EN中文

地理科学 >

2025 , Vol. 45 >Issue 12: 2586 - 2599

DOI: https://doi.org/10.13249/j.cnki.sgs.20240954

技术创新与数字赋能

数字经济赋能城市旅游业韧性的空间效应与作用机制

  • 吴丹丹 , 1 ,
  • 马仁锋 2 ,
  • 冯学钢 3
展开
  • 1.扬州大学旅游烹饪学院，江苏 扬州 225127
  • 2.宁波大学地理与空间信息技术系，浙江 宁波 315211
  • 3.华东师范大学经济与管理学院，上海 200062

吴丹丹（1993—），女，安徽宿州人，博士，讲师，硕导，主要研究方向为数字经济与文旅产业发展。E-mail:

收稿日期: 2024-08-26

  修回日期: 2025-03-20

  网络出版日期: 2025-12-15

基金资助

教育部人文社会科学青年基金项目(24YJCZH335)

江苏高校哲学社会科学项目(2024SJYB1517)

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 effects and mechanism of digital economy enabling tourism industry resilience in China

  • Wu Dandan , 1 ,
  • Ma Renfeng 2 ,
  • Feng Xuegang 3
Expand
  • 1. School of Tourism and Cuisine, Yangzhou University, Yangzhou 225127, Jiangsu, China
  • 2. Department of Geography and Spatial Information Techniques, Ningbo University, Ningbo 315211, Zhejiang, China
  • 3. School of Economics and Management, East China Normal University, Shanghai 200062, China

Received date: 2024-08-26

  Revised date: 2025-03-20

  Online published: 2025-12-15

Supported by

Humanities and Social Sciences Youth Fund(24YJCZH335)

University Philosophy and Social Science Fund of Jiangsu(2024SJYB1517)

Copyright

Copyright reserved © 2025.
Fold

摘要

文章融合多源数据构建2011—2019年中国285个地级及以上城市的面板数据集，从时空维度对数字经济与旅游业韧性之间的演变特征进行分析，并运用面板空间杜宾模型对其影响过程、区域异质性和作用机制进行实证检验。结果表明：①数字经济和旅游业韧性整体呈上升状态；前者呈东高西低的“阶梯状”格局，后者呈现“中部塌陷”的空间演变格局。②数字经济和旅游业韧性均呈现较强的空间自相关性，两者之间具有正向空间关联特征。③数字经济对旅游业韧性具有显著的本地提升效应和空间溢出效应。直接效应影响程度为：东北＞东部＞西部＞中部，高数字经济地区>低数字经济地区；同时，中部地区因“虹吸效应”突出而呈现负向溢出效应，高数字经济地区则呈现显著的正向溢出效应。④机制检验表明，旅游创新能力和旅游市场影响力是数字经济赋能旅游业韧性提升的两大路径。

关键词： 数字经济; 旅游业韧性; 旅游创新能力; 空间溢出

本文引用格式

吴丹丹 , 马仁锋 , 冯学钢 . 数字经济赋能城市旅游业韧性的空间效应与作用机制[J]. 地理科学, 2025 , 45(12) : 2586 -2599 . DOI: 10.13249/j.cnki.sgs.20240954

Abstract

To effectively leverage the positive role of the digital economy in enhancing the resilience of the tourism system is crucial for ensuring the stable and long-term development of the tourism economy and achieving high-quality growth. To this end, the article integrates multi-source data to construct a panel dataset of 285 prefecture-level and above cities in China from 2011 to 2019, analyzes the evolutionary characteristics between the digital economy and tourism industry resilience from the spatial and temporal dimensions, and empirically examines the influence process, regional heterogeneity, and the mechanism of action by using the panel spatial Durbin model. The research finds that: 1) The digital economy and the resilience of the tourism industry as a whole are on an upward trend, and the development gap between cities has narrowed slightly in a converging trend. In terms of spatial distribution, the former shows a “ladder-like” pattern of high in the east and low in the west, while the latter shows a spatial evolution pattern of “central collapse”. 2) Digital economy and tourism industry resilience have strong spatial agglomeration characteristics, while the two show significant positive spatial correlation. 3) The digital economy not only enhances the resilience of the local tourism industry, but also acts on neighboring cities through spatial spillover effects. Heterogeneity analysis shows that the degree of influence of the direct effect is: Northeast > East > West > Central, and high digital economy region > low digital economy region; at the same time, the Central Region shows a negative spillover effect, while the high digital economy region shows a significant positive spillover effect. 4) Mechanism tests indicate that tourism innovation capability and tourism market influence are the two major paths through which the digital economy enables tourism industry resilience. The results of the study can provide a policy basis for effectively promoting the digital transformation of multiple tourism actors at the municipal scale, improving the ability to respond to crisis events, and promoting the sustainable and high-quality development of the tourism industry.

Key words： digital economy; tourism industry resilience; tourism innovation capacity; spatial spillover

韧性研究是经济管理领域的热点话题[1-2]。旅游业是国民经济的战略性支柱产业，强化旅游经济韧性，确保旅游经济行稳致远是助力宏观经济高质量发展的重要一环[3]。然而，当今世界正经历百年未有之大变局，中国发展也面临着复杂严峻的内外部环境，地震、洪涝和台风等重大自然灾害，以及社会负面舆情和世界争端问题等不断冲击着城市旅游经济系统，中国旅游业亟待增强抵御外部扰动、缓解危机压力和实现创新发展的韧性能力[4]。随着数字化发展逐步渗透到旅游全产业链的各个环节，基于数字化技术创新旅游产品与服务，成为加速传统旅游企业转型升级、优化旅游产业结构的重要手段[5]。后疫情时代，数字经济在旅游产业复工复产方面也展示出强大动力[6]。由此可见，数字经济发展对促进旅游经济发展水平、提升城市旅游业防御系统性风险、增强城市旅游业应对外界环境冲击的能力具有重要意义，有效释放数字经济影响效力、提升旅游业韧性成为旅游业转型升级亟待解决的重难点。
旅游业韧性是指旅游业系统抵御风险冲击、自适应恢复调整、并实现系统结构创新重组升级的能力，反映旅游业可持续健康发展的状态，是旅游业高质量发展的重要基础[7-8]。目前，对旅游业韧性研究尚处于起步探索阶段，研究主题聚焦以下3个方面：①旅游业韧性测度。一是代表性单变量指标法，主要是借鉴Martin平均增长率及改进法[9]，采用旅游收入或旅游人数作为指标带入模型进行韧性测度。二是多维度综合指标法。旅游业韧性测度的内容包括旅游产业供应链韧性[10]、旅游地韧性[11]、旅游环境系统韧性[12]、旅游网络结构韧性[13]、入境旅游经济韧性[14]等方面，逐渐从单一业态评价过渡到复杂系统评价。②旅游业韧性空间格局及其影响因素。以探讨旅游业韧性的空间分异、演化路径和空间集聚特征为主，研究发现疫情危机、交通可达性[15]、创新水平[16]、旅游专业化[17]和国家试点政策等能够对旅游业韧性产生重要影响，同时借助多元线性回归、地理探测器、随机森林模型、双重差分模型和模糊集定性比较分析等模型分析影响因素的贡献效果与作用机制。③旅游业韧性提升与数字化响应。随着数字经济的兴起以及相关理论不断发展与完善，创新水平早已被证实为促进旅游业韧性提升的重要因素[18]，数字经济对旅游业韧性的影响引起了相关学者关注。综上，虽然既有研究对旅游业韧性、数字经济促进旅游业发展进行了重要探索，亦有研究探讨数字经济发展对区域旅游业韧性的影响，但多数研究仅注重简单线性关系和空间相关性分析，鲜有研究针对空间效应与影响路径进行系统性研究；且既有研究多以省域为研究单元，缺乏全国范围内城市尺度的细粒度实证分析。鉴于此，本研究将数字经济与城市旅游业韧性纳入同一分析框架，基于2011—2019年中国285个地级及以上城市（西藏、港澳台数据暂缺）的面板数据，利用空间面板杜宾模型实证检验数字经济对旅游业韧性提升的空间效应、作用机制与地区异质性，旨在回答数字经济对城市旅游业韧性提升是否存在空间溢出效应和空间异质性，并探查两者之间的渠道效应。

