自然资源学报 ›› 2021, Vol. 36 ›› Issue (4): 854-865.doi: 10.31497/zrzyxb.20210404
胡森林1(
), 焦世泰2(), 张晓奇3
收稿日期:2019-12-30
修回日期:2020-06-20
出版日期:2021-04-28
发布日期:2021-06-28
通讯作者:
焦世泰（1981—2020），男，甘肃永登人，博士，副教授，研究方向为旅游发展与区域经济。E-mail: jst6428196@163.com作者简介:胡森林（1991- ），男，安徽黄山人，博士研究生，研究方向为生态文明与区域发展。E-mail: hsllh520@163.com
基金资助:
HU Sen-lin1(), JIAO Shi-tai2(), ZHANG Xiao-qi3
Received:2019-12-30
Revised:2020-06-20
Online:2021-04-28
Published:2021-06-28
摘要：
旅游业已成为中国经济增长的重要驱动力。在静态（空间）马尔科夫链模型的基础上,创新性地引入动态空间马尔科夫链模型,系统地分析中国城市旅游发展的时空格局及影响因素。结果表明：（1）中国城市旅游发展具有持续性的特征,总体上存在“路径依赖”的趋势;同时,旅游发展低水平区向较高/高水平区演变的概率较低,城市旅游发展存在“贫困陷阱”现象。（2）中国城市旅游发展水平的类型演变在地理空间上存在紧密的关联性,即与旅游发展水平越高的城市邻接,其向上级类型区转移的概率也越大;反之与旅游发展水平越低的城市邻接,其向下级类型区转移的概率也越大。（3）中国城市旅游发展受到市场化水平、资源禀赋、对外开放度等方面的综合影响。针对中国城市旅游发展存在过度商业化等问题,提出相应的政策建议。
胡森林, 焦世泰, 张晓奇. 中国城市旅游发展的时空演化及影响因素——基于动态空间马尔科夫链模型的分析[J]. 自然资源学报, 2021, 36(4): 854-865.
HU Sen-lin, JIAO Shi-tai, ZHANG Xiao-qi. Spatio-temporal evolution and influencing factors of China's tourism development: Based on the non-static spatial Markov chain model[J]. JOURNAL OF NATURAL RESOURCES, 2021, 36(4): 854-865.
表1
静态马尔可夫转移概率
| t/(t+1) | 第一类型 | 第二类型 | 第三类型 | 第四类型 |
|---|---|---|---|---|
| 第一类型 | 0.898 | 0.092 | 0.006 | 0.002 |
| 第二类型 | 0.087 | 0.811 | 0.094 | 0.006 |
| 第三类型 | 0.008 | 0.090 | 0.825 | 0.074 |
| 第四类型 | 0.003 | 0.006 | 0.074 | 0.915 |
表2
静态空间马尔可夫转移概率
| 类型 | t/(t+1) | 第一类型 | 第二类型 | 第三类型 | 第四类型 |
|---|---|---|---|---|---|
| 第二类型 | 第一类型 | 0.952 | 0.047 | 0.000 | 0.000 |
| 第二类型 | 0.177 | 0.716 | 0.074 | 0.030 | |
| 第三类型 | 0.000 | 0.060 | 0.848 | 0.090 | |
| 第四类型 | 0.030 | 0.000 | 0.000 | 0.969 | |
| 第三类型 | 第一类型 | 0.922 | 0.071 | 0.006 | 0.000 |
| 第二类型 | 0.108 | 0.811 | 0.008 | 0.000 | |
| 第三类型 | 0.013 | 0.110 | 0.827 | 0.048 | |
| 第四类型 | 0.006 | 0.019 | 0.177 | 0.795 | |
| 第四类型 | 第一类型 | 0.853 | 0.138 | 0.003 | 0.003 |
| 第二类型 | 0.061 | 0.807 | 0.118 | 0.012 | |
| 第三类型 | 0.007 | 0.096 | 0.814 | 0.081 | |
| 第四类型 | 0.000 | 0.009 | 0.103 | 0.887 |
表3
模型静态性检验
| 模型类别 | 卡方统计量 | P值 |
|---|---|---|
| 静态马尔可夫模型 | 433.981 | 0.000 |
| 第一类型—空间马尔可夫模型 | 9432.37 | 0.000 |
| 第二类型—空间马尔可夫模型 | 10835.273 | 0.000 |
| 第三类型—空间马尔可夫模型 | 5743.24 | 0.000 |
| 第四类型—空间马尔可夫模型 | 444.835 | 0.000 |
图1
中国城市旅游发展的动态空间马尔科夫转移类型 注：本图基于自然资源部标准地图服务系统下载的标准地图制作,底图无修改。
表4
动态空间马尔科夫链模型的回归结果（从旅游发展低/中水平类型转出情形）
| 解释变量 | 低—中 | 低—较高 | 中—低 | 中—较高 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 二进制 | 反距离平方 | 二进制 | 反距离平方 | 二进制 | 反距离平方 | 二进制 | 反距离平方 | ||||
| 市场化水平 | -0.372***（-3.069） | -0.346***（-2.907） | -0.505 （-1.277） | -0.570 （-1.362） | 0.075 （0.709） | 0.133（1.186） | -0.145 （-1.351） | -0.156 （-1.453） | |||
| 星级酒店密度 | 1.918*** （3.106） | 1.775*** （2.821） | 0.481 （0.141） | 1.514 （0.589） | 0.001 （0.004） | -0.096 （-0.178） | 0.606* （1.670） | 0.596* （1.688） | |||
