关伟
, 郝金连
辽宁师范大学城市与环境学院,辽宁 大连 116029
Guan Wei, Hao Jinlian
中图分类号: F592
文献标识码: A
文章编号: 1000-0690（2018）06-0935-09
收稿日期: 2017-08-15
修回日期: 2017-12-25
网络出版日期: 2018-06-20
版权声明: 2018 《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:
作者简介:
作者简介：关伟（1959-）,男,满族,辽宁岫岩人,教授,博导,主要从事区域经济与产业规划研究。E-mail:lsgw2000@sina.com
展开
摘要
从中观层面以东北地区41个市域为分析单元,选择东北振兴战略实施以来2004、2009和2015年截面数据,采用ESDA法分析旅游经济发展的空间关联特征,运用OLS和GWR模型分析旅游经济和旅游产业因子、消费因子、投资因子之间的关系,以此挖掘旅游经济影响因素的时空结构信息。结果表明：① 旅游经济发展呈显著空间正相关,相关性逐渐增大;② OLS回归结果表明,旅游产业因子对旅游经济发展的影响强度最大,在旅游产业发展中始终起基础性决定作用,其次为消费因子和投资因子,后两者差别不大;③ GWR回归结果显示,模型3 a拟合优度均比OLS有所提高,回归系数均为正值,但分布规律不同;旅游产业因子回归系数高值区经历了西南部-中南部-东北部转移,向外围圈层递减;消费因子回归系数高值区由东北部向东南部转移,向外围逐渐递减;投资因子回归系数高值区则由东北部-中南部-东北部转移,向外围逐渐递减。
关键词：
Abstract
Taking cities of Northeastern China as the study object from micro level and selecting 2004, 2009 and 2015 section data since carrying out strategy of rejuvenating in Northeast China, this article analysis spatial correlation characteristics of tourism economic development by ways of ESDA, and the relationship between tourism economy and tourism industry factor, consumer factor, investment factor using OLS and GWR model, for the sake of excavating space and time structure information of tourism economy influence factors. The result shows that: 1) Development of tourism economy shows positive spatial autocorrelation significantly, and the correlation increased gradually. 2) OLS regression result shows that: the influence strength of tourism industry factor on the development of tourism economic is the largest, which always played a basic decision role in the development of the tourism industry, followed by consumer factor and investment factor, the latter two had little difference. 3) GWR regression results show that: GWR goodness of fit has improved and regression coefficients are all positive but the distribution is different. Tourism industry factor high value area of regression coefficient experienced moving from southwest to south-central, then to northeast, and diminishing to the outer circularly. Consumption factors shifted from northeast to the southeast, and diminished to peripheral gradually. Investment factors transferred from northeast to south-central, then to northeast, and diminished to peripheral gradually, too.
Keywords：
各界都在密切关注旅游经济区域差异的内在变化规律、影响因素及其空间特征。纵观近10 a来的成果,主要研究对象为国家[1,2,3,4]、省域尺度[5],近年来稍有市域[6]及县域[7]的探讨。研究方法多采用相关分析和多元回归分析[2,5,6]、固定影响变截距模型[4],考虑到地域之间相互作用对旅游发展的影响,空间滞后模型、空间误差模型、地理加权回归[7]等空间计量模型逐渐被引入。研究表明,旅游资源、服务接待设施、交通基础设施、人力资源、地区经济发展水平、腹地人口密度、对外贸易[2,7,8]是影响旅游经济发展水平的主要因素。
