中国红色旅游经典景区网络关注度时空演变及影响因素

doi:10.31497/zrzyxb.20210712

摘要/Abstract

摘要：

借助“百度指数”,获取2011—2019年中国31个省（市、自治区）对红色旅游经典景区的网络关注度,结合区域差异分析法、景区偏好系数分析红色旅游经典景区网络关注度的时空演变特征,利用面板数据回归模型和地理探测器揭示其影响机理。研究发现：（1）从时序上看,2011—2019年红色旅游经典景区的网络关注度持续上升,具有明显的季节性差异,呈“M”型变化形态。（2）从区域上看,东—中—西部具有明显的梯度递减特征,区域差异呈东—西—中部依次递减态势,空间结构比较均衡,东部地区多位于热点区,中部地区多处于一般区,西部地区则属于冷点区,各省（市、自治区）存在一定季节性差异。（3）景区角度方面,景区的月际变化分为单峰型、双峰型和多峰型三种,单峰型季节差异显著,双峰型和多峰型的季节差异较小,景区偏好类型呈“金字塔”结构,具有“多中心”分布特征,整体格局相对稳定。（4）影响因素方面,客源地网络发展水平的贡献>人口规模>教育水平>经济发展水平,而旅游恩格尔系数的影响不显著,目的地的星级酒店数量、旅游化水平、市外交通可达性是重要影响因素,信息化水平、空气质量、旅行社及公共管理能力是主要影响因素,其他因素影响力较小。

关键词: 红色旅游经典景区, 网络关注度, 时空演变, 影响因素

Abstract:

The network attention of red tourism classic scenic spots in 31 provinces (autonomous regions and municipalities) of China from 2011 to 2019 was obtained by means of "Baidu Index". The spatio-temporal evolution characteristics and the preference degree of the network attention of the red tourism classic scenic spots were analyzed through coefficients of scenic spot preference. The influence mechanism of the changes in the network attention of the red tourism classic scenic spots was revealed by using panel data regression model and geographic detector model. The research found that: (1) In terms of time series, the network attention of red tourism classic scenic spots continuously increased from 2011 to 2019, with obvious seasonal differences, showing an "M"-shaped variation form. (2) From the regional perspective, network attention of red tourism classic scenic spots in the eastern-central-western regions showed obvious gradient-descending characteristics. The regional differences show a decreasing trend from east, west to center, with a relatively balanced spatial structure. The majority of eastern provinces are located in hot spots, central provinces are mostly at an average level, and western provinces are in cold spots. The eastern and western regions have relatively stable order series, the central region mostly showed an upward trend, and there are certain seasonal differences between provinces, but the time series do not change greatly. (3) From the perspective of scenic spots, the inter-monthly variations of scenic spots are divided into three types, namely, unimodal type, bimodal type and multimodal type. The seasonal difference of unimodal type is significant, but the seasonal difference between bimodal type and multimodal type is small. The preference of scenic spots with a "pyramid" structure is characterized by "multi-center" distribution with a relatively stable pattern on the whole. (4) Regarding influencing factors, the contribution is listed in the order of the development level of the tourist source network>population size>education level>economic development level. But the influence of the tourism Engel coefficient is not significant. The number of star-rated hotels in the destination and tourist level and the transportation accessibility outside the city are important influencing factors. The informatization level, air quality, travel agency and public management ability are the primary influencing factors.

Key words: red tourism classic scenic spots, network attention, spatio-temporal evolution, influencing factor

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.

TANG Hong, XU Chun-xiao. Spatio-temporal evolution and influencing factors of Chinese red tourism classic scenic spots network attention[J]. JOURNAL OF NATURAL RESOURCES, 2021, 36(7): 1792-1810.

