EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 8: 2169 - 2180

DOI: https://doi.org/10.31497/zrzyxb.20220816

其他研究论文

亚太经合组织旅游流网络结构演化及影响因素

  • 石建中 ,
  • 范齐
展开
  • 中国海洋大学管理学院,青岛 266100

石建中（1976- ）,男,内蒙古锡林郭勒盟人,博士,副教授,研究方向为旅游经济学与网络组织理论。E-mail:

收稿日期: 2021-05-10

  修回日期: 2021-11-08

  网络出版日期: 2022-10-28

基金资助

国家教育部人文社会科学研究项目(18YJAZH076)

收起

The evolution and influencing factors of APEC tourism flow network structure

  • SHI Jian-zhong ,
  • FAN Qi
Expand
  • School of Management, Ocean University of China, Qingdao 266100, Shandong, China

Received date: 2021-05-10

  Revised date: 2021-11-08

  Online published: 2022-10-28

Fold

摘要

以亚太经合组织（APEC）21个国家（地区）为研究对象,构建2008—2018年APEC旅游流网络,运用SNA方法和QAP方法,对旅游流网络结构演化及其影响因素展开分析。结果表明：（1）APEC旅游流网络密度持续增加但仍旧较低,网络结构尚不稳固。网络中心化趋势有所减弱,旅游供给市场更加多元。（2）APEC旅游流网络节点间中心性水平差异明显,形成了以中国、美国为首的第一梯队,以日本、韩国为代表的第二梯队,以新西兰、俄罗斯为代表的第三梯队。（3）APEC旅游流网络的核心—边缘结构显著且具有稳定性,核心区节点间的旅游互动最为频繁,边缘区对核心区的反哺效应明显。（4）区位要素是影响APEC旅游流网络结构的主要因素,经济发展水平、旅游资源禀赋、旅游基础设施等要素对APEC旅游流网络结构演化的影响有所下降,而对外开放程度对优化APEC旅游流网络结构的作用有所上升。

关键词： APEC旅游流; 网络结构演化; QAP分析

本文引用格式

石建中 , 范齐 . 亚太经合组织旅游流网络结构演化及影响因素[J]. 自然资源学报, 2022 , 37(8) : 2169 -2180 . DOI: 10.31497/zrzyxb.20220816

Abstract

Taking 21 APEC countries (regions) as the research object, this paper constructs the APEC tourism flow network from 2008 to 2018, and analyzes the evolution and influencing factors of the tourism flow network structure in SNA and QAP methods. The results show that: (1) The density of APEC tourism flow network continues to increase, but still at a relatively low level, and the network structure is not stable. The trend of network centralization has weakened, and the supply market is more diversified. (2) There are obvious differences in the centrality level among nodes of APEC tourism flow network, forming the first echelon led by China and the United States, the second echelon represented by Japan and South Korea, and the third echelon represented by New Zealand and Russia. (3) The core-edge structure of the APEC tourism flow network is significant and stable. The tourism interaction between the nodes in the core area is the most frequent, and the feedback effect of the edge area on the core area is obvious. (4) The location has always been the key factor affecting the tourism flow network structure. The influence of economic development level, tourism resource endowment and tourism infrastructure on the tourism flow network structure has decreased, while the influence of the degree of opening to the outside world on the tourism flow network structure has increased.

Key words： APEC tourism flow; evolution of network structure; QAP analysis

旅游流是以旅游客流为主体,涵盖旅游信息流、旅游物流和旅游能流的一个复杂巨系统[1]。旅游流现象作为大众旅游需求的最直观表现,能够清晰地反映不同旅游地之间的游客往来情况,是探究旅游网络的重要切入口之一。自20世纪60年代开始,国内外学者逐渐展开了旅游流的相关研究,成果相对丰富。从研究内容来看,学者们运用计量分析法[2]、GIS分析法[3]、社会网络分析法[4]等多元化分析手段,对旅游流网络结构特征及其演化[5]、旅游流空间分布及优化策略[6,7]、旅游流驱动机制及影响因素[8]等问题展开讨论。从研究数据来看,早期研究依赖于问卷调查[9]和官方统计数据[10],近年来随着大数据的兴起,依托数字足迹[11]、地理标记图片[12]、网络游记[13]、百度指数[14]等数字化信息的研究越来越多,为旅游线路设计、交通规划、景区开发等提供了现实依据。从研究区域来看,微观（景区视角[15,16]）、中观（县域[17]、市域[18]）以及宏观（省域[19]、城市群[20]、经济带[21]、全国[22]）尺度下均有丰富的研究成果。然而,国际层面的旅游流研究相对不足,既有研究主要聚焦单个国家的出入境旅游流[23]和双边旅游互动[24],多国家间的旅游流网络探讨较少。经济全球化背景下,区域协同发展是提升我国旅游竞合能力、构建双循环新发展格局的必然要求,加强国际旅游网络研究,明晰国际旅游合作形势及我国国际地位的研究亟待补充。
亚太经合组织（APEC）包括21个不同地域、不同发展层次的成员国（地区）,按照国家（地区）英文名称首字母顺序分别是澳大利亚、文莱、加拿大、智利、中国、中国香港、印度尼西亚、日本、韩国、墨西哥、马来西亚、新西兰、巴布亚新几内亚、秘鲁、菲律宾、俄罗斯、新加坡、中国台湾、泰国、美国、越南。APEC是亚太地区层级最高、领域最广、最具影响力的经济合作机制,也是我国早期加入的国际组织之一。就旅游经济发展而言,2019年APEC旅游收入占世界旅游总收入的43.8%,游客消费占世界旅游总消费的42.6%,游客接待量占世界总接待量的32.7%,提供了3.19亿就业岗位,已发展为全球最具旅游经济活力的组织。APEC在全球旅游发展中具有举足轻重的地位,是我国实现旅游国际化战略的重要切入点。
基于此,本文选择APEC为研究对象,以2008—2018年官方统计旅游数据为基础,探究APEC 21个国家（地区）间旅游流网络结构演化及影响因素。一方面,从理论上拓展社会网络组织理论在国家（地区）间旅游流网络中的应用,丰富与发展国际视角下的旅游流研究;另一方面,从实证上全面系统地分析APEC 21个国家（地区）间旅游流网络结构特征差异与引致因素之间的内在关系,有利于梳理APEC旅游合作发展的客观实际,也有助于明确我国与APEC其他成员国之间的旅游关联,进而为推进APEC旅游一体化发展及推进我国更好地融入APEC旅游流网络,提升我国旅游国际竞争力提供现实参考。

