吳良平　張　健

(1.東南大學(xué)經(jīng)濟(jì)管理學(xué)院,江蘇南京 211189;2.電子科技大學(xué)數(shù)學(xué)科學(xué)學(xué)院,四川成都 611731)

0　引言

中國是一個世界性旅游大國,每年吸引了大量入境游客,但因受地理環(huán)境、旅游資源、經(jīng)濟(jì)稟賦、政策氛圍、基礎(chǔ)設(shè)施等方面影響,各區(qū)域入境旅游存在較大的地域差異(陳秀瓊,黃福才,2006; 陳剛強(qiáng),李映輝,2011),同時呈現(xiàn)了不同的客流集散轉(zhuǎn)移形態(tài)。入境客流的研究作為旅游地理學(xué)的核心問題之一,早已得到國內(nèi)外研究者的高度關(guān)注(陸林,1997; 唐順鐵,郭來喜,1998)。國外研究者的研究成果較為豐富,主要有加拿大城市之間的游客流動分析(Lundgren,1984),馬來西亞入境客流、旅歐日本客流的系統(tǒng)研究(Oppermann,1992; Pearce,1995),歐洲旅游客流區(qū)域分布規(guī)律的綜合分析(Jansen-Verbeke,Spee,1995),日本游客在中歐的流動規(guī)律及其趨勢預(yù)測(Baláz,Mitsutake,1998),澳大利亞和韓國入境客流的雙向非均衡性研究(Prideaux,Kim,1999),國際旅游客流的單變量和雙變量分析(Coshall,2000),西班牙國際旅游客流流動模式的計量模型實證研究(Garin-Munoz,Amaral,2000),日本游客赴韓國旅游客流受韓劇的熱播的影響探究(Kim,et al.,2007),等等?？傮w而言,研究成果多注重旅游客流的空間分布特征及其動態(tài)演變,傾向于模型化的定量研究方法,在研究地域上空間尺度趨大,體現(xiàn)了研究手段多樣化和多學(xué)科融合的特點。

國內(nèi)研究者主要針對入境客流的區(qū)域分布特征和集散動態(tài)進(jìn)行了探究。一方面,一些研究者采用統(tǒng)計分析方法、空間分析技術(shù)等,探討了中國入境旅游區(qū)域分布的差異結(jié)構(gòu)及其動態(tài)變化(陳秀瓊,黃福才,2006;陳剛強(qiáng),李映輝,2011;劉法建,等,2010),認(rèn)為中國入境旅游規(guī)模區(qū)域差異明顯,主要表現(xiàn)在東部強(qiáng),西部、東北部次強(qiáng),中部弱,但這種差異正呈現(xiàn)縮小的態(tài)勢;另一方面,一些研究者運(yùn)用入境旅游流集散理論模型、多重指標(biāo)分析法等,對中國局部區(qū)域入境旅游流的集散時空動態(tài)進(jìn)行深入研究,局部區(qū)域集散主要包括西部各省區(qū)之間集散(李創(chuàng)新,等,2011;劉軍勝,馬耀峰,2013)、中部六省之間集散(劉軍勝,等,2013)、東部的三大旅游區(qū)向四川擴(kuò)散(王永明,等,2010)、廣東向西擴(kuò)散(劉宏盈,馬耀峰,2009; 劉宏盈,2012)、上海向西和向長江流域擴(kuò)散(劉宏盈,馬耀峰,2008; 王永明,等,2010)、北京向外擴(kuò)散(張佑印,等,2012)等,這些研究成果為入境旅游流集散時空動態(tài)研究奠定了理論基礎(chǔ),同時呈現(xiàn)了特定局部區(qū)域的入境旅游集散時空動態(tài)轉(zhuǎn)移規(guī)律。

國內(nèi)外入境旅游流的研究成果為更深入認(rèn)識特定區(qū)域入境旅游流分布規(guī)律和集散轉(zhuǎn)移規(guī)律提供了科學(xué)的信息參考,但還未有研究者就入境旅游流區(qū)域集散進(jìn)行系統(tǒng)深入研究,以發(fā)現(xiàn)區(qū)域入境旅游流集散動態(tài)之間的地域差異和潛在規(guī)律,在集散理論建模過程中未考慮到入境游客抽樣調(diào)查數(shù)據(jù)特性,相關(guān)集散理論模型亟須進(jìn)行科學(xué)改進(jìn)和驗證。為此,本文從兩方面展開研究:一方面,根據(jù)入境游客抽樣調(diào)查數(shù)據(jù)特性,改進(jìn)和驗證已有的集散理論模型,以確定集散理論模型實證研究的合理性和可行性,從理論上給予科學(xué)指導(dǎo);另一方面,基于相關(guān)集散理論模型,結(jié)合系統(tǒng)聚類和信息集成方法,著眼于中國31個省區(qū)*文中出現(xiàn)的省區(qū)是省級區(qū)域的簡稱,是指中國境內(nèi)包含的31個省(自治區(qū)、直轄市)。,探究區(qū)域入境客流集散的結(jié)構(gòu)差異和轉(zhuǎn)移規(guī)律,補(bǔ)充具有代表性的區(qū)域研究成果。

