李航飛, 唐承財

(1. 韶關學院旅游與地理學院， 韶關 512005； 2. 北京第二外國語學院旅游科學學院， 北京 100024)

旅游聯系網絡研究對區(qū)域旅游協調發(fā)展具有重要意義，探索區(qū)域旅游如何實現網絡一體化發(fā)展，對于促進區(qū)域旅游資源的整合、開發(fā)成本的降低及旅游要素的優(yōu)化配置都具有積極作用，有利于區(qū)域旅游業(yè)的健康、可持續(xù)發(fā)展.

學者們在旅游聯系網絡結構方面的研究取得了較為豐富的成果. 國外學者對于旅游空間網絡結構的研究主要以旅游流為研究對象，對其網絡特征、時空特征、表現模式、管理和影響評價等進行了深入分析[1-4]；同時，基于旅游流現象，通過社會網絡分析(SNA)、GIS等方法，對旅游目的地的體系演化、旅游利益相關者的結構特征和旅游結構的縱向變化等方面進行了研究[5-8]. 國內學者對旅游空間網絡結構的研究主要表現為：第一，旅游聯系強弱指標選擇方面，主要通過引力模型[9-12]或修正后的引力模型[13-14]來描述區(qū)域間旅游聯系的強弱，并結合社會網絡分析方法對旅游聯系的網絡結構特征進行分析；第二，研究對象方面，以全國范圍為主[15-20]，同時涉及中部地區(qū)[11]、長三角區(qū)域[21]、江淮地區(qū)[22]、東北地區(qū)[23]、環(huán)太湖地區(qū)[10]以及黑龍江[12]、江蘇[24]等具體省份，同時，有學者基于百度指數，利用社會網絡分析方法對具體的旅游目的地進行了分析[25]；第三，研究內容方面，主要通過社會網絡分析功能，如網絡密度、網絡中心度、網絡中心勢、結構洞、塊模型、凝聚子群、核心—邊緣結構和對等性分析等，對旅游網絡結構的特征進行分析[9-25]. 隨著我國社會經濟的快速發(fā)展以及網絡普及率的不斷提高，互聯網在人們出行過程中扮演的作用越來越大，游客的網絡關注行為與其旅游行為存在明顯的關系. 已有研究表明，網絡關注度是一種潛在的旅游流[26]，與游客流量存在長期協整關系，并在時空上相呼應[27-29]，是游客流量的前兆[30]，可較好反映區(qū)域間旅游聯系的強弱，為旅游流的預測提供理論指導.

綜上可知，目前對于旅游聯系網絡的研究集中在利用引力模型或修正后的引力模型構建相關旅游聯系網絡，進而利用社會網絡分析方法對旅游網絡結構特征進行分析，對特征背后的形成機制進行研究的文獻較少[14,24]，且鮮有以網絡關注度作為區(qū)域旅游聯系強弱的指標；在區(qū)域方面，廣東省的旅游網絡聯系研究基本上是空白. 鑒于此，本文基于百度指數中的網絡關注度，構建市域旅游網絡聯系關系矩陣，從新的視角來探討廣東省的市域旅游聯系網絡結構特征，并利用QAP回歸分析來探討其形成機理，以期為廣東省旅游業(yè)的發(fā)展提供理論與實踐參考.

1 研究區(qū)域、數據來源與處理及研究方法

1.1 研究區(qū)域

廣東省位于南嶺以南、南海之濱，在人文歷史、自然條件和地理區(qū)位等方面擁有眾多優(yōu)質旅游資源. 全省共有15個國家5A級旅游景區(qū)(位居全國第三)、13個全國紅色旅游經典景區(qū)、10個國家4A級以上紅色旅游景區(qū)；五星級飯店總數(102家)和星級飯店總數(637家)均位居全國第一；擁有嶺南第一山“羅浮山”、世界自然遺產丹霞地貌命名地“丹霞山”、北回歸線上的綠洲“鼎湖山”等名山名岳；毗鄰港澳，過境游客資源豐富. 廣東省旅游產業(yè)呈現體系健全、業(yè)態(tài)豐富、動能強大的格局，全省旅游總收入從2015年的9 081億元增長至2019年的15 158億元；接待過夜游客從2015年的3.62億人次增長至2019年的5.31億人次[31].

