EN中文

经济地理 >

2020 , Vol. 40 >Issue 4: 19 - 27

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.04.003

黄河流域高质量发展专栏

黄河流域旅游经济空间分异格局及影响因素

  • 薛明月 , 1, 2 ,
  • 王成新 , 1, 2, ※ ,
  • 赵金丽 1, 2 ,
  • 李梦程 1, 2
展开
  • 1.山东师范大学 地理与环境学院，中国山东 济南 250358
  • 2.山东省高校人地协调与绿色发展协同创新中心，中国山东 济南 250358
※王成新（1971—），男，山东新泰人，教授，博士生导师。主要研究方向为城市化与区域发展。E-mail：。

薛明月（1992—），女，陕西铜川人，博士研究生。主要研究方向为城市化与区域发展。E-mail：。

收稿日期: 2019-12-13

  修回日期: 2020-04-08

  网络出版日期: 2025-04-08

基金资助

国家自然科学基金项目(41371170)

山东省自然科学基金项目(ZR2019MD043)

收起

Spatial Differentiation Pattern and Influencing Factors of Tourism Economy in the Yellow River Basin

  • XUE Mingyue , 1, 2 ,
  • WANG Chengxin , 1, 2, ※ ,
  • ZHAO Jinli 1, 2 ,
  • LI Mengcheng 1, 2
Expand
  • 1. College of Geography and Environment，Shandong Normal University，Jinan 250358，Shandong，China
  • 2. Collaborative Innovation Center of Human-Nature and Green Development in Universities of Shandong，Jinan 250358，Shandong，China

Received date: 2019-12-13

  Revised date: 2020-04-08

  Online published: 2025-04-08

Fold

摘要

黄河流域旅游经济协调发展是推动其高质量发展的重要环节。以黄河流域91个地市（州、盟）为研究单元，选取2005、2009、2013、2017年截面数据，采用ESDA、空间变差函数等方法探究黄河流域旅游经济的空间分异格局，并结合最小二乘法（OLS）和地理加权回归（GWR）模型定量分析其空间分异的影响因素。结果表明：①黄河流域旅游经济具有较强的空间依赖性，呈现H-H和L-L集聚分布的空间态势，其中L-L集聚区范围不断缩小，H-H集聚区从黄河下游地区向黄河中游地区逐渐延伸；②黄河流域旅游经济差异不断缩小，由空间自相关引起的结构化分异不断增强，东—西向成为其旅游经济空间分异的主要方向；③交通区位条件、旅游服务设施、旅游资源禀赋是影响黄河流域各地市旅游经济发展的主要因素且各影响因素存在显著的空间分异性。

关键词： 空间变差函数; 地理加权回归; 旅游经济; 黄河流域; 旅游资源; 旅游服务设施; 交通条件

本文引用格式

薛明月 , 王成新 , 赵金丽 , 李梦程 . 黄河流域旅游经济空间分异格局及影响因素[J]. 经济地理, 2020 , 40(4) : 19 -27 . DOI: 10.15957/j.cnki.jjdl.2020.04.003

Abstract

The coordinated development of tourism economy in the Yellow River basin is an important link to promote its high-quality development. With 91 cities of the Yellow River basin (state,au) as the research unit,selection of cross-section data in 2005,2009,2013,2017,by adopting the method of ESDA,spatial variation functions to explore space differentiation pattern of tourism economy in the Yellow River,and combining with the least squares (OLS) and geographically weighted regression (GWR) model for quantitative analysis of the influence factors of spatial differentiation. The results show that: 1) the tourism economy in the Yellow River basin has a strong spatial dependence,showing a spatial trend of h-h and l-l agglomeration distribution,in which the l-l agglomeration area keeps shrinking and the h-h agglomeration area gradually extends from the lower reaches of the Yellow River to the middle reaches of the Yellow River. 2) the difference of tourism economy in the Yellow River basin keeps shrinking,and the structural differentiation caused by spatial autocorrelation keeps increasing,with east-west becoming the main direction of spatial differentiation of tourism economy; 3) location and traffic conditions,tourism service facilities and tourism resource endowment are the main factors affecting the development of tourism economy in cities in the Yellow River basin; However,there is significant spatial differentiation among the influencing factors.

