基于GWR模型的中国5A级旅游景区空间异质性分析

朱永凤， 瓦哈甫·哈力克， 卢龙辉

(1.新疆大学 绿洲生态教育部重点实验室， 乌鲁木齐 830046；2.新疆大学 旅游学院， 乌鲁木齐 830046；3.新疆大学 资源与环境科学学院， 乌鲁木齐 830046)

基于GWR模型的中国5A级旅游景区空间异质性分析

朱永凤1，2*， 瓦哈甫·哈力克1，2， 卢龙辉1，3

(1.新疆大学 绿洲生态教育部重点实验室， 乌鲁木齐 830046；2.新疆大学 旅游学院， 乌鲁木齐 830046；3.新疆大学 资源与环境科学学院， 乌鲁木齐 830046)

随着5A级景区“退出机制”的实施，各地方政府越来越重视5A级景区的可持续发展.为了探讨中国5A级景区的时空演变特征及其影响因素的空间异质性，选取2007年、2011年、2015年全国5A级景区为研究对象，综合运用了空间自相关、空间回归模型、最邻近指数和地理集中指数等方法，结果显示：1) 中国5A级景区呈凝聚型分布，集中程度逐渐增强；2) 5A级景区在空间上的分布存在较强的依赖性，并非随机分布，2007年中国5A级景区的空间聚类整体上存在差异性，而2011年、2015年空间聚类的差异减小，但空间集聚态势加强；3) GWR模型要优于OLS模型，从全域视角，A级景区资源和公共交通密度对中国第一批5A级景区的分布具有显著的影响，随后公共交通密度的影响减弱，文化资源的开发程度影响增强.从局部视角，公共交通密度、文化资源的开发程度、自然生态环境以及A级景区资源在空间上均具有显著的异质性.

GWR模型； 5A级旅游景区； 空间结构； 空间异质性

5A级景区作为旅游景区体系中的最高级别，一方面带动、辐射周边景区的发展，形成“月亮和星星”的关系，如湖南的张家界，安徽的黄山等；另一方面其代表区域旅游目的地形象，成为区域对外宣传介绍的明信片，如上海科技馆，成为上海现代化、国际化大都市的象征.在“5A景区”品牌效应的驱动下，随后各省市自治区全力申报5A级景区.而2015年“十一”期间，5A级景区河北山海关首次被“摘牌”’，之后相继取消了湖南橘子洲景区和重庆神龙峡景区的5A资质，5A级景区的终身制成为历史，敲响了各地方政府合理规划和发展5A级景区的警钟，把握5A级景区的空间分布特征及其影响因素的空间异质性对于指导5A级景区的可持续发展具有重要的实践意义.

国外关于旅游景区空间结构的研究主要集中在旅游空间结构特征、旅游空间的演化以及客源市场旅游活动空间行为研究[1-3].国内关于旅游景区空间结构的研究，在范围上，早期集中在全国范围，近几年则聚焦在局部区域，如朱竑等[4]以全国A级景区为例，提出A级景区的空间分布与人口聚集程度、地形以及河流具有相关性，而近几年学者王雯萱[5]、程晓丽[6]和田逢军[7]分别以湖北、安徽以及江西为例，研究小范围内旅游景区空间结构的特征；在研究内容上，主要涵盖旅游景区空间结构特征的分析、时空的演变及其影响因素的分析，吴丽敏[8]在研究江苏省A级景区空间分布结构的基础上，从内部驱动力和外部驱动力两个方面分析了其动力机制；在研究方法上，以统计分析为主，并融合GIS地理空间分析，实现定性分析与定量分析相结合.

地理加权回归(GWR)模型是基于回归原理上，将变量的空间特征考虑到模型中，从局部视角研究变量间的空间非稳定性.GWR模型常用于地理学方面的研究，近几年被引入到旅游学研究中，戈冬梅(2013)基于GWR模型分析了我国旅游发展的影响因素[9]；方远平(2014)利用GWR模型研究了我国入境旅游的空间关联性[10]；谢朝武(2015)利用GWR模型探讨了我国旅游突发事件的伤亡规模及影响因素[11].本研究在借鉴前人研究的基础上，首次尝试将空间计量方法引入到A级景区的研究中，运用地理加权回归(GWR)模型分析我国5A级景区影响因素的空间异质性，以期为我国5A级景区的发展规划提供理论参考，同时也为今后研究A级景区的影响因素提供参考和借鉴.

