环渤海城市旅游业及其与基础设施相关性空间计量研究

窦思敏 马仁锋

（宁波大学地理与空间信息技术系 浙江宁波 315211）

引言

旅游业发展对于构建我国现代服务经济体系具有重要意义，也是我国经济社会结构调整的重要力量（张辉、范荣廷，2017）。基础设施指城市可利用的各种设施及质量，是旅游业发展的基础条件，发达的旅游产业需要高水平基础设施与之协调（李瑶亭，2013）。与时俱进的中国旅游，表现出旅游与公共服务相互促进、日臻完善，城市综合发展与旅游地/旅游景区建设相互促进、相得益彰的特点（肖洪根，2018）。

学界研究不同尺度下的旅游业发展、旅游竞争力时均提到了旅游业对基础设施发展的依赖性：①全球和国际尺度下，旅游业竞争力的核心影响要素主要包括国家竞争力、旅游生产要素状况、国内旅游需求、旅游相关产业状况、旅游企业状况等，其中基础设施贡献度显著。世界经济论坛所建立的指标体系涉及各国的旅游政策、旅游商务环境、基础设施情况，并指出影响一个国家旅游吸引力强弱的因素中有一项为基础设施完善度（王诗理、汪嫦，2012）。Crouch 和Ritchie（1999）等是较早进行旅游国际竞争力研究的学者，他们构建了旅游竞争力概念模型，认为支持性要素与资源在五大影响因素（宏观和微观环境、核心旅游资源和吸引物、支持性要素和资源、目的地管理、限制性和放大性因素）中排名第三；Heath（2003）研究认为旅游设施是使旅游地具有竞争力的根基；黎洁、赵西萍（1999）根据波特国家钻石模型认为国家旅游竞争力影响因素中有专门要素，其中包含了特殊基础设施。②省域和城市层面，旅游业竞争力的核心影响要素包括城市发展、基础设施、旅游资源禀赋、旅游宣传能力等，这一尺度下将基础设施纳入指标体系的学者相较全球与国际尺度下更多，如：Vengesayi（2003）认为旅游者和旅游设施经营者的投入对提升其城市旅游业竞争优势都极为必要；王娟（2006）认为省域旅游业竞争力需要考虑支持竞争力，这其中包含了相关基础设施；丁蕾、吴小根和丁洁（2006）从软硬特征上构建了城市旅游竞争力指标体系，其中硬竞争力包含了设施竞争力；江海旭（2014）建立三级滨海城市旅游竞争力指标体系时将城市旅游基础设施竞争力作为二级指标，主要统计医院床位数、星级宾馆数、国家A级景区等8项三级指标；蒲雪芹（2008）建立的城市旅游竞争力评价体系中考量了游客对城市基础设施的满意度；郝秀琴（2014）指出旅游业发展与公路里程关联度高于铁路营业里程。可见，随着研究尺度的变化，影响旅游业竞争力的因素也发生变化，在全球与省域/城市间差别较大，但都肯定了基础设施这一因子的重要性。

学界较为重视环渤海地区旅游业发展（周凤杰、张爱平、马楠，2012）、空间差异（张爱平，2012；马仁锋、倪欣欣、张文忠等，2015）等方面的探究，相关研究已经定性预见环渤海地区城市基础设施对旅游业发展的影响，但是未能定量分析城市尺度下旅游业和旅游基础设施的空间差异及其关系。为此，本文综合运用熵值法、灰色关联度法、空间自相关分析法定量研究旅游业、基础设施的空间格局及两者关系，评估旅游业对城市基础设施的依赖性及其空间特征。

一、理论分析、研究区域及方法

1. 城市旅游业与基础设施相关性理论分析

基础设施是旅游业的必要供给条件，而我国的基础设施现状还存在较大不足，如部分地区交通落后、服务设施水平低、旅游景点设施配置不足等。波特提出了著名的“钻石模型”，认为竞争力包括六大要素，对应到旅游业中即市场需求、旅游生产要素、旅游企业战略结构及竞争、旅游相关及支持产业、政府政策、机会等。基础设施作为旅游业的相关及支持产业要素，其优化有助于增加旅游产品的市场需求，从而促进当地旅游企业的崛起，带动生产要素结构的变化，在与其他要素的相互作用下逐步提高旅游业的产业效益。

从地理学的空间角度看，城市基础设施的建设优化了旅游空间的地域结构，重塑了旅游业的空间形态。其中，空间收敛与集聚是旅游业的空间形态在基础设施建设影响下的基本变化趋势。例如，交通基础设施的优化有利于生产要素的快速流动，使资源能够得到有效的配置和整合，通过塑造旅游目的地的可达性与旅游客源的流动性，使旅游业得到长足发展。随着信息化时代的到来，旅游业中信息基础设施的应用也越来越受到人们的重视。旅游业与基础设施之间的良性作用促进了二者的共同发展。