Key words： spatial variation function; Geographical Weighted Regression; tourism economy; the Yellow River basin; tourism resources; tourism service facilities; traffic conditions

经济空间分异是区域空间结构研究的重要内容之一。随着我国主要矛盾转变为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，区域经济发展不平衡成为普遍关注的研究热点。2018年国务院发布的《关于促进全域旅游发展的指导意见》中指出，旅游业已成为国民经济的战略性支柱产业，但因各地区旅游资源禀赋、社会经济、交通区位、基础设施等条件的差异导致旅游经济发展的空间不均衡。因此，开展区域旅游经济差异的空间结构演变及其影响因素的研究，对于认清区域旅游经济发展问题，探讨区域旅游经济发展差异的影响因素，促进区域旅游经济稳定、协调、可持续发展，有效发挥旅游业在区域经济中的推动作用，具有重要的理论与实践意义。
长期以来，旅游经济差异一直是国内外旅游研究的热点问题，国内外相关学者也取得了丰富的成果。研究内容不断丰富，由传统的度量区域旅游经济差异[1⇓⇓-4]转变为探究区域旅游经济差异的时空分异规律[5⇓⇓-8]和挖掘区域旅游经济差异的影响因素及驱动机制[9⇓⇓⇓⇓-14]；研究方法日益完善，并呈现多元化趋势，从采用泰尔指数、赫芬达尔指数、变异系数、标准差等[15⇓-17]传统方法向空间自相关以及主成分分析法[18]等方法转变。此外，针对区域旅游经济差异影响因素的探测由最初的定性分析转向采用多元线性回归分析[19]、地理探测器[20]、空间计量模型[10]等方法的定量化分析；研究指标选取更加全面，由最初的单一指标向复合指标逐层递进，如从选取人均旅游收入[21]、国内旅游收入[22]、旅游外汇收入[23]、旅游总收入[24]等单一指标向兼具国内旅游收入和旅游外汇收入的复合指标测度区域旅游经济差异[9]。研究尺度不断细化，由城市群尺度[25]细化为省域尺度[26]、市域[27]及县域[28]尺度。综上所述，无论是方法的选取，还是研究视角和研究内容方面均取得了丰硕成果，为进一步开展旅游经济差异研究提供了重要参考。但仍存在一些不足，已有研究多从宏观尺度入手或以经济较发达的地区为主，鲜有学者对流域这一空间尺度的旅游经济差异进行系统分析和深入探究，而流域作为特殊的地理单元，其空间具有整体性、区段性和差异性等特征[29]，旅游经济在流域地理单元上的空间规律如何呈现，是否符合流域这一特殊地理单元特性，此类问题的研究对于流域内旅游经济的协调可持续发展具有重要的指导意义。
黄河流域是我国重要的经济地带，旅游经济作为黄河流域高质量发展的一个重要方面，对促进流域经济协调发展具有重要作用。基于此，本文以黄河流域作为研究区域，运用探索性空间数据分析（Exploratory Spatial Data Analysis，ESDA）和空间变差函数方法对2005—2017年黄河流域旅游经济的空间分异格局进行分析，并引入地理加权回归模型，探讨影响其空间分异的因素，一方面可为各地区认清自身旅游业发展现状，制定区域化、科学化、差异化的旅游发展策略提供借鉴；另一方面，为促进流域全域旅游业高效、持续、稳定、健康发展，助力黄河流域实现高质量发展提供科学参考。

1 研究方法与数据来源

1.1 数据来源

以黄河流域的青海省、甘肃省、宁夏回族自治区、内蒙古自治区、山西省、陕西省、河南省和山东省8省区中的91个地级市（州、盟）作为研究区域，其中，内蒙古自治区不包含东四盟，即呼伦贝尔市、通辽市、赤峰市和兴安盟（图1）。以2005—2017年为时间序列，考虑到数据的准确性、连续性以及可获得性，采用各地市（州、盟）国内旅游收入来反映区域旅游经济发展水平。文中数据来源于《中国区域经济统计年鉴》（2006—2014）、2006—2018年各省（自治区）统计年鉴及国民经济和社会发展统计公报。
图1 黄河流域地市（州、盟）区位图

Fig.1 Regional location map of the Yellow River basin

1.2 研究方法

1.2.1 探索性空间数据分析

探索性空间数据分析（Exploratory Spatial Data Analysis，ESDA）是一系列空间数据分析方法的统称，广泛应用于地理空间数据的分析中。该方法主要通过对空间数据的描述和可视化来表现空间关联，聚类或热点的模式，揭示研究对象间的相互作用机制。

