我国省际出游市场潜力时空差异与反季开发策略研究

冯学钢　黄和平　万田户

摘要：时间约束、经济约束和出游意识是影响出游决策的3个基本维度。以此为出发点，结合现有文献与研究成果，本文对全国31省市自治区①出游率影响因素进行显著性识别，在控制时间约束因素、经济约束因素的同时，全面捕捉时空两个维度影响出游率的信息；本文还分析了一直以来被学界所忽视的客源地气候因素在出游率变化过程所起的关键作用，并在实证分析中得到验证；利用实证所得结果，本文将反季开发理念应用于出游市场，构建反季开发潜力指数，定量测度出游市场反季开发潜能，为出游市场（需求）的反季开发提供决策依据。

关键词：出游率； 气候舒适度； 反季开发； 纠偏DPD-LSDV模型

0引言

近年来，我国城镇居民出游率一直保持稳定增长（见图1），但城镇居民出游的时空波动却给旅游产业发展带来诸多困扰。随着旅游买方市场的形成，客源地居民整体出游率时空差异的有效识别将对出游市场开发、旅游营销乃至旅游业的发展产生重要意义。已有研究多是从旅游者个人行为特征出发，而对客源地居民的整体出游能力——出游率的研究较少，从反季开发和区域差异角度对各地区出游率影响因素进行定量实证分析则更为鲜见。需要指出的是，本文所提出的“反季旅游”与“淡季旅游”概念不同，包括旅游客流、旅游消费等指标在时间、空间和变量维度的非均衡波动，其中，变量维度的非均衡性测度主要基于反季旅游市场潜力的开发目的；而“淡季旅游”是相对于“旺季旅游”而言，特指旅游客流、消费等指标在时间维度上的不均衡。换言之，“反季旅游”包括“淡季旅游”，而“淡季旅游”只是“反季旅游”的一个组成部分。

出游率，一方面，在空间维度具有较大差异——客源区域结构差异；另一方面，同一地区出游率在时间维度也有较大波动——出游季节性（见图1）。

为了捕获出游率在时空两个维度的变异信息，更加准确地识别出影响出游率的显著因素，本文以全国31个省、市、自治区为研究对象，构建DPD-LSDV动态面板模型，选取2004年至2013年面板数据，从时空维度对城镇居民出游率的影响因素进行分析、识别，并将客源地气候条件作为解释变量纳入模型。依据出游率对气候单位变化的冲击响应强度，测度出游市场反季开发潜力并绘制相应的反季出游潜力区域分布图，进而为城镇出游市场的反季开发和区域调节提供依据。

1文献综述

出游决策的影响因素一直是学术界研究的热点问题之一。城镇居民的出游行为主要受到来自客源地的“推”力和目的地的“拉”力两个方面作用（包亚芳，2009；Jang，Wu，2006），其中，在关于客源地的研究中，出游力与出游率一直受到学界的普遍关注。出游力（Emissiveness）概念为地理学家Cesario 于1976 年提出，是由旅游偏好相关的社会经济变量所决定的出游性质（Cesario，1976；Parks Canada，1976）。国内外旅游地理学研究者对出游力作了大量理论分析和实证研究，分析了年龄、收入、职业、教育程度和家庭结构等特征对个体出游力的影响（吴必虎，等，1999；Smith，1988；保继刚，等，1999）。吴必虎（1997）将出游力概括为客源地居民在经济能力、休假制度、身心健康等方面参与户外休闲或旅游的综合能力。出游力作为评价出游市场的重要指标之一，确有其科学性和合理性，但出游力也有着与生俱来的“不足”。相关文献中，社会经济规模因子、居民生活水平因子、对外联系水平因子以及交通状况、产业支撑等维度都是学界关注的热点（染福明，等，2012；钟士恩，等，2009），然而很多研究者在研究中并未对个体出游力与客源地出游力进行区分。居民出游力既受到旅游者自身动机、性别、年龄、收入、消费水平、文化水平的个体属性影响，同时也受到人口质量、职业、闲暇时间、交通条件、出游价格、旅游资料供给等多种客源地环境属性影响（田里，2002），将二者混为一谈，必然导致概念不清和测度失准。

