长三角地区国家级传统村落的旅游竞争力综合评价及分析研究

2022-05-25凤卓魏军夏莹

常州工学院学报 2022年2期

凤卓，魏军，夏莹

(芜湖职业技术学院，安徽芜湖 241006)

传统村落俗称“古村落”，是指形成较早，拥有丰富的物质形态和非物质形态的文化遗产，具有较高的历史、文化、科学、艺术、经济、社会价值的村落。传统村落镌刻着人类历史文明的烙印，是中华优秀传统文化的传承和延续，代表着特定历史时期物质空间形态与意识形态的完美结合。传统村落是中国千万乡村的重要组成元素，实施“乡村振兴”战略、建设美丽乡村离不开传统村落的全面振兴。

旅游竞争力俨然成为国内旅游研究的热点课题，概言之，一是定性研究：关于旅游目的地竞争力内涵，文献[1—3]提出旅游目的地竞争力的概念，尝试为目的地竞争力的研究提供方法指南；关于构建评价指标体系，文献[4—7]分别以温泉、滑雪、体育、海滨为研究对象，探讨旅游目的地竞争力的提升途径；关于波特钻石理论模型，波特1990年率先提出了钻石理论，该理论的研究成果颇丰，文献[9—11]运用钻石理论模型，分析旅游产业发展中存在的问题，并寻找具体的解决办法来提升旅游产业的竞争力。二是定量研究：有关熵权赋值法，文献[12—14]运用熵权集对旅游竞争力进行综合评价；关于因子分析法，文献[15—17]借助因子分析法，结合旅游目的地竞争力表现形式，得出旅游目的地竞争力的多因素综合评价指标体系；关于层次分析法，文献[18—19]运用层次分析法，从多方面构建旅游目的地竞争力评价指标体系。三是长三角地区旅游竞争力的研究，方法林等[20]以长三角城市为例，运用主客观组合赋权方法进行实证分析，提出了城市旅游综合竞争力评价模型；徐知渊等[21]根据长三角16个城市面板数据，分析各个城市要素竞争力的空间分布和竞争力优劣势；孙黄平等[22]运用熵权集对分析方法，对长三角30座城市2009—2014年的旅游竞争力变化趋势进行了比较分析；侯兵等[23]基于熵值法，从动态演变的视角对长三角地区城市群的文化旅游竞争力进行了测评。

综上所述，当前学界文献具有一定的参考意义，但存在不足：一是定性研究，在选取旅游目的地竞争力评价指标方面，更多聚焦在旅游经济发展的相关指标，很少关注自然环境、旅游发展潜力、旅游贡献率，因而评价指标需要优化调整；二是定量研究，对研究客体多采用熵值法、因子分析、层次分析等单一分析方法，很少使用两种分析方法进行评价；三是对长三角旅游竞争力的研究大多集中于中心城市或城市群，忽视了广大乡村尤其是传统村落旅游竞争力的研究。基于此，本文在原有研究的基础上，基于主成分分析和聚类分析方法，构建旅游竞争力综合评价指标，积极探索长三角国家级传统村落旅游发展存在的问题，为科学有序地推动乡村旅游协调发展提供对策建议。

1 长三角国家级传统村落

1.1 研究区域概括

长三角区域包括上海市、江苏省、浙江省、安徽省，总面积35.8万平方公里，是“我国产业集群最为密集、经济发展最具活力的地区之一”[24]，2018年11月，长三角一体化发展正式升格为国家战略，全面进入到提速的“快进阶段”。本文遴选长三角地区41个城市，根据区域国家级传统村落资源有无、有多少的情况，得出资源绝对数量，并将范围具体到安徽省11个城市、浙江省11个城市、江苏省10个城市、上海市，共33个城市。

1.2 研究对象

自2012 年起，中国住房和城乡建设部、文化部、财政部先后组织全国传统村落普查，分5批把全国具有保护价值的传统村落列入中国传统村落保护名录。截至2019年6月，全国国家级传统村落6 819个，长三角地区共计1 074个[25](其中浙江省636个、安徽省400个、江苏省33个、上海市5个)，占全国15.75%，数量极为可观。

2 研究方法与数据来源

2.1 数据来源

数据来源于长三角33个地市2019年和2020年的统计年鉴，2019年和2020年的《国民经济和社会发展公报》，部分数据经过重新计算、整理。

2.2 研究方法

2.2.1 主成分分析

主成分分析，是研究众多指标因素之间相关程度的数理分析方法，即通过从原始指标变量中分析得出数量较少的主成分来揭示指标体系内部的构成，该方法能基本浓缩原始指标的信息，且得出的主成分相互之间不相关。

