地理科学 2018 , 38 (1): 107-113 https://doi.org/10.13249/j.cnki.sgs.2018.01.012

Orginal Article

基于GWR模型的中国区域旅行社业效率空间分异及动力机制分析

胡宇娜¹^,, 梅林², 魏建国¹

1.鲁东大学商学院, 山东烟台 264025
2.东北师范大学地理科学学院, 吉林长春 130024

Spatial Differentiation and Dynamic Mechanism of Regional Travel Agency Efficiency in China Based on GWR Model

Hu Yuna¹^,, Mei Lin², Wei Jianguo¹

1.School of Business, Ludong University, Yantai 264025, Shandong, China
2.School of Geography Science, Northeast Normal University, Changchun 130024, Jilin, China

中图分类号: F592.6

文献标识码: A

文章编号: 1000-0690（2018）01-0107-07

收稿日期: 2017-02-25

修回日期: 2017-05-3

网络出版日期: 2018-01-10

基金资助: 国家自然科学基金（41471111）资助

作者简介:

作者简介：胡宇娜（1980-）,女,山东青岛人,讲师,博士,主要从事旅游经济和旅游电子商务研究。E-mail：huyuna0419@163.com

展开

摘要

基于DEA模型对中国31个省域的旅行社业效率空间分异特征进行了分析,首次运用GWR模型探索交通、资本、人才、信息化和经济动力对区域旅行社业效率影响的空间差异。结果表明：旅行社业效率在空间上具有正相关性和集聚特征,空间格局从“川”字型向“山”字型转变。各动力因子的系数均存在空间非平稳性。资本和人才动力的回归系数在空间分布上从南向北依次递减;经济动力的分布趋势为从北向南依次递减;交通动力对中西部地区旅行社效率提升的促进作用显著于东部地区;信息化动力则在东部地区表现出较强的促进作用。

关键词： 旅行社 ; 效率 ; 地理加权回归 ; 空间分异 ; 动力机制

Abstract

Although abundant studies on tourism efficiency have been made both at home and abroad, few of them have explored and analyzed the dynamic mechanism of tourism efficiency from the perspective of spatial nonstationarity. Based on DEA model, this article analyzes the features of travel agency efficiency spatial differentiation of the 31 provincial-level regions in China. And by using GWR model initially, the spatial differentiation of regional travel agency efficiency influenced by the five driving forces, i.e. transportation, capital, human resource, informatization, and economy has been explored in this article. Compared with the ordinary least square(OLS), GWR model extends the traditional regression framework by allowing the estimation of local rather than global parameters. The results show that: Firstly, the distribution of China travel agency efficiency shows evident positive correlation and spatial dependence; and as time goes on, this dependence increases. Secondly, in space differentiation, the difference between east and west China is increasing, the difference between north and south China is narrowing, and the role of central and south region becomes more significant to some extent. Due to the influence of these changes, the spatial pattern oftravel agency efficiency transforms from a three-vertical-line type to a three-vertical-and-one-horizontal-line type. Thirdly, the test result shows that the GWR model is more suitable than the ordinary OLS model in terms of seeking the driving forces of the regional travel agency industry efficiency since the coefficient of each driving force has spatial nonstationary property. What’s more, the spatial distribution of the regression coefficients of different driving forces shows some complexity. Although capital and human resource driving forces have negative and positive impact on travel agency industry efficiency respectively, the spatial distributions of regression coefficients of these two factors exert much more influences in the south than that of the north. On the contrary, the regression coefficient of the economy driving force decreases from north to south. The regression coefficients of transportation and informatization driving forces show the features of two belt distributionsin the east and in the west respectively, and their influences are just the opposite. Transportation force plays a more important role to boost the travel agency efficiency in the central and west regions than that in the east; On the contrary, informatization force is more significant to enhance the travel agency efficiency in the east region, which indicates that the extent of informatization exerts more influences on the travel industry in the east region. In conclusion, priority should be given to choose and perfect the more powerful factors according to the different influences exerted on the local travel agency industry efficiency by different dynamic factors so as to boost the efficiency of the travel agency industry.

Keywords： travel agency ; efficiency ; GWR (geographically weighted regression) ; spatial differentiation ; dynamic mechanism

PDF (729KB) 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

胡宇娜, 梅林, 魏建国. 基于GWR模型的中国区域旅行社业效率空间分异及动力机制分析[J]. 地理科学, 2018, 38(1): 107-113 https://doi.org/10.13249/j.cnki.sgs.2018.01.012

Hu Yuna, Mei Lin, Wei Jianguo. Spatial Differentiation and Dynamic Mechanism of Regional Travel Agency Efficiency in China Based on GWR Model[J]. Scientia Geographica Sinica, 2018, 38(1): 107-113 https://doi.org/10.13249/j.cnki.sgs.2018.01.012

引言

旅行社业效率研究能够更好的揭示行业经济活动运行的状况和规律,对快速提升区域旅游竞争力有重要意义。国外对旅行社效率的研究集中于微观层面的旅行社企业效率测度^[1,2,3,4,5],对效率的影响因素等问题探讨较少。从国内研究来看,旅游效率研究也集中于使用DEA（Data Envelopment Analysis）进行效率的测度与评价方面^[6,7,8,9],最关注的领域是酒店业,旅行社方面的成果偏少,对其空间特征及背后影响因素问题进行探讨的则少之又少^[10,11]。

GWR模型（Geographical Weighted Regression）是一种能有效揭示被观测者空间非平稳性和空间依赖特征的方法^[12]。在旅游业相关研究中,部分学者对该法已经有一定的应用,发现GWR分解成局部参数估计优于OLS（Ordinary Least Square）提供的全局参数估计^[13,14]。但总体来说,该法在旅游产业研究中应用仍然很少,未见到应用于旅游产业效率的研究中。而目前关于旅行社业效率的研究不仅忽略了影响因素的探究,更忽略了空间效应在其中的影响作用。本文利用DEA模型对中国31个省域（未包括港澳台）旅行社业2002~2014年效率进行测算,并首次运用GWR模型结合GIS空间表达等方法,探究各个影响因素的空间异质性（非平稳性）,具有明显的学术和实际意义。

1 研究方法与数据选取

1.1 DEA分析方法

本文使用DEA方法中的CCR模型（3位运筹学家Charnes、Coopor和Rhodes名字的缩写）表示旅行社行业资源配置和规模集聚的综合水平,其公式如下：

$\begin{matrix} \min [θ - ε (\overset{P}{\sum_{p = 1}} S^{-} + \overset{Q}{\sum_{q = 1}} S^{+})] \end{matrix}$

$\begin{matrix} st : \overset{P}{\sum_{p = 1}} X_{pq} λ_{p} + S^{-} = θ x_{q}^{p} q = 1,2, 3, \dots, Q \end{matrix}$

$\begin{matrix} \overset{P}{\sum_{p = 1}} Y_{pl} λ_{p} - S^{+} = y_{l}^{p} l = 1,2, 3, \dots, L \end{matrix}$ （1）

$\begin{matrix} λ_{p} \geq 0 \end{matrix}$ ; $\begin{matrix} p = 1,2, 3, \cdot \cdot \cdot, P \end{matrix}$