1　模型改進(jìn)和驗證

《入境游客抽樣調(diào)查資料》的抽樣調(diào)查對象包括了立即出境的入境游客和未立即出境的入境游客,但入境游客的流向(按省<區(qū)、市>分組)的抽樣調(diào)查對象只包含未立即出境的入境游客,并不涉及立即出境的入境游客,即由某一省區(qū)向其它省區(qū)轉(zhuǎn)移擴(kuò)散的入境游客總?cè)藬?shù)只為該省區(qū)接待的未立即出境的入境游客人數(shù),已有文獻(xiàn)在建模過程中并未考慮入境客流集散抽樣調(diào)查數(shù)據(jù)的這一特性(李創(chuàng)新,等,2011; 劉宏盈,2012; 劉軍勝,馬耀峰,2013; 劉軍勝,等,2013)。基于此,本文擬對以前文獻(xiàn)建立的集散理論模型進(jìn)行重新改進(jìn)和驗證。

1.1　入境客流轉(zhuǎn)移數(shù)量模型

入境客流轉(zhuǎn)移數(shù)量模型作為集散理論的基礎(chǔ)模型,為某一時期由一個區(qū)域向另一個區(qū)域轉(zhuǎn)移擴(kuò)散的入境游客人數(shù)。本文根據(jù)入境客流區(qū)域轉(zhuǎn)移的實際情況,考慮入境客流集散抽樣調(diào)查數(shù)據(jù)特性,對以前文獻(xiàn)的模型式(1)進(jìn)行重新改進(jìn)。改進(jìn)后的模型為式(2):

(1)

(2)

式(1)和式(2)中,rt表示某一時期未立即出境的入境游客抽樣調(diào)查人數(shù)占入境游客抽樣調(diào)查總?cè)藬?shù)的比例;Xi表示i區(qū)域接待的入境游客人數(shù);Yi表示i區(qū)域接待的未立即出境的入境游客人數(shù);Xij表示未考慮入境游客立即出境情況下由i區(qū)域擴(kuò)散至j區(qū)域的入境游客人數(shù);Yij表示實際(考慮入境游客立即出境)由i區(qū)域擴(kuò)散至j區(qū)域的入境游客人數(shù);qi表示i區(qū)域未立即出境的入境游客抽樣調(diào)查人數(shù);qij表示在i區(qū)域未立即出境的入境游客抽樣調(diào)查中由i區(qū)域流向j區(qū)域的入境游客人數(shù)。

本文以2014年由廣東向陜西轉(zhuǎn)移的入境游客人數(shù)計算為例,說明改進(jìn)后的模型式(2)和改進(jìn)前的模型式(1)的計算結(jié)果差異。2014年北京共接待入境游客人數(shù)4274520人次。全國各省區(qū)抽樣調(diào)查人數(shù)為34026人次,其中有11116人次未立即出境*國家旅游局政策法規(guī)司.旅游抽樣調(diào)查資料2015[Z].北京:中國旅游出版社,2015:10.。同時,2014年入境游客的流向(按省<區(qū)、市>分組)的調(diào)查對象為不立即出境的11116人次*國家旅游局政策法規(guī)司.旅游抽樣調(diào)查資料2015[Z].北京:中國旅游出版社,2015:206.,其中北京不立即出境的人數(shù)為524人次,由北京流向陜西的客流人數(shù)為109人次。根據(jù)抽樣調(diào)查結(jié)果,采用改進(jìn)前和改進(jìn)后的入境客流轉(zhuǎn)移數(shù)量模型去刻畫實際由北京擴(kuò)散至陜西的入境客流人數(shù)如下:

改進(jìn)前的模型計算結(jié)果:X=4274520×(109/524)=889165(取整)

改進(jìn)后的模型計算結(jié)果:Y=4274520×(11116/34026)(109/524)=290483(取整)

由上可知,改進(jìn)前和改進(jìn)后的模型在刻畫實際由北京擴(kuò)散至陜西的入境客流人數(shù)時,改進(jìn)前的模型計算結(jié)果約為改進(jìn)后的模型計算結(jié)果的3倍,兩者結(jié)果相差很大。入境客流轉(zhuǎn)移數(shù)量模型是其它集散理論模型建立的基礎(chǔ),也是實證研究過程中由抽樣調(diào)查樣本計算入境客流轉(zhuǎn)移人數(shù)的重要公式。因此,為避免以后入境客流人數(shù)轉(zhuǎn)移實證研究結(jié)果與實際情況產(chǎn)生較大誤差,必須對以前的入境客流轉(zhuǎn)移數(shù)量模型進(jìn)行改進(jìn)。

1.2　入境客流空間集中指數(shù)和入境客流轉(zhuǎn)移態(tài)指數(shù)

入境客流空間集中指數(shù)和入境客流轉(zhuǎn)移態(tài)指數(shù)兩個模型,均是基于入境客流轉(zhuǎn)移數(shù)量模型建立。為此,本文需要依據(jù)改進(jìn)后的入境客流轉(zhuǎn)移數(shù)量模型,去改進(jìn)和驗證入境客流空間集中指數(shù)和入境客流轉(zhuǎn)移態(tài)指數(shù)模型。

1.2.1入境客流空間集中指數(shù)

入境客流空間集中指數(shù)模型能夠刻畫區(qū)域入境客流集散轉(zhuǎn)移市場結(jié)構(gòu)的穩(wěn)定性和波動性,是某一時期區(qū)域入境客流流入和流出強(qiáng)度的量化模型之一。鑒于客流集聚和客流擴(kuò)散的方向差異,入境客流空間集中指數(shù)可分解為入境客流集聚指數(shù)和入境客流擴(kuò)散指數(shù)。

