EN中文

地理科学 >

2026 , Vol. 46 >Issue 1: 191 - 204

DOI: https://doi.org/10.13249/j.cnki.sgs.20240965

人文经济地理

中国旅游业数字化水平测度及空间非均衡性研究

  • 陈勤昌 , 1, 2 ,
  • 王兆峰 , 2, * ,
  • 邱梦真 2
展开
  • 1.湖北省社会科学院长江流域经济研究所，湖北 武汉 430077
  • 2.湖南师范大学旅游学院，湖南 长沙 410081
王兆峰。E-mail:

陈勤昌（1992—），男，湖北通山人，助理研究员，主要从事数字文旅研究。E-mail:

收稿日期: 2024-08-29

  修回日期: 2025-03-07

  网络出版日期: 2025-12-16

基金资助

国家自然科学基金项目(41771162)

国家自然科学基金项目(41971188)

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

Measurement of digitalization level and spatial disequilibrium of tourism industry in China

  • Chen Qinchang , 1, 2 ,
  • Wang Zhaofeng , 2, * ,
  • Qiu Mengzhen 2
Expand
  • 1. Institute of Yangtze Basin Economics, Hubei Academy of Social Sciences, Wuhan 430077, Hubei, China
  • 2. College of Tourism, Hunan Normal University, Changsha 410081, Hunan, China

Received date: 2024-08-29

  Revised date: 2025-03-07

  Online published: 2025-12-16

Supported by

National Natural Science Foundation of China(41771162)

National Natural Science Foundation of China(41971188)

Copyright

Copyright reserved © 2026.
Fold

摘要

辨识旅游业数字化发展的空间非均衡性特征，可为弥合旅游产业“数字鸿沟”、优化旅游业新质生产力空间布局提供科学依据。基于旅游业数字化的内涵特征构建综合评价指标体系，采用熵权TOPSIS法、Dagum基尼系数、Kernel密度估计和Markov链分析法探究了2011—2022年中国旅游业数字化水平的空间非均衡性特征及其动态演化趋势。结果表明：①中国旅游业数字化水平呈稳步增长态势，存在“东高西低、南高北低”的空间分异特征。②中国旅游业数字化水平总体差异呈波动下降状态，区域内呈“东北＞东部＞西部＞中部”的差序格局，省际间差距是旅游业“数字鸿沟”扩大的主要来源。③条件概率密度曲线沿45°对角线两侧分布，旅游业数字化水平的分布动态相对稳定；在纳入地理空间因素后，中国旅游业数字化水平表现出敛缩态势。④不考虑地理空间效应，中国旅游业数字化水平长期存在“马太效应”和“俱乐部趋同现象”，随着相邻省份空间滞后类型水平的提升，旅游业数字化水平受相邻省份的空间溢出效应影响显著。

关键词： 旅游业数字化; 空间非均衡性; Dagum基尼系数; Markov链

本文引用格式

陈勤昌 , 王兆峰 , 邱梦真 . 中国旅游业数字化水平测度及空间非均衡性研究[J]. 地理科学, 2026 , 46(1) : 191 -204 . DOI: 10.13249/j.cnki.sgs.20240965

Abstract

Identifying the spatial non-equilibrium characteristics of digitalization development in the tourism industry can provide scientific basis for bridging the “digital divide” in the tourism industry and optimizing the spatial layout of new quality productivity in the tourism industry. Based on the connotation characteristics of digitalization in the tourism industry, a comprehensive evaluation system was constructed, and the entropy weight TOPSIS method, Dagum Gini coefficient, Kernel density estimation, and Markov chain analysis were used to explore the spatial non-equilibrium characteristics and dynamic evolution trends of tourism digitalization level from 2011 to 2022 in China. The findings indicate that: 1) According to the entropy weight TOPSIS method, it can be concluded that the digitalization level of tourism industry has maintained a steady upward trend from 2011 to 2022 in China, with eastern provinces and cities such as Shanghai, Beijing, and Guangdong leading the way. The spatial differentiation characteristics of the digitalization level of tourism industry in China were gradually emerging, roughly showing a gradient distribution state of “high in the east and low in the west” and “high in the south and low in the north”. The spatial imbalance phenomenon of the digitalization level of tourism industry among provinces in China was significant. 2) In terms of regional differences and decomposition, the overall difference in the digitalization level of the tourism industry shows a fluctuating downward trend, and the imbalance between regions shows a shrinking trend. The overall regional differences were in a state of “northeast>east>west>central”, but inter provincial differences have become the main source of the “digital divide” in the tourism industry, and narrowing regional differences has become a key direction to bridge the digital level gap of the tourism industry in China. 3) According to the Kernel density estimation method, it can be concluded that the conditional probability density curve was distributed along a 45° diagonal, and the dynamic distribution of digitalization level in the tourism industry was relatively stable. After taking into account geographical spatial factors, the digitalization level of tourism industry in China showed a shrinking trend during the research period. 4) According to the Markov chain method, it can be inferred that if geographical spatial effects are not taken into account, the digitalization level of tourism industry in China shows the phenomenon of “Matthew effect” and “club convergence”; After incorporating geographic spatial effects, as the level of spatial lag in neighboring provinces increases, the digitalization level of local tourism industry was significantly affected by the spatial spillover effects of neighboring provinces.

Key words： digitalization of tourism industry; spatial disequilibrium; Dagum Gini coefficient; Markov chain

