EN中文

自然资源学报 >

2023 , Vol. 38 >Issue 3: 576 - 600

DOI: https://doi.org/10.31497/zrzyxb.20230302

“中国资源型城市高质量发展的理论与实践”专栏

基于转化效率的资源型省份红色旅游经济高质量发展

  • 任国平 , 1, 2 ,
  • 郑慧开 1, 2 ,
  • 汤放华 , 1, 2 ,
  • 李洪庆 3 ,
  • 孙倩 1, 2 ,
  • 尹罡 1, 2
展开
  • 1.湖南城市学院管理学院，益阳 413000
  • 2.湖南省新型城镇化研究院，益阳 413000
  • 3.河海大学公共管理学院，南京 211100
汤放华（1964- ），男，湖南益阳人，博士，教授，博士生导师，研究方向为城市规划和空间经济学。E-mail:

任国平（1982- ），男，湖南益阳人，博士，副教授，硕士生导师，研究方向为资源利用和区域可持续发展。E-mail:

收稿日期: 2022-02-21

  修回日期: 2022-07-19

  网络出版日期: 2023-03-08

基金资助

湖南省自然科学基金项目(2022JJ50273)

湖南省哲学社会科学规划基金项目(20JD011)

湖南省哲学社会科学规划基金项目(18JD13)

数字化城乡空间规划关键技术湖南省重点实验室项目(2018TP1042)

收起

High-quality development of red tourism economy in resourceful province based on resource transformation efficiency

  • REN Guo-ping , 1, 2 ,
  • ZHENG Hui-kai 1, 2 ,
  • TANG Fang-hua , 1, 2 ,
  • LI Hong-qing 3 ,
  • SUN Qian 1, 2 ,
  • YIN Gang 1, 2
Expand
  • 1. School of Management, Hunan City University, Yiyang 413000, Hunan, China
  • 2. Hunan New-type Urbanization Institute, Yiyang 413000, Hunan, China
  • 3. School of Public Administration, Hohai University, Nanjing 211100, China

Received date: 2022-02-21

  Revised date: 2022-07-19

  Online published: 2023-03-08

Fold

摘要

针对旅游资源效率评价中多个投入要素共同产出的综合效率无法剥离单一投入要素的产出效率问题，采用修正DEA模型、空间自相关方法、地理探测器模型等方法，评价了2020年湖南省81个红色旅游景点的资源转化效率及其交互影响机制。结果表明：（1）湖南省红色旅游资源转化效率为0.332，且呈现东高西低和北高南低的空间格局；（2）红色旅游资源投产效率与资源转化效率的局部空间关联呈现由东向西逐渐递减的变化趋势，以此为基础可将湖南省红色旅游资源效率类型划分成资源投产效率协同区、产业综合提质增效区、资源效率转化升级区、资源综合产能提升区和资源综合效能培育区5种；（3）产品创新能力、人力资本质量和旅游市场规模3个内生因子是影响湖南省红色旅游资源转化效率的主导因子，而内外因子交互影响是导致其空间分异的主要方式。

关键词： 红色旅游; 旅游资源转化效率; 修正DEA模型; 效率分区; 交互影响力; 湖南省

本文引用格式

任国平 , 郑慧开 , 汤放华 , 李洪庆 , 孙倩 , 尹罡 . 基于转化效率的资源型省份红色旅游经济高质量发展[J]. 自然资源学报, 2023 , 38(3) : 576 -600 . DOI: 10.31497/zrzyxb.20230302

Abstract

According to the comprehensive efficiency of multiple input factors in the evaluation of tourism resource efficiency, which cannot separate the output efficiency of a single input factor, in the perspective of tourism resource transformation efficiency, the resource transformation efficiency, its spatial differentiation characteristics and the interaction influence mechanism of the 81 typical red tourist attractions were evaluated by using the modified DEA model, spatial autocorrelation method and geographical detector model in Hunan province in 2020. The results showed that: (1) The transformation efficiency of red tourism resources in Hunan was 0.332, and it presented a spatial pattern of high in the east and low in the west. (2) Red tourism resources production efficiency and transformation efficiency of local space correlation from east to west gradually exhibited a decreasing trend. On this basis, the efficiency types of red tourism resources can be divided into five types, that is, the coordinated efficiency of production of red tourism resources, the comprehensive quality and efficiency improvement of red tourism industry, the transformation and upgrading of red tourism resources, the comprehensive production capacity improvement of red tourism resources, and the comprehensive efficiency cultivation of red tourism resources. (3) Three endogenous ability elements, namely, product innovation ability, human capital quality and tourism market scale, were the leading factors of red tourism resources in Hunan. Product innovation ability and science and technology information level, human capital quality and tourism market scale, human capital quality and economic development level were the internal and external factors leading to the spatial differentiation. The results enriched the theory of tourism efficiency research and can provide scientific reference for regulating the efficiency of red tourism resources to provide feasible development approaches and promoting the high-quality transformation and development of red tourism economy in Hunan province.

Key words： red tourism; tourism resource transformation efficiency; modified DEA model; zooming of efficiency; interactive influence; Hunan province

“十九大”报告指出，中国经济正处于由快速发展向高质量发展的转变，优化经济结构和转变经济增长方式成为当前的主要任务。改革开放以来，中国旅游业稳定增长。截至2018年国内外旅游总人次达到58.30亿，其中国内旅游人次高达55.39亿，出入境旅游总人次为2.91亿；旅游总收入为59700亿元，同比增长10.5%[1]。随着旅游业快速增长，以“投入多、产出少、效益低”的单要素旅游资源扩张模式成为全国多地旅游业发展特点[2]。旅游经济增长质量和发展方式成为国内外学者关注的热点。然而，旅游经济增长质量涵盖多方面的内容，准确衡量和客观评价旅游经济增长质量是亟需解决的关键问题。学者们尝试构建了多维度和多内涵的评价指标体系对旅游经济增长质量进行综合评价[2,3]，虽得到了不同的研究结论，但在某种程度上认为经济效率对经济增长质量的重要性方面取得了一定的共识。一方面，即使对旅游经济增长质量评价的关注点不尽相同，但均将旅游经济效率视为重要或者核心的指标之一[4]；另一方面，从狭义的视角可将经济增长质量采用经济效率进行衡量[5,6]。旅游资源作为旅游经济发展的基础，其“生产能力”不仅动态关联旅游产业的综合收益程度，更能体现旅游经济发展的效率水平。然而，现有关于旅游资源效率研究较多关注多要素投入的综合产出效率，而难以量化单要素产出效率，导致旅游产业的要素转化效率仍然维持“黑箱”状态[1]，以至于难以在实践中提出促进旅游经济高质量发展的靶向性政策建议。旅游资源转化效率作为一定技术水平下单位旅游资源供给所产生的综合收益，既可反映旅游产业综合效率水平，也可表征单位旅游资源的生产能力，是旅游经济高质量发展的核心指标[4]。红色旅游作为旅游经济重要的构成部分，既是中国重要的政治和文化工程，也是重要的经济工程[7]。红色旅游资源的高质量利用和效益发挥不仅对弘扬红色文化、传承红色基因意义重大，更是构建和推动“双循环”新发展格局的重要依托。由此，引出研究关注的问题：将红色旅游作为高质量转型发展的省份，其旅游资源转化效率水平如何?影响因子的构成状况及其交互影响机制又是什么?
目前，国内外学者关于旅游效率研究趋势主要体现在以下方面。（1）研究内容从针对旅游产业的管理效率[8]、经营效率[9]、旅游交通效率[10]等单一的旅游效率评价转变为对旅游生态效率[11]、旅游扶贫效率[12]、区域旅游效率[13]等综合效率评价；（2）研究方法从定性的旅游效率评价逐渐转变为采用数据包络分析[4]、SBM-Malmquist模型[14]、DEA-SNA模型[15]等多模型综合定量分析；（3）研究区域从全国层面[1]、省级层面[16]、长江三角洲[17]等大尺度区域转变为国家级风景名胜区[18]、A级旅游景区[19]等中等尺度区域；（4）研究深度从探讨旅游效率时空变化特征[20]转变为从自然环境[19]、经济发展水平[1]、旅游资源禀赋[16]、交通条件[17]、人文制度供给[18]等因素探寻其时空分异的驱动机制[21]。然而，学者们的研究仍存在以下不足：（1）现有研究鉴于研究尺度和数据制约、DEA模型开发程度、科学问题差异等原因，多针对旅游效率的综合效率开展评价，即将多个投入要素和多个产出要素共同纳入模型中进行旅游资源投产的综合效率评价，忽略了旅游资源单一投入产出要素效率的评价，可能导致相关政策制定缺乏精准性；（2）倾向于分别探讨单个影响因子的程度和方式，进而推断旅游效率时空演变的驱动机制，忽视了现实中更接近于真实状况的多因子共同作用下的累积循环效应对旅游效率时空演变的耦合交互影响及其复合影响机制，可能导致影响因子解释程度、方向和类型的实践性差异，影响旅游效率提升瞄准和精准提效政策的协同应用；（3）缺乏对特定旅游类型（如红色旅游）案例的关注。鉴于此，本文拟采用已有的修正DEA模型评价2020年湖南省81个典型红色旅游景点的资源转化效率，运用空间自相关方法分析红色旅游资源转化效率空间分异的特征并划分转化效率区，借助地理探测器模型揭示转化效率空间分异的交互驱动机制；以期从红色旅游资源转化效率维度弥补多投入要素的综合产出效率评价的有偏性和非合理性的不足，为湖南省红色旅游经济高质量转型和发展提供科学借鉴。

1 研究方法与数据来源

1.1 研究区概况

湖南省是中国近代革命的摇篮和发源地之一。作为革命圣地、革命领袖诞生地、革命火种点燃地和革命事业重要的根据地，有着光荣的革命传统和众多的革命文物史迹，具有丰富的红色旅游资源和广阔的发展前景。“十三五”期间，湖南省主要红色旅游区（点）共接待国内外游客10.56亿人次，完成红色旅游综合收入3558.95亿元。2020年湖南省红色旅游区共接待游客1.4亿多人次，实现红色旅游收入1300多亿元，带动就业100多万人。长沙市、株洲市和湘潭市作为湖南省红色资源数量十分丰富的区域，其红色旅游的活跃程度最高。
湖南省拥有丰富的革命遗址遗迹，红色资源类型丰富且资源等级较高。湖南省现有全国红色旅游经典景区（点）28处，全国爱国主义教育示范基地25处，省级重点红色旅游景区（点）53处，全国重点文物保护单位59处，革命博物馆和纪念馆66家。针对红色旅游资源投产效率指标可获取性要求，以完全开发的红色旅游景区为对象，以企业经营或事业单位管理的独立性为原则及人民政府和景区网站可查性为依据，经过仔细甄选确定省域内全国红色旅游经典景区（28处）和省级重点红色旅游景区（53处）共计81处红色景点作为典型开展研究，具体名录见表1。
表1 湖南省81处典型红色旅游景点名录

