高级别景区对旅游发展的影响及其空间效应研究

图1 高级别景区创建的空间效应

Fig.1 Spatial effect of the establishment of high-level scenic spots in different cities

2 数据与方法

2.1 变量选择与数据说明

本文选取高级别景区中的代表性景区——“5A”景区数量作为代理变量,考察高级别景区对城市旅游发展的空间效应。中国城市(不含港澳台)“5A”景区数量(scenery)数据根据原国家旅游局公布的各年度“5A”景区名单整理所得,同时,考虑到研究期间存在被取消“5A”资质的景区(如秦皇岛山海关景区),故每年的“5A”景区数量根据当年实际名单进行动态化处理。进一步地,为可视化分析“5A”景区的空间分布特征,本文基于百度拾取坐标系统(https://api.map.baidu.com/lbsapi/getpoint/index.html),获取各“5A”景区经纬度坐标,并将获取的百度坐标转换为GCS_WGS_1984坐标以备后续分析使用。本文的被解释变量y——城市旅游发展采用城市旅游总人数(千万人次)作为代理指标,其中,旅游总人数包括国内旅游人数与入境旅游人数,数据来源于各地级市国民经济与社会发展统计公报(2006—2018年)及EPS统计数据库。同时,根据现有文献的研究,选择城市交通基础条件(trans)、对外开放水平(open)、政府支持(gover)、住宿餐饮业发展(serv)作为控制变量。其中,交通条件的好坏直接影响游客到达景区的便捷程度,本文以市级公路运量(亿人次)来反映;对外开放程度反映城市的对外交流水平,本文以利用外资总额占GDP比重(%)来反映;政府支持以地方财政支出占GDP比重(%)来反映;住宿餐饮业发展反映城市对游客的接待与服务能力,以住宿餐饮业从业人员数(万人次)来反映。控制变量的数据主要来源于《中国城市统计年鉴》(2007—2019年)及各省市统计年鉴(2007—2019年)。由于“5A”景区自2007年开始评选,本文研究数据为2006—2018年的288个地级市(考虑到2007年为“5A”景区出现的起始年,2006→2007年属于从无到有的年份,故时间维度从2006年开始,以2006年作为基准对照年份)。另外,为消除价格因素的影响,以2006年为基期对具有时间价值的数据进行平减处理。

2.2 空间权重矩阵设置

两个客观事实值得注意：第一,同一省内部可能存在更为激烈的竞争。首先,中国的标尺竞争多发生在同省内各城市间,因此同省内各城市间针对旅游形象树立及城市旅游发展的竞争动机更强烈;其次,“5A”景区的竞选需先在省域内部以城市为单位进行初评,初评后再以省为单位参加国家评选。由此可见,“5A”景区的竞选可能在同一省域内的城市之间竞争更激烈。第二,不同省域间城市的旅游资源禀赋差异可能更大,更能满足游客对旅游体验丰富度的追求,因此,游客选择跨省的邻近城市规划旅游线路的概率也相对较大。综上,本文认为,“5A”景区的创建对同省邻近城市和不同省邻近城市的空间效应可能会产生差异。因此,本文设置如下3类地理邻接权重矩阵(W₁、W₂、W₃),以此探讨“5A”景区对城市旅游发展的空间效应。

地理邻接权重矩阵 $W_{1}$ ：

(1)

w_{i j} = \{\begin{array}{l} 1, 城 市 i 与 城 市 j 相 邻 \\ 0, 城 市 i 与 城 市 j 不 相 邻 \end{array}

同省地理邻接权重矩阵 $W_{2}$ ：

(2)

w_{i j} = \{\begin{array}{l} 1, 城 市 i 与 城 市 j 同 省 且 相 邻 \\ 0, 其 他 \end{array}

跨省地理邻接权重矩阵 $W_{3}$ ：

(3)

w_{i j} = \{\begin{array}{l} 1, 城 市 i 与 城 市 j 不 同 省 且 相 邻 \\ 0, 其 他 \end{array}

与此同时,由于中国城市规模大小不一,如果仅以是否相邻来识别高级别景区创建带来的空间效应,一是可能无法完全识别到真正的空间效应,二是无法有效考察城市合作和竞争的空间距离范围。据此,本文以城市间的空间距离来重新定义空间权重矩阵,分别构建省内和跨省多重空间距离权重矩阵——同省空间距离权重矩阵、跨省空间距离权重矩阵 $W_{l_{1} - l_{2}}$ ,见式(4)~(5)。其中,l₁-l₂为城市i和j的地理中心距离范围。进一步地,考虑到游客对不同的出游距离范围有不一样的感知判断,如已有研究表明,中国人一般对距离0~200 km感知为“很近”,对距离200~400 km感知为“近”,对距离400 km以上的感知则随着距离增加逐步表现为“远”“很远”“遥远”^[35]。基于此,本文设置等距距离范围：0~200、200~400、400~600、600~800 km。因此,同省空间距离权重矩阵W_0-200表示,当城市i和j同省且地理中心距离l₁-l₂在0~200 km以内时,相应的空间权重元素w_ij等于 $1 / d_{i j}^{2}$ (d_ij为城市i和j的地理中心距离),否则为0;跨省空间距离权重矩阵W_0-200表示,当城市i和j不同省且地理中心距离l₁-l₂在0~200 km以内时,相应的空间权重元素w_ij等于 $1 / d_{i j}^{2}$ ,否则为0。以此类推,得到8个空间权重距离矩阵：同省W_0-200、同省W_200-400、同省W_400-600、同省W_600-800、跨省 W_0-200、跨省W_200-400、跨省W_400-600、跨省W_600-800。

同省空间距离权重矩阵 $W_{l_{1} - l_{2}}$ ：

(4)

w_{i j} = \{\begin{array}{l} \frac{1}{d_{i j}^{2}}, l_{1} < d_{i j}^{} < l_{2} 且 城 市 i 与 城 市 j 同 省 \\ 0, 其 他 \end{array}

跨省空间距离权重矩阵 $W_{l_{1} - l_{2}}$ ：

(5)

w_{i j} = \{\begin{array}{l} \frac{1}{d_{i j}^{2}}, l_{1} < d_{i j}^{} < l_{2} 且 城 市 i 与 城 市 j 不 同 省 \\ 0, 其 他 \end{array}

2.3 空间自相关检验

空间自相关检验是衡量地理单元属性值的空间关联的一个有效方式^[36],为分析城市旅游发展水平、“5A”景区数量在整个区域内的空间特征,本文通过计算全局Moran's I指数来度量观测变量的空间相关性,计算公式如下：

(6)

M o r a n' s I = \frac{n \sum_{i = 1}^{n} \sum_{j \neq i}^{n} w_{i j} (x_{i} - \bar{x}) (x_{j} - \bar{x})}{\sum_{i = 1}^{n} \sum_{j = 1}^{n} w_{i j} \sum_{j = 1}^{n} (x_{j} {- \bar{x})}^{2}}

