基于空间计量分析的广东省旅游业发展水平区域差异探究

李航飞，高维忠

(韶关学院 旅游与地理学院 ,广东 韶关512005)

0 引言

随着我国经济的快速发展和国民收入的提高，旅游业也随即迅速发展起来，但由于各地区旅游资源禀赋、发展条件与基础及政策等因素的差异，我国各地区间旅游发展水平千差万别，沿海省份的旅游业发展水平要远远高于内陆省份，区域间旅游发展差异日益扩大.目前，对于区域旅游差异的研究，主要表现在以下几方面[1-7]：(1)研究的内容主要有区域旅游差异的特点、成因、对策等；(2)研究空间尺度主要有大尺度的国家，中尺度的地带及省际，小尺度的省内各市间差异，研究时间尺度上基本没有对未来区域旅游差异进行预测和探讨；(3)研究方法主要是传统的统计学方法，空间计量分析方法用得比较少.

广东省是我国的旅游大省、旅游强省，如2012年广东省国内旅游人数和旅游外汇收入分别为4 807.86万人次和156.23亿美元，占全国份额分别为21.17%和31.23%，远远超过全国其他省份；广东省旅游业快速发展的同时，不同地区之间旅游业发展差异巨大.本文以广东省21个地市作为基本研究对象，以人均旅游收入作为衡量旅游业发展水平高低的指标，运用灰色预测方法和空间自相关分析、空间回归分析等方法探讨广东省2000-2012年及2017年旅游业发展水平区域差异的时空演化特征及影响因素.

1 研究方法与数据来源

1.1 灰色预测模型

灰色预测模型就是将原始信息数据序列通过一定的数学方法处理后，将其转化为动态微分方程来描述原系统的内在特征，建立抽象系统的动态演变预测模型[8-9].基于2000-2012年广东省各地市人均旅游收入数据，采用灰色GM(1，1)模型，利用DPS数据处理软件对2017年广东省各地市的人均旅游收入进行预测.

1.2 空间自相关分析法

空间自相关[10-11]是指一个变量的观测值之间因观测点在空间上邻近而形成的相关性.根据空间范围的大小，可分为全局型空间自相关和局域型空间自相关两种，利用全局Moran’sI和局域型Moran’sI对广东省旅游发展水平进行空间自相关性分析.

1.2.1 全局空间自相关分析

全局空间自相关是对属性值在整个区域的空间特征的描述，其Moran’sI的计算公式如下：

式中:xi、xj为i市域和j市域的人均旅游收入；Wij为空间权重矩阵.关于计算Moran’sI的理论详见文献[10-11].

1.2.2 局域空间自相关分析

1.2.2.1 Moran’sI散点图

将变量Z(人均旅游收入)与其空间滞后向量Wz之间的相关关系，以散点图的形式加以描述，则构成Moran’sI散点图，其可划为4个象限，对应了4种空间差异类型(HH象限：市域本身和周边市域的旅游平均发展水平都较高，其空间差异较小；中心市域与周边市域旅游发展水平在空间上呈“凸”字形特征；LH象限：市域本身旅游发展水平较低，周边市域的平均水平较高，其空间差异较大；中心市域与周边市域旅游发展水平在空间上呈“V”字形特征；LL象限：市域本身和周边市域的旅游平均发展水平都较低，二者空间差异较小；中心市域与周边市域旅游发展水平在空间上呈“凹”字形特征；HL象限：市域本身旅游发展水平较高，周边市域的平均水平较低，其空间差异较大；中心市域与周边市域旅游发展水平在空间上呈“A”字形特征)，高(H)和低(L)是相对于区域旅游业发展的平均水平而言，“高高”和“低低”表明具有较高的空间正相关，说明区域的集聚和相似性；“高低”和“低高”则表示存在较强的空间负相关，表明区域具有异质性[10-11].

1.2.2.2 局域统计量(LISA)

Local Moran’sIi是Global Moran’sI的分解形式，可用来进一步度量区域i与其周边地区之间的空间差异程度及其显著性.对第i个区域而言，该统计量的数学表达式为[10-11]：

式中:Zi、Zj分别为中心市域i和与其相邻市域j的旅游业发展水平的标准化值.

1.3 空间计量回归分析

如广东省旅游业发展水平差异在空间上有明显的空间依赖性，则采用空间计量经济回归模型对空间差异的成因进行分析.空间回归模型主要有空间滞后模型(SLM)和空间误差模型(SEM)两种，关于两种模型的理论、选择及应用详见参考文献[12-14].

