中国传统村落与旅游发展要素时空匹配格局及互动作用

张新成，高 楠，孙丽伟，邬 超，王琳艳

(1 西北大学 经济管理学院，陕西 西安 710127;2 山西财经大学 文化旅游学院，山西 太原 030031;3 山西工商学院 旅游与酒店管理学院，山西 太原 030006;4 西安理工大学 经济与管理学院，陕西 西安 710054)

2012—2019年全国共有6 819个村落被列入中国传统村落名单，已形成了世界规模最大的农耕文明遗产保护群，这标志着中国传统村落发展已步入复苏时期。但随着城镇化步伐加快，传统村落面临着劳动力流失造成人口结构失衡、产业滞后导致居民收入缩减、边缘化引发文化传承断代、社会治理失效阻碍现代化进程等多重困境[1]。当前，发展乡村旅游在提高农民收入、优化村落生态环境、促进产业联动等方面具有积极作用，已成为推进美丽乡村建设和乡村振兴的重要模式之一。传统村落蕴含着丰富的历史文化资源，具有独特的旅游价值和较高的旅游吸引力，是众多旅游目的地建设的重要内容。伴随着传统村落复苏，其对旅游业发展要素的需求日趋增长，由此带来的供需要素矛盾将逐渐凸显，成为制约传统村落旅游业可持续发展的瓶颈。因此，协调好传统村落与旅游发展要素之间的匹配关系，合理配置旅游业发展要素资源，对助推传统村落旅游业发展以及实现传统村落保护与开发的良性循环具有重要意义。

国内外学者从多个视角对传统村落与旅游业发展的关系进行研究。国外学者多围绕旅游开发对传统村落的影响展开研究[2]，研究内容多集中于空间形态[3]、社会文化[4]、生态环境[5]、农户生计[6]、开发和驱动模式[7]、乡村市场化和城镇化的影响[8-9]等方面；也有学者从传统村落本身的社会资本[10]、社区参与[11]、资源价值[12]、遗产保护[13]等考察其对旅游业产生的影响；此外，部分学者还探讨了传统村落旅游业发展的游客体验[14]、经营管理[15]、可持续发展[16]、国家战略[17]等问题。国内学者亦进行了本土化的有益探索[18]，评价了传统村落旅游开发潜力[19]、景观脆弱性[20]、游客满意度[21]等内容，但在研究视角上偏向微观案例[22]，具有鲜明的地域性倾向[23];通过传统村落旅游量表开发，结合因子分析[24]、社会网络[25]、结构模型[26]等方法分别对乡村旅游中农户适应性、利益网络、影响因素等进行测度；也有学者通过耦合协调度、博弈论等数理模型分别对传统村落旅游与社区发展关系[27]、传统村落利益分配[28]等问题进行分析。现有研究中对传统村落与旅游发展要素互动关系的研究尚为欠缺，而深入研究两者互动关系，将有助于探究传统村落与旅游发展要素互动作用的演变过程及形成机制，为协调区域传统村落发展与旅游发展要素资源利用、优化调控旅游发展要素资源、促进传统村落旅游业可持续发展等提供理论支撑。基于此，本研究选取中国31个省(区、市)2012—2018年相关数据，对服务设施、交通、娱乐、GDP等乡村旅游业发展要素与传统村落分布的匹配关系及时空格局进行分析，并运用面板向量自回归模型和面板分位数模型探讨其形成机制。

1 研究方法与数据来源

1.1 旅游发展要素指标构建

乡村旅游是以乡村特色文化旅游资源为依托，以满足旅游者休闲、娱乐、观光等目标，以周边地区收入较高的城市居民为客源市场，将农业与旅游业结合的新兴旅游业态。本研究以乡村旅游内涵、旅游业发展的“六要素”理论为基础[29]，结合乡村振兴战略的总要求以及保护优先的传统村落发展理念，在维度指标筛选上参照已有研究成果[29-33]，将传统村落旅游发展要素系统解构为基础设施、旅游交通、娱乐服务、客源市场、经济基础、生态环境、信息化、人力资源8个维度共26个指标(表1)。