1 理论分析与研究假说

1.1 数字经济赋能城市旅游业韧性的直接效应分析

数字经济通过直接影响旅游经济系统的抵御能力、恢复能力、调整能力和更新变革能力，进而全面提升旅游业系统韧性水平。①数字经济能够增强旅游业系统的抵御能力。数字经济与旅游产业融合，催生多样化的新产品、新业态，并纵向延伸了旅游产业链[19]。而旅游业与多产业融合发展，可以拓宽旅游产业的横向边界，促进旅游产业链向更牢固的网链状发展，从而分散冲击带来的风险，提高旅游业韧性[20]。此外，数字技术支持搜索并整合海量大数据，对旅游突发事件进行有效的预测预警、快速响应和最优化处理，增强旅游产业链和价值链抵御风险冲击的能力[21]。②数字经济能够增强旅游业系统的恢复能力。旅游部门借助大数据技术掌握风险冲击后旅游消费者的需求信息，并据此迅速调整旅游产品供给，以实现旅游供给和需求动态化匹配，为旅游系统快速实现自我修复奠定基础。此外，社交媒体平台能够及时向外界传递旅游地抵御冲击后的利好消息，通过消除潜在旅游消费者的顾虑促进旅游目的地形象恢复与长久发展[22]。③数字经济能够提高旅游业系统的调整能力。数字经济能够提高资源配置效率，通过信息渠道效应将离散泛在的旅游经济社会资源进行低成本地重新整合和系统性提升，优化原有产业资源组合方式，助力旅游经济系统调整到冲击前的发展状态。同时，数字经济促进旅游产业结构的升级和优化，而合理的产业结构能够促使旅游经济系统更快地实现适应性调整[23]。④数字经济能够提升旅游业系统的更新能力。数字经济通过强化创新资源、资金、人才、技术和信息互通共联，搭建旅游产业生态体系，引导旅游产业运行稳定后实现产业增长路径的转换。此外，网络平台推动旅游及关联产业虚实聚集协同发展，由此产生的知识溢出效应，有利于催生更多旅游新业态新产品新服务的诞生，帮助旅游目的地摆脱原有困境，提高旅游经济系统韧性。综上，本文提出研究假说1：数字经济发展对旅游业韧性提升具有直接促进作用。

1.2 数字经济赋能城市旅游业韧性的空间溢出效应分析

依托互联网发展的数字经济本身就具有空间互动性，使得数字经济促进旅游业韧性提升效应也可能存在空间关联性。首先，数字经济具有网络外部性，依托数据要素的高流动性和数字平台的在线协同，能够将旅游产业价值链从传统的单一线性供应链模式转变为复杂智慧网络供应链模式，促使跨地区旅游业韧性协同发展。同时，实体空间中的地理距离在网络信息传播与接收中仍然具有重要影响[24]，因此，本地数字经济发展不仅促进旅游业韧性呈现历时性的增长，而且通过地理邻近效应作用于横向空间领域。其次，数字经济具有产业协同带动效应，能够促进城市间的旅游要素流动与交换，加快旅游及相关产业间的分工与合作，形成规模效应，并进一步通过人才流动和知识溢出推动地区间的协调创新与发展，由此产生的正外部性有利于空间近邻城市旅游产业升级和结构优化，进而增强邻近城市旅游业韧性、降低其脆弱性。第三，数字经济具有示范带动效应，可以将旅游创新创业的优质资源、专业人才和典型模式与邻地共享，提升相邻城市旅游产品服务质量和多样化水平，从而有效增强其抵御风险的能力；同时，数字经济的信息渠道效应可以将应对和处理旅游突发事件的手段和经验扩散到周边地区，为邻近城市防范、规避和有序处理风险冲击提供有效指南。为此，本文提出研究假说2：数字经济发展对旅游业韧性提升具有空间溢出效应。

1.3 数字经济赋能城市旅游业韧性的作用机制分析

旅游创新能力和旅游市场影响力是数字经济提升旅游业韧性的2个重要路径。
1）旅游创新能力。旅游创新能力是数字经济提升旅游业韧性的路径之一。①数字基础设施的发展和完善增强万物互联的广度和深度，将创新活动所需要的知识基础、资金、资源和创新人才汇聚在互联网平台，降低企业整合创新要素的搜寻成本和使用壁垒。②数字技术支持将用户需求嵌入旅游创新内容生产过程，实现旅游产品和服务创新精准对接市场需求，而创新活动的成功能够触发正向反馈效应，进一步提升旅游创新活动规模和创新效率[25]。③数字技术能够提供更多智能化及互动化的旅游创新产品和服务，扩大旅游产品创新类型[26]。随着数字经济不断促进旅游产品创新，增加旅游产业多样性，而产业多样化可以在很大程度上形成互补优势，即使部分供给受到危机冲击，也能有替补性产品出现，从而达到分散和抵御冲击的目的；同时，创新活动能够助力旅游产业危机后的调整、恢复乃至发展路径变革，增强旅游系统韧性。
2）旅游市场影响力。①供给端，数字经济凭借自身资源配置能力，能够拉动旅游投资、刺激旅游创业活动，同时带动地方就业，从扩大旅游市场供给规模层面提高旅游市场影响力，由此提高旅游业系统抗冲击的能力。②需求端，旅游内容数字化促进旅游信息高效触达消费者，提升旅游目的地品牌知名度和旅游产品市场影响力[27]。通过扩大旅游市场影响力来“引流”，从而增强应对市场波动的能力。③供需协调视角下，社交媒体平台允许游客协作内容创建和共享，满足用户便捷地交换感兴趣的主题、体验、产品和服务等信息，有利于加强旅游企业与游客之间的双向信息流动，进而提高旅游市场影响力。而旅游市场影响力可以建立消费者信任，缩短其与旅游目的地之间的心理距离，不仅有利于在危机过程中保持客户黏性、危机结束后迅速转化为实际客流量，而且有利于引导游客参与危机后的目的地共建共享，由此提高旅游业韧性。为此，本文提出研究假说3：数字经济发展通过旅游创新能力和旅游市场影响力促进旅游业韧性的提升。

