旅游地不同发展状态下的关键影响因素研究

摘 要：为了解不同旅游地在不同发展状态，不同增速下影响其发展的关键因素和相同旅游地在不同发展状态、不同增速下其旅游业影响发展关键因素的异同，文章以浙江、贵州为研究对象，以旅游总收入为衡量旅游业发展指标，以2010—2014年和2015—2019年两个发展阶段的数据进行对比研究，以灰色关联分析法为研究工具，构建了由经济支撑因子、旅游地吸引因子、接待服务因子、人力资源因子、信息因子5个一级因子和第三产业增加值、国内游客数量、星级饭店数量、移动电话用户数、固定互联网宽带接入用户等13个二级因子组成的指标体系分析各因子对旅游发展的影响。研究表明：旅游地在不同发展状态、不同增速下影响其发展的关键因素都会出现相应变化，并且各因子对旅游地发展的影响既呈现出共性特征，也存在个性化、差异性。

关键词：灰色关联度；旅游；旅游经济效益；旅游经济；灰色关联分析法

中图分类号：F592.7 文献标识码：A 文章编号：2096-0298（2024）07（a）--05

1 样本选取

灰色系统理论是邓聚龙（2002）教授首次提出的一种系统科学理论[1]。灰色关联分析根据因素之间发展趋势的相似或相异程度（灰色关联度）作为衡量因素间关联程度的一种方法，其基本思想是根据曲线几何形状的相似程度来判别各序列因素与目标因素序列关系的密切程度，在有效排除特殊值干扰的情况下，曲线越接近，相应序列之间的关联度就越大，两者关系就越紧密[2]。灰色关联法对样本的数量和样本有无明显的规律同样适用，且计算量较小，十分方便［3］，并且对实验观测的数据要求和限制较少，通过已知信息科学合理地分析出未知信息，且保证未知信息的可靠性和准确性，故该方法科学有效且应用广泛[4]。因此，该理论提出后被广泛用于许多领域的研究，旅游研究者们也将灰色关联分析法应用于旅游相关问题的研究，有许多旅游研究者将灰色关联度法用于对旅游经济及其影响因素的实证研究。

汤吉平等（2014）应用灰色关联分析法对影响2001—2012年吉林省旅游收入的相关因素进行了分析，结果表明进出口总额的影响程度最强［5］。张克勇等（2014）基于灰色关联分析理论对山西省旅游影响因素进行灰色关联分析。结果表明第三产业固定资产投资与山西省旅游收入的关联性最强［6］。张洪等（2018）构建了影响安徽省旅游经济效益的因子指标体系进行实证研究，结果显示安徽省旅游经济效益与第三产业增加值的关联度最大［7］。魏宝祥等（2021）采用灰色关联分析法对甘肃省旅游经济发展的影响因素进行比较分析，结果表明：信息服务因子与甘肃省旅游经济的关联最大［8］。张雅娜等（2023）基于灰色关联分析方法，对山西省旅游经济发展的影响因素进行了分析。结果表明：旅游地吸引力因子与山西省旅游收入的关联度最大［9］。

上述研究者选取不同省份进行的实证研究表明，不同省份影响其旅游经济发展的关键因素也不同。这种不同除了和影响因子指标体系的构建有关外，是否和旅游地处于不同的发展状态有关？是否和旅游地的增速有关？因此，本文选取浙江、云南、贵州、四川4个省份，收集了4个省份2000—2019年旅游总收入数据进行分析（2020年春节全球旅游业出现了停滞甚至严重倒退，因此本文以2020年前旅游总收入和相关数据进行分析）。