Table 1 List of 81 red tourist attractions in Hunan province

区域 数量/个 红色旅游景点名目
长沙 17 橘子洲、岳麓山景区（湖南第一师范旧址、肖劲光故居）、雷锋纪念馆、杨开慧故居和纪念馆、谭嗣同纪念馆、八路军驻湘办事处、黄兴故居、许光达故居、秋收起义文家市会师旧址、刘少奇同志纪念馆、胡耀邦故居和纪念馆、清水塘（中共湘区委员会旧址）、长沙湖南湘绣博物馆、新民学会旧址、船山学社、湖南烈士公园、浏北烈士陵园
湘潭 7 毛泽东故居和纪念馆、谭政故居、陈赓故居、韶山灌区、东山学校旧址、彭德怀故居和纪念馆、黄公略故居
株洲 12 李立三故居、左权将军纪念碑、先农坛纪念馆、县列宁高级小学旧址、茶陵工农兵政府旧址、洣泉书院、红军标语博物馆、水口叶家祠、十都万寿宫（朱毛会面旧址、毛泽东在茶陵活动陈列室）、湘山公园革命烈士纪念碑/株洲公园、茶陵县烈士陵园、红军村/墙（红军东冲兵工厂）
衡阳 5 罗荣桓故居和纪念馆、南岳忠烈祠、夏明翰故居、衡阳保卫战纪念馆、湘南学生联合会旧址
郴州 7 黄克诚故居、湘南起义汝城会议旧址、湘南暴动指挥部旧址及纪念馆、中国人民解放军《第一军规》广场、中国工农红军在桂东革命活动纪念馆（唐家大屋）、八面山国家级自然保护区、万华岩
永州 2 陶铸故居和纪念馆、李达故居和纪念馆
怀化 7 湘西剿匪胜利公园、芷江受降旧址和纪念馆、向警予故居、滕代远故居及纪念馆、安江农校杂交水稻纪念园、粟裕故居和纪念馆、“通道转兵”会议旧址（恭城书院）
邵阳 4 蔡锷故居（蔡锷公馆）、南山景区、邓小平征战绥宁指挥所旧址、武冈革命历史纪念馆
常德 5 林伯渠故居、常德抗日会战阵亡公墓、翦伯赞故居、东方红博物馆、临澧县博物馆
岳阳 8 华容博物馆（湘鄂西革命根据地）、平江起义旧址及纪念馆、平江天岳关抗日战场旧址、任弼时故居和纪念馆、新四军平江通讯处旧址、毛简青故居、平江石牛寨、6501地下军事工程
益阳 2 厂窖惨案纪念馆、周立波故居·山乡巨变第一村
娄底 2 罗盛教故居及纪念馆、蔡和森纪念馆
张家界 2 贺龙故居和纪念馆、红二方面军长征出发地旧址
湘西 1 湘鄂川黔革命根据地旧址

1.2 研究方法

1.2.1 红色旅游资源转化效率评价

（1）红色旅游资源转化效率投入—产出评价指标构建
投产指标的选取很大程度上决定着旅游效率评价结果，而当前并无公认的旅游效率评价指标选取标准[16]。昂普理论（Resource-Market-Product，RMP）作为研究区域旅游发展中旅游产品结构性过剩、有效需求不足等资源转化效率问题的旅游开发理论[22]，为旅游资源转化效率评价提供了投产指标遴选的指标分类依据。该理论以旅游产品创新及空间配置形成的旅游产品转化效益为核心（P性），进行旅游资源禀赋及竞争力的资源分析（R性）和旅游消费及旅游主体选择偏好的市场分析（M性）。故借鉴RMP理论分析框架，构建“资源禀赋（Resource）/旅游市场（Market）/产品效益（Product）—投入（Input）/产出（Output）”的多投产因子的红色旅游资源转化效率RMP-IO评价指标体系；该体系以红色旅游市场因子和旅游资源禀赋因子作为转化效率的投入指标，以旅游产品效益因子作为转化效率的产出指标。
参考已有研究[1,4,16,23]，遵循数据可获取性和投产指标针对性原则，遴选RMP-IO评价指标。① 红色旅游市场投入指标。土地、资本和劳动力是市场经济中最基本的生产要素[15]。其中，土地是旅游活动重要的空间载体，但在实际操作中旅游用地范围无法界定，加之红色旅游用地数据缺乏统计，故借鉴城市旅游效率评价方法将其剔除[24]。资本作为旅游活动顺利开展的保障，故参照相关研究[4,15,16]，从吸引力视角选择表征服务能力的旅行社数量和表征接待能力的酒店数量两个代理投入指标。从业人数是表征旅游劳动力投入最直观的指标，但多数区域鉴于旅游业定义的模糊性和统计的繁杂性而未纳入统计数据，为此，选择区域内持有导游证人员数量作为投入指标进行替代[17]。② 红色旅游资源禀赋投入指标。旅游资源要素价值、环境质量和资源开发条件是衡量旅游资源禀赋的竞争力的核心指标。其中，旅游资源要素价值与红色旅游资源的竞争力关系密切，多数学者采用各等级旅游资源数量表征，而湖南省红色旅游资源的等级数量较少难以区分等级值[4,16]，故采用旅游资源主体投入和维护费用作为投入代理指标。旅游资源环境质量是旅游质量、景点组合和环境容量的综合体，考虑到资金投入的时间滞后性，故采用景点近5年生态环境治理投入均值指标替代[25]。旅游资源开发作为促进旅游产业健康发展的重要保障，其公共设施和配套设施完善程度及与生态能力耦合协调水平是主要的制约因素[26]，故采用公共和配套设施的投入指标替代。③ 红色旅游产品效益产出指标。红色旅游是重要的政治、文化和经济工程，社会效益居首，实现社会、经济和生态效益的统一是红色旅游产品效益产出指标选择的内在要求[7]。旅游收入和旅游人次作为旅游生产最直接的产物，是评价产出较为理想的指标[4,15,16]，故选择上述两个指标表征红色旅游产品经济和社会效益产出；同时，红色旅游景点网络关注量作为现代媒介下的宣传方式，是社会舆论效益产出的现代化表现，故选择其表征社会舆论效益的产出指标。
（2）基于修正DEA模型的红色旅游资源转化效率评价
数据包络分析（Data Envelopment Analysis，DEA）是评价多决策单元投产效率的经典模型，具有可处理多数据类型、无需考虑具体生产函数、不用预先估计参数及权重等优势[27]，被广泛运用于社会经济等领域的投产效率评价[1]。DEA模型包含CCR模型和BCC模型，因其评价效率值为决策单元所有投入要素按照相同比例缩放而生成的共同产出结果，故无法评判单个投入要素的产出效率，从而难以体现各要素投产效率差异，导致效率提升措施缺乏针对性[4]。然而，修正DEA模型可针对非可变规模收益有效决策单元的综合效率进行分解，实现对单个投入和产出变量的效率进行提取，弥补了DEA模型的整体效率评价有偏性和非合理性的不足[28]。基于此，① 采用CCR模型和BCC模型从技术效率、纯技术效率和规模效率评价湖南省红色旅游资源的投产效率，其中：技术效率反映红色旅游资源的总体投产效率状况，纯技术效率反映区域红色旅游资源的配置状况和旅游管理水平，规模效率反映区域红色旅游资源的最适规模达成状况；② 采用修正DEA模型对非可变规模收益有效单元从投入和产出单要素效率进行评价，以确定湖南省红色旅游资源的转化效率。
CCR模型主要关注“规模收益不变”（Constant Return to Scale，CRS）假设条件下的决策单元有效性评价。该模型假设有n个决策单元（Decision Making Unit，DMU），各决策单元有m种投入xij（i=1, 2, …, m；j=1, 2, …, n）；s种产出yrj（r=1, 2, …, s；j=1, 2, …, n），且xij≥0，yij≥0；对于选择的DMU0，判断其有效性的CCR模型对偶规划可表示为[28]：
M i n θ 0 - ε ∑ i = 1 m s i - + ∑ r = 1 s s r + = u 0 s . t . ∑ j = 1 n ρ j x i j + s i - = θ 0 x i 0 ∑ j = 1 n ρ j y i j - s r + = y r 0 θ 0 , ρ j , s i - , s r + ≥ 0 i = 1,2 , … , m ; r = 1,2 , … , s ; j = 1,2 , … , n
式中： θ 0为DMU0在规模报酬不变下的效率值； ρ j为投入产出指标的权重； ε为常量（一般取值10-6）； s i -和 s r +分别为单要素投入和产出的松弛向量； u 0表示目标函数值。
BCC模型主要关注“规模收益变化”（Variable Return to Scale，VRS）假设条件下的评价值。该模型在CCR模型中增加 ∑ j = 1 n ρ j = 1作为约束条件，计算公式如下[28]：
M i n θ 0 - ε ∑ i = 1 m s i - + ∑ r = 1 s s r + = u 0 s . t . ∑ j = 1 n ρ j x i j + s i - = θ 0 x i 0 ∑ j = 1 n ρ j y i j - s r + = y r 0 ∑ j = 1 n ρ j = 1 θ 0 , ρ j , s i - , s r + ≥ 0 i = 1,2 , … , m ; r = 1,2 , … , s ; j = 1,2 , … , n
式中： θ 0为DMU0在VRS下的效率值。假设 θ 0 *为对偶规划的最优解，若 θ 0 * = 1，则DMU0为DEA有效；若 θ 0 * ≠ 1，则DMU0为非DEA有效。
修正DEA模型具有将CCR模型和BCC模型计算的总效率进行单因素分解的优势。该模型对非可变规模收益的决策单元DUMd，第k个投入变量和第q个产出变量的单因素分析模型采用以下线性规划模型[28]：
（1）对于第k个投入变量：
M i n θ d k = θ d k * d ∈ N s . t . ∑ ρ j d x k j = θ d k x k d k = 1,2 , ⋯ , m ∑ ρ j d x i j ≤ x i d i ≠ k ∑ ρ j d y r j ≥ y r d r = 1,2 , ⋯ , s ∑ ρ j d = 1 ρ j d ≥ 0 , j ∈ E
（2）对于第q个产出变量：
M a x θ d q = θ d q * d ∈ N s . t . ∑ ρ j d y q j = θ d q y q d q = 1,2 , ⋯ , s ∑ ρ j d y i j ≤ y i d i ≠ q ∑ ρ j d x i j ≥ x i d i = 1,2 , ⋯ , m ∑ ρ j d = 1 ρ j d ≥ 0 , j ∈ E
式中： θ d k和 θ d q分别为第d个评价单元DMU的第k个投入量和第q个产出量的效率值； θ d k *和 θ d q *分别为第d个评价单元DMU的第k个投入量和第q个产出量的效率最小值和效率最大值； ρ j d为投入产出指标的权重；E和N分别表示CCR模型的有效和非有效DMU的下标集。