1 研究方法与数据来源

1.1 数据来源与处理

本文以APEC 21个国家（地区）为节点,以节点间游客往来作为关系构建旅游流网络。具体来说,以APEC 21个国家（地区）两两之间的出境游客数量表征旅游流流量,数据来源于联合国世界旅游组织（UNWTO）官方网站“e-Library”板块公开发布的世界各经济体出境旅游统计数据。该数据可反映出境游客数量和游客流动方向,即旅游流网络中“A→B”的旅游流关系是A国家（地区）流向B国家（地区）的游客数量,能够充分反映客观实际,弥补了现有研究以出境游客数量总和代表两节点间旅游流量而导致关系数据无方向性的不足,使得研究结果更具可靠性。根据APEC 21个国家（地区）之间的旅游流量及流向,建立2008—2018年共计11个初始的21×21矩阵,其中缺失数据采用回归方法进行补充完善。将初始的21×21矩阵导入Ucinet 6.0 for Windows,选择合理的切分值进行二值化处理,以此获得二分有向矩阵。本文探讨国家（地区）间的旅游流动,原始数据较大,经过多次测试和调整,最终选定20万为切分点,即当A节点向B节点的旅游流量超过20万人次时,则标记为1,反之则标记为0,此时旅游流网络的整体网结构特征及个体网结构特征能够得到较清晰的呈现。

1.2 研究方法

1.2.1 社会网络分析

社会网络分析（Social Network Analysis,SNA）是研究行动者之间关系的一种方法,它既能系统性地反映整个组织的结构状况,也能揭示行动者之间地位与角色的差异性[25]。本文选取网络密度和网络中心势分析APEC旅游流网络结构的整体网特征,选取度数中心度、接近中心度和中介中心度来反映个体网特征,“核心—边缘”分析则用于反映某一国家（地区）在网络中的地位。其中,网络密度是旅游流网络中实际产生的关系数与理论上可能产生的最大关系数量之比,用以测度网络的紧密程度,整体网的密度越大,节点间的联系越紧密;中心势是对群体权力的量化分析,由程度中心势与中介中心势来表征,程度中心势描述整体网络围绕核心节点集聚或扩散的水平,中介中心势用以刻画整体网络中心化趋势;度数中心度用来测度单个节点的交易能力,度数中心度越高,表示节点的聚集或扩散能力越强;接近中心度是反映节点不受其他节点控制的能力,接近中心度高的节点通常与核心节点有较为密切的关联;中介中心度是反映单个节点对其他节点的控制能力,中介中心度越高表示该节点在网络中承担中介、桥梁作用的机会越多,控制性越强;“核心—边缘”分析主要是根据各节点在网络中发挥的作用确定其在网络中的地位,强调处于相对中心位置的行动者更容易获取优势资源,更容易控制与其他行动者的各种关系,在网络中具有较为积极主动的优势。

1.2.2 QAP分析

二次指派程序（Quadratic Assignment Procedure,QAP）是一种以“关系”数据为对象,测量“关系”之间关系的方法,通过对两个“关系”矩阵中对应格值进行比较来确定两个“关系”矩阵之间的关系,在社会网络研究中已得到广泛应用[25]。其中,QAP相关分析是通过测算两个“关系”矩阵的皮尔逊相关系数,明确两矩阵间是否具有相关性;QAP回归是以1个“关系”矩阵为被解释变量,以多个“关系”矩阵为解释变量进行回归分析,并检验R2与回归系数是否具有显著性意义,明确解释变量对被解释变量的作用[26]。本文运用QAP相关分析和QAP回归分析,对旅游流网络结构演化的影响因素进行探讨,旨在明晰旅游流网络结构演化的内在机制。

2 结果分析

2.1 APEC旅游流网络结构特征演化分析

2.1.1 整体网结构特征演化分析

利用Ucinet 6.0计算出2008—2018年APEC旅游流网络的整体网结构特征值并进行可视化,结果如图1所示。
图1 2008—2018年APEC旅游流网络整体结构演化

Fig. 1 The evolution of the overall structure of APEC tourism flow network during 2008-2018

