中国旅游生态效率的空间关联网络结构及其影响因素研究

程慧，徐琼，赵梦亚

1. 湖南师范大学旅游学院，长沙 410081

2. 中南大学商学院，长沙 410083

0 前言

改革开放四十年来，中国旅游业迅猛发展，创造着巨大的经济利益和社会价值，但也引起了一系列日益凸显的环境问题。在2017年第二届“气候变化与旅游国际会议”上中国号召世界各国各地区旅游相关部门积极采取措施节能减排，同时在党的十九大报告中强调，旅游对加快生态文明体制改革，建设美丽中国大有所为。可见，旅游对生态环境的影响越来越引起关注。旅游生态效率作为既衡量旅游经济效益又兼顾旅游环境影响的综合指标，是对旅游生态化水平的客观衡量。在信息化、科技化、互联网化迅猛发展的今天，区域间的旅游合作与竞争日趋激烈，旅游生态效率的空间关联关系也错综复杂，旅游生态效率的区域空间协作难度日益加大。因此，本文从空间关联视角研究中国旅游生态效率，以期明晰其空间关联网络结构，探究其空间关联网络结构的特征、形成机理及影响因素，对中国各省市旅游业的可持续发展具有重要的理论与现实意义。

自20世纪70年代以来，“生态效率”的理念被借鉴用来衡量经济对环境的影响能力，不同的组织给出了相关的定义[1]。“旅游生态效率”则是生态效率在旅游业中的衍生，目前定义也尚未统一，其中较具代表性的是Gössling等提出的用旅游碳排放总量与旅游经济收入的比值代表旅游生态效率[2]。随着旅游对生态环境的影响日益突出，旅游生态效率也成为了国内外研究的新兴和热点方向。目前，国内外旅游生态效率研究主要集中在旅游生态效率的基础理论、旅游生态效率的测度以及旅游生态效率的目的地管理等方向。其中在理论研究方面，Stefan[3]、姚治国[4]等从不同角度给出了旅游生态效率的定义，马勇[5]、刘军[6]、姚治国[7]等对旅游生态效率研究进展进行了综述，还有一些学者对旅游生态效率的理论基础展开了研究[8-10]。在旅游生态效率的测度方面，目前主要采用单一指标法[11]、模型法[12-13]、投入产出法[14-15]等，对不同的旅游目的地进行测量与评价。在旅游生态效率的目的地管理方面，已有学者从旅游生态安全、旅游生态补偿、旅游生态关系等方面开展了实证研究[16-19]。

综上所述，国内外关于旅游生态效率的研究主要关注于理论、测度等研究层面，而从空间角度深层次探讨旅游生态效率的研究尚不多见，而社会网络分析法在分析复杂网络关系相较于传统的空间分析方法具有一定的优势，且在其他领域得到了验证[20-22]。据此，本文选择将社会网络分析法(SNA)应用到旅游生态效率空间关联网络结构的研究中，首先，采用 Super-SBM 模型对 2008—2017年中国31个省(市、自治区)的旅游生态效率进行测度；其次，构建中国旅游生态效率的空间关联网络结构，并进一步分析其网络结构的特征、形成机理及影响因素，清晰刻画中国旅游生态效率的空间联动结构；最后，提出提高中国旅游生态效率和加强空间协作联动的针对性建议，以期促进各省市旅游生态效率的良好协作与旅游业的可持续发展。

1 旅游生态效率的测度

1.1 超效率SBM(Super-SBM)模型

旅游业是一个多投入、多产出的综合性产业，旅游生态效率主要考量旅游业的资源投入与环境代价之间的关系，以期实现资源投入最少、环境影响最小而经济效益最大的最优目标。该目标与经典的数据包络分析(DEA)方法思想一致，但传统的 DEA方法仅考虑资源投入与经济产出之间的关系，而对于环境污染等非期望产出未考虑在内，因此本文选取包含非期望产出的Super-SBM模型测度旅游生态效率，模型如下[23]:

其中，ρ为旅游生态效率值，n为 DMU 的个数，m、r1、r2分别为投入、期望产出、非期望产出的指标，x、yd、yμ分别对应投入、期望产出、非期望产出构成的矩阵中的元素。