1.2.2 红色旅游资源转化效率空间特征分析

采用Anselin[29]提出的空间自相关分析对旅游资源转化效率的空间集聚特征进行研究[30]，该方法含全局和局部空间自相关两种模型。其中，全局空间自相关关注地理要素整体属性值的聚合和离散程度。采用Global Moran's I统计量分析红色旅游资源转化效率的空间依赖程度，计算公式如下[31]：
I = n ∑ i = 1 n ∑ j = 1 m W i j X i - X ¯ X j - X ¯ ∑ i = 1 n ∑ j = 1 m W i j ∑ i = 1 n X i - X ¯ 2
Z I = 1 - E I V a r I
式中：n为区域总数（个）；Wij为空间权重；Xi和Xj分别是区域i和j的属性； X ¯为属性均值； Z I为标准化统计量阈值； E I为观测变量自相关性的期望值； V a r I为方差。Moran's I统计量在 [-1, 1] 之间。运用 Z I值进行显著性检验；当 Z I≥1.96或 Z I≤ -1.96（α=0.05）时，表征红色旅游资源转化效率在空间上具有显著的相关性[29]。
局部空间自相关关注地理要素属性值的局部空间特征。采用Local Moran's Ii统计量分析红色旅游资源转化效率的局部空间依赖程度，计算公式如下[31]：
I i = X i - X ¯ m 1 ∑ j = 1 n W i j X j - X ¯ ∑ j = 1 , i = 1 n X j - X ¯ 2 n
S X 2 = ∑ j W i j X j - X - 2 N
式中： S X 2为方差。按局部自相关类型将红色旅游资源转化效率空间类型分为HH集聚区（高值集聚）、LL集聚区（低值集聚）、HL集聚区（高低值集聚）、LH集聚区（低高值集聚）和NN区（非显著）5种。
研究采用双变量局部空间自相关模型分析湖南省红色旅游资源效率的投产效率和转化效率间空间关联特征，并将两种效率的关联特征空间可视化，计算公式如下[29]。
I i K I = X i K - X K ¯ σ K ∑ j = 1 n W i j × X j I - X I ¯ σ I
式中： I i K I为区域i的双变量局部空间自相关系数； X i K为区域i第K种旅游资源投产效率值； X j I为区域j第I种游资源转化效率值； X K ¯和 X I ¯分别为第K种和第I种旅游资源效率的平均值； σ K、 σ I分别为第K种、第I种旅游资源效率的方差。

1.2.3 红色旅游资源转化效率空间分异的影响因子分析

（1）红色旅游资源转化效率的影响因子选择
红色旅游资源转化效率作为一种经济地理要素，其空间格局演化具有复杂的变化过程。该过程受内外环境等多种因子的综合影响，其中内在因子作为核心动能，外在因子作为催化诱因，在各内外因子相互影响下推动时空格局发生转变[1,23]。科学判断和准确识别其变化的主导因素及因素间交互作用，对分析红色旅游资源转化效率空间分异的成因、影响机制和促进协同提质增效，实现区域红色旅游高质量发展具有重要的意义。鉴于区域内外部环境差异是影响红色旅游资源转化效率空间分异的关键要素[21]，借鉴相关研究成果[1,13⇓⇓⇓⇓⇓⇓⇓-21]，依据数据可获取性原则，从内生能力和外部环境两个维度选择10个因子，进行红色旅游资源转化效率空间分异的影响因子分析。其中，5个内生能力因子主要关注红色旅游资源的竞争力、吸引力、市场规模、需求结构和变革方式的差异程度；5个外部环境因子主要关注红色旅游资源的区位交通、经济发展、产业集聚、政策扶持和信息化水平的差异程度（表2）。
表2 红色旅游资源转化效率空间分异的影响因子及描述性统计

Table 2 Effecting factors and descriptive statistics of the transformation efficiency of red tourism resources

目标类 指标类 计算方法 最大值 最小值 VIF
内生
能力		 E1产业比较利益 采用旅游业的人均产值与区域全行业人均产值比值指标/% 15.22 3.38 6.85
E2产品创新能力 采用旅游景点固定资产投入指标/亿元 589.57 5.67 3.58
E3人力资本质量 采用中等职业院校及以上学生规模指标/万人 15.89 8.86 1.92
E4旅游市场规模 采用商品销售总额指标/万亿元 0.23 0.08 1.25
E5旅游产业结构 采用旅游总收入与GDP比值指标/% 0.66 0.04 1.68
外部
环境		 E6交通网络条件 采用到达景点的时间成本指标/h 2.42 0.19 6.65
E7经济发展水平 采用人均GDP指标/(人/万元) 13.79 2.66 4.56
E8城镇化水平 采用人口城镇化率指标/% 82.6 46.94 9.62
E9政策支持力度 采用政府部门关于红色旅游的发文数量指标/件 148 25 7.54
E10科技信息水平 采用区域邮电业务量与省域邮电业务总量比值指标/% 67.88 41.24 3.36
（2）红色旅游资源转化效率的影响因子交互作用分析
采用地理探测器分析红色旅游资源转化效率空间分异性的影响因素及其交互作用。该方法基于空间分异理论和集合论，通过对因子力空间叠加技术确定区域分异的决定力指标Qv，以检验单因子的空间分异性和多因子分布的一致性，进而揭示交互作用。计算公式如下[32]：
Q v = 1 - 1 n σ 2 ∑ h = 1 l n h σ h 2
式中：nh为包含于因素Ai中的类型h内的样本数（个）；n为研究区域的所有样本数（个）；l为因素Ai的分类数（个）； σ 2为研究区的离散方差； σ h 2为次级区域离散方差。当 σ h 2 ≠ 0时，模型成立且Qv ∈ [0, 1]；Qv越大，Ai因素对资源转化效率的影响越大。
为判断多个影响因子相互作用对区域红色旅游资源转化效率空间分异的解释力，以揭示交互发生机理，采用交互作用探测分析多因子间的强弱、方向、线性或非线性等差异[32]，其目的是分析两个影响因素共同作用时是否会增加或减弱对资源转化效率变化的解释力，或分析两种因素对其影响是否为独立关系[33]。交互作用探测过程见文献 [33]。

1.3 数据来源与处理

（1）数理来源。① 红色旅游资源数据：投入数据来源于湖南省及各市县区红色旅游发展规划（2016—2020年）和文化旅游广电体育局的工作报告及政府工作报告；产出数据来源于中红网（http://www.crt.com.cn/ybgjq.html）、文化和旅游部（https://redtourism.mct.gov.cn/）和各红色旅游景点官网。② 地理空间数据：行政区划数据来源于民政部(http://xzqh.mca.gov.cn/map)；县级矢量边界数据来源于国家基础地理信息中心（http://dxzxmh.geo-compass.com）；红色旅游景点区位数据来源于（在线地图网）（http://www.gpsspg.com/maps.htm）；交通数据来源于全国交通数据信息统计网（http://tools.2345.com/jiaotong/lc.htm）。③ 社会经济统计数据：2021年《中国统计年鉴》《中国旅游统计年鉴》《中国城市统计年鉴》《湖南省统计年鉴》《湖南省经济统计年鉴》《湖南省旅游发展报告》、湖南省14个市（自治州）《统计年鉴》和《国民经济与社会发展统计公报》，部分数据来源于湖南省地方风景名胜区和红色旅游景点报道资料和政府工作报告。④ 网络统计数据主要来源于中国旅游网（https://www.ct.cn）、携程网（https://www.ctrip.com）、去哪儿（https://www.qunar.com）、马蜂窝（https://www.mafengwo.cn）等。⑤ 由于高德地图拥有三甲资质且深度融入兴趣点数据，具有科学性、实用性和有效性特点，故对酒店数量指标采用2021年10月8日至10月18日提取景点车行半径20分钟区域内的酒店数表征。
（2）数据处理。为保证数据的连贯性，针对部分市县区缺失的数据采用插值法将缺失值补充；为保证研究区域的衔接性以便于针对性的旅游政策制定，将“市区”“县级市”与“县”纳入统一行政区；考虑到区域行政边界调整影响数据归并，按照最新的行政区划将调整后的区域数据纳入相应的辖区；为便于统计将长沙、湘潭、株洲、衡阳纳入东部区域，郴州和永州纳入南部区域，怀化和邵阳纳入西部区域，常德和岳阳纳入北部区域，益阳和娄底纳入中部区域，张家界和湘西土家族苗族自治州（湘西州）纳入西北区域；考虑到影响因子数据离群值影响，对10个因子进行对数转化后纳入模型进行计算；考虑到影响因子数据的多源性、误差性、数据间的内生性和共线性等问题[15]，在数据预处理过程中对缺失值和异常值进行核对、校正和剔除的基础上，采用SPSS软件的Cronbach's α系数法（>75%）和方差膨胀因子（>10）对该批次数据信度进行检验。

2 结果分析

2.1 湖南省红色旅游资源效率评价结果

2.1.1 湖南省红色旅游资源投产效率评价结果

采用式（1）~式（2）对2020年湖南省81个红色旅游资源投产效率进行评价，使用ArcGIS自然断点法对其进行分类，并以效率均值为基础按市州统计得到以下结果（图1、表3）。
图1 2020年湖南省红色旅游资源投产效率空间分布

Fig. 1 Spatial distribution of red tourism resource efficiency in Hunan province in 2020

表3 2020年湖南省红色旅游资源投产效率

Table 3 Input-output efficiency of red tourism resources in Hunan province in 2020

区域 红色旅游资源投产总效率 红色旅游市场效率 红色旅游资源禀赋效率
TTE PTE SE TE PTE SE TE PTE SE
长沙 0.932 0.859 0.887 0.956 0.895 0.859 0.859 0.787 0.724
湘潭 0.915 0.839 0.875 0.967 0.912 0.884 0.899 0.835 0.775
株洲 0.758 0.685 0.701 0.877 0.809 0.755 0.655 0.585 0.523
衡阳 0.753 0.677 0.706 0.798 0.714 0.664 0.582 0.504 0.440
郴州 0.743 0.678 0.674 0.758 0.675 0.603 0.577 0.517 0.452
永州 0.651 0.551 0.532 0.617 0.512 0.402 0.474 0.388 0.282
怀化 0.709 0.605 0.605 0.688 0.566 0.461 0.556 0.445 0.341
邵阳 0.668 0.554 0.567 0.631 0.517 0.415 0.547 0.433 0.326
常德 0.699 0.590 0.596 0.748 0.632 0.524 0.542 0.437 0.308
岳阳 0.689 0.598 0.575 0.757 0.645 0.540 0.584 0.499 0.382
益阳 0.569 0.478 0.452 0.739 0.622 0.505 0.431 0.344 0.215
娄底 0.621 0.489 0.514 0.690 0.589 0.474 0.510 0.376 0.271
张家界 0.583 0.460 0.470 0.777 0.669 0.553 0.472 0.349 0.235
湘西 0.592 0.478 0.476 0.766 0.657 0.545 0.462 0.350 0.234
湖南省 0.742 0.721 0.669 0.788 0.743 0.682 0.598 0.574 0.507