$\begin{matrix} S^{-} \geq 0 ， S^{+} \geq 0 \end{matrix}$

其中, $\begin{matrix} θ \end{matrix}$ 为综合效率, $\begin{matrix} θ \end{matrix}$ 值越大,旅行社业效率越高; $\begin{matrix} ε \end{matrix}$ 为非阿基米德无穷小量; $\begin{matrix} S^{-} \end{matrix}$ 为松弛变量; $\begin{matrix} S^{+} \end{matrix}$ 为剩余变量;由于存在 $\begin{matrix} p \end{matrix}$ 个区域, $\begin{matrix} x_{q}^{p} \end{matrix}$ 表示第 $\begin{matrix} p \end{matrix}$ 个区域第 $\begin{matrix} q \end{matrix}$ 种资源的投入, $\begin{matrix} y_{l}^{p} \end{matrix}$ 表示第 $\begin{matrix} p \end{matrix}$ 个区域第 $\begin{matrix} l \end{matrix}$ 种产出量; $\begin{matrix} λ_{p} \end{matrix}$ 为权重变量。

1.2 全域空间自相关法

全域空间自相关法用来表示整个研究区域上所有空间单元间的平均关联程度及其显著性,在此选用应用非常广泛的全局莫兰指数（Global Moran’s $\begin{matrix} I \end{matrix}$ ）来反映空间关系,其计算公式如下：

$\begin{matrix} Moran’s I = \frac{m \overset{m}{\sum_{i = 1}} \overset{m}{\sum_{j = 1}} W_{ij} (a_{i} - \overset{̅}{a}) (a_{j} - \overset{̅}{a})}{\overset{m}{\sum_{i = 1}} \overset{m}{\sum_{j = 1}} W_{ij} \overset{m}{\sum_{i = 1}} (a_{i} - \overset{̅}{a})} \end{matrix}$ （2）

式中, $\begin{matrix} \overset{̅}{a} = \frac{1}{m} \overset{m}{\sum_{i = 1}} a_{i} \end{matrix}$ ; $\begin{matrix} a_{i} \end{matrix}$ 和 $\begin{matrix} a_{j} \end{matrix}$ 分别表示 $\begin{matrix} i \end{matrix}$ 地区和 $\begin{matrix} j \end{matrix}$ 地区的旅行社业效率值; $\begin{matrix} m \end{matrix}$ 为地区数; $\begin{matrix} W_{ij} \end{matrix}$ 为空间权重矩阵。Moran’s $\begin{matrix} I \end{matrix}$ 的取值范围在-1和1之间,越接近于1,空间正相关越强;越接近于-1,空间负相关性越强。统计检验采用Z检验和P检验。

1.3 标准差椭圆

现实中,很多地理现象的空间分布在各个方向上的离散程度是不同的,使用标准差椭圆法可以反映中国旅行社业效率在空间分布上的方向性。标准差椭圆有3个主要要素：指向tan $\begin{matrix} θ \end{matrix}$ 、最大标准差距离和最小标准差距离。在此通过椭圆的长轴方向表示旅行社业效率高的区域的主要分布方向,短轴为要素空间分布最少的方向。

1.4 GWR分析

经典的线性回归模型是建立在最小二乘法（OLS模型）基础上对参数进行估计的。根据Tobler地理学第一定律,地球上的事物与其他事物的关系都是距离近的比距离远的关系更大。当自变量为空间数据,且自变量间存在空间自相关性,OLS模型中残差项独立的假设将无法满足。GWR模型容许一些不平稳的数据直接被模拟,用局部参数估计来代替全局参数估计^[15],更利于探索空间变异特征和空间规律,其模型表示如下：

$\begin{matrix} y_{i} = β_{0} （ u_{i} v_{i} ） + \sum^{} β_{k} (u_{i}, v_{i}) x_{ik} + ε_{i} \end{matrix}$ （3）

其中, $\begin{matrix} y_{i} \end{matrix}$ 为全局因变量, $\begin{matrix} x_{ik} \end{matrix}$ 为自变量, $\begin{matrix} （ u_{i} v_{i} ） \end{matrix}$ 是第i个样本空间单元的地理区位坐标; $\begin{matrix} β_{k} （ u_{i}, v_{i} ） \end{matrix}$ 是连续函数 $\begin{matrix} β_{k} (u, v) \end{matrix}$ 在i样本空间单元的值, $\begin{matrix} ε_{i} \end{matrix}$ 为随机误差项, $\begin{matrix} β_{0} \end{matrix}$ 和 $\begin{matrix} β_{k} \end{matrix}$ 为一套参数, $\begin{matrix} k \end{matrix}$ 为单元数。

1.5 数据来源与指标选取

在DEA模型中,劳动力、资本和土地一直被认为是最根本的投入要素,考虑到旅行社业受土地要素制约较小,数据难以获得,在此仅考虑劳动力和资本两大要素。用从业人员数量表征劳动力要素,用企业数量和固定资产总额表征资本要素。产出方面选取最直接的营业收入进行效率分析。本文选取中国31个省区（不含港澳台）为研究对象,测算各省市2002~2014年旅行社业效率并分析其空间分异特征和影响因素。计算所需数据主要来源于2003~2015年《中国旅游统计年鉴及副本》^[16]和《中国统计年鉴》^[17]。将时间距离最近的2014年作为模型回归分析的重点研究年份。另外,本文中东中西部划分参照国家统计局公布的划分标准。

2 中国区域旅行社业效率的空间分异特征

2.1 川字型格局向山字型格局转变,中南部地区地位上升

按照Jenks等的最佳自然断裂法,将旅行社业效率分为4个梯度（图1）展示效率值在空间格局上的变化。整体而言,中国旅行社业效率存在显著的省际空间差异。2002年东、中、西三大地带的效率平均值分别为0.779 0、0.530 4和0.600 7,2008年分别为0.809 5、0.577 8和0.684 5,2014年分别为0.544 7、0.302 1和0.376 3,可见东部地区的旅行社业效率要好于中、西部地区。从年际变化来看,2002年位于第一梯队的省份在空间上呈“川”字型格局,形成三条南北向纵带分布于中国中部和东部地区;2008年位于第一梯队的省份在中国南部地区进一步聚集,“川”字型格局开始向“山”字型格局转变;2014年由于多个省份旅行社业效率下降到第二梯队,导致第一梯队的省份个数大幅度减小,但整体上高效率地区仍保持了“山”字型格局,中南部地区地位上升态势明显。

显示原图| 下载原图ZIP| 生成PPT

图1 2002、2008、2014年旅行社业效率分类特征

Fig.1 The classification features of travel agency efficiency in 2002, 2008 and 2014

