閔曙輝，馬小雪

（江蘇第二師范學(xué)院地理科學(xué)學(xué)院，江蘇 南京 211200）

一、引言

自新冠肺炎疫情暴發(fā)后，國家采取初期停工管控措施，在取得疫情控制勝利的同時，人流、物流、信息流、資金流等要素的流動受到了嚴(yán)重阻礙①，企業(yè)普遍面臨較大的租金、工資、稅費(fèi)等綜合成本壓力，對經(jīng)濟(jì)發(fā)展和人民生活產(chǎn)生了深刻的負(fù)面影響。 疫情防控期與春節(jié)假期疊加，中國經(jīng)濟(jì)運(yùn)行大大受挫，旅游業(yè)首當(dāng)其沖。 旅游景區(qū)、旅行社、餐館、酒店、交通運(yùn)輸業(yè)等紛紛停業(yè)停工，產(chǎn)生一系列的連鎖反應(yīng)②。 加之各種相關(guān)信息的披露，導(dǎo)致國民壓力增大，焦慮情緒激增③。 這對于非常倚重現(xiàn)金流的旅游企業(yè)而言，上半年收入大幅下降，經(jīng)營艱難。 直至“十一”黃金周期間， 經(jīng)營狀況才有所好轉(zhuǎn)。 根據(jù)國家統(tǒng)計局統(tǒng)計，2020 年旅客運(yùn)輸總量僅97 億人次，同比下降45.1%；國內(nèi)游客28.8 億人次，同比下降52.1%；國內(nèi)旅游收入22286 億元，同比下降61.1%。 可見此次疫情對旅游業(yè)的創(chuàng)傷之深。

隨著互聯(lián)網(wǎng)的出現(xiàn)和智能移動設(shè)備的普及，大數(shù)據(jù)現(xiàn)已成為互聯(lián)網(wǎng)價值的體現(xiàn)者。 網(wǎng)絡(luò)數(shù)據(jù)時效性強(qiáng)，可以監(jiān)測社會經(jīng)濟(jì)活動，從復(fù)雜數(shù)據(jù)里獲得新的關(guān)聯(lián)信息④。 因此，時空大數(shù)據(jù)在突發(fā)性公共衛(wèi)生事件實時影響評價層面有著良好的應(yīng)用前景⑤。實時更新的百度遷徙大數(shù)據(jù)利用LBS 技術(shù),動態(tài)、即時并直觀地記錄城市間的人口日常流動軌跡⑥，可以從區(qū)域和時間兩個維度觀察當(dāng)前和過去時間段內(nèi)的全國及各省、市地區(qū)的遷徙情況，確定人口的遷入來源地與遷出目的地⑦。 它全覆蓋鐵路、公路、航空等交通工具，能計算分析出8 小時內(nèi)全部位置發(fā)生變化的智能終端用戶數(shù)量⑧。 作為定位數(shù)據(jù)的新產(chǎn)品，功能主要是全國遷徙區(qū)域帶和熱門線路分析，既反映出中國人口遷徙這一社會現(xiàn)象，又為交通部門提供了政策和服務(wù)參考⑨。 許多學(xué)者利用百度地圖遷徙大數(shù)據(jù)來研究城市群空間結(jié)構(gòu)⑩、 人口流動空間格局以及人口遷移時空特征等課題??，可見其應(yīng)用范圍的廣泛性與可信度。 技術(shù)應(yīng)用和大數(shù)據(jù)發(fā)展大大增強(qiáng)了疫情防控和應(yīng)急管理的作用?，而中國疫情擴(kuò)散模式主要是由人口流動引起的城際傳播和以家庭為主的本地傳播?， 利用百度遷徙大數(shù)據(jù)進(jìn)行分析尤為必要。

人是信息化的社會生產(chǎn)力中最活躍的因素?。對疫情下人口流動狀況進(jìn)行深入分析，既可了解疫情及其防控措施對人口流動行為的影響，又能探求旅游業(yè)的經(jīng)濟(jì)復(fù)蘇情況。 本文選取首都北京、魔都上海、六朝古都南京、疫情中心武漢這四個旅游熱點城市，基于百度遷徙大數(shù)據(jù)，分析疫情前后旅游熱點城市的人口流動特征。 同時，通過分析新冠疫情對旅游業(yè)的沖擊，剖析新冠疫情對旅游業(yè)的影響程度。 最后利用回歸分析法，探索近十年來旅游經(jīng)濟(jì)與區(qū)域人口流動性的關(guān)系，為建立有效的旅游供給體系提供參考。

