長江三角洲虛擬旅游流空間格局及其影響因素分析

杜家禛,靳 誠,2,徐 菁,周玉翠

(1.南京師范大學(xué)地理科學(xué)學(xué)院,江蘇 南京 210023)(2.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心,江蘇 南京 210023)(3.南京曉莊學(xué)院旅游與社會管理學(xué)院,江蘇 南京 211171)(4.衢州學(xué)院商學(xué)院,浙江 衢州 324000)

旅游流作為地理學(xué)與旅游學(xué)的交叉領(lǐng)域,一直是旅游地理學(xué)研究的重點問題. 當(dāng)前對旅游流解釋多指以旅游客流為主體的區(qū)域間位移,在空間中則表現(xiàn)為從目的地到客源地流動的群數(shù)量和流動模式[1],研究多以計量方法分析旅游流的空間結(jié)構(gòu)[2-3]、演化規(guī)律[4-7]、形成機制[8-11]等,從現(xiàn)實角度出發(fā)對旅游流進(jìn)行了剖析,但未考慮到虛擬網(wǎng)絡(luò)空間中的信息流動,缺乏對虛擬旅游流的探索.

虛擬旅游流作為現(xiàn)實旅游流在網(wǎng)絡(luò)空間中的映射[12],是具有流動性的互聯(lián)網(wǎng)檢索數(shù)據(jù),對現(xiàn)實旅游流的流量、流向及區(qū)域內(nèi)流動特征的預(yù)測具有先兆性. 目前,國內(nèi)外學(xué)者僅僅將虛擬旅游流看作網(wǎng)絡(luò)數(shù)據(jù)使用,并未對虛擬旅游流本身進(jìn)行研究思考[13-16]. 同時,將虛擬旅游流作為分析支撐數(shù)據(jù)忽視了其流動性特征,而流動性恰恰是旅游流構(gòu)建區(qū)間旅游網(wǎng)絡(luò)進(jìn)而連接不同空間區(qū)域之間各種物質(zhì)、信息、資金流交換的首要前提. 因此,以流動性為先決條件,對虛擬旅游流空間流動格局和影響因素進(jìn)行探討,是十分必要的.

基于此,本文以長江三角洲(三省一市)為研究區(qū)域,利用百度指數(shù)中的搜索指數(shù)作為虛擬旅游流分析數(shù)據(jù),結(jié)合空間自相關(guān)模型,探究虛擬旅游流空間格局. 利用模型對比選取半?yún)?shù)GWR模型,從流入、流出視角在市域尺度擬合參數(shù)估計分析,利用顯著性檢驗,探討區(qū)域虛擬旅游流及其影響因素之間的空間關(guān)系,以期為區(qū)域旅游發(fā)展方針政策的制定、空間布局的優(yōu)化及市域間的交流合作提供依據(jù).

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

流動性是虛擬旅游流的先決條件,為保證這一特征,本文選取百度指數(shù)為分析支撐數(shù)據(jù). 當(dāng)某地用戶以另一地為檢索關(guān)鍵詞時,兩地間就出現(xiàn)了信息流動,也是旅游客流在網(wǎng)絡(luò)中的映射,可以代表虛擬旅游流作為討論數(shù)據(jù). 本文依照目前長江三角洲最新市域范圍劃分,選取41個市級行政單位為研究對象,基于百度指數(shù)平臺,以“城市名+旅游”“城市名+景點”為檢索詞,依據(jù)不同市域IP定位,提取2013年、2018年全年具有雙向流動性的旅游流數(shù)據(jù)共6 560條.

1.2 研究方法

1.2.1 空間自相關(guān)分析

全局空間自相關(guān)是對地理要素屬性值在空間內(nèi)的聚集程度的描述,可反應(yīng)空間內(nèi)所有要素的關(guān)聯(lián)程度及顯著性[17-18]. 本文參考全局莫蘭指數(shù)這一最早應(yīng)用于檢驗空間關(guān)聯(lián)性和集聚問題的探索性空間分析指標(biāo)計算長江三角洲虛擬旅游流空間自相關(guān)特征,其計算公式如下:

1.2.2 半?yún)?shù)GWR模型

本文利用半?yún)?shù)GWR模型分析長江三角洲虛擬旅游流與其影響因素的空間關(guān)系,相較于傳統(tǒng)GWR模型,半?yún)?shù)GWR模型融合了地理空間中的局部項和全局項,包括全局固定項和地理流動系數(shù),提高了參數(shù)選擇合理性與加權(quán)回歸模型擬合表現(xiàn),其公式為:

2 虛擬旅游流空間格局

2.1 虛擬旅游流流動網(wǎng)絡(luò)格局分析

利用ArcGis對虛擬旅游流流動網(wǎng)絡(luò)進(jìn)行可視化表達(dá),不同年份市域間的虛擬旅游流流動見圖1,線條的粗細(xì)及顏色代表虛擬旅游流的大小差異. 研究發(fā)現(xiàn),長江三角洲虛擬旅游流具有明顯的地緣偏向,呈現(xiàn)核心—邊緣結(jié)構(gòu).

