地理科学  2017 , 37 (11): 1705-1711 https://doi.org/10.13249/j.cnki.sgs.2017.11.012

Orginal Article

基于社会网络分析法的中国省际入境旅游经济增长空间关联性

马丽君, 龙云

湘潭大学商学院, 湖南 湘潭 411105

The Spatial Correlation of Economic Growth of Inbound Tourism in China Based on Social Network Analysis

Ma Lijun, Long Yun

Business School of Xiangtan University, Xiangtan 411105, Hunan,China

中图分类号:  F59

文献标识码:  A

文章编号:  1000-0690(2017)11-1705-07

收稿日期: 2016-12-6

修回日期:  2017-02-20

网络出版日期:  2017-11-20

版权声明:  2017 《地理科学》编辑部 本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

基金资助:  国家自然科学基金项目 (41501156)、湖南省教育厅优秀青年基金项目(15B243)、湖南省社科基金项目(14JD56)资助

作者简介:

作者简介:马丽君(1981-),男,山东临沂人,博士,副教授,硕导,研究方向为旅游经济运行与旅游气候。E-mail:ljmaljly@163.com

展开

摘要

收集1991~2014年有关数据,利用社会网络分析法、格兰杰因果关系检验,揭示中国省际入境旅游经济增长的空间关联特征及影响因素,结果发现:① 入境旅游经济增长空间关联网络的关联度较高,但网络整体紧密度不够。 经济越发达的地区,个体网络密度越高,空间上呈现出阶梯式特征。③ 担任“发动机”的第二板块所含省市,将入境旅游经济增长“动能”沿发挥经纪人作用的第一板块所含省市,传递给第三、四板块所含省市。④ 入境旅游人数关联、旅游资源分布、经济发展关联、交通便捷度是影响入境旅游经济增长空间关联的重要因素。

关键词: 入境旅游 ; 经济增长 ; 空间关联 ; 社会网络分析法

Abstract

This article collects data from 1991 to 2014 to analyze the spatial correlation of economic growth of inbound tourism in China by using the method of Granger Causality Test and Social Network Analysis. Then, we reveal its influencing factors based on QAP correlation and QAP regression. The results show that: 1) Spatial correlation of China’s inbound tourism economical development is highly connected. There is no independent development area. It exists multiple superimposed effects, and spillovers have been greater than benefit. However, the network is not compact entirely, and connections are dispersive generally. 2) The province economy is more developed, the higher the density of individual network, and the more spatial associations with other provinces. Moreover, the correlations of some central and western regions have more connections and stronger mediating effects. 3) The network structure can be divided into four plates. The first plate is “agent plate” that plays a role of bridge and the second plate is “main beneficial plates” that acts as an engine in the integrated network. The third and the fourth plate are both belong to “main beneficial plates”. The transfer mechanism of spatial correlation is that the second plate conveys energy from the first plate to the third and the fourth plate. 4) Number of inbound tourists, distribution of tourism resources, economic development and traffic convenience are important factors of the spatial correlation of economic growth in China’s inbound tourism.

Keywords: inbound tourism ; economic growth ; spatial correlation ; social network analysis

0

PDF (507KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

马丽君, 龙云. 基于社会网络分析法的中国省际入境旅游经济增长空间关联性[J]. 地理科学, 2017, 37(11): 1705-1711 https://doi.org/10.13249/j.cnki.sgs.2017.11.012

Ma Lijun, Long Yun. The Spatial Correlation of Economic Growth of Inbound Tourism in China Based on Social Network Analysis[J]. Scientia Geographica Sinica, 2017, 37(11): 1705-1711 https://doi.org/10.13249/j.cnki.sgs.2017.11.012

改革开放后,随着中国经济的发展和对外开放程度的提高,中国入境旅游业持续高速发展,2015年入境旅游人数达1.34亿人次,实现国际旅游收入1 137亿美元(不包含港澳台)。随着入境旅游业的发展,各省区间在客源市场、资源开发等方面展开了较为深入的合作,各省区入境旅游发展联系越来越密切,形成了复杂稳健的入境旅游发展空间关联结构。国外相关研究主要集中在目的地旅游流的关联特征[1,2],经济、社会等因素对旅游流的影响等方面[3,4]。国内学者最早关注的是入境旅游流空间分布特征,多是在问卷调查的基础上,结合地理空间分析法[5]、Theil系数[6]等分析入境旅游流空间特征。此后,关于入境旅游流空间结构的研究成果逐渐增多,经济学、物理学、社会学等学科的理论和分析方法越来越多的引入到相关研究中[7,8],对中国入境旅游空间结构、地区差异、影响因素等进行了较为深入的研究[9,10]。随着研究的深入,各省区入境旅游流的空间关联性成为学术界研究的一个热点,相关研究大多以城市为案例地,以客流量为指标,采用社会网络分析法进行分析[11,12]。纵观国内外相关研究,有关入境旅游流的空间分布特征与空间关联性研究较为深入,然而相关研究多采用的是抽样调查资料或调查问卷数据,样本量有一定的局限性;同时,入境旅游发展空间关联包括旅游流、旅游经济等方面的关联,相关研究多是基于客流量或旅游人次的分析,关于入境旅游经济增长的空间关联性分析尚不多见。

旅游经济的增长存在溢出效应,溢出的路径和方式有很多,因此,入境旅游经济增长的空间关联性与入境旅游流的空间关联性既有联系又有区别,两个地区间入境旅游经济增长的关联性不仅会受到两地区间入境客流联系的影响,还受到各地区客源市场结构、经济发展水平、两地区间的贸易、政策等因素的影响。本文系统收集1991~2014年31个省区(不包括港澳台)入境旅游收入等数据,利用格兰杰因果检验和社会网络分析法,分析各省区入境旅游经济增长的空间关联性及其影响因素,以期为进一步认识中国入境旅游发展的空间关联特征、区域入境旅游经济增长的溢出效应、各省区在入境旅游发展网络中的地位和作用,进一步加强区域旅游合作,促进中国入境旅游的发展提供参考。

