組態視角下我國旅游產業發展的類型與路徑選擇——基于機器學習方法的探索

［摘 要］運用機器學習方法識別旅游產業發展的復雜前因和組態路徑，以此賦能我國區域協調發展和共同富裕目標實現。文章基于生產函數理論，以我國298個地級及以上城市為研究對象，采用K均值聚類算法將樣本城市劃分為發展受阻型、穩中求進型和全面輻射型3種群組類型，運用分類與回歸樹算法挖掘不同類型城市資源、技術和制度層面多維特征變量與旅游產業發展之間的復雜關系結構。研究發現：1）旅游產業發展的驅動要素具有耦合協調效應，體現為不同類型城市多維特征變量的橫向耦合一致性和縱向等級分層性；2）高度相似城市因要素差異化配置獲得不同旅游產業發展水平，表明每類城市都有適宜自身發展的組態條件，為推動區域協調發展提供現實基礎；3）不同類型城市旅游產業高水平發展的驅動要素具有組合差異性，整體呈現殊途同歸的作用效果，發展受阻型城市由“科技筑基-區域開放-文化吸引”驅動，穩中求進型城市由“經濟引領-科技創新-數字賦能”驅動，全面輻射型城市由“文化吸引-交通增質”驅動。研究結論為我國城市旅游產業如何依據自身要素稟賦條件獲得高水平發展提供了新思路和新參考依據。

［關鍵詞］旅游產業發展；多維特征變量；組態視角；路徑選擇；機器學習

［中圖分類號］F59

［文獻標識碼］A

［文章編號］1002-5006（2024）09-0031-16

DOI： 10.19765/j.cnki.1002-5006.2024.09.008

0 引言

當前，我國區域發展不充分和不均衡的矛盾仍然突出，尋求新方法和新路徑發展區域經濟關乎人民福祉，也是新時代背景下我國經濟社會發展亟待解決的重大理論和實踐問題[1]。黨的二十大再次將共同富裕目標寫進報告，提出繼續推進區域協調發展以更好地滿足廣大人民群眾對美好生活的向往[2]。旅游產業作為我國戰略性支柱產業[3]，是推動區域經濟高質量發展和產業結構優化升級的重要動力[4-6]，也將為我國實現共同富裕目標保駕護航。從基本內涵來看，旅游產業是依托旅游資源稟賦條件，以旅游基礎設施為載體，通過向消費者提供旅游產品和服務以滿足其多樣化、個性化旅游需求的綜合性行業。2019年的統計數據表明，旅游產業占全球GDP的5.5%，同時提供2.72億個工作崗位，成為全球最重要的行業之一[7]。在國家政策扶持和市場經濟的推動作用下，引導旅游資源良性集聚并賦能旅游產業發展具有重要戰略意義。

旅游產業特有的“反哺”優勢為區域經濟高速增長賦能[8-9]，因此，學者們大多聚焦旅游產業發展的驅動因素和提升路徑進行討論，為旅游產業的可持續發展建言獻策[10-12]?？蓮难芯糠秶鷣砜?，以往研究囿于國家尺度和省際尺度的實證分析，通過基尼系數將我國31個省市（不含港澳臺）劃分為東、中、西部地區，并采取恰當的定量技術分別考察不同地區旅游產業發展的影響因素[13]。例如，周強等構建計量模型分析得出，對我國東、中、西部地區旅游產業發展影響較為顯著的因素分別是固定資產投資和環境治理投入、社會總撫養比、道路交通密度，并結合國家全域旅游發展戰略要求建議東、中、西部地區旅游產業發展分別需要“增容提質”“減負促需”“互聯互通”[10]。但僅從地理區域劃分角度考慮旅游產業的差異化發展策略，會忽略東、中、西部地區內部各城市的異質特點。城市作為區域發展的主要載體，其多方資源稟賦（如基礎設施、政策偏向和科技發展等）具有明顯差異性，為城市類型的有效劃分及其旅游產業影響因素和發展路徑的多元化提供了可靠前提。隨著研究的逐步深入，王新越等關注到我國主要旅游城市旅游業發展驅動因素的差異性特征，試圖將35個旅游城市劃分為內核提升型、交通提升型、轉型升級提升型和綜合提升型，并從提升與優化方面提出旅游城市旅游業高質量發展的建議[11]，但未深入探討旅游城市如何被劃分至不同類型以及如何依據異質性城市類型高效配置既有旅游資源條件[14]等問題。

鑒于既往研究缺乏以顆粒度更細的角度看待旅游產業發展諸多影響要素，也未能充分探討不同類型城市旅游產業的差異化發展路徑，本文試圖從組態視角[15-16]出發，提出以下問題。1）我國旅游產業發展的多元驅動因素有哪些？是否可以依據遴選的多維特征變量將各城市劃分為不同類型群組以聚焦分析？2）不同類型城市旅游產業驅動要素與其發展之間的復雜關系結構如何？怎樣的特征變量組合可以促進旅游產業高水平發展？3）不同類型城市旅游產業應如何依據多方資源稟賦條件尋求個性化發展以更好地賦能共同富裕目標實現？對于上述旅游實踐中涌現的異質性對象識別、變量非對稱關系等復雜問題，傳統實證研究范式難以有效解決。得益于大數據分析技術的快速發展，機器學習方法被引入經濟學、管理學等領域的復雜非線性問題相關研究。除了強大的海量數據計算和處理能力外，機器學習也能在無監督情形下識別數據對象類型，并針對不同對象類型給出差異化的解決方案。由此，本文將機器學習中的聚類和決策樹算法引入旅游管理研究領域[17-19]，探尋我國不同類型城市旅游產業發展的前因條件和組態路徑，試圖從客觀數據中挖掘驅動旅游產業發展的多元要素組合[20]，為制定針對化、具體化的旅游產業發展策略提供理論基礎和實踐依據[11]。

1 文獻綜述與理論框架

1.1 旅游產業發展影響因素的研究進展

旅游產業的較強經濟帶動作用[21-22]使其成為學術界的重點研究對象，毋庸置疑，旅游產業發展的影響因素和提升策略也成為旅游相關領域的熱點討論問題。部分學者從特定視角研究單一資源要素對旅游產業發展的驅動作用，如Kanwal等研究發現，交通基礎設施對旅游業發展的正向影響作用[23]；Yasarata等通過定性研究方法得到政治制度和權力結構是旅游業可持續發展的重要因素[24]；Erol等綜合專家數據和建模分析驗證了區塊鏈這一顛覆性技術對旅游產業發展的積極影響[7]。而隨著研究逐步成熟和深入，多元要素綜合驅動旅游產業發展[25-26]初步成為共識。Andrades和Dimanche認為，旅游業發展受到目的地形象、基礎設施發展、勞動力培訓和教育、質量管理和可持續管理等眾多因素影響[27]。王新越等研究發現，旅游內核因子、旅游交通因子、轉型升級因子及經濟支撐因子是影響我國旅游城市旅游業發展的主要因子[11]。Hu等從旅游資源、便利設施、交通、地理、人口、經濟6個方面考慮青海和西藏旅游業影響因素的不同[28]。Yang等則利用空間繪圖技術研究得出，旅游資源是海南旅游業發展的原始驅動力，旅游交通和社會經濟因素是內生決定因素，而受政府政策影響的旅游企業和客源市場則是外生因素[29]。總體來看，學者們逐漸認為經濟發展實力[30]、旅游生態環境[31]、交通連通性[32]、技術創新[33]、旅游文化[12]、貿易開放度[34]和政治環境[35-36]等因素都會影響旅游產業的發展，從而在旅游研究領域內形成一種發展的、整體的多要素視角[37]。

