世界遗产旅游地网络关注度的省际分布特征与影响因素研究
——以平遥古城为例
2021-07-16周晓丽张碧星
周晓丽， 张碧星
长治学院历史文化与旅游管理系， 山西 长治 046000
0 引言
“互联网+”背景下，越来越多的潜在旅游者使用互联网搜索引擎获取信息辅助进行旅游决策，搜索引擎上潜在旅游者的信息搜索足迹不仅反映了其潜在的旅游需求偏好，也预示着其或将出现的旅游行为.潜在旅游者在互联网搜索引擎上检索信息留下的足迹被搜索引擎平台记录下来，学者们将其称为网络关注度.通过研究潜在旅游者的网络关注度有助于旅游目的地或景区了解其目标客源市场状况.
近年来，有关旅游网络关注度的研究不断增加，从研究内容来看，最主要的一个主题是景区或目的地网络关注度的时空分布特征及影响因素研究.蔡杰研究了2012年～2014年清明节前后杭州西湖十景PC端和移动端的网络关注度差异[1]；林志慧、马耀峰研究了中国百强景区中排名靠前的47个景区网络关注度的时间分布特征[2]；丁镭、方雪娟等以浙江横店为例，研究了影视旅游城网络关注度的时空分布特征及影响因素[3]；丁鑫、汪京强等研究了厦门市网络关注度的时空分布特征和影响因素[4]；何琛、瓦哈甫等研究了新疆旅游网络关注度的时空分布差异及影响因素[5]；何镜如、江恋研究了新疆喀纳斯游客网络关注度的时空分布特征和影响因素[6].学者对旅游网络关注度时空分布特征的研究，普遍思路是提取被研究对象一定时间尺度百度指数关键词的关注指数，在时间上研究其周内、月度、节假日及年度分布特征，空间上研究网络关注度不同省份及东、中、西部的分布差异，并结合节假日、气候舒适度、距离、经济、人口基数等研究网络关注度时空特征的影响因素；采用的研究方法从初期的描述性研究到后来的各种指数如季节性集中指数、周内分布偏度指数、地理集中指数等.
近些年，随着旅游需求多样化和个性化的发展，关于网络关注度的研究逐渐转向对不同主题类型的旅游网络关注度的微观解析，如管陈雷、胡志毅研究了重庆马拉松的网络关注度时空分布特征[7]；马丽君、江恋则研究了红三角旅游区网络关注度的PC端和移动端时空分布特征差异[8].山西处于经济转型关键期，文化旅游产业的发展对促进山西经济转型有着重要的意义.平遥古城是山西的5A级景区之一，也是世界文化遗产地，中国四大古城之一，在山西旅游业的发展中发挥着龙头作用，因此本研究拟以平遥古城为例，研究世界遗产旅游地网络关注度的省际分布特征及影响因素，为世界遗产旅游地判断客源市场重要性、制定行之有效的营销策略提供决策依据.有关平遥古城的网络关注度，张晓梅、程绍文等已作过探讨，研究了2011年～2014年平遥古城网络关注度的时空分布特征和影响因素[9]，得出了平遥古城网络关注度时间分布上的年内“双高峰”模式、节前关注度上升和周内“周末低谷、工作日高峰”以及空间分布上的不断集中趋势等重要研究结论，但随着时间的演进，平遥古城网络关注度的空间分布特征出现了新的变化，因此本研究重在对平遥古城网络的省际分布特征及影响因素进行演进，在研究时段、影响因素的选择和研究方法使用等方面均与之前学者有所不同.
1 数据来源与研究方法
1.1 指标选取和数据来源
1.1.1 指标选取及说明 为了实证分析影响平遥古城网络关注度省际分布差异的因素，结合旅游学、市场营销的相关理论和相关研究，并综合考虑数据的可获取性，本研究选取以下指标分析平遥古城网络关注度的省际分布差异.
(1)人口规模.旅游者的网络关注度是在需求的制约下，潜在旅游者在互联网搜索引擎上检索旅游相关信息留下的电子足迹，依据市场营销学的相关理论，客源地的旅游需求和人口规模正相关，因此选取各省市的人口规模为指标1，记为X1.