图/表 14

图1

表1

表2

图2

表3

图3

表4

红色经典景区游客偏好系数及类型

景区	2011年	2019年	均值	景区	2011年	2019年	均值
天安门广场	2.837（中强偏好）	11.734（强偏好）	4.602（强偏好）	宛平城	0（弱偏好）	1.803（较弱偏好）	0.536（弱偏好）
中山陵	3.368（中强偏好）	8.851（强偏好）	4.055（强偏好）	中国人民抗日战争纪念馆	0.348（弱偏好）	1.513（较弱偏好）	0.510（弱偏好）
红旗渠	3.459（中强偏好）	9.283（强偏好）	3.887（中强偏好）	平津战役纪念馆	0.425（弱偏好）	1.483（较弱偏好）	0.418（弱偏好）
卢沟桥	3.702（中强偏好）	7.558（强偏好）	3.588（中强偏好）	雷锋纪念馆	0（弱偏好）	0.455（弱偏好）	0.361（弱偏好）
岳麓山景区	2.129（中强偏好）	6.316（强偏好）	2.555（中强偏好）	周恩来邓颖超纪念馆	0（弱偏好）	1.208（较弱偏好）	0.358（弱偏好）
中国国家博物馆	2.499（中强偏好）	6.716（强偏好）	2.428（中强偏好）	胡耀邦故居	0（弱偏好）	0.714（弱偏好）	0.231（弱偏好）
毛泽东故居	1.823（较弱偏好）	1.824（较弱偏好）	1.551（较弱偏好）	刘胡兰纪念馆	0（弱偏好）	0.921（弱偏好）	0.216（弱偏好）
上海世博园	2.049（中强偏好）	2.897（中强偏好）	1.486（较弱偏好）	上海城市规划展示馆	0（弱偏好）	0.451（弱偏好）	0.184（弱偏好）
宋庆龄故居	1.630（较弱偏好）	3.246（中强偏好）	1.454（较弱偏好）	王若飞故居	0（弱偏好）	0.391（弱偏好）	0.152（弱偏好）
长春电影制片厂	1.432（较弱偏好）	2.229（中强偏好）	1.037（较弱偏好）	济南战役纪念馆	0.254（弱偏好）	0.422（弱偏好）	0.148（弱偏好）
莲花山公园	0.764（弱偏好）	3.389（中强偏好）	1.022（较弱偏好）	鸦片战争博物馆	0（弱偏好）	0.502（弱偏好）	0.146（弱偏好）
中国航空博物馆	0.850（弱偏好）	2.135（中强偏好）	0.842（弱偏好）	彭湃故居	0（弱偏好）	0.813（弱偏好）	0.102（弱偏好）
奥林匹克公园	0.959（弱偏好）	1.992（较弱偏好）	0.822（弱偏好）	北京规划展览馆	0（弱偏好）	0.246（弱偏好）	0.084（弱偏好）
圆明园遗址公园	0.361（弱偏好）	2.278（中强偏好）	0.816（弱偏好）	华东革命烈士陵园	0（弱偏好）	0.190（弱偏好）	0.083（弱偏好）
延安革命纪念馆	0.742（弱偏好）	2.881（中强偏好）	0.803（弱偏好）	任弼时故居	0（弱偏好）	0.317（弱偏好）	0.077（弱偏好）
玉门油田	0（弱偏好）	2.492（中强偏好）	0.794（弱偏好）	新文化运动纪念馆	0（弱偏好）	0.384（弱偏好）	0.073（弱偏好）
杨开慧故居	0（弱偏好）	2.754（中强偏好）	0.625（弱偏好）	李大钊烈士陵园	0（弱偏好）	0.300（弱偏好）	0.061（弱偏好）
辽沈战役纪念馆	0.743（弱偏好）	1.657（较弱偏好）	0.591（弱偏好）	福建革命历史纪念馆	0（弱偏好）	0.253（弱偏好）	0.057（弱偏好）
中国人民革命军事博物馆	0（弱偏好）	2.546（中强偏好）	0.559（弱偏好）	焦庄户地道战遗址纪念馆	0（弱偏好）	0.188（弱偏好）	0.054（弱偏好）
彭德怀故居	0（弱偏好）	1.690（较弱偏好）	0.552（弱偏好）	黄花岗七十二烈士墓	0（弱偏好）	0.128（弱偏好）	0.040（弱偏好）
林则徐纪念馆	0.618（弱偏好）	1.531（较弱偏好）	0.538（弱偏好）