1.2 要素組合驅動下的旅游產業發展模型構建

盡管部分研究已經關注到旅游產業發展的影響因素涉及范圍較廣且具有區域異質性，但可借鑒的城市旅游產業多元發展路徑研究成果仍相對缺乏，因此，如何整合影響要素并識別不同要素組合對旅游產業發展的差異化驅動作用至關重要。根據生產函數理論（production function theory，PFT）[38-40]可知，在一定生產條件下，生產要素（勞動力、資本和技術等）的不同組合會帶來差異化的效益產出或增長[41]。對旅游產業而言，不同區域的要素稟賦差異決定其發展擁有自身適宜的資源組合配置方式，繼而推動旅游產業的差異化發展。而伴隨時代變遷和進步，生產要素的具體類型和構成也在不斷變化和更新，主要體現為傳統物質資源要素的虛擬化和新要素（如技術、人力資本和能源要素等）的動態納入[42-43]。結合既往研究成果和實踐情況，旅游產業發展的驅動要素主要從以下3個方面展開。1）依據資源稟賦理論可知，資源要素是維系旅游市場存在和拓展的基礎[44]。作為一項依托自然資源、基礎設施、歷史人文風貌和資本投入等基本條件而拓展的業務，旅游產業尤其需要各項基礎性資源奠定發展“底座”。具體而言，首先，旅游是經濟發展的結果[30，45]，城市較強的經濟發展實力表明區域市場規模大、經濟活力高，能夠為各類旅游項目提供豐富的資本來源和投資機會；其次，歷史名勝、博物館等人文遺產彰顯獨特文化底蘊，能夠吸引和招徠游客[12]，推動“研學+旅游”模式深度融合發展；再次，完善的交通網絡和基礎設施（如高速公路、機場、火車站等）能夠保證旅游目的地可達性，方便游客流動和出行，從而提高旅游活動的便捷性[32]。此外，擁有良好自然環境（如湖泊、公園、花園等）的城市能夠提供游客接觸自然世界的機會，吸引源源不斷的游客前來觀光、休閑和度假[31]?；谏鲜龇治?，本文選取經濟發展實力、文化吸引能力、交通基礎設施和游憩環境質量4個特征變量作為影響旅游產業發展的資源要素。2）內生增長理論主張技術進步是經濟增長的驅動因素之一[46-47]，據此邏輯，其可能也是推動旅游產業發展方式變革和創新的動力。已有研究關注科技創新賦能旅游產業可持續發展[33]，不論是虛擬現實、增強現實等技術為游客提供沉浸式的旅游體驗[48]，還是智能導覽系統、機器人導游等旅游目的地服務方式的全新升級，都是技術創新推動旅游產業發展的具體表現。也有學者發現數字基礎設施的建設和完善促進旅游業態的多元化發展[49]，如在線旅游平臺、在線旅游社區支持旅游業務的在線預訂、支付和信息查詢，從而拓寬了旅游產業的發展渠道。由此，本文選取科技創新水平和數字基礎設施作為影響旅游產業發展的技術要素。3）由制度理論可知，政府財政投入、方針政策等能夠對旅游產業發展起到關鍵的影響作用[50]，可見制度要素是穩固旅游產業重要地位和作用的保障。既往研究得出，政府通過提供財政支持、稅收優惠、補貼和獎勵等方式，加大對旅游產業的投資力度以吸引更多旅游資源聚集，因此，政府扶持力度是驅動旅游產業發展的因素之一[36]。進一步地，也有學者認為區域開放使城市的旅游產業可以充分利用國際市場資源、技術和管理經驗，提高旅游競爭力和創新能力[51]。綜合前人研究，本文選取政府扶持力度和區域開放程度作為影響旅游產業發展的制度要素。綜上所述，資源要素的供給、技術進步的賦能和制度安排的變革都會影響旅游產業發展，從而塑造不同的旅游產業發展路徑和模式。

作為21世紀最幸福的產業[52]，旅游產業承擔著滿足人民美好生活愿望的職責，亦肩負縮小貧富差距、促進區域協調發展和推動共同富裕實現的重任。一方面，旅游產業的綜合特征使其要素稟賦具有多元性、交叉性和復雜性，而在數字經濟縱深發展的時代背景下[53]，旅游產業如何配置城市不同要素稟賦以更好地推動區域協調發展卻未被深入探討。另一方面，城市作為區域發展的中心載體，其旅游產業高水平發展對區域具有關鍵意義，而不同城市在規模、類型和功能等方面的差異性削弱了旅游產業發展路徑的普適作用[11]。鑒于以往研究忽視了我國不同類型城市多維特征與旅游產業發展之間的差異性[54]，本文基于生產函數理論，綜合考慮資源、技術和制度3方面要素對旅游產業的影響，并參考相關學者關于多因素綜合驅動旅游產業發展相關研究成果[27， 29]，遴選經濟發展實力、文化吸引能力、交通基礎設施、游憩環境質量、科技創新水平、數字基礎設施、政府扶持力度和區域開放程度8個特征變量，試圖從組態視角探析不同類型城市多維特征變量與旅游產業發展之間的復雜非線性關系，理論框架如圖1所示。

2 研究設計

2.1 樣本選擇與數據來源

本文樣本數據主要選自城市統計年鑒和統計公報等披露的相關指標，數據獲取與預處理包括以下步驟。1）考慮到數據的整體質量，收集《中國城市統計年鑒》2016—2019年298個地級及以上城市（部分城市因數據缺失或指標不全而被剔除，如港澳臺和一些自治州等）特征變量指標數據，保存著錄字段包括“城市”“建成區綠化覆蓋率”“公園綠地面積”“地方一般公共預算支出”“公共圖書館圖書藏量”和“博物館數量”等。2）基于國民經濟和社會發展統計公報獲取各城市旅游總收入與旅游總人數結果變量指標數據，與特征變量指標數據進行拼接匯總，樣本有效數據共覆蓋22個字段指標。3）面板數據因涉及字段指標范圍較廣而存在部分缺失值，本文根據每列字段數據的橫向分布特點及時間演化趨勢特征，綜合使用多重填補法（如插值法和平滑法）、時間序列模型等對缺失數據進行更有效地填充。4）使用熵權法對含有多個觀測指標的變量進行測度并匹配其余變量數據，得到研究所需8個特征變量和其結果變量——旅游產業發展構成的變量矩陣，最終獲取可用樣本數據1190條，至此完成數據準備工作。

2.2 變量描述與測度

旅游產業發展是指在一定區域范圍內，旅游產業（以旅游活動為核心，涉及旅游經濟、旅游資源、旅游服務等方面的產業集群）實現其業務范圍、產業規模、收益水平、組織形式、市場地位等多重指標提升和完善的過程[55-56]。本文借鑒既往文獻，綜合考慮旅游總收入和旅游總人數對結果變量——旅游產業發展（tourism industry development，TID）進行測度[57]。此外，文章的特征變量具體測度指標詳見表1。鑒于大多變量都囊括多維度觀測指標，而專家咨詢法、層次分析法等主觀賦權法由專家根據經驗判斷指標權重，在一定程度上缺乏科學性和合理性。本文使用熵權法[31]對變量進行測度，其依據多維觀測指標提供信息量的豐富程度進行賦權，因具備不受數據量綱影響的優勢而被廣泛應用于各項研究[31，58]。設[xij]為變量[i]的第[j]個觀測指標值，則第[j]個觀測指標權重度量為：