二、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

北京、上海、南京、武漢這4 座城市的人口遷徙規(guī)模指數(shù)和城市內(nèi)部出行強(qiáng)度數(shù)據(jù)皆來源于百度地圖遷徙大數(shù)據(jù)；“疫情”“旅游”關(guān)鍵詞的搜索指數(shù)來源于百度搜索指數(shù)數(shù)據(jù)庫。 中國感染新冠肺炎病例的累計確診人數(shù)和新增人數(shù)皆來自國家衛(wèi)健委官方和丁香園網(wǎng)站。 而2010—2019 年中國旅游經(jīng)濟(jì)的相關(guān)數(shù)據(jù)來源于2019 年文化和旅游發(fā)展統(tǒng)計公報；2019 和2020 年前兩季度全國旅行社以及4個旅游熱點地區(qū)旅行社組織接待國內(nèi)旅游情況的數(shù)據(jù)來自中華人民共和國文化和旅游部。 另外，本文因子分析所選取的7 個指標(biāo)數(shù)據(jù)中，第三產(chǎn)業(yè)增加值、旅游人數(shù)與旅游收入數(shù)據(jù)來源于2011—2020年 《北京統(tǒng)計公報》《上海統(tǒng)計公報》《南京統(tǒng)計公報》和《武漢統(tǒng)計公報》，其余指標(biāo)都來源于2011—2020 年《北京市統(tǒng)計年鑒》《上海市統(tǒng)計年鑒》《南京市統(tǒng)計年鑒》和《武漢市統(tǒng)計年鑒》。

（二）研究方法

1.因子分析法。 因子分析法是利用少數(shù)幾個不相關(guān)的公共因子，研究多個有著復(fù)雜關(guān)系原始指標(biāo)的多元統(tǒng)計分析方法， 可明確因子的實際意義，達(dá)到合理解釋被評價對象的目的?。 它具有降維的作用，能夠克服指標(biāo)的關(guān)聯(lián)性和人為賦權(quán)等客觀因素的缺點，基本思路和數(shù)學(xué)模型可參考段威與謝雪梅的文章?， 基本原理和評價步驟則可參考舒服華的文章?。基于SPSS21.0 統(tǒng)計軟件，在眾多影響旅游經(jīng)濟(jì)的變量中找出隱藏的代表性因子，將其歸為同一因子，從而得出公因子與測度項間的關(guān)系。

2.多元線性回歸分析法。 回歸分析主要用于研究變量間的相互關(guān)系。在實際運(yùn)用中，變量之間往往存在某種聯(lián)系，但又不存在確定性關(guān)系，回歸分析可以提供變量間關(guān)系的數(shù)學(xué)表達(dá)式， 從而幫助解決這類問題?。多元線性回歸分析法指用多個自變量的最優(yōu)組合共同預(yù)測或估計因變量， 這樣得出的結(jié)果比只用一個自變量更有效，也更符合實際。線性回歸分析方法的實現(xiàn)步驟詳見張峰等人的闡述?，具體內(nèi)容也可參考多元線性回歸預(yù)測及多變量回歸模型??。本文在因變量與多個自變量間建立關(guān)系， 歸納總結(jié)影響旅游經(jīng)濟(jì)的因素， 并依據(jù)其所占權(quán)重對疫情后的旅游復(fù)蘇工作提出合理化建議。

三、討論與結(jié)果

（一）旅游熱點城市人口遷徙數(shù)據(jù)及疫情下人口流動的特征事實

利用百度遷徙大數(shù)據(jù)， 將2020 年樣本期內(nèi)北京、上海、南京、武漢市每日人口遷徙強(qiáng)度與2019年同期的遷徙強(qiáng)度進(jìn)行對比。 依據(jù)四個熱點城市的遷徙規(guī)模指數(shù)和城內(nèi)出行強(qiáng)度，闡述疫情下人口流動的特征事實，剖析疫情防控各階段內(nèi)旅游熱點城市的人口流動狀況。

