基于ESDA的国内旅游流规模时空差异分析

阎友兵, 马 朋,李 蕊,贺文娟



基于ESDA的国内旅游流规模时空差异分析

阎友兵*, 马 朋,李 蕊,贺文娟

(湘潭大学 旅游管理学院, 湖南 湘潭, 411105)

1997—2011年时间序列上国内各地区旅游流规模时空差异的分析结果显示: 国内旅游流规模区域间的绝对差异逐渐扩大, 相对差异呈现出缓慢下降、波动发展和快速下降3个发展阶段. 各年份国内旅游流规模全局Moran’s值均为正值, 国内旅游流规模分布存在着一定的空间集聚性, Moran散点图显示的各年份区域旅游流规模空间分布特征没有太大差异. LISA聚集图和局部Moran’s分析表明, 随着时间的变动, 逐渐形成了以山东、江苏和安徽为核心的发达国内旅游业聚集区, 而新疆和甘肃一直处于冷点区域, 四川和海南则一直为HL和LH的显著代表区域.

旅游流; 规模; 探索性空间数据分析(ESDA); 时空差异

随着社会经济的快速发展, 我国旅游业一直处于蓬勃发展阶段, 这与占整个旅游市场比重很大的国内旅游市场的快速发展是分不开的, 因而, 国内旅游也越来越受到国内外学者的关注. 通过文献调查发现, 对我国国内旅游的研究大多集中于就某一地区国内旅游客源市场的情况分析[1—3], 鲜有从全国范围内对国内旅游流规模时间序列上的变动情况分析, 也未见有对国内各地区旅游流规模空间分布差异特征的研究. 旅游流时空结构分析方法, 大多借用空间集聚指数、地理集中指数、位序-规模等静态研究方法[4—7]. 张捷等以游客距离衰减模式和多种距离累计曲线揭示了观光旅游地客源市场空间结构整体特征和空间距离分异特征[8]; 章锦河等采用因子分析中的R型和Q型分析方法总结了我国国内旅游流空间集聚与扩散场的等级结构[9]; 杨国良等运用位序-规模法则分析了四川省各地区国内旅游流和入境旅游流的规模分布变化[10].

探索性空间数据分析技术(ESDA)是一系列空间分析方法和技术的集合, 它突出了区域经济问题中地理位置的重要性, 可以科学地揭示研究区域间的空间集聚和空间分异特征. 本文用标准差和变异系数分析国内旅游流规模差异演变的时间特征的同时, 利用ESDA技术设置空间权重矩阵, 分析各地区国内旅游流规模空间属性数据, 并可视化国内各区域间旅游流规模差异的时空演变特征.

1 研究方法与数据收集

1.1 ESDA技术简介

1.1.1 空间权重矩阵

本文采用邻接规则确立权重矩阵, 权重矩阵在空间统计分析软件GeoDa中获得.

1.1.2 全局空间自相关

全局空间自相关能够在区域地理位置的基础上分析出某一属性值在整个研究区域内的整体空间分布情况, 判断该属性值在整个区域空间上是否存在空间集聚性. Moran’s指数与Geary’s系数是2个常用的来度量空间自相关的全局指标, 但Moran’s更为常用, 其计算公式如下[12—13]:

利用下式对空间自相关性进行显著性检验:

式中, E()和Var()分别为指数的期望和方差.

1.1.3 局部空间自相关

全局自相关分析侧重于整体上的某一属性值的区域空间分布情况, 然而当不存在全局空间自相关性显著时, 有些样本子集有可能存在显著的局部相关性. 运用局部空间自相关分析可以进一步分析属性值是否存在局部空间集聚性, 哪些地区对全局空间自相关的贡献更大, 一般采用空间联系的局部指标(LISA)来考察属性值的局部空间自相关性. LISA是组统计指标的总称, 包括局部Moran’s统计量、局部Geary’s统计量、局部Getis’s统计量等等. 对于局部空间的局部Moran’s统计量定义如下[14]:

式中相关参数的解释与全局Moran’s计算公式中的类似, 用于检验局部空间自相关显著性值参数的计算方式与全局Moran’s统计量的检验方式一致.