2 研究方法与数据源

2.1 研究方法

2.1.1 双变量空间自相关

本文利用单变量全局空间自相关刻画数字经济和旅游业韧性的空间集聚特征，利用双变量全局和局部空间自相关探索两者的空间关联特征，相关计算借助软件OpenGeoDa完成。

2.1.2 空间杜宾模型

本文采用空间面板杜宾模型（SPDM）检验数字经济对旅游业韧性可能存在的空间溢出效应[28]，并进一步利用偏微分形式对估计结果进行分解，得到真实的“空间溢出效应”，具体计算步骤参见文献[15]。

2.1.3 空间中介效应模型

采用空间中介效应探讨旅游创新能力和旅游市场影响力是否具有渠道效应，具体计算步骤参见文献[29]。

2.2 变量选取

2.2.1 旅游业韧性测度

鉴于采用旅游单一指标测度韧性水平可能会造成较大的偏误，故而根据Martin提出的经济韧性分析框架[30]，借鉴既有研究[14]对旅游韧性系统的分析，从“抵御–恢复–调整–更新”的演化过程出发，构建4个维度共16个具体指标的旅游业韧性评价指标体系，对城市尺度旅游业韧性水平进行测度（表1）。其中，抵御能力是指遭受外部冲击时仍保持自身结构和功能的能力，城市的旅游资源禀赋、旅游经济发展和地方经济支撑是抵御冲击的重要基础；恢复能力是指经历冲击之后恢复原始状态的能力[31]，旅游基础设施、旅游文化环境、旅游生态环境是实现旅游经济恢复的重要保障；调整能力是指通过重新整合内外部资源、调整自身结构适应冲击后的环境来维持自身稳定发展的能力[32]，旅游产业环境、旅游投资水平和旅游人力资源是提高旅游经济调整能力的主要力量；更新能力是指重新建立新的结构和功能的能力[33]，旅游科研投入、旅游人才储备和旅游对外联系是旅游业系统创新变革不可或缺的关键因素。最终，采用熵权TOPSIS法测度旅游业韧性水平，记为TMR。
表1 旅游业韧性指标体系

Table 1 Index system of tourism industry resilience

一级指标 二级指标 三级指标 具体指标
抵御能力 旅游资源禀赋 旅游资源丰富度 3A级及以上等级景区赋权
旅游经济发展 旅游经济收入 旅游总收入/亿元
旅游市场规模 旅游接待总人次/万人
地方经济支撑 经济发展水平 人均地区生产总值/元
产业结构升级 第三产业与第二产业比值/%
恢复能力 旅游基础设施 交通运输能力 城市道路面积密度/%
住宿接待能力 星级酒店数/家
医疗保障能力 医疗卫生机构床位数/张
旅游文化环境 文化事业发展水平 文化事业费/万元
旅游生态环境 绿化覆盖面积 人均公园绿地面积/（m2/人）
调整能力 旅游产业环境 旅游产业结构合理化 旅游总收入/第三产业比重/%
旅游投资水平 旅游投资规模 旅游固定资产投资额/亿元
旅游人力资源 旅游就业规模 旅游从业者数量/万人
更新能力 旅游科研投入 旅游研发投入强度 旅游总收入与地方生产总值的比重乘以科技与教育财政支出/万元
旅游人才储备 旅游高学历人才 高等院校在校学生人数/万人
旅游对外联系 外贸依存度 进出口总额占地区GDP比重/%

2.2.2 数字经济发展测度

数字经济发展水平是本文的核心解释变量，虽然学界对数字经济的测度已经出现，但仍未形成具有共识性的框架体系。通过梳理已有研究文献[6,29]，本文构建涵盖4个维度共计11个指标的中国城市层面的数字经济发展指数，既克服了单一指标无法全面客观衡量数字经济发展水平的局限性，又实现对中国城市数字经济发展水平的相对精准刻画。表2给出各指标的测度方法及相关数据主要来源，其中数字高新技术渗透参照吴丹丹等[6]的做法，利用百度新闻中“数字技术关键词”搜索量来表征。本文采用熵权TOPSIS法计算出数字经济的综合值（DE）。
表2 数字经济综合发展水平指标体系

Table 2 Index system of digital economy development

准则层 指标层 变量测度
数字基础设施 宽带互联网普及率 每万人互联网宽带接入用户数/户
移动互联网普及率 每万人移动电话年末用户数/户
数字产业发展 信息产业发展 计算机服务和软件从业人员占比/%
电信产业发展 人均电信业务收入/万元
电商产业发展 人均邮政业务收入/万元
数字创新潜力 数字高新技术渗透 城市数字高新技术应用渗透程度
数字创新要素支撑 科学技术支出/万元
数字技术创新水平 数字经济相关专利数/个
数字普惠金融 数字普惠金融覆盖广度 数字普惠金融覆盖广度指数
数字普惠金融使用深度 数字普惠金融使用深度指数
数字普惠金融数字化程度 数字普惠金融数字化程度指数

2.2.3 中介变量和控制变量

①中介变量：旅游创新能力和旅游市场影响力。旅游创新能力采用国内城市旅游专利授权数量来表征[34]，记为TIA；旅游市场影响力采用城市旅游网络关注度来表征。以“城市名+旅游”“城市名+景点”为百度指数搜索关键词，将搜索指数相加，记为TMI。②控制变量。城乡融合度（Rcty），采用农村人均纯收入与城镇人均可支配收入的比值表征。金融发展水平（Fin），采用金融机构贷款余额与GDP的比值表征。市场化水平（Mark），根据樊纲市场化指数获得；政府规制（FGov），采用财政支出和GDP的比值表征；旅游资源丰富度（Res），采用3A级及以上等级景区总数与城市行政面积的比值表征；旅游潜在市场（Rdpo），采用公路客运量表征。