1.疫情防控的各階段劃分。 本文以全國累計確診病例數(shù)將疫情大致劃分為三個階段（圖1）：潛伏發(fā)展期（12 月31 日—1 月23 日），湖北武漢出現(xiàn)首例確診病例，并在小范圍內(nèi)擴(kuò)散，疫情較穩(wěn)定，尚未對社會經(jīng)濟(jì)活動造成嚴(yán)重影響， 武漢在1 月23 日及時采取有效措施，控制人口外流。 爆發(fā)防控期（1月24 日—2 月20 日），先前從武漢流向各地的數(shù)百萬人成為疫情傳播的主要來源，新增確診人數(shù)出現(xiàn)較大波動（2 月12 日湖北省對新增確診病例標(biāo)準(zhǔn)做了調(diào)整，當(dāng)日新增確診人數(shù)急劇增加），累計確診人數(shù)急速上升； 中央部署統(tǒng)籌做好疫情防控工作，實施全國應(yīng)急性超常規(guī)防控和各地區(qū)差異化防控，初步遏制疫情蔓延勢頭。 復(fù)工復(fù)產(chǎn)期（2 月21 日—4月1 日），新增確診人數(shù)接近于0，累計確診人數(shù)趨勢較平緩，疫情得到緩解，各城市先后解封，穩(wěn)步推進(jìn)復(fù)工復(fù)產(chǎn)工作。

圖1 中國新冠肺炎病例累計確診數(shù)及新增確診數(shù)

2.旅游熱點城市的人口遷徙情況。 國家采取的一系列新冠肺炎疫情防控措施，對旅游熱點城市的遷入規(guī)模指數(shù)產(chǎn)生一定的影響。2020 年4 個旅游熱點城市的遷入規(guī)模指數(shù)和遷出規(guī)模指數(shù)都明顯低于2019 年同期水平，一度處于低迷狀態(tài)（圖2）。 在潛伏發(fā)展期，遷入人數(shù)相差幅度較小，尤其是南京和武漢，遷入規(guī)模指數(shù)基本保持5 以下。 而北京和上海的遷入規(guī)模指數(shù)始終很高， 這與2019 年同期的遷徙規(guī)模指數(shù)大致保持相同的變動趨勢。 在暴發(fā)防控期，作為疫情重災(zāi)區(qū)，武漢有效的防控措施使得遷入規(guī)模指數(shù)不斷降低， 甚至趨近于0。 同時南京、上海、北京的遷入人口也在一定時間內(nèi)大幅度減少， 后又逐漸恢復(fù)至原有水平波動下降。 反觀2019 年同期，2 月5 日正值春節(jié)， 節(jié)前大量務(wù)工人員回到家鄉(xiāng)所在城市，四座城市都迎來了人口遷入量的高峰期，這與2020 年的景象形成鮮明對比。 在復(fù)工復(fù)產(chǎn)期，2020 年南京、上海、北京的遷入規(guī)模指數(shù)開始有所提升，但整體水平相對較低。 武漢依舊處于低迷期，直至3 月20 日后，疫情得到一定的緩解，才逐步推進(jìn)復(fù)工復(fù)產(chǎn)。 截至2020 年4 月1 日，遷出規(guī)模指數(shù)依然沒有恢復(fù)到2019 年的水平。 對比2019 年同期，大批務(wù)工人員返城復(fù)工，加之各大高校開學(xué)，四座城市的遷入人口數(shù)和遷出人口數(shù)又迎來小高峰期。2020 年人們未能像往常一樣節(jié)后按時返程，直至三月初才陸續(xù)流動。 而2019 年同期始終存在遷出行為，在三月中旬正常返工復(fù)產(chǎn)，遷徙規(guī)模指數(shù)再次迎來高峰期。

圖2 2019 和2020 年旅游熱點城市遷入規(guī)模指數(shù)

圖3 2019 和2020 年旅游熱點城市遷出規(guī)模指數(shù)