注：TTE为红色旅游资源投产总效率；TE为技术效率；PTE为纯技术效率；SE为规模效率。

（1）湖南省红色旅游资源投产效率偏离前沿面，呈现由东向西逐渐递减的空间特征。2020年湖南省红色旅游资源投产总效率均值为0.742，不同资源单元和市州的投产效率、市场效率和资源禀赋效率差异较大，整体上呈现东向西逐渐递减的空间变化趋势。资源单元评价结果显示，81个红色旅游资源评价单元中处于投产前沿面（投产效率为1）的仅有2个，分别为毛泽东故居和纪念馆以及橘子洲（图1a）。东部14个评价单元的效率值相对较高，其中长沙最多（6个），其投产效率均值达到0.859；郴州的湘南起义汝城会议旧址投产效率最低为0.515。2个红色旅游评价单元的市场效率处于生产前沿面（图1b）；其中东部有10个市场效率较高，而西部及西北部仅有贺龙纪念馆1处。红色旅游资源禀赋效率处于前沿面也仅有2个（图1c），而北部仅有益阳的厂窖惨案纪念馆资源禀赋效率较高。市州效率评价结果显示，东部的长沙和湘潭紧邻生产前沿面投产效率最高，分别为0.932和0.915；而西北部的张家界和湘西投产效率最低成为湖南省红色旅游资源投产效率“凹地”，其均值为0.588，张家界的投产效率（0.583）为湖南省最低值；北部（常德和岳阳）的投产效率略高于南部（郴州和永州）0.005；中部的益阳和娄底2市的投产效率均值（0.595）介于东西部之间。
（2）对湖南省红色旅游资源投产效率分解，得到红色旅游资源的配置能力和技术创新状况。湖南省红色旅游资源纯技术效率均值0.721，同样呈现东向西逐渐递减的空间变化趋势。资源单元评价结果显示，虽然2个处于生产前沿面（投产效率为1）的红色旅游资源评价单元保持纯技术效率最大，但效率值最低的评价单元发生变化，为邵阳的蔡锷故居。14个市州的纯技术效率依旧呈现由东向西逐渐递减的空间变化趋势。东部的旅游资源纯技术效率均值最大为0.772，但相比投产总效率减少9.21%；西部旅游资源的纯技术效率最小为0.468，相比投产总效率减少幅度最大（19.59%）；其他区域的旅游资源纯技术效率普遍较小，且相对于投产总效率均呈现不同程度的下降。该结果表明：技术创新能力较低且旅游资源配置欠佳既是湖南省红色旅游资源投产效率的现状，也是制约投产效率提升的重要因素。
（3）为更全面地分析红色旅游资源投产效率空间分异的原因，采用公式“规模效率=技术效率/纯技术效率”对其是否达到最适规模状态的规模效率进行评价。结果显示：2020年湖南省红色旅游资源规模效率均值为0.669，但不同地域的投产效率差异较大，整体上呈现东向西逐渐递减的空间变化趋势（表3）；东部的规模效率虽受株洲和衡阳的影响但仍维持在最高（0.840），长沙依旧居首（0.887）；中部相对东部的规模效率呈现显著下降；西部的张家界和湘西规模效率最小（0.473）。该结果客观地验证了旅游规模是影响湖南省红色旅游资源投产效率另一个重要因素。

2.1.2 湖南省红色旅游资源转化效率结果

采用修正DEA模型 [式（3）、式（4）] 对剩余79处非可变规模收益有效单元进行转化效率评价，使用ArcGIS自然断点法对其进行分类，得到以下结果（图2、表4）。
图2 2020年湖南省红色旅游资源转化效率空间分布

Fig. 2 Spatial distribution of red tourism resource transformation efficiency in Hunan province in 2020

表4 2020年湖南省红色旅游资源转化效率

Table 4 Transformation efficiency of red tourism resources in Hunan province in 2020

区域 红色旅游市场主体投入效率 红色旅游资源禀赋投入效率 红色旅游资源转化效率
ATM TCQ TCP TCI ATE TRP TEQ TEC ATT TSE TEE TNE
长沙 0.579 0.611 0.602 0.549 0.383 0.345 0.420 0.349 0.418 0.486 0.393 0.388
湘潭 0.570 0.596 0.596 0.542 0.398 0.362 0.425 0.368 0.407 0.473 0.388 0.391
株洲 0.516 0.534 0.542 0.479 0.345 0.309 0.391 0.305 0.377 0.445 0.307 0.352
衡阳 0.517 0.549 0.555 0.455 0.376 0.335 0.415 0.319 0.379 0.454 0.359 0.349
永州 0.379 0.421 0.435 0.298 0.255 0.177 0.355 0.181 0.278 0.369 0.225 0.202
郴州 0.505 0.530 0.549 0.455 0.344 0.300 0.409 0.292 0.350 0.410 0.327 0.308
怀化 0.423 0.468 0.479 0.332 0.286 0.204 0.385 0.201 0.288 0.394 0.242 0.209
邵阳 0.424 0.476 0.479 0.344 0.287 0.205 0.370 0.205 0.305 0.416 0.251 0.238
常德 0.466 0.509 0.515 0.389 0.305 0.239 0.405 0.238 0.347 0.457 0.299 0.279
岳阳 0.461 0.499 0.510 0.384 0.307 0.234 0.412 0.236 0.308 0.391 0.257 0.225
益阳 0.339 0.378 0.389 0.258 0.240 0.159 0.345 0.158 0.255 0.341 0.207 0.177
娄底 0.379 0.435 0.424 0.308 0.243 0.168 0.350 0.172 0.294 0.426 0.256 0.218
张家界 0.489 0.542 0.539 0.409 0.255 0.333 0.360 0.178 0.279 0.394 0.228 0.195
湘西 0.465 0.519 0.521 0.386 0.250 0.177 0.354 0.174 0.276 0.388 0.227 0.202
湖南省 0.453 0.466 0.495 0.428 0.322 0.289 0.368 0.299 0.332 0.342 0.231 0.284

注：ATM为旅游市场主体投入转化效率均值；TCQ为旅行社数量投入；TCP为旅游从业人数投入；TCI为酒店数量投入；ATE为旅游资源禀赋投入转化效率均值；TRP为旅游资源要素价值投入；TEQ为旅游资源环境质量投入；TEC为旅游资源开发条件投入；ATT为旅游资源整体转化效率均值；TSE为旅游资源社会效应转化效率；TEE为旅游资源经济效应转化效率；TNE为旅游资源舆论效应转化效率。

（1）湖南省红色旅游资源转化效率远离前沿面，呈现东高西低和北高南低的“品形”空间格局。2020年湖南省红色旅游资源转化效率均值为0.332（表4），经济效应转化效率（0.231）成为影响湖南省红色旅游资源转化效率的主要因素。区域上资源转化效率整体呈现由东向西和由中东向西南逐渐变化的空间差异（图2c）。东部4市转化效率均值为0.395且长沙成为湖南省最高区（0.418），旅游资源社会效应转化效率高成为推动该区域效率转化的因素；而限制该区重要的因素为经济效应转化效率相对较低，表现最为突出的是株洲（0.307）。导致东部红色旅游资源转化效率高值集聚的空间格局可能的原因为：一方面，东部4市集中了41处红色旅游资源占湖南省总量的50.62%，形成了极大的规模效应，促进了该区域经济效应转化效率的提升；另一方面，受“伟人崇拜”、社会红色教育文化传承和学校教育宣传功能影响，导致该区域特别是长沙、湘潭和衡阳的社会效应和舆论效应转化效率极高；同时，东部发达便捷的交通网络提高了旅游目的地的可达性，加之经济快速发展形成的巨大旅游消费需求，都不同程度地提升了转化效率。西北部2市州转化效率最低为0.281且张家界为湖南省最低区（0.279），社会效应转化效率较高和经济效应转化效率极低是该区域红色旅游资源转化效率明显的结构特征，究其原因：一方面，受该区域丰富的地文景观旅游资源对红色旅游的辐射和带动效应影响，极大地提高了社会效应转化效率；另一方面受建筑设施类和地文景观旅游类资源的“虹吸效应”影响，市场主体的流向偏好和社会关注集聚，导致经济效益和舆论效应转化效率较低。北部的转化效率高于南部与西部，呈现北高南低的空间格局，主要原因为：北部的常德和岳阳经济发展水平处于省内前列，造成较多的资金可能注入前期需要大量政府投资的红色旅游业，促进了产业基础设施和主体建筑的完善；同时北部的红色旅游资源与水域风光类（洞庭湖）和生物景观类（鸟类栖息地）旅游资源形成了相得益彰的促进作用，也不同程度地提升了转化效率。西部的转化效率介于东部和南部之间为0.591，但其转化效率的构成与之不同，即社会效应转化效率高但舆论效应转化效率低。一方面湖湘西部的交界区域在红色历史题材上具有重要的历史文化价值和革命政治价值，虽然进入经典红色景点的名录数量不多仅有11个，但依附于该区域特定的革命历史文化价值地位较高，如湘西剿匪、芷江受降、通道转兵、征战绥宁等极大地提升了社会效应转化效率；另一方面，受制于西部区域红色旅游市场的不健全、交通网络条件的不完善和红色旅游宣传的不到位，导致游客的“言传身教”及旅游企业的“先进经验”向邻域产生的溢出效应不足，阻碍了舆论效益转化。
（2）市场投入转化效率评价结果显示，2020年湖南省红色旅游市场投入转化效率均值为0.453，处于中等偏下水平（表4）且旅行社数量、旅游从业人数和酒店数量的投入转化效率呈现低值均衡结构。然而，区域层面市场投入转化效率整体呈现东西部高中部低的空间“凹陷”格局和高投入高转化的因果关联（图2a）。东部的市场投入转化效率最高为0.568，其中旅行社和从业人数的投入转化效率高（0.543和0.565）而酒店投入转化效率较低（0.502）。一方面，依托巨大的长株潭城市群旅游市场和从业人数背景，红色旅游投资主体打破了其他区域单一的政府渠道，实现了多主体资本注入和多旅游人力资源的集聚，推动转化效率成为省内最高；另一方面，由于东部41处红色旅游资源大多集中于城市群的中心地带，而采用POI数据统计景点周边酒店数量的方法，难免出现酒店投资考虑成本问题和旅游费用问题出现的远离中心的投资和消费趋势，造成酒店投入转化效率较低。西北部的市场投入转化效率是省内的另一个高值极（0.485），但投入转化效率结构出现显著的短板，酒店投入转化效率是影响的关键。该区域凭借极具魅力的地文景观和山区风光使旅游业成为西北部的主导产业，以2020年为例，张家界和湘西的旅游业分别占GDP比例的32.16%和15.45%。旅游产业在该区域的主导地位形成了旅游市场投入快速增长趋势，在此过程中红色旅游投入通过“搭乘便车”的方式也获得了快速发展，使其旅行社和从业人数投入转化效率处于湖南省的高值区间。然而，一方面市场主体考虑到旅游投资收益的比较利益，将更多的市场资源纳入投资回报高的商业旅游类型；另一方面，西北部的红色旅游资源数量规模过小（仅3处），拉低了酒店投入转化效率。中部是湖南省市场投入转化效率的“凹地”，其值为0.339，主要原因可能为：该区域紧邻长株潭城市群，在旅游业资源的虹吸效应、投资回报的竞争效应、市场分化的马太效应、景点规模效应等多因素综合影响下形成低值极。上述结果表明，旅游要素扩张的增长模式是湖南省红色旅游资源转化效率的实现方式，且呈现高投入高转化的因果关联，以效率为驱动的红色旅游经济高质量增长模式尚未形成。
（3）资源禀赋投入转化效率评价结果显示，2020年湖南省红色旅游资源禀赋投入转化效率均值为0.322，处于低等水平（表4），且要素价值、环境质量和资源开发的投入转化效率呈现低值非均衡结构。然而，区域层面资源禀赋投入转化效率整体呈现条带状的高低值“插花”格局（图2b）。东部的红色旅游资源禀赋投入转化效率最高为0.397；而中部和西北部成为两个低值区，其资源禀赋投入转化效率分别仅为0.249和0.257；南部和北部的值居于东西部之间。以红色景点主体设施和维护费用投入为表征的旅游资源要素价值投入转化效率成为三种旅游资源禀赋投入转化效率构成要素的短板，且成为严重制约湖南省红色旅游资源转化效率提升的主要因素，依次表现为中部（0.172）、西部（0.215）、北部（0.239）、南部（0.242）和西北部（0.260）。究其原因可能表现在以下几个方面：① 红色旅游经济发展极大地受制于自身“造血功能”不足的先天缺陷，需借助强大的外力完成其市场搭建、规模催生、主体投入和基础设施建设，而区域经济差异化的发展水平分化了红色旅游资源投产效率和转化效率；即伴随着经济快速发展区域旅游需求激增，旅游投入各主体通过专业化分工实现规模的快速扩张和旅游技术创新更新以此提升红色旅游的效率。以东部的长沙和西北部的湘西为例，2020年长沙的GDP为12142.52亿元，而湘西为735亿元，两者相差11407.52亿元；如此巨大的经济差异背景下，长沙的旅游基础设施投入、旅游环境投入和第三产业从业人数高于湘西136.55倍、79.63倍和28.59倍，进而表现为两地红色旅游资源禀赋投入转化效率差异较大。② 红色旅游资源相比于自然类和综合类旅游资源其旅游竞争优势明显不足，突出表现为较为单一的投资来源和较低的经济投资回报。红色旅游是重要的政治工程、文化工程和经济工程，而在以旅游产业为主导的区域和以关注投资回报的市场主体间的博弈程中，红色旅游的优势不显著，造成大量的资金和政策倾向于纯商业旅游开发，极大地缩小了红色旅游资源的投资力度和规模。

