出境旅游网络关注度时空演变及影响因素研究——以泰国为例

袁利，孙根年

出境旅游网络关注度时空演变及影响因素研究——以泰国为例

袁利，孙根年*

（陕西师范大学地理科学与旅游学院，陕西西安 710119）

网络关注度是测量潜在旅游者对目的地旅游关注情况及需求变化的重要手段之一。基于百度指数，以我国31个省（区、市）（不含港、澳、台）的泰国旅游网络关注度为研究对象，运用季节性强度指数、地理集中度指数、赫芬达尔-赫希曼指数、地理探测器等方法，探讨我国居民对泰国旅游网络关注度的时空演化规律及其影响因素。结果表明：从时序演化上看，2011—2019年泰国旅游网络关注度呈波动上升态势，可划分为快速上升期和平稳发展期2个阶段，地区季节性差异显著，3月、7月、12月为泰国旅游网络关注度的高峰时段；从空间分异上看，泰国旅游网络关注度空间分异变化不大，空间集聚趋于分散状态，整体呈“东高-西低”的阶梯状递减特征，高关注度地区主要集中在东部地区及四川省，低关注度地区则主要分布于除四川省外的西部省份；从影响因素上看，经济发展水平（人均可支配收入、GDP）、交通便利程度、贸易开放度以及国际旅游开放度共同影响泰国旅游网络关注度的空间分布格局。

出境旅游；网络关注度；时空演变；地理探测器；泰国

0 引言

出境旅游（《中国旅游统计年鉴（2009）》将出境旅游定义为：中国（大陆）居民因公或因私通过口岸出境前往其他国家、中国香港、中国澳门和中国台湾地区观光游览、休闲度假、探亲访友、购物、商务活动等或从事经济、文化、体育、宗教等活动，包括边境游、港澳台游和出国游三部分，因此，本文的研究范围为我国大陆31个省（区、市））是社会经济发展到一定阶段的产物［1］。1997年，国务院颁布实施《中国公民自费出国旅游管理暂行办法》，明确了出国旅游的发展原则与主要形式，此后全国各地个人自费出国旅游活动陆续大规模展开。随着我国经济的稳步发展，人均收入和消费水平的逐年提高，居民探索广阔世界的需求愈加强烈；出境旅游政策的不断放宽、互联网技术的日趋成熟以及国际旅游成本的相对降低等，进一步增强了居民的出境旅游意愿与动机［2-3］，因此，近几年赴境外旅游逐渐成为居民追求美好生活的一种方式。《2020年文化与旅游发展统计公报》显示，截至2019年末，我国出境旅游规模已达15 463万人次，较2018年同期增长3.3%。与此对应的出境消费能力也呈现持续增长的态势，2019年，我国出境游客境外消费超过1 338亿美元，增速超2%。经过20多年的发展，我国出境旅游已表现出明显的空间指向性特征［4］，目的地以亚洲国家和地区为主，之后依次为欧洲、美洲、大洋洲［5］。伴随出境旅游人次的逐年攀升，我国已连续多年成为世界第一大出境旅游客源国和消费国［6］，在国际旅游市场上扮演越来越重要的角色。

出境旅游是我国旅游发展的重要组成部分，发展出境旅游有助于平衡旅游经济体系［7］。我国出境旅游市场的快速崛起和持续增长，不仅受到了为出境旅游提供各类服务的相关企业及出境旅游目的地国家和地区的高度重视，也引起了国内外学者对我国出境旅游的广泛关注。KEATING等［8］运用进化理论，按时间顺序将我国出境旅游研究划分为“爬行”“乱跑”“直立行走”3个阶段。纵观相关文献发现，对我国出境旅游的研究始于20世纪90年代初，以出境旅游发展概况、特征及政策和发展策略为起点，对早期中国出境旅游市场现状与特征［9-10］、存在问题［11-12］及发展政策［13-14］等进行分析研究。21世纪以来，世界一体化步伐加快，我国经济迅速腾飞，对外开放度不断加强，出境旅游事业蓬勃发展，相关研究亦不断涌现。关注点较多集中于出境旅游行为［15-16］、旅游需求［17-18］、旅游流时空分布［19-20］、出境旅游安全［21-22］等方面。比如运用问卷及访谈的方式从微观层面对出境旅游动机［23-24］、决策［25］、消费［26］等进行探讨；运用官方统计数据从宏观视角分析出境旅游规模位序［6，27］、影响因素［28-29］等。近年来，出现了利用网络旅游大数据展开对前述主题的讨论，如吴中堂等［30］、刘逸等［31］、何月美等［32］运用出境游客在旅游网站发布的评论、游记为研究素材，分别对旅游流、情感特征、安全感知进行研究；阮文奇等［33］利用百度指数，探讨了赴泰国旅游的需求及影响因素。

综上所述，对出境旅游的研究已取得一定成果，研究内容亦在不断细化与深入。但当前针对出境旅游客源地（中国大陆）的有关成果，侧重于从经济学角度验证单一因素或多重因素对出境旅游的影响，或基于心理学角度分析出境旅游者的行为特征。在研究范围上，多局限于全国、特定人群或地区，较少涉及宏观视域下出境旅游客源市场的地理空间分布与区域差异；在数据获取上，以传统的官方统计数据及问卷调查为主，对网络大数据的利用不足，与此相应的对特定国家或地区出境旅游的网络关注度研究稍显薄弱。

互联网技术的大力推广及智能手机的快速普及，通过网络获取目的地旅游信息、完成出游预订服务以及发布旅游照片和游记已成为普遍现象，对群体性的大量网络行为进行统计分析可以更好地了解并掌握其需求和关注规律［34］。百度作为国内最大的搜索引擎之一，拥有海量的用户群体，在此基础上形成的各类关键词的百度指数，为研究者提供了丰富的数据基础。目前，基于百度指数进行特定主题的网络关注度研究已成为热点，在旅游学领域也有丰硕的研究成果，主要集中于客流量预测［35-36］、旅游景区关注度［37-38］、重大事件对目的地的影响［39-40］等方面。可见，关于旅游网络关注度的研究已有较成熟的研究体系，为本研究的进一步开展提供了重要的方法论基础。出境游过程较国内游更复杂，旅游者对用网络搜索目的地相关信息的依赖程度更高。

鉴于此，本研究以泰国为例，运用季节性强度指数、地理集中度指数、首位度、赫芬达尔-赫希曼指数（Herfindahl-Hirschman index）和地理探测器等研究方法，从宏观视域分析我国31个省（区、市）居民对泰国旅游的网络关注度，揭示近十年我国居民对泰国旅游网络关注度的时空动态演化规律及影响因素，揭示赴泰旅游客源市场的时空特征及市场需求的未来趋势，以期为疫情常态化下出境旅游的逐步恢复和可持续发展提供理论参考和实践启示。