式中：Moran's I值介于[-1, 1],I大于0表示观测变量(城市旅游发展、“5A”景区数量)为空间正相关,且相关程度与数值大小成正比;等于0表示无关联;小于0表示空间负相关。n为观测城市数量,即288;x_i、x_j分别为城市i、j的观测变量值, $\bar{x}$ 是观测变量的均值;w_ij表示城市i与j的位置权重。

2.4 动态空间面板模型

为同时考察被解释变量与解释变量的空间依赖效应,一般可采用空间面板杜宾模型(SPDM)^[36-37],动态空间面板模型则在SPDM的基础上进一步考察了被解释变量的时间滞后项。由于城市旅游发展不仅受到邻近城市旅游发展与“5A”景区数量的影响,也受到其自身前期旅游发展水平与“5A”景区数量的影响,故本文参照周波等^[26],在SPDM的基础上进一步考虑城市旅游发展的时间滞后项,构建动态空间面板基准检验模型。同时,考虑到景区创建活动经济效应的时滞性,将解释变量滞后一期,具体公式如下：

(7)

\begin{array}{l} y_{i t} = β_{0} + θ y_{i, t - 1} + ρ \sum_{j = 1}^{n} w_{i j} y_{j t} + λ \sum_{j = 1}^{n} w_{i j} s c e n e r y_{j, t - 1} + \\ β s c e n e r y_{i, t - 1} + α_{i} X_{i, t - 1} + γ_{t} + ε_{i t} \end{array}

式中：y_it为被解释变量——城市i第t年的旅游总人数(千万人次),y_i_,_t_-1为y_it的时间滞后项;scenery为核心解释变量——城市“5A”景区的数量;w_ij为空间权重;θ为被解释变量时间滞后项的回归系数,ρ为被解释变量的空间滞后系数;λ为核心解释变量的空间回归系数;X_i_,_t_-1表示其他控制变量,以控制城市个体差异;β为核心解释变量对本城市旅游发展的回归系数; $α_{i}$ 为第i个控制变量的回归系数; $β_{0}$ 为常数项;模型中的解释变量包含了被解释变量的时间滞后项,因此,需要控制内生性^[26],本文采用System-GMM对其进行估计;另外,由于“5A”景区个数随着时间在发生变化,故本文控制时间固定效应γ_t;ε_it为残差项。

3 “5A”景区空间分布及空间相关性检验

3.1 “5A”景区的空间分布特征

本文基于截至2018年评选出的全国259家“5A”景区的经纬度,采用ArcGIS对“5A”景区的空间布局及各省域内拥有的“5A”景区数量进行可视化表达(图2a)。并进一步地,基于《旅游资源分类、调查与评价》(GBT18972—2017),将259家“5A”景区分为自然类(图2b)、人文类(图2c)、综合类(图2d)3类,分别进行可视化表达。

图2

图2 “5A”景区空间分布

注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2020)3185号的标准地图制作,底图无修改。

Fig.2 Spatial distribution of "5A" scenic spots in China

由图1可以看出,“5A”景区空间分布存在以下4个特征：① 从四大板块分布来看,东部和中部“5A”景区的数量较多,而西部和东北“5A”景区相对较少,由东向西总体呈现出集聚度下降的趋势。② 从区域集聚来看,“5A”景区的分布总体呈现出集聚状态,作为“孤立点”存在的情况极少,其中江苏省的“5A”景区数量最多(23家),天津市的“5A”景区数量最少(2家),并且泛长三角城市群、珠三角城市群、京津冀城市群等地区的集聚程度相对较高。③ 从不同类型“5A”景区的分布看,自然类数量最多(146家),其次是人文类(86家),最后是综合类(27家),且各类型景区的空间分布特征与总样本的情况基本保持一致。④ 从同一省域内3类“5A”景区数量的比例分布看,景区比例失衡严重。一是从景区主导类型看,有22个省域(A类地区)以自然类景区为主,7个省域(B类地区)以人文类景区为主,1个省域(上海)以综合类景区为主,1个省域(天津)自然类与人文类景区数量相同,A类地区的数量甚至达到后3类地区加总值的2倍以上;二是从数目较多的自然类和人文类景区的数量对比值看,22个A类地区的自然类景区数量与人文类景区数量的比值的均值为3.27^①( 以自然类景区为主导的广西和宁夏,人文类“5A”景区数量为0,但是分别有2个和1个综合类“5A”景区,因此本文将广西和宁夏的自然类景区数量与人文类景区数量的比值算作4∶2与3∶1。),7个B类地区的人文类景区数量与自然类景区数量的比值的均值为2.49^②(② 以人文类景区为主导的北京,自然类“5A”景区数量为0,但是有2个综合类“5A”景区,因此将北京人文类与自然类景区数量的比值算作5∶2。),比值均较大。

总体而言,首先,“5A”景区“东中集聚、区域失衡、禀赋不一”,在国土空间上的分布极度不均衡。其次,自然、人文、综合类3类景区存在比例失衡问题,且综合类景区数量严重不足;最后,同一省域内3类景区的比例分布也失衡严重,且一定程度上从侧面反映出同一省内部景区类型存在同质化问题,而城市间景区类型的同质或异质可能进一步影响城市间的旅游竞争或合作。因此,如何实现“5A”景区空间布局的优化、实现城市间的景区互补与旅游合作、有效发挥景区的经济社会空间效应是一个值得探讨的话题。

3.2 城市旅游发展与“5A”景区空间相关性检验

在利用空间计量检验“5A”景区对城市旅游发展的空间效应之前,有必要先对城市旅游发展水平、“5A”景区数量进行空间自相关性检验。本文采用地理邻接权重矩阵W₁,基于式(6),计算2006—2018年城市旅游总人数及2007—2018年城市“5A”景区数量的Moran's I值(图3)。图3显示,城市旅游总人数的Moran's I值全部位于0.13以上,且均通过1%的显著性水平检验,这表明城市旅游发展存在显著的空间集聚特征。与此同时,“5A”景区数量的Moran's I值在2010、2012—2018年均位于0.07以上,且均通过5%的显著性水平检验,表明自2012年后城市的“5A”景区分布存在稳定的空间正相关性。进一步分析发现,2007—2009年“5A”景区数量的Moran's I值不显著的原因在于,2007年才首次评定66家景区为“5A”景区,“5A”景区数量较少,且拥有“5A”景区的城市也较少;2011年不显著的原因则在于,该年原国家旅游局首次在同一年内公布多批“5A”景区,“5A”景区数量激增43家、涉及地市州达42个,一定程度上打破了“5A”景区原有的空间集聚格局。另外,对比城市旅游总人数与“5A”景区数量的Moran's I值变动趋势,发现后者的Moran's I值存在显著的增长趋势,前者则不然,其原因可能在于邻近城市的旅游总人数的逐年变动趋势较为一致,而邻近城市的“5A”景区数则经历了一个由无到有再到多的过程转变。综合而言,城市旅游总人数及“5A”景区数量均存在一定的空间集聚特征,因此,本文引入空间计量模型实证探究“5A”景区对城市旅游发展的影响十分必要。