1数据来源与研究方法

1.1数据来源

统计2007年～2015年5A级景区申报成功数(图1)，发现排名前三的年份依次是2007年、2011年和2015年.因此本研究以2007年、2011年和2015年的31个省市自治区(不包括港澳台)的截面数据为初始数据，其中5A级景区名录来源于国家旅游局官网(http://www.cnta.gov.cn/)，公布的名录中不包括已被摘牌的5A级景区，本研究也将其剔除，统计数据均来源于各年的《中国统计年鉴》，以保证数据获取的科学性.在Google Earth精确定位各景区后，利用ArcGis10.3数字化中国行政图地图，绘制中国5A级旅游景区空间分布图.

图1 2007年～2015年5A级景区申报成功数Fig.1 China’s annual increase in the number of 5A tourist attractions

1.2指标选取

现有研究学者认为：1)旅游资源禀赋是影响景区分布的主要因素，也是区域旅游开发建设的基础[12]；2)景区分布密度最高的地区一般经济较发达[13]；3)公共配套基础设施对A级景区建设具有驱动力；4)政府的重视程度影响景区的空间分布[14].在参照前人研究的基础上，遵循数据获取的真实性原则，本研究选取人均GDP(EL)代表各省市自治区的经济发展水平，用城市公共交通运营线路密度(PT)代替各省市自治区的配套设施.旅游资源禀赋分别从A级景区资源、文化资源开发程度以及自然生态环境进行衡量，A级景区资源(TR)采用4A、3A和2A的景区数量，在参考相关文献以及咨询有关专家的基础上进行权重赋值：4A∶3A∶2A=1.7∶1.5∶1，文化资源开发程度(CR)选取文化系统艺术表演演出场次来代替，自然生态环境(GA)采用森林覆盖面积代替.后期进行OLS模型模拟时，人均GDP(EL)的方差膨胀因子大于7.5，说明解释变量存在多余，本研究将其剔除；政府的重视程度太过宏观和主观，指标量化比较困难，因此本研究通过模型整体的拟合优度进行分析.

1.3研究方法

1.3.1空间自相关(Moran’s I) Moran’s I从定量的角度描述了地理空间上临近事物之间的关联程度：

(1)

其中，n为研究样本的数量，Xi与Xj即单位区域上的值，Wij即空间权重矩阵，I的取值区间在[-1，1]，若I>0，表明地理要素在空间上显示出集聚态势，若I<0，表明地理要素在空间上显示出分散的态势[15].

1.3.2地理加权回归模型 地理加权回归模型有全局回归模型和局部回归模型，而全局回归模型不能体现出不同空间上的自变量对因变量的差异影响，只能表现一个空间的平均效果，因此本研究选择局部回归模型：

(2)

其中，(ui，vi)是第i个样本点的经纬度，βi(ui，vi)是自变量xik在i点的值，εi即残差项，满足正态分布，各样本点的权重通常采用高斯核函数来确定[9].

2结论分析

2.1中国5A级景区的时空分布特征

2.1.1景区分布类型 空间中点要素的分布一般有凝聚分布、随机分布和均匀分布3种类型，学术界目前对点状要素分布类型的判别通常使用最邻近指数：

(3)

其中，rE是理论最邻近距离，r是实际最邻近距离，S是区域面积，n是景区数量[16].当R=1，景区呈随机型分布，R>1时，景区呈均匀型分布，R<1，景区呈凝聚型分布.依据2007年、2011年、2015年中国5A级旅游景区的数据，通过ArcGis10.3中平均最近相邻要素工具，利用欧式距离法，得出2007年、2011年、2015年中国5A级景区的最邻近指数分别为：0.642<1(p=0.00，z=-5.52)、0.554<1(p=0.00，z=-9.27)、0.582<1(p=0.00，z=-11.65)，均通过显著性水平检验，说明我国5A级景区呈凝聚型分布，且凝聚强度2011年最高，2007年最弱.

2.1.2景区分布集中程度 点状要素在空间上呈凝聚型分布，并不能反映其空间上集中程度，为此本研究进一步引入地理集中指数：

(4)

2.2中国5A级景区空间相关性

选取Moran’s I衡量中国5A级景区空间分布的依赖性，利用GeoDa平台，以各省域的5A级景区数作为第一变量，用二阶Rock作为权重矩阵，进行5A级景区数量的空间自相关分析.

