宏观环境与马拉松赛事集聚的影响机制——基于我国31个省区市的模糊集定性比较分析

伊 哲,史文文,熊一凡,李 娜

(1.湖北大学 体育学院, 湖北 武汉 430062; 2.黄冈师范学院 数学与统计学院, 湖北 黄冈 438000)

2019年9月,国务院发布《体育强国建设纲要》,其中将探索组织全民健身赛事活动的新模式作为普及工程重点建设,并打造全民赛事活动品牌[1]。马拉松作为群众参与性最广的一项体育赛事,在广泛开展全民健身赛事的新时代下,逐渐升温的马拉松赛事必然成为全民健身品牌的代表。国家体育总局在2021年10月颁布《“十四五”体育发展规划》提出,广泛开展全民健身活动、构建更高水平的全民健身公共服务体系[2],在户外运动产业培育工程专栏中重点强调马拉松赛事的发展。2020年9月,习近平在体育领域专家代表座谈会上强调,体育是促进人全面发展的重要手段和满足人民对美好生活的向往的方式,同时也是展示国家文化软实力的重要平台。马拉松赛事作为体育中重要的一环,在群众参与性中发挥着不可替代的作用,但是马拉松赛事集聚受到宏观环境的影响,例如地区经济发展水平、人口特征、生态环境、城市基础建设等因素深刻影响集聚程度。因此,明晰影响马拉松赛事集聚的宏观环境因素,探析影响马拉松赛事集聚因素的多元路径,为打造马拉松赛事高集聚提出针对性措施,具有重要的现实意义。

目前,关于马拉松赛事集聚因素的研究,学者们从多个因素开展了丰富的研究。Zhanbing Ren从地形、空气质量等环境因素探析对马拉松赛事空间分布的影响[3]。王进以江苏省马拉松赛事为例,通过邻近指数、核密度强度等方法研究得出区域经济水平、教育程度、景点资源等因素是影响区域马拉松赛事分布的主要原因[4]。陈昆仑利用核密度强度分析和重心模型法得出经济因素、社会因素、自然因素影响和制约了马拉松赛事的空间分布[5]。肖年乐以2020年中国田径协会认证的274场比赛作为研究对象,研究发现政策、经济、社会、资源是中国马拉松等级赛事空间分布特征的主要驱动因素[6]。任杰通过GIS相关分析方法研究2017年中国马拉松赛事,影响马拉松空间分布的因素由自然因素、经济因素、城镇化因素和人文因素所组成[7]。虽然现有关于马拉松赛事影响因素的研究成果相对丰富,但马拉松赛事的分析主要集中在使用传统的分析方法来分析单个因素对马拉松赛事的净效应,而赛事集聚是一种复杂的社会现象,受多个因素联动的影响,而现有的研究不能从整体上系统地解释马拉松集聚的多因素协同效应。面对现有研究成果和马拉松赛事发展的需要,探析马拉松赛事集聚影响因素的构成,以及如何实现马拉松赛事高集聚,是马拉松赛事发展过程中亟待解决的问题。

基于此,本文在参考以往研究的基础上,运用fsQCA的分析方法,构建影响区域省份马拉松赛事集聚的理论模型,以中国31个省份为研究案例对象进行研究。通过探究案例省份多个因素对马拉松赛事集聚影响之间的关系,对比并分析驱动马拉松赛事集聚路径异同的同时,更进一步提出驱动马拉松赛事集聚路径的建议,提升区域马拉松赛事的竞争力。

1 研究内容与模型建构

目前这些研究或多或少存在相应的局限性,尤其在对马拉松赛事的区域关联的研究和探讨并不多;首先,以往研究基于不同视角出发,会热衷研究某一视角下单一或者多个因素的影响,而忽略多个影响因素的“联合效应”;再者,现有学者在调查研究之后发现相关问题的影响因素,无法确定不同影响因素之间的互动影响关系;最后,侧重于研究我国体育赛事的发展趋势,现状对策和动力机制等等,而对于区域与区域之间体育赛事的空间非均衡特征研究甚少。本文从宏观环境视角出发,分别选取经济水平、人口特征、生态环境、城市建设、市场环境和赛事质量作为影响马拉松赛事集聚的条件变量,将赛事聚集作为结果变量。