图3

图3 城市旅游总人数和“5A”景区数量的Moran's I值

注：*、**、***分别表示P < 0.1、P < 0.05和P < 0.01。下同。

Fig.3 Moran's I of the number of tourists and the number of "5A" scenic spots in cities

4 实证分析

4.1 基于地理邻接权重矩阵的空间效应检验

本文基于式(1)~(3)的地理邻接权重矩阵,采用System-GMM方法对式(7)进行回归估计,结果见表1。表1中模型2、4、6在模型1、3、5的基础上分别加入控制变量后,其Hansen检验均不显著,且二阶自相关检验AR(2)不显著,满足矩约束条件要求,可见本文所选的工具变量满足要求。表1的结果表明,加入控制变量和固定效应前后,scenery_t_-1对y的回归系数均显著为正,即“5A”景区能够显著促进本城市旅游业的发展,这一结果初步支持了第一个假说。另外,控制变量结果显示,一般而言,城市的基础设施建设越好、对外开放水平越高、政府支持力度越大、旅游配套服务越完善,越有利于城市的旅游发展。

表1 “5A”景区对城市旅游发展的影响

Tab.1 Influence of “5A” scenic spots on tourism development of cities

变量	邻接空间权重W₁		省内邻接空间权重W₂		省外邻接空间权重W₃
变量	模型1	模型2	模型3	模型4	模型5	模型6
y_t_-1	0.5138^***	0.1502^***	0.3403^***	0.0262^**	0.4987^***	0.0617^***
y_t_-1	(48.908)	(9.759)	(26.388)	(1.970)	(43.107)	(3.844)
scenery_t_-1	3.2730^***	4.7991^***	4.1024^***	5.2097^***	3.4671^***	4.9345^***
scenery_t_-1	(36.314)	(24.074)	(26.268)	(23.238)	(37.239)	(24.148)
W*y	0.0877	0.0356	0.4236^***	0.2470	-0.1924^***	-0.0492
W*y	(1.511)	(0.430)	(3.459)	(1.402)	(-3.019)	(-0.577)
W*scenery_t_-1	-0.1231	0.1115	-6.0577^***	-6.1736^***	0.9484^***	1.1322^***
W*scenery_t_-1	(-0.939)	(0.475)	(-6.588)	(-4.543)	(6.127)	(4.870)
trans_t_-1		0.0739^**		-0.2583^***		0.1790^***
trans_t_-1		(2.294)		(-5.618)		(5.323)
open_t_-1		0.8396^***		0.6581^***		0.8071^***
open_t_-1		(8.503)		(5.930)		(7.408)
gover_t_-1		0.1343^***		0.0211		0.0947^*
gover_t_-1		(2.655)		(0.450)		(1.884)
serv_t_-1		0.0612^***		0.0786^***		0.0822^***
serv_t_-1		(3.503)		(3.799)		(4.181)
常数	0.8040^***	-1.8372^**	0.7477^***	-0.0105	1.0697^***	-1.1005
常数	(9.390)	(-2.504)	(4.898)	(-0.013)	(12.779)	(-1.526)
年份	是	是	是	是	是	是
Hansen检验(P值)	0.0675	0.5814	0.8514	0.9938	0.0366	0.6069
AR1检验(P值)	0.0143	0.0265	0.0118	0.0150	0.0076	0.0177
AR2检验(P值)	0.2106	0.3572	0.2173	0.3223	0.1936	0.3267
N	3456	3456	3456	3456	3456	3456

注：括号内为z值;“是”表示控制年份固定效应;“W*y”表示变量y的空间交互项,其他类似。下同。

新窗口打开| 下载CSV

进一步分析“5A”景区对城市旅游发展的空间效应,发现：模型1~2中W₁*scenery_t_-1的回归结果系数不显著,表明平均而言“5A”景区对城市旅游发展不存在显著的空间效应。但是,当将邻近城市分解为同省邻近城市和跨省邻近城市之后,模型3~4中的W₂*scenery_t_-1系数显著为负,即同省邻近城市间“5A”景区对旅游发展的影响表现为空间竞争效应;模型5~6中的W₃*scenery_t_-1系数显著为正,即跨省邻近城市间“5A”景区对旅游发展的影响表现为空间合作效应。该结论与本文假说2一致,即邻近城市间“5A”景区对城市旅游发展既可能存在空间竞争效应,也可能存在空间合作效应,该关系与城市是否处于同一个省级行政区划内有关。其原因在于,一方面,“5A”景区竞选的过程中,城市旅游发展相关部门需要先在省内以城市为单位进行初评后,才能自省级报由国家旅游景区质量评定机构进行评选;另一方面,同省城市间的标尺竞争行为相对更为激烈。因此,“5A”景区对城市旅游发展的空间竞争效应也多发生在省内,这也是对同一省域内的城市申报“5A”景区存在标尺竞争行为的一个有力佐证。综合模型3~6的结果再次考察模型1~2的结果,发现模型1~2中W₁*scenery_t_-1的回归结果系数不显著的原因可能在于,同省内的空间竞争效应与跨省间的空间合作效应存在抵消,使得平均空间效应不显著。

4.2 基于空间距离权重矩阵的竞争与合作距离范围分析

为进一步分析城市旅游的空间竞争和合作的距离范围,本文将式(4)、(5)的空间距离权重矩阵代入式(7),分别进行回归分析,结果见表2。由表2可知,scenery_t_-1依然显著为正,即“5A”景区有利于本城市的旅游发展,假说1结果稳健。进一步分析空间效应,发现：对同省城市而言,模型7、9、11、13,W*scenery_t_-1的回归系数经历了“显著为负→显著为负→不显著→不显著”的转变;对跨省城市而言,模型8、10、12、14,W*scenery_t_-1的回归系数经历了“显著为正→显著为正→显著为正→不显著”的转变。由此可见,“5A”景区对同省城市旅游发展的空间竞争范围发生在0~400 km;“5A”景区对跨省城市旅游发展的空间合作范围发生在0~600 km,且在200~400 km之间合作水平最高。具体合作与竞争的距离范围见图4。表2表明,“5A”景区对同省城市的旅游发展主要表现为空间竞争效应,且距离越近,竞争效应越大,这也再次证明了同省的城市在“5A”景区的创建过程中存在标尺竞争。与之相对,“5A”景区对跨省城市的旅游发展在一定空间范围内表现为显著的空间合作效应,且在200~400 km范围内跨省合作效应最大。这是因为,相较于距离范围为0~200 km的城市,间隔200~400 km的跨省城市一方面在景区类型上更容易表现为异质互补效应,另一方面更能满足游客对熟悉环境的逃离心理^[38];相较于距离范围大于400 km的城市,间隔200~400 km的跨省城市间的旅游线路则更为便捷经济,同时,当距离范围大于400 km时游客的距离感知为“远”甚至“很远”,此时游客存在一定的距离阻力^[35,38],超过600 km时该距离阻力可能已经难以克服。因此综合而言,距离范围为200~400 km的跨省城市间更有可能形成旅游合作关系,并有助于最大程度地发挥旅游资源的空间合作效应和经济社会效应,而当距离范围感知为“很远”(如大于600 km)时跨省城市间则难以形成有效的空间合作关系。