1.2 數據來源與處理

1.2.1 旅游聯系網絡數據 百度指數以百度搜索引擎為數據平臺，可以為用戶提供以“網頁搜索”和“新聞搜索”為基礎的大數據分析服務，其能夠反映不同關鍵詞在過去一段時間內的“網絡關注度”情況. 本文采用百度指數中廣東省21個地市相互間的網絡關注度作為衡量其旅游聯系強弱的指標，以廣東省21個地市如“廣州、深圳、東莞”等為關鍵詞，獲取2012、2015、2018年廣東省21個地市的日平均搜索量，將其作為基礎數據，形成3個21*21旅游網絡聯系矩陣，利用UCINET軟件對3個旅游網絡聯系矩陣進行對稱化(求和形式)及二值化處理(臨界值為180)；基于3個對稱化矩陣及3個二值化矩陣來探討廣東省市域旅游聯系網絡結構特征及其形成機制.

1.2.2 QAP回歸分析數據 QAP回歸分析中，經濟發(fā)展水平差異矩陣數據來自廣東省統(tǒng)計年鑒及各地市國民經濟與社會發(fā)展統(tǒng)計公報；空間距離矩陣數據來自百度地圖；時間距離矩陣數據來自“中國鐵路12306”(http:∥www.12306.cn)及百度地圖(各種交通方式的時速設定為：普通火車100 km/h，高速公路100 km/h，國道80 km/h)；空間近鄰效應矩陣根據各個地市相鄰與否進行設定，相鄰設為1，反之設為0；旅游資源豐度差異矩陣數據來自廣東省A級景區(qū)統(tǒng)計名錄.

1.3 研究方法

社會網絡分析(SNA)[32]是一種描述網絡整體形態(tài)、特性和結構的分析方法，基于“關系”視角來研究相關結構問題是其核心思想. 本文主要利用社會網絡分析方法來探討廣東省市域旅游關聯結構的網絡密度、網絡中心勢、中心性、E-I派系結構和核心-邊緣結構等特征，并用QAP回歸分析方法探討其形成機制.

1.3.1 網絡密度 網絡密度是網絡中實際存在的邊數與可容納的邊數上限的比值，主要描述節(jié)點間網絡聯系的強弱程度[33]：

(1)

其中：D為網絡密度，D值越大，表示地市間旅游聯系越強；rij為廣東省地市i與其他地市間的有效聯系數量；k為節(jié)點數(本文k=21).

1.3.2 網絡中心勢 本文利用網絡中心勢(CAD)來描述廣東省21個地市旅游聯系的不對稱、不均衡性情況，CAD越接近于1，說明廣東省地市旅游網絡聯系越向某個市域集中，網絡集中性越強，其計算公式為：

(2)

其中：CADmax是網絡中所有節(jié)點絕對中心度的最大值，CADi為節(jié)點i的絕對中心度.

1.3.3 中心性 中心性是社會網絡分析的重點內容之一，本文使用點度中心度及多維尺度分析來描述各節(jié)點在網絡中的地位.

(1)點度中心度. 點度中心度是用來描述節(jié)點間網絡聯系水平的指標，其表達式為：

(3)

其中：CD(i)為節(jié)點i的點度中心度，n為與地市i發(fā)生聯系的其他地市的個數，rij為地市i與其他地市之間的有效聯系數量.

(2)多維尺度分析. 多維尺度(MDS)分析是以空間分布的形式來表現對象之間相關性的一種多元統(tǒng)計分析方法. 其分析的結果主要體現在MDS圖中，MDS圖的中心點為網絡中心位置，越接近這個中心點，在網絡中的相對地位越高[32,34].

