崔向天

(華僑大學 旅游學院，福建 泉州 362021)

隨著中國公民收入水平的不斷提高，出境旅游已經(jīng)成為越來越多人的選擇[1]。中華人民共和國文化和旅游部的數(shù)據(jù)顯示，2018年中國公民出境旅游人數(shù)達到14 972萬人次，比上年同期增長了14.7%，其增長速度高于國內(nèi)旅游3.9%[2]。然而在出境旅游快速發(fā)展的同時，旅游危機事件卻頻繁發(fā)生。這無疑會影響出境旅游者對目的地的信心，增加出境旅游者的風險感知，減少出境旅游者的旅游行為，改變出境旅游者的旅游計劃，最終引起旅游客源地和目的地市場結構的巨大變化[3]。科學分析危機事件下出境旅游市場的變化規(guī)律對客源地旅游企業(yè)跨國經(jīng)營業(yè)務的順利開展，以及目的地旅游業(yè)的迅速恢復，都有著重要的意義。由于旅游需求能代表客源地市場潛力和出游意愿，因此，分析客源地旅游需求特征能更好地把握客源市場的結構特征[4-5]。從旅游需求的視角進行旅游危機事件研究，能很好地反映旅游危機事件對客源市場的影響。

目前，危機事件對旅游業(yè)影響的相關研究主要關注的是危機事件對國內(nèi)旅游、入境旅游的影響，較少關注危機事件對出境旅游的影響。有關危機事件對出境旅游需求影響的研究主要關注的是危機發(fā)生后本國或本國某一地區(qū)公民前往他國旅游需求的變化，而很少關注本國不同地區(qū)公民出境旅游需求受旅游危機事件影響程度的差異。相關研究在分析危機事件對本國入境旅游市場沖擊時多將客源國作為一個整體，使用的數(shù)據(jù)多為各個客源國整體數(shù)據(jù)，缺少對客源國不同地區(qū)旅游需求變化程度的考察。因此，文章以2018年7月5日發(fā)生于泰國普吉島的“鳳凰號”游船傾覆事故(以下簡稱“7·5普吉島游船傾覆事故”或“普吉島游船傾覆事故”)這一典型境外旅游危機事件為例，基于百度指數(shù)，運用季節(jié)集中指數(shù)、變差系數(shù)、首位度、地理集中指數(shù)、赫芬達爾系數(shù)和空間自相關等方法，分析境外旅游目的地危機事件對中國各省份旅游需求沖擊程度差異。本文基于各個省份的數(shù)據(jù)，使危機事件的影響評價從國家層面過渡到國家的地區(qū)層面，細化了危機事件影響的評估尺度，有利于更加精準、全面、客觀地評估危機事件對出境旅游的影響；同時在現(xiàn)實層面上全面掌握危機事件對客源國的影響規(guī)律，有利于指導中國旅游企業(yè)跨國業(yè)務的順利開展和目的地旅游業(yè)恢復。

一、研究方法與數(shù)據(jù)來源

(一)研究方法

季節(jié)性集中指數(shù)(S)：本研究用來衡量中國公民赴普吉島旅游需求的時間集中程度。S值越趨近于0，則旅游需求的時間分布差異越小，分布越均勻；反之亦然[6]。

計算公式如下：

。

(1)

變差系數(shù)(CV)：本研究用來衡量中國各省份公民赴普吉島旅游需求的差異程度。CV值越大，則各省份之間赴普吉島旅游需求的差距越大。

計算公式如下：

。

(2)

首位度(p)：本研究用來衡量中國公民赴普吉島旅游需求的空間集中程度。P值是中國旅游需求排名第一與第二的省份的需求值之比，其值越大，則中國公民赴普吉島旅游需求的集中度越高[7]。

計算公式如下：

P=p1/p2

。

(3)

地理集中指數(shù)(G)：本研究用來衡量中國公民赴普旅游需求的空間集中程度。G值越接近100，表示該旅游需求越集中；G越接近于0，表示旅游需求分布范圍越廣[8]。

計算公式如下：

。

(4)

赫芬達爾系數(shù)(H)：本研究用來衡量中國公民赴普吉島旅游需求的區(qū)域集中程度。H值越接近1，表示旅游需求集聚程度越高；H值越接近0，表示旅游需求集聚程度越低[9]。