自东北振兴战略实施以来市域国内旅游经济空间格局和空间关联特征如何?市域之间是否相互影响?影响因素是否存在空间差异?已有成果多采用定性法[9],但并不能准确刻画这些问题。本文引入地理加权回归方法,选取东北振兴战略实施以来、以2009年国务院颁布《中共中央、国务院关于实施东北地区等老工业基地振兴战略的若干意见》为转折点,选择2004、2009和2015年截面数据,探讨东北地区旅游经济的空间差异性,科学评价旅游经济发展特征,建立旅游经济影响因素评价体系,立足于空间异质性客观反映旅游经济影响因素的变化规律,为制定科学的旅游业发展策略提供重要的理论参考和实践指导,对于促进东北地区旅游业高效、健康发展,推动老工业基地加快振兴具有重要的现实意义。
1.1.1 研究区域
东北振兴发展倡导充分发挥东北地区旅游资源丰富、独具特色的优势,大力发展旅游业。2004年以来,旅游经济取得长足发展,2015年旅游总收入是2004年的5.8倍;旅游总收入占GDP比重持续增长,2015年旅游总收入占GDP比重是2004年的2.7倍,比重高于全国平均水平5.7个百分点。本文所指东北地区包括辽宁、吉林、黑龙江3省所辖36个地级市以及内蒙古自治区东部5个盟市（简称蒙东地区）（图1）。
1.1.2 指标选择与数据来源
旅游经济的演化机制主要受旅游产业、投资、需求三者之间互相影响。目前学者一致认为旅游经济发展受到旅游资源吸引力、旅行时间、旅游花费、固定资产投资、目的地的接待条件、城镇居民人均可支配收入等因素影响[4,5,6,7,8,9,10,11]。借鉴前人研究[4,5,6,7,8,9,10,11],在可得性、可比性、可量化原则下,本文选取国内旅游收入（万元）、星级饭店床位数（张）、旅行社数（个）、交通区位指数、旅游资源丰度、农村居民人均可支配收入（元）、城镇居民人均可支配收入（元）、腹地人口密度(人/km2)、人均全社会固定资产投资额（元/人）、人均财政支出（元/人）10个变量为基础指标。
1） 国内旅游收入：经检验,3 a国内旅游收入（万元）和国内游客接待量（万人次）的皮尔逊相关系数在0.01显著性水平下均大于等于0.85,且3 a东北地区国内旅游收入占旅游总收入的92.9%,选择国内旅游收入（以下简称旅游收入）表征地区旅游经济发展水平。
2） 接待服务设施条件和水平：旅行社、旅游饭店是旅游业发展的基础性接待服务设施,选择旅行社数和星级饭店床位数表征旅游接待容量和服务接待水平。旅行社个数来源于各市黄页,并经过筛选核对。根据《中国旅游统计年鉴》[12]（2005年、2010年、2015年）辽、吉、黑及蒙东地区饭店总数和床位总数,计算得出研究期各省每家饭店平均床位数,乘以各市星级饭店总数得到各市饭店床位总数。根据2015年度全国星级饭店统计公报(中华人民共和国文化和旅游部.全国星级饭店统计公报.http://www.cnta.gov.cn/zwgk/lysj/201803/t20180319_860847.shtml)计算得到全国每家饭店平均床位数,乘以2015年度各市星级饭店总数得到2015年各市饭店床位总数。
3） 交通区位指数：旅游产品的不可转移性和生产消费的同时性决定了目的地交通通达性是旅游业发展的关键因素,采用指数评价法选取公路、铁路、水运及航空客运量计算交通区位指数（L）。
$L=\sqrt{(HPQ^{2}+RPQ^{2}+WPQ^{2}+APQ^{2})/4}$ （1）
式中,
4） 旅游资源丰度：旅游资源丰度是最重要的旅游吸引物和旅游驱动力[8]。在统一性、可比性、计算简化、避免重复原则下,以2015年底前全国旅游景区质量等级评定委员会发布的《全国A级景点名录》[13]为数据源,借鉴孙根年[8]的景区等级赋权思路,采用如下加权模型计算：
R=5 ×N5+ 2.5 ×N4+ 1.5 ×N3+ 0.75×N2+0.25×N1 （2）
式中,R代表旅游资源丰度,N5,N4,N3,N2,N1分别表示5A,4A,3A,2A,A景点数;5,2.5,1.5,0.75,0.25分别表示5A,4A,3A,2A,A景区的权重。
5） 腹地人口密度：受限于经济发展水平,中国居民的国内旅游60%左右在本地区进行,短程出游目的地选择遵循就近原则[14]。人口密度越大,潜在游客越多。东北地区旅游业以国内旅游为主体,一级目标客源市场为东北地区居民。用各市人口密度表征腹地人口密度。
除旅行社数、星级饭店床位数、旅游资源丰度外,其他数据均来源于《中国区域经济统计年鉴》[15]（2005、2010、2015）以及各省统计年鉴（2016）。
1.2.1 空间自相关
空间自相关（简称ESDA）反映旅游经济相近或相似单元在整个研究区域内空间关联特征,并反映随着时间的变化,空间特征的变化状态。常用全局Moran’s I系数测度。计算公式为[15]：
式中,n是观察值的数目;
$Z(I)=[I-E(I)]/ \sqrt{Var(I)}$ （4）
式中,
莫兰指数值介于-1~1之间。如果显著且为正即区域内存在正空间自相关,表现为高-高集聚或者低-低集聚;如果显著且为负即存在负相关,表现为高-低集聚或者低-高集聚。莫兰指数等于0表示空间不相关。
1.2.2 地理加权回归
传统线性回归模型只表示参数的“平均”效果,然而东北地区各市经济发展不均衡,资源禀赋存在差异,为得出更加符合实际的结论,引入地理加权回归模型（Geographically Weighted Regression,简称GWR）,该方法将数据的空间特性纳入模型中,扩展了传统回归,容许局部参数随着空间位置变化,探索影响因素在不同地理位置的空间变异特征及规律。计算公式为[17]：
式中,
采用最佳自然断裂法将2004、2009和2015年各市旅游收入划分为 4个梯度。总体来看,2004年旅游收入高于平均值的市域有8个,占总数的19.5%;2009年高于平均值的市域为15个,占总数的36.6%,2015年高于平均值的市域均为12个,占总数的29.3%,旅游经济发展水平较高市域数量有所增加。各市旅游收入呈较大幅度增长,但旅游经济发展不均衡问题突出,表现为东北三省省会城市发展最好,从研究期初到期末始终保持领先地位,其次是辽中南部分城市以及辽宁沿海经济带城市,东北地区中部及北部发展较差,形成由哈大线以及辽宁沿海经济带向西北和东北方向逐渐递减的“轴带-外围”空间模式。
