高铁开通对城市居民旅游需求的影响——以昆明为例

马丽君，刘 鑫

(湘潭大学商学院，中国 湘潭 411105)

区域交通建设对旅游业发展有着重要影响，作为连接旅游需求和旅游供给、旅游客源地和旅游目的地之间的纽带和桥梁，其通达性是影响客源地居民旅游需求的重要因素[1，2]，主要体现在交通网络条件的改善，使得旅游地的可进入性提升，直接影响着游客的出游决策[3]，进而对旅游地空间形态、客流分布[4]和旅游产业布局[5]等方面产生显著影响。便利的交通条件作为一种无形的旅游产品，不仅成为旅游消费体验的一部分，也是影响其他旅游产品价值得以实现的先决条件[6]。自2008年京津冀高速铁路(以下简称“高铁”)开通以来，国内高铁建设快速发展，其“时空收敛”效应对于通达性的提升，对区域旅游业的发展产生了重要的影响，成为学术界研究的一个热点。国外由于高铁建设较早，故相关研究起步早且研究较为深入，相关研究主要集中在高铁对游客行为决策[7]、旅游目的地客流量[8]、经济发展[9]、城市旅游空间结构驱动效应的影响[10]等方面。而国内相关研究尽管起步相对较晚，但是发展速度较快，尤其是随着国内高铁的大规模建设，相关研究大量涌现，研究内容主要集中在高铁对旅游业发展的影响[11，12]、高铁对旅游经济的影响[13，14]、高铁对区域旅游可达性及旅游联系强度的影响[2,15,16]、高铁网络影响下的区域旅游效率变化[17]和高铁沿线目的地旅游格局变化[18-20]等方面；研究范围主要集中在全国[2,12,14]、省域[18]、城市群[16,21]、高铁沿线地区[13,19]、单一城市[20,22]等；研究方法主要涉及双重差分模型[12,14]、空间计量模型[21]、ArcGIS网络分析与成本加权栅格集成法[18,20,22]、旅游城市吸引力模型[23]等。通过梳理相关文献可以发现，以往研究早已肯定高铁开通对旅游业发展的显著影响。高铁开通促使沿线旅游城市交通时间成本的缩减，减少了旅游主体“行游比”的比例，从而引发旅游消费者的欲望[11,13]；由于旅游目的地与客源地之间的地理距离为时间距离所替代，高铁使得旅游目的地与客源地等时圈沿高铁线路呈轴突扩张态势[15]，为旅游消费者提供更多可供选择的目的地。同样，高铁开通也引起旅游目的地市场空间的放大与变形，带来更大范围的全面竞争[24]。短途游、周末游需求的增加，加速旅游产品业态更新，引起旅游业产业要素结构的重置。受到地区交通区位条件、旅游资源禀赋和社会经济发展水平差异等方面的影响，旅游要素优先流向沿线旅游核心城市，呈现出“极化效应”，而在竞争中处于劣势的沿线边缘城市面临游客大量流失，呈现出“过滤效应”[18，19]。

从上述分析中可知，现有研究多从旅游目的地视角关注高铁开通对旅游发展的影响，而有关高铁开通对客源地居民旅游需求的影响分析尚不多见，且囿于统计数据，相关研究多采用问卷调查的方式，样本数量与范围的限制使研究结果存在一定的偏差。居民旅游需求对旅游地的发展至关重要，需要准确和全面地衡量高铁建设对居民出游需求的影响，掌握高铁开通背景下居民的出游偏好变化及影响因素，补充和完善高铁开通对旅游发展、居民旅游需求影响。在实践中可以根据居民出游需求偏好变化为相关旅游地制定政策措施、营销方案，从而增强旅游吸引力、开拓客源市场，为促进当地旅游业的发展提供依据。