表2 竞争与合作的距离范围

Tab.2 Spatial scope of competition and cooperation

变量	空间权重W_0-200		空间权重W_200-400		空间权重W_400-600		空间权重W_600-800
变量	同省模型7	跨省模型8	同省模型9	跨省模型10	同省模型11	跨省模型12	同省模型13	跨省模型14
y_t_-1	-0.0199	0.0925^***	-0.0300	-0.0814^***	-0.1078^***	0.0163	-0.0709^***	-0.5202^***
y_t_-1	(-1.503)	(5.780)	(-1.569)	(-4.457)	(-6.126)	(0.584)	(-5.092)	(-14.303)
scenery_t_-1	5.8985^***	4.4332^***	5.3637^***	5.0842^***	6.0389^***	4.6601^***	4.7913^***	6.3399^***
scenery_t_-1	(26.030)	(23.010)	(16.166)	(20.683)	(24.679)	(18.471)	(15.514)	(18.458)
W*y	0.6698^***	-0.0074	0.8103^***	-0.0890^***	0.0617	-1.0366^***	0.0893	-2.6609^***
W*y	(3.065)	(-0.108)	(3.411)	(-3.110)	(0.286)	(-3.041)	(0.023)	(-6.087)
W*scenery_t_-1	-7.8432^***	0.7883^**	-4.1389^*	9.2122^***	-1.9783	7.9239^***	-3.4645	1.4521
W*scenery_t_-1	(-4.854)	(2.247)	(-1.919)	(8.767)	(-1.229)	(6.240)	(-0.082)	(0.543)
控制变量	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes
年份	是	是	是	是	是	是	是	是
Hansen检验(P值)	0.9577	0.3690	0.7979	0.6289	0.8589	0.1456	0.9406	0.6100
AR1检验(P值)	0.0109	0.0128	0.0795	0.0377	0.0292	0.0083	0.0119	0.0080
AR2检验(P值)	0.3302	0.3401	0.4551	0.3413	0.4346	0.2338	0.4126	0.4832
N	3456	3456	3456	3456	3456	3456	3456	3456

注：“Yes”表示回归模型中已包含控制变量,下同。

新窗口打开| 下载CSV

图4

图4 竞争与合作的距离范围

Fig.4 Significance of competition and cooperation by distance

4.3 基于景区类型的景区创建空间效应检验

本文已经证明“5A”景区的创建对城市旅游发展存在显著的正向影响,且存在显著的空间竞争与空间合作效应。为了弄清导致了“5A”景区对邻近城市旅游发展的空间效应存在差异的原因,结合前文分析,本文认为可能原因在于,不同资源类型的“5A”景区在创建过程中本身存在互斥或互补的关系。一方面,如果城市已有某类“5A”景区,一定程度上该城市在创建“5A”景区过程中已经储备的配套设施也相对完善,并且也有一定的景区创建经验,此时城市已储备的“5A”景区资源也将对随后的“5A”景区的创建产生影响。另一方面,同时进行景区申报的邻近城市间可能因资源同质产生竞争,也可能由于资源互补互相成就,此时其他城市申报竞争型还是互补型“5A”景区也将对本城市的“5A”景区的创建产生影响。基于此,本文构建验证模型如下：

(8)

\begin{array}{l} s c e n e r y_{i t} = β_{0} + θ_{1} s c e n e r y_{i, t - 1} + θ_{2} D i f f_s c e n e r y_{i, t - 1} + \\ λ_{1} \sum_{j = 1}^{n} w_{i j} s c e n e r y_{j t} + λ_{2} \sum_{j = 1}^{n} w_{i j} D i f f_s c e n e r y_{j t} + \\ α_{i} X_{i, t - 1} + γ_{t} + μ_{i} + ε_{i t} \end{array}

式中：scenery_it为城市i第t年拥有的自然类、人文类中的某一类“5A”景区的个数,Diff_scenery_it为城市i第t年拥有的与scenery_it不同的另一类“5A”景区的个数。

由于综合类“5A”景区个数过少且难以明确定论其与其他2类景区是同质抑或是异质,因此本文基于自然和人文2类“5A”景区,通过式(8)验证假说3。同时,本文控制了时间固定效应γ_t和景区类型固定效应μ_i。另外,表1结果显示,当将邻近城市分解为同省邻近城市和跨省邻近城市之后,“5A”景区的空间效应方显著,因此,本文将基于同省地理邻接权重W₂和跨省地理邻接权重W₃对假设3进行验证,实证检验结果见表3。

表3 景区类型的空间竞争与空间合作效应

Tab.3 Spatial competition and spatial cooperation effect of scenic spot types

变量	省内邻接空间权重 W₂(模型15)	跨省邻接空间权重 W₃(模型16)
scenery_t_-1	0.9812^***	0.9871^***
scenery_t_-1	(477.624)	(767.137)
Diff_scenery_t_-1	0.0040	-0.0037^*
Diff_scenery_t_-1	(1.358)	(-1.819)
W*scenery	-0.0407^***	-0.0073^**
W*scenery	(-8.371)	(-2.570)
W*Diff_scenery	0.0258^***	0.0038^**
W*Diff_scenery	(3.641)	(1.985)
控制变量	Yes	Yes
年份	是	是
Hansen检验(P值)	0.1768	0.9025
AR1检验(P值)	<0.001	<0.001
AR2检验(P值)	0.8501	0.9464
N	6912	6912

新窗口打开| 下载CSV

由表3中模型15~16可以看出,W*scenery回归系数显著为负,W*Diff_scenery回归系数显著为正,即邻近城市在同类型的“5A”景区的创建过程中存在同质互斥效应,在不同类型的“5A”景区的创建过程中存在异质互补效应。由此可合理猜测,邻近城市旅游发展的空间竞争效应,是由于同类型“5A”景区的创建过程存在由同质互斥导致的空间竞争;邻近城市旅游发展的空间合作效应,是由于不同类型“5A”景区的创建过程存在由异质互补导致的空间合作。假说3得以验证。