1.3.4 E-I派系結構 網絡中派系結構可分為派別間和派別內2種，E-I指數能較好地描述派系結構關系：

E-I=(EL-IL)/(EL+IL)，

其中：EL為子群之間的關系數，IL為子群內部的關系數. UCINET軟件計算出來的E-I指數的取值范圍為[-1,+1]，該值越接近于1，表明派系林立的程度越小，子群越開放；該值越接近于-1，表明派系林立的程度越大，子群越封閉；值為0則表示子群內外關系差不多，網絡呈隨機分布狀態(tài)[32-33].

1.3.5 核心—邊緣結構 核心—邊緣結構可以較好地區(qū)分網絡聯系中的核心區(qū)和邊緣區(qū)，核心區(qū)節(jié)點間的聯系較為緊密，在網絡結構中處于優(yōu)勢地位；邊緣區(qū)節(jié)點間的聯系相對較弱，在網絡結構中處于弱勢地位[33-34].

1.3.6 QAP回歸分析 由于本文選取的變量均為關系數據，自變量間存在多重共線性的概率較大，傳統(tǒng)回歸分析方法會使相關參數的理論意義與實際情況不一致. 而QAP是一種非參數估計方法，主要用來研究多個矩陣與1個矩陣之間的回歸關系，自變量間是否相關對回歸分析不產生影響，從而有效避免了多重共線性問題. 綜上，本文選用QAP回歸分析方法來探討廣東省市域旅游網絡聯系強度與其影響因素的關系.

2 廣東省市域旅游網絡聯系實證分析

2.1 網絡結構特征分析

2.1.1 網絡密度和網絡中心勢分析 由2012、2015、2018年廣東省各地市的旅游網絡聯系(表1)可知：廣東省市域旅游聯系強度不斷增強，網絡集中度不斷下降，市域旅游均衡發(fā)展趨勢較為明顯；2015年之后，各地市之間的旅游聯系和交流迅速得到加強，網絡中心勢急劇下降，旅游網絡聯系向某個或幾個地市集中的空間格局被打破，網絡核心節(jié)點迅速擴散且保持穩(wěn)定狀態(tài)，網絡聯系呈現出多樣化、均衡化的特征.

表1 2012、2015、2018年廣東省旅游網絡密度及網絡中心勢

2.1.2 中心性分析

(1)點度中心度分析. 2012、2015、2018年3個時間節(jié)點下廣東省各地市在旅游網絡聯系中的點度中心度(圖1)表明：廣東省各地市的點度中心度均呈增長態(tài)勢，與其他地市的旅游聯系和交流不斷加強；與2012年相比，2015年的變幅明顯增大，之后保持均衡狀態(tài)，與2.1.1的結論一致；珠三角地區(qū)的廣州、深圳、東莞、珠海、佛山、惠州、中山等地市的點度中心度一直處于前列.

圖1 廣東省各地市2012、2015、2018年的點度中心度

(2)MDS分析. 根據MDS分析原理，利用UCINET軟件繪制出2012、2015、2018年廣東省各地市在旅游網絡聯系MDS圖中的相對位置(圖2)，由圖可知廣東省21個地市基本上可劃分為3個梯隊：第一梯隊為廣州、深圳市，位于核心圈，處于絕對核心位置，與中心點(0,0)的位置最近，且明顯小于其他地市，在廣東省旅游聯系網絡中擁有相當高的地位：廣州市為廣東省省會，是全省政治、經濟、文化及交通中心，與其他地市的旅游聯系非常密切；深圳市作為經濟特區(qū)，發(fā)展速度相當之快，與北京、上海、廣州市

圖2 廣東省市域旅游網絡聯系MDS圖

一起，領跑全國其他區(qū)域，與廣東省其他地市的聯系也非常密切. 第二梯隊為珠海、惠州、佛山、東莞市，位于核心圈的外圍，與其他地市聯系相對較為密切. 第三梯隊是廣東省其他地市，這些地市處于MDS圖中的外緣且多為東翼、西翼及山區(qū)欠發(fā)達地市，與其他地市間的旅游聯系相對較弱.