表1 旅游发展要素指标体系Tab.1 Indicator system of tourism development factors

1.2 指标释义、数据来源与处理

为了更合理地获取指标数据，在咨询有关专家后，乡村旅游站点咨询数采用乡村文化站数[32]；乡村能源供给水平由乡村地区用电量(亿kW·h)、供水和燃气普及率(%)、太阳能热水器(万人)四项指标构成，在去除指标量纲的基础上，通过熵值法分别测算其权重值并进行求和运算[32-33]，具体为：农村用电量×0.354+乡镇供水普及率×0.104+乡镇燃气普及率×0.281+太阳能热水器用户数×0.261；娱乐服务维度由实物消费品(社会消费品零售额)和非实物消费品构成，文艺活动次数和文化展览个数反馈乡村家庭居民文化消费开支[33]，为非实物消费品；客源地市场规模[29]是将乡村旅游客源市场划分为本地和周边两大客源，其中周边客源选取相邻城镇居民平均收入，具体为:本省城镇人口×本省城镇居民人均可支配收入×0.6+相邻省城镇人口×归属省城镇居民人均可支配收入×0.4。

传统村落数据来源于中华人民共和国住房和城乡建设部网站公布的中国传统村落名录(不包括香港、澳门和台湾)，其中：北京(22个)、天津(4个)、河北(206个)、山西(550个)、内蒙古(46个)、辽宁(30个)、吉林(11个)、黑龙江(14个)、上海(5个)、江苏(33个)、浙江(636个)、安徽(400个)、福建(494个)、江西(343个)、山东(125个)、河南(205个)、湖北(206个)、湖南(658个)、广东(263个)、广西(280个)、海南(64个)、重庆(110个)、四川(333个)、贵州(724个)、云南(708个)、西藏(35个)、陕西(113个)、甘肃(54个)、青海(123个)、宁夏(6个)、新疆(18个)共6 819个。与旅游发展要素8个维度相比，传统村落数据维度相对较少，囿于宏观数据制约且传统村落数据在研究期间存在不可连续性问题，在与有关专家商榷后，将传统村落指标与乡村旅游资源指标进行加权综合。在去除指标量纲基础上，按照传统村落赋值0.9、乡村旅游资源综合值赋权0.1加总计算，其中乡村旅游资源综合值由果园(khm2)、茶园(khm2)、草原(khm2)、水产品养殖(khm2)、水库(座)、自然保护区(个)6项指标构成。

本研究采用综合指数法[34-35]测度旅游发展要素水平。为了满足指标加权运算的需要，对所有指标进行标准化换算，其中涉及以货币为计量单位的指标以2012年为基期进行不变价格处理[32]，再对所遴选指标运用极差标准法进行无量纲换算。此外，31个省(区、市)旅游发展要素指标数据来源于2013—2019年《中国统计年鉴》《中国农村统计年鉴》《中国文化文物统计年鉴》《中国城乡建设统计年鉴》等相关资料，对于部分缺失数据，采用趋势外推方法补充。

1.3 研究方法

1.3.1 匹配度指数 本文借鉴文献[36]测算传统村落分布与旅游发展要素匹配度及偏离度指数，公式为

(1)

式中：R为传统村落与旅游发展要素的匹配度，ri、ti分别代表传统村落与旅游发展要素，R1、R2分别代表传统村落地理集中度与旅游发展要素地理集中度。此外，将传统村落与旅游发展要素匹配度划分为传统村落超前型、基本匹配型、传统村落滞后型。超前型匹配度(R>1.2)，表明传统村落分布集聚高于旅游发展要素集聚地区；滞后型匹配度(R<0.8)，表明旅游发展要素集聚水平优于传统村落集聚水平；以上两种类型均未能完全发挥资源和要素的潜能，是传统村落与旅游发展要素的错配。基本匹配型(0.8≤R≤1.2)，表明传统村落分布与旅游发展要素分布大体相当，处于基本匹配水平。

利用式(2)测算传统村落与旅游发展要素偏离度指数，

(2)

式中n为省(区、市)数。偏离度指数值越大，表明两者愈不匹配；反之，两者愈加匹配。

1.3.2 相互作用法

(1)面板向量自回归模型。该模型将所有变量均视为内生变量，而脉冲响应函数能够更加直观描述给随机扰动项一个单位标准差的冲击，考察对其他内生变量造成的动态影响，从而揭示出各个变量之间的双向因果关系[37]。公式为

(3)