計算公式如下：

(5)

空間自相關：

1)全局空間自相關。本研究主要以全局Moran’s I指數(shù)測度分析旅游需求在空間上是否發(fā)生了集聚。Morans’I的取值范圍從-1到1，其絕對值越大，相關性越顯著，集聚程度越高；其值為0，則說明分布呈隨機狀態(tài)。

計算公式如下：

。

(6)

計算公式如下：

。

(7)

(2)LISA集聚分析測量局部區(qū)域單元與周圍區(qū)域的集聚狀況，并確定集聚的具體發(fā)生位置。

計算公式如下：

(8)

(二)數(shù)據(jù)來源與關鍵詞選取

根據(jù)中國互聯(lián)網(wǎng)絡中心發(fā)布的第43次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》，截至2018年12月，中國網(wǎng)民數(shù)量已經(jīng)達到了8.29億,互聯(lián)網(wǎng)普及率達59.6%[10]。互聯(lián)網(wǎng)成為了游客收集出游信息的重要工具，在出游活動中扮演著重要角色[11]。要順利上網(wǎng)離不開搜索引擎，百度是全球最大的中文搜索引擎，擁有最多的中國用戶，使用的頻率也最高[12]。其中百度指數(shù)是以百度搜索引擎巨大的用戶搜索量為基礎的數(shù)據(jù)分享平臺。研究發(fā)現(xiàn)百度指數(shù)是旅游景區(qū)現(xiàn)實客流的前兆[11]，依托百度指數(shù)得出的旅游網(wǎng)絡關注度與現(xiàn)實旅游客流顯著正相關[13]，從百度指數(shù)中得出的走勢趨向性有其科學依據(jù)[14]。百度指數(shù)在一定程度上反映了旅游需求的變化。

本文以“普吉島旅游攻略”“普吉島自由行攻略”“普吉島天氣”“普吉島旅游報價”以及“普吉島酒店”為關鍵詞，并把這五個搜索值之和作為旅游需求的衡量指標。關鍵詞的選取基于以下原因：1)旅游需求構成的代表性。從構成維度上看，旅游需求具有綜合性的特點，涉及食、住、行、游、購、娛等需求?！捌占獚u旅游攻略”包含了住宿、游玩、購物、餐飲、交通等要素的需求；“普吉島天氣”反映了游客對氣候舒適度、出游安排及游前準備等方面的需求；“普吉島酒店”涵蓋了游客對住宿、餐飲等方面的需求。從構成主體來看，赴普游客主要分為團隊游游客和自由行游客，旅游需求相應分為團體游需求和自由行旅游需求?！捌占獚u旅游報價”主要反映團隊游客的旅游需求；“普吉島自由行攻略”主要反映自由行游客的旅游需求。在這五個關鍵詞中，前三個關鍵詞較好地代表了旅游需求的各個維度，后兩個關鍵詞較好地代表了旅游方式不同的旅游者的旅游需求。文章為了全面完整反映旅游需求，將五個關鍵詞搜索值進行了加總。2)關注度高。上述五個關鍵詞的搜索量之和占普吉島旅游相關關鍵詞搜索量總值的75%以上，能夠較好地代表中國公民赴普旅游需求總量。

檢索時間選取2015年1月—2019年1月，以月度為單位，統(tǒng)計出了全國及全國(附港澳臺外)31個省份各月搜索值。普吉島游船傾覆事故發(fā)生后，搜索值出現(xiàn)了突增突降。7月5日—7月9日并非中國國內(nèi)節(jié)假日，搜索值的突增顯然是受到中國公民對普吉島游船傾覆事故本身關注的干擾。7月10日—7月31日的搜索值變化平緩，其均值能夠代表事故發(fā)生后旅游需求的一般水平。為了排除搜索混亂帶來的影響，剝離出中國公民赴普旅游需求值，本文將7月5日至7月9日搜索值用7月10日—7月31日的平均值的五倍替代。在此基礎上以7月份為節(jié)點，將2017年7月—2018年1月和2018年7月—2019年1月兩個時段進行對比研究，分析普吉島游船傾覆事故對中國公民赴普吉島旅游需求的影響。