2.1.3 E-I派系結構 利用E-I派系結構模型探討廣東省四大區(qū)域(珠三角、東翼、西翼及山區(qū))地市間及區(qū)域內部地市間的旅游聯系. 進行E-I派系結構分析，除關系矩陣外，還需要建立相關屬性矩陣：根據廣東省統(tǒng)計年鑒區(qū)域劃分方法，將珠三角9個地市(廣州、深圳、東莞、惠州、珠海、江門、中山、佛山、肇慶市)的屬性值設為1，山區(qū)5個地市(云浮、清遠、韶關、河源、梅州市)的屬性值設為2，東翼4個地市(汕尾、汕頭、揭陽、潮州市)的屬性值設為3，西翼3個地市(陽江、湛江、茂名市)的屬性值設為4；根據E-I派系結構分析的基本原理，利用UCINET軟件得到2012、2015、2018年廣東省市域旅游網絡聯系的E-I指數(分別為0.000、0.446及0.476)及網絡聯系密度矩陣(表2)，通過表2得到網絡聯系像矩陣(表3)，即將表2中大于整體網絡密度的賦值為1、小于整體網絡密度的賦值為0所得到的新矩陣.

表2 廣東省市域旅游網絡聯系密度矩陣(2012、2015、2018年)Table 2 The density matrix of urban tourism network links in Guangdong Province in 2012,2015 and 2018

表3 廣東省市域旅游網絡聯系像矩陣(2012、2015、2018年)Table 3 The image matrix of urban tourism network links in Guangdong Province in 2012,2015 and 2018

由E-I指數、表2和表3可知：(1)廣東省四大區(qū)域間并不存在明顯的派系結構，“俱樂部效應”不顯著. 2012年的E-I指數為0.000，外部關聯數與內部關聯數一致，網絡結構呈隨機分布；2015、2018年的E-I指數較大，外部關聯數明顯多于內部關聯數，基本不存在派系結構問題. (2)珠三角為四大區(qū)域之核心，其他區(qū)域處于邊緣. 3個時間節(jié)點下，珠三角地市之間的旅游聯系較強且明顯大于整體網絡密度值，其與其他區(qū)域地市間的旅游聯系(2012年，東翼除外)也較強且大于整體網絡密度值；其他區(qū)域內部地市間及區(qū)域間地市的旅游網絡聯系相對較弱.

2.1.4 核心—邊緣結構 根據以上分析可知，珠三角區(qū)域在整個網絡中處于核心地位，其內部地市之間的旅游聯系較多，且與山區(qū)、東翼及西翼間的旅游聯系亦較多，山區(qū)、東翼及西翼則處于邊緣地位. 采用核心—邊緣結構模型進一步探討廣東省各地市在旅游網絡結構中的核心—邊緣關系. 由表4可知：3個時間節(jié)點的擬合值大，說明模型的擬合效果好；受特殊的區(qū)位因素及優(yōu)惠政策的影響，廣州市和深圳市一直處于網絡結構的核心區(qū)，其余地市處于邊緣區(qū)，與2.1.2中MDS分析結果基本一致；隨著旅游網絡聯系的不斷增強，各地市特別是東莞、佛山、珠海、惠州市在網絡結構中的地位不斷提高，與其他地市之間的旅游聯系與交流也不斷得到加強，網絡中心勢不斷下降.