1.2.2 空间变差函数

空间变差函数又称半变异函数，是描述区域化变量随机性和结构性的基本手段，也是用来测度空间变异规律和空间结构特征的有效工具[30]，可更好地反映地理变量的空间变异性及其相关性。基于此，本文引入空间变差函数来分析黄河流域各地区旅游发展的空间分异规律，其计算公式[31]如下：
γ h = 1 2 N h ∑ i = 1 N h Z x i - Z x i + h 2
式中： N h为分割距离h的样本量； Z x i和 Z x i + h分别是 Z x在空间单元 x i和 x i + h上的国内旅游收入值。空间变差函数主要由块金值（C0）、基台值（C0+C）、偏基台值（C），变程（a）、块金系数（C0/（C0+C）5个参数构成。常用的半变异拟合模型主要有高斯模型（Gaussian）、指数模型（Exponential）、球形模型（Spherical）、线性模型（Linear）等。
此外，分维数（D）也是空间变差函数的一个重要参数，其数值大小由 γ h与间隔距离h决定，二者关系式为：
2 γ h = h 4 - 2 D
式中：分维数（D）为双对数直线回归方程斜率，反映空间变异强度，其值越大，表示由结构性因子引起空间异质性越高，反之，由随机型因子引起的空间异质性越大；其值越接近2，说明空间分布越均衡[32⇓-34]。

1.2.3 地理加权回归

地理加权回归（Geographically Weighted Regression，GWR），是对普通最小二乘法（Ordinary Least Squares，OLS）线性回归的扩展，重点考虑了回归系数在地理空间上的差异性和变异性。该方法将数据的空间特性纳入模型中，旨在探索各影响因素在不同地理位置的空间变异特征及规律[16]。

2 黄河流域旅游经济空间演变格局

2.1 黄河流域旅游经济空间关联格局演变特征

2.1.1 全局空间关联格局

以2005、2009、2013、2017年国内旅游收入为基础数据，借助Open GeoDa软件测度黄河流域国内旅游收入Moran's I值和标准化的Z值（表1）。研究发现，全局Moran′s I指数均为正值，4年均通过5%显著性水平的Z检验，表明2005年以来，黄河流域旅游经济呈现显著的空间集聚特征。从动态演变趋势来看，Moran′s I指数伴有先增大后减少的小幅波动趋势，空间差异呈现出一定的阶段性特征，2005—2009年，Moran′s I指数由0.2759上升至0.3263，处于快速上升阶段，表明流域内各地区旅游经济发展水平高的地区集聚态势增强，旅游经济发展水平低的地区集聚态势也在增强，空间发展差异渐趋显著；2009—2017年，Moran′s I指数由0.3263下降至0.2843，处于逐步下降阶段，空间集聚态势减弱，空间发展差异的显著性降低。
表1 2005、2009、2013、2017年黄河流域国内旅游收入全局Moran′s I值

Tab.1 Global Moran's I value of domestic tourism income in the Yellow River basin in 2005, 2009, 2013 and 2017

时间 Moran′s I P值 Z得分
2005 0.2759 0.003 4.2687
2009 0.3263 0.001 4.9789
2013 0.3031 0.001 4.8947
2017 0.2843 0.001 4.6260

2.1.2 局部空间关联格局

由于全局空间自相关存在忽略了空间过程的潜在不稳定性的问题[35]，为进一步考量黄河流域地区旅游经济的空间分异格局，借助Open GeoDa软件得到黄河流域旅游经济的局部LISA集聚图（图2）。由图2可看出，黄河流域各地市旅游经济总体空间格局相对稳定，局部上表现出H-H和L-L集聚的两级分化格局。2005—2017年，黄河流域旅游经济的H-H区由黄河下游逐渐向黄河中游延伸，空间范围不断扩大，集聚程度逐渐增强，说明黄河流域中、下游地区的旅游发展水平在不断提高。L-L区集中在黄河上游的青海省、甘肃省和宁夏回族自治区，随着时间的变化，L-L区由大面积组团状向小范围条状演变，空间范围呈现逐年缩小的态势，说明黄河上游地区的旅游业发展初见成效。L-H区呈现先增后减的态势，整体波动较大，其空间范不断减小。H-L区总体变化不大，以黄河流域上游的兰州市为主，空间分布较稳定，该市旅游经济水平较高，但与更高水平旅游经济发展地区相比仍存在一定的差距，未来有较大的增长空间，且该地区旅游经济发展对周边地区的带动作用十分有限，呈现出一定的极化效应，导致周边地区形成与之相背离的L-L区。
图2 2005、2009、2013、2017年黄河流域旅游经济LISA空间聚类图

Fig.2 LISA spatial cluster of tourism economy in the Yellow River basin in 2005, 2009, 2013 and 2017

