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
|
|
胡森林, 焦世泰, 张晓奇
|
Spatio-temporal evolution and influencing factors of China's tourism development: Based on the non-static spatial Markov chain model
|
|
HU Sen-lin, JIAO Shi-tai, ZHANG Xiao-qi
|
|
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）
|
Table 4 Regression results of dynamic spatial Markov chains (transfer out from low/medium level)
|
|
| 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 |
|
|
|