EN中文

地理科学 >

2024 , Vol. 44 >Issue 6: 973 - 983

DOI: https://doi.org/10.13249/j.cnki.sgs.20230579

中国优秀旅游城市旅游经济空间格局演变特征及影响因素

  • 林玉英 , 1, 2, 3 ,
  • 靳一东 , 1, * ,
  • 张发梓 1 ,
  • 葛阳 1 ,
  • 张琳 1 ,
  • 伍世代 2, 3
展开
  • 1.福建师范大学文化旅游与公共管理学院，福建 福州 350117
  • 2.智慧旅游福建省高校重点实验室，福建 福州 350117
  • 3.福建师范大学地理科学学院/碳中和未来技术学院，福建 福州 350117
靳一东。E-mail:

林玉英（1988—），女，福建龙岩人，副教授，博士后，硕导，主要从事旅游地理、旅游可持续发展等研究。E-mail:

收稿日期: 2023-06-20

  修回日期: 2023-09-27

  网络出版日期: 2024-07-11

基金资助

福建省自然科学基金项目(2023J01514)

国家自然科学基金项目(41901221)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatial patten evolution characteristics and influencing factors of tourism economy in Chinese excellent tourism cities

  • Lin Yuying , 1, 2, 3 ,
  • Jin Yidong , 1, * ,
  • Zhang Fazi 1 ,
  • Ge Yang 1 ,
  • Zhang Lin 1 ,
  • Wu Shidai 2, 3
Expand
  • 1. School of Culture, Tourism and Public Administration, Fujian Normal University, Fuzhou 350117, Fujian, China
  • 2. The Higher Educational Key Laboratory for Smart Tourism of Fujian Province, Fuzhou 350117, Fujian, China
  • 3. School of Geographical Sciences, School of Carbon Neutrality Future Technology, Fujian Normal University, Fuzhou 350117, Fujian, China

Received date: 2023-06-20

  Revised date: 2023-09-27

  Online published: 2024-07-11

Supported by

Natural Science Foundation of Fujian Province(2023J01514)

National Natural Science Foundation of China(41901221)

Copyright

Copyright reserved © 2024.
Fold

摘要

基于2008—2019年中国优秀旅游城市的旅游经济相关指标的面板数据，采用空间自相关、探索性回归及地理加权回归（GWR）等方法，探究中国优秀旅游城市旅游经济的空间格局及影响因素。结果表明：① 中国优秀旅游城市的旅游经济存在较强的空间相关性，高−高（H-H）和低−低（L-L）集聚的城市数量较多，呈现“大分散，小聚集”的两级分化格局；H-H集聚区主要集中于东部沿海地区，而L-L集聚区主要集中在西部地区；2008—2019年，研究区总体集聚格局相对稳定，但局部地区集聚格局有所变化。② 国内旅游收入影响因子最优组合为旅游资源禀赋、产业结构、交通运输条件、生态环境状况；旅游外汇收入影响因子最优组合为旅游资源禀赋、对外开放程度、市场化程度、生态环境状况。③ 各因子影响程度均呈现明显的空间异质性，各因子对中国优秀旅游城市旅游经济的影响随样本单元的变化而变化，研究结果可为各城市制定相应的旅游经济发展对策提供科学依据。

关键词： 旅游经济; 优秀旅游城市; 空间自相关; 地理加权回归

本文引用格式

林玉英 , 靳一东 , 张发梓 , 葛阳 , 张琳 , 伍世代 . 中国优秀旅游城市旅游经济空间格局演变特征及影响因素[J]. 地理科学, 2024 , 44(6) : 973 -983 . DOI: 10.13249/j.cnki.sgs.20230579

Abstract

With the increase in demand for national tourism, China has fully entered the era of mass tourism. However, due to differences in conditions for the development of tourism in China, the development of the tourism economy is spatially unbalanced, which hinders the coordinated development of the regional tourism economy. The total tourism economy of Chinese excellent tourist cities accounts for a high proportion of the country’s total tourism economy, and a study with them as the target can more accurately reflect the situation of Chinese tourism economy, which is more meaningful for the enhancement of the tourism economy. Based on the panel data of tourism economy-related indicators of Chinese excellent tourism cities from 2008—2019, spatial autocorrelation, exploratory regression and Geographically Weighted Regression (GWR) were used to explore the spatial patterns and influencing factors of the tourism economy of Chinese excellent tourism cities. Adopting the GWR model considering “spatial non-stationarity” to explore the influencing factors of tourism economy can more scientifically measure the intrinsic influencing mechanism of regional tourism economic development differences. The results show that: 1) The tourism economy of Chinese excellent tourism cities has strong spatial correlation, and the number of cities with high-high (H-H) and low-low (L-L) agglomerations is high, showing a two-tiered pattern of “large dispersion and small agglomeration”. During 2008—2019, the overall agglomeration pattern of tourism economy in Chinese excellent tourism cities is relatively stable, but the agglomeration pattern in local areas has changed. 2) Based on exploratory regression analysis, the optimal combination of factors influencing domestic tourism income is: tourism resource endowment, industrial structure, transportation conditions, and ecological environment condition; the optimal combination of factors influencing tourism foreign exchange income is: tourism resource endowment, degree of opening to the outside world, degree of marketization, and ecological environment condition. 3) The results of GWR model analysis show that the degree of influence of each factor shows obvious spatial heterogeneity, indicating that the influence of each factor on the tourism economy of Chinese excellent tourism cities is not static, but changes with the change of sample units, and the research results can provide a scientific basis for each city to formulate corresponding measures for tourism economic development.