1.1 经济水平

一方面,区域经济水平发展通过对区域经济环境的作用影响马拉松赛事的集聚,另一方面,通过影响区域产业结构优化和赛事配套设施相关建设去引导赛事集聚。通常情况下,地区生产总值直接反应地区整体的经济发展水平,并且经济发展水平直接影响赛事的集聚程度。以往研究表明我国马拉松赛事主要集中在一线城市,并且地区整体经济实力决定了政府的资金投入比例及未来五年赛事的规划[8]。同时有关数据表明,2015年,我国最具影响力前100名的马拉松赛事分布较广,并且多数都在经济发达的东部沿海省份举办,其中浙江省举办次数最多[9]。

区域赛事的高度集聚时,拉动GDP增长更为显著,此时更应该关注服务型体育产业消费指标。肖年乐通过地理联系率计算第三产业产值指标,结果显示第三产业产值与赛事的空间分布有显著的关联,呈现赛事空间分布由西向东、由内陆向沿海时,第三产业产值逐渐增加的趋势,同时指出区域人均可支配收入也是影响马拉松赛事空间分布的驱动因素[6]。所以,衡量地区经济水平应选择第三产业产值比重和人均可支配收入作为参考指标。马拉松赛事作为体育旅游的一个关键组成部分,给举办城市带来大量游客拉动旅游收入是大型马拉松赛事带来最显著、最直接的好处,同时,既能有效整合旅游资源,也能展示独特的城市魅力[10]。马拉松赛事对举办地的体育产业及延伸产业具有良好的拉动作用,尤其是外地游客的旅游消费[11]。相关学者的研究表明马拉松赛事能够带动区域旅游消费,若区域马拉松赛事产生高集聚时,该区域旅游消费的亦会随之增长。叶新才以厦门国际马拉松为例进行实证研究,数据表明参赛的外地游客占当年马拉松旅游消费总额的73.45%,其中住宿为最大的花销,占比为50.02%[12],在马拉松赛事出现高集聚时,承办地区的住宿消费指标更能直接地反映其赛事的集聚程度。故选取地区生产总值、居民人均可支配收入、第三产业产值比重、旅游总收入和餐宿总收入为衡量地区经济水平的五个重要指标。

1.2 人口特征

江苏(8 070万人)、广东(11 521万人)、浙江(5 850万人)、四川(8 375万人)等人口基数大的区域省份,各省在2019年举办马拉松赛事的数量高达185次、112次、232次、115次;而人口稀疏且分布在我国西部地区的省份,如新疆、西藏、青海等,其承办中国田协认证的赛事数量分别为3个、1个、1个。这表明人口因素是影响马拉松赛事分布的重要因素之一,因此,良好的区域人口数量是马拉松赛事集聚的重要基础条件。有学者指出大型体育赛事更多集中分布在具有良好的基础设施条件和人口优势的一线城市[12]。以往研究表明,人口因素作为重要的基础条件影响马拉松赛事的发展,区域马拉松赛事承办数量随着人口的增长大致呈递增趋势[5]。由此,采用省人口规模和城市化率两个变量指标来衡量地区人口特征。

1.3 生态环境

在《2014年中国环境公报》中,全国仅有16个城市通过空气质量新标准监测,其余城市均显示超标,未通过新标准监测,大气污染治理成为我国环境保护的首要任务[13]。例如2014年在北京举办的马拉松赛事,市民称之为“马拉松霾”,在“马拉松霾”的环境下进行长时间的运动会损害身体健康,也会影响市民对赛事活动的主观印象,并影响其参与该赛事的积极性。然而,在雾霾中开跑的北京马拉松赛事并不是个例,五天后的天津马拉松赛事同样在雾霾中开跑,部分参赛者选择戴着口罩出发,但是更多选手成了“人体吸尘器”。举办马拉松的根本目的本是促进群众身心健康,提高国民身体素质为导向,但是在雾霾环境下承办赛事的现象频频发生,危及参赛选手的身体健康,这与前者的办赛目的背道而驰,如不注重赛事生态环境建设,因环境问题导致的赛事负面效应将成倍增长,抑制马拉松宣传和发展健康、绿色和环保的理念[14]。因此,应选取省会城市PM2.5年平均浓度作为衡量区域生态环境的重要指标。以往研究表明马拉松赛事空间分布的影响因素,其中自然因素中空气质量具有较大影响,以优良的天数作为衡量标准[5]。在赛前规划阶段,政府协同有关部门为参赛者营造良好的比赛环境和极致的参赛体验进行赛道规划和景观优化,公园绿化面积的优化不仅能提升赛事沿途的风景,赛后绿地公园也能更好地服务于城市居民的日常生活体验[15]。区域赛事的集聚程度越高,其城市绿化面积也会随之增加,城市公园绿化面积指标侧面反映赛事集聚的程度。此前已有研究表明,区域马拉松赛事承办数量随5A景区数量的增加而增加[5]。由此,将省会城市PM2.5年平均浓度、空气质量优良天数、地区每万人拥有公园绿地面积和5A级景区数量作为评价生态环境的四个重要指标。