同时值得关注的是,模型15~16中scenery_t_-1回归系数显著为正,模型16中Diff_scenery_t_-1回归系数显著为负,说明同一城市在高级别景区的布局规划过程中可能存在“路径依赖”,即会倾向于打造同一类型的“5A”景区。这与3.1节的结论(同一地区内3类景区比例分布失衡严重,且多集中于其中1类景区)较为一致,即同一地区的“5A”景区类型存在一定程度的同质性。因此,在“5A”景区的创建过程中应适当鼓励进行差异性、互补性申报竞选。

5 结论与启示

发展旅游产业不仅是助推绿色资源向绿色经济转型的重要驱动力,更是满足人民对美好生活向往的有效手段。然而中国旅游经济的发展还存在着旅游景区重复建设、低水平竞争、配套设施不足、门票经济突出等多重困境。本文以旅游资源中等级最高的“5A”景区作为代理变量,研究了景区分布的地理空间格局以及高级别景区对城市旅游发展的影响和空间效应。研究发现：

第一,“5A”景区的整体空间布局存在失衡问题,且自然类、人文类、综合类3类景区的分布比例也不均衡。“5A”景区虽然在一定区域范围内存在集聚特征,但是从整体层面看,存在“东中集聚、区域失衡、禀赋不一”的不均衡问题,尤其是相较于自然类和人文类景区,综合类景区数量稍显不足。

第二,同一省域内部景区类型存在同质化问题。进一步考察同一省域内自然类、人文类、综合类3类景区的比例分布发现,同一省域内景区多以自然类或人文类“5A”景区中的某一类为主,即同一省域内部可能存在针对同类景区的同质化竞争问题。并且,在后续的实证分析中也发现,同一城市内高级别景区的布局规划存在路径依赖现象,即倾向于打造同一类型的“5A”景区。

第三,高级别景区创建有利于本城市旅游发展且存在显著的空间合作和空间竞争效应,并且不同的空间效应存在一定的距离范围。具体来说,“5A”景区对跨省0~600 km范围内的邻近城市的旅游发展主要表现为空间合作效应,且在200~400 km范围内空间合作效应最优;而由于城市政府间的标尺竞争及树立政绩标志(如城市品牌——“5A”景区)需求的存在,“5A”景区对同省0~400 km范围内的邻近城市的旅游发展表现为空间竞争效应。

第四,邻近城市所创建景区类型同质或异质是导致城市旅游发展空间竞争或空间合作的机制。邻近城市的“5A”景区在创建过程中存在同质互斥效应或异质互补效应,这进一步导致高级别景区创建对城市旅游发展分别表现为空间竞争或空间合作效应。

本文的研究结论对相关部门优化高级别景区的空间布局和完善跨区域旅游合作的政策引导具有以下参考价值。第一,应充分发挥国家旅游主管部门对不同类型高级别景区的空间统筹部署职能。虽然评定高级别景区旨在更好地提高旅游服务质量等,但同时也担负着重要的宣传媒介以及城市旅游形象树立与旅游业全面发展的功能。因此,在高级别景区的批复过程中,应合理对景区资源尤其是不同类型景区的空间布局进行规划,形成差异性和互补性的空间格局。第二,加大对自然类景区人文内涵的挖掘,提升景区品牌效应。景区布局过程中,加大对综合类景区的打造力度,平衡自然类、人文类、综合类3类景区的比例,以丰富对不同类型景区的供给。尤其是针对目前占比最多的自然类景区,充分挖掘其人文内涵和品牌效应,以更好地发挥高级别景区名片对游客的吸引作用,引导各城市旅游实现全面发展。第三,以旅游目的地为单位组织景区评审,避免景区的同质化和竞争性重复申报。现有高级别景区创建过程中,以省域为单位推荐景区进行申报存在标尺竞争的现象,不利于景区资源的整合和协作。在国家不断推进全域旅游发展的今天,以旅游目的地建设为目标,以旅游目的地为单位,综合考虑旅游资源的空间分布,引导邻近城市实行差异性、互补性申报,可以避免高级别景区的竞争性重复申报,最大限度发挥区域旅游竞争力。第四,强化城市政府间的旅游合作意识,尤其是200~400 km范围内的跨省城市间应充分发挥空间合作效应。政府应以发展全域旅游为目标,有意识地促成城市间的旅游项目合作,协同打造内容丰富、差异互补的旅游路线,吸引更多游客,从而更大限度地促进城市旅游的发展。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Ashton

A S

Developing a tourist destination brand value: The stakeholders' perspective

[J]. Tourism Planning & Development, 2015, 12(4): 398-411.

[2]

Lee

C C

, Chang

C P

Tourism development and economic growth: A closer look at panels

[J]. Tourism Management, 2008, 29(1): 180-192.

DOI:10.1016/j.tourman.2007.02.013 URL [本文引用: 2]

[3]

Paci

, Marrocu

Tourism and regional growth in Europe

[J]. Papers in Regional Science, 2014, 93: S25-S50.

[4]

孙九霞, 黄凯洁, 王学基.

基于地方实践的旅游发展与乡村振兴: 逻辑与案例

[J]. 旅游学刊, 2020, 35(3): 39-49.

[ Sun

Jiuxia

, Huang

Kaijie

, Wang

Xueji

Tourism development and rural revitalization based on local experiences: Logic and cases

Tourism Tribune, 2020, 35(3): 39-49. ]

[5]

文连阳, 吕勇.

民族地区文化旅游资源社会效益估算: 湖南湘西州的案例

[J]. 西南民族大学学报(人文社科版), 2016, 37(6): 125-129.

[ Wen

Lianyang

, Lv

Yong

Estimation of social benefits of cultural tourism resources in ethnic areas: A case of Hunan Xiangxi Prefecture

Journal of Southwest Minzu University (Humanities and Social Science), 2016, 37(6): 125-129. ]

[6]

王明康, 刘彦平, 李涛.

旅游产业集聚对环境污染的差异性影响: 287个地级市例证

[J]. 改革, 2019 (2): 102-114.

[ Wang

Mingkang

, Liu

Yanping

, Li

Tao

The differential impact of tourism industrial agglomeration on environmental pollution: Empirical evidence from 287 cities

Reform, 2019(2): 102-114. ]

[7]

吴媛媛, 宋玉祥.

中国旅游经济空间格局演变特征及其影响因素分析

[J]. 地理科学, 2018, 38(9): 1491-1498.

[ Wu

Yuanyuan

, Song

Yuxiang

Spatial pattern evolution and influence factors of tourism economy in China

Scientia Geographica Sinica, 2018, 38(9): 1491-1498. ]

[8]

Yang

, Wong

K K F

A spatial econometric approach to model spillover effects in tourism flows

[J]. Journal of Travel Research, 2012, 51(6): 768-778.

DOI:10.1177/0047287512437855 URL

[9]

Ashworth

, Page

S J

Urban tourism research: Recent progress and current paradoxes

[J]. Tourism Management, 2011, 32(1): 1-15.

