中国旅游产业生命周期判断及其时空格局演变

赵传松，任建兰，张宝雷，李衣然

(1.山东财经大学 经济学院，山东 济南 250014；2.山东师范大学 地理与环境学院，山东 济南 250014；3.檀国大学校 经营学部，韩国 龙仁 16890)

一、引 言

对旅游业生命周期的判断和时空演化特征的把握是制定旅游业发展战略的基础，也是产业经济学和旅游地理学研究的重要内容。改革开放以来，中国旅游业经历了将近40年的快速发展，逐步由外交外事活动的组成部分成长为独立、完整的产业体系，并成为全球第一出境旅游客源国和第四入境旅游接待国，在带动区域经济增长和拉动社会就业等方面发挥了重要的作用。根据WTTC(世界旅游与旅行业理事会)研究报告，2017年中国旅游业对国民经济的总贡献额为9.12万亿元，综合贡献率约为11%，位居全球首位。然而，伴随着旅游业的高速发展，旅游供需矛盾、二元结构问题、发展方式粗放、基础设施和旅游体验不足等愈发凸显。近年来，文化和旅游部先后做出中国旅游业处在“由景点旅游向全域旅游转变”“从高速旅游增长转向优质旅游发展”的政策判断，出台了一系列推动旅游业发展方式转变、旅游地空间结构优化、旅游发展新旧动能转换的重大政策和举措，促进旅游业转型升级和可持续发展。就学术层面而言，作为新兴产业体系中的战略性产业[1]，旅游业处在时序变迁、新旧交替的阶段，准确判断中国旅游业生命周期发展阶段，明确旅游产业发展的时空格局演变特征和驱动机制，将有助于国家产业引导政策和产业发展规划的制定，也将进一步丰富和发展新兴产业生命周期理论，具有重要的理论和现实意义。

二、文献综述

产业生命周期理论是基于哈佛大学教授R.Vernon提出的产品生命周期理论发展演化形成的，William J.Abernathy等学者以此为基础相继提出了A-U模型、G-K产业生命周期理论和K-G产业生命周期理论。随后，国内外学者将该理论广泛应用到制造业、造船业、林业、煤炭业、数字内容产业和文化产业等多种产业，进行产业发展阶段检验和判断的实证研究[2-4]。学者主要从旅游地和旅游产品的视角开展旅游业生命周期理论研究。学术界经典的巴特勒旅游地生命周期理论提出已有30多年，在此理论框架下国内外学者主要围绕阶段划分标准、阶段演化特征、影响因素及机制、案例分析、数学模型和理论价值等方面进行了大量的研究[5-7]。然而，基于旅游产业生命周期视角开展的研究较少。

旅游业的时空格局演变一直是旅游地理学家关注的重点问题，研究范围主要集中在旅游者和旅游流、旅游资源和旅游用地、旅游产业、旅游效率和旅游竞争力以及旅游与城镇化等相关领域的耦合[8-9]。相关研究主要采用探索性空间数据分析方法、重心模型、区位指数、泰尔指数等空间分析方法探索旅游业时空格局演变特征，但针对旅游业时空格局演变驱动机制的研究较少。曹芳东等从宏观、中观和微观三个层面剖析了泛长三角城市旅游发展效率时空格局演变的驱动机制[10]。涂玮、张子昂等利用相关分析法、分位数回归、IPS和 LLC相结合等方法分别探讨了浙江省及县域入境旅游效率和国家级风景名胜区旅游效率的时空格局驱动因素和作用机理[11-12]。胡宇娜等运用面板数据回归模型分析了中国旅行社效率时空演变的驱动机制[13]。已有研究从定性角度剖析驱动机理，或采用多元统计分析模型，并不能体现驱动因素随空间分异的变动，空间要素的解释能力不足。因此，本文拟采用生长曲线模型和产出增长率法综合判断中国旅游产业所处的生命周期，运用探索性空间数据分析方法和重心模型分析中国旅游产业时空格局演变特征及规律，并运用地理加权回归分析研究时空格局演化的驱动力，旨在为中国旅游业转型升级及制定区域旅游发展战略提供科学依据。