根據(jù)改進(jìn)后的入境游客轉(zhuǎn)移數(shù)量模型式(2),可得到改進(jìn)后的入境客流集聚指數(shù)式(3)和擴(kuò)散指數(shù)式(4),整理結(jié)果如下:

(3)

(4)

(5)

上述修正只對其它區(qū)域向區(qū)域i集聚的入境客流進(jìn)行了等比例修正,并不影響本文的研究結(jié)果,修正的目的主要考慮抽樣調(diào)查誤差和兼顧入境客流空間集中指數(shù)的可比性。

1.2.2入境客流轉(zhuǎn)移態(tài)指數(shù)

入境客流轉(zhuǎn)移態(tài)指數(shù)模型是某一時期區(qū)域入境客流流入和流出強(qiáng)度的具體形象化模型之一,依據(jù)客流集聚和擴(kuò)散的方向差異,入境客流轉(zhuǎn)移態(tài)可分解為入境客流集聚態(tài)和入境客流擴(kuò)散態(tài),并可分別以入境客流集聚態(tài)指數(shù)和入境客流擴(kuò)散態(tài)指數(shù)加以刻畫。

根據(jù)改進(jìn)后的入境游客轉(zhuǎn)移數(shù)量模型式(2),可得到改進(jìn)后的入境客流集聚態(tài)指數(shù)模型式(6)和擴(kuò)散態(tài)指數(shù)模型式(7),整理結(jié)果如下:

(6)

(7)

Ti=100×Xi/X0

(8)

式(8)中,X0表示基準(zhǔn)參照地接待入境游客人數(shù),本文選取1997～2014年接待入境游客人數(shù)最少的寧夏為基準(zhǔn)參照地。

1.3　結(jié)果分析

根據(jù)式(3)、式(4)、式(6)和式(7)的整理結(jié)果可知,改進(jìn)后的入境客流集聚指數(shù)、擴(kuò)散指數(shù)、集聚態(tài)指數(shù)和擴(kuò)散態(tài)指數(shù)計算結(jié)果分別與改進(jìn)前的計算結(jié)果相等。其根本原因在于這4個模型的計算結(jié)果均沒有量綱,模型中的rt將會在公式整理過程中被消除。已有文獻(xiàn)采用計算結(jié)果無量綱的模型進(jìn)行實證研究(李創(chuàng)新,等,2011;劉宏盈,2012;劉軍勝,馬耀峰,2013;劉軍勝,等,2013),其研究結(jié)論具有正確性。但對于模型計算結(jié)果有量綱的情形,模型中的rt將不能被消除,改進(jìn)后的計算結(jié)果和改進(jìn)前的計算結(jié)果將出現(xiàn)差異,入境客流轉(zhuǎn)移數(shù)量模型為一個較好的例子。當(dāng)入境客流集散系列模型計算結(jié)果無量綱時,實證研究過程可無需考慮入境客流集散抽樣調(diào)查數(shù)據(jù)特性;當(dāng)入境客流集散系列模型計算結(jié)果有量綱時,實證研究過程必須考慮入境客流集散抽樣調(diào)查數(shù)據(jù)特性。

2　其它方法和數(shù)據(jù)說明

2.1　信息集成方法

本文采用加權(quán)算術(shù)平均法對某一時期給定區(qū)域內(nèi)各省區(qū)入境客流的空間集中指數(shù)進(jìn)行信息集成,得到某一時期給定區(qū)域入境客流的集聚指數(shù)均值Gc和擴(kuò)散指數(shù)均值Gd:

(9)

(10)

2.2　系統(tǒng)聚類方法

聚類分析是一種研究事物分類問題的多元統(tǒng)計分析方法,其基本原理是依據(jù)樣本特性,采用能夠度量樣本之間相似性或差異性的統(tǒng)計量,確定樣本之間的親疏關(guān)系,從而對樣本進(jìn)行聚類。系統(tǒng)聚類是其中常用的一種方法,包括樣品聚類和變量聚類,本文將依據(jù)入境客流空間集中指數(shù)對中國31個省區(qū)進(jìn)行分類,系統(tǒng)聚類中的樣品聚類適合本文研究。根據(jù)研究對象,本文選擇了離差平方和法(Ward法)作為系統(tǒng)聚類的類間距離計算方法,選擇平方歐氏距離作為系統(tǒng)聚類的個體距離計算方法。

2.3　數(shù)據(jù)說明

本文所需數(shù)據(jù)來源于1998～2015年《中國旅游統(tǒng)計年鑒》和《入境游客抽樣調(diào)查資料》。本文對受SARS等因素影響的2003年數(shù)據(jù)失常,少數(shù)省區(qū)某些年份數(shù)據(jù)缺失,以及無效抽樣調(diào)查(有效調(diào)查人數(shù)在20人次以下的抽樣調(diào)查)導(dǎo)致的少量數(shù)據(jù)失效的情況,采用均值法對缺失和失效的數(shù)據(jù)進(jìn)行填補(bǔ)。如果缺失或無效數(shù)據(jù)處于有效數(shù)據(jù)之間,則采用前后兩年有效數(shù)據(jù)的平均值替代;如果缺失或無效數(shù)據(jù)點存在于有效數(shù)據(jù)點的末端,則采用最近3年有效數(shù)據(jù)的平均值替代。

