EN中文

经济地理 >

2020 , Vol. 40 >Issue 5: 198 - 209

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.05.022

旅游经济与管理

我国主要旅游城市旅游业发展影响因素分析与评价

  • 王新越 , 1, 2 ,
  • 芦雪静 , 1, ※ ,
  • 朱文亮 1
展开
  • 1.中国海洋大学 管理学院，中国山东 青岛 266100
  • 2.中国海洋大学 海洋发展研究院，中国山东 青岛 266100
※ 芦雪静（1994—），女，山西汾阳人，硕士研究生。主要研究方向为旅游开发与旅游经济。E-mail：。

王新越（1977—），女，黑龙江密山人，博士，副教授，硕士生导师。主要研究方向为旅游开发与规划、区域经济。E-mail：。

收稿日期: 2019-07-22

  修回日期: 2020-01-17

  网络出版日期: 2025-04-17

基金资助

文化和旅游部2019年度文化艺术和旅游研究项目(19DY13)

山东省社会科学规划项目(19CQXJ13)

收起

Analysis and Evaluation of the Influencing Factors of Tourism Development in China's Major Tourism Cities

  • WANG Xinyue , 1, 2 ,
  • LU Xuejing , 1, ※ ,
  • ZHU Wenliang 1
Expand
  • 1. Management College，Ocean University of China，Qingdao 266100，Shandong，China
  • 2. Ocean Development Research Institute，Ocean university of China，Qingdao 266100，Shandong，China

Received date: 2019-07-22

  Revised date: 2020-01-17

  Online published: 2025-04-17

Fold

摘要

以我国35个旅游城市为研究对象，选取2007、2010、2013、2017年的截面数据，运用动态因子分析法从静态和动态两个方面对不同区域旅游城市旅游业发展影响因素进行评价。结果表明：①旅游内核因子、旅游交通因子、转型升级因子及经济支撑因子是影响我国旅游城市旅游业发展的主要因子；②从旅游业影响因子静态指数看，东部旅游城市旅游业发展水平普遍优于中西部旅游城市，旅游内核因子、旅游交通因子、经济支撑因子发展水平呈现自东向西递减特征，转型升级因子指数则与之相反；③从旅游业影响因子时空演变特征来看，各因子指数随时间呈现波动变化特征，东部旅游城市驱动因子由旅游内核因子向旅游交通因子转变，中部旅游城市驱动因子由转型升级因子向旅游交通因子转变，转型升级因子始终是驱动西部旅游城市旅游业发展的主导因子。最后，就不同类型旅游城市旅游业高质量发展提出针对性建议。

关键词： 旅游业; 旅游城市; 动态因子分析; 旅游交通; 转型升级; 经济发展水平; 高质量发展

本文引用格式

王新越 , 芦雪静 , 朱文亮 . 我国主要旅游城市旅游业发展影响因素分析与评价[J]. 经济地理, 2020 , 40(5) : 198 -209 . DOI: 10.15957/j.cnki.jjdl.2020.05.022

Abstract

This paper selected 35 major tourism cities of China as the research objects,based the cross-sectional data of 2007,2010,2013 and 2017,and used the method of dynamic factor analysis to evaluate the tourism influencing factors of different area from dynamic and static perspective. The results show that: 1) tourism core factor,tourism traffic factor,transformation upgrade factor and economic support factor are four common factors in the development of Chinese tourism; 2) according to the static index of tourism influencing factors,the tourism development level of the eastern tourism cities is generally better than that of the central and western tourism cities. The level of the tourism core factor,tourism traffic factor and economic support factor shows a decreasing trend from east area,to west area,while transformation upgrade factor index is the opposite; 3) from the perspective of the spatial-temporal evolution characteristics of the influencing factors,the four common factors show a fluctuation trend for the tourism development of each tourism city. The eastern tourism cities' primary driving factor changes from the tourism core factor to the tourism traffic factor,followed by economic support factor; and the driving factor of central tourism cities changes from transformation upgrade factor to tourism traffic factor,followed by economic support factor; the driving factor of western tourism cities is always dominated by transformation upgrade factor,followed by tourism core factor. Based on the above research results,the main tourism cities in China are divided into four types: core-promotion tourism cities,traffic-promotion tourism cities,transformation upgrade-promotion tourism cities and comprehensive-promotion tourism cities. Finally,we give some suggestions of the future development to the four types tourism city.

Key words： tourism industry; tourism city; dynamic factor analysis; tourism transportation; transformation and upgrading; economic development level; high-quality development