(2)人均消费水平.客源地旅游需求和客源地经济发展水平密切相关，在学者的研究中基本都选择各省区的人均GDP作为各省经济发展水平的衡量指标，本研究认为由于各省经济发展水平不一致，受其影响，各地的消费水平也有较大差距，人均GDP一致并不代表其消费能力一致，即人均GDP的可比性较差，需选取和旅游需求更加密切相关的居民可支配收入为衡量指标[注]因为《中国统计年鉴》上关于各省人均可支配收入的数据只有2013年～2016年的，2011年、2012年尚未纳入统计指标，但是人均消费水平统计连续..因此，本研究选取统计年鉴上可获取的各省人均消费水平为指标2，记为X2.
(3)受教育程度.受教育程度与旅游需求及旅游者的信息获取行为密切相关，很多学者都将受教育程度纳入旅游网络关注度的影响因素进行分析，但是受教育程度的衡量方法不一致，如有学者在研究中将受教育程度指标分为6岁和6岁以上初中人口数、高中人口数、大专及以上人口数三个指标[10]衡量，已有研究显示用各阶段受教育的绝对人数容易和各省的人口规模产生共线性问题，因此选取各省大专、本科、研究生人数占人口总量的比率衡量各省的受教育水平3作为指标[注]实际数据获取中发现，2013年以前各省并未单独统计大专、本科和研究生人数，而是将其合并，2014年及以后才单独分开，因此综合数据的可获取性，选取各省大专及以上人数占人口总量的比率作为指标衡量各地的受教育程度.，记为X3.
(4)互联网普及率.网络关注度作为潜在旅游者在互联网上的信息检索痕迹，和地方的互联网发展水平密切相关，学者一般选择各省的互联网上网人数或互联网普及率为地方互联网发展水平的衡量指标，本研究认为互联网上网人数作为绝对值亦受地方人口规模的影响，不能直接代表各地的互联网发展水平，因此选取各省、自治区和直辖市的互联网普及率为指标4，记为X4.
(5)客源地与目的地的空间距离.根据旅游者空间出游距离衰减规律，特定目的地或景区对旅游客源市场的吸引力随着客源地和目的地之间空间距离的增大而降低，因此关于平遥古城网络关注度与各省、自治区和直辖市距离平遥古城的空间距离密切相关，因此选择各省的省会城市距平遥古城的空间距离为指标5，记为X5.
1.1.2 数据来源 本研究关于网络关注度的数据沿用之前学者的数据源，以“平遥古城”为关键词提取百度指数平台2011年～2017年中国内地31个省、自治区和直辖市的逐日搜索量，通过求和获取各省的年度搜索量及平遥古城的全国网络关注度.
影响因素指标X1、X2、X3的数据来自于2012年～2017年《中图统计年鉴》或在此基础上计算而得，X4的数据来自于互联网信息中心CNNIC发布的若干次《中国互联网络发展状况统计报告》，X5的数据通过高德地图检索各省会城市到平遥古城的自驾路线推荐获取，精确到十位.
1.2 研究方法
1.2.1 省际分布差异研究方法 学者关于网络关注度空间分布特征的研究，常见的是采用地理集中指数[3，4，9，11]进行分析，该指标可以直观地反映网络关注度省际分布的集中程度及其变化趋势.近些年部分学者引入研究区域经济差异的变差系数、赫芬达尔系数和首位度[3，12，13]分析网络关注度的空间分布差异，研究方法上有了较大改进，变差系数和赫芬达尔系数主要用于反映被研究对象的离散和集聚程度，计算简便，结果直观，但是首位度用网络关注度最高区域和第二高区域的关注度比率表示网络关注度的集中情况，只涉及两个省份关注度的对比.笔者认为我国31个省份情况复杂，两个地区的差异情况并不能准确反映总体的差异情况，因此，采用该指标用于研究网络关注度的省际差异分析.另外以上指标共同的不足是无法反映由于被研究区域大小本身不同而导致的网络关注度差异.我国31个省、自治区、直辖市的人口规模本就差距很大，人口规模和各地区的网络关注度总数又有着密切的相关性，因此直接以各省的网络关注度绝对值比上全国网络关注度总数研究省际之间的分布差异不够准确.