1 数据来源与分析方法

1.1 数据来源

入境旅游收入是学术界分析区域入境旅游经济发展的一个主要指标[13,14],本文收集1991~2014年各省区(不包含港澳台)旅游外汇收入,用于分析各省区入境旅游经济增长的空间关联性。前人在分析影响旅游流空间网络结构的因素时,主要考虑旅游资源、经济发展水平、交通便捷度等因素[15],旅游经济与旅游流既有区别又有联系,影响各省区入境旅游经济增长空间关联的因素大致可以从两个方面分析,其一是客流的流向和流量,因为客流的流动会带动资金的流动;其二是资金(入境旅游收入)的流向和流量。影响客流流向和流量的因素主要有旅游资源、交通便捷度、基础设施等,而影响资金流向和流量的因素主要有客流的流向和流量、区域旅游合作、省区间的经济贸易联系等,其中,区域旅游合作等因素难以量化,在下文的量化分析中予以剔除。经济发展水平对基础设施及省区间的经济贸易联系有直接的影响,在下文的分析中以经济发展水平代替基础设施及省区间的经济贸易联系。故本文采用入境旅游客流、经济发展水平、旅游资源丰度、交通便捷度4个指标分析入境旅游经济增长空间关联性的影响因素,其中入境旅游客流以入境旅游人数(包含港澳台游客)来衡量;交通便捷度的测算方式有很多,本文以两省区中心(省会)间采用飞机、铁路(包括高铁和城铁)、公路(包括高速公路)等交通方式到达对方所需最短时间,来测算两地交通的便捷度;以3A级以上景区确定各省区旅游资源丰度;以各省区地区生产总值衡量经济发展水平,相关数据来源于《中国旅游统计年鉴》[16]、《中国统计年鉴》[17]、各省区旅游局官方网站,以及12306官方网站、12580机票查询网站和百度地图。

1.2 分析方法

1) 社会网络分析法。社会网络是用来研究一个社会中成员及它们之间关系的集合,在本研究中,各省市是网络中的点,各省市之间的入境旅游经济增长空间关联关系就是网络中的线。依据Granger因果关系检验结果,将小于10%检验标准的赋值为1,大于10%检验标准的赋值为0,通过对数据的二值处理,根据 XY之间的Granger因果关系,画一条 X指向 Y的有向线段,表明 XY之间显著关联。刻画网络特征主要用关联性分析、中心性分析、网络密度、块模型分析等方法。本文将分别考虑个体网络与整体网络的网络特征,个体网络通过网络密度、中心度等指标进行分析,整体网络着重分析网络关联性、中心势、块模型等方面特征,其中,块模型根据伯特的分类方法和本研究的需要,将4种模块的位置重新定义命名为双向溢出板块、主受益板块、主溢出板块、经纪人板块(表1[19]

表1   块模块分析中4种板块模型

Table 1   Four plates in analysis method of the Block Models

位置内部的
关系比例
位置接受到的关系比例
≈0>0
(gK-1)/(g-1)双向溢出板块主受益板块
<(gK-1)/(g-1)主溢出板块经纪人板块

注:gK为板块中成员个数;g为总体网络中行动者个数;(gK-1)/(g-1)为期望关系比例

新窗口打开

2) Granger因果关系检验。这是经济学中分析两个经济变量间有无因果关系的重要方法[18]。本文首先对所收集的1991~2014年各省区旅游外汇收入数据进行ADF检验,根据检验结果,决定是否进行对数差分处理,然后再进行Granger因果检验。在滞后期的选择上,采用AIC、SC、HQ多个检验结果相同的方式选择最优滞后期。在检验结果的分析中,为数据全面化,得到完整的网络结构,本文选择10%为检验标准,即当 P<10%时,说明两者之间存在Granger因果关系。

2 省际入境旅游经济增长空间关联分析

2.1 省际入境旅游经济增长关联网络的建立

利用Eviews6.0,对1991~2014年各省区入境旅游外汇收入数据进行平稳性检验,结果显示原始数据不平稳,在对原始数据进行对数差分处理的基础上,进行两两区域组合的Granger 因果关系检验,通过检验的关系有248个。根据检验结果,利用社会网络分析工具Ucinet,将省际入境旅游经济增长空间关联网络绘制成图1,可以看出,省际入境旅游经济增长空间关联网络中没有独立的点存在,说明各省区入境旅游经济增长普遍存在关联关系,每个省区都至少存在一条以上的空间关联关系。运用社会网络分析法相关公式测算图1的关联性,结果显示网络的可达性为1,不存在不可达的点,每一对点都可对称到达,等级度为0,说明各省区入境旅游经济增长空间关联网络的关联度很高,网络具有较高的通达度,属于一个比较均匀的结构,权力较为分散,等级程度不高,各省区都可以比较轻松的与其他省区发生空间关联,关联效应较为普遍。网络效率为0.614,存在较多的冗余关系,表明各省区入境旅游经济增长的空间关联效应有叠加,增强了空间关联网络的稳定性。

图1   入境旅游经济增长空间关联网络

Fig.1   The network of economic growth of inbound tourism

2.2 省际入境旅游经济增长空间关联网络特征

1) 个体网网络特征分析。表2可以看到,各省区的个体网网络密度有较大差异,网络密度越高的省区,与网络中其他省区的空间关联程度越强,关联网络格局越稳定。各省区入境旅游经济增长个体网网络密度在空间上大致呈阶梯式分布,东部地区的省市,其个体网网络密度一般高于中部地区的省区,中部地区的省区,其个体网网络密度一般高于西部地区的省区,即东部地区的个体网网络稳健性最强,中部次之,西部最弱。但也有部分中西部省区网络密度要高于东部地区,这既与中国优势旅游资源的空间分布有关,也可能与省区间旅游合作有关。通过中心度计算公式,计算各省区的3种中心度(表2)。可以发现,在入境旅游经济增长空间关联网络中,中心性较强的地区是主要是中部、西部地区,在整体关联网络中联系较多,中介作用较大,传输作用较强,这与中、西部地区资源丰度有关,符合中国优势旅游资源多集中于中西部地区的特征。