旅游业因其关联度大、涉面广、拉动力强的产业特点在促进经济增长、调整产业结构、提高人民生活水平等方面发挥重要作用。党的十九大报告明确指出我国经济已由高速增长阶段转向高质量发展阶段，因此实现旅游业高质量发展，充分发挥旅游业的综合带动效应是今后旅游发展的重要方向与时代要求。但我国幅员辽阔，区域旅游发展不均衡现象较为突出，不同区域旅游业发展的影响因素存在差异，旅游资源、经济、交通等因素对不同区域不同时段旅游业发展所发挥的作用也不尽相同。2018年国务院《关于促进全域旅游发展的指导意见》指出要加快推动旅游业转型升级、提质增效，全面优化旅游发展环境，以旅游业作为优势产业推进产业融合。而明确不同区域旅游城市旅游业发展影响因素随时序演变的特征是当前旅游城市加速旅游业转型升级、提质增效的重要基石，也是大众旅游时代旅游业适应经济新常态的有效途径。因此，全面分析与评价我国主要旅游城市旅游业影响因素具有现实意义。
旅游业影响因素一直是国内外旅游研究的热点问题之一。1966年George[1]对美国宾夕法尼亚两个竞争景点进行分析，认为资源是影响旅游产业的主要因素；随后，国外学者对旅游业影响因素进行了大量实证研究，目的地气候[2]、创新与产业结构[3]、环境[4]均会影响旅游业发展。近年来国内学者也逐步关注这一问题，对旅游业发展影响因素的剖析日渐丰富。敖荣军[5]发现旅游资源、区域基础条件、服务设施等是旅游业发展的主要影响因素；保继刚[6]认为区域经济不平衡性及城市旅游资源投入规模的差异是中国主要城市旅游效率的影响因素；赵磊[7]认为城市化、市场化、区位因素等对旅游发展效率具有影响；张广海[8]发现交通基础设施对区域旅游经济发展表现出显著的空间变异性；周强[9]发现固定资产投资及环境治理投入等因素对东部地区旅游业发展影响较为显著，而社会总抚养比对中部地区旅游产业发展的影响显著；关伟[10]认为旅游产业因子在旅游业发展中始终发挥基础性作用。研究区域上已有研究分别从区域[11-12]、省[13-14]、市[15]等不同层面展开；研究方法上，学者主要运用定量与定性两种方法开展研究，其中定量研究多采用灰色关联度分析[16-17]、传统因子分析[18⇓-20]、主成分分析[21⇓-23]等方法。综上，相关学者对旅游业发展影响因素研究已取得较为丰硕的成果，具有一定的理论和实践指导意义，但大部分研究仅仅分析某一区域某一特定时期旅游业发展的影响因素，缺少不同区域不同时期旅游业发展影响因素的时空演变研究。我国旅游业正处于转型升级的关键时期，不仅存在显著的区域发展水平差异，其内在驱动因素也在不断发生变化。研究不同区域内旅游城市旅游业发展影响因素的时空演变特征，对促进区域旅游业高质量发展具有重要意义。此外，已有的定量分析方法多从静态角度进行研究，而动态因子分析同时考虑样本、变量、时间三维因素，既能对多主体截面数据做出准确的静态评价，又可以有效地对多主体多指标的跨期变化进行评价，运用此方法能够科学揭示旅游业发展影响因素的演变规律。
基于此，本研究从自然环境、经济基础、旅游资源、服务设施、旅游交通、政策效应、旅游创新、产业集聚和产业融合9个维度构建旅游业发展影响因素的主要指标体系，运用动态因子分析法对我国主要旅游城市旅游业影响因素的时空特征进行动态研究，分析东中西三大区域旅游城市旅游业发展驱动因子的演变特征，最后对不同类型的旅游城市旅游业高质量发展提出对策建议。

1 指标选取及研究方法

1.1 研究对象

2007年带薪休假制度的实施，促进旅游消费和旅游经济大发展；2010年多个城市高铁时代的来临极大地改变了旅游业空间结构，使各区域城市旅游格局发生根本性变化[24]；2013年文化和旅游部 ① 将美丽中国定位为中国旅游整体形象，各个旅游城市借助旅游业在美丽中国建设中的独特优势大力发展旅游业；2017年文化和旅游部提出的“全域旅游”有助于我国旅游产业转型升级理念创新和发展模式创新，以旅游带动全方位融合协调发展。因此研究选取2007、2010、2013、2017年4年的截面数据。借鉴成英文[25]通过城市职能规模和职能地位对我国旅游城市的划分，兼顾我国东中西三大区域及数据的可获取性原则，选取35个城市作为我国主要旅游城市（表1）。
表1 我国主要旅游城市

Tab.1 Major tourism cities in China

区域 旅游城市
东部 北京、天津、秦皇岛、大连、青岛、上海、南京、苏州、宁波、杭州、厦门、广州、深圳、三亚
中部 哈尔滨、长春、呼和浩特、晋中、郑州、武汉、张家界、长沙、黄山、南昌、桂林
西部 西安、重庆、成都、遵义、昆明、丽江、银川、酒泉、西宁、乌鲁木齐

1.2 指标选取与数据来源

借鉴相关学者关于旅游竞争力、旅游潜力、旅游化测度[26⇓⇓-29]等研究成果，综合考虑科学性、系统性、全面性与可获取性原则，构建包含9类要素、24个基本变量的旅游业发展影响因子评价指标体系（表2）。
表2 旅游业发展影响因素评价指标体系

Tab.2 Evaluation index system of tourism influencing factor

要素层 指标层及指标说明
自然环境 人均公园绿地面积（m2）：城市绿化水平；空气质量优良率（%）：城市空气质量优良状况；污水集中处理率（%）：城市污水处理能力
经济基础 财政支出占GDP比重（%）：城市经济支撑条件；城市居民人均可支配收入（元）：城市居民生活水平；第三产业占GDP比重（%）：第三产业发展程度
旅游资源 4A级（含）以上景区数量/A级景区数量（%）：城市旅游资源品质；A级（含）以上景区密度（个/万km2）：城市旅游资源数量；旅游搜索率1（%）：城市旅游资源宣传度
服务设施 旅行社密度（个/万km2）：旅游服务需求量和供给量；星级酒店密度（个/万km2）：旅游服务接待能力；公共厕所密度（个/万km2）：旅游基础建设
旅游交通 公路旅客周转量（亿人·km）：城市公路旅客周转能力；铁路旅客周转量（亿人·km）：城市铁路旅客周转能力；航空旅客周转量（亿人·km）：城市航空旅客周转能力
政策效应 市场化指数2：旅游制度环境；第三产业占固定资产投资比重（%）：政府政策环境
旅游创新 万人旅游专利申请受理量（件）：旅游知识资本；万人旅游院校在校学生数（人）：旅游人力资本
产业集聚 区位熵衡量3：旅游产业集聚度；旅游要素集聚效应4：旅游产业集聚效率
产业融合 旅游与第一产业关联系数5：旅游与第一产业融合度；旅游与第二产业关联系数：旅游与第二产业融合度；旅游与第三产业关联系数：旅游与第三产业融合度

