基于社会网络分析的文旅产业融合空间结构研究

何勇 石伟 陈旭辉

［摘  要］ 通过江苏省2014—2019年的文旅产业面板数据，运用全局主成分分析法得出文旅产业耦合协调度权重，在修正引力模型的基础上构建文旅产业融合空间关联矩阵，结合社会网络分析法研究江苏省文旅产业融合质量空间引力网络结构特征，最后采用QAP分析探究江苏省文旅产业融合空间关联性的影响因素。结果表明：江苏省文旅产业融合水平在研究期内得到较快发展，但区域差异明显，苏南地区文旅产业融合水平普遍较高；文旅产业融合质量网络整体密度增大，逐渐打破地理和行政区域限制；邻接关系、科技创新、政策支撑要素对于文旅产业融合空间引力网络的形成具有显著影响。

［关键词］ 文旅产业融合  引力模型  社会网络分析  空间结构

［基金项目］

江苏省社会科学基金项目重点项目“江苏推动文化产业和旅游产业深度融合发展研究”（21GLA002）；国家自然科学基金面上项目“疫情常态化下跨区域冻鲜品供应链网络动态均衡优化与熔断机制研究”（72171047）成果之一。

［作者简介］

何勇（1975—），安徽合肥人，博士，东南大学经济管理学院教授，博士生导师，研究方向：旅游管理与文旅融合，物流与供应链管理，电子商务。

一、引言

当前，我国文化与旅游产业（下文简称“文旅产业”）不断发展，在产业规模与产品供给上都得到极大提升，朝着更高深度和广度的方向融合。2018年，我国成立了文化与旅游部，这标志着文旅融合元年的开始，也揭开了我国推进文化和旅游领域治理体系和治理能力现代化、文化事业、文旅产业融合发展的序幕。虽然在新冠疫情期间文化与旅游产业发展趋势有所减缓，但文化与旅游产业对我国经济的贡献仍旧十分巨大，其支柱性的地位没有发生改变，仍旧展现了蓬勃的生命力。文旅产业融合本质上突破文化与旅游的产业边界，不断实现在市场、产品、资源、服务、技术等方面的融合，并从单纯的相互联系转变为融合共生的发展趋势。对文化产业而言，通过文旅产业高质量融合，能以旅游的形式彰显、弘扬和传承我国优秀传统文化，进一步提升文化自信，并促进我国文化产业繁荣发展。对旅游产业而言，通过文旅产业高质量融合，能够催生旅游新业态的诞生，深度挖掘消费需求，延长产业链和价值链，促进旅游产业转型升级，并发挥乘数效应，推动经济和社会高质量发展。

江苏省既是文化大省也是旅游大省，有着深厚的文化底蕴和旅游基础，在“以文促旅，以旅彰文”思想的指导下，不断推动江苏省文旅产业深度融合。2022年，江苏省扬州市举办长三角文旅一体化合作发展峰会，鼓励各类文旅要素在区域内自由流动，通过区域联合推动文旅融合提档升级。但江苏省文旅产业发展水平仍存在“南高北低”的不均衡空间格局[1]，总体产业融合水平呈现阶梯递减的发展态势，省内文旅融合发展空间分化较为明显[2]。考虑到城市之间文旅产业融合的空间关联程度往往对区域文旅产业融合发展格局有着重要的影响，因此，从空間关联的视角研究江苏省城市之间的文旅产业融合关联程度，对江苏省文旅产业融合均衡一体化发展具有重要意义和研究价值。