2.2 东西差异在扩大而南北差异在缩小

标准差椭圆可以反映中国旅行社行业效率在空间分布上的方向性。从转角 $\begin{matrix} θ \end{matrix}$ 的变化看（表1）,2002年 $\begin{matrix} θ \end{matrix}$ 角为43.71°,略呈东北-西南走向;2007年变为40.19°,发生顺时针小幅偏转;2014年转角大幅减小,为28.49°,呈现典型的东北-西南走向。这种变化说明前期分布于椭圆轴线西南部的省份地位的提升快于位于相应分布椭圆轴线东北部的省份。从 $\begin{matrix} x \end{matrix}$ 轴的变化看,标准差一直在减小,其值从2002年的1 026.04 km下降到2014年的915.27 km,说明东西方向上一直表现出集聚趋势。从 $\begin{matrix} y \end{matrix}$ 轴的变化上看,其值从2002年的1 126.54 km增大到2014年的1 165.38 km,说明南北方向上一直表现出扩散趋势。综合 $\begin{matrix} x \end{matrix}$ 轴和 $\begin{matrix} y \end{matrix}$ 轴的变化可知,13 a间,旅行社业效率东西部之间差异性在扩大,南北部之间的差异性在缩小。

表1 2002、2008、2014年旅行社业效率标准差椭圆的参数变化

Table 1 Variation of standard deviation ellipse of travel agency efficiency (2002, 2008 and 2014)

	2002年	2008年	2014年
转角θ (°)	46.89	40.19	28.49
沿x轴标准差(km)	1026.04	1007.95	915.27
沿y轴标准差(km)	1126.54	1142.634	1165.38

新窗口打开

2.3 空间正相关特征愈发明显

通过计算2002~2014年旅行社业效率的Global Moran’s $\begin{matrix} I \end{matrix}$ 值及其显著性（表2）发现,除2012、2013年外,其他年份的Moran’s $\begin{matrix} I \end{matrix}$ 估计值均为正且通过检验,并且Moran’s $\begin{matrix} I \end{matrix}$ 逐渐增大,说明旅行社业效率的空间正相关性在增强。各省域旅行社业效率在空间上并不独立,而是呈现一定的空间集聚特征,这为GWR模型的构建奠定了基础。另外,对2012和2013年的Moran’s $\begin{matrix} I \end{matrix}$ 值未通过检验的原因进行探究发现,由于山东、河北、天津等东部多个省份在旅行社业方面加大了投入,而效益显现具有一定的滞后性,导致两年中旅行社业效率值有所下降,东西部间差异落到最小,效率值在空间中的集聚特征不再明显。

表2 2002~2014年旅行社业效率Moran’s $I$ 值

Table 2 Moran’s I of travel agency efficiency (2002-2014)

年份	2002	2003	2004	2005	2006	2007	2008
Moran’s $\begin{matrix} I \end{matrix}$	0.136	0.2274	0.2938	0.2476	0.3233	0.3157	0.3157
Z	2.1184	2.248	2.8138	2.4017	3.0446	2.9805	2.9805
P	0.034	0.0246	0.0051	0.0163	0.0023	0.0029	0.0029
年份	2009	2010	2011	2012	2013	2014
Moran’s $\begin{matrix} I \end{matrix}$	0.3172	0.2269	0.3172	0.0612	-0.0797	0.2768
Z	2.9842	2.2230	2.9842	0.8194	-0.4155	2.877
P	0.0028	0.0326	0.0028	0.4125	0.6778	0.004

新窗口打开

3 中国区域旅行社业效率的影响因素分析

3.1 变量选取

本文意在探寻纳入空间因素的省域旅行社业效率产生差异的原因,选取交通动力（JTDL）、资本动力（ZBDL）、人才动力（RCDL）、信息化动力（XXHDL）和经济动力（JJDL）5个动力因子作为解释变量,分别用地区客运量、固定资产投资、旅游业从业人员数、邮电业务总量和地方财政收入表示。

3.2 OLS模型及其结果

为了进行模型的对比分析,首先以上述5个动力因子为自变量、省域旅行社业效率为因变量构建OLS模型（表3）,模型的拟合优度良好。根据结果可知,经济动力对区域旅行社业效率的推动作用最强,说明中国旅行社业效率的提升主要动力来自于地区经济活力。信息化动力的正向推动作用说明随着信息时代的到来,如何有效的传递信息给旅游者、成功吸引到有效的购买对旅行社效益的提高作用越来越重要。人才动力的正向推动作用反映出新时期旅行社业发展对人力支持有迫切的需求。交通业承载了游客从客源地到目的地的运输任务,这种空间移动性决定了交通业对旅行社业发展有重要的支撑作用。与酒店、景区等旅游业中的其他行业相比,旅行社业所需要的固定资产投入要小很多,尤其是目前中国仍以中小旅行社占多数,行业整体占有的资源不高,回报率较低,更易受到其他行业的挤压,因此资本对旅行社业效率的提升反而有负向作用。

表3 OLS模型参数估计及检验结果

Table 3 Parameter estimation and test results of the OLS model

	回归系数	P
交通动力	0.114	0.042
资本动力	-0.300	0.000
人才动力	0.163	0.009
信息化动力	0.227	0.008
经济动力	0.292	0.002
常数项	0.415	0.000
校正可决系数	0.608

注：空白为无数据。

新窗口打开

3.3 GWR模型及其结果

1）参数估计及检验结果。以上述5个因子为自变量、省域旅行社业效率为因变量构建GWR模型,回归系数的计算在软件ArcGIS10.0中用GWR工具实现（表4）。模型的拟合优度比OLS模型很大提高,说明GWR模型的拟合结果要显著优于OLS模型。

表4 GWR模型参数估计及检验结果

Table 4 Parameter estimation and test results of the GWR model

模型参数	数值
带宽	1784339.7000
残差平方	0.3798
有效数	10.1302
标准差	0.1349
赤池信息准则	-19.9151
可决系数	0.7977
校正可决系数	0.7092

新窗口打开

从标准化残差的空间分布图（图2a）可以看出,各省域局部回归模型的标准化残差值的范围在[-1.79,2.53],各省域的局部回归模型均能通过残差检验。进一步对残差进行空间自相关性的检验,得到莫兰指数值为0.01,P值为0.82,残差在空间上完全随机分布,说明模型整体的效果很好。

显示原图| 下载原图ZIP| 生成PPT

图2 GWR模型标准化残差及回归系数空间分布

Fig.2 Spatial distribution of the standardized errors and regression coefficients in the GWR model

2）结果分析。各分析如下：

（1）交通动力对旅行社业效率影响的空间变异特征。从回归系数的空间分布来看（图2b）,交通动力对旅行社业效率的影响程度存在明显的空间差异,由西部地区向东部沿海地带依次递减。西藏、青海和新疆3省受交通状况的影响最深,以东北三省和浙闽地区为代表的东部沿海地带受到的影响则较小。这说明对东部发达地区而言,由于整体交通状况已经大为优化,交通条件的改善对旅行社业效率的提升带动作用已经较小;而中西部落后地区交通条件仍然是制约游客出行的限制因素之一,旅游交通通达性的提高对提升地区旅行社业效率有显著的正向促进作用。