1.2 指标体系建立与数据来源

科学合理的投入产出指标是旅游生态效率测度的基础与关键，本文借鉴已有研究[15，24-25]，投入指标从经济学基本三要素(土地、劳动、资本)方面选取，由于土地要素在旅游生产中很难衡量，因此选取与旅游业紧密相关的资源要素进行考量，包括星级饭店数量、旅行社数量以及旅游景区数量三大指标；资本要素用旅游业固定资产值表征；劳动力要素采用旅游业年末从业人数进行衡量。产出指标包括期望产出和非期望产出两部分，期望产出是对旅游产业效益的衡量，选取直接描述旅游业发展水平的旅游总收入和旅游总人次两大产出指标。环境污染表示非期望产出，选取最具代表性的旅游业“三废”指标表征。结合数据的可得性、科学性与准确性，构建了旅游生态效率的评价指标体系(表1)。

表1 旅游生态效率投入产出指标体系Table 1 Tourism eco-efficiency input-output indicator system

本文以中国31个省(市、自治区)为研究对象，所有指标数据均来自于《中国统计年鉴(2009—2018)》、《中国旅游统计年鉴(2009—2018)正本及副本》、《新中国六十年统计资料汇编》、《中国旅游抽样调查资料》、各省市统计公报、统计年鉴等资料，部分地区缺失时期数据用平均值或插补法进行补充。此外，对于环境污染的旅游“三废”指标目前国内未进行单独核算，因此参照已有研究[24-25]，采用旅游总收入占国民生产总值的比值进行换算。

2 旅游生态效率的空间关联网络结构

2.1 空间关联网络的构建及特征指标

2.1.1 空间关联网络的构建

空间关联网络的构建是社会网络分析法的关键，既有研究中主要采用VAR 格兰杰因果检验方法[26]和引力模型或修正的引力模型[27]。由于引力模型将经济地理因素考虑在内，可以更加精准的刻画网络特征，因此，本文采用修正的引力模型刻画中国旅游生态效率的空间关联网络，测算模型如下:

其中，Sij表示第i、j省份之间旅游生态效率的引力，Ei、Ej、Gi、Gj、gi、gj分别表示第i、j省份的旅游生态效率、国内生产总值、人均国内生产总值，表示第i、j省份省会间地理距离。据此模型构建中国31个省际之间的引力矩阵，每行取该省与其他省份的引力均值作为比较值，将该行中引力Sij大于该行平均水平的记为 1，表明该行省份与该列省份旅游生态效率存在关联，否则记为 0，则表明该行省份与该列省份之间不存在关联关系，从而建立中国省际旅游生态效率的空间关联二值矩阵(GL)。

2.1.2 空间关联网络结构的特征指标

社会网络分析法(SNA)是一种对复杂多变网络结构中各成员关系进行精确的量化，分析网络结构的整体特征及各节点之间的个别属性的方法。本文运用该方法研究分析中国旅游生态效率空间关联网络结构的整体特征、个体特征以及聚类特征。

(1)整体网络结构特征。主要采用网络关系数、网络关联度、网络密度、网络等级度及网络效率五个指标来描述整体。其中网络关系数是对省际空间关联网络关系数的描述，关系数越多，表明省际之间联系越紧密，则省际关联越强。网络关联度是对空间关联网络结构的稳健性的刻画，网络关联度为1时，表明所有节点都位于整个网络结构中，稳健性强；否则，稳健性差。网络密度是对省际旅游生态效率联系强度的表征，网络密度越大，空间关联关系越强，反之亦然。网络等级度是对中国旅游生态效率空间网络结构的非对称可达程度的表征，等级度越高，表明各省市旅游生态效率在网络结构中地位差异越大。网络效率是描述空间网络结构关联线的多少，效率越低，表明各省(市、自治区)关联线越多则网络结构越稳定。

个体网络结构特征。主要采用点度中心度、接近中心度和中介中心度三个指标来刻画。其中，点度中心度以表征各节点在空间网络结构中的地位，度数越高，表明其与其他节点的关联度越紧密，位置越靠近网络中心。接近中心度是对某省份不受其他省份影响程度的表征，度数越高，表明该省份越容易对其他省份产生关联，位置上“距离”其他省份就越近。中介中心度用以表征某省份对其他省份控制程度，度数越高，表明该省份在网络整体结构中起着中介桥梁作用。