2．研究区域

环渤海地区以京津冀为核心，以辽东半岛和山东半岛为两翼，包括北京市、天津市、河北省、山东省、辽宁省。滨海旅游业是各城市强势推进的新兴产业，如何提升滨海城市在环渤海地区的发展水平，实现区域内旅游业均衡，是全域旅游战略实施进程中亟待解决的问题。本文选取环渤海地区沿海16个城市作为研究对象，分析旅游业、基础设施的格局演变及二者关系，诠释旅游业发展对基础设施的依赖性及其空间分异。

3. 研究方法及指标选取

（1）旅游业与基础设施发展水平的测量指标与集成方法

旅游业发展水平主要体现在旅游业的发展现状和潜力（陈晓、李悦铮，2008），学界构建的衡量指标主要包括基础设施、生态环境、旅游发展现状3类，国外主要采用方差分析、回归分析等方法，国内多采用层次分析、主成分分析、聚类分析等方法（见表1）（刘素平、邱扶东、冯学钢，2008）。本文选用熵值法作为旅游业发展水平测量的方法，并综合接待游客总人数、国内旅游收入、国际旅游收入、旅游总收入4个指标来描述旅游业发展水平。

表1 旅游业发展水平量化方法与指标Tab.1 Quantitative method and index of urban Tourism Level

国外的城市基础设施研究常采用主成分分析、因子分析、层次分析等方法研究运输、电信、信息和能源等主题。国内学者则多应用熵权、极差标准化、加权平均模型等方法（黄金川、黄武强、张煜，2011）进行理论分析，较少进行城际旅游基础设施的实证研究。本文选用熵值法作为基础设施测度方法（可避免主观赋值的偏差），选取公路里程数、城市道路面积、公共交通数量、公共交通客运量、建成区绿化覆盖面积、绿化覆盖率、生活垃圾无害化处理率、污水集中处理率、医院数量、供水量、用电量（除工业用电）共11项研究指标。其中由于公共交通中的陆上交通是旅游客源地与目的地的主要连接方式，因此暂不考虑航空与海上交通。

计算的主要步骤为：首先对初始数据进行标准化处理，其次计算出指标权重，最后根据熵值法所得权重来计算总得分。对数据进行标准化处理的过程为：首先对初始数据进行正规化处理，若指标值越大对系统发展越有利，便采用正向指标计算方法处理；若指标值越小对系统发展越有利，便采用负向指标计算方法处理。正向和负向指标计算方法依次为：

指标权重wj计算方法为：

综合实力得分Si计算方法为：

其中，maxXij和minXij表示指标的最大值和最小值，m是研究区数量，n为指标数。

（2）相关性及其空间分异计量方法

①灰色关联分析

灰色关联分析是一种对系统动态过程量化分析以考察系统诸因素间相关程度的分析方法，其基本思路是根据事物或因素的序列曲线的相似程度来判断其关联程度。进行灰色关联分析的目的是基于行为因子序列的微观或宏观几何接近，以分析和确定因子之间的影响程度或因子对主行为的贡献度，计量模型为：

由于不同序列通常具有不同的量纲和数量级，故不能直接进行比较。为了保证结果的可靠性及可比性，需要对原始指标进行无量纲处理，本文将序列作“初值化”处理，即用每一个数据列的第一个数xi（1）除其他数xi（k），使得原始数据列变化成再计算灰色关联系数及灰色关联度，对于ρϵ（0，1），令：

式中：|y1（k）－xi（k）|为第k个点y1（k）与xi（k）的绝对误差；minimink |y1（k）－xi（k）|为第k个点y1（k）与xi（k）两级最小差，maximaxk |y1（k）－xi（k）|为第k个点y1（k）与xi（k）两级最大差；ρ为分辨率，ρ越小，分辨力越大，具体取值可视情况而定，一般为0.5（刘思峰、党耀国、方志耕，2004）。

②空间自相关法

本文采用空间自相关法探究各城市旅游业与基础设施建设的关联度是否存在空间相关。空间自相关是探究某一空间的某一要素值是否显著地与其相邻空间上的要素值相关联，一般包含全局空间自相关和局部空间自相关。全局空间自相关主要用来分析在整个研究大区域中某一指定要素值是否存在相关性，Moran指数计算公式为：，式中xi是区域i的要素值，Wij为空间权重矩阵代表行标准化形式。局部空间自相关能够度量研究大区域中每一个区域与周边地区的空间关联程度，局部空间自相关指数是将全局Moran指数分解到各个区域，计算公式为：