1 数据来源与研究方法

1.1 研究区域

选择泰国作为研究区域，主要出于以下考虑：泰国地处东南亚地区中南半岛的中部，地理位置优越，旅游资源丰富，是全球闻名遐迩的旅游胜地；作为我国最早的出境旅游目的地国家之一，近年来备受我国游客青睐。在中泰两国游客互免签证及中国—东盟自由贸易区建设的推动下，自2015年起，泰国连续5年是我国出境旅游人次最多的目的地国家。据联合国世界旅游组织（UNWTO）发布的数据，我国赴泰国旅游规模从1995年的38万人次逐年增至2019年的1 098万人次。因此，以泰国作为案例地，研究我国居民出境旅游网络关注度具有代表性和典型性。

1.2 数据获取

百度搜索作为国内最大的中文搜索引擎，占绝对市场优势。百度指数是以海量百度用户的搜索行为为基础，以关键词为统计对象，经科学分析和计算得到的关键词搜索频次的加权和。由于百度搜索行为网络用户的主动意愿，因此百度搜索指数可用于揭示过去不同时段用户对某关键词的搜索量和变化趋势，从而客观反映用户的选择偏好和需求程度，是当前衡量网民规模化搜索行为的一种极其重要的大数据指标［41］。

泰国旅游网络关注度数据来源于百度指数（https：//index.baidu.com），在百度指数搜索平台检索与泰国旅游相关的关键词，主要包括“泰国旅游”“泰国旅游攻略”“泰国天气”“泰国旅游签证”“泰国旅游地图”“泰国旅游景点”“泰国旅游注意事项”等。利用站长工具网站（https：//index.chinaz.com/）的百度关键词挖掘功能，最终得到“泰国旅游”“泰国旅游攻略”是检索量最多的2个关键词。将检索时间设置为2011年1月1日至2019年12月31日，以我国大陆31个省（区、市）为基本地域单元，获得包括PC端和移动端在内的上述关键词的逐日网络关注度数据，以此作为原始数据。此外，研究涉及的其他数据主要来源于2012—2020年《中国统计年鉴》、2012—2020年《中国旅游统计年鉴》、2012—2020年31个省（区、市）的统计年鉴，以及中华人民共和国统计局国家数据库（http：//www.stats.gov.cn/）和泰国官方统计局网站（http：//web.nso.go.th/）。

1.3 研究方法

1.3.1 季节性强度指数

季节性强度指数主要反映泰国旅游网络关注度的时间分布集中程度。

1.3.2 地理集中度指数

地理集中度指数反映网络关注度在地理空间上的集聚程度，可衡量我国大陆赴泰旅游客源市场的空间集聚程度。

1.3.3 首位度

首位度是衡量区域规模经济的重要指标，可直观反映泰国旅游网络关注度的集中程度，为首位地区与第二位地区网络关注度的比值。

其中，为首位度指数，P，P分别表示区域内规模处于首位与第二位的地区泰国旅游网络关注度。通常认为，≥2，表示地区关注度过于集中；<2，表示地区关注度相对均衡，集聚程度适中。

1.3.4 市场集中度

市场集中度为某行业排行前几位的企业占市场份额的总和，是测量某行业在特定地理区域集中程度的指标。常用的市场集中度计量指标有：赫芬达尔-赫希曼指数、行业集中率、洛伦茨曲线和基尼系数等。本研究选取赫芬达尔-赫希曼指数作为计量指标。

1.3.5 地理探测器

地理探测器是一种探测事物空间分异，揭示其驱动因子的新兴统计学方法，包括分异及因子探测、交互作用探测、风险区探测与生态探测［42］。其优点是可度量数据的空间分异，对自变量的共线性免疫无需线性假设，在样本量较少的情况下也能达到较高的统计精度，较传统的经典回归方法更具优势。本研究选用因子探测和交互作用探测作为分析影响泰国旅游网络关注度空间分异的因素。

因子探测计算式为

交互作用探测可评估不同因子共同作用对网络关注度的增减效果。记两因子的交互作用为（1∩2），通过比较（1），（2）与（1∩2），判断各探测因子交互作用的强弱及交互作用类型（表1）。

表1 交互作用类型

2 结果分析

2.1 泰国旅游网络关注度的时序演变

2.1.1 年际变化特征

对2011—2019年各月百度指数的搜索量求和，获得历年总关注度数据。如图1所示，泰国旅游网络关注度年际变化整体呈波动上升态势，由2011年的154.05万人次升至2019年的621.89万人次，上升了3.04倍，可划分为2个阶段。第1阶段，2011—2015年，快速上升期。2012—2013年与2014—2015年的增幅分别为80.1%和56.8%。2012年底上映的电影《泰囧》，向人们展示了泰国独特的自然和人文景观，20 d累计观影人次达3 000万，由此掀起了一场“泰国热”。2013年起中泰两国实行互免旅游签证政策，我国居民赴泰旅游需求激增，对泰国旅游的网络关注度也随之大幅度上升。然而，2014年泰国国内政局出现动荡，多国有关部门纷纷向本国居民发出不同程度的赴泰旅游警示，导致国际旅游规模较2013年减少了200万人次。2013年我国居民对泰国旅游信息的网络关注度增速较2012年有所放缓。2015年局势缓解，泰国政府采取加大旅游推介、增加资金支持、降低旅游价格等多项措施，吸引国际游客赴泰旅游。局势的稳定及上述举措的实施，使泰国国际游客大幅增加，泰国旅游网络关注度也急速上升。2015年仅中国大陆赴泰旅游就达794万人次，同比增长71.2%；泰国旅游网络关注度约为673万人次，同比增长56.8%，创泰国旅游网络关注度的年度新高。第2阶段，2015年后的平稳发展期。2015—2017年，全国网络关注度基本保持稳定，2018年出现明显下滑，2019年重回上升趋势。2018年7月普吉岛发生游船倾覆事故，同年9月曼谷廊曼国际机场安保人员殴打中国游客，两起事件均不同程度影响了我国居民赴泰旅游的信心，此为2018年赴泰旅游人数锐减、泰国旅游网络关注度大幅度下滑的主要原因。为提升我国居民赴泰旅游的积极性，泰国官方将2019年定为泰中旅游文化年，开展诸多旅游合作与文化交流活动，并推出多项旅游优惠政策，我国居民对泰国旅游的网络关注度得以回升。

图1 2011—2019年泰国旅游网络关注度的年际变化

2.1.2 月度变化特征

由式（1）得2011—2019年泰国旅游网络关注度的季节性强度指数，分别为1.016 4，1.963 6，1.439 0，1.764 4，1.579 2，1.812 8，1.093 1，2.604 2，3.218 7，呈“上升-下降-上升-下降”的波浪状变动形态，表明2011—2019年我国居民对泰国旅游的网络关注度存在季节性差异，且2012年、2018年与2019年各月差异最为突出。汇总各年度的逐月数据，得到2011—2019年各月泰国旅游网络关注度占全年的比重，如图2所示。由表2和图2中各月的对应指数，发现2011—2019年我国居民对泰国旅游网络关注度的月度变化总体上仍然呈上下起伏的波浪形分布规律，虽然每年各月网络关注度的比重及各月集中度指数相差较大，但各月的指数变化走势较一致，上半年走势较平稳，下半年偏向波动，7—8月为高关注时段，与同年春、秋季的网络关注度差异显著。除2014年和2018年外，其余各年关注度4—6月上升、9—11月下降、12月起逐渐回升持续至次年3月，冬季泰国旅游网络关注度比重均较高。