[wj=1-ejj=1n（1-ej） ] （1）

式（1）中，[ej=-1lnni=1n（pijln pij）]，[pij=xiji=1nxij]。其中，[pij]為變量[i]第[j]個觀測指標的數值比重，[ej]為變量[i]第[j]個觀測指標的熵值。[wj]的值越大，說明觀測指標[j]越能反映變量[i]的內在信息。因此，變量[i]可測度為：

[Variablei=j=1nxijwj] （2）

式（2）中，[xij]為變量[i]第[j]個觀測指標值，[wj]則為變量[i]第[j]個觀測指標的權重。

2.3 研究思路和方法

本文研究流程主要包括“旅游產業發展的驅動要素為何”“異質性城市的類型和特點”以及“不同類型城市多維特征變量與旅游產業發展之間的關系”3個部分（圖2）。

1）基于我國旅游產業發展的前因條件和組態路徑研究問題，結合生產函數理論和文獻回顧，選取多維度下經濟發展實力、文化吸引能力、交通基礎設施、游憩環境質量、科技創新水平、數字基礎設施、政府扶持力度和區域開放程度8個重要的特征變量，旨在研究不同類型城市旅游產業發展的多元化驅動路徑。

2）確定數據來源，獲取本文所需變量的字段指標數據并過濾處理，采用熵權法進行變量測度，將相應特征變量進行最小最大值歸一化后，采用K均值（K-means）算法將具有相似特征的城市進行群組劃分（異質性城市類型識別），依據不同類型城市群整體特征均值繪制特征差異雷達圖并為城市群命名，初步識別不同類型城市的整體性差別。

3）以根據總體樣本中位數離散化后的旅游產業發展為決策屬性，8個特征變量為條件屬性，使用決策樹中的分類與回歸樹（classification and regression tree，CART）算法[17]挖掘3類異質性城市群旅游產業發展的潛在決策規則，采用隨機森林集成算法驗證特征變量重要性，探析不同類型城市群多維特征變量與旅游產業發展之間的復雜關系結構以及不同特征變量組態條件對旅游產業發展的差異化影響，得出研究結論并為旅游產業相關部門提供管理啟示和發展策略。

3 數據分析和結果

3.1 異質性城市類型和特點

聚焦不同類型城市旅游產業發展的多元組態路徑，本研究關鍵在于結合已處理的城市特征變量樣本數據識別出要素稟賦具有異質性特征的城市類型。聚類分析是將相似特征的事物進行群組識別和探析的一種機器學習方法，而K-means聚類以數據點之間的歐式距離為迭代條件，不斷更新聚類中心直至全局最優，能夠較好地滿足研究需要。本文對8個特征變量進行K-means聚類，結合肘方法、模型評估指標輪廓系數以及樣本數據分布特征確定聚類簇數。當聚類個數k為1～3個時，簇內平方和（cluster sum of square， CSS）下降幅度大，當k超過4時，簇內平方和CSS的變化逐漸放緩，說明聚類最佳簇數在3附近[59]；而k=3時，輪廓系數取值最優，進一步驗證了聚類效果。此外，通過增加樣本數據的聚類簇數（k=4或k=5）進行群組劃分發現，各類城市群的樣本數量呈現兩極分化態勢，說明增加簇數并未有效區分樣本城市類型。綜上所述，文章將聚類簇數設置為3，最終從1190條城市特征變量樣本數據中學習得到3類特征相似的城市群（稱為“簇”），基本信息如表2所示。

獲取3類城市群的多維特征均值和樣本總體特征均值繪制雷達圖（圖3），可以大致看出，不同類型城市群具有明顯異構性。簇-Ⅰ城市群在經濟發展實力、文化吸引能力和交通基礎設施等8個特征變量上的均值都處于最低水平，說明該類城市整體上各項資源稟賦條件和能力水平受限，表現為地理區位優勢較弱、經濟發展水平較低或基礎設施建設不足，因此將其命名為發展受阻型城市群。例如，內蒙古鄂爾多斯旅游資源大多集中于草原、沙漠等單一自然景觀，城市建設和規劃相對滯后，缺乏清晰的城市形象和特色地標，旅游業整體品牌影響力較低；廣東河源地理位置優越，但酒店、餐飲、交通等旅游配套設施不夠完善，具有高知名度的核心景點較少，難以吸引更多游客和提升旅游產業競爭力。簇-Ⅱ城市群在8個特征變量上的均值接近樣本總體水平，說明該類城市綜合條件較為均衡，能夠依托區域特色旅游資源獲得進一步發展，因此將其命名為穩中求進型城市群。例如，桂林“山水甲天下”，其坐擁漓江、陽朔、世外桃源等著名景點，也有各種廣西民族文化和特色美食；湖北宜昌則以三峽風光為主要特色，太子山國家森林公園、木蘭天池等自然景點和龍舟文化獨具魅力。簇-Ⅲ城市群在各項特征變量上的均值都處于高水準，發展潛力巨大，表現出經濟實力強、區位條件優越、資源稟賦全面等特點，因此將其命名為全面輻射型城市群。例如，北京擁有豐富的文化遺產、傳統美食、現代化城市風貌和自然景觀，故宮、長城、三里屯、香山和十三陵等景點吸引無數游客領略中華文明的博大精深和盎然生機。從特征均值雷達圖可以大致看出，發展受阻型城市→穩中求進型城市→全面輻射型城市8個特征變量的取值同時依次增大，從側面反映不同類型城市群多維特征變量具有一定的耦合關系[60]，在某種程度上證實了Chen等提出的經濟-環境-交通-旅游耦合協調發展觀點[61]。結合表2可知，隨著城市資源稟賦、技術能力和制度保障水平的提高，旅游產業發展為高水平的概率也逐漸增大。

3.2 多維特征變量與旅游產業發展相關性分析

文章繪制了3類城市多維特征變量之間以及單個特征變量與旅游產業發展之間的相關關系散點矩陣圖（圖4）。一方面，各城市多維特征變量之間雖大體呈現正向相關關系，但也有部分變量之間的關系并不清晰，為進一步探究多維特征變量不同組合對旅游產業發展的影響提供基本前提。另一方面，從整體視角來看，在變量數目較多的情況下，所研究的8個特征變量大多與旅游產業發展存在一定程度上的正相關關系，證明了旅游產業發展不是由單一特征變量決定，同時也受其他因素影響。從分類視角來看，不同城市特征變量與旅游產業發展之間的關系更加清晰，表明聚類劃分能夠將具有相似特點的研究對象從非線性的、復雜的情境中剝離以簡化復雜問題，利于后續深入研究不同類型城市特征變量對旅游產業發展的影響。在相關性分析的基礎上，多維特征變量之間及其與旅游產業發展之間的復雜關系難以被有效識別，因此，后文采用決策樹CART算法揭示不同類型城市多要素組合影響旅游產業發展的“黑箱”效應。