根据所选指标可设置灰色关联分析行为序列表（见表2）：

表2 灰色关联分析行为序列设置表Tab.2 Gray correlative degree analysis behavior sequence setting

4. 数据来源

本文使用到的数据来源为：行政区面积、公路里程数、城市道路面积、公共交通数量、公共交通客运量、建成区绿化覆盖面积、绿化覆盖率、生活垃圾无害化处理率、污水集中处理率、医院数量、供水量、用电量（除工业用电）等来自《中国城市统计年鉴2014》《中国城市统计年鉴2012》《中国城市统计年鉴2010》；A级旅游景区数、接待游客人数、国内旅游收入、入境旅游收入来自各城市的“国民经济和社会发展统计公报”，其中部分城市的A级旅游景区数来自各城市旅游局官网。

二、旅游业与基础设施发展水平测量

1． 旅游产业发展水平计算

环渤海地区旅游业的发展水平总体低于长三角地区且发展不均衡。1990年以来，环渤海地区旅游资源的开发空间不断扩大，旅游景区（点）日益增加，但是旅游服务配套设施滞后，服务和管理水平较低。本文所研究的环渤海地区沿海城市，空间上呈串珠状排列，旅游资源特色相近（见表3），故城市间的旅游业竞争不可避免。

表3 环渤海地区沿海城市旅游资源数量与特色Tab.3 Quantity and characteristics of tourism resources in coastal city of Bohai ring region

运用熵值法计算得出衡量旅游业发展水平的4个指标所占权重（见表4），可以看出，这4个方面对于旅游业发展的贡献相当。得出权重大小后计算各城市2009、2011、2013年旅游业发展水平得分。比较得分发现，各城市间旅游业发展差异较大，天津3年平均得分最高，沧州最低，分别为1和0.007。16个城市在2009、2011、2013年的平均得分分别为0.1975、0.1934、0.1867，天津、大连、青岛、烟台得分都高于均值，其中天津总得分最高，且高于随后的青岛、大连一倍多；其他城市得分均低于平均值。根据得分将所研究的16个城市的旅游发展水平分为3个梯队：天津为第一梯队；青岛、大连处于第二梯队；其他城市发展较弱，均处于第三梯队。从16个城市3个年份的排名变化看，多数城市波动较小，青岛、大连在第二、三名内小幅度波动；锦州、唐山的排名持续上升，秦皇岛排名出现下降。

表4 旅游业发展水平指标所占权重Tab.4 Weighting of tourism development indicators

2. 城市基础设施发展水平计算

运用熵值法计算得出基础设施11个指标所占权重（见表5），可知公路里程数、公共交通数量、公共交通客运量、用电量（除工业用电）对基础设施发展水平的贡献度相对其他指标较大。得出权重大小后，计算各城市2009、2011、2013年基础设施发展水平得分，发现城市基础设施发展水平存在较大差距，但小于城市间旅游业发展水平的差距，且波动明显小于旅游业；其中，天津平均得分最高，葫芦岛平均得分最低，分别为0.7829和0.0808。16个城市在2009、2011、2013年的平均得分分别为0.3191、0.3003、0.2818，天津、大连、唐山、潍坊和青岛5个城市在这3个年份的得分均高于平均值，其中天津、大连、青岛的基础设施发展水平明显高于其他城市。从16个城市3个年份基础设施发展水平得分的排名变化看，多数城市无变化，个别城市呈小幅波动，其中滨州、日照的排名逐步上升，盘锦排名持续下滑。

表5 基础设施发展水平指标所占权重Tab.5 Weighting of infrastructure indicators

三、旅游业与基础设施相关性及其空间分异演变

1． 灰色关联度分析

（1）数据计算

首先运用初值化公式对原始数据进行无量纲处理（见表6、表7、表8），再将参考序列和比较序列构成关联矩阵，即将母因素与11个子因素的关联度排成一行，同理将第二、三个母因素对子因素的关联度排成第2、3行，便构成了关联度矩阵R：

γ1，1－γ1，11分别表示X1－X11与Y1的灰色关联度，γ2，1－γ2，11分别表示X1－X11与Y2的灰色关联度，γ3，1－γ3，11分别表示X1－X11与Y3的灰色关联度。