因此综合以上指标各自的特点，在沿用地理集中指数(赫芬达尔系数的计算方法和地理集中指数基本一样，变化趋势相同，故本研究不再采用)和变差系数的基础上，引入经济学研究区域经济差异的另一指标库兹涅茨比率分析平遥古城网络关注度空间分布差异的变化趋势.不同指数的变化趋势可以相互印证，能够准确说明平遥古城网络关注度省际差异的变化趋势.库兹涅茨比率本是用各个阶层收入比重与人口比重差额的绝对值之和反映总体收入不平等状况的指标，该指标将收入与人口分布联系起来,以经济的相对比重与人口的相对比重差别为基准,考察区域经济之间的不平衡性,有助于避免各省人口规模不一致引起的经济差异分析偏差.本研究采用库兹涅茨比率衡量平遥古城网络关注度的省际分布，用各省网络关注度的相对比重与人口相对比重差额的绝对值之和描述平遥古城网络关注度省际分布差异及其变化.用公式表示即
式中k为库兹涅茨比率，Ai为i省区平遥古城网络关注度，AT为全国网络关注度总数，Pi为i省人口规模，PT为全国人口规模，k值越大，说明网络关注度的省际差异越显著.该公式中一定存在某个临界值，当i
地理集中指数的公式为
式中G为地理集中指数，Ai为i省对平遥古城的网络关注度，AT为全国网络关注度总数，G值越大，平遥古城网络关注度越集中于少数省份，省际差异越显著.
变差系数的公式为
1.2.2 影响因素研究方法 之前学者普遍采用定性的描述方法或基于某一年度的截面数据通过Person相关性检验或回归方法研究网络关注度的空间分布差异影响因素，本研究认为截面数据的相关性检验和回归无法反映个体的时间变化序列，结果的准确度和有效性值得商榷，而面板数据兼有时间序列数据和横截面数据的特点，能更精准地反映各解释变量对网络关注度省际差异的影响.因此拟依据2011年～2016年全国31个省、自治区、直辖市对平遥古城的网络关注度数据，结合不同年度各省的人口规模、人均消费水平等指标建立面板数据模型，使用Eviews 软件实证分析各解释变量对平遥古城网络关注度省际分布的影响.
2 平遥古城网络关注度的省际分布特征
2.1 平遥古城网络关注度的省际分布特征
本研究首先统计了2011年～2017年中国内地31个省、自治区和直辖市对平遥古城网络关注度的全国占有率，结果见表1，可见平遥古城网络关注度的省际差异特征显著，分布比较集中，而且地区分布排名基本保持一致.具体而言，对平遥古城网络关注度最高的是古城所在地山西省，7年关注度比率均值达11.22 %，远远高于其他省份；第二组是北京、河北、河南、陕西和山东，7年的关注度比率均值在4 %到8 %之间，这五个省都距离平遥古城相对较近，出游便利，因此对平遥古城的网络关注度也较高；第三组是广东和江苏，虽然它们距离平遥古城距离稍远，但是由于经济发展水平较高，且人口规模较大，因此对平遥古城的网络关注度也排在前面；第四组西藏、青海、海南、新疆和贵州对平遥古城的网络关注度全国占有率均值排在31个省(市、区)的最后五位，这几个省份普遍距离平遥古城较远，经济发展水平及网络普及程度低，因此对平遥古城的网络关注度也比较低.从地理区域划分来看，对平遥古城关注度全国占有率均值高于3 %的有11个省份，其中山西、河南属于中部地区，陕西属于西部地区，剩下的8个省份均属于东部地区，说明网络关注度和地区经济发展水平密切相关.
表1 2011年～2017年各省(市、区)平遥古城网络关注度全国占有比率及均值(%)Tab.1 The occupancy rate of different provinces’ network attention on Pingyao ancient city from 2011 to 2017(%)
由于中国内地31个省份人口规模存在很大的差异，直接进行网络关注度占有率的比较准确性较低，因此计算了平遥古城各省网络关注度全国占有率和当地人口规模全国占有率之差，由于2017年《中国统计年鉴》提供的是2016年各省的统计数据，而2018年《中国统计年鉴》未出，因此仅计算了2011年～2016年平遥古城各省网络关注度全国占有率与人口规模全国占有率之差，结果见表2.可见山西、北京、陕西依然排在前面，说明其网络关注度的全国占有率远高于其人口规模的全国占有率；河北的网络关注度占有率和人口规模占有率基本持平，但是河南、山东和广东排名出现了较大的差异，说明其对平遥古城的高关注度和其较大的人口基数密切相关.
