區域分割與近鄰融合：我國城市旅游經濟發展中的空間特性分析

張 博， 顧方哲， 李 爽， 蔣 婷

(1.中國社會科學院 財經戰略研究院，北京 100028；2.濟南大學 商學院，濟南 250002；3.濟南大學 歷史與文化產業學院，濟南 250022)

區域分割與近鄰融合：我國城市旅游經濟發展中的空間特性分析

張 博1,2， 顧方哲3， 李 爽2， 蔣 婷2

(1.中國社會科學院 財經戰略研究院，北京 100028；2.濟南大學 商學院，濟南 250002；3.濟南大學 歷史與文化產業學院，濟南 250022)

以GIS平臺的ESDA技術，對我國2005—2013年間337個地級以上城市的距離閾值與旅游收入面板數據進行分析。結果顯示：我國城市旅游經濟發展存在空間相關效應，隨距離及時間變化差異顯著。大閾值尺度下，東、西部區域分割現象明顯；小閾值下，大城市與近鄰城市間融合性發展趨勢明顯。半變異函數表面值顯示，旅游經濟的核心差異線以“江浙滬—成渝以西”走向為代表，中低差異線以“北、上、廣”三線走向為代表。

旅游經濟； ESDA； 反距離權重法； 空間相關

一、問題提出及文獻綜述

近年來，我國旅游業發展迅速。國家旅游局數據顯示，我國旅游總收入從1993年的864億元增長到2015年的4.2萬億元，年均增長率約18%。但是地區間的旅游經濟發展并不均衡，甚至差異懸殊。對此，如何考察其空間表現？地方政府如何利用這種由地理因素主導的經濟發展動力來發展本地旅游產業？本文從空間計量的角度對我國旅游經濟發展過程中的空間區位特性予以考察，揭示空間效應在現實中的表現、規模以及成因，進而對地方政府的施政策略及方向提供參考。

從已有研究來看，空間計量技術應用于旅游學領域，在2000年后才逐漸豐富。Lau等人以GIS技術對旅游地內游客移動方式進行了分析，并從個體屬性、出游動機、時間因素三個方面研究了影響游客個體移動的因素[1]，是較早在旅游領域對游客個體應用此項技術的研究。Tao Hong等人則對旅游目的地間旅游流的網絡連接問題進行了研究，指出旅游流影響因素，并根據市場特點建立旅游流網絡[2]，將游客個體的旅游行為從更為宏觀的空間流動現象角度探討了對旅游地的影響。Yang等人則進一步應用空間計量技術對旅游經濟的空間效應問題、游客的時空行為進行了研究，指出旅游業對區域經濟發展具有空間集聚效應[3]。國內研究中，吳玉鳴針對我國旅游經濟增長過程中的空間效應進行了檢驗，結果顯示省域層面的旅游經濟增長呈現空間依賴性[4]。陳剛強[5]、汪德根和陳田[6]以泰爾指數分析了國內地市層面旅游經濟的時空變化，指出入境旅游經濟要明顯高于國內旅游經濟的空間差異。

綜合來看，現有旅游領域內的相關研究在研究尺度、研究方法、空間關系建模以及結果解釋方面有待進一步深化。其中，就研究尺度而言，已有研究多集中在全國或省域尺度[7]，缺乏針對微觀經濟單元的分析，從而可能會形成對我國旅游經濟發展非均衡特征認識上的偏誤[8]；就研究方法而言，多以時間序列、面板模型和數理統計等方法進行分析[9]，地理空間效應問題往往被忽視，缺乏解釋力和展示度；就空間關系構建而言，多采用二元鄰接或門檻距離矩陣的方式，雖然反映了地理空間上的一種臨近概念，但不完全符合旅游空間經濟實際，基于距離衰減函數構建的空間權重矩陣更符合區域旅游發展實際。同時，已有研究中缺少對于空間關系方向性的探討，不利于把握現實層面旅游經濟非均衡發展過程中的主要矛盾，難以突出施政重點；就對結果的解釋方面而言，現有結論往往將一些城市如北京、上海、廣州等在空間上不顯著的原因簡單歸結為經濟基數較大[10]，缺少從不同尺度(時間推移、距離閾值變化)條件下的進一步分析。