文旅产业融合是一项复杂的系统工程，如何推动两者多层次、全方位、宽领域的深度融合成为学术界研究的重要问题，学者们以不同方法和思路提出具体的实现路径。尚子娟等[3]将经济、政策、主体、生态、社会五方面作为乡村红色文旅融合的共生动力，并构建共生模型进行案例分析。李任[4]认为促进文旅产品、市场、手段、服务、效益深度融合是推动文旅产业深度融合的有效手段。冯学钢等[5]提出，门户式信息集中网页、旅游blog、旅游vlog以及旅游直播等元宇宙元素已经成为消费者搜索、比价的便利场所，这种行为逐渐成为推进我国旅游产业现代化发展的重要动能。此外，还有学者针对现有文旅产业融合质量进行测度研究。Lu等[6]以江苏、浙江、上海、安徽为研究区域，构建了文化和旅游系统评价指标体系，利用耦合协调模型计算了文旅系统的耦合协调度，发现该区域文旅系统在2019年达到中等协调水平，但仍存在较显著的区域差异效应。唐承财等[7]运用加权TOPSIS模型来测度传统村落文旅融合发展水平发现，文旅融合能持续推动传统村落全面振兴。李拓夫等[8]基于2011—2021年我国文化与旅游产业相关数据，构建文化与旅游产业融合发展评价指标体系，并对耦合协调等级进行划分，结果表明我国文旅产业耦合协调度逐年升高，在空间上呈现正向集聚性，但总体发展水平仍然偏低，且不同区域发展程度有较大的差距。另外，文旅产业融合质量受到多方面因素的影响。Jin等[9]使用中国31个省域的面板数据，考察了文旅融合发展的一体化政策是否能够促进中国旅游业的发展，结果表明一体化政策可以显著提高旅游业绩效，但存在较为明显的阈值效应。程遂营[10]使用地理加权回归模型对黄河国家公园文旅融合影响因素进行分析，研究表明人均GDP和人口密度等因素能够有效影响其文旅融合水平。

从已有研究来看，针对文旅产业融合发展的研究思路侧重于内部路径建设，主要聚焦对象内部的文旅产业融合发展，并提出相应的政策与建议来促进自身文旅产业融合发展。然而，不同城市之间的文旅产业融合并不是一个独立发展的封闭式系统，在当今信息传播高度发达的时代，不同城市之间往往存在文化与旅游领域的合作与交流，这些交互式合作对于城市的文旅产业融合发展具有重要意义，但鲜有文献研究城市之间文旅产业融合的空间关联程度。此外，目前研究中很少从网络视角分析重要城市在区域文旅产业融合发展中的辐射与带动作用。鉴于当前文旅融合相关研究方法仍需进一步拓展和丰富[11-12]，本文采用交叉学科的思维来研究文旅产业融合问题，即通过修正后的引力模型刻画城市之间的文旅产业融合质量空间关联性，从而生成文旅产业融合质量空间关联网络，并通过实证分析江苏省文旅产业融合质量空间网络特征，深入研究影响其空间网络结构的影响因素，以期为江苏省文旅产业融合高质量发展提供政策建议和思路。

二、研究对象与方法

（一）数据来源和研究思路

本文选取江苏省13个市作为研究对象，分析其文旅产业融合现状及其空间关联结构特征，数据来自《江苏文化年鉴》《江苏统计年鉴》《文化发展相关统计报表》，交通距离来自高德地图中的自驾路线规划，旅游主题的文章数量来自中国知网。

本文的研究路线为：首先，考虑到文化产业和旅游产业天然具有联系紧密的特性，可以将二者融合发展看作两个复杂系统之间的相互耦合发展，据此构建耦合协调度模型来计算文旅产业的耦合协调度；其次，采用全局主成分分析通过正交变换将耦合协调度转换为一组线性不相关的变量，在计算权重中具有较好的整体性与可比性，能更科学地体现文旅产业动态变化中各项指标的重要程度；再次，在得到江苏省各城市文旅产业融合发展质量的基础上，借助引力模型计算不同城市之间的文旅产业融合质量空间关联矩阵，评估城市间文旅产业融合质量空间引力强度；最后，引入社会网络分析方法对江苏省文旅产业融合空间关联网络进行结构分析，以更准确与全面地刻画江苏省文旅产业融合空间网络的特征与演化规律。

（二）研究方法

1.耦合协调度模型

耦合协调模型来自物理学领域中的多系统耦合协同理论，是指两个或者以上的系统或子系统之间相互作用、相互制约、相互影响的程度[12]。耦合协调度则是衡量两个系统相互关系的定量化表示。

文化产业与旅游产业是两个具有密切联系的复杂系统，两者之间正朝着全方位、多层次的趋势融合发展。因此，借助耦合协调度来定量研究文化产业与旅游产业之间相互联系、相互促进、相互制约的程度成为一些学者的研究思路[13-15]。借鉴王淑佳等[16]对耦合协调度的计算，本文做如下改进，其计算步骤和方法如下：