图2 2011—2019年各月泰国旅游网络关注度占全年的比重

表2 2011—2019年各月泰国旅游网络关注度季节性强度指数

从各月泰国旅游网络关注度总和曲线中（图2）可明显看出，波峰主要出现在每年春季的3月、夏季的7月以及冬季的12月。3月、7月和12月，既是泰国旅游网络关注度的高峰时段，也是出境泰国旅游的高峰期。7—8月为旅游旺季，居民出游意愿强烈，出境旅游网络关注度随之上升；12月至次年3月，我国大部分地区气候寒冷，而泰国属于热带季风气候，年均气温24 ℃～30 ℃，冬季气温适宜，雨量较少，为最佳旅游期，选择该时段前往泰国的游客较多。另外，观察各年节假日（“十一”黄金周、春节、“五一”劳动节、端午节和中秋节）前后泰国旅游逐日网络关注度数据发现，在假期较长的节假日之前（主要为“十一”黄金周、春节），泰国旅游网络关注度有一定程度上升，但并未形成与国内旅游网络关注度相似的陡增态势，且对年度整体网络关注度变化趋势影响不大。可见假期时长对赴泰旅游需求有一定影响。值得一提的是，从图2中可清晰地看出，2018年7月后呈现一巨大波谷，主要原因在于经历2018年7月与9月的安全事件后，我国居民对泰国旅游的网络关注度急剧下降，至2018年9月，已降至7.9万余人次，仅占全年网络关注度总和的3.75%。此后的10月至2019年8月，泰国旅游网络关注度一直处于较为平稳且相对低迷的状态，2019年9月后网络关注度开始并持续上升，在“十一”黄金周前，泰国旅游网络关注度出现了井喷式增长。

2.2 泰国旅游网络关注度的空间特征

2.2.1 整体特征

选取赫芬达尔-赫希曼指数、地理集中度指数、首位度衡量泰国旅游网络关注度的空间差异，结果见表3。各年赫芬达尔-赫希曼指数均在0.04左右，趋近于0，说明各省（区、市）泰国旅游网络关注度空间分异不大，且各地网络关注度空间集聚程度差异不显著，空间分布较为分散。2011—2019年，地理集中度指数维持在20左右，变化幅度小，同样表明2011—2019年泰国旅游网络关注度的空间集聚程度较低，省域空间分异格局保持稳定。首位度均小于2，表明各省（区、市）泰国旅游网络关注度集聚程度适中，空间分布相对均衡。但2011—2019年首位度呈逐年上升态势，2019年的首位度已接近2，即泰国旅游网络关注度的首位地区与第二位地区之间的差异正在逐渐拉大，未来空间分布可能由均衡状态向集聚状态演变。

表3 2011—2019年泰国旅游网络关注度的空间分异

2.2.2 基于省域层面的网络关注度的空间格局演变

由百度搜索行为反映的网络关注度不仅随时间变化呈起伏波动的态势，而且在不同区域存在巨大的空间分异。以省域为单位，搜集我国31个省（区、市）2011—2019年泰国旅游网络关注度数据，运用季节性强度指数进行测算（表4），发现2011—2019年（除个别年、极少数省外），我国各省（区、市）泰国旅游网络关注度的季节性强度指数均大于1，说明各省（区、市）泰国旅游网络关注度存在较显著的季节性差异。从整体看，各省（区、市）网络关注度季节性强度指数变化趋势大体一致，均呈W形。2011年与2018年，我国各省（区、市）泰国旅游网络关注度季节性强度指数均大于1；2013年，除北京市（1.848）和上海市（1.824）外，其他各省（区、市）季节性强度指数均大于2，各省（区、市）的季节性差异最明显；2019年，除天津市（0.731）外，其余各省（区、市）网络关注度的季节性强度指数均大于1。从三大区域看，西部地区的泰国旅游网络关注度季节性差异明显大于东部和中部地区。西部的西藏、青海、宁夏、四川等省（区）泰国旅游网络关注度季节性差异突出；中部的黑龙江、江西、安徽等省泰国旅游网络关注度季节性差异明显；东部的天津、上海、福建、辽宁、山东等省（市）泰国旅游网络关注度季节性差异相对较小。

借助ArcGIS10.8软件绘制了2011—2019年泰国旅游网络关注度的省（区、市）空间分布图（图3），颜色由深至浅代表网络关注度由高到低。由图3可知，2011—2019年各省（区、市）泰国旅游网络关注度不断增高，但空间分布变化趋势相对平稳，且存在显著的东高西低阶梯状空间分异特征。高关注度地区主要集中在浙江、广东、江苏、北京、上海、山东等东部沿海经济较发达的省（市）以及西部的四川省，广东省与其他省的差距正在逐渐拉大；低关注度地区主要集中在西藏、青海、宁夏、新疆、甘肃、内蒙古、贵州等西部省（区）。东部的海南省各年对泰国旅游的网络关注度均较低，因其地理气候环境与泰国较相似，居民对泰国旅游的热度不高，搜索量亦较低。天津市泰国旅游网络关注度呈逐年下降态势，中部地区的湖北、湖南、河南、安徽等省泰国旅游网络关注度一直保持相对平稳的态势。

表4 2011—2019年各省（区、市）泰国旅游网络关注度季节性强度指数

图3 2011—2019年泰国旅游网络关注度的省（区、市）分布

注基于国家自然资源部标准地图服务系统标准地图（审图号：GS（2019）1822号）制作，底图无修改。

3 影响因素的地理探测

3.1 指标的选取

互联网已逐渐成为旅游者获取目的地信息的重要工具［43］，基于百度指数的网络关注度能较直观地反映潜在旅游者对目的地的关注情况和旅游行为决策倾向［44］，因而认为对潜在旅游者的出境旅游需求以及其通过网络搜索相关信息产生影响的因素均可视为影响出境旅游网络关注度的因素。有关网络关注度的研究结论均表明，休假制度对网络关注度的时序演变具有显著影响，而气候舒适度对旅游目的地网络关注度的时间变化特征影响并不明显［33，44］。因此本研究主要探讨泰国旅游网络关注度空间分异的影响因素。在参考已有研究的基础上，结合各省（区、市）相关数据的可获得性和科学性，构建了空间分异影响因素指标体系，见表5。运用地理探测器模型，选取我国居民对泰国旅游网络关注度增长最快的2013年和空间分异较显著的2019年2组数据，探讨影响空间分异的关键因子。

表5 影响因素指标体系构成

3.2 因子探测结果分析

通过ArcGIS10.8软件中的自然断裂法对各影响因素（探测因子）进行分层，将各数值转换为类型变量。运用地理探测器分别计算2013年、2019年各探测因子的值，识别不同探测因子的影响力，结果见表6。