浙江、贵州、云南、四川4个省份2000—2019年旅游业呈现不同的发展状态，浙江、四川处于旅游业稳定发展阶段，2019年浙江旅游总收入10911亿元，是2000年旅游总收入430亿元的25.37倍，年均增长率为18.55%［10-11］。2019年四川旅游总收入11594.3亿元，是2000年旅游总收入258.1亿元的44.92倍，年均增长率为22.17%［12-13］。贵州、云南旅游业在2010年以后进入高速发展阶段，尤其是2015年以后旅游收入的增长更为明显。2014年，贵州旅游总收入2895.98亿元，是2000年62亿元的46.71倍，年均增长率31.60%［14-15］。2019年贵州旅游总收入12318亿元，是2015年3512.82亿元的3.51倍，年均增长率36.84%［16-17］。2014年云南年旅游总收入2665.74亿元，是2000年211.4亿元的12.611倍，年均增长率19.85%［18-19］，2019年云南年旅游总收入11035.2亿元，是2015年3281.79亿元的3.36倍，年均增长率35.31%［20-21］。

因此，为了解不同旅游目的地，不同增速下影响其发展的关键因素和相同旅游目的地在不同增速下影响其旅游发展的关键因素存在的差别，笔者以旅游业发展比较平稳的浙江和旅游业发展比较迅速的贵州为研究对象，以2010—2014年和2015—2019年两个发展阶段的数据进行对比研究。

2 旅游地影响因素的关联度分析

2.1 指标体系构建

本文在参考、借鉴多位研究者研究的基础上，以旅游总收入作为衡量旅游地发展的指标为参考序列，构建了旅游地吸引因子、信息服务因子、经济支撑因子、接待服务因子、人力资源因子5个一级因子和国内生产总值（以下简称GDP）、城镇常住居民人均消费支出、旅行社数量等13个二级因子构成的指标体系。

2.1.1 旅游地吸引因子

旅游地吸引因子由国内游客人数（x1）和海外游客人数（x2）构成。对于旅游地来说，旅游地的开发潜力及发展前景都取决于游客的多少，旅游地能够吸引的游客越多，就越具有开发潜力，发展的前景就会越好。国内旅游者往往是旅游地的主要客源，也是当地旅游收入的主要构成部分，当旅游地的知名度增加以后不但能够吸引大量的国内旅游者，而且能够吸引更多的国外旅游者。

2.1.2 信息服务因子

信息服务因子由移动电话用户数（x3）、固定互联网宽带接入用户（x4）构成。在信息社会，人们对信息的需求和利用达到了前所未有的程度，这都离不开网络和手机的支持。随着手机功能越来越完善，人们可以利用手机实现多种方式的信息传递、购物、分享、查询等多种功能，人们旅游时也可以利用手机进行客房、门票、车（机）票等的查询、预订、购买、评价等，为人们的旅游提供了更多便利，提高了旅游的可实现性。网络的全方位覆盖为手机多功能的实现提供了必要的支撑，尤其是在自媒体发达的时代，一条制作精良的短视频点击率和转发率能够高达上百万条，引起良好的宣传效果。2024年元旦，哈尔滨的爆火就离不开短视频的“推波助澜”。2024年1月2日，@小柴爆米花发布“哈尔滨朋友们的嘴真严，这么多好玩的硬是不告诉我们。”视频里有哈尔滨特有的白狐、东北虎、凤凰。该视频点赞25万，评论3.1万，转发15.7万。抖音账号@人民日报发布“为了欢迎远道而来的客人们，哈尔滨疯狂‘整活’真的上大分了！”，该视频点赞320万，评论14.7万，转发103.5万［22］。随着多条有关哈尔滨的短视频发布、点赞、评论、转发，哈尔滨旅游业火爆出圈。据哈尔滨市文化广电和旅游局提供的大数据测算，截至元旦假日第3天，哈尔滨市累计接待游客304.79万人次，实现旅游总收入59.14亿元。游客接待量与旅游总收入达到历史峰值［23］。