2) 整体网网络特征分析。整体网网络密度可以用于测量各省区入境旅游经济增长之间联系的紧密程度,网络密度越高,各省区入境旅游经济增长的关联协同程度越高。31个省区之间最大的联系为930个,实际存在的联系为248个,故网络密度为0.267,网络密度较低,说明各省区入境旅游经济增长的关联协同程度较低,还需进一步加强各省区间入境旅游发展的联系。网络外向度数中心势为44.78%,内向度数中心势为37.89%,说明入境旅游经济增长空间关联整体网络中溢出关系稍多于受益关系,且溢出关系的区域差异要大于受益关系;中间中心势为5.4%,接近中心势为7.55%,两值相对较低,说明入境旅游经济增长整体网络中,各省区的中介作用和引导作用较小,各地入境旅游发展较为独立分散,要加强区域间的合作。

表2   入境旅游经济增长个体网络分析

Table 2   The analysis of individual network about economic growth of inbound tourism

地区网络规模网络密度(%)点入度点出度关系总数度数中心度(%)中间中心度(%)接近中心度(%)
北京1136.36881636.6670.80461.224
天津1142.731041436.6670.64361.224
河北1137.27561136.6671.05161.224
山西1534.291061650.0002.59166.667
内蒙古1528.577152250.0002.85466.667
辽宁1228.79671340.0001.61062.500
吉林1825.8214112560.0004.19971.429
黑龙江1131.823101336.6671.55761.224
上海1332.05581343.3331.45963.830
江苏1030.00461033.3331.10560.000
浙江1341.03891743.3331.09763.830
安徽828.5772926.6670.65357.692
福建1231.82791640.0001.33562.500
江西740.4863923.3330.24456.604
山东841.0762826.6670.34957.692
河南1240.15891740.0001.02862.500
湖北2230.742193073.3334.84178.947
湖南1038.89951433.3330.65360.000
广东1143.64881636.6670.51561.224
广西1229.55591440.0001.54062.500
海南1232.58961540.0001.35062.500
重庆2128.5718133170.0005.17076.923
四川2120.954192370.0007.20676.923
贵州940.28851330.0000.40858.824
云南929.17731030.0001.13358.824
西藏1627.506121853.3333.16168.182
陕西1232.58961540.0001.52762.500
甘肃1035.56751233.3330.71560.000
青海1731.625141956.6673.12269.767
宁夏2122.3814163070.0007.07376.923
新疆630.0043720.0000.38755.556

新窗口打开

根据图1中各网络的关系,利用Ucinet软件中的CONCOR程序,分割深度为2,收敛标准为0.2,将整个网络分割为4个旅游经济增长板块(表3),第一板块包括北京、湖北、河北、山西、陕西、上海、重庆、山东、云南、江西、河南和贵州,共12个省区;第二板块包括福建、内蒙古、黑龙江、广东、浙江、天津、吉林和宁夏,共个8省区;第三板块包括江苏、辽宁、广西、四川4个省区;第四板块包括湖南、西藏、海南、甘肃、青海、安徽、新疆7个省区。在整体网络的248个关联关系中,4个板块内部关系有76个,板块间关系数有172个,说明板块间溢出效应十分明显,即旅游经济增长的溢出效应明显。第一板块为经纪人板块,第二、三、四板块虽同为主受益板块,但在与其他板块的关系中有细微差别,其中,第三板块的活力最强,板块内部实际关系比例最高,且远大于期望的内部关系数,说明板块内各省区入境旅游经济发展联系最为密切,其次是第二板块,第四板块内部活力最弱,板块内各省区入境旅游经济发展联系较弱(表3)。

表3   入境旅游经济增长板块特征

Table 3   The characteristics of plate about economic growth of inbound tourism

旅游经济
板块
第一板块
接受关系
第二板块
接受关系
第三板块
接受关系
第四板块
接受关系
板块数目
成员
实际的内部关系比例(%)期望的内部关系比例(%)接受板块外关系数板块类型
第一板块333716251229.736.745经纪人板块
第二板块372608836.623.356主受益板块
第三板块3574436.81034主受益板块
第四板块5141810721.32037主受益板块

新窗口打开

为反映各板块旅游经济增长的溢出效应,本文计算各板块的密度矩阵,第一板块旅游经济增长的溢出效应较均匀,4个板块都有受益。第二板块旅游经济增长的溢出效应主要集中在板块内部,其次是第一板块,对第四板块的溢出作用较小,对第三板块的溢出效应为0。第三板块旅游经济增长溢出效应主要针对板块内部,对板块外部旅游经济增长的溢出效应较小。第四板块旅游经济增长溢出效应主要针对第三板块,其次是在第二板块和板块内部,对第一板块的溢出效应较小。

为进一步分析各省区入境旅游经济增长的空间关联,本文以整体网密度值0.266 7为分界值,高于0.266 7赋值为1,低于0.266 7赋值为0画出像矩阵(图2),从图中可以看出,第二板块为入境旅游经济增长的“发动机”,它将入境旅游经济增长的动能传递给第一板块,第一板块内部入境旅游经济关系较为活跃,同时担任“桥梁”作用,将入境旅游经济增长的动能传递给第三板块和第四板块,同时第四板块又将动能传递给第三板块。在各板块所含省区中,经济较为发达的省区,如北京、上海、广东,以及旅游资源较为丰富的旅游大省,如云南、陕西、贵州等省区,都处于第一、二板块中,占据重要的位置,对入境旅游经济的增长起着重要的作用。

