區域旅游目的地競爭優勢的空間聚類分析——以浙江省為例

陳思源

(1.廣西財經學院工商系，南寧 530003;2.四川大學經濟學院，成都 610064)

0 引言

從市場選擇來看，旅游產品包含實現一次全程旅游活動所需各種服務組合，在產品質量趨同和閑暇時間充足的情況下，合理的空間組合將成為旅客選擇特定旅游目的地的重要因素［1］。旅游資源稟賦具有較強的地域特性，旅游區位及社會經濟發展存在較大的空間差異，旅游目的地在空間上的不均衡已成為客觀事實。探討旅游目的地空間積聚和競爭格局等問題，可為制定旅游產業發展政策、確定旅游發展重點提供借鑒。

旅游目的地競爭力研究始于20世紀90年代，是將競爭力理論應用于旅游目的地研究而形成的新興研究方向［2－3］。從研究方法看，目前對區域旅游目的地競爭優勢的評價方法一般包括定性與定量兩種方法，如層次分析法、主成分聚類分析法等［4］，但這些方法往往沒有考慮到區域旅游目的空間聯系，割裂區域經濟研究中的空間關系，評價結果主觀性較強。在分析旅游目的地競爭優勢中，應考慮旅游資源空間聚類，將空間相關性與旅游資源、文化特征、旅游經濟等綜合考慮并納入統一的分析框架。有鑒于此，以下運用主成分分析法和兩維圖論聚類法，分析區域旅游目的地的空間聚類關系和競爭優勢，并將之運用于浙江省的實證研究，其結果將有助于決策者制定區域旅游發展戰略。

1 建模

區域旅游目的地競爭優勢的影響因素較多，從選擇的指標看，經濟發展水平與旅游需求狀況有關，而旅游需求狀況與個人興趣和目的地旅游服務水平等因素有關、也與經濟發展水平有關。主成分分析法適合解決此類評價問題。主成分分析法是可以將眾多的指標化解為少數幾個綜合指標的一種統計分析，找出幾個綜合因子來代表原來眾多的變量，使這些綜合因子盡可能精確反映原來變量的信息量，從而達到簡化和評價的目的。

設有n個待評價單元，每個評價單元有p項評價指標(變量):x1，x2，…，xp，得到原始數據資料陣:x=(x1，…，xp)'。A=(α1，α2，…，αp)為正交矩陣(AA'=Ip);ai為R的特征值λi(i=1，2，…，p)所對應的單位特征向量;A'為A的正交變換矩陣;84F=(F1，…，Fp)'為主成分向量［5］，主成分分析模型如下:

ai由下列原則決定:(1)Fi與Fj(i≠j，i，j=1，…，p)不相關。(2)F1是x1，…xp的一切線形組合中方差最大的，F2是與F1不相關的x1，…，xp一切線形組合中方差最大的，…，Fp是與F1，F2，…，Fp－1都不相關的x1，…，xp的一切線形組合中方差最大的。

區域旅游目的地競爭優勢分析從結果上看其實也是一種分類過程。旅游目的地競爭優勢評價不但要考慮各個評價單元的旅游競爭優勢以及經濟和社會效益，而且要保持空間上的連通性和行政區界的完整性，采用普通聚類方法很難使分類結果滿足要求，因此，需要引入圖論的空間表示法及相關算法，這種聚類分析方法稱為兩維圖論聚類分析方法。

設U代表要劃分的區域(有n個分區單元Vi，i=1，2，…，n)，對U進行區劃，就是求一割集{Ui，i=1，2，…，m}，式中:m為分區數。該割集需滿足ViVj，連通性(Vi，Vj)=1，d(Vi，Vj)定義為一個Vi和Vj之間的關聯度量，max{d(Vi，Vj)|Vi，VjVi}＜A，A為一常數(內部一致性)。根據圖的幾何概念，圖是空間一些點與連接這些點的線的集合，即G=(V，E)，式中:V表示點的集合;E表示邊的集合。若分區用無向圖來表示，則V是各分區單元集合，E是各單元鄰接關系集合。由于分區在考慮空間鄰接性的同時，更重要的是考慮各分區單元之間的內在相似性，因此，分區需用加權連通圖(網絡)來表示，即G=(V，E，D)，式中:D在圖論的樹算法中表示各點之間的權值。分區中采用分區單元間的鄰接關系來構造鄰接矩陣|D|，采用各分區單元間的鄰接關系來構造鄰接矩陣|E|。現在區劃則轉變為求加權邊通圖G=(V，E，D)的合理割集，即首先采用圖論最小樹法求得一個最小生成樹，然后根據區內分異小、區間分異大的原則，選擇適當的A值，將最小生成樹分割成m個子樹。