3.3 多維特征變量對旅游產業發展的影響分析

針對研究主張從客觀數據中挖掘有價值知識規則并試圖呈現多維特征變量組合對旅游產業發展的影響，文章采用決策樹CART算法[62]捕捉特征變量與結果變量之間的非對稱因果關系。作為機器學習的基礎算法之一，決策樹正被廣泛應用于管理學理論與實踐研究，而決策樹CART算法的優勢在于能夠揭開特征變量與結果變量之間的“黑箱”機制以清晰呈現多變量復雜關系結構[18]，凝練后的決策規則可豐富現有管理理論和指導旅游管理實踐。文章使用基尼系數評估條件屬性分裂最佳選擇及明確決策規則有效性，將損失函數取值減少最快的方式作為決策樹模型的生長原理，并通過限制決策樹的迭代次數避免模型過擬合[63]。具體而言，結合研究目的與樣本規模，文章基于不同類型城市群劃分，以8個城市特征變量為條件屬性，離散化后的旅游產業發展為決策屬性，設置決策樹的最大深度為3，運用CART算法分別構建3類城市群的決策樹模型，并使用隨機森林算法驗證特征重要性，深度挖掘我國旅游產業發展的多元組態路徑。

3.3.1 發展受阻型城市群決策樹

在發展受阻型城市中，科技創新水平、經濟發展實力、區域開放程度、游憩環境質量、政府扶持力度和文化吸引能力都會對旅游產業發展產生較大影響。同時，不同特征組合對旅游產業發展的影響效果具有差異性，表現為特征變量不同取值范圍組合會使城市獲得不同的旅游產業發展水平。如圖5所示，在發展受阻型城市群決策樹的左子樹中，當科技創新水平較低（≤0.01）與經濟發展實力較?。ā?.05）時，游憩環境質量的較低配置（≤0.73）推動城市（如丹東、鄂州和酒泉等）獲得低水平旅游產業發展，而較高的游憩環境質量（>0.73）則推動城市（如雅安、賀州等）獲得高水平旅游產業發展。在發展受阻型城市群決策樹的右子樹中，當科技創新水平較高（>0.01）時，區域開放程度過低配置（≤0）難以招徠外地游客，不利于城市（如銅仁和六盤水等）的旅游產業發展；在城市區域開放程度擴大（>0）的情況下，文化吸引能力的較高配置（>0.01）推動城市大概率獲得高水平旅游產業發展（如玉林、漢中和自貢等），反之則獲得低水平旅游產業發展（如日喀則和梧州）。

3.3.2 穩中求進型城市群決策樹

在穩中求進型城市中，經濟發展實力、文化吸引能力、科技創新水平、交通基礎設施、游憩環境質量和數字基礎設施都會對旅游產業發展產生較大影響。如圖6所示，穩中求進型城市群決策樹的左子樹中，在經濟發展實力水平較低（≤0.08）的情況下，當文化吸引能力較弱（≤0.07）時，交通基礎設施的較低配置會推動城市大概率獲得高水平旅游產業發展（如玉林、咸寧和婁底等），反之則阻礙旅游產業發展（如畢節、西寧和菏澤等）；當文化吸引能力提升（>0.07）時，科技創新水平的較高配置（>0.01）會賦能城市旅游產業發展（如舟山和開封等），反之則不利于城市旅游產業發展（如赤峰）。根據穩中求進型城市群決策樹的右子樹可知，在經濟發展實力水平較高（>0.08）的情況下，當科技創新水平較低時（≤0.01），游憩環境質量的較高配置會推動城市大概率獲得高水平旅游產業發展；當科技創新水平較高時（>0.01），數字基礎設施在影響旅游產業發展的過程中發揮正向影響作用，表現為當數字基礎設施由較低配置（≤0.07）轉為較高配置（>0.07）時，該部分城市獲得高水平旅游產業發展的經驗證據樣本數占比明顯增加（12.5%→62.5%）。

3.3.3 全面輻射型城市群決策樹

在全面輻射型城市中，文化吸引能力、科技創新水平、交通基礎設施和經濟發展實力都會對旅游產業發展產生較大影響。與前兩類決策樹不同，該類決策樹的分叉規則純度較高，特征組合展現的決策路徑使得該類城市大概率獲得高水平旅游產業發展。如圖7所示，全面輻射型城市群決策樹的左子樹由文化吸引能力和科技創新水平兩個節點構成，當文化吸引能力相對較弱（≤0.04）時，科技創新水平并未在旅游產業發展過程中起到明顯的賦能作用（如珠海、中山和烏魯木齊等）。該類城市群決策樹的右子樹由文化吸引能力、交通基礎設施和經濟發展實力3個節點構成，在文化吸引能力較強（>0.04）的情況下，當交通基礎設施水平較低（≤0.04）時，文化吸引能力的進一步增強（>0.09）會促進城市旅游產業高水平發展（如金華、贛州和嘉興等），反之會阻礙城市旅游產業發展（如鹽城、泰州等）；而當交通基礎設施水平較高（>0.04）時，經濟發展實力的較高配置（>0.11）賦能城市獲得高水平旅游產業發展的概率接近100%（如上海、長沙和成都等）。

3.3.4 旅游產業發展決策規則

決策樹能夠詳盡展現特征變量不同取值組合對旅游產業發展的影響，但為了避免過擬合以進一步提高決策樹模型的泛化能力，文章采用后剪枝的方式對決策樹進行規則凝練[64]，并通過置信度與支持度評估決策規則的擬合效果。從表3決策規則的支持度可以看出，每類城市群樣本量在高水平與低水平旅游產業發展中的占比明顯不均衡，發展受阻型城市群獲得低水平旅游產業發展的比重較高，而其余兩類城市群獲得高水平旅游產業發展的占比偏高。進一步觀察發現，規則置信度大多處在70%～100%之間，擬合效果較好。此外，不存在3類城市群旅游產業發展的共同分裂屬性，表明不同類型城市旅游產業發展的驅動模式具有較大異質性。進一步地，在各城市群決策樹的分裂節點中，相同特征變量的不同取值組合會影響城市獲得不同水平的旅游產業發展。這說明在高度相似的城市群中，特征變量與旅游產業發展之間存在復雜非線性關系。

結合城市類型與特點對決策規則表進行深入分析發現，發展受阻型城市群獲得低水平旅游產業發展的概率較高（支持度85.12%），少數城市主要依靠城市科技創新水平提升、區域開放和文化吸引推動旅游產業發展；但該類城市大多資源條件受限，尚未得到政府財政的全面支持，旅游目的地在一定程度上仍未被有效開發，阻礙了該類城市旅游產業高水平發展。穩中求進型城市群獲得高水平旅游產業發展的概率明顯增加，在經濟發展實力相對較低的情境下，文化吸引能力的較低配置與交通基礎設施的較高配置會阻礙該類城市旅游產業發展（置信度68.26%）；而當文化吸引能力和科技創新水平較高配置時，該類城市獲得高水平旅游產業發展的概率較大（置信度87.50%）。此外，在經濟發展實力相對較高的情形下，科技創新水平的較低配置與游憩環境質量的較高配置或者科技創新水平與數字基礎設施的較高配置都能推動城市旅游產業高水平發展。全面輻射型城市群擁有完善的資源配置條件，因此，該類城市群只要滿足基本的文化吸引能力要求（>0.04）以及推動交通基礎設施持續完善（>0.04），就能在較高置信度下獲得高水平旅游產業發展。