2.3 数据来源

本文的样本采用中国2011—2019年285个地级及以上城市（西藏、港澳台数据暂缺）的面板数据。城市层面数据主要来源于CEIC数据库（https://www.ceicdata.com/）和《中国城市统计年鉴》（https://data.cnki.net）以及相关地级市的统计年鉴和统计公报。数字普惠金融指数来自北京大学数字金融研究中心（https://www.idf.pku.edu.cn）；旅游网络关注度源自百度指数平台（https://index.baidu.com/）、数字高新技术渗透数据源自百度网站数据挖掘（https://www.news.baidu.com）、涉及相关专利来自大为专利数据库（https://pat.daweisoft.com/home）。所有数据搜索时间为2020-03-27。对于个别缺失数据采用线性插值法补齐。

3 数字经济和旅游业韧性的时空演变特征

3.1 数字经济和旅游业韧性的时空演变

空间上，运用ArcGIS 10.2软件对数字经济和旅游业韧性进行地图刻画（图1），揭示其空间演化格局。①数字经济呈现东高西低的“阶梯状”分布格局，数字经济高值区主要集中于环渤海、长三角、珠三角等沿海地区，数字经济发展格局与城市经济增长版图紧密相关，表明数字经济发展具有区域经济依赖性。②中国城市旅游业韧性总体呈现稳定增长的上升趋势，空间上呈现“中部塌陷”特征，表现为旅游业韧性高值区主要集中于长三角核心区、山东半岛、京津冀地区、成渝城市群等地区。对比发现数字经济与旅游业韧性具有空间吻合性。
图1 数字经济和旅游业韧性发展时空演化

基于审图号GS（2022）4312号标准地图（自然资源部监制）绘制，底图无修改；西藏、港澳台数据暂缺

Fig. 1 Spatio-temporal characteristics of digital economy and tourism industry resilience

3.2 数字经济和旅游业韧性的空间关联

3.2.1 全局空间关联性

数字经济具有显著的网络效应，依托互联网的信息高效传递功能加速旅游流、人才流和信息流的跨地区流动，促进区域间旅游产业的互动和关联，也影响着旅游业韧性水平的空间动态响应。本文首先运用ArcGIS10.2和OpenGeoDa软件对数字经济和旅游业韧性的单变量和双变量Moran’s I指数进行测度，揭示二者的空间依赖和响应规律。研究期内DE和TMR的Moran’s I值显示，DE总体上呈较强的空间集聚特征，TMR的空间自相关低于DE。其次，DE和TMR的双变量Moran’s I值都大于0，且通过1%的显著性检验，说明DE与TMR之间呈现正向空间依赖性。此外，双变量Moran’s I指数也表明中国城市DE与TMR的变化程度不同，导致空间关联性下降。

3.2.2 局部空间关联性

采用OpenGeoDa软件估计DE与TMR的双变量局部Moran’s I，探索两者之间的局部空间关联特征。选择2011年、2015年和2019年，利用LISA聚类图对其进行空间可视化（图2）。据图所示，DE和TMR表现为高–高、低–低、高–低、低–高4种关联模式，以“高数字经济–高旅游业韧性”“低数字经济–低旅游业韧性”为主，说明两者之间存在显著的正向空间关联性，为进一步探究两者之间的空间关系奠定了基础。其中，高–高型和低–低型城市数量呈现下降趋势，说明DE对TMR的正向空间依赖性稳中有降，这与两者的Moran’s I值变化较为一致。高–高型城市主要位于京津冀地区、长三角地区、珠三角地区这3大经济圈，低–低型城市主要位于陕甘、豫皖和东北部分地区，说明这些地区空间关联性较为突出。低–高型城市数量逐渐增多，在河北地区和西南地区有空间延展趋势；高–低型城市数量逐渐减少，由高–低型转为低–低型。
图2 数字经济和旅游业韧性的双变量LISA聚类

基于审图号GS（2022）4312号标准地图（自然资源部监制）绘制，底图无修改，括号内数值为

城市单元数量；西藏、港澳台数据暂缺

Fig. 2 Bivariate LISA clustering of digital economy and tourism industry resilience

4 数字经济赋能旅游业韧性的空间效应与作用机制

4.1 空间效应识别与异质性分析

4.1.1 模型识别与拟合结果

首先在模型估计前进行多重共线性检验。各变量VIF均不超过5，根据实证经验法则，认为不存在多重共线性，适合构建空间面板计量模型。依照Elhorst的检验思路[35]，依次进行LM检验、SPDM模型简化检验、Hausman检验。SPLM和SPEM模型的LM统计量和R-LM统计量均通过1%的显著性检验，从数值上来看，SPEM模型要优于SPLM模型。进一步，Wald检验和LR检验结果均通过1%的显著性检验，说明SPDM模型不会简化为SPLM和SPEM模型。最后，Hausman统计量通过1%的显著性检验，空间固定效应和时间固定效应的联合显著性也均在1%的水平上显著，这说明使用时空双向固定效应模型更为合适。

4.1.2 点估计结果

SPDM的双向固定效应模型中（表3），数字经济系数为0.2055，且通过了1%的显著性检验，说明数字经济能够显著促进本地旅游业韧性提升。旅游业韧性的空间滞后项系数ρ值为0.4064，且通过了1%的显著性检验，表明数字经济的溢出效应对邻近城市旅游业韧性提升产生显著的促进作用。但数字经济的空间滞后项W×lnDE系数为0.0279，并未通过显著性检验，这可能是因为基于点估计测算空间溢出效应会产生估计偏误问题，因此需要进一步采用偏微分的方法对SPDM模型进行空间效应分解。
表3 空间面板杜宾模型估计结果及检验

Table 3 Estimation and model recognition verification of spatial panel Durbin model