（2）资本动力对旅行社业效率影响的空间变异特征。资本动力与旅行社业效率呈负相关关系（图2c）,说明投资并没有对效率改进起到促进作用,这与我们的预期相反。可能的解释如下：① 可能与中国一直存在的低水平盲目投资和重复投资有关。盲目投资导致利用效率低,重复投资引致市场分割。尤其是在目前旅游市场制度不完善、存在恶性竞争的情况下,由于存在无效投资现象,资本对旅行社业效率的有效性未产生正向相关作用。② 当前中国固定资产投资仍在投向基础设施建设、资金技术密集型产业等对当地GDP带动效果明显的领域,对服务业的发展并不会明显提升其效率,反而会对其产生挤压效应,也导致资本对旅行社业效率的影响表现为负。从回归系数的空间分布来看,以新疆、黑龙江为代表的中国北部地区各省份受影响相对较小,以广西、广东、海南为代表的南方省份受资本因素的负面影响较深,从全国范围看从北向南形成横向带状分布格局。

（3）人才动力对旅行社业效率影响的空间变异特征。从回归系数的空间分布来看（图2d）,人才动力对旅行社业效率的正向影响由南向北回归系数呈逐渐递减的趋势,高值集中在南部沿海一线,低值集中在东北三省地区。这说明在以广东为代表的中国南方地区,经济体制较为活跃,人才流动性强,人力资本对旅行社业效率的提升有较强的正向促进作用,并且空间溢出效应明显,在此带动下,周边的其他地区受其辐射,人才对旅行社业的发展影响也较强。东北三省地区受整体经济不景气的影响,人才流失现象普遍存在,人力资本对旅行社业的发展起到的作用较小。

（4）信息化动力对旅行社业效率影响的空间变异特征。从回归系数的空间分布来看（图2e）,以西藏、新疆为代表的西部地区受其影响较小,中部地区其次,东部沿海地区受到的影响较大,其中黑龙江省和吉林省受信息化动力的正向作用最强。这说明在信息化程度较高的东部地区,信息化水平越高,对旅行社业效率的提升动力作用越强;而信息化程度较低的西部地区受其动力促进作用则较弱;东北地区虽然整体信息化程度不高,但旺盛的旅游需求催生了较强的信息需求意愿,信息化水平的提升对旅行社业效率正向作用非常明显。

（5）经济动力对旅行社业效率影响的空间变异特征。经济动力对旅行社业效率的正向影响作用在空间分布上表现出“两级高、一级低”的态势（图2f）,高的两级分别在新疆、西藏地区和黑龙江省出现,低的一级出现在中国广东、广西、海南等南部沿海地区,其余地区基本上从北向南受经济动力的影响程度依次减弱。这说明对西藏、新疆等中西部地区省份来说,经济发展水平的提升能提高居民外出旅游的消费意愿,对地区旅行社业的发展提供更广泛的市场基础,进而获得更高的收益和提高投入产出效率。对中国东南部地区而言,旅游产业发展水平较高,各项旅游服务较为完善,自助游出行更加便利,经济动力对旅行社业效率的提升作用相对较小。