2.2 湖南省红色旅游资源效率空间关联格局及分区结果

以地理要素空间关联测度为核心的空间自相关分析，依据地理现象空间分布聚集、离散和随机模式的可视化判断，成为区域划分的经典方法之一[34]。为凸显湖南省红色旅游资源效率空间关联的差异性，采用红色旅游资源投产总效率和资源转化效率指标的区域均值进行空间自相关分析，以局部空间集聚特征为依据划分2020年湖南省红色旅游资源效率区。

2.2.1 湖南省红色旅游资源效率的空间关联结果

全局空间自相关检验结果显示，2020年湖南省红色旅游资源投产总效率、资源转化效率和总效率—转化效率双因素的Moran's I值分别为0.8557、0.9287和0.9985；在5%显著条件下，Z值分别为13.2574、10.6584和20.3351，均高于临界值1.96，通过显著性检验。该结果表明，三者的空间分布存在显著的正相关，空间上聚集特征明显，进一步表明可对其进行局部空间自相关检验。
局部空间自相关结果显示，湖南省14个市州5种自相关类型空间集聚显著（图3）。（1）湖南省红色旅游资源投产总效率呈现东高西低的局部空间关联格局。其中，东部的长沙、株洲和湘潭为HH集聚区，占区域总面积的13.23%；LL集聚区主要分布在西北部的张家界、湘西和怀化，占区域总面积的22.86%；HL集聚区的分散分布于北部和中南部的岳阳、常德和衡阳，其红色旅游景点为18个，占景点总数的22.22%；LH集聚区集中分布于南部和西南部的邵阳、永州和郴州，占红色旅游景点总数的16.05%；然而，中北部区域的益阳和娄底为红色旅游资源投产总效率空间关联非显著区（NN区），其占区域总面积的9.55%，占红色旅游景点总数的4.94%。（2）湖南省红色旅游资源转化效率相比投产总效率的空间关联格局，除张家界、湘西和怀化受旅游市场投入效率和旅游资源禀赋投入效率低值影响维持LL集聚区外，其他11个市呈现较大的差异。HH集聚区为长沙、湘潭和衡阳，占区域总面积的15.14%，而株洲受红色旅游资源禀赋投入效率低值影响，并未进入转化效率HH集聚区；岳阳、常德、株洲和益阳在转化效率高值集聚的空间扩散效应影响下形成HL集聚区，占区域总面积的26.67%；而郴州、娄底和邵阳受低值集聚的空间扩散效应影响成为LH集聚区；永州的红色旅游资源转化效率与邻域市州未形成空间关联成为NN区。（3）湖南省红色旅游资源投产总效率与资源转化效率双因素局部空间关联呈现高值集聚由东向西逐渐递减趋势。具有高值的红色旅游资源投产总效率与资源转化效率的长沙、株洲、湘潭和衡阳在空间扩散效应下形成HH集聚区，占红色旅游景区的50.62%；而受上述双因素空间低值的扩散效应影响，西北部的张家界和湘西成为稳定的LL集聚区，占红色旅游景区的3.70%；常德、岳阳和郴州相较于资源投产总效率与资源转化效率高值集聚的4市而言其值均较低，受空间极化效应影响形成HL集聚区，占红色旅游景区的24.69%；怀化和邵阳的资源投产总效率与资源转化效率相比LL集聚区略高，但受低值集聚区的扩散效应影响成为空间负相关的LH集聚区，占红色旅游景区的13.58%；益阳、娄底和永州的双因素值在空间上并未形成空间集聚或离散的关联模式，成为具有空间随机模式的NN区，占红色旅游景区的7.41%。
图3 2020年湖南省红色旅游资源效率空间关联特征

Fig. 3 Spatial correlation characteristics of red tourism resource efficiency in Hunan province in 2020

2.2.2 基于双变量空间关联类型的湖南省红色旅游资源效率分区结果

由上述研究得到，湖南省红色旅游资源投产总效率与资源转化效率具有较强的地域差异性和空间集聚性。将红色旅游资源投产总效率与资源转化效率的双因素空间局部关联格局和其区域对应的效率值进行图层叠加，在此基础上依据以下原则和要求实现湖南红色旅游资源效率分区：（1）区分度最大原则、层次体系性原则、相对一致性原则、共轭性原则和区域全覆盖性原则；（2）多种效率值比较筛选确定区域的类型归属，如衡阳和郴州；（3）双变量空间关联不显著情况下采用最大主导因素进行归类。根据分区结果，湖南省红色旅游资源效率类型为5种（图4）。红色旅游资源投产效率协同区主要分布在东部的长沙、株洲和湘潭，以HH集聚类型主导占红色旅游景区的44.44%；红色旅游产业综合提质增效区主要分布在北部和西南部的衡阳、郴州、岳阳和常德，以HL集聚类型主导占红色旅游景区的30.86%；红色旅游资源效率转化升级区主要分布在西部的怀化和邵阳，以LH集聚类型主导占红色旅游景区的13.58%；红色旅游资源综合产能提升区主要分布在西北部的张家界和湘西，以LL集聚类型主导占红色旅游景区的3.70%；红色旅游资源综合效能培育区主要分布在中部和南部的益阳、娄底和永州，以NN集聚类型为主占红色旅游景区的7.41%。
图4 湖南省红色旅游资源效率分区

Fig. 4 Zoning of red tourism resource efficiency in Hunan province

2.3 湖南省红色旅游资源转化效率空间分异的地理探测结果

2.3.1 影响因子检验

为准确识别影响湖南省红色旅游资源转化效率空间分异的影响因子，采用Logistic回归模型对10个指标进行回归系数和多元共线性分析。回归结果显示，交通网络条件（E6）、经济发展水平（E7）、人力资本质量（E3）、旅游市场规模（E4）、政策支持力度（E9）、产品创新能力（E2）6个影响因子在0.01显著性水平上呈现正相关；共线性诊断结果显示，产业比较利益（E1）、旅游产业结构（E5）、城镇化水平（E8）和科技信息水平（E10）4个影响因子的方差膨胀系数均超过10，故予以剔除。为验证保留因子和剔除因子的科学性，采用自然断点法对全部影响因子分类，将因子分类结果与旅游资源转化效率等级进行空间耦合匹配分析，结果显示，E6、E7、E3、E4、E9和E2因子类型等级与0类（完全匹配类）重合度较高。因此，将上述6个因子确定为影响红色旅游资源转化效率空间分异的主导因子。

2.3.2 主导影响因子的影响力探测结果

为判断影响因子对区域红色旅游资源转化效率的影响力，采用地理探测器对81处红色旅游景点（转化效率值）及其分布区域（转化效率均值）进行探测，得到以下结果：
（1）主导影响因子的影响力差异显著，外部环境综合影响成为主要影响源。影响湖南省红色旅游资源转化效率的主导因子在5%显著性水平下依次为E6、E7、E3、E4、E9和E2，其对应的影响力分别为：0.0481、0.0445、0.0399、0.0374、0.0361和0.0326。外部环境综合影响力为0.1287，而内生能力综合影响力为0.1099，相比外部环境影响力小0.0188（表5）。该结果验证了魏俊等[23]关于外部环境是旅游业效率提升核心基础的结论。旅游业特别是红色旅游业作为一种对区位交通、经济条件、政策等外部环境依赖程度较高的外向型产业，其在内生能力既定的前提下，“政府主导型旅游发展模式”仍是全国多地旅游业的发展方式[35]。同时，该结果与王坤等[17]关于技术创新对旅游效率提升的核心作用存在一定偏差；E2确实是影响红色旅游资源转化效率的重要因子，但其影响力相对较小，不能成为核心影响因子。一方面，红色旅游产业作为典型的服务行业，受外来约束条件限制小，导致其科技产品创新相对乏力；另一方面，红色旅游产业发展在政府主导下，其研发经费投入少且有限，间接验证红色旅游资源转化效率的提升主要源于规模扩张而非科技创新驱动。
表5 2020年湖南省红色旅游资源转化效率的主导因子影响力

