中国主要旅游城市入境旅游客流季节性研究*

朱红兵,高 峻

(上海师范大学 旅游学院,上海200234)

旅游季节性是客观存在的,巴特勒(Butler)认为,季节性是旅游现象的一种暂时性不平衡,它可以通过游客数量、游客花费水平、旅游交通流量和旅游就业等指标来得到反映[1]。由于旅游季节性波动往往对目的地经济、社会文化和生态带来较大的负面影响,因此,旅游季节性长期以来成为旅游学者和实践操作部门比较关注的内容[2]。

就国内旅游季节性研究而言,保继刚较早关注了旅游季节性这一现象[3]。陆林等运用旅游客流季节性集中指数(R)对我国海滨型旅游地和山岳型旅游地的季节性特征进行了对比分析[4]。钟静等以西递和周庄为例,研究了我国历史文化村镇旅游流的季节性特征[5]。黄成林对比分析了我国黄山和九华山客流分布季节特征[6]。张捷等研究了我国观光旅游地客流时间分布特征[7]。总体来看,国内学者对季节性的实证研究具有较高的科学性和可操作性,但研究区域主要侧重于选择在个别旅游地类型之间进行比较,缺乏对我国不同区域旅游城市之间季节性的空间差异性比较。

中国旅游业是从入境旅游开始的,入境旅游作为中国旅游市场的重要组成部分,其发展状况是衡量我国或城市旅游产业国际化水平和产业发展成熟程度的重要标志[8]。目前,国内对入境旅游客流研究成果相对比较丰富[9-12],但研究样本数据选取通常着眼于以年度数据为单位展开讨论,而以月份数据为基本研究单元的研究成果十分稀少。旅游城市作为旅游者旅游活动的聚集、分散和中转地,在旅游流空间网络中发挥着重要作用[13]。因此,研究我国主要旅游城市入境旅游客流季节性分布特征及其地域空间差异,探讨缩小入境旅游客流淡旺季差异的途径和措施,既能丰富相关理论研究成果,也能有助于目的地采取正确的入境旅游营销策略,降低季节性对经济、社会文化和环境带来的负面影响。

一、研究对象与数据来源

考虑到入境旅游人数的数据可取性及城市区域分布差异性,本研究选取了我国20个主要旅游城市作为对象(见图1),这些城市具有相当的代表性。2004-2008年,它们平均每年共接待入境旅游者3 401万人次,占全国接待入境旅游人数的27.7%,占国家旅游局按月份统计的28个主要城市入境旅游接待总量的87.7%。入境旅游对重大国际国内事件反应比较敏感,从而导致某些城市个别月份旅游者人数出现较大波动,因此很难选取一个比较具有代表性的年份用于分析入境旅游季节性特征。例如,2008年5月我国四川省汶川发生大地震,结果导致成都市5-7月份接待入境旅游者仅为69 325人次,较2007年同比下降61.35%；8月份在北京市举办的第29届夏季奥林匹克运动会,7-9月份接待入境旅游者为98.6万人次,较2007年同比下降24.7%。因此,为消除外部偶发事件的影响,以使数据具有代表性,本文先将2004-2008年5年期间城市每月接待入境旅游人数进行平均数计算,进而将每月入境旅游人数平均数作为下文研究的样本数据。同时,为保证数据获取的一致性和准确性,本文数据来源于国家旅游局网站和国务院发展研究中心信息网。

图1 中国20个主要旅游城市接待入境旅游人数

二、研究方法

(一)季节性分布不均匀性

在旅游季节性衡量的方法上,目前国外运用较多的定量方法是时间序列法[14]。泰克(Tak-Kee Hui)运用季节性指数确立了1985-1998年14年间日本游客到新加坡的季节变量[15]。沃(Wall)使用离差、季节性指数和月度比率等时间序列方法测量了中国国际游客的结构、特征以及季节性波动等[16]。阿多甘(Erdogan)采取季节性单位根检验法以及最新的技术分解法(TRAMO-SEATS,X-12-ARIMA)研究了土耳其入境旅游者消费季节性与入境旅游客流季节性之间的差异[17]。国内学者对季节不均匀性研究较多采用季节性强度指数[3,4,18],钟静等对比分析了季节性强度指数和基尼系数两种方法在描述旅游流的季节性变动特征时的异同,并指出后者在一定程度上要优于前者[5]。