2008—2018年,APEC旅游流网络中存在的关系数由2008年的120增加至2018年的167,涨幅接近40%,旅游流网络密度由0.288增加至0.398,总体呈现出稳定增长的态势,这表明APEC各国家（地区）之间旅游新关系不断建立,旅游交流和游客往来愈加频繁,旅游流网络结构渐趋稳定。值得注意的是,网络密度在2009年出现了短暂下降,这可能与2008年全球性经济危机有关,全球经济低迷的背景下,旅游需求出现暂时性下降,导致各国家（地区）间旅游往来减少。在2010年网络密度提高至0.300,表明出入境旅游需求迅速恢复并获得进一步发展,APEC国家（地区）间游客往来更加密切。然而,从具体数值来看,截至2018年,APEC旅游流网络密度仅为0.398,表明网络中国家（地区）间的紧密程度仍然处于较低水平,成员间的旅游联系有待进一步建立与加强,一体化发展仍有上升空间。
中心势方面,APEC旅游流网络中心势仍旧保持较高水平,但已出现下降趋势,网络中心化程度有所缓解。从程度中心势来看,2008—2017年,内向程度中心势一直低于外向程度中心势,并呈现持续走低的状态。这说明：一方面,核心国家（地区）的扩散效应强于集聚效应,这些经济体向外输送大量游客,充当APEC旅游网络中的主要客源市场,其巨大的旅游需求是推动APEC旅游经济发展的动力源。另一方面,向旅游核心国家（地区）的聚集程度有所降低,表示更多成员国成为旅游目的地新选择,APEC旅游服务供应市场向多元化发展。然而,在2018年,APEC旅游流网络的内向程度中心势与外向程度中心势的关系发生逆转,核心节点的集聚效应超越扩散效应,这可能与核心国家（地区）间加强旅游交往,互为旅游客源地、目的地有关,一定程度上体现了网络内部的小群体合作特征。从中介中心势来看,2008—2012年间,APEC旅游流网络中,充当“媒介”的国家对网络的控制作用有所弱化,网络中心化程度呈现下降趋势,但在2013年后“中间人”地位有所回升,说明核心国家（地区）仍旧是APEC旅游关系构建的重要桥梁,对整个旅游流网络具有较强的控制力。

2.1.2 个体网结构特征演化分析

选择2008年、2013年和2018年作为代表年份,对APEC旅游流网络中各节点进行中心性分析,结果如表1所示。
表1 APEC旅游流网络节点中心性演化

Table 1 The evolution of node centrality of APEC tourism flow network

节点 2008年 2013年 2018年
度数
中心度		 接近
中心度		 中介
中心度		 度数
中心度		 接近
中心度		 中介
中心度		 度数
中心度		 接近
中心度		 中介
中心度
美国 80 46.512 32.042 90 48.780 29.250 90 48.780 27.013
中国 70 43.478 4.049 75 45.455 4.776 75 45.455 4.118
马来西亚 65 42.553 10.148 65 43.478 9.820 65 43.478 9.649
泰国 65 42.553 2.692 70 44.444 2.232 70 44.444 1.750
日本 65 42.553 1.768 65 43.478 1.101 65 43.478 0
澳大利亚 60 41.667 4.328 60 42.553 2.475 70 44.444 2.697
中国香港 60 41.667 1.437 65 43.478 1.950 60 42.553 0.329
韩国 60 41.667 0.675 55 41.667 0.235 70 44.444 1.750
新加坡 60 41.667 0.675 60 42.553 0.346 60 42.553 0.175
中国台湾 50 40.000 0.340 50 40.816 0.111 60 42.553 0.175
越南 45 39.216 0.053 50 40.816 0.848 50 40.816 0.632
印度尼西亚 45 37.037 0.053 55 41.667 0.170 55 41.667 0
菲律宾 40 38.462 0.000 50 40.816 0.053 60 42.553 0.329
加拿大 30 36.364 1.215 35 37.736 1.316 45 39.216 1.842
俄罗斯 15 34.483 0 25 36.364 0.053 25 36.364 0
新西兰 10 33.898 0 15 35.088 0 15 35.088 0
墨西哥 10 33.333 0 10 34.483 0 15 35.088 0.263
秘鲁 10 33.898 9.474 10 34.483 0 15 35.088 0.263
文莱 5 30.769 0 5 31.250 0 5 31.250 0
智利 5 25.974 0 10 34.483 0 10 34.483 0
巴布亚新
几内亚		 0 0 0 0 0 0 0 0 0
均值 40.476 38.388 3.283 43.81 40.194 2.607 46.667 40.690 2.456
标准差 25.444 4.947 7.048 25.953 4.433 6.366 26.292 4.492 5.900
最大值 80.000 46.512 32.042 90.000 48.780 29.250 90.000 48.780 27.013
最小值 0 25.974 0 0 31.250 0 0 31.250 0

注：以上国家（地区）依据中心度数值进行排名。

从度数中心度来看,2008年、2013年、2018年每个节点分别平均与40.476、43.810、46.667个节点存在旅游流集聚与扩散关系,说明各节点的旅游交易能力稳步提升,APEC国家（地区）旅游往来呈现频繁化、紧密化趋势。其中,美国的程度中心度一直稳居第一,中国紧随其后,中美两国是整个网络的集散中心,是最具有主导能力的“领头羊”。越南、印度尼西亚、菲律宾、加拿大四国对外旅游联系能力显著提高,是网络中较为活跃的节点,发展势头迅猛。俄罗斯、新西兰、墨西哥等国对外联系稀疏,与其他节点的互动增长不明显,旅游往来主要集中在本国附近小区域内,在APEC旅游流整体网中处于边缘地位,旅游合作自主能力有待进一步发展。巴布亚新几内亚成为网络中的孤点,未与任何节点建立旅游往来关系,这与其地理位置偏远、国际知名度低、旅游资源稀少等现实因素具有较大关系。
从接近中心度来看,APEC旅游流网络中各节点的通畅性随时间推移均有不同程度的提高,整个网络的联系也更加紧密。美国和中国具有最高的接近中心度水平,其他节点难以对其产生威胁。澳大利亚、韩国、印度尼西亚、菲律宾、智利五国的接近中心度涨幅最大,表明这些国家与许多国家（地区）发展了直接旅游关系,较大程度地抵御了核心节点的控制。新西兰、墨西哥、秘鲁、文莱等国的接近中心度一直维持在较低水平,长期处于被控制的劣势地位。
从中介中心度来看,每个节点充当中介的次数由2008年的3.283下降至2018年的2.456,中介中心度最高值也由2008年的32.042下降至2018年的27.013。一方面,中介中心度均值下降说明APEC旅游流网络中“中间人”的媒介作用有所削减,国家间的直接旅游往来程度越来越高。另一方面,少数节点中介中心度数值偏高,表明“中间人”角色依旧发挥重要作用,具有不可替代性。美国、中国、马来西亚和澳大利亚这4个节点是其他节点间建立连接关系的重要桥梁,是确保网络通畅的关键节点。其中,美国中介中心度最高,尽管指数有所下降,但仍然维持在均值的10倍左右,是联结整个网络的枢纽。马来西亚是东南亚地区的门户,承担着连接东南亚国家与其他地区的重任,是区域内的关键枢纽。中国的中介中心度有小幅度提升,但变化不明显,中国与一些偏远地区存在较为密切的旅游互动,在一定程度上发挥了将偏远地区国家接入整体网络的作用。澳大利亚的中介中心度则有较小幅度的下降,表明其控制力存在下滑趋势,这与新西兰、智利、秘鲁等节点近来频繁建立对外直接关系有关。
总体来说,APEC旅游流网络中各节点差距较为明显。中国、美国、马来西亚和泰国是旅游流网络中毋庸置疑的第一梯队,度数中心度、接近中心度和中介中心度均处于最高水平,对于整体网络具有较强的控制能力,是推动APEC旅游经济发展的中坚力量。日本、韩国、澳大利亚、加拿大等国家（地区）是第二梯队,在网络中的地位与影响力介于第一梯队与第三梯队之间,辐射范围局限于周边国家（地区）,是区域性关键节点。新西兰、俄罗斯、文莱、智利以及巴布亚新几内亚等国家（地区）是旅游发展水平最低的第三梯队,对外联系稀疏,受核心节点控制严重。