三、研究方法与数据来源

(一)研究方法

1.生长曲线模型。生长曲线模型起初是生命科学中最重要的统计模型之一，它主要用于短时间内生长问题的研究，反映出事物的生长发育特征。随着研究者不断努力，该模型的理论内涵得到了丰富，逐渐被用来刻画产业或事物发展的S形生命周期成长曲线，在经济学、社会学、医学等领域得到广泛应用。目前常用的数学模型有 Logistic模型和 Gompertz模型，Gompertz模型更适合那些S型曲线不对称、发展速度先快后慢的曲线拟合，而Logistic模型适用面更广一些。

(1)Logistic模型。比利时数学家Verhulst在马尔萨斯的人口增长模型基础上提出，环境容量的有限性和种群内部竞争性决定了数量增长的门槛和阈值，当接近环境容纳量时，增长率将趋近于0，因此产生了Logistic模型。

(1)

(2)

其中，N(t)是t时刻的人口数量，K为理论极限值，r为增长速度因子，a、b为常数。Logistic模型是在环境容纳量一定的基础上提出的，Logistic曲线呈一条向着环境容纳量逼近的S形曲线，通常可以分为形成期、成长期、发展期、成熟期、衰退期。自然界中大部分种群符合这个规律，Logistic曲线模型也为事物增长、发展提供了科学依据，并且在旅游地生命周期中也得到广泛应用。

(2)Gompertz模型。龚伯兹曲线是英国数学家Gomperz提出的一种对经济、技术和社会等领域中的产业发展阶段及演化规律进行识别的方法，其表达方程为：

(3)

对公式(3)两边取对数后得到下式：

lnYt=lnk+btlna

(4)

其中，Yt为t年旅游总收入，k、a、b为待求参数。根据龚伯兹曲线模型中的待求参数值和曲线发展阶段性变化特征，可以对产业生命周期的阶段进行判定(见图1)。

图1 龚伯兹曲线生命周期阶段判断图

2.产出增长率法。本文将产出增长率法和生长曲线模型判别的结果交叉验证，综合评判旅游业生命周期发展阶段。产出增长率法是通过考察产业年产出增长率的变化来判断产业生命周期发展阶段的计算方法。一般认为，形成期的产业年均增长率前期在15%以下，后期超过15%，该阶段产业增长潜力大，发展后劲强；处于成长期的产业整体处于年均增长率超过15%的高速发展阶段，是产业迅速扩张发展的黄金期；产业成熟阶段后期和衰退阶段处于年均增长率低于15%的低速发展期。依据经验，通常认为形成期产业年均增长率小于10%，成长期产业大于10%，当增长率下降到10%以下时进入成熟期，如果出现负增长则进入衰退期。

3.空间计量模型。本文采用探索性空间数据分析、重心模型和地理加权回归等空间计量模型对研究对象的时空格局演变及驱动力展开分析。运用探索性空间数据分析方法对旅游业整体空间分布和省际空间关联进行分析。其中，全局Moran's I测度旅游业整体空间的分布状态，局部Moran's I测度相邻省份旅游业空间关联和差异程度。利用重心模型分析旅游产业发展要素的空间变动，客观反映出要素空间集聚及其位移规律。采用地理加权回归分析影响时空格局分异的驱动力，揭示空间回归关系随空间位置变动而变化的情况。因篇幅所限，以上研究方法具体步骤不再赘述。

