茶产业与旅游业综合发展水平的空间关联网络研究

张明山，陈晓强，袁申梅，叶慧婷

1.吉安职业技术学院旅游学院，江西吉安343000；2.赣南师范大学文化与旅游学院，江西赣州341000

中国茶文化历史悠久，源远流长，是世界上最大的茶叶生产国、消费国及出口国之一[1-2]，自唐宋以来，在“茶马古道”沿线以“茶马互市”为主要贸易形式的兴盛，带动了沿线茶叶生产、销售及相关贸易的发展[3]。而今在产业融合背景下，以茶叶为载体，以茶文化为内核，与文化旅游业的“吃住行游购娱”等要素渗透和融合[4]，延伸出了以杭州龙坞特色茶镇等为代表的茶旅融合新业态，助力旅游业内涵式发展[5]。

茶产业与旅游业两个系统受到了学界的广泛关注，Keunuk[6]认为茶旅游是现代农业与旅游业有效结合的新兴消费业态；马颖欣[7]认为茶旅融合是以茶景观和茶文化等茶叶资源为载体，与旅游产业相关要素进行有机渗透；易开刚等[5]提出茶旅融合对茶产业发展具有业态创新和客户创新等四大功能；侯玉霞等[8]以广西龙胜为案例，认为产业渗透等是推动茶旅融合发展的重要方法。在量化分析方面，冯卫英等[9]基于层次分析法和德尔菲法对江苏宜兴茶文化旅游资源价值进行了测度，较多学者通过构建综合发展水平评测模型及耦合协调模型对安溪县[4]和万里茶道沿线[10]茶产业与旅游业发展水平及耦合协调度进行了分析，研究总体认为我国各县茶产业与旅游业的综合发展水平呈现上升的趋势。更多学者通过综合发展水平评测模型对浙江省[5]、安徽省[11]、云南省[12]和四川省[13]茶产业与旅游业发展水平进行了分析，总体认为我国省域茶产业与旅游业耦合协调度呈现上升趋势。

通过以上分析可以发现，现有对茶产业及旅游业两个系统的研究，在研究区域上以县域或省域单元为主，在研究方法上主要以定性方法为主，少量的量化方法上也主要基于面板属性数据分析茶产业与旅游业综合发展水平及耦合协调度的时间变化趋势，较少基于茶产业与旅游业的“关系数据”从全局角度量化分析茶产业与旅游业发展水平的空间差异及空间关联关系。鉴于此，本文以2010—2019年中国18个产茶省份的茶产业和旅游业统计数据，采用修正的引力模型测算18个产茶省份茶产业与旅游业综合发展水平的关联强度并构建其空间关联网络，通过社会网络分析法（SNA）分析其空间关联网络结构特征。

1 研究方法及数据来源

1.1 茶产业与旅游业综合发展水平的测度方法

本文基于改进的引力模型[14]对我国18 个产茶省份茶产业和旅游业综合发展水平的关联强度进行评测并构建关联网络，计算公式如下。

式中Lij代表省份i对省份j在茶产业与旅游业综合发展水平层面的关联强度，Kij为引力系数，Fi和Fj分别代表省份i和省份j的茶产业与旅游业综合发展水平，Dij代表省份i和省份j之间经济距离和空间距离的复合影响系数，Gi、Gj分别代表省份i和省份j的GDP，dij为省份i的省会城市与省份j的省会城市间的最短驾车距离，gi和gj分别表示省份i和省份j的人均GDP。

利用空间关联公式计算出省份之间关联强度，其计算公式如下。

式中TLi为省份i对外关联强度总和，即反映省份i对其他17 个省份关联的总强度，通过引力模型计算得到 2010—2019 年 10 年间的 18×18 的有向关联矩阵，将矩阵各行的平均数作为阈值，若空间关联强度Lij大于阈值，取值为1，说明两个省份之间存在关联关系；如果关联强度小于阈值，则取值为0[9]。二值矩阵（0 或1）存在行和与列和，行和代表省份i茶产业与旅游业综合发展水平对其他省份的溢出效应，在网络中表现为节点的点出度；而列和代表省份i对其他省份的虹吸效应，在网络中表现为节点的点入度。同时，本文参考易开刚等[5]、王公为[10]对茶产业和殷杰等[15]对旅游业发展水平的评测指标研究。

为计算茶产业与旅游业综合发展水平，本文参考周成等[16]对旅游产业耦合协调研究使用熵权法对指标数据进行处理，得到茶产业和旅游业指标权重。熵权法是一种基于客观数据的内在属性对指标进行赋权，与层次分析法相比相对更加客观[15,17]。本文基于熵权法对茶产业与旅游业各个评测指标确定权重（表1），再对数据进行标准化处理，最后通过综合加权法得到18 个产茶省份2010—2019 年间茶产业与旅游业综合发展水平F。计算公式如下。