| 旅游资源禀赋 | 0.065* （1.847） | 0.079** （2.410） | 0.163（1.165） | 0.107 （0.829） | 0.033 （0.827） | 0.010（0.288） | 0.022 （0.590） | 0.027 （0.871） | |||
| 商业网密度 | -0.186** （-2.051） | -0.188** （-2.101） | -0.510 （-0.833） | -0.525 （-0.893） | 0.035 （0.775） | 0.055 （1.137） | -0.160* （-1.765） | -0.168* （-1.846） | |||
| 路网密度 | 0.309 （0.749） | 0.478 （1.074） | 1.917 （1.209） | 1.253 （0.691） | -0.840**（-2.122） | -0.574 （-1.371） | 0.250 （0.647） | 0.213 （0.547） | |||
| 产业结构 | 0.525 （0.237） | 0.311 （0.139） | 19.254** （2.247） | 19.897**（2.273） | -3.632* （-1.691） | -3.659*（-1.689） | 0.972 （0.490） | 1.033 （0.521） | |||
| 对外开放度 | -0.097 （-0.121） | -0.250 （-0.313） | 2.580* （1.707） | 3.092* （1.749） | -0.347 （-0.345） | -0.501（-0.463） | -1.101 （-0.916） | -1.067 （-0.915） | |||
| 互联网发展 | 5.914* （1.753） | 6.462* （1.924） | -5.461 （-0.298） | -10.624（-0.504） | 1.544 （0.884） | 1.766 （1.028） | 3.789** （2.202） | 3.738** （2.183） | |||
| 经济发展水平 | 0.076 （0.477） | 0.079 （0.500） | 1.175**（2.132） | 1.247** （2.125） | -0.187*（-1.669） | -0.182*（-1.667） | -0.051 （-0.577） | -0.051 （-0.574） | |||
| 空间因素 | 0.004 （0.379） | -26.281（-0.842） | -0.041 （-0.587） | 68.651 （0.762） | -0.029** （-2.066） | -81.651***（-2.644） | 0.004 （0.453） | 11.389 （0.911） | |||
| intercept | -0.735 （-0.861） | -0.721 （-0.850） | -10.876*** （-3.022） | -11.198***（-2.999） | -0.458 （-0.525） | -0.788 （-0.861） | -1.697* （-1.834） | -1.658* （-1.802） | |||
| Log-Likelihood | -224.24 | -223.93 | -24.230 | -24.206 | -222.67 | -220.17 | -229.50 | -229.22 | |||
| Observations | 770 | 770 | 699 | 699 | 781 | 781 | 713 | 713 | |||
表5
动态空间马尔可夫链模型的回归结果（从旅游发展高/较高水平类型转出情形）
| 解释变量 | 较高—低 | 较高—高 | 高—中 | 高—较高 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 二进制 | 反距离平方 | 二进制 | 反距离平方 | 二进制 | 反距离平方 | 二进制 | 反距离平方 | ||||
| 市场化水平 | 1.181*** （2.864） | 1.013*** （2.703） | -0.020 （-0.182） | -0.015（-0.137） | 1.380**（2.070） | 0.629* （1.745） | 0.193* （1.807） | 0.199* （1.970） | |||
| 星级酒店密度 | -16.526**（-2.247） | -13.956** （-2.199） | 0.650**（1.956） | 0.645* （1.930） | -2.220（-0.730） | -2.278（-0.633） | -0.451 （-1.354） | -0.443 （-1.362） | |||
| 旅游资源禀赋 | -0.288（-0.986） | -0.341 （-1.282） | -0.001 （-0.071） | 0.006 （0.270） | -2.964**（-2.282） | -2.646** （-2.117） | -0.001 （-0.042） | -0.001 （-0.043） | |||
| 商业网密度 | 0.036（0.077） | 0.092 （0.777） | -0.007（-0.376） | -0.008（-0.380） | 0.029 （0.022） | 0.186 （0.243） | 0.021（1.238） | 0.021 （1.225） | |||
| 路网密度 | 2.898（1.501） | 2.738 （1.421） | 0.184（0.452） | 0.120 （0.277） | -0.252 （-0.118） | -0.045 （-0.021） | 0.367（0.943） | 0.360 （0.904） | |||
| 产业结构 | 6.026 （0.624） | 7.878 （0.847） | -0.035（-0.018） | -0.045（-0.023） | -22.208* （-1.723） | -16.925 （-1.632） | -1.206 （-0.710） | -1.225 （-0.725） | |||
| 对外开放度 | 1.648 （0.837） | 2.123 （1.249） | 0.064 （0.089） | -0.005 （-0.007） | -3.834 （-0.680） | -0.512 （-0.232） | -0.481 （-0.803） | -0.472 （-0.808） | |||