变量 SPDM模型 变量 SPDM模型
时间固定效应 个体固定效应 双向固定效应 时间固定效应 个体固定效应 双向固定效应
　　注：***、**、*分别表示0.01、0.05、0.1显著性水平；括号内为标准误统计量；涉及W的公式为空间滞后项，ρ为空间滞后项系数；DE，数字经济的综合值；Rcty，城乡融合度；Fin，金融发展水平；Mark，市场化水平；FGov，政府规制；Res，旅游资源丰富度；Rdpo，旅游潜在市场；西藏、港澳台数据暂缺。
lnDE 1.0040 *** 0.1868 *** 0.2055 *** W×lnDE −0.4904 *** −0.1688 *** 0.0279
（0.0577） （0.0215） （0.0213） （0.0849） （0.0227） （0.0311）
lnRcty −0.1664 *** 0.1666 *** 0.1690 *** W×lnRcty 0.0773 0.0752 * 0.1507 ***
（0.0380） （0.0312） （0.0307） （0.0521） （0.0457） （0.0471）
lnFin 0.1998 *** 0.0367 *** 0.0325 *** W×lnFin −0.0748 *** 0.0442 *** 0.0120
（0.0148） （0.0096） （0.0095） （0.0231） （0.0164） （0.0171）
lnMark 0.0006 0.0696 * −0.0177 W×lnMark 0.3639 *** 0.3871 *** 0.0996
（0.0325） （0.0372） （0.0383） （0.0577） （0.0537） （0.0672）
lnFGov −0.0098 0.0493 *** 0.0555 *** W×lnFGov −0.1101 *** −0.0881 *** −0.0617 ***
（0.0180） （0.0149） （0.0146） （0.0281） （0.0214） （0.0216）
lnRes 0.0796 *** 0.0779 *** 0.0719 *** W×lnRes −0.0238 * −0.0295 ** −0.0564 ***
（0.0090） （0.0080） （0.0078） （0.0141） （0.0138） （0.0139）
lnRdpo 0.1612 *** 0.0018 0.0021 W×lnRdpo −0.0789 *** 0.0113 ** 0.0114 *
（0.0067） （0.0036） （0.0035） （0.0110） （0.0054） （0.0059）
ρ 0.2775 *** 0.5065 *** 0.4064 *** sigma 2 _e 0.0636 *** 0.0046 *** 0.0044 ***
（0.0245） （0.0197） （0.0220） （0.0018） （0.0001） （0.0001）
R 2 0.5906 0.4463 0.3644 样本数 2565 2565 2565

4.1.3 空间效应分解

对SPDM估计结果进行偏微分，得到DE作用于TMR的直接、间接和总效应，系数估计值分别为0.2182、0.1731、0.3914，且都通过了1%的显著性检验（表4）。说明在研究期间，数字经济对本地城市和邻近城市旅游业韧性均具有正向促进作用，空间溢出效应显著，假说H1和H2成立。究其原因，数字经济作为新经济范式，具有信息高效传播和网络共享特征，能够将数据要素与传统旅游生产要素重新优化组合，打破信息约束、认知约束和空间约束，促进本地与周围地区间的旅游产业多样化提升和互动关联强化，由此建立起的风险抵御屏障能够显著提升“本地–邻地”旅游业韧性。同时，数字经济具有示范带动效应，可以将捕捉、预警、防范、抵御风险冲击的手段，以及危机之后恢复、调整、创新发展的经验通过网络平台传递到周边地区，增强邻近城市旅游业韧性水平。这也充分说明信息通过网络空间传播能够在一定程度上克服传统地理空间的阻碍，但空间交互影响仍遵循实体空间近邻效应，因此数字经济溢出效应在地理邻近的城市之间呈现显著性。
表4 数字经济赋能旅游业韧性的直接效应、间接效应和总效应结果

Table 4 Direct effects, indirect effects and total effects of digital economy enabling tourism industry resilience

lnDE lnRcty lnFin lnMark lnFGov lnRes lnRdpo
　　注：***、**、*分别表示0.01、0.05、0.1显著性水平；括号内数值为标准误统计量；变量含义见表3；西藏、港澳台数据暂缺。
直接效应 0.2182 *** 0.1919 *** 0.0363 *** −0.0086 0.0509 *** 0.0691 *** 0.0034
（0.0208） （0.0289） （0.0093） （0.0382） （0.0135） （0.0080） （0.0036）
间接效应 0.1731 *** 0.3523 *** 0.0415 0.1415 −0.0612 * −0.0447 ** 0.0197 **
（0.0399） （0.0653） （0.0259） （0.1027） （0.0320） （0.0210） （0.0089）
总效应 0.3914 *** 0.5442 *** 0.0778 *** 0.1330 −0.0103 0.0245 0.0232 **
（0.0386） （0.0682） （0.0291） （0.1181） （0.0336） （0.0245） （0.0099）

4.1.4 稳健性检验

本文采用3种方式进行稳健性检验：①采用滞后1期估计，检验互为因果而导致的内生性问题。②替换核心解释变量，采用移动互联网普及率和数字金融作为数字经济的代理指标，重新进行模型估计。③替换空间矩阵，重新构建基于城市间空间关联的地理距离矩阵，对估计结果进行验证。不同稳健性检验结果如表5所示，数字经济对旅游业韧性仍具有显著的直接效应和间接效应，前文研究结果具有稳健性。
表5 数字经济赋能旅游业韧性的稳健性检验结果

Table 5 Results of robustness test of digital economy enabling tourism industry resilience

变量 滞后1期估计 替换核心解释变量 替换空间矩阵
移动互联网 数字金融
　　注：***、**分别表示0.01、0.05显著性水平；括号内数值为标准误统计量；西藏、港澳台数据暂缺。
直接效应 0.4056 *** 0.0647 *** 0.1926 *** 0.0159 ***
（0.0368） （0.0137） （0.0217） （0.0039）
间接效应 0.1627 ** 0.1672 *** 0.1993 *** 0.0220 **
（0.0696） （0.0350） （0.0457） （0.0109）
总效应 0.5683 *** 0.2319 *** 0.3919 *** 0.0379 ***
（0.0691） （0.0387） （0.0467） （0.0125）
控制变量 是 是 是 是
个体固定 是 是 是 是
时间固定 是 是 是 是
log L 3099.6481 3202.3460 3235.7788 3192.8028
R 2 0.3570 0.3723 0.3503 0.4318
样本数 2380 2565 2565 2565

4.1.5 异质性检验

中国地区旅游业发展差异较大，数字经济对旅游业韧性的提升效应也存在差异性，因此有必要进行空间异质性检验。
1）空间区域异质性。根据中国国家统计局提出的4大经济区（https://www.stats.gov.cn/）划分，探究数字经济对旅游业韧性提升的空间异质性（表6）。东西向空间上，地处东部地区和西部地区的城市，其数字经济对旅游业韧性提升具有积极影响，直接效应和间接效应都显著为正。究其原因，东部地区数字基础设施较为完善，数字产业和数字创新要素集聚明显，加之优良的数字金融和营商环境，能够凭借各类优势更好地发挥数字赋能作用，不仅提高本地旅游业韧性，而且通过产业关联带动效应促进邻近城市旅游业韧性提升。西部地区旅游资源丰富，为数字技术应用提供了较好的“试验田”，通过“数字经济+旅游”融合创新，使得旅游产业结构升级和产业多样化向更深层次发展，有效提升了旅游业系统韧性，而西部大开发和“一带一路”倡议为数字经济的空间溢出效应提供助力，提升西部邻近城市旅游业韧性。东北地区的直接效应显著为正，但间接效应不显著。表明东北数字经济的协同性有待提高，旅游资源及相关要素自由流动不畅、溢出效应没有被有效激发。此外，中部地区的间接效应显著为负，这说明中部地区城市间数字经济发展水平差异较大，数字经济的“虹吸现象”较为明显，导致数字经济的溢出效应小于“虹吸效应”。
表6 数字经济赋能旅游业韧性的空间异质性计量结果