圖1 虛擬旅游流流動網(wǎng)絡(luò)Fig.1 Mobile network of virtual tourism flow

流動路徑值在400以上的虛擬旅游流圍繞長江三角洲中部分布,形成中部核心密度區(qū). 2013年,以蘇州、杭州、上海為核心流動點,圍合三角形高頻次流動區(qū). 2018年,中部核心密度區(qū)范圍擴大,形成“Z”字型核心構(gòu)架. 從流動路徑數(shù)看,2013年與2018年僅分別占全部虛擬旅游流流動路徑的0.12%、1.20%,但流量占比卻從1.7%上升至11.2%,是整個長江三角洲的絕對核心流動區(qū).

流動路徑值在200～400之間的虛擬旅游流以徐州、南京、杭州、臺州為分界線,流動網(wǎng)絡(luò)呈東密西疏的特征,形成次級核心密度區(qū). 2013年,此密度區(qū)內(nèi)東部以南京、上海等節(jié)點城市形成并聯(lián)型結(jié)構(gòu),西部則多為串聯(lián)型流動模式,東西差異明顯,2018年該類特征進(jìn)一步加深. 此部分流量2013年占比為 14.24%,至2018年擴大為24.4%. 空間范圍除“Z”字型核心區(qū)外,還包含了江蘇北部和浙江南部的部分市域,流動區(qū)域進(jìn)一步擴大.

流動路徑值在200以下的虛擬旅游流在2013—2018年間分布遍及整個長江三角洲,西北部最為密集,形成虛擬旅游流流動邊緣結(jié)構(gòu)區(qū). 2013年流動路徑值在200以下的虛擬旅游流占總流量的84.04%,至2018年則降為64.4%,可見,長江三角洲虛擬旅游流流動網(wǎng)絡(luò)呈核心—邊緣結(jié)構(gòu),城市間虛擬旅游流網(wǎng)絡(luò)差異較大.

2.2 空間自相關(guān)分析

虛擬旅游流空間格局除分析流動網(wǎng)絡(luò)和流量空間分布外,還可以參考各市域單元的虛擬旅游流集聚程度,通過Geoda軟件計算出長江三角洲虛擬旅游流全局Moran’I指數(shù),具體結(jié)果如表1所示.

表1 市域旅游流空間自相關(guān)結(jié)果Table 1 Spatial autocorrelation results of virtual tourism flow in different regions

由表1可知,2013—2018年無論是流入市域還是流出市域,虛擬旅游流的全局Moran’I指數(shù)均大于0,且Z值大于1.96,P值小于0.05,通過了顯著性檢驗. 表明市域單元虛擬旅游流流入、流出兩方向均具有正向相關(guān)性,市域單元虛擬旅游流在空間上具有顯著的集聚特征,為GWR模型的構(gòu)建奠定了基礎(chǔ).

3 影響因素分析

3.1 影響因素選取

本文依據(jù)旅游流驅(qū)動力、旅游流推拉理論、需求理論等前人研究[19-20],探究長江三角洲虛擬旅游流影響因素,從客源地需求系統(tǒng)、目的地引力系統(tǒng)及阻力系統(tǒng)3個方面選取解釋變量.

流入市域選取GDP、區(qū)域第三產(chǎn)業(yè)收入、人均旅游收入作為虛擬旅游流非物質(zhì)性引力,旅游流網(wǎng)絡(luò)密度、旅行社數(shù)量、A級景點數(shù)、星級飯店數(shù)量、住宿和餐飲業(yè)從業(yè)人員等旅游資源作為實際性物質(zhì)引力,空間距離、公路里程作為距離摩擦力.

流出市域選取人口、互聯(lián)網(wǎng)寬帶用戶接入量作為主觀需求因素,人均可支配收入、GDP、住戶存款數(shù)、社會消費品零售總額、城鎮(zhèn)登記失業(yè)率作為客觀需求支撐,私人汽車擁有量、空間距離作為距離阻力因素.

