EN中文

Economic geography >

2021 , Vol. 41 >Issue 7: 202 - 212

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.07.022

The Detection of the Configuration Impact of the Risk Factor on the Chinese Tourists' Safety Accidents in ASEAN：A Qualitative Comparative Analysis of Fuzzy Sets Based on HEVP Framework

  • HUANG Rui , 1 ,
  • XIE Chaowu , 2, ※
Expand
  • 1. College of Tourism，Huaqiao University，Quanzhou 362021，Fujian，China
  • 2. Center for Tourism Safety& Security，Research of China Tourism Academy，Quanzhou 362021，Fujian，China

Received date: 2020-12-02

  Revised date: 2021-02-01

  Online published: 2025-03-31

Fold

Abstract

Tourism exchanges between China and Association of Southeast Asian Nations ( ASEAN) are facing complex risk challenges. Taking 6798 tourism safety accidents in the regions of ASEAN from 2013 to 2019 as the research object,this paper uses Kriging interpolation method to analyze the spatial distribution of tourism safety accidents. In addition,based on the framework of hazard-exposure-vulnerability-prevention(HEVP) and fuzzy set qualitative comparison method (fsQCA),the paper explores the configuration influence of each risk factor. The results show that: 1) It shows the different and complex characteristics on the types and consequences of outbound tourism safety accidents in ASEAN. The scale of tourism safety accidents presents a heterogeneous spatial distribution pattern,and has the phenomenon of agglomeration polarization in some areas such as Bangkok of Thailand and Bali of Indonesia. 2) The occurrence of tourism accidents in ASEAN is the result of the coupling effect of multi-source risk factors. Tourism safety accidents have the characteristics of multiple-risk concurrency and causality asymmetry. The exposure factor is the necessary condition for the occurrence of high accident scale. The six condition combinations generated by 4 variables are the confiuration paths to explain the high and low accident scales. 3) The configuration path of risk factors of tourism safety accidents in ASEAN shows high regional differences. The heterogeneity and complex interaction of risk factors in different countries lead to different accident distribution scales.

Key words： tourism safety incidents; HEVP risk factors; configuration impact; ASEAN; outbound tourism; natural disasters; cluster

Cite this article

HUANG Rui , XIE Chaowu . The Detection of the Configuration Impact of the Risk Factor on the Chinese Tourists' Safety Accidents in ASEAN：A Qualitative Comparative Analysis of Fuzzy Sets Based on HEVP Framework[J]. Economic geography, 2021 , 41(7) : 202 -212 . DOI: 10.15957/j.cnki.jjdl.2021.07.022

中国与东盟陆海相连、人文相亲，东盟长期以来是中国重要的出境旅游目的地市场，中国也是东盟第一大客源国[1]。在“一带一路”倡议推动下，“21世纪海上丝绸之路旅游圈”的提出和《区域全面经济伙伴关系（RCEP）》的签署为中国与东盟旅游全面合作创造了新的契机。据东盟秘书处数据统计，2013—2019年中国赴东盟旅游人次年平均增长率超10%，2019年东盟中国游客已突破3 000万人次[2]。但是，中国赴东盟出境旅游安全事故也呈现不断上涨的趋势。旅行社责任保险统保示范项目出险数据显示，2013—2019年中国游客赴东盟旅游共发生6 798起安全事故，伤亡人数达9 909人。面对日益严峻的旅游安全形势，加强中国赴东盟地区旅游安全治理已成为出境旅游产业健康发展的重大现实需求。
“旅游风险”是指旅游地尚未发生而可能发生的危险，是事故产生可能性及其后果严重性的组合[3]。东盟旅游涉及地域广阔，各地区经济发展、宗教文化、社会环境存在较大差异[4]，各类传统与非传统、内部与外部旅游安全风险交织并存[5]，同时伴随中国游客出游人次和范围不断扩大，东盟旅游风险结构愈加呈现出复杂性，这导致规模化安全事故在这一地区集聚。既有关于东盟国家旅游安全风险研究展现出一定丰富性，Rittichainuwat等从旅游者感知视角对泰国恐怖主义风险进行了分析[6]，Anuar等对马来西亚的城市犯罪安全风险进行了分析[7]，Wijaya等分析了印度尼西亚滨海地区的气象灾害风险危害性[8]，Pant等对越南旅游者空气污染暴露风险进行了测定[9]，Watcharapong等对老挝入境旅游游客的健康安全风险进行了调研[10]，魏冉通过对东盟各国社会治安、交通安全等旅游安全事件的统计来分析各国旅游风险程度[11]。卢文刚从旅游地脆弱性和抗灾能力两个方面对东盟公共安全风险进行了评估[12]。总体来看，国外学者对于东盟地区旅游安全风险的研究多集中于风险类型及表现形式，且主要关注单一风险因素对单一国家旅游安全的影响，而较少对于东盟地区整体旅游安全风险结构进行系统性研究。国内学者对于旅游地风险的分析多来自于有限风险事件的统计，对于风险事件在东盟地区具体分布状况缺乏空间层面的探讨。同时相关研究对于东盟安全风险仅做量化评估，而对于东盟国家系统性风险与旅游事故规模之间的关系缺乏实证检验，在厘清各风险因子的影响强度及交互影响机制等方面尚存在不足。
风险系统理论提出，事故的发生不能简单理解为一种危险因素造成的后果，而是由产生与控制风险的所有因素组合所构成的系统，它包括风险源、受体和控制机制三部分[13]。该理论框架广泛应用于滑坡、干旱、洪水和台风等灾害事故高发地环境风险评估研究中[14⇓⇓-17]，相关文献从风险源（自然灾害）的危害性、承载受体（人类社会系统） 的暴露性、受体所在环境（复合孕灾环境） 的脆弱性、控制机制（灾害抵御系统）的保障性等层面来评估灾害所在地的系统性风险。既有文献表明，中国出境旅游安全事故既受到风险直接引致因素的影响，也受目的地安全环境和管理等要素间接影响，同时还涉及游客的安全行为等因素的共同作用[18]。本质而言，灾害地“自然风险”和旅游地的“社会风险”都是在特定区域环境和管理因素影响下的风险源作用于风险主体的风险系统，其内部风险结构具有一致性。已有研究将灾害系统风险分析框架应用到旅游地综合风险评价研究中，相关文献发现旅游地风险源（自然灾害、社会治安等综合性风险）的危害性、承载受体（旅游者生命、财产）的暴露性、受体所在环境（旅游地经济、社会和环境）的脆弱性、控制机制（旅游属地风险抵御系统）的保障性共同构成了旅游地风险系统[19⇓⇓⇓-23]。
基于此，本研究根据风险系统理论构建危险性（H）—暴露性（E）—脆弱性（V）—保障性（P）东盟旅游风险因子分析框架，在对规模化的旅游安全事故空间分布特征分析的基础上，采用fsQCA模糊集定性比较分析方法揭示HEVP风险因子对东盟旅游安全事故影响的复杂组态关系，以助力中国赴东盟旅游产业安全发展和双边旅游产业深度合作。