4 结论

中国区域旅行社业效率在空间上具有较为明显的空间正相关性和空间依赖性,并且随着时间的推移,这种依赖性在增强。要扩大东部沿海地区正向带动作用的范围和程度,减小西北部地区的负向辐射作用,同时利用空间依赖和关联作用,制定和完善缓解中国旅行社业效率区域差异的相关政策。通过对动力因子的探究发现,旅行社业效率的提升一定程度上依赖经济、信息化水平等外在条件,空间因素也起到不可忽视的作用。因此,使用GWR模型比普通的OLS模型更加适用。模型估计系数的空间异质性表明各地区在制定旅行社行业发展战略时需因地制宜,结合地域实际,实施富有区域特色的发展方针。从影响因素来看,信息化动力是造成旅行社业效率在东中西部地区之间和各个省域之间存在巨大差异的最大因素,经济动力是促进中国31个省域旅行社业效率的主要动力,资本动力则是制约中国旅行社业效率的主要瓶颈因素。中国旅游业进入转型发展期后,亟需从数量扩张型转向质量内涵型,旅行社行业也须改革现有的低利润运行模式,切实改善资本要素的配置状况,实施信息化和人才发展战略,重视地区整体经济运行环境的建设。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	Anderson R I, Lewis D, Parker M E. Another look at the efficiency of corporate travel management departments [J].Journal of Travel Research,1999,37(3):267-272. https://doi.org/10.1177/004728759903700308 URL [本文引用: 1] 摘要 No abstract provided.
[2]	Fuentes R. Efficiency of travel agencies:A case study of Alicante,Spain [J].Tourism Management,2011,32(1):75-87. https://doi.org/10.1016/j.tourman.2009.12.003 URL [本文引用: 1] 摘要 This study analyses the relative efficiency of 22 travel agencies of similar characteristics based in Alicante (Spain). This analysis is carried out using the Data Envelopment Analysis (DEA) technique and smoothed bootstrap. Following the analysis, possible lines of action that the agencies can take in order to improve their efficiency in the future are provided. Finally, using the Mann Whitney Test, the relationship, or lack thereof, between the levels of efficiency of these agencies and their ownership type, location and level of experience is examined.
[3]	Topolšek D,Mrnjavac E,Kovačić N. Integration of travel agencies with transport providers [J].Tourism Management Perspectives,2014,9(2):14-23. https://doi.org/10.1016/j.tmp.2013.11.003 URL [本文引用: 1] 摘要 61We examine the integration between travel agencies and transport providers.61Cooperation between travel agencies and rail carriers is expectedly low.61Several travel agencies do not cooperate with water carriers at all.61Cooperation between travel agencies and airlines is effective.61Most often, travel agencies cooperate with bus operators.
[4]	George Assaf A. Benchmarking the Asia Pacific tourism industry:A Bayesian combination of DEA and stochastic frontier [J].Tourism Management,2012,33(5):1122-1127. https://doi.org/10.1016/j.tourman.2011.11.021 URL [本文引用: 1] 摘要 This study measures and compares the efficiency of leading tour operator and hotel companies across several Asia Pacific countries. We use an innovative methodology that is based on combining the stochastic frontier and data envelopment analysis in a Bayes framework. We show from the results that Australia, Singapore and South Korea are the most efficient in both their tour operator and hotel industries. We further show that international hotels in the region have a slightly higher efficiency than local hotels. We provide a listing of the most efficient tour operators and hotels in each country and discuss the implications of our findings.
[5]	Chou J R, Shieh C J, Huang K P. A study of the performance on human resource management strategy in tourism industry with data envelopment analysis [J]. Pakistan Journal of Statistics,2012,28(5):735-741. https://doi.org/10.1080/01621459.2012.738580 URL [本文引用: 1] 摘要 Abstract The emergence of the Internet has changed the previous rules in tourism industry that travel agencies are facing the change of the competitive environment and the integration world caused by Internet technology to cope with the competition in the new era. Tourism industry is a human-centered service industry that Human Resource Management Strategy performance is considered primary. Reviewing the academic discussions on tourism industry, questionnaire survey was mostly applied to studying the operation performance or product quality satisfaction; few of them would discuss Human Resource Management Strategy with the actual operating data. Based on such motives, this study applies Data Envelopment Analysis (DEA) to proceeding efficiency analyses of Human Resource Management Strategy. Ten travel agencies in Taiwan were studied within 2009-2011, in which Human resource cost, Operating cost, and Total fixed asset were regarded as the input items and Total business turnover was the output item to analyze Total efficiency (TE), pure technical efficiency (PTE), and scale efficiency (SE). According to the results and slacks-based measure, the evaluated sectors are provided suggestions. The empirical results showed that the average total efficiency in the three years was 0.84, when Lion Travel presented the best performance, while Skylark Travel the worst. Regarding the pure technical efficiency, Lion Travel appeared the best performance, while Skylark Travel the worst. In regard to scale efficiency, Lion Travel showed the best performance, while Ming Tai the worst. Apparently, Lion Travel presented the best performance, while Skylark Travel the worst. With Malmquist Productivity Analysis, both Lion Travel and Phoenix Tours were approaching the permanent optimal scale, while the rest appeared <1, showing the future operation was going far away from the permanent optimal scale.