2.1.3 核心—边缘结构演化分析

对2008年、2013年和2018年APEC旅游流网络进行核心—边缘分析,并对核心区、边缘区的国家（地区）以及各分区之间的密度值进行汇总,结果如表2所示。
表2 APEC旅游流网络核心—边缘区及其密度值

Table 2 Core-edge area and density of APEC tourism flow network

年份 分区 成员 密度值
核心区 边缘区
2008 核心区 澳大利亚、中国、中国香港、印度尼西亚、日本、韩国、马来西亚、新加坡、中国台湾、泰国、美国 0.736 0.164
边缘区 文莱、加拿大、智利、墨西哥、新西兰、巴布亚新几内亚、秘鲁、菲律宾、俄罗斯、越南 0.164 0.044
2013 核心区 澳大利亚、加拿大、中国、中国香港、印度尼西亚、日本、韩国、马来西亚、新加坡、中国台湾、泰国、美国 0.727 0.194
边缘区 文莱、智利、墨西哥、新西兰、巴布亚新几内亚、秘鲁、菲律宾、俄罗斯、越南 0.204 0.042
2018 核心区 澳大利亚、加拿大、中国、中国香港、印度尼西亚、日本、韩国、马来西亚、菲律宾、新加坡、中国台湾、美国 0.811 0.213
边缘区 文莱、智利、墨西哥、新西兰、巴布亚新几内亚、秘鲁、俄罗斯、泰国、越南 0.278 0.097
由表2可见,APEC旅游流网络中核心节点与边缘节点分布呈现出明显的区域性集聚特征,核心节点集中在东亚和美洲北部地区。其中,中国、美国、澳大利亚等10个节点在2008年、2013年、2018年均为核心节点,既是极具旅游吸引力的目的地,又是向外输送大量游客的客源地,在网络中占据重要地位。文莱、智利、墨西哥、新西兰、巴布亚新几内亚、秘鲁、俄罗斯、越南这8个节点始终处于边缘区,对APEC旅游发展贡献微弱,网络地位较低。加拿大在2013年成为新的核心节点,表明其旅游发展水平持续提升,在网络中的地位逐渐得到巩固。菲律宾在2018年成为核心节点,这得益于其近年来机场、海港、公路等基础设施的建设,便捷的交通带动了菲律宾的对外联系,刺激入境旅游发展。相比之下,泰国在2018年成为边缘节点,全球经济疲软、国外直接投资减少、政局动荡不安等不利因素影响了高度依赖国际环境的泰国在APEC旅游流网络中的地位。
由密度值可见,核心区之间的旅游联系更加紧密,核心区对边缘区的辐射带动作用不断加强,边缘区对核心区的反哺能力大幅提升。2008年、2013年、2018年,核心区之间的关联密度分别为0.736、0.727、0.811,数值最高且具有增长势头,说明核心节点之间的旅游互动始终是整个旅游流网络联结的基础,核心节点间联系频繁、互相促进,彼此互为旅游目的地、客源地的现象普遍,协同发展的效果明显。边缘区之间的关联密度分别为0.044、0.042、0.097,指数较低,彼此间影响力薄弱。核心区与边缘区之间的关联密度分别为0.164、0.194、0.213,呈现持续攀升的态势,表明核心节点对边缘节点的辐射带动作用逐渐加强。边缘区与核心区之间的关联密度分别为0.164、0.204、0.278,是增速最快的指标,说明边缘节点向核心节点的旅游流动较多,成为推动核心节点旅游发展不容小觑的新生力量。