表4

图4

表5

表6

表7

表8

表9

图5

参考文献 32

[1]	贾楠. 改革开放以来红色旅游发展的历史考察. 当代中国史研究, 2019, 26(4):63-76.
	[ JIA N. Reform and opening-up history research a historical investigation of red tourism development since the reform and opening-up. Contemporary China History Studies, 2019, 26(4):63-76.]
[2]	人民网. 2017 年红色旅游影响力报告. http://yuqing. people.com.cn/n1/2018/0131/c394872-29798399.html.
	[People's Daily Online. 2017 Red tourism impact report. http://yuqing. people.com.cn/n1/2018/0131/c394872-29798399.html. ]
[3]	高楠, 张新成, 王琳艳. 中国红色旅游网络关注度时空特征及影响因素. 自然资源学报, 2020, 35(5):1068-1089.
	[ GAO N, ZHANG X C, WANG L Y. Spatio-temporal characteristics and influencing factors of Chinese red tourism network attention. Journal of Natural Resources, 2020, 35(5):1068-1089.]
[4]	RICHARD P. Community-driven tourism planning and residents' preference. Tourism Management, 1993, 14(3):218-227. doi: 10.1016/0261-5177(93)90023-E
[5]	CHANG T C, SIMON M, DALE F, et al. Urban heritage tourism: The global-local nexus. Annals of Tourism Research, 1996, 23(2):284-305. doi: 10.1016/0160-7383(95)00064-X
[6]	DIETTRICH B. Performing arts as cultural heritage in the Federated States of Micronesia. International Journal of Heritage Studies, 2015, 21(7):660-673. doi: 10.1080/13527258.2014.984746
[7]	STONE P, SHARPLEY R. Consuming dark tourism: A thanatological perspective. Annals of Tourism Research, 2008, 35(2):574-595. doi: 10.1016/j.annals.2008.02.003
[8]	CARRUTHERS J, KRISJANOUS J. An exploratory content analysis of dark tourism websites. In: Academy of Marketing Annual Conference 2015: The Magic of Marketing. Ireland Limerick: Journal of Marketing Management, 2015: 1-8.
[9]	SEATON A V. War and thanatourism: Waterloo 1815-1914. Annals of Tourism Research, 1999, 26(1):130-158. doi: 10.1016/S0160-7383(98)00057-7
[10]	VALENE L. Smith war and tourism: An American ethnography. Annals of Tourism Research, 1998, 25(1):202-227. doi: 10.1016/S0160-7383(97)00086-8
[11]	吴必虎, 余青. 红色旅游开发管理与营销. 北京: 中国建筑工业出版社, 2006: 36-49.
	[ WU B H, YU Q. Development Management and Marketing of Red Tourism. Beijing: China Architecture & Building Press, 2006: 36-49.]
[12]	范力, 焦世泰, 韦复生. 左右江红色旅游区红色旅游产品开发展模式研究. 中国软科学, 2013,(111):170-177.
	[ FAN L, JIAO S T, WEI F S. Red tourism product development oriented to tourist areas around the Red River. China Soft Science, 2013,(111):170-177.]
[13]	张河清, 陈宁英. 红色旅游城市的市场竞争态分析: 以6大红色旅游城市为例. 旅游学刊, 2008, 23(11):26-29.
	[ ZHANG H Q, CHEN N Y. An analysis of competitive state of red tourism cities: A case study of top six red tourism cities. Tourism Tribune, 2008, 23(11):26-29.]
[14]	石培新. 红色旅游教育功能提升与可持续发展. 宏观经济管理, 2020,(15):83-90.
	[ SHI P X. Red tourism education function promotion and sustainable development, mechanism innovation. Macroeconomic Management, 2020,(15):83-90.]
[15]	王钦安, 吴俏. 安徽省红色旅游资源结构评价与优化. 山西师范大学学报: 自然科学版, 2020, 34(2):44-53.
	[ WANG Q A, WU Q. Research on evaluation and optimization of red tourism resources structure in Anhui province. Journal of Shanxi Normal University: Natural Science Edition, 2020, 34(2):44-53.]
[16]	刘颖洁. 张家界与韶山景区游客满意度的影响因素比较研究. 经济地理, 2016, 36(10):216-221.
	[ LIU Y J. A comparative study on the influence factors of tourist satisfaction between the scenic spots in Zhangjiajie and Shaoshan. Economic Geography, 2016, 36(10):216-221.]
[17]	徐克帅. 红色旅游和社会记忆. 旅游学刊, 2016, 31(3):35-42.
	[ XU K S. Red tourism and social memory. Tourism Tribune, 2016, 31(3):35-42.]
[18]	龙茂兴, 孙根年, 龙珍付. 遵义红色旅游网络关注度的客流响应研究. 地理与地理信息科学, 2013, 29(5):98-101.