二、普吉島游船傾覆事故下中國公民赴普吉島旅游需求演變

(一)中國公民赴普吉島旅游需求的時間變化特征

1.中國公民赴普吉島旅游需求的增長幅度變化

將2015—2018年7—12月赴普旅游需求值分別加總，計算2016—2018年下半年旅游需求值同比漲幅，其結果如表1所示。

表1 2016—2018年下半年赴普吉島旅游總需求同比增長幅度

根據(jù)表1,2018年下半年赴普旅游需求同比增幅與往年相比差異顯著。2016年下半年，25個省份赴普旅游需求值與上半年相比出現(xiàn)下降，6個省份出現(xiàn)上漲。除江西和西藏地區(qū)外，2016年各省份赴普旅游需求同比變化幅度均小于20%。2017年下半年，共有4個省份赴普旅游需求出現(xiàn)下降，27個省份的旅游需求出現(xiàn)上升。除廣東、河南、陜西、江西和海南之外，2017年赴普旅游需求同比變化幅度均小于20%。2018年下半年，31個省份的赴普旅游需求均出現(xiàn)下降，其中27個省份下降幅度超過了20%。普吉島游船傾覆事故造成了全國各省份赴普旅游需求的普遍下降。其中內(nèi)蒙古、甘肅、海南、寧夏和西藏受普吉島游船傾覆事故的影響最大，其下降幅度超過了40%；天津、重慶、黑龍江、山東、山西、遼寧、吉林、陜西、江西、貴州和青海共11個省份受沉船事故影響較大，其下降幅度超過了30%；北京、上海、河南、江蘇、湖北、浙江、福建、河北、新疆、廣西和湖南共11個省份受普吉島游船傾覆事故影響較小，其下降幅度處于20%～30%之間；廣東、四川、云南和安徽受普吉島游船傾覆事故影響不明顯，其下降幅度低于20%。

總體來看，中國公民赴普旅游需求受普吉島游船傾覆事故影響的空間差異顯著，內(nèi)蒙古等經(jīng)濟實力較落后地區(qū)受到的影響較大，經(jīng)濟實力較強的地區(qū)受到的影響較小。以2018年各省份赴普吉島旅游需求的同比增幅為被解釋變量，以2017年各省份的生產(chǎn)總值為解釋變量作簡單回歸分析發(fā)現(xiàn)，地區(qū)生產(chǎn)總值和旅游需求下降幅度呈顯著負相關，支持了這一結論。

2.中國公民赴普吉島年度旅游需求時間分布特征演變

本研究將全國各月旅游需求值與年度旅游需求值相除，得到了每月的旅游需求占全年旅游需求的比重，并將結果繪制成比重(分布)變化趨勢圖(圖1)。由圖1可知，2015—2017年中國公民赴普旅游需求變化趨勢基本相同，旅游需求時間分布均呈“W”形：2015—2017年旅游需求最高峰皆出現(xiàn)在7月份；7—11月，赴普旅游需求持續(xù)降低；上年11月至次年1月，赴普旅游需求呈上升趨勢，形成次高峰；1—4月，赴普旅游需求呈下降趨勢，并于4月份形成一個低谷；4—7月旅游需求不斷上升，并于7月份達到當年的最高峰。2018年旅游需求分布和往年相比有所不同： 1—5月旅游需求比重值與往年相比出現(xiàn)較大上升，而7—12月的旅游需求占比明顯低于往年，7月并沒有形成旅游需求高峰。

圖1 中國公民赴普吉島年度旅游總需求的分布變化

根據(jù)圖1，普吉島游船傾覆事故導致2018年中國公民赴普旅游需求的時間分布特征發(fā)生較大變化。受普吉島旅游淡旺季、中國假期和中國四季氣候變化等因素的共同影響，事故發(fā)生后8—12月的赴普旅游需求變化走勢沒有發(fā)生改變，即8—10月處于下降趨勢，11—12月呈上升趨勢。