表6 2 009列初值化处Tab.6 Initialization p 年ro 序cessing table o 理f 2表009 seq uence天津大连营口锦州葫芦岛盘锦唐山沧州秦皇岛滨州潍坊烟台威海东营青岛日照Y1 1.0000 0.4603 0.1081 0.1 578 0.1590 0.1677 0.1611 0.065 3 0.217 4 0.0688 0.3 050 0.3 668 0.2448 0.0677 0.5239 0.227 9 Y2 1.0000 0.4783 0.0974 0.1 007 0.1159 0.1133 0.0683 0.026 2 0.135 5 0.0370 0.2 016 0.2 801 0.1973 0.0379 0.5016 0.106 8 Y3 1.0000 0.6155 0.0223 0.0 704 0.0222 0.0464 0.0180 0.003 2 0.100 8 0.0065 0.1 037 0.2 629 0.1361 0.0187 0.4668 0.069 1 X1 1.0000 0.5028 0.1001 0.1 026 0.0631 0.0925 2.7733 0.098 5 1.753 6 3.0636 4.6 635 2.9 273 1.3753 1.6491 3.3431 1.322 6 X2 1.0000 0.4888 0.0853 0.1 087 0.0464 0.1076 0.3262 0.105 7 0.170 4 0.1254 0.3 023 0.3 283 0.2128 0.2177 0.6896 0.178 9 X3 1.0000 0.5966 0.0856 0.0 865 0.0762 0.0500 0.2436 0.140 6 0.130 2 0.0437 0.1 255 0.2 100 0.111 9 0.0815 0.5430 0.052 3 X4 1.0000 0.8259 0.0762 0.0 969 0.0631 0.0677 0.2580 0.096 5 0.120 6 0.0176 0.1 056 0.2 636 0.111 5 0.0457 0.7023 0.048 2 X5 1.0000 0.5754 0.1876 0.1 365 0.1392 0.1145 0.5023 0.086 1 0.203 3 0.1559 0.2 684 0.4 818 0.2989 0.2010 0.5899 0.160 3 X6 1.0000 1.4764 1.2801 1.2 728 1.2798 1.2851 1.4847 1.295 0 1.512 4 1.2587 1.3 065 1.3 573 1.5341 1.2920 1.4306 1.396 6 X7 1.0000 0.9970 0.0000 0.9 052 0.0000 0.9677 0.9664 0.963 8 1.027 9 0.6573 0.9 379 0.9 829 1.0604 1.0434 1.0604 0.580 6 X8 1.0000 1.1599 0.7366 0.6 323 0.5308 0.7660 1.1548 0.961 0 1.1136 1.0263 1.113 9 1.1124 1.1079 1.0429 1.0629 0.990 5 X9 1.0000 0.5149 0.2540 0.2 609 0.3593 1.3776 0.6705 0.583 5 0.334 1 0.3043 0.5 309 0.6 384 0.2197 0.2449 0.5767 0.164 8 X10 1.0000 0.5768 0.0989 0.2 128 0.0557 0.1062 0.3937 0.064 2 0.145 5 0.0706 0.1 274 0.1 753 0.0799 0.1323 0.4775 0.085 7 X11 1.0000 0.3316 0.1099 0.0 439 0.0484 0.0377 0.1086 0.056 4 0.106 5 0.0443 0.1 082 0.1 519 0.0865 0.0437 0.8248 0.066 4

表7 2011年序列初值化处理表Tab.7 Initialization processing table of 2011 sequence天津大连营口锦州葫芦岛盘锦唐山沧州秦皇岛滨州潍坊烟台威海东营青岛日照Y1 1.0000 0.4055 0.119 9 0.1 602 0.1617 0.1838 0.1859 0.063 9 0.197 1 0.0756 0.3 364 0.3 629 0.2236 0.0722 0.4698 0.227 1 Y2 1.0000 0.4 811 0.0900 0.0 875 0.0588 0.0827 2.3640 0.083 5 1.438 8 2.4929 3.9 550 2.4 761 1.1298 1.3818 2.7099 1.1138 Y3 1.0000 0.3881 0.0684 0.0 933 0.0480 0.1022 0.2870 0.089 5 0.175 5 0.1229 0.3 099 0.3 179 0.1727 0.1817 0.6295 0.122 5 X1 1.0000 0.6624 0.0916 0.1193 0.0532 0.0597 0.2519 0.082 4 0.120 9 0.1283 0.1 507 0.2 571 0.1094 0.1086 0.7050 0.066 4 X2 1.0000 0.8341 0.0839 0.1 040 0.0436 0.0733 0.2095 0.062 3 0.106 1 0.0519 0.1 068 0.2 645 0.1162 0.0469 0.6888 0.043 9 X3 1.0000 0.7179 0.1736 0.1137 0.1218 0.1011 0.3820 0.088 7 0.185 2 0.1479 0.2 447 0.4 742 0.2618 0.1757 0.5310 0.159 9 X4 1.0000 1.3089 1.1985 1.1 382 1.1544 1.1785 1.1608 1.051 0 1.431 5 1.2083 1.1 678 1.2 535 1.2840 1.1460 1.2930 1.222 3 X5 1.0000 0.8570 0.9032 0.8 729 0.8045 0.7805 0.9133 0.902 5 1.000 0 0.9436 0.8 622 0.9 573 1.0000 1.0000 1.0000 1.000 0 X6 1.0000 1.0801 0.7382 0.7 669 0.4903 1.1527 1.0906 1.152 7 1.066 6 1.0646 0.8 646 1.0 665 1.0823 1.0618 1.1146 1.039 2 X7 1.0000 0.4685 0.2386 0.3 275 0.3384 2.4252 0.7267 0.626 9 0.323 2 0.3232 0.5 618 0.6 139 0.2017 0.2278 0.6074 0.158 4 X8 1.0000 0.6148 0.0853 0.1 894 0.0636 0.0991 0.3305 0.050 2 0.160 0 0.0971 0.2 017 0.2 044 0.0813 0.1287 0.4717 0.082 1 X9 1.0000 0.3697 0.1063 0.0 657 0.0456 0.0507 0.1260 0.058 4 0.093 2 0.0465 0.1 383 0.1 621 0.0678 0.0526 0.4157 0.084 9 X10 1.0000 0.4055 0.119 9 0.1 602 0.1617 0.1838 0.1859 0.063 9 0.197 1 0.0756 0.3 364 0.3 629 0.2236 0.0722 0.4698 0.227 1 X11 1.0000 0.4 811 0.0900 0.0 875 0.0588 0.0827 2.3640 0.083 5 1.438 8 2.4929 3.9 550 2.4 761 1.1298 1.3818 2.7099 1.1138