直到3 月15 日后，城市流動才回到2019 年的水平， 這表明城市內(nèi)部的經(jīng)濟(jì)社會活動基本恢復(fù)（圖4）。 在潛伏發(fā)展期，2020 年四座城市內(nèi)部出行強(qiáng)度與2019 年同期相比大致保持相同變動趨勢。2020 年春節(jié)前，城內(nèi)出行強(qiáng)度較高。在暴發(fā)防控期，武漢作為疫情暴發(fā)的中心，大部分人都主動或被動地居家隔離，僅存的出行強(qiáng)度主要由運(yùn)送物資的車隊、各地醫(yī)療人員的馳援等造成。 南京、上海、北京也受到疫情影響， 原計劃的大型聚集活動被推遲，城市內(nèi)部出行強(qiáng)度都很低。 疫情緩解后，城市內(nèi)部出行強(qiáng)度仍然很低。 武漢多數(shù)居民繼續(xù)保持居家狀態(tài)，而此時北京、上海、南京已進(jìn)入復(fù)工復(fù)產(chǎn)階段，各企業(yè)與高校也陸續(xù)開工開學(xué)，城市內(nèi)部出行強(qiáng)度逐漸升高。 反觀2019 年，隨著正常的春節(jié)返鄉(xiāng)和節(jié)后返程，城市人口回流導(dǎo)致出行人數(shù)增加，出行強(qiáng)度明顯升高。

圖4 2019 和2020 年旅游熱點城市內(nèi)部出行強(qiáng)度

（二）疫情下旅游熱點城市旅游業(yè)現(xiàn)狀分析

1.基于百度搜索指數(shù)分析疫情對旅游的影響。2020年1 月27 日—11 月9 日，“疫情” 這一關(guān)鍵詞的搜索指數(shù)趨勢由暴增到逐漸下降并趨于平緩（圖5），發(fā)生大幅度變化的根本原因在于新冠疫情的爆發(fā)、控制與緩解。 “疫情”在2020 年1 月27 日前搜索量較少且每個月搜索指數(shù)無明顯差別，而在該時間之后出現(xiàn)較大幅度增長， 并出現(xiàn)3 個明顯拐點。 第1個拐點是疫情平均搜索指數(shù)的最高點。 因為疫情暴發(fā)時，企業(yè)資金鏈癱瘓導(dǎo)致員工失業(yè)、企業(yè)倒閉甚至破產(chǎn)；大眾出行受限，心理壓力加重，產(chǎn)生社會恐慌。 此外，大眾時刻關(guān)注赴武漢醫(yī)生和每日各地區(qū)疫情新增人數(shù)，使得搜索指數(shù)在該時間段劇增。第2個拐點是由于疫情已得到控制，大眾的緊張和憂慮心理有所下降。 但疫情影響中國留學(xué)生出國，再加上疫情風(fēng)險較小地區(qū)教育部宣布開放校園等信息，重新引起大眾對疫情的關(guān)注。 第3 個拐點的產(chǎn)生是因為疫情基本穩(wěn)定，國家頒布了有關(guān)解決因疫情而導(dǎo)致的旅游合同糾紛問題的通知，并且大連、烏市等地再次出現(xiàn)疫情異地傳播的現(xiàn)象，大眾對“疫情”的搜索指數(shù)上升。 而近十年來除新冠疫情以外的唯一一個搜索指數(shù)最高點， 處于2014 年的西非埃博拉疫情期，這是中國密切關(guān)注疫情發(fā)展?fàn)顩r并積極赴非援助西非三國的結(jié)果。 此后很長一段時間內(nèi)，搜索量始終很低。

圖5 2019—2020 年的“疫情”搜索指數(shù)

近十年“旅游”這一關(guān)鍵詞的搜索指數(shù)不穩(wěn)定，整體呈緩慢下降趨勢。 在2020 年1 月27 日跌至最低點，隨后逐漸恢復(fù)至與2019 年相類似的搜索量，但此期間內(nèi)波動較大。 旅游作為享受資料消費(fèi)，受外界因素影響較大，具有脆弱性。 疫情初期，旅游業(yè)面臨經(jīng)營困境，中央預(yù)算內(nèi)投資的積極投入緩解了企業(yè)現(xiàn)金流壓力，提振了旅游業(yè)信心，滿足了疫情后國民對旅游活動的集中需求， 搜索指數(shù)開始回升。 國民出游熱情日漸高漲，但疫情仍較嚴(yán)重，二者共同作用下，搜索指數(shù)逐步增長。 隨后國家出臺一系列政策扶助旅游業(yè)，引起大眾關(guān)注，同時文旅部在嚴(yán)格落實景區(qū)防控措施的前提下，逐步開放室內(nèi)場所，搜索指數(shù)繼續(xù)上升。 疫情緩解后，中國國內(nèi)旅游基本恢復(fù)正常，鄉(xiāng)村旅游、全季（全域）旅游等快速恢復(fù)，搜索指數(shù)大幅度提高，逐步恢復(fù)到正常水準(zhǔn)。 2020 年1 月27 日—2 月2 日，“旅游”搜索指數(shù)達(dá)到近十年的最低值，此時正處于疫情開始暴發(fā)階段，國民內(nèi)心恐懼，旅游需求也大幅度減小。而2020年9 月28 日—10 月4 日，“旅游” 搜索指數(shù)猛增至2020 年最高值，一方面是因為國家對疫情的控制取得顯著成效，另一方面是國慶、中秋小長假給人們提供了出去游玩的好時機(jī)。