Key words： tourism economy; excellent tourism cities; spatial autocorrelation; Geographically Weighted Regression

随着国家全面小康社会的实现及国民旅游需求的增加，中国已全面迈进大众旅游时代[1]，旅游已成为衡量人民生活水平的一个重要指标，旅游经济规模也随之不断扩大。据文化和旅游部2022年发布的数据（https://www.chinanews.com.cn/cj/shipin/cns-d/2022/08-18/news935257.shtml）显示，2012年以来，国内旅游收入年均增长约10.6%，2019年旅游总收入达到6.63万亿元，旅游及相关产业增加值4.5万亿元，占GDP的比重约为4.56%；新冠肺炎疫情以来，尽管旅游经济受到较大冲击，但总体来看，其在国民经济结构中的支柱性地位并没有发生改变。然而，由于中国不同地区的旅游资源、经济发展水平等存在差异，旅游经济的发展在空间上呈现非均衡性，阻碍区域旅游经济协调发展[2]。因此，探讨旅游经济的空间分异及影响因素，对于正确认识各地区旅游经济发展状况，加强区域旅游经济合作，促进区域旅游经济协调、可持续发展具有重要的现实意义。
目前，区域旅游经济空间格局演变特征及影响因素的研究已成为学术界关注的热点，现有研究呈现以下特征：研究内容不断深入，学者们从研究旅游经济的空间分布特征[3-5]逐渐深入到探讨其时空演变特征[6-8]及影响因子[9-11]，如交通、政策、基础设施等影响因子[12-15]；研究指标选取更加全面，由国内旅游收入[16]、旅游外汇收入[17]等单一指标向兼具国内与外汇2方面旅游收入的复合指标转变[10]；研究尺度趋于多元化，研究区空间尺度由单一省市扩展到经济带[18]、城市群[19]及河西走廊[20]等大范围尺度，样本空间单元尺度由省域[7-8,11]尺度逐渐细化到市域[10]及县域[21]等；研究方法逐渐改进，由采用基尼系数[22]、泰尔指数[23]等传统方法，过渡到采用主成分分析法[24]、空间自相关[25]、地理探测器[26]等更加科学有效的方法。
纵观当前研究，虽已取得较丰硕的成果，但仍存在一些不足，值得进一步探索：① 现有研究大多是针对某个地区的城市或者城市群进行分析，而对于全国范围内优秀旅游城市这一特定城市类型的研究较为缺乏。中国优秀旅游城市是由原国家旅游局评选出的[27]，其旅游经济总量占全国的比例超过了90%[28]，以其为研究对象可更精准地反映中国旅游经济的状况，对旅游经济的提升更具针对意义。② 以往基于全国范围的旅游经济时空格局的研究，大多以省域为样本单元，少数以市域为样本单元，且由于全国几百个城市连续多年的旅游经济及相关因子的面板数据收集工作量大，导致大多市域尺度的研究仅采用若干截面数据，未能体现旅游经济连续演变的一般规律。③ 旅游经济空间格局往往是受到若干个主要因素的综合影响，现有研究对影响因素变量（候选解释变量）的组合通常是基于前人研究进行选取并组合，存在一定主观性，且多个候选解释变量间可能存在多重共线性，亟需借助更加科学的方法探索候选解释变量的最优组合。此外，目前研究大多基于全局回归模型，如普通最小二乘法模型（Ordinary least square，OLS），但OLS模型是“单一普适”的分析方法，忽视了地理要素具有“空间非平稳性”[29]的特征，这可能会导致分析结果出现偏差。地理加权回归模型（Geographically Weighted Regression，GWR）基于局部回归思想，可揭示参数随空间位置不同而变化的特征，不仅能够量化反映解释变量在不同样本点的异质性影响，还能对变量间的局部空间关系进行可视化表达[30-31]。
基于此，本文以208个中国优秀旅游城市为研究区域，基于其2008—2019年连续12 a旅游经济及相关因子的面板数据，采用空间自相关方法分析旅游经济空间格局及演变趋势，借助探索性回归分析方法，探索影响因子最优组合，在此基础上，采用GWR模型探讨旅游经济空间格局演变的影响因素，以期厘清中国优秀旅游城市旅游经济发展现状，为各个城市及地区根据当地特点制定个性化、可持续的旅游经济发展策略提供参考依据。

1 数据来源与研究方法

1.1 数据来源

基于数据可获取性和稳定性，本文选取208个中国优秀旅游城市为研究区域（暂缺港澳台数据），选取2008—2019年作为研究时期，这是由于2008年奥运会的举办吸引国内外众多游客，此后旅游经济有较大发展，2020年至今旅游经济受到新型冠状病毒肺炎（COVID-19）疫情影响波动较大。研究区旅游经济及相关指标的面板数据来源如下：A级景区指标数据来自各省旅游发展委员会官网（http:www.mct.gov.cn），其余指标数据取自《中国区域经济统计年鉴（2008—2014）》[32]、2008—2019年各省域统计年鉴（http://www.stats.gov.cn/）及各地级市统计年鉴（http://www.stats.gov.cn/），个别缺失数据在各城市国民经济和社会发展统计公报中补充收集。