网络关注度与旅游需求之间存在密切的关系[25-27]。前人研究表明，网络关注度(搜索指数)与旅游需求间存在显著的正相关关系[28]，可利用网络关注度分析旅游需求的变化。高铁有很多条线路，每条线路开通的时间存在一定的差异，若一个地区有多条高铁线路，将会增加分析的难度，很难剔除其他因素的影响，导致研究结果出现一定的偏差。因此，本文结合考虑城市的经济发展水平、人口数量以及相关数据获取的难易程度等因素，选择首次开通高铁的城市——昆明为案例地。依托百度指数，收集2013年1月至2019年12月昆明市居民对全国(不含港澳台，下同)各城市旅游网络关注度数据，利用ARMAX模型、地理扩散指数、标准离差椭圆分析法、重力模型、莫兰指数I分析高铁开通对居民旅游需求的影响。

1 分析方法及数据来源

1.1 分析方法

多变量自回归滑动平均模型(ARMAX)是传统时间序列自回归滑动平均模型(ARMA)在多元变量基础上的延伸，在分析响应变量时具有单一变量模型所无法比拟的优势[29]。其滞后算子形式如下：

β(L)(1-L)dYt=β0+θ(L)εt+f(Xt)，

(1)

式(1)中：Yt为被解释变量的观测值序列；Xt为被解释变量的观测值序列；L为滞后算子；(1-L)d为差分算子，其中d为差分阶数；β(L)=1-β1-β2L2-…-βpLp；θ(L)=1+θ1L+θ2L+…+θqLq；f为需要估计的未知函数，εt为白噪声序列。在对ARMAX(p,d,q)进行识别之前，需要对差分阶数d、自回归阶数p、移动平均阶数q进行识别。当q=0时，ARMAX模型可转化为自回归分布滞后(ADL)模型。本文主要将其用于分析高铁开通对居民旅游需求的影响效应。

旅游流扩散指数、标准离差椭圆分析法、重心模型和莫兰指数I也是本文主要的研究方法。其中旅游流扩散指数用于表征城市居民对旅游目的地的偏好强度[30]；标准离差椭圆分析法常用来分析居民旅游需求数据集的空间分布特征[31]；重心模型用来分析各市(地、州、盟)旅游需求年内时空变化[32]；空间自相关反映昆明市居民旅游需求的整体空间集聚特征[33]，为了更直观、全面地考察昆明市居民旅游需求的空间集聚态势，采用局部莫兰指数I对各市(地区、州、盟)的空间分异性特征进行检验并可进行可视化分析[34]。

1.2 数据来源

本研究所需数据主要有昆明市居民对全国各市(地区、州、盟)旅游网络关注度、昆明市与各市(地区、州、盟)的距离以及各市(地区、州、盟)的国民生产总值、经纬度坐标和旅游资源丰度。其中昆明市居民对全国各市(地区、州、盟)的旅游网络关注度通过百度指数网站，以昆明市为搜索地区，以“城市名+旅游”关键词进行检索。为了保证网络关注度数据的精确性，利用Pyhon 3.8语言编程收集2013年1月至2019年12月昆明市居民对全国各市(地区、州、盟)的逐日网络关注度数据，在此基础上加总求和形成月度、年度数据，作为分析高铁对昆明居民旅游需求影响的基础数据。由于部分城市知名度小，网络检索量少，百度指数平台未收录相关关键词，无法获取相关数据进行分析，故本文实际收集了341个市(地区、州、盟)的网络关注度数据。昆明市与各市(地区、州、盟)的距离来源于百度地图，以昆明市中心到各市(地区、州、盟)中心的实际距离计算。各市(地区、州、盟)的国民生产总值来源于各市(地区、州、盟)相应年份的统计公报，经纬度坐标从百度地图开放平台精确提取，旅游资源丰度相关数据主要来源于国家旅游局、各省(市、区)旅游局公布的“国家A级景区”名单。此外，根据中国高速铁路局对高铁的定义及相关标准，昆明市境内共有两条高铁线路，分别为沪昆与南昆高铁，开通时间皆为2016年12月28日。

2 高铁开通对昆明居民旅游需求量的影响

2.1 居民旅游需求时间序列数据季节调整

将昆明市居民对342个城市各月旅游网络关注度加总求和，制作统计图表，分析昆明市居民对342个城市总体旅游需求量的变化特征，结果如图1所示。从图中可以看出，昆明市居民旅游需求月变化显示出明显的季节变动。在经济学分析中，季节变动要素和不规则要素往往掩盖了经济发展中的客观变化，给研究和分析对象的发展趋势带来困难[35]。因此，在进行计量分析前需要将月度或季度时间序列数据进行季节调整，剔除其中的季节变动要素和不规则要素，使不同季节的数据具有可比性。