1 研究方法和数据来源

1.1 数据来源

本文中的东盟旅游安全事故数据来源于“旅行社责任保险统保示范项目”的中国游客境外出险案例。旅行社责任保险是国家强制要求旅行社为游客投保的险种，据文化和旅游部数据统计，截至2019年12月“旅行社责任保险统保示范项目”已覆盖全国超2万家旅行社，统保率达80%以上，具有样本量大、信息录入真实可靠等优势。研究人员对2013—2019年旅行社责任险记录的东盟十国境内发生的6 798起旅游安全事故的文档资料进行了信息解构和分类，对事故的出险地区、事故类型、事故结果等基础变量进行数值编码。本文的事故风险因子各操作性指标分别来自东盟秘书处（http://www.aseansec.org/）、世界旅游组织（https://www.unwto.org/）、世界银行（https://www.worldbank.org/）、世界经济论坛（https://www.weforum.org/）等官网数据平台。最后将结果变量和条件变量测度的原始数据导入ArcGIS、fsQCA等软件进行相关操作和分析。

1.2 研究方法

1.2.1 克里金插值法

本文引入克里金插值方法（Kriging）即对不同事故的空间分布模式比较分析。具体公式如下：
Z x 0 = ∑ i = 1 n w i z x i
式中： Z x 0是计算值； z ( x i )为未知样点周围已知的事故指标值； w i为第i个已知样本点对未知样本点的权重；n是估算中使用的样本点的数目

1.2.2 熵值法

在信息论中，熵是系统无序程度的度量。熵值法根据各指标熵值的大小确定其变异程度大小，通过各指标所提供的信息量来判断指标权重[24]。一般认为信息熵越小，该指标提供的信息量越大，其权重也越大[25]；本研究利用熵值法计算东盟旅游安全风险因子和事故规模结构化指标权重，以避免赋权主观性以及多指标变量间信息的重叠。具体步骤如下：
正负指标标准化：
Y i j = x i j - m i n x j m a x x j - m i n x j ; Y i j = m a x x j - x i j m a x x j - m i n x j
指标熵值：
P i j = Y i j / ∑ i = 1 n Y i j ; E j = - l n n - 1 ∑ i = 1 n P i j l n P i j
指标权重及评分：
W j = 1 - E j k - ∑ E j j = 1,2 , ⋯ , k ; Z i = ∑ j = 1 k W j Y i j
式中： x i j为第i个国家第j项风险因子指标数值；n为评价国家数；k为指标数。

1.2.3 fsQCA模糊集定性比较分析法

本文采用模糊集定性比较分析方法（Fuzzy-Set Qualitative Comparative Analysis，fsQCA）来分析东盟各国旅游安全风险因子的组态影响。QCA方法1987年由Ragin首次提出，近年来成为解决复杂因果关系的重要工具[26]。fsQCA方法基于布尔代数原理，能够有效揭示复杂风险因子影响的“联合效应”和“互动关系”[27]。同时，fsQCA方法可借助集合论原理推断因果关系的非对称性特征，即能够对产生高、低两种不同事故规模的风险因子组态进行有效识别，且该方法采用溯因逻辑，能够对既有事故的影响因子进行溯因推理，其在小样本研究中更具有优势[28]，因此该方法适合进行东盟旅游风险因子影响分析。fsQCA方法一致性和覆盖度测度指标如下。
一致性测度：
C o n s i s t e n c y X i ≤ Y i = ∑ m i n X i , Y i / ∑ X i
覆盖度测度：
C o v e r a g e X i ≤ Y i = ∑ m i n X i , Y i / ∑ Y i
式中： X i表示第i个案例国在条件组合X中的隶属度； Y i表示第i个案例国在结果Y中的隶属度；通常判定充分条件一致性合理水平为0.75，较为严格标准为0.8[27]。

2 中国赴东盟旅游安全事故规模空间分布

2.1 中国赴东盟旅游安全事故总体分布

参考我国《旅游安全管理办法》中对旅游安全事故规模等级测定的事故结果依据，将东盟地区中国旅游安全事故结果分为人员受伤、人员死亡、人员财损、人员失踪和人员滞留5大类，并按照五类事故结果统计东盟出境旅游安全事故的人数规模。同时，本研究进一步参考《突发事故应对法》《旅游安全管理办法》等法规文件以及相关等学者[29-30]对于出境旅游安全事故类型的划分标准，将中国游客赴东盟旅游保险案例事故分为自然灾害事故、事故灾难事故、公共卫生事故、社会安全事故和业务安全事故5个事故大类。从统计的全样本数据来看（表1），2013—2019年东盟各国共发生旅游安全事故6 798起，在事故类型方面，事故灾难达到3 195起，占比达到最高47.0%。其次为公共卫生类事故和业务安全类事故，分别为1 224起和1 162起，各占比18.0%和17.1%。社会安全类事故612起（9.0%），自然灾害类事故605起（8.9%）。在事故结果规模方面，事故受伤人数为9 475人，事故死亡人数为434人，人员财损达到4 766人，滞留人员达到3 893人，失踪人员达到98人。
表1 旅游安全事故类型和结果规模统计

