全球旅游网络格局及其影响因素研究

王琪延，高 旺，韦佳佳，杨 彩

（1.中国人民大学休闲经济研究中心，北京 100872；2.河北经贸大学金融学院，河北石家庄 050062；3.北京工商大学数学与统计学院，北京 100048；4.湖南大学工商管理学院，湖南长沙 410083）

引言

习近平总书记在党的十九届五中全会上提出要深刻理解“新发展格局”的基本内涵，适应世界百年未有之大变局加速变化。旅游业作为世界经济格局中的重要组成部分备受关注。许多证据表明，一国/地区的旅游业与经济、政治、文化等因素存在强相关关系，但这些结论通常是从单个对象的视角展开的，忽视了多个主体间复杂的旅游联系。旅游不仅是有钱有闲的个性化行为，更是国家关系的“润滑剂”和“晴雨表”。一方面，全方位、多层次的国际合作，促使不同区域、民族和历史背景的旅游活动日益渗透、交融；另一方面，国际关系的阶段性变化（如文化冲突、地缘危机、贸易摩擦等），致使全球旅游业受到尤为明显的冲击。显然，若低估这些关系，必然失去对旅游业的全面把控，不利于打造高质量发展格局。因此，十分有必要探索全球旅游网络格局的结构特征、变动趋势及其影响因素，这不仅为认识全球旅游一体化进程提供数据支撑，也为各经济体促进旅游产业地位提升提供重要依据。

1文献综述

世界各国为推动旅游业高质量发展，不断加强旅游资源的整合与优化，深刻改变了全球旅游供需状况和市场结构。加强旅游资源的整合和优化，需要深入了解当前全球旅游供需状况和市场结构。有研究表明，一国/地区的旅游市场与其他国家存在千丝万缕的关系。例如，客源国的经济波动会对目的地产生溢出效应；出境旅游可作为中间桥梁影响与其他国家间的贸易；跨国旅游需求与国际经济大周期呈现协同变化。这些研究都说明世界各国之间有着密切的、复杂的旅游贸易关系。依据资源依赖理论和新古典贸易理论可知，这些关系最终演变成复杂的网络拓扑结构。明晰全球旅游网络结构，有助于制定全局战略，以确保旅游经济长期健康稳定发展。

关于旅游关系的研究主要沿着3 个脉络展开。一些文献从经济地理学视角出发，根据一国或地区的基本属性（如GDP、人口等），研究客源地和目的地间旅游关系。较早的方法有Reilly-Converse模型、贸易引力模型和市场潜能模型等。这些模型已具备良好的理论基础，可视其为具有差异化产品的一般贸易模型的部分均衡子系统的简化形式。近年来，一些新的研究方法也被用来探索旅游目的地对周边区域的吸引力，如哈夫概率模型、场强模型和空间统计等。此外，计算机和卫星技术的发展也使得地理信息获取方式更加广泛、数据更加精确。这些研究表明，一国的经济状况、基础设施等因素是旅游规模的决定性因素，不同的旅游市场间存在明显的层级结构、空间特性和区域差异。但以上这些研究仅关注了以一国或地区为主体的、单向的旅游关系，潜在的复杂信息没有被充分识别和利用。

另外一些学者从网络理论出发，借助流数据（客流、物流、信息流等）分析了各个旅游主体间的关系特征。其中一部分研究着眼于分析旅游目的地的多个利益相关者（酒店、旅行社、餐厅和酒吧、交通组织等）之间事实密度和聚集性等关系，尤其是挖掘核心主体；还有一些研究基于网络链接和社交网站来获得资料，如在线旅游导航或带有地理标记的短信息，旨在通过互联网数据流反映现实世界的旅游关系，揭示旅行动态演化或异质性特征；此外，旅游各方之间的行为互动关系，如知识转移、社区结构、组织协调性等，也是热门研究对象。不难发现，上述关系分析比传统方法更具优势，但目前的研究主要集中在微观尺度，对全球宏观视野则缺乏关注。