表4 核心區(qū)地市與邊緣區(qū)地市分布情況(2012、2015、2018年)Table 4 The distribution of cities in the core district and the fringe district in 2012,2015 and 2018

2.2 旅游聯系網絡結構成因分析

2.2.1 機理分析 市域旅游聯系網絡結構的形成和演變是市域間旅游相互作用力在地理空間上的客觀反映，受多種動力機制的影響和制約. 地理事物具有“距離衰減”的空間屬性，游客是否出游、出游的目的地等深受空間距離遠近及市域間是否相鄰的影響，區(qū)域相鄰、位置相近則一定程度上可以縮短出發(fā)地與旅游目的地之間的“時空距離”，增加旅游者在目的地游玩的時間，有利于市域間旅游聯系和交流. 同樣，交通條件對旅游者出游決策產生重要影響. 交通是聯系旅游出發(fā)地和目的地的橋梁和紐帶，隨著現代化交通運輸網絡特別是高速公路及高速鐵路(動車)的不斷完善，市域間的時空距離大大縮小，由“空間鄰近”和“距離衰減”所形成的旅游聯系網絡結構發(fā)生相應變形，旅游聯系的網絡新格局不斷形成. 經濟發(fā)展水平反映了一個區(qū)域經濟發(fā)展的狀態(tài)和潛力，同時一定程度上反映了一個區(qū)域的社會生活狀況、人文狀況. 旅游資源是吸引旅游者出游的重要影響因素，不同市域間旅游資源的異質性一定程度上可由其旅游資源豐度所決定. 市域經濟發(fā)展水平和旅游資源的異質性很大程度上能夠滿足旅游者的“獵奇”心理和動機，從而加強市域間的旅游聯系.

2.2.2 回歸分析 基于以上分析并參考已有研究[14,19,24]，根據數據的可獲取性、可操作性及針對性等原則，本文選取2015、2018年度廣東省市域旅游網絡聯系矩陣為因變量矩陣，選取時間距離矩陣(廣東省21個地市間行政中心之間最短的通行時間)、空間距離矩陣(廣東省21個地市行政中心間的空間直線距離，通過百度地圖獲取)、空間鄰近效應矩陣(廣東省21個地市間如在空間上相鄰，則空間近鄰效應設為1，反之設為0)、經濟發(fā)展水平差異矩陣(廣東省21個地市的人均GDP差異矩陣)、旅游資源豐度差異矩陣(以廣東省21個地市的3A級及以上景區(qū)作為研究對象，5A級景區(qū)賦值為100，4A級景區(qū)賦值為50，3A級景區(qū)賦值為25)為自變量矩陣進行回歸分析.