[6]	方叶林,黄震方,余凤龙,等. 省际旅游资源相对效率的演化分析 [J].地理科学,2013,33(11):1354-1361. [本文引用: 1] 摘要 <p>以大陆31 个省级区域2000~2010 年的面板数据为例，运用修正后的DEA模型对各省旅游资源的相对效率进行评价，进一步运用G指数、重心、标准差椭圆对各项效率的演化进行空间分析。研究发现：总体上省际旅游资源的相对效率受纯技术效率驱动，旅游资源的集约化增长取得一定进步。总效率的热点区变化幅度不太大，纯技术效率的热点区由大西南转移到泛长三角及周边，规模效率的热点区由西北地区转向长三角及京津地区。总效率与纯技术效率的重心向东北发生偏移，规模效率的重心向西南发生偏移。从标准差椭圆的转角<em>θ</em>大小来看，总效率与纯技术效率总体上表现出东北-西南的空间分布格局，规模效率大致呈正东-正西的空间分布格局。相对效率具有分形特征，在未来一段时间内，中国省际旅游资源的各项效率仍然会表现出增长的趋势。</p> [Fang Yelin, Huang Zhenfang,Yu Fenglonget al. The asynchronous phenomenon and relative efficiency of tourism resources in China: Taking the 31 provinces’ panel data from 2001 to 2009 for an example .Scientia Geographic Sinica,2013,33(11):1354-1361.] [本文引用: 1] 摘要 <p>以大陆31 个省级区域2000~2010 年的面板数据为例，运用修正后的DEA模型对各省旅游资源的相对效率进行评价，进一步运用G指数、重心、标准差椭圆对各项效率的演化进行空间分析。研究发现：总体上省际旅游资源的相对效率受纯技术效率驱动，旅游资源的集约化增长取得一定进步。总效率的热点区变化幅度不太大，纯技术效率的热点区由大西南转移到泛长三角及周边，规模效率的热点区由西北地区转向长三角及京津地区。总效率与纯技术效率的重心向东北发生偏移，规模效率的重心向西南发生偏移。从标准差椭圆的转角<em>θ</em>大小来看，总效率与纯技术效率总体上表现出东北-西南的空间分布格局，规模效率大致呈正东-正西的空间分布格局。相对效率具有分形特征，在未来一段时间内，中国省际旅游资源的各项效率仍然会表现出增长的趋势。</p>
[7]	虞虎,陆林,李亚娟. 湖泊型国家级风景名胜区的旅游效率特征、类型划分及其提升路径 [J].地理科学,2015,35(10):1247-1255. https://doi.org/10.1631/jzus.B1000185 URL Magsci [本文引用: 1] 摘要通过分析中国国家级湖泊风景名胜区的发展趋势和旅游效率,探讨湖泊风景名胜区的旅游效率总体特征、空间格局及类型,提出发展措施和建议。研究表明:①湖泊风景名胜区的数量和旅游收益呈增长趋势,湖泊旅游资源开发已由著名的湖泊转向一般性湖泊,单体湖泊开发增多,湖泊旅游产品多元化。②湖泊风景名胜区的旅游效率偏低,处于规模收益递增阶段的景区较多;分解效率中,规模效率较高,纯技术效率较低;纯技术效率对综合效率的解释能力强于规模效率,相关系数达到0.72,是导致综合效率偏低的主要因素。③根据效率得分将38个湖泊风景名胜区划分为技术进步提升型、资源配置能力提升型、规模投入提升型和综合提升型,提出了不同效率类型景区的提升路径。 [Yu Hu, Lu Lin, Li Yajuan. Tourism efficiency evaluation classification and ascension path of lake-type Chinese national scenic area . Scientia Geographica Sinica,2015,35(10):1247-1255.] https://doi.org/10.1631/jzus.B1000185 URL Magsci [本文引用: 1] 摘要通过分析中国国家级湖泊风景名胜区的发展趋势和旅游效率,探讨湖泊风景名胜区的旅游效率总体特征、空间格局及类型,提出发展措施和建议。研究表明:①湖泊风景名胜区的数量和旅游收益呈增长趋势,湖泊旅游资源开发已由著名的湖泊转向一般性湖泊,单体湖泊开发增多,湖泊旅游产品多元化。②湖泊风景名胜区的旅游效率偏低,处于规模收益递增阶段的景区较多;分解效率中,规模效率较高,纯技术效率较低;纯技术效率对综合效率的解释能力强于规模效率,相关系数达到0.72,是导致综合效率偏低的主要因素。③根据效率得分将38个湖泊风景名胜区划分为技术进步提升型、资源配置能力提升型、规模投入提升型和综合提升型,提出了不同效率类型景区的提升路径。
[8]	王兆峰,李丹. 基于交通网络的区域旅游空间合作效率评价与差异变化分析——以湘西地区为例 [J].地理科学,2016,36(11):1697-1705. https://doi.org/10.13249/j.cnki.sgs.2016.11.012 Magsci [本文引用: 1] 摘要 <p>分析旅游合作效率指标的基础上,通过前提假设构建了交通网络结构下湘西地区区域旅游合作效率评价模型,并运用综合评价法及层次分析法对湘西地区2004~2014年旅游合作效率进行了实证分析。分析结果显示,由于交通网的逐步完善,湘西地区区域旅游合作效率不断上升,从2004年的0.07到2014年的0.75,区域旅游合作效率与地区交通网络密度以及交通网络优势度呈现协调增长的关系。同时,由于地区间交通质量差异、交通配套设施差异及交通通达度和连接度影响旅游合作效率,导致区域内各州市之间旅游合作效率仍然存在较大的差异。</p> [Wang Zhaofeng, Li Dan. Regional Tourism Space Cooperation Efficiency Evaluation and Difference Change Based on Traffic Network: A Case of the Western Hunan, China .Scientia Geographica Sinica,2016,36(11):1697-1705.] https://doi.org/10.13249/j.cnki.sgs.2016.11.012 Magsci [本文引用: 1] 摘要 <p>分析旅游合作效率指标的基础上,通过前提假设构建了交通网络结构下湘西地区区域旅游合作效率评价模型,并运用综合评价法及层次分析法对湘西地区2004~2014年旅游合作效率进行了实证分析。分析结果显示,由于交通网的逐步完善,湘西地区区域旅游合作效率不断上升,从2004年的0.07到2014年的0.75,区域旅游合作效率与地区交通网络密度以及交通网络优势度呈现协调增长的关系。同时,由于地区间交通质量差异、交通配套设施差异及交通通达度和连接度影响旅游合作效率,导致区域内各州市之间旅游合作效率仍然存在较大的差异。</p>
[9]	姚治国,陈田,尹寿兵,等. 区域旅游生态效率实证分析——以海南省为例 [J].地理科学,2016, 36(3): 417-423 https://doi.org/10.13249/j.cnki.sgs.2016.03.013 Magsci [本文引用: 1] 摘要 <p>基于旅游碳足迹、生态效率、旅游经济效应等理论,构建了旅游生态效率模型,在定量计算海南省2012年旅游生态效率值的基础上,对旅游生态效率区域差异进行了成因机制分析。主要结论有：<i>① </i>海南省2012年旅游交通生态效率为0.898元/kg,旅游住宿生态效率为7.13元/kg,旅游活动生态效率为16.32元/kg,旅游综合生态效率为1.787元/kg,旅游活动和旅游住宿的生态效率值大于旅游交通生态效率值。<i>② </i>在出行距离既定的情况下,优化旅游生态效率的措施在于：提高人均消费水平、延长平均停留时间、增加平均参与活动频次,即“短距离、长停留、高消费”的市场模式有利于优化旅游生态效率,反之,“长距离、短停留、低消费”的市场模式则拉低了旅游生态效率值。<i>③ </i>海南省旅游者外部交通平均距离较大、乘坐飞机旅游者比例较高、旅游收入统计值低于实际值等原因叠加起来使其旅游生态效率水平略次于部分旅游地。</p> [Yao Zhiguo,Chen Tian,Yin Shoubinget al. Regional Tourism Eco-Efficiency Model and an Empirical Research of Hainan Province .Scientia Geographica Sinica,2016, 36(3): 417-423.] https://doi.org/10.13249/j.cnki.sgs.2016.03.013 Magsci [本文引用: 1] 摘要 <p>基于旅游碳足迹、生态效率、旅游经济效应等理论,构建了旅游生态效率模型,在定量计算海南省2012年旅游生态效率值的基础上,对旅游生态效率区域差异进行了成因机制分析。主要结论有：<i>① </i>海南省2012年旅游交通生态效率为0.898元/kg,旅游住宿生态效率为7.13元/kg,旅游活动生态效率为16.32元/kg,旅游综合生态效率为1.787元/kg,旅游活动和旅游住宿的生态效率值大于旅游交通生态效率值。<i>② </i>在出行距离既定的情况下,优化旅游生态效率的措施在于：提高人均消费水平、延长平均停留时间、增加平均参与活动频次,即“短距离、长停留、高消费”的市场模式有利于优化旅游生态效率,反之,“长距离、短停留、低消费”的市场模式则拉低了旅游生态效率值。<i>③ </i>海南省旅游者外部交通平均距离较大、乘坐飞机旅游者比例较高、旅游收入统计值低于实际值等原因叠加起来使其旅游生态效率水平略次于部分旅游地。</p>
[10]	胡志毅. 基于DEA-Malmquist模型的中国旅行社业发展效率特征分析 [J].旅游学刊,2015,30(5):23-30. https://doi.org/10.3969/j.issn.1002-5006.2015.05.003 URL Magsci [本文引用: 1] 摘要 <p>随着我国旅行社数量和经营规模的不断增长,旅行社业发展效率及其区域差异值得关注。文章运用DEA-Malmquist模型,评价了中国旅行社业技术效率、全要素生产率变动特征及省际差异,通过与区域旅游化指数的对应分析,探讨了旅行社发展效率与区域旅游业整体水平之间的对应关系。研究结果表明：（1）2000—2009年间,中国旅行社业技术效率逐步提高,主要得益于规模效率的提高。（2）其间旅行社业全要素生产率年均上升3.3%。其中技术进步年均提升2.6%,是我国旅行社业全要素生产率上升的主要驱动力。（3）东部和中部地区旅行社全要素生产率增长速度明显高于西部地区,技术进步变化是西部旅行社业发展的主要制约因素。（4）各省域旅行社发展效率与区域旅游化水平的对应关系存在同步变化和背离发展两种情况。</p> [Hu Zhiyi. An Analysis of the Efficiency Characteristics of the Travel Agency Industry of China:Based on A DEA-Malmquist Model .Tourism Tribune,2015,30(5):23-30.] https://doi.org/10.3969/j.issn.1002-5006.2015.05.003 URL Magsci [本文引用: 1] 摘要 <p>随着我国旅行社数量和经营规模的不断增长,旅行社业发展效率及其区域差异值得关注。文章运用DEA-Malmquist模型,评价了中国旅行社业技术效率、全要素生产率变动特征及省际差异,通过与区域旅游化指数的对应分析,探讨了旅行社发展效率与区域旅游业整体水平之间的对应关系。研究结果表明：（1）2000—2009年间,中国旅行社业技术效率逐步提高,主要得益于规模效率的提高。（2）其间旅行社业全要素生产率年均上升3.3%。其中技术进步年均提升2.6%,是我国旅行社业全要素生产率上升的主要驱动力。（3）东部和中部地区旅行社全要素生产率增长速度明显高于西部地区,技术进步变化是西部旅行社业发展的主要制约因素。（4）各省域旅行社发展效率与区域旅游化水平的对应关系存在同步变化和背离发展两种情况。</p>