(3)聚类网络结构特征。主要采用块模型分析评价各个板块在网络结构中的角色与作用。本文借鉴Wasserman等的研究[28]，将中国 31省(市、自治区)旅游生态效率空间关联网络划分为四个属性，板块的属性根据其板块内外部接收和发出关系数与板块内部成员数判断而来(表2)，揭示各板块在空间网络中的位置与角色以及板块内外部之间的联系与互动，其中gk表示板块内的成员数量，g表示整个网络关系中的成员数量。

表2 块模型中旅游生态效率板块属性分类Table 2 Classification of tourism eco-efficiency plate attributes in block model

2.2 整体网络结构特征分析

本文将测算得到的旅游生态效率作为构建空间关联矩阵的基础数据，结合基于修正引力模型测算得到的引力构建空间关联二值矩阵(GL)，采用 UCINET软件绘制中国旅游生态效率的空间网络拓扑图，并进行各特征指标的测算，在此选取2008、2011、2014、2017年4个年份为代表进行横向比较(图1)。

2.2.1 空间网络关联强度分析

网络关系数和网络密度两大整体特征指标是对空间网络关联强度的刻画。(1)网络关系数。从图 2可见，中国旅游生态效率空间网络关系数大体上呈现出增长的趋势，从 2008年的 129个上升到 2017年的 171个，增长率达到 32.56%，增长幅度较大，其中2012、2015年最多，达到178个，但与理论理想值 930个还存在一定的差距，表明虽然中国各省市旅游生态效率空间关联度日渐增强，日趋紧密，但整体水平不高，还存在较大的提升空间。(2)网络密度。2008—2017年中国旅游生态效率的空间网络密度也随之增长，从 0.139增长至 0.184，涨幅达到32.37%，同样在2012和2015年达到最大值为0.191，在2012年后，网络密度趋于稳定，要求我们在不断促进各省市之间协作的同时，也要注意空间的优化配置，将空间关联强度控制在理想值之内。综合来说，研究期内中国旅游生态效率的空间网络关联强度不高，但呈现出增强的态势。

图1 2008—2017年中国旅游生态效率的空间关联网络结构Figure 1 Spatial correlation network structure of China's tourism eco-efficiency from 2008 to 2017

图2 2008—2017年中国旅游生态效率空间关联网络结构指标的变化趋势Figure 2 Trends of spatial correlation network structure indicators of tourism eco-efficiency in China from 2008 to 2017

2.2.2 空间网络关联性分析

空间网络关联性分析往往借助于网络关联度、网络等级度和网络效率三大指标进行描述。(1)网络关联度。2008—2017年中国旅游生态效率空间网络关联度始终为1，说明中国31省(市、自治区)均位于旅游生态效率整个网络体系结构中，网络结构稳健性较强，各省之间具有良好的互通性，存在着空间溢出效应。(2)网络等级度。图 2显示，中国旅游生态效率网络等级度呈波动下降趋势，从 2008年的0.602下滑至2017年的0.332，下降率达到44.85%。自2009年后，等级度一直位于0.5以下，2011后下降剧烈，2012年达到最低，表明北京奥运会与上海世博会的举办促进中国各省市在旅游生态要素方面的协作，使旅游生态效率的网络关联度大大加强，网络结构也更加优化。(3)网络效率。研究期内网络效率整体呈现缓慢下降趋势，起伏较小，从 0.662降至0.621，表明中国各省旅游生态效率空间冗余关系数量趋于减少，省际之间的溢出关系数量在增加，空间网络结构趋于稳定。综合来看，2008—2017年中国省际旅游生态效率的空间网络关联度不断增强，结构趋于稳健。

2.3 个体网络结构特征分析

本文采用中心性分析对中国旅游生态效率的个体网络结构特征进行刻画，借助点度中心度、接近中心度以及中介中心度三个特征指标，选取最近时期2017年为代表年份进行分析，测算结果如表3所示。