(二)研究数据

改革开放以前，旅游活动是中国外交活动的组成部分，没有形成独立的产业。1978年以后，旅游业作为经济产业的地位正式确定。1993年国家出台了《关于积极发展国内旅游业的意见》，此后旅游业迈入飞速发展的快车道。基于以上原因，考虑到产业周期的整体性和长程性，同时囿于数据的可获取性，本文选取1985—2016年的数据进行分析，并选取1997年、2003年、2010年和2016年共4个时间断面分析中国旅游业发展空间格局演变特征。数据主要来自于《中国统计年鉴》《中国旅游统计年鉴》《新中国六十年统计资料汇编》和各省统计年鉴、统计公报，对于个别缺失数据通过多年平均增长率进行插值。

3)电网方面，40年来，上海电网的最高电压等级从220kW提升到1000kW，220kW及以上变电站数量从8座增长到135座，变电容量从138万kWA增长到11 400万kWA，220KW及以上输电线路总长从511km增长到5 892km，其中电缆线路更是从6.9km增长到867km。如今上海电网已成为国内最为领先的超大型、大受端城市交直流混联电网，形成了以“五交四直”特高压、跨区电网以及500km双环网为骨干的输电格局，电网资源优化配置能力、安全控制能力、运维管理水平均达到世界先进水平。

四、结果分析

(一)中国旅游产业生命周期综合判断

本文将中国旅游收入作为因变量，以时间为自变量，构建Gomperz曲线模型和Logistic曲线模型，并采用MATLAB软件对Gompertz曲线模型和Logistic曲线模型进行拟合和参数求解，结果见表1。根据拟合结果可以判断3种不同模型的模拟结论基本一致，3种模拟结果的交叉验证也保证了结论的准确性。

表1 中国旅游产业发展阶段

1.根据生长曲线模型进行判断。生长曲线模型中的 Gompertz曲线模型可以对当前发展阶段量化判断，Logistic曲线模型既可以判断发展阶段，也可以界定每个发展阶段的时间转折点。虽然都是生长曲线模型，但Gompertz曲线模型和Logistic曲线模型的成长阶段划分标准略有差异，Gompertz曲线模型包括形成期、成长期、成熟期和衰退期4个阶段，Logistic曲线模型分为形成期、成长期、发展期、成熟期和衰退期5个阶段，二者本质上没有差别，Logistic曲线模型根据发展速度对成长期和发展期进一步细分，其成长期和发展期对应的即为Gompertz曲线模型的成长期。本文结合以上不同模型的特点进行综合判断，期待判断结果科学合理。

由表1可知，经过对中国旅游业发展的Gompertz曲线模型进行参数求解，可知中国处于旅游产业发展阶段的成长期。根据Logistic曲线模型的性质可以找到中国旅游业发展的3个时间转折点，分别是(2011，21 332)、(2017，46 645)、(2023，73 572)，因而可以将其划分为以下4个阶段：2011年之前为形成期；2012—2017年为成长期；2018—2023年为发展期；2023年以后为成熟期，在2023年将实现旅游总收入73 572亿元，容量上限K值为93 290亿元。根据数据对比可知，目前中国旅游业处在成长期后期。

2.根据旅游产出增长率进行判断。从中国旅游总收入及增长率来看，1986年以来，中国旅游业总收入持续增长，从1986年的158亿元增加到2016年的46 900亿元，增长幅度近300倍。除了1989年政治风波和2003年SARS事件影响外，中国旅游业每年都保持高速增长，年均增长21.6%，增长率大于10%。由此可以判断中国旅游产业处在成长期，这与生长曲线模型定量分析结论一致。结合当前中国旅游业发展实际情况来看，2016年中国旅游人次数为44.4亿人次，旅游市场规模居全球首位，全国旅游投资近1.3万亿元，同比增长20%以上。旅游市场需求和产业规模高速增长，旅游投资快速增加，与产业成长期的阶段特征相吻合。

图2 1986—2016年中国旅游总收入及其增长率变化图

(二)中国旅游产业发展的时空格局演变

为进一步分析中国旅游业从形成到成长阶段的空间格局演变规律，本文采用重心模型和探索性空间数据分析方法(ESDA)对31个省份的旅游总收入进行分析。

1.旅游重心空间移动轨迹。为分析中国旅游重心的空间分布与移动轨迹，本文运用重心模型，分别计算了1997、2003、2010、2016年的中国旅游重心空间位置，并按一定比例描绘旅游重心迁移图(图3)。