3.中國公民赴普旅游需求時間集中程度變化

根據(jù)公式(1)，求得2015—2018年全國及各省份的季節(jié)性集中指數(shù)，其結果如表2所示。由表2知，2018年季節(jié)性集中程度與往年相比發(fā)生了改變。從全國范圍來看，2015—2017年全國季節(jié)性集中指數(shù)變化很小，但2018年全國季節(jié)集中程度較往年出現(xiàn)了上升。從各省份來看：2016年與2015年相比，有20個省份的季節(jié)性集中指數(shù)上升，11個省份的季節(jié)性集中指數(shù)出現(xiàn)下降；2017年與2016年相比，有17個省份的季節(jié)性集中指數(shù)上升，14個省份的季節(jié)性集中指數(shù)有所下降；2018年與2017年相比，24個省份季節(jié)性集中指數(shù)出現(xiàn)上升，云南、陜西、四川和西藏的季節(jié)性集中指數(shù)有所下降。普吉島游船傾覆事故導致了2018年全國各地區(qū)季節(jié)性集中指數(shù)的普遍上升，并且幅度較大，季節(jié)集中程度達到了近幾年來的最高水平。這些變化是由于“7·5”普吉島乘船事故發(fā)生后，中國公民對普吉島旅游的風險感知出現(xiàn)變化，游覽意愿變?nèi)?，從而導致旅游需求的下降，使?018年旅游需求向上半年各月份集中。

表2 2015—2018年赴普旅游需求的季節(jié)性集中指數(shù)

(二)中國赴普吉島旅游需求的空間變化特征

1.總體格局的演變

結合公式(3)，利用ArcGIS10.2軟件計算全局空間自相關指標Moran's I的值，用以分析總體格局的演變，結果匯總見表3。

如表3所示，2017年7月—2018年1月Moran's I值均為正，且P值均小于0.05，Z值均大于1.96，均通過了顯著性檢驗，這說明在普吉島游船傾覆事故前，全國赴普旅游需求的空間分布出現(xiàn)明顯的集聚。2018年7月與8月全國赴普旅游需求呈顯著的空間集聚，但是其空間集聚程度與上一年相比有所降低。2018年9月份全國旅游需求在空間上呈隨機分布，沒有發(fā)生空間集聚。2018年10月與11月的空間集聚特征在0.1的水平下顯著，在0.05的水平下不顯著，說明10月與11月其空間集聚程度較弱。2018年12月與2019年1月，全國赴普旅游需求空間集聚特征在0.1和0.05的顯著性水平下均不顯著，其分布呈隨機狀態(tài)。

表3 全局自相關Moran's I值

相比沉船事故發(fā)生之前，中國公民赴普旅游需求的空間集聚特征在沉船事故發(fā)生后明顯弱化。普吉島游船傾覆事故后隨著時間的推移，旅游需求的空間集聚特征先弱化后強化，之后明顯弱化。中國公民赴普旅游需求的空間集聚特征波動加大，穩(wěn)定性變差。

2.局部格局的演變

1)冷熱點分析

冷熱點分布位置：熱(次、低)點區(qū)域主要分布在中國華北、華中、和華東地區(qū)；冷點(次、低)區(qū)域主要分布西南的西藏和西北的新疆兩個省份。2018年7月—2019年1月與2017年7月—2018年1月相比其冷熱(次、低)點分布區(qū)域大體相同，但是其熱點分布變化較大。2017年7月—2018年1月熱點區(qū)域主要包括湖北、安徽、江蘇、山東和河北五省。2018年7月—2019年1月，隨著時間推移，熱點區(qū)域只剩下湖北與安徽兩省，江蘇、山東和河北地區(qū)變成了次熱點區(qū)域。在各個省份中，北京市熱度出現(xiàn)明顯下降，其2017年9月—2018年1月為次熱點區(qū)域，2018年9月—2019年1月則變成了一般區(qū)域。此外，天津市和河南省熱度出現(xiàn)下降且其波動較大，2017年7月—2018年1月這兩個省份為次熱點區(qū)域，2018年7月—2019年1月其在低熱點和一般區(qū)域間波動。