為進(jìn)一步對解釋變量進(jìn)行篩選,利用SPSS軟件首先對所有變量進(jìn)行標(biāo)準(zhǔn)化標(biāo)準(zhǔn)差處理,其次進(jìn)行共線性檢驗,將VIF(方差膨脹因子)大于10的影響因子剔除,最后2013年流入市域虛擬旅游流選取A級景點數(shù)X1、旅游流網(wǎng)絡(luò)密度X2、公路里程X3、空間距離(流入)X4、星級飯店數(shù)量X5作為解釋變量,流出市域虛擬旅游流則選取人口X6、空間距離(流出)X7、人均可支配收入X8、城鎮(zhèn)登記失業(yè)率X9作為解釋變量;2018年流入市域虛擬旅游流選取公路里程Y1、A級景點數(shù)Y2、旅游流網(wǎng)絡(luò)密度Y3、空間距離(流入)Y4作為解釋變量,流出市域選取社會消費品零售總額Y5、互聯(lián)網(wǎng)寬帶用戶接入量Y6、空間距離(流出)Y7、人均可支配收入Y8、城鎮(zhèn)登記失業(yè)率Y9作為解釋變量. 本文使用的所有社會經(jīng)濟(jì)數(shù)據(jù)均來自2013年、2018年長江三角洲各省統(tǒng)計公報與統(tǒng)計年鑒.

3.2 顯著性分析與模型對比分析

為驗證半?yún)?shù)GWR模型擬合優(yōu)越性,將傳統(tǒng)GWR模型、GWR模型及半?yún)?shù)GWR模型擬合結(jié)果進(jìn)行對照提取最優(yōu)模型.

首先,證明所選變量對虛擬旅游流影響顯著性. 在無法判斷變量是否具有流動性特征的情況下,利用傳統(tǒng)GWR模型,對解釋變量進(jìn)行全局回歸分析,將所有解釋變量看作在所選區(qū)域內(nèi)空間固定,初步探討變量顯著性. 2013年選取的變量中,僅有A級景點數(shù)、旅游流網(wǎng)絡(luò)密度、人口、空間距離(流出)、人均可支配收入通過顯著性檢驗,2018年則同樣篩選出公路里程、A級景點數(shù)、社會消費品零售總額、互聯(lián)網(wǎng)寬帶用戶接入量、空間距離(流出)、人均可支配收入6個顯著性變量.

在確保解釋變量對區(qū)域虛擬旅游流的影響顯著性后,需要確認(rèn)變量的空間固定性. 本文利用影響因素流動性檢驗及LtoG變量選擇,分別對流入、流出市域虛擬旅游流影響因素流動性檢測,當(dāng)DOF值為正值時,表明變量在空間中是固定的,具有空間平穩(wěn)性,因此為全局變量;當(dāng)DOF值為負(fù)時,說明變量在空間中具有流動性,需要作為局部變量進(jìn)一步優(yōu)化擬合. 在流入市域影響因素中,2013年旅游流網(wǎng)絡(luò)密度DOF值為負(fù),需考慮其對流入虛擬旅游流的空間影響,A級景點數(shù)DOF值為正,在空間中可作為平穩(wěn)性固定變量;而2018年A級景點數(shù)DOF值為負(fù),具有空間非平穩(wěn)性,需要繼續(xù)擬合參數(shù)分析,公路里程DOF值為正,在空間中表現(xiàn)出顯著的平穩(wěn)性,可作為全局固定變量考慮. 在流出市域影響因素中,2013年人口與人均可支配收入具有負(fù)DOF值,應(yīng)進(jìn)一步探究其空間流動性特征,空間距離(流出)則可作為全局固定影響變量;2018年互聯(lián)網(wǎng)寬帶用戶接入量、社會消費品零售總額DOF值為負(fù),需要從局部尺度出發(fā)繼續(xù)擬合優(yōu)化,而空間距離(流出)與人均可支配收入解釋變量DOF值為正,具有空間固定性,應(yīng)從全局尺度進(jìn)行固定分析.

在確認(rèn)要素影響顯著性及參數(shù)空間固定性后,對模型進(jìn)行最優(yōu)解比較,判斷依據(jù)以AICc準(zhǔn)則為標(biāo)準(zhǔn),結(jié)果見表2.

