貴州省旅游業與大數據產業耦合發展研究

黃顯斌 陳黎明（通訊作者）

（茅臺學院，貴州 仁懷 564500）

一、文獻綜述

旅游業和大數據產業綜合發展水平指標因素的選擇依據。關于旅游發展水平研究，宋長海提出從旅游業發展環境、游客體驗感、企業發展質量、產業發展和目的地發展等五個方面構建旅游業發展水平評價指標體系[1]。劉佳等認為旅游業發展應該遵循科學性、合理性、層次性和數據可獲得性等方面構建，主要從旅游業規模、增長、高級、有效、帶動和可持續等6個方面構建指標體系[2]。國外對于旅游業的發展更加注重旅游地的研究，Dandapath等認為旅游發展與城市化之間存在高度交互與相互依存，城市化程度很大力度影響著當地旅游業綜合發展水平，城市形象的塑造以及設定可以增強城市旅游吸引力[3]。本文結合已有文獻，主要從經濟收入、旅游資源、旅游資源以及城市建設等4個方面對旅游業綜合發展水平進行研究。

關于大數據產業綜合發展水平可以借鑒類似相關信息化產業的綜合評價指標體系，如張鑭提出的高新技術產業評價的理論方法，從產業的發展規模，發展環境和發展速度以及企業創新能力四方面進行測度[4]。大數據產業發展水平的研究可以結合高新產業綜合發展水平測量來衡量，龐路靜等提出大數據產業可以從產業規模、產品類型、招商引資、基礎設施以及產業影響力等5個方面測度[5]。沈俊鑫等運用模糊集定性比較分析方法（fsQCA），對大數據產業影響因素進行分析[6]。從數據獲取難易程度、代表性、綜合性等方面考慮，已有的文獻多以創新能力、信息資源、經濟發展水平、基礎設施以及產業結構等方面進行大數據產業發展水平測算。

大數據信息技術為旅游業發展帶來的技術管理和技術支持，張建濤等提出應用大數據技術改進旅游管理模式，達到促進旅游業快速發展的目的[7]。李茜燕認為旅游信息化是大數據發展對旅游業的必然結果，信息化發展和區域旅游耦合協調發展[8]。戴斌提出在文旅融合時代，大數據發展是文旅融合發展的關鍵，是理論支撐和實踐路徑[9]。本文將以具有“大數據之都”和“天然公園”之稱的貴州省作為大數據產業和旅游業耦合協調分析樣本，研究兩者之間的發展聯動性，實現互相促進達到共同發展的目的。

二、耦合協調模型及量化測度方法

1.指標構建

旅游業與大數據產業系統較為復雜，指標體系的構建對于產業綜合發展水平研究、系統耦合度模型以及耦合協調度模型的評價尤為關鍵。本文指標體系的構建遵循一般原則，結合現有的對旅游業發展質量評價的指標體系，從旅游業發展環境、游客體驗感、企業發展質量、產業發展和目的地發展等方面[1-2]，選取與旅游業相關的經濟收入、旅游規模、旅游資源、城市建設四方面共12個影響因素作為研究指標。大數據產業的發展內涵合和已有研究中主要從產業規模、產品類型、招商引資、基礎設施以及產業影響力五個方面測度[4-5]。選取大數據產業的產業規模、信息基礎設施情況、互聯網發展情況、軟件和信息技術服務業經濟指標以及大數據影響力五方面共13個影響因素進行分析。大數據產業與旅游業耦合協調發展的機制，構建貴州省旅游業與大數據產業綜合發展水平指標體系，如表1所示。

表1 貴州省旅游業與大數據產業綜合發展水平指標體系

2.數據來源

以2014年3月1日在北京舉行的貴州·北京大數據產業發展推介會為標志，2014年成為貴州省大數據元年。選取2014年～2019年貴州省大數據產業和旅游業相關數據進行實證研究分析，探討兩類產業系統耦合度及耦合協調類型的發展過程。數據主要來源于2014年～2019年《貴州省統計年鑒》《中國統計年鑒》以及貴州省宏觀經濟數據庫、貴州省文化和旅游廳、中華人民共和國中央人民政府、國家統計局等平臺。

三、貴州省旅游業和大數據產業耦合發展模型

1.旅游業和大數據產業成長的綜合評價模型

由于旅游業和大數據產業的衡量標準不同，統計口徑有別。因此，無法利用原始數據進行直接比較。兩產業系統指標數據的數量級和量綱差異明顯，在進行實證研究過程中，構建綜合評價模型之前需要對兩系統原始數據進行無量綱化處理，以達到消除不同指標在數量級和量綱方面不同造成的影響。一般地無量綱化數據處理時可能會出現零或者負數的情況，而熵值法在計算過程中存在運用對數計算步驟，故在選擇無量綱化處理方法時為了避免以上情況產生，本文對收集的原始數據采用均值化方法進行無量綱化處理。

