贵州省旅游经济网络结构格局演化及影响因素

2024-03-08刘康，王玲

安康学院学报 2024年1期

刘康，王玲

（1.安康学院旅游与资源环境学院，陕西安康 725000；2.西北大学经济管理学院，陕西西安 710000）

当前，我国脱贫攻坚已取得全面胜利，乡村振兴进入关键推进期，县域行政单元在推进乡村振兴的进程中上承省市、下接乡村。在这一重要历史交汇期，民族山区县域旅游经济的网络结构格局演化规律及影响因素识别问题会直接影响到县域旅游经济发展以及乡村治理的推进历程，因此，研究这一问题对于巩固脱贫攻坚成果、有效推进民族地区乡村旅游产业振兴，实现二者有效衔接具有重要意义，该问题也成为学术研究热点。早期研究较多借助引力模型以及社会网络分析对旅游经济网络结构特征[1-2]展开测度与分析，随着研究深入，从空间视角识别旅游经济网络结构格局演化规律及其影响因素成为研究重点。借助空间分析工具，学者们较为系统地从城市群及省级等尺度刻画了黄河城市群[3]、长江城市群[4]、东北三省[5]、“海丝”沿线侨乡[6]、河南省[7]、云南省[8]222等区域旅游经济网络结构的时空格局及演化规律。

尽管区域旅游经济网络结构格局演化及其影响因素的研究已经取得了大量成果，但在以下方面仍稍显不足。第一，随着经济全球化以及网络化发展，全球已经变成了“地球村”，区域间的旅游经济联系已经突破了传统意义的地理距离，因而研究中采用地理距离的引力模型一定程度上并不能完全反映区域间的旅游网络结构与区域关联特征[8]223。相对而言，采用经济距离以及交通可达性等时间距离的引力模型可以相对真实的表征区域间的旅游经济联系。第二，区域旅游经济网络结构演化会受到经济、社会、交通等多重因素影响，但大多研究采用QAP等方法来测度影响因素与旅游经济网络结构的相关关系[1]16，这种相关分析仅探讨了单因素产生影响的显著性及作用强度，对多因子共同起作用时产生的交互作用强度、方向及差异的探测并不多见。第三，研究案例地大多集中于经济发达地区[3-8]，且大多基于市域尺度来考察区域旅游经济的网络结构[3-9]。而基于县域尺度对经济欠发达地区尤其是西部贫困民族山区旅游经济网络结构格局演化及影响因素展开探索的研究极为缺乏。

有鉴于此，本文以民族山区典型内陆省——贵州省作为案例地，借助修正的引力模型测度县域间的旅游经济联系强度，采用空间分析工具识别县域旅游经济网络结构空间格局特征及演化规律，运用地理探测器模型厘清旅游经济网络结构格局演化的驱动因素，并探测各主导因素间交互作用的方向、强度及其动态变化。期冀研究结果能深化民族山区县域旅游经济网络结构格局演化规律及影响因素的理论认知，同时为贵州旅游经济均衡、可持续发展提供决策参考。

1 研究区域概况及研究方法

1.1 研究区域概况

贵州省位于我国西南腹地、云贵高原东部，全省共有民族成分56 个，其中世居民族有汉族、苗族、布依族、侗族等，民族风情浓厚，少数民族文化积淀深厚，民族性突出。境内地形多样、地貌起伏，山地、丘陵占比超过92.5%，山区特性明显（http://www.guizhou.gov.cn/）。之所以选取贵州为案例地，主要缘于该省旅游经济表现出整体飞速发展与区域发展不均衡共存的特点，相关数据可以印证这一特征。整体来看，贵州旅游经济在过去十余年迎来了黄金发展期，《贵州统计年鉴》相关数据显示：贵州省旅游总人次由2010 年的1.29 亿增长至2019 年的11.35 亿，同期旅游总收入从1061 亿元增长到12318亿元，旅游经济整体发展速度十分喜人。但在区域旅游均衡发展方面仍存在提升空间，以2019年为例，该年云岩区旅游总收入达到845亿元，而岑巩县则只有10.47亿元（http://whhly.guizhou.gov.cn/），不同县区间旅游发展差异可见一斑。因此将贵州作为案例地，从县域尺度研究其旅游经济空间结构格局不仅有助于揭示区域旅游经济演化规律，还可为推进区域旅游一体化建设提供决策参考。此外，贵州地处西南山区，也是我国少数民族聚居区，以其为案例地展开相关主题研究，对山岳型旅游地和少数民族地区的旅游经济均衡、可持续发展而言具有一定的借鉴意义。

