張 俊，程 勵

（四川大學a.災后重建與管理學院；b.旅游學院，成都 610065）

0 引言

入境旅游作為我國旅游業(yè)的重要組成部分，是衡量我國旅游業(yè)國際競爭力和國際化水平的重要因素，入境旅游對推行旅游外交、“一帶一路”建設(shè)，構(gòu)建我國對外開放新格局都具有重要推動作用。但與此同時，入境旅游業(yè)也是一個兼具敏感性和脆弱性的綜合性產(chǎn)業(yè)，頻繁遭受國內(nèi)外各種突發(fā)事件的侵擾，這些突發(fā)事件已嚴重影響入境旅游業(yè)的正常發(fā)展。特別一些諸如地震災難[1]、恐怖襲擊[2]、金融危機[3]等重大突發(fā)事件會對旅游產(chǎn)業(yè)鏈和旅游市場結(jié)構(gòu)造成全面、系統(tǒng)性的破壞。因而，探索突發(fā)事件與入境旅游的關(guān)聯(lián)機制和影響機理，有利于提高旅游地安全管理水平，促進入境旅游業(yè)可持續(xù)發(fā)展。

本文以2003—2015年中國省際常規(guī)突發(fā)事件和入境旅游人數(shù)為研究對象，以地質(zhì)災害、火災事故和交通事故為常規(guī)突發(fā)事件變量，運用核密度估計和空間面板計量模型重點探討：（1）常規(guī)突發(fā)事件發(fā)生水平與入境旅游人數(shù)的時空動態(tài)演進趨勢，以及它們在地理空間上的關(guān)聯(lián)性；（2）常規(guī)突發(fā)事件發(fā)生水平對中國入境旅游人數(shù)的空間影響和溢出效應，旨在為提高入境旅游安全管理水平、區(qū)域旅游應急合作等提供理論支撐。

1 研究方法、指標選取與數(shù)據(jù)來源

1.1 研究方法

空間計量經(jīng)濟學理論摒棄了傳統(tǒng)計量經(jīng)濟學的空間無關(guān)聯(lián)和均衡性的假設(shè)，通過構(gòu)建空間權(quán)重，充分考慮空間關(guān)聯(lián)性對經(jīng)濟活動的影響，以消除估計結(jié)果中出現(xiàn)有偏或無效的缺陷[4]。目前，常用的空間面板計量模型主要包括空間滯后模型（簡稱SLM）、空間誤差模型（簡稱SEM）和空間杜賓模型（簡稱SDM）。其中空間滯后模型（SLM）主要分析鄰接地理單元的因變量對本地理單元因變量的影響是否具有空間溢出效應[5]，具體模型為：

式中，Y為n×1被解釋變量列向量，X為解釋變量向量，W為空間權(quán)重矩陣，β為解釋變量的估計系數(shù)，反映解釋變量X對被解釋變量Y的影響程度，ρ為被解釋變量的空間自相關(guān)系數(shù)，ε為隨機誤差向量。

空間誤差模型（SEM）主要用來探討鄰近地區(qū)的擾動誤差對本地理單元的沖擊影響，具體公式為：

式中，λ為空間誤差系數(shù)，反映鄰接單元被解釋變量Y對本單元Y的影響程度，μ為隨機誤差向量。

空間杜賓模型（SDM）不僅考慮本單元被解釋變量的空間影響，還考慮鄰近單元被解釋變量與本單元解釋變量的空間溢出效應，即本單元解釋變量對鄰近單元被解釋變量的空間溢出效應或鄰近單元解釋變量對本單元被解釋變量的空間溢出效應[6]。具體公式為：