	[ LONG M X, SUN G N, LONG Z F. Tourism flow's response to degree of consumer network attention to Zunyi Tourism. Geography and Geo-Information Science, 2013, 29(5):98-101.]
[19]	郑华伟. 红色旅游价值观内化的网络文本文: 兼论国民幸福感的生成机制. 旅游学刊, 2016, 31(5):111-118.
	[ ZHENG H W. Web-based text analysis of value internalization of red tourism: The generative mechanism of national happiness. Tourism Tribune, 2016, 31(5):111-118.]
[20]	蔡卫民, 彭晶, 覃娟娟. 韶山的全国网络关注热度矩阵及推广策略研究. 旅游科学, 2016, 30(4):61-72.
	[ CAI W M, PENG J, QIN J J. A study on national network attention heat matrix and promotion strategy in Shaoshan. Tourism Science, 2016, 30(4):61-72.]
[21]	黄先开, 张丽峰, 丁于思. 百度指数与旅游景区游客量的关系及预测研究: 以北京故宫为例. 旅游学刊, 2013, 28(11):93-100.
	[ HUANG X K, ZHANG L F, DING Y S. Study on the predictive and relationship between tourist attractions and the baidu index: A case study of the Forbidden city. Tourism Tribune, 2013, 28(11):93-100.]
[22]	江恋. 湖南“红三角”景区网络关注度时空分布特征及形成机理. 湘潭: 湘潭大学, 2016.
	[ JIANG L. Temporal-spatial distribution characteristics and formation mechanism of scenic network attention in Hunan "red triangle". Xiangtan: Xiangtan University, 2016.]
[23]	陈晓威, 孙建军, 汤志伟, 等. 链接分析视角下我国红色旅游网站的网络结构及影响力研究. 情报科学, 2018, 36(1):152-157.
	[ CHEN X W, SUN J J, TANG Z W, et al. Network structure and influence of red tourism websites in China based on link analysis. Information Science, 2018, 36(1):152-157.]
[24]	XIANG Z, PAN B. Travel queries on cities in the United States: Implications for search engine marketing for tourist destinations. Tourism Management, 2011, 32(1):88-97. doi: 10.1016/j.tourman.2009.12.004
[25]	李莉, 侯国林, 夏四友, 等. 成都市休闲旅游资源空间分布特征及影响因素. 自然资源学报, 2020, 35(3):683-697.
	[ LI L, HOU G L, XIA S Y, et al. Spatial distribution characteristics and influencing factors of leisure tourism resources in Chengdu. Journal of Natural Resources, 2020, 35(3):683-697.]
[26]	DANN G M S. Anomie, ego-enhancement and tourism. Annals of Tourism Research, 1977, 4(4):184-194. doi: 10.1016/0160-7383(77)90037-8
[27]	邹永广, 林炜铃, 郑向敏. 旅游安全网络关注度时空特征及其影响因素. 旅游学刊, 2015, 30(2):101-109.
	[ ZOU Y G, LIN W L, ZHENG X M. Spatial-temporal characteristics and influential factors of network attention to tourism security. Tourism Tribune, 2015, 30(2):101-109.]
[28]	孙根年, 杨亚丽. 2.0版中国旅游恩格尔系数构建及时空变化研究. 人文地理, 2014,(13):121-127.
	[ SUN G N, YANG Y L. The construction of 2.0 tourism engel coefficient and spatial-temporal analysis in China. Human Geography, 2014,(13):121-127.]
[29]	李伯华, 曾灿, 刘沛林, 等. 传统村落人居环境转型发展的系统特征及动力机制研究: 以江永县兰溪村为例. 经济地理, 2019, 39(8):153-159.
	[ LI B H, ZENG C, LIU P L, et al. System characteristics and dynamic mechanism of transformation development of human settlement environment in traditional villages: A case study of Lanxi village Jiangyong county. Economic Geography, 2019, 39(8):153-159.]
[30]	麻学锋, 崔盼盼. 旅游演艺业对旅游产业成长的响应过程与影响机制: 以张家界“魅力湘西”为例. 地理与地理科学信息, 2019, 35(1):118-124.
	[ MA X F, CUI P P. Response process and influence mechanism of performing enterprises to the growth of tourism industry: A case study of Zhangjiajie's "Charming Xiangxi". Geography and Geo-Information Science, 2019, 35(1):118-124.]
[31]	郭向阳, 穆学青, 明庆忠, 等. 旅游地交通服务功能与旅游强度协调时空分异特征: 以云南省为例. 自然资源学报, 2020, 35(6):167-186.
	[ GUO X Y, MU X Q, MING Q Z, et al. Spatio-temporal differentiation characteristics of coordination between transportation service function and tourism intensity in tourist destinations: A case study of Yunnan province. Journal of Natural Resources, 2020, 35(6):167-186.]
[32]	赵黎明, 杨其元. 旅游城市系统. 武汉: 华中科技大学出版社, 2007: 56-74.
	[ ZHAO N M, YANG Q Y. Tourist City System. Wuhan: Huazhong University of Science and Technology Press, 2007: 56-74.]