4 結論與討論

4.1 研究結論

本文通過K-means聚類算法對我國相似城市進行群組劃分，在明確異質性城市類型和特點基礎上，采用決策樹CART算法聚焦分析多維特征變量不同組態對城市旅游產業發展的影響，試圖利用機器學習方法挖掘我國旅游產業發展的要素配置組合，為不同類型城市旅游產業發展提供路徑選擇策略，從而進一步推動區域協調發展以賦能共同富裕目標實現。研究過程中得出以下主要結論。

1）我國旅游產業發展的“資源-技術-制度”驅動要素具有耦合協調效應，大致體現為特征變量在各維度上占據的地位由低向高變化時，城市獲得高水平旅游產業發展的概率也隨之由小變大，即多維特征變量在同類型城市群內部具有橫向耦合一致性，而在不同類型城市群外部具有縱向等級分層性，整體分布類似同心圓結構樣式。

2）在不同類型城市群決策樹模型中，旅游產業發展水平的概率分布具有差異性。從整體分布態勢來看，多維特征變量正向驅動旅游產業發展，表現為從發展受阻型城市到穩中求進型城市再到全面輻射型城市獲得高水平旅游產業發展的概率不斷提升，側面反映出多維特征變量的規模經濟特點。

3）多維特征變量的不同組合推動相同類型城市獲得不同水平旅游產業發展，表明特征變量的差異化組態配置會影響城市旅游產業的發展。“科技創新水平-區域開放程度-文化吸引能力較高配置”是發展受阻型城市獲得高水平旅游產業發展的驅動路徑，而“科技創新水平較低配置-經濟發展實力不足-游憩環境質量不佳”為該類城市旅游產業發展的受阻路徑?！敖洕l展實力不足-文化吸引能力較弱”阻礙穩中求進型城市旅游產業發展，而“經濟發展實力-科技創新水平-數字基礎設施較高配置”為該類城市旅游產業的提升路徑?！拔幕芰μ嵘?交通基礎設施完善”則促進全面輻射型城市旅游產業高水平發展。

4）不同類型城市擁有殊途同歸的旅游產業發展路徑，體現出不同城市有適宜自身發展的資源、技術和制度配置方式。從關注城市旅游產業發展的主要矛盾方面來看，發展受阻型城市受科技創新水平影響最大，穩中求進型城市受經濟發展實力影響最大，全面輻射型城市則受文化吸引能力影響最大，進一步證實了聚類劃分的有效性與合理性，也刻畫出我國城市旅游產業可選擇發展路徑的獨特性、多樣性特征。

4.2 管理啟示

相關研究結論為如何推進我國不同類型城市旅游產業高水平發展以實現區域協調和共同富裕目標帶來有價值的管理啟示。

一是對國家管理部門而言，應進一步強調多方要素稟賦的重要性，通過資源合理配置推動城市旅游產業與經濟、社會和環境等耦合發展，推動發展受阻型城市、穩中求進型城市向全面輻射型城市看齊以及全面輻射型城市旅游產業發展取得更大成果。具體而言，捍衛資源要素在城市旅游產業發展中的基礎性作用，持續加強旅游基礎設施建設，全方位打造符合人民企盼的旅游目的地，滿足游客對美好生活的向往和追求，如進一步推動城市旅游品牌創新、交通高效便捷和游憩環境優化等，助力旅游產業配套設施全面優化布局。堅持技術要素、制度要素在城市旅游產業發展中的動力性及保障性作用，提升城市技術創新能力與加大數字基礎設施建設以賦能旅游業高效、快速發展，同時注重旅游相關支持性政策條例的制定和實施。特別地，管理部門應該突破以往重點考慮東、中、西部地理區位差異的思維定勢及局限性，依據異質性城市類型設立差異化的城市旅游產業發展標桿，促進不同類型城市制定和遵循個性化的旅游產業發展方案與路徑，充分激活城市資源、技術和制度等要素稟賦的比較優勢，賦能我國旅游產業多元化、高水平發展。

二是從城市方面來看，應該依據自身具備的異質性要素稟賦基本條件，因地制宜選擇恰當的旅游產業發展策略。發展受阻型城市（如鄂爾多斯、拉薩和河源等）應該加大科技創新建設力度，保障城市基本技術需求，促進“技術+旅游”融合以實現旅游產業創新發展；發揮政府在旅游市場經濟中的宏觀調控作用，通過對外開放模式調整、資金傾斜投入等方式提高旅游產業的整體服務水平；注重游憩環境質量的提升，合理開發旅游目的地，為旅游產業發展提供基礎條件保障。穩中求進型城市（如潮州、延安、桂林等）應結合當地自然風光和人文歷史開發文化旅游產品，推出更具特色和品質的旅游線路，提升游客對目的地的認知和體驗以增加旅游消費；同時緊跟數字時代發展步伐，在筑牢旅游產業發展技術底座的基礎上，加大數字基礎設施建設以賦能旅游產業數字化轉型和發展。全面輻射型城市（如北京、上海和成都等）擁有完善的資源組合配置條件，但在交通和文化方面仍有一定提升空間，應積極響應國家出臺的“交旅融合”政策，持續優化交通設施建設布局，提升交通便捷性以滿足游客交通需求；同時通過博物館、主題公園和歷史遺跡等旅游資源打造城市特色品牌，有效吸引游客規模聚集以推動旅游產業持續健康發展。

4.3 研究貢獻

本文可能的研究貢獻在于以下3個方面。其一，拓展了旅游產業發展影響因素的研究視角。以往研究大多基于單一視角考慮旅游產業發展的驅動要素[23， 57]，缺乏從全局角度看待多維特征變量對旅游產業發展的組態影響。本文基于生產函數理論，將8個特征變量和旅游產業發展納入同一理論分析框架，不僅從更加整體和宏觀的層面加深了對旅游產業發展影響因素的認識和理解，還將該理論中的要素稟賦結構化為資源要素、技術要素和制度要素3個維度，進一步拓展了生產函數理論的外延并增強其在旅游管理領域的適用性。其二，推進了多維特征變量與旅游產業發展之間的非線性關系研究。以往研究傾向于剖析特征變量與旅游產業發展之間的線性或簡單非線性關系[12]，在一定程度上忽視了旅游產業發展的綜合性和復雜型，未能揭示變量之間的非對稱相關關系。本文著重探討不同要素組合與旅游產業發展之間的復雜關系結構，進一步升華了相關研究主題。其三，引入機器學習方法解決旅游領域的實際難題。旅游產業發展一直是旅游研究領域的熱點及重點問題，但囿于研究方法的局限性，現有文獻依據地理區位差異將地級市劃分為東、中、西部城市[10-11]，并由此得出不同區位城市的普適性旅游產業發展路徑?？紤]到相同區位城市在資源、技術和制度等方面的異質性特征，本文使用聚類算法將城市多維特征變量進行群組劃分，并采用決策樹方法挖掘不同類型城市旅游產業發展的復雜前因和組態路徑，不僅彌補了旅游產業發展未能精準施策的不足，還可能推動后續研究采用新方法解決旅游管理實踐中涌現的新的復雜問題。

4.4 研究局限及展望

作為一項將機器學習方法引入旅游領域的探索性研究，本文也存在一些不足。一方面，盡管機器學習方法能突破預設理論模型的局限性，深入挖掘變量間潛在的有價值、有意義知識規律和規則，但其可能只適用于特定研究對象，因此，如何推廣結論以增強普適性仍需進一步思考和完善。另一方面，由于客觀數據獲取受限，只遴選影響旅游產業發展的代表性特征變量進行分析，可能使研究結果存在一定的片面性。此外，考慮城市要素稟賦的動態演化，結合時間序列數據進一步探析不同類型城市的旅游產業發展模式也是未來的研究方向。

參考文獻（References）

[1] 郭為， 王靜， 李承哲， 等. 不患寡而患不均乎： 發展旅游能促進共同富裕嗎？——基于CFPS （2010—2018）數據的分析[J]. 旅游學刊， 2022， 37（10）： 12-25. [GUO Wei， WANG Jing， LI Chengzhe， et al. Not worrying about less but worrying about inequality： Can developing tourism promote common prosperity？ — Analysis based on CFPS （2010-2018） Data[J]. Tourism Tribune， 2022， 37（10）： 12-25.]