1.4 城市建设

城市公共服务水平能够很好地体现城市建设的好坏,高质量的公共服务是国家治理体系和治理能力现代化的重要体现。构建高质量的公共服务体系可以极大地提高人们的获得感和幸福感。优质的公共服务可以为城市居民提供充足的医疗资源和便捷的交通资源,为马拉松赛事的承办提供更好的安全保障。以往研究表明医疗资源在马拉松赛事出现危及生命安全的突发事件中发挥了重要作用[16-17]。从2014年以来我国马拉松赛事迅猛发展,区域承办马拉松赛事的频次越来越高,其中危及生命安全的猝死事件不断出现,区域拥有良好的医疗资源可以应对此类突发事件,因此选取医疗资源作为参考指标。陈昆仑利用回归分析等方法指出社会发展水平和交通发展水平是影响马拉松赛事分布的重要影响因素[5]。对于举办地而言,马拉松赛事期间随着参赛选手和游客的骤增,交通压力随之大幅增加,客运量水平不足而导致的交通拥挤将会给游客参赛和体育旅游带来不便[6]。因此,面对马拉松赛事高集聚有可能出现的区域交通压力,选取地区城市公共交通和地区客运量作为参考指标。综上所述,故选取医疗资源、地区城市公共交通情况和地区客运量三个指标衡量区域城市建设情况。

1.5 市场环境

陈晚璐以31个省区市为研究案例,建立指标体系通过回归分析研究发现各省市场环境对体育赛事的支持力度呈现严重失衡的现象,表现为由西北内陆向东部沿海逐渐增强的空间分布特征[18]。晁园园等学者认为市场环境总体不优是影响高质量赛事分布的重要因素之一[19]。但同时有研究表明从赞助市场和主体地位分析马拉松赛事的赞助市场尚未形成相应的行业规范,并且大部分赞助企业不属于体育产业[20-21],因此建立开放、公平的营商环境更有利于区域体育产业的生存发展,体育产业产值规模的提升,形成体育产业集聚的同时推动区域体育赛事的集聚。所以市场环境支持对马拉松赛事集聚的影响同样不可被忽视。此前已有对市场支持调查较为成熟的研究,本文将引用各省份营商环境指数进行解释说明[22]。故选取营商环境指数作为衡量区域市场环境的指标。

1.6 赛事质量

王进以江苏省马拉松为研究对象,运用核密度方法研究发现不同等级的赛事分布具有较大差异,赛事质量依靠举办地的经济条件和城市基础设施建设,并发现高质量、高等级的马拉松赛事大部分集中在江苏省南部地区[4]。任杰以2017年全国举办IFAA赛事和中国田协认证的赛事为研究对象运用核密度等方法,前者主要分布在东部沿海及川渝地区,而级别较低的中国田协认证赛事则在全国分布广泛[7],表明赛事等级的不同会影响马拉松赛事的区域集聚。以往研究表明马拉松赛事更加注重综合效益的评估,尤其是赛事本身的质量[23],赛事质量对参赛者的参赛体验有较大的影响[24-26]。区域内的高等级马拉松赛事数量越多,越能表明地区赛事具有吸引赛事集聚的优势条件,所以区域承办各个等级的马拉松赛事数量能够很好反映当地的赛事集聚。因此,选取认证赛事数量作为指标来衡量区域马拉松赛事质量。