1.2 研究方法

1） 指标选取。采用国内旅游收入和旅游外汇收入2种指标综合反映中国优秀旅游城市旅游经济的发展水平，进而探析研究区旅游经济的空间格局及影响因素。区域旅游经济的空间格局受到旅游资源状况、经济水平、交通条件等因素的综合影响，本文参考《中国优秀旅游城市检查标准》（http://www.ankang.gov.cn/Content-34661.html），借鉴前人研究[10,33-36]，遵循指标代表性及数据可获取性等原则，选取影响因子的指标如下：① 旅游资源禀赋：根据各城市A级景区数量与对应权重的乘积之和来评定。其中，为反映A级景区等级上的差异，采用专家打分法为1A~5A级景区分别赋予分值1、3、9、22、65分[37]。② 交通运输条件：用公路密度来反映[10,34,36]。③ 产业结构：用城市旅游总收入与GDP的比值来衡量[34-35]。④ 对外开放程度：用城市利用外资与GDP的比值来测度[34]。⑤ 生态环境状况：用人均公园绿地面积表示[35]。⑥ 市场化程度：采用旅游外汇收入占城市第三产业比重来表征[34-35]。为消除异方差的影响，对以上所有指标进行标准化处理，通过取对数以保证数据的稳定性[10]。
2） 空间自相关分析。地理学第一定律认为地理事物普遍存在相关性，且距离越近相关性越强[38]。为了探索中国优秀旅游城市旅游经济的空间关联特征，首先采用全局Moran’s I指数，检验研究区旅游经济是否在空间上具有相关性，再利用局部Moran’s I指数和LISA（Local Indicators of Spatial Association）值分析其旅游经济的局部空间关联特征[39]。
3） 探索性回归分析。探索性回归分析可以对候选解释变量的所有可能组合进行评估，从而得到被解释变量的最优影响因子组合[40]。为了避免多重共线性，最大化提升回归模型的解释力，同时考虑到候选解释变量对于国内旅游收入和旅游外汇收入影响大小不一，采用ArcGIS软件的探索性回归工具分别探索二者的最优影响因子组合，探索原则为：候选解释变量的组合获得较大的矫正R2为0.6；最大方差膨胀因子VIF值远低于7.5；选取解释变量的组合的赤池信息量准则值（Akaike Information Criterion，AICc）尽可能小。
4） 地理加权回归（GWR）模型构建。GWR模型是对OLS模型的扩展改进，GWR模型将变量间的关系与样本点的空间位置结合起来，从而能够反映出被OLS模型所忽视的空间局部特征[29]。本文分别将国内旅游收入、旅游外汇收入作为被解释变量，将上述探索的最优影响因子组合内的变量作为解释变量，构建GWR模型，进而探析研究区旅游经济空间格局的影响因子。

2 中国优秀旅游城市旅游经济空间格局的演变特征

2.1 全局空间关联格局的演变特征

由2008—2019年连续12 a中国优秀旅游城市国内旅游收入、旅游外汇收入的全局Moran’s I指数值（表1）可知，两者的全局Moran’s I值均为正值，且均通过5%显著性水平的检验，表明两者均存在较强的空间自相关，即旅游经济指数较高或较低的城市在空间上具有一定的集聚特征。从动态演化趋势来看，两者的Moran’s I值总体呈现出下降趋势，表明近12 a来中国优秀旅游城市旅游经济发展水平的空间集聚度有所下降；然而，两者的演变趋势存在一定差异，国内旅游收入的全局Moran’s I指数在[0.1035, 0.1561]波动，由2008年的0.1503下降到2019年的0.1035，总体呈现先下降后上升而后又下降的小幅度波动趋势，空间集聚存在一定的阶段性特征；旅游外汇收入的全局Moran’s I值在[0.1799, 0.2373]波动，由2008年的0.2165下降到2019年的0.1799，表明旅游外汇收入的空间集聚态势逐渐减弱。
表1 2008—2019年中国优秀旅游城市国内旅游收入及旅游外汇收入的全局Moran’s I值

Table 1 Global Moran’s I value of domestic tourism income and tourism foreign exchange income of Chinese excellent tourist cities from 2008 to 2019

年份 国内旅游收入 旅游外汇收入
Moran’s I Z得分 P值 Moran’s I Z得分 P值
　　注：暂缺港澳台数据。
2008 0.1503 9.8632 0.0000 0.2165 14.4039 0.0000
2009 0.1561 10.2360 0.0000 0.2375 15.3929 0.0000
2010 0.1490 9.7848 0.0000 0.2309 14.9942 0.0000
2011 0.1371 8.9796 0.0000 0.2373 15.3726 0.0000
2012 0.1333 8.7897 0.0000 0.2205 14.3064 0.0000
2013 0.1193 9.9002 0.0000 0.2129 13.8333 0.0000
2014 0.1437 9.4617 0.0000 0.2289 14.8390 0.0000
2015 0.1482 9.7446 0.0000 0.2282 14.7998 0.0000
2016 0.1553 10.1902 0.0000 0.2206 14.3182 0.0000
2017 0.1208 7.9867 0.0000 0.2226 14.4453 0.0000
2018 0.1084 7.2044 0.0000 0.1997 12.9267 0.0000
2019 0.1035 6.8833 0.0000 0.1799 11.6267 0.0000

2.2 局部空间关联格局的演变特征

通过中国优秀旅游城市旅游经济的LISA空间集聚（图1）进一步考量其局部空间关联格局的演变特征，研究区旅游经济的空间集聚类型整体表现出高−高（H-H）和低−低（L-L）两级分化格局，并且高−低（H-L）型和低−高（L-H）型城市分散分布。其中，H-H集聚区主要集中于东部沿海地区（根据 2011 年国家统计局《东西中部和东北地区划分方法》，http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm），将中国经济区域划分为东部、中部、西部和东北四大地区），该地区的旅游城市以其优越的地理位置带动旅游经济的增长并出现高旅游经济水平的城市集聚，是旅游经济发展的“热点”地区；而L-L集聚区主要集中在西部地区，其原因在于这些旅游城市交通较不方便、自然环境较恶劣等导致旅游经济水平相对较低，是旅游经济典型的“冷点”区域。
图1 2008—2019年中国优秀旅游城市旅游经济的LISA空间集聚演化

基于审图号GS（2023）2767号（自然资源部）制作，底图无修改；暂缺港澳台数据

Fig. 1 LISA spatial agglomeration ecvolution of tourism economy in Chinese excellent tourism cities from 2008 to 2019

从演变特征看，2008—2019年研究区旅游经济整体空间格局变化不大，国内旅游收入与旅游外汇收入集聚格局有所差异。国内旅游收入方面，H-H集聚区空间格局由分布于环渤海地区部分城市，江苏省、浙江省、福建省以及上海市等东部沿海地区的城市所形成的带状分布形态演变为从东南沿海向内陆扩展的团状形态；L-L集聚区空间格局变化较小，由西北地区城市向东北地区黑龙江省北部延伸；L-H集聚区分布在东部沿海城市西侧，与H-H集聚区紧密相连，空间分布变化情况与H-H集聚区相似。旅游外汇收入方面，H-H集聚区空间格局由东部沿海地区集聚向东南沿海地区呈逐年缩小态势，L-L集聚区及H-L集聚区变化较小；L-H集聚区空间分布由东部沿海地区分散分布逐渐缩小为沿东南沿海地区呈现团块状分布。