DOI:10.1016/j.tourman.2010.02.002 URL [本文引用: 1]

[10]

Neumayer

, Plümper

Spatial spill-overs from terrorism on tourism: Western victims in Islamic destination countries

[J]. Public Choice, 2016, 169(3/4): 195-206.

DOI:10.1007/s11127-016-0359-y URL [本文引用: 1]

[11]

赵梓渝, 赵世瑶, 韩钟辉, 等.

COVID-19疫情对北京市节日休闲区域人口热力影响研究

[J]. 地理科学进展, 2021, 40(7): 1073-1085.

DOI:10.18306/dlkxjz.2021.07.001 [本文引用: 2]

COVID-19疫情对于休闲业造成重大影响。论文基于移动定位数据,利用核密度空间分析法、非参数检验方法,定量解析COVID-19疫情对北京市三环路以内休闲区域在清明节和劳动节人口热力影响。研究指出： ① COVID-19疫情对于北京市节日休闲区域人群热力影响显著,研究选取的3类休闲区域人群热力在2020年清明节、“五一”劳动节分别较2019年同期下降54.2%、53.0%。其中：风景名胜、购物服务、酒店住宿人群热力在清明节分别下降53.6%、57.5%、52.9%,在劳动节分别下降48.5%、52.0%、55.6%。② 风景名胜细分行业中不同类型区域人群热力受影响程度存在差异。3类细分行业区域清明节、劳动节降幅大体呈：寺庙教堂(41.7%、50.3%)<公园广场(53.1%、47.1%)<景区景点(61.1%、51.2%)。Wilcoxon秩和检验表明,寺庙教堂人群热力逐小时变化波动更小,总体呈现出观光游览<日常休闲<宗教信仰的行为需求差异。③ 北京市三环路以内休闲区域人群热力受COVID-19疫情影响程度与未受突发事件影响时休闲区域人群热力、休闲区域面积分别呈显著负、正相关性,其原因可归结为休闲人群风险感知与疫情防控的空间环境因素。研究可为评估COVID-19疫情对于中国大城市休闲业态影响提供科学依据。

[ Zhao

Ziyu

, Zhao

Shiyao

, Han

Zhonghui

, et al.

Impact of the COVID-19 pandemic on population heat map in leisure areas in Beijing on holidays

Progress in Geography, 2021, 40(7): 1073-1085. ]

DOI:10.18306/dlkxjz.2021.07.001 [本文引用: 2]

The Chinese government has curbed the outbreak of COVID-19 through a population flow control rarely seen in history. The COVID-19 pandemic has greatly impacted the recreation industry. Using mobile location data, this study quantitatively analyzed the impact of the COVID-19 pandemic on population heat map in the leisure areas within the Third Ring Road of Beijing City on the Qingming Festival and Labor Day. The results showed that: 1) The COVID-19 pandemic significantly impacted population heat map in leisure areas in Beijing on holidays, and the population heat map values of the three types of leisure areas investigated in this study declined by 54.2% and 53.0% on the Qingming Festival and Labor Day in 2020 as compared to the 2019 values, respectively. To be specific, the population heat map values of famous scenery, shopping services, and hotel accommodation decreased by 53.6%, 57.5%, and 52.9% on the Qingming Festival, and by 48.5%, 52.0%, and 55.6% on Labor Day, respectively. 2) There were differences in the degree of the impact on population heat map in different types of areas in famous scenery. The impact on the three major segments of famous scenery can be ranked in ascending order as follows: temples and churches (41.7%, 50.3%), parks and squares (53.1%, 47.1%), and scenic spots (61.1%, 51.2%). Wilcoxon rank sum test showed that the hourly variation of population heat map in temples and churches was smaller, and the overall demand can be ranked in ascending order as follows: sightseeing, daily leisure, and religious activities. 3) The 2020 population heat map of the leisure areas within the Third Ring Road of Beijing City was significantly negatively and positively correlated with the population heat map before the pandemic and area of these leisure areas, respectively. This can be attributed to the risk perception of the leisure crowds and the spatial and environmental factors of the disease prevention and control measures. This study provides a scientific basis for assessing the impact of the COVID-19 pandemic on leisure forms in big cities of China.

[12]

许艳, 张清源, 陆林.

潮汐性旅游流研究: 概念框架与研究思路

[J]. 地理科学进展, 2022, 41(3): 521-530.

DOI:10.18306/dlkxjz.2022.03.014 [本文引用: 1]

旅游流是一种重要的旅游现象,是旅游地理学研究的核心问题之一,目前整体呈现出尺度多元、案例话题多样、大数据与精细化并重的研究态势,但这些研究大多是基于技术方法层面或是基于案例话题层面的创新,误将旅游流视作了最终的科学问题与研究目标,旅游流基础理论研究亟待重新认识、强化和丰富。“黄金周”假日旅游流是一种受时间、空间、信息等多项条件制约的、特殊的短时高强度旅游流,休假时间的集中化促使部分景区客流量达到一定程度时必然引发过度旅游,旅游企业管理如何正确应对和有效缓解“黄金周”带来的井喷效应、推进假日旅游的持续健康规范发展,仍需进一步深入探讨。论文以拥有品牌知名度且以资源禀赋优势为核心竞争力的强吸引力旅游景区的假日旅游流潮汐涨落与进退现象为立论依据,对比自然界海洋潮汐现象,推演旅游流的潮汐运动理论,并从流动特性、空间过程、系统动力、尺度效应、能量特征、数字模拟等角度构建了潮汐性旅游流研究的系统体系结构。通过将复杂的假日旅游流流动现象提炼为精简的理论解释,研究突破了传统的旅游季节性研究瓶颈,有益于丰富和充实中国旅游流研究的基础理论,并为旅游景区的“黄金周”假日旅游流管理实践提供现实指导。

[ Xu

Yan

, Zhang

Qingyuan

, Lu

Lin

Tidal tourism flow study: Conceptual framework and research ideas

Progress in Geography, 2022, 41(3): 521-530. ]

DOI:10.18306/dlkxjz.2022.03.014 [本文引用: 1]

Tourism flow is an important tourism phenomenon, and it is also one of the core problems in tourism geography research. At present, the overall research situation is characterized by multiple scales, multiple cases and themes, and equal emphasis on big data and refinement. However, most of the existing studies are based on innovations in technical methods or case topics, which mistakenly regard tourism flow as the ultimate scientific problem and research goal. Therefore, the basic theoretical research of tourism flow needs to be re-recognized, strengthened, and enriched. The "Golden Week" holiday tourism flow is a special short-term high-intensity tourism flow restricted by time, space, information, and other conditions. When the concentration of vacation time promotes the tourist flow in some scenic spots to a certain extent, it will inevitably lead to excessive tourism. How to correctly deal with and effectively alleviate the blowout effect caused by the Golden Week and promote the sustained, healthy, and standardized development of holiday tourism still needs further in-depth discussion. Based on the tidal fluctuation, advancing, and retreating phenomenon of holiday tourism flow in attractive scenic spots with well-known brand and resource endowment advantage as core competitiveness, this study deduced the tidal movement theory of tourism flow by comparing with the tidal phenomenon of oceans. A systematic framework of tidal tourism flow research was constructed from the aspects of flow characteristics, spatial process, system dynamics, scale effect, energy characteristics, and digital simulation. The research refined the complicated phenomenon of holiday tourism flow into a simplified theoretical explanation, broke through the bottleneck of traditional tourism seasonality research, and may enrich the basic theory of China's tourism flow research and provide an important practical reference for guiding the practice of Golden Week holiday tourism flow management in scenic spots.