图1 昆明市居民旅游需求月变化特征Fig. 1 Monthly changes in urban tourism demand characteristics of Kunming residents

借助EViews 8.0软件，利用X12-ARIMA季节调节模型中的加法模型对原时间序列数据进行季节分解，得到如下形式的数据：

Y=T+S+I，

(2)

式(2)中：T为趋势循环要素，其中趋势要素反映的是旅游流现象的长期演变方向，循环要素是以数年为周期的一种周期性变动；S为季节要素，是每年重复出现的循环变动，以12个月或4个季度为周期，由气候、节假日等因素引起；I为不规则要素，其变动无规则可循，由偶然发生的事件引起，如地震、水灾等[35]。

2.2 居民旅游需求时间序列数据稳定性检验

为了避免时间序列分析中出现虚假回归或者伪回归现象，应保证ARMAX建模过程中所分析的序列数据必须具备平稳性条件[36]。本研究选取ADF检验法，将经过季节调整后的昆明市居民总体旅游需求用y表示，为了缓解数据中可能存在的异方差性，对序列数据取对数形式，为lny。结合AIC准则、SC准则等筛选出最优滞后阶数，结果如表1所示。

从表1中可以看到，昆明市居民总体旅游需求序列数据在ADF检验时，带常数项、趋势项和不带常数项、趋势项得出的ADF统计量均无法在5%的水平上拒绝存在单位根的原假设，而带常数项、不带趋势项的ADF统计量小于5%水平下的临界值，拒绝存在单位根的原假设，表明昆明居民总体旅游需求为零阶单整序列，是含有常数项的平稳过程。

表1 ADF单位根检验结果Table 1 ADF unit root test results

2.3 居民旅游需求ARMAX模型建立与分析

为识别高铁开通对昆明市居民总体旅游需求的影响，将高铁开通与否作为外生虚拟变量引入到模型中，记为h。然后对序列数据适合的模型类别进行识别，以确定适宜的自回归过程阶数p、移动平均过程阶数q。本研究选取较为常用的信息准则法，从3阶开始进行向下检验，选取使AIC(赤池信息准则)值或SC(施瓦茨信息准则)值或HBIC(汉南-昆信息准则)值最小的那一组阶数为理想阶数。结果如表2所示。

表2 ARMAX模型评估参数Table 2 Model evaluation parameters

比较表2中各模型AIC值、SC值和HQIC值的大小，可以发现虽然ARMAX(2,0,2)的SC值在各模型中最小，校正可决系数最大，但ARMAX(3,0,2)的AIC值与HQIC值在各模型中均为最小，Log-L值最大，且校正可决系数与前者相差较小。综合考虑上述情况，选择ARMAX(3,0,2)进行分析。

使用Box-Pierce Q检验对模型残差序列进行白噪声检验，判断残差是否为白噪声。对ARMAX(3,0,2)模型中的残差序列至少考虑到时滞12阶的情况下，显示不含显著自相关(Q12=7.67，P=0.363)，为白噪声。也就是说，该模型对残差进行了较为恰当的处理，残差序列里面再无可用的信息提取，因此该模型在整体上是客观可行的。

表3中ARMAX模型参数估计结果显示，除移动平均项滞后一阶未通过显著性水平检验外，其他参数均通过了显著性水平检验，回归结果符合理论预期。上述结果说明，本研究建立的昆明市居民总体旅游需求模型具有较好的整体效度，但仍有必要进一步去除作用效果不显著的变量，以提高模型的简洁度。在删除不显著的变量和重新进行残差序列白噪声检验之后，得到一个相对最优的简化模型。其中，各参数均通过1%的显著性水平检验，而时滞12阶的残差序列白噪声检验依然显示为白噪声序列(Q12=7.91，P=0.442)。并且，h变量在1%的水平下依然是统计显著的，说明高铁开通后使昆明市居民总体旅游需求比开通前增加了17%。说明在其他条件不变的情况下，高铁开通对昆明市居民总体旅游需求有显著的正面影响。