式中：i=1,2,…,N代表省(区、市)；t=1,2,…,T代表年份；Uit表示由传统村落数量(U1it)与旅游发展要素指标(U2it)构成的二维列向量；α0为截距项；k为滞后阶数；αj是Uit滞后j阶的参数矩阵；αi、βt是个体效应和时间效应向量，表示各省(区、市)之间的异质性以及时间因素对其所产生的影响；εit为随机扰动项。此外，为避免异方差问题，对U1it、U2it进行取对数处理。

(2)面板分位数回归模型。该模型的优势在于对条件分布的刻画尤为细致，无须数据服从正态分布假定，从而排除特殊离群值的干扰，在有效控制因变量异质性的同时，还可以对自变量在不同分位点上的影响系数进行稳健估计[38]。本研究正是利用分位数回归条件分布对不同地区影响因素作用差异刻画相较细致的优势，全面阐释传统村落与旅游发展要素互动作用机制。公式为

(i=1,2,…,n；t=1,2,…,T)。

(4)

式中：QUit是条件分位函数；Xit为解释变量矩阵；β(τ)为τ分位数下的影响系数，采用加权最小二乘法估计。

2 传统村落与旅游发展要素时空匹配特征

2.1 传统村落与旅游发展要素时空演化特征

从全国尺度上(图1)，传统村落分布数量排名前6的贵州、云南、湖南、浙江、山西、福建占全国传统村落总数的55.29%，且传统村落分布密度高于20/万km2的集中于浙江、贵州、福建、山西、湖南、安徽、江西7省，表明传统村落分布极不平衡。

图1 中国传统村落与旅游发展要素分布Fig.1 Traditional Chinese villages and the distribution of tourism development factors注:旅游发展要素为2018年数据，图d、e、f均为堆积折线图。

进一步将研究尺度细分为南北地区，东部、中部、西部三大地区和华北、东北、华东、华中、华南、西北、西南七大地区，研究发现：南方和北方传统村落分布平均密度分别为2.64个/万km2、13.68个/万km2，呈现“北少南多”的空间格局；山西、浙江分别是北方和南方地区分布最多的省份，平均密度为35.09个/万km2和60.28个/万km2。三大地区传统村落数量之比为1.88∶2.39∶2.6，呈现“东部—中部—西部”阶梯递升格局；三大地区传统村落分布密度依次为17.44个/万km2、14.13个/万km2、3.69个/万km2，与数量空间格局相反，呈现由西部至东部阶梯递升趋势。七大地区传统村落在空间上呈现“自西南向东北、东南向西北依次递减”的分布格局，华东地区的传统村落分布密度最大(23.05个/万km2)，东北地区分布密度最小(0.68个/万km2)。此外，传统村落分布密度最高的地区也是少数民族集聚区，有1 398个少数民族传统村落分布在云南、贵州、广西、内蒙古等20个省(区、市)、80个地级市(州、盟、地区)和246个县(市辖区、县级市、旗)，且这些地区传统村落保存相较完整。

基于以上分析可知，三大地区传统村落数量分布相对均衡，有助于增强统计样本分组研究的可比性，通过三大地区研究更能够提高本研究的普适性和科学性。由三大地区乡村旅游发展要素分布可知(图1d、e、f)，东部地区总量最高，中、西部地区则相对均衡。乡村旅游各个发展要素综合数值地区差距较大，东部在基础设施、娱乐服务、客源市场、经济基础、生态环境、信息化要素总量分别是对应中部、西部各要素总量的1倍以上，总量优势明显。三大地区内部差异显著，东部、中部、西部变异系数依次为0.717、0.581、1.283，特别是东部和西部各省(区、市)乡村旅游发展要素不均衡分布尤为显现，存在某一区域的集聚现象。

为进一步测算5个批次传统村落与旅游发展要素演变规律特征，借助核密度估计方法[30]分析两者演化态势是否趋于改善以及地区差异情况。就传统村落演化规律而言，东部地区(图2a)，2012年呈现“双峰”现象，且均处于“中间级(0.5)”左侧的“低值”区，整体水平偏低，左侧主峰峰宽较长，内部出现差异分化现象；2013—2016年差异分化显现，左侧主峰收窄并向右位移，其发展水平下滑引致原右侧“卫星峰”消失；直到2018年极化差异逐渐缓减，尤其是“高值”区省份上升显著。中部地区(图2b)2012年并未显现单峰特征，但右侧凸起半宽较长，差异集聚显著；2013年、2014年差异分化凸显，表现出单峰特征；2016年、2018年单峰极化差异逐渐消失，整体趋于均衡发展。西部地区(图2c)2012年呈现右侧拖尾现象；2013—2018年呈现左侧“主峰”和右侧“卫星”峰位，同时“主峰”半宽较长，内部差异分化显现，而“卫星”峰半宽逐渐“尖锐”，表明其内部差异逐渐缩小，但整体“双峰”格局并未改变。