注：1.旅游搜索率用百度指数中关键词“城市+旅游”搜索量除以“城市”搜索量表示；2.市场化指数用非公有制经济占GDP比重表示；3.用旅游收入区位熵来衡量旅游产业集聚度[30]。4.旅游要素集聚效应用旅游收入/城市土地面积（万元/km2）表示；5.旅游与第一/第二/第三产业的关联系数用灰色关联度[31]进行测算。

数据来源于《中国城市统计年鉴》、各个城市统计年鉴、统计公报、环境质量公报以及各省市统计局网站和旅游政务网，部分缺失数据采用插值法计算。

1.3 动态因子分析法

动态因子分析法于1978年由Coppi和Zannella[32]提出，随后不断发展完善，基本原理是利用主成分得到的截面分析结果和利用线性回归分析得到的时间序列分析结果进行综合，通过此方法可以达到降维的目的[33]。具体操作步骤如下：
①对数据进行z标准化处理；
②根据各年份的协方差矩阵 S t，求解平均协方差矩阵 S T；
S T = 1 T ∑ t = 1 T S t
③计算 S T的特征值、特征向量、方差贡献率以及累计方差贡献率，通过旋转后的载荷矩阵提取公因子，并建立因子载荷矩阵；
④计算各个城市的静态得分矩阵，得到各城市主成分因子的静态得分矩阵（ C i h）；
C i h = Z i - Z # C × a h
式中： z i = 1 T ∑ t = 1 T z i t表示单个样本的平均向量； z # = 1 I ∑ i = 1 I z i表示总体平均向量，i=1，…，I；t=1，…，T； a h为特征向量。
⑤根据上述提取的公因子及方差贡献率计算各城市主成分因子的动态得分矩阵（ c i h t）；
c i h t = z i t - z # t c × a h
式中： z # t = 1 I ∑ i = 1 I z i t表示第t年各指标的平均值，i=1，…，I；t=1，…，T； a h为特征向量。

2 旅游城市旅游业发展影响因子提取

进行动态因子分析之前，运用SPSS 22.0对旅游业各影响因素与旅游总收入进行Pearson相关分析，发现Pearson相关系数值均较高（显著水平0.01），因此将上述24个变量作为动态因子分析的基础指标。首先运用步骤①对所有数据进行标准化，运用步骤②求解平均协方差矩阵 S T，进而采取步骤③计算协方差矩阵中公因子的特征值、方差贡献率以及累计方差贡献率，发现前4个公因子的累计方差贡献率达到90.734%，可以反映24个指标所携带的绝大部分信息。
为了更清楚地反映4个公因子的具体含义，进一步通过方差最大法将各影响因子进行正交旋转，根据因子载荷矩阵（表3）重新将公因子命名为旅游内核因子、旅游交通因子、转型升级因子、经济支撑因子。
表3 旋转后因子载荷矩阵

Tab.3 Rotated component matrix

指标 公因子
F1 F2 F3 F4
旅游要素集聚效应 0.801
4A级（含）以上景区/A级景区 0.830
A级（含）以上景区密度 0.603
空气质量优良率 0.559
污水集中处理率 0.578
人均公园绿地面积 0.689
旅行社密度 0.907
星级宾馆密度 0.909
公共厕所密度 0.380
公路旅客周转量 0.904
铁路旅客周转量 0.890
航空旅客周转量 0.862
市场化指数 0.502
旅游搜索率 0.631
万人旅游专利申请受理量 0.457
万人旅游院校在校学生数 0.924
旅游业区位熵 0.901
旅游与第一产业关联系数 0.479
旅游与第二产业关联系数 0.686
旅游与第三产业关联系数 0.626
城市居民人均可支配收入 0.284
第三产业占固定资产投资比重 0.408
第三产业占GDP比重 0.538
财政支出占GDP比重 0.784

注：F1特征值和方差贡献率分别为7.267、30.279；F2特征值和方差贡献率分别为6.098、55.688；F3特征值和方差贡献率分别为6.018、80.764；F4特征值和方差贡献率分别为2.393、90.734。

①旅游内核因子。旅游要素集聚效应、4A级（含）以上景区数量/A级景区数量、A级（含）以上景区密度、空气质量优良率、污水集中处理率、人均公园绿地面积、旅行社密度、星级宾馆密度、公共厕所密度在公因子F1载荷较大，分别反映旅游业的旅游资源、旅游环境与旅游设施，旅游目的地通过旅游资源、旅游环境、旅游设施直接提供给旅游者有形与无形体验，旅游资源、环境、设施是旅游者在旅游活动过程中直接感知接触的目的地旅游内核，因此将公因子F1命名为旅游内核因子。
②旅游交通因子。铁路旅客周转量、公路旅客周转量、航空旅客周转量在公因子F2载荷较大，交通是连接旅游客源地和旅游目的地的纽带，交通可达性对旅游业的发展具有重要意义，因此可将公因子F2命名为旅游交通因子。
③转型升级因子。市场化指数、旅游搜索率、万人旅游专利申请受理量、万人旅游院校在校学生数、旅游收入区位熵以及旅游与第一、第二、第三产业关联度在公因子F3载荷较大，前四个变量为旅游创新提供制度、知识与人力保障，旅游产业集聚、产业融合是旅游业高质量发展的必然要求，这些指标是旅游业转型升级发展的重要助推力，因此将公因子F3命名为转型升级因子。
④经济支撑因子。城市居民人均可支配收入、第三产业占固定资产投资比重、第三产业占GDP比重、财政支出占GDP比重在公因子F4载荷较大，这些指标是旅游城市旅游业发展过程中的经济支撑因素，而旅游业的发展与城市经济的整体实力水平密不可分，因此将公因子F4命名为经济支撑因子。

3 旅游城市旅游业影响因子静态发展水平评价

根据动态因子分析法的公式（2），分别计算35个旅游城市在各公因子上的静态指数，用以表征各个旅游城市旅游业影响因子静态发展水平。以各公因子方差贡献率为权重计算35个旅游城市的综合指数，表征旅游城市旅游业综合发展水平。