表8 2 013列初值化处Tab.8 Initialization p 年ro 序cessing table o 理f 2表013 seq uence天津大连营口锦州葫芦岛盘锦唐山沧州秦皇岛滨州潍坊烟台威海东营青岛日照Y1 1.0000 0.3859 0.118 6 0.2 341 0.1404 0.1405 0.2004 0.070 1 0.187 2 0.0809 0.3 415 0.3 609 0.2161 0.0794 0.4533 0.227 5 Y2 1.0000 0.4363 0.0788 0.0 790 0.0577 0.0675 2.4520 0.075 5 1.277 8 2.2873 3.6 384 2.4 555 1.0183 1.2417 2.3467 1.176 0 Y3 1.0000 0.3506 0.0579 0.0 864 0.0448 0.0742 0.2452 0.075 7 0.152 7 0.1212 0.2 773 0.2 608 0.1535 0.1822 0.6318 0.144 1 X1 1.0000 0.5209 0.1884 0.0 562 0.0688 0.0505 0.2510 0.149 6 0.096 6 0.0640 0.117 3 0.2 326 0.0958 0.0994 0.6390 0.057 1 X2 1.0000 0.7686 0.0936 0.0 829 0.0736 0.0699 0.2046 0.060 6 0.104 7 0.0246 0.1 004 0.2 691 0.0792 0.0557 0.7408 0.048 4 X3 1.0000 0.6781 0.1660 0.1 232 0.1190 0.1054 0.3925 0.090 4 0.208 7 0.1926 0.2 621 0.4 567 0.2609 0.1849 0.8043 0.159 8 X4 1.0000 1.2624 1.112 4 1.1 799 1.1542 1.1102 1.1621 1.041 8 1.584 7 1.7 11 3 1.1 302 1.2 201 1.3545 1.2065 1.2616 1.214 7 X5 1.0000 0.9081 1.0284 0.9 031 0.8847 1.0331 0.9126 0.769 0 0.932 0 0.9884 0.9 354 0.9 434 1.0331 1.0331 1.0331 1.033 1 X6 1.0000 1.0758 0.8857 0.8 404 1.0368 1.1211 1.0706 1.098 5 1.071 6 1.0406 1.0 735 1.0 636 1.0678 1.0650 1.0684 1.059 3 X7 1.0000 0.7158 0.6245 0.1 328 0.4481 0.2552 0.2199 6.332 0 2.323 7 0.3382 0.5 996 0.5 664 0.1992 0.2178 0.5913 0.159 8 X8 1.0000 0.5 211 0.0903 0.1 728 0.0627 0.0971 0.3304 0.049 8 0.143 6 0.0942 0.1 944 0.1 998 0.0846 0.1197 0.4875 0.085 4 X9 1.0000 0.3780 0.0827 0.1 254 0.0556 0.0421 0.1380 0.065 4 0.1118 0.0535 0.1 617 0.1 748 0.0708 0.0468 0.4197 0.097 9 X10 1.0000 0.3859 0.118 6 0.2 341 0.1404 0.1405 0.2004 0.070 1 0.187 2 0.0809 0.3 415 0.3 609 0.2161 0.0794 0.4533 0.227 5 X11 1.0000 0.4363 0.0788 0.0 790 0.0577 0.0675 2.4520 0.075 5 1.277 8 2.2873 3.6 384 2.4 555 1.0183 1.2417 2.3467 1.176 0