表2 貴州省旅游業與大數據產業各年份的綜合評價值

依據熵值法得到的綜合發展水平評價值，隨著年份增長，兩大產業系統的綜合評價值是逐年上升，相比之下，大數據產業的增長速度更快。

2.系統耦合度模型

系統耦合度模型多為測定兩個或多個系統間的耦合關系，以此衡量兩個系統間相互作用的強弱。叢曉男給定了耦合度模型的一般形式[11]如下：

本文共涉及旅游業與大數據產業兩個子系統，使用兩系統之間的耦合度模型，公式如下：

C為系統耦合度，C值越大，表明兩個系統之間的耦合作用關系越強，相互促進發展的機理越顯現，更容易向產業聯合、融合的方向發展，形成旅游大數據新業態[11]。反之，C值越小，兩個系統相互作用越弱，不利于產業的融合發展。本文參考廖重斌的耦合度等級及劃分標準[12]，如表3所示。

表3 耦合等級劃分表

通過系統耦合度模型的分析，貴州省2014年～2019年的系統耦合度值保持在0.90～0.99的范圍內，C值接近1，表明兩類產業間存在較強的耦合作用，屬于優質協調耦合等級，兩個系統會向協調、融合、有序的方向發展，形成產業聯合、融合，進而發展成新型產業形態，為貴州省經濟發展增添活力。

3.耦合協調度模型

系統耦合度的高低并不一定表示為高水平耦合關系，為了進一步研究兩者間的整體協同和促進共生作用，需要對旅游業和大數據產業的耦合協調度進一步測算研究。需要構建能反映旅游業與大數據產業有序、協調發展耦合協調度模型，公式如下[12-13]：

式（3）、式（4）中，T為旅游業與大數據產業綜合發展水平指數，反映的是旅游業和大數據產業整體發展水平對耦合協調度的貢獻水平。D為耦合協調度，綜合表示了旅游業與大數據產業的協調發展水平。α，β為待定系數，同時要滿足α+β=1。因大數據產業與旅游業兩者間耦合協調度研究的相關文獻較少，需要借鑒與大數據產業緊密關聯的信息化產業的相關研究。在信息化產業與旅游業耦合協調度研究分析中，張新成提出將α，β值確定為0.45和0.55[12]。周蕾提出信息化產業與旅游業同作為新興的第三產業，彼此具有同等重要地位[13]。結合相關文獻，兩類產業同為第三產業的重要組成部分，也是未來經濟發展的主要方向，另外旅游業與大數據產業間存在相互作用、影響、共同促進發展的特征，可以認為兩產業具有同等重要地位，本文將確定α，β值都為0.5。

四、實證結果與結論

1.實證結果

根據前文旅游業和大數據產業成長的綜合評價模型、系統耦合度模型、耦合協調度模型，以及旅游業和大數據產業系統的綜合評價函數，結合2014年～2019年貴州省相關指標的原始數據，計算出旅游業與大數據產業的系統耦合度C值，綜合發展水平指數T值，以及耦合協調度D值，以此進行耦合協調發展類型的劃分，如表4所示。

表4 貴州省旅游業與大數據產業系統耦合協調度分類以及判別標準

2.結論

旅游業與大數據產業間的耦合協調度研究中，兩產業間存在較強的耦合協調關系。2014年～2019年間系統耦合度保持在0.90～0.99的范圍內，產業間發展能夠相互促進，協調發展，達到產業融合發展的效果，具有形成產業新業態的可能。系統耦合度高，并不意味著旅游業與大數據產業處于較高水平的耦合協調發展類型。

在2014年～2016年期間，耦合協調度都處于小于0.35的標準，處于一個極低水平的耦合協調，貴州省大數據產業發展剛剛起步，發展水平較低，對旅游業發展并沒有明顯的促進效果，產業間相對發展類型為大數據產業滯后型，兩者之間存在旅游業拉動、促進大數據產業發展的效果；在2017年，產業間相對發展類型轉變為旅游業發展滯后型，貴州省通過對大數據人才的引進，成立大數據中心使得大數據產業綜合發展水平得到了急速的提升，為旅游業發展提供了助力，拉動旅游業快速發展；在2018年，兩產業相對發展類型處于同步型，產業間形成了互相促進、產業聯合協調發展的效果；在2019年，兩產業相對發展類型處于旅游業發展滯后型。旅游業與大數據產業相對發展類型不穩定，滯后發展類型經常變動，今后兩產業應相互拉動、相互促進，以達到聯合發展，產業融合，形成旅游大數據新業態，逐步發展成為高水平耦合協調同步發展類型。