中国旅游经济空间结构演化特征及影响因素分析

肖建雄,何德艳

(贵州财经大学 大数据统计学院，贵州 贵阳 550025)

1 引言

旅游业对中国各省的经济发展有很强的带动性，对已经从高速发展阶段进入高质量发展阶段的中国经济具有重要意义。2019年国内旅游人数相比2010年增长186%，达到601000万人；2019年国内旅游总花费相比2010年增长355%，达到57251亿元。通过对中国各省份旅游价值的量化，探寻各省份间是否存在旅游引力关系，有助于分析我国旅游产业发展基本格局，了解旅游产业发展是否存在不平衡性，为下一步旅游战略的制定提供参考建议。

国外学者针对旅游空间的研究主要针对旅游目的地网络结构[1,2]、旅游企业之间关联网络结构[3]。国内学者针对旅游空间的研究多以部分重点省市为研究对象，运用社会网络分析方法、GIS空间分析方法等进行研究[4～8]；对于中国省域旅游经济空间，王俊等[9,10]采用优化的万有引力模型确定省域旅游经济关联关系并以此构建网络，对网络的结构特征及其效应、网络整体结构及其影响因素进行了分析，发现旅游经济空间马太效应明显、并找到了可能对旅游经济空间结构带来影响的变量；王兆峰等[11]运用DEA方法量化中国省域旅游效率并构建相应的网络，研究其结构演化和影响因素。

综上所述，对中国旅游经济空间网络的研究未涉及网络结构的演化特征，同时，对网络结构影响因素的研究也未对比多年的变化。据此，本文对网络结构的演化特征进行探究，同时运用QAP方法分析、对比历年可能影响网络结构的因素。

2 旅游引力网络的构建

本文中旅游引力网络的构建，以中国内陆各省级行政区(后简称为省份)作为节点，通过修正的万有引力模型计算各省份间的引力数值，建立引力数值矩阵，并转换为引力关系矩阵。

2.1 修正的万有引力模型

本文运用修正的万有引力模型量化省份间的旅游引力，优化后的万有引力模型如下：

(1)

式(1)中，Yij表示i省份对j省份的旅游吸引力数值；Kij表示i省份对j省份的引力系数，其中Ri表示i省份相应年份5A、4A、3A景区数量之和；Pi表示i省份相应年份的旅游人数；Ti表示i省份相应年份的旅游收入；Pi表示i省份相应年份的GDP总额；Dij表示省份i、j之间的距离；gi表示i省份相应年份的人均GDP。

王俊等在构建万有引力模型时[9,10]，仅考虑5A、4A景区数量，本文考虑近年来自媒体及短视频平台的兴起，许多小众旅游景点逐渐受到人们的关注，因此，本文在量化旅游引力时，将各省3A景区数量考虑在内。

2.2 引力关系矩阵转化为旅游引力网络

引力数值矩阵通过式(1)计算得到，将各元素与其行平均值进行比较，转化为旅游引力网络。大于等于其行平均值的赋值为1，表示该行省份对该列省份具有复杂网络意义下的旅游引力；其余赋值为0，表示该行省份对该列省份不具有复杂网络意义下的旅游引力。

2.3 数据来源

本文中各省份GDP数值、人均GDP数值采自于中国统计年鉴，旅游人数、旅游收入、A级景区数量采自于各省相应年份统计年鉴，样本时间跨度均为2011～2018年。

3 旅游引力网络结构演化特征分析

对旅游引力网络结构的分析，能够发现省域间旅游格局的发展及变化趋势，有助于进一步了解中国旅游产业发展现状，发现旅游产业发展中的薄弱环节。

3.1 网络整体结构

本文使用网络密度、平均距离和凝聚力作为整体网络特征的量化指标。

(1)网络密度。网络密度表示网络中旅游引力关系数量与理论上可容纳关系数量的上限之比。网络密度越大，说明各省份间存在的旅游引力关系越多。对于上述所构建的有向无权网络，其公式为：