从年度变化来看,2004年位于第一梯度的有大连、沈阳、长春、哈尔滨4市,占总数的10%;位于第二梯度的有鞍山、丹东、吉林、呼伦贝尔4市;位于第三梯度的有葫芦岛、锦州、盘锦、营口、辽阳、抚顺、本溪、白山、延边、齐齐哈尔、锡林郭勒、赤峰12盟市,占总数的29%;位于第四梯度的有朝阳、阜新、白城、松原、四平、铁岭、辽源、通化、白山、大庆、绥化、黑河、大兴安岭、伊春、鹤岗、佳木斯、双鸭山、七台河、鸡西、通辽、兴安盟共21盟市,占总数的51%。
在2004年的基础上,2009年葫芦岛、盘锦、辽阳、本溪、抚顺5市升入第二梯度,此类城市数量增加幅度最大,比2004年增加12个百分点;朝阳、鸡西2市升入第三梯度,此类城市数量减少,占总数的24%;第四梯度城市数量大幅减少,减少7个百分点。
葫芦岛、盘锦、本溪、抚顺、辽阳5市由2009年的第二梯度落入2015年的第三梯度;齐齐哈尔、鸡西、牡丹江3市由2009年的第三梯度落入2015年的第四梯度,第四梯度占比51%。综合来看,3 a各市多数位于第三和第四梯度,这些城市旅游资源较为匮乏,经济发展水平较低,交通相对闭塞,旅游业发展落后于其他地区。
运用 SPSS17.0 K-S法对东北地区各市2004、2009、2015年旅游收入原始数据进行正态分布辨识,结果均较为理想,服从正态分布,符合空间自相关的建模数据要求。据式（3）,运用OpenGeoDa1.4.1得到东北地区各市域2004、2009、2015年旅游收入空间自相关指数（表1）：Moran’s I均为正且逐渐增大,2004年Moran’s I在10%显著性水平下通过Z检验,2009年和2015年均通过5%显著性水平下Z检验。近10 a来,各市域旅游经济发展呈高度空间正相关,符合GWR的建模数据要求。
表1 2004~2015年旅游收入全局Moran’s I统计量
Table 1 Statistic data of Global Moran’s I for tourism from 2004 to 2015
| 时间 | Moran’s I | P | Z得分 |
|---|---|---|---|
| 2004年 | 0.0945 | 0.0730 | 1.8323 |
| 2009年 | 0.1558 | 0.0400 | 2.0730 |
| 2015年 | 0.2042 | 0.0160 | 2.6334 |
因变量采用旅游收入表示。自变量选取星级饭店床位数、旅行社数、交通区位指数、旅游资源丰度、农村居民人均可支配收入、城镇居民人均可支配收入、腹地人口密度、人均全社会固定资产投资额、人均财政支出9个指标。
采用SPSS17.0进行相关关系判定,2004、2009和2015年旅游收入原始数据与9个自变量原始数据的皮尔逊相关系数值在0.01显著性水平上均较高,以10个变量作为后续建模的基础指标。9个自变量指标两两之间在0.01显著性水平上均呈较高的正相关。借鉴欧向军等[18]的维度分析视角,对变量进行无量纲化处理,采用SPSS17.0主成分分析法将9个指标降维,得到3个主成分。综合考虑,将其命名为旅游产业因子、消费因子和投资因子（表2）。
表2 旅游经济影响因子及指标体系
Table 2 Impact factors and indicator system
| 影响因子 | 指标体系 | 指标释义 |
|---|---|---|
| 旅游产业因子 | 旅游资源丰度、交通区位指数、 星级饭店床位数、旅行社数 | 旅游景区、旅游交通、旅行社、旅游饭店是旅游产业发展的核心要素,表征旅游目的地吸引力、可达性和接待服务设施状况,即供给指标 |
| 消费因子 | 腹地人口密度、城镇居民人均可支配收入、农村居民人均可支配收入 | 旅游者对旅游资源、设施和产品的消费能力和消费潜力,即需求指标 |
| 投资因子 | 人均全社会固定资产投资额、 人均财政支出 | 国有经济对旅游产业发展的贡献 |
3.2.1 模型构建
分别以2004、2009和2015年旅游收入标准化值作为因变量,3个主成分因子得分值作为自变量,采用SPSS17.0普通最小二乘法（OLS）进行主成分回归,结果见表3。
表3 OLS模型参数估计及检验
Table 3 Parameter estimation and test results of the OLS model
| 模型参数 | 2004年 | 2009年 | 2015年 | |||||
|---|---|---|---|---|---|---|---|---|
| 非标准化系数 | 标准系数 | 非标准化系数 | 标准系数 | 非标准化系数 | 标准系数 | |||
| 常数项 | -1.09841E-006 | -5.725E-007 | 3.429E-7 | |||||
| 旅游产业因子 | 2.276 | 0.822 | 2.077 | 0.771 | 1.522 | 0.783 | ||
| 消费因子 | 1.087 | 0.378 | 1.282 | 0.424 | 1.662 | 0.343 | ||
| 投资因子 | 1.102 | 0.321 | 1.038 | 0.310 | 1.189 | 0.373 | ||
| 校正R2 | 0.915 | 0.859 | 0.819 | |||||
3.2.2 结果分析