2017年中国31省(市、自治区)旅游生态效率个体网络的点度中心度均值为 26.989。上海、北京、天津、江苏、浙江 9省市高于均值，表明该些省市在空间网络结构中更靠近中心位置，与其他省市联系紧密，影响力大，其中上海、北京、天津、江苏、甘肃 5省市的点入数远远大于点出数，呈现出显著的净受益效应，在旅游业的发展过程中，旅游生态要素集聚，推动本省市旅游生态效率的提高，促进旅游业的优质发展，这与该些省市大多为中国东部发达省市密切相关，其经济实力雄厚，人才技术资源集聚，享受着地理溢出优势。而大多数中西部及东北省市的点度中心度较低，与其他省市空间关联薄弱，处于空间网络的边缘位置，影响力较小，这可能与该些地区地理位置偏远，产业基础薄弱，基础设施落后等因素有关。综合来说，长三角、珠三角经济发达地区靠近中国旅游生态效率空间网络的中心位置，影响力较大，而东北及中西部省市位于边缘地带，还存在较大的提升空间。

从个体网络的接近中心度来看，2017年中国旅游生态效率的空间网络接近中心度均值为 57.942。其中仅上海、北京、天津、江苏、福建、浙江6省市高于均值，表明该些省市较容易与其他省市产生空间关联，旅游生态要素在彼此之间流动快，对其他省市旅游生态效率的提高具有显著的推动作用，这与该些省市经济发达、信息技术力量雄厚等因素息息相关。而东北和西北地区省市接近中心度较低，空间网络联系难度较大，接收其他省市的推动作用不显著。

从个体网络的中介中心度来看，2017年中国旅游生态效率的空间网络中介中心度的均值为2.809。高于均值的省市有上海、北京、天津、江苏、浙江5省市，表明该些省市在旅游优质发展过程中，对旅游生态资源与信息技术等控制能力强，对其他省市的旅游生态效率也起到了控制与调节的作用，是整个空间关联网络的重要枢纽，起到了“桥梁”的关键媒介作用。而青海、黑龙江、吉林、辽宁、河北的中介中心度位于后 5位，表明该些省市由于自身旅游生态效率低，在空间网络结构中很难对其他省市产生控制与传导作用，自身实力单薄、影响力较弱。

表3 2017年中国旅游生态效率空间关联网络结构中心性分析Table 3 Central analysis of spatial structure of China's tourism eco-efficiency in 2017

2.4 聚类网络结构特征分析

本文采用块模型分析中国各省市旅游生态效率错综复杂的网络体系(图1)，借助UCINET软件中的CONCOR 工具，根据块模型板块属性划分，将中国31省市划分为四个板块(表4)。

如表 4所示，中国旅游生态效率空间网络板块间的内部关系数共27个，前面所测2017年板块间的关系数为 171个，占比 15.79%，表明中国各省份旅游生态效率内部存在着空间集聚效应和空间溢出现象，各板块之间相互协作，互推互动，但空间关联性还需提高。其中，第一板块包括北京、天津两市，板块的接收关系数明显高于溢出关系数，实际内部关系比例远远大于期望内部关系比例，表明北京和天津由于经济发达及地理位置优势，享受着得天独厚的空间溢出效应，属于“净受益”板块。第二板块包括江苏、广东、浙江等 5省，该板块接收关系数远远大于溢出关系数，期望内部关系比例比实际内部关系比例低，属于“双向溢出”板块，该板块省市均位于东部沿海地区，与其他省份联系紧密，接收其他省份的关系与溢出关系都较多。第三板块包括内蒙古、吉林、青海等12省，该些省份主要位于东北及西北地区，该板块内外均接收与溢出了较多关系，与板块内外部成员联系密切，在旅游生态效率关联网络结构中充当着“纽带”作用，因此属于“经纪人”板块，其实际内部关系比例略低于期望内部关系比例。第四板块包括湖北、湖南、山西等12个省份，大多数为中部省份，该板块溢出关系较多，为“净溢出”板块，由于中部省份的地理位置的独特性，使其易对其他省份发生空间溢出关系，实际内部关系比例 11.11%，落后于期望内部关系比例36.67%。

表4 中国旅游生态效率空间关联板块划分Table 4 Tourism eco-efficiency spatial association plate division