表6 因子探测分析结果

2013年，除城市化水平和地理空间距离外，其余6个因子的探测结果均在0.05水平上通过显著性检验，各因子对泰国旅游网络关注度空间分异的解释力排序为整体经济水平（GDP）>交通便利程度>人均可支配收入>国际旅游开放度>贸易开放度>网络发达程度>城市化水平>地理空间距离；2019年城市化水平、地理空间距离和互联网发达程度等3个因子在0.05水平上未通过显著性检验，各因子解释力排序为交通便利程度>整体经济水平（GDP）>贸易开放度>国际旅游开放度>人均可支配收入>城市化水平>网络发达程度>地理空间距离。对比2013年和2019年单个因子的值发现，人均可支配收入和网络发达程度2个因子的值下降较多，解释力排序也随之发生较大变化。整体经济水平（GDP）和交通便利程度2个因子的解释力排名靠前，2019年的解释力分别为0.723和0.734，显著高于其他探测因子。

以<0.05为显著性检验的条件，划定>0.5为判断影响作用强度的标准［33］，则泰国旅游网络关注度空间分异的主导因子为经济发展水平、交通便利程度、贸易开放度和国际旅游开放度。（1）经济发展水平。GDP作为衡量一个地区整体经济水平的核心指标，能体现地区发展效益和人民生活水平，其与人均可支配收入因子共同对居民出境旅游需求产生直接影响。经济能力的提升为地区发展及各项基础服务设施的完善提供更多的资金支持，满足人们生活质量不断提高的需求。人均可支配收入与居民出游能力密切相关，出境旅游的花费通常较国内旅游多，因此经济发展水平和居民消费能力均居前列的东部地区是出境旅游网络关注度的热点区域。（2）交通便利程度。交通是影响泰国旅游网络关注度空间分异的关键因素，值从2013年的0.689升至2019年的0.734。出境旅游多以航空出行为主，其交通成本与往返需时是出境旅游者经济消费和时间消耗的重要组成部分，直飞航班大大缩短了出行的时空距离，为赴泰旅游提供了方便快捷可靠的交通保障。广州、上海、北京、成都、杭州、南京等城市已开通多条直飞泰国的国际航班，这些地区既是赴泰旅游的主要客源地，也是泰国旅游网络关注度热点地区。（3）贸易开放度。已有研究表明，国际贸易能推动双边旅游互动，进出口贸易与出入境旅游两者之间存在相互推动的关系。贸易开放度越高，带来的国际商务旅游需求越大。中泰两国同属“一带一路”沿线重要国家，中国与包括泰国在内的东盟各国交往密切。广东、浙江、山东、云南、四川等省与泰国之间经贸往来、文化交流频繁，有利于带动双边旅游合作与发展，对泰国旅游网络关注度具有积极的正向影响。而西藏、青海、宁夏、甘肃、内蒙古、贵州等省（区）因地理位置偏远，整体经济水平不高，且与外界的沟通交流较少，贸易开放度也处于较低水平，一定程度限制了出境旅游的发展。（4）国际旅游开放度，用旅游外汇收入占GDP的比重衡量。国际旅游开放度较高的地区，有更加开放的社会空间接纳外来人员和多元文化。入境旅游的发展能给当地发展带来积极的经济和社会效益，有助于促进当地旅游经济持续增长，提高地方政府对外宣传与合作的积极性，增加当地居民与外界的跨文化交流机会。因此，国际旅游开放度是不可忽视的关键影响因素之一，开放度的提升对当地居民出境旅游能力的提高和意愿的生成具有极为重要的促进作用。（5）在非主导因子中，城市化水平是影响泰国旅游网络关注度空间分异的重要因子。城市化是生产与消费的各类要素在空间上趋向集中的一种动态过程，是区域旅游产业发展的助推器。伴随人口不断向城市聚集，各产业结构不断升级转变及城市文化与精神水平的逐渐提升，城市的现代化程度越来越高，基础设施建设更加完善，在推动区域旅游规模不断扩大的同时，也为出境旅游的发展提供了必要的要素支持。（6）网络发达程度与地理空间距离。网络发达程度的解释力度变化最为明显，由2013年的0.606降至2019年的0.184。网络搜索早已成为人们获取目的地旅游信息的主要途径，互联网提供了充分了解境外旅游相关信息的平台，帮助全面且客观地了解各项出游信息与旅游价格。近年来，智能手机的广泛使用，使得互联网的影响范围不断扩大，各省（区、市）互联网用户均呈高速增长态势，网络发展水平差异正在逐渐缩小，因此，随着互联网技术的普及和移动终端设备的大规模使用，互联网对出境旅游网络关注度的空间分异影响不断减弱。另外，2013和2019年地理空间距离的值均较小，分别为0.085和0.109。客源地与泰国之间的地理空间距离是赴泰旅游的制约因素之一，不仅对居民的出游意愿产生影响，而且也影响其所在地区居民对泰国旅游相关信息的网络关注度。然而，现代交通设施的改善，机场的兴建和国内国际航空线路的互通，为居民出境游提供了必要的交通保障。因而地理空间距离对泰国旅游网络关注度的作用强度较弱，说明空间距离对潜在旅游者出境泰国旅游的意愿或行为的影响并不大。

单因素分析能有效探测对泰国旅游网络关注度空间分异具有显著影响的因子及其作用强度，而交互作用探测可识别不同探测因子之间交互叠加后对泰国旅游网络关注度空间分异的影响，从而评估多因子共同作用下网络关注度解释力度的变化，在本研究中，评估所选探测因子对泰国旅游网络关注度空间分异的影响是否相互独立。因此，在单因子探测基础上，进一步采用交互探测方法检测双因子交互作用对泰国旅游网络关注度空间分异的影响，见表7。结果显示，双因子交互作用的解释力均大于单因子的解释力，其交互作用类型以双因子增强为主，少数表现为非线性增强。由此可见，泰国旅游网络关注度的空间分异特征并非由单一因素造成，而是经济发展水平，交通便利程度、贸易开放度以及国际旅游开放度等多因子共同作用的结果。其中，表征经济发展水平的人均可支配收入与GDP对其他因子的交互作用最强，进一步说明出境旅游的必要和先决条件是经济基础，经济发展水平是决定泰国旅游网络关注度空间分异的关键因素，收入将对潜在旅游者的出游意愿产生直接影响，即从侧面映射出境旅游网络关注度空间差异产生的根源；国际旅游开放度和赴泰交通便利程度对其他因子的交互作用较强，国际旅游开放度和出境的交通便利程度代表地区与外界的沟通与交流能力。此外，贸易开放度与其他因子的交互作用均表现为双因子增强，表明进出口贸易不仅能促进双边经济发展和密切人员往来，同时也能带动商务旅游的发展，因此与境外商贸合作交流频繁的地区具有更高的出境旅游网络关注度。

表7 交互作用探测结果

4 结论与讨论

4.1 结 论

以泰国为研究对象，综合运用季节性强度指数、地理集中度指数、赫芬达尔-赫希曼指数等分析了2011—2019年泰国旅游网络关注度的时空演变特征，并通过单因子探测和交互作用探测进一步讨论了泰国旅游网络关注度空间分异的影响因素。研究发现：