图2   四大板块相互关系

Fig.2   The interrelation of four plates

3 入境旅游经济增长空间关联的影响因素

运用社会网络分析法中的QAP检验各因素对入境旅游经济增长空间关联的影响,检验过程中首先对自变量矩阵进行数据处理,对比处理后的矩阵与因变量矩阵间的相关关系,选择相关系数最大的关系矩阵,其中,对各省市1991~2014年入境旅游人数进行格兰杰因果关系检验,有关系赋值为1,无关系赋值为0,得入境旅游人数的空间关联矩阵( N);选取1991~2014年各省区地区生产总值,按地区间的差值矩阵进行赋值,经检验,选择20(单位:100亿元)为分割值,即差值在[0,20]之间时,赋值为1,反之,赋值为0,得地区生产总值关系矩阵( G);按地区间最快捷的交通方式选择最短时间,经检验,选择2小时为分隔值,两地区最短到达时间小于2小时则赋值为1,大于2小时则赋值为0,得交通便捷度关系矩阵( T);按照旅游资源丰度计算公式[20]计算各地区旅游资源丰度,经检验,选择27为分隔值,即差值在[0,27]之间时,赋值为1,反之,赋值为0,得旅游资源丰度矩阵( S)。

在此基础上,对4个影响因素矩阵与入境旅游经济增长空间关联矩阵的相关关系进行检验,显示4个因素都满足5%的显著性水平,显著相关,相关系数在7%~14%间。对因变量矩阵与4个自变量矩阵进行QAP回归分析,结果如表4,发现入境旅游人数、交通便捷度与旅游资源矩阵回归系数在5%的水平显著,地区生产总值矩阵回归系数在10%的水平显著,说明入境旅游人数、交通便捷度、旅游资源、地区生产总值是构建入境旅游经济增长空间关联的重要影响因素,其中入境旅游人数空间关联矩阵的回归系数最大,其次是旅游资源丰度与交通便捷度,地区生产总值空间关联矩阵回归系数最小,分别可解释13%,7.2%,6.8%和5%的入境旅游经济增长空间关联关系。说明4个因素对入境旅游经济增长的空间关联有正向影响作用,有助于地区间构建入境旅游经济增长的空间关联关系,入境旅游客源市场和资源丰度越相近、经济发展联系越密切、交通便捷度越高,两地区间的入境旅游经济增长空间关联越密切。

表4   影响因素矩阵的QAP回归分析结果

Table 4   The QAP regression analysis results of influence factor matrix

变量非标准化回归系数标准化回归系数显著性概率概率1概率2
截距0.1740.000
N0.0690.1300.0000.0001.000
T0.0630.0680.0300.0300.970
G0.0520.0500.0950.0950.906
S0.0640.0720.0420.0420.959

注:空白项为无数据

新窗口打开

4 结论

本文收集1991~2014年有关数据,利用格兰杰因果关系检验、社会网络分析法,分析中国省际入境旅游经济增长的空间关联性,探索中国省际入境旅游经济增长的空间网络特征、各省区在整体网络中地位和作用,以及网络空间溢出效应等,并使用QAP相关分析和回归分析方法,揭示入境旅游经济增长空间关联的影响因素,结果发现:

1) 入境旅游经济增长空间关联网络的关联度较高,结构均匀,不存在独立发展的地区,但网络整体紧密度不够;网络存在多重叠加的溢出效应,网络稳健性较强。外向中心势大于内向中心势,溢出关系多于受益关系,中间中心势与接近中心势值较低,总体联系较分散,需加强各区域之间的合作,增强入境旅游经济增长的空间关联结构。

2) 经济越发达地区,个体网络密度越高,与其他各省区间空间关联越多,空间上呈现出阶梯式特征,东部地区一般大于中、西部地区,稳健性逐步减弱。根据中心度指标分析各省区在整体网络中的作用和地位,发现中、西部地区某些省市在整体网络中联系较多,中介作用较大,传输作用较强,这可能和中国优势旅游资源的空间分布有关。

3) 入境旅游经济增长空间关联网络可分为4个板块,第一板块属于经纪人板块,第二板块属于主受益板块,依托较高的经济发展水平与优势旅游资源等条件,分别在整体网络发挥“桥梁”与“发动机”的作用;第三、四板块都属于主受益板块,板块成员较少,板块活跃度相对较弱;其空间关联传递机制是由第二板块所含省区担任“发动机”,将入境旅游经济增长“动能”沿第一板块所含省区发挥经纪人作用传递给第三、四板块所含省区。

4) 入境旅游人数关联、交通便捷度、旅游资源分布、经济发展关联是影响入境旅游经济增长空间关联的重要因素。QAP相关分析发现,4个自变量与因变量之间有显著正向相关关系,进一步QAP回归分析发现,入境旅游人数、旅游资源分布、交通便捷度、经济发展关联分别可解释13%,7.2%,6.8%和5%的入境旅游经济增长空间关联关系。

本文使用社会网络分析法,分析中国省际入境旅游经济增长的空间关联网络结构,在研究方法和结论上有一定新意,但相关研究仍存在一定的局限性,首先,格兰杰因果关系检验,只能分析两个地区间入境旅游经济发展有无因果关系,无法给出关系的强弱,导致后续分析中只能分析各省区入境旅游经济的溢出关系与受益关系的数量,并不能给出效应的大小;其次,格兰杰因果关系检验对相关的时间序列数据有一定的要求,刚产生的关系或关系很微弱时,可能无法通过因果关系检验,因此本文的入境旅游经济增长空间关联网络并不完全准确和完善;由于相关数据的限制,在进行QAP相关分析及回归分析时,涉及的因素偏少,无法全面验证影响入境旅游经济增长空间关联的各个因素,需要在后续研究中完善。

The authors have declared that no competing interests exist.


参考文献

[1] Yang Yang, Timothy Fik, Jie Zhang.

Modeling sequential tourist flows: Where is the next destination?