在这些方法中,基尼系数应用最为广泛[19],它较好地揭示了季节性不均匀现象的存在。基尼系数还考虑到客流分布在每个点值的变化,它对由额外需求和份额转移引起的旅游客流量的偏态分布变化非常敏感[20]。同时,从标准差的计算可以看出,基尼系数较少受到极端值的影响,因此比较适合测度客流季节分布不均性[21]。本文采用基尼系数对我国主要旅游城市入境旅游季节性分布不均匀性进行评价。基尼系数采用(1)式[22]:

经过简化(演算过程略),可以得到:

式中,G代表基尼系数；n代表一年中月份总数,即n=12；i代表一年中每月接待入境旅游人数按升序排列后的位数值；Xi代表位数值与月份总数的比值,即Xi=i/n；fi代表第i月接待入境旅游人数与该年接待入境旅游总人数的比值,即fi=Vi/Vo(其中,Vi代表第i月接待入境旅游人数,Vo代表该年接待入境旅游人数总数)；Yi代表洛伦兹曲线中累积频率之和。基尼系数值介于0到1之间,基尼系数值越小,代表入境旅游客流在某城市分布越均匀,反之,说明入境旅游客流分布相对比较集中。

(二)季节性需求分布相似性

对入境旅游客流季节需求相似性研究的目的在于辨别在同一时期内竞争相同入境旅游市场的城市,从而为旅游管理决策者制定相应的营销策略提供一定的参考依据。对季节性需求相似性结构的测定可以采用多维标度法(MDS)[23],这种方法由谢波德(Shepard)和克鲁斯克(Kruskal)提出,现被广泛应用在心理学、社会学、物理学等多个领域,特别是市场研究领域[24]。多维标度法目前在旅游研究领域应用也比较广泛[25-27]。

多维标度法是一种基于研究对象间的相似性(或距离)数据去揭示它们之间的空间关系的分析方法[28],它将研究对象在一个低维(二维或三维)的空间用点与点之间距离形象地表示出来。多维标度法解决的问题是:当n个研究对象中各对象之间的相似性(或距离)给定时,通过反复的迭代计算确定这些对象在低维空间中的表示,并使对象间的接近程度与原先的相似性(或距离)大体匹配。多维空间中排列的每一个点代表一个对象,因此点间的距离与对象间的相似性高度相关。也就是说,两个相似的对象由多维空间中两个距离相近的点表示,而两个不相似的对象则由多维空间两个距离较远的点表示。多维空间通常为二维或三维的欧氏空间[29]。拟合优度是用于判断迭代算法对模型的拟合程度,一般用Kruskal压力公式来衡量拟合优度的大小。STRESS值越小,表明匹配性也就越好。

在这里,皮尔逊相关系数(r)被用于评价每两个目的地之间季节性需求的相似性,它描述了两个城市间入境旅游客流(月份)线性相关强弱的程度。r的取值在-1和1之间,1表示一种很强的正相关,-1代表一种很强的负相关,0表示两个目的地入境旅游客流之间不是线性相关。

三、结果分析

(一)入境旅游季节分布不均匀性

根据公式1,可计算得到我国20个主要旅游城市入境旅游基尼系数值(见表1),我国20个主要旅游城市入境旅游基尼系数平均值为0.141 4(标准差为0.062 0),表明20个主要旅游城市入境旅游客流在时间分布上相对比较均匀。上海、大连、南京等11个城市基尼系数小于平均值,入境旅游客流分布差异性比较小；宁波、三亚、武汉等9个城市入境旅游客流分布相对集中,其季节性问题需要得到相应重视。上海市作为我国重要的经济、金融、贸易和航运中心,吸引了较多的商务旅游者,加之都市旅游资源较少受到自然环境因素影响,因此其入境旅游客流分布相对比较均匀,基尼系数值最低,为0.064 4。武汉市基尼系数值最大,为0.249 1,其入境旅游客流在一年内分布相对比较集中,大部分集中于9月份。

表1 我国20个主要旅游城市基尼系数

不同的区域发展水平也会影响到季节性分布均匀程度[30],从城市分布区域来看,我国东部地区城市入境旅游季节性分布相对均衡,基尼系数值总体上低于中西部地区城市。比较特殊的是昆明市,昆明具有典型的温带气候特点,素以“春城”享誉中外,另外它作为云南省的经济、文化和交通中心,成为周边著名旅游城市(例如丽江市、大理市等)的中转目的地,因此昆明市入境旅游客流分布比较均匀,基尼系数值为0.091 5。

从旅游地类型来看,山岳型旅游地入境客流分布相对滨海型旅游地比较集中。黄山市作为我国著名的山岳型旅游地,旅游资源明显地受到自然季节性因素制约,入境旅游客流分布相对比较集中,基尼系数值仅次于武汉市,为0.248 7。