2.1.3 经济支撑因子

旅游业要发展经济是基础，经济支撑因子由GDP（x5）、第三产业增加值（x6）、城镇常住居民人均消费支出（x7）构成。旅游开发涉及机场、高速、铁路、景区、宾馆等旅游接待设施的建设，需要投入大量的资金。GDP是反映一个国家或地区经济发展水平的重要指标，经济越发达，GDP的收入就越高，同时也会有更多的资金进行旅游投资。另外，经济越发达的国家或地区其第三产业就越发达，因此，第三产业的发展水平也代表了一个国家或地区的经济发展水平。第三产业增加值是第三产业在生产过程中新增的价值，是一个重要的经济指标，反映了一个国家或地区第三产业的发展程度和水平。居民人均消费支出是反映一个国家或地区人们生活水平和质量的重要指标，经济发达的国家或地区人们的人均消费支出通常都比较高。国家文化和旅游部“2023年国内旅游数据情况”显示，2023年国内游客出游总花费4.91万亿元，其中，城镇居民出游花费4.18万亿元，农村居民出游花费0.74万亿元［24］。由此可见，城镇居民是国内旅游的主力军。

2.1.4 接待服务因子

接待服务因子由星级饭店数量（x8）、旅行社数量（x9）、客运量（x10）、旅客周转量（x11）构成。旅行社、旅游交通、旅游住宿是旅游业三大支柱产业。星级饭店满足了人们旅游中吃、住的基本需求，人们只有吃好、休息好，才能有愉悦的心情，更好的体力进行旅游。旅行社是联系游客和旅游接待的桥梁和纽带，旅行社将住宿、交通、景点、娱乐等要素有机的组合成旅游产品销售给游客。因此，旅游地的旅行社规模及其业务能力对当地旅游业的发展有极其重要的作用。旅游业要发展必须让游客“进得来、出得去、散得开”，客运量是交通运输部门在一定时期内实际运送旅客的数量，在一定程度上反映了进出旅游地的游客数量。旅客周转量是运送旅客人数与运送距离的乘积，既能反映进出旅游地游客的数量，又能体现交通运输部门运送游客的距离。

2.1.5 人力资源因子

人力资源因子由第三产业从业人数（x12）、普通高等学校毕业生数（x13）构成。第三产业作为服务业，是劳动密集型产业，因此第三产业从业人数反映了第三产业的发展程度，第三产业越发达，从业人员越多。高校作为人才培养基地，源源不断地向社会输送各种人才为企业的发展提供动力。旅游业生产和消费同时进行的特点决定了旅游服务人员在为游客提供服务的过程中必须做到“零缺陷”，否则很可能出现“100-1=0”的不利后果，导致其他部门和员工的努力付之东流。因此，提高旅游从业人员的整体素质极为重要，这就需要有大量高素质的高校毕业生充实到人才队伍中提高旅游从业人员的整体素质。

2.2 数据来源

为确保研究数据的权威性、客观性、一致性，本研究所需数据均来自浙江省、贵州省统计局2016年、2020年《统计年鉴》［25］，《浙江统计年鉴》没有收录的“星级饭店数量”“旅行社数量”的数据来自国家文化和旅游部2010—2019年《全国各地星级饭店数量分布情况》《全国旅行社统计调查情况的公报》。

2.3 灰色关联度计算

按灰色关联度计算方法，本文分别以浙江、贵州2010—2019年旅游总收入为参考数列，各影响因子为比较数列，计算浙江、贵州各影响因子和旅游收入的关联度。各影响因子和旅游总收入的关联度如表1所示（因篇幅所限省略浙江、贵州参考数列和比较数列的原始详细数据，数据处理保留到小数点后3位）。

从一级因子来看，贵州2010—2014年和2015—2019年2个阶段一级影响因子和贵州旅游总收入的关联度大小出现了变化，旅游地吸引因子、信息服务因子、经济支撑因子和旅游总收入的关联度变小，接待服务因子、人力资源因子和旅游总收入的关联度变大，但一级因子和旅游总收入的关联度排序没有变化，一级因子和旅游总收入的关联度从大到小依次为旅游地吸引因子>信息服务因子>经济支撑因子>人力资源因子>接待服务因子。浙江2010—2014年和2015—2019年两个阶段一级影响因子和浙江旅游总收入的关联度不但数值大小出现了变化，而且一级因子和浙江旅游总收入的关联度排序也出现了变化。旅游地吸引因子、信息服务因子和旅游总收入的关联度变小，接待服务因子、人力资源因子、经济支撑因子和旅游总收入的关联度变大，变化最大的是接待服务因子，关联度由0.584增加为0.741。经济支撑因子、信息服务因子和旅游总收入的关联度最大，2010—2014年和2015—2019年两个阶段在5个一指标中分别排名第1、第2，旅游地吸引因子和旅游总收入的关联度由排名第3下降为排名第5，接待服务因子和旅游总收入的关联度由排名第5上升为排名第4，人力资源因子和旅游总收入的关联度由排名第4上升为排名第3。但无论是浙江还是贵州，在2010—2014年和2015—2019年两个阶段信息服务因子、经济支撑因子和旅游总收入的关联度都比较大。