2.2 亚太经合组织旅游流网络结构演化的影响因素

2.2.1 影响因素指标选取

旅游流网络结构演化是国家（地区）间旅游互动与合作的直观反映,多种影响因素合力主导这一过程的实现[27]。首先,经济发展水平是一个国家（地区）旅游产业发展和区域旅游合作的先决条件[28],人均生产总值（人均GDP）作为最重要的宏观经济指标之一,是了解和把握旅游地旅游发展支撑能力与旅游需求水平的重要指标[29]。其次,旅游资源是影响一个国家（地区）旅游发展规模的关键要素,旅游资源的差异会因旅游者的偏好而导致出游目的地的差异,进而影响区域之间的旅游流差异[30],而作为旅游需求侧的入境旅游流对作为旅游供给侧的世界遗产依附地具有较强诉求[31]。再次,交通网络是连接旅游客源地与旅游目的地的重要载体,交通承载能力会限制游客运输规模,造成国家（地区）间旅游流流量的差异,于空间距离遥远的国际旅游而言,航空客运量是重要影响因素[32]。此外,国际旅游以过夜游为主,以酒店为代表的接待设施能够丰富游客选择,也可以反映一个国家（地区）的旅游接待能力[33]。另外,对外开放程度对国际旅游发展作用显著,对外开放的扩大加速了一个国家（地区）在经济、贸易等领域的国际融合,国外直接投资净流入是一国对外开放水平的重要体现,对于异国之间文化交流、旅游互动起到显著推动作用[34]。最后,地理空间邻近也是影响旅游流的关键因素,空间邻近的国家（地区）在政治、文化等方面具有更高的相似性,且出行成本低、便捷程度高,更容易实现旅游互动。
综上,本文选取国家（地区）间经济发展水平、旅游资源禀赋、旅游接待能力、交通承载能力、对外开放程度的差异以及地理邻近性作为APEC旅游流网络结构演化的影响因素。具体来讲,以人均GDP表征经济发展水平,以世界遗产数量表征旅游资源禀赋,以酒店客房数量表征旅游接待能力,以航空乘客运载量表征交通承载能力,以国外直接投资净流入表征对外开放程度,以是否接壤表征空间邻接关系。其中,地理邻近性矩阵为二值矩阵,1或0表示国家（地区）接壤或不接壤,其余影响因素为差值矩阵,矩阵单元表示流出地与流入地的差异。以上所选数据中,世界遗产数量来源于联合国教科文组织官方网站,酒店客房数量来源于联合国世界旅游组织官方网站,地缘位置关系参考自然资源部绘制的审图号为GS(2020)4403号的世界地图,人均GDP、航空乘客运载量、国外直接投资净流入的相关数据全部来源于世界银行公开数据。

2.2.2 影响因素分析

以上述影响因素相应的国家（地区）间差异形成的六组矩阵作为解释变量,以前文所得国家（地区）间旅游流关系矩阵为被解释变量,依据要素对旅游流产生影响,旅游流变动引发结构演化为基本逻辑,选取5000次随机置换次数,对APEC旅游流网络结构演化进行QAP相关分析及QAP回归分析,结果如表3所示。
表3 APEC旅游流网络结构演化影响因素

Table 3 The influencing factors of evolution of APEC tourism flow network structure

年份 经济发展水平 旅游资源禀赋 旅游接待能力
相关性 QAP回归 相关性 QAP回归 相关性 QAP回归
2008 0.127* 0.113* 0.105* 0.182** 0.169** 0.218*
2013 0.087* 0.103** 0.130** 0.264** 0.131** -0.392
2018 -0.042 -0.058 -0.078** -0.0794* -0.107** -0.072
年份 交通承载能力 对外开放程度 地理邻近性
相关性 QAP回归 相关性 QAP回归 相关性 QAP回归
2008 0.155** 0.442* 0.113* -0.647** 0.312*** 0.311***
2013 0.104* 0.606 0.062* -0.501** 0.296*** 0.424***
2018 -0.099** 0.011 -0.065* 0.196* 0.238** 0.239***

注：*、**、***分别表示在10%、5%、1%的水平上显著。

在QAP相关分析中,2008年和2013年结果显示,经济发展水平、旅游资源禀赋、旅游接待能力、交通承载能力、对外开放程度的差值矩阵以及地理邻近性矩阵与旅游流关系矩阵相关系数均为正值,且通过显著性水平检验,说明国家（地区）间旅游发展差异越大,越有利于旅游流网络关系的形成,游客更加倾向于选择旅游发展状况良好、旅游服务质量高的目的地。在旅游流网络结构演化中主要表现在,美国、中国、日本、韩国等旅游大国的程度中心性大幅增加以及整体网密度的迅速提升。究其原因,在APEC出入境旅游发展早期,旅游资源丰富、基础设施完善、交通便利、活跃于国际的旅游大国能够对客源地产生更强的旅游吸引力,加速旅游关系的建立,奠定了其在APEC旅游流网络中的中心地位。到2018年,除地理邻近性以外,其余要素差值矩阵均与旅游流关系矩阵呈现负向关系,说明国家（地区）间旅游发展差异越小,越有利于旅游流关系的建立,意味着处于中下游水平的、发展更为相近的国家（地区）间旅游关系建立成为新趋势,这一转变与网络结构中中心势有所下降、头部节点中介作用缩减、边缘节点程度中心性明显提升的结论保持一致。在这一时期,APEC整体旅游经济发展水平显著提升,在旅游大国对外旅游关系渐趋饱和的背景下,相对落后的国家（地区）间旅游关系对APEC旅游网络结构演化发挥了更为重要的作用。
QAP回归分析显示,在所选研究阶段前期,经济发展水平、旅游资源禀赋、旅游基础设施建设是吸引游客的关键要素,但在后期成为制约因素,说明旅游基本要素只是发展旅游的基本条件,实现旅游长期持续发展还需要如现代服务体系等相关要素的不断补充和完善。在2008年和2013年,对外开放程度差异抑制了旅游流关系的建立,游客旅游流动主要集中在对外联系水平相近的国家（地区）间,因此形成了旅游流网络核心圈层,这一时期发达国家和少数以中国为代表的发展中国家的旅游往来构成了旅游流网络的基本结构,边缘国家发挥的作用微乎其微。2018年转变为正向影响,对外开放水平差异越大,旅游流量越大,正体现了APEC旅游供给市场多元化发展的趋势。具体来说,核心区和边缘区间的旅游联系促进了这一转变,核心节点对边缘节点有涓滴作用,为边缘国家发展提供客源,同时边缘国家的反哺能力有所提升,成为亚太地区新兴旅游市场。2008—2018年,区位因素一直是影响游客出游方向的关键因素,说明发展国际旅游必须把握好邻近国家（地区）这一重要市场。