利用主成分分析法與兩維圖論聚類算法相結合的方法進行區域旅游目的地競爭優勢評價的技術思路如圖 1 所示［6］。

圖1 主成分分析與圖論算法結合的思路Fig.1 The ideas of principal component analysis combined with graph algorithms

2 評價因子選擇與數據處理

2.1 評價因子選擇

已有研究成果表明，旅游目的地競爭優勢評價的指標設計應該注意3個原則:(1)全面性原則。注意把握旅游業評價指標的全面、正確和可靠，并注意評價指標的選取具有代表性。(2)對比性原則。在保證實現旅游業綜合評價的基礎上，整體評價方案的設計要有對比性，并考慮到獲取數據的難易程度。(3)系統性原則。旅游目的地競爭優勢評價要包括旅游業可能涉及的很多方面，但又不能過于繁雜而不具可操作性。遵循以上評價原則，結合浙江旅游業發展的基本特征，對影響旅游業發展的要素進行剖析，建立起包括3個二級指標和12個三級指標的評價指標體系［7－8］。(1)旅游經濟發展類指標，包括2008年入境游客數(萬人)、旅游外匯收入(萬美元)、國內旅游收入(億元)、游客人均旅游總花費(元)4個三級指標。(2)旅游服務類指標，包括國內游客接待量(萬人)、星級旅館數(個)、旅行社數量(個)、導游情況(個)、2008年旅游抽樣調查質量評價優秀率(%)5個三級指標。(3)旅游設施建設類指標，包括A級以上旅游區分布(個)、省級旅游強鎮個數、特色旅游村個數3個三級指標。

2.2 數據獲取與處理

研究數據來自2006—2009年的《浙江旅游年鑒》，數據采用加總平均的辦法，即對4年的經濟指標采用匯總平均的處理方式得到。由于統計口徑和統計分類的不一致，在部分產業部門數據處理中，缺失數據采用外推的辦法進行處理。對原始數據進行標準化，即對初始變量進行以上標準化處理。數據處理系統采用SPSS 16.0和DPS數據處理系統，地圖數據處理軟件采用Mapinfo 7.0。

3 評價步驟與計算過程

3.1 評價步驟

3.1.1 對初始變量進行標準化處理，使其方差為1，運用SPSS 16.0計算標準化后數據的相關系數矩陣(Pearson相關系數)。結果見表1。

3.1.2 用雅可比方法求得上述相關系數矩陣的特征向量，如表2。

表1 指標的相關系數矩陣Tab.1 The correlation coefficient matrix of indicators

表2 主要影響因素特征向量Tab.2 The eigenvectors of the main factors

表2 主要影響因素特征向量Tab.2 The eigenvectors of the main factors

評價因子 特征向量x1 x2 x3 x4 x5 x6 x7 …. x12 066 x2 0.322 0.067 － 0.354 － 0.161 0.148 － 0.102 － 0.139 － 0.138 x3 0.322 － 0.069 0.089 － 0.173 － 0.586 0.227 0.259 0.163 x4 － 0.049 0.693 － 0.308 0.213 0.231 0.226 0.337 － 0.013 x5 0.330 0.101 － 0.018 － 0.078 － 0.344 － 0.323 0.554 － 0.096 x6 0.325 － 0.062 － 0.208 － 0.075 － 0.097 0.219 － 0.278 － 0.566 x12 0.244 －0.441 0.265 0.067 0.481 0.161 0.270 0.056 x1 0.306 － 0.028 － 0.253 － 0.281 0.178 － 0.023 － 0.156 － 0.

3.1.3 對上述特征向量的貢獻率和累積貢獻率進行計算，并提取主要影響因素，貢獻率和累積貢獻率的計算結果如表3。觀察特征向量表可知，第一因子的計算公式為:y1=0.306x1－0.028x2－0.253x3－0.281x4+0.178x5－0.023x6－0.156x7+0.526x8+0.082x9－0.441x10+0.381x11－0.066x12。因子y1與x1，x4有較強正相關。x1為入境游客數，x4為游客人均旅游總花費，因為入境游客數和游客人均旅游總花費越大，相應地區域旅游競爭優勢也越大。因此，第一個因子代表地區旅游經濟發展水平。其他因子的解釋不再贅述。