Tab.1 Statistics of types and consequence scales of tourism safety accidents

事故类型 事故数量
（起）		 事故结果（人数/占比）
人员受伤 人员死亡 人员财损 人员失踪 人员滞留
自然灾害类事故 605 810（8.5%） 33（7.6%） 456（9.6%） 31（31.6%） 1 246（32.0%）
事故灾难事故 3 195 4 728（49.9%） 196（45.2%） 1 924（40.4%） 17（17.4%） 713（18.3%）
公共卫生类事故 1 224 3 258（34.4%） 162（37.3%） 645（13.5%） 2（2.0%） 123（3.2%）
社会安全类事故 612 637（6.7%） 34（7.8%） 911（19.1%） 13（13.3%） 219（5.6%）
业务安全类事故 1 162 42（0.4%） 9（2.1%） 830（17.4%） 35（35.7%） 1 592（40.9%）
总计 6 798 9 475 434 4 766 98 3 893
具体来看，东盟出境旅游安全事故类型呈现出复杂性、多样性的分布特征，其中事故灾难造成的人员受伤（49.9%）、人员死亡（45.2%）和人员财损（40.4%）比重最高，主要为各类意外摔倒坠落事故、交通事故、涉水事故、设施设备事故和动物袭击等亚类涉旅安全事故。公共卫生安全造成人员受伤（34.4%）和人员死亡（37.3%）仅次于事故灾难，主要为各类食物中毒、突发疾病、病毒感染等亚类涉旅安全事故。业务安全事故造成人员失踪（35.7%）和人员滞留（40.9%）占比最高，主要为各类航班延误、证件及票务办理、服务过失、人员走失等亚类涉旅安全事故。自然灾害造成人员失踪（31.6%）和人员滞留（32.0%）占比较高，主要为火山爆发、台风、地震和海啸等亚类涉旅安全事故。社会安全事故造成人员财损（19.1%）占比较高，主要为盗窃、抢劫、欺诈、恐怖主义等亚类涉旅安全事故。

2.2 中国赴东盟旅游安全事故地区分布

从国家事故总量来看，2013—2019年东盟整体旅游安全事故在国家间呈现不均衡的分布特征。泰国旅游安全事故数量最高，达到3 596起，占比达到52.94%。其他国家依次为印度尼西亚（16.67%）、越南（10.21%）、马来西亚（9.59%）、柬埔寨（5.50%）、新加坡（2.15%）、菲律宾（2.07%）、老挝（0.51%）、缅甸（0.28%）和文莱（0.12%）。在各事故结果的分布规模方面，利用ArcGIS中提供的克里金空间插值分析法对人员受伤、人员死亡、人员财损和人员滞留四类主要事故结果的城市点数据进行插值运算，分析结果如图1所示。
图1 中国赴东盟旅游安全事故规模地区分布

Fig.1 Distribution of tourism safety accident scale of Chinese tourists in ASEAN

总体来看，东盟出境旅游安全事故主要集中分布在中南半岛东南部、马来半岛北部、爪哇岛东部、加里曼丹岛东北部和菲律宾群岛西侧等地区，各旅游安全事故结果规模呈现差异化的空间分布格局。在东盟旅游安全事故人员受伤方面，高致伤事故规模地区主要集中分布于泰国的曼谷、芭提雅、普吉岛，柬埔寨的暹粒，越南的胡志明市，印度尼西亚的巴厘岛、龙目岛，马来西亚的沙巴等城市，主要为各类事故灾难事故和公共卫生事故；在东盟旅游安全事故人员死亡方面，高致死事故规模地区主要集中分布在泰国的曼谷、芭提雅、普吉岛、皮皮岛，越南的河内、岘港和胡志明市，印度尼西亚的巴厘岛和龙目岛，马来西亚的沙巴，菲律宾的长滩岛等海岛或滨海旅游地区。从具体事故类型分布来看，主要为各类溺水事故、水陆交通事故、突发疾病事故、病毒感染、食物中毒、动物袭击和恐怖袭击等事故亚类；在东盟旅游安全事故人员财损方面，高财损事故规模地区主要分布在泰国的曼谷、芭提雅、普吉岛、苏梅岛，印度尼西亚的雅加达、棉兰，柬埔寨的金边，越南的胡志明市，马来西亚的沙巴和菲律宾的马尼拉等旅游地，主要为各类盗窃、抢劫、欺诈等社会治安事故；在东盟旅游安全事故人员滞留方面，高滞留事故规模地区主要分布在印度尼西亚的巴厘岛和龙目岛，泰国的曼谷，马来西亚的吉隆坡，新加坡、柬埔寨的金边，菲律宾的宿雾和马尼拉等旅游地，主要为因地震、火山爆发和海啸导致的人员滞留事故，以及因航空公司运营问题或设施设备故障造成的航班大面积延误或取消等事故。通过插值分析发现，四类东盟旅游安全事故结果分布规模在各地区并不均衡，沿海旅游地相较于内陆旅游地安全事故规模更高，同时部分地区也出现了旅游安全事故规模极化现象。旅游安全事故规模的集聚不仅与客源地游客流动有关，同时也与目的地城市旅游安全发展相关，需要进一步探测造成东盟安全事故异质化分布的多源风险驱动因子。

3 中国赴东盟旅游安全事故风险因子组态影响探测

3.1 旅游安全事故风险因子指标测度与模型构建

3.1.1 旅游安全事故风险因子指标测度

东盟出境旅游安全事故的发生涉及多个层面风险因子的共同驱动。在引致风险危险性因子（Hazard）方面，根据保险案例中的旅游安全事故发生类型特征和前人对于出境旅游安全引致风险的分析[29]，凝练出自然灾害风险、社会治安风险、公共卫生风险、事故灾难风险四类风险引致因素作为子因子层，再利用操作性指标层测算各风险因子的危害性程度。在承载主体暴露性因子（Exposure）方面，根据中国游客赴东盟旅游流移动特征和消费特征，将暴露性因子分为生命暴露性、时空暴露性和财产暴露性三类子因子。在孕育环境脆弱性因子（Vulnerability）方面，借鉴前人对于旅游目的地安全脆弱性的研究，将脆弱性因子分为经济脆弱性、社会脆弱性和环境脆弱性三类因子[31]；在目的地安全保障性因子（Prevention）方面，结合既有文献中关于目的地安全保障因素的分析[22]，将东盟旅游安全保障性因子分为基础设施保障、公共医疗保障、自然灾害防治、人员业务素质、社会治安保障和政府监管能力等六类因子。本文利用熵值法对遴选的24类操作指标标准化后的数据进行客观赋权（表2），最后，利用加权综合评价法求出东盟各国四类风险因子的最终得分。
表2 出境旅游安全事故风险因子HEVP评估指标