1.4 数据来源

为保证研究的准确性，本文所用原始数据均来自《广东省统计年鉴(2001-2013)》及广东省旅游局网站，部分数据通过计算获取.

2 旅游业发展水平区域差异时空演变分析

2.1 广东省区域旅游业发展水平灰色预测分析

根据广东省统计年鉴数据，计算出广东省各地市2000-2012年的人均旅游收入，基于各地市2000-2012年的人均旅游收入，利用灰色预测模型GM(1，1)，通过DPS数据处理软件分别预测出各地市2017年的人均旅游收入.

2.2 广东省区域旅游业发展水平空间自相关分析

2.2.1 全局空间自相关分析

根据全局空间自相关的理论及计算公式，以各市域的人均旅游收入为指标，利用GeoDa软件计算出广东省2000-2012年及2017年区域旅游发展水平的Moran’sI值，计算结果详见表1.

表1 全局自相关分析结果Tab.1 The result of global spatial autocorrelation analysis

注：假设检验使用999次重复排列方法.

由表1可知，广东省区域旅游发展水平的Moran’sI值除了极个别年份外，一直处于增大趋势且都大于0，2000年、2001年及2002年Moran’sI值没有通过显著性检验；研究时间段的其他年份都通过显著性检验；这些说明广东省区域旅游业发展水平自2000年以来在空间上的自相关性(依赖性)逐渐增强，即表现出旅游业发展水平高的地市在空间上集聚，旅游业发展水平低的地市也在空间上集聚的特点，并且这种集聚趋势越来越明显，说明广东省区域旅游业发展水平整体空间差异越来越小.

广东省区域旅游业发展的空间整体格局之所以会出现这种现象，主要是由于现代旅游业发展的结果.伴随着交通、网络、通讯等的快速发展，“靠天吃饭”及各景区孤立发展的旅游时代基本结束，旅游业的发展已不仅仅是旅游部门的事情，借助交通、网络、通讯等，旅游业已将很多其他相关产业融合起来，同时，将不同区域也紧密联系在一起.

2.2.2 局域空间自相关分析

全局Moran’sI值是一种总体统计指标，说明的是广东省21地市与周边地市之间旅游业发展水平空间差异的平均程度，在旅游业发展水平总体空间差异较小的情况下，局部空间差异有可能较大，故需进一步采用局域自相关分析法.

2.2.2.1 广东省区域旅游业发展水平散点图

根据1.2.2.1相关理论，利用GeoDa软件生成广东省2003年、2012年和2017年区域旅游发展水平的散点图，如图1.

图1 广东省旅游业发展水平散点图Fig.1 The scatter diagram of tourism development level in Guangdong province

从图1可知，广东省大部分地市(80.95%)位于散点图中的HH、LL象限，说明广东省区域旅游业发展水平在空间上存在较强的依赖性，与前面全局自相关分析的结论一致；处于不同象限的地市2003年与2012年变化不大，珠三角地区形成了较稳定的高值(HH)集聚区域，而粤东、粤西地区则形成了稳定的低值(LL)集聚区域，特别是经过预测分析后2017年的散点图和2012年散点图出现惊人一致，说明广东省区域旅游业发展水平空间格局相对比较稳定.

2.2.2.2 广东省区域旅游业发展水平局域统计量(LISA)

同样利用GeoDa软件计算出各市域的局域自相关系数，局域自相关系数在0.05的显著性水平下能通过检验，在统计上有意义的市域的空间分布见图2，图2称为LISA聚集图或称为Local Moran’sI显著性水平图，反映的是各市域局域象限分布是否显著.图中标识出对应于Moran散点图不同象限，并且LISA显著的相应市域.

图2 广东省旅游业发展水平LISA聚集图Fig.2 The LISA cluster map of tourism development level in Guangdong province

由图1、图2可知：虽然广东省区域旅游业发展水平在整体上表现较强的空间自相关性，但真正能通过局域自相关系数显著性检验的地市(2003年和2012年、2017年都仅占全部地市的23.81%)则很少(图2)，这说明广东省区域旅游业发展水平的局域自相关性还比较弱；广东省区域旅游业发展水平的空间差异形成的空间集聚中心(热点市域)变化不大，东莞市作为“凸”字形(HH)集聚中心的地位没有发生改变，“凹”字形(LL)集聚中心由2003年的汕尾、梅州、潮州演变为2012年的梅州、潮州、汕头和揭阳四市，时间上LL聚集中心基本位于粤东地区，2003年和2012年的LISA聚集图中都没有出现HL型即“A”字形集聚中心，这些进一步说明了广东省区域旅游业发展水平的空间差异性较小，并且空间格局相对稳定；值得说明的是惠州，其2012年的人均旅游收入为5386 元/人，在全省21地市中排名第八，但低于全省平均值7593 元/人，加之其周边地市广州、深圳、东莞旅游业发展水平很高，所以在惠州形成了一个“V”字形(LH)集聚中心.