经计算得出2009、2011、2013年的矩阵分别为：

（2）关联度数据判读

①基础设施建设与旅游业发展水平关联度分析

R2009显示：矩阵中每行均有6至7个因素的灰度值在0.90以上，其他因素均在0.65至0.90之间。其中，城市道路面积、公共交通数量、公共交通客运量、建成区绿化覆盖面积、医院数量、供水量、用电量（除工业用电）与旅游业发展水平关联度较大。第一行中有一半以上的因素关联度高于其他两行，所以Y1为优势母序列。

R2011显示：矩阵中每行均有6至7个因素灰度值在0.90以上，其他因素均在0.65至0.90之间。城市道路面积、公共交通数量、公共交通客运量、建成区绿化覆盖面积、医院数量、供水量和用电量（除工业用电）与旅游业发展水平关联度较大。经比较，该年份没有突出的优势序列。

R2013显示：每行均有5个因素灰度值在0.90以上，其他因素在0.75至0.90之间。城市道路面积、公共交通数量、公共交通客运量、建成区绿化覆盖面积、供水量和用电量（除工业用电）与旅游业发展水平关联度较大。经比较，Y1为优势母序列。

根据表9可知：3个年份中公路里程数、供水量、用电量（除工业用电）等指标与旅游业发展水平的相关程度升高，公共交通数量、建成区绿化覆盖面积、污水集中处理率与旅游业发展水平的相关程度降低。其他指标与旅游业的相关性维持一定程度，基本未变。

表9 3个年份旅游业与基础设施发展水平关联度排名变化Tab.9 Tourism and infrastructure relatedranking changes in three years

②旅游业与基础设施的总关联度

通过灰色关联度矩阵数据计算得出X1－X11与Y1、Y2、Y3的总关联度（见表10），可知3个年份中旅游业3个指标与基础设施发展水平的关联度差异较小，2009年接待游客总人数与基础设施发展水平的关联度最高；2011年旅游业3个指标与基础设施发展水平的关联度差值相对2009年有所增大，其中国内旅游收入与基础设施发展水平的关联度最高；2013年国内旅游收入、入境旅游收入与基础设施发展水平的关联度之间的差值较2011年有所增加，3个指标中接待游客总人数与基础设施发展水平的相关度最高。

表10 旅游业指标与基础设施发展水平的总关联度Tab.10 The total correlation between tourism indicators and infrastructure

2. 关联度的空间自相关分析

运用2009、2011、2013年数据计算环渤海地区16个沿海城市旅游业与基础设施发展水平的灰色关联度，得出各个城市的总关联度（见表11）。

表11 环渤海地区16个沿海城市旅游业与基础设施发展水平的总关联度Tab.11 The total correlation between tourism and infrastructure of 16 coastal cities in Bohai Ring Region

运用空间统计分析软件Geoda 9.2对总关联度进行全局空间自相关分析，在显著性水平小于0.05的情况下，全局莫兰指数，即Moran’s I值为—0.24301，可见各城市间的旅游业与基础设施发展水平关联度存在空间负自相关，即为分散的空间分布格局。为探究各个城市间具体空间相关情况，本文进行局部空间自相关分析，得出空间自相关集聚的Moran散点图及空间自相关集聚地图（见图1）。大部分城市属于High-Low（高—低）和Low-High（低—高）区域，即各城市旅游业对基础设施的依赖度表现为较明显的空间异质性。在显著性水平小于0.05的情况下，滨州属于High-Low的局部负相关类型（H—L），潍坊属于Low-High的局部负相关类型（L—H），其他城市均有空间相关性但不显著。

图1 环渤海地区沿海城市Moran散点图及空间自相关集聚地图Fig.1 Moran scatter diagram and spatial autocorrelation clustering map of coastal cities in Bohai Ring Region

3. 结果判读

灰色关联度分析结果表明：①环渤海地区沿海城市旅游业与基础设施发展水平的相关性较大，11项基础设施指标中有6项与旅游业相关指数大于0.9，且2009—2013年间相关指数大部分呈现上升或维持不变的态势，说明基础设施始终是旅游业发展的重要条件。②研究结果显示基础设施的指标中，供水量、供电量（除工业用电）、城市道路面积、公共交通数量、公共交通客运量、建成区绿化覆盖面积与旅游业发展水平的关联度较大，这几方面直接地影响到了旅游业六要素中的“食、住、行、游”，同时由于环渤海地区淡水资源短缺，故供水量对景区和宾馆的经营有着很大的影响。③国内旅游收入与基础设施发展水平的关联度始终高于入境旅游收入，且关联度差值随着时间推移越来越大，说明国内旅游收入受基础设施的影响大。