3 结论与讨论

3.1 结论

立足APEC 21个国家（地区）旅游流网络化发展实践,本文运用社会网络分析方法,探究了APEC 21个国家（地区）2008—2018年旅游流网络结构演化及影响因素,主要得到以下几点结论：
（1）APEC旅游流网络密度持续攀升,国家（地区）间旅游合作与互动不断增强,但网络紧密度总体较低,网络结构尚不稳定。旅游流网络结构非均衡性强,中心化趋势有所减弱但仍旧明显,对核心节点的依赖性较强。
（2）APEC旅游流网络中节点间发展水平具有较大差异,形成了以中国、美国、马来西亚和泰国为首的、掌握网络最高话语权的第一梯队,以日本、韩国、澳大利亚为代表的具有较高区域性影响力的第二梯队,以新西兰、俄罗斯、文莱等为代表的旅游发展明显落后的第三梯队。
（3）核心—边缘结构明显且具有较高稳定性,核心—核心区之间旅游联系最为紧密,边缘区对核心区的反哺作用明显,旅游供给市场呈现多元化发展趋势。
（4）APEC旅游流网络结构演化受多重因素影响,地缘是否邻近始终是游客选择目的地的关键考量,旅游资源禀赋、经济发展水平、旅游基础设施建设在研究早期是吸引游客的基本要素,对外开放程度在研究后期呈现出更强的影响力。

3.2 发展建议

针对本文所得结论,提出以下几点建议：
（1）APEC旅游流整体网分析结果显示,网络密度整体偏低,尚有多个国家（地区）并未建立紧密的旅游联系。APEC应建立健全区域旅游合作机制,通过适度放开签证、完善空中交通网络、推进技能服务标准化和同步监管制度化等方式促进旅游客源互通,降低因历史背景、文化、语言、环境等差异对游客带来的旅游障碍,助推APEC形成合作更广泛、联系更紧密的旅游网络。
（2）APEC旅游流网络结构的影响因素中,经济发展水平、旅游资源禀赋、旅游接待能力、交通承载能力是旅游目的地吸引游客的基本要素,各旅游目的地大力开发旅游资源、完善旅游基础设施和旅游服务仍然是推动旅游地发展的首要工作。此外,对外开放水平差异和地缘邻近性对旅游地有深刻影响,这要求：一方面,旅游目的地进一步加强对外开放,提升国际知名度和影响力,吸引更多游客;另一方面,要牢牢把握住周边旅游客源市场,将“周边游”作为拉动旅游经济的重要动力。
（3）不同发展水平的国家（地区）,要结合客观实际制定差异化旅游发展战略。处于第一梯队的中国、美国等旅游大国,应注重旅游服务提质升级,深化国际影响力。处于第二梯队的日本、韩国等国家（地区）,应注重扩大旅游市场规模,尤其要重点连接旅游需求旺盛的新兴市场。对于处于第三梯队、旅游发展严重落后的国家（地区）而言,应注重基础设施建设,加强与核心节点的线路合作,利用热门旅游城市的辐射作用带动本地旅游发展。
（4）在APEC旅游流网络中,中国目前已与旅游大国建立了紧密的旅游合作关系,同时发挥着连接旅游发展落后国家（地区）的重任。为了进一步巩固与优化中国在APEC旅游流网络中的地位,对内应充分挖掘丰富的历史、文化、自然等旅游资源,形成与日本、韩国、泰国等东方国家差异性旅游体验,提高旅游吸引力,赢得市场;对外可以利用工业制造优势,帮助偏远国家（地区）深度融入APEC旅游流网络,扩大旅游市场,提升国际竞争力。

3.3 研究不足与展望

首先,受限于统计数据,本文仅讨论了2008—2018年APEC旅游流网络结构演化,2018年以后的旅游流网络结构尚未涉及,尤其是针对2020年新冠肺炎疫情之后旅游流网络结构演化趋势等问题未展开讨论。其次,本文选择经济发展水平、旅游资源禀赋等六个影响因素探究APEC旅游流网络结构的形成机制,但旅游往来还会受到政治关系、文化认同、宗教信仰等多方面影响,关于更全面的旅游流网络结构的形成机理有待进一步展开研究。最后,本文将中国视为网络中的一个节点进行了分析,但针对中国在网络中的地位、角色及其演变路径等问题未做特别探讨,今后的研究中可以就此进行深入的专项研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
唐顺铁, 郭来喜. 旅游流体系研究. 旅游学刊, 1998, 13(3): 38-41.

[ TANG S T, GUO L X. Study on tourism flow system. Tourism Tribune, 1998, 13(3): 38-41.]

[2]
MARCOS A, DHOMBRES B, GHISETTI C, et al. Analysing domestic tourism flows at the provincial level in Spain by using spatial gravity models. International Journal of Tourism Research, 2020, 22(4): 403-415.

DOI

[3]
杨钊, 刘永婷, 秦金芳, 等. 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. 自然资源学报, 2021, 36(3): 722-736.

[ YANG Z, LIU Y T, QIN J F, et al. Spatial structure of tourist market and its influencing factors in the Yangtze River Delta theme parks: A case study of Shanghai Happy Valley, Changzhou Dinosaur Park and Wuhu Fangte. Journal of Natural Resources, 2021, 36(3): 722-736.]