3 中国优秀旅游城市旅游经济空间格局的影响因子

3.1 影响因子的最优组合

由探索性回归分析结果（表2）可知，国内旅游收入影响因子最优组合为：旅游资源禀赋、产业结构、交通运输条件、生态环境状况；旅游外汇收入影响因子最优组合为：旅游资源禀赋、对外开放程度、市场化程度、生态环境状况。
表2 中国优秀旅游城市旅游经济影响因子的探索性回归分析结果

Table 2 Results of exploratory regression analysis of tourism economic influence factors in Chinese excellent tourist cities

影响因子组合 矫正R2 AICc VIF
　　注：暂缺港澳台数据。
国内旅游收入 旅游资源禀赋、产业结构、交通运输条件、生态环境状况 0.6300 19.0300 1.2300
旅游资源禀赋、市场化程度、交通运输条件、生态环境状况 0.6000 34.0900 1.1200
旅游外汇收入 旅游资源禀赋、对外开放程度、市场化程度、生态环境状况 0.6400 376.3600 1.1200
旅游资源禀赋、对外开放程度、市场化程度、交通运输条件 0.6300 384.7000 1.2200
旅游资源禀赋、产业结构、市场化程度、生态环境状况 0.6100 394.5800 1.2700

3.2 GWR与OLS模型参数的对比分析

分别采用GWR与OLS模型对旅游经济的影响因子进行探析（表3），国内旅游收入和旅游外汇收入GWR模型的Sigma值分别为0.2270和0.6020，小于OLS模型的Sigma值（0.2490和0.6740）；GWR模型的拟合优度（R2）分别为0.7080和0.6680，高于OLS模型的R2（0.6330和0.5750）；GWR模型与OLS模型的AICc值相差大于3，且GWR模型的AICc值较小。上述参数对比结果表明GWR模型拟合效果全面优于OLS模型。
表3 中国优秀旅游城市旅游经济影响因子GWR和OLS模型的拟合参数对比

Table 3 Comparison of fitting parameters of GWR and OLS models for tourism economic impact factors in Chinese excellent tourist cities

拟合模型 因变量 Sigma值 R2 AICc
　　注：暂缺港澳台数据。
GWR 国内旅游收入 0.2270 0.7080 −12.6360
旅游外汇收入 0.6020 0.6680 371.1940
OLS 国内旅游收入 0.2490 0.6330 19.0330
旅游外汇收入 0.6740 0.5750 415.3910

3.3 各因子对旅游经济影响的空间分异特征

采用GWR模型计算得到各因子对旅游经济影响的回归系数变异范围（表4），从最小值看，旅游资源禀赋、交通运输条件和市场化程度的回归系数最小值均大于0，说明这3个因子对于旅游收入有不同程度的正向作用，即总体上中国旅游经济随着旅游资源禀赋、交通运输条件和市场化程度的增加而增长。从平均值看，所有影响因子回归系数的平均值均为正数，说明各因子对于旅游经济的发展有着促进作用；对于国内旅游收入而言，各因子的影响力度为旅游资源禀赋>交通运输条件>生态环境状况>产业结构；旅游外汇收入则是旅游资源禀赋>市场化程度>生态环境状况>对外开放程度。
表4 各因子对中国优秀旅游城市旅游经济影响的GWR系数对比

Table 4 Comparison of GWR coefficients for the impact of each factor on the tourism economy of Chinese excellent tourism cities

旅游经济 影响因子 最小值 最大值 平均值 标准偏差
　　注：暂缺港澳台数据。
国内旅游收入 旅游资源禀赋 0.7690 1.1780 0.8510 0.0500
产业结构 −0.1590 0.4100 0.2760 0.0690
交通运输条件 0.2690 0.8100 0.4840 0.1180
生态环境状况 −0.0470 0.5090 0.4020 0.0930
旅游外汇收入 旅游资源禀赋 0.6510 1.2160 0.8060 0.0950
对外开放程度 −0.0210 0.0570 0.0490 0.0120
市场化程度 0.4320 0.8580 0.7560 0.0830
生态环境状况 −0.0360 0.8090 0.7070 0.1150
通过GWR回归系数的平均值及P值检验发现，除了对外开放程度外，其余影响因子的GWR回归系数的平均值较高，且通过了0.05水平的显著性检验，表明这些因子对旅游经济均有显著影响。采用ArcGIS自然断点法对各显著因子的GWR回归系数进行空间可视化，进一步探析其对旅游经济影响程度的空间分异，具体如下。
1） 各因子对国内旅游收入影响的空间分异特征。① 旅游资源禀赋。由图2a 旅游资源禀赋的GWR模型回归系数的空间分布可知，旅游资源禀赋对旅游经济具有正向影响且影响强度具有明显的空间差异，整体呈现出由南到北递增的趋势，其中，西北地区影响强度较大，原因在于此处的旅游城市虽地处中国内陆，经济基础薄弱，但该地区作为“丝绸之路”必经之路，兼有独特的自然风光及深厚历史文化，对游客独具吸引力，因此这些城市旅游经济发展对旅游资源具有更强的依赖性。从北向南，发展旅游业的旅游资源条件趋于多样化，其旅游经济对旅游资源的依赖性也逐渐减弱。② 产业结构。由图2b可知产业结构对国内旅游收入的影响强度呈现“北高南低，东高西低”的空间分异特征，东北地区的回归系数较高，西北地区较低，其中少部分地区出现负值，这说明产业结构对旅游经济的影响并非全是正向，且对东北地区的旅游城市旅游经济发展影响较大，而西北部分地区呈现负相关。东北地区的旅游城市顺应国家发展，改造重工业同时注重第三产业的发展，甚至兴起工业旅游的新模式；华北地区一些经济落后的城市，响应旅游扶贫战略进行产业结构的优化；中部黄河流域及东南地区福州、杭州等部分城市通过打造旅游城市的品牌，优化旅游产业链，产业结构调整推动旅游经济增长，因此产业结构在此类旅游城市中影响显著。而西南地区旅游城市作为重点、热门旅游城市，长期重视旅游业，产业结构变化较小，其对旅游经济的影响不显著；此外，西北地区处于生态脆弱区，过度发展旅游业不利于保护生态环境，第三产业在产业结构中比重过大反而会制约旅游经济发展，因此部分城市出现产业结构与旅游经济负相关的现象。③ 交通运输条件。图2c显示交通条件对国内旅游收入影响的回归系数为正数，空间上整体以东北地区旅游城市为高值区，逐渐向南以条带状递减。东北地区的旅游城市相较于南方缺少铁路、航空等其他交通方式，以公路密度为衡量指标的交通运输条件在此显得尤为重要，旅游经济对交通运输条件较敏感；随着地理位置向南，交通网络与交通方式相对完善，交通条件对旅游经济的解释力逐渐减弱。④ 生态环境状况。图2d反映生态环境状况对国内旅游收入影响的回归系数有正负之分，空间上由东北及东部沿海旅游城市向内陆递减，且最低值出现在最西边。沿海地区的旅游城市森林茂密，空气湿润，生态环境状况良好，有利于促进旅游业发展；而内陆地区的旅游城市依赖历史文化等资源吸引游客，如西安等，开发、传承及保护文化是这些城市的重点，绿地建设程度不及东部城市，因此生态环境状况影响程度较低。西部旅游城市地处高原且地广人稀，对于旅游者进行旅游活动存在挑战，因此生态环境状况对于该地区旅游城市旅游经济的影响很小，甚至出现负相关的现象。
图2 国内旅游收入GWR模型各因子回归系数的空间分布