还有研究从非常规因素层面讨论旅游关系。一些结论表明，气候、文化和政治等因素，会对跨国旅游互补/替代关系产生某种影响。在这类关系中，每个国家都可能从邻国获益，也可能遭受冲击。例如，不同目的地间的文化异质性会带来差异化的旅游吸引力，或者目的地的暴力恐怖犯罪、传染病和自然灾害会对邻国的旅游需求产生负面冲击。然而，关于这些因素的研究仅仅从社会学、心理学等方面进行了定性阐述，缺乏定量判别。因此，本文接下来以量化的方法给出确定性结论，以突破当前局限。

如何量化全球旅游网络格局是本文的核心问题。幸运的是，过去的十余年中，在收入和人口不断增长、国际贸易不断开放以及互联网高速发展的推动下，每年有数以亿计的游客进行跨国商务和休闲旅行，形成一个几乎涵盖全世界的巨大旅客流网络。复杂网络理论恰好可以用来描述这种旅游关系，该理论已被用于探索金融网络、社交网络、能源与生态网络、国际贸易网络等方面的复杂特征。已有一些学者初步探索了诸如社区划分、中心性角色等旅游网络拓扑特征，得出了一些有价值的结论，例如，北美和西欧在入境旅游网络中扮演着核心角色，而一些亚洲和拉丁美洲国家却在许多旅游路径中边缘化，这说明，各国在旅游网络中到访和提供旅游资源的能力存在差异，每个节点都拥有不同的旅游地位和模式。更重要的是，旅游网络并不固定，会随着经济增长发生动态变化，也会受到不利因素冲击，发生连接中断或结构转变。因此，在已有研究的启发下，本文借鉴复杂网络理论的思想，对旅游业跨国依存关系进行建模，从而捕捉全球旅游流的动态变化和网络结构特征，并在此基础上进一步分析相关驱动因素，完整地反映旅游网络格局的影响机制。

基于上述考虑，本文主要在3个方面开展创新性尝试。首先，利用全球213个国家/地区旅游流量构建全球旅游网络，并通过全局网络指标（同配性、互惠性等）深入探讨其动态变化和结构特征。其次，根据Freeman 等的研究，计算一系列网络参数，用以表示4 种旅游网络格局测度，包括影响力（加权出度和入度）、中心地位（介数中心性和调和紧密中心性）、大国关系（超连接搜索算法的权威值和枢纽值）以及集聚性（加权聚类系数）。最后，基于动态面板分位数模型，定量判别全球旅游网络格局的影响因素。

2 模型设计

2.1 复杂网络模型

2.1.1 全球旅游网络模型设定

复杂网络（）常用于“多对多”的关系建模，它由节点以及节点之间的边组成：

式（1）中，=(,,,…,v)，是节点数；=(,,,…,e)，是边数。本文将一国/地区视作节点，不同国家间的出入境旅游关系视作边，游客人次定义为边的权重。由此得到加权定向网络，称为全球旅游网络，并进一步计算网络拓扑结构指标，以反映国家在分析网络中的作用和角色（图1）。

图1 复杂网络结构示意图Fig.1 Schematic of the selected complex network structure indicators

2.1.2 全球旅游网络的结构测度

（1）加权入度（weighted in-degree,WID）与加权出度（weighted out-degree,WOD）

度是指与一个节点相连的边的数量，节点的度是其连接的所有边的旅游流量的加权值。加权定向网络可用有向加权相邻矩阵完全表示，矩阵中的元素用表示。加权度又可以分为加权入度和加权出度，入（出）度为到访（离开）当前节点的旅游流量，其定义如下：

（2）介数中心性（betweenness centrality，BTC）

介数中心性衡量了各国/地区作为中介方的作用。如果一个国家在旅游网络路径中多次作为其他国家间的旅游桥梁，则该国家的介数中心性就很高。计算如下：

式（4）中，g是从国家到的最短路径数，g()是通过节点的节点和之间的最短路径数。

（3）调和紧密中心性（harmonic closeness centrality，HCC）

调和紧密中心性反映了网络中某一节点与其他节点之间的接近程度，距离其他节点越近，那么它的紧密中心性越大。该指标探索了从任何一国到另一国的最短旅游路径的平均长度，即检验一个节点不依赖其他节点的情况下，传输游客流量的难易程度，如下：