U1=∑ni=1u1，U2=∑mj=1uj（1）

式（1）中U1与U2分别为文化产业发展综合得分和旅游产业发展综合得分，ui和uj分别为文化产业与旅游产业的子系统得分，进一步计算耦合度C：

C=×（2）

式（2）中C∈0，1为文旅产业的耦合度，表示两个系统的耦合程度，U2=Max{U1，U2}。C越小表明两系统间的耦合度越小，两个系统发展程度越不均衡。最后计算耦合协调度D：

D=， T=α×U1+β×U2 （3）

D∈0，1为文旅产业的耦合协调度，α和β分别为文化产业与旅游产业发展水平的权重，反映文化产业和旅游产业的整体发展水平对协调度的贡献，一般取α=β=0.5。借鉴Jin等[9]对耦合协调度的划分，本文将耦合协调度分为10个阶段，分别为极度失调，严重失调、中度失调、轻度失调、濒临失调、勉强协调、初级协调、中级协调、良好协调、优质协调。

2.全局主成分分析法

主成分分析法是指通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分，主要是用于截面数据的降维处理。而全局主成分分析[17-19]主要是将面板数据加入主成分分析中，之后的步骤与主成分分析基本相同，都是将数据进行标准化后，计算得到两两指标之间的相关系数矩阵，进而得到特征向量和特征值，最后求取方差贡献率，并将特征值大于1的对应的特征向量作为主成分，从而代替原来的指标，形成新的指标变量，最终求得各项指标权重。

3.引力模型

引力模型源自牛顿的万有引力定律，即物体之间的作用力大小跟物体质量正相关，与距离负相关。后来学者们将引力模型应用到贸易、空间布局、旅游、技术合作创新、环境污染等领域中[20-24]。引力模型的基本公式如式（4）所示：

Fij=K×Qi×Qjdij2（4）

式（4）中Fij表示为城市i与城市j之间的引力强度，Qi为城市i的综合质量，Qj为城市j的综合质量，dij为城市i到城市j的经济距离，K为常数。

尽管引力模型被应用到各个领域，但不同领域需要根据实际情况来改变参数的具体含义。本文将引力模型应用到文旅产业融合领域，需要将引力模型进行适当修正，才能更加科学地体现文旅产业融合发展空间关联特征。修正后的引力模型如式（5）和式（6）所示：

Fij=Kij3Di×Pi×Mi×3Dj×Pj×Mjdij2（5）

Kij=PiPi+Pj×MiMi+Mj（6）

式（5）中Fij为城市i与城市j之间的文旅产业融合质量空间引力强度，D、P、M分别代表城市的文旅产业耦合协调度、文化产业增加值、国内旅游收入。dij为城市i到城市j的公路距离，本文以两城市驻地政府之间的公路行驶距离进行计算。Kij为模型修正系数，用来刻画不同城市之间文旅产业融合质量引力的非对称性。3Di×Pi×Mi为城市i的文旅产业融合综合质量，3Dj×Pj×Mj为城市j的文旅产业融合综合质量。

4. 社会网络分析法

社会网络分析法是通过关系数据来评估复杂网络结构特征的系统分析方法。许多学者通过引力模型计算出引力强度，引入社会分析法来对经济、技术扩散、城市间合作等领域进行网络结构特征分析[25-27]。本文主要从整体网络密度、中心性、凝聚子群、QAP分析等角度对江苏省文旅产业融合空间结构特征与影响因素進行研究。

整体网络密度主要是衡量整个网络的连通程度，刻画节点之间的联系程度。整体网络密度越大，则整个城市之间文旅产业融合质量的空间关联越密切，如式（7）所示：

De=nm×m-1（7）

式（7）中De为整体网络密度，n为有向网络实际联边数，m为有向网络理论上的最大联边数。

中心性用来衡量网络中个体节点的特征，主要是反映该点在网络中的重要程度。在实际计算中分为三个指标：点度中心度、中介中心度、接近中心度。

点度中心度衡量的是某个节点与其他节点的直接联系程度，量化指标为这个节点与其他节点的联边数量，点度中心度越大，代表这个城市在文旅产业融合发展中与其他城市直接关联性越大，是一种影响力的直接体现。如式（8）所示：