Tab.2 HEVP evaluation index of safety accident risk factor for outbound tourism

风险因子 子因子层 操作性指标层 指标方向 信息熵 冗余度
引致风险
危险性因子
（Hazard）		 自然灾害风险 目的地国家自然灾害受灾人数 正 0.555 0.445
社会治安风险 目的地国家暴力事件（盗抢、凶杀、恐怖主义）发生率 正 0.882 0.118
公共卫生风险 目的地国家传染病死亡率 正 0.897 0.103
目的地国家意外中毒死亡率 正 0.869 0.131
事故灾难风险 目的地国家交通道路事故死亡率 正 0.755 0.245
目的地国家溺水事故死亡率 正 0.793 0.207
目的地国家火灾事故死亡人数 正 0.929 0.071
承载主体
暴露性因子
（Exposure）		 生命暴露性 赴目的地国家中国游客人次 正 0.748 0.252
赴目的地国家中国游客比重 正 0.893 0.107
时空暴露性 距目的地国家平均移动距离 正 0.806 0.194
赴目的地国家平均停留时间 正 0.859 0.141
财产暴露性 赴目的地国家中国游客人均花费 正 0.916 0.084
赴目的地国家中国游客花费比重 正 0.872 0.128
孕育环境
脆弱性因子
（Vulnerability）		 经济脆弱性 目的地国家人均GDP 负 0.945 0.055
目的地国家城镇化率 负 0.925 0.075
社会脆弱性 目的地国家贫困率 正 0.712 0.288
目的地国家失业率 正 0.774 0.226
环境脆弱性 目的地国家环境绩效指数（空气质量、水资源、污染排放、气候变化等） 负 0.891 0.109
目的地安全
保障性因子
（prevention）		 基础设施保障 目的地国家交通设施、电力设施、通讯设施覆盖度 正 0.918 0.082
公共医疗保障 目的地国家公共医疗支出占政府总支出比重 正 0.875 0.125
自然灾害防治 目的地国家防灾、减灾发展水平 正 0.731 0.269
人员业务素质 目的地国家从业人员培训程度 正 0.795 0.205
社会治安保障 目的地国家警务安保可靠程度 正 0.851 0.149
政府监管能力 目的地国家政府法治监管水平 正 0.881 0.119

注：数据分别来源于WB、UNODC&GTD、东盟秘书处、UNWHO、CTIF、全国旅责险、WDI、CIESIN、WEF、WGI。

3.1.2 旅游安全事故风险因子影响模型构建

既有研究表明，旅游安全事故的发生并非单一因素决定，需综合考虑多重风险因素的组合性影响及风险因素间的互动关系[18,32]。本质上看，旅游安全风险是旅游者在旅游地发生的危险情况的可能性和后果性的组合，它是旅游者和旅游地各类风险要素耦合形成的整体性系统[19⇓⇓⇓-23]。根据风险系统理论，风险系统一般由风险源、受体和控制机制三部分构成[13]，基于该理论所构建的风险评估模型最初起源于自然灾害研究。目前，风险系统评估框架已逐渐演变为对包含危害性、暴露性、脆弱性和保障性（适应性）等风险概念集合的评估，其研究由自然环境风险评估向人—环境—社会系统的耦合性风险评估转变[33-34]，该评价体系在公共安全风险、城市安全风险、系统工程安全风险评估领域也有着广泛的应用[35⇓⇓⇓⇓-40]。鉴于东盟旅游安全风险的复杂性、差异性和综合性，传统风险评估方法体系大多只关注旅游地风险源的某一突出方面，很难对其整体进行全面、准确的评估，经综合对比“内因—外因”“压力—状态—响应”“人—机—环—管”等多种指标体系建构尝试，本研究最终选择基于风险系统理论构建东盟旅游安全风险综合评价模型R=f（H，E，V，P）=H×E×V×（1-P），以测度HEVP风险因子耦合对旅游安全事故规模（Scale）的影响。其中，风险源的危害性（Hazard）程度代表了风险直接引致因素的破坏水平。受体的暴露性（Exposure）表示风险承载主体暴露程度和潜在损失的大小。孕育环境脆弱性（Vulnerability）表示受体所在目的地自然、经济和社会等环境的易损程度。安全保障性（Prevention）表示目的地通过安全人、财、物等保障资源的投入和准备阻止或降低事故发生的可能性。将四类风险因子的各结构化指标的加权得分作为条件变量，同时将东盟旅游安全事故中的人员滞留、人员受伤、人员死亡、人员失踪和财产损失5大类事故结果作为旅游安全事故规模（Scale）的测度指标，进一步利用熵值法计算5类事故结果指标权重，并将其加权得分作为结果变量。由于东盟旅游安全事故具有因果复杂性和因子耦合多样性，本文基于fsQCA模糊集定性比较分析的布尔代数和集合论原理，绘制东盟旅游安全事故风险因子组态集合维恩图（Venn diagram），并构建旅游安全事故风险因子组态影响模型框架（图2），对产生高、低两种事故规模的组态构型进行分析。
图2 东盟旅游风险因子组态影响分析框架

Fig.2 The analysis framework of the configuration impact of ASEAN tourism risk factors

3.2 东盟旅游安全事故风险因子组态影响分析

3.2.1 变量校准

在fsQCA研究中，为使得变量适应布尔代数运算逻辑，需提前将因果变量的原始值转移到模糊分数中，给案例赋予集合隶属分数的过程即为校准。本研究结合案例中各变量测度值分布情况和前人研究的校准方法[41-42]，将各因果变量的25%、50%、75%分位值计为完全不隶属度、交叉点和完全隶属度（表3）。通过这3个阈值的设定，利用fsQCA算法将因果变量测量值转换为0-1的模糊得分。
表3 条件与结果变量校准信息