| 互联网发展 | -39.805*（-1.683） | -48.836** （-2.208） | -4.740（-1.442） | -4.313（-1.372） | 25.086**（1.957） | 13.765 （1.123） | 1.600（1.196） | 1.571 （1.190） | |||
| 经济发展水平 | 0.160（0.312） | 0.192 （0.550） | 0.032（0.274） | 0.019 （0.168） | -4.400* （-1.760） | -2.874* （-1.686） | -0.087 （-0.727） | -0.088 （-0.733） | |||
| 空间因素 | -0.187* （-1.778） | -76.882（-0.671） | 0.009（0.961） | 8.284 （0.579） | -0.206 （-1.565） | 64.542 （0.695） | -0.0004 （-0.038） | 1.519 （0.087） | |||
| intercept | -10.064**（-2.115） | -10.905** （-2.265） | -2.475**（-2.380） | -2.394**（-2.295） | 5.204（1.011） | 3.365 （0.839） | -0.334 （-0.388） | -0.299 （-0.344） | |||
| Log-Likelihood | -26.096 | -27.876 | -193.99 | -194.26 | -12.850 | -14.462 | -191.98 | -191.97 | |||
| Observations | 781 | 781 | 703 | 703 | 767 | 767 | 762 | 762 | |||
| [1] | [ XI J C, LIU M H. Analysis of basic national conditions of China's tourism industry. Journal of Natural Resources, 2019,34(8):1569-1580.] |
| [2] | WEN J J, SINHA C. The spatial distribution of tourism in China: Trends and impacts. Asia Pacific Journal of Tourism Research, 2009,14(1):93-104 |
| [3] | [ LU L, YU F L. A study on the spatial characteristic of provincial difference of tourism economy. Economic Geography, 2005,25(3):406-410.] |
| [4] | [ SHEN J H, LU Y Q, ZHOU Y C, et al. Domestic tourism economic growth and spatial pattern evolution of regional tourism differences in Anhui province. Scientia Geographica Sinica, 2012,32(10):1220-1228.] |
| [5] | [ WAN X C, WANG H T, FU C X, et al. The intercity difference and influencing factors of inbound tourism development in China: Taking the major tourism cities as an example. Geographical Research, 2013,32(2):337-346.] |
| [6] | [ WANG Z F, LIU Q F. The spatio-temporal evolution of tourism eco-efficiency in the Yangtze River Economic Belt and its interactive response with tourism economy. Journal of Natural Resources, 2019,34(9):1945-1961.] |
| [7] | ILIĆ I, PETREVSKA I. Using DEA method for determining tourism efficiency of Serbia and the surrounding countries. Hotel and Tourism Management, 2018,6(1):73-80. |
| [8] | NGUYEN T Q T, YOUNG T, JOHNSON P, et al. Conceptualising networks in sustainable tourism development. Tourism Management Perspectives, 2019,32:100575, Doi: 10.1016/j.tmp.2019.100575Get. |
| [9] | [ WANG J, XU J H, XIA J C. Study on the spatial correlation structure of China's tourism economic and its effect: Based on social network analysis. Tourism Tribune, 2017,32(7):15-26.] |
| [10] | [ GAO P, XI J C. Research on the spatial structure and complex characteristics of tourism destination network: A case study of Yesanpo tourism destination. Journal of Natural Resources, 2018,33(1):85-98.] |
| [11] | [ LIU D J, HU J, CHENG S W, et al. Spatial pattern and influencing factors of tourism micro-blogs in China: A case of tourism Sina micro-blogs. Scientia Geographica Sinica, 2015,35(6):717-724.] |