虽然出游力与出游率具有强相关性，但相较而言，出游率具有优良的统计学属性。首先，出游力是学者建构的一个衡量出游能力的指标，具有一定的主观性；而出游率则是居民出游的客观表现，是客源地出游实际发展现状的真实反映，将其作为被解释变量，可以有效消除实证分析中关于出游行为的主观判断，同时还能剔除诸如人口基数增长等因素对国内旅游的影响，从而更加客观地评价和预测我国国内旅游的发展现状和趋势（李振亭，等，2009）；其次，出游力内涵包括游客个体与区域两个层面，影响因素的界定仍存在争议；出游率仅具有区域环境属性，不具有个体属性，避免了概念上的含混不清。因而本文将重点关注我国省际出游率的影响因素，并对各因素的显著性进行实证检验、识别、测度，进而给出出游市场相应的反季开发策略。

我国城镇居民出游率在时间维度和空间维度上都具有明显差异。国内外学者应用ARIMA模型、主成分分析模型、可拓工程方法（陈超，等，2006）等方法对出游行为的影响因素进行大量实证研究表明，传统观点中的经济因素在出游率影响因素中的地位明显下降，非经济因素对出游率的影响愈加突出，年龄结构（苏红霞，2012）、休假制度（李飞，2009）、文化差异、区位（邱明，等，2005）、移民状况、家庭结构（杨学燕，等，2004）、 恩格尔系数、公路密度、人均公路密度、受教育程度（陈超，等，2006）等指标对出游率的影响已得到证实。虽然个别研究者意识到气候因素是影响居民出游的重要因素之一，但在分析中却未给予重视（张圆刚，等，2008）。出游率对气候条件极其敏感，出游率的时间维度变化受气候的影响显著（孙根年，等，2007），气候变化被认为是造成出游率季节性的重要因素。

出游率在时空维度皆具有明显波动，其众多影响因素在影响方式、传导机制、影响力大小等方面具有显著差异（见表1），如不做辨别而将其以同等方式纳入模型，必然导致实证结果偏误。从全国范围来看，可以将城镇居民出游率的影响因素分为3类：第一类是同时随着截面单位（不同省、市、自治区）和时间序列而变化；第二类是仅随截面单位不同而变化，在时间维度保持不变，例如产业结构布局差异可能会影响城镇居民的闲暇时间分布，但其在时间维度变化缓慢，较为稳定，而在各省、市、自治区之间差异明显（张建，2002）；第三类则是仅随时间序列而变化，与截面单位无关，例如节假日制度对全国各区域旅游的影响基本一致，但却会造成时间维度的变化。实际上，绝对距离、地理文化差异以及空间相关（Wang，2009）等都属于截面个体效应范畴；气候舒适度变化、节假日调整以及营销策略的调整等则是影响出游率时间维度波动的重要原因。为捕获出游率在时、空两个维度变化的信息，更加客观地检验与分析出游率的影响因素，本文在对出游率影响因素进行分类的基础上，将其以不同方式纳入计量模型：第一类双维度变化解释变量直接纳入面板模型；第二类、第三类分别通过截面个体效用和时间虚拟变量纳入模型。

2模型的构建

2.1变量选取和数据来源

本文选择31个省、市、自治区2004年至2013年40个季度，总计1240个出游率的面板数据作为样本空间。在因变量的选择上，从市场开发的角度，出游率相对于出游人数、旅游消费等指标来说，对市场潜力的反映要更加准确。因此，本文选择出游率作为因变量。在解释变量的选择上，在梳理、甄别国内外关于出游率影响因素研究成果的基础上，选择学术界已经广泛使用的气候舒适度指标，包括着衣指数（ICL）（Freitas，1979）、温湿指数（THI）（Thom，1959）、风效指数（K）（Steadman，1971）等反映客源地的气候舒适度条件：