[11]	孙景荣,张捷,章锦河,等. 中国区域旅行社业效率的空间分异研究 [J].地理科学,2014,34(4):430-437. Magsci [本文引用: 1] 摘要 <p>运用数据包络分析模型，对2003~2009 年中国区域旅行社业效率的空间分异特征及动态变化趋势进行了实证分析，研究结果表明：中国区域旅行社业综合效率总体上呈现出增长的态势，纯技术效率是综合效率变化的主导因素，中国区域旅行社业全要素生产率也表现为增长的态势；中国区域旅行社业效率呈现出东西部高、中部低走势，且中部和东西部差距较大，东部和西部差距较小；在变化趋势方面，东、中、西部地区在旅行社业全要素生产率方面均得到很大的提高，其增长主要得益于三大地区在技术进步方面的突出表现，但在综合效率方面均表现出弱改善的趋势；从效率类型来看，双高类型的省份主要分布东部地区，其他3 个类型主要分布在中西部地区，且中国各省旅行社业效率之间的差异呈现出缩小的趋势；从各省旅行社业效率的变化趋势来看，2003~2009年，大部分省份旅行社业综合效率保持增长的态势，少数省份处于下降的趋势，在旅行社业全要素生产率方面，除新疆外，其余省份全部保持增长的态势。</p> [Sun Jingrong, Zhang Jie,Zhang Jinheet al. Spatial differentiation of efficiency of Chinese regional travel service industry . Scientia Geographic Sinic,2014,34(4): 430-437.] Magsci [本文引用: 1] 摘要 <p>运用数据包络分析模型，对2003~2009 年中国区域旅行社业效率的空间分异特征及动态变化趋势进行了实证分析，研究结果表明：中国区域旅行社业综合效率总体上呈现出增长的态势，纯技术效率是综合效率变化的主导因素，中国区域旅行社业全要素生产率也表现为增长的态势；中国区域旅行社业效率呈现出东西部高、中部低走势，且中部和东西部差距较大，东部和西部差距较小；在变化趋势方面，东、中、西部地区在旅行社业全要素生产率方面均得到很大的提高，其增长主要得益于三大地区在技术进步方面的突出表现，但在综合效率方面均表现出弱改善的趋势；从效率类型来看，双高类型的省份主要分布东部地区，其他3 个类型主要分布在中西部地区，且中国各省旅行社业效率之间的差异呈现出缩小的趋势；从各省旅行社业效率的变化趋势来看，2003~2009年，大部分省份旅行社业综合效率保持增长的态势，少数省份处于下降的趋势，在旅行社业全要素生产率方面，除新疆外，其余省份全部保持增长的态势。</p>
[12]	Tu J, Xia Z G. Examining spatially varying relationships between land use and water quality wsing geographically weighted regression: Model design and evalution [J]. Science of the Total Environment,2009,407(1):358-378. [本文引用: 1]
[13]	方远平,谢蔓,毕斗斗等. 中国入境旅游的空间关联特征及其影响因素探析——基于地理加权回归的视角 [J].旅游科学,2014,28(3):22-35. https://doi.org/10.3969/j.issn.1006-575X.2014.03.003 URL [本文引用: 1] 摘要国内外关于入境旅游的研究已有丰富积累,但现有关于我国入境旅游影响因素的研究均较少考虑地理邻近与空间关联性、空间非平稳性等特征.本文基于修正的旅游引力模型,首次运用地理加权回归模型,探析经济外向度、旅游资源和地理距离对我国31个省域入境旅游影响的空间差异.研究表明:入境游客在空间上具有正相关性(空间依赖性)和集聚特征;经济外向度和旅游资源对入境游客数量都有积极的影响,旅游资源的促进作用相对较大,而地理距离的增加对入境游客数量有负向的影响.并且,各影响因素的系数存在空间非平稳性,经济外向度和地理距离估计系数形成了以东北地区为核心,不断向西南方向扩散的圈层;相反的是,旅游资源对入境旅游的作用程度形成了由西南向东北地区逐渐递减的格局.研究也发现,邻近地区的入境游客数量对本地区具有正向影响,境外游客从目的地向周边地区扩散,省区之间存在空间溢出效应. [Fang Yuanping,Xie Man,Bi Doudouet al. An exploratory analysis on the spatial correlation characteristics and influential factors of inbound tourism in China: A geograpyical weighted regression perspective . Tourism Science,2014,28(3):22-35.] https://doi.org/10.3969/j.issn.1006-575X.2014.03.003 URL [本文引用: 1] 摘要国内外关于入境旅游的研究已有丰富积累,但现有关于我国入境旅游影响因素的研究均较少考虑地理邻近与空间关联性、空间非平稳性等特征.本文基于修正的旅游引力模型,首次运用地理加权回归模型,探析经济外向度、旅游资源和地理距离对我国31个省域入境旅游影响的空间差异.研究表明:入境游客在空间上具有正相关性(空间依赖性)和集聚特征;经济外向度和旅游资源对入境游客数量都有积极的影响,旅游资源的促进作用相对较大,而地理距离的增加对入境游客数量有负向的影响.并且,各影响因素的系数存在空间非平稳性,经济外向度和地理距离估计系数形成了以东北地区为核心,不断向西南方向扩散的圈层;相反的是,旅游资源对入境旅游的作用程度形成了由西南向东北地区逐渐递减的格局.研究也发现,邻近地区的入境游客数量对本地区具有正向影响,境外游客从目的地向周边地区扩散,省区之间存在空间溢出效应.
[14]	吴玉鸣. 中国省域旅游业弹性系数的空间异质性估计——基于地理加权回归模型的实证 [J].旅游学刊,2013,28(2):35-43. https://doi.org/10.3969/j.issn.1002-5006.2013.02.003 Magsci [本文引用: 1] 摘要 <p>基于2001～2009年中国省域旅游业截面平均值数据，利用考虑空间异质性的地理加权回归（GWR）生产函数模型，首次对中国省域旅游业的资本和劳动力弹性系数进行局域变参数实证估计研究。全域和局域空间自相关分析显示，中国省域旅游业产出存在显著的空间自相关性，具有明显的局域集群趋势；不考虑和考虑空间自相关性的省域旅游业生产函数全域常参数估计结果显示，资本投入的弹性系数分别为0.6939和0.7824，劳动投入的弹性系数分别为0.4932和0.3163，要素投入处于规模报酬递增阶段；考虑空间异质性的GWR模型局域变参数估计结果显示，资本投入的弹性系数在0.6905～0.6958之间，劳动投入的弹性系数在0.4859～0.4989之间，各个省域的要素投入均处于规模报酬递增阶段。GWR模型能在纳入空间异质性的前提下有效地估计区域旅游业弹性系数，增强了区域旅游业发展政策含义的差异化指导意义。</p> [Wu Yuming. Spatial heterogene estimation of regional tourism industry elasticity in Chinese provinces: A geogaphically weighted regression study . Tourism Tribune,2013,28(2):35-43.] https://doi.org/10.3969/j.issn.1002-5006.2013.02.003 Magsci [本文引用: 1] 摘要 <p>基于2001～2009年中国省域旅游业截面平均值数据，利用考虑空间异质性的地理加权回归（GWR）生产函数模型，首次对中国省域旅游业的资本和劳动力弹性系数进行局域变参数实证估计研究。全域和局域空间自相关分析显示，中国省域旅游业产出存在显著的空间自相关性，具有明显的局域集群趋势；不考虑和考虑空间自相关性的省域旅游业生产函数全域常参数估计结果显示，资本投入的弹性系数分别为0.6939和0.7824，劳动投入的弹性系数分别为0.4932和0.3163，要素投入处于规模报酬递增阶段；考虑空间异质性的GWR模型局域变参数估计结果显示，资本投入的弹性系数在0.6905～0.6958之间，劳动投入的弹性系数在0.4859～0.4989之间，各个省域的要素投入均处于规模报酬递增阶段。GWR模型能在纳入空间异质性的前提下有效地估计区域旅游业弹性系数，增强了区域旅游业发展政策含义的差异化指导意义。</p>
[15]	庞瑞秋,腾飞,魏冶. 基于地理加权回归的吉林省人口城镇化动力机制分析 [J].地理科学,2014,34(10):1210-1217. URL Magsci [本文引用: 1] 摘要 <p>以吉林省各县域(市辖区)为基本单元,借助第六次人口普查和统计年鉴的相关数据,结合地理加权回归模型和空间自相关分析方法,讨论人口城镇化水平和国有动力、非国有动力、农业动力及外向动力等因素的空间相关关系,并以此解释人口城镇化分县域(市辖区)差异的影响因素。结果表明:国有动力对吉林省人口城镇化的影响作用最大,影响强度由中北部向西南、东南两个方向递减;农业动力和非国有动力分居二、三位,但差别不明显。其中农业动力的影响强度由西北向东南方向递减,非国有动力的影响强度由东南向西北递减;外向动力对人口城镇化的影响力较弱,影响强度各地区差别较大。吉林省人口城镇化未来发展应重视非国有动力的影响和农村现代化的作用;关注人口城镇化动力多元化,考虑实现错位发展和个性化发展。</p> [Pang Ruiqiu,Teng Fei,Wei Ye. A GWR-based study on dynamic mechanism of population in Jilin province . Scientia Geographica Sinica,2014,34(10):1210-1217.] URL Magsci [本文引用: 1] 摘要 <p>以吉林省各县域(市辖区)为基本单元,借助第六次人口普查和统计年鉴的相关数据,结合地理加权回归模型和空间自相关分析方法,讨论人口城镇化水平和国有动力、非国有动力、农业动力及外向动力等因素的空间相关关系,并以此解释人口城镇化分县域(市辖区)差异的影响因素。结果表明:国有动力对吉林省人口城镇化的影响作用最大,影响强度由中北部向西南、东南两个方向递减;农业动力和非国有动力分居二、三位,但差别不明显。其中农业动力的影响强度由西北向东南方向递减,非国有动力的影响强度由东南向西北递减;外向动力对人口城镇化的影响力较弱,影响强度各地区差别较大。吉林省人口城镇化未来发展应重视非国有动力的影响和农村现代化的作用;关注人口城镇化动力多元化,考虑实现错位发展和个性化发展。</p>
[16]	中国国家旅游局.中国旅游统计年鉴及副本(2003~2015)[M].北京:中国旅游出版社,2003-2013. [本文引用: 1] [China National Tourism Administration.The Yearbook of China Tourism Statistics(&supplement) (2003-2013).Beijing: China Travel & Tourism Press,2003-2015.] [本文引用: 1]
[17]	中华人民共和国国家统计局.中国统计年鉴(2003~2015)[M].北京:中国统计出版社,2003-2015. [本文引用: 1] [National Bureau of Statistics of the People’s Republic of China. China statistical yearbook (2003-2013).Beijing: China Travel & Tourism Press,2003-2015.] [本文引用: 1]