1.2 数据的收集与整理

本文以全国为研究范围, 以各省、自治区和直辖市为研究单元, 时间序列为1997—2011年. 根据国家旅游局每年出版的《中国旅游年鉴》和国家统计局发布的《国民经济与社会发展统计公报》以及各省市旅游官网公布信息, 收集1997—2011年各年每个省市的国内旅游人次, 并以此为样本进行整理分析. 由于部分地区和年份所需统计数据的缺失, 本文选取1997年之后所有年份数据为研究样本. 由于部分地区的统计标准不一致, 本文对所有数据进行了标准化处理, 尽量减小数据中可能存在的误差.

2 国内旅游流规模差异演变的时间特征

区域旅游规模各年度的绝对差异用各地区旅游流规模的标准差来衡量, 区域间的相对差异用变异系数来度量[15], 计算结果见表1.

表1 1997—2011年国内区域旅游流规模标准差与变异系数

2.1 绝对差异分析

从计算结果(表1)可以看出, 除2003年之外, 国内旅游流规模区域间的绝对差异总体上呈逐步增大趋势, 从2004年开始, 绝对差异增长速度明显加快. 2003年国内发生了非典特殊事件, 一定程度上影响了各地区国内游客的接待量, 进而影响了国内总体绝对差异. 地区间国内游客量的绝对差异的变化表明我国国内旅游自1997年以来一直处于快速发展阶段.

2.2 相对差异分析

从变异系数反映的相对差异变化来看(图1), 1997—2011年间大致可以分为3个阶段: 1997—2002年期间的缓慢下降阶段, 2003—2007年期间的波浪式发展阶段和2008—2011年期间的下降阶段. 国内旅游流规模相对差异的演变特征表明, 1997年以来我国国内旅游业经历了3个发展阶段: 2002年之前, 国内社会经济发展比较缓慢, 国内旅游业也因之发展比较缓慢, 处于初级发展阶段; 2003—2007年, 随着中国加入世贸和市场经济改革的深化, 国家和地区经济快速发展, 国内旅游业表现出快速发展态势; 2008年之后, 随着居民收入的进一步提升和人们旅游意识的增强, 加之奥运会、世博会等重大活动的举办, 国内旅游业处于深入发展阶段, 地区间的相对差异也在逐渐递减.

图1 1997—2011年我国国内旅游规模变异系数的变化

3 国内旅游流规模差异演变的时空特征

利用空间统计分析软件进行全局统计和局部统计分析, 并通过可视化技术来揭示国内旅游流规模差异的时空演变.

3.1 全局空间自相关分析

1997—2011年国内旅游流规模的全局空间自相关指数Moran’s及其显著性的计算结果见表2.Moran’s在所有年份的期望值均为: E() = 0.033 3.

表2 1997—2011年国内区域旅游流规模Moran’ s I值

从计算结果(表2)中可以看出, 各年份国内旅游流规模全局Moran’s值均为正, 并且大于随机模式下的期望值E(), 说明我国国内旅游业的发展整体上存在一定程度的空间正相关. 由(2)式可以计算得到Moran’s的标准化值, 由计算结果可知各年份值均大于1.96, 说明全局Moran’s统计量在5%水平下显著, 通过了值检验. 因此, 从整体来看, 我国31个地区国内旅游业的发展水平存在显著的空间自相关性, 说明我国31个地区国内旅游流规模分布存在着一定的空间集聚性.

3.2 局部空间自相关分析

全局空间自相关分析可以得到整体上的空间关联结构, 但是它很难探测到各个地区国内旅游流规模之间的空间关联模式. 局部空间自相关分析可以得到每一地区与邻近地区之间的局部空间关联和空间差异程度, 可视化局部差异的空间结构用来分析被研究区域的空间分布规律.