鑒于此，本文以反距離權重法(Inverse Distance Weighted，IDW)構建空間權重矩陣，基于2005—2015年間各地旅游收入數據，以GIS平臺的ESDA(Exploratory Spatial Data Analysis)技術考察莫蘭指數M(I)、標準化統計量Z(I)等指標，結合Getis-Ord Gi*分析圖來判別局部城市群集聚情況，從而揭示不同距離閾值、不同時間條件下的旅游經濟空間區位特性，時空分異格局，成因以及在現實中的表現。同時，配合半變異函數表面插值，識別空間關系在地理方向上的變化，描述空間結構中的重點差異區域。最后，基于研究結論提出相應的對策和建議。

二、數據來源與研究方法

(一)數據來源及處理

本文的研究樣本為中國大陸337個地級以上城市(區域)。鑒于統計數據的可得性以及避開2003年“非典”、2008年金融危機的影響，本文的時間跨度選取2005、2007、2010、2013、2015五個年份。數據來源包括中國旅游統計年鑒(副本)、中國統計年鑒、中國區域經濟統計年鑒、中國城市統計年鑒、中國經濟數據庫以及各地年度國民經濟與社會發展統計公報等，所用軟件以Geoda和Arcgis為主。

(二)研究方法

GIS平臺的ESDA技術是被學界廣泛認可的較為理想的數據驅動分析方法，被廣泛應用于區域差異研究中。其評價指標包括衡量空間相關性的莫蘭指數、空間差異標準化統計量、局部聚類統計指數Getis-Ord Gi*等，計算公式如式(1)～(3)所示。對于空間權重矩陣，本文選用反距離權重法，計算公式如(4)所示。對于空間關系在地理方向上的變化，本文以ESDA提供的半變異函數表面插值圖予以衡量，計算公式如(5)所示。

(1)

Z(I)=[I-E(I)]/S(I)，

(2)

(3)

(4)

(5)

標準化統計量Z(I)用來判斷M(I)的顯著性水平，E(I)、SD(I)分別為期望值和標準差。當|Z(I)|>1.65，P<0.10時，顯著性水平為90%；當|Z(I)|>1.96，P<0.05時，顯著性水平為95%；當|Z(I)|>2.58，P<0.01時，顯著性水平為99%，Z(I)及其所對應的P值(概率)結果解釋如表1所示。局部聚類統計指數Getis-Ord Gi*用來描述局部高、低值的聚類特征，表達式如式(3)所示。其中，xj是要素j的屬性值，ωij是要素i、j間的空間權重，n為要素總數。IDW用于構建空間權重矩陣，該方法將距離研究對象近的樣本點賦以較高的權重值，距離遠的賦以較低權重，從而更接近現實地刻畫城市間的空間距離關系，表達如式(4)所示。其中，Zi是第i(i=1,2,…,n)個樣本值，Di為距離，p為距離的冪次。半變異函數用來描述數據點的變異性與點對間距的關系，通過ESDA中的半變異函數表面值圖示，可以直觀地揭示地區間空間效應的方向性特征，函數表達如式(5)所示，N(h)是分割距離為h的樣本量。

表1 Z(I)、P值及結果解釋

注：H0代表要素的空間分布呈現完全空間隨機性。

三、結果及分析

(一)結果統計

我國337個地級市(區域)M(I)、Z(I)及顯著性統計數據見表2，統計圖見圖1、圖2。局部聚類統計指數Getis-Ord Gi*示意圖、半變異函數表面示意圖從略。

表2 337個地級市(區域)M(I)、Z(I)及顯著性統計

注：*為95%置信度水平，**為99%置信度水平；()中數值為對應Z(I)值；“-”表示不顯著；兩市間最小距離為35km，不產生“孤島”城市的最小距離為493km，全部要素都相鄰的距離為6155km；60km以下，各年度M(I)置信度水平均小于90%。

圖1 337個地級市(區域)M(I)值統計

圖2 337個地級市(區域)Z(I)值統計

(二)結果分析

1.總體來看，M(I)、Z(I)值均為正數且具有統計學意義，表明我國城市旅游經濟發展存在空間效應，高、低值聚類趨勢顯著，總體呈現出高值集聚效應大于低值集聚效應的情形。