(2)

式(2)中，D表示网络密度，M表示网络中实际存在的旅游引力关系数量，N表示网络中节点的数量。

(2)平均距离。平均距离指网络中每对节点之间最短路径的平均值。平均距离越小，说明旅游引力网络结构越紧密。

(3)凝聚力。凝聚力体现了每3个节点之间的关联的紧密程度。凝聚力越大，说明存在相对明显的“抱团”现象。

结果如表 1所示。表中数据显示：网络密度总体偏低，自2011年开始，存在小幅上升。互惠性存在一定程度的波动，总体保持稳定。在2012～2014年期间，互惠性数值累计增幅达到9.46%，并于2014年互惠性到达最高峰值。网络的平均距离自2011年开始，总体呈现下降趋势，在2015年其下降幅度最大。凝聚力自2011年开始平稳下降，“抱团”现象有所降低。

表1 历年网络整体结构分析结果

综上所述，我国旅游引力网络密度较低，旅游产业存在巨大发展潜力；网络平均距离下降说明部分之前不存在吸引关系的省份相互之间建立了吸引关系；2014年之后，网络凝聚力明显下降，网络中“小团体”现象逐渐减弱。

3.2 旅游引力网络的社团结构

本文通过块模型对网络中节点进行重排，将其划分为新的“子群体”[12]。块模型的计算利用UCINET软件中CONCOR方法完成[13,14]。设置最大划分深度为2，收敛条件为0.1，最大迭代次数为25，将旅游引力网络划分成4块，得到密度矩阵；其后将密度矩阵与当年网络的密度进行比较，大于网络密度的赋值为1，其余为0，由此转化为成像矩阵。2011年和2018年像矩阵可视化如图 1所示。旅游引力网络社团结构演化分析如下。

图1 2011年、2018年网络像矩阵可视化

(1)2011～2013年，板块呈现以经济发展水平和地域为划分的特点。第一板块为北京、天津、内蒙古，属华北地区高经济水平省份；第二板块为江苏、广东、上海、浙江，属华沿海区高经济水平省份；第三板块以吉林、辽宁等东北地区省份为主；第四板块以江西、湖南等长江沿线及以西南地区省份为主。板块间以第一板块、第二板块为中心，呈现双中心化趋势。

(2)2014～2018年，板块呈现以经济发展水平为主的划分特点，地域影响逐渐减弱。2014～2015年，第一板块成员以江苏、北京、天津、内蒙古等经济发展水平居于前列的省份为主。被划分为第一板块；福建、广东、浙江被划分为第二板块；第三板块、第四板块成员基本保持不变。2016～2018年，第一板块成员变为当年经济发展水平位列前四的北京、天津、江苏、上海；广东、浙江、福建当年经济发展水平位列其后划分为第二板块；内蒙古由于经济发展水平降低，与东北地区省份一起划分为第三板块。板块间以第一板块为中心，呈现以经济发展水平为主导的中心化趋势。

4 旅游引力网络结构影响因素分析

本文使用QAP回归[15]研究中国旅游引力网络结构的影响因素。

4.1 变量选取

本文考虑到各省份对外界的旅游价值与该省份经济发展水平、拥有的旅游资源及抵达该省的出行成本存在一定关联，故选取各省份GDP数值、航空进出港人数、旅客周转量、游客总人数、4A5A景点数量、与其它省份接壤与否作为本文的解释变量。其中除接壤变量为0-1矩阵外，其余变量均采用进行极差标准化处理后的数据计算省份间的差值，构建差值矩阵。

QAP方法中使用的各省份GDP数值、旅客周转量数据采自于中国统计年鉴，接壤数据根据中国地图获取得到，航空进出港人数根据中国民用航空局公布的《民航机场生产统计公报》统计而得，游客总人数、4A5A景点数采自于各省相应年份统计年鉴。