表2 2011年～2016年平遥古城各省网络关注度全国占有率与人口规模的全国占有率之差(%)Tab.2 The difference of the provinces’ share on Pingyao ancient city between network attention and population scale from 2011 to 2016
2.2 平遥古城网络关注度的省际差异变化趋势
对平遥古城网络关注度2011年～2017年省际分布的地理集中指数、变差系数和库兹涅茨比率进行计算，结果见表3.可见，2011年～2016年3个指数均出现了稳定的增长，变差系数和库兹涅茨比率分别从2011年的0.573 6和0.460 7增加到2016年的0.855 1和0.591 9，说明平遥古城网络关注度的显著省际差异还在继续扩大.进一步得出地理集中指数，由2011年的20.557 6连续上升到2016年的23.329 5，充分证明平遥古城网络关注度的地理集中趋势进一步加剧，两级分化现象严重，高关注度省份关注度进一步提高，但西部地区省份的网络关注度普遍偏低.结合表1可见山西本省的关注度占有率从2011年的9.06 %上升到了2016年的13.11 %，本省客源在平遥古城客源中的比例迅速提高，表面上带来了古城旅游业的繁荣，然而本省游客相比外省游客一般停留时间短、消费水平低，对古城旅游业的发展而言并非绝对优势；2017年地理集中指数和变差系数均比2016年稍微降低，说明省际差异可能呈缩小趋势，但是由于数据不足，今后还需继续观察.
表3 2011年～2017年平遥古城网络关注度的省际差异测算Tab.3 Estimation of interprovincial differences in network attention of Pingyao ancient city from 2011 to 2017
3 平遥古城网络关注度省际分布差异的影响因素分析
各省对平遥古城的网络关注度一方面反映了潜在游客对平遥古城的实际关注情况，另一方面也反映出各省级客源地潜在游客出游平遥古城的倾向.为了探讨平遥古城网络关注度省际差异的影响因素，采用2011年～2016年31个省的面板数据为样本进行检验，面板数据同时包含了截面变动和时间序列变动，可以更准确地解释平遥古城网络关注度的省际差异.
在建立面板回归之前，首先需要进行模型的识别，考虑到本研究提取的指标并不完整，为了说明未纳入研究的指标对省际网络关注度的影响，建立变截距面板数据模型，且由于本研究的指标包含网络关注度和人口规模这样绝对数值较大的指标，也包含受教育程度和互联网普及率这样的比率指标，为了缩小变量差异的尺度，先对所有变量取自然对数，然后构建面板回归模型如下：
lnYit=α+β1lnX1it+β2lnX2it+β3lnX3it+β4lnX4it+β5lnX5it+vi+uit
其中，α为固定截距项，vi表示各省的网络关注度的个体效应，uit表示随着地区和年份变化的随机扰动项.
为了确定面板数据模型的设定形式，先用Hausman检验判断可观测变量与不可观测变量是否存在相关关系.Hausman检验的原假设为随机效应模型，即模型中不可观测变量的随机变化，与解释变量无关；备择假设为固定效应模型，即模型中不可观测变量与观测变量有相关关系.对模型做Hausman检验，结果见表4.可以发现，Chi-Sq统计量为93.820 483，p值为0.000 0，低于1 %的显著性水平，拒绝原假设，即模型是固定效应变截距模型.
表4 Hausman检验结果表Tab.4 The result of hausman test
基于构建的回归模型对平遥古城2011年～2016年各省的网络关注度与各指标进行面板回归检验，结果见表5.从模型的回归结果可以看出：
表5 回归模型结果Tab.5 The result of regression model
(1)F-statistic值为74.093 38，且在1 %水平上显著，即回归结果联合显著.
(2)可决系数用来度量回归方程对样本数据的拟合程度，其值介于0和1之间，数值越大，模型的拟合优度越高.回归结果显示R2和调整R2分别为0.945 321和0.932 562，说明纳入模型中的变量可以解释平遥古城网络关注度省际差异93.26 %的原因，模型的拟合优度很高.