3　實證研究

3.1　全國入境客流空間集中指數(shù)均值分析

本文采用信息集成方法將某一時期31個省區(qū)入境客流的集聚指數(shù)和擴(kuò)散指數(shù)進(jìn)行信息集成,集成結(jié)果分別表示該時期31個省區(qū)入境客流的集聚指數(shù)均值和擴(kuò)散指數(shù)均值(見圖1)。入境客流在中國省區(qū)的集聚指數(shù)均值由1997年的28.04一直平衡波動至2014年的28.15,平均值為29.09,其中1997年至2008年波動幅度較小,2008年至2013年波動幅度較大,但皆在平均值上下波動,2013年至2014年恢復(fù)至正常的較小波動幅度;入境客流在中國省區(qū)的擴(kuò)散指數(shù)均值由1997年的25.97波動上升至2010年的39.94,達(dá)到擴(kuò)散指數(shù)最大值,隨后下降回落至2014年的30.69,整個過程擴(kuò)散指數(shù)均值的平均值為30.93,且2012年和2013年的擴(kuò)散指數(shù)均值分別為30.53和30.41。

綜上,入境客流在中國省區(qū)的集聚指數(shù)均值和擴(kuò)散指數(shù)均值在1997～2014年并未出現(xiàn)一直上升或者一直下降的局面,而是以平均值為中心展開了不同幅度的波動形態(tài),但最終均恢復(fù)至平均值附近,動態(tài)變化較為穩(wěn)定和平衡。

圖1　1997～2014年中國省區(qū)入境客流的集聚指數(shù)均值和擴(kuò)散指數(shù)均值動態(tài)變化情況

3.2　省區(qū)系統(tǒng)聚類

本文率先依據(jù)1997～2014年各省區(qū)入境客流擴(kuò)散指數(shù)和集聚指數(shù),采用系統(tǒng)聚類方法,分別對中國31個省區(qū)進(jìn)行分類,得到中國31個省區(qū)系統(tǒng)聚類的樹狀圖(見圖2)。圖2呈現(xiàn)了系統(tǒng)聚類的所有可能結(jié)果,因此如何確定聚類數(shù)目成為聚類的關(guān)鍵。我們從以下幾個方面進(jìn)行考慮:(1)各類之間的重心距離必須較大;(2)各類包括的元素個數(shù)不應(yīng)過多;(3)分類數(shù)目應(yīng)符合研究目的。同時,我們結(jié)合類間距離與分類數(shù)目之間的變化曲線,對分類數(shù)目進(jìn)行科學(xué)確定。最終,依據(jù)各省區(qū)入境客流集聚指數(shù)將中國省區(qū)分成了6類,依據(jù)各省區(qū)入境客流擴(kuò)散指數(shù)將中國省區(qū)分成了7類。每一類省區(qū)均是平均值相近且波動趨勢相似的省區(qū)群體。

圖2　依據(jù)1997～2014年各省區(qū)入境客流集聚指數(shù)(圖左)和擴(kuò)散指數(shù)(圖右)的系統(tǒng)聚類樹狀圖

3.3　省區(qū)入境客流空間集中指數(shù)差異

3.3.1省區(qū)入境客流集聚指數(shù)差異

本文按照各省區(qū)在入境客流集聚指數(shù)系統(tǒng)聚類下的結(jié)果將31個省區(qū)分成了6類,同時依據(jù)各省區(qū)1997～2014年入境客流集聚指數(shù)平均值大小對每一類省區(qū)進(jìn)行排序(見表1)。結(jié)果如下。

(1) 第1類包含6個省區(qū),屬于平均值最低的省區(qū)群體,平均值范圍為17.9至27.8,入境客流的客源地分散化程度最為顯著,在集聚入境客流方面的外部依賴性最弱*集聚指數(shù)越小,表明集聚系統(tǒng)穩(wěn)定性越好,分散化程度越顯著,外部依賴性越弱;反之,表明集聚系統(tǒng)穩(wěn)定性越差,分散化程度越不顯著,外部依賴性越強(qiáng)。。廣東和四川在第1類省區(qū)中表現(xiàn)最為顯著,它們的平均值和2014年值在31個省區(qū)中最低。

(2) 第2類和第3類總共包含19個省區(qū)(第3類包含12個省區(qū)),平均值范圍為31.8至45.5。雖然第3類的福建、吉林和浙江比第2類的一些省區(qū)平均值小,但系統(tǒng)聚類不僅考慮了平均值大小,而且考慮了波動趨勢。

(3) 第4類僅包含天津,與天津平均值相近的省區(qū)在波動趨勢上與天津相差較大。

(4) 第5類和第6類共包含5個省區(qū),屬于平均值最高的省區(qū)群體,平均值范圍為43.3至68.2。這些省區(qū)入境客流的集聚客源地集中化程度最為顯著,在集聚入境客流方面的外部依賴性最強(qiáng)。寧夏平均值最大,但具有下降趨勢,2014年值居于第28位,而內(nèi)蒙古平均值位居第30位,但具有明顯的上升趨勢,2014年值居于第31位。