月份	网络关注度指数					季节集中度指数
月份	2011年	2013年	2015年	2017年	2019年	2011年	2013年	2015年	2017年	2019年
1	500578	474238	1251358	1355407	1446062	1.714	16.965	1.600	5.750	6.933
2	447276	482416	1035693	1595619	1647947	4.230	16.372	6.164	1.813	3.377
3	546747	731548	1243989	1626995	2197771	0.438	3.363	1.707	1.463	0.108
4	725479	658166	1395736	1993455	2057726	3.405	6.178	0.202	0.156	0.050
5	571394	643176	1633681	1760582	2075263	0.100	6.858	0.798	0.390	0.024
6	594592	744711	1285935	1763034	2447231	0.001	2.948	1.145	0.377	1.719
7	741144	1142174	1667828	2482277	2283066	4.264	3.285	1.180	6.420	0.441
8	572336	1362012	2021341	2116735	2761272	0.092	14.171	9.500	0.872	6.494
9	570505	1167674	1624512	2417933	2222093	0.108	4.157	0.708	5.073	0.180
10	725634	1373753	1909108	2038088	2364489	3.413	14.967	5.995	0.348	0.970
11	552571	1449696	1364981	1725748	2202870	0.336	20.640	0.389	0.604	0.121
12	581564	1031894	1278056	1973064	1677542	0.030	0.694	1.242	0.093	2.962
全国	7129820	11261458	17712218	22848937	25383332	1.229	3.036	1.598	1.395	1.396