空间自相关是指一个区域单位上的某种属性值（如旅游业与基础设施相关性）与邻近区域单位上的同一属性值的相关程度。环渤海地区的16个沿海城市的旅游业与基础设施发展水平的关联度呈现空间负相关，说明各城市之间旅游业依赖基础设施的程度相互影响不大。在空间局部自相关分析中可知，滨州、潍坊与周边地区的关联性分别属于H—L象限和L—H象限，其他区域均不显著。这表明滨州旅游业与基础设施发展水平的关联度较高，同时比周边城市高，且差异明显，说明滨州的旅游资源禀赋较差，需依靠提升配套设施建设水平及服务水平吸引游客；而潍坊旅游业与基础设施发展水平的关联度较低，且低于周边城市，空间差异程度较大。总体而言，各城市的旅游业与基础设施发展水平的关联强度未能突破地域范围发生溢出效应。

四、结论与建议

本文通过对环渤海地区16个沿海城市的旅游业和基础设施建设水平进行测度发现，天津远高于其他城市，作为增长极带动周边城市增长；青岛、大连高于其他13个城市且在第二、三名波动，其他城市发展水平均一般，且区域差异较大。除天津、青岛、大连外，其他城市旅游业发展水平在快速提高，与青岛及大连的差距逐步缩小，空间增长开始趋向均衡。16个城市在旅游业、基础设施水平的梯度位置相似，可以在一定程度上引发对旅游业与基础设施是否具有相关性的思考。此外，通过对旅游业与基础设施发展水平的波动性的对比可见，旅游业发展具有脆弱性，而基础设施相对来说不敏感且对城市及其旅游业的发展有着长期累积的影响。旅游业与基础设施发展水平的关联度及其空间自相关分析表明：①旅游业与基础设施发展水平之间有较大的相关性，两者相辅相成。②基础设施中对旅游业起主要作用的因素是水电能源供给、城市内部交通、对外交通等，环境和医疗卫生设施也对旅游业发展有一定影响，但相对交通设施和能源供给而言影响力较低。交通是旅游客源地与目的地间的连接纽带，对城市旅游业的发展至关重要。交通区位条件较好，而旅游资源禀赋一般的城市，其旅游业也能得到较好的发展，所以交通条件是影响旅游业发展区域差异的重要因素。旅游业是典型的资源节约型和环境友好型产业，旅游业能源消耗是推动城市旅游业发展的物质基础，同时因能源具有地理特性，所以会通过空间传导机制对临近城市旅游业产生影响。③国内旅游收入与基础设施发展水平的关联度高于入境旅游收入。外国游客在旅游过程中能够直观感受到基础设施发展水平，完善的交通体系提供了可达性，优美的景观绿化提供了舒适性，充足的能源供给提供了便捷性，但其对旅游目的地旅游资源禀赋的关注高于国内游客。④城市的发展水平与其基础设施和旅游业发展水平的关联度没有明显的相关性，即较发达城市基础设施建设水平的提高对旅游业发展的影响并不一定大于较不发达城市，反之同理。例如，交通基础设施与除旅游业外的其他国民经济产业也相互依存、紧密关联，其完善有助于降低交易成本，其他产业若因此得到更快发展，可能会对旅游业产生“挤出效应”，阻碍了旅游业的发展。⑤除滨州、潍坊外，其他城市间的空间自相关并不显著，且大部分处于H—L及L—H象限，空间异质性明显。所以环渤海地区城市旅游业与基础设施发展水平的关联度未能突破地域范围发生空间溢出。

根据环渤海地区沿海城市旅游业与基础设施发展水平之间关联度及其空间特征分析，笔者认为在全域旅游战略指引下环渤海地区沿海城市应从3个方面着力：①提高旅游基础设施建设水平，同时基础设施的建设不仅要考虑城市本地人的生产、生活、生态需求，还要统筹考虑旅游业发展的“三生空间（生产、生活、生态）”配置问题，尤其应加强交通路网的建设，提高能源的利用率，并继续加强城市环境的美化和卫生工作。②国内旅游带动着城市基础设施水平日益升高，各城市应继续培育国内旅游市场，全面提升人民生活质量和城市人居环境。③环渤海地区沿海城市旅游业与基础设施发展水平的关联程度未能突破地域空间范围发生空间溢出，原因可能在于各城市所处的旅游业的发展阶段不同，旅游基础设施建设的侧重点也不同。

［1］Crouch G I & Ritchie J R B. Tourism， competitiveness， and societal prosperity ［J］.Journal of Business Research， 1999， 44（3）： 137～152.

［2］Dwyer L， Forsyth P & Rao P. The price competitiveness of travel and tourism ： A comparison of 19 destinations ［J］.Tourism Management， 2000， 21（1）：9～22.

［3］Enright M J & Newton J. Determinants of tourism destination competitiveness in Asia Pacif i c： Comprehensiveness and universality ［J］.Journal of Travel Research， 2005，43（4）： 339～350.