其中，t 为气候温度（℃），H代表轻活动量的代谢率值，H=87 W/m2 ，a表示人体对太阳能辐射的吸收，本文取最大值0.06；R表示垂直阳光下单位面积地表所接收的太阳辐射能量（W/m2）；cosa为太阳高度角的余弦值；V为风速（m/s）。

游客在进行出游决策时，首先感受到客源地气候，属于感性认识，而随后对目的地气候的关注应属于理性关注；同时，由于任何季节的气候舒适度都具有波动性，在旺季有气候恶劣的时间段，在淡季也会有短暂的舒适时段，因而对目的地气候的感受既不直接，也不准确。对出游决策直接产生影响的首先是客源地气候，因此，本模型先引入客源地气候舒适度变量。虽然已有证据表明，经济因素对出游行为的影响力明显下降，但货币支付能力仍是游客出游决策的硬性约束，因而本模型同时还引入客源地的人均工资作为出游率的解释变量。

为了获得准确的游客出游影响变量，一方面参考Manning（1984）、Dann（1977）、Hanqin（1999）、Kozak（2012）出游动机量表，另一方面参考Calantone（1984）、McGuire（1984）的反季出游限制量表，并结合反季出游时间的特殊性、游客网络反季旅游游记关键词，从游客出游动机和限制性因素两个方面提炼出包含性别、年龄、教育程度、职业、收入、出游目的、出游形式、出行同伴、基本花费等指标在内的30个动机项和9个主要限制性因素，形成本文的调查问卷。

2014年1月6日至1月18日在合肥、南昌、上海进行预调研，发放120份问卷，回收有效问卷106份，有效回收率88.3%。经过与旅游者、旅行社管理人员及专家访谈沟通后，对问卷设计结构、选项以及量表做了适当修正，最终确定26个动机项和7个限制因素项，并对上海、安徽、江西、江苏、浙江、海南、重庆等省市的游客进行了市场调研，现场发放问卷共580份，回收540份，最终有效问卷502份，有效率86.6%。最终从时间、经济和出游动机3个基本维度出发，结合已有研究成果和游客出游动机问卷调查依次将交通条件、产业结构、恩格尔系数模型中的变量波动具有方向性，本文在模型估计中对相关数据进行了一致化处理；鉴于数据的可获得性，本文选择人均GDP和人均工资作为货币支付能力的替代变量。、出游率滞后一期变量纳入模型。

通过对全国出游数据的对比发现，一般某区域的出游率在上一季度较高，则在随后的季度中也相应较高，因而预期各区域的出游率具有序列相关性。出游率滞后一期反映了在以往的出游过程中，区域出游动机的强弱，因此，出游率滞后一期实际上反映了各省、市、自治区的出游意识差异。故本模型引入上一期滞后项，从而形成动态面板模型。为了捕获4个季度之间的“个体效应”，本模型引入4个时间虚拟变量（为避免多重共线性，其中第四季度作为基期，在模型估计中不予显示）。

在空间截面维度上，由于考察对象以省、市、自治区为单位，游客个体心理动机和个体属性不做考虑（徐晓娜，2007）。同时，我国各地基本以国家法定节假日作为闲暇时间，闲暇时间的地区差异较小，所以该指标亦不作考虑；各省份人口基数仅对游客数量具有较大影响，并不影响出游率。此外，2008年北京奥运会、2010年上海世博会的成功举办，无疑对我国城镇居民出游率具有显著正面影响，而2003年SARS和2008年金融危机的负面效应也不可忽视，我们通过虚拟变量的设置来反映这些重大事件对出游率的影响。