表2 不同模型擬合回歸結(jié)果Table 2 The fitting regression results of different models

2013—2018年流入市域與流出市域中,半?yún)?shù)GWR模型具有最高的R2值與調(diào)整后R2值,擬合具有明顯優(yōu)越性. 從AICc值來看,半?yún)?shù)GWR模型同樣擁有最低的數(shù)值. 綜上分析,半?yún)?shù)GWR模型的回歸擬合結(jié)果具有最優(yōu)解,AICc值最低,是最適宜擬合分析市域虛擬旅游流的回歸模型.

3.3 局部參數(shù)估計分析

3.3.1 2013年影響因素參數(shù)估計

根據(jù)半?yún)?shù)GWR模型的影響因素固定性檢驗,進(jìn)一步判斷2013年局部參數(shù)對不同市域虛擬旅游流的影響顯著性,顯著性判斷標(biāo)準(zhǔn)參考T檢驗,結(jié)果如圖2所示.

圖2 2013年市域虛擬旅游流參數(shù)估計Fig.2 Parameter estimate of virtual tourism flow in 2013

(1)X2參數(shù)估計值在空間中呈現(xiàn)自東向西階梯式遞減的分布特征,東部數(shù)值明顯高于西部,旅游流網(wǎng)絡(luò)密度在長江三角洲西部對流入虛擬旅游流呈負(fù)相關(guān),其余市域均為正向影響,且正相關(guān)影響面積遠(yuǎn)大于負(fù)相關(guān).上述分析表明,2013年旅游流網(wǎng)絡(luò)密度對流入虛擬旅游流具有較強引力,尤其在核心旅游節(jié)點附近的城市最為顯著,此類市域背靠節(jié)點獲得了部分流入虛擬旅游流的分流不斷發(fā)展,受節(jié)點影響程度與數(shù)值變化一致自東向西不斷遞減.部分市域如安慶,數(shù)值為負(fù),其旅游資源承載力無法負(fù)荷來自合肥的分流量,過量的旅游流降低了游憩質(zhì)量,進(jìn)而減少了游客的目的地選擇首位度.

(2)X6數(shù)值具有與X2相向分布的空間特質(zhì),西高東低,數(shù)值從西向東不斷減少,X6所代表的人口對流出虛擬旅游流成顯著正相關(guān).可以看出,高數(shù)值區(qū)域集中于客源地需求與目的地引力維持在低水平的區(qū)域,其經(jīng)濟(jì)和旅游發(fā)展水準(zhǔn)較低,交通通達(dá)性相對較差,居民缺乏出境旅游支撐力,多選擇在本市出游或不出游,僅能依靠人口的增加而擴大流出數(shù)量.與之相反,低數(shù)值市域中,居民在充分體驗市內(nèi)游憩點后有充足的旅游預(yù)算選擇跨市、跨省游覽,人口的增長并不能較強地促進(jìn)流出量的增加.

(3)X8的參數(shù)估計表現(xiàn)出明顯的北高南低的空間分布特征,人均可支配收入對整個長江三角洲均為正相關(guān),人均可支配收入的增加會刺激居民出游消費欲. 可見,高數(shù)值區(qū)域核心區(qū)為長江三角洲西北部的安徽省和經(jīng)濟(jì)相對較差的蘇北市域,此類市域居民客源地主觀需求不足而未能出行,當(dāng)可支配收入增多時,出游意愿增強,任何收入的增加都會使出游可能性成倍增長. 未通過檢驗區(qū)域一般數(shù)值較低,且主要為長江三角洲南部的浙江省市域,此類市域居民收入的增長不是其出游的主要增長推動力.

3.3.2 2018年影響因素參數(shù)估計

流入市域擬合模型中,A級景點數(shù)為局部流動性變量,流出市域擬合模型中,互聯(lián)網(wǎng)寬帶用戶接入量、社會消費品零售總額為局部非平穩(wěn)變量,需進(jìn)一步擬合分析,依據(jù)T檢驗判斷市域顯著性,結(jié)果如圖3所示.

圖3 2018年市域虛擬旅游流參數(shù)估計Fig.3 Parameter estimate of virtual tourism flow in 2018

(1)Y2參數(shù)估計值表現(xiàn)出明顯的東南高、西北低趨勢,Y2代表的A級景點數(shù)在長江三角洲市域范圍內(nèi)均為正相關(guān),對長江三角洲流入市域虛擬旅游流具有吸引拉力. 相比2013年,A級景點數(shù)更能體現(xiàn)旅游資源豐富度的代表性變量地位,對市域流入虛擬旅游流空間格局影響程度隨旅游業(yè)發(fā)展區(qū)域差異而加大. 分析結(jié)果表明,A級景區(qū)數(shù)量對長江三角洲市域流入虛擬旅游流具有推動作用,A級景區(qū)代表的旅游資源仍然是居民進(jìn)行出游規(guī)劃和網(wǎng)絡(luò)檢索時的首要考慮要素. 參數(shù)估計高數(shù)值區(qū)域多集中于江蘇南部及浙江北部區(qū)域等旅游資源稟賦較好、經(jīng)濟(jì)發(fā)展水平較高的市域,而未通過檢驗的單元,其旅游發(fā)展水平與長江三角洲其他市域存在差距.