表3显示：除常数项以外,其余各项均通过了0.01的显著性检验,3 a模型均能解释大于81.9%的信息。通过比较回归系数可知,旅游产业因子对旅游经济的弹性系数最大,但自变量的回归系数大并不一定对因变量影响强度也大。2004和2009年自变量对因变量影响强度从大到小依次均为旅游产业因子、消费因子、投资因子,2015年从大到小依次为旅游产业因子、投资因子、消费因子。旅游资源、交通通达性和旅游服务设施在旅游产业发展中始终起基础性决定作用。2009年之前东北地区旅游业基本处于较低的发展水平,依赖于资源的吸引力和旅游者自发的消费行为,2009年国务院颁布《意见》后,各市深化旅游业改革开放,在旅游基础设施建设、旅游产品多样化、旅游消费热点、旅游发展规划等方面加大投资力度,国有经济对旅游产业发展的贡献逐渐增大。
3.3.1 模型构建
据式（5）,在 ArcGIS10.2 环境中设置各市中心地理坐标,分别以2004、2009和2015年旅游收入标准化值作为因变量,3个主成分因子得分值作为自变量,应用GWR工具,以固定核类型为基础,依据AIC值最小确定最佳带宽原理,选择高斯模型计算GWR模型带宽,结果见表4。
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
| 年份 | 带宽 | 残差平方和 | 有效数量 | 置信系数 | 调整 R2 |
|---|---|---|---|---|---|
| 2004 | 14228148 | 3.148 | 4.012 | 0.292 | 0.921 |
| 2009 | 14228148 | 5.218 | 4.012 | 0.376 | 0.869 |
| 2015 | 14228148 | 5.225 | 4.023 | 0.335 | 0.849 |
表3和4显示：GWR模型下,2004、2009、2015年调整R2分别为 0.921、0.869、0.849,比OLS的调整R2（0.915、0.859、0.819）有所提高,说明GWR模型的拟合效果要优于OLS模型。另,据表1中I值显示,市域旅游经济发展存在较强的空间相关性,不满足OLS模型建立的先验假设,该样本数据建立在OLS模型上的推论可能不够可靠,需要基于空间差异性和空间依赖性的GWR法对模型进行修正[25]。
GWR模型回归结果显示,模型局域决定系数R2也存在空间变异,2004年局域决定系数R2在0.921 209~0.921 323之间变化,最大值落在鞍山市,最小值落在黑河市;2009年在0.869 265~0.869 637之间变化,最大值落在鞍山市,最小值落在黑河市;2015年在0.848 518~0.848 591之间变化,最大值落在锡林郭勒市,最小值落在鸡西市。3 a模型决定系数R2均由西南向东北方向递减。辽中南城市群的R2较高,表明该市域的旅游产业因子、消费因子和投资因子较好地被模型所模拟。黑龙江东北部市域的R2较小,该市域的模型拟合优度相对较差,旅游经济可能还受到模型没有考虑的其他因素,如经济外向度、地理距离等因素的影响。
2004年各市域局部回归模型的标准化残差值落在[-2.04,4.15]的范围,2009年落在[-3.80,2.10]的范围,2015年落在[-3.5,4.00]的范围,除沈阳市（4.15,2004年）、大庆市（-3.80,2009年）、吉林市（3.99,2015年）以外,3年中其余97.6%的市域标准化残差值均在[-2.58,2.58]范围内,大部分市域的局部回归模型通过残差检验。3 a模型的标准化残差在5%显著性水平下随机分布。残差空间自相关检验结果进一步显示（表5）,3 a残差在空间上随机分布,模型整体效果较好。
表5 残差空间自相关检验
Table 5 Moran’s I of residual
| 年份 | Moran’s I | Z | P |
|---|---|---|---|
| 2004 | -0.034 | -0.177 | 0.859 |
| 2009 | -0.004 | 0.400 | 0.689 |
| 2015 | -0.059 | -0.568 | 0.353 |
3.3.2 影响因子空间分异特征分析
图2、3、4显示：在GWR模型下,2004年、2009年旅游产业因子回归系数最高,其次是消费因子和投资因子,2015年消费因子回归系数最高,其次是产业因子和投资因子, 这一结论与OLS模型回归结果相同。每个分析单元均对应一个回归系数,揭示每个单元旅游经济影响因素的空间异质性。3 a自变量回归系数的最小值均大于1,最大值与最小值之差均小于0.001,回归系数在空间上均较为稳定。3个自变量对旅游经济的影响均为正向,符合预期。
图2 GWR模型旅游产业因子回归系数空间分布
Fig.2 Spatial distribution of the regression coefficients of tourism industry factor in the GWR model
1） 旅游产业因子空间分异特征。从空间分布来看,2004年旅游产业因子回归系数由西南向东北方向圈层递减,最大值落在锡林郭勒市,最小值落在佳木斯市（图2）;2009年由中南部向西北和东北2个方向逐渐递减,最大值落在鞍山市,最小值落在双鸭山市;2015年由东北向西南方向圈层递减,最大值落在鸡西市,最小值落在葫芦岛市,说明旅游产业因子对前者旅游经济发展的影响高于后者。从时间角度分析,旅游产业因子回归系数平均值由2004年的2.276下降到2015年的1.521,该因子影响强度逐渐减弱,但在10 a间,旅游产业因子回归系数高值区逐步扩大,2009年之后高值区转移到东北方向。东北各市依托自身自然和人文资源优势,大力发展民俗旅游、生态旅游、边境旅游、节庆旅游,力争把旅游业作为战略性支柱产业发展,该因素的影响范围逐渐扩大,辐射增强。在东北地区旅游业发展的前期,辽中南以及辽宁沿海经济带等经济较为发达城市较早地认识到旅游业对国民经济的促进作用以及对人民生活质量的提升作用,重视旅游资源的开发利用、旅游设施的建设,旅游产业因子相比东北其他地区对旅游业的促进作用更大。2009年全国各地几乎都认识到旅游业的积极作用,经济发展水平较低、交通相对闭塞的东北部及北部地区旅游产业因子的作用逐步发挥。