2.2 黄河流域旅游经济的空间分异格局演变机理

为进一步解析黄河流域旅游经济的空间格局，选取2005、2009、2013、2017年的国内旅游收入作为空间地理变量赋值于各地市级单元的空间几何中心点，采样步长为14.22km，借助GS+7.0软件分别计算各年份空间变差函数值。为降低比例效应，对数据进行对数转换后呈正态分布，然后对变差函数进行测度，运用拟合度较高的模型对样本数据点进行拟合估计（表2），分别计算各年份不同方向上的分维数（表3），并对其进行克里格（Kriging）插值（图3）。
表2 2005、2009、2013、2017年黄河流域旅游经济变差函数拟合参数

Tab.2 The parameter of tourism economic variation function fitting in the Yellow River basin in 2005, 2009, 2013 and 2017

年份 变程α 块金值C0 基台值C0+C 块金系数C/（C0+C） 拟合模型 拟合系数R2
2005 24.768 0.930 6.869 0.865 Gaussian 0.934
2009 27.158 0.830 5.669 0.854 Gaussian 0.907
2013 26.465 0.860 4.730 0.818 Gaussian 0.899
2017 30.241 0.890 3.790 0.765 Gaussian 0.895
表3 不同方向上的黄河流域旅游经济变差函数分维数

Tab.3 Fractal dimension of tourism economic variation function of the Yellow River basin in different directions

年份 全方向 南—北（0°） 东北—西南（45°） 东—西（90°） 东南—西北（135°）
D R2 D R2 D R2 D R2 D R2
国内旅
游收入		 2005 1.744 0.713 1.998 0.000 1.780 0.569 1.733 0.795 1.820 0.516
2009 1.788 0.598 1.920 0.043 1.860 0.298 1.774 0.705 1.848 0.461
2013 1.807 0.599 1.865 0.062 1.856 0.281 1.801 0.686 1.902 0.351
2017 1.854 0.622 1.909 0.052 1.859 0.328 1.849 0.691 1.984 0.015
图3 2005、2009、2013、2017年黄河流域旅游经济变差函数拟合和Kriging3D插值模拟

Fig.3 Kriging interpolation simulation of tourism economic variation function in the Yellow River basin in 2005, 2009, 2013 and 2017

由块金值、基台值和块金系数的变化程度来看（表2），2005—2017年块金值和基台值整体看均呈现下降趋势，表明黄河流域旅游经济空间分异程度不断减弱；块金系数逐年减小，说明在逐渐缩小的黄河流域旅游经济空间差异中，由空间自相关引起的结构化分异不断增强。变程α参数不断增大，说明黄河流域旅游经济空间效应的范围逐渐扩大，由结构化引起的空间自相关性作用范围逐渐扩大，流域内旅游经济受核心区域影响力逐渐增强，溢出效应显著，各地市间的关联作用强度不断增强。从空间变差函数拟合的最优模型来看，利用最小二乘法拟合的4年份空间变差模型均为高斯模型，模型的拟合系数总体为上升趋势，表明黄河流域旅游经济空间分异演变表现出较好的连续性和稳定性特征，黄河流域旅游经济空间自组织性逐年增强。
从变差函数的分维数来看（表3），全方向上的分维数呈不断上升趋势，逐渐接近理想值2，表明黄河流域旅游经济空间差异在不断缩小。从不同方向的分维数来看，南—北向上的分维数最大，呈先降后升趋势，决定系数最小却不断增大，说明黄河流域旅游经济在该方向上的空间差异持续减弱，旅游经济发展水平相对均衡；东—西向分维数拟合程度最大，分维数最小且呈缓慢上升趋势，偏离理想均值较大，说明黄河流域旅游经济在此方向上空间变异持续强化且具有明显的迁移现象，成为黄河流域旅游经济空间差异的主要方向；东北—西南向分维数拟合程度先减后增，分维数呈波动上升趋势，说明此方向上旅游经济的空间格局变异性减弱；东南—西北方向上分维数决定系数不断降低，分维数呈不断上升态势，旅游经济在该方向上的空间异质性持续增强，分异程度不断扩大。Kriging插值3D拟合图（图3）进一步揭示了黄河流域不同行政单元旅游经济的空间分布格局、内在分布形态以及演化机理。在空间格局演化过程中，黄河流域旅游经济发展水平整体呈现东高西低的分布格局，形态由梯度分异的旅游经济发展格局稳步向结构相对均衡的态势过渡，形成以黄河下游地区带动流域旅游经济整体发展的趋势，且高值区在自东向西的方向上具有明显的迁移现象。