式中，γ表示空間滯后解釋變量X的估計系數(shù)。

1.2 指標選取與數(shù)據(jù)來源

在常規(guī)突發(fā)事件中，火災事故、地質(zhì)災害（包括泥石流、滑坡、崩塌）和交通事故的發(fā)生水平較高，屬于高發(fā)性常規(guī)突發(fā)事件（見表1），同時它們也是國家統(tǒng)計局和公安部消防局公布的主要突發(fā)事件類型。目前，由于缺乏權(quán)威的統(tǒng)計數(shù)據(jù)，突發(fā)事件的科學量化一直比較困難。因此，基于數(shù)據(jù)的可獲得性和真實性，本文以我國31個省級行政單位（港澳臺地區(qū)除外）為研究單元，選取2004—2016年《中國統(tǒng)計年鑒》《中國消防年鑒》《中國旅游統(tǒng)計年鑒》以及公安部消防局官方網(wǎng)站公開的3類常規(guī)突發(fā)事件（地質(zhì)災害、火災事故和交通事故）作為解釋變量，以發(fā)生頻次作為突發(fā)事件形態(tài)指標，入境旅游人數(shù)作為被解釋變量。

表1 解釋變量的描述性統(tǒng)計

2 常規(guī)突發(fā)事件與入境旅游人數(shù)的動態(tài)演進

本文借助Matlab2011統(tǒng)計軟件，采用高斯核函數(shù)分別對2003年、2007年、2011年和2015年的全國31個省份火災事故、地質(zhì)災害、交通事故三種常規(guī)突發(fā)事件發(fā)生水平的自然對數(shù)（lnhzsg、lndzzh、lnjtsg）和入境旅游人數(shù)的自然對數(shù)（lnlyrs）進行Kernel密度估計，并繪制成核密度分布曲線（見圖1），同時結(jié)合各變量的分布水平，探討常規(guī)突發(fā)事件與入境旅游人數(shù)在地理空間上的動態(tài)演進趨勢。

2.1 Lnhzsg分布水平的動態(tài)演進趨勢

（1）lnhzsg核密度曲線整體上呈左偏態(tài)分布，說明多數(shù)省份的火災事故發(fā)生水平要高于全國平均水平；隨著時間推移，lnhzsg分布曲線整體呈“左移-右移”的變化態(tài)勢，其中在2003—2011年核密度曲線不斷向左移動，說明火災事故發(fā)生水平逐年下降，在2012—2015年分布整體開始向右移動，說明火災事故發(fā)生水平處于上升趨勢。（2）從波峰形態(tài)上看，lnhzsg分布曲線在樣本考察期內(nèi)呈“收窄-扁平”的變化態(tài)勢，具體表現(xiàn)為分布曲線的波峰高度在2003—2011年逐漸變高，波峰寬度大幅收窄，主峰出現(xiàn)尖峰形狀，左拖尾波長不斷縮短，說明地帶內(nèi)火災事故分布差距逐漸縮小，在2011—2015年波峰高度不斷下降，波峰寬度的整體分布逐漸扁平，且左拖尾不斷拉長，說明火災事故高發(fā)地區(qū)（浙江、江蘇）與火災事故低發(fā)地區(qū)（西藏、青海）的差距在不斷擴大。（3）從波峰數(shù)量上看，多數(shù)年份的lnhzsg分布曲線左側(cè)出現(xiàn)多處輕微“隆起”，表明省際間火災事故分布水平出現(xiàn)多極分化現(xiàn)象。（4）從樣本單元發(fā)生水平來看，火災事故低水平區(qū)主要集中在西藏、青海、貴州等西部地區(qū)，高水平區(qū)主要包括中東部的山東、吉林、遼寧、浙江等地。