2） 消费因子空间分异特征。图3显示：从空间分布来看,2004年消费因子回归系数由东北向西南方向逐渐递减,2009年和2014年回归系数均从东南向西北方向递减;2004年最大值落在鸡西市,最小值落在锡林郭勒市,2009年和2015年最大值均落在大连市,最小值均落在大兴安岭市,消费因子对前者旅游经济的影响高于后者。从时间角度分析,消费因子回归系数平均值从2004年的1.087逐渐上升到2015年得1.662,该因子影响强度逐渐增强,低值区范围有所缩小。旅游业对国民经济具有高度依赖性,经济发展水平越高、人口越密集、可支配收入越高地区,居民参与旅游的可能性就越大,消费因子对旅游经济产生越强的影响力。在东北地区旅游业发展的前期,东北部及北部地区发展旅游业的积极性不强,资源优势没有很好发挥,旅游业的发展取决于旅游者自发的消费行为,消费因子的弹性系数比其他地区更大。2009年居民的旅游消费观念得到改善,消费需求量逐步增加,步入休闲时代,旅游业作为生活性服务业的重要组成部分,旅游经济发展对消费能力的依赖性逐渐加剧。在中后期,辽中南以及东南部人口较为密集、经济较为发达、人民收入水平较高城市居民消费因子对旅游业的促进作用显著,并且高值区系数值逐渐升高,旅游业走上了需求拉动型发展道路。
图3 GWR模型消费因子回归系数空间分布
Fig.3 Spatial distribution of the regression coefficients of consumption factor in the GWR model
3） 投资因子空间分异特征。图4显示：从空间分布来看,2004年投资因子回归系数由东北向西南方向逐渐递减,最大值落在鹤岗市,最小值落在锡林郭勒市;2009年由中南部向西北和东北2个方向逐渐递减,最大值落在鞍山市,最小值落在大兴安岭市;2015年由东北部向西南部逐渐递减,最大值落在鹤岗市,最小值落在葫芦岛市,表明国有经济对前者旅游经济的影响高于后者。从时间角度分析,投资因子回归系数平均值从2004~2015年经历了先降后升的过程,该因子对旅游经济发展水平的作用强度相对不稳定,高值区辐射范围扩大,低值区范围逐渐缩小。对于现有的旅游经济“欠发达”市域,以及拥有良好资源基础的东北部地区旅游“萌芽期”和“发展期”市域,大力扶植旅游基础设施建设、保护开发旅游资源,固定资产投资和财政支出的作用力度增强。
图4 GWR模型投资因子回归系数空间分布
Fig.4 Spatial distribution of the regression coefficients of investment factor in the GWR model
本文从中观层面,以东北地区41个市域为分析单元,选择东北振兴战略实施以来,以2009年国务院颁布《意见》为转折点,选择2004、2009和2015年截面数据,采用空间自相关法分析旅游经济发展的空间关联特征,基于9个指标采用主成分分析法降维得到3个主成分,运用OLS和GWR模型分析旅游收入因变量和旅游产业因子、消费因子、投资因子3个主成分自变量之间的关系,以此揭示东北地区旅游经济发展影响因素并挖掘其时空结构信息,延伸出一些讨论并得出以下结论。
1） 研究表明,东北地区各市旅游经济发展水平不均,验证了王洪桥[9]的结论。旅游资源、服务接待设施、交通基础设施、腹地人口密度是影响旅游经济发展水平的主要因素,与孙根年[8,9]等的研究结论一致。各个单元回归系数不同,拓展了传统回归模型。3个自变量对旅游经济的影响均为正向,3个自变量值是主成分分析的结果,代表的是9个指标的综合,本研究结果中回归系数均为正并不能说明9个指标对因变量的影响均为正向,需要进一步分指标解答。
2） 星级饭店床位数和交通区位指数两个指标既满足旅游者的旅游需求,也满足非旅游者的生活需求,该数据是两部分需求的叠加,均未能剥离出旅游部分,可能导致本研究中旅游产业因子系数的虚高;消费指标只考虑了东北地区旅游业一级客源市场的消费能力和消费潜力,没有考虑二级和三级客源市场的情形,可能导致本研究中旅游消费因子系数的偏低。
3） 旅游产业、消费和投资因子是影响旅游经济发展的重要因素,但还存在其他一些因素如地理距离、旅游者的消费偏好、政策机制、旅游业服务质量等,今后应将这些指标纳入研究框架,同时可考虑将处理截面数据的GWR扩展到面板GWR,改进模型以获得更理想效果。
4） 东北地区市域旅游经济发展具有较强的空间关联,未来应立足于空间关联特征推进市域旅游一体化进程,明确推动主体、一体化的时序和进度问题,在旅游产品、市场、区域分工、规划等方面协调联动发展,开拓全域旅游发展新格局。
1） 东北地区各市旅游经济发展水平显著提高,但发展不均衡,形成由哈大线以及辽宁沿海经济带向西北和东北方向逐渐递减的“轴带-外围”空间模式。旅游经济发展呈高度空间正相关,相关性逐渐增大。
2） OLS回归结果表明,3 a旅游产业因子、消费因子和投资因子均通过0.01的显著性检验,均能解释大于81.9%的信息。旅游产业因子对旅游经济发展的影响强度最大,在旅游业发展中始终起基础性决定作用,2009年国务院颁布《意见》后,2015年投资因子对旅游经济发展的影响越居第2位,各市加强旅游业的规划和投资,国有经济对旅游业发展的贡献逐渐增大。
3） GWR回归结果显示,3 a拟合优度均比OLS有所提高。莫兰值显示,残差在空间上随机分布,模型整体效果较好。回归系数在空间上分布均较为稳定。
4） 3个自变量对旅游经济的影响都是正向的,符合预期,但分布规律不同。2004年以来,旅游产业因子回归系数高值区经历了西南部-中南部-东北部转移,回归系数逐渐向外围圈层递减,高值区范围逐步扩大;消费因子回归系数高值区由东北部向东南部转移,回归系数向外围逐渐递减,低值区有所缩小,旅游经济发展对居民消费能力的依赖性逐渐增强;投资因子回归系数高值区经历了东北部-中南部-东北部转移,向外围逐渐递减,低值区范围逐渐缩小。
The authors have declared that no competing interests exist.