当今中国旅游业已不可逆转地迈向数字化驱动的现代化进程[1-2]。旅游业数字化作为产业数字化的重点领域，亦是完善现代旅游业体系的关键途径，代表着旅游业新质生产力的跃迁方向，底层革新了旅游生产模式、消费方式和创新范式，深刻影响着国民经济运行态势和世界旅游竞争格局[3]。当前，旅游业数字化转型变革渐趋明朗，但因旅游产业规模、数字经济基础以及两者融合深度存在客观差异，不同地区旅游领域“数字鸿沟”现象日益显化[4]，旅游业数字化发展的空间非均衡性特征愈加明显。因此，客观阐释旅游业数字化发展内涵，诊断识别中国省域旅游业数字化水平、空间非均衡特性及动态演化趋向，对科学指引旅游业数字化转型、高质量发展、协同化演进大有裨益。
新一轮科技革命与产业变革成果加速向旅游领域渗透，旅行社在线化[5]、酒店数字化[6]、景区智慧化[7]等新模式接续涌现，乡村旅游数字化[8]、体育旅游数字化[9]、康养旅游数字化[10]等新业态异军突起，折射出旅游全要素、全环节、全链条数字化变革的客观事实[2]。学界对旅游业数字化的分析思路大致为以下3种：①技术嵌入逻辑。该研究视角认为是数字技术对旅游业规模、效率和结构的单向赋能现象和过程[11-12]。②产业创新逻辑。该研究视角强调数字化是旅游产业组织演化创新和提质增效的内生特征[13-14]。③融合共生逻辑。该研究视角指出旅游业数字化是数字经济与旅游产业交融而成的融合共生复合体[15-17]。此外，旅游业数字化水平的量化测度方法迥异，或采用旅游数字化投入程度与目的地数字经济水平乘积表征[12]，或基于波特钻石理论模型构建综合指标体系测算[18]，或以数字化投入、数字化产出、数字化支撑和数字化应用等维度集成反馈[19]，为厘清旅游业数字化的内部层级、构成要素、关键指标提供了有益参考。囿于欠缺共识性的概念界定和评估框架，数旅融合类统计数据积累有限，中国旅游业数字化的时空演变特征难以宏观研判；尽管学界已经关注到旅游领域“数字鸿沟”问题[4]，但对其空间非均衡性及动态演进趋向的分析稍显薄弱。
鉴于此，本文系统构建旅游业数字化水平综合评估框架，并依次采用熵值TOPSIS法、Dagum基尼系数、Kernel密度估计和Markov链分析法，深入考察中国旅游业数字化水平的空间非均衡性及动态演变趋势，以期为宏观勾勒中国旅游业数字化发展非均衡性的差异来源及长期演替方向提供学理依据，为旅游业数字化转型升级和均衡协调发展提供实践指引。

1 评价指标体系及研究方法

1.1 评价指标体系构建

纵览现代旅游业发展进程，旅游电子商务、智慧旅游门户网站、数字景区、无人酒店、智慧旅游、互联网+旅游、人工智能+旅游、云旅游、数字文旅、数字旅游等新产品、新模式、新业态不断涌现[1]，内蕴着数字要素全面融入现代旅游业体系的动态演进过程[20]。当前，部分学者或从旅游产业部门数字化投入程度[12]、或从数字技术对旅游领域数据整合状况[18]、或从数字技术对文旅产业全链条的数字化改造过程[21]，对旅游业数字化发展进行概念化表述，但阐述视角的增多和实证例证的丰富，并不意味着概念内涵具备充分的学理性、可衡量性和可验证性。基于“投入–产出”分析思路和指标体系构建需要[22]，本文认为旅游业数字化是以数字化基础设施为前提条件、以数字化产业环境为关键保障、以旅游数字化要素投入为核心内容、以旅游数字化效用效益为最终体现，逐步实现旅游业全环节、全要素、全链条数字化转型变革的现象和过程[2]。参考杨文溥[23]、孔晓瑞等[24]、毛雁冰等[25]关于产业数字化研究经验，结合旅游产业特性、数字经济功能、旅游业数字化基本内涵，拟从技术层、要素层、保障层和应用层切入，构建覆盖旅游业数字化基础设施、产业环境、要素投入和效用效益等维度的综合评价指标体系（表1）。
表1 旅游业数字化水平综合评价体系及权重

Table 1 Comprehensive evaluation system and weights of digitalization level of tourism industry

维度层 准则层 指标层 单位 权重值
　　注：–为无量纲数据。
旅游数字化基础设施 供给端技术支撑 移动电话基站密度 万个/万km2 0.0197
光缆覆盖度 km/km2 0.0177
每百家企业拥有网站数 个 0.0143
软件业收入金额 亿元 0.0315
需求端技术支撑 每百人拥有移动电话 部 0.0308
互联网宽带接入端口数 万户 0.0132
互联网普及率 % 0.0418
人均邮电业务量 元/人 0.0514
旅游数字化产业环境 旅游产业基础 4A级及以上旅游景区（点）数 家 0.0383
星级酒店数 家 0.0193
旅行社数 家 0.0223
旅游总人次 万人次 0.0521
旅游总收入占GDP比重 % 0.0229
数字经济环境 智慧城市试点数量 个 0.0194
数字普惠金融指数 – 0.0187
网络移动支付水平 – 0.0167
技术市场发育水平 – 0.0181
区域信息化发展指数 – 0.0407
旅游数字化要素投入 资本要素投入 旅游业固定资产投资额 亿元 0.0457
文化和旅游事业经费占财政支出比重 % 0.0477
劳动力要素投入 旅游业从业人数 万人 0.0408
旅游高等院校在校学生数 人 0.0497
创新要素投入 旅游类科研机构数量 个 0.0388
旅游R&D经费投入 亿元 0.0326
旅游数字化效用效益 数字化应用 智慧旅游门户网站数 个 0.0445
发表数字旅游相关论文数 篇 0.0419
万人旅游业专利授权数 个 0.0479
数字化效益 旅游企业数字化程度 – 0.0536
在线旅游市场交易金额 亿元 0.0334
旅游电子商务销售额 亿元 0.0345
1）技术层：旅游数字化基础设施。旅游业数字化建设需要构建软硬兼备、供需平衡、高效联通的数字基础设施体系，以实现数字公共服务设施供给与旅游消费群体需求的精准适配[14]。在供给端方面，采用移动电话基站密度、光缆覆盖度、每百家企业拥有网站数、软件业收入金额表征；在需求端方面，采用每百人拥有移动电话、互联网宽带接入用户数、互联网普及率、人均邮电业务量表征。
2）保障层：旅游数字化产业环境。旅游业数字化是旅游产业创新、数字经济发育以及两者融合发展到一定阶段的必然产物[2]，这离不开旅游经济产业基础条件与数字经济产业环境，并融合催生更多新模式、新业态、新场景。旅游产业基础方面，采用4A级及以上旅游景区（点）数量、星级酒店数量、旅行社数量、旅游总人次、旅游业总收入占GDP比重[16]表征；数字经济环境方面，采用智慧城市试点数量、数字普惠金融指数、网络移动支付水平、技术市场发展水平、区域信息化发展指数[26]表征。
3）要素层：旅游数字化要素投入。在新古典经济学投入产出观中，资本、劳动力、技术创新是经济增长的关键要素[27]，并在旅游业数字化过程中加快资源聚合、要素重组、流程再造和模式变迁。资金要素投入方面，采用旅游业固定资产投资额、文化和旅游事业经费占财政支出比重表征；在劳动力要素投入方面，采用旅游从业人数、旅游高等院校在校学生数表征；创新要素投入方面，采用旅游类科研机构数量、旅游R&D经费投入[28]表征。
4）应用层：旅游数字化效用效益。旅游数字化成果应用和经济效益是旅游业数字化的关键产出形态，旨在丰富数字应用场景、扩大旅游产业规模、提升数字经济能级，底层驱动着旅游业全要素生产率增长[2]。在数字化应用层面，采用智慧旅游门户网站数、发表数字旅游相关论文数、万人旅游业专利授权数等表征；在数字化效益层面，采用旅游企业数字化程度、在线旅游市场交易金额、旅游电子商务销售额[29]表征。