2.2模型筛选

由于出游率受当地出游消费观念的直接影响，具有明显的序列相关性，同时考虑该动态面板模型中的内生性问题，需应用差分广义矩（Difference GMM）和系统广义矩（System GMM）估计，但该方法仅对大样本数据具有较好拟合效果。本文的截面单位为31省市自治区，10年40个季度，共1240个观察值数据，故而本文采用动态面板模型的另一重要估计方法——DPD-LSDV模型进行估计，并选择Arellano-Bover（95）估计量作为纠偏模型的初始值，该方法采用系统GMM方法，同时使用差分方程和水平方程工具变量进行估计。早期蒙特卡罗（MC）模拟研究表明（Kiviet，1999），在截面单位 N 较小时，采用DPD-LSDV模型可以纠正90%以上的估计偏误。同时，该模型中的固定效应与随机效应由于差分后皆被消除，因而无需进行豪斯曼检验；选择该模型的另一重要原因是在出游率的主要决定因素中，气候、交通以及产业结构等都属于严格外生变量，符合DPD-LSDV模型的关键假设。此外，本文采用Bootstrap自抽样方法获取稳健的BS标准误，从而大幅度提升统计推断的效果。

3实证结果分析

3.1实证结果

通过对有关居民出游率影响因素研究成果的梳理与甄别，结合我国2004年至2013年旅游产业发展实际，本文引入如下计量模型：

其中，Y为城镇居民出游率，X1为各区域人均收入，X2为气候舒适度，X3为产业结构，X4为交通基础设施，X5为恩格尔系数，X6为虚拟变量，Yit-1为上一季度出游率。

回归结果如表2所示，在ICL、K和THI 3个反映气候舒适度指标的变量中，仅有K在5%的显著性水平上显著，ICL和THI在1%的显著性水平上高度显著。进一步验证了本文预期——气候对出游率具有重要影响，仅就ICL来说，气候单位变化会导致游客出游人数至少14（14.095）个单位的变化。

考虑到ICL、THI、K三者虽各有侧重，但皆为影响舒适度的重要指标，并且同时使用风速、温度和湿度等相同基础数据，因此存在多重共线的可能性。据此，本文对包含全部3个变量和包含其中2个变量的模型分别进行实证检验，测算出方差膨胀因子VIF的均值为13.68，大于10，多重共线存在；结合游客出游动机的问卷调查中所获数据，采用对游客出游意愿更具影响的ICL作为气候变量，最终选择模型Model（1），再次对模型各独立变量进行VIF检验，所有VIF值均小于2，表明模型已经不存在多重共线问题。

3.2稳健性分析

通过上述实证分析，我们验证了各省、市、自治区城镇出游率受到时间约束、经济约束、出游意识3个基本维度的显著影响，为获得更加稳健的实证依据，我们在Model（1）的基础上，增加产业结构（structure）、替换人均收入为人均GDP作为解释变量。structure变量不仅是经济的重要测度指标，其对居民出游时间也有着重要影响。三大产业工作性质不同，其休假形式和国家节假日制度的执行情况差异明显（钟世恩，2009），进而会直接影响当地居民休假时间的长短和分布状况；而人均GDP与人均收入具有高度相关性，一直以来被认为是客源地出游力的重要影响因素（Jang，2006；周国忠，2009）。鉴于数据可得性，我们选取人均GDP作为人均收入的替代变量（见表3）。

由表3可知，在Model（2）～Model（4）中，我们分别使用人均GDP（Pgdp）替代人均工资水平、增加产业结构（Structure）变量以及同时采用Pgdp变量和Structure变量3种情形进行模型的稳健性检验，结果显示除dum_sars变量的显著性有微小变化外（从1%显著性变为5%显著性），包括系数符号在内的其他统计结果完全一致，从而表明该模型构建稳健有效。