Tab.3 Calibration information of condition and outcome variables

条件和结果 校准
完全不隶属于 交叉点 完全隶属
引致因子危险性（Hazard） 0.188 0.324 0.427
承担主体暴露性（Exposure） 0.201 0.380 0.441
孕育环境脆弱性（Vulnerability） 0.331 0.397 0.496
目的地安全保障性（prevention） 0.197 0.316 0.519
安全事故规模（Scale） 0.049 0.102 0.215

3.2.2 单个条件的必要性分析

单变量必要性检验是模糊集条件组合分析的前提。从集合论视角来看，当结果发生时，总存在某一条件，那么该条件就是结果的必要条件。一致性是衡量必要条件的重要标准，当一致性水平大于 0.9 时，则认为该条件是结果的必要条件[27]。利用fsQCA3.0软件工具对产生高、低两种旅游安全事故规模结果的必要条件进行检验，结果显示（表4）：承载主体暴露性风险因子（一致性0.9231>0.9）是高旅游安全事故规模产生的必要条件，其他条件变量一致性的值均小于0.9，这意味着暴露性因子是制约结果的瓶颈条件。从事故产生的现实情况来看，承载体（游客）是旅游安全事故的主要作用对象，对事故损失规模的判断主要来源于对承载体受损情况的评估。因此，东盟地区高旅游安全事故规模的产生，必然伴随着高风险承载主体的暴露度。
表4 事故风险因子必要条件检验

Tab.4 Necessary condition tests of accident risk factors

前因条件变量 高事故规模水平 低事故规模水平
一致性 覆盖度 一致性 覆盖度
引致风险危险性因子（Hazard） 0.797009 0.734252 0.295113 0.309055
非引致风险危险性因子（~Hazard） 0.250000 0.237805 0.746241 0.806911
承载主体暴露性因子（Exposure） 0.923077 0.829175 0.295113 0.301344
非承载主体暴露性因子（~Exposure） 0.222222 0.217119 0.832707 0.924843
孕育环境脆弱性因子（Vulnerability） 0.568376 0.527778 0.528195 0.557540
非孕育环境脆弱性因子（~Vulnerability） 0.523504 0.493952 0.552631 0.592742
目的地安全保障性因子（Prevention） 0.536325 0.515400 0.518797 0.566735
非目的地安全保障性因子（~Prevention） 0.549145 0.500975 0.556391 0.576998

注：“~”表示逻辑运算的“非”。

3.2.3 条件组态的充分性分析

组态分析主要揭示的是多个前因条件构成的不同组态引致不同事故规模结果产生的充分性。从集合论角度而言，充分性分析探讨的是多个条件构成的组态集合是否为结果集合的子集。本文利用fsQCA算法生成真值表以显示给定数据集的所有组态状态，为将真值表简化为有意义的配置，参考Ragin和杜运周等提出的标准，选择一致性阈值为0.8，频数阈值为1进行充分性分析[26-27]。通过Quine-McCluskey算法分析，一般可以得到复杂解 （complex solution）、简单解 （parsimonious solution） 和中间解（intermediate solution）三种解的方案类型。最终选择中间解作为解释构型的方案，中间解在研究中既接近理论实际且能简化复杂解决方案，是fsQCA研究中普遍采用的一种解的类型。此外，结合简单解进一步区分核心条件和边缘条件（表5）。模糊集计算得出的高事故规模的组态有3条，低事故规模的也产生了3条组态。总体来看，表5中呈现的6种组态的单个解和总体解的一致性水平均高于Ragin所建议的0.75的水平。其中，高事故规模的总体解一致性为0.927，低事故规模的总体解的一致性为0.952，所有单个构型的一致性均超过0.8，表明组态结果的有效性。同时，高低事故规模的总体解的覆盖度分别为0.782和0.827，这说明引致高、低旅游安全事故规模结果产生的两类组态的解释程度较高。因此，有理由相信这6种组态路径是导致高、低东盟旅游安全事故发生的充分条件。
表5 中国赴东盟旅游安全事故风险影响因素前因组态

Tab.5 Antecedent configuration of risk influencing factors of tourism safety accidents in ASEAN

前因条件 产生高事故规模的组态 产生低事故规模的组态
H1 H2 H3 NH1 NH2 NH3
引致风险危险性因子（Hazard） ⊗ ★ ★ ⊗ ● ☆
承载主体暴露性因子（Exposure） ★ ★ ★ ☆ ☆ -
孕育环境脆弱性因子（Vulnerability） ★ ⊗ ★ ● ⊗ ☆
目的地安全保障性因子（Prevention） ● ● ⊗ ⊗ ⊗ ●
一致性 0.826531 0.936842 1.000000 0.994624 0.988372 0.898148
原始覆盖度 0.173077 0.380342 0.348291 0.347744 0.159774 0.364662
唯一覆盖度 0.115385 0.318376 0.284188 0.319549 0.131579 0.347744
总体解的一致性 0.926582 0.952381
总体解的覆盖度 0.782051 0.827068