由回歸結果(表5)可知：(1)模型擬合度高. 2015、2018年回歸分析中的R2分別為0.439、0.376，調整后的R2分別為0.434、0.370，模型的擬合效果良好[14,32]，5個解釋變量矩陣能夠解釋廣東省市域旅游網絡聯系強度變異的43.4%和37.0%. (2)各解釋變量對網絡聯系的影響差異較大. 第一，空間距離矩陣與市域旅游聯系強度矩陣的回歸系數為正，但在0.05的顯著性水平下未能通過檢驗；時間距離對廣東省市域旅游聯系強度影響為負且顯著，時間距離增加1%，則2015、2018年的市域旅游聯系強度分別相應降低0.312 585%、0.357 486%. 以上說明廣東省市域間現代交通運輸方式(高鐵、動車、城際交通等)的快速發(fā)展所產生的“時空壓縮效應”使市域間的“時空距離”大大縮小，使得廣東省市域旅游網絡聯系強度不斷加強，各節(jié)點的點度中心度不斷提高，網絡不斷向多元化方向發(fā)展，同時也是廣東省旅游網絡聯系“俱樂部”效應不顯著的重要原因. 人們在出行過程中，空間距離的遠近對其影響并不顯著，其更看重的是交通的“可進入性”及旅游出發(fā)地與目的地之間的“時間距離”，加快廣東省各地市特別是珠三角地市與東翼、西翼及山區(qū)地市之間，東翼、西翼及山區(qū)地市之間，東翼、西翼及山區(qū)內部地市之間的快速化交通網絡建設對于廣東省國內旅游業(yè)的發(fā)展具有重要意義. 第二，空間近鄰效應矩陣的標準化回歸系數在2015、2018年均為正且在0.001的水平下通過顯著性檢驗，表明廣東省市域旅游網絡聯系存在非常顯著的“空間近鄰”效應，地理位置的相鄰對旅游網絡聯系產生非常重要的影響，不同市域與其周邊相鄰市域間的旅游網絡聯系較強，“空間近鄰”效應在一定程度上導致了廣東省旅游網絡聯系向均衡化方向發(fā)展；在今后的旅游業(yè)發(fā)展過程中，各相鄰市域更要充分合作，打破行政區(qū)域界線，共同打造相關旅游資源，共同設計旅游線路，形成區(qū)域旅游共同體. 第三，經濟發(fā)展水平差異矩陣的回歸系數在2015、2018年均為正且在0.01的水平下通過顯著性檢驗，表明市域間經濟發(fā)展水平的相似與否能夠顯著影響市域間旅游網絡聯系的強弱，經濟發(fā)展水平差異越大，越能增強旅游者的“獵奇心理”，旅游者在區(qū)域間的流動性越強，旅游網絡的關聯性亦越高. 廣州、深圳市經濟發(fā)達，其發(fā)展水平遠高于粵東、粵西及山區(qū)地市，加上特殊的區(qū)位優(yōu)勢(省會城市、經濟特區(qū))，使得其與廣東省其他地市之間的聯系密切，處于MDS結構中的第一梯隊，處于核心—邊緣結構中的核心區(qū)，點度中心度高. 第四，旅游資源豐度差異矩陣的標準化回歸系數為正且均在0.05的水平下通過顯著性檢驗，表明廣東省區(qū)域旅游資源豐度差異越大，市域之間的旅游相互吸引力越強，旅游者在兩市域間出游的可能性亦越大，旅游網絡聯系亦越強，各市域要結合自身實際情況，打造具有區(qū)域特色的高質量的自然或人文旅游資源.

表5 QAP回歸分析結果Table 5 The result of QAP regression analysis

3 結論與討論

本文基于百度指數中的網絡關注度，利用社會網絡分析方法探討了2012年來廣東省市域旅游聯系網絡結構的時空演化特征及形成機制. 主要結論如下：

(1)廣東省市域旅游聯系網絡密度不斷增大，聯系強度不斷增強，網絡集中度不斷下降，網絡向均衡化、多樣化方向發(fā)展.

(2)廣東省四大區(qū)域旅游網絡聯系派系結構不明顯，“俱樂部”效應不顯著，但在空間上呈現較為明顯的核心—邊緣結構特點，珠三角地市間及其與東翼、西翼及山區(qū)地市間的旅游聯系較強，東翼、西翼、山區(qū)地市之間及東翼、西翼、山區(qū)內部地市間的旅游聯系相對較弱；珠三角地市特別是廣州、深圳市一直處于核心區(qū)，點度中心度高，為MDS圖中的第一梯隊，東莞、佛山、惠州、珠海等地市為第二梯隊，其余地市為第三梯隊.

(3)市域之間的時間距離對市域間旅游聯系產生負向顯著影響，市域間的空間距離對其旅游聯系強弱的影響不顯著，空間近鄰效應、經濟發(fā)展水平差異及旅游資源差異情況對廣東省市域間旅游聯系的強弱產生顯著正向影響；各市域要根據影響因素制定符合自身旅游發(fā)展的相關策略.

影響旅游網絡聯系的因素很多，由于數據獲取原因，本文只選取了5個指標矩陣，對其他影響因素(如網絡普及率、政治因素等)的考慮有所欠缺；另外，本文將廣東省21地市作為一個封閉區(qū)域，沒有考慮部分地市特別是行政區(qū)邊界地市的對外旅游聯系，對分析結論有一定的影響. 這些問題有待下一步深入分析.