就旅游发展要素演化规律而言，东部地区(图2d)，5个批次始终处于“多峰”并存特征，且半宽较长，表明内部差异分化尤为显著，且仍处于分化过程之中，极化发展特征并未显现。中部地区(图2e)，2012年单峰特征鲜明；2013—2018年主峰向右位移鲜明，处于“中间级”右侧“高值”区，整体上升趋势明显。西部地区(图2f)，5个批次始终处于“单峰”状态，虽然2018年呈现向右位移趋势，但多数省份仍处于“中间级”左侧的“低值”区，整体发展水平偏低，且内部差异分化明显。总体演化态势而言，中部地区在传统村落和旅游发展要素方面改善程度尤为显著；而东部传统村落极化发展状况不断消除；西部旅游发展要素虽然整体不高，但有所提升。

图2 三大地区传统村落及旅游发展要素演变规律Fig.2 The evolution law of traditional villages and tourism development factors in three major regions

2.2 传统村落与旅游发展要素匹配关系

2.2.1 传统村落与旅游发展要素匹配度演化分析 2012—2018年31个省(区、市)传统村落与旅游发展要素匹配度如图3所示：传统村落与旅游发展要素具有一定的匹配关系，相对匹配型数量较少，且总体匹配度呈现扩大态势，具有明显的地域特征。中部地区相对匹配类型最多，两者分布相较均衡；经济发达的东部地区旅游发展要素集聚水平远高于传统村落；西部则呈相反趋势，内部多数省区传统村落分布尤为密集，如广西、贵州、云南、青海等形成了传统村落超前型的片状集聚格局。

图3 31个省(区、市)传统村落与旅游发展要素匹配度Fig.3 Matching degree of traditional villages and tourism development factors in 31 provinces注:阴影区域为相对匹配型(0.8≤R≤1.2)。

为核算传统村落与旅游发展要素整体匹配状况，使用公式(2)对两者偏离度指数进行测算，结果见图4。2012年以来全国传统村落和旅游发展要素分布空间偏离度呈现先上升后下降的波动趋势；2016年扩大态势明显，缘于2016年全国传统村落数量比2014年增加了1.607倍，增幅远高于同期旅游发展要素增长幅度(0.947倍)。结合三大地区来看，中部地区偏离度最低，两者匹配度情况最优；东部偏离度扩张态势尤为凸显；西部偏离度波动相较平缓。

图4 传统村落与旅游发展要素总体匹配情况Fig.4 The overall matching of traditional villages and tourism development factors

传统村落与旅游发展要素匹配度时空分类统计发现(表2)，2012—2018年31个省(区、市)传统村落与旅游发展要素空间分布朝不均衡化发展，两者匹配类型数量波幅较小，传统村落超前型省(区、市)数量由2012年的11个增加为12个，而传统村落滞后型省(区、市)数量由12个增加为13个；但类型内省(区、市)成员变动幅度较大，特别是东部地区浙江、广东、福建三省由滞后型演变至超前型。结合分类结果来看，传统村落超前型的12个省区旅游发展要素份额为9.89%，而其传统村落份额则高达65.77%；传统村落滞后型的13省(区、市)旅游发展要素占全国的84.92%，但其传统村落仅占14.48%。由演化趋势来看，传统村落滞后匹配型占比由38.71%增加至41.94%，两者仍处于不匹配状态，不利于传统村落开发和产业复兴发展。

表2 传统村落与旅游发展要素匹配类型分布Tab.2 Distribution of matching types between traditional villages and tourism development factors

2.2.2 传统村落与旅游发展要素匹配度的空间格局 变异系数是衡量地区发展均衡程度的重要指标。图5显示，31个省(区、市)之间的差异逐渐缩小。2012—2018年各地区之间变异系数也呈现缩小趋势，西部变差异系数最大，中部、东部变差异系数趋势相近，可见三大地区之间两者匹配度差异显著，可能存在地区内的集聚现象。

图5 2012—2018年传统村落与旅游发展要素匹配度变差异系数Fig.5 The variation coefficient of matching degree between traditional villages and tourism development factors from 2012 to 2018

