疫情下人口流动格局对旅游热点城市旅游业的影响

2023-10-20闵曙辉马小雪

江苏商论 2023年9期

闵曙辉，马小雪

（江苏第二师范学院地理科学学院，江苏南京 211200）

一、引言

自新冠肺炎疫情暴发后，国家采取初期停工管控措施，在取得疫情控制胜利的同时，人流、物流、信息流、资金流等要素的流动受到了严重阻碍①，企业普遍面临较大的租金、工资、税费等综合成本压力，对经济发展和人民生活产生了深刻的负面影响。疫情防控期与春节假期叠加，中国经济运行大大受挫，旅游业首当其冲。旅游景区、旅行社、餐馆、酒店、交通运输业等纷纷停业停工，产生一系列的连锁反应②。加之各种相关信息的披露，导致国民压力增大，焦虑情绪激增③。这对于非常倚重现金流的旅游企业而言，上半年收入大幅下降，经营艰难。直至“十一”黄金周期间，经营状况才有所好转。根据国家统计局统计，2020 年旅客运输总量仅97 亿人次，同比下降45.1%；国内游客28.8 亿人次，同比下降52.1%；国内旅游收入22286 亿元，同比下降61.1%。可见此次疫情对旅游业的创伤之深。

随着互联网的出现和智能移动设备的普及，大数据现已成为互联网价值的体现者。网络数据时效性强，可以监测社会经济活动，从复杂数据里获得新的关联信息④。因此，时空大数据在突发性公共卫生事件实时影响评价层面有着良好的应用前景⑤。实时更新的百度迁徙大数据利用LBS 技术,动态、即时并直观地记录城市间的人口日常流动轨迹⑥，可以从区域和时间两个维度观察当前和过去时间段内的全国及各省、市地区的迁徙情况，确定人口的迁入来源地与迁出目的地⑦。它全覆盖铁路、公路、航空等交通工具，能计算分析出8 小时内全部位置发生变化的智能终端用户数量⑧。作为定位数据的新产品，功能主要是全国迁徙区域带和热门线路分析，既反映出中国人口迁徙这一社会现象，又为交通部门提供了政策和服务参考⑨。许多学者利用百度地图迁徙大数据来研究城市群空间结构⑩、人口流动空间格局以及人口迁移时空特征等课题⑪⑫，可见其应用范围的广泛性与可信度。技术应用和大数据发展大大增强了疫情防控和应急管理的作用⑬，而中国疫情扩散模式主要是由人口流动引起的城际传播和以家庭为主的本地传播⑭，利用百度迁徙大数据进行分析尤为必要。

人是信息化的社会生产力中最活跃的因素⑭。对疫情下人口流动状况进行深入分析，既可了解疫情及其防控措施对人口流动行为的影响，又能探求旅游业的经济复苏情况。本文选取首都北京、魔都上海、六朝古都南京、疫情中心武汉这四个旅游热点城市，基于百度迁徙大数据，分析疫情前后旅游热点城市的人口流动特征。同时，通过分析新冠疫情对旅游业的冲击，剖析新冠疫情对旅游业的影响程度。最后利用回归分析法，探索近十年来旅游经济与区域人口流动性的关系，为建立有效的旅游供给体系提供参考。

二、数据来源与研究方法

（一）数据来源

北京、上海、南京、武汉这4 座城市的人口迁徙规模指数和城市内部出行强度数据皆来源于百度地图迁徙大数据；“疫情”“旅游”关键词的搜索指数来源于百度搜索指数数据库。中国感染新冠肺炎病例的累计确诊人数和新增人数皆来自国家卫健委官方和丁香园网站。而2010—2019 年中国旅游经济的相关数据来源于2019 年文化和旅游发展统计公报；2019 和2020 年前两季度全国旅行社以及4个旅游热点地区旅行社组织接待国内旅游情况的数据来自中华人民共和国文化和旅游部。另外，本文因子分析所选取的7 个指标数据中，第三产业增加值、旅游人数与旅游收入数据来源于2011—2020年《北京统计公报》《上海统计公报》《南京统计公报》和《武汉统计公报》，其余指标都来源于2011—2020 年《北京市统计年鉴》《上海市统计年鉴》《南京市统计年鉴》和《武汉市统计年鉴》。