2.2.2 聚类分析

聚类分析，是对研究获得的众多样本数据，根据数据自身具备的某种特性，将数据集进行合理分类，使具有相似特性的样本数据归为同一类别，以便开展系统性分析研究的定量分析方法。

2.3 长三角传统村落旅游竞争力评价指标

评价指标如表1所列。

表1 长三角传统村落旅游竞争力评价指标

2.3.1 资源禀赋竞争力(F1)

资源禀赋是旅游产业发展的基础，传统村落资源的丰富程度不仅取决于资源的绝对数量多少和等级高低，还取决于地域人口、面积因素对评价结果的影响，因此在衡量资源禀赋竞争力评价时，不仅要考虑绝对数量量化指标，还应该采用人均和地均两项量化指标。依据市域国家级传统村落绝对数量、人口和面积，计算出各自人均密度和地均密度。其中人均密度公式为X2i=X1i/Pi，式中：X2i为第i市国家级传统村落的人均密度；X1i为第i市国家级传统村落的数量；Pi为第i市的人口总数(万人)。地均密度公式为X3i=X1i/Si，式中：X3i为第i市国家级传统村落的地均密度；X1i为第i市国家级传统村落的数量；Si为第i市的区域面积(平方公里)。

2.3.2 公路交通竞争力(F2)

交通是社会经济的基础要素，也是连接城市、乡村的重要纽带。铁路交通和民用航空不适合交通相对闭塞的传统村落[26]，而公路交通尤其是以短途出行为主的自驾游，成为年轻人出游的主要方式，这对市域公路密度尤其是高速密度提出新要求、新挑战。作为传统村落发展的基础动力，公路交通对生产要素的流动、乡村振兴的实施有着决定性的影响。

2.3.3 社会经济竞争力(F3)

社会经济的发展水平对国家级传统村落竞争力有决定性意义，选用2020年33个城市的国内生产总值(X7)、人均国内生产总值(X8)、人均居民收入(X9)3个指标，进行综合评估。GDP体现各地市经济总体发展水平，一定程度上影响着区域旅游的吸引力，而人均国内生产总值、人均居民收入均反映当地经济的实力。

2.3.4 市场潜力竞争力(F4)

市场需求是促进旅游开发的重要因素，选用33个城市2018年和2019年旅游接待总人次、旅游总收入相关数据进行分析，得出地均旅游接待人次、人均旅游收入、旅游产业竞争率、旅游贡献率4个指标。这些指标是区域旅游发展水平的直观体现，其中：地均旅游接待人次(X10)=市域2019年旅游接待总人次(万人)/区域面积(平方公里)；人均旅游收入(X11)=市域2019年旅游总收入(亿元)/区域人口总数(万人)；旅游产业竞争率(X12)=市域2019年旅游总收入/2019年GDP；旅游贡献率(X13)=市域旅游收入增量(2019年旅游总收入-2018年旅游总收入)/市域GDP增量(2019年GDP-2018年GDP)。

2.3.5 消费水平竞争力(F5)

财政收入占GDP比重(X14)体现当地财政对相关产业的支持能力，农村人均可支配收入(X15)真实反映了当地农村实际消费水平，体现农民的经济收入状况和个人发展能力。

3 结果与分析

3.1 数据标准化及检测

SPSS是一款专业的数据统计软件，能够对信息的采集、处理、分析进行全面评估和预测。本文利用IBM SPSS 22.0软件对实验数据进行整理分析，以判断数据是否适应因子分析。表2的检验结果显示:KMO统计量为0.480,说明变量间相关程度合理,降维效果良好。Bartlett’s球形检验的近似卡方值为490.760，在120个自由度的条件下其显著性概率P值为0.000，应该拒绝原假设，表明本研究所有变量存在显著的相关性，适合开展因子分析。

表2 KMO和Bartlett’s 的检验结果

3.2 主成分分析

对获得数据进行分析，选取特征值>1或者接近1的特征值因子，经过旋转后前5个因子的特征值分别达到3.870、3.322、2.885、1.330、1.130，而且方差累计贡献值之和达到78.370%，进一步证明前5个因子真实有效地反映整体数据的绝大部分信息，详见表3。

表3 主成分因子指标特征值及方差贡献率

由于初始矩阵中各指标变量相对平均，不能很好地解释这5个主成分的意义，同时使初始矩阵结构简单化，因此对初始因子进行方差最大化正交旋转，得到旋转后的因子载荷矩阵，见表4。

表4 旋转后的因子载荷结果

计算主成分F1～F5的方差贡献率占主成分方差累计贡献率之比的比重，权重分别为：

F1=0.308 6，F2=0.264 9，F3=0.230 1，F4=0.106 1，F5=0.090 2。

将各主成分得分与相应的权重相乘再求和，得到综合评价值F。计算公式为：

F=0.308 6F1+0.264 9F2+0.230 1F3+0.106 1F4+0.090 2F5

(1)