DOI

[4]
HWAYOON S, GEORGE A B, YOONJAE N A. A social network analysis of international tourism flow. Quality & Quantity, 2021, 55(2): 419-439.

[5]
MOU N, YUAN R, YANG T, et al. Exploring spatio-temporal changes of city inbound tourism flow: The case of Shanghai, China. Tourism Management, 2020, 76(2): 1-14.

[6]
查晓莉, 徐雨晨, 陆林, 等. 上海迪士尼国内旅游流地理分布与流动特征. 旅游学刊, 2019, 34(6): 58-73.

[ ZHA X L, XU Y C, LU L, et al. Geographical distribution and flows of Chinese visitors to Shanghai Disneyland. Tourism Tribune, 2019, 34(6): 58-73.]

[7]
程成, 周泽奇, 鲁建琪. 中国—东盟旅游流空间分异与优化策略. 经济地理, 2020, 40(9): 204-212.

[ CHENG C, ZHOU Z Q, LU J Q. Spatial differentiation and optimization strategy of tourism flows China and ASEAN. Economic Geography, 2020, 40(9): 204-212.]

[8]
张子昂, 保继刚. 多重距离对中国入境与出境旅游流的影响: 基于组态的视角. 地理科学, 2021, 41(1): 13-21.

DOI

[ ZHANG Z A, BAO J G. Effects of multiple distances on inbound and outbound tourism flows in China: A configuration-based perspective. Scientia Geographica Sinica, 2021, 41(1): 13-21.]

[9]
杨新菊, 吴晋峰, 唐澜, 等. 旅华外国散客旅游流地理分布和网络结构研究. 旅游学刊, 2014, 29(5): 87-96.

[ YANG X J, WU J F, TANG L, et al. The geographical distribution and network structure of foreign independent. Tourism Tribune, 2014, 29(5): 87-96.]

[10]
陈方, 孙连娇, 严匀曼, 等. 基于公路旅游客运数据的云南省团队旅游客流空间行为模式研究. 地域研究与开发, 2020, 39(4): 98-103.

[ CHEN F, SUN L J, YAN Y M, et al. Spatial behavior pattern recognition of package tour in Yunnan province based on highway tourism passenger transportation data. Areal Research and Development, 2020, 39(4): 98-103.]

[11]
张鲜鲜, 李婧晗, 左颖, 等. 基于数字足迹的游客时空行为特征分析: 以南京市为例. 经济地理, 2018, 38(12): 226-233.

[ ZHANG X X, LI J H, ZUO Y, et al. Study on spatial-temporal characteristics of tourist behavior based on digital footprints: Taking Nanjing for example. Economic Geography, 2018, 38(12): 226-233.]

[12]
卢淑莹, 黄鑫, 陶卓民. 基于地理标记照片的入境游客空间特征与移动轨迹: 以南京市为例. 自然资源学报, 2021, 36(2): 315-326.

[ LU S Y, HUANG X, TAO Z M. Spatial patterns and moving trajectory of inbound tourists based on geo-tagged photos: A case study of Nanjing city. Journal of Natural Resources, 2021, 36(2): 315-326.]

DOI

[13]
王金伟, 王国权, 刘乙, 等. 井冈山红色旅游流时空分布及网络结构特征. 自然资源学报, 2021, 36(7): 1777-1791.

[ WANG J W, WANG G Q, LIU Y, et al. Spatio-temporal distribution and network structure of red tourism flow in Jinggangshan. Journal of Natural Resources, 2021, 36(7): 1777-1791.]

DOI

[14]
LIU Y W, LIAO W. Spatial characteristics of the tourism flows in China: A study based on the Baidu index. ISPRS International Journal of Geo-Information, 2021, 10(6): 378-378.

DOI

[15]
李磊, 陶卓民, 赖志城, 等. 长征国家文化公园红色旅游资源网络关注度及其旅游流网络结构分析. 自然资源学报, 2021, 36(7): 1811-1824.

[ LI L, TAO Z M, LAI Z C, et al. Analysis of the Internet attention and tourism flow network structure of red tourism resources in Long March National Cultural Park. Journal of Natural Resources, 2021, 36(7): 1811-1824.]

DOI

[16]
曹芳东, 黄震方, 黄睿, 等. 江苏省高速公路流与景区旅游流的空间关联及其耦合路径. 经济地理, 2021, 41(1): 232-240.

[ CAO F D, HUANG Z F, HUANG R, et al. Spatial correlation and coupling path between freeway flow and tourism flow of scenic spot in Jiangsu province. Economic Geography, 2021, 41(1): 232-240.]

[17]
谢诗光. 浙江省县际经济联系网络结构演化分析. 世界地理研究, 2020, 29(4): 738-749.

[ XIE S G. Evolution of the structure of economic network of cities and counties in Zhejiang province. World Regional Studies, 2020, 29(4): 738-749.]

[18]
张清源, 李磊, 陆林. 旅游体验视角下旅游流网络结构比较研究: 以黄山市为例. 世界地理研究, 2020, 29(6): 1213-1225.

[ ZHANG Q Y, LI L, LU L. Optimization and reorganization of tourism flow network structure: A comparative study between during-tour and post-tour in Huangshan city. World Regional Studies, 2020, 29(6): 1213-1225.]

[19]
肖刚, 李文明, 章辰. 江西省旅游线路网络空间结构及影响因素研究. 地域研究与开发, 2020, 39(5): 88-92.

[ XIAO G, LI W M, ZHANG C. Study on spatial structure and influencing factors of Jiangxi tourism route network. Areal Research and Development, 2020, 39(5): 88-92.]

[20]
陈金华, 杨雪可. 港珠澳大桥对粤港澳大湾区旅游流网络的影响. 华侨大学学报: 哲学社会科学版, 2021, (1): 44-53.