表3 因子的特征值和累計貢獻率Tab.3 The factors and cumulative contribution rate of eigenvalues

對上述影響因素進行提取，考慮到累積貢獻率要超過85%，本研究提取了4個主成分，各主成分的方差貢獻率分別為 73.19%，13.85%，5.99%，3.04%，累積貢獻率達96.80%，表明已經代表了區域旅游競爭優勢的影響因素96.80%。通過主成分分析，區域旅游目的地競爭優勢的影響因素從12個因子減為4個因子，從而起到篩選因子的作用。主成分分析的第一、第二主成分的x，y散點圖如圖2所示。

3.1.4 計算主要影響因素得分并進行排序。采用統計分析軟件DPS數據處理系統，算得各主成分分析因子得分矩陣。通過貢獻率與主成分得分矩陣的相乘，可算得各地區旅游發展的競爭優勢綜合得分情況，對計算結果進行排序，結果見表4。

圖2 主成分分析散點圖Fig.2 The scatter plot of principal component analysis

表4 主成分分析結果Tab.4 The results of principal component analysis

3.2 兩維圖論聚類分析

利用GIS軟件Mapinfo 7.0配準浙江行政區劃圖，提取市政府駐地的點經緯度坐標作為評價單元的坐標，分析各點之間的空間位置，進行空間相關性分析，同時，在DPS數據處理系統中，利用上述的4個主成分評價得分和經緯度坐標共計6個指標做橫向排列，11個地市做縱向排列，得到二維數據表，選擇兩維有序樣本聚類分析，生成的網絡圖，再通過GIS軟件Mapinfo把相互關系轉繪到地理空間位置上，將空間疊加到行政區劃圖數據層中，得到圖論聚類分析結果(圖3)。

4 評價結果與討論

4.1 評價結果

綜合得分情況表明，杭州＞寧波＞溫州＞嘉興＞湖州＞紹興＞金華＞衢州＞舟山＞臺州＞麗水(表4)。因為旅游目的地的競爭優勢需要考慮地理位置上的集中連片，以便于旅游成本的節約，因此，在兩維圖論聚類分析圖上，直接相連的地市表示各方面綜合條件相似，在確定旅游產業發展和規劃的時候可以據此形成較大規模的旅游目的地資源。圖3上的嘉興、紹興、金華、麗水都有較好的空間綜合條件。SPSS的聚類分析結果顯示，浙江省各城市的旅游競爭優勢可以劃分成3類:(1)旅游競爭優勢較明顯城市有杭州、寧波。(2)旅游競爭優勢較差城市有衢州、舟山、臺州、麗水。(3)旅游競爭優勢較中等城市有溫州、嘉興、湖州、紹興、金華。

圖3 浙江省旅游目的地競爭優勢空間聚類分析Fig.3 The space destinations cluster analysis of tourist advantage competitive in Zhejiang Province

4.2 結果討論

兩維圖論聚類分析圖考慮了地理位置，但沒有區分相同子樹位置的大小比較;而主成分分析的綜合得分則欠考慮地理位置的協調性，因此，兩種方法可以相互補充，有機結合。

鑒于區域旅游產業發展評價的復雜性，綜合指標的選取還沒有統一的標準，指標體系選取的全面性、科學性和典型性問題還有待深入研究。

［1］田里，李柏文，周小坤.旅游目的地競爭力:重要性－績效分析［J］.人文地理，2009，24(6):79－81.

［2］Ritchie J R B，Crouch G I.The Competitive Destination:A Sustain-ability Perspective［J］.Tourism Management，1999，21(1):1 －7.

［3］Dwyer L，Forsyth T H P，Rao P.The Price Competitiveness of Traveland Tourism:A Comparison of 19 Destinations［J］.Tourism Management，2000，21(1):9 － 22.

［4］王明濤.多指標綜合評價中權系數的一種綜合分析方法［J］.系統工程，1999，17(2)，18 －21.

［5］唐啟義.DPS數據處理系統實驗設計、統計分析及數據挖掘［M］.北京:科學出版社，2010:425－428.

［6］羅罡輝，吳次芳，徐保根.土地整理優先度評價方法及其應用研究［J］.浙江大學學報(農業與生命科學版)，2004，32(3):56 －62.

［7］譚林，李光金.論旅游目的地評價體系［J］.西南民族學院學報，2001，22(2):68 －75.

［8］曹寧，郭舒，隋鑫.旅游目的地競爭力問題研究提綱［J］.社會科學家，2003，25(6):89 －93.