运用莫兰指数[36]考察传统村落与旅游发展要素匹配度的集聚程度，采用Queen相邻定义空间权重矩阵，分别对全国及东中西地区传统村落与旅游发展要素匹配度空间自相关性进行检验(图6)。从全国范围来看，2012—2018年两者匹配度莫兰指数均呈正相关，在0.099～0.211之间波动，均通过了10%的显著性水平，表明两者匹配度具有较高的空间关联性。2012—2018年从三大地区来看，两者匹配度差距显现，东部、西部地区两者匹配度始终呈显著的正相关关系，表明地区内相似属性集聚特征明显，呈现高-高、低-低的集聚特征；中部两者匹配度莫兰指数均为负，地区内异质属性空间集聚显现，表现出高-低、低-高的分散特征。总之，传统村落与旅游发展要素匹配度空间集聚特征明显，整体呈现大集聚、小分散的空间形态格局。

图6 2012—2018年传统村落与旅游发展要素匹配度莫兰指数Fig.6 Moran index of the matching degree between traditional villages and tourism development factors from 2012 to 2018

局部莫兰指数分析(图7)显示，至少有20个省(区、市)局部莫兰指数处于一、三象限，集聚特征显现。西部省(区、市)“高-高”集聚特征尤为凸显，而中、东部地区多数省份处于“低-低”集聚区，同时部分省份聚集于布局分散的二、四象限，尚未形成鲜明的集聚类型。综上，传统村落与旅游发展要素匹配度形成了三大空间集聚类型：一是以云南、广西、贵州等超前匹配型片状集聚区，这些地区遗存了大量的传统村落，发展乡村旅游潜力巨大；二是以山西、江西、湖南、浙江、福建等中东部传统村落超前匹配型零散分布区；三是其余地区，由于这些地区传统村落分布相对均衡，同时在乡村旅游发展要素总量上并不凸显，难以形成鲜明的集聚区。总之，传统村落与乡村旅游发展要素匹配度呈现大集聚、小分散，片状和点状并存的空间格局。

图7 传统村落与旅游发展要素匹配度莫兰指数散点图Fig.7 Moran index scatter plot of matching degree between traditional villages and tourism development factors

3 传统村落与旅游发展要素的互动机制

3.1 互动作用的演变过程

本研究采用面板向量自回归模型，选取2012—2018年31个省(区、市)传统村落(U1)与旅游发展要素(U2)面板数据，分析两者之间的互动演变过程。由AIC、BIC、HQIC准则检验结果最小值来确定最佳滞后阶数为1，采用500次Monte-Carlo模拟东、中、西地区传统村落与旅游发展要素的脉冲响应分析，图8中横轴表示预测期数，纵轴表示响应强度。

3.1.1 传统村落对旅游发展要素的冲击作用 从全国范围看，面对传统村落的冲击，旅游发展要素的即期响应值为零，具有明显的时滞效应特征，响应曲线在第二期达到峰值随后趋于平缓并始终为正，但存在响应曲线波动幅度较小和响应强度不高现象(图8a—d,表3)。表明传统村落对旅游发展要素影响虽然持久但强度较低。可能原因在于：一方面，目前传统村落发展以文物保护和古建修复为主，而在游客接待等公共服务设施建设、非物质文化项目开发以及与之相关联的讲解服务、文化品牌营造推广等都需要一定时间的深度提炼与精细化的运营。另一方面，虽然传统村落蕴含着丰富的历史文化资源，但受限于相同地域空间内，村落间在核心资源展示上相近或趋同，资源异质性特征不突出，导致缺乏足够新颖的内容来区分这种差异，难以将资源优势转化为经济收益；此外，多数地区传统村落开发长期依赖政府主导，缺乏规范化、成熟化的市场运营机制，导致传统村落自身发展能力差，难以满足游客市场个性化与多样化的需求。

表3 各区域层面脉冲响应分析结果Tab.3 The results of impulse response analysis in each region

图8 脉冲响应图Fig.8 Impulse response diagram

从三大地区来看，传统村落对旅游发展要素的冲击作用存在显著的地区差异。东部旅游发展要素产生的响应接近于零，表明传统村落对东部旅游发展要素的影响甚微；中部旅游发展要素即期响应为零，第一期达到峰值后逐渐趋于平缓，且累积响应为正；西部响应曲线与东部地区相近，但西部旅游业仍依赖于旅游资源，特别是传统村落分布密集地区，存在核心资源开发不足、可进入性低、自我发展能力差等问题，阻碍了西部传统村落的发展。