3.3实证结果分析

Model（1）回归结果显示，除气候指标高度显著外，第二季度、第四季度的虚拟变量也高度显著。从时间维度看，第一季度包括了我国传统节假日春节，而这一节假日的出行意愿较低，导致对出游率的影响不显著。为了避免多重共线问题，第四季度被作为“基期”而不在模型中加以体现，但其涵盖了我国目前唯一的“黄金周”，同时金秋时节的气候舒适度较高，从而其出游率明显高于其他季度，与“基期”第四季度相比，其他季度的出游率较低，从而第二、第三两季度的系数为负值。

3.3.1时间维度出游率区域差异及其开发潜力测度

出游率的影响因素中，气候条件（着衣指数ICL）对游客出游具有显著影响，其对出游率的影响程度与交通条件相当，但气候条件“完全”不以人的意志为转移，以上述Model（1）回归结果为基础，分别将4个季度的出游率中的“气候”因素剥离，并以各省份同一季度的最高出游率为基准，从而测度出各省份“理论”上的反季开发潜力总值（见图2）。

3.3.2变量维度出游率区域差异及其开发潜力测度

上述时间维度反季旅游潜力的测度仅停留在“理论”层面，反季开发潜力在不同的影响变量维度上，其可行性存在较大差异，并且与投入要素、区域发展战略、政策支持等关系密切。因而本文给出不同变量维度的反季开发潜力，为“反季”旅游的开发提供切实可行的实证依据（见表4）。

为更加直观地描述各省份反季旅游开发潜力的大小，将表4所得出的各省份不同变量维度的反季开发潜力绘制如下区域差异分布图（见图3）。

由图3可知，不同变量维度的出游市场潜力在全国范围内的分布不同。就出游意识来说，北方五省（北京、天津、河北、内蒙古、山西）、西部地区的新疆、西藏、青海以及西南地区的云南、广西潜力最大。江苏、浙江、上海、安徽、江西、河南的出游潜力较大。西部欠发达地区的消费习惯以及社会文化环境使得出游意识较弱，而发达地区的出游意识较低，则主要是由于这些地区生活节奏较快、工作压力较大，使得居民的出游动机不强；交通条件的市场开发潜力则主要反映了各省市自治区的出游便捷性，图3（b）显示，西部区域的出游交通条件明显较弱，具有较大潜力；人均收入、恩格尔系数则反映了各区域的经济发展特征，从图3（c）和图3（d）可见，中部区域的人均收入水平较低，开发潜力较大。

4结论与讨论

上述分析表明，气候舒适度是影响出游市场的最重要因素之一。但一直以来，学界对旅游目的地的气候做了大量研究，而客源地气候却一直未被关注。客源地气候对游客出游决策的影响可从两个方面理解：一方面，客源地气候给游客带来的直接感知效应；另一方面，由于周期性的四季更替，客源地气候与目的地气候具有相关性，从而对出游决策产生影响。因此，出游市场的实证分析必然要考虑客源地气候特征，否则将产生偏误。实际上，气候属于自然禀赋，并非人为可改变，因而本文首先分离出游率中气候因素的影响，进而对出游市场反季开发潜力进行实证测度。但需要特别指出的是，本文所引入的气候指标，测度的是客源地区域的舒适度，是客源市场居民所直接感知的气候周期性变化。

图3的出游市场潜力分布给出了不同变量视角下的出游市场开发路径，例如，出游意识变量的潜力分布反映了各省、市、自治区居民的出游动机强弱，从市场开发视角来说，应加强在这些区域的市场宣传、制定相关的配套政策，促进居民出游意识的提高；而交通条件维度的潜力分布则反映了我国当前交通基础设施的建设水平，在这一变量维度的市场开发则需加强基础设施的建设投入，提升当地居民的出游便捷性。