从二级因子来看，浙江、贵州的二级因子和旅游总收入的关联度无论是数值大小还是排名都出现了一定程度的变化。2010—2014年和贵州旅游总收入关联度最强的前5个影响因子的关联度从大到小依次为国内游客人数>固定互联网宽带接入用户>GDP>第三产业增加值>海外旅游人数，和贵州旅游收入关联度最弱的5个影响因子的关联度从小到大依次是客运量<旅客周转量<星级饭店数量 <第三产业从业人数<旅行社数量。2015—2019年和贵州旅游总收入关联度最强的前5个影响因子的关联度从大到小依次为国内游客人数>固定互联网宽带接入用户>旅行社数量>第三产业增加值>海外旅游人数，旅行社数量和贵州旅游总收入的关联度提高，进入二级因子排名前5。2015—2019年和贵州旅游收入关联度最弱的5个影响因子的关联度从小到大依次是星级饭店数量<客运量<城镇常住居民人均消费支出<第三产业从业人数<旅客周转量。城镇常住居民人均消费支出和贵州旅游总收入的关联度降低，成为和贵州旅游总收入关联度最弱的5个影响因子之一。2010—2014年和浙江旅游总收入关联度最强的前5个影响因子的关联度从大到小依次为国内游客人数>第三产业增加值>移动电话用户数>固定互联网宽带接入用户>城镇常住居民人均消费支出，和浙江旅游收入关联度最弱的5个影响因子的关联度从小到大依次是客运量<星级饭店数量<旅客周转量 <普通高等学校毕业生数<第三产业从业人数；2015—2019年和浙江省旅游总收入关联度最强的前5个影响因子的关联度从大到小依次为GDP>国内游客人数>旅行社数量>第三产业增加值>第三产业从业人数，其中，GDP、旅行社数量、第三产业从业人数和浙江旅游总收入的关联度显著提高，进入二级因子排名前5。2015—2019年和浙江旅游收入关联度最弱的5个影响因子的关联度从小到大依次是海外旅游人数<星级饭店数量<客运量<旅客周转量<普通高等学校毕业生数，海外旅游人数和浙江旅游总收入的关联度排名降低，成为和浙江旅游总收入关联度最弱的5个影响因子之一。但无论是浙江还是贵州，在2010—2014年和2015—2019年两个阶段国内游客人数、GDP、第三产业增加值、旅行社数量和旅游总收入的关联度都比较大，在二级因子中的排名靠前，星级饭店数量、客运量、旅客周转量和旅游总收入的关联度比较小，在二级因子中的排名靠后。

3 结论

3.1 注重旅游地发展的共性特征

上述研究表明，浙江、贵州在不同旅游发展阶段，不同增速下影响其旅游发展的一级因子和二级因子都出现了相应变化。

从一级因子的变化来看，在2010—2014年和2015—2019年两个阶段，不同增速下，贵州省一级因子和贵州旅游总收入的灰色关联度大小出现了变化，但排名保持一致。浙江省一级因子和浙江旅游总收入的灰色关联度大小出现了变化，排名也出现了变化。但无论如何变化，信息服务因子、经济支撑因子和旅游总收入关联度都比较大，接待服务因子和旅游总收入关联度都比较小。从二级因子来看，2010—2014年和2015—2019年两个阶段，浙江省和贵州省的二级因子和旅游总收入的关联度同样出现了大小和排名的变化。但和旅游总收入关联度最大的二级因子仍是国内游客人数、GDP、第三产业增加值、旅行社数量等二级因子，和旅游总收入关联度最小的仍然是星级饭店数量、客运量、旅客周转量等二级因子。由此可见，无论是哪个旅游地或旅游地处于哪个发展阶段，都有一些共同因素影响其旅游发展，对旅游业发展产生一定的作用。