注：1.★表示核心条件存在，☆表示核心条件缺席；2.●表示边缘条件存在，⊗表示边缘条件缺席；3.“-”代表该条件是既可以出现，也可以不出现的无关紧要条件。

对高事故规模的3种组态路径进行进一步分析：组态H1（~Hazard×Exposure×Vulnerability×Prevention）显示，高承载主体暴露性因子和孕育环境脆弱性因子的存在发挥着核心性作用。引致风险危险性因子的缺席和目的地安全保障性因子的存在发挥了辅助性作用。该组态一致性为0.826，唯一覆盖度为0.115。组态H2（Hazard×Exposure×~Vulnerability×Prevention）显示，引致风险危险性因子和承载主体暴露性因子的存在发挥着核心性作用。孕育环境脆弱性因子的缺席和目的地安全保障性因子的存在发挥着辅助性作用。目的地安全保障性因子的存在和孕育环境脆弱性因子的缺席发挥着辅助性作用。该组态的一致性为0.937，唯一覆盖度为0.318。组态H3（Hazard×Exposure×Vulnerability×~Prevention）显示，引致风险危险性因子、承载主体暴露性因子和孕育环境脆弱性因子的存在发挥着核心性作用，目的地安全保障性因子的缺席发挥着辅助性作用，该组态的一致性为所有组态中最高的1.000，唯一覆盖度为0.284；对低事故规模的3种组态路径进行进一步分析：组态NH1（~Hazard×~Exposure×Vulnerability×~Prevention）显示，承载主体暴露性因子的缺席发挥了核心性作用，孕育环境脆弱性因子的存在、引致风险危险性因子和目的地安全保障性因子的缺席发挥着辅助性作用，该组态的一致性为0.995，唯一覆盖度为0.320。组态NH2（Hazard×~Exposure×~Vulnerability×~Prevention）显示，承载主体暴露性因子的缺席发挥着核心性作用，引致风险危险性因子的存在、孕育环境脆弱性因子和目的地安全保障性因子的缺席发挥着辅助性作用。该组态的一致性为0.988，唯一覆盖度为0.132。组态NH3（~Hazard×~Vulnerability×Prevention）显示，引致风险危险性因子和孕育环境脆弱性因子的缺席发挥了核心性作用，目的地安全保障性因子的存在发挥着辅助性作用。该组态的一致性为0.898，唯一覆盖度为0.348。总体来看，高、低两种事故规模的产生存在因果非对称性，即高事故规模的条件组态的对立面并不能直接推导成为产生低事故规模原因，需要综合考虑因子间的复杂交互关系。同时，东盟旅游安全事故因果关系具有殊途同归性和多重并发性，不同风险因子路径组合可以引致相同事故结果。

3.2.4 组态的区域引致性分析

表6的三维向量空间显示，案例国家在每个向量空间角都有不同的隶属程度，根据各案例国在前因组合的模糊集隶属度进一步判断各组态所匹配的案例国家。
表6 案例在前因组合中的模糊集隶属度

Tab.6 Fuzzy set membership score of the case in antecedent configuration

国家 在前因组合形成的向量空间角上的隶属度
H1 H2 H3 NH1 NH2 NH3
柬埔寨 0.58 0.04 0.04 0.30 0.04 0.04
泰国 0.00 0.82 0.00 0.00 0.00 0.04
马来西亚 0.03 0.82 0.03 0.03 0.03 0.00
印度尼西亚 0.00 0.00 0.85 0.00 0.00 0.00
越南 0.19 0.19 0.64 0.03 0.03 0.19
缅甸 0.00 0.00 0.03 0.61 0.06 0.00
老挝 0.01 0.00 0.01 0.89 0.00 0.00
菲律宾 0.00 0.03 0.03 0.00 0.70 0.00
新加坡 0.00 0.00 0.00 0.00 0.00 1.00
文莱 0.17 0.00 0.00 0.00 0.00 0.83
如图3所示，在高事故规模案例中，组态H1所对应的案例国家是柬埔寨，该组态表明高暴露性因子和高环境脆弱性因子是导致柬埔寨安全事故高发的主要原因，即便其具备一定的安全保障性能力且引致风险的危害程度相对较低，事故规模仍然维持较高水平。根据中国旅游研究院数据统计，截至2019年中国已连续三年成为柬埔寨第一客源国，中国游客在柬旅游人次和消费均占较高比重，各暴露性因子指标呈现较高水平，同时柬埔寨作为传统农业国，GDP水平较低，经济和社会等环境脆弱性因子水平较高，短时承受大量增长的中国客流，继发性安全事故较高。组态H2对应的案例国家是泰国和马来西亚，该组态表明高引致风险危害性因子和高主体暴露性因子是导致泰国和马来西亚旅游安全事故高发的主要原因。具体来看，泰国和马来西亚均是占据中国出境旅游市场前十份额的目的地国家，泰国纬度较低、气候湿热，公共卫生风险危害性较高；马来西亚为多民族、多宗教国家，社会治安风险危害性较高。同时，两国人口密度较大，水陆交通事故等各类事故灾难风险的危害性较高。虽然两国在东盟国家中的经济发展属于中上水平，孕灾环境脆弱因子相对较低，安全保障因子水平也相对较高，但对风险危害性较高、主体暴露性较高的目的地旅游安全事故发生的抑制性作用仍较弱。组态H3对应的案例国家是印度尼西亚和越南，该组态表明高风险危险性因子、高主体暴露性因子、高环境脆弱性因子和低目的地安全保障性因子共同导致了这两个国家高规模的旅游安全事故，该组态的一致性水平也达到了最高。具体来看，印度尼西亚各类自然灾害的风险危害性较高，越南社会治安等风险危害性较高。同时，两国经济发展水平、城镇化率偏低，社会脆弱性和环境脆弱性水平较高。此外，两国基础设施、公共医疗设施和自然灾害防治等旅游安全保障能力较弱。
图3 高事故规模的隶属度对阵H1~H3组态中的隶属度

Fig.3 Fuzzy set membership score of high accident scale corresponds to the membership score of the H1~H3 configurations

如图4所示，在低事故规模案例中，组态NH1所对应的案例国家是缅甸和老挝，两国经济基础薄弱，贫困率高，各类孕育环境脆弱性因子水平较高。同时两国基础设施建设较为落后，公共医疗保障、灾害防治、政府监管等保障性能力水平较低。但两国与中国交界，旅游形式以边境游为主，游客移动距离与停留时间较短，且两国接待中国游客较少，主体暴露性因子较低，因此事故规模水平也较低。组态NH2对应的案例国家是菲律宾，该国自然灾害和社会治安风险危害性因子水平较高，同时基础设施、社会治安等保障性因子水平较低，但接待中国游客人次相对较少，较低的承载主体暴露性因子水平也导致该国事故规模水平较低。组态NH3对应的案例国家是新加坡和文莱，这两个国家的引致风险危害性因子水平、孕育环境脆弱性因子水平较低且安全保障性因子水平较高，因此无论暴露性因子存在或不存在，事故规模水平都相对较低。具体来看，新加坡和文莱是东盟仅有的两个发达国家，不仅各类引致风险较少，同时人均收入较高、社会结构稳固、生存环境良好。且两国具备较强的政府安全保障能力，基础设施建设完善、医疗保障资源的覆盖度高、从业人员业务素质水平较高。新加坡虽然每年接待中国游客人次较高，但风险危害性和脆弱性较低、保障性因素水平较高，事故规模也相对较低。而文莱接待中国游客较少，暴露性因子水平更低，因此事故规模为所有国家中最低。
图4 低事故规模的隶属度对阵NH1~NH3组态中的隶属度