同一年數據來看，隨閾值距離增加，M(I)呈遞減趨勢，Z(I)呈遞增趨勢。反映城市間的空間相關程度隨著閾值距離的增加而逐漸減弱，但同屬性聚類現象(高—高、低—低集聚)愈加明顯。

同一距離閾值水平條件下，隨時間推移，M(I)呈遞增趨勢，Z(I)呈遞增趨勢。反映城市間的空間相關程度和同屬性聚類現象(高—高、低—低集聚)隨時間的推移在逐漸增強并更加顯著。

數據顯示，在距離閾值K=88km和K=129km時M(I)出現兩個明顯峰值(見圖1)，主要是由北京、上海、廣州三個特大型城市對近鄰城市群的空間相關效應影響所導致。M(I)表現出較高數值，且隨時間推移呈現正向增加的趨勢，隨閾值的增加呈現減弱趨勢。Z(I)值始終在低值區間徘徊(1.0～2.0)，并未顯示出特別的規律性。

這一區段的高值集聚主要集中在長三角和珠三角中近距離小城市之間，其中長三角地區主要為蘇州、無錫、常州、鎮江，珠三角地區主要為東莞、佛山。低值集聚主要表現為石嘴山(寧夏)和烏海(內蒙古)。

2.分區段來看，在60～87km閾值區段內，由M(I)值的表現反映出短距離小型城市間的空間相關程度隨著時間的推移而增強，隨著閾值的增加在減弱。由Z(I)值的表現反映這一區段內城市間的空間效應顯著性程度相對較低。產生這種現象的原因主要是由低閾值范圍所造成，小型且相鄰的城市數量較少(相鄰城市數量占總城市數量的比重約為14%～43%)，空間分布較為分散，也是這一區段中80～85km閾值范圍下空間效應不顯著的主要原因。

3.在88～128km閾值水平下，由于上海、廣州先后顯現出高值，M(I)、Z(I)值較上一區段呈現跳躍式增加，整體空間相關程度和集聚趨勢均明顯加強。就同一閾值水平來看，隨時間的推移，M(I)、Z(I)值呈增加趨勢。就同一年數據來看，M(I)、Z(I)隨閾值距離增加而降低。

這一區段的高值集聚主要集中在長三角、珠三角以及河北的廊坊—唐山一帶。其中，長三角地區主要為上海及周邊城市，包括蘇州、無錫、常州、舟山、南通、嘉興、湖州、鎮江、溫州、紹興、金華；珠三角地區主要為廣州及周邊城市，包括東莞、中山、佛山、惠州。特別地，在88～109km區段內，上海顯示為高值，廣州的空間效應并不顯著；在109～128km區段內，上海和廣州都顯示出顯著的高值。河北的廊坊和唐山在整個區段內一直表現為較為穩定的高值。

這一區段的低值集聚主要集中在甘肅的蘭州、武威，寧夏的銀川、中衛一帶。其他不太穩定的地區包括黑龍江的佳木斯、雞西，貴州的安順、六盤水，安徽的合肥、蚌埠、亳州。

M(I)、Z(I)值的跳躍式增加，反映出上海、廣州等大型城市在整個旅游經濟的空間效應表現中具有重要作用。同一閾值水平下，M(I)、Z(I)值在正值范圍內逐漸增加，反映了整體城市間的高、低值集聚所顯現的空間相關程度，在高值集聚影響力大的前提下，呈現逐漸增強的變化過程。同一年數據中，M(I)、Z(I)隨閾值距離的增加而降低，反映出地級市間的空間相關程度整體上隨著距離的增加而減弱，但顯著性水平在增加，地區間高、低值集聚的現象在同步弱化。產生這種現象的原因主要是閾值的增加導致了在這一閾值區段下能夠與上海、廣州大型城市形成空間效應的城市增加較少，即上海、廣州的輻射范圍有限。低值集聚城市在寧夏、甘肅一帶有所增加，導致M(I)值的整體降低。距離閾值的擴大增加了有效樣本數量，相鄰城市數量占總城市數量的比重已從43%上升至79%，樣本已涵蓋我國東南沿海和中部的大部分城市，也增加了不顯著城市的數量，由130個上升至229個，導致了Z(I)值的下降。