(2)Y5參數(shù)估計值在空間中呈現(xiàn)西北高、東南低的分布趨勢,社會消費品零售總額與長江三角洲西北部流出虛擬旅游流為顯著的正向相關(guān)關(guān)系,對中、南部則為負(fù)相關(guān),正相關(guān)區(qū)域明顯多于負(fù)相關(guān).說明對于浙江、上海及蘇南部分市域而言,社會消費品零售總額代表的消費能力并不完全與旅游出游率相等價,旅游支出僅作為其休閑娛樂的一部分支出而存在,社會消費品零售總額對此類流出虛擬旅游流呈微弱的負(fù)相關(guān).而對于江蘇中部、安徽省等市域而言,社會消費品零售總額的增加代表著居民出游能力的增強,且與出游率之間有著強烈的正相關(guān)性,越來越多的居民選擇外出旅游這一活動作為放松身心、休閑娛樂的重要方式.

(3)Y6數(shù)值與Y5相反,空間上表現(xiàn)出南高北低的分布特征,互聯(lián)網(wǎng)寬帶用戶接入量對長江三角洲市域流出虛擬旅游流均為正向相關(guān)關(guān)系,極大地推動了虛擬旅游流的空間流動. 可以看出,互聯(lián)網(wǎng)寬帶用戶接入量對長江三角洲的流出虛擬旅游流具有促進(jìn)作用,大部分中、高數(shù)值市域位于長江三角洲中部與南部的經(jīng)濟(jì)發(fā)達(dá)地區(qū),低數(shù)值區(qū)域多位于安徽省和蘇北地區(qū). 隨著互聯(lián)網(wǎng)的全面普及,利用互聯(lián)網(wǎng)進(jìn)行出游檢索調(diào)研十分普遍,經(jīng)濟(jì)發(fā)展水平較差區(qū)域居民仍會利用網(wǎng)絡(luò)進(jìn)行出游準(zhǔn)備,從而搜索出符合出游者旅游意愿的目的地.

4 結(jié)論

(1)2013—2018年長江三角洲虛擬旅游流具有明顯的地緣偏向,呈現(xiàn)核心—邊緣結(jié)構(gòu). 流入、流出市域空間自相關(guān)性均能在2013—2018年間通過顯著性檢驗,從全局尺度看,流入市域全局空間集聚程度大于流出市域聚合.

(2)根據(jù)半?yún)?shù)GWR擬合分析,2013年旅游流網(wǎng)絡(luò)密度在流入虛擬旅游流半?yún)?shù)GWR模型中是具有流動性的局部參數(shù),而人口和人均可支配收入則是流出虛擬旅游流的非固定性參數(shù),A級景點數(shù)、空間距離在2013年是具有空間固定性的全局參數(shù).

(3)2018年A級景點數(shù)是流入虛擬旅游流的非固定性變量,而社會消費品零售總額、互聯(lián)網(wǎng)寬帶用戶接入量則為流出市域中的流動性變量,公路里程、空間距離(流出)、人均可支配收入為全局固定變量.

(4)根據(jù)2013—2018年長江三角洲虛擬旅游流空間格局與影響因素變化,將優(yōu)化旅游業(yè)發(fā)展措施分為正向促進(jìn)型、負(fù)向制約型. 正向促進(jìn)型指以旅游節(jié)點城市為核心,促進(jìn)核心區(qū)范圍不斷擴大,同時平衡旅游流空間差異化,加快旅游經(jīng)濟(jì)發(fā)展模式轉(zhuǎn)變. 負(fù)向制約型主要從距離摩擦力與虛擬空間宣傳角度出發(fā),完善交通道路網(wǎng)絡(luò)通達(dá)性的同時進(jìn)一步提高互聯(lián)網(wǎng)寬帶用戶接入量,加強虛擬空間景區(qū)宣傳力度,保證虛擬旅游流的實際轉(zhuǎn)化率.