(5) 從全國各省區(qū)來看,大部分省區(qū)集聚指數(shù)均在平均值周圍平衡波動或小幅度偏離,僅有少數(shù)省區(qū)有大幅度上升或下降。大幅度上升的省區(qū)為廣西和內(nèi)蒙古,其2014年值比1997年值分別增加了60.6和41.4;大幅度下降的省區(qū)有寧夏和湖南,其2014年值比1997年值分別減少了40.9和25.0。

注:“均值”表示各省區(qū)1997～2014年集聚指數(shù)的平均值,“2014”表示各省區(qū)2014年集聚指數(shù)值,“排序”表示平均值和2014年值分別在31個省區(qū)中的大小順序,波動趨勢表示各省區(qū)1997～2014年集聚指數(shù)的動態(tài)變化情況。

大部分省區(qū)入境客流集聚指數(shù)均在各自平均值周圍平衡波動或小幅度偏離,僅有少數(shù)省區(qū)出現(xiàn)大幅度上升或下降,其中,大幅度上升的省區(qū)有廣西和內(nèi)蒙古,大幅度下降的省區(qū)有寧夏和湖南;除少數(shù)省區(qū)(較大幅度上升或下降),第1類至第6類各省區(qū)入境客流的集聚客源地分散化程度在逐漸降低,集聚入境客流的外部依賴性在逐漸增強(qiáng);廣東和四川是31個省區(qū)中集聚入境客流外部依賴性最弱的省區(qū),而內(nèi)蒙古、廣西、河北和寧夏為集聚入境客流外部依賴性最強(qiáng)的省區(qū),其中寧夏集聚入境客流的外部依賴性具有減弱趨勢,內(nèi)蒙古和廣西具有增強(qiáng)趨勢。

3.3.2省區(qū)入境客流擴(kuò)散指數(shù)差異

本文按照各省區(qū)在入境客流擴(kuò)散指數(shù)系統(tǒng)聚類下的結(jié)果將31個省區(qū)分成7類,同時依據(jù)各省區(qū)1997～2014年入境客流擴(kuò)散指數(shù)平均值大小對每一類省區(qū)進(jìn)行排序(見表2)。結(jié)果如下。

(1) 第1類包含4個省區(qū),屬于平均值最低的省區(qū)群體,平均值范圍為18.0至25.0,入境客流的目的地分散化程度最為顯著,在擴(kuò)散入境客流方面的外部依賴性最弱*擴(kuò)散指數(shù)越小,表明擴(kuò)散系統(tǒng)穩(wěn)定性越好,分散化程度越顯著,外部依賴性越弱;反之,表明擴(kuò)散系統(tǒng)穩(wěn)定性越差,分散化程度越不顯著,外部依賴性越強(qiáng)。。四川、云南和廣東在第1類中表現(xiàn)最為顯著,其平均值和2014年值為31個省區(qū)最低值。

(2) 第2類包含13個省區(qū),屬于包含最多省區(qū)的群體,平均值范圍為26.4至34.4。第3類、第4類和第5類共包含10個省區(qū),平均值范圍為34.7至47.1。

(3) 第6類和第7類共包含4個省區(qū),屬于平均值最高的省區(qū)群體,平均值范圍為50.1至67.9。這些省區(qū)入境客流的擴(kuò)散目的地集中化程度最為顯著,在擴(kuò)散入境客流方面的外部依賴性最強(qiáng)。雖然寧夏平均值最高,但卻有下降趨勢,而內(nèi)蒙古、天津和河北卻有明顯的上升趨勢,寧夏2014年值分別小于內(nèi)蒙古、天津和河北,內(nèi)蒙古2014年值達(dá)到所有省區(qū)的最大值。

(4) 大部分省區(qū)擴(kuò)散指數(shù)均在平均值周圍平衡波動或小幅度偏離,僅有少數(shù)省區(qū)大幅度上升或下降:大幅度上升的省區(qū)有廣西、內(nèi)蒙古和江蘇,其2014年值比1997年值分別增加了41.3、35.5和32.3,大幅度下降的省區(qū)有青海、新疆和甘肅,其2014年值比1997年值分別減少了34.7、24.9和17.9。

大部分省區(qū)入境客流擴(kuò)散指數(shù)均在各自平均值周圍平衡波動或小幅度偏離,僅有少數(shù)省區(qū)有大幅度上升或下降:大幅度上升的省區(qū)有廣西、內(nèi)蒙古和江蘇,大幅度下降的省區(qū)有青海、新疆和甘肅;除少數(shù)省區(qū)(較大幅度上升或下降),從第1類至第7類各省區(qū)入境客流的擴(kuò)散目的地分散化程度在逐漸降低,擴(kuò)散入境客流的外部依賴性在逐漸增強(qiáng);四川、云南和廣東是31個省區(qū)中擴(kuò)散入境客流外部依賴性最弱的省區(qū),內(nèi)蒙古、河北、天津、江蘇和寧夏是31個省區(qū)中擴(kuò)散入境客流外部依賴性最強(qiáng)的省區(qū),其中寧夏擴(kuò)散入境客流的外部依賴性具有減弱趨勢,內(nèi)蒙古、河北、天津和江蘇具有增強(qiáng)趨勢。