CDni=∑mj=1Lij（8）

式（8）中CDni为第i个节点的点中心度，Lij为节点i与节点j直接联边的数量，在有向网络中，点度中心度分为入度和出度中心度，其中出度代表对其他城市的影响能力，入度中心度代表被其他城市影响的程度。

中介中心度主要是刻画该节点对其他节点的控制程度，该节点的中介中心度越大该节点出现在其他点对的最短路径上次数越多，表明该城市在其他城市产业融合影响力传播中起到桥梁作用，甚至具有控制和影响其他城市文旅产业融合发展的能力。如式（9）所示：

CBni=∑j

式（9）中CBni为节点ni的中介中心度，gjkni为节点ni处于节点j和节点k最短路径的次数，gjk为节点j和节点k最短路径的数量。

接近中心度是描述一个节点不受其他节点控制的程度，即当接近中心度较高，则该点可以通过较短的路径与其他节点相联系。接近中心度越高，则该城市越处于网络的重心位置，具有更强的自主性，越不受其他城市的干扰。如式（10）所示：

CCni=∑dij（10）

式（10）中CCni为节点i的接近中心度，dij为节点i到节点j的最短距离，当网络为有向图时，分为入度接近中心度和出度接近中心度。

凝聚子群分析也叫小团体分析，是指当网络中某些節点关系特别紧密，形成一个小团体，这样的小团体在社会网络分析中称为凝聚子群。在城市间文旅产业融合发展过程中，由于城市间地区的近邻性，经济水平相似，某些成员之间的关系密度要比其他成员更高，因此研究这些群体现象也是十分必要的。

QAP分析是一种对矩阵之间关系定量分析的方法。传统的回归分析可能存在多重共线性的问题，而QAP分析可以有效避免这个问题。其基本步骤是对两个方阵各个格值的相似性进行比较，给出两个矩阵之间的相关系数，同时对系数进行非参数检验，当显著性水平在0.01～0.1之间时，两个矩阵达到统计学意义上的相关性。当研究多个矩阵与一个矩阵的回归关系时，则采用QAP回归的方法。

三、实证分析

（一）指标体系构建

科学的指标体系对于定量分析江苏省13个市的文旅产业融合现状具有十分重要的作用。宋长善[1]从绩效和要素的角度建立了文旅产业融合度评估指标体系。刘安乐等[28]从产业基础、人力资本、产业效应三个角度对文旅产业融合进行了指标体系构建。本文在总结前人已有体系的基础上，构建了基于要素和绩效的文旅产业融合发展指标体系，如表1所示。

在搜集2014—2019年各市面板数据的基础上，本文利用SPSS26进行数据处理，得到文化产业与旅游产业面板数据的KMO和巴特利特检验结果，其中文化产业与旅游产业的KMO的取值为均大于0.6，检验值对应的显著性水平P<0.05，因此适合做因子分析。

然后通过选取特征值大于1的主成分，在文化产业主成分分析中选了5个因子作为主成分，在旅游产业主成分分析中选取了3个因子作为主成分。

最后计算主成分系数得到主成分得分，之后计算步骤与局部主成分分析相同，得到江苏省各市的文化产业与旅游产业发展的各项指标权重及综合得分。

（二）江苏省文旅产业融合现状分析

1.时序演变趋势

通过公式（1）至公式（3），得到2014—2019年江苏省各市文旅产业耦合协调度，如表2所示。

取各市耦合协调度平均值作为省文旅产业融合水平。从省域层面上，江苏省文旅产业融合水平从0.39增加到0.48，即从轻度失调逐步转向濒临失调。在2014年江苏省处于濒临失调阶段以上的城市数量为6个，占总体的46%左右，而在2019年为8个，占比62%。

从市域来看，南京市和苏州市文旅产业融合质量较高，2019年耦合协调度分别为0.75和0.79，均达到中级协调的阶段。文旅产业发展较落后的宿迁市目前仍处于中度失调阶段，其文旅产业融合速度较为缓慢。