3.2.1 Moran散点图

图2和表3反映了1997年和2011年我国各地区国内旅游流规模在空间分布上的特征.

图2 我国各地区1997 年和2011 年国内旅游流规模的Moran 散点图

表3 1997年和2011年Moran散点图对应的31个地区

从分析结果可以看出: 在一定显著性水平上, 时间序列上的各地区国内旅游流规模空间分布没有太大差异, 其局部空间关联模式可以分为4种情况:

1) Moran散点图上第一象限表示各地区国内旅游规模高-高水平的邻接(HH), 在这一象限中1997年包括11个地区, 2011年包括9个地区, 其中浙江、湖南、湖北、河南、上海、江苏和山东7个地区均处于这2年散点图的第一象限内, 说明这几个地区与周围一些区域的国内游客接待量一直处于较高的水平. 这些地区之间国内旅游业的发展具有较强的空间关联性, 在一定程度上代表着国内旅游业发展的核心区域. 此类地区通过区域合作, 发挥溢出效应作用, 带动了周边地区的共同发展.

2) 第二象限表示国内旅游流规模低-高水平的邻接(LH), 这一象限1997年和2011年均有8个地区, 江西、天津、海南、贵州和福建在散点图中均有出现. 该类地区国内游客接待量较低, 受邻近高旅游流规模地区的影响较小, 是由国内旅游业发达地区向落后地区的过渡区域, 属于国内旅游业发展水平较高区域的扩散或极化效应区, 这些地区国内旅游流规模空间分异特征明显.

3) 宁夏、内蒙古、云南、甘肃、新疆、西藏、陕西和青海8个地区均落在1997年和2011年Moran散点图的第三象限, 表明这些地区为国内旅游流规模低-低水平的邻接(LL). 这些地区的国内旅游流规模较低, 其邻近大部分地区的国内旅游流规模也较低. 此类区域国内旅游业的发展水平较低, 在空间上主要聚集于我国的西部地区, 一定程度上代表了国内旅游业发展较为落后的区域.

4) 落在Moran散点图中第四象限内的地区, 其国内旅游流规模为高-低水平的邻接(HL). 1997年只有辽宁和四川处于此区域, 随着时间的变动和各地区旅游业的发展, 到2011年, 黑龙江、北京和广东也属于此区域范围. 从表3可知, 1997年黑龙江处于LL区域, 经过15 a的快速发展, 到2011年其国内旅游流规模已位于高规模地区之列; 而北京和广东1997年与周围地区为HH邻接, 而由于其邻近地区国内旅游业发展相对较慢, 使得到2011年2地落入HL区域内. 总之, 该区域内的国内旅游流规模较高, 但是较高的国内游客量并没有带动其周围区域国内旅游的发展, 这与周围地区旅游资源、经济发展等制约因素有关.

3.2.2 LISA分析

LISA分析可以在Moran’s散点图的基础上进一步探究空间分析的结果, LISA集聚图能够重点考察显著水平较高的局部空间集聚区域, 而局部Moran’s统计量表示相邻地区统一属性值的彼此关系. 通过每个区域单元的局部Moran’s值及与之对应的显著性水平(表4)和检验基础上(≤0.05)的LISA集聚图(图3), 来进一步探究时间序列上国内旅游流规模空间分析的结果.

表4 1997年和2011年各地区局部Moran’s值及LISA显著性水平

续表4

天津-0.153 20.030-0.035 90.458 海南0.000 00.0020.000 00.002 贵州-0.064 90.370-0.054 30.236 广西0.071 60.278-0.084 80.120 甘肃0.805 30.0120.694 90.030 福建-0.199 70.214-0.455 00.070 安徽-0.206 80.0380.265 00.006 上海1.872 70.0860.450 20.014 重庆-0.086 00.3320.094 60.148 江苏1.186 90.0341.519 80.026 广东-0.068 40.492-0.207 60.490 河北0.192 70.078-0.010 80.240