Table 6 Spatial heterogeneity test of digital economy enabling tourism industry resilience

变量 东部 中部 西部 东北 高数字经济发展地区 低数字经济发展地区
　　注：***、**分别表示0.01、0.05显著性水平；括号内数值为标准误统计量；西藏、港澳台数据暂缺。
直接效应 0.3014 *** 0.0815 ** 0.1868 *** 0.3059 *** 0.2867 *** 0.1299 ***
（0.0339） （0.0368） （0.0321） （0.0817） （0.0284） （0.0352）
间接效应 0.1570 ** −0.3346 *** 0.2030 *** 0.1669 0.0673 *** 0.0511
（0.0625） （0.0993） （0.0422） （0.1621） （0.0242） （0.0329）
总效应 0.4584 *** −0.2531 ** 0.3898 *** 0.4728 *** 0.3540 *** 0.1809 ***
（0.0588） （0.1099） （0.0443） （0.1594） （0.0434） （0.0487）
控制变量 是 是 是 是 是 是
个体固定 是 是 是 是 是 是
时间固定 是 是 是 是 是 是
logL 1601.0632 947.1371 876.3901 321.9699 2096.5538 1426.8520
R 2 0.2051 0.0259 0.2524 0.0641 0.0341 0.0543
样本数 927 576 756 306 1287 1278
2）数字经济区域异质性。已有研究表明数字经济对旅游业发展具有逐步递增效应，为验证这种效应是否存在于数字经济与旅游业韧性之间，参考既有研究，以数字经济的中位数为界，划分为高数字经济地区和低数字经济地区（表6）。在高数字经济发展地区，数字经济对旅游业韧性的直接影响效应和间接影响效应分别为0.2867和0.0673，且均通过了1%的显著性检验。而在低数字经济发展地区，数字经济对旅游业韧性的直接效应和间接效应分别为0.1299和0.0511，且后者未通过显著性检验。这说明与低数字经济发展地区相比，数字经济对旅游业韧性的提升作用在高数字经济发展地区更为突出。究其原因，一方面数字经济的发展初期，其对旅游业的渗透性不足，随着数字经济的不断增长，尤其是数字技术的迭代升级，其与旅游业的融合创新效应大大提升，促进旅游产业链沿着纵横双向发展，形成更为稳固的网状结构，能够有效分散和抵御外部冲击，提高旅游业系统韧性水平。另一方面，高端数字互联网加持下的“蜂鸣效应”（buzz effect）将促使旅游城市口碑传播呈几何级增长，有利于危机发生后快速凝聚消费者信心，恢复或重构目的地形象，促进地区旅游业可持续发展和韧性提升。因此，在高数字经济发展地区，数字经济对旅游业韧性提升效果更为明显。

4.2 作用机制分析

利用中介效应模型验证传导机制的作用效应（表7）。
表7 数字经济赋能旅游业韧性的中介效应检验结果

Table 7 Results of mediating effect test of digital economy enabling tourism industry resilience

lnTIA lnTMR lnTMI lnTMR
　　注：***、**分别表示0.01、0.05显著性水平；括号内数值为标准误统计量；DE为数字经济的综合值，TIA为旅游创新能力，TMI为旅游市场影响力；西藏、港澳台数据暂缺。
直接效应 lnDE 0.6179 *** （0.1050） 0.2123 *** （0.0200） 0.2252 *** （0.0436） 0.1719 *** （0.0173）
lnTIA 0.0132 *** （0.0040）
lnTMI 0.2324 *** （0.0083）
间接效应 lnDE −0.5211 *** （0.1534） 0.1757 *** （0.0404） 0.2656 *** （0.0914） 0.0799 *** （0.0282）
lnTIA 0.0259 ** （0.0115）
lnTMI 0.1276 *** （0.0148）
总效应 lnDE 0.0967 （0.1263） 0.3881 *** （0.0413） 0.4908 *** （0.0916） 0.2518 *** （0.0264）
lnTIA 0.0391 *** （0.0136）
lnTMI 0.3599 *** （0.0148）
控制变量 是 是 是 是
个体控制 是 是 是 是
时间控制 是 是 是 是
R 2 0.4730 0.4041 0.2760 0.4473
1）数字经济通过促进旅游创新能力进而提升旅游业韧性，此路径的中介效应占总效应的比重为11.35%。究其原因，创新是旅游经济行稳致远的必由之路，而数字经济为旅游创新的高效化和便捷化提供了重要支撑。数字经济引发的创新贯穿于旅游产业的内容创作、市场营销和组织管理等多个环节，由此引发的行业变革增强了旅游业韧性。具体来说，一方面，数字经济通过技术创新和产品创新提高旅游产品服务质量，不仅增强了应对危机扰动的抵御能力，而且能够助力旅游市场主体经历冲击后重构核心竞争力，促进旅游市场规模快速恢复和良性发展。另一方面，数字技术从需求端赋能旅游及相关产业多元化融合创新，促进旅游产业多样化和产业结构升级，而多样化的产业结构受到冲击后能够更快地实现适应性产业结构调整，进而跃入新的发展阶段，并获得持续的系统韧性。
2）数字经济通过促进旅游市场影响力进而提升旅游业韧性，此路径的中介效应占总效应的比重为27.48%。究其原因，旅游业作为典型的现代服务业，提振旅游市场信心是提升旅游业韧性水平的重中之重，而数字经济的发展显著扩大了旅游市场影响力，助力经济韧性发展。一方面，数字经济通过资源配置效应，扩大旅游市场规模和影响力，由此增强抵御危机的能力；另一方面，数字互联网所搭建的融媒体营销平台，不仅能够打破时空距离，将产品和服务精准推送给旅游消费者，而且可以最大程度地畅通旅游供需双方的互动交流，全方位提升旅游市场影响力，由此可以在危机的前−中−后期的不同时段内凝聚旅游消费者共识、重建消费者信心，并将其转化为目的地旅游经济增长和可持续发展的核心驱动力。
此外，数字经济具有较强的网络效应，因此中介效应不仅在本地发挥作用，而且通过协同带动效应和示范带动效应有效提升邻近城市旅游创新能力和旅游市场影响力，由此对相邻城市旅游业韧性产生溢出效应。

