相关性指数计算结果见表2。I＝0．4268，位于＝0．01置信区间，高度显著。这说明，安徽省各城市的旅游开发存在显著的空间集聚现象。由于Z值为正，表明安徽省人均旅游收入呈现正的空间自相关性，也就是说安徽省人均旅游收入具有显著的高值或低值趋于空间聚集现象。

表2 安徽省人均旅游收入的全局Moran指数及其检验

（2）局部空间自相关分析 空间自相关的全局评估往往会掩盖异常的局部状况或小范围的局部不稳定性，因此常常需要采用局部统计量Gi来探测局部的空间集聚程度。为此，选取2008年安徽省各城市的人均旅游收入数据，依照公式（5）式计算局部Gi统计量，用公式（6）式计算局部Gi统计量的检验值Z（Gi），见表3。

表3 安徽省17城市的人均旅游收入G统计及其Z值

由表3可知，从全省来看，大多数城市的人均旅游收入在空间上确实表现出较强的空间关联性，在旅游开发上存在高值与高值集聚，低值与低值集聚的发展趋势。对于人均旅游收入，合肥市、马鞍山、芜湖市、铜陵市、池州市、宣城市、黄山市等几个城市的G统计为正，意味着这些城市将有被人均旅游收入高的城市包围的趋势，尤其是池州市、黄山市、宣城市这种趋势更强，说明这些城市的旅游开发也存在着被高开发程度的城市所包围的趋势；宿州市、淮北市、亳州市、阜阳市、蚌埠市、淮南市等几个城市的G统计为负，说明这些城市有被人均旅游收入低的城市所包围的趋势，也反映了这些城市的旅游开发有被低旅游开发程度的地区所包围的趋势，同时进一步说明这几个城市之间的相对作用范围小，联系力度不够，旅游开发趋于分散化。

宿州市、淮北市、蚌埠市、淮南市四市的Z值在0．05的显著性水平下显著，亳州市、阜阳市、滁州市的Z值在0．1的显著性水平下显著，这七个城市在空间上相连成片分布，而且从统计学意义上来说，与该区域相邻的城市，其人均旅游收入更多地并非处于随机化分布的状态，而是趋于为同样是低值的城市所包围，由此形成人均旅游收入低值与低值的空间集聚。

合肥市、芜湖市、铜陵市等城市Z值在0．05的显著性水平下显著，黄山市、池州市等城市的Z值在0．1的显著性水平下显著，这些城市趋于为一些相邻旅游开发水平相对较高的城市所包围。

以（Wz，z）为坐标，进一步描绘Moran散点图，见图1。图1进一步显示了安徽省人均旅游收入局部集聚的空间结构。高值被高值包围的高－高集聚城市有：合肥市、芜湖市、马鞍山市、铜陵市、池州市、宣城市、黄山市；低值被低值包围的城市有：宿州市、淮北市、亳州市、阜阳市、蚌埠市、淮南市；高值被低值包围的城市有：滁州市、六安市、巢湖市、安庆市。在第一、三和四象限内都有样本点的分布，但在第一和第三象限内发布的点数更多，为正的空间联系，属于低－低集聚和高－高集聚类型，这是安徽省各城市之间人均旅游收入的主要空间关联方式。

图1 安徽省人均旅游收入的Moran散点图

综上，安徽省大多数城市以人均旅游收入衡量的旅游开发程度存在显著的空间关联性，其主流的空间关联方式是高值被高值包围，低值被低值包围。

安徽省未来的旅游开发规划应该从全局出发，注重整体性，综合考虑各城市的优劣势，加强区域单元之间的协调、合作。旅游开发程度较高的城市要继续发挥自我的优势，注重品牌效应和服务质量，同时加强与开发程度较低区域的交流与合作，在全省旅游开发中起到带头示范作用。而旅游开发程度较低的城市要发现自己的不足，找到自己的优势，扬长避短。

［1］Cliff A D，Ord J K．Spatial Autocorrelation［M］．London：Point Ltd，1973：20－22．

［2］Ord J K，Getis A．Local Autocorrelation Statistics：Distributional issues and An Application［J］．Geographical Analysis，1995，27（4）：286－306．

［3］Getis A，Ord J K．The Analysis of Spatial Association by the Use of Distance Statistics［J］．Geographical Analysis，1992，24（3）：189－206．

［4］艾 彬，徐建华，岳文泽．湖南省城市空间关联研究［J］．地域研究与开发，2004，（6）：48－52．

［5］吴玉鸣，徐建华．中国区域经济增长集聚的空间统计分析［J］．地理科学，2004，（6）：654－659．

［6］郭建宏，钱莲文，彭道黎．中国区域可持续发展综合优势能力空间关联分析［J］．长江流域资源与环境，2006，（2）：157－162．

［7］吕安明，李成名，林宗坚．中国省级人口增长率及其空间关联分析［J］．地理学报，2002，（2）：143－150．

［8］宋 萍，卞 羽，洪 伟．武夷山风景名胜区游客区域分布的空间自相关分析［J］．热带地理，2008，（3）：283－287．

［9］安徽省统计局．安徽省统计年鉴2009［Z］．北京：中国统计出版社，2009．

［10］徐建华．计量地理学［M］．北京：高等教育出版社，2006：120－131．

［11］沈绿珠．空间关联分析及其应用［J］．统计与决策，2006，（4）：28－30．

［12］张松林，张 昆．空间自相关局部指标Moran指数和G系数研究［J］．大地测量与地球动力学，2007，（3）：31－34．

Spatial Autocorrelation Statistics of Tourism Development in Anhui Province

ZHANG Shu－ping， HU Min－jie， LEI Neng－zhong
（School of Resources，Environment and Tourism Management，West Anhui University，Lu＇an 237012，China）

Spatial relation of tourism development among 17cities in Anhui Province was revealed based on the spatial autocorrelation statistics．Using per－capita tourism income of the cities in Anhui Province in 2008，the global spatial autocorrelation index I（Moran＇s I）and its standardized statistics Z values were calculated．It is indicated that as a whole，there is significant spatial autocorrelation in tourism development among 17cities in Anhui Province．The local spatial autocorrelation G statistical results demonstrate that the spatial structure of local agglomeration of per－capita tourism income in Anhui province is mainly the positive spatial connection，which belongs to the low－low concentration and high－high concentration types．

tourism development；spatial autocorrelation statistics；Anhui Province

F592．9

A

1008－3634（2012）04－0031－05

2012－04－20

安徽省高校社会科学基金（2011SK365）；皖西学院哲学社会科学应用项目（WXSY1008）

张树萍（1969－），女，安徽蚌埠人，讲师，硕士。

（责任编辑 蒋涛涌）