图3 1997—2016 年中国旅游重心的移动轨迹图

总体看来，中国旅游业从形成期走向成长期的过程中，旅游重心空间位置相对比较稳定，没有发生较大距离的转移。1997—2016年间旅游重心从1997年的115.55E、32.5N(安徽境内)迁移到2016年的113.38 E、32.34 N(河南境内)，整体向偏西北7.28°方向移动215.57千米。具体来说，1997—2010年旅游重心持续北上，偏51.34°方向移动了71.41千米。2003年的SARS事件对中国旅游业带来严重的全面性影响，但其对东部地区影响最大，对东北和西部地区影响较小。2008年北京奥运会及后奥运时代对中国旅游市场培育等起到积极推动作用，特别是北京及周边临近地区吸引着大量国内外游客前往。以上两点是这一阶段旅游重心向北偏移的主要因素。2010—2016年旅游重心向西南24.79°方向偏移173.65千米。2010年以后，受技术效率驱动影响，中、西部地区旅游增长速度提升，实现“追赶式”发展。

2.全局空间自相关。利用ArcGIS软件对中国31个省份旅游业进行全局空间自相关分析，得出各年份全局Moran's I指数(图4)。

图4 1997—2016 年中国旅游总收入全局 Moran's I指数图

计算表明，1997—2016年全局Moran's I指数均为正值，且至少通过了5%的Z值显著性检验，数据集聚的可能性大于随机分布的可能性。总体看来，1997—2016年全局Moran's I指数呈现波动上升趋势，空间集聚状况逐渐提高。结果表明，中国旅游产业由形成到成长发展阶段过程中，在空间上呈现正相关关系，表现出一定的空间集聚分布特征，即旅游收入高的省份，其周边省份旅游收入也较高，旅游收入低的省份同样也趋于相邻，省际旅游发展水平差异总体上呈扩大趋势，但是局部出现波动上升下降趋势。全局Moran's I指数仅表明旅游产业整体上的综合特征，但不能揭示各省份与周边邻近省份之间的局部空间关系，因此需要结合局部空间自相关进一步分析。

3.局部空间自相关。选取1997年、2003年、2010年和2016年旅游总收入为截面数据，利用 GeoDA软件研究中国旅游业空间关联变化，测度省域旅游业冷热点分布格局及演化特征。根据各省份旅游业空间集聚类型划分为高高集聚区(HH)、高低集聚区(HL)、低高集聚区(LH)和低低集聚区(LL) 4个象限(见表2)。

表2 1997—2016年中国旅游业空间关联变化

由表2可以看出，1997—2016年HH集聚区集中在东部地区，空间分布范围稳定，且呈现随中国旅游重心轨迹向中西部扩散的发展态势。该类型区省份数量由7个增加到9个，高值区域增加说明区域旅游发展水平进入较高水平。LH集聚区覆盖范围较广，空间分布分散，包括了东北地区、中西部地区和东部地区等多个省份。从演变趋势来看，该类型区省份数量由9个减少到6个，降幅达30%，该类型区空间结构向中西部推进，东部地区省份(广东、海南)和部分中西部及东北部地区省份(辽宁、陕西、广西、贵州)进入高值区域，说明低值区域受高值区域溢出效应影响显著。LL集聚区主要集中在西部地区，且空间范围呈不断缩小趋势。该类型区省份数量由8个减少到4个，降幅达50%。HL集聚区主要集中在东部和中部地区，省份数量由7个增加到12个，增幅高达71%，已成为分布范围最广的类型区。