2.疫情下旅游熱點城市旅游業(yè)經(jīng)營狀況。 從傳播范圍及持續(xù)時間來看，新冠疫情較非典疫情更為嚴(yán)重，因為中國經(jīng)濟(jì)發(fā)展面臨著內(nèi)外部環(huán)境變化?。首先，當(dāng)前中國第三產(chǎn)業(yè)比重大幅上漲，從2003 年的41.23%上升至2020 年的54.5%。 而第三產(chǎn)業(yè)極易受外界因素所影響，這表示新冠疫情對中國經(jīng)濟(jì)的影響程度較深。 其次，中國目前處于經(jīng)濟(jì)高質(zhì)量發(fā)展時期，保增長壓力重，有別于2003 年的高速增長時期。2003 年，受非典疫情影響，旅游總收入直接損失約1380 億元?；而2020 年中國消費(fèi)規(guī)模擴(kuò)大，損失也必然隨之增大。 再次，新冠疫情幾乎覆蓋全國各省市， 但非典主要集中于中國香港和大陸南方，全球累計病例數(shù)約為8000?。 另外，非典時期全球經(jīng)濟(jì)呈增長趨勢， 如今國際形勢已發(fā)生改變，一些國家視中國為競爭對手，遏制中國各領(lǐng)域的發(fā)展，因此新冠疫情在短期內(nèi)會使得中國經(jīng)濟(jì)壓力增大。

近年來，中國的旅游業(yè)發(fā)展趨勢穩(wěn)中向好。 國內(nèi)旅游人次、旅游收入和旅游總收入都呈現(xiàn)增長趨勢；同時，入境旅游人次和出境旅游人次整體也保持一定的速度緩慢增長（表1），這表明中國旅游業(yè)在2011—2019 年間整體發(fā)展態(tài)勢較好， 人們的旅游出行意愿較高， 旅游消費(fèi)水平也逐年提高。 但2020 年受疫情影響，各省市均實施不同程度的區(qū)域封鎖、交通管制、景區(qū)關(guān)門等防控措施，旅游業(yè)一度處于停滯狀態(tài)，呈現(xiàn)空前的低迷之勢。 國內(nèi)游短期內(nèi)全面阻斷，呈斷崖式下降；入境游基本停頓，出境游也受到重創(chuàng)，旅游經(jīng)濟(jì)損失慘重。

表1 2011—2019 年中國旅游業(yè)經(jīng)營狀況

2020 年第一、二季度全國旅行社組織接待國內(nèi)旅游人次數(shù)、人天數(shù)都明顯比2019 年同期大幅度下降，且2019 年和2020 年第二季度旅行社的組織、接待人次數(shù)都比同年的第一季度有所增加 （圖6）。2020 年前兩個季度大批人員減少旅游活動，也縮短在外逗留的天數(shù)。 其中， 第一季度全國旅行社的人次、人天數(shù)，組織分別同比減少84.08%、84.05%；接待分別同比減少81.65%、81.88%。 第二季度全國旅行社的人次、 人天數(shù)， 組織分別同比減少83.23%、89.10%；接待分別同比減少78.59%、84.53%（圖6）。