3.1 旅游城市旅游业综合发展水平评价

由表4可知，东部区域旅游城市旅游业发展水平普遍优于中部与西部旅游城市。东部地区旅游城市综合指数整体较高，排名靠前，北京、深圳、上海、厦门、广州、三亚6个旅游城市综合指数大于1，其旅游业综合发展水平高得益于这些旅游城市位于我国经济发达地区，旅游资源、基础设施、旅游交通、政策制度等条件相对优越；苏州、南京、杭州、宁波4个旅游城市综合指数大于0，在东部旅游城市中旅游业处于中等发展水平；而其余4个沿海旅游城市综合指数与本区域其他旅游城市发展水平差距较大，一方面沿海旅游城市旅游资源以滨海旅游资源为主，种类较为单一，旅游基础设施相对欠缺，另一方面相比东部发达的旅游城市经济较为薄弱。中部地区旅游城市综合指数除黄山外均小于0，但排名较为集中，黄山、张家界作为中部重要旅游城市，以旅游业作为城市支柱产业，旅游资源优越、知名度高；武汉、郑州、长沙综合指数排名相对靠前，得益于这些旅游城市是区域发展中心，经济基础较好、旅游基础设施完善、交通相对发达。西部地区旅游城市旅游综合指数较低、排名整体靠后，且区域内部各旅游城市排名和指数存在差异性，重庆、成都、西安、昆明、丽江综合指数排名靠前，前三者作为西部发达城市经济与交通基础发展相对较好，昆明、丽江综合指数高得益于其旅游资源丰富、旅游知名度高，此外旅游产业集聚性强；遵义、银川、乌鲁木齐、西宁、酒泉经济较为落后，资源开发不足、交通通达性差等条件的限制使得综合指数排名居于末位。
表4 我国主要旅游城市旅游业影响因子、综合指数及排名

Tab.4 Index and ranking of tourism influencing factors in China tourism cities

区域 城市 旅游内核因子 旅游交通因子 转型升级因子 经济支撑因子 综合
得分 排名 得分 排名 得分 排名 得分 排名 得分 排名
东部 北京 4.07 3 7.83 1 -2.40 31 4.80 2 3.10 1
深圳 6.73 1 3.42 2 -3.09 35 5.39 1 2.67 2
上海 5.87 2 2.40 4 -2.97 34 3.80 3 2.02 3
厦门 3.04 5 0.90 7 -0.48 21 3.54 4 1.38 4
广州 3.05 4 2.69 3 -2.58 32 2.21 5 1.18 5
三亚 1.57 8 -0.90 21 3.75 2 -0.27 14 1.16 6
苏州 2.37 6 1.37 5 -2.76 33 1.82 6 0.56 7
南京 1.49 9 1.20 6 -2.26 30 0.74 7 0.26 9
杭州 1.06 10 0.02 15 -0.79 24 0.13 9 0.14 11
宁波 1.02 11 0.28 12 -1.23 26 0.11 10 0.08 12
天津 0.28 13 0.55 11 -1.32 27 -0.31 15 -0.14 15
青岛 0.10 15 -0.30 16 -0.48 21 -0.75 18 -0.24 19
大连 -1.16 24 -1.37 27 1.24 10 -1.92 35 -0.58 26
秦皇岛 -0.45 18 -1.24 25 -0.02 16 -1.39 28 -0.59 27
中部 黄山 -0.36 17 -0.38 18 2.11 5 -0.98 19 0.22 10
张家界 -1.65 31 -1.71 31 3.31 3 -1.16 24 -0.21 16
武汉 0.31 12 0.73 9 -2.14 29 0.39 8 -0.22 18
郑州 -1.07 22 0.11 14 0.25 14 -0.11 12 -0.24 19
哈尔滨 -1.44 28 -1.46 30 2.40 4 -1.66 33 -0.37 21
长沙 -0.47 19 -0.92 22 0.37 13 -1.18 26 -0.40 22
呼和浩特 -0.79 21 -0.64 19 -0.17 18 -1.02 20 -0.55 25
晋中 -1.47 29 -1.93 32 1.66 8 -1.13 22 -0.63 28
桂林 -1.24 26 -1.21 24 0.05 15 -1.17 25 -0.79 29
南昌 -0.65 20 -0.31 17 -1.93 28 -1.51 31 -0.91 31
长春 -1.62 30 -1.12 23 -0.45 20 -1.49 30 -1.04 32
西部 重庆 1.91 7 0.81 8 -1.07 25 -1.19 27 0.40 8
成都 0.12 14 0.60 10 -0.48 21 -0.15 13 0.05 13
西安 -0.02 16 0.18 13 -0.43 19 -0.33 16 -0.10 14
丽江 -1.21 25 -2.18 34 4.92 1 -1.12 21 -0.21 16
昆明 -1.09 23 -1.35 26 0.91 11 0.00 11 -0.45 23
遵义 -1.85 32 -1.42 29 2.05 6 -1.41 29 -0.54 24
银川 -1.41 27 -0.89 20 -0.14 17 -1.14 23 -0.80 30
乌鲁木齐 -2.31 33 -1.41 28 0.62 12 -1.63 32 -1.10 33
西宁 -2.72 34 -2.88 35 1.76 7 -0.47 17 -1.16 34
酒泉 -3.33 35 -1.99 33 1.51 9 -1.74 34 -1.31 35

3.2 旅游城市影响因子静态发展水平评价

为了直观分析不同区域旅游城市各公因子的综合发展水平，运用ArcGIS 10.2中的自然断裂法将表4中各公因子静态指数划分为三个梯度，第一、二、三梯度指数区间逐级递减，并绘制静态指数空间分布图（图1）。
图1 主要旅游城市各公因子静态指数空间分布

Fig.1 Static index spatial distribution of common factors in major tourism cities