5 结论与启示

5.1 结论

本文基于演化韧性视角，以中国285个城市（西藏、港澳台数据暂缺）为研究对象，采用空间面板杜宾模型探讨数字经济对旅游业韧性提升的影响效果、作用机制与溢出效应。结果表明：①2011—2019年，中国城市数字经济和旅游业韧性水平整体呈上升趋势。数字经济空间分布呈现东高西低的“阶梯状”格局，旅游业韧性呈现“中部塌陷”的空间演变格局；数字经济和旅游业韧性之间存在显著的正向空间关联特征。②数字经济对旅游业韧性具有显著的空间溢出效应。数字经济发展不仅有助于本地区旅游业韧性水平提升，而且通过空间溢出效应推动邻近城市旅游业韧性增长，但空间溢出效应小于直接效应，仍有很大提升空间。③数字经济对旅游业韧性的提升效应存在区域差异性。直接效应作用强度为：东部和东北地区大于西部和中部地区；间接效应作用强度为：西部地区大于东、中部地区，同时，中部地区因数字经济的“虹吸现象”较强而呈现负向溢出效应。高数字经济地区的直接效应和间接效应均大于低数字经济地区。④数字经济能够通过提高旅游创新能力、增强旅游市场影响力，进而促进旅游业韧性水平提升。同时，这种中介效应不仅在本地起作用，也能够通过空间溢出效应作用于邻近地区。

5.2 政策启示

本文深化了数字经济影响旅游业韧性的理论认知，同时突破传统数据的桎梏，实现从城市尺度更精细化地验证数字经济对旅游业韧性的空间效应与传导机制。具有以下政策启示。
1）加大旅游多元主体数字化转型力度，提高响应突发危机事件的能力。一方面，政府部门应出台数字经济扶持政策，鼓励旅游企业积极实施旅游数字化转型，实现旅游产品研发、宣传推广和业务管理的全流程数字化，提高旅游产业发展质量和运行效率，降低旅游业整体脆弱性，提高旅游业韧性。另一方面，政府和企业要注重利用数字化技术实现对旅游宏观经济数据的实时分析和解读，捕捉旅游经济市场变化趋势并及时对外发布，促进旅游市场供给主体迅速调整组织管理策略来应对可能的风险，增强预警能力和抵御能力。
2）激发旅游创新能力和市场影响力，通过机制创新提高区域旅游业韧性水平。一方面要加大“大众创业、万众创新”的政策支持力度，设立旅游创新发展帮扶基金，有效促进数字技术与旅游业融合创新，依托创新带来的产业多元化发展支撑旅游产业结构优化升级，从而获得可持续的旅游业韧性。另一方面，借助数字经济的渗透力，深化旅游品牌市场营销的广度和深度，提高游客忠诚度和潜在游客转化率，以期获得游客参与后危机时期目的地形象重构和共建的红利，缩短旅游经济调整恢复的周期。
3）充分发挥数字经济的空间溢出效应，促进各地区旅游业韧性协同发展。一方面，加强数字基础设施建设互联互通，打破数字经济溢出效应的制度阻隔和距离障碍，并通过示范带动效应，促进“本地–邻地”旅游业韧性水平整体提升。另一方面，政府和企业应积极构建跨地区的旅游数字化平台，并制定利益共享、风险共御的长效合作联盟机制，通过加快旅游资源、资金和劳动力跨地区高效流动匹配和优化整合，全面提高地区间快速协同应对危机事件的反应能力，有效带动不同地区旅游经济韧性协同发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Tai M W, Jing B X, Wong S M. Crisis management research (1985―2020) in the hospitality and tourism industry: A review and research agenda[J]. Tourism Management, 2021, 85: 104307

DOI

[2]
Orchiston C. Tourism business preparedness, resilience and disaster planning in a region of high seismic risk: The case of the Southern Alps, New Zealand[J]. Current Issues in Tourism, 2013, 16(5): 477-494.

DOI

[3]
魏敏, 魏海湘, 黄海玉. 疫情下旅游经济韧性与高质量发展[J]. 旅游学刊, 2022, 37(9): 5-7.

Wei Min, Wei Haixiang, Huang Haiyu. Resilience and high-quality development of tourism economy under the epidemic. Tourism Tribune, 2022, 37(9): 5-7.

[4]
孙业红, 宋雨新. 从韧性看可持续旅游发展[J]. 旅游学刊, 2021, 36(5): 8-10.

Sun Yehong, Song Yuxin. Sustainable tourism development from the perspective of resilience. Tourism Tribune, 2021, 36(5): 8-10.

[5]
赵磊. 数字经济赋能旅游业高质量发展的内涵与维度[J]. 旅游学刊, 2022, 37(4): 5-6.

Zhao Lei. The connotation and dimension of digital economy enabling the high-quality development of tourism industry. Tourism Tribune, 2022, 37(4): 5-6.

[6]
吴丹丹, 冯学钢, 马仁锋, 等. 数字经济发展对旅游业全要素生产率的非线性效应[J]. 旅游学刊, 2023, 38(2): 47-65.

Wu Dandan, Feng Xuegang, Ma Renfeng et al. Nonlinear effects of digital economy development on tourism total factor productivity. Tourism Tribune, 2023, 38(2): 47-65.

[7]
Martin R, Sunley P, Tyler P. Local growth evolutions: Recession, resilience and recovery[J]. Cambridge Journal of Regions, Economy and Society, 2015, 8(2): 141-148.

DOI

[8]
李连刚, 张平宇, 谭俊涛, 等. 韧性概念演变与区域经济韧性研究进展[J]. 人文地理, 2019, 34(2): 1-7,151

Li Liangang, Zhang Pingyu, Tan Juntao et al. Review on the evolution of resilience concept and research progress on regional economic resilience. Human Geography, 2019, 34(2): 1-7,151.

[9]
Martin R, Gardiner B. The resilience of cities to economic shocks: A tale of four recessions (and the challenge of Brexit)[J]. Papers in Regional Science, 2019, 98(4): 1801-1832.

DOI

[10]
罗冬晖. 旅游产业链供应链韧性衡量和提升路径[J]. 旅游研究, 2023, 15(3): 16-27.

Luo Donghui. Resilience evaluation and improving paths of tourism industry chain and supply chain. Tourism Research, 2023, 15(3): 16-27.

[11]
高钰桔, 毛志睿, 陈笑葵, 等. 元阳哈尼梯田遗产乡村聚落韧性测度及优化策略——以多依树村为例[J]. 经济地理, 2023, 43(8): 220-228.

Gao Yujie, Mao Zhirui, Chen Xiaokui et al. Resilience measurement of rural settlement in Hani terrace field heritage in Yuanyang and its optimization strategy: A case study of Duoyishu Village. Economic Geography, 2023, 43(8): 220-228.

[12]
杨秀平, 贾云婷, 翁钢民, 等. 城市旅游环境系统韧性的系统动力学研究——以兰州市为例[J]. 旅游科学, 2020, 34(2): 23-40.

Yang Xiuping, Jia Yunting, Weng Gangmin et al. A study on system dynamics of the resilience of urban tourism environment system: A case study of Lanzhou City. Tourism Science, 2020, 34(2): 23-40.