（1）从时间上看，泰国旅游网络关注度年际变化整体呈波动上升态势，可划分为快速上升期（2011—2015年）和平稳发展期（2016—2019年）2个阶段。9个年度的网路关注度均存在季节性差异，具有较相似的月际时间分布特征。各月网络关注度虽存在很大差异，但年动态变化走势较一致，皆呈明显上下起伏的波浪形规律，上半年变化较为平稳，下半年震荡且变动幅度较大。其中，每年3月、7月和12月网络关注度较高，大多处于网络关注度月趋势线的波峰位置，与我国居民出境泰国旅游的高峰期相吻合。假期较长的“十一”黄金周前期与春节前期，我国居民对泰国旅游的逐日关注度明显上升，但并未出现与国内旅游网络关注度类似的井喷式增长现象。2013年和2015年，网络关注度均较上一年大幅度提升，2014年和2018年，因受国际形势与突发事件的影响，网络关注度分别呈缓慢负增长。说明两国间的旅游合作与文化交往、互免旅游签证政策、影视剧的传播等均会影响我国居民对泰国旅游的网络关注度，而目的地局势的动荡与旅游安全事件的频发则会降低潜在旅游者入境泰国旅游的意愿，同时影响泰国旅游网络关注度。

（2）从空间上看，2011—2019年各地泰国旅游网络关注度空间分异变化不大，空间集聚程度不显著，趋于分散状态。首位度呈逐年上升态势，2019年的首位度已接近2，泰国旅游网络关注度的首位地区广东省与第二位地区之间的差异正在逐渐拉大，未来空间分布格局可能向集聚演变。除个别年、极少数省外，2011—2019年全国各省（区、市）泰国旅游网络关注度的季节性强度指数均大于1，季节性差异显著且变化趋势大体一致，呈W形。在地理区划上，西部地区季节性差异明显大于东部和中部地区，网络关注度空间分布呈东高西低阶梯状递减特征，即高关注度地区主要集中在浙江、广东、山东等东部经济较发达的省以及西部的四川省；低关注度地区主要集中在西藏、青海、贵州等西部省（区）；中部的湖北、湖南等省一直保持相对平稳的变化态势。此外，海南省因地理气候环境与泰国较相似，居民对泰国旅游的关注度一直偏低。

（3）从影响因素看，经济发展水平（人均可支配收入、GDP）、交通便利程度、贸易开放度以及国际旅游开放度是各省（区、市）网络关注度空间分异的主导因子。经济发展水平与交通便利程度对网络关注度空间分异的影响最大，地理空间距离的影响最小，网络发达程度对泰国旅游网络关注度空间分异的影响正在快速减弱。各因子间的交互作用对泰国旅游网络关注度空间分异的影响远高于单因子的影响，交互作用的类型以双因子增强为主，非线性增强为辅。GDP与人均可支配收入对其他因子的交互作用最强。经济实力是出境旅游的必要条件，因此，经济发展水平是泰国旅游网络关注度产生空间分异的最根本原因。

综上可见，泰国旅游网络关注度空间分异的演化并非由单一因子造成，而是多因子共同作用的结果。

4.2 讨 论

基于百度指数，以2011—2019年我国31个省（区、市）居民的泰国旅游网络搜索数据为研究对象，揭示了2011—2019年我国居民对泰国旅游网络关注度的动态演化规律及产生空间分异的内在缘由，可为各省（区、市）科学制定出境旅游恢复与发展策略提供参考。与已有的出境旅游研究相比，本研究选取我国居民出境旅游目的地中最热门的国家之一——泰国为研究对象，突破了以往出境旅游影响因素研究中绝大多数以区域或整体为研究范围的局限性，为出境特定国家或地区旅游需求的影响因素研究提供了更为重要的实证研究支撑。同时，借鉴已有的网络关注度研究成果，将其应用于出境旅游研究，不仅拓宽了出境旅游的研究视角，也对后期新冠疫情常态化背景出境旅游的复苏，实时掌握我国居民对出境旅游的关注热度和需求动向具有重要的现实意义。网络搜索作为一种地理标记数据，为探究我国各省（区、市）出境旅游空间分异提供了丰富的数据资源。以此获取的我国31个省（区、市）居民的泰国旅游网络关注度数据可更直观地反映各地区潜在赴泰旅游需求及空间差异，弥补了以往的出境旅游客源地研究在空间上的不足。再者，运用地理探测器对影响因素进行探测，能更清晰地发现泰国旅游网络关注度空间分异的关键影响因素及各影响因素的作用强度。直飞航班的开通大大节省了居民出境旅游的时空成本，使得交通成本在出行总花费中的比例大幅降低，因而拥有便利的国际旅游出行条件对出境旅游具有极大的推动作用，这也意味着地理空间的阻隔已经不再是居民出境旅游的最大限制因素。必须强调的是，发展经济、提高经济实力和居民的消费水平才是推进出境旅游发展的根本动因，在此基础上建立友好互信的双边关系，建设完善的基础设施，尤其是进一步提升国际交通的互联互通水平，将有助于出境旅游的持续稳定发展。

本研究也存在诸多有待完善之处，需进一步深入探索。首先，随着移动互联网的广泛应用，越来越多的旅游者通过微博、抖音及携程旅行等平台获得出境旅游信息和购买旅游产品。因此，仅以百度指数衡量网络关注度不足以全面呈现我国居民关注泰国旅游的网络搜索行为。因此，需综合考虑更多网络平台的关注数据，以更准确地反映客源地旅游的需求变化情况。其次，政治局势与外交政策对出境旅游有直接影响。部分出境旅游客源地（如广州、潮州、成都、乐山、武汉等）与泰国相关地区相继缔结友好城市关系，开展旅游合作，致力于促进双向旅游发展。囿于数据的限制，本研究并未将此项列入实证讨论范畴，因而双边关系对出境旅游网络关注度与旅游需求的时空分异影响程度有待进一步验证，未来可增加定性分析。再次，突发安全事件与公共卫生事件后，目的地旅游网络关注度的时空变化有何特点尚需持续挖掘和深入研究。比如受新冠疫情的影响，当前我国出境旅游几乎处于停滞状态，但居民出境旅游的意愿仍在，因此，疫情常态化下居民在线获取出境旅游信息的特征将被进一步强化［45］，持续关注出境旅游网络搜索数据的历史演变信息并开展相关研究，为后疫情时代出境旅游的全面恢复与发展提供帮助。最后，本研究主要从客源地视角分析我国居民对泰国旅游的网络关注度情况，但由于出境旅游同时受目的地旅游资源、经济水平、文化形态、政治局势和外交政策等因素的影响，因此，需综合客源地与目的地的内外推拉阻力要素，以更全面地解释我国居民出境旅游网络关注度的时空分异形成机制，进而为出境旅游的健康发展提供理论依据。

［1］ 李中建，孙根年. 中美英德法出境旅游国际影响力比较：基于经济视角的时空分析［J］. 资源科学， 2019， 41（5）： 919-930. DOI：10.18402/resci.2019.05.09

LI Z J， SUN G N. International influences of outbound tourism from China， the United States， the United Kingdom， Germany， and France： Spatiotemporal analysis based on economic perspective［J］. Resources Science， 2019， 41（5）： 919-930. DOI：10.18402/resci. 2019.05.09

［2］ XIANG Y X. The characteristics of independent Chinese outbound tourists［J］. Tourism Planning & Development， 2013， 10（2）： 134-148. DOI：10.1080/21568316.2013.783740

［3］ LIN V S S， LIU A Y， SONG H Y. Modeling and forecasting Chinese outbound tourism： An econometric approach［J］. Journal of Travel & Tourism Marketing， 2015， 32（1/2）： 34-49. DOI：10.1080/10548408.2014. 986011

［4］ 蒋依依，刘祥艳，李兰兰，等. 中国出境旅游流研究［M］. 北京：科学出版社， 2017： 1-4.