旅游内核因子：由图1a可知，旅游内核因子指数呈现空间不均匀分布特征。除重庆外，第一梯度指数城市均分布在东部地区，东部旅游城市旅游资源丰富，旅行社、星级宾馆等接待设施齐全，能够较好地满足旅游者食、住、行、游、购、娱等基本旅游要素需求。中、西部旅游城市旅游内核因子指数依次落在二、三梯度，旅游服务设施、资源基础条件与东部地区旅游城市存在一定差距。
旅游交通因子：由图1b可知，旅游交通因子指数呈现自东向西逐梯度递减格局。东部地区旅游城市旅客周转量在全国城市占有比例高，津京冀、长三角、珠三角区域旅游交通一体化程度及完善的综合交通运输体系带动交通与旅游协同联动发展；中部地区地理位置优越，交通条件的不断改善也在逐渐促进旅游业跨越式发展；西部旅游城市交通发展滞后成为旅游业发展面临的最大障碍。
转型升级因子：由图1c可知，转型升级因子指数呈现西强东弱的空间特征。西部旅游城市转型升级因子指数高与这些城市将旅游业作为战略主导产业有紧密关系，一方面非公有制经济在国民生产总值中占有比例较高，为旅游业创新发展营造了相对良好的制度环境；另一方面，旅游产业的高集聚与强融合带动旅游产业转型升级发展。东部地区旅游城市旅游产业集聚、融合程度与旅游业的发展水平不相匹配，致使转型升级因子指数相对较低。
经济支撑因子：由图1d可知，经济支撑因子指数第一梯度主要聚集在长三角、珠三角地区的旅游城市，一方面区域内旅游城市间经济一体化战略的实施为城市旅游业发展营造稳定的经济环境；另一方面政府为推进区域内旅游一体化发展创造了良好的政策环境。第二、三梯度中、西部旅游城市经济支撑因子指数呈零散分布。以昆明、丽江为例，相较于东中部旅游城市而言经济发展滞后，但财政支出比例较大，说明政府政策、制度扶持为旅游城市优先快速发展旅游业创造外部环境，因此表现出相对较强的支撑能力。

4 旅游城市旅游业影响因子时空演变分析

4.1 旅游业影响因子指数时空特征分析

依据公式（3）计算4个公因子的动态指数，运用自然断裂法将每一年指数划分为3个梯度，第一、二、三梯度指数区间逐级递减，并绘制动态指数时空变化图（图2~图5）。
图2 旅游内核因子动态指数空间变化（2007、2010、2013、2017年）

Fig.2 Spatial variation of tourism core factor dynamic index (2007, 2010, 2013 and 2017)

图3 旅游交通因子动态指数空间变化（2007、2010、2013、2017年）

Fig.3 Spatial variation of tourism traffic factor dynamic index (2007, 2010, 2013 and 2017)

图4 转型升级因子动态指数空间变化（2007、2010、2013、2017年）

Fig.4 Spatial variation of tourism transformation-upgrade factor dynamic index (2007, 2010, 2013 and 2017)

图5 经济支撑因子动态指数空间变化（2007、2010、2013、2017年）

Fig.5 Spatial variation of economic support factor dynamic index (2007, 2010, 2013 and 2017)

旅游内核因子时空特征：由图2可知，2007年旅游内核因子动态指数在一、二梯度上的旅游城市主要集中在东部和中部地区，而西部地区旅游城市旅游内核因子指数落在第三梯度上居多；2010年中部与西部旅游城市旅游内核因子指数逐渐上升到第二梯度；2013—2017年东部旅游城市在一梯度上的数量减少，中部和西部旅游城市旅游内核因子指数不断提高，少数城市跃迁到第一梯度。
旅游交通因子时空特征：由图3可知，2007年东部地区旅游城市旅游交通因子指数落在第一梯度，中部和西部旅游城市交通因子指数分别落在二、三梯度；2010年受旅游交通因子影响的城市发生显著变化，东部地区旅游城市在第一梯度上的数量减少，而中部地区大部分旅游城市旅游交通因子指数落在第二梯度；2013—2017年，东部地区旅游城市分布在一梯度上的数量增多，中部区域内旅游城市稳定分布于第二梯度；西部旅游城市受其地理位置限制，旅游交通因子指数在四个时间点上没有较大波动。
转型升级因子时空特征：由图4可知，随时间演变三个区域内旅游城市转型升级因子指数表现出明显西高东低的地域空间特征，西部地区转型升级因子指数落在一梯度上的旅游城市数量逐年增加；东部地区该因子指数落在三梯度的旅游城市较多；而中部地区多数旅游城市落在第二梯度，且转型升级因子指数随时序变化整体呈现稳定趋势。
经济支撑因子时空特征：由图5可知，东部地区旅游城市经济支撑因子指数在第一梯度上稳定分布，中部和西部旅游城市呈现个别波动。2007—2010年西部旅游城市支撑因子指数落在第三梯度上居多；2013—2017年西部旅游城市该因子指数逐渐上升到第二梯度；中部地区各个旅游城市旅游业受经济支撑因子影响波动幅度较小。

4.2 旅游业影响因子贡献率演变分析

在4个公因子动态指数基础上，计算35个旅游城市各公因子的贡献率 ① （表5），用以表征各因子对旅游业的驱动强度，以此准确刻画不同区域旅游城市旅游业发展驱动因子内在演变规律。
表5 主要旅游城市旅游业发展驱动因子的变化（2007、2010、2013、2017年）

Tab.5 Chances of tourism driving factor in major tourism cities (2007, 2010, 2013 and 2017)