冷熱點數(shù)量變化情況：(1)從冷熱點總數(shù)來看，2017年7月—2018年1月與2018年7月—2019年1月相比其冷熱點數(shù)量變化不大，其中熱點(次、低熱點)數(shù)量遠遠多于冷點(次、低冷點)數(shù)量。(2)從熱點、次熱點、低熱點的構成來看，2018年7月與2017年7月相比，熱點的數(shù)量相同，次熱點數(shù)量變多、低熱點的數(shù)量出現(xiàn)下降。2018年9月、11月和2019年1月熱點和次熱點數(shù)量與上年同期相比出現(xiàn)明顯的下降，低熱點數(shù)量明顯上升，這說明普吉島游船傾覆事故之后，赴普旅游熱度整體上出現(xiàn)了下降。

總體來說，普吉島游船傾覆事故發(fā)生后，冷熱點分布區(qū)域變化不大，但中國公民赴普旅游需求熱點和次熱點數(shù)量減少，整體熱度下降，且空間穩(wěn)定性變差。

2)LISA集聚分析

根據(jù)公式(5)，利用ArcGIS10.2軟件繪制中國公民赴普旅游需求的Lisa集聚圖，以分析旅游需求空間高低集聚發(fā)生的位置及其變化過程。

2017年7月—2019年1月，空間高低集聚特征沒有發(fā)生變化。西藏為低-低集聚，其自身與周邊省份到普吉島旅游的需求都很低。江蘇、浙江和上海是高-高集聚，這三個省份(直轄市)與周邊各省旅游需求都很高。“7·5”普吉島游船傾覆事故發(fā)生之后，中國公民赴普旅游需求空間集聚特征發(fā)生了變化。2018年7月新疆形成低-低集聚，其自身與周邊各省份旅游需求都很低。2018年9月新疆地區(qū)空間集聚現(xiàn)象消失，四川地區(qū)出現(xiàn)高-低集聚，四川赴普旅游需求較高而周圍地區(qū)較低。2018年11月份，四川地區(qū)空間集聚現(xiàn)象消失。2019年1月，四川和廣東地區(qū)出現(xiàn)高-低集聚，其旅游需求升高。整體來說，普吉島游船傾覆事故之后，高低集聚位置變化不大，主要發(fā)生在西藏、江蘇、浙江、上海、四川和廣東五省(直轄市)。中國赴普旅游需求的空間高低集聚特征波動程度高于事故發(fā)生之前，其波動主要體現(xiàn)在新疆、四川和廣東三省。

3.區(qū)域集中程度的演變

根據(jù)公式(2)-(5)計算2017年7月—2018年1月和2018年7月—2019年1月兩個時間段各月的變差系數(shù)、首位度、地理集中指數(shù)和赫芬達爾系數(shù)，其結果如表4所示。

表4 赴普吉島旅游需求的區(qū)域差異變化

與上年同期相比，2018年7月—2019年1月的變差系數(shù)、地理集中指數(shù)和赫芬達爾系數(shù)均略有上漲，中國居民赴普旅游需求區(qū)域差異變大，區(qū)域集中程度變高。這與對冷熱點分析的結果相一致，即熱點區(qū)域和次熱點區(qū)域減少，所以旅游需求更加集中于少數(shù)區(qū)域。2018年7月首位度值同比變小，8—10月首位度值同比增大，2018年11月—2019年1月首位度值與同比變小。首位度波動較大，赴普旅游需求第一大省和第二大省差距處于不斷變化的過程中，其受普吉島游船傾覆事故的影響不明顯。