（4）超连接搜索（hyperlink induced topic search,HITS）

HITS算法返回节点的两种特征值：枢纽值（hub scores，HUB）和权威值（authority scores，AUTH），来衡量一个节点与其他重要节点的关联程度。枢纽值（权威值）指的是该节点导出（导入）连接指向权威值之和，二者是递归定义的，用来筛选出排名靠前的特征值。一国通常有许多旅游贸易伙伴，判断该国的旅游实力，既要考虑重要伙伴的数量，也要考虑伙伴的重要程度。其计算过程如下。

第一步，通过旅游流量，根据边的权重检索出前个重要的节点，这个集合称为根集。

第二步，在根集的基础上扩充集合，凡是与根集内直接连接关系的节点（包括指向或被指向，即入境或出境）都将被扩充到新集合里面。

（5）聚类系数（clustering coefficient,CSC）

对于加权图，Barthelemy 等引入了节点的加权聚类系数的概念，它表示网络中多个节点之间的聚合程度。若节点与其他节点间相互连通，则的聚类系数（取平均值）如下所示：

其中，如果,,互为三角关系，那么aaa=1；否则，aaa=0。

2.2 动态面板模型与数据

为了揭示全球旅游网络格局形成的影响因素，本文以一国/地区的复杂网络结构指标为被解释变量，建立了动态面板分位数模型，设定如下：

式（8）中，()指的是分位数，μ为个体效应，ε为随机误差项。此外，由于国际旅游需求通常存在惯性，有必要在模型中加入被解释变量的滞后一次项Y。部分样本数据存在缺失情况，经过清洗和筛选，最终计量模型所输入的数据涵盖2006—2018年（共13期）177个国家/地区，占旅游总人次的98.9%以上，具有强代表性。变量说明与描述分别见表1和表2。上述样本是短面板（177＞13）数据，通常采用系统广义矩方法（system generalized method of moment,SYS-GMM）来估计是合适的，但其难以刻画数据的异质性。为克服这一弊端，本文引入Chernozhukov 和Hansen以及Galvao所扩展的动态面板分位数回归模型，并采用工具变量法进行拟合。该模型不仅能够很好解析不同分位点上的非正态异质关系，也有助于解决内生性问题，使估计参数更稳健。根据初步的数据分析可知，不同收入水平的国家在旅游网络分布中存在差异，这在普通回归模型中难以表征；同时，鉴于自身脆弱性特征，旅游易受异常事件（如地缘风波和自然灾害）的冲击影响，这种异常值恰好可以被分位数特性所处理。因此，拟合不同分位数下的面板回归模型，对本文所研究的问题具有较强针对性。作为稳健性检验，同样给出了SYS-GMM 方法和混合效应回归（pooled ordinary least squares，POLS）的结果。

表1 变量说明和数据来源Tab.1 Variable and data sources

表2 描述统计Tab.2 Descriptive statistics

3 实证分析与讨论

3.1 全球旅游网络格局的结构特征

本文逐年计算了全球旅游网络的拓扑结构指标。如图2a 所示，2000—2018 年，全球各国间建立的旅游连接数逐年递增，最终几乎所有国家或地区都被纳入，这与世界贸易周期相吻合。2000年仅约有6 000个连接，2015年超过14 000，但在2017年之后有减少的迹象。全局聚类系数曲线的形状与连接数相似，同样呈波动增长趋势，均值约为0.6。这意味着全球旅游网络中的经济体之间并不是孤立的，而是已经建立了愈发紧密的联系，旅游要素流动效率加快，呈现出小世界的特征。图2b中互惠性指标表现出增长趋势，2006年之后达到约0.48后变得平稳。较高的互惠性水平表明，两国间的旅游行为呈现出双边贸易特征，既有出境又有入境，而不是单边市场，证实了旅游全球化的观点。不过，受2001年“9·11”事件和2017年贸易保护主义抬头的影响，各网络指标都出现不同程度下降。以上结果说明，网络结构会受到多种因素的影响。