Table 5 Influence of dominant factors of the transformation efficiency of red tourism resources in Hunan province in 2020

区域 内生能力 外部环境
E2 E3 E4 E6 E7 E9
张家界 0.0269 0.0357 0.0472 0.0331 0.0348 0.0411
湘西 0.0261 0.0329 0.0389 0.0428 0.0365 0.0329
怀化 0.0240 0.0335 0.0329 0.0435 0.0400 0.0392
常德 0.0375 0.0426 0.0448 0.0424 0.0481 0.0339
益阳 0.0289 0.0391 0.0300 0.0378 0.0415 0.0293
娄底 0.0310 0.0460 0.0318 0.0411 0.0401 0.0275
邵阳 0.0224 0.0415 0.0366 0.0393 0.0441 0.0299
永州 0.0282 0.0389 0.0351 0.0362 0.0435 0.0318
岳阳 0.0358 0.0464 0.0458 0.0411 0.0494 0.0340
长沙 0.0401 0.0492 0.0486 0.0535 0.0523 0.0475
湘潭 0.0381 0.0472 0.0412 0.0492 0.0426 0.0491
株洲 0.0393 0.0469 0.0415 0.0498 0.0463 0.0377
衡阳 0.0342 0.0412 0.0435 0.0467 0.0477 0.0411
郴州 0.0349 0.0449 0.0425 0.0456 0.0442 0.0410
旅游资源投产效率协同区 0.0386 0.0496 0.0440 0.0501 0.0453 0.0436
旅游产业综合提质增效区 0.0368 0.0423 0.0435 0.0440 0.0480 0.0414
旅游资源效率转化升级区 0.0326 0.0382 0.0335 0.0330 0.0411 0.0329
旅游资源综合产能提升区 0.0298 0.0418 0.0316 0.0387 0.0408 0.0318
旅游资源综合效能培育区 0.0294 0.0338 0.0420 0.0365 0.0352 0.0405
湖南省 0.0326 0.0399 0.0374 0.0481 0.0445 0.0361
（2）主导因子影响力空间分异明显，呈现东高西低且由东向西逐渐递减的空间格局。市域维度，长沙、岳阳、株洲和湘潭的红色旅游资源转化效率因子综合影响力处于高水平状态，而怀化和湘西的因子综合影响力处于低水平状态。从地域分区维度，东部区域的长沙、株洲和湘潭因子综合影响力均值为0.0456，形成高影响力极值区；而西北部的湘西和张家界形成低影响力极值区，其均值为0.0377。从转化效率分区维度，旅游资源投产效率协同区的因子综合影响力最大为0.2697，而旅游资源效率转化升级区的综合影响力最小为0.2131。主要原因可能为：益阳、娄底和永州的红色旅游资源数量极少，导致旅游规模效应不明显，加之3市地处湘中和湘南，在高影响力的虹吸效应和边缘效应的作用下，主导因子综合影响力相对较小[18]。
（3）主导因子影响机理各异，呈现影响结构和功能差异。① 交通网络条件（E6）是红色旅游资源效率转化的先决条件。交通是旅游基础设施的重要组成部分；交通网络的便利程度直接影响红色旅游资源效率转化的提升程度和可持续发展。通过交通条件改善深刻地影响和改变着红色旅游区空间经济联系的广度和深度，影响着景区管理的对外经营决策，调节着游客可进入性的时间，进而关联游客心里距离和空间距离共同作用于游客的诉求和出行动机，使游客将更多的时间分配于“游”而非“旅”[1]。同时，交通优势能增强旅游的规模效应，有助于提升红色旅游的获利程度和接待资源的边际产出，进而提升资源转化效率。② 经济发展水平（E7）是红色旅游资源效率转化的原始动力。区域经济发展水平以其固定的所有资本源作为旅游发展支撑，且依托区域的基础设施改善、先进技术引进、旅游产品创新、客户资源开拓、资源要素附加值提升等，促进红色旅游活动的正常推进[18]。区域经济的繁荣程度变向地促进了居民的消费能力和购买欲望，而红色旅游资源为满足消费者多样化需求和扩大旅游市场份额需增加旅游资本投入的数量和力度，以提高和增强红色旅游的竞争力，进而为旅游资源转化效率提高铺垫了必要的资本积累。③ 人力资本质量（E3）是红色旅游资源效率转化的累积潜力。人力资本质量提升可加速技术创新和生产要素的流动和资源利用程度，促进现有和新增的旅游资源要素从劳动率低的旅游部门向劳动生产率高的部门转移，导致高劳动生产率部门的市场份额不断提升，实现旅游资源配置的结构效益，进而提升旅游效率和资源转化效率，为红色旅游产业结构优化提供直接和间接动力。④ 旅游市场规模（E4）是红色旅游资源效率转化的需求基础。旅游市场规模作为红色旅游资源转化效率提升的需求基础，表征区域对外开放水平、经济主体的活跃程度和市场需求状态，其规模大小不仅对旅游生产单元的资源开发理念还是投资组合方式均不同程度地产生了显著的影响。旅游市场规模反映从事旅游活动主体参与市场化分工、信息分享、技术创新、资源配置等旅游内外部活动[23]。旅游市场规模及其开放程度决定着红色旅游资源转化效率提升的市场支持力，依靠市场吸引区域内外各种优质资源要素及其创新元素，提升资源的利用效率和参与分工能力，进而促进区域红色旅游资源的集聚，产业规模效率已达到提升竞争优势的目的。⑤ 政策支持力度（E9）是红色旅游资源效率转化的催化剂。政策支持通过政府宏观决策和行为的制度供给引领和控制红色旅游的各项活动，并贯穿于红色旅游发展的全过程。支持性旅游政策的颁布和实施一方面可促进红色旅游景区经营管理模式和效率的改变，进而影响红色旅游的经济收益水平；另一方面，科学合理的制度安排和制度供给直接影响着红色旅游高质量发展的路径及其资源使用和旅游产品的组合模式，客观上改变着红色旅游资源生产要素的转化形式和功能提升[15]。同时，政策条件的扶持可带动区域交通条件改善、技术更新换代、人才培养和引进、投资环境和产业结构优化等，催生和孵化红色旅游的内外部环境和新型红色旅游产业，助推红色旅游资源转化效率提升。⑥ 产品创新能力（E2）是红色旅游资源效率转化的助力器。产品创新能力作为旅游产业发展的内生动力在产业技术进步、行业业态、产业模式、产品多样性开发等方面的作用日益重要[14]。红色旅游产品依托先进技术更新和使用减少了对人为因素的依赖，不仅使其旅游产品和服务能更快地掌握市场信息动态，提升对红色旅游景点的综合管理能力和创新能力，而且强化了旅游资源的市场应变能力，促进产品的市场竞争力。同时旅游产品的技术创新可导致管理结构和体系更加“扁平化”，使旅游景点呈现极大的优势，提升红色旅游生产的综合能力，促进旅游资源转化效率的提高（图5）。
图5 湖南省红色旅游资源转化效率的主导因子影响机理

Fig. 5 Influence mechanism for the dominant factor of the transformation efficiency of red tourism resources in Hunan province

2.3.3 主导影响因子的交互作用探测结果

地理探测器结果仅表达了单因子对红色旅游资源转化效率的影响程度。为分析红色旅游资源转化效率影响因子间的交互作用和循环累积效应，研究采用交互探测器分析双因子交互作用对5种转化效率区域的影响程度，探测结果见表6。
表6 2020年湖南省红色旅游资源转化效率空间分异的交互探测结果

Table 6 Results of interactive detection on spatial differences of the transformation efficiency of red tourism resources in Hunan province in 2020

区域 Q值/QE∩E’值 主导影响因子
E2 E3 E4 E6 E7 E9
湖南省 E2 0.0326*
E3 0.1316 NE 0.0399*
E4 0.1154 BE 0.1254 NE 0.0374*
E6 0.1098 NE 0.0965 NE 0.1044 NE 0.0481*
E7 0.1087 NE 0.1083 NE 0.0995 NE 0.1182 BE 0.0445*
E9 0.1256 NE 0.1042 NE 0.1162 NE 0.1096 BE 0.0996 BE 0.0361*
红色旅游资源投产效率协同区 E2 0.0386*
E3 0.1245 NE 0.0496*
E4 0.1124 NE 0.1027 NE 0.0440*
E6 0.1038 BE 0.0992 NE 0.0957 NE 0.0501*
E7 0.1195 NE 0.0973 NE 0.0982 NE 0.0997 NE 0.0453*
E9 0.1454 BE 0.1125 BE 0.1187 NE 0.1286 NE 0.1158 NE 0.0436*
红色旅游产业综合提质增效区 E2 0.0368*
E3 0.1067 NE 0.0423*
E4 0.1209 NE 0.1356 NE 0.0435*
E6 0.0897 NE 0.1137 NE 0.1058 NE 0.0440*
E7 0.0972 BE 0.1208 NE 0.1112 BE 0.0965 NE 0.0480*
E9 0.0924 BE 0.1242 BE 0.1342 NE 0.0951 BE 0.0941 NE 0.0414*
红色旅游资源效率转化升级区 E2 0.0326*
E3 0.0998 NE 0.0382*
E4 0.1095 BE 0.1213 BE 0.0335*
E6 0.0915 NE 0.0898 NE 0.0904 NE 0.0330*
E7 0.0904 BE 0.0812 BE 0.0853 BE 0.1012 NE 0.0411*
E9 0.0926 NE 0.0975 NE 0.0964 NE 0.1141 BE 0.1108 NE 0.0329*
红色旅游资源综合产能提升区 E2 0.0298*
E3 0.1115 NE 0.0418*
E4 0.1104 BE 0.1247 NE 0.0316*
E6 0.0997 BE 0.1099 NE 0.0985 BE 0.0387*
E7 0.1245 NE 0.1452 BE 0.1149 NE 0.1187 NE 0.0408*
E9 0.1124 BE 0.1275 NE 0.0821 BE 0.0925 NE 0.0999 NE 0.0318*
红色旅游资源综合效能培育区 E2 0.0294*
E3 0.1315 NE 0.0338*
E4 0.1287 BE 0.1248 NE 0.0420*
E6 0.1253 NE 0.1044 NE 0.1351 NE 0.0365*
E7 0.0824 BE 0.0786 NE 0.0995 BE 0.0852 NE 0.0352*
E9 0.0852 BE 0.0892 BE 0.1001 NE 0.1328 NE 0.0912 NE 0.0405*
VTE 0.4790 0.4884 0.4841 0.4700 0.4623 0.4755