Moran’s I结果显示，2007年的Moran’s I为0.05(p=0.12，z=1.11)，呈正空间相关，p的值接近0.1，且z得分接近1.96，对应的Moran’s I散点图(图2)，样本点较为分散，说明2007年全国5A级景区的空间聚集特征不显著.2011年Moran’s I为0.21(p=0.00，z=3.42)，z得分大于1.96，通过1%的显著性水平检验，对应的Moran’s I散点图样本点大部分集中在一、二象限，说明从2007年到2011年，全国5A级景区的空间依赖性增强.2015年Moran’s I为0.16(p=0.01，z=2.82)仍然呈显著的空间正相关，但相关性较2011年有所减弱.综上所述，我国5A级景区数量在空间上的分布呈现一定的依赖关系，并非随机分布，这是由于影响5A级景区空间分布的社会-环境因子(A级景区资源、文化、生态环境、交通)具有空间异质性，这也进一步保障了GER模型的有效性.

对于A级景区空间分布聚类的研究，传统的方法是采用核密度分析，通过计算景区的分布密度，并将密度进行可视化处理后形成空间聚类图，这种方法存在的弊端是没有考虑空间权重，而LISA聚类弥补了这一缺陷，因此本研究采用其研究5A级景区的空间聚类.

图2 中国5A级景区Moran’s I散点图Fig.2 Moran’s I plot of 5A tourist attractions in China

图3 中国5A级景区空间分布 LISA聚类图Fig.3 LISA cluster map for 5A tourist attractions in China

2007年我国5A级景区的空间聚类整体上存在差异性(图3)，内蒙古呈低-高集聚，即该区域自身拥有的5A级景区数不多，但其周边的其他区域却拥有A级景区数较多，统计数据显示，2007年内蒙古没有5A级景区，其周边地区黑龙江(1)、吉林(2)、辽宁(2)、河北(2)、山西(2)、陕西(3)、宁夏(2)和甘肃(2)的A级景区数均比其多，因此在空间上形成低-高聚类；河南呈高-高集聚，说明该区域的5A级景区数较多，且其周围区域的5A级景区数也较多；广西呈高-低集聚.2011年和2015年全国5A级景区的空间分布差异减小，但空间集聚态势加强，2011到2015年间，高-高集聚区由湖北和浙江两个，发展到江苏、湖北和浙江3个，且形成江苏-浙江连片集聚区.

2.3构建空间回归模型

为探索各省域5A级景区的数量与各影响因素的关系，本研究以各省市自治区的5A级景区数目为因变量，从A级景区资源(TR)、公共交通密度(PT)、自然生态环境(GA)以及文化资源开发程度(CR)，4个纬度建立空间回归模型，为避免单一模型可能存在的偶然性，本研究将GWR模型与传统的普通最小二乘(OLS)模型进行对比研究.

2.3.1基于全域尺度的OLS模型 OLS模型的回归结果显示(表2)，方差膨胀因子(VIF)均小于7.5，说明解释变量存在弱多重共线性.从显著性水平来看，2007年A级景区资源(t=2.66，p=0.01)和公共交通密度(t=3.01，p=0.01)对5A级景区的数量具有显著的影响，其中A级景区资源的影响最高，由A级景区资源引起的5A级景区数量每提高1，总的5A级景区数目会上升0.49；2011年与2015年A级景区资源与文化资源开发程度均显著影响全国5A级景区的规模.从影响系数来看，A级景区资源与文化资源的开发程度系数逐渐增加，表明两者对5A景区数量的影响逐渐增强；公共交通密度的系数逐渐较少，显著性也逐渐降低，这说明第一批5A景区受交通条件的影响较大，随后由于全国交通条件的普遍改善，交通对5A景区的影响力降低.

表1 OLS模型拟合结果

注：C表示截距，“*”表示通过5%显著性水平检验，“**”代表通过1%的显著性水平检验.

2.3.2基于局部尺度的GWR模型 OLS模型认为空间是均质的，其只能对全国5A级景区进行总体的评估，不能反映空间的异质性，因而忽略了景区在各局部区域上的空间非稳定性，因此本研究借助ArcGis10.3平台，构建2007年、2011年和2015年的GWR模型，从局部视角对全国5A级景区进行空间非稳定性分析，并与传统的OLS模型进行对比以验证GWR模型的优越性.