1.2 研究方法

1.2.1 修正的引力模型

引力模型沿用物理学中万有引力定律思想，其认为区域间的联系强度会伴随区域“质量”增大而增强，同时会随区域间距离增大而减弱。具体到旅游领域，贵州省旅游经济的空间关联网络中，88个县区是关联网络中的“点”，各县区之间的旅游经济空间关联关系是网络中的“线”，“点”+“线”共同构成了贵州省旅游经济空间关联网络。借鉴王永明等的研究方法[10]，采用修正万有引力模型的方法来确定县域之间的旅游经济关联关系，其计算公式为：

式（1）中，Rij表示区域i、j的旅游经济联系强度，Ti、Tj表示区域i、j的旅游收入，Ii、Ij表示区域i、j的旅游人次，GDij表示区域i、j间的地理距离。

考虑到旅游经济联系存在较强的地理空间关联性与溢出性，区域间距离更偏向于时间（交通）距离。鉴于此，针对传统旅游经济联系模型在反映区域旅游经济网络结构中存在的缺陷[11]，本文借鉴文献[12-13]中的研究方法，用时间距离代替地理距离，继而对县区间的旅游经济联系强度进行修正。修正后的计算公式为：

式（2）中，Dij表示区域i、j的时间距离，Tij为区域i、j间的最短交通时间，表示区域i、j与研究区内其他县区最短交通时间的平均值。

本文主要基于道路交通（铁路与公路）来分析贵州省县区间的时间距离。2014年以前，贵州省道路交通以普通铁路和国道省道为主，2014年贵广高速铁路开通后，贵州的高速铁路里程逐年增加。基于上述事实，本文的时间距离测度流程为：借助ArcGIS10.8 软件测量县区间的距离数据，参考文献[14]208的参数设定，将2010 年铁路时速设定为160 km/h，2019年高铁时速设定为300 km/h。如果县区之间既没有高速铁路，也没有普通铁路相连，则用公路展开测度，具体计算时参照《公路工程技术标准（JTGB01—2003）》和文献[14]208中的方法，计算过程中不考虑平原/山区等地形、坡度起伏以及交通拥挤、交通组合中换乘时间等因素影响。2010年以及2019年县区间如果有高速公路相连，则按照均速110 km/h测算；否则，有国道连接按照均速75 km/h测算、有省道连接按照均速55 km/h测算，从而获得统一的可达性时间数据。

根据上述理论与方法，对旅游经济联系测度模型进行修正，用更贴切实际的时间距离属性代替空间距离属性，得到修正的旅游经济联系测度模型。同时以区域i与区域j在2010年、2019年的旅游经济联系强度Rij为基础，建立88×88的旅游经济联系强度矩阵。

式（3）中，Kij主要反映计算结果的相对关系，借鉴相关研究取值为1[15-16]。式（4）中，Ri表示区域i的旅游经济联系总量，数值越大，表明区域i与其他区域的旅游经济关联程度越高。

1.2.2 社会网络分析

根据旅游经济联系总量测度88县区的旅游经济网络结构相关数值。（1）度数中心度。其主要反映从其他节点获取信息和资源的能力，数值越大表明在网络中的重要性和影响力越大。（2）接近中心度。其主要用于测量网络中的行动者在多大程度上不受其他行动者控制的能力。（3）中介中心度。其测量的是网络图中一个点在多大程度上位于其他点的“中间”，是一种“控制能力”指数。（4）旅游经济发展综合指数。该指标表征各县区在贵州省旅游经济网络中的综合地位，综合指数通过度数中心度、接近中心度和中介中心度及其权重加总得到[17]，计算公式如下：