根据网络同配性指标（即一个节点是否在某种程度上依附于其他相似的节点）来看，全球旅游网络是异配的（系数约为-0.44，如图2b），也就是说，低（高）水平国家倾向于与高（低）水平国家建立旅游关系。图中还显示，2008年国际金融危机导致发达国家和发展中国家之间的国际旅游客流更加活跃，说明经济状况是旅游网络格局的影响因素。进一步地，本文还对加权入（出）度进行了排名，发现不到20%（前40 名）的国家就已经占据了入境（出境）旅游总量的近90%（为方便展示，图2c 和图2d 中仅列出了2000年、2008年和2018年的情况，其他年份结果类似），而其他大部分国家占比较少，与网络中心较远。这意味着，全球旅游流量存在显著不均匀性，网络格局呈现无标度分布特征，后续分析中需要考虑到这种异质性。

图2 全球旅游网络拓扑结构Fig.2 Global tourism network topology

全局拓扑结构从整体上展示了全球旅游网络的骨架，但判明网络格局的影响因素，还需要进一步提升分析的细粒度。根据表3 中指标排序结果可知，高收入水平国家的、、、和的均值显著靠前，中等收入国家的处于前列，的情况则相反。首先，从旅游网络影响力（、）来看，北美、西欧等高收入国家在国际旅游市场中处于支配地位，低收入国家则明显落后。其次，对于旅游网络中心地位（、），排名靠前的同样大多是高收入国家。这些国家地理位置优越，出行方便，中间性容量最高，可以在不依赖其他国家的情况下传输旅游客流，因而在网络中具有不可替代的桥梁和指示地位。再次，关于与大国间的旅游关系，高收入国家的排名靠前，说明它们与其他大国建立了旅游输出联系，这对旅游流量的获取和控制具有重要意义。但的情况有所不同，中等收入国家在贸易和经济高速发展阶段，特别是旅游资源丰富的经济体（如金砖国家），往往希望借助旅游业来服务于本地经济，一般会通过完善基础设施、改进经济和金融体制、积极扩大对外开放、促进政治环境稳定等手段，吸引更多的发达地区（高值）的游客入境（如商务类旅客）。最后，在旅游网络集聚性方面，的分布与上述指标有很大不同，前30 名中的绝大多数是中亚、拉丁美洲和非洲的低收入经济体。经济劣势使得大多数落后国家的旅游业处于弱势地位，经常性的区域经济危机和政治动荡，也增加了高度的不确定性，因此，它们注定在旅游网络中被边缘化。对于那些陷入困境的国家来说，共同协作是最好的选择，故而在网络空间上呈现出高聚集状态。这种现象通常在危机暴露后更为突出，因为发达国家可能会对战乱国家实行经济封锁和限制入境。综上所述，不同层次的网络指标是值得区分的，接下来依次对高中低收入3个分位数水平进行探究。

表3 旅游网络指标排序（前30名）Tab.3 Ranking of toursim network indicators(Top 30)

续表

3.2 全球旅游网络格局的影响因素

表4 面板单位根检验与协整检验Tab.4 Results of panel unit root test and panel cointegration test

在参数估计之前，需要进行预检验。首先，使用Levin-Lin-Chu（LLC）、Harris-Tzavalis（HT）、Breitung方法进行面板单位根检验。结果显示，大部分原序列通过了LLC 平稳检验，且一阶差分序列全部平稳，符合一阶单整条件。接着采用Kao 面板检验方法，发现所有复杂网络指标与其影响因素间存在显著的长期协整关系。检验通过后，进行了动态面板分位数拟合，同时也给出SYS-GMM 方法和POLS模型估计。结果表明，动态面板分位数与GMM 及POLS 的估计结果整体上一致，故本文模型设定具有较高的稳健性。

3.2.1 影响因素分析

根据表5 结果来看，绝大多数系数都通过了显著性检验，参数估计也较为稳健（表6）。POLS的均在70%左右，说明影响因素拟合优度良好，能够充分解释网络指标的变化。由此可知，动态面板分位数模型是适合本文问题的。主要分析结果如下。