Fig.4 Fuzzy set membership score of non-high accident scale corresponds to the membership score of the NH1~NH3 configurations

4 研究结论与管理启示

4.1 结论

第一，事故类型呈现出高度复杂性和多样性，出境旅游安全事故结果在事故不同类型中呈现出差异化的分布特征。其中，涉旅事故灾难是事故总量最多的事故类型，同时也是致死、致伤和致损率最高的安全事故。业务安全事故是造成人员失踪和人员滞留最多的事故类型。在地区分布方面，东盟旅游安全事故在国家间呈现不均衡的分布特征，各旅游安全事故结果规模的集聚呈现差异化的空间分布格局，沿海旅游地相较于内陆旅游地安全事故规模更高，同时泰国的曼谷、普吉岛和印度尼西亚的巴厘岛等地区也出现了旅游安全事故规模极化现象。
第二，事故的发生是HEVP风险因子耦合作用的结果。必要性分析揭示了承载主体暴露性因子（E）是高事故规模发生的必要条件，即高事故规模的旅游地必然存在较高的游客主体暴露度。充分性组态分析表明，东盟旅游安全事故的产生具有多重并发性和殊途同归性，不同风险因子路径组合可以引致相同事故结果，高、低两种事故规模结果的产生各存在三类风险因子前因条件组合。研究进一步发现，单一引致风险危险性因子（H）和孕育环境脆弱性因子（V）的存在并不会诱发旅游安全事故，但与承载主体暴露性因子（E）结合则会产生高规模旅游安全事故，而目的地安全保障性因子（P）的缺失会加剧旅游安全事故规模。此外，高、低两种事故规模的产生存在因果非对称性，高事故规模的条件组态的对立面并不能直接推导成为产生低事故规模原因，需要综合考虑因子间的复杂交互关系和联合效应。
第三，事故风险因子组态引致路径呈现出较高的区域差异性。在高事故规模组态路径中（H1~H3），在承载主体暴露性因子普遍存在的前提下，菲律宾是孕育环境脆弱性因子主导的国家，泰国和马来西亚是引致风险危害性因子主导的国家，越南和印尼是前两类风险均存在且保障性因子缺失的国家，旅游安全风险较高。在低事故规模组态路径中（NH1~NH3），新加坡和文莱引致风险危害性因子、孕育环境脆弱性因子的缺失和保障性因子的存在导致两国旅游安全事故水平达到最低。同时，缅甸、老挝和菲律宾主体暴露度缺失导致其事故规模也较低。因暴露度缺失导致低事故规模并不意味着目的地本身危害性和脆弱性因子低、保障性因子越高，相反这些风险因素同样需要得到重视。同时，低事故规模也并意味着主体暴露度一定就低，目的地发展旅游可以通过优化其他风险因子降低旅游安全事故发生率。

4.2 管理启示

在“一带一路”倡议背景下，加强中国游客赴东盟旅游安全管理对于降低出境旅游事故规模和促进双边旅游交流合作具有重要意义。本研究结合东盟旅游安全事故的空间分布特征和各风险因子的组态影响路径，提出如下管理建议：
①加强对事故风险因子组态的监测、预警和预控。东盟各国风险因子组态影响结构复杂，中国旅游行政管理部门可建立基于HEVP框架体系的风险因子信息库，对多结构化风险因子的交互影响特征进行识别。针对引致性风险因子，要加强对因子危害性的监测，及时发布旅游地风险提示信息。针对主体暴露性因子，应建立东盟旅游客流高峰识别系统，掌握游客出行的行为结构特征，对高风险、高脆弱性地区的游客高聚集活动进行预警和预控，并通过建立和健全出境旅游风险防范机制，对游客在旅游地潜在风险行为进行干预和引导，形成系统化、长效化的风险监测、预警和预控体系。
②优化安全保障资源的分配和布局。中国游客在东盟地区出游的地域广阔，旅游安全事故分布异质化程度较高。相关部门需对各地区旅游安全事故类型、性质、密度和规模进行归纳总结，并对事故所在目的地国家的风险因子的危害性和脆弱性进行等级评估，引入风险分级调控制度。针对事故规模极化且风险等级较高的旅游地重点投送安全保障资源，包括协调旅游地提供紧急搜救、紧急撤离、医疗救治、安全善后等境外援助资源，部署境外安全救援、信息咨询、法律援助等地区保障性资源。
③推动“中国—东盟”旅游安全的协同治理。“一带一路”背景下的中国与东盟在旅游风险治理合作中需树立命运共同体意识。中国政府应加强与属地国家的安全合作，凝聚“共商、共建、共享”的合作共识，要在地区旅游安全风险治理层面形成系统的协作网络。包括构建双边风险信息共享平台、形成跨境部门协调体制、建立突发事件联合应急响应机制等合作举措。同时，依托“中国—东盟领导人会议（10+1）”“东盟旅游部长会议”等会议，将中国与东盟旅游事故合作管控写入议程，增强东盟旅游风险治理的顶层设计。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
程成, 周泽奇, 鲁建琪. 中国—东盟旅游流空间分异与优化策略[J]. 经济地理, 2020, 40(9):204-212.

[2]
Asean Secretariat. Asean Key Figures[R]. Jakarta, 2020.

[3]
谢朝武. 旅游应急管理[M]. 北京: 中国旅游出版社, 2013.

[4]
张江驰, 谢朝武. “一带一路”倡议下中国—东盟旅游产业合作:指向、结构与路径[J]. 华侨大学学报:哲学社会科学版, 2020(2):25-34.

[5]
马超, 张青磊. “一带一路”与中国—东盟旅游安全合作——基于亚洲新安全观的视角[J]. 云南社会科学, 2016(4):19-24.

[6]
Rittichainuwat B N, Chakraborty G. Perceived travel risks regarding terrorism and disease:The case of Thailand[J]. Tourism Management, 2009, 30(3):410-418.

[7]
Anuar A N A, Bookhari S N, Aziz N A. The effectiveness of safe city programme as safety basic in tourism industry:case study in Putrajaya[J]. Procedia-Social and Behavioral Sciences, 2012, 42(none):477-485.