表2 GWR与OLS模型拟合参数对比

2.4中国5A级景区影响因素空间分异性

借助ArcGis10.3平台，构建2007年、2011年、2015年的GWR模型，并将回归系数进行空间可视化处理.由交通回归系数空间分布图可见，回归系数均为正数，表明改善交通条件可以促进5A级景区的建设，这是由于旅游的发展离不开交通的支持，提高景区的交通通达性，可以缩短景区-游客之间的距离，减少游客出行的时间成本，同时从时间上来看，2007年影响系数最高，2011年次之，2015年最低，这是由于随着我们交通条件的完善，交通对5A级景区的影响在慢慢减弱，2015年影响系数在0.002 38～0.002 53之间浮动，从统计学意义上来看，2015年交通对5A级景区分布的影响基本可以忽略；从空间上来看，忽略2015年，2007年、2011年整体上西部地区的敏感程度高于东部，这主要是由于受经济、地形等的影响，西部地区的交通通达度较低，因此其受交通的影响较为敏感.

A级景区资源对5A级景区的分布呈显著的正向影响，相关性强度表现出明显的空间差异，整体上呈现出由西南向东北递减的趋势，其中新疆、广州以及海南受A级景区资源的影响较为敏感.这主要是由于5A景区通常是在4A景区的基础上申报的，因此各个省市自治区的A级景区的资源将直接影响到当地的5A级景区数量.以新疆为例，其交通、生态环境以及文化开发程度相比其他省市自治区均处于弱势地位，但截止2015年底新疆拥有5A景区数达9个，同安徽、福建和山东并列全国第六名，这主要是因为其拥有丰富的A级景区资源密，属于资源驱动型景区发展模式，因而其受A级景区资源的影响较为明显.

森林覆盖率回归系数均为正值，表明改善自然生态环境可以增加5A级景区的数量，森林从空间上来看回归系数呈现出由南向北递减，与实际的森林覆盖率的空间分布的变化大致相同.由于各省市自治区的植被覆盖率在短时间内不会有很大变化，因此其回归系数从时间上来看无明显变化.旅游产品分为自然景观与人文景观，文化资源开发程度与5A级景区呈显著的正相关(图4d)，但相关性2007年最高，2011年次之，2015年最低，表明文化资源开发程度与5A级景区数量的依赖性在减弱，从空间上来看，文化资源开发程度的相关系数整体上呈现由西南向东北递减的态势.

3结论与讨论

本研究以2007年、2011年、2015年的截面数据为样本，以5A级景区的数量为研究对象，综合运用了最邻近指数、地理集中指数、核密度分析、空间自相关以及空间回归模型.揭示了中国5A级景区的时空分布特征，同时从公共交通密度、文化资源开发程度、自然生态环境以及A级景区资源四个维度，构建5A景区的空间回归模型，并探讨了各影响因素的空间分异性，研究结论如下.

1) 中国5A级景区呈凝聚型分布，2011年凝聚强度最高，2007年最弱；地理集中指数呈上升态势，说明景区在空间上的集中程度逐渐变强.中国5A级景区数量在空间上的分布呈现一定的规律性，体现出集聚的态势，空间自相关性整体上变强，2007年不显著，2011年高度显著；2007年全国5A级景区的空间聚类整体上存在差异性，形成内蒙古低-高集聚区，河南高-高集聚区和广西呈高-低集聚区.2011年、2015年全国5A级景区的空间分布差异减小，但空间集聚态势加强，且形成江苏-浙江连片集聚区.

图4 GWR模型估计下各影响因素回归系数空间分布Fig.4 Regression coefficients for the explanatory variables of 5A tourist attractions by GWR

2) 基于OLS模型与GWR模型的对比研究发现，从局部尺度的GWR模型要优于全域尺度的OLS模型.从全域视角，A级景区资源和公共交通密度对中国第一批5A级景区的分布具有显著的影响，随后公共交通密度的影响减弱，文化资源的开发程度影响增强.从局部视角，公共交通密度、文化资源开发程度、自然生态环境以及A级景区资源在空间上均具有显著的异质性.同时，对比各期调整后的R2值，可见GWR模型对5A级景区数量的解释力在降低，表明5A级景区数受其它因素影响的力度在增加，比如说政府和经济发展等.

3) 5A级景区的建设与发展受多种因素综合影响，而本研究仅从公共交通密度、文化资源开发程度、自然生态环境以及A级景区资源四个方面，对5A级景区的影响因素进行探索性研究.同时，本研究在OLS模型与GWR模型模拟时由于方差膨胀因子和多重共线性剔除经济发展水平影响因子，只能说明模型不适用，并不能说明5A级景区的建设不受当地经济水平的影响，后期学者可以采用其它方法探讨5A级景区与当地经济之间的关系.