为了更细致地描述中国省域旅游空间结构的时空变化，采用时空跃迁(Space-time Transitions)测度法进一步刻画不同单元种类在局部莫兰指数散点图上的演变过程。时空跃迁包括Ⅰ类型、Ⅱ类型、Ⅲ类型和Ⅳ类型。其中，Ⅰ类型表示省域单元自身发生跃迁；Ⅱ类型表示相邻省域单元发生跃迁，自身不变；Ⅲ类型表示省域单元及相邻省域单元均发生跃迁；Ⅳ类型表示省域单元及相邻省域单元状态保持不变。通过比较1997年和 2016年中国省域旅游业空间关联变化可知，1997—2016年有61.29%的省份未发生时空跃迁，说明中国省域单元旅游空间结构较为稳定，旅游发展空间集聚存在较高路径依赖，不同类型间发生跃迁较少。其中I类型有1个省份发生跃迁，所占比例仅为3.22%；Ⅱ类型有5个省份发生跃迁，所占比例为 16.13%；Ⅲ类型有6个省份发生跃迁，所占比例为19.35%。可以看出省域旅游单元受相邻省份影响较大，内生因素对省域旅游空间结构的影响较小。

五、中国旅游产业时空格局演变的驱动力分析

根据以上空间自相关分析可知，中国旅游产业在空间上呈现正相关关系，表现出一定的空间集聚分布特征。因此，采用线性回归模型评估驱动因素可能会产生偏差，这也为本文利用地理加权回归模型进行实证分析奠定基础。以1997—2016年31个省份的相关数据建立模型，分析各省份旅游总收入变动的驱动力。结合专家建议和前人研究成果[14-15]，以2016年相对于1997年的城镇居民人均可支配收入、A级景区总数、固定资产投资、R&D经费、地区客运量等5项指标作为旅游总收入变动的影响因素，分别代表市场驱动、资源驱动、投资驱动、创新驱动和交通驱动。通过OLS模型进行共线性检验，剔除方差膨胀因子VIF值大于7.5的冗余解释变量，选取了城镇居民人均可支配收入、A级景区总数、R&D经费、地区客运量等4个指标进行回归分析。结果显示，在 OLS估计下校正后的R2为0.730 3，而在 GWR模型中校正后的R2为 0.863 3，说明GWR模型拟合结果优于OLS模型。

表3 1997—2016年中国旅游总收入GWR模型的回归系数估计分布

由表3可知，影响中国旅游业发展的回归系数在空间上差异显著，根据回归系数可以判断各影响因素的重要程度依次为：资源驱动>市场驱动>交通驱动>创新驱动。第一，资源驱动对地区旅游收入的影响最大且呈负相关关系，回归系数值在-0.392 7～-0.113 2之间。旅游资源是旅游业赖以生存的基础和前提，却成为了制约旅游业可持续发展的主要因素，这说明目前中国旅游业供需矛盾突出，有效供给不足的现实情况已经十分严峻，从侧面反映出国家实施全域旅游发展战略的及时性和前瞻性。根据回归系数空间分布，资源驱动对旅游收入的影响具有显著空间差异性，影响程度由东南沿海地区向西北内陆地区依次递减。广东、海南、福建等7个省份受资源驱动影响最大，西藏、新疆、甘肃等6个省份受影响最小。这说明在旅游发展水平高的省份，旅游资源的制约作用更明显。第二，市场驱动对地区旅游收入呈正向影响，回归系数值在0.119 8～0.320 1之间。这说明随着居民收入水平的提高，持续旺盛的旅游需求成为推动旅游发展的重要动力。从回归系数空间分布来看，基本呈现北高南低的分布格局，高影响区分布在新疆、内蒙古和黑龙江3个省份，低影响区分布在广东、福建、海南、广西4个省份，其他省份受市场驱动影响由南向北逐渐减弱。这表明对西部和北部地区的省份来说，提高居民收入水平能够较大幅度提升居民外出旅游消费意愿，可以获得较高的旅游市场收益。而对于中国东南部地区，经济发展水平和旅游发展水平较高，市场驱动的边际效益趋于递减。第三，交通驱动对地区旅游收入呈正向影响，回归系数值在0.178 3～0.198 7之间。各省份回归系数差别不大，说明交通驱动作用对旅游收入影响的省际差异性并不十分显著。从回归系数的空间分布来看，基本呈现西高东低的空间格局。新疆、西藏、青海等7个省份受交通驱动影响最大，东北地区和东部沿海地区受到的影响较小。这说明东部发达地区基础设施完备，交通可达性强，交通驱动的影响较小。相对而言，中西部地区受交通驱动影响较大。第四，创新驱动对地区旅游收入呈正向影响，但影响程度不高，回归系数值在0.049 1～0.103 1之间。从回归系数的空间分布来看，呈现东高西低的空间格局。新疆、青海、西藏、甘肃4个省份受到的影响最小，海南、上海、广东等6个省份受到的影响最大。这也说明东部地区是人才聚集地，创新要素活跃，科技成果转换市场成熟，创新驱动具有较好的溢出效应。中西部地区基本承担了东部地区技术梯度转移的角色，创新驱动滞后且作用较小。