3.4　省區(qū)入境客流集散轉(zhuǎn)移規(guī)律

本文根據(jù)1997～2014年中國各省區(qū)入境客流集聚態(tài)指數(shù)和擴(kuò)散態(tài)指數(shù)(年度平均值),運(yùn)用統(tǒng)計歸納法,探究入境客流在中國31個省區(qū)的集散轉(zhuǎn)移潛在規(guī)律(見表3)。表3第2列呈現(xiàn)了各省區(qū)入境客流集聚態(tài)指數(shù)大于均值的省區(qū)(按集聚態(tài)指數(shù)大小排序),這些省區(qū)即為入境客流集聚到該省區(qū)的主要二次客源地。表3第3列呈現(xiàn)了各省區(qū)入境客流擴(kuò)散態(tài)指數(shù)大于均值的省區(qū)(按擴(kuò)散態(tài)指數(shù)大小排序),這些省區(qū)即是入境客流從該省區(qū)擴(kuò)散的主要二次目的地。表3中各省區(qū)的集聚態(tài)指數(shù)均值和擴(kuò)散態(tài)指數(shù)均值相等,下劃線省區(qū)表示各省區(qū)的共同主要二次客源地和主要二次目的地。由此,第2列的下劃線省區(qū)表示下劃線省區(qū)向第1列各省區(qū)集聚入境客流的能力強(qiáng)于第1列各省區(qū)向下劃線省區(qū)擴(kuò)散入境客流的能力;第3列的下劃線省區(qū)表示第1列各省區(qū)向下劃線省區(qū)擴(kuò)散入境客流的能力強(qiáng)于下劃線省區(qū)向第1列各省區(qū)集聚入境客流的能力。

表2　各省區(qū)1997～2014年入境客流擴(kuò)散指數(shù)的平均值及其排序、2014年值及其排序和波動趨勢

注:“均值”表示各省區(qū)1997～2014年擴(kuò)散指數(shù)的平均值,“2014”表示各省區(qū)2014年擴(kuò)散指數(shù),“排序”表示平均值和2014年值分別在31個省區(qū)中的大小順序,波動趨勢表示各省區(qū)1997～2014年擴(kuò)散指數(shù)的動態(tài)變化情況。

根據(jù)表3結(jié)果,本文對入境客流集聚到31個省區(qū)的主要二次客源地和入境客流從31個省區(qū)擴(kuò)散的主要二次目的地進(jìn)行統(tǒng)計。

(1) 關(guān)于主要二次客源地的統(tǒng)計顯示,廣東和北京是所有省區(qū)的主要二次客源地,分別在19個省區(qū)和5個省區(qū)的主要二次客源地中排序第一,分別在27個省區(qū)和21個省區(qū)的主要二次客源地中排序前三;上海是27個省區(qū)(除西藏、甘肅和青海外)的主要二次客源地,在3個省區(qū)的主要二次客源地中排序第一,在17個省區(qū)的主要二次客源地中排序前三;江蘇、陜西、浙江和福建是12個省區(qū)(江蘇主要集中在華東、華北和東北)的主要二次客源地,陜西、浙江和福建分別是11個省區(qū)(陜西主要集中在西北、西南和華中,浙江和福建主要集中在華東、華北和華南)的主要二次客源地。這4個省區(qū)分別在這些省區(qū)的主要二次客源地中均未排序第一,只在1個至3個省區(qū)的主要二次客源地中排序前三;而其它省區(qū)只為7個及以下省區(qū)的主要二次客源地。

(2) 關(guān)于主要二次目的地的統(tǒng)計顯示,北京是所有省區(qū)的主要二次目的地,在18個省區(qū)的主要二次目的地中排序第一,在所有省區(qū)的主要二次目的地中排序前三;上海是28個省區(qū)(除甘肅和新疆外)的主要二次目的地,在8個省區(qū)的主要二次目的地中排序第一,在26個省區(qū)的主要二次目的地中排序前三;廣東是25個省區(qū)(除內(nèi)蒙古、西藏、甘肅、寧夏和新疆外)的主要二次目的地,在1個省區(qū)的主要二次目的地中排序第一,在11個省區(qū)的主要二次目的地中排序前三;陜西是18個省區(qū)(主要集中在西北、西南、華北和華中)的主要二次目的地,在2個省區(qū)的主要二次目的地中排序第一,在9個省區(qū)的主要二次目的地中排序前三;而其它省區(qū)卻只為9個及以下省區(qū)的主要二次目的地。

(3) 關(guān)于既是主要二次客源地又是主要二次目的地的統(tǒng)計顯示,北京、上海、廣東和陜西分別是30、26、25和11個省區(qū)的共同主要二次客源地和目的地,而其它省區(qū)卻只為5個及以下省區(qū)的共同主要二次客源地和目的地。帶下劃線的廣東、北京、陜西和上海在表3第2列出現(xiàn)的次數(shù)分別為25、4、4和3,帶下劃線的北京、上海、陜西和廣東在表3第3列出現(xiàn)的次數(shù)分別為26、23、7和0。其中,廣東作為25個省區(qū)的共同主要二次客源地和目的地,在25個省區(qū)均具有較強(qiáng)的集聚入境客流能力;北京、上海和陜西分別作為30、26和11個省區(qū)的共同主要二次客源地和目的地,分別在26、23和7個省區(qū)具有較強(qiáng)的擴(kuò)散入境客流能力。