基于审图号为GS（2023）2767号（自然资源部）制作，底图无修改；暂缺港澳台数据

Fig. 2 Regression coefficient of influencing factors in GWR Model of domestic tourism income of China

2） 各因子对旅游外汇收入影响的空间分异特征。① 旅游资源禀赋。由图3a可知，旅游资源禀赋对旅游外汇收入的影响的回归系数在空间上整体呈现出由南到北递增的趋势，于北部达到最大值，东北地区有奇特的冰雪旅游资源，“东方音乐之都”称号以及融合了中西方文化等地方特色优势，对存在猎奇心理的外国游客更具吸引力；从南向北，发展旅游业的条件逐渐单一化，旅游资源对旅游经济的影响程度逐渐增大。② 市场化程度。图3b反映市场化程度作用于旅游外汇收入对旅游经济产生影响，回归系数均为正数且数值较大，具有“南−东北”的空间结构特征。南部地区的旅游城市是市场化程度影响较大区域，由此向东北方向递减。重庆、成都、海南等南部地区的旅游城市重视旅游业且旅游业发展成熟，通过制定政策以规范旅游市场，而东北地区的旅游城市的旅游业发展仍然没有达到成熟阶段，市场化标准还不完善，致使旅游经济对市场化的依赖不显著。 ③ 生态环境状况。从图3c可知生态环境状况对旅游外汇收入的影响的回归系数在空间上表现为由东部沿海向内陆逐渐减小。这可能是由于外国客源地地理位置、政策等原因使其环境状况良好，导致外国游客更重视旅游目的地的生态环境，于中国而言，生态环境质量总体由沿海城市向内陆逐渐下降，因此越往内陆生态环境对旅游外汇收入的解释力越弱。
图3 旅游外汇收入GWR模型各因子回归系数的空间分布

基于审图号为GS（2023）2767号（自然资源部）制作，底图无修改；暂缺港澳台数据

Fig. 3 Regression coefficient of influencing factors in GWR Model of tourism foreign exchange income of China

4 结论与讨论

4.1 结论

以208个中国优秀旅游城市为研究区域，基于其2008—2019年旅游经济及相关因子的面板数据，采用空间自相关、探索性回归及GWR模型等方法，探索了中国优秀旅游城市旅游经济空间格局演变特征及影响因素，主要结论如下：
1） 2008—2019年中国优秀旅游城市的国内旅游收入与旅游外汇收入均存在较强的空间相关性，且总体呈下降趋势，但两者的演变趋势存在一定差异。局部空间聚类呈现“大分散，小聚集”的两级分化格局，H-H和L-L集聚的城市数量较多，H-H集聚区主要集中于东部沿海地区，而L-L集聚区主要集中在西部地区。研究期间，虽然中国优秀旅游城市旅游经济总体集聚格局相对稳定，但局部地区的集聚格局有所变化，且国内旅游收入与旅游外汇收入的空间变化有所差异。
2） 基于探索性回归分析得到国内旅游收入影响因子最优组合为：旅游资源禀赋、产业结构、交通运输条件、生态环境状况；旅游外汇收入影响因子最优组合为：旅游资源禀赋、对外开放程度、市场化程度、生态环境状况。
3） 运用OLS和GWR模型对旅游经济及其影响因素进行回归分析，模型拟合参数表明GWR模型的拟合效果全面优于OLS模型。由GWR模型得出各因子的影响强度，国内旅游收入各因子影响强度大小为旅游资源禀赋>交通运输条件>生态环境状况>产业结构；旅游外汇收入则是旅游资源禀赋>市场化程度>生态环境状况>对外开放程度。
4） 由各因子GWR模型回归系数的空间分布可知，各因子对旅游经济的影响程度均呈现明显的空间异质性，各城市可依据各自影响机制的不同，因地制宜地制定差异化、区域化的旅游经济发展策略。