出游市场的反季开发还需综合考虑时间、经济、出游意识等因素的综合作用。某种条件的改善（如经济发展水平的提高）并不一定意味着出游率的提高，经济因素提升的同时，可能时间约束更加严格，导致出游率的不升反降。因而，本文一方面从时间维度给出4个季度的出游潜力，图2给出的出游市场反季开发潜力是以全国最优值作为“基准”，计算出“理论上”的反季开发潜力最大值。如将此“基准”调整为各省市自治区自身的最优值，即可测度各省“短期”的、“可行”的反季开发潜力。实际上，“短期”潜力值仅是以现有条件下的最优值为“基准”，是在现有交通、气候、人均收入、时间约束等客观出游条件下的开发潜力测度。另一方面，交通、经济等出游条件必然随着时间的推移而不断变化，为了获得更加符合实际的反季出游潜力测度，本文构建了“变量”维度，计算出不同省份、不同影响因素的反季开发潜力的规模。但对这一结果我们仍需谨慎对待，因为不同变量的改变所需条件、变化周期、可行性程度等都具有很大差别；同时，政治环境、经济环境乃至社会环境都会对其变化轨迹产生重要影响。例如，交通条件的改变需要资金投入、政策支持，并且提升速度与资源投入、政府重视程度等关系密切。此外，人均收入的提高取决于我国经济发展的宏观环境，有其自身的发展轨迹；出游意识衡量的是一个地区对旅游的“偏好”程度，这一市场的培育则又与消费文化、生活方式以及企业的营销战略关系密切。因此，我们对某一地区的反季旅游开发需要考虑具体的政治、经济环境，当地的人文环境，旅游的行业环境等诸多因素，不能一概而论，需具体问题，具体分析。

对于我们所分离出的气候因素维度，由于其并非人力所能改变，因此从反季市场开发角度，我们需要变换思路，从旅游产品开发、设计、营销组合策略等角度与气候条件进行匹配，满足探险、户外等特殊游客群体的需求。哈尔滨冰雪旅游、南北极极地探险旅游等都是与气候舒适度明显背离的反季旅游开发成功案例，对这些“异常值”“离群值”的深入分析可为我们提供广阔的开发思路和依据，这也是未来研究的重要方向之一。

参考文献：

[1]包亚芳.基于“推-拉”理论的杭州老年人出游动机研究[J].旅游学刊，2009（11）：47-53.

[2]保继刚，楚义芳.旅游地理学（修订版）[M].北京：高等教育出版社，1999：1-2.

[3]陈超，谢红彬.福建省居民潜在国内出游力的地区差异综合评判[J].经济地理，2006（5）：884-888.

[4]李飞.新休假制度对“黄金周”旅游客流的影响及其政策意义——来自国家假日办重点监测景区的证据[J].旅游学刊，2009（6）：12-19.

[5]李振亭，马耀峰，李创新，高军.基于出游率的我国国内旅游发展及预测研究[J].干旱区资源与环境，2009（4）：155-160.

[6]邱明，陈忠祥.中国西部地区居民潜在国内出游力的差异分析及研究[J].宁夏大学学报（自然科学版），2005（1）：75-79.

[7]染福明.中国地理学会2012年学术年会暨中国科学院新疆生态与地理研究所建所五十年庆典论文集[C].2012：144-150.

[8]苏红霞.英国旅游者出游年龄规律研究[J].人文地理，2012（1）：156-160.

[9]孙根年，马丽君.西安旅游气候舒适度与客流量年内变化相关性分析[J].旅游学刊，2007（7）：34-40.

[10]田里.旅游经济学[M].北京：高等教育出版社，2002：54-65.

[11]吴必虎，方芳，殷文娣，刘波.上海市民近程出游力与目的地选择评价研究[J].人文地理，1997（1）：17-23.

[12]吴必虎，徐斌，邱扶东.中国国内旅游客源市场系统研究[M].上海：华东师范大学出版社，1999：41-49.

[13]徐晓娜.城市居民旅游需求差异影响因素的灰色关联分析[J].资源开发与市场，2007（1）：21-25.