4.2 QAP回归模型构建

本文将中国各省之间的旅游引力关系数据作为因变量，选择GDP、各省每年进出港人数、旅客周转量、接纳的游客总人数、4A5A景点数以及各省之间接壤与否作为解释变量，以此构建QAP回归模型，模型如下：

Y=f(GDP,HAR,TUR,TOU,SCE,BOU)

(3)

4.3 实证分析

根据QAP回归模型，利用UCINET软件进行5000次随机置换，结果如表 2所示，表中数字代表各变量的回归系数。

表2 QAP回归结果

回归结果显示，2011～2018年，省份间是否接壤、航空进出港人数差值两个变量的回归系数均通过了显著性水平为0.01的显著性检验；2011～2016年GDP差值变量回归系数通过了显著性水平为0.05的显著性检验，但2017、2018年该变量的回归系数未通过显著性检验；2011～2015年游客总量变量均通过显著性水平为0.1的显著性检验，但同在2016～2018年里回归系数未通过显著性检验；旅客周转量变量仅在2011、2012、2014年通过显著性检验，4A5A景点变量仅在2011年通过显著性检验。

据2011年的QAP回归分析结果显示，所有变量均通过了显著性检验，说明在2011年这几个变量均对旅游引力网络的建立存在一定影响。其中GDP差值、是否接壤、航空进出港人数差值变量回归系数均为正，说明两省间接壤、GDP差值以及航空进出港人数差值相差越大越能促进省份间旅游关系的形成；旅客周转量差值、游客数量差值两个变量回归系数均为负，说明旅客周转量差值越大、省份间每年游客数量差值越大两省间越不容易建立旅游关系。

在所有影响因素中，航空进出港差值变量对旅游引力网络的影响最大，能较大程度上决定省份间的是否存在吸引关系；自2017年开始，GDP差值变量不再对省份间的吸引关系产生影响。

综上所述，2011～2018年期间对我国旅游引力网络结构存在明显影响的变量逐渐减少，到2018年仅有接壤与否变量、航空进出港人数差值变量对网络结构变化存在影响，二者均属出行成本范畴，说明旅客对出行成本的重视程度越来越高，而对旅游目的地的旅游资源及旅游人气关注度越来越低。

5 总结与建议

5.1 结论

网络整体结构分析结果显示，我国旅游引力密度均较低，且存在一定程度上的抱团情况，说明旅游业具有较大的提升潜力，可增强各“小团体”间旅游的往来。

社团结构分析结果显示，以2014年为时间节点，在2014年之前，旅游引力网络以第一、二板块成员为中心，第一、二板块成员的划分同时受到了地理因素与经济水平双因素影响，但在2014年之后，这种双因素影响逐渐转化成单因素影响， 即板块成员的划分突破了地域限制，仅受到经济水平的影响，这与我国高铁网络基本建成时间相吻合。高铁网络的延伸，使得旅客出行的便利程度有了极大的提高，为更多省份间旅游关系的建立提供了机会。

QAP分析结果显示，省份间接壤与否和航空进出港人数的差异是省份间是否存在关系的重要影响因素，省份间接壤、航空进出港人数差异较大均有利于旅游引力关系的建立，说明旅客对出行成本的重视程度越来越高。

5.2 建议

综合网络结构变化趋势分析结论发现，我国旅游资源存在向高经济发展水平省份倾斜的情况，为促进我国旅游产业进一步发展，消除地区不平衡性，对处于网络边缘位置的省份应提高对旅游产业的重视程度，加强旅游资源的开发与建设，提高自身旅游竞争力。

综合网络结构影响因素分析结论发现，出行成本对省份间是否存在引力关系起到了最重要的影响，省份邻近、航空运输发达均会降低出行的时间成本，有利于旅游引力关系的建立。各省份可以提高与邻近省份陆上交通的运输能力以及提高与其余省份航空交通运输能力，以提升自身旅游竞争力。