圖6 2019 與2020 年前兩季度全國旅行社組織接待國內(nèi)旅游情況

依據(jù)中國大陸地級以上城市的旅游人數(shù)、 旅游收入、旅游業(yè)收入比重、旅游基礎(chǔ)設(shè)施和交通便利程度五個維度，綜合衡量各城市旅游業(yè)的發(fā)達(dá)程度，列出2019 年中國大陸旅游業(yè)最發(fā)達(dá)城市排行榜前十位（表2）。 由此不難發(fā)現(xiàn)，北京和上海成為國民旅游城市選擇的偏好程度極高， 因此選擇兩地作為旅游熱點城市范例。而江蘇省在旅游總收入中排第二位，且江蘇是中國名勝古跡和旅游熱點城市高度集中的地區(qū)，擁有優(yōu)質(zhì)豐富的旅游資源，是名副其實的旅游熱點省份。 相較于江蘇，湖北省實力略有欠缺，但作為本次疫情的中心地區(qū)， 省會武漢在中國旅游城市排行榜中居第八位，所經(jīng)營的旅游業(yè)更是受到重創(chuàng)，因此它也是合適的旅游熱點省份范例。

表2 2019 年中國旅游城市排行榜前十位

表3 KMO 和Bartlett 的檢驗

北京、上海兩個旅游熱點城市以及湖北、江蘇兩個熱點省份旅行社組織接待的國內(nèi)旅游情況都基本與全國保持一致趨勢（圖7）。 2019 年無論哪項指標(biāo)，江蘇都高于湖北，上海都高于北京。2020 年第一季度和第二季度的組織人次數(shù)、接待人次數(shù)均處于低迷狀態(tài)，表明四個地區(qū)都因疫情受到明顯的負(fù)面影響，旅游活動大幅度減少。

圖7 2019 與2020 年前兩季度旅游熱點城市與省份旅行社組織接待國內(nèi)旅游情況

中國文旅部發(fā)布的國慶8 天假期的旅游市場數(shù)據(jù)顯示：2020 年全國共接待國內(nèi)游客6.37 億人次，按可比口徑同比恢復(fù)79.0%； 國內(nèi)旅游收入4665.6億元，按可比口徑同比恢復(fù)69.9%。 因疫情受損最嚴(yán)重的湖北旅游業(yè)恢復(fù)較快。 而江蘇省旅游收入則排全國第一，實現(xiàn)旅游收入512.55 億元。 總之，疫情下中國國內(nèi)旅游人次和收入皆為負(fù)增長趨勢， 全國游客人數(shù)下降，全國旅游收入減少。但旅游熱點城市自身的吸引力比較強(qiáng)， 加上后疫情時代的環(huán)境安全問題得到緩解，旅游地將迎來更多游客，旅游經(jīng)濟(jì)也將恢復(fù)往常，旅游業(yè)的發(fā)展前景依然樂觀。

（三）區(qū)域人口流動性對旅游經(jīng)濟(jì)的影響

首先， 選取4 個旅游熱點城市2010—2019 年的第三產(chǎn)業(yè)增加值、地區(qū)生產(chǎn)總值、人均生產(chǎn)總值、旅客運(yùn)輸總量、A 級旅游景區(qū)數(shù)、 星級飯店數(shù)量、旅行社企業(yè)總數(shù)這7 個變量，用來衡量旅游收入增長的水平，并分析對旅游經(jīng)濟(jì)的影響。 旅游收入為被解釋變量，用Y 表示，而以上7 個指標(biāo)為解釋變量，分別用X1、X2、X3、X4、X5、X6、X7表示。

進(jìn)行因子分析后，得KMO 值為0.751，且Sig.＜0.05，說明各自變量間具有相關(guān)性，分析結(jié)果有效。

從總方差解釋表（表4）來看，因子分析效果理想。 特征值大于1 的因子共2 個，累計貢獻(xiàn)率達(dá)到87.199%。 說明用這2 個因子代替原有的7 個指標(biāo)變量， 就能夠概括原始變量所包含的87.199%的信息。 因此，可將原始的7 個變量分為2 個公因子進(jìn)行后續(xù)分析。

表4 總方差解釋表 （單位：%）

通過旋轉(zhuǎn)成分矩陣（表5），得到第一個因子在地區(qū)生產(chǎn)總值和第三產(chǎn)業(yè)增加值等方面載荷較高，分別為0.941 和0.925， 可稱為f1旅游地經(jīng)濟(jì)水平。第二個因子在星級飯店總量和旅客運(yùn)輸總量等方面載荷相對較高，分別為0.937 和0.928，因此可稱為f2旅游地吸引力。