式中：F为综合评价值；F1为主成分因子1；F2为主成分因子2；F3为主成分因子3；F4为主成分因子4；F5为主成分因子5。

将长三角33个城市在5项公因子上的得分以及综合指数进行分析汇总，得出长三角国家级传统村落旅游竞争力评价指数及主成分得分，如表5。

表5 长三角国家级传统村落旅游竞争力评价指数及主成分得分

由表5可见，33个城市中有18个城市的综合得分F值>0，其中得分最高的黄山市的F值为0.980 68，第二位上海市的F值为0.728 27，第三位舟山市的F值为0.701 24。从省域来分析F值>0的18个城市，浙江省有10个城市入选，占比为55.56%，竞争力最强；江苏省有5个城市入选，占比为27.78%，竞争力次之；安徽省只有2个城市入选，占比为11.11%，竞争力最弱。

从各主成分来看：从资源禀赋竞争力F1来看，黄山、丽水、金华位居三甲，其中分值最高的黄山(4.181 08)与第二位丽水(2.883 08)差距较大。在长三角城市群中，浙西南、皖南的国家级传统村落数量最多，自然禀赋最佳。从公路交通竞争力F2来看，上海、苏州、嘉兴排名前三。皖南、浙西南由于地理位置、自然环境的限制，交通便捷性最差。上海及周边城市的国家级传统村落的数量较少，但公路交通尤其是高速条件极佳，在交通便捷性上处于优势地位。从社会经济竞争力F3分析，上海、舟山、湖州排名前三。上海是中国经济最发达的城市之一，虽然国家级传统村落的资源贫瘠，但是GDP、人均GDP、人均收入都是遥遥领先的。浙江在长三角地区不仅资源数量最多、分布平均，而且乡村旅游经济的发展也极具竞争力。从旅游市场竞争力F4来看，上海、常州、杭州、宁波名列前茅。以上海为长三角2小时交通圈来看，苏南、浙北地缘经济优势明显，方便分享上海旅游市场的“溢出”红利，而这些城市的旅游产业竞争率、旅游贡献率较低，则意味着旅游市场的开发潜力较大。从消费水平竞争力F5分析，宣城、嘉兴、常州名列三甲。宣城虽是皖南小城，但财政收入占GDP比重为16.31%，农村人均可支配收入占比高达60.84%。

3.3 长三角国家级传统村落旅游竞争力系统聚类分析

根据组间的树状图，按取阈值为20，将33个城市划分为5类，分别为最佳、佳、较佳、弱、最弱，结果见表6。

表6 长三角33市国家级传统村落旅游竞争力水平分类

根据表5的数据，基于IBM SPSS 22.0软件，对长三角国家级传统村落进行系统聚类分析，结果见图1。

图1 长三角国家级传统村落的旅游竞争力系统聚类分析

4 结论与建议

4.1 结论

本研究运用主成分分析和聚类分析方法，从资源禀赋、公路交通、社会经济、旅游市场、消费水平5个竞争力方面选取16个指标，对长三角城市群中33个城市国家级传统村落的旅游竞争力进行分析，得出以下主要结论。

4.1.1 因子分析

从市域来看长三角国家级传统村落旅游竞争力，在遴选出的33个城市中，黄山、上海、舟山、丽水、嘉兴、杭州、常州、苏州、宁波、湖州10个城市的排名位居前列。

4.1.2 聚类分析

将33个城市按照经过聚类分析得分标准化的16个指标数据进行系统聚类分析，划分为最佳、佳、较佳、弱、最弱5个类型。其中，上海、黄山、舟山、丽水为“最佳”；宣城、宁波、杭州、绍兴、湖州、嘉兴、台州、金华、无锡、苏州、南京、常州为“佳”；池州、马鞍山、芜湖、合肥、衢州、温州、扬州、南通、泰州、镇江为“较佳”；铜陵、安庆、盐城、淮安为“弱”；滁州、淮南、六安为“较弱”。

4.1.3 长三角国家级传统村落旅游资源分布极不均衡

安徽南部和浙江西南部呈富集区状态，旅游产业是当地经济发展的支柱行业。资源富集区大多分布于山地、丘陵地带，虽然人文资源丰厚、自然生态原始，但是交通条件不佳，制约了纵深发展。上海市、江苏省的国家级传统村落旅游资源禀赋不佳，但是上海是长三角地区的绝对核心城市，苏南居上海最近，方便分享上海的旅游经济，而皖南和浙西南距离上海最远，区位处于劣势，难以从特大都市圈效益中获利。