4.閾值范圍大于129km以后，同一閾值水平下，M(I)、Z(I)隨年份的推移呈上升趨勢。就同一年份數據來看，M(I)隨閾值的增加呈下降趨勢，Z(I)呈上升趨勢。特別地，在129km處，由于北京顯現高值，M(I)、Z(I)呈跳躍式增長，后隨閾值增長M(I)逐漸下降，Z(I)逐漸上升。

在這一區段內，高值城市主要集中于東部的京津冀、長三角區域，但隨著閾值距離的增加，主要城市如北京、上海的表現并不相同。進一步分析表明，129～241km區段內，上海并未顯示出高值，北京顯示為高值。241～281km區段內，北京、上海均顯示高值。281km以后，北京不再顯著，上海顯示為高值。在此之后，高值空間集聚以長三角為主表現區域，隨著閾值的增加向內陸及周邊擴散，直至整個東部區域。低值城市主要集中于西部的青海、寧夏、內蒙古東部、新疆西部、西藏東部等區域。另外，云南、廣西、四川的部分城市在某些閾值水平下也表現出低值集聚的現象。

這一區段內，129km處M(I)、Z(I)的跳躍式增加主要是由于北京表現出了高值，帶動了M(I)、Z(I)的大幅上升，同樣表明了大型城市對空間效應的重要影響。同一閾值水平下，M(I)值隨時間推移而正向增加，反映出近年來我國城市旅游經濟發展呈現高值集聚效應大于低值集聚效應的趨勢，但這種趨勢隨著閾值距離的增加而逐漸弱化。Z(I)的總體增加則反映出空間效應顯著性程度在增強。

5.地級市空間正向集聚效應隨時間推移，閾值范圍呈現擴大趨勢。以M(I)=0.1為空間集聚效應標準衡量，在2005年距離閾值為594km，2007年為770km，2010年為1550km，2013年達到2350km，2015年達到2680km。反映我國地級市旅游經濟發展過程中，高值集聚效應高于低值集聚效應的狀態，在距離閾值方面呈現逐年擴散的趨勢，也反映出我國高值集聚城市群的輻射范圍在逐漸增加。

6.從空間效應的方向性來看，ESDA半變異函數表面值顯示，城市間旅游經濟的核心差異線在西北—東南方向(北偏西79°)，以江浙滬—成渝以西走向為代表。中低差異線在南—北方向(北偏東11°)，主要有三條，分別為北京—北京以南走向、上海—上海南北走向、廣州—廣州以北走向。并且在東北—西南方向上逐漸增加，表明此方向上地區間的差異化程度在加大。

四、結論及建議

1.我國城市旅游經濟發展的空間相關效應隨距離閾值、時間推移的變化而呈現不同特征。鑒于此，建議對我國東部高值集聚區域和大部分中部不顯著區域采取階梯式發展策略。對西部低值集聚區域，建議采取“熱點擴散”式發展策略，有效利用區位地理因素對旅游經濟的促進作用。

2.北京、上海、廣州等大型城市對我國旅游經濟發展的空間相關效應影響較大，但所形成的三大城市群發展特征各異。江浙滬地緣因素的影響顯著、穩健，范圍逐漸向內陸的徽、陜及周邊的魯南、閩北區域擴大。珠三角空間效應逐漸弱化，微觀層面各地市的發展不具傾向性。京津冀以及與內蒙古、遼寧交界地區屬新興空間經濟增長區域。

鑒于此，建議長三角以上海為核心，一級階梯為蘇州、無錫、常州、鎮江、舟山、南通、嘉興、湖州、溫州、紹興、金華等地；二級階梯為魯南、蘇北、徽東、閩北等地；三級階梯則繼續向中部城市擴散。珠三角以廣州為核心，一級階梯包括東莞、中山、佛山、惠州等地；二級階梯主要是以上城市的周邊地區。珠三角區域的高值顯著性特征并不穩健，其主要任務還是強化核心與一級階梯城市間協同，以期達到穩健的高值表現。京津冀以北京為核心，一級階梯包括天津、廊坊、唐山；二級階梯包括環渤海城市群、遼西、蒙東地區。