(3)Durbin-Watson Statistics(德宾—瓦特逊检验) 通过检验残差分布是否为正态分布判断模型的自相关性，如果残差不服从正态分布，说明构建的模型是有偏的，即模型的解释能力不强，d=2说明基本没有自相关关系，d靠近0存在正的相关关系，d靠近4则有负的相关关系.回归结果显示d=2.298 790，说明残差分布基本符合正态分布，不存在自相关情况，模型的解释能力较强.
(4)由各变量的参数结果分析可见，地区人口规模、受教育程度和互联网普及率与各省对平遥古城网络关注度显著正相关，各省距平遥古城的空间距离与其对平遥古城的网络关注度显著负相关，各省人均消费水平对平遥古城网络关注度的影响不显著，影响程度由高到低排列依次是距离、受教育程度、地区人口规模和互联网普及率.
4 结论与讨论
4.1 结论
本研究以百度指数平台和历年《中国统计年鉴》上的数据为基础，在前人研究的基础上进行了扩展，采用了研究区域经济差异的新指标库兹涅茨比率，并结合地理集中指数和变差系数对平遥古城网络关注度的省际分布差异及其变化趋势进行研究，并使用面板数据回归模型分析造成平遥古城网络关注度省际分布差异的影响因素.研究结论如下：
第一，平遥古城的网络关注度省际分布差异显著，主要分布在古城所在地山西及其周边的北京、河北、河南、陕西和山东等省份，同时人口密集、经济发展水平程度高的东部省份广东、江苏、天津、浙江和辽宁等也是平遥古城网络高关注度区.
第二，2011年～2016年平遥古城网络关注度的省际差异进一步扩大，从地理区域的角度来看，分布进一步集中，两级分化现象明显，一方面说明平遥古城的目标市场过度集中于本省及周边省份，另一方面也可推断出平遥古城在近几年的目标市场开发方面作为不大，不利于平遥古城旅游业的持续发展，未来需加大外省尤其是远程省份的目标市场开发.
第三，通过面板数据模型检验发现，各省人口规模、受教育程度和互联网普及率均与平遥古城网络关注度显著正相关，空间距离和平遥古城网络关注度显著负相关，但是各省的人均消费水平对平遥古城网络关注度影响不大，不同因素的变化对平遥古城网络关注度的影响程度也不一样，从高到低排列依次是空间距离、受教育程度、人口规模和互联网普及率.
4.2 讨论与建议
以上研究结论的实践指导意义表现在：
首先，平遥古城目前的重点目标市场是山西本省及山西周边的北京、河北、河南、陕西和山东等省，平遥古城必须重视这些重点目标市场的管理，加强平遥古城和这些省份之间的联系，改善和重点目标市场的交通通达性如开通平遥古城和这些地区的跨省城际公交，便利游客来访，进一步促进平遥古城的旅游发展.
其次，东部省份如广东、浙江、江苏等地经济发展水平高、人口密集，出游倾向也比较高，但是对平遥古城的网络关注度和当地人口规模与经济发展水平并不呈正比，平遥古城和其他目的地相比在这些市场上并不具备高的竞争力，平遥古城应该加强这些出游力强地区的营销活动，提高平遥古城对这些省份的吸引力，有助于开发新的目标市场，促进平遥古城的旅游业发展.
第三， 客源市场和平遥古城之间的空间距离作为影响网络关注度省际分布的重要因素符合距离衰减规律，远程客源市场虽然人数少，但远程客源市场相比近程客源市场一般到目的地停留时间长，消费水平高，对目的地旅游发展有着特别重要的价值和意义.因此，平遥古城对远程客源市场的开发应与山西省的其他景区甚至是和周边临近省份的高级别景区建立营销联盟，在远程客源市场上进行联合营销，提高含平遥古城在内的整体旅游资源对远程市场的吸引力.
第四， 理论上人均消费水平和潜在旅游者的出游倾向正相关，但是本文的面板回归模型显示各省人均消费水平与平遥古城网络关注度不相关.说明随着旅游业的繁荣，目的地之间的竞争愈演愈烈，潜在旅游者被大量的旅游目的地所分散，平遥古城并没有能吸引到足够比例的旅游者，其在激烈的目的地竞争中未能获取到较大的优势，未来平遥古城还需加强营销努力，提高自身竞争力和吸引力，吸引更多游客来访.