表1 茶产业与旅游业综合发展水平的评价指标体系

式中Fi是省份i的茶产业与旅游业综合发展水平，Wm为茶产业第m个指标的权重系数，γm为茶产业第m个指标经过标准化处理后的值，Wn为旅游业第n个指标的权重系数，γn为旅游业第n个指标经过标准化处理后的值，α、β为茶产业和旅游业的发展系数，参考已有研究结论[12]，α和β均取值0.5。

1.2 空间关联网络分析方法

本文通过社会网络分析法[18]及相关指标对中国18个产茶省份的茶产业与旅游业综合发展水平的整体空间关联网络结构特征、个体空间关联网络结构特征和块模型聚类特征进行分析。

1.2.1 整体空间关联网络分析

通过 UCⅠNET6.0 软件中的 Netdraw 功能，分别绘制2010年、2013年、2016年和2019年4年的空间关联网络拓扑图，空间关联网络中的节点表征18个产茶省份，其中各个节点之间的连线和箭头分别表征关联关系和溢出方向。

1.2.2 个体空间关联网络分析

度数中心度、接近中心度和中间中心度是衡量个体空间关联网络的重要指标。度数中心度是指与该节点直接相连的其他节点的个数与理论上最大可能连接的节点比值，度数中心度越高表明该节点直接的邻居越多，越处于网络的中心位置；接近中心度衡量的是该节点不受其他网络节点控制的程度，如果该节点与其他节点的距离都很短，则其拥有更高的接近中心度；中间中心度衡量的是网络节点在多大程度上控制其他网络节点的能力，如果该节点处于许多其他对节点的捷径（即两点间最短路径）上，则该节点具有较高的中间中心度。

1.2.3 块模型分析

块模型分析是一种研究网络位置的方法，对于块模型进行位置层次的分析可以具体考察各个位置（板块）之间如何发送和接收关系[17]。通过考察茶产业与旅游业综合发展水平的各个板块内部和外部的接受及溢出关系数，可将板块分为4类，即“主受益”板块、“主溢出”板块、“双向溢出”板块和“经纪人”板块。

1.3 数据来源

本文以2010—2019 年为研究时序，以中国四大茶区18个产茶省份的茶产业和旅游业为研究样本，茶产业相关评价指标来源于2010—2019 年《中国统计年鉴》及各省统计年鉴，旅游业相关评价指标来源于2010—2019 年《中国旅游统计年鉴》及各省统计年鉴，省会城市之间最短驾车距离来源于百度地图。

2 结果与分析

2.1 整体空间关联网络结构

分析2010年、2013年、2016年和2019年4年的空间关联网络拓扑图（图1）发现，2010 年，江苏和浙江处于网络的中心节点，其他省份与浙江、江苏发生较为紧密的关联关系，也与邻近省份发生关联关系，但与非邻近省份的关联效应不强；2013年，网络密度得到提升，贵州进入网络的中心位置，整个网络形成浙江、贵州及江苏3个中心点；2016 年，浙江及江苏继续处于网络的核心位置，而贵州退出中心点位置，处于边缘节点，贵州与其他省份的关联效应衰减；到了2019年，浙江、江苏、福建3 个省份处于网络的中心位置，福建由于其茶产业发展迅速，茶产业与旅游业的深度融合，对其他省份具有较强的吸引力，与其他省份发生紧密的关联关系。

图1 茶产业与旅游业综合发展水平的空间关联网络拓扑图

2.2 个体空间关联网络结构

对2010年和2019年个体空间关联网络结构评价发现（表2），2010 年，江苏及浙江的度数中心度优势明显，排在前两位，贵州和海南等省份的度数中心度也比较高，这些省份容易与其他省份发生关联关系；江苏、浙江、江西、海南、贵州、安徽及湖南等7 个省份点入度大于点出度，其中江苏和浙江的点入度明显大于点出度，对其他省份的虹吸效应明显大于溢出效应；从接近中心度来看，江苏、浙江和贵州的接近中心度较高，在茶产业与旅游业综合发展水平的空间关联网络结构中不易受其他省份影响，从中间中心度来看，江苏和浙江中间中心度较高，在整个网络中处于中心位置并起到“领导者”角色。