注：（1）*为单因子影响力；（2）NE为非线性增强，BE为双因子增强；（3）VTE表示5种分区的因子累积影响力均值。

（1）双因子的交互影响力强于单因子，且以非线性增强交互类型主导。湖南省红色旅游资源转化效率5类区域的因子交互影响力均呈现非线性增强和双因子增强，不存在独立和减弱的关系。其中，E2、E9、E7和E4影响因子组的交互影响力均值相比单因子影响力高，成为影响湖南省红色旅游资源转化效率最强因子组。整体分析，该区因子交互类型中，非线性增强类为51个，占总组数的86.67%，双因子增强类占总组数的13.33%。从内外影响因子分析，内外综合非线性增加交互影响类型占总组数的66.67%，而组内交互影响以双因子增强为主占组内总数的53.33%。该结果表明，双因子的交互作用对湖南省红色旅游资源转化效率影响更加深远，内外因子综合影响的循环累积效应更加真实地刻画了其空间分异格局的形成，且成为未来湖南省红色旅游资源转化效率提升和红色旅游高质量发展的关键。
（2）双因子交互影响力呈现内外类型差异，内生能力因子组的累积循环效应更显著。① 内生能力因子成为影响红色旅游资源转化效率的主导因子。2020年湖南省红色旅游资源转化效率的影响因子交互影响力均值依次为E2、E3、E4、E9、E6和E7，该结果相较于单因子影响力呈现出较大的差异，即产品创新能力、人力资本质量、旅游市场规模和政策影响力度及影响力地位上升，其中提升幅度最大的因子为产品创新能力；而外部环境因子的影响力地位下降，其中下降幅度最大的因子为交通网络条件。因此，关注红色旅游资源转化效率内生能力影响因子的交互耦合作用，不失时机地推动多政策融合联动为实现系统提升转化效率提供了新方向。② 内外因子交互影响成为红色旅游资源转化效率空间分异的主要方式。外部环境和内生能力因子交互影响最为显著的为E2∩E9、E3∩E4和E3∩E7三种类型，其对湖南省红色旅游资源转化效率影响力均值高达0.5864、0.5712和0.5608。交通网络条件、经济发展水平和政策支持力度三个外部环境因子作为红色旅游资源发展的基础，是转化效率变化的前提条件；而产品创新能力、人力资本质量和旅游市场规模三个内生能力因子作为红色旅游资源发展的核心竞争力，是转化效率变化的动力。因此，关注内外因子联动方式为实现红色旅游资源转化效率提升提供了新方式。
（3）各分区的因子交互影响力差异显著，成为红色旅游资源转化效率提升的关键。由各主导因素对湖南省红色旅游资源转化效率分区的交互影响力结果得到：内生能力与外部环境因子交互影响仍然是影响旅游资源转化效率不同分区最主要的方式，但呈现双因子组合影响类型差异化和组合影响模式多样化的地域特征（表6、表7）。① 主导因子影响力均为高值或低值的区域内外交互影响模式简单但组合类型差异显著。其中，红色旅游资源投产效率协同区的6种主导因子影响力均为高值，E2和E9（QE2∩E9为0.1586）成为交互影响最为显著的类型；制度供给引领和科技创新依托成为促进以长沙为代表的红色旅游资源转化效率优势，也是未来极化的重点，是红色旅游高质量发展的推荐范式。红色旅游资源综合产能提升区的各主导因子影响力均为低值，E3和E7（QE3∩E7为0.1498）成为交互影响最为显著的类型；旅游人力资源培养和经济水平的联动机制探索是促进以湘西为代表的红色旅游资源转化效率关注的重点。② 主导因子影响力分化的区域交互影响模式和组合类型复杂。其中，红色旅游产业综合提质增效区的内生能力因子交互作用显著，表现最为突出的类型为E3和E4（QE3∩E4为0.1279），成为该区域优势；而外部环境交互影响的短板为E7和E9（QE7∩E9为0.1005）。因此，适当疏解内生力能、提高政策制度供给和资本投入的互补路径是实现以衡阳为代表的红色旅游资源转化效率提升的重点。红色旅游资源效率转化升级区的外部环境交互作用以E6和E9（QE6∩E9为0.1213）为主导，但E4、E3和E7间的交互影响力明显较小。因此，提升内生能力的植入方式和外部环境的赋能模式成为促进该区域红色旅游资源转化效率增长的关键。红色旅游资源综合效能培育区的E4、E6和E9的内外交互作用明显处于弱势地位（QE4∩E9、QE6∩E9、QE4∩E6分别为0.0981、0.0936、0.0997），极化市场主体的活力、提升交通便利度和政策引导成为该区域破除红色旅游资源转化效率陷阱的重要手段。
表7 湖南省红色旅游资源转化效率提升模式

Table 7 The improvement mode of the transformation efficiency of red tourism resources in Hunan province

旅游效率分区 效率关联特征 影响因子特征 调控重点 具体方式 发展模式
红色旅游资源投产效率协同区 投产总效率高
资源转化效率高		 内外因子影响力均高且交互影响强 内生能力和外部环境协同发展 旅游科技创新和宏观政策引领 内外示范模式
红色旅游产业综合提质增效区 投产总效率低
资源转化效率高		 内外因子影响力中高等，内生能力交互作用强但外部环境交互作用弱 内生能力带动旅游效率空间溢出，外部环境提质增效 发挥旅游人才和市场辐射作用，促进经济和政策融合作用 内力辐射—外部互补模式
红色旅游资源效率转化升级区 投产总效率高
资源转化效率低		 内外因子影响力中等，外部环境交互作用强但内生能力交互作用弱 内生能力多样化植入，外部环境多路径赋能 扩大科技、人才和市场的规模效应，优化交通和政策赋能途径 内力植入—外部赋能模式
红色旅游资源综合产能提升区 投产总效率低
资源转化效率低		 内外因子影响力均低且交互影响弱 打破内生能力和外部环境低程度协同发展 提高经济发展水平，扩大旅游市场规模 内外极化模式
红色旅游资源综合效能培育区 投产总效率和资源转化效率空间扩散和集聚效应不显著 内外因子影响力和交互影响整体弱小且组合复杂多样 破除内生能力和外部环境低值空间陷阱 强化旅游资源空间联动，提高内外条件协作，培育旅游发展潜力 内外联动模式

3 结论与讨论

本文采用修正DEA模型、空间自相关方法、地理探测器模型等方法评价了2020年湖南省81个红色旅游景点的资源转化效率及其交互影响机制，得到以下结论：
（1）借鉴“昂普理论”开发的RMP-IO旅游效率评价指标遴选框架，可为红色旅游资源转化效率提供投入和产出指标遴选的分类依据，具有普适性。本文构建了“资源禀赋/旅游市场/产品效益—投入/产出”的多因子投产的红色旅游资源转化效率RMP-IO评价指标体系，该体系以红色旅游市场因子和旅游资源禀赋因子作为转化效率的投入指标，以旅游产品效益因子作为转化效率的产出指标。
（2）通过“效率”评价红色旅游资源状态，为综合评估红色旅游提供了一种新的视角。本文结合红色旅游资源投产效率和转化效率评价结果，完整呈现了湖南省红色旅游资源效率的真实状态。湖南省红色旅游资源投产效率均值为0.742，而转化效率均值仅为0.332，但二者均清晰地刻画出湖南省红色旅游资源效率空间上由东向西逐渐递减的空间特征。湖南省红色旅游资源投产效率结果显示：资源配置不合理和技术效率低下成为湖南省红色旅游资源投产效率的现实状况，规模扩张是实现红色旅游资源投产效率提升的主要方式。同时，湖南省红色旅游资源转化效率结果显示：旅游要素扩张模式是湖南省红色旅游资源转化效率的实现方式，旅游资源禀赋投入转化效率低成为制约红色旅游资源转化效率提升的主要原因。
（3）湖南省红色旅游资源投产效率和转化效率空间集聚特征显著，具备划分红色旅游资源效率分区的条件。基于投产效率和转化效率双变量空间关联类型，可将湖南省红色旅游资源效率类型划分成红色旅游资源投产效率协同区、红色旅游产业综合提质增效区、红色旅游资源效率转化升级区、红色旅游资源综合产能提升区和红色旅游资源综合效能培育区5种。
（4）内生能力因子成为影响红色旅游资源转化效率的主导因子，内外因子交互影响成为红色旅游资源转化效率空间分异的主要方式，可为调控红色旅游资源效率提供可行的发展方式和政策建议。交通网络条件、经济发展水平和政策支持力度三个外部环境因子作为红色旅游资源发展的基础，是转化效率变化的前提条件；而产品创新能力、人力资本质量和旅游市场规模三个内生能力因子作为红色旅游资源发展的核心竞争力，是转化效率变化的动力。内生能力与外部环境因子交互影响仍然是影响旅游资源转化效率不同分区最主要的方式，但呈现双因子组合影响类型差异化和组合影响模式多样化的地域特征。
本文以“昂普理论”为指导开发的红色旅游资源效率评价指标框架能将繁冗的旅游效率评价指标更具针对性、系统性和客观性地筛选，准确刻画红色旅游产品、旅游资源和旅游市场的投入产出关系，可较好地规避指标选择的主观性和随意性。同时，相较于传统DEA模型开展评价得到旅游资源投产的综合效率而言，应用修正DEA模型评价红色旅游资源转化效率，可针对非可变规模收益有效决策单元的综合效率进行分解，实现对单个投入和产出变量的单要素效率进行提取，规避了传统DEA模型固有的“黑箱”问题，弥补了其模型整体效率评价有偏性和非合理性的不足。
然而，本文仍然存在以下不足：首先，在选择湖南省81处典型红色旅游资源景点时，首要考虑到数据的可获取性问题，而湖南省红色旅游资源远不止如此体量，且通过较少的数据推断湖南省红色旅游资源效率的整体状态难免有失偏颇。其次，红色旅游业涉及广泛的行业部门和繁杂的数据指标，在选择红色旅游资源转化效率的“投入—产出”评价指标和“内生能力—外在环境”影响因子时为保证模型的运行，鉴于数据的可获取性，较多地选择了客观指标而可能丢失了部分重要的主观指标（如人员的管理水平、政府的治理能力、发展理念等），同时还存在对部分数据采用代理指标，可能导致结果失真。最后，旅游活动不仅能创造效益，同时也对生态环境形成负面影响，将环境的负产出（如：碳排放、废水排放、固体污染物排放等）纳入投产效率模型进行红色旅游资源转化效率评价，能更加真实地反映其实际状况，该内容将是未来研究的重点和方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
何昭丽, 王松茂. 中国旅游资源转换效率的时空演变及影响机理. 中国人口·资源与环境, 2020, 30(11): 185-193.