Another look at the efficiency of corporate travel management departments

1999

... 旅行社业效率研究能够更好的揭示行业经济活动运行的状况和规律,对快速提升区域旅游竞争力有重要意义.国外对旅行社效率的研究集中于微观层面的旅行社企业效率测度^[1,2,3,4,5],对效率的影响因素等问题探讨较少.从国内研究来看,旅游效率研究也集中于使用DEA（Data Envelopment Analysis）进行效率的测度与评价方面^[6,7,8,9],最关注的领域是酒店业,旅行社方面的成果偏少,对其空间特征及背后影响因素问题进行探讨的则少之又少^[10,11]. ...

Efficiency of travel agencies:A case study of Alicante,Spain

2011

Integration of travel agencies with transport providers

2014

Benchmarking the Asia Pacific tourism industry:A Bayesian combination of DEA and stochastic frontier

2012

A study of the performance on human resource management strategy in tourism industry with data envelopment analysis

2012

省际旅游资源相对效率的演化分析

2013

省际旅游资源相对效率的演化分析

2013

湖泊型国家级风景名胜区的旅游效率特征、类型划分及其提升路径

2015

湖泊型国家级风景名胜区的旅游效率特征、类型划分及其提升路径

2015

基于交通网络的区域旅游空间合作效率评价与差异变化分析——以湘西地区为例

2016

基于交通网络的区域旅游空间合作效率评价与差异变化分析——以湘西地区为例

2016

区域旅游生态效率实证分析——以海南省为例

2016

区域旅游生态效率实证分析——以海南省为例

2016

基于DEA-Malmquist模型的中国旅行社业发展效率特征分析

2015

基于DEA-Malmquist模型的中国旅行社业发展效率特征分析

2015

中国区域旅行社业效率的空间分异研究

2014

中国区域旅行社业效率的空间分异研究

2014

Examining spatially varying relationships between land use and water quality wsing geographically weighted regression: Model design and evalution

2009

... GWR模型（Geographical Weighted Regression）是一种能有效揭示被观测者空间非平稳性和空间依赖特征的方法^[12].在旅游业相关研究中,部分学者对该法已经有一定的应用,发现GWR分解成局部参数估计优于OLS（Ordinary Least Square）提供的全局参数估计^[13,14].但总体来说,该法在旅游产业研究中应用仍然很少,未见到应用于旅游产业效率的研究中.而目前关于旅行社业效率的研究不仅忽略了影响因素的探究,更忽略了空间效应在其中的影响作用.本文利用DEA模型对中国31个省域（未包括港澳台）旅行社业2002~2014年效率进行测算,并首次运用GWR模型结合GIS空间表达等方法,探究各个影响因素的空间异质性（非平稳性）,具有明显的学术和实际意义. ...

中国入境旅游的空间关联特征及其影响因素探析——基于地理加权回归的视角

2014

中国入境旅游的空间关联特征及其影响因素探析——基于地理加权回归的视角

2014

中国省域旅游业弹性系数的空间异质性估计——基于地理加权回归模型的实证

2013

中国省域旅游业弹性系数的空间异质性估计——基于地理加权回归模型的实证

2013

基于地理加权回归的吉林省人口城镇化动力机制分析

2014

... 经典的线性回归模型是建立在最小二乘法（OLS模型）基础上对参数进行估计的.根据Tobler地理学第一定律,地球上的事物与其他事物的关系都是距离近的比距离远的关系更大.当自变量为空间数据,且自变量间存在空间自相关性,OLS模型中残差项独立的假设将无法满足.GWR模型容许一些不平稳的数据直接被模拟,用局部参数估计来代替全局参数估计^[15],更利于探索空间变异特征和空间规律,其模型表示如下： ...

基于地理加权回归的吉林省人口城镇化动力机制分析

2014

2015

... 在DEA模型中,劳动力、资本和土地一直被认为是最根本的投入要素,考虑到旅行社业受土地要素制约较小,数据难以获得,在此仅考虑劳动力和资本两大要素.用从业人员数量表征劳动力要素,用企业数量和固定资产总额表征资本要素.产出方面选取最直接的营业收入进行效率分析.本文选取中国31个省区（不含港澳台）为研究对象,测算各省市2002~2014年旅行社业效率并分析其空间分异特征和影响因素.计算所需数据主要来源于2003~2015年《中国旅游统计年鉴及副本》^[16]和《中国统计年鉴》^[17].将时间距离最近的2014年作为模型回归分析的重点研究年份.另外,本文中东中西部划分参照国家统计局公布的划分标准. ...

2015

〈

〉

基于GWR模型的中国区域旅行社业效率空间分异及动力机制分析

Spatial Differentiation and Dynamic Mechanism of Regional Travel Agency Efficiency in China Based on GWR Model

引言

1 研究方法与数据选取

1.1 DEA分析方法

1.2 全域空间自相关法

1.3 标准差椭圆

1.4 GWR分析

1.5 数据来源与指标选取

2 中国区域旅行社业效率的空间分异特征

2.1 川字型格局向山字型格局转变,中南部地区地位上升

2.2 东西差异在扩大而南北差异在缩小

2.3 空间正相关特征愈发明显

3 中国区域旅行社业效率的影响因素分析

3.1 变量选取

3.2 OLS模型及其结果

3.3 GWR模型及其结果

4 结论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子