式（5）中，Mi表示区域i的旅游经济网络结构综合指数，Di表示度数中心度，Ci表示接近中心度，Bi表示中介中心度，α、β、γ为三者的权重值。考虑到贵州省旅游经济发展现状，三者权重均取1/3。

1.2.3 地理探测器

地理探测器模型不仅能对单因子产生的影响进行分析，还能探测两因子的交互作用。本文主要使用地理探测器四个模块中的“因子探测器”和“交互探测器”进行分析，其中因子探测器的基本原理是探测因变量Y的空间分异性，并判断自变量Xi多大程度上解释了因变量Y，用q值来度量，测度公式为[18]

式（6）中，q为探测因子Xi的探测力值，q∈[0,1]，q值越大，表明因素Xi对于研究区旅游经济网络结构综合指数的影响程度越高，N和Nh分别为全区和h区的单元数，σ2h和σ2分别是h区和全区因变量Y值的方差；h=1,2,…,L，为因变量Y或因子Xi的分层。

1.3 时段选择与数据来源

为了科学测度旅游经济网络结构特征及其演化规律，本文选择2010年以及2019年两个时点。原因有三点：第一，研究要排除新冠疫情冲击对旅游经济的影响，因此选择2020 年疫情发生以前的时段；第二，根据贵州山区特性明显这一实际特点，为了构建更贴近现实的引力模型，研究要借助交通通达度的变化趋势来反映时间距离的变化趋势。2014年贵广高速铁路开通后，贵州的高速铁路里程逐年增加，因此时段选择必须在2014年前后，但又要与高铁开通时点保持一定的间隔期。第三，2010 年是“十一五”规划收官之年，2019年是“十三五”规划即将收官之年，以9年间隔期的面板数据展开分析，能够动态刻画并捕捉县域旅游经济网络结构中节点的空间格局以及角色演变的发展趋势。

县域旅游经济数据从贵州省文化和旅游厅数据监测处导出整理得到，其他社会经济统计数据来自各县区统计年鉴以及统计公报，贵州1∶400万政区图来自国家基础地理信息系统（http://www.ngcc.cn/ngcc/）。交通地图数据来自中国科学院资源环境科学与数据中心（https://www.resdc.cn/data.aspx?DATAID=237），考虑到地图制作时效的滞后性，分别选取2012年、2020年两期交通数据表征研究区2010年以及2019年的交通发展情况。

2 贵州省旅游经济网络结构时空格局及演化特征

2.1 旅游经济网络结构时空格局

为了厘清旅游经济网络结构的空间格局及其区域差异，采用“自然间断点法”将2010年贵州县域旅游经济网络的中心度数值划分为4 级，区间从低到高依次为低值区、中低值区、中高值区以及高值区。同时，以2010年的断点值为分界点，将2019年中心度数值采用同一区间划分为4 级，以此考察各县区中心度的变化特征，并对最终结果进行可视化表达（见图1）。

图1 贵州县域旅游经济网络结构分布格局①图1是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2019）1719号的标准地图制作，底图无修改，图2也是如此制作。

度数中心度时空格局。图1 显示，从时间维度看，度数中心度无论是最大值还是最小值，抑或是平均值，均随时间推移呈现增大特征，这表明贵州各县区之间的旅游经济呈现联系频繁化、合作紧密化的发展态势。从空间格局来看，2010年度数中心度低值区、中低值区、中高值区与高值区的县域数量分别为11 个、38 个、19 个、20 个，2019 年则演变为12 个、37 个、19 个、20 个。相比于2010 年，2019年紫云、红花岗、贞丰、榕江、兴义5个县区的度数中心度等级区间均向上跃升一级，而福泉、凯里、汇川、德江4 个县区的度数中心度等级区间均向下滑落一级，其余县区等级区间保持不变。总体而言，度数中心度空间分布格局保持相对稳定状态，处于中低值区的县域数量占比较大。