进一步运用凝聚子群分析路径，测得中国旅游生态效率空间关联网络的密度矩阵(表5)，再根据之前测得 2017年中国旅游生态效率空间网络密度为0.1838，将板块密度大于该值的记为 1，反之记为 0，得到了中国旅游生态效率的空间关联网络的像矩阵。北京、天津所在的第一板块与江苏、浙江等发达省市所在的第二板块之间互动密切，存在显著的双向溢出关系，而以东北与西北省市为主的第三板块和以中部省市为主的第四板块联系较少，板块互动效应弱，两板块间空间溢出较少。

3 旅游生态效率空间关联网络结构的影响因素

3.1 影响因素的选取及模型构建

表5 旅游生态效率空间关联板块的密度矩阵和像矩阵Table 5 Density matrix and image matrix of the spatial association plate of tourism eco-efficiency

为进一步探究中国旅游生态效率空间关联网络整体及个体差异的内在机理，本文试图揭示其空间网络演变与传导的内在驱动力。影响旅游生态效率空间网络差异的原因是复杂多样的，参考相关研究成果[29-31]，本文以最接近的 2017年为研究对象，选取产业结构(I)、对外开放程度(O)、经济发展水平(E)、技术创新(T)、空间邻接关系(C)、能源消耗(N)、政府规制(G)为自变量，将旅游生态效率的空间关联矩阵(GL)作为因变量，构建QAP回归模型:其中: 产业结构选取第三产业占GDP比重衡量；对外开放程度选取外商企业投资总额来衡量；经济发展水平选取人均GDP表示；技术创新以发明专利授权数表示；空间邻接关系采用0—1法则，若两省邻接则记为1，否则记为0 ；能源消耗以旅游业能源消耗总量衡量；政府规制以政府环境污染治理投资额来衡量，各指标数据主要来源于《中国统计年鉴》、《中国旅游统计年鉴》等，构建各指标的差异矩阵与空间关联矩阵建立函数关系，选取社会网络分析中适用于检验矩阵之间相关性的非线性二次指派程序(QAP)方法，借助 UCINET软件测算旅游生态效率空间关联性影响因素的回归结果。

3.2 影响因素的QAP分析

3.2.1 相关分析

由表 6可知，影响因素中对外开放程度、经济发展水平和空间邻接关系均通过了 1%的显著性检验，并且与旅游生态效率空间关联成正相关关系，相关系数分别为 0.196、0.195、0.155，表明对外开放程度及经济发展水平的提高，有利于中国旅游生态效率空间关联的增强，同时邻省之间更容易发生空间溢出效应。产业结构、技术创新、政府规制与旅游生态效率空间关联在 5%的水平上显著正相关，相关系数分别为0.107、0.137和0.137。而能源消耗未通过显著性 10%的检验，表明省际之间的能源消耗差异未对旅游生态效率的空间关联产生显著影响。其中，最大值、最小值是指矩阵随机置换 1万次结果中所得的相关系数最小值与最大值，P1、P2分别表示置换过程中的相关系数大于等于、小于等于最终相关系数的概率。

3.2.2 回归分析

QAP回归结果如表7所示，经过1万次随机置换计算得到的调整后判定系数(2R)为 0.278，且通过 1%的显著性检验，说明回归模型可以解释中国旅游生态效率空间关联网络结构变化的 27.8%。从具体影响因素来看: (1)空间相邻关系因素通过了1%的显著性检验，回归系数为正且绝对值最大，表明中国旅游生态效率空间关联呈现“俱乐部趋同”，越邻近的省份越容易发生空间关联，而空间距离越大，则发生空间溢出的难度也就越大。(2)产业结构、经济发展水平、对外开放程度三个因素在5%的水平上显著，且回归系数均为正值，表明经济发达程度差异越大，第三产业占比差异越大、对外开放程度差异越大的地区，空间关联越强，各省份旅游生态效率之间越容易发生空间溢出。(3)技术创新因素通过了10%的显著性检验，回归系数为0.005。(4)政府规制因素未通过 10%的显著性检验，表明其对旅游生态效率空间关联没有产生显著影响，可能的解释是由于政府在环境治理上的投资额，与当地自然环境的脆弱性和自身旅游业所处阶段有关，因此对省际旅游生态效率空间关联影响作用不显著。其中，P1、P2分别表示1万次随机置换产生的回归系数大于等于、小于等于实际回归系数的概率。综上所述，空间邻接关系与对外开放程度对中国旅游生态效率的空间关联影响最大。