表5 旋轉(zhuǎn)成分矩陣

將旅游地經(jīng)濟(jì)水平、 旅游地吸引力作為自變量， 旅游收入作為因變量進(jìn)行多元線性回歸分析。則模型R 平方值為0.886 （表6）， 即旅游地經(jīng)濟(jì)水平、 旅游地吸引力可以解釋旅游收入88.6%的變化原因，調(diào)整后的R 方為0.88。對模型進(jìn)行F 檢驗（表7），結(jié)果通過（F=143.647，P＜0.05），說明至少1 個變量會對旅游收入產(chǎn)生影響關(guān)系。 結(jié)合回歸系數(shù)來看（表8）， 模型中2 個解釋變量對旅游收入的顯著性分析P 值均小于0.05，具有統(tǒng)計學(xué)意義。B 值分別為0.866、0.369，則旅游地經(jīng)濟(jì)水平對旅游收入存在著顯著的正相關(guān)關(guān)系，旅游地吸引力也對旅游收入有一定的顯著正向影響。 此模型回歸方程式為Y=C+0.866·f1+0.369·f2（常量=1.004E-013，記作C）。

表6 模型匯總

表7 Anova

表8 系數(shù)

綜上所述，旅游地經(jīng)濟(jì)水平在旅游經(jīng)濟(jì)中的貢獻(xiàn)最大，表明當(dāng)?shù)亟?jīng)濟(jì)水平的強(qiáng)度會對旅游目的地的收入造成直接影響。 隨著地區(qū)經(jīng)濟(jì)的發(fā)展，越來越多的國民會被吸引， 產(chǎn)生前來娛樂消費(fèi)的意向。旅游地吸引力、人口流動條件是旅游地可進(jìn)入性的重要因素，側(cè)面說明區(qū)域人口流動性對旅游經(jīng)濟(jì)有一定影響。 這反映出隨著人口流動的增多，人們的旅游意識逐漸提高，從而促進(jìn)當(dāng)?shù)芈糜谓?jīng)濟(jì)的發(fā)展。 而且，經(jīng)濟(jì)實力越強(qiáng)的城市，對游客的吸引力就越高， 進(jìn)一步拉動旅游經(jīng)濟(jì)的增長。 這也與實際情況相符。

因此， 旅游熱點城市應(yīng)該樹立文化自信， 充分發(fā)揮自身優(yōu)勢， 努力優(yōu)化旅游環(huán)境、豐富旅游產(chǎn)品。同時，提高景區(qū)的可進(jìn)入性，提升各方面的服務(wù)品質(zhì)，增強(qiáng)游客的舒適度與體驗感。尤其是疫情期間，更應(yīng)借力國家的支持政策，超前提振旅游需求，轉(zhuǎn)危機(jī)為契機(jī)，共同推進(jìn)旅游市場復(fù)蘇。

四、結(jié)論

通過本次研究，得出結(jié)論：其一，2020 年新冠肺炎疫情期間，四個旅游熱點城市遷徙規(guī)模指數(shù)均比2019 年同期有明顯的下降趨勢。 受疫情防控影響，遷入人口和遷出人口都大幅減少，城內(nèi)出行強(qiáng)度也始終處于低迷狀態(tài)。 隨著疫情的逐漸控制，各地開始復(fù)工復(fù)產(chǎn)，經(jīng)濟(jì)社會活動才基本恢復(fù)。 其二，根據(jù)百度搜索指數(shù)，國民在疫情期間對“疫情”關(guān)鍵詞的關(guān)注度顯著提高。 同時，對“旅游”關(guān)鍵詞的搜索量大幅降低。 新冠肺炎疫情比非典疫情更為嚴(yán)重，給中國旅游業(yè)和地區(qū)旅游業(yè)的發(fā)展造成巨大損失，主要表現(xiàn)為：旅游人數(shù)急劇減少，旅游經(jīng)濟(jì)遭到極大沖擊。 其三，基于多元線性回歸分析模型的結(jié)果表明， 旅游地經(jīng)濟(jì)水平在旅游經(jīng)濟(jì)中的貢獻(xiàn)最大，是決定旅游者目的地選擇的重要因素。 旅游地吸引力也對旅游經(jīng)濟(jì)存在顯著的正相關(guān)關(guān)系，是旅游者產(chǎn)生旅游動機(jī)的客觀條件。 因此，旅游熱點城市應(yīng)該充分發(fā)揮自身優(yōu)勢， 同時提高景區(qū)的可進(jìn)入性，加快推進(jìn)旅游市場復(fù)蘇。

注釋：

①楊冕,謝澤宇.中國新冠肺炎疫情防控對中國人口流動的影響——基于百度地圖遷徙大數(shù)據(jù)的實證研究[J].人口研究,2020(4):74-88.