3.我國東、西部城市在長距離閾值條件下，旅游經濟發展差距加大，高—低值分化現象顯著高于南、北部城市。鑒于此，西部地區可以采取“熱點擴散”式發展策略，著重打造一些能夠在空間效應上呈現高值特征的“熱點型”城市，將高值空間效應傳導擴散出去，進而帶動更多地區脫離低值狀態。

具體來看，可以西部地區最大的城市群——成渝城市群為重點，將其打造成為具有空間經濟高值效應的熱點型城市。同時，應尋找可以突破區位限制的經濟增長影響要素，如提高交通便利度、增加旅游開發資本投入等，打破地理壁壘，減少低值效應的城市數量。

[1] LAU G,MCKERCHER B.Understanding tourist movement patterns in a destination:a GIS approach[J].Tourism and hospitality research,2007,7(1):39-49.

[2] HONG T,MA T, HUAN T C.Network behavior as driving forces for tourism flows[J].Journal of business research,2015,68(1):146-156.

[3] YANG Y，TIMOTHY F.Spatial effects in regional tourism growth[J].Annals of tourism research,2014,5(46):144-162.

[4] 吳玉鳴.旅游經濟增長及其溢出效應的空間面板計量經濟分析[J].旅游學刊,2014,29(2):16-24.

[5] 陳剛強.中國地市旅游經濟差異的時空演變特征[J].地域研究與開發,2012,31(4):91-95.

[6] 汪德根,陳田.中國旅游經濟區域差異的空間分析[J].地理科學,2011,31(5):528-536.

[7] 晉藝波. 甘肅省旅游業對區域經濟發展貢獻分析[J].重慶交通大學學報(社會科學版), 2016,16(3):62-66.

[8] 樊元,劉云啟,李瑞杰.空間計量模型的演化研究綜述[J].統計與決策,2016,464(20):35-39.

[9] 潘竟虎.中國地級及以上城市城鄉收入差距時空分異格局[J].經濟地理,2014,34(6):60-67.

[10] 向藝,鄭林,王成璋.旅游經濟增長因素的空間計量研究[J].經濟地理,2012,32(6):162-166.

StudyontheSpatialEffectofUrbanTourismEconomyDevelopmentinChina

ZHANG Bo1,2, GU Fangzhe3, LI Shuang2, JIANG Ting2

(1.Institute of Economic Strategy, Chinese Academy of Social Sciences, Beijing 100028, China;2.Business School, University of Jinan, Jinan 250002, China;3.School of History and Culture Industry, University of Jinan, Jinan 250002, China)

The spatial effect of tourism economy in China during the period of 2005—2013 was examined. The result shows: firstly, the spatial correlation effect exists in the development of urban tourism economy in China, but there are significant differences along with the changes of threshold value and time. Secondly, under long distance conditions, area difference of the tourism economy development is obvious from the east to the west. Under short distance conditions, big cities, including Beijing, Shanghai and Guangzhou, have high spatial correlation with neighboring cities, and show significant trend of merging development. Thirdly, results of the semi-variable function model show the core different area between inter-urban tourism economies is at northwest-southeast direction (north by west 79 degree), represented by the line from city of Shanghai to Chengdu. Low and medium difference areas mainly concentrated around Shanghai, Beijing and Guangzhou.

tourism economy; ESDA; IDW; spatial-dependence effect

張 璠)

國家社會科學基金青年項目“‘一帶一路’建設對我國區域旅游承載力影響的評估與對策研究”(16CGL022)

張博(1982—)，男，遼寧鐵嶺人，中國社會科學院財經戰略研究院博士后，濟南大學商學院講師，博士，研究方向：旅游經濟；顧方哲(1984—)，女，山東濟南人，濟南大學歷史與文化產業學院講師，博士，研究方向：文化產業管理；李爽(1984—)，女，山東濟南人，濟南大學商學院講師，博士，研究方向：旅游地理；蔣婷(1979—)，女，山東濟南人，濟南大學商學院講師，博士，研究方向：服務管理。

F592.3

A

1674-0297(2017)06-0048-06