表6 中国旅游生态效率空间关联影响因素的相关性分析Table 6 Correlation analysis of spatial correlation factors of tourism eco-efficiency in China

表7 中国旅游生态效率空间关联影响因素的回归分析Table 7 Regression analysis of spatial correlation factors of tourism eco-efficiency in China

4 结论与建议

4.1 主要结论

本文采用2008—2017年中国31省(市、自治区)的面板数据，在对省际旅游生态效率科学测度的基础上，根据社会网络分析方法，引进修正的引力模型，构建了旅游生态效率的空间关联网络矩阵，并进一步对中国旅游生态效率空间关联网络结构的特征、形成机理及影响因素进行了实证分析与深入探讨，主要结论如下:

从整体网络结构特征来看，2008—2017年中国旅游生态效率整体网络结构关联强度不高，存在较大的提升空间，但呈现出上升的趋势；整体网络关联性也不断增强，结构趋于稳健，尤其是2008年北京奥运会与2010年上海世博会后，对整体网络结构关联性增强有着显著的促进作用。

从个体网络结构特征来看，北京、上海、天津、江苏等东部沿海发达省份的点度中心度、接近中心度、中介中心度都较高，排名靠前，说明他们在整个旅游生态效率网络结构中处于核心位置，且容易和其他省份发生关联，是网络结构中的重要枢纽，对其他省份有较强的控制与传导作用，起着“桥梁”的关键作用；而东北及西北地区省份各项指标排名落后，在网络结构中处于边缘地位。

(3)从聚类网络结构特征来看，第一板块(“净受益”板块)包括北京、天津两市，第二板块(“双向溢出”板块)主要包括东部发达省份，第三板块(“经纪人”板块)主要包括东北及西北地区省份，第四板块(“净溢出”板块)大多数为中部省份，其中第一、二板块之间存在双向溢出关系，板块互动密切，关联性强，而第三、四板块之间联系较弱，板块溢出效应弱。

(4)从空间关联网络结构的影响因素来看，产业结构、对外开放程度、经济发展水平、技术创新和空间相邻关系等因素对中国旅游生态效率空间关联均具有显著的正向影响，其中空间邻接关系与对外开放程度对其影响最大。

4.2 对策建议

依据以上结论，为进一步促进中国旅游生态效率的提高，推动各省(市、自治区)旅游生态效率空间关联性的增强，本文提出以下政策建议

第一，从全国层面看，应将空间关联性作为区域经济发展的新引擎，在提高各省份旅游生态效率的同时，也要树立全局意识和整体观念，发挥“1+1＞2”空间关联优势，大力开发与构建空间溢出“纽带”，完善旅游生态效率溢出机制，出台鼓励旅游生态效率的溢出政策，增强中国旅游生态效率的省际关联。

第二，从省级层面看，首先，各省市应优化自身旅游产业结构，使自身旅游生态效率达到最优。其次，要注重与其他省份的合作共赢，东部省份应最大发挥对中西部省份的辐射与带动作用，加大与欠发达地区的联动，均衡各省市的接收与溢出关系，使旅游生态效率显著提升。此外，中西部省份应尽可能减少自身的溢出效应，完善自身的传导机制，如加大交通基础设施建设、完善人才引进政策等，吸引更多的空间溢出，促进中国旅游生态效率的区域均衡与协调联动发展。

第三，从空间关联网络的聚类情况看，各板块之间要突破旅游生态效率的“俱乐部趋同”效应，使“近朱者赤”发挥最大作用，将“近墨者黑”的影响控制到最小，加大各板块之间的双向溢出效应，增强各板块的联动，使各板块之间形成一个互通互联的整体。此外，各板块针对自身的属性与角色，制定适合自身的区域发展战略，发挥自身优势，增强联动效应。

第四，从空间关联网络的影响因素看，首先，各省市要注重自身经济基础建设，优化产业结构，加大对外开放程度、鼓励技术创新，并控制能源消耗，发挥自身旅游资源优势，制定适合自身发展的旅游规划，为旅游生态效率的空间“纽带”的建设打好基础。此外，各省市之间应加强资源、人才、资金、技术的交流，建立“扶贫”机制，通过帮扶，促进各省市旅游生态效率的提高以及发挥更大的联动协调效益。