接近中心度时空格局。图1 显示，单个年份来看，无论是2010 年还是2019 年，务川、湄潭、清镇、独山均位于低值区，绥阳、织金、西秀、白云、观山湖、乌当均位于高值区。位于高值区意味着在县域旅游网络中的中心行动者地位更为明显。坐落于高值区的县区具有如下明显优势：一方面，白云区、观山湖区、乌当区位于贵阳市中心，西秀区位于安顺市中心，绥阳与织金县位于贵州交通要道关键节点上。上述区域均是物质流、人口流、信息流的汇聚地，旅游集散功能较为完善，旅游资源开发相对成熟。另一方面，上述6 县区的人文资源相对集中且丰裕，也是外省以及省内游客进入贵州最主要的集散中心。这说明经济发展更优、交通通达性更强的区域在营销与市场供给以及资源配置上更具优势，进而与其他县区开展旅游合作的程度更高、旅游经济发展效率亦更优，最终这些区域在旅游经济网络中不受其他节点控制的能力便会更胜一筹。反观务川、独山等四县区由于不具备上述优势，便成为旅游经济网络中的“洼地”。结合时间变化情况来看，2010年接近中心度低值区、中低值区、中高值区与高值区的县域数量分别为4个、32个、46个、6 个，2019 年则演变为4 个、30 个、43 个、11 个。相比于2010年，2019年安龙、纳雍、平坝、福泉、凯里、三穗、贵定7 个县区的接近中心度等级区间均向上跃升一级，其余县区等级区间保持不变。交通条件改善是上述7 县区等级跃升的催化剂。具言之，2015年途径凯里、三穗的高铁顺利开通，2016年途径平坝的沪昆高铁开通，加之安龙、纳雍、福泉、贵定境内高速公路日益完善，使得上述区域在旅游经济网络中不受其他节点控制的能力显著增强。

中介中心度分布格局。图1 显示，从时间维度看，中介中心度表现出两个明显特征：一是“中间人”首位度稳固。无论是2010 年还是2019 年，西秀、白云的中介中心度均坐落于高值区域。数据表明在整个旅游网络中大多数旅游经济的关联关系通过上述两区发挥着强有力的中介和桥梁作用。第二个特点是“第三方”角色逐渐增多。中介中心度超过平均值的区域由2010 年的19 个增加到2019 年的21个，这表明全省有更多的县区在旅游经济网络结构中的活跃程度有所提升，越来越多的县区扮演了“第三方”的角色，继而使得县区间的直接合作越来越弱。从空间格局来看，2010年中介中心度低值区、中低值区、中高值区与高值区的县域数量分别为49个、27个、10个、2个，2019年则演变为48个、28个、10 个、2 个。相比于2010 年，2019 年都匀市、雷山县的中介中心度等级区间均向上跃升一级，而安龙县、从江县的中介中心度等级区间均向下滑落一级，其余县区等级区间保持不变。