表5 动态面板分位数拟合结果Tab.5 Estimation results of dynamic panel models

续表

表6 GMM和POLS稳健性检验Tab.6 GMM and POLS robustness tests

第一，和人口等趋势因子，是全球旅游网络格局形成的积极因素。（1）和人口变量对高、中、低分位数的网络影响力（加权出度和加权入度）都具备显著的正向影响。一般来说，收入是国际游客的第一要素，人口是旅游发展的基础变量，二者都直接作用于网络中边的权重。因此，一国/地区的和人口的增长会带来出入境旅游人次和网络连接的增加，缩短与其他国家的旅游距离。这些结果与其他研究发现有相似之处。但是，低水平（0.1 分位数）的影响系数要大于中高水平（0.5和0.9分位数），人口则没有那么明显，这说明收入是旅游网络影响力的首要制约因素，人口次之。（2）和人口可以大大地增强经济体的旅游网络中心地位（和），特别是对高收入国家就更明显，低收入国家相对较弱。这说明，经济和人口增长会促进一国成为重要的旅游网络媒介，旅游信息流和客流越多，路径控制和被依赖性也越强，从而建立最优旅游路径的稳定性就越高。而低收入国家对旅游业投入少，很难成为旅游路径的核心网络节点。（3）从和结果看，收入和人口增长会促使游客到访大国，游客流变得频繁，国际旅游关系就更加紧密，中高水平（0.5 和0.9 分位数）经济体尤为显著。这表明，收入改善倾向会激发游客对更高休闲水平的需求。遗憾的是，低水平经济体没有表现出显著性，这说明大国间旅游关系可能存在一个收入阈值。（4）和人口对旅游网络聚集的影响也存在正向效应，但收入在不同分位数水平上存在差异。其中，对于低收入水平（0.9 分位数）和高收入水平（0.1 分位数）经济体来说，收入增加会显著增强一国与其邻国的旅游联系，形成旅游集聚格局。而中等收入水平国家间的旅游业通常互为竞争对手，难以优势互补，所以并没有表现

出统计显著性。总之，收入和人口因素对全球旅游网络格局的形成起着至关重要的作用。

第二，物价水平、原油价格等波动因子，对旅游网络格局整体上表现出消极影响。物价水平用来反映游客在目的地的消费状况，油价则用来代表跨国旅游的出行成本。从结果可知，（1）对产生显著的负面影响，而对基本没有统计学意义。物价水平是影响国际游客目的地选择的重要因素，而且它对中低水平的国家的影响大于高水平国家。因此，全球旅游网络因价格不同而具有分散性。（2）对于和，和在不同水平分位数上表现出全面的负向效应，特别是对低水平经济体的影响要更大更显著。这表明升高会抑制网络最优路径构建，削弱一国的网络中心地位。（3）从大国关系来看，和基本没有对产生显著影响，可见，大国游客流输出对物价波动的刚性较强。而的结果则不同，中高收入经济体的会因物价上升，导致来自大国的游客数量减少。（4）对旅游聚集格局的影响，仅在中等水平国家表现出负向效应。这可能是因为发达国家间以及落后国家间的物价变动趋势较为类似，使得周边国家的旅客对价格的变化不敏感。而中等水平国家的发展情况各异，价格差异较大，且变化不均匀，有独立的价格行情，从而降低了聚类程度。从上述分析不难得知，良好价格环境是旅游网络格局维持正常运转的基本条件。

第三，关于准入制度和政策因子对旅游网络格局的影响，有3 个方面的探讨：一是，贸易开放水平反映了货物和服务跨国流动的难易程度；二是，互联网开放度是国际旅游不可忽视的新型要素，信息流的传播路径与全球旅游网络高度重合；三是，出于历史原因，各国对人员的准入准出政策都有所限制，签证政策的作用不可忽视。从模型结果来看，（1）对一国的旅游网络影响力、中心地位、大国关系都表现出积极影响，尤其是中等水平最为显著，这表明贸易开放可以增加游客流，对商务和贸易需求的游客优惠利度较大。然而，对聚集格局的影响却为负，说明贸易开放会促使一国与原来较远旅游距离的网络节点变得更加密切，反而减弱了与周边国家抱团发展的动力。（2）对网络格局指标整体上表现出正向影响，其中，对中低水平的经济体作用显著，而对发达国家不明显。这说明，在线信息能够改善跨国旅行体验，缩短旅游网络距离，增加与发达旅游市场的连接强度，同时也促进了集聚化趋势。（3）一国往往会通过放宽签证政策，来吸引更多高收入游客入境，进而带动本地经济，因此与其他大国间的联系变得紧密。显然，扩大对外开放可以显著提升一国在旅游网络中的核心地位。