| [1] |
中国入境旅游的区域差异特征分析 [J].https://doi.org/10.3321/j.issn:0375-5444.2006.12.004 URL [本文引用: 1] 摘要
采用可以多层次分解的Theil系数测量1990-2004年我国入境旅游时间尺度上的地带间、地带内和省际差异变化状况。结果表明，1990-2004年中国入境旅游省际差异逐渐缩小，变化速度变缓；地带内差异大于地带间差异，地带内差异是构成省际差异的主要因素．特别是东部地带内差异是我国入境旅游区域差异的主要贡献者。总体上看．中国入境旅游省际差异20世纪90年代初居高不下，90年代中期急剧缩小．21世纪初持续下降．并有小幅波动；地带间差异除1991年和2003年急剧上升外，其余年份持续下降；东部地带内差异较大．但差异迅速缩小，中部地带内差异居高不下，变化明显，西部地带内差异较小．波动不明显。结合中国区域经济差异的时空变化进行比较研究，有两个有意义的发现：一是入境旅游区域差异逐渐缩小和经济差异逐渐加大的发展方向刚好是相反的。研究结果验证了发展入境旅游可以起到调整区域经济差异的作用，能起到缩小区域经济发展差距的作用。二是中国入境旅游地带间差异逐渐缩小，而中国区域经济差异地带间差异却逐渐扩大．说明入境旅游在缩小地带间差异方面也发挥一定的作用。
Temporal change of regional disparity in Chinese inbound tourism .https://doi.org/10.3321/j.issn:0375-5444.2006.12.004 URL [本文引用: 1] 摘要
采用可以多层次分解的Theil系数测量1990-2004年我国入境旅游时间尺度上的地带间、地带内和省际差异变化状况。结果表明，1990-2004年中国入境旅游省际差异逐渐缩小，变化速度变缓；地带内差异大于地带间差异，地带内差异是构成省际差异的主要因素．特别是东部地带内差异是我国入境旅游区域差异的主要贡献者。总体上看．中国入境旅游省际差异20世纪90年代初居高不下，90年代中期急剧缩小．21世纪初持续下降．并有小幅波动；地带间差异除1991年和2003年急剧上升外，其余年份持续下降；东部地带内差异较大．但差异迅速缩小，中部地带内差异居高不下，变化明显，西部地带内差异较小．波动不明显。结合中国区域经济差异的时空变化进行比较研究，有两个有意义的发现：一是入境旅游区域差异逐渐缩小和经济差异逐渐加大的发展方向刚好是相反的。研究结果验证了发展入境旅游可以起到调整区域经济差异的作用，能起到缩小区域经济发展差距的作用。二是中国入境旅游地带间差异逐渐缩小，而中国区域经济差异地带间差异却逐渐扩大．说明入境旅游在缩小地带间差异方面也发挥一定的作用。
|
| [2] |
中国区域旅游发展差异影响因素研究——来自1990~2003年的经验数据检验 [J].https://doi.org/10.3969/j.issn.1001-9952.2006.03.003 URL [本文引用: 3] 摘要
文章采用系统的数据和计量模型方法,探讨了20世纪90年代以来中国区域旅游业发展差异及其变迁,并对这种差异进行了地区分解,结果表明东部地区内部的省际差异及东中西三大地区之间的区间差异是造成我国旅游业发展区域差异的主要原因。以世界遗产、旅游区(点)以及国家历史文化名城为基本指标,文章综合评价了我国旅游资源禀赋的区域差异,发现其与区域旅游业发展差异之间存在一定的相关性。以此为基础,文章还实证分析了区域旅游资源对旅游业发展差异的影响,结论为旅游资源只是影响我国区域旅游业发展差异的因素之一,区域基础设施、服务设施以及经济发展水平等因素也是区域旅游业发展差异的主要影响因素。
A study on the regional tourism resources and the unbalanced development of the tourism industry in China .https://doi.org/10.3969/j.issn.1001-9952.2006.03.003 URL [本文引用: 3] 摘要
文章采用系统的数据和计量模型方法,探讨了20世纪90年代以来中国区域旅游业发展差异及其变迁,并对这种差异进行了地区分解,结果表明东部地区内部的省际差异及东中西三大地区之间的区间差异是造成我国旅游业发展区域差异的主要原因。以世界遗产、旅游区(点)以及国家历史文化名城为基本指标,文章综合评价了我国旅游资源禀赋的区域差异,发现其与区域旅游业发展差异之间存在一定的相关性。以此为基础,文章还实证分析了区域旅游资源对旅游业发展差异的影响,结论为旅游资源只是影响我国区域旅游业发展差异的因素之一,区域基础设施、服务设施以及经济发展水平等因素也是区域旅游业发展差异的主要影响因素。
|
| [3] |
中国旅游经济差异的空间特征分析 [J].A study on the spatial characteristic of provincial difference of tourism economy . |
| [4] |
中国省际入境旅游发展影响因素研究——基于分省面板数据分析 [J].https://doi.org/10.3969/j.issn.1002-5006.2008.01.012 URL [本文引用: 4] 摘要
本文基于1997-2006年我国31个省(市、自治区)的面板数据,用固定影响变截距模型,实证研究了决定省际入境旅游发展状况(收入与市场)的因素.结果表明:省际入境旅游有明显的脆弱性,其强度依东、中、西顺序梯度增大;服务设施对入境旅游的发展影响不显著,旅游资源是发展入境旅游的客观基础;在全国范围内,入境旅游发展的决定因素是省区经济、对外开放、交通设施,而在东中西部区域层次上,省际入境旅游的决定因素不相同.