2.2 旅游经济网络结构综合指数演化特征

借助公式（4），分别计算各县域2010年、2019年的旅游经济网络结构的综合指数。在此基础上运用插值分析，对最终结果进行可视化表达（见图2）。

图2 旅游经济网络结构综合指数演化

图2 显示，总体而言，旅游经济网络结构综合指数的区域差异较为明显，并呈现出显著的集聚特征，集聚程度由完全单核集聚向均匀集聚演化。单个年份来看，2010年贵阳核心圈层附近县区在旅游经济网络结构中处于核心地位，且呈现单核集聚空间分布格局；2019年贵阳市核心圈层内的县区在旅游经济网络结构中的地位被弱化，并演变为以贵阳、安顺、毕节、遵义四市核心县区为中心的‘四核驱动’空间分布格局。这表明经过近10年发展，贵阳核心圈层附近县区在旅游经济网络结构中一家独大的局面得到了有效缓解，安顺、毕节、遵义三市核心县区在旅游经济网络结构中的地位逐渐增强，承接了贵阳核心圈层附近县区的旅游市场份额，最终引致贵州旅游经济逐渐向均衡、健康可持续方向发展。这一变化可能与贵州近10年来的交通基础设施建设息息相关，其中高铁建设可能发挥了关键作用。以贵阳为轴心，南北方向贵广高铁、渝黔高铁分别于2014年、2017年开通，这极大缩短了两广、川渝游客进入贵州的交通成本，同时为游客感受遵义市的红色文化、欣赏安顺市的龙宫美景以及黄果树瀑布奇观、沉醉毕节市的百里杜鹃提供了便利。东西方向贵阳至长沙、长三角以及昆明的沪昆高铁，也同样为我国西南及长三角地区的游客进入毕节、安顺、遵义等市核心县区开展旅游体验活动提供了便利的交通条件。简言之，高铁开通大大缩短了旅游交通时间，同时逐渐弱化了贵阳核心圈层附近县区的地理位置和交通优势，此消彼长之下，毕节、安顺、遵义三市核心县区的优质旅游资源以及旅游经济便迎来了更多机会和发展机遇。

借助重心与标准差椭圆工具，分别计算2010年与2019 年贵州省旅游经济发展综合指数的重心及其移动方向和距离，绘制两年份的重心及标准差椭圆（见图2）。图2 数据反映9 年间综合指数的重心由贵阳市云岩区迁移至乌当区，总体上呈现向区域东北方向偏移的态势。具言之，重心由2010年的106.714°E、26.621°N 迁移至2019 年的106.937°E、26.754°N，向东和向北分别偏移了0.223°和0.133°。大致向东北方向偏移了44.24 km，偏移速度为4.92 km/年。从标准差椭圆维度来看，2010年转角θ的大小为69.258°，2019年转角θ的大小为67.570°，因此可认为贵州省旅游经济网络结构综合指数基本呈东北—西南的空间分布格局。

3 旅游经济网络结构格局演化影响因素

3.1 网络结构格局演化影响因子选取

旅游经济网络结构格局演化是个复杂的变化过程，在从原有空间格局向现有格局的演变过程中会受到多重因素的综合影响。结合贵州旅游经济的发展现状，选取如下指标进行诊断。区域内交通条件的通达程度直接影响旅游的可进入性，选取区域交通条件（X1）进行表征，相关研究认为交通对县域旅游影响最大，故选取贵州境内各县区交通里程作为衡量指标[20]。资本动力（X2）有利于完善旅游基础设施，用固定资产投资总额（万元）进行表征[21]。产业环境（X3）优化有助于吸引旅游资本、改善技术水平，用县区年底招商引资实际到位资金与GDP的比值来表征；县域经济发展水平（X4）能为县域旅游发展提供消费场景、资本动力和基础设施保障，可以显著提升区域在旅游经济网络结构中的地位，用人均GDP来表征[22]。旅游资源质量（X5）是旅游发展的基础与核心因素，用旅游资源丰裕度及品质进行表征，选取各县区3A（含）及以上旅游景区（景点），按照其数量和对应的分值相加求和计算得到[23]。城镇化水平（X6）提升有助于促进旅游产业与相关产业融合，形成相关资源优势互补效应，参考相关研究用城市人口占区域常住人口的比值表征[22-24]。劳动力水平（X7），即劳动力的数量与质量对旅游服务水平的影响至关重要，用第三产业从业人员（人）进行表征[24]。相关数据来源于贵州各县区2010年及2019年统计年鉴、政府工作报告；在影响因子甄别筛选的基础上，将各自变量与因变量采用离差标准化进行归一化处理，结果如表1所示。