年份	全国地区			东部地区			中部地区			西部地区
年份	赫芬达尔系数H	地理集中度G	首位度P	赫芬达尔系数H	地理集中度G	首位度P	赫芬达尔系数H	地理集中度G	首位度P	赫芬达尔系数H	地理集中度G	首位度P
2011	0.043	20.673	1.632	0.104	32.256	1.632	0.130	36.075	1.290	0.110	33.196	1.192
2012	0.044	21.039	1.653	0.107	32.671	1.653	0.131	36.240	1.166	0.112	33.536	1.176
2013	0.045	21.160	1.440	0.107	32.774	1.440	0.134	36.613	1.003	0.111	33.253	1.161
2014	0.046	21.335	1.413	0.108	32.905	1.413	0.136	36.849	1.026	0.109	33.032	1.115
2015	0.047	21.590	1.456	0.111	33.324	1.456	0.137	36.967	1.040	0.111	33.378	1.122
2016	0.045	21.267	1.365	0.110	33.221	1.365	0.136	36.887	1.013	0.119	34.477	1.492
2017	0.045	21.119	1.412	0.110	33.187	1.412	0.137	36.993	1.014	0.108	32.930	1.177
2018	0.045	21.186	1.396	0.110	33.153	1.396	0.137	36.962	1.019	0.106	32.628	1.054
2019	0.044	21.043	1.323	0.109	33.005	1.323	0.137	37.053	1.073	0.106	32.556	1.100

影响因素	经济发展水平ec	人口规模ps	网络发展水平in	教育水平ed	旅游恩格尔系数te
测量指标	人均GDP	年末常住人口	互联网覆盖率	大专以上人数占常住人口比例	根据孙根年等^[28]的研究成果计算得到
redtour	0.969^***	0.979^***	0.991^***	0.842^***	0.741^***

变量	LLC		ADF		PP		结论	变量	LLC		ADF		PP		结论
变量	统计值	P值	统计值	P值	统计值	P值	结论	变量	统计值	P值	统计值	P值	统计值	P值	结论
lnredtour	-9.869	0	59.772	0.556	156.176	0.311	不平稳	△lnredtour	-24.015	0	163.509	0	345.286	0	平稳
lnec	-3.539	0.002	57.539	0.637	105.337	0.005	不平稳	△lnec	-8.443	0	103.597	0	125.551	0	平稳
lnps	0.152	0.560	55.293	0.648	114.962	0	不平稳	△lnps	-34.535	0	86.142	0.023	99.772	0.002	平稳
lnin	-6.607	0	1.467	0.929	46.165	0.934	不平稳	△lnin	-8.607	0	88.349	0.001	124.222	0	平稳
lned	2.174	0.985	57.079	0.653	40.669	0.984	不平稳	△lned	-3.993	0	98.099	0.002	102.379	0.001	平稳
lnte	-4.347	0	53.673	0.765	55.137	0.719	不平稳	△lnte	-15.746	0	166.905	0	218.521	0	平稳

变量	模型1（混合效应模型）		模型2（固定效应模型）		模型3（随机效应模型）
变量	相关系数	T统计值	相关系数	T统计值	相关系数	T统计值
c（常数项）	-10.281^***	-19.453	-36.134^***	-6.946	-11.125^***	-21.724
lnec	0.435^***	4.689	0.395^***	3.969	0.542^***	6.732
lnps	0.300^**	3.017	0.662^***	5.139	0.325^***	3.313
lnin	1.172^**	8.524	1.968^***	18.413	1.911^***	19.167
lned	0.707^***	7.951	0.449^***	3.793	-0.118	-1.167
lnte	0.476^**	3.249	-0.131	-1.171	-0.058	-0.539
干扰项标准差	0.966		0.151		0.175
R²	0.897		0.979		0.888
调整后的R²	0.895		0.975		0.885
F值	47.792		317.018		430.890