4.2 讨论

旅游经济发展过程中，“吃、住、行、游、购、娱”等各个要素皆存在明显的跨区域流动，旅游的供给和需求均存在普遍的空间关联特性，传统的旅游经济差异计量模型，往往忽视了空间的影响。为此，本文考虑到空间效应，采用空间统计分析方法进行了研究，首先采用空间自相关探析了中国优秀旅游城市旅游经济的空间格局及演变特征，研究结果证实了其旅游经济存在显著的空间关联性，这违背了传统回归分析中样本单元间必须相互独立的假设，应将空间效应纳入到回归模型中，因此，本文进一步采用考虑“空间非平稳性”的GWR模型并结合探索性回归分析，对旅游经济的影响因素进行探索，能够更加科学地度量区域旅游经济发展差异的内在影响机制。
首先，本文在分析研究区旅游经济空间格局演变特征的过程中，发现其旅游经济存在显著的空间关联性，此现象与前人的研究结果较一致[10-11,36]，然而，空间关联演变趋势有所不同，本文研究期间中国优秀旅游城市的旅游经济的空间关联程度总体呈下降趋势，但在相关研究中全国旅游经济的空间关联程度呈上升趋势[10]，其原因可能是相较于全国尺度地级市旅游经济的空间关联性而言，中国优秀旅游城市中旅游要素更加显著，各城市对于旅游业的重视程度及政策措施有所差异，致使旅游经济影响因子的影响更为突出且影响程度不同，从而导致各旅游城市间旅游经济发展存在较大差异，其空间聚集态势有所减弱。上述不同的变化趋势也反映了以中国优秀旅游城市为研究对象，探讨其旅游经济空间格局演变特征及影响因素具有必要性和代表性。
其次，本文进一步探究了研究区旅游经济的局部空间关联特征，结果发现其局部空间聚类呈现“大分散，小聚集”的两级分化格局，对此，旅游城市间应健全城市间的旅游合作机制，实施城市间“帮扶带动”策略，对于高旅游经济的城市应继续发挥自身优势保持并提升旅游经济，同时兼顾旅游发展的溢出效应，通过游客分流、资源共享等方式带动周边低旅游经济城市的发展；而低旅游经济的城市应当在自身成长中寻求突破，找准旅游特色，加快旅游业发展。为了促进城市间旅游经济的协调发展，可制定跨城市的综合性旅游环线线路，考虑旅游经济的空间效应，避免城市边界约束，联系相邻旅游城市，实现旅游要素的良性流动与旅游市场的可持续发展。
最后，本文探索了中国优秀旅游城市旅游经济空间格局演变的影响因素，结果验证了GWR模型确实优于传统的OLS模型，且通过GWR模型量化反映了各因子在不同样本点的异质性影响，这与已有研究一致[11,36]；其中，交通运输条件、旅游资源禀赋、产业结构对旅游经济具有正向驱动作用，旅游资源禀赋对西部地区影响较大，这些结论与前人研究结果相同[10-11]，但对于优秀旅游城市而言，旅游资源禀赋影响较小的城市位于南方，这与已有研究不同[11]，且不同因子的影响程度与现有研究存在差异[1]，其原因可能是：① 研究区与样本单元尺度不同，本文以中国优秀旅游城市为研究区域，从市域尺度研究旅游经济空间格局演变，旅游要素更加显著，其结果较科学客观；② 本文选择国内旅游收入与旅游外汇收入共同反映旅游经济，而此前大多数研究仅以单一指标代表旅游经济；③ 解释变量最优组合的构建存在差异。本文采用探索性回归分析对候选解释变量所有可能的组合进行评估，从而得到最优的组合，这与前人主观选取组合相比，更加客观科学。然而，影响旅游经济空间差异的因素十分复杂，由于一些指标（如政策、文化、科技等）的数据难以空间量化及获取，需要在后续的研究中进一步补充完善。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王新越, 孟繁卿, 朱文亮. 我国热门旅游城市旅游经济空间分异及影响因素——基于地理探测器方法的研究[J]. 地域研究与开发, 2020, 39(2): 76-81.

DOI

Wang Xinyue, Meng Fanqing, Zhu Wenliang. Spatial differentiation and influencing factors of tourism economy in China’s popular tourist cities: Based on geographic detector. Areal Research and Development, 2020, 39(2): 76-81.

DOI

[2]
崔丹, 李沅曦, 吴殿廷. 京津冀地区旅游经济增长的时空演化及影响因素[J]. 地理学报, 2022, 77(6): 1391-1410.

DOI

Cui Dan, Li Yuanxi, Wu Dianting. Spatiotemporal evolution and influencing factors of tourism economic growth in Beijing-Tianjin-Hebei region. Acta Geographica Sinica, 2022, 77(6): 1391-1410.

DOI

[3]
陆林, 余凤龙. 中国旅游经济差异的空间特征分析[J]. 经济地理, 2005, 25(3): 406-410.

DOI

Lu Lin, Yu Fenglong. A study on the spatial characteristic of provincial difference of tourism economy. Economic Geography, 2005, 25(3): 406-410.

DOI

[4]
陈智博, 吴小根, 汤澍, 等. 江苏旅游经济发展的空间差异[J]. 经济地理, 2008, 28(6): 1064-1067

Chen Zhibo, Wu Xiaogen, Tang Shu et al. Spatial differences of tourism economy in Jiangsu. Economic Geography, 2008, 28(6): 1064-1067.

[5]
汪德根, 陈田. 中国旅游经济区域差异的空间分析[J]. 地理科学, 2011, 31(5): 528-536

Wang Degen, Chen Tian. Spatial analysis for regional difference of tourism economy in China. Scientia Geographica Sinica, 2011, 31(5): 528-536.

[6]
赵磊. 中国旅游经济发展时空差异演变: 1999—2009[J]. 旅游论坛, 2014, 7(2): 6-15.

DOI

Zhao Lei. The evolution of temporal and spatial differences of tourism economic development in China: 1999—2009. Tourism Forum, 2014, 7(2): 6-15.

DOI

[7]
李在军, 管卫华, 蒲英霞, 等. 山东省旅游经济的时空演变格局探究[J]. 经济地理, 2013, 33(7): 176-181

Li Zaijun, Guan Weihua, Pu Yingxia et al. Exploration on the tourism economy spatio-temporal pattern in Shandong Province. Economic Geography, 2013, 33(7): 176-181.