表3　1997～2014年中國各省區(qū)入境客流轉(zhuǎn)移態(tài)情況

續(xù)表3

由以上統(tǒng)計結(jié)果可知,(1)廣東、北京、上海、江蘇、陜西、浙江和福建分別是中國大部分省區(qū)的主要二次客源地(廣東、北京和上海表現(xiàn)尤為突出),北京、上海、廣東和陜西分別是中國大部分省區(qū)的主要二次目的地。(2)北京是所有省區(qū)的共同主要二次客源地和目的地,上海和廣東是幾乎全部省區(qū)(除少數(shù)西部省區(qū))的共同主要二次客源地和目的地,而陜西是11個省區(qū)(主要集中于西北、西南和華中)的共同主要二次客源地和目的地。(3)在北京、上海、廣東和陜西各自的共同主要二次客源地和目的地中,廣東在所有省區(qū)均具有較強(qiáng)的集聚入境客流的能力,而北京和上海在幾乎全部省區(qū)具有較強(qiáng)的擴(kuò)散入境客流的能力,陜西則在大部分省區(qū)具有較強(qiáng)的擴(kuò)散客流的能力。

4　結(jié)論

抽樣調(diào)查是統(tǒng)計學(xué)中通過小樣本估計調(diào)查對象的理想方法,該方法節(jié)約時間且適應(yīng)面廣,但因為由小樣本去估計調(diào)查對象,建立合適的模型就顯得尤為重要。入境客流轉(zhuǎn)移數(shù)量模型作為集散理論的基礎(chǔ)模型,由于并未考慮到省區(qū)接待的入境游客不僅包括了不立即出境的入境游客(將會轉(zhuǎn)移至其它省區(qū)繼續(xù)游覽),還包括了立即出境的入境游客,所以必須進(jìn)行科學(xué)改進(jìn)。為此,本文根據(jù)入境客流區(qū)域轉(zhuǎn)移的實際情況,考慮入境客流集散抽樣調(diào)查數(shù)據(jù)特性,對以前文獻(xiàn)建立的入境客流轉(zhuǎn)移數(shù)量模型進(jìn)行改進(jìn),同時根據(jù)改進(jìn)后的入境客流轉(zhuǎn)移數(shù)量模型,改進(jìn)和驗證入境客流相關(guān)集散理論模型。改進(jìn)后的入境客流集散模型不僅能夠更準(zhǔn)確刻畫入境客流轉(zhuǎn)移情況,而且能夠為進(jìn)一步建立集散理論模型奠定基礎(chǔ)。

中國大陸各省區(qū)由于受旅游資源、地理環(huán)境和經(jīng)濟(jì)文化等因素影響,入境客流在各省區(qū)呈現(xiàn)不同的集散結(jié)構(gòu)特征。實證表明,各省區(qū)入境客流空間集中指數(shù)相差較大,但大部分省區(qū)入境客流空間集中指數(shù)在各自平均值周圍平衡波動或小幅度偏離,僅有少數(shù)省區(qū)有大幅度上升或下降。依據(jù)集聚指數(shù)和擴(kuò)散指數(shù)的系統(tǒng)聚類結(jié)果,中國省區(qū)分別由平均值相近且波動趨勢相似的6類群體和7類群體組成。從第1類開始,大部分省區(qū)入境客流的集聚客源地和擴(kuò)散目的地分散化程度在逐漸降低(集中化程度在逐漸增大),即集聚和擴(kuò)散入境客流的外部依賴性在逐漸增強(qiáng)。

中國作為世界旅游目的地,地域廣闊且旅游資源豐富,已具有獨特的入境旅游集散流動模式。根據(jù)本文分析結(jié)果(廣東、北京、上海、江蘇、陜西、浙江和福建分別是中國大部分省區(qū)的主要二次客源地,其中,廣東、北京和上海表現(xiàn)尤為突出;北京、上海、廣東和陜西分別是中國大部分省區(qū)的主要二次目的地),結(jié)合地域交通區(qū)位和經(jīng)濟(jì)稟賦效應(yīng),研究結(jié)果如下。

第一,東部六大省區(qū)是入境旅游的主要一級目的地和中轉(zhuǎn)地,中國大部分省區(qū)成為東部六大省區(qū)之后入境客流的二級擴(kuò)散目的地,其中,北京、上海和廣東為入境游客離境的主要口岸城市,客觀上使其成為中國大部分省區(qū)的主要二次目的地。

第二,陜西是中國大部分省區(qū)的主要二次客源地和目的地,但作為主要二次客源地時,11個省區(qū)主要集中在西北、西南和華中(共包含9個省區(qū));作為主要二次目的地時,18個省區(qū)主要集中在西北、西南、華北和華中(共包含15個省區(qū))。由此形成了以陜西為主要二次客源地和目的地的“西北、西南、華北和華中→陜西→西北、西南和華中”局部區(qū)域入境客流集散形態(tài),陜西已成為入境客流在西北、西南、華中和華北之間中轉(zhuǎn)的核心省區(qū)。其可能原因在于陜西省具有較為豐富的旅游資源和較為雄厚經(jīng)濟(jì)基礎(chǔ),并處于西北、西南和華中的核心地理位置。此外,從陜西省來看,北京、廣東和上海是陜西的最主要二次客源地,北京、上海是陜西的最主要二次目的地。中國形成了從“東部六大省區(qū)”入境、從“北京、上海、廣東”離境的入境客流核心集散模式,而陜西作為西北、西南、華中和華北區(qū)域的主要中轉(zhuǎn)地,為中國入境客流核心集散模式的補(bǔ)充。