[13]
纪颖超, 殷杰. “一带一路”沿线国家旅游合作联系网络结构韧性: 综合评估与动因甄别[J]. 人文地理, 2023, 38(4): 176-185.

Ji Yingchao, Yin Jie. Structure resilience of tourism cooperation linkage network of countries along The Belt and Road initiative: Comprehensive evaluation and motivation identification. Human Geography, 2023, 38(4): 176-185.

[14]
方叶林, 吴燕妮, 黄震方, 等. 中国大陆入境旅游产业演化与韧性研究[J]. 经济地理, 2023, 43(1): 188-196.

Fang Yelin, Wu Yanni, Huang Zhenfang et al. Evolution of inbound tourism industry and its resilience in Chinese mainland. Economic Geography, 2023, 43(1): 188-196.

[15]
麻学锋, 谭佳欣. 湘西地区交通可达性对旅游环境系统韧性的影响及空间溢出效应[J]. 地理科学, 2023, 43(2): 291-300.

Ma Xuefeng, Tan Jiaxin. Impact of traffic accessibility on the resilience of tourism environment system and spatial spillover effects in Xiangxi Area. Scientia Geographica Sinica, 2023, 43(2): 291-300.

[16]
王倩, 赵林, 于伟, 等. 中国旅游经济系统韧性的时空变化特征与影响因素分析[J]. 地理与地理信息科学, 2020, 36(6): 113-118.

Wang Qian, Zhao Lin, Yu Wei et al. Spatial-temporal evolution characteristics and influencing factors of resilience of tourism economic system in China. Geography and Geo-Information Science, 2020, 36(6): 113-118.

[17]
Lee Y, Kim J, Jang S et al. Tourism and economic resilience[J]. Annals of Tourism Research, 2021, 87: 103024.

[18]
Orchiston C, Prayag G, Brown C. Organizational resilience in the tourism sector[J]. Annals of Tourism Research, 2016, 56(1): 145-148.

[19]
杨勇. 互联网促进旅游业提质增效了吗?——基于我国省级面板数据的实证分析[J]. 旅游学刊, 2020, 35(1): 32-46.

Yang Yong. Does internent improve quality and efficiency of China tourism industry? Empirical test based on Chinese provincial data from 2004 to 2014. Tourism Tribune, 2020, 35(1): 32-46.

[20]
徐圆, 张林玲. 中国城市的经济韧性及由来: 产业结构多样化视角[J]. 财贸经济, 2019, 40(7): 110-126.

Xu Yuan, Zhang Linling. The economic resilience of Chinese cities and its origin: From the perspective of diversification of industrial structure. Finance & Trade Economics, 2019, 40(7): 110-126.

[21]
何建民, 姜文琼. 疫情下旅游企业韧性与高质量发展的基本理论及决策和管理思路[J]. 旅游学刊, 2022, 37(9): 8-10.

He Jianmin, Jiang Wenqiong. Basic theory, decision and management ideas of resilience and high quality development of tourism enterprises under the epidemic. Tourism Tribune, 2022, 37(9): 8-10.

[22]
叶欣梁, 何一, 孙瑞红. 脆弱与反脆弱: 旅游业韧性研究进展与述评[J]. 旅游学刊, 2023, 38(10): 31-48.

Ye Xinliang, He Yi, Sun Ruihong. Vulnerability and anti-vulnerability: Research progress and review of tourism resilience. Tourism Tribune, 2023, 38(10): 31-48.

[23]
徐圆, 邓胡艳. 多样化、创新能力与城市经济韧性[J]. 经济学动态, 2020(8): 88-104.

Xu Yuan, Deng Huyan. Diversification, innovation capability and urban economic resilience. Economic Perspectives, 2020(8): 88-104.

[24]
黄鑫楠, 孙斌栋, 张婷麟. 地理距离对互联网社会中网络信息传播的影响[J]. 地理学报, 2020, 75(4): 722-735.

Huang Xinnan, Sun Bindong, Zhang Tinglin. The influence of geographical distance on the dissemination of internet information in the internet society. Acta Geographica Sinica, 2020, 75(4): 722-735.

[25]
江小涓, 靳景. 数字技术提升经济效率: 服务分工、产业协同和数实孪生[J]. 管理世界, 2022, 38(12): 9-26.

Jiang Xiaojuan, Jin Jing. Digital technology promotes economic efficiency: Labor division of service, industrial synergy and digital-real twins. Management World, 2022, 38(12): 9-26.

[26]
曾国军, 林家惠. 疫情背景下酒店业韧性建设与高质量发展[J]. 旅游学刊, 2022, 37(9): 10-12.

Zeng Guojun, Lin Jiahui. Resilience construction and high quality development of hotel industry under the background of epidemic. Tourism Tribune, 2022, 37(9): 10-12.

[27]
Buhalis D. Marketing the competitive destination of the future[J]. Tourism Management, 2000, 21: 97-116.

DOI

[28]
Lesage J, Pace R K. Introduction to spatial econometrics[M]. New York: CRC Press, 2009.

[29]
吴丹丹, 马仁锋, 郝晨, 等. 数字经济对市域旅游业高质量发展水平的空间效应及机制[J]. 经济地理, 2023, 43(4): 229-240.

Wu Dandan, Ma Renfeng, Hao Chen et al. Spatial effect and impact mechanism of digital economy on tourism industry high-quality development in Chinese cities. Economic Geography, 2023, 43(4): 229-240.

[30]
Martin R, Sunley P. On the notion of regional economic resilience: Conceptualization and explanation[J]. Journal of Economic Geography, 2015, 15(1): 1-42.

DOI

[31]
Simmie J, Martin R. The economic resilience of regions: Towards an evolutionary approach[J]. Cambridge Journal of Regions, Economy and Society, 2010, 3(1): 27-43.

DOI

[32]
Martin R, Sunley P, Gardiner B et al. How regions react to recessions: Resilience and the role of economic structure[J]. Regional Studies, 2016, 50(4): 561-585.

DOI

[33]
Walker B, Holling C S, Carperter S R et al. Resilience, adaptability and transformability in social-ecological systems[J]. Ecology and Society, 2004, 9(2): 5.

[34]
刘英基, 邹秉坤, 韩元军, 等. 数字经济赋能文旅融合高质量发展——机理、渠道与经验证据[J]. 旅游学刊, 2023, 38(5): 28-41.

Liu Yingji, Zou Bingkun, Han Yuanjun et al. The digital economy enables high-quality cultural tourism integration: Mechanisms, channels, and empirical evidence. Tourism Tribune, 2023, 38(5): 28-41.

[35]
Elhorst J P. Matlab software for spatial panels[J]. International Regional Science Review, 2014, 68(2): 401-420.

Options
文章导航

/

〈 〉