1.2 研究方法

1）熵权TOPSIS法。该方法是基于熵权法对传统TOPSIS法优化改进的多目标决策法，通过核算评价对象的正、负理想值产生多个评价结果，并从中遴选出最优方案，即确定综合评价值，较好地规避了因主观因素对指标权重、评估结果产生的影响与偏差。具体测算步骤和运算公式参考文献[30-31]。
2）Dagum基尼系数法。该方法作为测度空间不平衡程度的有效工具，按照Dagum基尼系数及依据子群分解方法，能够明确区域差异的来源以及子群间的交叉重叠部分，克服了传统基尼系数难以准确揭示叠合部分数据结果的局限性。测算公式参考文献[32-33]。
3）空间动态Kernel密度估计。该方法是一种分析空间分布非均衡性问题的非参数估计法，主要利用平滑连续的密度曲线，反馈随机变量的分布位置、态势、延展性等空间形态特征，以揭示某研究单元在一段时期后的动态转移趋向。本文参考孔晓瑞[24]和孙未未[34]等学者研究步骤，选取高斯核函数和空间邻接权重矩阵，考察全国及4大分区①旅游业数字化水平分布格局的动态演化趋势。
4）空间Markov链分析法。传统空间Markov链分析可以有效揭示研究对象的不同状态转移概率及时空动态转移的过程及规律，弥补了Kernel密度估计法难以精准刻画研究对象相对位置动态演变以及后续状态跃迁概率等不足。此外，传统空间Markov法纳入“空间滞后”因素，能综合研判地理因素影响和空间效应，故参考刘庆芳[33]等学者经验，采用基于邻接空间权重矩阵的空间Markov链分析法，揭示中国旅游业数字化长期演变规律的动态趋势特征。

1.3 数据来源与预处理

本文以2011年原国家旅游局颁发《中国旅游业“十二五”发展规划信息化专项规划》（https://www.doc88.com/p-6052922973698.html，数据下载日期：2024-08-01）的年份为研究基期，考察国家“十二五”规划纲要实施以来中国旅游业数字化建设进程。考虑到数据的可获得性、代表性和完整性，选取中国31个省级行政区（不含港澳台）为研究单元，数据来自2012—2023年的《中国统计年鉴》[35]、《中国科技统计年鉴》[36]、《中国旅游统计年鉴》[37]，以及各省级行政区国民经济和社会发展统计公报，缺失数据利用线性插值法补充。为消除通货膨胀影响，人均GDP、财政支出、旅游收入等数据均以2011年为基期平减处理。其中，智慧旅游试点城市数由“国家智慧旅游试点城市名录”(https://mob.803.com.cn，2024-08-01)统计整理；数字金融指数来自“北京大学数字普惠金融指数”（https://idf.pku.edu.cn/zsbz/index.htm，2024-08-01）；智慧旅游门户网站数基于Python软件抓取百度网站（https://www.baidu.com/，2024-08-01）的IP获取并整理统计；发表数字旅游相关论文数将“旅游”和“数字”设为关键词，将省名设为作者机构，在中国知网网站（https://www.cnki.net/，2024-08-01）以模糊检索方式获取；旅游专利授权数据取自国家知识产权局专利检索数据库（https://pss-system.cponline.cnipa.gov.cn/conventionalSearch，2024-08-01），以“旅游”“酒店”“旅行社”或“旅游景区”为关键词检索整理；旅游企业数字化程度依循吴非等学者的研究思路和步骤[38]，采取Python软件爬取巨潮资讯网（http://www.cninfo.com.cn/，2024-08-01）旅游上市企业年报数据，并查找统计“数字”词汇使用频次。

2 中国旅游数字化水平的时空演进格局

2.1 时序变化分析

自国家“十二五”规划纲要实施以来，中国旅游业数字化水平呈持续提升状态，均值从2011年的0.168 7增长至2022年的0.565 6（图1），旅游业数字化转型升级趋势日渐明显。从年均增长率而言，旅游业数字化水平年均增速为11.62%，说明中国旅游业数字化建设能力持续增强，数字技术深度嵌入旅游业全链条，加快了旅游业高质量发展和现代化转型。其中，2011—2019年年均增长率保持在10%以上，表明该阶段旅游产业与数字经济进入快速融合期，旅游信息化、互联网+旅游、智慧旅游等引导性政策落地见效，旅游消费线上线下渠道有效联动，协力驱动着旅游业数字化转型升级，但旅游领域的“数字鸿沟”初见端倪且有扩大倾向。2020—2022年中国旅游业数字化水平增速略有放缓，大致维持在6%~9%，究其原因，该阶段《关于深化“互联网+旅游”推动旅游业高质量发展的意见》①、《“十四五”文化和旅游科技创新规划》②等国家级规划政策相继颁发，旅游产业与数字经济融合创新迈向深化期，旅游业数字化水平处于扩张区间，但因新型冠状肺炎疫情的反复扰动，同时数字文旅、非接触式旅游、虚拟旅游等新业态发育尚不成熟，致使中国旅游业数字化水平年均增速呈波动下降态势，后续随着旅游经济复苏“回暖”，年均增幅表现出企稳回升状态。
图1 中国旅游业数字化水平均值及年均增长率

港澳台数据暂缺

Fig. 1 Average and annual growth rate of tourism industry digitalization level in China