Study on the influencing factors of the development of China's provincial inbound tourism—Analysis based on the provincial panel data .https://doi.org/10.3969/j.issn.1002-5006.2008.01.012 URL [本文引用: 4] 摘要
本文基于1997-2006年我国31个省(市、自治区)的面板数据,用固定影响变截距模型,实证研究了决定省际入境旅游发展状况(收入与市场)的因素.结果表明:省际入境旅游有明显的脆弱性,其强度依东、中、西顺序梯度增大;服务设施对入境旅游的发展影响不显著,旅游资源是发展入境旅游的客观基础;在全国范围内,入境旅游发展的决定因素是省区经济、对外开放、交通设施,而在东中西部区域层次上,省际入境旅游的决定因素不相同.
|
| [5] |
河北省入境旅游规模差异及影响因素分析 [J].
以河北省2008—2013年入境旅游数据为基础,运用标准差、变异系数、基尼系数和首位度等指标测度河北省入境旅游规模差异,运用位序—规模法则洛特卡一般模式分析河北省入境旅游位序规模分布规律,运用相关系数法、多元线性回归法探索影响河北省入境旅游区域差异的因素。发现：1河北省入境旅游规模绝对差异先增大后减小,而相对差异在波动中下降,规模差异呈缩小趋势。2基尼系数、首位度表明河北省入境旅游呈集中分布,位序—规模分析表明河北省入境旅游规模呈首位型分布,但洛特卡模式集中指数q从2008年1.73到2013年1.53,表明入境旅游差距在逐渐缩小。3以入境旅游规模和地域邻近特征为基础可以将河北省入境旅游划分为冀东北、冀西北和冀东南三大旅游区。4影响河北省入境旅游区域差异的主要因素是旅游资源丰度和区位条件。
Analysis of disparity of inbound tourism rank and scale and its influencing factors for cities in Hebei Province .
以河北省2008—2013年入境旅游数据为基础,运用标准差、变异系数、基尼系数和首位度等指标测度河北省入境旅游规模差异,运用位序—规模法则洛特卡一般模式分析河北省入境旅游位序规模分布规律,运用相关系数法、多元线性回归法探索影响河北省入境旅游区域差异的因素。发现：1河北省入境旅游规模绝对差异先增大后减小,而相对差异在波动中下降,规模差异呈缩小趋势。2基尼系数、首位度表明河北省入境旅游呈集中分布,位序—规模分析表明河北省入境旅游规模呈首位型分布,但洛特卡模式集中指数q从2008年1.73到2013年1.53,表明入境旅游差距在逐渐缩小。3以入境旅游规模和地域邻近特征为基础可以将河北省入境旅游划分为冀东北、冀西北和冀东南三大旅游区。4影响河北省入境旅游区域差异的主要因素是旅游资源丰度和区位条件。
|
| [6] |
中国城市入境旅游发展差异及其影响因素 [J].Fu Chaoxia et al. The intercity difference and influencing factors of inbound tourism development in China:Taking the major tourism cities as an example . |
| [7] |
入境旅游影响因素及其空间效应计量——以上海市为例 [J].The spatial correlation and difference of influencing factors of urban inbound tourism: A case study of Shanghai . |
| [8] |
资源-区位-贸易三大因素对日本游客入境旅游目的地选择的影响 [J].https://doi.org/10.11821/yj2011060007 URL [本文引用: 6] 摘要
外国游客入境旅游目的地的选择受多种因素的影响,具有较大的不确定性。本文从宏观视角出发,分别选取了旅游资源丰度、交通区位指数和贸易联系度三大因素,在广泛市场调查和总结已有成果的基础上,提出了入境游客目的地选择的三因素假设,即：旅游景点择高、空间距离择近和经济联系择富。并以日本游客入境中国旅游地域分布为例,系统收集整理了日本游客在中国31个省区的分布及各省区旅游资源丰度、交通区位指数和对日贸易联系度等数据,分析了游客到访率与上述3个因素的关系。结果显示：区位指数、贸易联系度对日本游客到访率有着更为直接的影响,三大因素的综合解释率高达97%以上,这在某种程度上揭示了入境游客地域分布和目的地选择的宏观规律。
Scenery attraction, location accessibility and trade connection: Three factors and their influences on destination choice of Japanese tourists .https://doi.org/10.11821/yj2011060007 URL [本文引用: 6] 摘要
外国游客入境旅游目的地的选择受多种因素的影响,具有较大的不确定性。本文从宏观视角出发,分别选取了旅游资源丰度、交通区位指数和贸易联系度三大因素,在广泛市场调查和总结已有成果的基础上,提出了入境游客目的地选择的三因素假设,即：旅游景点择高、空间距离择近和经济联系择富。并以日本游客入境中国旅游地域分布为例,系统收集整理了日本游客在中国31个省区的分布及各省区旅游资源丰度、交通区位指数和对日贸易联系度等数据,分析了游客到访率与上述3个因素的关系。结果显示：区位指数、贸易联系度对日本游客到访率有着更为直接的影响,三大因素的综合解释率高达97%以上,这在某种程度上揭示了入境游客地域分布和目的地选择的宏观规律。
|
| [9] |
东北三省旅游经济差异的时空特征分析 [J].