(二)入境旅游客流季节性需求相似性

1.入境旅游客流季节性需求相似性分布

将上述处理后的研究样本数据输入SPSS16.0统计软件,首先计算出目的地之间皮尔逊相关系数,得到20个主要旅游城市入境旅游客流之间的皮尔逊相关系数矩阵(限于篇幅原因,省略)；然后将相关系数矩阵作为输入资料,应用SPSS中的ALSCAL程序进行多维标度分析。通过计算,得到的ST RESS值为0.042。根据Kruskal标准,重心值(ST RESS值)附近大约0.05的范围都表示匹配性为“好”[31]。最终结果如图2所示,这个感知图(perceptual map)主要是从旅游者季节性行为而不是目的地自然地理特征来对目的地进行分类[23]。

图2 入境旅游季节性需求相似性分布感知图

从二维结构图可以看出,我国入境旅游客流季节性具有比较明显的空间差异性,大部分城市都集中在第一维度的右边。地缘相近、经济差距较小的城市在图中位置比较相近,说明入境旅游客流季节性需求相似性分布与城市经济发展水平、旅游资源种类和数量、对外交通连接程度、区位因素等关系较为密切。

上海市、南京市、苏州市、杭州市和宁波市都属于我国长江三角洲地区经济比较发达的城市,旅游资源相似,因此在吸引入境旅游者方面具有较大的共性。入境旅游客流近似呈现无峰型,1-2月份入境旅游人数较低,为旅游淡季；3月份开始,入境旅游人数急剧增长,3-11月份相连形成旅游旺季；12月份入境旅游人数有所降低。

北京市、青岛市、大连市、昆明市入境旅游客流呈现出双峰型特征,双峰分别出现在3-4月份和10月份。5-9月份相连形成旅游旺季,10月份以后入境旅游客流开始下降,11-12月份和1-2月份相连形成旅游淡季。桂林市属于我国传统的热点旅游城市,入境旅游客流体现出明显的双峰型特征,双峰分别出现在4-5月份和10月份。1-2月份入境人数很低,3月份开始,入境旅游人数急剧上升,6-9月份为旅游平季,10月份以后入境旅游人数急剧下降。武汉市和成都市入境旅游客流分布较为相似,都呈现单峰型特征,入境旅游人数主要集中在9月和10月。

重庆市、西安市和天津市入境客流时间分布较为相似。4-10月份相连形成旅游旺季；10月份以后西安、重庆入境旅游人数急剧下降,天津入境旅游人数下降较为平缓；年末和年初相连形成旅游淡季。

黄山市属于我国比较典型的山岳型旅游胜地,旅游资源受自然影响因素较大。入境旅游客流主要集中在7-10月份,4-6月份为旅游平季,11-12月份和1-2月份相连形成旅游淡季。

广州市和深圳市毗邻我国港澳地区,发挥着旅游流中转站的区位职能,入境旅游客流分布较为相似。深圳市全年接待入境旅游人数呈现波动增长,其中1-2月份为旅游淡季,3-9月份为旅游平季,10-12月份形成旅游旺季,12月份入境旅游人数达到最高值；广州3-4月份和10-12月份形成旅游旺季,5-9月份相连形成旅游平季。

同属于滨海型旅游胜地的厦门市和三亚市年内入境客流分布形式明显区别于青岛市和大连市。1-11月份入境客流较为平稳,12月份入境人数急剧增长,分别占到全年入境人数的18.0%和15.6%。

2.台湾游客入境客流季节性需求相似性分布

通过对某一特定入境旅游市场进行深入分析,可以为目的地制定特定的营销策略提供有效的帮助。自1987年允许台湾居民入境大陆探亲以来,台湾已经成为祖国大陆地区重要的入境旅游客源市场。特别是在海峡两岸实现“三通”以来,台湾已经成为祖国大陆最具潜力的客源市场之一。因此,研究入境台湾游客旅游季节性特征,有助于目的地为制定积极有效的台湾客源市场开发策略提供依据。

运用同样的方法对入境台湾游客季节性需求相似性进行多维标度分析,通过计算,得到的ST RESS值为0.051,表明匹配效果佳,最终结果如图3所示。从图3可看出,除个别城市外,大部分城市都集中于第一维度右边。上海市、苏州市、南京市和宁波市全年接待台湾游客比较平稳,主要集中于3-12月份。