2.2 空间格局分析

本文遴选2011年、2015年、2019年和2022年4个时间剖面，直观展示研究期内旅游业数字化水平的空间演化格局。据图2可知：中国省际间旅游业数字化水平分异性特征明显，其中东部地区的北京、上海、广东等省市占据第一梯队，西部地区的西藏、新疆、甘肃居于序列之末，大致呈“东高西低、南高北低”的差序演化格局。①2011年，北京、上海、广东处于引领地位，浙江、江苏、山东、重庆、湖北等处于第二梯队，新疆、宁夏、甘肃、西藏等省区处于低值集聚状态，说明研究初期中国旅游业数字化水平整体偏低，但空间非均衡性特征客观存在。②2015年，除北京、上海、广东等省市外，江苏、浙江旅游业数字化建设能力持续增强，说明中国旅游业数字化内部结构逐渐分化，省际间旅游业数字化建设进展和发展效能存在明显差距，这与各省份数字经济、旅游产业以及两者融合程度密切相关。③2019年，上海、浙江、福建、广东等东部地区省份发挥“排头兵”作用，天津、山东、江苏与湖北、湖南、重庆、陕西等省份簇状组团特征明显，旅游业数字化转型过程的“极化现象”与“同群效应”同步存在。④2022年，上海、浙江、福建、山东等东部地区与四川、重庆组成的成渝地区保持高值集聚状态，一定程度加剧了旅游产业运行的“数字不平等”局势；而宁夏、新疆、甘肃、西藏、内蒙古等省区，由于数字经济和旅游产业两大系统融合共生程度不高，旅游业数字化水平保持低速增长状态。
图2 中国旅游业数字化水平的空间分布格局

基于审图号GS（2024）0650标准地图（自然资源部监制）制作，边界无修改；港澳台数据暂缺

Fig. 2 Spatial distribution pattern of digitalization level of tourism industry in China

2.3 区域差异分解

样本考察期内，旅游业数字化水平的Dagum基尼系数的总体差异从0.168 7波动下降至0.078 0（图3a），虽在2012年、2014年略有回升，但整体降幅为53%，区域间非均衡性呈敛缩趋势，与旅游业数字化水平变化轨迹的非一致性特征显著，说明数字经济在旅游领域的不均衡现象逐渐弱化。为进一步考察中国31个省级行政区旅游业数字化水平的差异来源，采用Dagum基尼系数获取区域差异贡献值、区域内差异与区域间差异，宏观把握不同区域之间及区域内部的分异状态，细致解析和明确中国旅游业数字化发展的区域差距。
图3 标准差、Dagum基尼系数及其分解

港澳台数据暂缺

Fig. 3 Standard deviation, Dagum Gini coefficient and its decomposition

1）区域差异贡献值。据图3b可知：研究期间，区域间差异、超变密度、区域内差异对旅游业数字化水平贡献值分别为0.080 9、0.008 6、0.019 3，呈现“区域间差异＞区域内差异＞超变密度”的差序格局，说明区域间差距是影响旅游数字化全局差异的主要来源。具体而言，区域间差异的贡献值除2014年略有增大之外，敛缩态势较为明显，说明区域间差异在旅游业数字化水平分异过程中发挥主导作用。区域内差异贡献值变动幅度平缓，说明同一区域内部旅游业数字化水平差值保持和缓下滑状态。超变密度贡献值波动不明显，对总体差距影响相对微弱，变动轨迹与区域内差异贡献值变幅相似。
2）区域内差异。据图3c可知：中国4大区域旅游业数字化水平的内部结构存在较强异质性特点。2011—2022年，东部、中部、西部和东北地区的区域内差异分别为0.044 7、0.050 3、0.089 7、0.044 3，其中，西部地区贡献值的空间不均衡程度最大，东北地区贡献值空间不均衡程度最小。此外，4大分区区域内差异整体均表现为下降趋势，降幅呈现“东北（85.71%）＞东部（52%）＞西部（32.52%）＞中部（14.81%）”的态势，可见，自2011年《中国旅游业“十二五”发展规划信息化专项规划》启动以来，中国旅游业数字化水平的区域内部差异降低，但同一区域内旅游业数字化水平分异特征显著，中部地区内部结构差异变动相对较少，而东北地区内部异化程度较大。
3）区域间差异。据图3d可知：从旅游业数字化演变过程而言，东部–西部、中部–西北、东北–西部区域间Dagum基尼系数均值位居前3，排序依次为0.117 3、0.100 7、0.084 3，而东部–中部区域间Dagum基尼系数波动最小，均值为0.056 2。从Dagum基尼系数增幅而言，研究期间4大分片区旅游业数字化水平的区域间差异呈震荡变化轨迹，且东部–中部区域之间Dagum基尼系数值下落幅度最大，从2012年的0.075 0降至2022年的0.035 0，降幅为53.34%，东部与中部地区之间“势能差”，映射出这两大片区旅游产业与数字经济的非均衡性增长现状；中部–东北Dagum基尼系数变化幅度最小，从2012年的0.056 0微降至2022年的0.051 0，增幅为8.93%，两大分片区的区间差异渐趋和缓，符合当前旅游经济与数字经济均衡协同发展的战略指向。

3 中国旅游业数字化水平的分布动态演进

3.1 基于传统Kernel密度估计的分布动态分析

①从分布位置而言（图4a），中国全域及分区域的分布曲线中心均向右移动，说明多数省份旅游业数字化水平处于中低值范围，集聚程度及整体水平保持爬升状态，但各分区域的移动幅度不相一致；其中，东部和中部地区向右侧摆动幅度更大（图4a、4c），旅游业数字化水平在研究期间均获得提升，但整体增幅存在一定差异。②从分布态势而言，中国旅游业数字化水平的空间分布曲线峰值及宽度保持收敛状态，“多峰”特征趋于弱化，离散程度较为和缓，区域“极化”现象略有缓解；除东北地区主峰高度稍有变化外（图4d），其他4个分区域主峰高度波动剧烈，说明区域内旅游业“数字鸿沟”现象有所扩大，旅游业数字化水平的非均衡特征逐渐显化。③从分布延展性而言，中国全域及4大分区域分布曲线有右拖尾现象，低值与高值省份的差异明显，中西部地区右拖尾曲线虽向外拓展但轨迹迥异（图4e），佐证了前文中部与西部地区的区域内Dagum基尼系数偏高的分析结论；东北地区内部分布延展性波动较小，旅游业数字化水平内部差距偏低。
图4 中国旅游业数字化水平的传统Kernel密度估计