3 黄河流域旅游经济空间分异的影响因素

3.1 指标要素选取

旅游经济空间分异特征与区域旅游发展要素息息相关。相关研究表明区域旅游经济空间分异受诸多因素综合作用的影响，如资源、经济、交通、政策等。借鉴已有学者研究[9]，遵循区域特殊性和数据可获取性等原则，选取以下指标要素作为影响黄河流域旅游经济空间差异的因素：①区域经济发展，采用人均GDP来表示。②旅游资源禀赋，选取世界遗产地、国家级风景名胜区、4A级以上旅游景区数量分别赋值4、2、1权重综合得分[36]来表示。③交通区位条件，选取公路密度来反映地区交通设施完善程度来表征。④旅游服务设施，采用星级饭店数量来代替。⑤产业结构，选取第三产业占GDP的比重来表征。考虑到数据的可获取性和GWR模型适用于截面数据的特性，本文选取2005—2017年中4个年份影响因素指标值的平均数，并且采用极差标准化处理以消除量纲。

3.2 OLS模型及结果

分别选取国内旅游收入作为被解释变量，以区域经济发展、旅游资源禀赋、交通区位条件、旅游服务设施、产业结构作为解释变量，构建回归模型。首先，需通过OLS线性回归模型来观测被解释变量对解释变量的影响程度、显著性水平等要素，结果见表4。通过结果看出方差膨胀因子（Variance Inflation Factor，VIF）均远低于7.5，表明方程中各变量之间未存在多重线性问题。方程拟合优度为0.849，联合F通过0.05水平的显著性检验，表明建模方程不存在异方差。通过观察回归结果中P值可发现，公路密度、星级饭店数量、旅游资源综合得分均通过了0.05水平的显著性检验，说明以上3个变量对黄河流域旅游经济差异均有显著影响，而人均GDP和第三产业占比皆未通过显著性检验。
表4 黄河流域旅游经济差异OLS回归结果

Tab.4 OLS regression results of tourism economic differences in the Yellow River basin

模型参数 系数 T值 P值 标准差 VIF
人均GDP 0.063 1.190 0.237 0.052 1.207
公路密度 0.143 4.112 0.000* 0.035 1.228
第三产业占比 0.071 1.388 0.169 0.051 1.464
星级饭店数量 0.523 6.854 0.000* 0.076 2.498
旅游资源综合得分 0.512 6.672 0.000* 0.077 2.272
R2 0.849
Adjusted R2 0.840
Join F （P） 0.000*
Jarque-Bera Test 19.844
AICC -182.478

注：“*”表示通过0.05水平的显著性检验（P<0.05）。

3.3 GWR模型及结果

考虑到OLS线性回归模型仅关注回归系数全局特征的局限性，本文通过构建GWR模型进一步分析黄河流域旅游经济差异影响因素的局部效应，借助ArcGIS软件中GWR工具进行地理加权回归分析。结果见表5，GWR模型的拟合优度为0.909，AICC值为-205.537。通过比较表4和表5两种模型结果可发现，GWR模型拟合效果明显优于OLS模型。根据已有研究成果[37]，若GWR模型与OLS模型的AICC差值大于3，则表明GWR模型拟合效果更优，GWR的AICC值远低于OLS模型的AICC值，进一步反映了采用GWR模型的合理性。
表5 黄河流域旅游经济差异的GWR模型参数

Tab.5 Parameters of GWR model for tourism economic difference in the Yellow River basin

模型参数 数值
Bandwidth 6.766
Residual Squares 0.364
Effective Number 18.863
Sigma 0.071
AICC -205.537
R2 0.909
Adjusted R2 0.887
GWR模型结果显示了黄河流域每个空间单元的特定系数。表6为各系数值五分位的描述性统计。从最大值和最小值可看出，各解释变量在空间上的变异性较大，中位数与平均值较接近，可知此回归在空间范围内的影响性质趋同。基于GWR模型回归系数结果，运用ArcGIS软件采用自然断裂点法对其进行空间可视化表达（图4），进一步刻画各影响因素回归系数的空间分异。如图4所示自变量的回归系数空间分布可看出，影响在空间上表现出的差异非常显著，这也反映了不同影响因素对黄河流域旅游经济发展具有空间异质性。
表6 GWR模型回归系数的描述性统计