| [12] | [ LU Y Y, BAO J G. The tourism commercialization of 'homes' in Dai families in Xishuangbanna. Geographical Research, 2018,37(5):967-980.] |
| [13] | GUEDES A S, JIMÉNEZ M I M. Spatial patterns of cultural tourism in Portugal. Tourism Management Perspectives, 2015,16:107-115. |
| [14] | [ WANG D G, CHEN T, LU L, et al. Mechanism and HSR effect of spatial structure of regional tourist flow: Case study of Beijing-Shanghai HSR in China. Acta Geographica Sinica, 2015,70(2):214-233.] |
| [15] | [ LI L, ZHAO L. An empirical study on the efficiency of China's tourism development and its influencing factors: Based on stochastic frontier analysis. Economic Management, 2013,35(2):124-134.] |
| [16] | [ YU F L, HUANG Z F, CAO F D. Contribution of institutional change to China's tourism economic growth: A marketization perspective. Tourism Tribune, 2013,28(7):13-21.] |
| [17] | [ LI G Q, HU Z G, CAO J H. Institutional change and tourism economic growth: Policy evaluation of replacing the TB with the TDC based on the double difference method. Tourism Tribune, 2018,33(1):13-24.] |
| [18] | [ WU Y Y, SONG Y X. Spatial pattern evolution and influence factors of tourism economy in China. Scientia Geographica Sinica, 2018,38(9):1491-1498.] |
| [19] | [ HU W H, SUN J P, YU F F. Temporal-spatial evolution patterns of regional tourism economic development in Anhui province. Geographical Research, 2015,34(9):1795-1806.] |
| [20] | [ QIN C L, LIU Y X, LI C. Spatial spillover and the convergence of regional economic growth: A case study of the Yangtze River Delta. Social Sciences in China, 2012, (5):76-94.] |
| [21] | [ SUI J L, LIU J Q, YAN C. Phase transfer identification of China's tourism economy dynamic path: Based on Markov regime switching model. Tourism Tribune, 2013,28(7):22-32.] |
| [22] | [ TENG T W, SUN R, HU S L. Coupling coordination and spatial correlation of scientific and technological innovation and green development in the Yangtze River Economic Belt. Resources and Environment in the Yangtze Basin, 2019,28(11):2574-2585.] |
| [23] | [ PU Y X, MA R H, GE Y, et al. Spatial-temporal dynamics of Jiangsu regional convergence with spatial Markov chains approach. Acta Geographica Sinica, 2005,60(5):817-826.] |
| [24] | SINHA N C, ISLAM M A, AHMED K S. Chain dependence and stationarity test for transition probabilities of Markov chain under logistic regression model. Journal of the Korean Statistical Society, 2006,35(4):355-376. |
| [25] | SINHA N C, ISLAM M A, AHMED K S. Order determination for the transition probabilities of Markov chain based on logistic regression model. Journal of Applied Statistical Science, 2010,17(4):1519-1539. |
| [26] |
World Bank. World Development Indicators. CD Database, 2004.