2.空间演变趋势

江苏省地域广阔，各市在文旅产业融合质量上仍存在较大差异。从南北方向上看，2014年苏中和苏北地区耦合协调等级大多处于中度或轻度失调协调阶段，文旅产业融合质量有待加强，而苏南地区除镇江市外，均在濒临失调协调及以上阶段，苏南文旅产业融合质量普遍高于其他地区差异，这主要得益于这些地区一般经济较发达，对于文化和旅游产业的发展较为重视，投入较多，基础设施完善等。在2019年，整体上苏南地区的耦合阶段仍高于江苏其他地区，苏中地区实现了整体协调阶段的跨越，而苏北除徐州市外，多数地区协调阶段并未跨越。

四、文旅产业融合空间结构演化趋势与影响因素

（一）数据处理

本文通过计算文旅产业融合质量空间引力强度来构建空间关联矩阵，从而形成文旅产业融合质量空间引力网络。网络特征计算工具为UCINET 6.645。根据公式（5）和（6），计算得到文旅产业融合质量空间关联矩阵。为后续分析需要，本文将得到的空间关联矩阵二值化处理，同时为了更好体现文旅产业融合空间网络结构特征，本文将阈值设置为2014年去除最值后的引力矩阵中的平均值0.001，其余矩阵只需每行元素大于等于该阈值即设置为1，否则为0，得到二值化处理后的文旅产业融合空间关联矩阵。

（二）空间网络拓扑结构分析

经过数据处理后，本文利用Gephi 0.9.2绘制文旅产业融合空间网络结构，为体现网络结构差异，选取2014年和2019年的数据，如图1所示。图1中的连线即代表两个城市之间文旅产业融合质量存在联系，当为出度时，代表这个城市文旅产业融合发展对其他城市文旅融合发展产生影响，当为入度时，代表这个城市受到其他城市文旅产业融合发展的影响。

2014年，整体网络密度为0.2115，各市之间文旅产业融合发展沟通与联系较少，整体聚集效应较弱，具有显著的空间分异特征，初步形成了以南京市、苏州市、无锡市、常州市为主的文旅产业融合质量辐射中心。2019年，整体网络密度为0.4038，城市之间的文旅产业融合发展联系程度进一步加深，网络辐射中心城市地位进一步凸显，对其他地区文旅产业融合的影响更大，使得地理距离的限制被打破。

（三）中心性分析

本文选取2014年与2019年的数据进行中心性特征的计算与分析，分别计算点度中心性、中介中心性、接近中心性，如表3所示。

从度中心性来看，2014年常州市、南京市、苏州市点出度最大，成为文旅产业融合质量辐射影响力最大的城市，但其辐射范围仅限于苏南和苏中区域，对苏北地区影响较弱。而徐州市、宿迁市、连云港市等苏北城市为孤立点，没有与其他城市在文旅产业融合发展上产生空间关联。原因一方面是这些地区经济文化旅游欠发达，基础不健全，文旅产业发展较为滞后，无法对周围地区文旅产业融合质量产生影响；另一方面，地理位置远离苏南地区，较难受到苏南地区的辐射影响。2019年南京市上升为文旅产业融合质量影响力最大节点，出度与入度之差进一步增大，且与其他城市拉开较大差距，表明南京市已经成为江苏省文旅产业融合空间网络的中心位置。其中泰州市、扬州市、盐城市点入度最大，这些地区受到来自苏南发达地区的辐射影响最大。同时网络中也没有出现孤立点，苏北各城市与苏南苏中地区在文旅产业融合空间上联系更多。

从接近中心性来看， 2014年苏州市、南京市和常州市的出接近中心度最高，表明这些城市可以与其他城市更快建立文旅产业上的联系，而泰州市、扬州市和镇江市的入接近中心度最高，使得其他城市的文旅產业发展更容易影响到这几个城市。2019年，宿迁市的入接近中心度最大，使得其他城市文旅产业融合发展更容易辐射到该市，主要是因为其他城市借助南京市间接影响到该市。

从中介中心度来看，中介中心度越大代表该节点越能控制其他节点之间的联系。无论是2014年还是2019年，南京市的中介中心度均最大，说明南京市在各城市文旅产业融合影响扩散中起到桥梁的作用；扬州市和泰州市的中介中心度增加迅速，网络结构得到进一步优化，呈现多中心辐射的格局。