（二）研究方法

1.因子分析法。因子分析法是利用少数几个不相关的公共因子，研究多个有着复杂关系原始指标的多元统计分析方法，可明确因子的实际意义，达到合理解释被评价对象的目的⑮。它具有降维的作用，能够克服指标的关联性和人为赋权等客观因素的缺点，基本思路和数学模型可参考段威与谢雪梅的文章⑯，基本原理和评价步骤则可参考舒服华的文章⑰。基于SPSS21.0 统计软件，在众多影响旅游经济的变量中找出隐藏的代表性因子，将其归为同一因子，从而得出公因子与测度项间的关系。

2.多元线性回归分析法。回归分析主要用于研究变量间的相互关系。在实际运用中，变量之间往往存在某种联系，但又不存在确定性关系，回归分析可以提供变量间关系的数学表达式，从而帮助解决这类问题⑱。多元线性回归分析法指用多个自变量的最优组合共同预测或估计因变量，这样得出的结果比只用一个自变量更有效，也更符合实际。线性回归分析方法的实现步骤详见张峰等人的阐述⑱，具体内容也可参考多元线性回归预测及多变量回归模型⑲⑳。本文在因变量与多个自变量间建立关系，归纳总结影响旅游经济的因素，并依据其所占权重对疫情后的旅游复苏工作提出合理化建议。

三、讨论与结果

（一）旅游热点城市人口迁徙数据及疫情下人口流动的特征事实

利用百度迁徙大数据，将2020 年样本期内北京、上海、南京、武汉市每日人口迁徙强度与2019年同期的迁徙强度进行对比。依据四个热点城市的迁徙规模指数和城内出行强度，阐述疫情下人口流动的特征事实，剖析疫情防控各阶段内旅游热点城市的人口流动状况。

1.疫情防控的各阶段划分。本文以全国累计确诊病例数将疫情大致划分为三个阶段（图1）：潜伏发展期（12 月31 日—1 月23 日），湖北武汉出现首例确诊病例，并在小范围内扩散，疫情较稳定，尚未对社会经济活动造成严重影响，武汉在1 月23 日及时采取有效措施，控制人口外流。爆发防控期（1月24 日—2 月20 日），先前从武汉流向各地的数百万人成为疫情传播的主要来源，新增确诊人数出现较大波动（2 月12 日湖北省对新增确诊病例标准做了调整，当日新增确诊人数急剧增加），累计确诊人数急速上升；中央部署统筹做好疫情防控工作，实施全国应急性超常规防控和各地区差异化防控，初步遏制疫情蔓延势头。复工复产期（2 月21 日—4月1 日），新增确诊人数接近于0，累计确诊人数趋势较平缓，疫情得到缓解，各城市先后解封，稳步推进复工复产工作。