表3 昆明市居民总体旅游需求的时间序列ARMAX模型Table 3 Time series ARMAX model of the overall urban tourism demand of Kunming residents

3 高铁开通对居民旅游需求时空分布的影响

3.1 高铁开通对居民旅游需求扩散的影响

将昆明市居民对341个城市各月旅游网络关注度加总求和，利用旅游流扩散指数分析高铁开通前后昆明市居民对341个城市旅游需求的扩散强度变化，结果如表4所示。居民旅游需求有明显的季节波动，在高铁开通前一年及开通后两年的各年内季节扩散指数变化表现出相同的规律，旅游需求春季最为集中，秋季最为分散，高铁开通并未改变居民旅游需求的季节性特征，主要原因是国家法定假日、各地的旅游资源和年内气候变化等因素保持相对稳定。对比高铁开通前后的旅游流扩散指数，可以发现，无论是全年还是各个季节，居民旅游需求的扩散指数呈现出一种下降趋势，表明高铁开通后，居民旅游需求越来越分散化。

表4 昆明市居民旅游需求扩散指数变化Table 4 Changes in the tourism flow diffusion index for the overall urban tourism demand of Kunming residents

3.2 高铁开通前后居民旅游需求重心变化

利用ArcGIS 10.7绘制高铁开通前后昆明市居民旅游需求空间分布标准离差椭圆图，用于比较高铁开通与否对旅游需求重心变化的影响，结果如图2所示。从图2中可以看到，2016年和2017年居民旅游需求空间分布的重心分别是(108°14′50″E，28°51′38″N)，(109°25′18″E，29°11′43″N)，两个重心分别落在铜仁市和湘西土家族自治州，重心向东北方向迁移，迁移方向符合沪昆高铁线路总体走向，表明昆明居民旅游需求重心变化受到沪昆线开通的影响。高铁开通前，昆明市居民旅游需求分布主要为“东北-西南”方向，高铁开通以后，昆明市居民旅游需求分布呈现出向东北方向偏移的态势。

图2 高铁开通前后居民城市旅游需求椭圆分布变化Fig. 2 Changes in the elliptical distribution of urban travel demand of residents before and after the opening of high-speed rail注：此图基于国家测绘地理信息局标准地图(审图号：GS(2019)1827号)绘制，底图无修改。

图3 高铁开通前后居民城市旅游需求重心轨迹变化 Fig. 3 Changes in the trajectory of the center of gravity of residents’ urban travel demand before and after the opening of high-speed rail

利用重心模型计算2016年与2017年各月昆明市居民旅游需求重心，并将其绘制成图3a和图3b。从图中可以看出，高铁开通前后，旅游需求重心均在南-北及东-西方向上有较大的波动，说明昆明市居民旅游需求有较大的季节变化。考虑到气候舒适度对旅游需求的影响，1—4月和11—12月北方天气寒冷，不适宜进行旅游活动，旅游需求重心在纬度较低的地方[31]；5—6月北方气候逐渐升高，旅游气候舒适度上升，旅游需求重心开始向北迁移，在6月(高铁开通前)或7月(高铁开通后)达到最北端；8—10月随着北方天气逐渐降温，南方旅游气候的适宜性升高，旅游需求重心逐渐向南迁移。在东-西方向上，1—4月(高铁开通后为3月)旅游需求重心处于经度较小的位置，说明居民对西部城市旅游需求的增长幅度比东部城市大；5—12月(高铁开通后为4—12月)旅游需求处于经度较大的位置，说明居民对东部城市旅游需求增长幅度大于西部城市。与高铁开通之前相比，高铁开通后，1月、4月重心向东南方向迁移，3月向正东方向迁移，2月及5—12月向东北迁移。整体而言，高铁开通后昆明市居民各月旅游需求重心的经度都大于高铁开通前各月旅游需求重心的经度，且呈现出往东北方向迁移的态势。