pmid: 25767294 |
| [27] | SEQUEIRA T N, NUNES P M. Does tourism influence economic growth? A dynamic panel data approach. Applied Economics, 2008,40(18):2431-2441. |
| [28] |
CORTES-JIMENEZ I. Which type of tourism matters to the regional economic growth? The cases of Spain and Italy. International Journal of Tourism Research, 2008,10(2):127-139.
doi: 10.1002/(ISSN)1522-1970 |
| [29] | [ ZHANG P, YANG J, ZHOU X. Tourism and regional economic growth: A dynamic panel data approach based on 254 prefectures in China. Economic Management, 2014,36(6):116-126.] |
| [30] | RAY M A, KANG J, ZHANG H. Detecting spatial clusters via a mixture of dirichlet processes. Journal of Probability and Statistics, 2018: 1-20. |
| [1] | 唐鸿, 许春晓. 中国红色旅游经典景区网络关注度时空演变及影响因素[J]. 自然资源学报, 2021, 36(7): 1792-1810. |
| [2] | 张超, 杨艳昭, 封志明, 贾琨, 郎婷婷. “一带一路”沿线国家粮食消费时空格局[J]. 自然资源学报, 2021, 36(6): 1398-1412. |
| [3] | 刘晓宇, 辛良杰. 中国生猪耗粮系数时空演变特征[J]. 自然资源学报, 2021, 36(6): 1494-1504. |
| [4] | 韩璟, 潘子纯, 卢新海. 东南亚地区中国海外耕地投资项目的空间分布及影响因素分析[J]. 自然资源学报, 2021, 36(6): 1521-1534. |
| [5] | 王介勇, 戴纯, 周墨竹, 刘正佳. 全球粮食贸易网络格局及其影响因素[J]. 自然资源学报, 2021, 36(6): 1545-1556. |
| [6] | 孔冬艳, 陈会广, 吴孔森. 中国“三生空间”演变特征、生态环境效应及其影响因素[J]. 自然资源学报, 2021, 36(5): 1116-1135. |
| [7] | 李凡, 强文丽, 刘晓洁, 牛叔文, 朱芹瑶, 李平. 中国县域肉类生产的时空演变及影响因素[J]. 自然资源学报, 2021, 36(5): 1224-1237. |
| [8] | 曹永强, 路洁, 冯兴兴. 辽西北春玉米旱灾灾损风险区划[J]. 自然资源学报, 2021, 36(5): 1346-1358. |
| [9] | 张杰, 麻学锋. 湖南省乡村旅游地空间分异及影响因素——以五星级乡村旅游区为例[J]. 自然资源学报, 2021, 36(4): 879-892. |
| [10] | 王少剑, 王泽宏. 经济转型背景下长三角城市用地扩张及影响因素的时空差异[J]. 自然资源学报, 2021, 36(4): 993-1007. |
| [11] | 冀正欣, 王秀丽, 李玲, 关小克, 蔚霖, 许月卿. 南阳盆地区耕地利用效率演变及其影响因素[J]. 自然资源学报, 2021, 36(3): 688-701. |
| [12] | 杨钊, 刘永婷, 秦金芳, 刘斌, 王盼盼, 刘世杰, 徐致云. 长三角游乐型主题公园客流时空分布特征及其影响因素分析——以上海欢乐谷、常州恐龙园、芜湖方特为例[J]. 自然资源学报, 2021, 36(3): 722-736. |
| [13] | 王长松, 段蕴歆, 张然. 历史时期黄河流域城市空间格局演变与影响因素[J]. 自然资源学报, 2021, 36(1): 69-86. |
| [14] | 阎晓, 涂建军. 黄河流域资源型城市生态效率时空演变及驱动因素[J]. 自然资源学报, 2021, 36(1): 223-239. |
| [15] | 何培培, 张俊飚, 何可, 陈柱康. 农业生产何以存在低碳效率幻觉?——来自1997—2016年31个省份面板数据的证据[J]. 自然资源学报, 2020, 35(9): 2205-2217. |
|
||