第四，除了以上常规要素外，本文还加入了突发的、随机的非常规因子，包括地缘风险和自然灾害。结果显示，二者的估计系数整体上具有统计学意义，但不同分位数下的情况较为复杂。（1）对于网络影响力，自然灾害对有明显的消极效应，尤其对中低水平组的影响要远大于高水平组；对于，自然灾害爆发会增加发达国家出境避险意愿，并建立更多的旅游联系，而中低收入组一般无处可去，系数也因而不显著。地缘因素也有相似的结论，地缘稳定性提高有利于地区间建立入境关系，这对高中低分位数情况都适用，同时也会减少中高收入组的出境联系，反之，地缘风险变大会增加出境客流。（2）对于，若一国自然灾害爆发，与之相联系的不同经济体会有不同的反应，对于那些长期将该国/地区作为桥梁的经济体，突然选择其他国家作为新的中介并不容易，因为改变的成本可能无法承受，而很多（并不以该国为中介国的）经济体可能很轻易地与该国中断联系。因此，这种旅游业的粘性特征反而使该国的中介能力增加了。此外，游客通常对地缘风险十分敏感，一国/地区政治和社会的稳定是游客来访的必要条件，自然有利于该国的介数中心性。（3）对于，自然灾害会导致一国/地区入境和出境的旅游流量同时减少，很多经济体甚至直接或间接切断与该国的旅游联系，网络距离因而增大；地缘风险扩散会使来这个国家旅游人数减少，出境旅游的人数增加，综合来看，适当的地缘风险反而缩短了与其他国家的距离。（4）大国间的旅游关系对非常规因素也存在强烈响应，特别是在风险爆发后，很多不重要的国家会与该大国中断联系，而重要伙伴依然会维持原有的旅游联系。商务或投资类游客在危机下也更愿意去稳定国家寻找机会，因此大国旅游服务的需求必然会上升，和也由此提高。（5）对于，自然灾害爆发之后，出入境游客在一定程度上受到消极影响，全球网络密度会随之出现下降。这表明，危机使旅游政策在邻国间趋于保守，旅游网络不再活跃。

3.2.2 相关机制讨论

前面证实了4 类影响因素（趋势因子、波动因子、准入因子和非常规因子）对全球旅游网络格局的作用，并且还特别强调了不同国家水平的异质性。这意味着，随着世界各国经济、政治、文化纵深拓展和竞争加剧，全球旅游体系正在由“一对一”模式向网络模式转变。多种效应相互交织和叠加，构成了当前复杂的全球旅游网络格局。

首先，经济发展和人口增长都有助于旅游网络节点和边的健壮性，即存在典型的规模效应，从有向图视角来看，出境游表现为溢出效应，入境游则是虹吸效应。从不同分位数的统计检验差异便可窥见一斑，相比于高收入经济体旅游业逐渐饱和状态，增长和人力资本积累更有利于低收入经济体，这与日益增长的跨国旅行需求相匹配。因此，一国综合规模上去了，旅游网络影响力会显著增大。这一点可以从Hymer的垄断优势理论和Dunning的区位优势决定论得到解释，经济发展会增强一国的旅游资源控制能力，旅游要素供给和客流越多，旅游网络连接稳定性就越高。例如，发达经济体通常人口众多，幅员辽阔，自然资源丰富，贸易和商业活动频繁，社会治安环境良好，可支配收入和休闲时间较多，因而它们更容易成为旅游网络中最主要的客源地、目的地或连接媒介，凭借强大的中心地位和高度关联性，旅游影响力能够迅速辐射并扩散到其他网络节点；而落后经济体的旅游业投入很少，总量功能缺失，难以形成旅游网络影响力。进一步，根据中心地理论，经济的规模效应会促使一国/地区建立直接的旅游贸易联系，而不再需要经过其他国家/地区，这样就缩短了与其他节点的距离，建立旅游联系会更加方便，紧密中心性由此提高，旅游连接的直接性得以体现。人口总量增长也会催生国际旅行需求边际，辐射周边节点。例如，由于地理上或习俗上存在相似性（比如西欧或者非洲），人口的跨国流动遵循就近原则，因而会出现地区集聚现象，这符合社会分层理论以及多区域人口迁移模型结论。此外，规模效应也会增强与大国间旅游联系，间接解释了旅游网络异配性。总之，内生增长动能是推动国家/地区间的旅游关系建立和扩张的关键因素。