[J]. Annals of Tourism Research,2013,43(10):297-320.

https://doi.org/10.1016/j.annals.2013.07.005      URL      [本文引用: 1]      摘要

This paper analyzes the subsequent decisions of tourists with respect to sequential destinations: why they visit a given destination after visiting a previous one and where they are most likely to go. Using a dataset from an on-site tourist survey in Nanjing, China, we study this decision process by partitioning it into three stages, and a nested logit model is used to estimate the determinants in each stage. Apart from the individual characteristics of tourists and destination attributes, we find that the spatial configuration of destinations (spatial structure) also tends to influence tourists' destination choice. Finally, a series of simulations are carried out to understand the competition/substitution patterns between subsequent destinations.
[2] María Santana-Gallego, Francisco J Ledesma-Rodríguez , Jorge VPérez-Rodríguez.

International trade and tourism flows: An extension of the gravity model

[J]. Economic Modelling, 2016,52(1):1026-1033.

https://doi.org/10.1016/j.econmod.2015.10.043      URL      [本文引用: 1]      摘要

The empirical relationship between trade and tourism has been explored during recent years finding that international tourism promotes international trade between countries. However, the impact of tourism on trade flows has been neglected within standard international trade models such as the gravity equation. The main aim of this paper is to provide empirical and theoretical evidence that tourism matters for international trade. To that end, the framework proposed by Helpman, Melitz and Rubinstein (2008) is used by recognising that tourism flows could reduce fixed and variable costs of exporting. Moreover, once the model is estimated, the empirical evidence suggests that tourism increases both the probability of two countries trading with each other and the volume of international trade between them.
[3] Glauco De Vita.

The long-run impact of exchange rate regimes on international tourism flows

[J]. Tourism Management,2014,45(12):226-233.

https://doi.org/10.1016/j.tourman.2014.05.001      URL      [本文引用: 1]      摘要

Notwithstanding the systematic inclusion of an exchange rate variable of some form in studies examining international tourism flows, hardly any research has been carried out to test for a possible exchange rate regime effect. Drawing from recent advances in exchange rate regime classifications, this paper begins to fill this gap by investigating the impact of exchange rate regimes on international tourism flows. The study employs a system generalized methods of moments (SYS-GMM) estimation for tourist arrivals on a panel of 27 Organization for Economic Co-operation and Development (OECD) and non OECD countries for the period 1980 2011. The results identify multiple exchange rate regime effects and support the importance of maintaining a relatively stable exchange rate to attract international tourist arrivals.
[4] Faruk Balli, Hatice O Balli, Rosmy Jean Louis.

The impacts of immigrants and institutions on bilateral tourism flows

[J].Tourism Management, 2016, 52(2): 221-229.

https://doi.org/10.1016/j.tourman.2015.06.021      URL      [本文引用: 1]      摘要

In this paper, we use data on recent bilateral tourism flow from 34 Organisation for Economic Co-operation and Development (OECD) countries to 52 middle-to low-income countries for the period 1995 2010 to determine whether immigration, trade and institutional quality play a role in driving OECD nationals to visit immigrant-source countries. Except for the African countries, the results show that immigrants residing in OECD countries have a positive advertising effect for their home country, inducing tourism flows from OECD countries. We also find that the quality of institutions, along with freedom and civil liberty indices, are important in selecting tourism destinations. A massive 8% of the variation in tourism flows can be accounted for by these factors. These results hold for the subsample and the whole sample with two exceptions: European and African destinations. We posit that this feature of the data exists because European (African) countries are so similar to each other, and small differences in the indexes do not matter at the top (bottom) of the distribution. By controlling for gravity and macroeconomic stability variables, we also show that the trade flows between countries, among other factors, play a crucial and stable role on tourism flows. Dynamic panel data estimation is used to account for the influence of repeat visits and support our findings.
[5] 马耀峰, 李永军.

中国入境旅游流的空间分析

[J]. 陕西师范大学学报(自然科学版), 2000, 28(3): 121-124.

[本文引用: 1]     

[Ma Yaofeng, Li Yongjun.

Spatial analysis of the inbound tourism flow to and in China.

Journal of Shaanxi Normal University (Natural Science Edition), 2000, 28(3): 121-124.]

[本文引用: 1]     

[6] 陈秀琼, 黄福才.

中国入境旅游的区域差异特征分析

[J]. 地理学报, 2006, 61(12): 1271-1280.

[本文引用: 1]     

[Chen Xiuqiong, Huang Fucai.

Temporal change of regional disparity in Chinese inbound tourism.

Acta Geographica Sinica, 2006, 61(12): 1271-1280.]

[本文引用: 1]     

[7] 陈刚强, 许学强.

中国入境旅游规模空间分布变化及因素分析

[J]. 地理科学, 2011, 31(5): 613-619.

URL      [本文引用: 1]      摘要

基于地市入境旅游人数和相关经济统计数据,运用基尼系数和主成份回归等分析方法,探讨了1999~2008年中国入境旅游规模空间分布和内部结构变化的规律及相关因素。结果表明,全国、三大地带和大部分省份的空间分布都属集聚型,但其集中性基本呈现下降趋势,且这种变化趋势体现在内部结构的变化上也有明显地一致性。进一步分析表明,总体上,不同规模等级和空间层次的空间分布不平衡程度越低,趋向分散的态势就越明显。这种空间分布变化与旅游发展条件的不断改善存在正的相关性。在各地区旅游业得到全面发展、旅游需求发生结构性变化的转型时期,经济发展、产业结构优化、对外经济开放度、市场发展和基础设施条件等因素对缩小地区入境旅游规模空间差异的作用日益凸现,旅游发展机制向多元化因素驱动转变。

[Chen Gangqiang, Xu Xueqiang.

Evolution and its factors of spatial distribution of inbound tourism size in China.

Scientia Geogeraphica Sinica, 2011, 31(5): 613-619.]