港澳台数据暂缺

Fig. 4 Conventional kernel density estimation of digitalization level of tourism industry in China

3.2 基于非空间随机Kernel密度估计的分布动态分析

通过绘制非空间随机Kernel密度等高线图（5a）可知，中国旅游业数字化水平的静态空间核密度及等高线从t期到（t+3）期转移变幅小，流动性水平相对较低，区域旅游业数字化转型存在“俱乐部趋同”现象，说明研究期间旅游业数字化水平的时间不同步、空间不均衡动态演化特征。中国旅游业数字化水平随着时间推移不断增大，概率主体分布在X轴0.4~0.6附近，密度等高线多位于对角线上方，说明高值区与低值区未呈现收敛模式，区域旅游业数字化水平相似性较低，并表现出良好的连续性和稳定性。在对角线附近存在2个主波峰，分布于X轴0.1、0.7附近，对应Y轴下区间（0.1~0.2）和上区间（0.6~0.7）之间，说明中国旅游业数字化水平保持稳定增长态势，低水平区省份的旅游业数字化建设能力增强，（t+3）期后增速下滑，由此形成小范围的高水平“俱乐部收敛”现象。

3.3 基于空间随机Kernel密度估计的分布动态分析

绘制中国旅游业数字化水平的空间随机Kernel密度等高线图（图5b）可知，相比非空间随机Kernel密度估计，当相邻地区t期旅游业数字化水平值<0.6时，要素主体位于正45°对角线的特征更明显，且概率主体在横轴方向上的密集分布，说明加入时间滞后条件后，省际间旅游业数字化水平的空间相关性略有增加，整体推进着中国旅游业内涵式增长和高质量发展，证实了旅游业数字化发展的分布动态演变过程存在空间效应。旅游业数字化水平值>0.6时，等高线概率主体多分布在正对角线上方，且与X轴保持平行分布，表明即使相邻省区旅游业数字化水平较高，但旅游业数字化转型门槛和成本偏高，本地区数字化转型变革能力受到制约性影响，需要因地制宜制定旅游业数字化转型升级模式与策略。
图5 非空间Kernel密度等高线与空间随机Kernel密度等高线

港澳台数据暂缺

Fig. 5 Non-spatial kernel density contour and spatial kernel density contour

4 中国旅游业数字化水平的长期趋势预测

4.1 基于传统Markov链的长期趋势预测

依循马尔可夫链“离散–量化”原理，采用四分位法[33]划分低水平（I）、较低水平（Ⅱ）、较高水平（Ⅲ）、高水平（Ⅳ）4个等级，勾勒传统Markov链下的中国旅游业数字化水平动态演进特征。由传统Markov链结果（表2）可知：①对角线元素值高于非对角线元素值，说明中国旅游业数字化水平维持既有状态的概率达0.655 9，低水平省份和高水平省份类型“俱乐部趋同”特征表现明显，中国旅游业数字化转型存在“路径依赖”与“自身锁定”效应。②对角线两端元素值（0.712 4，0.927 3）转移较为活跃，高于对角线两侧元素值（0.655 9，0.666 7），证明中国旅游业数字化发展存在明显的“马太效应”，非均衡性特征进一步增强显化。③对角线中间2种类型向上转移概率（0.333 3，0.205 5）大于向下转移概率（0.107 5，0.126 4），说明旅游业数字化是一个循序渐进的连续积累过程，较低及较高水平省份向上跃迁趋向明显。
表2 无滞后类型传统马尔可夫转移概率矩阵

Table 2 Transition probability matrix of non-lag type traditional Markov

类型 I Ⅱ Ⅲ Ⅳ
　　注：港澳台数据暂缺。
I 0.7124 0.3333 0.0000 0.0000
Ⅱ 0.1075 0.6559 0.2055 0.0000
Ⅲ 0.0000 0.1264 0.6667 0.1515
Ⅳ 0.0000 0.0000 0.0000 0.9273

4.2 基于空间Markov链长期趋势预测

因传统的Markov链分析法忽略了邻近区域间的空间关联性和溢出效应，本文构建纳入空间滞后项的空间Markov链转移概率矩阵，以预测中国旅游业数字化水平长期趋势。
由表3可知：①在纳入空间地理因素后，不同空间滞后类型下的概率转移特征分异明显，与传统Markov转移概率矩阵不相一致，说明中国旅游业数字化水平存在显著的空间溢出效应，有必要将地理空间因素嵌入分析过程。②在考虑空间地理因素的条件下，4个概率矩阵对角线元素值的稳定性高于非对角线元素值，对角线两端的元素值稳定性高于中间元素值，“路径依赖现象”与“俱乐部收敛效应”在空间层面获得验证。③旅游业数字化水平类型的转移多发生于相邻类型区之间，如当观测类型为Ⅱ时，随着邻域类型的增多，其向上转移的概率分别达0.215 5、0.254 4、0.220 2、0.186 7，表明跨越等级转移的概率偏低，旅游业数字化转型保持协同提升状态。④不同领域类型对旅游业数字化水平的影响存在空间异质性，如等级Ⅱ省份与Ⅰ省份为邻时，向下转移概率为0.220 2（>0.107 2），表明低水平省份更易产生负向溢出效应，旅游业数字化建设协同能力偏弱；等级Ⅱ与等级Ⅲ省区为邻时，向上转移概率为0.220 2（>0.205 5），表明高水平省份对邻区形成正向溢出效应，涉旅数字要素交互流动现象更为频繁，在空间上同群效应更为显著；等级Ⅲ与Ⅰ、Ⅱ省区为邻时，向下转移的概率为0.156 9、0.186 2，随邻域等级递减向下转移概率增大，说明等级差距弱化了高水平省份的辐射带动作用，不同类型区旅游业数字化水平的空间关联网络结构有待强化。
表3 空间马尔科夫转移矩阵