3.3 高铁开通前后居民旅游需求空间格局变化

采用ArcGIS 10.7对2016年和2017年昆明市居民旅游需求空间格局进行可视化，按照等距法将昆明市居民旅游需求划分为5个等级，结果如图4a与图4b所示。从图4a与图4b中可以看到，高铁开通以前，昆明市居民对省内及周边地区旅游需求较高，其中昆明、丽江本身就是著名的旅游城市，位于昆明市居民旅游需求的第一分位；高铁开通以后，受其他地区“虹吸效应”的影响，丽江由第一分位升至第二分位，而位于西北部地区的阿里地区，也由第三分位降为第二分位。受空间距离的影响，高铁开通前，昆明市居民对省外城市的旅游需求，主要集中在临近省份的城市，如成都、重庆、贵阳、桂林、张家界等地。高铁开通后，居民对较远目的地的出游意愿明显上升，原本在第四分位的长沙、延安、银川、济南、天津、苏州、哈尔滨、恩施土家族族苗族自治州等地，从第四分位上升到第三分位；原本位于第五分位的伊犁、喀什、鄂尔多斯、长春等地，上升到第四分位。

使用局部莫兰指数I来反映昆明市居民旅游需求在各个地区的空间自相关，结果如图4c与图4d所示。从图中可以看到，高铁开通前，昆明居民旅游需求在西南地区，尤其是云南省内皆呈现明显的“高—高”集聚，在其他临近的城市中，如宜宾、遵义、贵阳、六盘水、安顺、百色等旅游资源丰富的地方也呈现出显著的“高—高”集聚，眉山、毕节、甘孜州等地则呈现出显著的“低—高”集聚。考虑到空间上的临近性，这种空间上的自相关性，往往是由于旅游者在同等空间距离下，更倾向于选择旅游资源禀赋更高的城市所导致的。新疆、河北、山西、湖北、江西、吉林等地呈现出明显的“低—低”集聚，其中各省省会城市，如乌鲁木齐、兰州、西安、武汉、南昌、济南、沈阳、哈尔滨等地呈现出显著的“高—低”集聚，表明在远距离的出游中，相较于其他城市，居民对省会城市的旅游需求更强。最后，通过全局莫兰检验得到莫兰指数I为0.274 8，P值为0.000 1，表明昆明市居民旅游需求存在空间正自相关(表5)。在高铁开通后，空间自相关性总体上并未发生明显变化，仅喀什地区由“低—低”集聚转为“高—低”集聚，泰安、临沂、甘孜藏族自治州等地由“低—低”集聚转为无空间自相关性。而在全局莫兰检验中得到莫兰指数I为0.199 6，P值为0.000 1，昆明市居民城市旅游需求的空间正自相关性集聚状态下降，表明高铁开通后，居民旅游需求的空间依赖性有减弱的趋势。

图4 昆明市居民城市旅游需求空间格局及自相关Fig. 4 Spatial pattern and autocorrelation of urban tourism demand of Kunming residents注：此图基于国家测绘地理信息局标准地图(审图号：GS(2019)1827号)绘制，底图无修改。

表5 昆明市居民旅游需求莫兰指数ITable 5 Local Moran index of overall urban tourism demand of Kunming residents

3.4 高铁开通对居民旅游需求促进效应的空间差异及影响因素

依据2013—2016年旅游网络关注度数据计算出不同空间距离内2013—2016年间的几何平均增长率，将其作为自然增长率，并将其与高铁开通后每年的实际增长率相比较，若实际增长率高于自然增长率，则高铁开通对于昆明市居民在该空间距离内的城市旅游需求有促进作用，促进作用的值为实际增长率与自然增长率之差(即促进增长率)；若自然增长率高于实际增长率，则表明高铁开通对昆明市居民在该空间距离内的城市旅游需求没有促进作用，促进增长率为0，结果如表6所示。

表6 高铁开通对不同空间距离范围内旅游需求的促进增长率Table 6 Changes of tourism attractiveness in different spatial distance ranges before and after the opening of high-speed rail

从表6中可知，除对0～500 km区间与3 501～4 000 km区间内旅游需求无促进作用外，高铁开通对其余各空间距离内的旅游需求均有明显的促进作用，其中1 500 km之后各空间距离内旅游需求的促进增长率均在20%以上，501～1 000 km区间及1 001～1 500区间内旅游需求的促进增长率在14%～18%之间。即高铁开通使居民对远距离的城市旅游需求增强，对近距离城市的旅游需求下降，原因是高铁的“时空压缩”效应，使远距离旅游的时间、费用成本降低，吸引力升高，产生了“虹吸效应”。