URL      [本文引用: 1]      摘要

基于地市入境旅游人数和相关经济统计数据,运用基尼系数和主成份回归等分析方法,探讨了1999~2008年中国入境旅游规模空间分布和内部结构变化的规律及相关因素。结果表明,全国、三大地带和大部分省份的空间分布都属集聚型,但其集中性基本呈现下降趋势,且这种变化趋势体现在内部结构的变化上也有明显地一致性。进一步分析表明,总体上,不同规模等级和空间层次的空间分布不平衡程度越低,趋向分散的态势就越明显。这种空间分布变化与旅游发展条件的不断改善存在正的相关性。在各地区旅游业得到全面发展、旅游需求发生结构性变化的转型时期,经济发展、产业结构优化、对外经济开放度、市场发展和基础设施条件等因素对缩小地区入境旅游规模空间差异的作用日益凸现,旅游发展机制向多元化因素驱动转变。
[8] 于洪雁, 李秋雨, 梅林, .

社会网络视角下黑龙江省城市旅游经济联系的空间结构和空间发展模式研究

[J]. 地理科学, 2015, 35(11): 1430-1436.

https://doi.org/10.11820/dlkxjz.2001.02.001      URL      [本文引用: 1]      摘要

基于引力模型获取黑龙江省12个地级市的旅游经济联系度作为基础数据,采用社会网络理论与方法,借助Ucinet6.0软件构建旅游经济联系的空间结构评价指标和模型,通过节点的中心度、结构洞和网络的密度、中心势、核心-边缘模型、角色划分来探讨空间结构特征,最终构建旅游地的空间等级体系和空间发展模式。结果表明:①2007~2012年,黑龙江省城市旅游经济联系网络呈现出西南部、东南部密集,北部、东北部稀疏的格局。网络密度、度数中心度、接近中心度增长,而重点城市的中间中心度与结构洞水平下降,更多节点在网络中占据较多的结构洞位置,发挥了相应的核心作用。网络空间结构逐渐由松散走向紧密状态,由不均衡趋于均衡。②网络中存在明显的核心区与边缘区,并细分为4个角色群体以定位城市节点的地位及属性。③黑龙江省城市旅游地可划分为核心旅游地、重要旅游地、一般旅游地和边缘旅游地4个等级,网络空间呈现出“一核、两翼、三轴三圈”的发展模式。

[Yu Hongyan, Li Qiuyu, Mei Lin et al.

Research on the spatial structure and spatial development patterns of urban tourism economic connections of Heilongjiang Province-focus on the Perspective of Social Network.

Scientia Geogeraphica Sinica, 2015, 35(11): 1430-1436.]

https://doi.org/10.11820/dlkxjz.2001.02.001      URL      [本文引用: 1]      摘要

基于引力模型获取黑龙江省12个地级市的旅游经济联系度作为基础数据,采用社会网络理论与方法,借助Ucinet6.0软件构建旅游经济联系的空间结构评价指标和模型,通过节点的中心度、结构洞和网络的密度、中心势、核心-边缘模型、角色划分来探讨空间结构特征,最终构建旅游地的空间等级体系和空间发展模式。结果表明:①2007~2012年,黑龙江省城市旅游经济联系网络呈现出西南部、东南部密集,北部、东北部稀疏的格局。网络密度、度数中心度、接近中心度增长,而重点城市的中间中心度与结构洞水平下降,更多节点在网络中占据较多的结构洞位置,发挥了相应的核心作用。网络空间结构逐渐由松散走向紧密状态,由不均衡趋于均衡。②网络中存在明显的核心区与边缘区,并细分为4个角色群体以定位城市节点的地位及属性。③黑龙江省城市旅游地可划分为核心旅游地、重要旅游地、一般旅游地和边缘旅游地4个等级,网络空间呈现出“一核、两翼、三轴三圈”的发展模式。
[9] 张爱平, 钟林生, 徐勇, .

中国省际旅游发展质量特征及空间差异

[J]. 地理科学, 2015, 31(3): 283-292.

[本文引用: 1]     

[Zhang Aiping, Zhong Linsheng, Xu Yong et al.

Characteristics and spatial difference of provincial tourism development quality in China.

Scientia Geogeraphica Sinica, 2015, 31(3): 283-292.]

[本文引用: 1]     

[10] 李创新, 马耀峰, 郑鹏, .

基于STSM的入境旅游流集散地域结构特征分析——以中国入境旅游六大典型区域为例

[J]. 地理科学, 2011, 31(5): 620-626.

[本文引用: 1]     

[Li Chuangxin, Ma Yaofeng, Zhang Peng et al.

Characters of regional structure of chinese inbound tourism flows’ concentration and diffusion based on spatial transferring state matrix.

Scientia Geogeraphica Sinica, 2011, 31(5): 620-626.]

[本文引用: 1]     

[11] 吴晋峰.

入境外国旅游流网络分布、性质和结构特征研究

[J]. 干旱区资源与环境, 2014, 28(7): 177-182.

[本文引用: 1]     

[Wu Jinfen.

Distribution of inbound foreigner tourist flows and its property and structure characters in China.

Journal of Arid Land Resources and Environment, 2014, 28(7): 177-182.]

[本文引用: 1]     

[12] 彭红松, 陆林, 路幸福, .

基于社会网络方法的跨界旅游客流网络结构研究——以泸沽湖为例

[J]. 地理科学, 2014, 34(9): 1041-1050.

Magsci      [本文引用: 1]      摘要

<p>基于问卷调查和旅行社推介线路,获取旅游客流数据,借助社会网络结构洞理论、社会资源理论与结构角色理论,运用Ucinet和Netdraw 软件,构建跨界旅游客流网络结构模型,并以川滇泸沽湖为案例地,探讨跨界旅游客流空间布局模式、网络结构及节点角色地位,试图揭示跨界旅游客流时空演变、扩散规律及内在机理,为跨界旅游区协同合作提供一定的科学依据。结果表明:① 泸沽湖跨界旅游客流网络中,丽江古城区、大玉龙景区是旅游客流网络的核心和集散中心;泸沽湖、香格里拉处于次级旅游核心和次级集散中心地位;大理古城区、苍山洱海、昆明市区、束河古镇是重要旅游目的地和旅游通道;泸山邛海是唯一位于四川的次级集散中心和重要目的地;其他旅游节点中心性指标得分较低,主要接受高等级旅游地旅游客流辐射,相互连接强度较低,为一般旅游目的地和边缘旅游目的地;② 跨界旅游区客流网络存在核心-边缘结构,边界效应极强,客流网络结构分层明显,可细分为旅游核心、云南片重要旅游节点、云南片一般旅游地、跨界旅游地和四川片重要旅游地5 类;③ 旅游客流网络中存在明显的派系,泸沽湖旅游客流流动路径指向云南片区大玉龙景区、丽江古城区、香格里拉及四川片区泸山邛海,这些地区成为景区突破边界效应,带动跨界旅游一体化发展的关键。④ 川滇两省旅游行政部门共同制定旅游区发展规划,树立统一的旅游品牌形象,整合并优化资源、产品与线路,完善跨界旅游交通网络等是今后泸沽湖跨界旅游合作的重点。</p>

[Peng Hongsong, Lu Lin, Lu Xingfu et al.