3.1.2 旅游发展要素对传统村落的冲击作用 从全国来看，传统村落的即期响应值为正，在第二期达到最大值后逐渐减小并趋于平缓，具有持续正向的累积响应，但响应强度偏低(图8e—f,表3)。一方面，乡村旅游发展带动了地区经济发展，地方政府也逐渐意识到传统村落保护开发所带来的切实利益，通过提升村落文化传承和保护力度，进一步保持和凸显了村落的完整性、真实性和延续性，更多村落被选入“传统村落名录”；另一方面，目前传统村落文化保护和地区经济发展仍停留在以地方政府为主导的“输血”式发展阶段，“造血”式发展缺失，造成传统村落文化“空心化”严重，尚未形成传统村落文化传承、保护、开发与经济效益之间的联动效应，引致传统村落响应强度不高。

从三大地区看，旅游发展要素对统村落的冲击作用也存在明显的地区差异。东部传统村落即期响应和累积响应均为正，并在第一期达到最大值；中部地区传统村落数量即期响应为负，累积响应为正并在第一期达到最大值，说明中部地区旅游发展要素对传统村落具有一定的负向影响，但该影响甚微且很短，随后表现为长时期的正向影响；西部传统村落响应曲线在波动趋势、峰值等方面均与全国平均水平类似，且即期响应和累积响应均为正，在第二期为最大值并趋于平缓。综上可知，传统村落对旅游发展要素的作用过程持续、平稳；而旅游发展要素对传统村落作用在初期较为显著，随后快速下降。

3.2 互动作用的演变机制

为进一步研究2012—2018年传统村落(U1)与旅游发展要素(U2)的互动演变机制，在参考传统村落、乡村旅游发展等相关研究基础上[31-33]，从产业发展、城乡融合、社会环境、政策支持4个方面构建两者互动作用的影响因素指标作为控制变量(表4)。

表4 传统村落与旅游发展要素互动作用的影响因素指标Tab.4 Indicators of influencing factors of interaction between traditional villages and tourism development factors

从全国整体来看，传统村落与旅游发展要素之间均存在显著影响。综合三大地区回归结果，旅游发展要素对传统村落的影响程度更高，且随着分位数增加呈现倒“U”型波动。具体来看，西部传统村落分布最多，但主要分布于旅游经济发展欠发达地区，导致其对旅游发展要素的贡献有限；中部传统村落分布与旅游发展要素匹配度相对平衡，两者互动作用尤为明显；东部旅游发展相对成熟，对资源依赖性不强，传统村落对其贡献较低。

从控制变量的回归结果可知，旅游业集聚度对传统村落与旅游发展要素存在显著影响，可见发展旅游经济成为影响两者未来发展的基础因素。文化环境变量对两者影响均不显著，由于全国乡村人口文化素质不高，文化消费潜力尚待开发，对传统村落保护以及旅游业发展影响力不强，成为影响两者发展的非敏感因子。

结合三大地区来看，工业集聚度和城市化水平对东部旅游发展要素影响在多数分位点上显著性较高，缘于东部地区城镇化和工业化发展成熟，为乡村旅游发展提供了资金、技术以及人才等要素资源，对旅游发展要素影响贡献较高。东部地区工业集聚和城市化发展对传统村落影响尤为显著，工业化和城市化进程与传统村落关系和谐，带动了传统村落转型发展。中部工业化集聚在多数分位点上对旅游发展要素和传统村落均出现负向显著影响，这是因为目前中部老工业基地发展仍是以劳动和资本密集型为主的低水平集聚，对服务业发展产生挤出效应，亦对传统村落原始风貌和空间格局毁损较大，产生负向影响。西部地区传统村落集聚于城市远郊或地形复杂地带，交通不便，且城市化和工业化进程相对缓慢，造成其对传统村落和旅游发展要素影响较小。