[14]杨学燕，金海龙.居民出游决策行为与家庭结构的关系探讨——以宁夏回族自治区为例[J].旅游学刊，2004（4）：14-19.

[15]周国忠，郎富平.农民旅游者出游特征、影响因素及对策——以浙江省为例[J].经济地理， 2009（4）：688-692.

[16]张建.沪渝两地市民假日出游市场状况实证对比研究[J].旅游学刊，2002（5）：40-45.

[17]张圆刚，王心源.基于灰色系统理论经济视域下的农村居民出游可行性分析[J].经济问题探索，2008（11）：139-143.

[18]钟士恩，张捷.基于社会经济属性的中国省际出游力研究——兼对中国与世界已研究国家案例比较[J].经济地理，2009（1）：153-160.

[19]Smith S L J.旅游决策分析方法[M].李天元，等，译.天津：南开大学出版社，2006：4-12.

[20]Cesario F J.Alternative model for spatial choice[J].Economic Geography，1976，52（4）：363-373.

[21]Calantone R J，Johar J S.Seasonal segmentation of the tourism market using a benefit segmentation framework[J].Journal of Travel Research，1984，23（2）：14-24.

[22]Dann G.Anomie，ego-enhancement and tourism[J].Annals of tourism research，1977，4（4）：184-194.

[23]Freitas（1979）.Human climate of northern china[J].Atmospheric Environment，（13）：71-77.

[24]Hanqin Z Q，Lam T.An analysis of Mainland Chinese visitors motivations to visit Hong Kong[J].Tourism Management，1999，20（5）：587-594.

[25]Jang S C，Wu C M.Seniors travel motivation and the influential factors：An examination of Taiwanese seniors[J].Tourism Management，2006，27（2）：306-316.

[26]Kiviet J F（1999）.Expectations of Expansions for Estimators in a Dynamic Panel Data Model； Some Results for Weakly-Exogenous Regressors[J].Analysis of Panels & Limited Dependent Variable Models：199-225.

[27]Kozak M，Martin D.Tourism life cycle and sustainability analysis：profit-focused strategies for mature destinations[J].Tourism Management，2012，33（1）：188-194.

[28]Manning R E，Powers L A.Peak and off-peak use：redistributing the outdoor recreation/tourism load[J].Journal of Travel Research，1984，23（2）：25-31.

[29]McGuire F A.A factor analytic study of leisure constraints in advanced adulthood[J].Leisure sciences，1984，6：313-326.

[30]Parks Canada.in Canadian outdoor recreation demand study：the technical notes[C].Ottawa，1976：99-133.

[31]Steadman R G（1971）.Indices of wind chill of clothed persons[J].Journal of Applied Meteorology，（10）：674-683.

[32]Thom E C（1959）.The discomfort index[J].Weather wise，（12）：57-60.

[33]Yu-Shan Wang.The impact of crisis event and macroeconomic activity on Taiwaninternational inbound tourism demand[J].Tourism Management：2009（30），75-82.

Abstract：Time constraints， financial constraints and travel consciousness are the three basic dimensions affecting travel decisions. Based on this， as well as on the existing findings of researches， using the quarterly data of Travel Ratio from 2003 to 2012 and 863 valid questionnaires of Travel Motivation， this paper conducted a significant recognition of factors for 31 provinces. By controlling time-constraints and financial constraints simultaneously， it fully captured the spatial-temporal information that affects the Travel Ratio， analyzed the climate factors which play a key role in the change process of Travel Ratio， which has been ignored by academic circles， and tested it in an empirical analysis. With the results， it applied the anti-seasonal philosophy in tourist market to build an anti-seasonal development index to make a quantitative estimation of its potentials in order to provide the anti-seasonal development of tourist market with a basis for making decisions.

Key words：travel ratio； climate comfort； anti-seasonal development； bias-correction DPD-LSDV model

（责任编辑：邓屏）