[8]
Wijaya N, Furqan A. Coastal tourism and climate-related disasters in an Archipelago country of Indonesia:tourists' perspective[J]. Procedia Engineering, 2018,212:535-542.

[9]
Pant P, Huynh W, Peltier R E. Exposure to air pollutants in Vietnam:Assessing potential risk for tourists[J]. Journal of Environmental Sciences, 2018, 73(11):147-154.

[10]
Watcharapong P, Chatporn K, Saranath L, et al. Incidence and Spectrum of Health Problems Among Travelers to Laos[J]. Journal of Travel Medicine, 2014, 21(3):163-168.

DOI PMID

[11]
魏冉. “一带一路”背景下中国公民在东盟十国的安全风险和保护研究[J]. 东南亚研究, 2019(6):106-129,157.

[12]
卢文刚, 魏甜. “一带一路”沿线国家海外中国公民安全风险评估与治理研究——以中国公民在东盟十国为例[J]. 广西社会科学, 2017(9):65-69.

[13]
曲常胜, 毕军, 葛怡, 等. 基于风险系统理论的区域环境风险优化管理[J]. 环境科学与技术, 2009, 32(11):167-170.

[14]
裴惠娟, 陈晋, 李雯, 等. 甘肃省地质灾害风险评估[J]. 灾害学, 2017, 32(2):97-102.

[15]
姚玉璧, 张强, 李耀辉, 等. 干旱灾害风险评估技术及其科学问题与展望[J]. 资源科学, 2013, 35(9):1884-1897.

[16]
刘媛媛, 王绍强, 王小博, 等. 基于AHP熵权法的孟印缅地区洪水灾害风险评估[J]. 地理研究, 2020, 39(8):1892-1906.

DOI

[17]
Nguyen K A, Liou Y A, Terry J P. Vulnerability of Vietnam to typhoons:A spatial assessment based on hazards,exposure and adaptive capacity[J]. Science of The Total Environment, 2019, 682(10):31-46.

[18]
黄锐, 谢朝武. 中国出境旅游安全事故时空分布格局及形成机制[J]. 人文地理, 2019, 34(6):120-128.

[19]
席建超, 张瑞英, 赵美风. 青藏铁路沿线旅游安全风险评价[J]. 山地学报, 2012, 30(6):737-746.

[20]
罗景峰. 基于界壳理论的乡村旅游安全保障体系研究[J]. 农学学报, 2017, 7(1):95-100.

DOI

[21]
邹永广. 旅游安全评价:研究现状与述评[J]. 旅游学刊, 2020, 35(7):133-146.

[22]
Calgaro E, Lloyd K, Dominey-Howes D. From vulnerability to transformation:a framework for assessing the vulnerability and resilience of tourism destinations[J]. Journal of Sustainable Tourism, 2014, 22(3):341-360.

[23]
Sun Y, Yang Q, Chen P. A study of spatial evolution patterns of tourist destinations disaster risks[J]. Journal of Risk Analysis & Crisis Response, 2018, 8(1):35-42.

[24]
陈明星, 陆大道, 张华. 中国城市化水平的综合测度及其动力因子分析[J]. 地理学报, 2009, 64(4):387-398.

[25]
马慧强, 韩增林, 江海旭. 我国基本公共服务空间差异格局与质量特征分析[J]. 经济地理, 2011, 31(2):212-217.

[26]
杜运周, 贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J]. 管理世界, 2017(6):155-167.

[27]
张明, 杜运周. 组织与管理研究中QCA方法的应用:定位,策略和方向[J]. 管理学报, 2019, 16(9):1312-1323.

[28]
RAGIN C C. Redesigning Social Inquiry:Fuzzy Sets and Beyond[M]. Chicago: University of Chicago Press, 2008.

[29]
谢朝武, 黄锐, 陈岩英. “一带一路”倡议下中国出境游客的安全保障——需求、困境与体系建构研究[J]. 旅游学刊, 2019, 34(3):41-56.

[30]
谢朝武, 张俊, 陈岩英. 中国出境旅游安全风险的区域分布研究[J]. 中国安全科学学报, 2018, 28(1):155-160.

DOI

[31]
黄倩, 谢朝武, 黄锐. 我国省域旅游地脆弱性对旅游突发事件严重性的门槛效应[J]. 经济管理, 2020, 42(7):158-175.

[32]
程云, 殷杰. 中国旅游安全事件分布与引致因素[J]. 经济地理, 2020, 40(11):215-224.

[33]
Cutter S L, Boruff B J, Shirley W L. Social vulnerability to environmental hazards[J]. Social Science Quarterly, 2003, 84(2):242-261.

[34]
Eakin H, Luers A L. Assessing the vulnerability of social-environmental systems[J]. Social Science Electronic Publishing, 2006, 5(31):365-394.

[35]
王波, 黄德春, 华坚, 等. 水利工程建设社会稳定风险评估与实证研究[J]. 中国人口·资源与环境, 2015, 25(4):149-154.

[36]
肖如林, 吕杰, 申文明, 等. 基于风险系统理论的尾矿库环境风险评估模型研究[J]. 安全与环境工程, 2016, 23(6):81-86.

[37]
李彤玥. 基于“暴露—敏感—适应”的城市脆弱性空间研究——以兰州市为例[J]. 经济地理, 2017, 37(3):86-95.

[38]
袁业畅, 何飞, 李燕, 等. 环境风险评价综述及案例讨论[J]. 环境科学与技术, 2013, 36(S1):455-463.

[39]
岳仁田, 李君尉. 基于多因素耦合的航空运输系统脆弱性分析[J]. 中国安全生产科学技术, 2020, 16(12):150-156.

[40]
贾倩, 曹国志, 於方, 等. 基于环境风险系统理论的长江流域突发水污染事件风险评估研究[J]. 安全与环境工程, 2017, 24(4):84-93.

[41]
牛晓晨, 邢源源, 孟凡臣. 跨国技术并购因素组态与创新绩效因果关系研究——基于模糊集定性比较分析[J]. 中国软科学, 2020(8):20-35.

[42]
Garcia-Castro R, Francoeur C. When more is not better:complementarities,costs and contingencies in stakeholder management[J]. Strategic Management Journal, 2016, 37(2):406-424.

Options
Outlines

/

〈 〉