综上所述,研究单个宏观因素对马拉松赛事集聚的影响,为本研究中的条件变量提供了基础。但是在现实情况下,影响马拉松赛事集聚的因素是复杂多变的,仅从单一因素解释影响马拉松赛事集聚的现象是片面的。因此,本研究着眼于多因素对结果的综合影响,从组态的角度出发,选择马拉松赛事集聚作为结果变量,将经济水平、城市建设、生态环境、市场环境、人口特征和赛事质量6个维度共16个二级变量作为条件变量,构建马拉松赛事集聚组态影响因素理论模型(见图1),探究其影响马拉松赛事集聚的复杂因果机制。

图1 马拉松赛事集聚组态影响因素理论模型

2 研究方法与数据来源

2.1 方法选择

定性比较分析是一种旨在分析因果复杂性现象的集合分析方法。该方法认为,条件变量对结果变量的影响不是单独存在的,而是相互依存、共同作用的。QCA对选定的案例进行比较分析,将从整体视角出发检验并分析是多个因素构成的组态而非单一因素对结果产生影响[27]。

本文采用fsQCA方法,探析我国31个省区市马拉松赛事集聚影响因素的复杂因果关系,基于以下几点原因:一是马拉松赛事集聚是受到多个影响因素的协同制约,fsQCA通过组态思维分析多个条件变量的耦合效应,识别驱动赛事聚集的多个等效路径,并发现要素之间潜在的等效替代关系;二是fsQCA整合了定量和定性研究优势,适合样本为15～50个的中等规模样本研究[27],本研究选取的案例数量为31个,符合研究样本数量的要求,应用该方法既能深入研究不同地区马拉松赛事集聚影响因素的独特性,同时,又能兼顾分析结果的内部有效性;三是本文使用的变量都为连续变量,所以fsQCA方法更适合于反映变量在程度和水平上的变化。

2.2 数据来源

本文将中国31个省级行政区确定为研究案例对象,计算结果变量和条件变量的二级变量数据主要来源于2020年《中国统计年鉴》、2020年《中国马拉松蓝皮书》、国家统计局《2020国民经济和社会发展统计公报》、文化和旅游部和《卫生健康统计年鉴》。如表1所示。

2.3 变量测量

2.3.1 结果变量

本文采用马拉松赛事集聚衡量地区马拉松赛事集聚程度。

(1)

其中:N为全国马拉松赛事承办数量,Ni为地区承办马拉松数量,计算出的原始比值中的最大值指定为1,其他值与最大值的比值为相对值,得到马拉松赛事集聚程度的值范围介于[0,1]之间。将马拉松赛事集聚结果变量进行数据校准,设置95%,50,5%三个阈值点作为区分[27],计算结果如表2所示,结果变量的值大于0.207(50%)即为高赛事集聚,其数值越大马拉松赛事集聚程度越高;同理若结果变量的值小于0.207(50%),即为非高赛事集聚,其数值越低马拉松赛事集聚程度越低。

表1 变量的选择和来源

2.3.2 条件变量

针对模型中6项一级变量,设置相应的二级变量通过加权计算条件变量的最终得分。对二级变量采用效用值法对原始数据进行无量纲化处理[28]。其中,[0,100]是效用值的范围。当该指标的效用值为0时,即为最差值;当效用值为100时,它是最优值。假定i为指标,j为区域,yij为i指标j区域的效用值,xij表示为i指标区域j的数值,ximax和ximin分别表示指标的最大值和最小值。计算公式如下。

(2)

对各测量指标进行得分赋值及权重确定。为避免人为因素对评价结果造成影响,为了使指标权重设置更加客观、合理,提出采用熵权法计算指标权重。

(3)

式(3)中,因做加权数据处理,故对数值进行平移处理。

(4)

(5)

(6)

(7)

式中,xij为第i个省份第j个二级变量的得分赋值,pij为第j个二级变量下第i个省份的特征比重,eij为第j个二级变量的熵值,Wj为第j个二级变量的熵权系数,Si为第i个省份的马拉松赛事影响因素得分。