图1 中国新冠肺炎病例累计确诊数及新增确诊数

2.旅游热点城市的人口迁徙情况。国家采取的一系列新冠肺炎疫情防控措施，对旅游热点城市的迁入规模指数产生一定的影响。2020 年4 个旅游热点城市的迁入规模指数和迁出规模指数都明显低于2019 年同期水平，一度处于低迷状态（图2）。在潜伏发展期，迁入人数相差幅度较小，尤其是南京和武汉，迁入规模指数基本保持5 以下。而北京和上海的迁入规模指数始终很高，这与2019 年同期的迁徙规模指数大致保持相同的变动趋势。在暴发防控期，作为疫情重灾区，武汉有效的防控措施使得迁入规模指数不断降低，甚至趋近于0。同时南京、上海、北京的迁入人口也在一定时间内大幅度减少，后又逐渐恢复至原有水平波动下降。反观2019 年同期，2 月5 日正值春节，节前大量务工人员回到家乡所在城市，四座城市都迎来了人口迁入量的高峰期，这与2020 年的景象形成鲜明对比。在复工复产期，2020 年南京、上海、北京的迁入规模指数开始有所提升，但整体水平相对较低。武汉依旧处于低迷期，直至3 月20 日后，疫情得到一定的缓解，才逐步推进复工复产。截至2020 年4 月1 日，迁出规模指数依然没有恢复到2019 年的水平。对比2019 年同期，大批务工人员返城复工，加之各大高校开学，四座城市的迁入人口数和迁出人口数又迎来小高峰期。2020 年人们未能像往常一样节后按时返程，直至三月初才陆续流动。而2019 年同期始终存在迁出行为，在三月中旬正常返工复产，迁徙规模指数再次迎来高峰期。

图2 2019 和2020 年旅游热点城市迁入规模指数

图3 2019 和2020 年旅游热点城市迁出规模指数

直到3 月15 日后，城市流动才回到2019 年的水平，这表明城市内部的经济社会活动基本恢复（图4）。在潜伏发展期，2020 年四座城市内部出行强度与2019 年同期相比大致保持相同变动趋势。2020 年春节前，城内出行强度较高。在暴发防控期，武汉作为疫情暴发的中心，大部分人都主动或被动地居家隔离，仅存的出行强度主要由运送物资的车队、各地医疗人员的驰援等造成。南京、上海、北京也受到疫情影响，原计划的大型聚集活动被推迟，城市内部出行强度都很低。疫情缓解后，城市内部出行强度仍然很低。武汉多数居民继续保持居家状态，而此时北京、上海、南京已进入复工复产阶段，各企业与高校也陆续开工开学，城市内部出行强度逐渐升高。反观2019 年，随着正常的春节返乡和节后返程，城市人口回流导致出行人数增加，出行强度明显升高。

图4 2019 和2020 年旅游热点城市内部出行强度

（二）疫情下旅游热点城市旅游业现状分析

1.基于百度搜索指数分析疫情对旅游的影响。2020年1 月27 日—11 月9 日，“疫情” 这一关键词的搜索指数趋势由暴增到逐渐下降并趋于平缓（图5），发生大幅度变化的根本原因在于新冠疫情的爆发、控制与缓解。 “疫情”在2020 年1 月27 日前搜索量较少且每个月搜索指数无明显差别，而在该时间之后出现较大幅度增长，并出现3 个明显拐点。第1个拐点是疫情平均搜索指数的最高点。因为疫情暴发时，企业资金链瘫痪导致员工失业、企业倒闭甚至破产；大众出行受限，心理压力加重，产生社会恐慌。此外，大众时刻关注赴武汉医生和每日各地区疫情新增人数，使得搜索指数在该时间段剧增。第2个拐点是由于疫情已得到控制，大众的紧张和忧虑心理有所下降。但疫情影响中国留学生出国，再加上疫情风险较小地区教育部宣布开放校园等信息，重新引起大众对疫情的关注。第3 个拐点的产生是因为疫情基本稳定，国家颁布了有关解决因疫情而导致的旅游合同纠纷问题的通知，并且大连、乌市等地再次出现疫情异地传播的现象，大众对“疫情”的搜索指数上升。而近十年来除新冠疫情以外的唯一一个搜索指数最高点，处于2014 年的西非埃博拉疫情期，这是中国密切关注疫情发展状况并积极赴非援助西非三国的结果。此后很长一段时间内，搜索量始终很低。