因此，旅游地要注重信息服务因子和经济支撑因子等一级因子，国内游客人数、GDP、第三产业增加值、旅行社数量等二级因子，这些共同影响因素对旅游地发展的影响。积极开拓国内游客市场，鼓励投资、发展第三产业，发展地区经济、增加当地GDP收入，提振人们的消费信心、刺激消费，规范、帮助旅行社做大、做强，发挥旅行社在旅游业发展中的重要作用，增加网络的覆盖面、尤其是移动通信设施设备的完善。

3.2 因地制宜，制定个性化发展策略

旅游地在不同阶段、不同增速下影响其发展的因素各有不同，呈现出一定的差异性、个性化和动态性。从一级因子来看，在2010—2014年和2015—2019年两个阶段，和贵州总收入关联度最强的前3个影响因子的关联度从大到CvAbT6MMAySKRsBo6Z5Qbw==小依次为旅游地吸引因子>信息服务因子>经济支撑因子。2010—2014年和浙江旅游总收入关联度最强的前3个影响因子的关联度从大到小依次为经济支撑因子>信息服务因子>旅游地吸引因子，2015—2019年和浙江旅游总收入关联度最强的前3个影响因子的关联度从大到小依次为经济支撑因子>信息服务因子>人力资源因子。旅游地吸引因子和浙江旅游总收入的关联度明显降低，在5个一级因子中排名第5，人力资源因子和浙江旅游总收入的关联度提高。

从二级因子来看，2010—2014年和贵州旅游总收入关联度最大的5个二级因子为国内游客人数、固定互联网宽带接入用户、GDP、第三产业增加值、海外旅游人数，2015—2019年旅行社数量和贵州旅游总收入的关联度提高，由原来的0.657增加为0.738，排名由第9变为第3。2010—2014年GDP和贵州旅游总收入的关联度为0.811，二级因子中排名第3，2015—2019年关联度下降为0.686，二级因子中排名下降为第6。2010—2014年和浙江旅游总收入关联度最大的5个二级因子有国内游客人数、第三产业增加值、移动电话用户数、固定互联网宽带接入用户、城镇常住居民人均消费支出。2015—2019年GDP、旅行社数量、第三产业从业人数和浙江旅游总收入关联度明显增加，海外旅游人数和浙江旅游总收入的关联度显著下降。其中变化最为明显的是GDP、海外旅游人数，2010—2014年海外旅游人数和浙江旅游总收入的关联度为0.751，二级因子中排名第7，GDP和浙江旅游总收入的关联度为0.811，二级因子中排名第6。2015—2019年海外旅游人数和浙江旅游总收入的关联度下降为0.408，二级因子中排名下降为第13。GDP和浙江旅游总收入的关联度上升为0.948，二级因子中排名上升为第一。

因此，旅游地在发展过程中除了要关注影响其发展的共同影响因素外，还要充分认识到旅游地发展中存在的个性化、差异性、动态性，在旅游发展规划的基础上监测影响因子的变化，同时根据影响因子的变化相应调整其旅游发展策略。

参考文献

邓聚龙.灰理论基础[M].武汉：华中科技大学出版社， 2002.

朱颖，童纪新.基于灰色关联分析的旅游产业研究： 以江苏省常州市为例[J].重庆理工大学学报（自然科学版），2015，29（7）：124-128.

陶长琪， 彭永樟， 琚泽霞.经济增长、产业结构与碳排放关系的实证分析： 基于PVAR模型[Ｊ].经济经纬， 2015，32（4）：126-131

张艳艳.基于灰色关联度分析的甘肃省旅游经济发展的影响因素及对策研究[J].中小企业管理与科技（上旬刊），2021（3）：45-49.