图3 国内旅游流规模LISA集聚图

从各年的LISA集聚图中可以更清楚地看出国内旅游流规模差异的空间格局以及研究时段内的发展演变. 在LISA聚集图中HH区域是有重要影响的热点地区, 并且都处于Moran散点图的第一象限. 1997年仅有江苏, 2011年山东和安徽加入其列, 说明国内旅游业经过十几年的发展逐渐形成了以山东、江苏和安徽为核心的发达国内旅游业聚集区, 并且其辐射范围正不断扩大, 图3所示为国内旅游流规模较高的核心区域. 而新疆和甘肃均位于1997年和2011年聚集图的LL区域, 这2个地区的国内旅游游客接待量较低, 并且其邻近地区的接待量也比较低, 处于Moran散点图的第三象限. 图中的HH和LL区域的空间单元均存在较强的空间正相关, 而HL和LH区域则存在较强的空间负相关.

从分析结果可以看出, 四川一直处于HL区域, 其本地的国内旅游流规模较高, 但其周围区域的规模较低, 而海南省则一直处于LH区域, 这说明海南省虽然具有优良的旅游资源, 但其地理位置和人口特征等因素使得它与邻近的广东、广西和云南几地区相比还存在很大的差距. 值得注意的是, 安徽省1997年处于LH区域, 与周围的地区游客接待量相比较低, 而经过十几年自身的快速发展和在周围地区的带动下, 截至2011年它与邻近的山东和江苏一同形成了显著的高游客量接待聚集区域.

从表4可以看出, 1997年和2011年大部分地区的局部Moran’s统计值为正, 说明我国国内旅游流规模的空间分布整体上存在正的相关性, 这也进一步解释了31个地区国内旅游业的发展存在着一定的空间集聚性. 并且, 在5%的显著水平下, 时间序列上新疆、四川、海南、江苏、上海和安徽几地的局部Moran’s统计量均通过了显著性检验, 说明这几个地区和其周围地区国内游客接待量具有明显的相似或相异性, 空间相关性高度明显. 结合图2, 可以进一步看出, 江苏和上海一直处于高-高模式的空间分布, 本地一直吸引大量的国内游客, 并对邻近的区域产生辐射效应; 而新疆一直处于低-低模式的空间分布, 其周围区域国内旅游业发展也比较缓慢. 这些地区具有很强局部空间自相关性, 具有明显的空间集聚特征. 而四川和海南则具有较明显的空间负相关特征, 与邻近地区相比国内旅游流规模的相异特征突出.

4 结论

本文通过计算标准差和变异系数分析1997—2011年间国内旅游流规模演变的绝对差异和相对差异, 利用ESDA方法分析Moran’s指数、Moran散点图和LISA等来揭示国内各地区国内旅游流规模的空间分布特征, 认识其内在规律性及动态演变过程. 分析结果表明:

1) 国内旅游流规模区域间的绝对差异总体上呈逐步增大趋势, 表明我国国内旅游业自1997年以来一直处于快速的发展阶段; 而变异系数反映的相对差异, 将1997—2011年国内旅游业的发展细分为缓慢发展阶段、快速发展阶段和深入发展阶段.

2) 各年份国内旅游流规模全局Moran’s值均为正值, 并均通过了值检验, 这表明我国31个地区国内旅游业的发展水平存在显著的空间自相关性.

3) Moran散点图表明, 在一定显著性水平上, 时间序列上的区域国内旅游流规模空间分布没有太大差异, 变动较为明显的为黑龙江由1997年的LL临接发展到2011年的HL邻接; 北京和广东由1997年的HH邻接变为2011年的HL邻接.

4) 从LISA聚集图和局部Moran’s值的分析结果可以看出, 随着时间的变动, 逐渐形成了以山东、江苏和安徽为核心的发达国内旅游业聚集区; 新疆和甘肃一直处于冷点区域, 其国内旅游游客接待量较低, 并且其邻近地区的接待量也比较低; 四川一直处于HL区域, 而海南省则一直处于LH区域; 安徽省在经过十几年的快速发展和在周围地区的带动下, 逐渐由LH区变为HH区.