其次，价格和成本上升的消极作用很强，容易造成旅游网络结构稀疏和涣散，产生负面的冲击效应。购物消费占旅游总支出的比重最大，有时甚至是第一目的。虽然不同国家采用的价格策略不尽相同，富裕国家（核心节点）一般采用高成本、高价格、高质量的旅游模式，而不富裕的国家（边际节点，比如东南亚的一些国家）通常以低物价作为主要的营销特点，但二者都会面临因价格波动而遭受竞争力下降的局面，所以网络紧密性与价格因素互为掣肘。一方面，旅游业的脆弱性会在量化宽松或通货膨胀期间体现出来，商品和服务变得更加昂贵，进而削弱消费者购买力，挤压旅游这样的奢侈品消费，这对出境游和入境游同时造成打击，延长了旅游网络路径。另一方面，成本上升会使一国/地区的财政状况恶化，减少对旅游业资金投入，制约旅游要素的网络流动。此外，对供给侧和需求侧的冲击都会减少一国的中介作用，增加与其他国家的网络距离。一个典型的例子就是原油，作为世界最重要的大宗商品，原油对远距离旅游有着不可替代的作用，且路费成本在整个旅行过程中占比较高，是影响游客决策的重要考量。很多人因油价波动带来的成本增加问题而取消行程，特别是对于中低收入人群尤为明显。在大多数情况下，高收入国家对国际旅游的需求相当旺盛，并可以通过金融对冲和专项保险等方式有效应对油价波动风险。因此，高收入国家的旅游价格弹性相对较小，不容易出现旅游网络连接脱钩现象。而中低水平国家的应对策略和手段就相对贫瘠，对价格的波动就更加敏感，价格上涨必然降低其网络密度，冲击大国关系，替代效应强。因此，价格波动对全球网络格局主要表现出负反馈作用，内生价格调节机制失灵的情况下，政府管制价格似乎更能促进网络结构的平衡与稳定。

再次，旅游网络格局也依赖于流资源（客流、物流、信息流）的准入程度。制度放宽和技术革新可以大幅促进新路径的形成，提升网络可达性，利于网络节点协调发展，即存在所谓的政策效应和技术效应。根据国际贸易理论，若准入出现拥挤外部性（即一国无法再从贸易伙伴获得足够流资源），加之旅游共时化特性，国际旅游市场供需就会失去均衡，那么出入境旅游就会立刻萎缩。反之，壁垒越少，要素流动就越容易，最短路径就越多，旅游市场规模就会随之扩大。一些网络核心强国在这方面做了很好的示范，凭借强大的市场力量，它们可以选择更加友好的准入政策来刺激旅游，决定旅游资源的供给和流转效率。因此，这些国家在网络中具有较高的等级优势，可以重塑网络生态，促成更多游客流资源与之互联；中等水平经济体努力寻求更大的多边贸易，同样提升了国际旅游影响力和中心地位。实践证明，中国对外开放政策迅速扩张了其旅游网络版图，特别是与大国间的旅游关系变得更为牢靠。除了实体制度的准入因子外，技术带来的信息流准入也大幅优化了旅游网络。互联网的兴起孕育了在线旅游等新模式，文化、住宿、交通信息实现极速传输和广播，丰富了旅游营销渠道，降低了旅游业供给侧的运营成本。同时，几乎所有的国际游客都会通过网络搜索来制定旅游计划，服务更智能、出游更便捷。这一结果是容易预见的，一国/地区信息流越开放，就越能带来可观的人员流动。总之，政策效应和技术效应能以更低的成本去访问旅游网络，虽然存在一定程度的转换沉没成本和锁定效应，但长远来看，效率释放会使旅游网络进一步延展和深化。