圖1 常規(guī)突發(fā)事件與入境旅游人數(shù)分布水平的動態(tài)演進趨勢

2.2 Lndzzh分布水平的動態(tài)演進趨勢

（1）樣本考察期內(nèi)lndzzh整體上呈右偏態(tài)分布，說明多數(shù)省份的地質(zhì)災害發(fā)生水平低于全國平均水平。隨著時間推移，樣本考察期內(nèi)lndzzh核密度曲線呈“左移-右移-左移”交替演進態(tài)勢。（2）波峰形態(tài)上，核密度分布曲線呈“扁平-收窄-扁平”的變化態(tài)勢，具體表現(xiàn)為2003—2007年的波峰高度不斷降低，寬度趨向扁平，說明區(qū)域地質(zhì)災害發(fā)生水平差距有所拉大，2007—2011年波峰高度升高，波峰寬度趨向收窄，區(qū)域發(fā)生水平差距有所縮小，2011—2015年波峰高度再次下降，波峰寬度趨向扁平，說明區(qū)域發(fā)生水平差距再次拉大。（3）從波峰數(shù)量上看，樣本考察期內(nèi)lndzzh的分布曲線主要呈“單峰”分布形態(tài)，省際間地質(zhì)災害分布水平的空間極化效應比較明顯。從分布水平上看，地質(zhì)災害低水平區(qū)主要包括天津、北京、黑龍江、上海、寧夏等地，高水平區(qū)主要分布在西南地區(qū)、嶺南地區(qū)和武陵山脈等地，涉及四川、重慶、云南、廣西、湖南、湖北和江西等省區(qū)。由于這些地區(qū)多山地、丘陵、高原和喀斯特地貌，降水比較豐富，易引發(fā)滑坡、泥石流和崩塌等地質(zhì)災害[7]。

2.3 Lnjtsg分布水平的動態(tài)演進趨勢

（1）樣本考察期內(nèi)lnjtsg整體分布水平呈左偏態(tài)分布，說明大多省區(qū)的交通事故發(fā)生水平要高于全國平均水平；隨著時間推移，lnjtsg核密度曲線在2003—2015年不斷向左移動，表明全國交通事故整體發(fā)生水平不斷下降，其中2015年波峰對應的交通事故發(fā)生水平范圍為[8，8.5]。（2）從波峰形態(tài)上看，lnjtsg分布曲線在樣本考察期內(nèi)呈現(xiàn)“收窄-扁平”的變化態(tài)勢，表現(xiàn)為波峰高度在2003—2007年逐漸變高，波峰寬度逐漸收窄，左拖尾波長不斷縮短，省際間交通事故發(fā)生水平差距逐漸縮??；2007—2015年波峰高度有所上升，形態(tài)變得平緩，省際間交通事故發(fā)生水平差距逐漸擴大。（3）從波峰數(shù)量上看，lnjtsg分布曲線在樣本考察期內(nèi)表現(xiàn)為“雙峰”向“單峰”形態(tài)變化，說明省際交通事故發(fā)生水平的空間極化效應越來越明顯。從樣本區(qū)域來看，交通事故低發(fā)區(qū)主要集中在西部地區(qū)，包括西藏、青海、貴州、寧夏等地，高發(fā)區(qū)主要集中在東部沿海省份，包括江蘇、山東、浙江、廣東等地。

2.4 Lnlyrs分布水平的動態(tài)演進趨勢

（1）樣本考察期內(nèi)lnlyrs整體分布水平呈左偏態(tài)分布，說明多數(shù)省區(qū)的入境旅游人數(shù)要高于全國平均水平；隨著時間推移，lnlyrs核密度曲線在整體上不斷向右位移，說明入境旅游人數(shù)在考察期內(nèi)不斷增加。（2）波峰形態(tài)上，樣本考察期內(nèi)lnlyrs核密度曲線整體上呈“收窄-扁平”的演進態(tài)勢，表現(xiàn)為2003—2007年波峰高度逐漸變高，波峰寬度逐漸收窄，地帶差異逐漸縮小，2007—2015年波峰高度逐漸降低，波峰形態(tài)逐漸平緩，表明入境旅游人數(shù)的區(qū)域差距開始拉大，至2011—2015年波峰形態(tài)變化比較平穩(wěn)。（3）從波峰數(shù)量上看，lnlyrs核密度曲線在樣本考察期內(nèi)呈現(xiàn)“單峰”向“雙峰”或“多峰”的形態(tài)變化，說明省際間入境旅游人數(shù)在地理空間上出現(xiàn)多極分化現(xiàn)象，趨向俱樂部收斂。由入境旅游人數(shù)的分布水平可知，入境旅游人數(shù)的低水平區(qū)域主要分布在西北和青藏地區(qū)，包括寧夏、青海、新疆、西藏、貴州等地，高水平區(qū)域主要集中于東部沿海省區(qū)，如北京、上海、廣東、浙江、江蘇、福建等地。這是由于東部沿海地區(qū)經(jīng)濟水平、基礎(chǔ)設(shè)施、交通條件、旅游資源稟賦、對外開放水平等條件皆要優(yōu)于內(nèi)陸西部省份，且多數(shù)地區(qū)是入境游客的目的地、集散地和中轉(zhuǎn)站；西部地區(qū)多數(shù)省份區(qū)位偏遠，遠離客源市場，旅游基礎(chǔ)設(shè)施不完善，可進入性較差，在一定程度上制約了當?shù)厝刖陈糜螛I(yè)的發(fā)展。