（四）凝聚子群分析

凝聚子群分析是研究江苏省各市文旅产业融合群体现象的重要方法。本文使用UCINET对2014年和2019年的文旅产业融合空间关联网络进行凝聚子群分析，并得到如下结果：

2014年总共有4个子群。常州市、苏州市、南京市、无锡市、扬州市、镇江市、泰州市构成子群1，南通市、盐城市、淮安市分别构成子群2、子群3、子群4。徐州市、连云港市、宿迁市不属于任何子群，说明这三个城市与其他子群之间文旅产业发展合作较少，相互独立，既不影响其他城市的文旅产业融合发展，受到其他城市的辐射影响也较小。2019年，江苏省13个市全部为一个子群，共同作为一个整体，所有城市文旅产业融合均产生关联，城市之间的相互影响也逐渐加强。

（五）空间结构影响因素

文旅产业融合质量空间关联是一种复杂网络关系，传统的回归方法无法对矩阵进行相关性分析，因此，本文采用QAP分析来研究江苏省文旅产业融合质量空间关联的影响因素。借鉴学者们对旅游网络空间结构的研究[29-31]，本文选取邻接关系、经济发展水平、交通密度、科技创新能力、政策支撑、市场消费能力等6个维度来解释文旅产业融合质量空间关联性，除邻接关系外其余维度均对应5个计算指标：人均GDP、每平方公里公路里程数、专利申请通过数、公共预算支出占GDP比重、人均居民消费支出。邻接关系矩阵中城市之间相邻记为1，不相邻记为0，其余5个指标构建差异矩阵，在得到5个差异矩阵后，本文将每个矩阵的平均值作为阈值，从而得到二值化差异矩阵。

本文将2019年文旅产业融合质量空间关联矩阵设为因变量，其余6个差异矩阵为自变量，使用UCINET进行10000次随机置换，得到QAP相关分析和回归分析结果如表4所示。

根据分析结果，调整后的R2为0.185，意味着所选取的这6个变量可以解释因变量18.5%，变量的选取具有一定的代表性。在QAP相关性分析中，邻接关系、经济发展水平、政策支撑均通过0.1的显著性检验，其中邻接关系与文旅产业融合质量空间关联网络为正相关关系，经济发展水平与政策支撑与文旅产业融合质量空间关联网络为负相关关系。QAP回归分析中，邻接关系的回归系数为正，通过0.01的显著性检验，表明城市之间的地理位置越近越有利于促进文旅产业融合质量空间关联网络形成，越容易产生“溢出效应”与“涓滴效应”。经济发展水平、交通密度和市场消费能力，未通过0.1的显著性检验，这表明城市之间的经济发展水平差异、交通基础设施水平差异与市场消费水平差异对空间网络的形成影响并不明确。科技创新能力的回归系数为负，且通过0.1水平的显著性检验，表明城市间科技创新水平差异越大，越会阻碍城市之间文旅产业融合网络关系的形成。政策支撑的回归系数为负，且通过0.05的显著性水平检验，这表明当各城市之间对文旅产业政策投入和实施的差异性越大时，越不利于城市间文旅产业融合产生关联。

五、总结

本文引入修正后的引力模型，通过计算文旅产业融合质量水平，构建文旅产业融合质空间关联网络，并通过社会网络分析法研究其空间结构特征及其演化趋势，最后用QAP分析方法探究文旅产业融合空间关联性的影响因素，并得出以下结论：

第一，2014—2019年江苏省总体文旅产业融合质量逐年增加，但区域发展不均衡，苏南地区文旅产业融合水平明显高于其他地区，其中，苏州市和南京市的文旅产业融合水平位居前列，而苏北地区整体文旅产业融合仍处于失调阶段。

第二，从整体网络结构上，江苏省各市文旅产业合作和交流更加密切，网络密度增大；以南京市为代表的苏南城市群文旅产业融合影响辐射力较强，以泰州市和扬州市为代表的苏中地区直接受到来自发达城市群的文旅产业辐射影响；整体网络辐射中心始终为南京市、常州市等苏南地区城市，而接受文旅产业影响的网络中心逐渐由苏中地区转移为宿迁市、淮安市等苏北地区城市，在未来更容易获得其他城市文旅产业发展时带来的“溢出效应”与“涓滴效应”。城市之间子群集聚现象逐步减弱直至消除，区域间文旅产业交流与联动增强。