图5 2019—2020 年的“疫情”搜索指数

近十年“旅游”这一关键词的搜索指数不稳定，整体呈缓慢下降趋势。在2020 年1 月27 日跌至最低点，随后逐渐恢复至与2019 年相类似的搜索量，但此期间内波动较大。旅游作为享受资料消费，受外界因素影响较大，具有脆弱性。疫情初期，旅游业面临经营困境，中央预算内投资的积极投入缓解了企业现金流压力，提振了旅游业信心，满足了疫情后国民对旅游活动的集中需求，搜索指数开始回升。国民出游热情日渐高涨，但疫情仍较严重，二者共同作用下，搜索指数逐步增长。随后国家出台一系列政策扶助旅游业，引起大众关注，同时文旅部在严格落实景区防控措施的前提下，逐步开放室内场所，搜索指数继续上升。疫情缓解后，中国国内旅游基本恢复正常，乡村旅游、全季（全域）旅游等快速恢复，搜索指数大幅度提高，逐步恢复到正常水准。 2020 年1 月27 日—2 月2 日，“旅游”搜索指数达到近十年的最低值，此时正处于疫情开始暴发阶段，国民内心恐惧，旅游需求也大幅度减小。而2020年9 月28 日—10 月4 日，“旅游” 搜索指数猛增至2020 年最高值，一方面是因为国家对疫情的控制取得显著成效，另一方面是国庆、中秋小长假给人们提供了出去游玩的好时机。

2.疫情下旅游热点城市旅游业经营状况。从传播范围及持续时间来看，新冠疫情较非典疫情更为严重，因为中国经济发展面临着内外部环境变化㉑。首先，当前中国第三产业比重大幅上涨，从2003 年的41.23%上升至2020 年的54.5%。而第三产业极易受外界因素所影响，这表示新冠疫情对中国经济的影响程度较深。其次，中国目前处于经济高质量发展时期，保增长压力重，有别于2003 年的高速增长时期。2003 年，受非典疫情影响，旅游总收入直接损失约1380 亿元㉒；而2020 年中国消费规模扩大，损失也必然随之增大。再次，新冠疫情几乎覆盖全国各省市，但非典主要集中于中国香港和大陆南方，全球累计病例数约为8000㉓。另外，非典时期全球经济呈增长趋势，如今国际形势已发生改变，一些国家视中国为竞争对手，遏制中国各领域的发展，因此新冠疫情在短期内会使得中国经济压力增大。

近年来，中国的旅游业发展趋势稳中向好。国内旅游人次、旅游收入和旅游总收入都呈现增长趋势；同时，入境旅游人次和出境旅游人次整体也保持一定的速度缓慢增长（表1），这表明中国旅游业在2011—2019 年间整体发展态势较好，人们的旅游出行意愿较高，旅游消费水平也逐年提高。但2020 年受疫情影响，各省市均实施不同程度的区域封锁、交通管制、景区关门等防控措施，旅游业一度处于停滞状态，呈现空前的低迷之势。国内游短期内全面阻断，呈断崖式下降；入境游基本停顿，出境游也受到重创，旅游经济损失惨重。

表1 2011—2019 年中国旅游业经营状况

2020 年第一、二季度全国旅行社组织接待国内旅游人次数、人天数都明显比2019 年同期大幅度下降，且2019 年和2020 年第二季度旅行社的组织、接待人次数都比同年的第一季度有所增加（图6）。2020 年前两个季度大批人员减少旅游活动，也缩短在外逗留的天数。其中，第一季度全国旅行社的人次、人天数，组织分别同比减少84.08%、84.05%；接待分别同比减少81.65%、81.88%。第二季度全国旅行社的人次、人天数，组织分别同比减少83.23%、89.10%；接待分别同比减少78.59%、84.53%（图6）。