Tab.6 Descriptive statistics of regression coefficients of GWR model

模型参数 最大值 最小值 平均值 上四分位值 下四分位值 中位值
公路密度 0.253 0.060 0.127 0.136 0.117 0.107
星级饭店数量 0.691 0.176 0.556 0.584 0.528 0.598
旅游资源综合得分 0.545 0.227 0.460 0.470 0.449 0.466
图4 黄河流域GWR模型影响因子的回归系数空间分异

Fig.4 Spatial differentiation of regression coefficients of impact factors of the GWR model in the Yellow River basin

3.3.1 旅游服务设施影响作用的空间分异

旅游服务设施对黄河流域旅游经济空间分异的影响最大。从星级饭店数量回归系数的空间分布来看（图4a），回归系数整体形成以黄河中游为核心区，逐渐向黄河上游、下游扩散的“核心—外围”式分布结构，与黄河流域旅游经济的空间分异演变格局相一致，表明旅游服务设施在局部旅游经济高值区的影响力强于低值区的影响力。其中，高值区集中在山西省、陕西省，回归系数在0.6329~0.6913之间，表明旅游服务设施对这些地区旅游经济发展具有较强的促进作用，此类地区的旅游经济发展对旅游服务设施具有高度的依赖度，今后应进一步提升旅游服务设施的质量，提高游客满意度，提升旅游发展潜力。低值区主要集中在青海省和甘肃省，影响系数范围为0.2269~0.4345之间，表明旅游服务设施对这些地区旅游经济发展促进作用低，此类区域位于落后的西北地区，旅游业发展的软实力和市场发育程度均较低，限制了旅游的接待能力，难以满足旅游发展需求，今后应继续完善旅游服务设施，提升旅游服务品质，满足不同游客的旅游需求。

3.3.2 旅游资源禀赋影响作用的空间分异

旅游资源禀赋是黄河流域旅游经济空间分异的第二大影响因素。从旅游资源综合得分的回归系数空间分布来看（图4b），回归系数整体形成以黄河中游为核心区，逐渐向黄河上游、下游扩散的空间结构。其中，高值区主要集中以甘肃省、宁夏回族自治区、山东省，回归系数范围在0.4684~0.5456之间，表明高品质旅游资源的数量不仅对这些地区旅游经济发展具有较高的促进作用，也成为其旅游经济发展的重要依赖因素。增加此类地区高质量旅游资源数量和品类，打造全国乃至世界级的特色旅游精品，提高旅游吸引力，是制定此类区域旅游经济发展战略的重要出发点。低值区集中在青海省和内蒙古自治区，回归系数范围在0.2269~0.4555之间，表明高品质旅游资源的数量对这些地区旅游经济发展促进作用较低，此类地区缺乏区位和先发优势，也不具备黄河中下游地区资源禀赋的先天条件，资源的欠缺加剧了区域旅游经济发展的失衡。

3.3.3 交通区位条件影响作用的空间分异

交通区位条件对黄河流域旅游经济空间分异具有影响作用。从公路密度的回归系数空间分布来看（图4c），回归系数总体呈现以黄河上游地区为核心，逐渐向中、下游扩散的圈层式分布结构，影响系数范围在0.0606~0.2528之间。其中，公路密度高值区主要分布在青海省、甘肃省、宁夏回族自治区，回归系数范围在0.1206~0.2528之间，低值区集中在山东省，回归系数范围在0.0606~0.0945之间，说明交通区位条件在黄河上游地区旅游经济发展中占据重要地位，其影响作用强度远高于黄河中下游地区。可见，区位交通条件的优劣是黄河上游地区吸引游客的主要因素，也是该区域旅游经济赖以发展的重要条件，今后，在旅游业的发展中，加强旅游交通与旅游景点的互联互动，完善交通路网建设，提高旅游目的地可进入性，将吸引更多游客，带来更多的旅游经济收入。