[8]
沈惊宏, 陆玉麒, 周玉翠, 等. 安徽省国内旅游经济增长与区域差异空间格局演变[J]. 地理科学, 2012, 32(10): 1220-1228

Shen Jinghong, Lu Yuqi, Zhou Yucui et al. Domestic tourism economic growth and spatial pattern evolution of regional tourism differences in Anhui Province. Scientia Geographica Sinica, 2012, 32(10): 1220-1228.

[9]
孙晓, 刘力钢, 陈金. 东北三省旅游经济质量的区域差异、动态演进及影响因素[J]. 地理科学, 2021, 41(5): 832-841

Sun Xiao, Liu Ligang, Chen Jin. Regional differences, dynamic evolution and influencing factors of the quality of tourism economy in Northeast China. Scientia Geographica Sinica, 2021, 41(5): 832-841.

[10]
吴媛媛, 宋玉祥. 中国旅游经济空间格局演变特征及其影响因素分析[J]. 地理科学, 2018, 38(9): 1491-1498

Wu Yuanyuan, Song Yuxiang. Spatial pattern evolution and influence factors of tourism economy in China. Scientia Geographica Sinica, 2018, 38(9): 1491-1498.

[11]
朱海艳, 孙根年, 李君轶. 中国31省市国内旅游经济差异影响因素的空间计量研究[J]. 干旱区资源与环境, 2019, 33(5): 197-202

Zhu Haiyan, Sun Gennian, Li Junyi. Factrs inuncing the domestc toursm economic inguliy in 31 povinces of China. Journal of Arid Land Resources and Environment, 2019, 33(5): 197-202.

[12]
杨懿, 汪洋周颖, 赵子晨. 高铁开通对城市旅游经济影响的区域差异研究[J]. 财经理论与实践, 2022, 43(2): 67-75

Yang Yi, Wang Yangzhouying, Zhao Zichen. Study on regional differences of the impact of high-speed railway on urban tourism economy. The Theory and Practice of Finance and Economics, 2022, 43(2): 67-75.

[13]
生延超, 刘晴. 人力资本促进区域旅游经济效率的空间差异研究[J]. 地理科学, 2020, 40(10): 1710-1719

Sheng Yanchao, Liu Qing. Spatial difference of human capital promoting regional tourism economic efficiency: Empirical research based on “Hu Line”. Scientia Geographica Sinica, 2020, 40(10): 1710-1719.

[14]
Baidal J A I. Regional development policies: An assessment of their evolution and effects on the Spanish tourist model[J]. Tourism Management, 2002, 24(6): 655-663.

[15]
Khadaroo J, Seetanah B. The role of transport infrastructure in international tourism development: A gravity model approach[J]. Tourism Management, 2007, 29(5): 831-840.

[16]
程金龙. 中国区域旅游经济差异演变及主导因素分析[J]. 华东经济管理, 2018, 32(12): 56-62

Cheng Jinlong. Evolution of regional tourism economic disparity and its leading factors in China. East China Economic Management, 2018, 32(12): 56-62.

[17]
孙盼盼, 戴学锋. 中国区域旅游经济差异的空间统计分析[J]. 旅游科学, 2014, 28(2): 35-48.

DOI

Sun Panpan, Dai Xuefeng. An analysis on the spatial data of China’s regional tourism economic disparity. Tourism Science, 2014, 28(2): 35-48.

DOI

[18]
乔花芳, 高茜茜, 谢双玉, 等. 长江经济带旅游经济的时空分异及影响因素研究[J]. 华中师范大学学报(自然科学版), 2019, 53(5): 735-744

Qiao Huafang, Gao Qianqian, Xie Shuangyu et al. Spatial and temporal differentiation of tourism economy in the Yangtze River Economic Belt and its influencing factors. Journal of Central China Normal University (Natural Sciences), 2019, 53(5): 735-744.

[19]
马丽君, 张家凤. 长江中游城市群旅游与经济发展空间差异演化及互动关系[J]. 生态经济, 2020, 36(5): 116-121

Ma Lijun, Zhang Jiafeng. Spatial variation evolution and interaction of tourism and economic development of urban agglomeration in the middle reaches of Yangtze River. Ecological Economy, 2020, 36(5): 116-121.

[20]
韩润娥, 赵峰. 河西走廊旅游经济空间差异及其演化趋势[J]. 中国农业资源与区划, 2020, 41(4): 225-234

Han Run’e, Zhao Feng. Spatial differences in the tourism economy of the Hexi Corridor and its evolutionary trends. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(4): 225-234.

[21]
朱怡婷, 熊黑钢, 白洋, 等. 边疆旅游地县域旅游经济时空变迁及驱动机制研究——新疆案例[J]. 干旱区地理, 2019, 42(2): 392-403

Zhu Yiting, Xiong Heigang, Bai Yang et al. Spatial and temporal changes and driving mechanism of county-scale tourism in frontier tourism destinations. Arid Land Geography, 2019, 42(2): 392-403.

[22]
马丽君, 张家凤. 区域旅游发展空间差异变化对经济发展平衡性的影响[J]. 经济地理, 2020, 40(1): 197-203

Ma Lijun, Zhang Jiafeng. The impact of spatial differences in regional tourism development on the balance of economic development. Economic Geography, 2020, 40(1): 197-203.

[23]
陈晓, 王丹, 张耀光, 等. 辽宁省旅游经济的时空差异演变分析[J]. 经济地理, 2009, 29(1): 147-152

Chen Xiao, Wang Dan, Zhang Yaoguang et al. Analysis of the evolution of spatial and temporal differences in the tourism economy of Liaoning Province[J]. Economic Geography, 2009, 29(1): 147-152.

[24]
方叶林, 黄震方, 陆玮婷, 等. 中国市域旅游经济空间差异及机理研究[J]. 地理与地理信息科学, 2013, 29(6): 100-104+110+129

Fang Yelin, Huang Zhenfang, Lu Weiting et al. Spatial differentiation of tourism economy and its mechanism in Chinese cities. Geography and Geo-Information Science, 2013, 29(6): 100-104+110+129.