Table 3 Spatial Markov transition matrix

滞后类型 类型 I II III IV
　　注：港澳台数据暂缺。
I I 0.7245 0.1414 0.0000 0.0000
II 0.1288 0.7112 0.2155 0.0000
III 0.0000 0.1569 0.6855 0.1266
IV 0.0000 0.0000 0.0525 0.9254
II I 0.7533 0.2024 0.0000 0.0000
II 0.0548 0.7345 0.2544 0.0000
III 0.0000 0.1862 0.7068 0.1233
IV 0.0000 0.0000 0.0345 0.9667
III I 0.7266 0.2344 0.0000 0.0000
II 0.0355 0.7066 0.2202 0.0000
III 0.0000 0.1045 0.7925 0.1455
IV 0.0000 0.0000 0.0352 0.9566
IV I 0.8026 0.1018 0.0000 0.0000
II 0.0000 0.6667 0.1867 0.0911
III 0.0000 0.0145 0.7248 0.2178
IV 0.0000 0.0000 0.0018 0.9193
为验证空间要素下旅游业数字化水平空间溢出效应的统计学意义，通过展开原假设检验可知，H=36.225，P=0.038，即不接受2011—2022年类型转移在空间上相互独立的原定假设，说明区域状态类型与邻域状态类型之间的空间相关性显著，中国旅游业数字化发展在长期演变过程中具有非平稳性特征，进一步证实了纳入空间效应的综合集成分析对预测旅游业数字化水平的长期趋势较为必要。

5 结论与讨论

5.1 结论

本文构建旅游业数字化水平综合评估框架，采用熵权TOPSIS法、Dagum基尼系数、Kernel密度估计和Markov链分析法，考察了中国旅游业数字化水平的空间非均衡性及动态演变趋向。主要结论如下：
1）中国旅游业数字化水平从2011年的0.168 7增长至2022年的0.565 6，整体保持稳步提升态势，上海、北京、广东等东部地区省市处于领先地位；从空间分布格局而言，中国旅游业数字化水平的空间分异性特征逐渐显现，大致呈“东高西低”“南高北低”的梯度分布状态，省际间旅游业数字化水平的空间非均衡性现象显著存在。
2）从区域差异及分解而言，旅游业数字化水平的总体差异呈波动下降状态，整体降幅为53%，区域间的非均衡性呈收缩态势；区域内差异整体呈“东北＞东部＞西部＞中部”的状态，但省际间差距成为旅游业“数字鸿沟”形成的主要来源，缩小区域间差异成为弥合旅游业数字化水平差距的重点方向。
3）中国全域及分区域旅游业数字化水平的分布曲线中心均向右移动，空间分布曲线主峰峰值及宽度均有所收敛，部分区域的分布曲线有明显右拖尾现象；条件概率密度曲线沿45°对角线两侧分布，旅游业数字化水平的分布动态趋于均衡稳定；在纳入地理空间因素之后，中国旅游业数字化水平在样本考察期间呈现出敛缩态势。
4）由长期趋势预测结果而言，若不纳入地理空间效应，中国旅游业数字化水平表现出“马太效应”和“俱乐部趋同现象”，且对角线上的转移概率值整体高于非对角线上的转移概率值；在纳入地理空间效应之后，随着相邻省份空间滞后类型水平的提升，旅游业数字化水平受邻省空间溢出效应影响，且本省份向上转移概率增大，对相邻中低值省份辐射带动效果明显。

5.2 讨论

为加快中国旅游业数字化转型、协同性演化和高质量发展，提出建设性意见如下：
1）加大旅游业数字化转型要素投入。一方面，强化资金、人力、技术等要素支持力度，适度超前部署完善数字基础设施体系，支持各省份培育智慧景区、数字场馆、智能酒店、无人商店、智能停车场等新兴业态，创新推出符合市场需求的互动化、体验式、高品质数字文旅产品。另一方面，加速旅游企业“上云、用数、赋智”，完善旅游业数字化转型价值共创生态系统，探索更多促进旅游经济包容性增长的数字化方案。
2）健全数旅深度融合发展机制。谋划制定旅游业数字化发展专项规划，如北京、上海、广东等高值区应创新数字文旅领域链主企业培育方式，构建全域旅游及垂直行业大数据平台，形成多方参与、主体活跃、生态繁荣的旅游创新网络；新疆、广西、黑龙江等低值区应依托自身旅游资源禀赋，推进景区、旅行社、酒店、文博场馆等进行数字化改造，择优打造数字文旅标杆项目和特色消费场景，打造与东部地区互补共济的数字旅游产品体系。
3）推进旅游业数字化区域协同。加快构建中国式旅游业数字化顶层设计，统筹优化数字旅游产业空间布局和均衡发展，重点弥合东北、西北与东部沿海地区发展差距，有效矫正旅游业数字化水平的区域非均衡性困境。此外，探索旅游数据要素的市场流转与共享模式，破解旅游领域数据垄断、数字剥削与数字鸿沟等矛盾，增强跨区域、跨层级、跨部门的旅游数字化协同治理成效，系统增进中国旅游业高质量发展的数字普惠性和平等性。
本文拟在理论层面探讨旅游业数字化的解释框架及评估体系，为弥合中国省际间旅游业“数字鸿沟”提供学理参考；在实践层面主动响应产业数字化战略和旅游业高质量发展命题，为因地制宜制定旅游业数字化转型升级方案做出有益探索。本文仍存在诸多不成熟之处：①旅游业是一个综合性战略支柱产业，食住行游购娱等细分行业的数字化水平、空间非均衡性特征及动态演化趋向迥异，亟须探索旅游业数字化发展的共性规律和个案特征。②本文仅截取2011—2022年中国31省（直辖市、自治区）面板数据，缺少更长时序的纵向对比，未来将延长考察时段并向市县空间尺度拓展，更精细地刻画不同时空尺度下旅游业数字化水平的演化过程及影响机制。③旅游业数字化建设尚处于探索阶段，其生发机理剖析、转型成效评估、驱动因素识别、协同路径研判、调控机制构建等研究支脉，仍有一定的学术探讨价值。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Luke O, Usman K, Moreno E L G. Do the size of the tourism sector and level of digitalization affect COVID-19 economic policy response? Evidence from developed and developing countries[J]. Current Issues in Tourism, 2023, 26(18): 3040-3063.

DOI

[2]
陈勤昌, 王兆峰, 邱梦真, 等. 旅游业数字化的内涵特征、研究综述及展望[J]. 经济地理, 2025, 45(4): 198-209.

Chen Qinchang, Wang Zhaofeng, Qiu Mengzhen et al. The connotation, characteristics, research review, and prospects of digitalization in the tourism industry. Economic Geography, 2025, 45(4): 198-209.