4 结论与讨论

本文以黄河流域91个地市（州、盟）为研究单元，选取2005、2009、2013、2017年截面数据，采用ESDA、空间变差函数、克里格插值等方法探究黄河流域旅游经济差异的空间格局演变特征，并结合地理加权回归模型定量分析黄河流域旅游经济空间分异的影响因素。结论如下：
①2005—2017年，黄河流域各地市旅游经济具有显著的空间相关性。全局空间差异呈现出一定的阶段性特征，91个地市旅游经济发展水平存在高值和低值集聚的空间分布态势；局部空间格局呈H-H和L-L集聚的两级分化格局，H-H区主要分布在黄河下游地区，呈由黄河下游地区逐渐向黄河中游地区延伸的态势，L-L区主要分布在黄河上游地区，随着时间的推移，集聚范围逐渐减小。
②2005—2017年，黄河流域旅游经济空间自组织性逐渐增强，由空间自相关因素引起的结构化分异在不断增强。其中，黄河流域旅游经济差异在全方向上呈不断缩小态势，东—西方向成为流域旅游经济空间差异的主要方向，南—北向上空间差异较为均衡，东北—西南向空间变异减弱；东南—西北方向上空间分异程度不断扩大。
③黄河流域旅游经济空间分异受诸多因素的影响，通过对比OLS模型和GWR模型回归结果发现，GWR模型相较OLS模型更具优越性，其结果表明交通区位条件、旅游服务设施、旅游资源禀赋对黄河流域旅游经济空间分异具有显著影响，各影响因素存在明显的强度差异和空间分异性，其中，旅游服务设施和旅游资源禀赋的影响强度远高于交通区位条件，表明这两项因素是影响黄河流域旅游经济空间分异的主要因素。
近年来，我国旅游经济快速增长，产业格局日渐完善，旅游业已成为我国国民经济的战略性支柱产业。黄河流域是我国重要的经济地带，旅游经济是黄河流域高质量发展的一个重要方面。对黄河流域这一特殊地理单元旅游经济开展探索，不论是从理论层面还是实践视角都具有重要意义。本文基于地理学视角，采用定性和定量相结合的方式开展黄河流域旅游经济的空间格局演变及其影响因素的深入研究，客观合理地厘清黄河流域市域旅游经济的发展演变路径、明晰未来发展脉络，可对各区域编制相关规划、制定旅游业相关政策、推进黄河流域尽快实现高质量发展目标提供科学指导。研究发现不同区域因其旅游资源禀赋、旅游服务设施数量的不同而导致旅游经济存在显著的空间不均衡，从而形成明显的两级分化格局。尽管当前关于旅游经济的研究已相对成熟，但针对黄河流域这一特殊地理单元的研究仍然缺乏，应给予足够重视。黄河流域作为特殊的地理单元，上、中、下游在地理条件、自然资源、历史发展等方面均存在较大差异，表现出流域经济的区段性、差异性和复杂性，如何根据不同区域旅游发展阶段及发展实际，制定具有可针对性和可操作性的旅游发展策略，促进黄河流域协调发展，推动高质量发展，将成为今后需深入研究的课题。此外，影响黄河流域内各区域旅游经济空间差异的因素多种多样，本文仅选取了五个主要因素开展研究。今后可从政府导向、文化驱动、游客需求等方面增加定性分析，综合多方面因素，构建更加系统的表征指标，开展多尺度、多时序与众源数据的相互融合研究，对区域旅游经济空间分异的形成机理以及驱动机制进行更加深入、全面的阐释。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陆林, 余凤龙. 中国旅游经济差异的空间特征分析[J]. 经济地理, 2005, 25(3):406-410.

[2]
汪德根, 陈田. 中国旅游经济区域差异的空间分析[J]. 地理科学, 2011, 31(5):528-536.

[3]
胡文海, 孙建平, 余菲菲. 安徽省区域旅游经济发展的时空格局演变[J]. 地理研究, 2015, 34(9):1795-1806.

DOI

[4]
Roberto C, Tiziana C. The economic resilience of tourism indus-try in Italy:What the “Great-Recession” data show[J]. Tourism Management Perspectives, 2015, 16(10):346-356.

[5]
李在军, 管卫华, 蒲英霞, 等. 山东省旅游经济的时空演变格局探究[J]. 经济地理, 2013, 33(7):176-181.

[6]
吴冰, 马耀峰, 高楠. 基于Theil指数的陕西入境旅游经济区域时空差异研究[J]. 干旱区资源与环境, 2013, 27(7):186-191.

[7]
鄢慧丽, 徐帆, 熊浩, 等. 基于新经济地理“3D”框架的旅游经济空间结构特征分析——以长江三角洲地区为例[J]. 人文地理, 2020, 35(1):76-84.

[8]
薛晨浩, 任婕, 李陇堂. 西部地区入境旅游经济时空格局特征及影响因素[J]. 宁夏社会科学, 2019(6):83-89.

[9]
吴媛媛, 宋玉祥. 中国旅游经济空间格局演变特征及其影响因素分析[J]. 地理科学, 2018, 38(9):1491-1498.

DOI

[10]
朱海艳, 孙根年, 李君轶. 中国31省市国内旅游经济差异影响因素的空间计量研究[J]. 干旱区资源与环境, 2019, 33(5):197-202.