图3 台湾游客入境旅游季节性需求相似性分布感知图

成都市和重庆市接待台湾游客客流主要集中在6-10月份,3-5月份和11-12月份为旅游平季。武汉市接待台湾游客主要集中在9月份,3-8月份和10-12月份为旅游平季。

青岛市、天津市和西安市接待台湾游客旅游旺季为9-10月份,4-8月份为旅游平季。黄山市接待台湾游客旅游旺季为7-9月份,4-6月份和10月份为旅游平季,11-12月和1-3月份相连形成旅游淡季。杭州市、北京市全年接待台湾游客客流比较平稳,其中,4-10月份接待台湾游客人数较多,旅游高峰期为7月份。昆明市和桂林市接待台湾游客较多月份为3-10月份,年末和年初相连形成旅游淡季。

厦门市和深圳市接待台湾游客客流比较相似,主要集中在 12月份,分别占全年接待台湾游客的28.8%和12.5%。

四、政策建议

充分理解旅游季节性形成机制,客观评价目的地季节性特征,是目的地之间取得有效合作的前提条件。文章主要从季节性分布不均匀性(或者称作季节波动幅度)和季节性需求的相似性两个方面分析了我国主要旅游城市入境旅游客流季节性特征。对季节分布不均匀性的评价可以使得决策者采取恰当的反季节策略。对季节性需求的相似性进行分析,在目的地辨识竞争者和合作者以及对特殊市场采取季节延伸战略方面非常有用。

季节性是旅游地的固有特征,不可能完全从旅游业中消失,但是可以采取切实有效的措施来平衡旅游淡旺季差异,进而降低季节性带来的负面影响。鲍姆(Baum)和哈根(Hagen)指出,采用市场和产品细分以及通过举办节事活动来应对目的地季节性是最为广泛应用的策略[32]。具体的调控措施主要表现为如下几方面:

(一)丰富旅游产品,拓展新入境客源市场

旅游市场混合度越高,产品越丰富多样,季节性特征就越不明显[30]。目的地可按照四季主题,结合本地旅游资源特色,提炼整合一批适应旅游消费者需求的四季旅游产品。另外,可以通过创造新的旅游吸引物来弥补旅游淡季客源不足,在旅游淡季可以举办各种体育赛事、节庆文化活动来吸引特定旅游目标市场,节庆活动从某种程度上也延长了旅游者在目的地停留时间。商务旅行者很少受天气因素影响,商务旅游一般没有季节性特征,因此可以在旅游淡季通过举办国际会议、国际展览活动等吸引商务旅游者。

(二)采用价格差异化策略,以满足不同层次的旅游消费需求

实行价格差异化的主要目的在于降低传统的旅游季节性波动,进而提高旅游设施的利用效率并增加顾客的满意程度。价格差异化策略可以分为两个层面,在淡季执行低价,旺季执行高价策略。价格战略可以帮助目的地在淡季吸引一部分旅游者,同时转移一部分在旺季旅行的旅游者,采取淡旺季差价调节客流的时间分布是缓和客流季节差异性的基本措施[4]。通过季节性定价重新分配旅游需求,在旅游旺季,可通过提高旅游产品价格来提高旅游目的地的可进入性,进而将那些对价格比较敏感的经济型旅游者分流到旅游淡季。相反,在旅游淡季采取低价策略吸引经济型旅游者,增加淡季旅游客流,提高旅游设施、旅游人力资源等的使用效率。价格战略有特殊的细分市场,例如退休人员相对商务旅行者和学生有更多的闲暇时间,因此他们对旅游淡季执行的低价战略比较感兴趣。此外,政府也可以在淡旺季通过采取不同的税收策略来支持旅游企业的运营活动。

(三)目的地联合营销

目的地联合营销是通过更广范围内的多种利益相关主体通力协作,共同展开目的地营销和促销[33]。目的地之间通过联合营销有助于提高目的地知名度和营销水平,从而进一步提升目的地整体竞争优势。目的地之间可在旅游淡季产品开发、市场细分或产品促销等方面提供更多信息支持与合作。利用资源和文化优势互补性,通过建立旅游目的地营销联盟,共同开发新的旅游线路来拓展旅游客源市场。例如,上海、杭州、黄山三地共同推出“名城◦名湖◦名山”黄金旅游线,开展区域旅游深度合作,通过联合营销吸引了更多的入境客源,一定程度上弥补了黄山和杭州单个目的地吸引客源不足的问题。

[1]Butler,R W.Seasonality in tourism:issues and problems[A].In A.V.Seaton(ed.),Tourism:the State of the Art[C].Chichester:Wiley&Sons,1994:332-339.