[2] 王金偉， 張麗艷， 王國權. 民族地區居民旅游扶貧參與意愿的影響機制——一個中介與調節效應的混合模型[J]. 旅游學刊， 2022， 37（8）： 40-57. [WANG Jinwei， ZHANG Liyan， WANG Guoquan. Residents’ participation willingness on tourism-led poverty alleviation in ethnic minority areas： A mixed model of mediating and moderating effects[J]. Tourism Tribune， 2022， 37（8）： 40-57.]

[3] 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. [WU Yuming. Spatial panel econometric analysis of tourism economic growth and its spillover effects[J]. Tourism Tribune， 2014， 29（2）： 16-24.]

[4] HIGGINS-DESBIOLLES F. Sustainable tourism： Sustaining tourism or something more？[J]. Tourism Management Perspectives， 2018， 25： 157-160.

[5] LV Z. Deepening or lessening？ The effects of tourism on regional inequality[J]. Tourism Management， 2019， 72： 23-26.

[6] ANDRAZ J M， NORTE N M， GON?ALVES H S. Effects of tourism on regional asymmetries： Empirical evidence for Portugal[J]. Tourism Management， 2015， 50： 257-267.

[7] EROL I， NEUHOFER I O， DOGRU T， et al. Improving sustainability in the tourism industry through blockchain technology： Challenges and opportunities[J]. Tourism Management， 2022， 93： 104628.

[8] 李永平. 旅游產業、區域經濟與生態環境協調發展研究[J]. 經濟問題， 2020（8）： 122-129. [LI Yongping. Study on the coordinated development of tourism industry， regional economy and ecological environment[J]. On Economic Problems， 2020（8）： 122-129.]

[9] 于婷婷， 左冰， 宋玉祥， 等. 中國旅游業發展對區域經濟效率的影響——基于中國283個地級市的實證證據[J]. 地理研究， 2020， 39（6）： 1357-1369. [YU Tingting， ZUO Bing， SONG Yuxiang， et al. The influence of tourism development on regional economic efficiency： Evidence from 283 prefecture-level cities in China[J]. Geographical Research， 2020， 39（6）： 1357-1369.]

[10] 周強， 薛海燕， 馬效. 旅游產業發展影響因素的區域差異研究——基于中國省際面板數據的分析[J]. 城市發展研究， 2018， 25（1）： 12-17. [ZHOU Qiang， XUE Haiyan， MA Xiao. Regional determinants studies of tourism economy： A case of China with panel data analysis[J]. Urban Development Studies， 2018， 25（1）： 12-17.]

[11] 王新越， 蘆雪靜， 朱文亮. 我國主要旅游城市旅游業發展影響因素分析與評價[J]. 經濟地理， 2020， 40（5）： 198-209. [WANG Xinyue， LU Xuejing， ZHU Wenliang. Analysis and evaluation of the influencing factors of tourism development in Chinas major tourism cities[J]. Economic Geography， 2020， 40（5）： 198-209.]

[12] ZHANG H. Analysis on the influencing factors of Chinas tourism economy from the perspective of aging and tourism culture[J]. Journal of Physics： Conference Series， 2020， 1592（1）： 012078.

[13] 劉長生， 陳昀， 簡玉峰， 等. 中國旅游產業發展間接就業帶動能力測算及其時空差異[J]. 地理學報， 2022， 77（4）： 918-935. [LIU Changsheng， CHEN Yun， JIAN Yufeng， et al. Measurement of the driving capacity of tourism industry on indirect employment and its spatio-temporal differences in China[J]. Acta Geographica Sinica， 2022， 77（4）： 918-935.]

[14] ALAM M S， PARAMATI S R. The impact of tourism on income inequality in developing economies： Does Kuznets curve hypothesis exist？[J]. Annals of Tourism Research， 2016， 61： 111-126.

[15] 王鐵， 李梅， 孫德健， 等. 農戶參與鄉村旅游的前因條件與組態路徑——基于QCA方法的探索[J]. 旅游學刊， 2021， 36（3）： 70-82. [WANG Tie， LI Mei， SUN Dejian， et al. Investigating the causal conditions and configurations of farm household participation in rural tourism： A methodological examination based on QCA[J]. Tourism Tribune， 2021， 36（3）： 70-82.]

[16] 汪秀瓊， 梁肖梅， 吳小節. 中國旅游上市公司多元化并購驅動機制研究——基于模糊集的定性比較分析[J]. 旅游學刊， 2021， 36（1）： 52-68. [WANG Xiuqiong， LIANG Xiaomei， WU Xiaojie. The driving mechanism behind diversified mergers and acquisitions among China’s listed tourism companies： A fuzzy-set qualitative comparative analysis[J]. Tourism Tribune， 2021， 36（1）： 52-68.]

[17] RONDOVIC B， DJURICKOVIC T， KASCELAN L. Drivers of e-business diffusion in tourism： A decision tree approach[J]. Journal of Theoretical and Applied Electronic Commerce Research， 2019， 14（1）： 30-50.

[18] 李海林， 廖楊月， 李軍偉， 等. 高校杰出學者知識創新績效的影響因素研究[J]. 科研管理， 2022， 43（3）： 63-71. [LI Hailin， LIAO Yangyue， LI Junwei， et al. A study of the influence factors of knowledge innovation performance of distinguished scholars in colleges and universities[J]. Science Research Management， 2022， 43（3）： 63-71.]

[19] XIE G， QIAN Y， WANG S. Forecasting Chinese cruise tourism demand with big data： An optimized machine learning approach[J]. Tourism Management， 2021， 82： 104208.

[20] MOU N， LIU Z， ZHENG Y， et al. Cycling in Tibet： An analysis of tourists’ spatiotemporal behavior and infrastructure[J]. Tourism Management， 2022， 88： 104418.

[21] 陳曉艷， 徐冬， 黃睿， 等. 浙江省縣域旅游經濟增長的空間溢出效應[J]. 地理科學進展， 2020， 39（9）： 1512-1521. [CHEN Xiaoyan， XU Dong， HUANG Rui， et al. Spatial spillover effects of county-scale tourism economic growth in Zhejiang province[J]. Progress in Geography， 2020， 39（9）： 1512-1521.]

[22] DOGRU T， BULUT U. Is tourism an engine for economic recovery？ Theory and empirical evidence[J]. Tourism Management， 2018， 67： 425-434.