通过熵值加权公式确定各指标权重。经济水平:由地区生产总值(18%)、第三产业产值比重(15.9%)、人均可支配收入(20.7%)、旅游总收入(14.7%)、餐宿总收入(30.7%)加权计算得出。人口特征:人口规模(74.2%)、城市化率(25.8%)加权计算得出。生态环境:省会城市PM2.5指标(17.4%)、空气质量优良天数(25.8%)、地区每万人拥有公园绿地面积(25.7%)、5A级景区数量(31.1%)加权计算得出。城市建设:医疗资源(31.1%)、地区每万人拥有公共交通数量(29.6%)、地区客运量(39.3%)加权计算得出。

2.3.3 变量的校准

在使用fsQCA软件进行分析过程中,需对所有加权后的一级变量进行校准。参考以往文献研究,将结果变量和各一级变量案例数据的95%、50%、5%分别设定为完全隶属,交叉点和完全不隶属三个校准点。如表2所示。

表2 集合、校准与描述性统计

3 实证分析

3.1 必要性检验

条件变量的一致性是衡量必要条件的重要指标。当条件变量的一致性大于0.9时,则认为此条件变量是导致结果的必要条件。由表3可知,所有条件变量的一致性小于参考值0.9,表明单一条件变量的解释不够充分,不能构成结果变量的必要条件,反映出马拉松赛事集聚具有复杂性,影响马拉松赛事集聚并不是单一因素能够决定,而是多种因素组合共同作用产生的结果。从整体性的角度而言,应综合考虑经济水平、人口特征、生态环境、城市建设、市场环境和赛事质量六个层面的“联合效应”。

3.2 组态充分性分析

参考以往相关研究,一致性分数设置为0.8,有偏一致性大于0.5即可[27]。本文将一致性值阈设置为0.8,有偏一致性值阈设置为0.7,避免条件变量既属于高集聚又属于非高集聚,样本规模频数值阈设置为1。fsQCA分析结果如表4所示,其中,马拉松赛事高集聚有3个等效组态,马拉松赛事非高集聚有5个等效组态。

表3 单个条件的必要性检验结果

3.3 稳健性检验

参考以往相关研究,本文将有偏一致性值阈从0.7提高至0.8,其他阈值设定和操作方法均保持不变,分析马拉松赛事高集聚的组态数量、核心和边缘条件的排列分布是否存在较大改变。通过提高值阈计算发现,上述条件组合路径均未发生改变,得到的新组态和表4马拉松赛事集聚的组态基本一致,说明本研究结果通过稳健性检验证明较为稳健。

3.4 马拉松赛事高集聚组态路径

3.4.1 “市场-赛事”双重驱动型

组态H1表明,无论地区生态环境质量是否优越,在完善的市场环境和高质量的马拉松赛事的支持下,只要经济发展水平、城市基础设施建设程度和人口规模较高,就能产生马拉松赛事高集聚,其中,市场环境和赛事质量发挥核心作用。有63.9%的马拉松赛事高集聚案例能被该组态所解释,符合该组态的案例包括江苏、浙江、广东、四川、山东和河南。浙江和江苏作为典型案例,其区域马拉松赛事的高集聚原因在于区域完善的市场营商环境、办赛数量和质量高。截至2019年,浙江省举办马拉松赛事场次达到232场,江苏省承办赛事场次为185场,同比上一年度分别增加52场和39场,在赛事认证方面江苏省为41场,浙江省为29场,在承办赛事数量和认证赛事数量上分别位列全国第一和第二名。在市场营商环境方面,浙江和江苏在营商环境评价等级均为A-,在我国营商环境中处于前列水平,是中国营商环境优化的标杆[22]。另外,从地理位置看,浙江和江苏都属于东部地区,其经济水平、营商环境及相关政策配套,城市基础设施建设均位于我国前列,特别是经济发展和市场营商环境方面都展现了示范和引领作用。因此,案例分布符合地区发展现状,同时案例省份现实样态能够很好地解释该组态。