城市 2007 2010 2013 2017
F1（%） F2（%） F3（%） F4（%） F1（%） F2（%） F3（%） F4（%） F1（%） F2（%） F3（%） F4（%） F1（%） F2（%） F3（%） F4（%）
北京 39 34 0 27 37 27 0 36 33 34 0 33 30 37 0 33
深圳 46 23 0 31 38 26 0 36 31 35 0 34 28 37 0 35
上海 42 26 0 32 42 26 0 32 34 38 0 28 24 43 0 35
厦门 38 19 0 43 41 15 0 44 34 12 0 54 26 35 0 39
广州 34 35 0 31 40 30 0 30 39 33 0 28 32 36 0 32
三亚 24 0 49 27 31 0 63 6 40 0 57 3 28 0 47 25
苏州 33 31 0 36 37 29 0 34 34 32 0 34 35 34 0 31
南京 41 30 0 29 41 36 0 23 32 35 0 33 32 34 0 34
宁波 45 28 0 27 45 26 0 29 48 18 0 34 25 53 22 0
杭州 58 26 0 16 49 28 0 23 49 23 0 28 29 39 0 32
天津 51 41 0 8 32 38 0 30 33 38 0 29 44 49 0 7
青岛 54 31 0 15 52 33 15 0 0 29 47 24 32 27 41 0
大连 34 16 50 0 41 8 51 0 37 10 53 0 38 0 40 21
秦皇岛 9 0 85 6 16 5 79 0 19 21 60 0 24 36 40 0
东部平均 40 24 13 23 39 23 15 23 33 26 15 26 30 33 14 23
黄山 39 18 0 43 2 11 87 0 13 47 40 0 0 44 26 30
张家界 0 14 68 18 0 13 67 20 34 35 0 31 0 37 9 54
武汉 26 43 0 31 32 37 0 31 0 38 36 26 31 36 33 0
郑州 37 38 0 25 36 40 0 24 38 0 60 2 37 40 23 0
哈尔滨 0 39 38 23 0 35 48 17 51 33 0 16 32 39 29 0
长沙 42 25 33 0 72 9 19 0 0 47 24 29 45 47 8 0
呼和浩特 0 31 39 30 3 38 59 0 0 65 19 16 35 38 0 27
晋中 0 7 83 10 10 0 62 28 25 32 0 43 0 37 28 35
桂林 9 0 68 23 6 0 78 16 0 14 78 8 0 30 29 41
长春 24 4 72 0 0 35 55 10 19 0 67 14 0 35 32 33
南昌 0 13 65 22 0 43 40 17 8 31 61 0 40 17 0 43
中部平均 16 21 41 20 15 24 46 15 17 31 35 17 20 36 20 24
重庆 51 33 16 0 37 57 6 0 41 57 2 0 40 51 0 9
成都 21 34 45 0 24 45 31 0 36 40 0 24 44 26 0 30
西安 0 25 55 20 40 44 14 0 0 7 77 16 47 28 0 25
丽江 0 2 87 11 3 0 87 10 29 50 0 21 10 0 73 17
昆明 16 0 59 25 0 9 65 25 0 3 51 46 18 0 44 38
遵义 0 22 60 18 19 0 63 18 11 0 71 18 26 0 58 16
银川 0 19 61 20 23 0 62 15 29 0 57 14 23 0 63 14
乌鲁木齐 0 40 15 45 32 0 31 37 21 0 52 27 41 0 16 43
西宁 0 25 48 27 10 0 77 13 20 0 44 36 17 0 63 20
酒泉 11 17 72 0 15 0 76 9 19 0 55 26 23 0 60 17
西部平均 10 22 51 17 20 16 51 13 21 16 41 22 29 11 38 22

注：F1表示旅游内核因子，F2表示旅游交通因子，F3表示转型升级因子，F4表示经济支撑因子；“%”表示公因子贡献率。

东部地区旅游城市旅游内核因子贡献率整体呈现下降趋势；旅游交通因子贡献率呈现先稳定后上升的态势；转型升级因子贡献率整体居于末位；经济支撑因子贡献率呈现稳定态势。总体来看，东部地区旅游城市驱动旅游业发展的首要因子从旅游内核因子向旅游交通因子转变。早期（2007—2010）东部地区旅游城市通过开发旅游资源、完善旅游基础设施来促使旅游业发展，2010年我国主要旅游城市42家5A级旅游景区中东部旅游城市占有26家，星级宾馆、旅行社等服务设施数量相对较多。后期（2013—2017）旅游资源开发潜力相对减小，这一时期国家相继颁布的5A级旅游景区东部旅游城市仅占有6处；同时，空气质量优良率从2007年的89%下降到2017年的75%，经济发展带来的严重雾霾现象成为旅游者出游决策的障碍，生态环境问题制约东部旅游城市旅游业的发展。与此同时，高铁的快速发展使东部区域各个旅游城市间彼此跨入“等时高铁圈”，改变了城际交通格局。2017年广州、北京、上海旅客运输周转量突破2 000亿人公里，珠三角地区、京津冀地区、长三角地区交通一体化程度的深化为城市旅游业发展提供强有力的支持。转型升级因子贡献率在三亚、天津、青岛、大连、秦皇岛五个沿海城市较大，主要得益于沿海旅游城市积极响应国家提出的“‘海洋强国’战略”，产业联合程度高，已形成一定的集聚效应，此外旅游院校在校学生数也在逐年增加，为旅游业发展营造了相对良好的政策、制度与人力创新环境。东部旅游城市经济支撑因子贡献率整体趋于稳定，体现出旅游业发展与城市经济发展水平密不可分。
中部地区旅游城市旅游内核因子贡献率有小幅度增加；旅游交通因子贡献率呈现逐年上升趋势；转型升级因子贡献率先稳定后下降；经济支撑因子贡献率经历先下降后上升的趋势。总体上看，中部地区旅游城市旅游业发展由转型升级因子驱动转变为旅游交通因子，其次为经济支撑因子。中部地区旅游城市众多高铁的通车运营带动旅游业快速发展，7条国家“八纵八横”的干线高铁将整个中部连接在一起，改变了城市交通可达性空间格局。2010年首次开通的武广高铁不仅加速了武汉、长沙等沿线旅游城市旅游业发展，而且提升了城市之间的旅游合作意识，促进区域旅游蓬勃发展[34]。此外黄山市高铁的开通使城市旅客周转量呈现显著增长趋势，旅游流规模在不断扩大[35]。经济支撑因子在中部崛起战略引导下对旅游业发展的促进作用日益明显。区域内旅游城市整体经济平均增速达到8%，为旅游业发展创造良好的经济环境。呼和浩特、南昌等旅游城市在“515战略”“旅游+”以及全域旅游决策的不断推进下众多投资项目向中部聚焦，使旅行社、星级宾馆、公共厕所等基础设施的数量逐渐增多，进而使旅游内核因子日益发挥作用。
西部地区旅游内核因子、旅游交通因子、经济支撑因子贡献率均呈现小幅度波动特征，转型升级因子贡献率始终最大。总体上看，西部地区发展旅游业的首要驱动因子始终是转型升级因子，其次是旅游内核因子。转型升级因子贡献率除重庆、成都、西安3个城市外，其余城市均较大。一方面，这些旅游城市将旅游业作为主导产业，旅游集聚区位熵超越东中部区域，集聚优势更为明显；另一方面，旅游业融合效应强，以丽江为代表的旅游城市依托当地自然和人文资源优势，紧密融合农业与工业，逐步推动城市乡村旅游、体育旅游及民俗旅游等新型旅游业态的发展。而重庆、成都、西安作为西部相对发达的城市，旅游内核与交通条件优于其他城市，因此旅游交通因子和内核因子贡献率较大。在西部大开发及“一带一路”倡议的支持下，各个旅游城市逐渐加大旅游开发力度，到2017年西部旅游城市5A级景区从2007年的8家增长到19家，凭借资源与政策优势实现旅游业的可持续发展，逐渐缩小与东中部地区旅游城市之间的差异，提高自身的旅游竞争力。而受地理区位局限，相对薄弱的交通条件仍是遵义、银川、西宁、乌鲁木齐、酒泉5个旅游城市旅游业发展的短板。