JIANG Y Y， LIU X Y， LI L L， et al. Study on Tourism Flow from China［M］. Beijing： Science Press， 2017： 1-4.

［5］ 中国旅游研究院. 中国出境旅游发展年度报告2020［M］. 北京：旅游教育出版社， 2021： 3-6.

China Tourism Academy. Annual Report of China Outbound Tourism Development 2020［M］. Beijing： Tourism Education Press， 2021： 3-6.

［6］ 温晓金，蒋依依，刘焱序. “一带一路”国家入境游客规模演化规律与中国出境游客的对应特征［J］. 资源科学， 2019， 41（5）： 931-942. DOI：10.18402/resci. 2019.05.10

WEN X J， JIANG Y Y， LIU Y X. Inbound tourism from destination countries in the “Belt and Road” region and corresponding outbound tourism from China during 2001 to 2015［J］. Resources Science， 2019， 41（5）： 931-942. DOI：10.18402/resci.2019. 05.10

［7］ 杨军. 中国出境旅游“双高”格局与政策取向辨析：兼与戴学锋、巫宁同志商榷［J］. 旅游学刊， 2006， 21（6）： 65-68. DOI：10.3969/j.issn.1002-5006. 2006. 06.010

YANG J. An analysis of “overgrowth and over-consumption” in China's outbound travel and policy orientation［J］. Tourism Tribune， 2006， 21（6）： 65-68. DOI：10.3969/j.issn.1002-5006.2006.06.010

［8］ KEATING B W， HUANG S S， KRIZ A， et al. A systematic review of the Chinese outbound tourism literature： 1983-2012［J］. Journal of Travel & Tourism Marketing， 2015， 32（1/2）： 2-17. DOI：10. 1080/10548408.2014.986009

［9］ 戴斌，张耀军. 90年代中国出境旅游市场的特征与趋势［J］. 财贸研究， 1997（6）： 16-18. DOI： 10. 19337/j.cnki.34-1093/f.1997.06.014

DAI B， ZHANG Y J. Characteristics and trends of China's outbound tourism market in the 1990s［J］. Finance and Trade Research， 1997（6）： 16-18. DOI：10.19337/j.cnki.34-1093/f.1997.06.014

［10］WANG Y， SHELDON P J. The sleeping dragon awakes： The outbound Chinese travel market［J］. Journal of Travel and Tourism Marketing， 1996， 4（4）： 41-51. DOI：10.1300/J073v04n04_03

［11］蔡家成. 试论我国出境旅游管理体制发展问题［J］. 旅游学刊， 2000， 15（3）： 13-18. DOI：10.3969/j.issn. 1002-5006.2000.03.003

CAI J C. On the reform of China's outbound travel management［J］. Tourism Tribune， 2000， 15（3）： 13-18. DOI：10.3969/j.issn.1002-5006.2000.03.003

［12］ZHOU L， KING B， TURNER L. The China outbound market： An evaluation of key constraints and opportunities［J］. Journal of Vacation Marketing， 1998， 4（2）： 109-119. DOI：10.1177/135676679800400203

［13］依绍华. 中国加入WTO后对出境旅游政策的影响［J］. 社会科学家， 2001， 16（3）： 11-14. DOI：10. 3969/j.issn.1002-3240.2001.03.020

YI S H. Influence of China's entry into WTO on outbound tourism policy［J］. Social Scientist， 2001， 16（3）： 11-14. DOI：10.3969/j.issn.1002-3240.2001. 03.020

［14］张广瑞. 中国出境旅游热的冷静思考：关于中国出境旅游发展政策的辨析［J］. 财贸经济， 2005（7）： 87-91，97. DOI：10.19795/j.cnki.cn11-1166/f.2005. 07.019

ZHANG G R. Sober judgement on China's outbound tourism boom： Argument for future China's outbound tourism policy［J］. Finance & Trade Economics， 2005（7）： 87-91，97. DOI：10.19795/j.cnki.cn11-1166/f.2005.07.019

［15］WEI X， MENG F， ZHANG P. Chinese citizens' outbound destination choice： Objective and subjective factors［J］. International Journal of Tourism Research， 2017， 19（1）： 38-49. DOI：10.1002/jtr. 2082

［16］KIM S S， WAN Y K P， PAN S. Differences in tourist attitude and behavior between Mainland Chinese and Taiwan tourists［J］. Journal of Travel & Tourism Marketing， 2015， 32（1/2）： 100-119. DOI：10.1080/10548408.2014.986015

［17］LI X， HARRILL R， MUZAFFER U， et al. Estimating the size of the Chinese outbound travel market： A demand-side approach［J］. Tourism Management， 2010， 31 （2）： 250-259. DOI：10. 1016/j.tourman.2009.03.001

［18］WANG L， FANG B， LAW R. Effect of air quality in the place of origin on outbound tourism demand： Disposable income as a moderator［J］. Tourism Management， 2018， 68： 152-161. DOI：10.1016/j.tourman.2018.03.007

［19］刘亚萍，于杰，王富强. 中国赴东盟旅游流重心移动轨迹及旅游市场态分析［J］. 旅游科学， 2019， 33（4）： 85-95.

LIU Y P， YU J， WANG F Q. A study on the gravity center trajectory of the tourist flow from China to ASEAN and its market form［J］. Tourism Science， 2019， 33（4）： 85-95.