②張毓利,石培華,申軍波.中國多維度減輕疫情對旅游業(yè)的負(fù)面影響[J].國情國力,2020(05):20-22.

③成茜,李君軼.中國疫情居家約束下虛擬旅游體驗對壓力和情緒的影響[J].旅游學(xué)刊,2020(07):13-23.

④黃先開,張麗峰,丁于思.中國百度指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測研究——以北京故宮為例[J].旅游學(xué)刊,2013(11):93-100.

⑤童昀,馬勇,中國劉海猛.COVID-19 疫情對中國城市人口遷徙的短期影響及城市恢復(fù)力評價[J].地理學(xué)報,2020(11):2505-2520.

⑥劉望保,石恩名.基于ICT 的中國城市間人口日常流動空間格局——以百度遷徙為例[J].地理學(xué)報,2016(10):1667-1679.

⑦芮紹煒.百度大數(shù)據(jù)的應(yīng)用分析[J].企業(yè)管理,2015(02):114-116.

⑧蔣小榮,汪勝蘭.中國地級以上城市人口流動網(wǎng)絡(luò)研究——基于百度遷徙大數(shù)據(jù)的分析[J].人口科學(xué),2017(02):35-46.

⑨舒懷.從“百度遷徙”看位置服務(wù)與大數(shù)據(jù)融合[J].衛(wèi)星應(yīng)用,2014(05):39-40.

⑩甄茂成,黨安榮,闞長城.基于大數(shù)據(jù)與網(wǎng)絡(luò)分析的長三角城市群識別研究[J].上海城市規(guī)劃,2019(06):8-16.

?劉望保,石恩名.“百度遷徙”下中國城市間的人口流動空間格局[J].華南師范大學(xué)學(xué)報(自然科學(xué)版),2016(05):67-73.

?張瑜. 長春市春運(yùn)期間人口遷移的時空特征研究[D].東北師范大學(xué),2016.

?任遠(yuǎn).疫情防控中的特大城市人口流動性管制和人口數(shù)據(jù)應(yīng)用[J].南京社會科學(xué),2020(04):1-6+31.

?劉濤,靳永愛.人口流動視角下的中國新冠疫情擴(kuò)散時空動態(tài)——傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的對比研究[J].人口研究,2020(05):44-59.

?任勝鋼,彭建華.基于因子分析法的中國區(qū)域創(chuàng)新能力的評價及比較[J].系統(tǒng)工程,2007(02):87-92.

?段威,謝雪梅.基于因子分析的新疆旅游產(chǎn)業(yè)發(fā)展?jié)摿υu估[J].市場,2021(01):43-46.

?舒服華.基于因子分析的物流企業(yè)盈利能力評價[J].南通航運(yùn)職業(yè)技術(shù)學(xué)院學(xué)報,2020(02):1-7+44.

?張峰,陳兵,趙懌平等.基于線性回歸法的飛機(jī)輪胎消耗規(guī)律預(yù)測[J].飛機(jī)設(shè)計,2019(04):73-76.

?楊月,沈進(jìn).多元線性回歸分析在人才需求預(yù)測中的應(yīng)用[J].商場現(xiàn)代化,2006(32):33-34.

?羅筱波,周健.多元線性回歸分析法計算頂管施工引起的地面沉降[J].巖土力學(xué),2003(01):130-134.

?秦宇,李鋼.新冠肺炎疫情對中國經(jīng)濟(jì)挑戰(zhàn)與影響的調(diào)查綜述[J].區(qū)域經(jīng)濟(jì)評論,2020(03):146-156.

?魏小安,付磊.旅游業(yè)受“非典”影響情況分析及對幾個相關(guān)問題的辨析[J].旅游學(xué)刊,2003(04):14-23.

?祝鎧.中國新冠肺炎疫情對中國旅游業(yè)發(fā)展的影響及對策研究[J].四川旅游學(xué)院學(xué)報,2020(03):13-16.