表1 旅游经济发展水平的因子探测

3.2 单因子探测结果

影响因子的显著性。表1显示，2010年区域交通条件（X1）通过了1%水平下的显著性检验，固定资产投资（X2）与劳动力水平（X7）通过了5%水平下的显著性检验，县域经济发展水平（X4）与旅游资源质量（X5）通过了10%水平下的显著性检验，而产业环境（X3）与城镇化水平（X6）未通过显著性检验。2019年产业环境与旅游资源质量的显著性发生了明显的变化：产业环境由2010年的无显著影响演变为2019 年通过了1%水平下的显著性检验；相比于2010年，旅游资源质量在2019年对旅游经济网络结构综合指数的影响则演变为不显著。关于上述变化，推测认为旅游资源质量的独特性在旅游发展初期对游客具有一定吸引力，但随着时间推移，游客对旅游资源逐渐产生审美疲劳，导致旅游资源质量对旅游经济网络结构综合指数的显著性影响逐渐趋弱。与之对应，科学高效的招商引资行为以及市场环境优化行动势必会为旅游基础设施、相关设施以及配套设施改善注入愈发重要的活力与动能，继而使得该影响因子在旅游经济网络结构综合指数演化中发挥愈加重要的作用。

影响因子的影响程度。表1显示，无论是2010年还是2019年，区域交通条件的相关系数均为正且最大，说明交通条件是驱动贵州县域旅游经济网络结构综合指数动态演化的首要影响因子，且随着时间推移影响程度呈增大趋势。固定资产投资、县域经济发展水平、旅游资源质量与劳动力水平的相关系数也为正，说明上述因素也会对旅游经济网络结构综合指数产生一定影响，同时影响程度随时间演变呈现波动变化特征。值得一提的是，产业环境对旅游经济网络结构综合指数的影响由不显著变为显著的同时，其影响程度由2010 年的0.063 提升至2019 年的0.168，并在2019 年成为仅次于交通条件的次要影响因子。这反映出产业环境在区域旅游经济发展中扮演着愈发重要的角色，成为推动县域旅游经济综合指数演化的重要推手。

3.3 交互探测结果

在因子探测的基础上，运用交互探测模块探究两因子共同作用下是否会增强或者减弱影响程度。交互探测结果表明任意两个影响因子的交互作用均大于单个因子的作用，其结果表现为不同程度的非线性增强或双因子增强，详见表2。这说明贵州县域旅游经济网络结构格局及其动态演变是多种因素综合作用的结果，单一影响因子不足以驱动旅游经济网络结构格局演化。

表2 旅游经济发展水平各影响因子交互探测

4 结论与建议

本文借助修正的引力模型、地理探测器以及其他空间分析工具，从县域尺度识别贵州旅游经济网络结构的演化特征及驱动因素。

4.1 结论

（1）度数中心度时序演变趋势表明贵州县域旅游经济呈现联系频繁化、合作紧密化的发展态势，度数中心度空间格局整体保持稳定。接近中心度测度结果表明绥阳、织金、西秀、白云、观山湖、乌当6 县区在网络中的中心行动者地位较为明显。中介中心度测度结果表明西秀、白云两区作为“中间人”的首位度较为稳固，但旅游经济网络中“第三方”角色逐渐增多，县区间直接合作越来越弱。

（2）旅游经济网络结构综合指数的区域差异较为明显，呈现出显著的集聚特征。2010至2019年，旅游经济网络结构由以贵阳周边县区为中心的单核集聚空间分布格局逐渐演化为以贵阳、安顺、毕节、遵义四市核心县区为中心的‘四核驱动’模式。旅游经济网络综合指数的重心大致向东北方向偏移44.24千米，偏移速度为4.92千米/年。

（3）地理探测结果表明交通通达度、固定资产投资、劳动力水平、县域经济发展水平与旅游资源质量等多种因素及其空间交互作用强度的差异是引致县域旅游经济网络结构呈现不同演变趋势的主要驱动力量。