4.3 旅游城市旅游业发展提升类型分析

由上述分析可知，我国主要旅游城市旅游业发展驱动因子随时序变化呈现出一定的演变特征，各因子对旅游城市旅游业发展均存在促进作用，但不同城市旅游业发展驱动因子存在分异特征。根据2017年旅游业发展贡献率为0的影响因子将35个旅游城市分为4个类型：内核提升型旅游城市（TS1）、交通提升型旅游城市（TS2）、转型升级提升型旅游城市（TS3）及综合提升型旅游城市（TS4）（图6），并提出旅游业发展优化建议。
图6 主要旅游城市旅游业发展各公因子动态指数与提升类型（2017）

Fig.6 Dynamic index and promotion type of common factors in tourism development (2017)

内核提升型旅游城市：旅游内核因子对旅游业发展的贡献率最低，包括桂林、黄山、张家界、晋中、长春5个旅游城市。这类型旅游城市在维持旅游交通与旅游经济支撑带动势头的同时，要在原有旅游资源的基础上进一步挖掘资源潜力，将旅游业作为主导产业发展的同时提升区域配套服务产业的发展水平，如积极投资建造新型民宿等，以研学旅游、写生旅游等新型旅游业态吸引旅游者。
交通提升型旅游城市：旅游交通因子对旅游业发展的贡献率最低，包括三亚、大连、昆明、丽江、银川、西宁、酒泉、遵义、乌鲁木齐9个旅游城市。这类型旅游城市应完善旅游基础设施，根据城市自身交通特点积极拓宽投融资渠道，增加旅游交通的投入规模，积极加快铁路和航空运输，提高客运能力。此外，加强城市与城市之间的旅游合作，促进城际间交通一体化发展，从而改善城市旅游交通格局。
转型升级提升型旅游城市：转型升级因子对旅游业发展的贡献率最低，包括广州、深圳、北京、上海、厦门、杭州、苏州、南京、天津、南昌、呼和浩特、重庆、西安、成都14个旅游城市。这类型旅游城市是中国各区域的中心城市，未来要特别重视旅游业整体发展方式的转变，以旅游产业融合催生旅游新业态，提高旅游产业转型升级能力，不断优化旅游产业结构；同时，注重旅游产业发展质量和效益，提升旅游产业的贡献能力。
综合提升型旅游城市：4个公因子指数值整体较为均衡，但经济支撑因子对旅游业发展的贡献较弱，包括宁波、青岛、秦皇岛、武汉、郑州、长沙、哈尔滨7个旅游城市。这类型旅游城市依赖其独特的旅游资源和便利的交通促进其旅游产业的发展，但城市在壮大自身经济的同时，政府应多扶持旅游产业的发展，维持“多管齐下，齐头并进”，借助城市自身有利因素带动旅游业高质量发展。

5 结论

选取我国35个旅游城市2007、2010、2013、2017年的截面数据，运用动态因子分析法对旅游业发展的影响因素从静态和动态两个层面进行评价，以此揭示我国主要旅游城市旅游业发展影响因素的时空演变趋势，得出以下结论：
①将我国主要旅游城市旅游业影响因素运用主成分进行公因子提取发现旅游内核因子、旅游交通因子、转型升级因子及经济支撑因子是我国主要旅游城市旅游业发展的影响因子。
②从旅游业发展综合指数来看，东部旅游城市旅游业发展水平普遍优于中西部旅游城市，同时各区域内部旅游业发展水平存在异质性；就4个影响因子静态指数看，旅游内核因子指数和旅游交通因子指数呈现自东向西逐梯度递减格局，转型升级因子指数呈现西强东弱的空间特征，经济支撑因子指数东部较强，中、西部则不均匀分布。
③从旅游业影响因子动态指数来看，各因子随时间呈现波动变化特征；从各影响因子贡献率来看，东部地区旅游城市驱动因子由旅游内核因子向旅游交通因子转变，中部地区旅游城市驱动因子由转型升级因子向旅游交通因子转变，西部地区旅游城市驱动因子始终为转型升级因子。
④根据我国主要旅游城市旅游业发展驱动因子差异性特征，将35个旅游城市划分为内核提升型、交通提升型、转型升级提升型和综合提升型，并从4个公因子提升与优化方面提出旅游城市旅游业高质量发展的建议。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
George F. Deasy, Phyllis R. Griess. Impact of a tourist facility on its hinterland[J]. Annals of the Association of American Geographers, 1966, 56(2):290-306.