经预测分析，2017年广东省区域旅游业发展水平空间差异特征与2012年的惊人一致，进一步说明广东省区域旅游业发展水平整体空间差异较小，空间格局相对比较稳定.

2.3 区域旅游业发展水平空间差异成因分析

由以上分析可知，广东省区域旅游业发展水平空间差异具有明显的空间自相关性，为了探讨其成因，文章以2012年各地市的人均旅游收入(Y)为因变量，经过对所选自变量进行相关分析后，删除部分相关系数较大的自变量，以各地市的旅游资源丰度(X1)、经济发展水平(X2)、区位条件(X3)为自变量进行空间回归分析.旅游资源丰度以各地市的A级景区为标准，其中5A级景区计100分，4A级景区计80分，3A级景区计60分，2A级景区计40分，1A级景区计20分；经济发展水平以人均GDP作为衡量标准；区位条件根据专家、学者打分获取，采取100分制.

根据空间计量回归分析的理论[12-14]，本文最终选取空间滞后模型来探讨广东省区域旅游业发展水平空间差异的成因，回归分析结果见表2.

表2 SLM估计结果Tab.2 Estimation results of SLM

从表3可知：变量X1(旅游资源丰度)通不过显著性检验，X2(经济发展水平)、X3(区位条件)通过显著性检验且系数为正，这说明旅游资源对广东省区域经济发展的影响不明显，随着旅游业的发展，单一旅游资源特别是品质不高的旅游资源对旅游业发展的影响逐渐减弱，这可以解释韶关、河源、梅州、清远等地市虽然拥有丰富的旅游资源，但旅游经济发展水平一直处于较低水平的现象；经济发展水平、区位条件等已经能够很大程度上弥补一个区域先天的旅游资源不足，珠三角地区一直是广东省经济发展的核心区域，经济发展水平明显高于粤东西北地区，其政治区位、交通区位、经济区位、政策区位等区位条件也是粤东西北地区无法比拟的，这就使得长期以来广东省旅游业发展过程中，珠三角地区形成了较稳定的高值集聚区域，而其他地区则形成了稳定的低值集聚区域.

3 结论与讨论

任何事物与其周围事物都存在联系，但与其相近的事物与之联系更紧密，几乎所有空间数据都具有空间依赖或空间自相关特征[15]，文章通过灰色预测模型、空间自相关分析及空间回归分析等方法对广东省旅游业发展水平区域差异及其成因进行了分析，在一定程度上能够更好地探讨广东省各地市旅游业发展水平的空间差异及空间相互作用.研究结果表明，广东省区域旅游业发展水平的全局空间自相关性(依赖性)较强，整体空间差异较小，珠三角地区形成了较稳定的高值(HH)集聚区域，而粤东、粤西地区则形成了稳定的低值(LL)集聚区域，影响区域旅游业发展的主要因素为经济发展水平和区位条件.广东省是我国旅游大省，同时也是我国的旅游强省，针对区域旅游业发展存在明显的空间依赖性这一特点，广东省旅游管理部门应该统筹全省各区域旅游业的发展，借助现代科技信息如互联网、物联网、云计算、通信设施等等，通过管理、营销、服务、导游等手段，将不同区域的旅游业有机整合起来；各区域旅游业协调发展，互通有无，共同构建广东旅游大市场，构建“智慧广东旅游”，实现全省旅游一体化，共享广东旅游大市场、“智慧广东旅游”带来的益处.针对不同地市和周边地市的旅游业发展依赖性较弱及其影响因素主要为经济发展水平、区位条件这一特点，广东省不同地市应根据各自所处的空间位置及自身特点，有针对性的加快旅游业发展，粤东西北地区应加快本区域经济发展，努力改善区位条件，为旅游业的发展注入新的活力；各地市在以后的旅游业发展过程中，要多注意与周边地市之间相互合作，达到资源互补、优势互补、共同加快旅游业的发展；同时，广东省应该从全省层面进行考虑，对旅游资源丰富且质量较高但旅游业发展水平较低的地市在政策、资金方面给予一定支持.