5) 在5%的显著水平下, 时间序列上新疆、四川、海南、江苏、上海和安徽几地与其周围地区国内游客接待量相比具有明显的相似或相异性, 空间相关性高度明显, 为全局空间自相关做出了很大贡献.

[1] 陆林. 论黄山国内旅游客源市场区域结构[J]. 人文地理, 1989(2): 70—73.

[2] 杨新军, 马晓龙. 大西安旅游圈:国内旅游客源空间分析与构建[J]. 地理研究, 2004, 23(5): 695—704.

[3] 丁正山. 南京国内旅游流时空演变研究[J]. 旅游学刊, 2004, 19(2): 37—40.

[4] 文琦, 杜忠潮, 李玲. 1995-2006年我国入境旅游目的地空间形态及演变研究[J]. 资源科学, 2007, 31(6): 994—999.

[5] 杨国良, 钟亚秋, 刘昕, 等. 四川省旅游流空间扩散方向及路径[J]. 地理科学进展, 2008, 27(1): 56—63.

[6] 马红丽, 马耀峰, 李君轶, 等. 环渤海区入境旅游流西向扩散时空演变规律分析[J]. 统计与决策, 2009(5): 68—70.

[7] 章锦河, 张捷, 刘泽华. 基于旅游场理论的区域旅游空间竞争研究[J]. 地理学报, 2005, 25(2): 248—256.

[8] 张捷, 都金康, 周寅康, 等. 自然观光旅游地客源市场的空间结构研究—以九寨沟及比较风景区为例[J]. 地理学报, 1999, 54(4): 357—364.

[9] 章锦河, 张捷, 李娜, 等. 中国国内旅游流空间场效应分析[J]. 地理研究, 2005, 24(2): 293—303.

[10] 杨国良, 张捷, 刘波, 等. 旅游流流量位序—规模分布变化及其机理—以四川省为例[J]. 地理研究, 2007, 26(4): 662—672.

[11] 刘聪粉, 张瑞荣. 云南省地区经济差异的空间统计分析[J]. 云南财经大学学报, 2009(3), 118—126.

[12] Anselin L, Syabri I, Kho Y. GeoDa: Anintroduction to spatial data analysis[J]. Geographical analysis, 2006, 38(1): 5—22.

[13] Getis A, Ord J K. The Analysis of Spatial Association by Use of Distance Statistics[J]. Geographical Analysis, 1992, 24(3): 189—206.

[14] Anselin L. Local Indicators of Spatial Association-LISA[J]. Geographical Analysis, 1995, 27(2): 93—115.

[15] 麻永建, 徐建刚. 基于ESDA的河南省区域经济差异的时空演变研究[J]. 软科学, 2006, 20(5): 51—54.

The time and space differences analysis on the scale of domestic tourist flow based on ESDA

YAN YouBing, MA Peng, LI Rui, HE WenJuan

(Tourism Management Department, Xiangtan University, Xiangtan 411105, China)

The analysis results of the time and space differences on domestic regional tourism flow scale of the time series from 1997 to 2011 show that the absolute difference of domestic tourism flow scale between areas expands gradually, the relative difference present three development stages which include slow drop stage, wave development stage and rapid decline stage. The domestic tourism flow scale global Moran'svalue is positive in each year, it exist a certain space agglomeration in domestic tourism flow scale distribution, the moran scatter diagram shows the regional tourism flow scale space distribution features have not much difference, the LISA gathered diagram and local moran'sanalysis show that as time changes, it gradually formed a developed domestic tourism accumulation area which put Shandong, Jiangsu and Anhui as the core, Xinjiang and Gansu province have been in the cold spot area, and Sichuan and Hainan have been as significant representative areas of HL and LH.

tourist flow; scale; ESDA; time and space difference

F 590

1672-6146(2014)01-0038-07

10.3969/j.issn.1672-6146.2014.01.009

通讯作者email: mapengrc@qq.com.

2013-09-23

(责任编校: 江 河)