[1] ZAHRA A， RYAN C. From chaos to cohesion—Complexity in tourism structures: an analysis of New Zealand’s regional tourism organizations[J]. Tourism Management， 2007， 28(3):854-862．

[2] MASSON S， PETIOT R. Can the high speed rail reinforce tourism attractiveness？ The case of the high speed rail between Perpignan (France) and Barcelona (Spain)[J]. Tech-novation， 2009， 29(9):611-617．

[3] ENRIGHT M， NEWTON J. Tourism destination competitiveness:a quantitative approach[J]. Tourism Management， 2004， 25(6) :777-778．

[4] 朱 竑， 陈晓亮. 中国A级旅游景区空间分布结构研究[J]. 地理科学， 2008， 28(05):607-615.

[5] 王雯萱， 谢双玉. 湖北省A级旅游景区的空间格局与优化[J]. 地域研究与开发， 2012， 31(02):124-128.

[6] 程晓丽， 黄国萍. 安徽省旅游空间结构演变及优化[J]. 人文地理， 2012， 27(06):145-150.

[7] 田逢军. 中部崛起背景下江西旅游景区发展问题与提升路径[J]. 经济地理， 2016， 36(01):194-199+207.

[8] 吴丽敏， 黄震方， 周 玮， 等. 江苏省A级旅游景区时空演变特征及其动力机制[J]. 经济地理， 2013， 33(08):158-164.

[9] 戈冬梅， 姜 磊. 基于GWR模型的省域旅游影响因素空间差异分析[J]. 生态经济， 2013， 29(07):93-97+132．

[10] 方远平， 谢 蔓， 毕斗斗， 等. 中国入境旅游的空间关联特征及其影响因素探析——基于地理加权回归的视角[J]. 旅游科学， 2014， 28(03):22-35．

[11] 谢朝武， 张 俊. 我国旅游突发事件伤亡规模空间特征及其影响因素[J]. 旅游学刊， 2015， 30(01):83-91．

[12] 陈 刚， 刘大均， 黄 翔， 等. 中国旅游业集聚化水平及演化空间差异研究[J].资源开发与市场， 2012， 28(10):945-948．

[13] 袁 露， 杨彦平， 王继建. 中国5A级旅游景区发展特征研究[J]. 华中师范大学学报(自然科学版)， 2014， 48(02):301-306．

[14] 黄远水， 陈钢华， 伍 弦. 福建省旅游景区空间结构研究——基于国家3A级以上旅游景区的统计分析[J]. 经济地理， 2010， 30(07):1195-1199.

[15] 袁玉芸， 瓦哈甫·哈力克， 关靖云， 等. 基于GWR模型的于田绿洲土壤表层盐分空间分及其影响因子[J]. 应用生态学报， 2016， 27(10):3273-3282．

[16] 蔡碧凡， 陶卓民， 葛佩佩. 浙江省优良景区空间分布特征及影响因素[J]. 西北师范大学学报(自然科学版)， 2016， 52(4):99-106．

[17] 申怀飞， 郑敬刚， 唐风沛， 等. 河南省A级旅游景区空间分布特征分析[J]. 经济地理， 2013， 33(02):179-183.．

[18] FOTHERINGHAM A S， BRUNSDON C， CHARLTON M E. Geographically Weighted Regression: The Analysis of Spatially Varying Relationships[M]. San Francisco: John Wiley & Sons Ltd， 2002: 95．

Spatial differentiation and its influencing factors of national 5A tourist attractions based on GWR in China

ZHU Yongfeng1，2， HALIKE Wahap1，2， LU Longhui1，3

(1.The Key Lab for Oasis Ecosystem of MOE，Xinjiang University，Urumqi 830046；2.College of Tourism Management，Xinjiang University，Urumqi 830046；3.College of Resources and Environment Science，Xinjiang University，Urumqi 830046)

With the coming of the ‘withdrawal mechanism’， local governments pay more and more attention to the sustainable development of 5A tourist attractions. This paper investigates how 5A tourist attractions are spatially distributed， and what affect they. The results show that， 1) The spatial distribution of the national 5A tourist attractions was clustered， and the degree of concentration increased gradually. 2) There was a strong spatial dependence on the distribution of 5A spots， not randomly distributed. 3) By comparing OLS and GWR model， we found GWR model had been better performance. In addition， the spatial distribution of the 5A tourist attractions was affected by the transportation， A-class tourist attractions resources， cultural resources and ecological environment in China．

GWR mode; 5Atourist attractions; spatial structure; spatial differentiation

2016-11-30.

国家自然科学基金项目(41271168).

1000-1190(2017)03-0416-07

F590

A

*E-mail: 1648445895@qq.com.