基于ESDA 的省域旅游综合竞争力的区域差异空间分析＊

2013-11-25徐进进马远军陈修颖

浙江师范大学学报（自然科学版） 2013年1期

黄薇，徐进进，马远军，陈修颖

(1.浙江师范大学旅游研究中心，浙江金华 321004;2.浙江师范大学农村研究中心，浙江金华 321004)

0 引言

“省域旅游综合竞争力”是竞争力与旅游相结合的产物，是竞争理论在旅游领域的具体运用.本文将旅游竞争力定义为旅游综合竞争力，包括旅游产业、社会文化资源、市场、区位和生态环境等旅游大环境的综合体.我国大陆31 个省、市、自治区的旅游发展呈现出一种极大的不均衡性，如何客观、准确地评估各省市旅游综合发展状况，分析旅游综合竞争力的空间格局，揭示其空间分布特征的内在规律，对于优化旅游产品结构、合理配置旅游资源、整合旅游竞争策略，促进我国旅游持续、协调发展具有重要的战略意义.

近年来，构建旅游竞争力模型引起了国内外学者的广泛关注［1-8］，但较少有学者从空间角度探究旅游竞争力的区域差异，大部分的研究假设区域之间相互独立.实际上，地理学的相关理论和实践均表明，旅游区域空间上存在相关性.随着空间分析技术的不断进步和发展，基于GeoDA 平台的ESDA(Exploratory Spatial Data Analysis，空间数据探索性分析)技术日渐成熟，尝试将其引入旅游竞争力区域分析领域，通过可视化技术更形象、更深刻地揭示我国旅游竞争力区域差异及空间特征，旨在为区域旅游竞争力的研究提供一些借鉴.

1 研究区域、数据来源与分析方法

1.1 研究区域与数据来源

由于在市场经济条件下，各省、市、区均是相对独立的经济利益主体，在全国各区域层次中，省级层次的利益冲突最为明显［9］.借鉴区域经济差异的研究成果，本文空间分析尺度以省级行政单元为研究对象，对2009 年我国大陆31 个省域(本文的研究区域包括中国大陆31 个省、直辖市、自治区，不包括香港、澳门和台湾)的旅游综合竞争力做定量分析.本文所用的数据有2 种类型:一是直接取自《中国统计年鉴》、《中国旅游统计年鉴》(2010)(需要特别说明的数据有:旅游景区数量是国家公园网(http://www.gjgy.com/)所提供的4A 级以上风景区数量);二是空间数据，来源于国家基础地理信息中心数据库.

1.2 研究方法

1.2.1 旅游竞争力评价方法和指标体系

省域旅游竞争力不仅直接取决于旅游产业的竞争力，还间接取决于社会、政治、经济、文化、环境、教育等各方面的竞争力.鉴于目前国内没有旅游综合竞争力的统一评价体系，遵循科学性、易得性和可操作性等原则，构建了5 方面共27 个指标，组成省域旅游综合竞争力评价指标体系中的子系统，如表1 所示.

由于评价省域旅游综合竞争力所采用的指标变量较多，而多个变量之间存在线性关系，在总结相关文献［7，10-11］的基础上，结合具体研究需要，本文基于SPSS13.0，采用主成分分析法对我国31个省、市、区旅游综合竞争力进行综合定量评价［7］，综合得分为正，则表示该省域旅游竞争力的综合水平高于31 个省市平均水平;若综合得分为负，则相反.

表1 省域旅游综合竞争力评价指标体系

1.2.2 空间自相关分析

ESDA 是一系列空间数据分析方法和技术的集合，以空间关联测度为核心，通过对事物或现象空间分布格局的描述与可视化，发现空间集聚和空间异常，揭示研究对象之间的空间相互作用机制［12］.空间自相关分析是检验某一要素属性值与其相邻空间要素上的属性值是否显著关联，可以用来发现空间的异质性和空间聚集，包括全局自相关和局部自相关［13］.

1)全局空间自相关.Moran 指数和Geary 系数是2 个用来度量全局空间自相关指标，其中Global Moran 指数(用IGM表示)较为常用，其计算公式如下［14］:

在给定显著性水平时，IGM显著为正，则代表空间正相关相似的观测值(高值对高值或者低值对低值)趋于空间集中;IGM为负，代表空间负相关，表明相似的观测值区域分散分布;IGM等于零，代表空间不相关，呈独立随机分布.