区域旅游经济差异是旅游业“竞合”关系的主要影响因素之一，利用加权变异系数、基尼系数、锡尔系数等方法，以2002~2012年东北三省的国内旅游收入和旅游外汇收入为分析对象，揭示东北三省区域旅游经济差异的时空特征，以期为优化区域旅游经济结构，避免恶性竞争造成的不利影响提供依据。结果表明：①东北三省旅游经济省问绝对差异不大，相对差异逐渐增大；②三省省内各地市的国内旅游收入差异和旅游外汇收入差异都较大，黑龙江省的国内旅游收入差异在扩大，辽宁和吉林在减小；吉林省的旅游外汇收入差异基本保持不变，辽、黑两省在减小；③三省的地带间旅游经济差异基本保持不变。
Spatio-temporal characteristics of tourism economy difference in Northeast China .
区域旅游经济差异是旅游业“竞合”关系的主要影响因素之一，利用加权变异系数、基尼系数、锡尔系数等方法，以2002~2012年东北三省的国内旅游收入和旅游外汇收入为分析对象，揭示东北三省区域旅游经济差异的时空特征，以期为优化区域旅游经济结构，避免恶性竞争造成的不利影响提供依据。结果表明：①东北三省旅游经济省问绝对差异不大，相对差异逐渐增大；②三省省内各地市的国内旅游收入差异和旅游外汇收入差异都较大，黑龙江省的国内旅游收入差异在扩大，辽宁和吉林在减小；吉林省的旅游外汇收入差异基本保持不变，辽、黑两省在减小；③三省的地带间旅游经济差异基本保持不变。
|
| [10] |
The role of transport in destination development [J].https://doi.org/10.1016/S0261-5177(99)00079-5 URL [本文引用: 2] 摘要
Although the transport industry provides the link between tourism generating and destination regions the industry's role as an agent in destination development has been largely overlooked. If the ability of tourists to travel to preferred destinations is inhibited by inefficiencies in the transport system there is some likelihood that they will seek alternative destinations. This paper outlines a transport cost model that identifies the significance of transport as a factor in destination development as well as in the selection of destinations by intending tourists. The model demonstrates the dynamic relationship between categories of holiday expenditure and tourists' point of origin. Increased distance generally leads to increased transport access costs and represents a significant factor in total holiday cost. The model is tested by analyzing the role of transport in the development of Cairns as a destination by examining the effect of distance, transport access costs and competing destinations. (C) 1999 Elsevier Science Ltd. All rights reserved.
|
| [11] |
西部地区旅游经济空间变化趋势及影响因素研究 [J].A study on spatial variation and influential factors of tourism economy in the western region of China . |
| [12] |
中国旅游统计年鉴 [M].China tourism statistical yearbook . |
| [13] |
全国A级景点名录 [R/OL]. .National A-class tourism sites list. .] |
| [14] |
基于自主特征中国省际国内旅游预测模型构建 [J].A forecast modeling of domestic tourists of Mainland China′s provinces based on self-determination factors . |
| [15] |
中国区域经济统计年鉴 [M].China regional economies statistical yearbook . |
| [16] |
Spatial econometrics: methods and models [M]. |
| [17] |
基于地理加权回归的中国灰水足迹人文驱动因素分析 [J].The impacts of human driving factors on grey water footprint in China using a GWR model . |
| [18] |
区域城市化水平综合测度及其理想动力分析——以江苏省为例 [J].Study on compression level and ideal impetus of regional urbanization: The case of Jiangsu Province . |
/
| 〈 |
|
〉 |