汤吉平，汤馥旭.基于灰色关联分析的吉林省旅游收入影响因素研究[J].吉林省经济管理干部学院学报，2014，28（2）：13-16.

张克勇，范青青，张瑞珍.基于灰色关联分析的山西省旅游收入影响因素研究[J].科技和产业，2014，14（8）：27-30.

张洪，石婷婷.基于灰色关联分析的旅游经济效益影响因素研究： 以安徽省为例[J].北京化工大学学报（社会科学版），2018（3）： 8-15.

魏宝祥，方永芳，刘彦伶，等.基于灰色关联分析的旅游经济影响因素研究： 以甘肃省为例[J].西北民族大学学报（自然科学版），2021，42（3）：74-80.

张雅娜，胡道华.基于灰色关联分析的山西省旅游经济发展影响因素研究[J].湖南工业大学学报，2023，37（5）：78-85.

浙江省统计局.2020年浙江统计年鉴[DB/OL].（2020-10-28）.[2024-2-18].http：//tjj.zj.gov.cn/

浙江省统计局.2000年浙江省国民经济和社会发展统计公报[DB/OL].（2001-3-8）.[2024-2-18].https：//tjj.zj.gov.cn/art/2001/3/8/art_1525539_23199631.html

四川省统计局.四川统计年鉴2020年[DB/OL].（2020-11-26）.[2024-2-18].https：//tjj.sc.gov.cn/scstjj/c105855/nj.shtml

四川省统计局.四川统计年鉴2001年[DB/OL].（2001-11-26）.[2024-2-18].https：//tjj.sc.gov.cn/scstjj/c105855/nj_2.shtml

贵州省统计局.贵州统计年鉴2015[DB/OL].（2018-7-26）.[2024-2-18].http：//hgk.guizhou.gov.cn/publish/tj/2020/zk/indexch.html

贵州省发展改革委.贵州省2000年国民经济和社会发展计划执行情况与2001年国民经济和社会发展计划（草案）报告[DB/OL].（2010-9-15）.[2024-2-18].https：//fgw.guizhou.gov.cn/zwgk/xxgkml/ghjh/201701/t20170104_62031441.html

贵州省统计局.贵州统计年鉴2020[DB/OL].（2020-11-26）.[2024-2-18].http：//hgk.guizhou.gov.cn/publish/tj/2020/zk/indexch.html

贵州省统计局.贵州统计年鉴2016[DB/OL].（2018-7-28）.[2024-2-18].http：//hgk.guizhou.gov.cn/publish/tj/2020/zk/indexch.html

云南省统计局.2015云南统计年鉴[DB/OL].（2019-1-27）.[2024-2-18].https：//stats.yn.gov.cn/Pages_22_2321.aspx

云南省统计局.云南省2001年国民经济和社会发展统计公报[DB/OL].（2006-12-22）.[2024-2-18].http：//www.mjyn.gov.cn/ynsq/qsndtjgb/200612/t20061222_627041.html

云南省统计局.2020云南统计年鉴[DB/OL].（2020-12-25）.[2024-2-18].https：//stats.yn.gov.cn/Pages_22_2311.aspx

云南省统计局.2016云南统计年鉴[DB/OL].（2019-1-27）.[2024-2-18].云南统计局 （yn.gov.cn）

万能的大叔.竟然是这13条“南方小土豆”短视频， 把“尔滨”哈上了天？[DB/OL].（2024-1-6）.[2024-2-18].https：//new.qq.com/rain/a/20240106A00N4V00

哈尔滨新闻网.59.14亿元！2024年元旦假期， 哈尔滨火爆出圈！[DB/OL].（2024-1-3）.[2024-2-18].https：//baijiahao.baidu.com/s？id=1787006161153811670&wfr=spider&for=pc

财务司.2023年国内旅游数据情况[DB/OL].（2024-2-9）.[2024-2-18].https：//zwgk.mct.gov.cn/zfxxgkml/tjxx/202402/t20240208_951300.html

浙江省统计局.2016年浙江统计年鉴[DB/OL].（2016-10-31）.[2024-2-18].http：//tjj.zj.gov.cn/