[ CHEN J H, YANG X K. The influence of Hong Kong-Zhuhai-Macao Bridge on the tourism flow network in the Greater Bay Area of Guangdong, Hong Kong and Macao. Journal of Huaqiao University: Philosophy & Social Sciences, 2021, (1): 44-53.]

[21]
黄松, 王梦飞, 李燕林. 基于在线平台的旅游信息流空间特征: 以珠江—西江经济带核心城市为例. 广西师范大学学报: 自然科学版, 2021, 39(2): 162-173.

[ HUANG S, WANG M F, LI Y L. Flow space features of tourism information flow based on online platforms: A case study of core cities in the Pearl River-West River Economic Belt. Journal of Guangxi Normal University: Natural Science Edition, 2021, 39(2): 162-173.]

[22]
刘军胜, 马耀峰, 刘焱序. 中国入境过夜游客目的地选择时空分异与城市类型识别. 旅游学刊, 2021, 36(7): 104-118.

[ LIU J S, MA Y F, LIU Y X. Spatial and temporal difference of destination choice and urban type identification of Chinese inbound overnight tourists. Tourism Tribune, 2021, 36(7): 104-118.]

[23]
CHOI K H, KIM I. Co-movement between tourist arrivals of inbound tourism markets in South Korea: Applying the dynamic copula method using secondary time series data. Sustainability, 2021, 13(3): 1283-1283.

DOI

[24]
阮文奇, 张舒宁, 郑向敏. 中国游客赴泰旅游流网络结构及其形成机理研究. 世界地理研究, 2018, 27(4): 34-44.

[ RUAN W Q, ZHANG S N, ZHENG X M. A study on the network structure of Chinese tourists' traveling to Thailand and its formation mechanism. World Regional Studies, 2018, 27(4): 34-44.]

[25]
刘军. 整体网分析: UCINET软件实用指南(第二版). 上海: 格致出版社. 2014, 1-15.

[ LIU J. Lectures on Whole Network Approach: A Practical Guide to UCINET (2nd). Shanghai: Truth & Wisdom Press. 2014: 1-15.]

[26]
肖群鹰, 刘慧君. 基于QAP算法的省际劳动力迁移动因理论再检验. 中国人口科学, 2007, (4): 26-33, 95.

[ XIAO Q Y, LIU H J. Institutional analysis on the cases against the regulations of social security funds and reform of the system. Chinese Journal of Population Science, 2007, (4): 26-33, 95.]

[27]
王兆峰, 刘庆芳. 中国省域旅游效率空间网络结构演化及其影响因素. 地理科学, 2021, 41(3): 397-406.

DOI

[ WANG Z F, LIU Q F. The evolution and influencing factors of spatial network structure of China's provincial tourism efficiency. Scientia Geographica Sinica, 2021, 41(3): 397-406.]

[28]
王凯, 王梦晗, 甘畅, 等. 武陵山片区旅游扶贫效率网络结构演化及其驱动机制. 山地学报, 2019, 37(4): 589-601.

[ WANG K, WANG M H, GAN C, et al. The evolvement and driving mechanism of tourism poverty alleviation efficiency in Wuling Mountain Area, China. Mountain Research, 2019, 37(4): 589-601.]

[29]
厉新建, 漆家进, 宋彦亭. 内地客源赴澳旅游流区域分布差异及其影响因素分析. 商业经济研究, 2015, (27): 122-124.

[ LI X J, QI J J, SONG Y T. Analysis on regional distribution differences and influencing factors of mainland tourists to Australia. Journal of Commercial Economics, 2015, (27): 122-124.]

[30]
王俊, 夏杰长. 中国省域旅游经济空间网络结构及其影响因素研究: 基于QAP方法的考察. 旅游学刊, 2018, 33(9): 13-25.

[ WANG J, XIA J C. Study on the spatial network structure of the tourism economy in China and its influencing factors: Investigation of QAP Method. Tourism Tribune, 2018, 33(9): 13-25.]

[31]
高楠, 张旭红, 马耀峰, 等. 入境旅游流与世界遗产依附地协调发展的时空特征及影响因素. 陕西师范大学学报: 自然科学版, 2020, 48(4): 1-13, 133.

[ GAO N, ZHANG X H, MA Y F, et al. The spatial-temporal characteristics and influencing factors of coordinated development of inbound tourism flow and world heritage dependent sites. Journal of Shaanxi Normal University: Natural Science Edition, 2020, 48(4): 1-13, 133.]

[32]
姚云霞, 管卫华, 李在军. 江苏省入境旅游流的时空演变及影响因素分析. 旅游科学, 2016, 30(5): 52-62.

[ YAO Y X, GUAN W H, LI Z J. An analysis of the temporal-spatial evolution of inbound tourist flow of Jiangsu province and its influencing factors. Tourism Science, 2016, 30(5): 52-62.]

[33]
徐敏, 黄震方, 曹芳东, 等. 基于在线预定数据分析的旅游流网络结构特征与影响因素: 以长三角地区为例. 经济地理, 2018, 38(6): 193-202.

[ XU M, HUANG Z F, CAO F D, et al. The network structure features and influence factors of tourism flows based on online data analysis: Taking the Yangtze River Delta Region as an example. Economic Geography, 2018, 38(6): 193-202.]

[34]
王永明, 王悦嘉, 孙骜. 亚洲国家入境旅游空间格局演化与主要影响因素. 陕西师范大学学报: 自然科学版, 2020, 48(4): 14-19.

[ WANG Y M, WANG Y J, SUN A. Spatial patterns and key factors of inbound tourism in Asian countries. Journal of Shaanxi Normal University : Natural Science Edition, 2020, 48(4): 14-19.]

Options
文章导航

/

〈 〉