[3]
杨晓琰, 宋瑞. 数字经济对旅游产业发展的影响机理[J]. 地理科学进展, 2024, 43(10): 1943-1955.

DOI

Yang Xiaoyan, Song Rui. Mechanism of influence of the digital economy on tourism industry development. Progress in Geography, 2024, 43(10): 1943-1955.

DOI

[4]
杨勇, 邬雪. 从数字经济到数字鸿沟: 旅游业发展的新逻辑与新问题[J]. 旅游学刊, 2022, 37(4): 3-5.

Yang Yong, Wu Xue. From digital economy to digital divide: New logic and issues in the development of tourism industry. Tourism Tribune, 2022, 37(4): 3-5.

[5]
Saad A S, Gharaibeh B. E-tourism adoption in travel agencies: New qualitative insights from a developing country[J]. International Journal of Tourism Policy, 2023, 13(3): 248-261.

DOI

[6]
唐健雄, 孙婧瑶, 孙桥, 等. 酒店数字化转型动态能力: 内涵、结构及测量[J]. 旅游科学, 2023, 37(6): 1-23.

Tang Jianxiong, Sun Jingyao, Sun Qiao et al. The digital transformation dynamic capability of hotels: Connotation, structure and measurement. Tourism Science, 2023, 37(6): 1-23.

[7]
Sabine K, Andreas K, Sascha K. Visiting museums via augmented reality: An experience fast-tracking the digital transformation of the tourism industry[J]. European Journal of Innovation Management, 2024, 27(6): 20842100.

[8]
银元. 乡村旅游数字化发展: 动力机制、逻辑维度与矛盾纾解[J]. 西安财经大学学报, 2023, 36(1): 29-40.

Yin Yuan. Rural tourism digital development: Dynamic mechanism, logical dimension and contradiction Relief. Journal of Xi’an University of Finance and Economics, 2023, 36(1): 29-40.

[9]
夏江涛, 王石峰, 黎镇鹏. 我国体育旅游产业数字化转型: 动力机制、现实困境与实践路径[J]. 体育学研究, 2023, 37(3): 65-75.

Xia Jiangtao, Wang Shifeng, Li Zhenpeng. Digital transformation of China’s sports tourism industry: Driving mechanism, realistic dilemma and practical pathways. Journal of Sports Research, 2023, 37(3): 65-75.

[10]
张贝尔, 王红, 李元. 康养旅游产业数字化水平调查与提升策略[J]. 经济纵横, 2022(12): 112-117.

Zhang Beier, Wang Hong, Li Yuan. Investigation and optimization strategy in digitalization level of healthy recuperation tourism industry. Economic Review Journal, 2022(12): 112-117.

[11]
黄蕊, 李雪威. 数字技术提升中国旅游产业效率的机理与路径[J]. 当代经济研究, 2021(2): 75-84.

Huang Rui, Li Xuewei. The mechanism and path for digital technology to improve the efficiency of China’s tourism industry. Contemporary Economic Research, 2021(2): 75-84.

[12]
王俐, 周向红. 数字化赋能旅游经济发展的机理与路径: “流量”还是“质量”?[J]. 浙江社会科学, 2023(6): 26-37,156-157

Wang Li, Zhou Xianghong. Research on the mechanism and path of digitally empowered development of tourism economy: Quantity or quality? Zhejiang Social Sciences, 2023(6): 26-37,156-157.

[13]
孙盼盼, 林志斌. 数字科技驱动旅游创新发展和居民幸福感提升[J]. 旅游学刊, 2023, 38(6): 6-7.

Sun Panpan, Lin Zhibin. Digital technology drives innovative tourism development and enhances residents’ sense of happiness. Tourism Tribune, 2023, 38(6): 6-7.

[14]
杨勇. 数字经济如何重塑区域旅游经济地理空间格局[J]. 旅游科学, 2022, 36(6): 1-19.

Yang Yong. How the digital economy reshapes the geographic spatial pattern of regional tourism economy. Tourism Science, 2022, 36(6): 1-19.

[15]
王金伟, 王启翔, 冯凌. 中国数字经济与旅游业高质量发展的协调格局及驱动机制[J]. 地理科学, 2024, 44(1): 130-139.

Wang Jinwei, Wang Qixiang, Feng Ling. Coordination pattern and driving mechanism of digital economy and high quality tourism development in China. Scientia Geographica Sinica, 2024, 44(1): 130-139.

[16]
马斌斌, 豆媛媛, 贺舒琪, 等. 中国数字经济与旅游产业融合发展的时空特征及驱动机制[J]. 经济地理, 2023, 43(6): 192-201.

Ma Binbin, Dou Yuanyuan, He Shuqi et al. Spatiotemporal characteristics and driving mechanisms of the integration development of digital economy and tourism industry in China. Economic Geography, 2023, 43(6): 192-201.

[17]
黄震方, 张子昂, 李涛, 等. 数字赋能文旅深度融合的理论逻辑与研究框架[J]. 旅游科学, 2024, 38(1): 1-16.

Huang Zhenfang, Zhang Zhiang, Li Tao et al. Digital empowerment for the deep integration of culture and tourism: Theoretical logic and research framework. Tourism Science, 2024, 38(1): 1-16.

[18]
陈雪钧, 张春苗. 旅游产业数字化创新的水平测度和影响因素分析[J]. 攀枝花学院学报, 2024, 41(1): 49-58..

Chen Xuejun, Zhang Chunmiao. Measurement of the level of digital innovation in the tourism industry and analysis of influencing factors. Journal of Panzhihua University, 2024, 41(1): 49-58..

[19]
石彩霞, 贺小荣. 中国旅游产业数字化水平的时空交互、动态演进及收敛性分析[J]. 统计与决策, 2024, 40(16): 122-127.

Shi Caixia, He Xiaorong. Spatio-temporal interaction, dynamic evolution and convergence analysis of the digitization level of China’s tourism industry. Statistics & Decision, 2024, 40(16): 122-127.

[20]
Hu M, Li H, Song H et al. Tourism demand forecasting using tourist-generated online review data[J]. Tourism Management, 2022, 90: 104490.

DOI

[21]
夏杰长, 贺少军, 徐金海. 数字化: 文旅产业融合发展的新方向[J]. 黑龙江社会科学, 2020(2): 51-55.