The network structure of cross-border tourism flow based on the social network method: A case of Lugu lake region.

Scientia Geogeraphica Sinica, 2014, 34(9): 1041-1050. ]

Magsci      [本文引用: 1]      摘要

<p>基于问卷调查和旅行社推介线路,获取旅游客流数据,借助社会网络结构洞理论、社会资源理论与结构角色理论,运用Ucinet和Netdraw 软件,构建跨界旅游客流网络结构模型,并以川滇泸沽湖为案例地,探讨跨界旅游客流空间布局模式、网络结构及节点角色地位,试图揭示跨界旅游客流时空演变、扩散规律及内在机理,为跨界旅游区协同合作提供一定的科学依据。结果表明:① 泸沽湖跨界旅游客流网络中,丽江古城区、大玉龙景区是旅游客流网络的核心和集散中心;泸沽湖、香格里拉处于次级旅游核心和次级集散中心地位;大理古城区、苍山洱海、昆明市区、束河古镇是重要旅游目的地和旅游通道;泸山邛海是唯一位于四川的次级集散中心和重要目的地;其他旅游节点中心性指标得分较低,主要接受高等级旅游地旅游客流辐射,相互连接强度较低,为一般旅游目的地和边缘旅游目的地;② 跨界旅游区客流网络存在核心-边缘结构,边界效应极强,客流网络结构分层明显,可细分为旅游核心、云南片重要旅游节点、云南片一般旅游地、跨界旅游地和四川片重要旅游地5 类;③ 旅游客流网络中存在明显的派系,泸沽湖旅游客流流动路径指向云南片区大玉龙景区、丽江古城区、香格里拉及四川片区泸山邛海,这些地区成为景区突破边界效应,带动跨界旅游一体化发展的关键。④ 川滇两省旅游行政部门共同制定旅游区发展规划,树立统一的旅游品牌形象,整合并优化资源、产品与线路,完善跨界旅游交通网络等是今后泸沽湖跨界旅游合作的重点。</p>
[13] 余凤龙, 黄震方, 王宜强.

中国沿海区域入境旅游经济差异的时空格局演化

[J].地理与地理信息科学, 2013, 29(6):105-110.

[本文引用: 1]     

[Yu Fenglong, Huang Zhenfang, Wang Yiqiang.

Spatial-temporal pattern evolution of inbound tourism economic differences inChinese coastal regions. Geography and Geo-information

Science, 2013, 29(6): 105-110.]

[本文引用: 1]     

[14] 郭永锐, 张捷, 卢韶婧, .

中国入境旅游经济空间格局的时空动态性

[J].地理科学,2014, 34(11): 1299-1304.

URL      Magsci      [本文引用: 1]      摘要

<p>以中国31 个省域作为研究单元,以入境旅游外汇收入作为入境旅游经济的衡量指标,运用ESTDA框架,通过ESDA、LISA 时间路径和时空跃迁等方法,从时空耦合的视角对中国2001~2011 年省域入境旅游经济空间格局的时空动态性进行分析。研究发现:中国入境旅游经济存在弱正相关,表现为一种弱积聚格局,入境旅游经济空间差异呈现先缩小后扩大的趋势;东部沿海旅游经济发达地区具有更加动态的局部空间结构,而中西部旅游经济欠发达地区具有更加稳定的局部空间结构;湖北省在空间依赖方向上具有最大的波动性,而浙江省在空间依赖方向上具有最大的稳定性;中国入境旅游经济空间格局的演化具有较强的空间整合性,出现协同高增长趋势的省份主要集中在东部地区,而出现协同低增长趋势的省份主要集中在中西部地区;中国入境旅游经济的局部区域结构和空间自相关性非常稳定,具有一定的路径依赖或锁定特征。</p>

[Guo Yongrui, Zhang Jie, Lu Shaojing et al.

Spatio-temporal change of the inbound tourism economic development in China.

Scientia Geogeraphica Sinica, 2014, 34(11): 1299-1304.]

URL      Magsci      [本文引用: 1]      摘要

<p>以中国31 个省域作为研究单元,以入境旅游外汇收入作为入境旅游经济的衡量指标,运用ESTDA框架,通过ESDA、LISA 时间路径和时空跃迁等方法,从时空耦合的视角对中国2001~2011 年省域入境旅游经济空间格局的时空动态性进行分析。研究发现:中国入境旅游经济存在弱正相关,表现为一种弱积聚格局,入境旅游经济空间差异呈现先缩小后扩大的趋势;东部沿海旅游经济发达地区具有更加动态的局部空间结构,而中西部旅游经济欠发达地区具有更加稳定的局部空间结构;湖北省在空间依赖方向上具有最大的波动性,而浙江省在空间依赖方向上具有最大的稳定性;中国入境旅游经济空间格局的演化具有较强的空间整合性,出现协同高增长趋势的省份主要集中在东部地区,而出现协同低增长趋势的省份主要集中在中西部地区;中国入境旅游经济的局部区域结构和空间自相关性非常稳定,具有一定的路径依赖或锁定特征。</p>
[15] 刘法建, 张捷, 章锦河, .