2)局部空间自相关.全局空间自相关忽略了空间过程的潜在不稳定问题.为了研究是否存在观测值的高值或低值的局部空间集聚，局部空间自相关可以帮助我们把握空间异质性特征.局部空间自相关分析方法包括3 种:LISA(Local indicators of spatial association)、G 统计、Moran 散点图.本文选用LISA 和Moran 散点图这2 种方法:

式(2)中:ILM为局部Moran 指数;z′i和z′j是经过标准差标准化的观测值;其他各变量的含义与公式(1)相同.

以(wz，z)为坐标点的Moran 散点图，与LISA相比，其重要的优势在于能够进一步具体区分区域单元和其邻居之间属于高值和高值、低值和低值、高值和低值、低值和高值之中的哪种空间联系形式.

式(3)中:Z(d)可以检验IGM或者ILM，表示IGM或者ILM的统计标准量;I(d)是指IGM或者ILM;E(I)是指IGM或者ILM的算术平均值(期望值);VAR(I)是指IGM或者ILM的标准差.

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.

2 基于省域的中国旅游综合竞争力评价

在确定指标体系的前提下，基于SPSS13.0，选择特征值大于1 作为主成分.前6 个主成分特征值均大于1，且累计贡献率已经达到83.17%，已经能够充分反映31 个省市旅游综合竞争力.现对我国大陆31 个省(市、区)旅游综合竞争力的得分进行排序，结果见表2.

评价结果显示，省域旅游竞争力高于全国平均水平的省区只有11 个，其余都低于全国平均水平，得分最高的是北京，最低的是西藏.将旅游综合竞争力分为3 个梯队.位于第1 梯队的是:京、沪、苏、浙、粤、鲁、辽、闽、津、川10 个省(市)，此类省份旅游竞争力综合排名在全国居于领先地位，在代表社会环境、资源、服务、市场、经济和社会发展程度等方面的主成分有较高的得分，在很长的一段时期内已经形成一种旅游竞争力优势.不难看出，位于第1 梯队的省份绝大多数位于东部沿海，中西部地区只有四川进入前10，虽然四川的排名相对靠后，但是它有优越的旅游资源条件，和四川类似的一些省市，如位于第2 梯队的重庆、云南等，若能进一步提高其旅游接待能力，充分考虑利用自身的资源优势，调整产业结构，重视生态环境的保护，将会在全国旅游中具备强大的竞争力.湘、渝、鄂、豫、云、皖、冀、晋旅游竞争力综合排名处于第2 梯队，此类中不乏资源丰富、交通便利、靠近客源地市场、具有较大发展潜力的省份，但它们存在的共同问题是经济发展水平不高、没有特别明显的区位优势，旅游综合竞争力受到制约，此类省份应该积极开拓市场，挖掘潜力，将会有很大的提升空间.陕、甘、吉、琼、蒙、黑、桂、青、新、赣、黔、宁、藏等省市则在旅游综合竞争力中处于最后一个梯队，此类省份在竞争中处于弱势，它们存在的主要问题是距离客源地市场远、生态环境脆弱、社会经济发展落后.但该类省市的旅游资源具备独特性和不可替代性，应该充分利用自身的资源优势，走旅游特色之路，同时调整产业结构，树立系统观念，依靠全方位的产业发展带动相关服务行业的联动发展.

表2 省域旅游综合竞争力综合得分及排序

3 省域旅游综合竞争力空间自相关分析

3.1 空间全局自相关分析

根据各省份的邻接关系，采用二进制邻接权重矩阵(海南和广东不邻接，但两省在空间上联系密切，故看作邻接关系)，利用各省份的旅游综合竞争力的综合得分，基于ArcGIS，GeoDA 等软件，计算省域旅游综合竞争力IGM，结果见表3.

从表3 可以看出，我国省域旅游综合竞争力IGM为0.350 7.根据式3，假设检验Z 值为9.13，即高度显著，表明省域旅游综合竞争力存在显著的、正的空间自相关特征，即各省市旅游综合竞争力的空间分布并不是完全的随机分布，相反地，表现出相似的观测值趋于空间集聚，具有较强的空间异质性，在综合竞争力得分较高的省市，其周边省域的旅游综合竞争力得分也较高，或者旅游综合竞争力较弱的省市相对相邻的旅游综合竞争力也较弱.因此，从整体上讲省域旅游综合竞争力是存在空间相关性的，中国省域旅游综合竞争力存在着空间上明显的集聚现象.