不同空间距离范围内，由于经济发展水平、资源丰度等因素的不同，高铁开通对旅游需求的促进作用存在差异。与昆明市空间距离越近、旅游资源越丰富、经济发展水平越高、旅游业发展水平越高的地区，受到的影响越明显。考虑到部分指标难以量化及相关数据难以获取，本研究主要选取旅游资源丰度、空间距离和经济发展水平3个因素，利用Pearson相关系数，分析旅游资源丰度、空间距离、经济发展水平对昆明市居民旅游需求(网络关注度)的影响。此外，考虑到昆明市居民对省内旅游需求所占比重较大，选择剔除昆明市居民对云南省内各城市旅游的网络关注度，以得到高铁开通前后居民旅游需求向省外各城市扩散变化与各影响因素之间的净效应。其中，高铁开通后对旅游需求的影响量以昆明市2017年居民对各城市的旅游网络关注度与2016年对各城市的旅游网络关注度之间的变化量表示；各地旅游资源丰度采取孙根年等人的做法，对5A，4A和3A景区分别赋值5，2.5和1.5进行计算[37]；经济发展水平采用各地区生产总值。Pearson相关性分析表明，旅游资源丰度、空间距离、各地经济发展水平与旅游需求影响量均在1%的水平下呈现显著的相关关系，说明在其他条件相同的情况下，高铁开通导致的旅游需求变化与旅游资源丰度、空间距离、经济发展水平等因素显著相关。

4 结论与政策启示

4.1 结论

在“交通+旅游”融合发展和旅游业“转型升级”背景下，研究高铁开通对城市居民出游需求的影响效应成为一个新命题，这对服务国家重大发展战略，促进交通与旅游空间合作布局优化起到重要作用。本文收集有关数据，通过构建ARMAX时间序列模型，并利用旅游流扩散指数、标准离差椭圆分析法、重心模型、莫兰指数I和皮尔逊相关检验等方法，分析高铁开通对典型旅游城市昆明居民旅游需求及时空分布的影响，考察区域差异及影响因素，结果发现，高铁开通对城市居民总体旅游需求有显著的正面影响，其促进增长率在0～57%。在其他条件相同的情况下，高铁开通所导致的旅游需求变化与旅游资源丰度、空间距离、经济发展水平等因素显著相关。高铁开通前后旅游需求重心变化明显。从客源地视角来看，高铁开通并未改变居民旅游需求的季节性特征，且起到明显的扩散作用。高铁系统本身具有的节点和廊道效应，使得居民出游意愿态势沿高铁线路偏移，目的地选择范围扩大，长距离出游意愿上升，但同时对周边地区处于旅游市场竞争劣势的城市产生“过滤效应”。

4.2 政策启示

鉴于高铁开通对城市居民出游需求的正向促进作用，有必要把握住高铁建设作为旅游产业“转型升级，提质增效”实现高质量、高效率发展的重要机遇。为促进高铁建设与旅游产业高质量协调发展，提出以下建议：

(1)注重高铁与旅游功能布局互动，相关规划衔接。鉴于高铁建设对居民旅游需求的正向作用，未来应强化二者功能布局，加强与高铁沿线节点旅游城市相关规划衔接，打造无缝对接、便捷舒适、服务优质的旅游交通体系，提升双向合作水平，构建旅游目的地“快进慢游”交通网络。

(2)积极促进多式联运发展。充分发挥高铁与其他交通方式间的组合效率，注重高速公路、民航运输与高速铁路之间的联动效应，加快建设客源地城市与省内主要旅游城市、重点景区高速公路与高铁网络，降低游客跨区域流动的交通时间成本。

(3)高铁开通促进了居民出游需求，但对在旅游市场竞争中处于劣势的城市形成“过滤效应”。为避免极化效应导致的被边缘化现象，需要推动边缘化地区的旅游发展理念、制度、机制创新，完善旅游基础设施建设，不断增强旅游发展活力和动力，提高旅游服务水平和旅游吸引力以保持竞争力和旅游高效率发展。