[25]
张生瑞, 王英杰, 鞠洪润, 等. 中国陆地边境旅游发展区域差异及其影响因素[J]. 地理研究, 2020, 39(2): 414-429.

Zhang Shengrui, Wang Yingjie, Ju Hongrun et al. The regional differences of land border tourism development in China and influencing factors. Geographical Research, 2020, 39(2): 414-429.

[26]
张昊, 韩增林, 乔国荣, 等. 黄河流域城市间旅游经济联系格局及影响因素研究[J]. 干旱区地理, 2023, 46(8): 1344-1354

Zhang Hao, Han Zenlin, Qiao Guorong et al. Patterns and influencing factors of tourism economic linkages between cities in the Yellow River Basin. Arid Land Geography, 2023, 46(8): 1344-1354.

[27]
张蕾. 中国优秀旅游城市体系分析[J]. 城市问题, 2005 (5): 33-37.

DOI

Zhang Lei. An analysis on the system of favorable tourist cities in China. Urban Problems, 2005 (5): 33-37.

DOI

[28]
樊玲玲, 侯志强, 施亚岚, 等. 中国优秀旅游城市旅游效率时空演化及影响因素分析[J]. 资源开发与市场, 2021, 37(8): 984-990.

DOI

Fan Lingling, Hou Zhiqiang, Shi Yalan et al. Study on spatial-temporal evolution and influencing factors of tourism efficiency of China’s excellent tourism cities. Resource Development & Market, 2021, 37(8): 984-990.

DOI

[29]
林玉英, 李宝银, 邱荣祖, 等. 基于GWR模型的道路网络对森林碳密度干扰的地理变异——以闽江上游地区为例[J]. 地理科学, 2022, 42(6): 1113-1123

Lin Yuying, Li Baoyin, Qiu Rongzu et al. Geographic variation of road network effects on forest carbon density based on GWR Model: A case study of the upstream district of Minjiang River. Scientia Geographica Sinica, 2022, 42(6): 1113-1123.

[30]
卢宾宾, 葛咏, 秦昆, 等. 地理加权回归分析技术综述[J]. 武汉大学学报(信息科学版), 2020, 45(9): 1356-1366

Lu Binbin, Ge Yong, Qin Kun et al. A review on Geographically Weighted Regression. Geomatics and Information Science of Wuhan University, 2020, 45(9): 1356-1366.

[31]
Fotheringham A S, Charlton M E. Geographically Weighted Regression: A natural evolution of the expansion method for spatial data analysis[J]. Environment and Planning A, 1998, 30(11): 1905-1927.

DOI

[32]
国家统计局. 中国区域经济统计年鉴[M]. 2008—2014. 北京: 中国统计出版社, 2008—2014.

National Bureau of Statistics. China statistical yearbook for regional economy. 2008—2014. Beijing: China Statistics Press, 2008—2014.

[33]
邓爱民, 李鹏. 中国旅游经济影响因素分析与实证研究[J]. 宏观经济研究, 2022 (3): 106-115

Deng Aimin, Li Peng. A study on analysis and empirical of the influencing factors of China’s tourism economy. Macroeconomics, 2022 (3): 106-115.

[34]
胡森林, 焦世泰, 张晓奇. 中国城市旅游发展的时空演化及影响因素——基于动态空间马尔科夫链模型的分析[J]. 自然资源学报, 2021, 36(4): 854-865.

DOI

Hu Senlin, Jiao Shitai, Zhang Xiaoqi. Spatio-temporal evolution and influencing factors of China’s tourism development: Based on the non-static spatial Markov chain model. Journal of Natural Resources, 2021, 36(4): 854-865.

DOI

[35]
王新越, 芦雪静, 朱文亮. 我国主要旅游城市旅游业发展影响因素分析与评价[J]. 经济地理, 2020, 40(5): 198-209

Wang Xinyue, Lu Xuejing, Zhu Wenliang. Analysis and evaluation of the influencing factors of tourism development in China’s major tourism cities. Economic Geography, 2020, 40(5): 198-209.

[36]
薛明月, 王成新, 赵金丽, 等. 黄河流域旅游经济空间分异格局及影响因素[J]. 经济地理, 2020, 40(4): 19-27

Xue Mingyue, Wang Chengxin, Zhao Jinli et al. Spatial differentiation pattern and influencing factors of tourism economy in the Yellow River Basin. Economic Geography, 2020, 40(4): 19-27.

[37]
邓纯纯, 吴晋峰, 吴珊珊, 等. 中国A级景区等级结构和空间分布特征[J]. 陕西师范大学学报(自然科学版), 2020, 48(1): 70-79

Deng Chunchun, Wu Jinfeng, Wu Shanshan et al. Grade structure and spatial distribution characteristics of A-grade scenic spots in China. Journal of Shaanxi Normal University (Natural Science Edition), 2020, 48(1): 70-79.

[38]
Joo D, Woosnam K M, Shafer C S et al. Considering Tobler’s first law of geography in a tourism context[J]. Tourism Management, 2016, 62: 350-359.

[39]
马晓熠, 裴韬. 基于探索性空间数据分析方法的北京市区域经济差异[J]. 地理科学进展, 2010, 29(12): 1555-1561.

DOI

Ma Xiaoyi, Pei Tao. Exploratory spatial data analysis of regional economic disparities in Beijing during 2001—2007. Progress in Geography, 2010, 29(12): 1555-1561.

DOI

[40]
李光一, 李海萍, 万华伟, 等. 随机森林算法在新疆物种丰富度影响因素研究中的应用[J]. 中国环境科学, 2021, 41(2): 941-950.

DOI

Li Guangyi, Li Haiping, Wan Huawei et al. Research on determinants of species richness in Xinjiang based on random forest. China Environmental Science, 2021, 41(2): 941-950.

DOI

Options
文章导航

/

〈 〉