[23] KANWAL S， RASHEED M I， PITAFI A H， et al. Road and transport infrastructure development and community support for tourism： The role of perceived benefits， and community satisfaction[J]. Tourism Management， 2020， 77： 104014.

[24] YASARATA M， ALTINAY L， BURNS P， et al. Politics and sustainable tourism development—Can they co-exist？ Voices from North Cyprus[J]. Tourism Management， 2010， 31（3）： 345-356.

[25] 保繼剛， 劉雪梅. 廣東城市海外旅游發展動力因子量化分析[J]. 旅游學刊， 2002， 17（1）： 44-48. [BAO Jigang， LIU Xuemei. An analysis of the driving factors of urban inbound tourism in Guangdong[J]. Tourism Tribune， 2002， 17（1）： 44-48.]

[26] 陸林， 余鳳龍. 中國旅游經濟差異的空間特征分析[J]. 經濟地理， 2005（3）： 406-410. [LU Lin， YU Fenglong. A study on the spatial characteristic of provincial difference of tourism economy[J]. Economic Geography， 2005（3）： 406-410.]

[27] ANDRADES L， DIMANCHE F. Destination competitiveness and tourism development in Russia： Issues and challenges[J]. Tourism Management， 2017， 62： 360-376.

[28] HU L， XU J， BAO C， et al. Influential factor detection for tourism on the Qinghai-Tibet Plateau based on social media data[J]. ISPRS International Journal of Geo-Information， 2021， 10（9）： 579.

[29] YANG J， GE Y， GE Q， et al. Determinants of island tourism development： The example of Dachangshan island[J]. Tourism Management， 2016， 55： 261-271.

[30] CHEN M H. The economy， tourism growth and corporate performance in the Taiwanese hotel industry[J]. Tourism Management， 2010， 31（5）： 665-675.

[31] GUAN H， GUO X. Coupling coordination analysis of urban tourism environment quality and the tourism economy： A case study of Nanjing city[J]. Mathematical Problems in Engineering， 2022（1）： 9518122.

[32] CHEN J， LI M， XIE C. Transportation connectivity strategies and regional tourism economy-empirical analysis of 153 cities in China[J]. Tourism Review， 2021， 77（1）： 113-128.

[33] ZHANG Q， CHEN J， GUAN W， et al. Asymmetric impacts of technology innovation and environmental quality on tourism development in emerging economies[J]. Economic Research-Ekonomska Istra?ivanja， 2022， 35（1）： 5114-5130.

[34] CHI J. Revisiting the tourism-inequality nexus： Evidence from a panel of developed and developing economies[J]. Current Issues in Tourism， 2021， 24（6）： 755-767.

[35] FARMAKI A， ALTINAY L， BOTTERILL D， et al. Politics and sustainable tourism： The case of Cyprus[J]. Tourism Management， 2015， 47： 178-190.

[36] BAUM T， SZIVAS E. HRD in tourism： A role for government？[J]. Tourism Management， 2008， 29（4）： 783-794.

[37] 張雪晶， 陳巧媛， 李華敏. 從體驗對象到體驗場域： 鄉村旅游地高質量發展組態分析[J]. 旅游學刊， 2022， 37（5）： 33-44. [ZHANG Xuejing， CHEN Qiaoyuan， LI Huamin. From experiencing object to experiencing field： A configuration analysis on the high-quality development of rural tourism destinations[J]. Tourism Tribune， 2022， 37（5）： 33-44.]

[38] CHENG M， XIANG M. Application of a combination production function model[J]. Applied Mathematics and Computation， 2014， 236： 33-40.

[39] 崔永偉， 杜聰慧. 生產函數理論與函數形式的選擇研究[J]. 中國管理科學， 2012， 20（S1）： 67-73. [CUI Yongwei， DU Conghui. Production function theory and choice among functional forms[J]. Chinese Journal of Management Science， 2012， 20（S1）： 67-73.]

[40] NARISA Z， TANG H W， LUO X N. Research on non-linear input-output model based on production function theory and a new method to update IO coefficients matrix[J]. Applied Mathematics and Computation， 2006， 181（1）： 478-486.

[41] 龍登高. 地權交易與生產要素組合： 1650—1950[J]. 經濟研究， 2009， 44（2）： 146-156. [LONG Denggao. Transaction of property rights of land and resources allocation： 1650—1950[J]. Economic Research Journal， 2009， 44（2）： 146-156.]

[42] 胡貝貝， 王勝光. 互聯網時代的新生產函數[J]. 科學學研究， 2017， 35（9）： 1308-1312. [HU Beibei， WANG Shengguang. The new production function of the internet age[J]. Studies in Science of Science， 2017， 35（9）： 1308-1312.]

[43] 宋馬林， 劉貫春. 增長模式變遷與中國綠色經濟增長源泉——基于異質性生產函數的多部門核算框架[J]. 經濟研究， 2021， 56（7）： 41-58. [SONG Malin， LIU Guanchun. Growth regime switch and sources of China’s green economy： A multi-sectoral accounting framework based on heterogeneous production functions[J]. Economic Research Journal， 2021， 56（7）： 41-58.]

[44] 彭淑貞， 呂臣. 共生理論嵌入鄉村旅游生態系統創新研究[J]. 科研管理， 2020， 41（12）： 60-69. [PENG Shuzhen， LYU Chen. A research on the symbiosis theory embedded in the innovation of rural tourism ecosystem[J]. Science Research Management， 2020， 41（12）： 60-69.]

[45] 錢磊， 汪宇明， 吳文佳. 中國旅游業發展的省區差異及變化[J]. 旅游學刊， 2012， 27（1）： 31-38. [QIAN Lei，WANG Yuming，WU Wenjia. The differences and changes of provincial tourism development in China[J]. Tourism Tribune， 2012， 27（1）： 31-38.]

[46] PACK H. Endogenous growth theory： Intellectual appeal and empirical shortcomings[J]. Journal of Economic Perspectives， 1994， 8（1）： 55-72.

[47] 段忠賢， 黃其松. 要素稟賦、制度質量與區域貧困治理——基于中國省際面板數據的實證研究[J]. 公共管理學報， 2017， 14（3）： 144-153. [DUAN Zhongxian， HUANG Qisong. Factor endowments， institutional quality and regional poverty governance： Evidences from Chinese provincial panel data[J]. Journal of Public Management， 2017， 14（3）： 144-153.]

[48] HUANG Y C， BACKMAN K F， BACKMAN S J， et al. Exploring the implications of virtual reality technology in tourism marketing： An integrated research framework[J]. International Journal of Tourism Research， 2016， 18（2）： 116-128.

[49] 吳丹丹， 馬仁鋒， 郝晨， 等. 數字經濟對市域旅游業高質量發展水平的空間效應及機制[J]. 經濟地理， 2023， 43（4）： 229-240. [WU Dandan， MA Renfeng， HAO Chen， et al. Spatial effect and impact mechanism of digital economy on tourism industry high-quality development in Chinese cities[J]. Economic Geography， 2023， 43（4）： 229-240.]

[50] GHALIA T， FIDRMUC J， SAMARGANDI N， et al. Institutional qualig86A0yjBRAu/ZSFTbGxCA7kNG/AFLxr9TacP9S78Jno=ty， political risk and tourism[J]. Tourism Management Perspectives， 2019， 32： 100576.