［20］王亚力，王楚君. 中国大陆游客访日目的地的热度分区及变化趋势［J］. 世界地理研究， 2018， 27（1）： 151-158. DOI：10.16265/j.cnki.issn1003-3033.2015. 07.028

WANG Y L， WANG C J. Popularity-based destination segmentation of tourists from Mainland China to Japan and its tendency［J］. World Regional Studies， 2018， 27（1）： 151-158. DOI：10.16265/j.cnki.issn1003-3033.2015.07.028

［21］沈阳，谢朝武. 内地游客赴港澳旅游安全事件时空分布研究［J］. 中国安全科学学报， 2015， 25（7）： 171-176. DOI：10.16265/j.cnki.issn1003-3033.2015.07.028

SHEN Y， XIE C W. Research on temporal and spatial distribution of tourism safety & security emergencies for mainland tourists travelling to Hong Kong and Macao［J］. China Safety Science Journal， 2015， 25（7）： 171-176. DOI：10.16265/j.cnki.issn1003-3033.2015.07.028

［22］黄锐，谢朝武. 中国赴东盟地区旅游安全事故风险因子的组态影响探测：基于HEVP框架的模糊集定性比较分析［J］. 经济地理， 2021， 41（7）： 202-212. DOI：10.15957/j.cnki.jjdl.2021.07.022

HUANG R， XIE C W. The detection of the configuration impact of the risk factor on the Chinese tourists' safety accidents in ASEAN： A qualitative comparative analysis of fuzzy sets based on HEVP framework［J］. Economic Geography， 2021， 41（7）： 202-212. DOI：10.15957/j.cnki.jjdl.2021.07.022

［23］邢宁宁，杨双双，黄宇舟，等. 90后出境旅游动机及价值追寻［J］. 旅游学刊， 2018， 33（9）： 58-69. DOI：10.3969/j.issn.1002-5006.2018.09.011

XING N N， YANG S S， HUANG Y Z， et al. The motivation and value pursuit of outbound tourism of post-90s［J］. Tourism Tribune， 2018， 33（9）： 58-69. DOI：10.3969/j.issn.1002-5006.2018.09.011

［24］HUANG S S， HSU C H C. Effects of travel motivation， past experience， perceived constraint， and attitude on revisit intention［J］. Journal of Travel Research， 2009， 48（1）： 29-44. DOI：10.1177/0047287508328793

［25］孙艳，李咪咪，李少华，等. 千禧一代出境游目的地决策过程叙事研究：良机驱动的发现及其理论意义［J］. 旅游学刊， 2021， 36（7）： 92-103. DOI：10. 19765/j.cnki.1002-5006.2021.07.012

SUN Y， LI M M， LI S H， et al. A narrative analysis of destination decision making process of Millennium outbound tourists： The role of opportunity-driven decision making［J］. Tourism Tribune， 2021， 36（7）： 92-103. DOI：10.19765/j.cnki.1002-5006. 2021.07.012

［26］樊纲治，王珏. 促内需消费视角下中国公民出境旅游消费的比较研究：基于境外个人跨境旅游消费调查数据的研究［J］.数理统计与管理， 2021， 40（1）： 117-134. DOI：10.13860/j.cnki.sltj.20200610-001

FANG G Z， WANG J. A comparative study of Chinese citizens' outbound tourism consumption under the perspective of promoting domestic demand and consumption： Based on individual survey data from overseas countries［J］. Journal of Applied Statistics and Management， 2021， 40（1）： 117-134. DOI：10.13860/j.cnki.sltj.20200610-001

［27］蒋依依，温晓金，刘焱序. 2001—2015年中国出境旅游流位序规模演化特征［J］. 地理学报， 2018， 73（12）： 2468-2480. DOI：10.11821/dlxb201812014

JIANG Y Y， WEN X J， LIU Y X. Evolutionary characteristics of China's outbound tourism flow in rank-size distribution from 2001 to 2015［J］. Acta Geographica Sinica， 2018， 73（12）： 2468-2480. DOI：10.11821/dlxb201812014

［28］张子昂， 保继刚. 多重距离对中国入境与出境旅游流的影响：基于组态的视角［J］. 地理科学， 2021， 41（1）： 13-21. DOI：10.13249/j.cnki.sgs.2021.01.002

ZHANG Z A， BAO J G. Effects of multiple distances on inbound and outbound tourism flows in China： A configuration-based perspective［J］. Scientia Geographica Sinica， 2021， 41（1）： 13-21. DOI：10. 13249/j.cnki.sgs.2021.01.002

［29］刘祥艳，杨丽琼，吕兴洋. 文化距离对我国出境旅游的影响：基于引力模型的动态面板数据分析［J］. 旅游科学， 2018， 32（4）： 60-70. DOI：10.16323/j.cnki.lykx.2018.04.005

LIU X Y， YANG L Q， LYU X Y. The Impact of cultural distance on China's outbound tourism： A dynamic panel data analysis based on the gravity model［J］. Tourism Science， 2018， 32（4）： 60-70. DOI：10.16323/j.cnki.lykx.2018.04.005

［30］吴中堂，刘建徽，袁俊. 大陆居民赴台湾自由行旅游流网络分析及演化研究［J］. 旅游学刊， 2016， 31（10）： 113-121. DOI：DOI：10.3969/j.issn.1002-5006.2016.10.021

WU Z T， LIU J H， YUAN J. Network analysis and evolutionary studies based on tourist flows of mainland residents' self-service traveling in Taiwan［J］. Tourism Tribune， 2016， 31（10）： 113-121. DOI：110.3969/j.issn.1002-5006.2016.10.021

［31］刘逸，保继刚，陈凯琪. 中国赴澳大利亚游客的情感特征研究：基于大数据的文本分析［J］. 旅游学刊， 2017， 32（5）： 46-58. DOI：10.3969/j.issn.1002-5006. 2017.05.010

LIU Y， BAO J G， CHEN K Q. Sentimental features of Chinese outbound tourists in Australia： Big-data based content analysis［J］. Tourism Tribune， 2017， 32（5）： 46-58. DOI：10.3969/j.issn.1002-5006. 2017.05.010

［32］何月美，邹永广，莫耀柒. 中国游客赴马来西亚的安全感知研究：基于网络文本分析［J］. 世界地理研究， 2019， 28（6）： 200-210. DOI：10.3969/j.issn.1004-9479.2019.06.2018213

HE Y M， ZOU Y G， MO Y Q. Safety perception of Chinese outbound tourists in Malaysia： Based on web text analysis［J］. World Regional Studies， 2019， 28（6）： 200-210. DOI：10.3969/j.issn.1004-9479. 2019.06.2018213

［33］阮文奇，张舒宁，李勇泉，等. 中国赴泰旅游需求时空分异及其影响因素［J］. 旅游学刊， 2019， 34（5）： 76-89. DOI：CNKI：SUN：LYXK.0.2019-05-012

RUAN W Q， ZHANG S N， LI Y Q， et al. Spatiotemporal differentiation and influencing factors of Chinese's tourism demand to Thailand［J］. Tourism Tribune， 2019， 34（5）： 76-89. DOI：CNKI：SUN：LYXK.0.2019-05-012

［34］徐映梅，高一铭. 基于互联网大数据的 CPI 舆情指数构建与应用：以百度指数为例［J］. 数量经济技术经济研究， 2017， 34（1）： 94-112．DOI：10.13653/j.cnki.jqte.2017.01.006

XU Y M， GAO Y M. Construction of the public opinion index of CPI based on the internet big data［J］. The Journal of Quantitative & Technical Economics， 2017， 34（1）： 94-112．DOI：10.13653/j.cnki.jqte.2017.01.006

［35］任乐，崔东佳. 基于网络搜索数据的国内旅游客流量预测研究：以北京市国内旅游客流量为例［J］. 经济问题探索， 2014（4）： 67-73. DOI：10.3969/j.issn. 1006-2912.2014.04.011