[2]Nicole K L,Eberhard E B.Seasonality research:the state of the art[J].International Journal of Tourism Research,2005,7(4-5):201.

[3]保继刚,楚义芳.旅游地理学(修订版)[M].北京:高等教育出版社,1999:52-54.

[4]陆林,等.海滨型与山岳型旅游地客流季节性比较[J].地理学报,2002,57(6):731-740.

[5]钟静,等.历史文化村镇旅游流季节性特征比较研究[J].人文地理,2004,22(4):68-71.

[6]黄成林.黄山、九华山客流季节分布和国内客源市场比较研究[J].安徽师范大学学报(自然科学版),1999,22(4):351-354.

[7]张捷,等.观光旅游地客流时间分布特性的比较研究[J].地理科学,1999,19(1):49-54.

[8]赵东喜.中国省级入境旅游发展影响因素研究——基于分省面板数据分析[J].旅游学刊,2008,23(1):41.

[9]马耀峰,李永军.中国入境后旅游流的空间分布研究[J].人文地理,2001,16(6):44-46.

[10]周鹏,任建兰.中国入境旅游客源市场格局及发展预测[J].地域研究与开发,2004,23(5):68-72.

[11]张佑印,马耀峰,赵现红.中国一级城市入境旅游流时空演变模式研究[J].城市问题,2008,(2):90-94.

[12]王迪云,李若梅.我国入境旅游客源市场主成分分类研究[J].经济地理,2009,29(11):1918-1922.

[13]马耀峰,李天顺,刘新平.旅华游客流动模式系统研究[M].北京:高等教育出版社,2001:166-169.

[14]徐克帅,朱海森.国外旅游季节性现象研究述评[J].人文地理,2010,25(1):15.

[15]Tak-Kee Hui,Chi Ching Yuen.A study in the seasonal variation of Japanese tourist arrivals in Singapore[J].Tourism Management,2002,23(2):127-131.

[16]Wall G,Yan M.Disaggregating visitor flow s—the example of China[J].Tourism Analysis,2003,7(3/4):191-205.

[17]Erdogan Koc,Galip Altinay.An analysis of seasonality in monthly per person tourist spending in Turkish inbound tourism from a market segmentation perspective[J].Tourism M anagement,2007,28(1):227-237.

[18]张朝枝,保继刚.休假制度对遗产地旅游地客流的影响[J].地理研究,2007,26(6):1295-1303.

[19]Antonio Ferna′ndez-Morales.Decomposing seasonal concentration[J].Annals of Tourism Research,2003,30(4):946.

[20]Sutcliffe C.M.S.,Sinclair M.T.The measurement of seasonality within the tourist industry:an application to tourist arrivals in Spain[J].Applied Economics,1980,12(4):429-441.

[21]Wanhill S RC.Tackling seasonality:a technical note[J].International Journal of Tourism Management,1980,1(4):243-245.

[22]S Lundtorp.Measuring tourism seasonality[A].In T.Baum&S.Lundtorp(Eds.)Seasonality in Tourism[C].Oxford:Pergamon,2001:31-32.

[23]Josef A.M azanec,Karl W.W? ber.Analysing International City Tourism(Second Edition)[M].New York:Spring-Verlag,2010:69-74.

[24](美)约翰逊,威克恩.实用多元统计分析(第6版)[M].陆璇,译.北京:清华大学出版社,2008:552.

[25]Haahti,A.J.Finland’scompetitive position as a destination[J].Annals of Tourism Research,1986,13(1):11-26.

[26]Hirschman,E.C.A multidimensional analysis of content preferences for leisure-time media[J].Journal of Leisure Research,1985,17(1):14-28.

[27]郭英之,等.中国出境旅游目的地的市场定位研究[J].旅游学刊,2004,19(4):27-32.

[28]李卫东.应用多元统计分析[M].北京:北京大学出版社,2008:316.

[29]朱建平.应用多元统计分析[M].北京:科学出版社,2006:173-174.

[30]Yacoumis,J.Tracking seasonality—the case of Sri Lanka[J].International Journal of Tourism Management,1980,1(2):84-98.

[31]Kruskal J B.Multidimensional Scaling by optimizing goodness of fit to a nonmetric hypothesis[J].Psychometrika,1964,29:1-27.

[32]Baum,T.,Hagen,L.Responses to Seasonality:The Experiencesof Peripheral Destinations[J].International Journal of Tourism Research,1999,1(5):299-312.

[33]王有成.论旅游目的地联合营销的理论基础及其对中国的启示[J].旅游学刊,2009,24(6):53.