第三,廣東作為25個省區(qū)的共同主要二次客源地和目的地,在各省區(qū)均表現(xiàn)出較強(qiáng)的集聚入境客流能力,北京和上海分別作為30個和26個省區(qū)的共同主要二次客源地和目的地,則分別在26個和23個省區(qū)表現(xiàn)出較強(qiáng)的擴(kuò)散入境客流能力?！皬V東→其它省區(qū)→北京或者上海”已成為了中國最主要的入境客流集散路徑。

由于北京、上海、廣東和陜西入境客流的客源地和目的地的分散化程度較高,即集聚和擴(kuò)散流動系統(tǒng)處于較為穩(wěn)定的狀態(tài),從而中國具有的獨特集散流動模式還將持續(xù)。相關(guān)政府部門可參考各區(qū)域入境客流集聚和擴(kuò)散流動路徑,了解其主要二次客源地和主要二次目的地的旅游資源和旅游特色,結(jié)合國家戰(zhàn)略規(guī)劃,積極制定適合入境旅游需求的區(qū)域旅游發(fā)展戰(zhàn)略,提高各區(qū)域集聚和擴(kuò)散路徑的入境客流量,達(dá)到科學(xué)發(fā)展入境旅游的目的。

參考文獻(xiàn)：

[1]陳秀瓊,黃福才.中國入境旅游的區(qū)域差異特征分析[J].地理學(xué)報,2006(12):1271-1280.

[2]陳剛強(qiáng),李映輝.中國區(qū)域旅游規(guī)模的空間結(jié)構(gòu)與變化[J].旅游學(xué)刊,2011(11):84-89.

[3]李創(chuàng)新,馬耀峰,賀雅坤,褚玉良,張穎.1994～2008年西部入境旅游典型省份客流集散時空動態(tài)研究——以陜西、四川、云南為例[J].旅游學(xué)刊,2011(7):12-19.

[4]劉法建,張捷,陳冬冬.中國入境旅游流網(wǎng)絡(luò)結(jié)構(gòu)特征及動因研究[J].地理學(xué)報,2010(8):1013-1024.

[5]劉宏盈,馬耀峰.廣東入境旅游流向西擴(kuò)散時空動態(tài)演變研究[J].人文地理,2009(4):124-128.

[6]劉宏盈.廣東入境旅游流西向擴(kuò)散距離衰減規(guī)律研究[J].經(jīng)濟(jì)地理,2012(11):162-170.

[7]劉宏盈,馬耀峰.入境旅游流空間轉(zhuǎn)移與省域旅游經(jīng)濟(jì)聯(lián)系強(qiáng)度耦合分析——以上海入境旅游流西向擴(kuò)散為例[J].資源科學(xué),2008(8):1162-1168.

[8]劉軍勝,馬耀峰.西部各省區(qū)入境游客集聚擴(kuò)散能力演變對比分析[J].干旱區(qū)資源與環(huán)境,2013(9):187-192.

[9]劉軍勝,馬耀峰,李振亭.1997～2010年中部六省入境旅游流集散時空動態(tài)分析[J].地理科學(xué),2013(4):450-456.

[10]陸林.現(xiàn)代國際旅游流研究[D].北京:中國科學(xué)院地理科學(xué)與資源研究所,1997:1-5.

[11]唐順鐵,郭來喜.旅游流體系研究[J].旅游學(xué)刊,1998(3):38-41.

[12]王永明,馬耀峰,李創(chuàng)新.中國典型區(qū)域入境旅游流擴(kuò)散轉(zhuǎn)移研究——以東部三大旅游區(qū)向川流為例[J].干旱區(qū)資源與環(huán)境,2010(9):156-160.

[13]王永明,馬耀峰,王美霞.上海入境旅游流對長江流域各省區(qū)空間場效應(yīng)研究[J].經(jīng)濟(jì)地理,2010(5):854-858.

[14]張佑印,顧靜,馬耀峰,黃河清.北京入境旅游流分級擴(kuò)散模式及動力機(jī)制分析[J].人文地理,2012(5):120-127.

[15]Baláz V,Mitsutake M(1998).Japanese tourists in transition countries of Central Europe:Present behavior and future trends[J].Tourism Management,19(5):433-443.

[16]Coshall J(2000).Spectral analysis of international tourism flows[J].Annals of Tourism Research,27(3):577-589.

[17]Garin-Munoz T,Amaral T P(2000).An econometrics model for international tourism flows to Spain[J].Applied Economies Letters,7(8):525-529.

[18]Jansen-Verbeke M,Spee R(1995).A regional analysis of tourist flows within Europe[J].Tourism Management,16(1):73-82.

[19]Kim S S,Agrusa J,Lee H,Chon K(2007).Effects of Korean television dramas on the flow of Japanese tourists[J].Tourism Management,28(5):1340-1353.

[20]Lundgren J O J(1984).Geographical concepts and the development of tourism research in Canada[J].Geo-Journal,9(1):17-25.

[21]Oppermann M(1992).International tourist flows in Malaysia[J].Annals of Tourism Research,19(3):482-500.

[22]Pearce D G(1995).Japanese tourists in Europe[J].Geographical Review of Japan,68(1):63-74.

[23]Prideaux B,Kim S M(1999).Bilateral tourism imbalance:Is there a cause for concern:The case of Australia and Korea[J].Tourism Management,20(4):523-532.