中国入境旅游流网络省级旅游地角色研究

[J].地理研究, 2010, 29(6): 1141-1152.

https://doi.org/10.11821/yj2010060018      URL      [本文引用: 1]      摘要

通过构建中国入境旅游流网络,运用社会网络理论中的结构对等性分析模型,对中国入境旅游流结构中各省级旅游地的功能地位进行分类、比较、定位,然后采用中心度分析指标,对各省级旅游地在旅游流互动关系中的功能角色进行量化分析,分析了形成此种功能模式的影响因素。结果表明:(1)中国31个省级旅游地共可以分为4种角色类型,即全国旅游中枢、区域旅游枢纽、一般性旅游地、边缘性旅游地;(2)尽管每个省级旅游地的各类细化功能有强有弱,但同一角色类型在中心度指标上存在相同的模式特征;(3)中国入境旅游流结构中省级旅游地功能角色的差异主要受制于区域经济发展水平、旅游服务设施、对外联系度等方面,旅游资源和内部交通便捷度的影响较小。通过整体视角把握中国入境旅游流结构特征,对省级旅游地角色进行定位,为引导各省市入境旅游的均衡协调发展提供一定的参考。

[Liu Fajian, Zhang Jie, Zhang Jinhe et al.

Roles and functions of provincial destinations in Chinese inbound tourist flow network.

Geographical Research, 2010,29(6):1141-1152.]

https://doi.org/10.11821/yj2010060018      URL      [本文引用: 1]      摘要

通过构建中国入境旅游流网络,运用社会网络理论中的结构对等性分析模型,对中国入境旅游流结构中各省级旅游地的功能地位进行分类、比较、定位,然后采用中心度分析指标,对各省级旅游地在旅游流互动关系中的功能角色进行量化分析,分析了形成此种功能模式的影响因素。结果表明:(1)中国31个省级旅游地共可以分为4种角色类型,即全国旅游中枢、区域旅游枢纽、一般性旅游地、边缘性旅游地;(2)尽管每个省级旅游地的各类细化功能有强有弱,但同一角色类型在中心度指标上存在相同的模式特征;(3)中国入境旅游流结构中省级旅游地功能角色的差异主要受制于区域经济发展水平、旅游服务设施、对外联系度等方面,旅游资源和内部交通便捷度的影响较小。通过整体视角把握中国入境旅游流结构特征,对省级旅游地角色进行定位,为引导各省市入境旅游的均衡协调发展提供一定的参考。
[16] 国家旅游局. 中国旅游统计年鉴[M].北京:中国旅游出版社,1992-2015.

[本文引用: 1]     

[National tourism administration of China. The yearbook of China tourism statistics. Beijing:China tourism Press,1992-2015.]

[本文引用: 1]     

[17] 国家统计局. 中国统计年鉴[M].北京:中国统计出版社,1992-2015.

[本文引用: 1]     

[National bureau of statistics of China. China statistical yearbook. Beijing: China Statistics Press,1992-2015.]

[本文引用: 1]     

[18] 高铁梅. 计量经济分析方法与建模[M].北京:清华大学出版社,2009.

[本文引用: 1]     

[Gao Tiemei.Econometric methods and modeling.Beijing:Tsinghua University Press,2009.]

[本文引用: 1]     

[19] 刘军. 整体网分析讲义-UCINET软件实用指南[M].上海:格致出版社,2009.

[本文引用: 1]     

[Liu Jun.Integrated network analysis-Practical guide to UCINET software. Shanghai: Truth&Wisdow Press, 2009.]

[本文引用: 1]     

[20] 马丽君, 孙根年, 黄芸玛, .

城市国内客流量与游客网络关注度时空相关分析

[J]. 经济地理, 2011, 31(4): 680-685.

https://doi.org/10.11820/dlkxjz.2011.06.014      URL      [本文引用: 1]      摘要

系统收集城市客流量及游客网络关注度数据,分析影响客流量及游客网络关注度时空变化的主要因素及其边际效应,构建了国内游客量与游客网络关注度的时空相关模型。结果显示:①气候舒适度、双休节假日等是影响客流量及游客网络关注度年内变化的主要因素,气候舒适度及节假日对客流量和游客网络关注度月指数的边际效应系数分别为0.207、4.173和0.743、5.093;②旅游资源丰度、经济发展水平、人口数量、气候舒适度等是影响客流量及游客网络关注度空间分布的主要因素,其对客流量及游客网络关注度空间分布的边际效应系数分别为37.102、0.683、1.356、47.175和0.397、0.002、0.005、0.786;③游客网络关注度与客流量在时空变化上有较强的相关性,游客网络关注度月指数每变化1%,客流量月指数将增加(或减少)0.611%,游客网络关注度每增加(或减少)1万次,客流量将增加(或减少)125.866万人次。

[Ma Lijun, Sun Gennian, Huang Yunma et al.

A correlative analysis on the relationship between domestic touristic and network attention.

Economic Geography, 2011, 31(4): 680-685.]

https://doi.org/10.11820/dlkxjz.2011.06.014      URL      [本文引用: 1]      摘要

系统收集城市客流量及游客网络关注度数据,分析影响客流量及游客网络关注度时空变化的主要因素及其边际效应,构建了国内游客量与游客网络关注度的时空相关模型。结果显示:①气候舒适度、双休节假日等是影响客流量及游客网络关注度年内变化的主要因素,气候舒适度及节假日对客流量和游客网络关注度月指数的边际效应系数分别为0.207、4.173和0.743、5.093;②旅游资源丰度、经济发展水平、人口数量、气候舒适度等是影响客流量及游客网络关注度空间分布的主要因素,其对客流量及游客网络关注度空间分布的边际效应系数分别为37.102、0.683、1.356、47.175和0.397、0.002、0.005、0.786;③游客网络关注度与客流量在时空变化上有较强的相关性,游客网络关注度月指数每变化1%,客流量月指数将增加(或减少)0.611%,游客网络关注度每增加(或减少)1万次,客流量将增加(或减少)125.866万人次。

/