Xia Jiechang, He Shaojun, Xu Jinhai. Digitization: A new direction for the integrated development of cultural and tourism industries. Social Sciences in Heilongjiang Province, 2020(2): 51-55.

[22]
Ye X L, Wang J, Sun R H. The coupling and coordination relationship of the digital economy and tourism industry from the perspective of industrial integration[J]. European Journal of Innovation Management, 2024, 27(4): 1182-1205.

DOI

[23]
杨文溥. 中国产业数字化转型测度及区域收敛性研究[J]. 经济体制改革, 2022, 232(1): 111-118.

Yang Wenpu. Research on statistical measurement and regional convergence of China’s industrial digital transformation. Reform of Economic System, 2022, 232(1): 111-118.

[24]
孔晓瑞, 向书坚, 罗胜. 中国经济数字化转型的量化评估、区域差异及动态演进[J]. 经济问题探索, 2023(4): 25-37.

Kong Xiaorui, Xiang Shujian, Luo Sheng. Quantitative assessment, regional differences, and spatio-temporal dynamic evolution of China’s economic digital transformation. Inquiry into Economic Issues, 2023(4): 25-37.

[25]
毛雁冰, 赵露. 中国式现代化进程中产业数字化的就业效应研究[J]. 北京工商大学学报(社会科学版), 2024, 39(1): 30-40.

Mao Yanbing, Zhao Lu. Employment effects of industrial digitalization in Chinese path to modernization. Journal of Beijing Technology and Business University (Social Sciences), 2024, 39(1): 30-40.

[26]
马丽君, 敖烨. 数字经济对旅游业高质量发展的影响及空间溢出效应[J]. 地理科学进展, 2023, 42(12): 2296-2308.

DOI

Ma Lijun, Ao Ye. Influence and spatial spillover effects of the digital economy on the high quality development of the tourism industry. Progress in Geography, 2023, 42(12): 2296-2308.

DOI

[27]
张春荣, 刘春芳, 张志英, 等. “流空间”视角下省际边缘区城乡要素空间流动特征与优化——以庆阳市为例[J]. 软科学, 2021, 35(8): 113-120.

Zhang Chunrong, Liu Chuanfang, Zhang Zhiying et al. The spatial flow characteristics and optimization of urban and rural elements in provincial fringe areas from the perspective of “Flow Space”: A case study of Qingyang. Soft Science, 2021, 35(8): 113-120.

[28]
王毅, 陈娱, 陆玉麒, 等. 中国旅游产业科技创新能力的时空动态和驱动因素分析[J]. 地球信息科学学报, 2017, 19(5): 613-624.

Wang Yi, Chen Yu, Lu Yuqi et al. Analysis of the space-time dynamics and influencing factors of scientificand technological innovation ability of tourism industry in China. Journal of Geo-information Science, 2017, 19(5): 613-624.

[29]
王兆峰, 林鲁雄, 陈勤昌. 中国旅游业数字化与绿色化时空耦合特征及互动响应关系[J]. 地理与地理信息科学, 2025, 41(4): 129-141, 151

Wang Zhaofeng, Lin Luxiong, Chen Qinchang. Spatio-temporal coupling characteristics and interactive response relationship between tourism digitalization andgreening in China. Geography and Geo-Information Science, 2025, 41(4): 129-141, 151.

[30]
魏敏, 李书昊. 新时代中国经济高质量发展水平的测度研究[J]. 数量经济技术经济研究, 2018, 35(11): 3-20.

Wei Min, Li Shuhao. Study on the measurement of economic high-quality development level in China in the new era. Journal of Quantitative & Technological Economics, 2018, 35(11): 3-20.

[31]
徐维祥, 周建平, 周梦瑶, 等. 数字经济空间联系演化与赋能城镇化高质量发展[J]. 经济问题探索, 2021(10): 141-151.

Xu Weixiang, Zhou Jianping, Zhou Mengyao et al. The evolution of spatial connection of digital economy and its impact on the high-quality development of urbanization. Inquiry into Economic Issues, 2021(10): 141-151.

[32]
吕承超, 何加豪. 中国金融科技发展的区域差异、分布动态及收敛特征[J]. 财经问题研究, 2023(4): 43-57.

Lv Chengchao, He Jiahao. Regional differences, distribution dynamics and convergence characteristics of Fin Tech development in China. Research on Financial and Economic Issues, 2023(4): 43-57.

[33]
刘庆芳, 谢佳亮, 张先甜, 等. 青藏高原县域尺度PM2.5浓度时空动态演进特征[J]. 地理学报, 2024, 79(3): 654-671

Liu Qingfang, Xie Jialiang, Zhang Xiantian et al. Spatio-temporal dynamic evolution of PM2.5 concentrations in the Qinghai-Tibet Plateau based on county scale. Acta Geographica Sinica, 2024, 79(3): 654-671.

[34]
孙未未, 李占风. 我国数字经济发展新特征: 非均衡性与趋势演进[J]. 经济问题探索, 2023(12): 21-36.

Sun Weiwei, Li Zhanfeng. New characteristics of China’s digital economy development: Non-equilibrium and trend evolution. Inquiry into Economic Issues, 2023(12): 21-36.

[35]
国家统计局. 中国统计年鉴[M]. 2012—2023. 北京: 中国统计出版社, 2012—2023

National Bureau of Statistics. China statistical yearbook. 2012—2023. Beijing: China Statistics Press, 2012—2023.

[36]
国家统计局. 中国科技统计年鉴[M]. 2012—2023. 北京: 中国统计出版社, 2012—2023

National Bureau of Statistics. China statistical yearbook on science and technology. 2012—2023. Beijing: China Statistics Press, 2012—2023.

[37]
中国文化和旅游部. 中国旅游统计年鉴[M]. 2012—2023. 北京: 中国旅游出版社, 2012—2023

Ministry of Culture and Tourism of China. The yearbook of China tourism statistics. 2012—2023. Beijing: China Travel & Tourism Press, 2012—2023.

[38]
吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现: 来自股票流动性的经验证据[J]. 管理世界, 2021, 37(7): 130-144,10.

Wu Fei, Hu Huizhi, Lin Huiyan et al. Enterprise digital transformation and capital market performance: Empirical evidence from stock liquidity. Journal of Management World, 2021, 37(7): 130-144,10.

Options
文章导航

/

〈 〉