表2 2010年和2019年个体空间关联网络结构评价结果

2019 年，18 个产茶省份的个体空间关联网络结构发生变化，主要表现在，福建的度数中心度迅速提高，与浙江并列排在第二的位置，江苏仍排第一，湖北升至第四。2019 年点入度大于点出度的省份有江苏、浙江、安徽、福建、江西和湖北等6 个，福建由2010 年点出度6 和点入度0 变化为2019 年的点出度6 和点入度10，说明福建省茶产业与旅游业的虹吸效应得到显著加强，而江西、安徽及湖北虽然点入度大于点出度，但两者的差距较小，茶产业与旅游业的虹吸效应及溢出效应比较均衡。相比较2010年，浙江及江苏的点出度和点入度均呈现下降的趋势。2019 年，江苏、福建和浙江3 个省份的接近中心度和中间中心度都较高，在整个空间关联网络结构中，江苏、福建和浙江处于网络核心位置。近年来，江苏及浙江的接近中心度及中间中心度呈现下降的趋势，福建及湖北等省份的中间中心度迅速上升，茶产业与旅游业综合发展水平的空间关联网络结构呈现由两极向多极化方向发展的态势。

2.3 空间关联网络结构块模型

通过 UCⅠNET6.0 软件，采用 CONCOR 方法，利用公式（3）对2019 年我国18 个产茶省份茶产业与旅游业综合发展水平的空间关联网络进行块模型分析，借鉴陈金丹等[19]的切分方法，采用最大分割深度为2，最大收敛标准为0.2 方法，整个空间关联网络划分为四大板块（表3）。板块Ⅰ由江苏、浙江、湖北和福建4个省份组成，这4个省份来自板块外的接受数（39）明显大于板块外溢出数（16），属于“主受益”板块；板块Ⅱ由重庆和广东构成，这个板块来自板块外的接受数和对板块外的溢出数相等，属于“双向溢出”板块；板块Ⅲ主要由安徽、云南、贵州、广西、海南、江西和湖南7 个省份组成，这个板块的关系数较小，但板块外溢出数为32，板块外接受数为23，既对外部板块产生溢出效应，也接受来自外部板块的溢出关系，在整个空间关联网络中起到中介和桥梁的作用，属于“经纪人”板块；板块Ⅳ由山东、四川、陕西、河南和甘肃5 个省份构成，板块外溢出数是板块外接受数的4 倍多，属于“主溢出”板块。

表3 2019年空间关联网络块模型分析

通过块模型分析，2019 年，4 个板块内部总关系数为10，而板块外的总关系数为76，板块外的关系数远远大于板块内部的关系数，说明板块内部的关联关系不强，而四大板块间具有较强的板块联动，四大板块间的溢出效应明显。通过四大板块的像矩阵及四大板块的传导路径（图2）可以得到，板块Ⅰ（“主受益”板块）直接接受来自板块Ⅲ和板块Ⅳ的溢出，总体是主要受益的板块；板块Ⅱ（“双向溢出”板块）既接受来自板块Ⅲ的溢出，也直接把发展动能传递给板块Ⅲ，并通过板块Ⅲ传递给板块Ⅰ，在整个网络中起到发动机的作用；板块Ⅲ（“经纪人”板块）直接接受来自板块Ⅰ和板块Ⅱ的溢出，由于板块Ⅰ和Ⅱ之间缺乏直接的溢出效应传递，板块Ⅲ主要承担了两个相对独立板块Ⅰ和Ⅱ之间的桥梁作用；板块Ⅳ（“主溢出”板块）主要将发展动能直接传递给板块Ⅰ，而板块Ⅳ缺乏接受来自其他外部板块的溢出，主要接受来自板块内部5 个省份间的溢出。从形成四大板块主要原因看[20]，一是自然地理要素，“主受益”板块中的江苏、浙江和福建等省份有天然优越的茶树生长自然地理环境，包括年均温度、年降水量等条件优越，而“主溢出”板块中的河南、陕西和甘肃等省份的自然地理环境对于茶树的生长相对而言较差；二是经济政策条件，“主受益”板块中的江苏、浙江和福建等省份是我国经济发展水平高的区域，人均GDP 处于全国前列，具有吸引中西部地区茶产业与旅游业资源及要素的能力，而以四川和陕西为代表的中西部地区溢出效应明显；三是从茶产业和旅游业综合发展水平来看，经过10年的发展，“主受益”板块中的江苏、浙江和福建等省份处于网络结构的核心位置，茶叶种植规模大，旅游资源丰富，人口多及经济发展水平高，对其他省份具有较强的影响能力。