3 常規(guī)突發(fā)事件對入境旅游人數(shù)的空間效應

本文基于地理鄰接權(quán)重，運用Matlab11軟件中的空間計量軟件模塊測算常規(guī)突發(fā)事件對入境旅游人數(shù)的空間效應，模型包括混合OLS模型、空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）。根據(jù)固定效應模型對空間效應和時間效應的不同控制，空間計量模型又可分為非固定效應（nF）、空間固定效應（sF）、時間固定效應（tF）和時空固定效應（stF）四種模型。

在引入地理鄰接權(quán)重矩陣后，本文首先通過非空間效應的混合OLS模型考察常規(guī)突發(fā)事件與入境旅游人數(shù)是否存在空間自相關(guān)，并比較SLM和SEM的最優(yōu)模型。表2報告了基于地理鄰接權(quán)重的空間面板計量結(jié)果。Moran統(tǒng)計值為0.431，在1‰水平上拒絕“不存在空間自相關(guān)”的原假設(shè)，說明傳統(tǒng)混合模型因忽略空間交互作用而使得估計結(jié)果出現(xiàn)偏差甚至無效，因而本文應采用空間面板計量模型。Hausman統(tǒng)計值為-38.57，拒絕個體效應與解釋變量無關(guān)的原假設(shè)，說明固定效應模型的估計結(jié)果應優(yōu)于其他模型。其次，對于SLM與SEM的選擇，Anselin提出模型的判別準則，若LMLAG的統(tǒng)計值要顯著高于LMERR的統(tǒng)計值，且R LMLAG的統(tǒng)計值要顯著高于R MERR的統(tǒng)計值時，說明SLM優(yōu)于SEM。本文中，LMLAG和R LMLAG的檢驗統(tǒng)計值皆顯著高于LMERR和R MERR的檢驗統(tǒng)計值，說明空間滯后面板（SLM）模型估計效果更好。再次，依據(jù)Wald指標和LR指標判斷空間杜賓模型（SDM）是否應簡化為空間滯后模型（SLM）。表2中Wald spatia_l lag、LR_ spatial lag 和Wald spatial error、LR spatial error的統(tǒng)計值皆不能拒絕假設(shè)，因此應將空間杜賓面板模型（SDM）簡化為空間滯后面板模型（SLM）或空間誤差面板模型（SEM）。最后，通過比較擬合優(yōu)度R2、Adjust R2和對數(shù)似然函數(shù)（Log-likelihood）指標，發(fā)現(xiàn)空間固定效應模型（sF）要優(yōu)于其他三種模型。綜合上述分析，本文認為空間固定效應的SLM估計效果最優(yōu)（模型2）。