［4］Heath E. Towards a model to enhance destination competitiveness： A southern African perspective ［J］.Journal of Hospitality and Tourism Management， 2003， 10（2）：124～141.

［5］Kozak M & Rimmington M. Measuring tourist destination competitiveness： Conceptual considerations and empirical findings ［J］.Hospitality Management， 1999（18）：273～283.

［6］Sahli M， Hazari B & Sgro P. Tourism Specialization：A comparison of 19 OECD Destination Countries ［EB/OL］. http://www.erc.ucy. ac.cy/ english/ conference2003.

［7］Vengesayi S. A conceptual model of tourism destination competitiveness and attractiveness［C］//ANZMAC Conference Proceedings. Adelaide， Australia： Monash University， 2003 ： 637～647.

［8］陈晓， 李悦铮. 环渤海城市旅游竞争力差异及整合［J］. 地理与地理信息科学，2008， 24（1）： 105～108.

［9］丁蕾， 吴小根， 丁洁. 城市旅游竞争力评价指标体系的构建及应用［J］. 经济地理，2006， 26（3）： 511～515.

［10］郝秀琴. 旅游业与经济增长、基础设施的灰色关联分析——以河南省为例［J］.产业经济， 2014（8）： 60～62.

［11］黄金川， 黄武强， 张煜. 中国地级以上城市基础设施评价研究［J］. 经济地理，2011， 31（1）： 47～54.

［12］江海旭. 我国滨海城市旅游竞争力空间结构研究［D］. 大连： 辽宁师范大学，2014.

［13］黎洁， 赵西萍 . 论国际旅游竞争力及其阶段性演进［J］. 社会科学家， 1999， 14（5）：20～23.

［14］李丰生， 杨莎莎.中国各省（市、区）城市旅游竞争力评估指标体系的构建及其实证评估［J］.生产力研究，2006（6）：137～138.

［15］李瑶亭. 城市旅游产业发展研究： 指标体系、发展模式与经济效应［D］. 上海：华东师范大学， 2013.

［16］刘思峰， 党耀国， 方志耕. 灰色系统理论及其应用［M］. 第3版. 北京： 科学出版社， 2004.

［17］刘素平， 邱扶东， 冯学钢 . 城市旅游竞争力研究综述［J］. 经济地理， 2008， 28（5）：867～871.

［18］莫帮洪， 杨剑川.城市旅游竞争力分析框架初探［J］.社会科学家，2005（S2）：193，201.

［19］马仁锋， 倪欣欣， 张文忠， 等. 浙江旅游经济时空差异的多尺度研究［J］. 经济地理，2015， 35（7）： 176～182.

［20］马丽君， 肖洋. 湖南省居民省内旅游流的集聚扩散时空特征——基于网络关注度数据的分析［J］. 旅游导刊， 2018， 2（2）： 40～55.

［21］蒲雪芹. 城市旅游竞争力评价研究［D］. 天津： 天津大学， 2008.

［22］苏伟忠， 杨英宝， 顾朝林 .城市旅游竞争力评价初探［J］. 旅游学刊， 2003， 18（3）：39～42.

［23］王娟. 中国省域旅游业竞争力综合定量评价［J］. 人文地理， 2006（3）： 78～82.

［24］王诗理， 汪嫦. 世界眼中的中国旅游竞争力——世界经济论坛旅游视野［J］. 中国西部， 2012（14）： 10～13.

［25］万绪才， 李刚， 张安.区域旅游业国际竞争力定量评价理论与实践研究——江苏省各地市实例分析［J］. 经济地理， 2001（3）：355～358.

［26］肖洪根.新时代中国旅游发展的理论与实践［J］.旅游导刊，2018，2（2）：16～26.

［27］鄢慧丽. 城市旅游竞争力研究［D］. 武汉： 华中师范大学，2005.

［28］张爱平. 环渤海区域旅游空间分异演变研究［D］. 锦州： 渤海大学， 2012.

［29］张辉，范荣廷.旅游业二次革命与规范研究的三个基础工作［J］.旅游导刊，2017，1（2）：9～19.

［30］周凤杰， 张爱平， 马楠. 环渤海区域旅游空间分异研究［J］. 商业研究， 2012（1）：163～167.

［31］章仁俊， 陶晓燕， 朱九龙.基于改进的AHP法的城市旅游竞争力评价［J］.生产力研究，2006（9）：103～105.

［32］周海燕.城市旅游竞争力的评价研究［J］. 湖北经济学院学报（人文社会科学版），2007（2）： 55～57.

［33］张争胜， 周永章.城市旅游竞争力的实证研究——以广东省为例［J］. 资源开发与市场， 2005（1）： 13～16.