表3 省域旅游竞争力全局自相关分析结果

3.2 空间局部自相关分析

空间自相关的全局评价往往会掩盖反常的局部或小范围的局部不稳定性，因此，常常需要采用局部空间自相关统计量来探测局部的空间集聚程度［14］.采用GeoDA 软件绘制旅游综合竞争力空间分异状态的Moran 散点图，并计算省域旅游综合竞争力IlM值及其显著性;利用Arcview 绘制LISA 集聚图.

图1 是以(wz，z)为坐标点的Moran 散点图，该图详细说明了31 个省(市、区)所在的象限.图中距离趋势线的点较远，则相关关系微弱;若距离较近，且分布较集中，则趋同趋势显著［15］.可以发现，多数省份位于第1 和第3 象限内，为正的空间相关，属于高-高集聚和低-低集聚类型，说明各省市旅游综合竞争力的空间自相关方式主要是高值与高值集聚，低值与低值集聚.并且位于第3 象限内的低-低集聚类型的省份比位于第一象限的高-高集聚类型的省份更多一些，相关关系也更显著.

图1 省域旅游综合竞争力的Moran 散点图及对应省市图

由于Moran 散点图没有给出显著性水平的指标，因此，有必要计算ILM来进一步探究这些空间分析的结果，基于正态假设检验的省域旅游综合竞争力的ILM结果见表4.

表4 基于正态假设检验的省域旅游综合竞争力的ILM

从表4 可以看出，以上海、江苏和浙江为核心的位于经济发达、最具活力的长江三角洲，被一些旅游综合竞争力较高的相邻省市所包围，东部沿海地区的空间集聚分布特征显著.与西北内陆新疆、内蒙古、甘肃相邻的省区，其旅游综合竞争力并非随机化分布，而是向这3 个省区集聚，据此，西部落后省区也趋于空间集聚的分布特征.四川旅游综合竞争力是高值区被低值区包围.

显著的ILM省域旅游综合竞争力表明，省域旅游综合竞争力的或正或负与核心地区的竞争力强弱有关，而非随机出现.基于正态假设检验的全局空间自相关和LISA 相对应，结果更具稳定性，由此得到省域旅游综合竞争力的LISA 聚集图如图2 所示.图2 进一步显示了各省市旅游综合竞争力局部集聚的空间结构.可以看出，省域旅游综合竞争力表现出较强的空间分异格局，基本格局可以分为4 种类型:

1)高-高集聚省域.显著高值对高值集聚的省市有:上海、江苏和浙江;高值对高值集聚省域:福建、山东和天津.此类省市与周围区域的空间差异小，旅游综合竞争力较高的省域大多集聚在这些省市周围，这与前文旅游综合竞争力排名的结果一致，即旅游综合竞争力较高的省域集聚分布在东部沿海地区.

2)低-低集聚省域.显著低值对低值有新疆、甘肃和内蒙古3 个省区;低值对低值省域有:宁夏、黑龙江、吉林、山西、陕西、河南、湖北、贵州、云南、青海、西藏.此类省份均位于中西部地区，这些省域的旅游综合竞争力本身较弱，周围省域的旅游竞争力也较弱.

3)低值包围高值省域.显著低值包围高值省域只有四川;低值包围高值的省域有:北京、辽宁、湖南、广东.此类省市局部空间差异较大，区域自身旅游综合竞争力较强，但周边较低.

4)高值包围低值省域.显著高值包围低值的省域有海南;高值包围低值的省域有:河北、安徽、江西.此类省份自身旅游综合竞争力较弱，但周边较强，局部空间差异较大.

图2 省域旅游综合竞争力的LISA 聚集图

进行LISA 分析时，重点考察显著性水平较高的局部空间集聚指标.从空间邻接的位置关系出发，探测到显著的局部高-高值集聚区域，从一定程度上代表着中国旅游发达区域;显著的局部低-低值与全国经济发展相对落后的省域相联系.因此，LISA 实际上可解释为空间相互作用模式，运用LISA 探测到的空间分布特征和核心-边缘理论相一致，即旅游综合竞争力较高的地区与邻接区域联系密切，由于要素的流动等因素发挥作用，对邻接区域产生较强的辐射作用，带动邻接区域相关旅游产业的发展.而负值则代表了极化效应导致外围向中心要素流动，造成外围地区旅游综合竞争力弱化，在空间上表现为显著的空间异质性.