[13]

王敏, 韩美, 陈国忠, 等.

基于地理探测器的A级旅游景区空间分布变动及影响因素: 以山东省为例

[J]. 中国人口·资源与环境, 2021, 31(8): 166-176.

[ Wang

Min

, Han

Mei

, Chen

Guozhong

, et al.

Spatial distribution changes and influencing factors of A-level tourist attractions based on geodetector: A case study of Shandong Province

China Population, Resources and Environment, 2021, 31(8): 166-176. ]

[14]

邹光勇, 刘明宇, 刘鹏, 等.

公共景区门票价格管理理论述评: 基于国际比较

[J]. 旅游学刊, 2021, 36(6): 60-73.

[ Zou

Guangyong

, Liu

Mingyu

, Liu

Peng

, et al.

Admission pricing policy in the public scenic spots: An international comparison approach

Tourism Tribune, 2021, 36(6): 60-73. ]

[15]

麻学锋, 周华, 谭佳欣, 等.

旅游地成长与高级别景区形成的耦合路径与机制: 以张家界为例

[J]. 经济地理, 2021, 41(6): 205-212.

[ Ma

Xuefeng

, Zhou

Hua

, Tan

Jia-xin

, et al.

Coupling path and mechanism between the tourism development and the formation system of high-level scenic spots: A case study of Zhangjiajie

Economic Geography, 2021, 41(6): 205-212. ]

[16]

唐承财, 孙孟瑶, 万紫微.

京津冀城市群高等级景区分布特征及影响因素

[J]. 经济地理, 2019, 39(10): 204-213.

[ Tang

Chengcai

, Sun

Mengyao

, Wan

Ziwei

Spatial distribution characteristics of high-level scenic spots and its influencing factors in Beijing-Tianjin-Hebei urban agglomeration

Economic Geography, 2019, 39(10): 204-213. ]

[17]

Yang

Agglomeration density and tourism development in China: An empirical research based on dynamic panel data model

[J]. Tourism Management, 2012, 33(6): 1347-1359.

DOI:10.1016/j.tourman.2011.12.018 URL [本文引用: 1]

[18]

Farid

S M

Tourism management in world heritage sites and its impact on economic development in Mali and Ethiopia

[J]. Procedia: Social and Behavioral Sciences, 2015, 211: 595-604.

DOI:10.1016/j.sbspro.2015.11.078 URL [本文引用: 1]

[19]

贾垚焱, 胡静, 刘大均, 等.

长江中游城市群A级旅游景区空间演化及影响机理

[J]. 经济地理, 2019, 39(1): 198-206.

[ Jia

Yaoyan

, Hu

Jing

, Liu

Dajun

, et al.

Spatial evolution and influence mechanism of A-level scenic spots in urban agglomeration in the middle reaches of the Yangtze River

Economic Geography, 2019, 39(1): 198-206. ]

[20]

徐菁, 黄震方, 靳诚.

景区建设对区域经济发展的响应格局演变: 以江苏省为例

[J]. 自然资源学报, 2014, 29(6): 956-966.

[ Xu

Jing

, Huang

Zhenfang

, Jin

Cheng

Research on the structure of scenic spots response to the regional economic development: A case study on Jiangsu Province

Journal of Natural Resources, 2014, 29(6): 956-966. ]

[21]

刘瑞明, 李林, 亢延锟, 等.

景点评选、政府公共服务供给与地区旅游经济发展

[J]. 中国工业经济, 2018(2): 118-136.

[ Liu

Ruiming

, Li

Lin

, Kang

Yankun

, et al.

Selection activities of scenic spots, the supply of government public services and regional tourism economic development

China Industrial Economics, 2018(2): 118-136. ]

[22]

Mendola

, Volo

Building composite indicators in tourism studies: Measurements and applications in tourism destination competitiveness

[J]. Tourism Management, 2017, 59: 541-553.

DOI:10.1016/j.tourman.2016.08.011 URL [本文引用: 1]

[23]

Patuelli

, Mussoni

, Candela

The effects of World Heritage Sites on domestic tourism: A spatial interaction model for Italy

[J]. Journal of Geographical Systems, 2013, 15(3): 369-402.

DOI:10.1007/s10109-013-0184-5 URL [本文引用: 1]

[24]

刘逸, 黄凯旋, 保继刚, 等.

近邻旅游目的地空间竞合关系演变的理论修正

[J]. 旅游科学, 2018, 32(5): 44-53.

[ Liu

, Huang

Kaixuan

, Bao

Jigang

, et al.

On amendment of the theory of evolution of nearby tourism destinations' spatial competition

Tourism Science, 2018, 32(5):44-53. ]

[25]

Naipaul

, Wang

Y C

, Okumus

Regional destination marketing: A collaborative approach

[J]. Journal of Travel & Tourism Marketing, 2009, 26(5/6): 462-481.

[26]

周波, 杨陛.

景区溢出效应: 基于动态空间计量模型的估计

[J]. 厦门大学学报(哲学社会科学版), 2018(2): 106-116.

[本文引用: 3]

[ Zhou

, Yang

Spillover effect of attractions: Estimation based on dynamic spatial models

Journal of Xiamen University (Arts & Social Sciences), 2018(2): 106-116. ]

[本文引用: 3]

[27]

Weidenfeld

, Butler

R W

, Williams

A M

Clustering and compatibility between tourism attractions

[J]. International Journal of Tourism Research, 2010, 12(1): 1-16.

DOI:10.1002/jtr.732 URL [本文引用: 1]

[28]

马继刚, 李飞, 周彬学, 等.

旅游集散地: 区位合理性与功能提升: 以云南昆明为例

[J]. 经济地理, 2014, 34(2): 174-179.

[ Ma

Jigang

, Li

Fei

, Zhou

Binxue

, et al.

The tourism hub: Locational rationallty and functional promotion: A case study of Kunming

Economic Geography, 2014, 34(2): 174-179. ]

[29]

李庆雷, 杨春和.

地方政府竞争: 理解中国旅游经济现象的重要视角

[J]. 湖南财政经济学院学报, 2012, 28(1): 78-84.