[51] 韓劍磊， 明慶忠， 史鵬飛， 等. 區域旅游經濟效率與網絡優勢度的關聯組合及影響因素構型分析[J]. 人文地理， 2021， 36（4）： 168-176. [HAN Jianlei， MING Qingzhong， SHI Pengfei， et al. Analysis of the relevant combination of regional tourism economic efficiency and network dominance and the configuration of influencing factors[J]. Human Geography， 2021， 36（4）： 168-176.]

[52] 魯欣， 宋慧晶. 旅游發展、經濟增長與生活水平的相互關系——基于山西省面板數據的實證研究[J]. 經濟問題， 2021（3）： 122-129. [LU Xin， SONG Huijing. Research on the relationship of the development of tourism industry， the growth of regional economy and the improvement of residents living standard： Based on the panel date of Shanxi province[J]. On Economic Problems， 2021（3）： 122-129.]

[53] ZAFAR S Z， ZHILIN Q， MABROUK F， et al. Empirical linkages between ICT， tourism， and trade towards sustainable environment： Evidence from BRICS countries[J]. Economic Research-Ekonomska Istra?ivanja， 2023， 36（2）： 1-23.

[54] YANG Y， FIK T J， ALTSCHULER B. Explaining regional economic multipliers of tourism： Does cross-regional heterogeneity exist？[J]. Asia Pacific Journal of Tourism Research， 2018， 23（1）： 15-23.

[55] MAFRUHAH I， SUPRIYONO S， MULYANI N S， et al. Causality between tourism industry development and the ecological sustainability in marine environment： A convergence and divergence among stakeholder with mactor analysis[J]. International Journal of Energy Economics and Policy， 2020， 10（4）： 85-92.

[56] GORBUNTSOVA T， DOBSON S， PALMER N. Diverse geographies of power and spatial production： Tourism industry development in the Yamal Peninsula， Northern Siberia[J]. Annals of Tourism Research， 2019， 76： 67-79.

[57] 吳昊， 張馨月. 高鐵對沿線城市旅游業發展影響研究——以京廣高鐵為例[J]. 經濟問題， 2020（11）： 85-94. [WU Hao， ZHANG Xinyue. Research on the influence of high speed rail on tourism development of cities along the line： Take Beijing-Guangzhou high speed railway as an example[J]. On Economic Problems， 2020（11）： 85-94.]

[58] TANG Z. An integrated approach to evaluating the coupling coordination between tourism and the environment[J]. Tourism Management， 2015， 46： 11-19.

[59] 李海林， 龍芳菊， 林春培. 網絡整體結構與合作強度對創新績效的影響[J]. 科學學研究， 2023， 43（1）： 168-180. [LI Hailin， LONG Fangju， LIN Chunpei. The impact of the overall network structure and cooperation intensity on innovation performance[J]. Studies in Science of Science， 2023， 43（1）： 168-180.]

[60] 周成， 馮學鋼， 唐睿. 區域經濟-生態環境-旅游產業耦合協調發展分析與預測——以長江經濟帶沿線各省市為例[J]. 經濟地理， 2016， 36（3）： 186-193. [ZHOU Cheng， FENG Xuegang， TANG Rui. Analysis and forecast of coupling coordination development among the regional economy-ecological environment-tourism industry： A case study of provinces along the Yangtze Economic Zone[J]. Economic Geography， 2016， 36（3）： 186-193.]

[61] CHEN Q， BI Y， LI J. Spatial disparity and influencing factors of coupling coordination development of economy-environment-tourism-traffic： A case study in the middle reaches of Yangtze River urban agglomerations[J]. International Journal of Environmental Research and Public Health， 2021， 18（15）： 7947.

[62] RUTKOWSKI L， JAWORSKI M， PIETRUCZUK L， et al. The CART decision tree for mining data streams[J]. Information Sciences， 2014， 266： 1-15.

[63] 羅良清， 平衛英， 單青松， 等. 中國貧困治理經驗總結： 扶貧政策能夠實現有效增收嗎？ [J]. 管理世界， 2022， 38（2）： 70-83. [LUO Liangqing， PING Weiying， SHAN Qingsong， et al. Summary from Chinas poverty alleviation experience： Can poverty alleviation policies achieve effective income increase？[J]. Management World， 2022， 38（2）： 70-83.]

[64] 王昱， 楊珊珊. 考慮多維效率的上市公司財務困境預警研究[J]. 中國管理科學， 2021， 29（2）： 32-41. [WANG Yu， YANG Shanshan. Corporate financial distress prediction based on multi-dimensional efficiency indicators[J]. Chinese Journal of Management Science， 2021， 29（2）： 32-41.]

The Type and Path Selection of Tourism Industry Development from the Perspective

of Configuration： An Exploration Based on Machine Learning Methods

LIAO Yangyue1， YU Chuanpeng1， LIN Chunpei2，3

（1. Department of Tourism Management， South China University of Technology， Guangzhou 510006， China;

2. School of Business Administration， Huaqiao University， Quanzhou 362021， China;

3. Business Management Research Center， Huaqiao University， Quanzhou 362021， China）

Abstract： At present， the contradiction of inadequate and unbalanced regional development is still prominent. Developing a regional economy in a new way is related to the well-being of the people; it is also a major theoretical and practical problem to be solved urgently in our economic and social development in the new era. The 20th National Congress of the Communist Party of China once again wrote the goal of common prosperity into the report and continued to promote the coordinated development of regions to better meet the broad masses of people’s yearning for a better life. As a strategic pillar industry of our country， the tourism industry is an important driving force that promotes high-quality regional economic development and optimization and upgrading of industrial structure. Moreover， it will also promote the shared prosperity of our country. Combined with production function theory and a literature review， eight feature variables are selected from resource， technology and institution dimensions based on the reviewed research to examine the tourism industry’s personalized and differentiated driving path in different types of cities. Next， we obtain the field index data of 298 cities at the prefecture level or above and filter them. The entropy weight method is used to measure variables. After the corresponding feature variables are standardized by min-max normalization， the K-means algorithm is used to classify cities with similar characteristics into clusters （i.e.， hindered， stable and fully radiant）. The feature difference radar map is drawn according to the mean value of the overall features of different city clusters， which are named to identify the overall heterogeneity of different types of cities. Lastly， taking the tourism industry development as the decision attribute and eight feature variables as the conditional attribute， the classification and regression tree algorithm is used to explore the potential decision rules of the tourism industry development in three types of city clusters. The results show that 1） the driving factors of the tourism industry have a coupling and coordination effect， reflected in the lateral coupling consistency and longitudinal hierarchical stratification of the multidimensional feature variables of different types of cities; 2） highly similar cities obtain different levels of tourism industry development due to the differentiated allocation of factors， indicating that each city type has its configuration conditions suitable for its own development， providing a realistic basis for promoting regional coordinated development; and 3） the driving factors of high-level development of tourism industry in different city types are different in combination， showing the effect of the same destination on the whole. The hindered cities are driven by “technological foundation-regional opening-cultural attraction，” the stable cities by “economic guidance-technological innovation-digital empowerment，” and the fully radiant cities by “cultural attraction-transportation enhanced.” These conclusions provide a new development idea and reference basis for the Chinese urban tourism industry in response to national policies.

Keywords： tourism industry development; multidimensional feature variable; configuration perspective; path selection; machine learning

[責任編輯：周小芳；責任校對：劉 魯]