综合ILM和LISA 聚集图可知，中国省域旅游综合竞争力的空间异质性，表现为旅游综合竞争力较高的东部沿海省市和旅游竞争力较低的西北内陆省区在空间上分别趋于集聚.总的来看，较强旅游综合竞争力的邻接省域趋于空间聚集，并主要集中在以上海为核心的长江三角洲地区及东部沿海地区，表明以上海为核心的长三角旅游产业的发展已经处于区域发展的扩散阶段，带动邻近区域发展;旅游综合竞争力较弱的邻接省域则主要集中在西北内陆省区，旅游发展落后，区域发展还处于离散阶段;四川旅游综合竞争力是显著高值被低值包围省域，显然，目前四川处于区域极化发展阶段.

4 结语

由于影响旅游竞争力的因素非常复杂，因此，目前为止并没有统一的旅游竞争力评价指标体系.本文构建了社会文化资源竞争力、产业竞争力、市场竞争力、区位竞争力、生态竞争力5 方面27 个指标，采用定量化的方法评价了全国31 个省(市、区)旅游综合竞争力.结果表明:京、沪、苏、浙、粤、鲁、闽、辽、川、津、湘11 个省市旅游综合竞争力高于全国平均水平，与中国旅游发展实际情况基本吻合，且东西部旅游竞争力总体水平存在一定差异;对旅游竞争力影响最为显著的是社会环境与旅游资源及服务因子，并且位于第1梯队的省市，优势主要来自于各自省域整体经济效应，因此排名落后的省市，目前应提升旅游服务能力，积极开拓市场;位于第3 梯队的省市，并非是经济发展非常落后，旅游资源匮乏，而是离客源地市场远，这些省份要坚持走旅游特色之路，树立系统观念，依靠全方位的产业发展带动相关服务行业的联动发展.

利用ESDA 方法，包括IGM、Moran 散点图和ILM等来探究旅游综合竞争力的空间格局，揭示其空间自相关性和空间异质性:1)各省市旅游综合竞争力的空间分布表现出相似的观测值趋于空间集聚，存在空间相关性和空间异质性，中国省域旅游综合竞争力存在着空间上明显的集聚现象.2)ILM和LISA 聚集图的结果反映我国省域旅游综合竞争力表现为强的空间异质性，较强旅游综合竞争力的邻接省域趋于空间聚集，并主要集中在以上海为核心的长江三角洲地区及东部沿海地区;旅游综合竞争力较弱的邻接省域则主要集中在西北内陆省区;四川省是一个旅游综合竞争力显著高值被低值包围的区域.

［1］Go F M，Govers R.Integrated quality management for tourist destinations:a european perspective on achieving competitiveness［J］.Tourism Management，2000，21(1):79-88.

［2］Dwyer L，Mellor R，Livaic Z，et al.Attributes of destination competitiveness:a Factor analysis［J］.Tourism Analysis，2004，9(l/2):91-101.

［3］Gooroochum N，Sugiyarto G.Competitiveness indicator in the travel and tourism industry［J］.Tourism Economics，2005，11(l):25-43.

［4］冯学钢，赖坤.中国旅游业发展环境国际竟争力比较研究［J］.世界经济研究，2003(7):40-45.

［5］朱应皋，万绪才.中国旅游业国际竞争力综合评价［J］.人文地理，2005(l):57-61.

［6］王凯，韩贵锋.中国省区旅游竞争力的测度与评价［J］.湖南师范大学学报:自然科学版，2006，29(2):106-111.

［7］李创新，马耀峰，高军.基于SPSS 的中国各省区旅游竞争力研究［J］.软科学，2008，22(4):98-104.

［8］万绪才，钟静，丁敏.基于资源和距离的旅游国际竞争潜力评价理论与实践［J］.地理研究，2011，30(5):827-833.

［9］陆林，余凤龙.中国旅游经济差异的空间特征分析［J］.经济地理，2005，25(3):406-410.

［10］刘宇峰，孙虎，李娜，等.省域旅游竞争力评价指标体系的构建及应用［J］.干旱区资源与环境，2008，22(8):93-97.

［11］王联兵，米文宝，刘小鹏.宁夏旅游业综合竞争力评价及预测分析［J］.旅游学刊，2005，20(5):76-80.

［12］蒲英霞，葛宝，马荣华.基于ESDA 的区域经济空间差异分析——以江苏省为例［J］.地理研究，2005，24(6):965-974.

［13］张海峰，白永平，陈琼.基于ESDA 的青海省区域经济差异研究［J］.干旱区地理，2009，32(3):454-461.