表2 常規(guī)突發(fā)事件對入境旅游人數(shù)的空間效應

模型2結(jié)果顯示，空間自相關(guān)系數(shù)ρ為0.58，且在1‰水平上顯著，說明省際間入境旅游人數(shù)存在顯著的正向溢出效應，即本地區(qū)入境旅游人數(shù)的增長對周邊地區(qū)入境旅游人數(shù)也具有正向的促進作用。Lndzzh與lnlyrs存在非線性的影響關(guān)系，lndzzh的估計系數(shù)為0.05，不顯著為正，lndzzh二次項的估計系數(shù)為-0.007，且通過5%水平的顯著性檢驗，表明lnlyrs與lndzzh呈“倒U”型曲線關(guān)系（圖2），曲線拐點位于-β1/2β2處，計算出的拐點值為3.71，對應的地質(zhì)災害發(fā)生水平為41起，意味著省際地質(zhì)災害發(fā)生水平超過41起時，入境旅游人數(shù)將會持續(xù)下滑。這說明地質(zhì)災害發(fā)生水平較低時，它對入境旅游人數(shù)影響不明顯，但是當?shù)刭|(zhì)災害發(fā)生水平（＞41起）超出入境旅游系統(tǒng)的承受能力時，就會對入境旅游人數(shù)增長產(chǎn)生抑制作用。在樣本觀測期間，北京、天津、河北、江西、內(nèi)蒙古、寧夏、青海、山東、山西、上海十個省區(qū)的地質(zhì)災害平均水平位于拐點左側(cè)，未超出旅游系統(tǒng)臨界水平，其他21個省區(qū)地質(zhì)災害平均水平位于拐點右側(cè)，皆超出旅游系統(tǒng)臨界水平，說明超過2/3省區(qū)的地質(zhì)災害發(fā)生水平較高，對入境旅游人數(shù)已造成明顯的負向影響。Lnhzsg對lnlyrs的影響系數(shù)為-0.09，通過5%水平的顯著性檢驗，說明lnhzsg每多發(fā)生1%，lnlyrs就會下降0.09%。lnjtsg對lnlyrs的估計系數(shù)為-0.34，通過1‰水平的顯著性檢驗，說明lnjtsg每多發(fā)生1%，就會使lnlyrs下降0.34%。

可以看出，雖然常規(guī)突發(fā)事件在發(fā)生水平較低時，不會對旅游系統(tǒng)造成顯著的負面影響，但是當突發(fā)事件長期處于高發(fā)態(tài)勢時，隨著時間遲滯以及風險系統(tǒng)的放大作用[8]，存在于旅游風險系統(tǒng)中的不安全因素不斷激化并超出旅游系統(tǒng)的承受范圍時，會嚴重破壞區(qū)域旅游業(yè)的正常運行，沖擊旅游地形象，并嚴重影響潛在（現(xiàn)實）游客的旅游需求和行為決策，最終導致入境旅游人數(shù)急劇下滑。在本文中，火災事故和交通事故作為高發(fā)性常規(guī)突發(fā)事件，已對我國入境旅游人數(shù)造成明顯的負向影響。此外，在這些突發(fā)事件類型中，交通事故發(fā)生水平對我國入境旅游人數(shù)的影響程度最高。

4 結(jié)論

近年來，頻發(fā)的常規(guī)突發(fā)事件已成為我國入境旅游發(fā)展的重要障礙。本文以2003—2015年中國大陸省級行政單位的常規(guī)突發(fā)事件和入境旅游人數(shù)的統(tǒng)計數(shù)據(jù)為基礎(chǔ)，運用核密度估計估計和空間面板計量模型，實證分析常規(guī)突發(fā)事件對入境旅游人數(shù)影響的空間效應。結(jié)果表明：常規(guī)突發(fā)事件與入境旅游人數(shù)的動態(tài)演進趨勢顯示，大多數(shù)省區(qū)的火災事故、交通事故和入境旅游人數(shù)均高于全國平均水平，多數(shù)省份的地質(zhì)災害發(fā)生水平低于全國平均水平。波峰形態(tài)和數(shù)量顯示，火災事故和入境旅游人數(shù)在地理空間上呈現(xiàn)多極分化趨勢，區(qū)域水平差距比較顯著；交通事故和地質(zhì)災害空間極化效應比較明顯。從分布水平來看，火災事故、交通事故和入境旅游人數(shù)的低水平區(qū)主要分布在西部省區(qū)，高水平區(qū)主要集中在東部沿海省區(qū)；地質(zhì)災害低水平區(qū)主要包括天津、北京、黑龍江、上海、寧夏等地，高水平區(qū)主要分布在西南地區(qū)、嶺南地區(qū)和武陵山脈等地。SLM的估計結(jié)果顯示，lndzzh和lnlyrs存在非線性關(guān)系，呈“倒U”型曲線分布，說明地質(zhì)災害發(fā)生水平較低時，對入境旅游人數(shù)影響不明顯，但是當?shù)刭|(zhì)災害高度頻發(fā)，且發(fā)生水平超出入境旅游系統(tǒng)的承受能力時，就會對入境旅游人數(shù)增長產(chǎn)生抑制作用。