[ Li

Qinglei

, Yang

Chunhe

Local government competition: The important perspectives of understanding economic phenomenon of tourism in China

Journal of Hunan Finance and Economics University, 2012, 28(1): 78-84. ]

[30]

汪宇明, 何小东.

关于区域旅游障碍的辨析: 兼论行政区划对区域旅游发展的影响

[J]. 旅游学刊, 2008, 23(8): 39-45.

[ Wang

Yuming

, He

Xiaodong

Analysis on the regional tourism barriers: The impact of administrative division system on regional tourism development

Tourism Tribune, 2008, 23(8): 39-45. ]

[31]

周李, 吴殿廷, 李泽红, 等.

中蒙俄经济走廊自然旅游资源格局及影响因素研究

[J]. 资源科学, 2018, 40(11): 2168-2176.

DOI:10.18402/resci.2018.11.03 [本文引用: 2]

旅游资源是旅游业发展的基础,跨境旅游资源整合是中国“一带一路”倡导重要议题。本文采用最邻近指数、地理集中指数、基尼系数、不平衡指数、核密度分析等数理方法和空间分析方法,对中蒙俄经济走廊自然旅游资源的空间格局及影响因素进行分析。研究表明：①中蒙俄经济走廊自然旅游资源在空间上为集聚型分布,分布密度总体呈现“多核心”分布格局,主要集中在莫斯科-圣彼得堡地区、叶卡捷琳娜-秋明地区、新西伯利亚地区、环贝加尔湖城市群及中俄沿海地区;②自然旅游资源沿湖、沿河、沿边界、沿交通线分布趋势明显;③地形地貌、湖泊水系等是影响自然旅游资源分布的根本,而经济发展水平、交通通达性、人口数量等是影响其分布的社会经济因素。中蒙俄经济走廊自然旅游资源同质性与互补性并存。三国政府部门应充分利用这一优势,积极创新旅游合作开发模式,合力共建“中蒙俄经济走廊国际旅游带”。

[ Zhou

, Wu

Dianting

, Li

Zehong

, et al.

Study on spatial distribution and its influencing factors of natural tourism resource in China-Mongolia-Russia Economic Corridor

Resources Science, 2018, 40(11): 2168-2176. ]

[32]

刘改芳, 梁嘉骅.

区域内资源相似型人文景区的竞合关系研究: 以晋商大院为例

[J]. 旅游学刊, 2009, 24(4): 41-45.

[ Liu

Gaifang

, Liang

Jiahua

A study on the relationship between cooperation and competition in the region's "resource similar-type" humane scenic spots: Taking Shanxi business establishment compounds as an example

Tourism Tribune, 2009, 24(4): 41-45. ]

[33]

饶勇, 林雪琼.

民族村寨旅游发展中的同质化竞争困境及其成因研究

[J]. 贵州民族研究, 2018, 39(12): 52-55.

[ Rao

Yong

, Lin

Xueqiong

A study on the homogeneous competition and its cause mechanism in ethnic village tourism

Guizhou Ethnic Studies, 2018, 39(12): 52-55. ]

[34]

潘顺安, 刘继生.

大湄公河次区域旅游合作开发研究

[J]. 旅游科学, 2005, 19(4): 1-6.

[ Pan

Shun'an

, Liu

Ji-sheng

A study on cooperative tourism exploitation in the Mekong Sub-region

Tourism Science, 2005, 19(4): 1-6. ]

[35]

刘佳, 吴晋峰, 吴宝清, 等.

中国人距离远近的感知标准及群体差异

[J]. 人文地理, 2015, 30(6): 34-39.

[ Liu

Jia

, Wu

Jinfeng

, Wu

Baoqing

, et al.

Cognitive distance standard and group differences of Chinese

Human Geography, 2015, 30(6): 34-39. ]

[36]

方叶林, 苏雪晴, 黄震方, 等.

城市韧性对旅游经济的空间溢出效应研究: 以长三角城市群为例

[J]. 地理科学进展, 2022, 41(2): 214-223.

DOI:10.18306/dlkxjz.2022.02.003 [本文引用: 2]

城市为旅游发展提供支撑,其韧性水平对区域旅游发展具有重要的影响。论文利用长三角城市群各地区2004—2018年的面板数据,在定量测算城市韧性的基础上,借助空间面板杜宾模型揭示城市韧性对旅游经济的空间溢出效应。结果显示：长三角各地区城市韧性水平空间差异显著,但总体上韧性水平呈现上升趋势。城市韧性与旅游经济之间存在较强的空间相关性,城市韧性对旅游经济具有显著的空间溢出效应(ρ=0.444,P<0.01)。其中,城市经济韧性和城市生态韧性对旅游经济具有正向溢出效应,城市社会韧性和城市工程韧性对旅游经济具有负向溢出效应。未来城市旅游发展需要关注城市韧性水平,注重城市韧性的空间溢出效应,避免虹吸效应,同时还需要加强长三角城市群区域间交流合作,促进旅游经济高质量发展。

[ Fang

Yelin

, Su

Xueqing

, Huang

Zhenfang

, et al.

Spatial spillover effect of urban resilience on tourism economy: A case study of the Yangtze River Delta urban agglomeration

Progress in Geography, 2022, 41(2): 214-223. ]

DOI:10.18306/dlkxjz.2022.02.003 [本文引用: 2]

Cities provide support for tourism and their resilience level has an important impact on regional tourism development. Based on the panel data of various regions of the Yangtze River Delta urban agglomeration from 2004 to 2018 and the quantitative assessment of urban resilience, the spatial spillover effect of urban resilience on tourism economy was revealed by using the spatial panel Durbin model. The results show that the spatial difference of urban resilience level is significant, but the overall resilience level is on the rise. There is a strong spatial correlation between urban resilience and tourism economy, and urban resilience has a significant spatial spillover effect on tourism economy (ρ=0.444, P<0.01). Among the resilience dimensions, urban economic resilience and urban ecological resilience have positive spillover effects on tourism economy, while urban social resilience and urban engineering resilience have negative spillover effects on tourism economy. In the future, the development of urban tourism needs to pay attention to the level of urban resilience and its spatial spillover effects, and avoid the siphon effect. It is also necessary to strengthen regional exchanges and cooperation in the Yangtze River Delta urban agglomeration to promote the high quality development of tourism economy.

[37]

陈晓艳, 徐冬, 黄睿, 等.

浙江省县域旅游经济增长的空间溢出效应

[J]. 地理科学进展, 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

Progress in Geography, 2020, 39(9): 1512-1521. ]

[38]

曹晶晶, 章锦河, 周珺, 等.

“远方”有多远? 感知距离对旅游目的地选择行为影响的研究进展

[J]. 旅游学刊, 2018, 33(7): 103-118.

[ Cao

Jingjing

, Zhang

Jinhe

, Zhou

Jun

, et al.

How far is "far"? Progress and implications in tourism and cognitive distance research

Tourism Tribune, 2018, 33(7): 103-118. ]