REN L， CUI D J. Prediction of domestic tourist flow based on web search data： A case study of Beijing［J］. Inquiry Into Economic Issues， 2014（4）： 67-73. DOI：10.3969/j.issn.1006-2912.2014.04.011

［36］任欢，刘婷，康俊锋，等. 一种基于百度指数的城市日游客规模预测方法［J］. 浙江大学学报（理学版）， 2020， 47（6）： 753-761. DOI：10.3785/j.issn.1008-9497.2020.06.014

REN H， LIU T， KANG J F， et al. A prediction method of urban daily tourist scale based on Baidu index［J］. Journal of Zhejiang University （Science Edition）， 2020， 47（6）： 753-761. DOI：10.3785/j.issn.1008-9497.2020.06.014

［37］唐鸿，许春晓. 中国红色旅游经典景区网络关注度时空演变及影响因素［J］. 自然资源学报， 2021， 36（7）： 1792-1810. DOI：10.31497/zrzyxb.20210712

TANG H， XU C X. Spatio-temporal evolution and influencing factors of Chinese red tourism classic scenic spots network attention［J］. Journal of Natural Resources， 2021， 36（7）： 1792-1810. DOI：10. 31497/zrzyxb.20210712

［38］陆利军，戴湘毅. 基于百度指数的湖南旅游目的地城市旅游者网络关注度及其空间格局研究［J］. 长江流域资源与环境， 2020， 29（4）： 836-849. DOI：10. 11870/cjlyzyyhj20200405

LU L J， DAI X Y. Research on the tourist network attention and spatial pattern of tourist destination cities in Hunan based on the Baidu index［J］. Resources and Environment in the Yangtze Basin， 2020， 29（4）： 836-849. DOI：10.11870/cjlyzyyhj20200405

［39］郑昭彦. 重大事件对举办地景区网络关注度的影响：以杭州G20峰会为例［J］. 地域研究与开发， 2019， 38（5）： 111-114. DOI：

ZHENG Z Y. Influence of major events on network attention of the locations' scenic spots： A case from G20 summit in Hangzhou city［J］. Areal Research and Development， 2019， 38（5）： 111-114. DOI：

［40］陈金华，胡亚美. 跨境网络舆情演化下目的地关注度时空特征：以普吉岛沉船事件为例［J］. 华侨大学学报（哲学社会科学版）， 2020（3）： 68-79. DOI：10. 16067/j.cnki.35-1049/c.2020.03.007

CHEN J H， HU Y M. Online public opinion of cross-border tourism： A case study of the shipwreck in Phuket Island［J］. Journal of Huaqiao University（Philosophy & Social Sciences）， 2020（3）： 68-79. DOI：10.16067/j.cnki.35-1049/c.2020.03.007

［41］韩剑磊，明庆忠，史鹏飞，等. 基于百度指数的中国省域旅游信息流网络结构特征及其影响因素［J］. 陕西师范大学学报（自然科学版）， 2021， 49（6）： 43-53. DOI：

HAN J L， MING Q Z， SHI P F， et al. The structural characteristics and influencing factors of tourism information flow network in China based on Baidu index［J］. Journal of Shaanxi Normal University（Natural Science Edition）， 2021， 49（6）： 43-53. DOI：

［42］王劲峰，徐成东. 地理探测器：原理与展望［J］. 地理学报， 2017， 72（1）： 116-134. DOI：10.11821/dlxb 201701010

WANG J F. XU C D. Geodetector： Principle and prospective［J］. Acta Geographica Sinica， 2017， 72（1）： 116-134. DOI：10.11821/dlxb201701010

［43］李莉，张捷. 互联网信息评价对游客信息行为和出游决策的影响研究［J］. 旅游学刊， 2013， 28（10）： 23-29. DOI：10.3969/j.issn.1002-5006.2013.010.003

LI L， ZHANG J. Impact of network information evaluation on tourists' information-related behavior and travel decisions［J］. Tourism Tribune， 2013， 28（10）： 23-29. DOI：10.3969/j.issn.1002-5006. 2013.010.003

［44］张晓梅，程绍文，刘晓蕾，等. 古城旅游地网络关注度时空特征及其影响因素：以平遥古城为例［J］. 经济地理， 2012， 36（7）： 196-202，207. DOI：10. 15957/j.cnki.jjdl.2016.07.026

ZHANG X M， CHENG S W， LIU X L， et al. Spatial-temporal characteristics and influencing factors of network attention to ancient city destination： A case of Pingyao［J］. Economic Geography， 2012， 36（7）： 196-202，207. DOI：10.15957/j.cnki.jjdl. 2016.07.026

［45］中国旅游研究院（文化和旅游研究数据中心）.《中国出境旅游发展年度报告2021》在京发布［EB/OL］. ［2021-11-25］. http：//www.ctaweb.org.cn/cta/gzdt/202111/074b 098d53e24375bfebf5352f67512a.shtml.

China Tourism Academy （Data Center of the Ministry of Culture and Tourism）. Annual Report of China Outbound Tourism Development 2021［EB/OL］. ［2021-11-25］. http：//www.ctaweb.org.cn/cta/gzdt/202111/074b 098d53e24375bfebf5352f67512a.shtml.

Research on the spatial-temporal dynamic evolution and influencing factors of outbound tourism network attention: A case study on Thailand

YUAN Li, SUN Gennian

，，710119，）

Based on Baidu index, this study takes 'Thailand tourism network attention' of 31 provinces (autonomous regions and municipalities) as the research object, and explores the spatial-temporal evolution of domestic residents' attention to Thailand tourism network and its influencing factors based on seasonal intensity index, geographic concentration index, Herfindahl-Hirschman index and with geographic detector. The results can be concluded as below: from the perspective of time series evolution, Thailand tourism network attention shows a fluctuating upward trend from 2011 to 2019, which can be divided into two stages: rapid upward stage and stable development stage. The seasonal differences are extremely obvious. Over the years, March, July and December are the peak time of Thailand tourism network attention. From the perspective of spatial differentiation, the spatial structure of Thailand tourism network attention exhibits a similar spatial distribution every year. It appears as a ladder-like distribution of "high in the east and low in the west" as a whole. The area with high attention are mainly concentrated in the eastern region and Sichuan Province, while area with low attention are mainly distributed in the western provinces. From the perspective of influencing factors, the overall economic level (GDP), per capital disposable income, transportation convenience, trade openness and international tourism openness jointly affect the spatial distribution of Thailand's tourism attention, and the fundamental cause for the spatial differentiation on network attention lies in the level of economic development.

outbound tourism; network attention; spatial-temporal evolution; geographic detectors; Thailand

F590

A

1008⁃9497（2023）01⁃001⁃15

2021⁃12⁃02.

国家社会科学基金项目（20BJY204）.

袁利（1985—），ORCID：https：//orcid.org/0000-0003-1614-9080，女，博士研究生，主要从事旅游经济运行研究.

通信作者，ORCID：https：//orcid.org/0000-0002-6908-6880，E-mail：gnsun@snnu.edu.cn.