[HE Z L, WANG S M. Spatial-temporal evolution of China's tourism resource conversion efficiency and its impact mechanism. China Population, Resources and Environment, 2020, 30(11): 185-193.]

[2]
刘佳, 王娟, 奚一丹. 中国旅游经济增长质量的空间格局演化. 经济管理, 2016, 38(8): 160-173.

[LIU J, WANG J, XI Y D. The evaluation, pattern evolution and its influencing factors of the quality of tourism economic growth in China. Business and Management Journal, 2016, 38(8): 160-173.]

[3]
钞小静, 任保平. 中国经济增长质量的时序变化与地区差异分析. 经济研究, 2011, 57(4): 26-40.

[CHAO X J, REN B P. Analysis of time series changes and regional differences in the quality of China's economic growth. Economic Research Journal, 2011, 57(4): 26-40.]

[4]
王松茂, 褚玉静, 郭安禧, 等. “一带一路”沿线重点省份旅游经济高质量发展研究: 基于旅游资源转换效率的测度. 地理科学, 2020, 40(9): 1505-1512.

DOI

[WANG S M, CHU Y J, GUO A X, et al. Study on high quality development of tourism economy in 18 key provinces along the one belt and one road initiative: Based on the measurement of tourism resource conversion efficiency. Scientia Geographica Sinica, 2020, 40(9): 1505-1512.]

DOI

[5]
刘帅. 中国经济增长质量的地区差异与随机收敛. 数量经济技术经济研究, 2019, 36(9): 24-41.

[LIU S. Regional differences and stochastic convergence of the quality of China's economic growth. The Journal of Quantitative & Technical Economics, 2019, 36(9): 24-41.]

[6]
茹少峰, 魏博阳, 刘家旗. 以效率变革为核心的中国经济高质量发展的实现路径. 陕西师范大学学报: 哲学社会科学版, 2018, 47(3): 114-125.

[RU S F, WEI B Y, LIU J Q. The realization path of China's high-quality economic development with efficiency reform as the core. Journal of Shaanxi Normal University: Philosophy and Social Sciences Edition, 2018, 47(3): 114-125.]

[7]
许春晓, 唐慧, 孟圆圆, 等. 湖南红色旅游资源的共生势能. 自然资源学报, 2021, 36(7): 1718-1733.

[XU C X, TANG H, MENG Y Y, et al. Symbiosis potential energy of red tourism resources in Hunan. Journal of Natural Resources, 2021, 36(7): 1718-1733.]

DOI

[8]
BACOS I B, GABOR M R. Tourism economy mountain tourism: Quantitative analysis of winter destinations in Romania. Economics, 2021, 9(1): 1985-1999.

[9]
TANG R. Trade facilitation promoted the inbound tourism efficiency in Japan. Tourism Management Perspectives, 2021, 38: 899-912.

[10]
WANG Y B, WANG M Z, LI K M, et al. Analysis of the relationships between tourism efficiency and transport accessibility: A case study in Hubei province of China. Sustainability, 2021, 13(15): 99-124.

DOI

[11]
LI W B, ZHANG L, GUO R L. The measurement of tourism environmental pollution and tourism efficiency in Western China. Journal of Coastal Research, 2020, 104(s1): 657-671.

[12]
王松茂, 郭英之. 旅游扶贫效率评价模型构建及实证研究: 来自中国的经验证据. 社会科学家, 2018, 254: 88-97.

[WANG S M, GUO Y Z. Construction and empirical study of tourism poverty alleviation efficiency evaluation model: Empirical evidence from China. Social Scientist, 2018, 254: 88-97.]

[13]
SUN P P. Is the influence of Chinese local government act on tourism efficiency positive?. China Finance and Economic Review, 2019, 8(2): 88-109.

[14]
LIU Z L, LU C P, MAO J H, et al. Spatial-temporal heterogeneity and the related influencing factors of tourism efficiency in China. Sustainability, 2021, 13(11): 1052-1079.

DOI

[15]
WANG Z F, LIU Q F, XU J H, et al. Evolution characteristics of the spatial network structure of tourism efficiency in China: A province-level analysis. Journal of Destination Marketing & Management, 2020, 18: 559-583.

[16]
徐冬, 黄震方, 胡小海, 等. 浙江省县域旅游效率空间格局演变及其影响因素. 经济地理, 2018, 38(5): 197-207.

[XU D, HUANG Z F, HU X H, et al. The spatial pattern evolution and its influencing factors of county-scale tourism efficiency in Zhejiang province. Economic Geography, 2018, 38(5): 197-207.]

[17]
王坤, 黄震方, 曹芳东, 等. 泛长江三角洲城市旅游绩效空间格局演变及其影响因素. 自然资源学报, 2016, 31(7): 1149-1163.

[WANG K, HUANG Z F, CAO F D, et al. Spatial pattern evolution of urban tourism performance and its influence factors in Pan-Yangtze River Delta. Journal of Natural Resource, 2016, 31(7): 1149-1163.]

[18]
曹芳东, 黄震方, 余凤龙, 等. 国家级风景名胜区旅游效率空间格局动态演化及其驱动机制. 地理研究, 2014, 33(6): 1151-1166.

DOI

[CAO F D, HUANG Z F, YU F L, et al. The spatial evolution of travel efficiency of China's national scenic areas and its driving mechanism. Geographical Research, 2014, 33(6): 1151-1166.]

DOI

[19]
周海涛, 张雨惠, 宁小莉, 等. 内蒙古A级旅游景区时空分异特征及影响因素. 干旱区资源与环境, 2021, 35(12): 202-207.

[ZHOU H T, ZHANG Y H, NING X L, et al. Spatial-temporal differentiation characteristics of A-class tourist attractions in Inner Mongolia. Journal of Arid Land Resources and Environment, 2021, 35(12): 202-207.]

[20]
马晓龙, 保继刚. 中国主要城市旅游效率影响因素的演化. 经济地理, 2009, 29(7): 1203-1208.

[MA X L, BAO J G. Study on the evolution of Chinses primary cities' tourism efficiency influence factors. Economic Geography, 2009, 29(7): 1203-1208.]

[21]
潘秋玲, 宋玉强, 陈乐, 等. 陕西省县域旅游效率的空间格局及影响因素. 自然资源学报, 2021, 36(4): 866-878.

[PAN Q L, SONG Y Q, CHEN L, et al. The spatial pattern and influencing factors of county-scale tourism efficiency in Shaanxi province. Journal of Natural Resources, 2021, 36(4): 866-878.]

DOI

[22]
吴必虎, 区域旅游开发的RMP分析: 以河南省洛阳市为例. 地理研究, 2001, 20(1): 103-110.

[WU B H. An analytic framework of RMP for regional tourism development: A case study of Louyang city. Geographical Research, 2001, 20(1): 103-110.]

[23]
魏俊, 胡静, 朱磊, 等. 鄂皖两省旅游发展效率时空演化及影响机理. 经济地理, 2018, 38(8): 187-195.

[WEI J, HU J, ZHU L, et al. Spatial-temporal differentiation and influencing mechanism of tourism development efficiency in Hubei province and Anhui province. Economic Geography, 2018, 38(8): 187-195.]

DOI

[24]
邓洪波, 陆林. 基于DEA模型的安徽省城市旅游效率研究. 自然资源学报, 2014, 29(2): 314-323.

[DENG H B, LU L. The urban tourism efficiencies of cities in Anhui province based on DEA model. Journal of Natural Resources, 2014, 29(2): 314-323.]

[25]
李博, 秦欢, 余建辉. 中国省域旅游资源竞争力评价及其格局演变. 经济地理, 2019, 39(9): 231-240.

[LI B, QIN H, YU J H. Evaluation and pattern evolution of tourism resource competitiveness in China's province. Economic Geography, 2019, 39(9): 231-240.]

[26]
周颖, 王兆峰. 长江经济带旅游资源开发强度与生态能力耦合协调关系研究. 长江流域资源与环境, 2021, 30(1): 11-21.

[ZHOU Y, WANG Z F. Study on the coupling and coordination relationship between tourism resource development intensity and ecological capacity: A case study of in the Yangtze River Economic Belt. Resources and Environment in the Yangtze Basin, 2021, 30(1): 11-21.]

[27]
CHARNES A, COOPER W W, RHODES E. Measuring efficiency of decision making units. European Journal of Operational Research, 1978, 6(2): 429-444.

[28]
欧阳峣, 陈琦. “金砖国家”创新体系的技术效率与单因素效率评价. 数量经济技术经济研究, 2014, 31(5): 71-84.

[OUYANG Q, CHEN Q. Technical efficiency and one-factor efficiency evaluation of the BRICS innovation system. The Journal of Quantitative & Technical Economics, 2014, 31(5): 71-84.]

[29]
ANSELIN L. Local indicators of spatial association: LISA. Geographical Analysis, 1995, 27(2): 93-115.

DOI

[30]
马晓冬, 马荣华, 徐建刚. 基于ESDA-GIS的城镇群体空间结构. 地理学报, 2004, 59(6): 1048-1057.

[MA X D, MA R H, XU J G. Spatial structure of cities and towns with ESDA-GIS framework. Acta Geographica Sinica, 2004, 59(6): 1048-1057.]

DOI

[31]
MA L, JIN F J, SONG Z Y, et al. Spatial coupling analysis of regional economic development and environmental pollution in China. Journal of Geographical Sciences, 2013, 23(3): 525-537.

DOI

[32]
王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134.

DOI

[WANG J F, XU C D. Geodetector: Principle and prospective. Acta Geographica Sinica, 2017, 72(1): 116-134.]

DOI

[33]
廖颖, 王心源, 周俊明. 基于地理探测器的大熊猫生境适宜度评价模型及验证. 地球信息科学学报, 2016, 18(6): 767-778.

DOI

[LIAO Y, WANG X Y, ZHOU J M. Suitability assessment and validation of giant panda habitat based on geographical detector. Journal of Geoinformation Science, 2016, 18(6): 767-778.]

[34]
任国平, 刘黎明, 管青春, 等. 基于生活质量的大都市郊区乡村性评价及空间自相关类型划分. 农业工程学报, 2019, 35(7): 264-275.

[REN G P, LIU L M, GUAN Q C, et al. Rurality evaluation and spatial autocorrelation type classification based on quality of life in metropolitan suburbs. Transactions of the CSAE, 2019, 35(7): 264-275.]

[35]
刘建国, 张文忠. 中国区域全要素生产率的空间溢出关联效应研究. 地理科学, 2014, 34(5): 522-530.

DOI

[LIU J G, ZHANG W Z. The spatial spillover effects of regional total factor productivity in China. Scientia Geographica Sinica, 2014, 34(5): 522-530.]

Options
文章导航

/

〈 〉