图6 2019 与2020 年前两季度全国旅行社组织接待国内旅游情况

依据中国大陆地级以上城市的旅游人数、旅游收入、旅游业收入比重、旅游基础设施和交通便利程度五个维度，综合衡量各城市旅游业的发达程度，列出2019 年中国大陆旅游业最发达城市排行榜前十位（表2）。由此不难发现，北京和上海成为国民旅游城市选择的偏好程度极高，因此选择两地作为旅游热点城市范例。而江苏省在旅游总收入中排第二位，且江苏是中国名胜古迹和旅游热点城市高度集中的地区，拥有优质丰富的旅游资源，是名副其实的旅游热点省份。相较于江苏，湖北省实力略有欠缺，但作为本次疫情的中心地区，省会武汉在中国旅游城市排行榜中居第八位，所经营的旅游业更是受到重创，因此它也是合适的旅游热点省份范例。

表2 2019 年中国旅游城市排行榜前十位

表3 KMO 和Bartlett 的检验

北京、上海两个旅游热点城市以及湖北、江苏两个热点省份旅行社组织接待的国内旅游情况都基本与全国保持一致趋势（图7）。 2019 年无论哪项指标，江苏都高于湖北，上海都高于北京。2020 年第一季度和第二季度的组织人次数、接待人次数均处于低迷状态，表明四个地区都因疫情受到明显的负面影响，旅游活动大幅度减少。

图7 2019 与2020 年前两季度旅游热点城市与省份旅行社组织接待国内旅游情况

中国文旅部发布的国庆8 天假期的旅游市场数据显示：2020 年全国共接待国内游客6.37 亿人次，按可比口径同比恢复79.0%；国内旅游收入4665.6亿元，按可比口径同比恢复69.9%。因疫情受损最严重的湖北旅游业恢复较快。而江苏省旅游收入则排全国第一，实现旅游收入512.55 亿元。总之，疫情下中国国内旅游人次和收入皆为负增长趋势，全国游客人数下降，全国旅游收入减少。但旅游热点城市自身的吸引力比较强，加上后疫情时代的环境安全问题得到缓解，旅游地将迎来更多游客，旅游经济也将恢复往常，旅游业的发展前景依然乐观。

（三）区域人口流动性对旅游经济的影响

首先，选取4 个旅游热点城市2010—2019 年的第三产业增加值、地区生产总值、人均生产总值、旅客运输总量、A 级旅游景区数、星级饭店数量、旅行社企业总数这7 个变量，用来衡量旅游收入增长的水平，并分析对旅游经济的影响。旅游收入为被解释变量，用Y 表示，而以上7 个指标为解释变量，分别用X1、X2、X3、X4、X5、X6、X7表示。

进行因子分析后，得KMO 值为0.751，且Sig.＜0.05，说明各自变量间具有相关性，分析结果有效。

从总方差解释表（表4）来看，因子分析效果理想。特征值大于1 的因子共2 个，累计贡献率达到87.199%。说明用这2 个因子代替原有的7 个指标变量，就能够概括原始变量所包含的87.199%的信息。因此，可将原始的7 个变量分为2 个公因子进行后续分析。

表4 总方差解释表（单位：%）

通过旋转成分矩阵（表5），得到第一个因子在地区生产总值和第三产业增加值等方面载荷较高，分别为0.941 和0.925，可称为f1旅游地经济水平。第二个因子在星级饭店总量和旅客运输总量等方面载荷相对较高，分别为0.937 和0.928，因此可称为f2旅游地吸引力。

表5 旋转成分矩阵

将旅游地经济水平、旅游地吸引力作为自变量，旅游收入作为因变量进行多元线性回归分析。则模型R 平方值为0.886 （表6），即旅游地经济水平、旅游地吸引力可以解释旅游收入88.6%的变化原因，调整后的R 方为0.88。对模型进行F 检验（表7），结果通过（F=143.647，P＜0.05），说明至少1 个变量会对旅游收入产生影响关系。结合回归系数来看（表8），模型中2 个解释变量对旅游收入的显著性分析P 值均小于0.05，具有统计学意义。B 值分别为0.866、0.369，则旅游地经济水平对旅游收入存在着显著的正相关关系，旅游地吸引力也对旅游收入有一定的显著正向影响。此模型回归方程式为Y=C+0.866·f1+0.369·f2（常量=1.004E-013，记作C）。