六、结论与讨论

本文以中国31个省份为例，综合判断了中国旅游产业所处的生命周期发展阶段，分析了中国旅游业时空格局演变特征及其规律，探讨了时空格局演化的驱动力，得出以下结论：

第一，生长曲线模型和产出增长率法的分析结果显示，经过近40年的发展，中国旅游业目前正处在产业生命周期中的成长阶段。在发展过程中，旅游重心空间位置相对比较稳定，从1997年安徽境内迁移到2016年河南境内，移动215.57千米，没有发生较大距离的转移。

第二，中国各省份旅游总收入全局空间上呈现正自相关关系，表现出一定的空间集聚分布特征，空间集聚逐渐提高。局部空间格局演化特征明显，其中HH集聚区集中在东部地区，空间分布范围稳定，且呈现随中国旅游重心轨迹向中西部扩散的发展态势。LH集聚区覆盖范围较广，空间分布分散，空间范围逐渐缩小且趋于中西部集中。LL集聚区主要集中在西部地区，空间范围呈不断缩小趋势。HL集聚区主要集中在东部和中部地区，已成为分布范围最广的类型区。

第三，中国省域单元旅游空间结构较为稳定，省域单元类型之间存在一定的转移惰性，不同类型间发生跃迁较少。中国省域旅游发展空间集聚存在较高路径依赖，20年间没有发生时空跃迁的概率为 61.29%。其中，Ⅰ类型仅有1个省份发生跃迁，其余均属于Ⅱ类型和Ⅲ类型，说明省域单元旅游发展受相邻省域溢出影响较大，而自身因素对省域旅游空间结构的影响较小。

第四，资源驱动、市场驱动、交通驱动、创新驱动是影响中国旅游业发展的主要驱动力。其中，资源驱动影响最大且呈负相关关系，其余均呈正向影响。四种驱动力均表现出明显的空间异质性，分别呈现出“东南高、西北低”“北高南低”“西高东低”和“东高西低”的空间分布格局。

通过对中国旅游产业生命周期、时空格局演化规律及其驱动机制的深入研究，能够更好地对当前的发展阶段进行科学判断和准确把握时空演变规律特征，对各省份制定旅游产业政策，统筹旅游发展规划提供指导。同时，也对国家实施全域旅游发展战略、打造优质旅游、实现产业转型升级有重要帮助。当然，本文在研究过程中也存在诸多不足，例如，用研发投入作为创新指标来分析对旅游发展的影响，并不能完全体现模式创新、理念创新和服务创新等对促进旅游发展的积极作用。如果能用更科学的方法判断旅游产业成长期的具体阶段(前、中、后)，将有更大的应用价值。此外，今后可以采用地市、县域数据，观察更长年限的研究数据，将能更深入地揭示中国旅游产业的时空演变趋势和驱动机制，为各级地方政府发展旅游产业提供更有针对性的技术支持。