城乡二元结构对中部、东部旅游发展要素影响在多数分位点上影响显著，但是影响方向迥异，原因在于东部城乡融合优于中部，对旅游发展要素产生“促进”与“阻碍”双重驱动功能，在东部相对较高的城乡融合度，有助于降低二元体制壁垒，促进城乡旅游要素资源的充分流动，产生正向作用；中部较低的城乡融合度，阻碍了城市资本、人力、服务等旅游发展要素向乡村流动，产生负向影响。政策支持对西部旅游发展要素影响尤其显著，而中部、东部影响贡献不显著，表明政策支持是西部欠发达地区旅游发展的向导。政策支持对全国及东、中、西地区传统村落发展在多数分位点上具有显著影响，可见提升乡村基础设施供给、强化文物保护和修缮工作是传统村落发展的核心动力。

4 结论与建议

4.1 结论

全国传统村落地区分布极不均衡，呈现出北少南多，自西南向东北、东南向西北依次递减的分布格局。三大地区旅游发展要素呈现东部总量占优，中西部数量分布均衡的特征，地区内部存在集聚现象。从总体演化态势来看，中部地区改善程度有所提高；东部仅传统村落改善明显；西部旅游发展要素有所改善，但总体水平仍旧偏低。

传统村落与旅游发展要素具有一定的匹配关系，但相对匹配型数量较少，总体匹配度呈现扩大态势且地区差异明显：中部地区相对匹配类型居多，东部以传统村落滞后型为主，西部传统村落超前型最多；两者匹配度具有显著的空间正相关性，总体呈现大集聚、小分散，片状和点状并存的空间格局。西部地区高-高片状集聚特征明显，中、东部地区呈现低-低集聚特征。

由传统村落与旅游发展要素互动演化过程可知，全国及三大地区在响应速度、趋势上均存在明显差异。全国尺度上，传统村落对旅游发展要素的作用过程持续且平稳，而旅游发展要素对传统村落的作用在初期响应明显，随后逐渐下降；地区层面上，仅中部传统村落对旅游发展要素的作用显著，而旅游发展要素对传统村落的作用在三大地区显著性普遍较高。

全国尺度上，传统村落与旅游发展要素之间存在显著影响，其中旅游发展要素对传统村落的影响程度更高。控制变量对全国及三大地区影响作用差异显著，工业集聚度、城市化水平、城乡二元结构是推动东部两者发展的重要因素；而较低的工业集聚度和相对较高的城乡二元结构壁垒则对中部两者发展产生抑制作用；政策支持在西部地区影响最高；旅游业集聚度对全国及三大地区影响显著；文化环境影响则普遍较小。传统村落与旅游发展要素的互动作用演变过程是多种因素共同作用的结果，产业发展和城乡融合是影响传统村落旅游要素开发的长期变量，政策支持对传统村落旅游要素开发影响具有短期性，影响强度直接、明显，文化环境对两者互动关系影响尚未显现，是非敏感因子。

4.2 建议

地区传统村落与旅游发展要素不匹配问题不利于依托旅游业推动传统村落的振兴。当前，在通过政策手段扶持传统村落旅游业发展的同时，还应该合理调整旅游发展要素空间格局以优化传统村落需求配置，强化区域之间优势互补，尤其是充分利用东部旅游发展要素在资金、人才、市场、信息、技术等先发优势，加大对中、西部传统村落集聚区的投入和对口帮扶，有效激发其资源潜能和后发优势。依托旅游业助推传统村落振兴是一项系统工程，涉及产业发展、城乡融合、文化环境、政策支持等多方面内容，因此要因地制宜，如针对传统村落发展超前型区域可以通过政策扶持改善人居环境，增强村民保护意识，建设美丽宜居村落；传统村落发展滞后型区域可以发挥城乡一体化要素双向流动优势，实现城市旅游发展要素与村落生活、生产、生态深度融合；传统村落发展相对匹配型区域应根据地区文化旅游资源禀赋情况合理发展旅游业，探索传统村落多元化发展路径。

本研究选取省级尺度旅游发展要素有关数据,探析了传统村落与旅游发展要素之间的匹配度、差异演化、时空格局、互动作用演变过程和机制，随着传统村落步入复苏阶段，未来将尝试开展微观尺度旅游发展要素与传统村落生活、生产、生态的互动发展研究；在指标选取上，限于乡村旅游的接待人次、总收入、人均花费、农家乐、乡村旅游景点数、景区交通、旅游厕所、停车场等数据缺失严重，难以全面反映乡村旅游要素发展水平；此外，传统村落与旅游发展要素互动作用的多层次、多方面、多维度等特性决定了其影响因素的冗杂性，未来将进一步丰富。