第三，通过QAP回归分析，得出地区邻接关系、科技创新要素、政策支撑对于江苏省文旅产融合质量空间关联网络的形成具有显著影响。具体而言，邻接关系的回归系数为正，体现了城市之间的地理位置越近越有利于促进文旅产业融合质量空间关联网络的形成；科技创新能力的回归系数为负，表明城市间科技创新水平差异越大，越会阻碍城市之間文旅产业融合网络关系的形成；政策支撑的回归系数为负，这表明各城市之间对文旅产业政策投入和实施的差异性越大，越不利于城市间文旅产业融合产生关联。

基于以上结论，本文提出以下几点建议：一是完善城市文化与旅游产业合作交流机制，促进苏南苏中苏北之间的文化与旅游资源共享、旅游信息共享等，形成文化旅游城市带，共同提高江苏省文旅产业融合整体水平。二是发挥江苏省各地区文化旅游特色，打造体现行业示范性的文化和旅游产业融合发展模式，形成一批文化和旅游融合发展示范区和试点，从而带动文旅产业融合较落后地区的进一步发展。三是大力发展数字智慧文旅，提升江苏智慧文旅平台功能，促进全省智慧文旅联动共享，进一步缩小各城市之间技术水平差异，进而提升整体文旅产业的服务质量，增强各地区文旅产业融合互惠发展。四是协调城市间文旅产业政策，健全文化与旅游协同发展的统筹协调机制，建立城市间文化与旅游部门联席会议机制，在行业标准的修订、法规政策变化上注意与周围其他城市保持在文旅产业政策上整体的同步性，从而有利于城市间文旅产业融合的进一步对接和深化。

［参考文献］

[1]  宋长善.江苏文化产业和旅游产业融合发展研究[J].艺术百家， 2021， 37（4）： 84-91.

[2]  石燕， 詹国辉.文旅融合高质量发展的指数建构、影响因素与提升策略——以江苏为例[J].南京社会科学， 2021（7）： 165-172.

[3]  尚子娟， 任禹崑.乡村红色文化与旅游发展模式探析[J].学术交流， 2021， 325（4）： 111-122.

[4]  李任.深度融合与协同发展：文旅融合的理论逻辑与实践路径[J].理论月刊， 2022， 481（1）： 88-96.

[5]  冯学钢， 程馨.文旅元宇宙：科技赋能文旅融合发展新模式[J].旅游学刊，2022，37（10）：8-10.

[6]  LU M D，DUAN Y F，WU X M.Evaluation of the Coupling and Coordination Degree of Eco-Cultural Tourism System in the Jiangsu-Zhejiang-Shanghai-Anhui Region[J].Ecological Indicators， 2023，156：111180.

[7]  唐承财， 刘亚茹， 万紫微， 等.传统村落文旅融合发展水平评价及影响路径[J].地理学报， 2023， 12（5）： 1-17.

[8]  李拓夫，方丽婷.基于耦合协调度的文化与旅游产业融合发展实证研究[J].统计与决策，2024，40（5）：89-93.

[9]  JIN Y， XI H N，WANG X H， et al.Evaluation of the Integration Policy in China： Does the Integration of Culture and Tourism Promote Tourism Development？[J].Annals of Tourism Research， 2022，97：103491.

[10]程遂营.黄河国家文化公园文旅协调发展水平差异归因与路径优化[J].河南大学学报（社会科学版）， 2022， 62（6）： 19-26+152-153.

[11]徐翠蓉， 赵玉宗， 高洁.国内外文旅融合研究进展与启示：一个文献综述[J].旅游学刊， 2020， 35（8）： 94-104.

[12]陆益虎，山永久.国家公园体制及其社区治理体系的优化——基于三江源国家公园的经验[J].河海大学学报（哲学社会科学版）， 2023（4）： 67-76.

[13]吴丽， 梁皓， 虞华君， 等.中国文化和旅游融合发展空间分异及驱动因素[J].经济地理， 2021， 41（2）： 214-221.

[14]王成， 唐宁.重庆市乡村三生空间功能耦合协调的时空特征与格局演化[J].地理研究， 2018， 37（6）： 1100-1114.