图2 茶产业与旅游业综合发展水平的四大板块传导路径

通过引力模型评测18 个产茶省份之间茶产业与旅游业综合发展水平的关联度，并以此作为构建空间关联矩阵的基础数据，进行空间关联网络结构特征分析。从网络关联数可以得到，2010—2019年，18个产茶省份网络关联数在77～91范围内，而网络密度在0.252～0.297 之间，其中2013年网络关联数达到最大值91，网络密度为0.297，可以看出18个产茶省份茶产业与旅游业综合发展水平的空间关联数较少，网络密度较低，整体空间网络结构具有优化的空间；而2010—2019 年网络关联度均为1，说明18 个产茶省份的任意两个节点都能够互通，其茶产业与旅游业综合发展水平的空间关联网络结构完整，茶产业与旅游业综合发展水平具有明显的空间关联关系和空间溢出效用；网络效率在2010—2019 年间呈现波动态势，其中在2010—2013 年网络效率呈现下降趋势，从0.713 下降到0.632，说明在这一阶段18 个产茶省份间的冗余线条增加，各个省份茶产业与旅游业综合发展水平的空间溢出效应得到加强，但在2013—2019 年网络效率呈现增加—下降—增加的波动态势，总体维持在0.66～0.69 区间，说明这一阶段18个产茶省份茶产业与旅游业综合发展水平的关联关系处于“拉锯”状态。

3 结论与建议

3.1 结论

本文基于改进的引力模型构建了茶产业与旅游业综合发展水平的空间关联网络，运用社会网络分析法对我国18个产茶省份茶产业与旅游业综合发展水平的整体及个体空间关联网络进行分析，并基于块模型方法分析不同板块之间的传导路径，主要研究结论如下。

第一，从整体网络结构来看，茶产业与旅游业综合发展水平的整体空间关联网络结构完整，网络结构在邻近省份间存在交互关联性，各节点与浙江、江苏等中心节点关联紧密，但与非邻近省份的关联度不强，网络关联数及网络密度总体较低。第二，从个体网络结构来看，茶产业与旅游业综合发展水平的个体网络结构存在差异，以江苏和浙江为代表的沿海地区在整个网络结构中处于核心位置，起到“领导者”角色，具有整合及吸引中西部地区茶产业与旅游业资源及要素的能力，其虹吸效用显著，而以四川和陕西为代表的中西部地区溢出效应明显。第三，从块模型分析来看，茶产业与旅游业综合发展水平的空间关联网络划分为四大板块，板块间具有关联性与空间溢出效应，整个板块传导路径由“双向溢出”板块通过“经纪人”板块向“主受益”板块传递，以及由“主溢出”板块直接向“主受益”板块传递，但“经纪人”板块在“主溢出”板块和“主受益”板块之间的桥梁关系没有搭建，“双向溢出”板块与“主受益”板块的直接联系存在壁垒。总体而言，茶产业与旅游业发展的跨区域整合、协同及联动机制需要建立和完善。

3.2 政策建议

3.2.1 固本强基，提升茶旅产业发展水平

茶产业与旅游业综合发展水平空间关联网络的优化，基础在于推动区域内茶产业与旅游业两个子系统发展水平的提升，因此，一要科学规划，各地需要结合区域自然环境，因地制宜发展茶产业，发展多样化及品质化的茶产业；二要加强融合，充分挖掘茶叶资源的功能属性及文化价值，加强与旅游产业“吃住行游购物”等环节的融合升级。

3.2.2 统筹兼顾，优化空间关联网络结构

根据前面的研究结论，优化空间关联网络结构，一要统筹各省份茶产业与旅游业发展的优势资源，加强各省份之间在市场、产品、资金及技术等方面互通有无及空间溢出；二要兼顾市场的调节作用及政府的宏观调控，既要充分发挥市场在茶产业与旅游业发展中资源配置的调节作用，也要兼顾东中西部经济发展差异和南北区域茶叶资源差异，建立区域茶产业与旅游业一体化协作机制，形成区域内茶产业与旅游业融合发展合作势能。

3.2.3 内联外拓，加强板块间联动与传导

根据目前板块间的传导路径，进一步提升板块间的联动关系，一是对外拓宽“经纪人”板块与其他板块的联系，充分发挥其桥梁作用，同时加强“经纪人”板块在公共服务、交通设施及物流信息等方面建设，以搭建互联互通平台为抓手，做大、做优茶产业与旅游业发展的中间节点；二是优化“主受益”板块的市场消费环境，提升茶旅产品质量，丰富茶旅产业业态，树立茶旅品牌形象，也需要从技术及资金等方面加强对“双向溢出”板块及“主溢出”板块的反哺，带动其他板块发展。