表6 模型汇总

表7 Anova

表8 系数

综上所述，旅游地经济水平在旅游经济中的贡献最大，表明当地经济水平的强度会对旅游目的地的收入造成直接影响。随着地区经济的发展，越来越多的国民会被吸引，产生前来娱乐消费的意向。旅游地吸引力、人口流动条件是旅游地可进入性的重要因素，侧面说明区域人口流动性对旅游经济有一定影响。这反映出随着人口流动的增多，人们的旅游意识逐渐提高，从而促进当地旅游经济的发展。而且，经济实力越强的城市，对游客的吸引力就越高，进一步拉动旅游经济的增长。这也与实际情况相符。

因此，旅游热点城市应该树立文化自信，充分发挥自身优势，努力优化旅游环境、丰富旅游产品。同时，提高景区的可进入性，提升各方面的服务品质，增强游客的舒适度与体验感。尤其是疫情期间，更应借力国家的支持政策，超前提振旅游需求，转危机为契机，共同推进旅游市场复苏。

四、结论

通过本次研究，得出结论：其一，2020 年新冠肺炎疫情期间，四个旅游热点城市迁徙规模指数均比2019 年同期有明显的下降趋势。受疫情防控影响，迁入人口和迁出人口都大幅减少，城内出行强度也始终处于低迷状态。随着疫情的逐渐控制，各地开始复工复产，经济社会活动才基本恢复。其二，根据百度搜索指数，国民在疫情期间对“疫情”关键词的关注度显著提高。同时，对“旅游”关键词的搜索量大幅降低。新冠肺炎疫情比非典疫情更为严重，给中国旅游业和地区旅游业的发展造成巨大损失，主要表现为：旅游人数急剧减少，旅游经济遭到极大冲击。其三，基于多元线性回归分析模型的结果表明，旅游地经济水平在旅游经济中的贡献最大，是决定旅游者目的地选择的重要因素。旅游地吸引力也对旅游经济存在显著的正相关关系，是旅游者产生旅游动机的客观条件。因此，旅游热点城市应该充分发挥自身优势，同时提高景区的可进入性，加快推进旅游市场复苏。

注释：

①杨冕,谢泽宇.中国新冠肺炎疫情防控对中国人口流动的影响——基于百度地图迁徙大数据的实证研究[J].人口研究,2020(4):74-88.

②张毓利,石培华,申军波.中国多维度减轻疫情对旅游业的负面影响[J].国情国力,2020(05):20-22.

③成茜,李君轶.中国疫情居家约束下虚拟旅游体验对压力和情绪的影响[J].旅游学刊,2020(07):13-23.

④黄先开,张丽峰,丁于思.中国百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例[J].旅游学刊,2013(11):93-100.

⑤童昀,马勇,中国刘海猛.COVID-19 疫情对中国城市人口迁徙的短期影响及城市恢复力评价[J].地理学报,2020(11):2505-2520.

⑥刘望保,石恩名.基于ICT 的中国城市间人口日常流动空间格局——以百度迁徙为例[J].地理学报,2016(10):1667-1679.

⑦芮绍炜.百度大数据的应用分析[J].企业管理,2015(02):114-116.

⑧蒋小荣,汪胜兰.中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析[J].人口科学,2017(02):35-46.

⑨舒怀.从“百度迁徙”看位置服务与大数据融合[J].卫星应用,2014(05):39-40.

⑩甄茂成,党安荣,阚长城.基于大数据与网络分析的长三角城市群识别研究[J].上海城市规划,2019(06):8-16.

⑪刘望保,石恩名.“百度迁徙”下中国城市间的人口流动空间格局[J].华南师范大学学报(自然科学版),2016(05):67-73.