最后，突发的、随机的非常规因素对全球旅游网络格局存在结构效应。这些不利因素会对周边节点产生溢出，破坏局部网络稳定性，导致拓扑结构发生改变。这种现象的一个可能的解释是，游客的安全感知敏感度较高，绝大部分游客出于对安全的担忧，都会放弃去风险较高的国家，转而选择去其他地方旅行。因此，灾害或危机最终会导致国际旅游网络联系的中断。一般来说，发达国家应急预案和处理水平相对较高，能够维持基本的旅游连接不被中止，特别是与该国建立旅游联系的重要国家，因政策稳定，旅游联系不会轻易改变。低收入国家在危机期间，受信贷紧缩、预算减少和悲观预期影响，游客不得不面对资产价值下降和收入损失的问题，之后便倾向于削减或推迟在旅游和休闲产品等非必需品上的支出，最终导致与旅游网络部分脱节。不过，危机也有利于局部网络的聚集，促使周边国家的旅游业联合起来抵御下行，并加强与最亲近国家的旅游联系，局部网络也就更加融合。因此，一国/地区的政治和社会稳定性提升是维持旅游网络正常的必要条件。值得警惕的是，虽然大部分非常规因素影响范围有限，周期也较短，但危机的预测和防范仍是世界级难题，现有的理论难以给出规范化的结论。一些负面因素的影响有可能在网络中持续扩散，最终升级为对整个宏观旅游网络的冲击，新冠肺炎疫情就是此类代表。

4 结论与建议

随着世界经济政治格局深刻变化，全球旅游业也随之改变。本文突破传统理论框架，耦合复杂网络理论和计量经济学前沿方法，研究了全球旅游网络格局及其影响因素，得到了以下结论。

（1）全球旅游网络中，连接数量和密度在迅速增加，互惠依存度上升，而平均路径长度在减少。因此，网络呈现出显著的小世界现象；排名靠前的高收入国家几乎占据了全球绝大部分网络旅游流量，其分布以幂律衰减，呈现出同无标度特性；发展中国家更倾向于与发达国家建立旅游联系，所以不同水平的国家存在异配性。（2）动态面板模型结果表明，收入和人口的增加以及签证、贸易和互联网的开放，可以提高一国旅游节点强度和中心地位；高企的价格通常会削弱一国旅游网络影响力，致使网络距离增大、密度降低；地缘稳定性提高会显著增强一国/地区网络影响力和中心作用，并改善与重要国家间的旅游关系；自然灾害影响机制较为复杂，会导致不重要的旅游联系中断，减少入境旅游和出境旅游影响力，但也可能提高介数中心性，同时使局部网络更加集聚。（3）分位数模型的特性表明，不同收入水平的国家存在异质性。各要素对中低收入国家的旅游网络距离和抱团趋势的影响比高收入国家要大，但对高收入国家的中心作用和出入境旅游影响力却更显著。

上述结论为识别全球旅游发展格局以及相关经济体提升旅游地位可提供有益的政策启示。首先，面对旅游经济全球化格局加速变化，各国应积极参与到这种趋势大潮中，避免错失旅游发展红利。同时，理性辨析自身旅游实力的优势与不足，认识到在全球旅游业中的位置和作用，主动倡导多边主义，发挥网络互惠性，力争在网络中占据一席之地。其次，一国应特别重视经济发展和坚持对外开放，努力控制通货膨胀，维持政治稳定，不断降低出入境旅游成本。在大灾大难面前通力合作，共同抵御下行风险，集群模式是旅游业高质量发展的必然道路。再次，中低收入国家的旅游业虽起点低、起步晚，但发展空间大，应向高收入国家学习和借鉴经验，有效运用各类政策和比较优势，更好地释放旅游需求，提供高质量的旅游产品和服务，进而建立更多的旅游网络联系，缩短与其他大国的旅游距离。最后，对旅游的认知要突破原有框架，单一离散化的思维或已不再适用于未来发展逻辑，系统化处理多源、复杂、散乱信息的能力，才能在新格局中有的放矢、游刃有余，助力旅游发展层级跃迁。