表4 赛事高、非高聚集的组态分析

3.4.2 “经济-环境-市场”均衡驱动型

如图2所示,组态H2a和H2b均肯定了高经济水平、高生态环境和高市场环境的核心作用,故命名为“经济-环境-市场”均衡驱动型。组态H2a表明,对于城市基础设施建设一般、赛事质量不高的地区,只要在良好的经济水平、优质的生态环境和完善的市场营商环境推动下,人口规模较好的地区就能产生马拉松赛事高集聚。该组态可以解释30.4%的马拉松赛事高集聚案例。符合该组态的案例为福建,该地区基础设施建设水平远低于邻近省份广东和浙江,在区域间马拉松赛事集聚的竞争关系中不占优势。并且赛事马拉松赛事承办的数量和质量都在下降,截至2019年,福建省举办52场马拉松赛事,同比上一年度,减少8场次。福建得到中国田协赛事认证的场次为8场,位于18名,赛事举办和认证数量均不在全国前列。但推进该区域马拉松赛事高集聚的动因在于人口规模,生态环境和市场环境的优势。福建年末人口规模为3 973万人,而较好的人口基础是赛事承办的关键因素。在经济水平方面,第三产业产值比重为45.3%且逐年提升,福建GDP总量高居全国第7,总产值达到43 903.89亿元,同比增长3.3%,增长幅度位于我国前列,为承办马拉松赛事提供良好的经济基础。同时在生态环境方面,福建拥有10个5A级景区,排名位于我国前列,旅游收入达到5 070.4亿元,位列全国第10,体育赛事旅游带来的收入非常可观,能够驱动政府重视“体育赛事+旅游”的经济效益,更容易带来区域赛事的集聚。所以,该组态分布符合案例省份的现实样态,同时案例省份能够很好地解释该组态。组态H2b表明,城市基础设施建设一般的地区,在人口规模较小的情况下,只要在经济水平发达、优质的生态环境、完善的市场营商环境和承办高质量赛事的宏观环境推动下,就可以产生马拉松赛事高集聚,该组态可以解释30.1%的马拉松赛事高集聚案例。符合该组态的案例为重庆和云南。与H2a组态不同的是,在“经济-环境-市场”相同的核心条件驱动下,重庆和云南马拉松赛事集聚还需要重视赛事质量,重庆、云南认证赛事分别达到12、13场次,均处于我国前列,同时在赛事举办数量上,重庆和云南分别为48和74场次,同比去年增长20场和16场。因此,该组态的核心条件共同促进了重庆和云南马拉松赛事高集聚的产生。

图2 赛事高集聚组态的解释案例

3.5 马拉松赛事非高集聚组态路径

为了全方位地探究区域马拉松赛事集聚的动因机制,本文通过检验得出马拉松赛事非高集聚的全部组态路径。马拉松赛事非高集聚包括NH1-NH4四种组态,组态NH1表明,人口规模不大、城市基础设施建设不强、市场营商环境不够完善和赛事承办质量较低的地区,无论生态环境质量如何,在经济发展水平落后的宏观生态环境中,都难以产生马拉松赛事集聚。NH2表明,人口规模较小和城市基础设施建设不全的地区,无论市场营商环境如何,在缺乏高质量的经济发展、生态环境和赛事品牌的宏观环境中,都无法产生马拉松赛事高集聚。NH3表明,对于城市基础设施建设较为完善但市场营商环境不佳的地区,无论人口规模如何,只要经济发展水平相对落后、生态环境质量较差及赛事质量较差,都无法产生马拉赛事高集聚。NH4表明,基础设施建设良好但是生态环境不够优越、市场营商环境不良和城市人口规模较小的地区,如果经济发展水平相对落后,就难以产生马拉松赛事高集聚。NH5表明,对于市场营商环境较好和人口规模较大但是城市基础设施不足、生态环境不佳和赛事承办质量较差地区,即使经济发展水平较高也难以产生马拉松赛事高集聚。

通过对马拉松赛事高集聚和非高集聚的组态路径比较发现,影响马拉松赛事集聚的因素具有非对称性,马拉松赛事高集聚的3条组态路径并不是马拉松赛事非高集聚5条组态路径的对立面。值得注意的是,马拉松赛事高集聚的3条组态路径中均包含高质量的经济水平和市场环境,而马拉松赛事非高集聚的4条组态路径中经济水平均出现核心条件缺席,充分说明地区经济水平因素对马拉松赛事集聚有重要影响。