三、結論與討論

(一)結論與展望

以“7·5”普吉島游船傾覆事故例，探討境外目的地危機事件對中國公民出境旅游需求的影響。研究結果表明：(1)普吉島游船傾覆事故對中國公民赴普旅游需求造成了較大影響。事故發(fā)生后，中國公民赴普旅游需求明顯下降。持續(xù)至2019年1月份，其影響依舊沒有完全消退。各省份受沉船事故的影響程度不同，內(nèi)蒙古和甘肅等經(jīng)濟實力較弱的地區(qū)受到的影響較大。(2)事故發(fā)生后，當年全國赴普旅游需求的時間集中程度提高，時間分布特征發(fā)生變化，季節(jié)差異性變大，但8—12月旅游需求變化趨勢與往年相近。(3)中國赴普旅游需求的空間分布格局發(fā)生較大變化，Moran's I值同期相比有所下降。普吉島游船傾覆事故發(fā)生后，赴普旅游需求空間集聚特征明顯弱化，空間波動加劇。從局部自相關特征來看，冷點和熱點總數(shù)略有起伏，但其分布區(qū)域變化不大。熱點、次熱點和低熱點的數(shù)量分布與2017年同期相比差異顯著，其中熱點和次熱點數(shù)量減少，低熱點數(shù)量上升。熱點區(qū)域由5個省份(湖北、安徽、山東、江蘇、河北)下降到2個省份(湖北和安徽)。北京市旅游需求的熱度持續(xù)下降，由熱點下降至一般區(qū)域。天津市和河南省赴普旅游需求熱度下降且波動較大。整體上，普吉島游船傾覆事故發(fā)生后，冷熱點變化程度加大，空間穩(wěn)定性變差。(4)LISA集聚分析表明高低集聚特征有所變化，與事故發(fā)生前相比變化加劇。其變化主要體現(xiàn)在新疆、四川、廣東三省，這三個省及其周邊省份的赴普吉島旅游需求的波動較大。(5)普吉島游船傾覆事故發(fā)生后變差系數(shù)、赫芬達爾系數(shù)和地理集中指數(shù)值增大，區(qū)域間旅游需求差異變大，集中程度提高。

本研究存在著很多不足：受數(shù)據(jù)所限只研究了普吉島游船傾覆事故發(fā)生之后7個月旅游需求的變化，不能很全面地評價其影響；將百度指數(shù)作為旅游需求的衡量指標排除了不通過百度進行搜索而實際上進行了旅游的人群，這與現(xiàn)實情況會有些許差異。因此在今后的研究中主要圍繞以下幾個方面進行：對普吉島游船傾覆事故的影響進行持續(xù)性的跟進；擴展旅游需求數(shù)據(jù)的來源渠道，將不同渠道信息進行對比研究，使危機事件影響分析更加科學。

(二)對策建議

危機事件對旅游需求的影響一方面取決危機事件本身，另一方面也依賴于危機事件發(fā)生地的危機管理水平[15]。以危機事件的影響規(guī)律為依據(jù)有利于制定具有針對性的危機應對措施。借鑒普吉島游船傾覆事故對中國各省赴普旅游需求的影響差異性，本文提出以下建議：

(1)重建旅游者消費信心與旅游產(chǎn)品促銷同時進行。經(jīng)濟因素對客源地居民出境旅游需求有較大影響，經(jīng)濟發(fā)展水平落后的地區(qū)受境外旅游目的地危機事件影響更大。旅游目的地可以采取機票打折、減免門票等措施減少客源地居民的出游成本。這樣一方面可以降低客源地居民旅游消費風險感知水平，另一方面有利于激發(fā)其旅游動機。旅游目的地在事故發(fā)生后應該組織正面宣傳，與主流媒體合作及時發(fā)布相關信息，避免信息不對稱引發(fā)的恐慌。旅游目的地政府和企業(yè)應該主動承擔責任，采取各種措施保證游客的安全，并把應對危機的舉措及成果及時展示給游客，重塑游客的信心。

(2)實施危機管理差異化與集中化戰(zhàn)略。進行危機管理時，應把旅游需求高水平且變化較大的地區(qū)置于優(yōu)先地位。該類地區(qū)自身及周邊旅游需求較高，但是易受各種因素影響，旅游需求變化較大。旅游目的地通過采取有效措施可以穩(wěn)定該地區(qū)旅游需求。對于處于高水平且需求變化不大的地區(qū)，要保證較高水平的營銷與宣傳投入。對于處于低水平且赴普旅游需求變化不大的地區(qū)，應該減少在該地區(qū)的投入。對于處于低水平且旅游需求變化較大的區(qū)域，維持低水平投入。差異化管理，突出重點，有利于旅游目的地在事故發(fā)生的初期快速穩(wěn)定市場。

(3)為了更好地激活客源國市場，旅游目的地可以推出適合客源國公民假期出游的游覽路線和旅游項目，著重宣傳目的地與客源國在景色、氣候和文化等方面的差異，突出展現(xiàn)自身獨特的資源優(yōu)勢，增加目的地的旅游吸引力。