[15]王秀伟.大运河文化带文旅融合水平测度与发展态势分析[J].深圳大学学报（人文社会科学版）， 2020， 37（3）： 60-69.

[16]王淑佳， 孔伟， 任亮， 等.国内耦合协调度模型的误区及修正[J].自然资源学报， 2021， 36（3）： 793-810.

[17]卞正富， 雷少刚.新疆煤炭资源开发的环境效应与保护策略研究[J].煤炭科学技术， 2020， 48（4）： 43-51.

[18]闫海春，齐红倩.民族地区省域经济高质量发展的测度与分析——以内蒙古自治区为例[J].生态经济，2022，38（1）：53-59.

[19]刘根荣.基于全局主成分分析法的中国流通产业区域竞争力研究[J].中国经济问题， 2014（3）： 79-89.

[20]仇怡， 黄丹.“一带一路”沿线国家贸易网络结构特征及其对技术进步的影响——基于社会网络分析法的研究[J].经济理论与经济管理， 2021， 41（6）： 66-80.

[21]彭英， 余小莉.基于改进引力模型的江苏省城市创新空间关联及其影响因素[J].科技管理研究， 2021， 41（24）： 81-86.

[22]楊蕙嘉，赵振宇.基于修正引力模型的区域城市群关联强度时空演进特征[J].统计与决策，2021，37（5）：70-73.

[23]LLANO C，PARDO J，PEZ-BALSALOBRE S， et al. Stimating Multicountry Tourism Flows by Transport Mode[J].Annals of Tourism Research，2023，103：103672.

[24]TAN T，CHEN Z H，ZHA J P， et al.Tourism Productivity： Is There Any Spatial Correlation among Various Regions？ The Case of China from a Network Analysis Perspective[J].Journal of Hospitality and Tourism Management， 2024，58：256-268.

[25]苏斌， 薛佳滢， 颜利， 等.成渝地区双城经济圈经济一体化研究——基于社会网络分析[J].中国科技论坛， 2021（12）： 101-108.

[26]王凯， 王梦晗， 尹建军， 等.武陵山片区旅游经济空间网络结构及其效应研究[J].长江流域资源与环境， 2022， 31（2）： 285-295.

[27]许欣， 徐晓玉， 韩珠林.全球生产性服务贸易网络特征及其影响因素研究——基于社会网络分析法[J].价格理论与实践， 2020（3）： 18-21.

[28]刘安乐， 杨承玥， 明庆忠， 等.中国文化产业与旅游产业协调态势及其驱动力[J].经济地理， 2020， 40（6）： 203-213.

[29]李磊， 陶卓民， 陆林， 等.贵州省避暑旅游流网络结构特征及其影响因素[J].地理研究， 2021， 40（11）： 3208-3224.

[30]刘法建， 张捷， 陈冬冬.中国入境旅游流网络结构特征及动因研究[J].地理学报， 2010， 65（8）： 1013-1024.

[31]王俊， 夏杰长.中国省域旅游经济空间网络结构及其影响因素研究——基于QAP方法的考察[J].旅游学刊， 2018， 33（9）： 13-25.

（责任编辑  余  敏）

Research on the space structure of cultural and tourism industry integration based on social network analysis： a case study of Jiangsu Province

HE Yong， SHI Wei， CHEN Xu-hui  ·107·

Using panel data from cultural and tourism industry spanning from 2014 to 2019 in Jiangsu， this study employs the global principal component analysis method to derive the weights of coupling coordination in the cultural and tourism industry. Based on the modified gravity model， it constructs a matrix of spatial correlations for the integration of the cultural and tourism industry. In addition， combining social network analysis， it investigates the structural characteristics of the gravitational network in the spatial integration quality in Jiangsu Province. Finally， it employs QAP analysis to explore the influencing factors of the spatial correlation of the integration in Jiangsu Province. The results indicate that the level of integration in Jiangsu Province has experienced rapid development during the study period， albeit with significant regional disparities. The integration level is generally higher in the southern part of Jiangsu. The overall density of the network for the quality of integration has increased， regardless of geographical and administrative restrictions. Factors such as adjacency relationships， technological innovation and policy support significantly influence the formation of the gravitational network in the spatial integration of the cultural and tourism industry.