[2]
Jennifer Fitchett, Gijsbert Hoogendoorn. An analysis of factors affecting tourists’ accounts of weather in South Africa[J]. International Journal of Biometeorology, 2018, 62(12):2161-2 172.

[3]
Romao, Joao. Nijkamp, Peter. Impacts of innovation,productivity and specialization on tourism competitiveness spatial econometric analysis on European regions[J]. Current Issues in Toruism, 2019, 22(10):1150-1 169.

[4]
Juan Ignacio Pulido-Fernádez, Pablo Juan Cárdenas-García,Juan Antonio Espinosa-Pulido. Does environmental sustainability contribute to tourism growth?An analysis at the country level[J]. Journal of Cleaner Production, 2019, 213(3):309-319.

[5]
敖荣军, 韦燕生. 中国区域旅游发展差异影响因素研究——来自1990—2003年的经验数据检验[J]. 财经研究, 2006(3):32-43.

[6]
马晓龙, 保继刚. 中国主要城市旅游效率影响因素的演化[J]. 经济地理, 2009, 29(7):1203-1 208.

[7]
李亮, 赵磊. 中国旅游发展效率及其影响因素的实证研究——基于随机前沿分析方法(SFA)[J]. 经济管理, 2013, 35(2):124-134.

[8]
张广海, 赵金金. 我国交通基础设施对区域旅游经济发展影响的空间计量研究[J]. 经济管理, 2015, 37(7):116-126.

[9]
周强, 薛海燕, 马效. 旅游产业发展影响因素的区域差异研究——基于中国省际面板数据的分析[J]. 城市发展研究, 2018, 25(1):12-17.

[10]
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

[11]
李国兵, 田亚平. 珠三角旅游资源竞争力与旅游业发展水平的效度分析[J]. 经济地理, 2019, 39(3):218-224,239.

[12]
龚艳, 张阳, 唐承财. 长江经济带旅游业效率测度及影响因素研究[J]. 华东经济管理, 2016, 30(9):66-74.

[13]
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[J]. 旅游学刊, 2018, 33(9):13-25.

[14]
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[J]. 经济地理, 2018, 38(8):187-195.

DOI

[15]
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.

[16]
梁艺桦, 杨新军, 马晓龙. 旅游业发展影响因子灰色关联分析[J]. 人文地理, 2006(2):37-40,44.

[17]
刘中艳, 罗琼. 省域城市旅游竞争力测度与评价——以湖南省为例[J]. 经济地理, 2015, 35(4):186-192.

[18]
高伟丽, 程龙生. 基于因子分析和空间计量模型的我国旅游业发展的差异性分析[J]. 数理统计与管理, 2014, 33(1):138-146.

[19]
傅云新, 胡兵, 王烨. 中国31省市旅游竞争力时空演变分析[J]. 经济地理, 2012, 32(6):144-149.

[20]
倪向丽. 我国省际旅游产业竞争力因子聚类评估[J]. 统计与决策, 2018, 34(21):54-56.

[21]
朱鹤, 刘家明. 中国东部地区旅游业竞争力研究——基于时序全局主成分分析法[J]. 地域研究与开发, 2015, 34(5):100-104.

[22]
李锋, 万年庆, 史本林, 等. 基于“环境—结构”集成视角的旅游产业脆弱性测度——以中国大陆31个省区市为例[J]. 地理研究, 2014, 33(3):569-581.

DOI

[23]
丰晓旭, 夏杰长. 中国全域旅游发展水平评价及其空间特征[J]. 经济地理, 2018, 38(4):183-192.

DOI

[24]
梁雪松. 基于双重区位空间的湖南旅游业发展机遇探讨——“武广高铁”开通视阈[J]. 经济地理, 2010, 30(5):859-864.

[25]
成英文, 张辉. 基于城市职能理论的中国旅游城市判定及分类研究[J]. 现代城市研究, 2014(2):104-109.

[26]
张春香. 基于钻石模型的区域文化旅游产业竞争力评价研究[J]. 管理学报, 2018, 15(12):1781-1 788.

[27]
杜焱. 旅游产业发展潜力的测度与评价——以湖南省为例[J]. 经济地理, 2014, 34(6):176-181.

[28]
王新越, 秦素贞, 吴宁宁. 省域旅游化水平测度与时空演变特征[J]. 经济地理, 2014, 34(4):179-185.

[29]
牛亚菲. 旅游业可持续发展的指标体系研究[J]. 中国人口·资源与环境, 2002(6):44-47.

[30]
刘佳, 王娟. 我国沿海旅游产业集聚发展与承载力提升关联作用研究[J]. 商业研究, 2016(10):145-156.

[31]
郑仕华. 基于灰色关联理论的旅游业影响因子分析——以浙江省为例[J]. 城市问题, 2012(4):63-66.

[32]
Coppi R, Zannella F. L'analisi fattoriale di una serie temporal multipla relative allo stesso insieme di unità statistiche[R]. XXIX Meeting of the Italian Stat.Soc,Bologna, 1978:61-79.

[33]
胡日东, 李颖. 我国房地产业发展的综合评价——基于动态因子分析法[J]. 经济地理, 2011, 31(11):1862-1 866,1 873.

[34]
汪德根. 武广高铁对沿线都市圈可达性影响及旅游空间优化[J]. 城市发展研究, 2014, 21(9):110-117.

[35]
李磊, 陆林, 穆成林, 等. 高铁网络化时代典型旅游城市旅游流空间结构演化——以黄山市为例[J]. 经济地理, 2019, 39(5):207-216,225.

Options
文章导航

/

〈 〉