3.6 潜在替代关系分析

识别条件变量之间的互动关系是组态分析的另一大优势[29]。在一定的条件下,两组或多组组态路径之间存在替代关系,即在马拉松赛事高集聚的情况下,两组路径以存在共有关系的条件为依据,可将其余没有共有关系的条件进行相互替代。通过比较分析马拉松赛事高集聚组态发现,首先,通过对比组态H1和组态H2a发现,对于经济发展水平程度高、人口规模大且市场环境完善的城市,良好的城市基础设施建设、高赛事质量和较好的生态环境能够实现相互替代,如图3所示;其次,通过对比组态H2a和组态H2b发现,对于经济发展水平程度高、生态环境优越和市场环境完善的地区,良好的人口规模和赛事承办质量能够实现相互替代,如图4所示;最后,通过对比组态H1和组态H2b发现,对于经济发展水平程度高、市场环境完善和赛事质量优秀的地区,良好的人口特征、完善的城市基础设施建设和较好的生态环境能够实现相互替代,如图5所示。

图3 H1-H2a组合的潜在替代关系

图4 H2a-H2b组合的潜在替代关系

图5 H1-H2b组合的潜在替代关系

这些替代关系表明,通过等效替代以“殊途同归”的方式实现马拉松赛事高集聚。同时可以看到,各条件变量的复杂替代关系间接反映了马拉松赛事集聚实现过程的复杂性。

4 结论与建议

4.1 结论

本文以中国31个省区市为研究案例对象,运用fsQCA方法,从组态角度出发,构建马拉松赛事集聚组态影响因素模型,探讨在经济水平、人口特征、生态环境、城市建设、市场环境和赛事质量6个宏观环境因素对区域马拉松赛事集聚联动的影响。研究发现:第一,通过必要性检验,经济水平等6个条件变量均无法单独构成推动马拉松赛事高集聚的必要条件,表明单个条件变量对马拉松赛事集聚的解释力度较弱,但是,经济水平和市场环境在马拉松赛事高集聚上发挥着普适性的作用。第二,通过组态分析,驱动马拉松赛事高集聚的路径有3条,可归结为两种驱动模型:“市场-赛事”双重驱动模型和“经济-环境-市场”均衡驱动模型。这3条组态路径两种驱动模型体现了不同地区实现马拉松赛事高集聚的多重方式。值得注意的是,马拉松赛事非高集聚有5条组态路径,其中有四条组态经济水平因素发挥了核心作用,验证了经济发展水平较低的地区较难形成马拉松赛事集聚,并且赛事高集聚和非高集聚的组态路径具有明显的非对称性。第三,从潜在替代关系分析,经济水平等6个宏观环境因素在实现马拉松赛事高集聚的前提下通过等效替代以“殊途同归”的方式实现。

4.2 建议

(1)建立以市场环境、经济水平为核心条件的多种宏观环境组合模式。组态分析显示非高集聚有4个组态以经济水平作为核心因素、高集聚有3个组态以市场环境和经济水平为核心因素的组合模式。在经济较不发达的地方很难形成赛事集聚。因此,在该现状下的地区应利用资源禀赋推动产业转型和服务升级,拉动经济增长。同时应当形成开放、包容、透明、完善的市场营商环境。在经济发达地区,借助较好人口基础和市场环境的优势,加速城市建设要素和环境资源要素的整合,推动体育赛事高集聚的同时,扩大品牌赛事的影响力、提高赛事质量。

(2)建立适合各自区域发展的多重因素组合模式。从组态路径可以发现马拉松赛事高集聚是不同变量条件交互组合协同影响的,由于不同地区在经济水平、资源环境、人口规模、制度环境各要素协同上存在较大差异,无法兼顾所有条件变量同步发展,因此,应发展优势因素来规避短板带来的缺陷,并根据所在地区优势条件集中发展,防止不符发展实际且乱扎堆式的无效投资和资源浪费。

(3)完善城市基础设施建设,打造地区优质环境,提升城市形象。便捷的交通基础设施建设是体现地区公共服务高质量的重要环节之一。各地区发展马拉松赛事,秉承绿色发展理念,力图打造生态环境主导性的马拉松赛事,充分挖掘多样性赛事承办方式,避免马拉松赛事同质化严重,以优美的景点资源,优良的空气质量和良好的赛事体验促进地区马拉松赛事集聚。