[11]
隋建利, 张亿萍. 中国区域旅游经济周期的动态路径演化识别[J]. 旅游学刊, 2020, 35(1):63-77.

[12]
关伟, 郝金连. 东北地区旅游经济影响因素时空特征研究[J]. 地理科学, 2018, 38(6):935-943.

DOI

[13]
Md, Samsul, Alam, et al. The impact of tourism on income in-equality in developing economies:does Kuznets curve hypothesis exist?[J]. Annals of Tourism Research, 2016, 61:111-126.

[14]
张生瑞, 王英杰, 鞠洪润, 等. 中国陆地边境旅游发展区域差异及其影响因素[J]. 地理研究, 2020, 39(2):414-429.

DOI

[15]
Fayissa B, Nsiah C. The impact of remittances on economic growth and development in Africa[J]. The American Economist, 2010, 55(2):92-103.

[16]
吴良平, 张健. 中国入境旅游区域差异的衡量及演变分析[J]. 旅游科学, 2015, 29(6):1-14.

[17]
马丽君, 张家凤. 区域旅游发展空间差异变化对经济发展平衡性的影响[J]. 经济地理, 2020, 40(1):197-203.

[18]
马仁锋, 倪欣欣, 张文忠, 等. 浙江旅游经济时空差异的多尺度研究[J]. 经济地理, 2015, 35(7):176-182.

[19]
马斌斌, 陈兴鹏, 鲁小波, 等. 丝绸之路经济带背景下基于入境旅游时空差异视角的西北五省国际旅游目的地协同发展研究[J]. 新疆大学学报:哲学·人文社会科学版, 2019, 47(5):1-8.

[20]
冯迎, 张军民. 基于ESDA的新疆旅游经济发展空间分异规律研究[J]. 旅游科学, 2016, 30(2):68-78.

[21]
刘海军, 崔东, 孙国军, 等. 新疆旅游经济时空差异及其驱动因子[J]. 地域研究与开发, 2018, 37(6):88-92.

[22]
程金龙. 中国区域旅游经济差异演变及主导因素分析[J]. 华东经济管理, 2018, 32(12):56-62.

[23]
孙盼盼, 戴学锋. 中国区域旅游经济差异的空间统计分析[J]. 旅游科学, 2014, 28(2):35-48.

[24]
程进, 陆林. 安徽省区域旅游经济差异研究[J]. 安徽师范大学学报:自然科学版, 2010, 33(1):81-85.

[25]
张鲜鲜, 左颖, 李婧晗, 等. 长三角城市群旅游发展空间格局及影响因素[J]. 统计与决策, 2020, 36(1):100-104.

[26]
李红波, 曾文, 周叶青, 等. 中国沿海地区入境旅游经济的时空差异研究[J]. 中国人口·资源与环境, 2013, 23(S1):150-153.

[27]
孙根年, 潘潘. 陕西十地市旅游业发展的地区差异及其影响因素分析[J]. 干旱区资源与环境, 2013, 27(11):184-191.

[28]
朱怡婷, 熊黑钢, 白洋, 等. 边疆旅游地县域旅游经济时空变迁及驱动机制研究——新疆案例[J]. 干旱区地理, 2019, 42(2):392-403.

[29]
钱乐祥, 许叔明, 秦奋. 流域空间经济分析与西部发展战略[J]. 地理科学进展, 2000, 19(3):266-272.

[30]
陈利, 朱喜钢, 杨阳, 等. 基于空间计量的云南省县域经济空间格局演变[J]. 经济地理, 2017, 37(1):40-49.

[31]
靳诚, 陆玉麒. 基于县域单元的江苏省经济空间格局演化[J]. 地理学报, 2009, 64(6):713-724.

[32]
杨忍, 罗秀丽, 陈燕纯. 中国县域乡村地域多功能格局及影响因素识别[J]. 地理科学进展, 2019, 38(9):1316-1328.

DOI

[33]
王政权. 地统计学及其在生态学中的应用[M]. 北京: 科学出版社, 1999.

[34]
姜海宁. 泛长江三角洲FDI空间格局演化研究[J]. 人文地理, 2015, 30(6):126-131,145.

[35]
徐建华. 计量地理学[M]. 北京: 高等教育出版社, 2014.

[36]
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[J]. 自然资源学报, 2016, 31(7):1149-1163.

DOI

[37]
Brunsdon C, Fotheringham S, Charlton M. Geographically weighted regression[J]. Journal of the Royal Statistical Society:Series D, 1998, 47(3):431-443.

Options
文章导航

/

〈 〉