中国区域旅游经济差异的空间统计分析

中国区域旅游经济差异的空间统计分析摘要：本文借助ArcGIS技术，结合空间统计分析方法，以2000年以来全国31个省、直辖市和自治区的人均旅游收入的空间分布格局及其演变过程为研究对象，在分析区域旅游经济差异的相关研究基础上，对2000年～2011年的中国区域旅游经济差异的空间格局、互动关联模式以及演变过程进行分析。

研究发现，中国区域旅游经济差异的空间格局整体上呈现出较强的空间依赖性；局部上则长期表现出高高相聚和低低相聚的两极分化格局；邻接省、直辖市和自治区的旅游经济发展存在着关联互动，使得中国区域旅游经济差异不断演变并出现新的空间格局。

关键词：旅游经济；区域差异；空间统计；空间自相关引言“十二五”时期，我国将旅游业定位于拉动内需、促进消费的重要途径和调整经济结构、进行产业升级的重要方向，中国旅游业因此迎来新的发展机遇。

与此同时，受旅游资源禀赋、地理区位、交通条件、基础设施、社会经济水平等因素的影响，中国旅游业又面临着区域非均衡发展的挑战。

根据区域经济差异研究理论，差距的存在客观上对旅游经济总体水平的提高具有一定的促进作用，但区域差距的过度扩大将使得发达地区受欠发达地区的拖累，最终导致整体旅游经济水平的下降。

因此，研究中国区域旅游经济差异的空间格局、邻接地区关联模式以及格局演变成为区域旅游发展关注的问题，也成为学术研究的热点之一。

陆林和余凤龙（2005）曾把关于中国区域旅游经济差异的研究成果归纳为两类，一类从不同角度构建省域旅游业实力指标体系，利用主成分分析、因子分析、聚类分析等方法对比分析中国省域旅游经济的综合实力和发展实力；另一类则以区域经济学为基础，分析我国旅游业的区域非均衡增长特征，探讨旅游区域差异的动因，提出了缩小地区差异的对策。

近几年，以区域经济学为基础的旅游经济差异研究成为区域旅游经济差异研究的重要组成部分（孙盼盼，等，2011）。

在区域旅游经济差异测度指标方面，囿于研究区域的不同和数据的可获得性，采用的衡量指标有所差异，国际旅游收入（旅游外汇收入）、国内旅游收入、旅游总收入等是常用的指标。

陆林和余凤龙（2005）、叶护平和韦燕生（2005）以国际旅游收入作为衡量指标研究了中国省际旅游经济差异和空间分布特征；程进和陆林（2010）以国内旅游收入为衡量指标分析了安徽的区域旅游经济差异；郝俊卿和曹明明（2009）、蔡业新（2009）采用旅游综合收入分别对陕西和吉林旅游经济差异做了个案研究；王凯等（2007）则提出以国际旅游收入（旅游外汇收入）为基础构成的综合指数为衡量指标，对我国旅游经济发展水平差异变化的时空特征及旅游产业基础的现实格局进行分析。

测度方法方面，现有研究成果多以传统统计指数从绝对差异和相对差异两方面对区域旅游经济差异程度做出统计描述，常用的统计指数为标准差和变异系数（陆林，余凤龙，2005；王凯，等，2007；郝俊卿，曹明明，2009；邹家红，王慧琴，2009）。

然而，变异系数无法对造成差异的因素进行分解，为此，有研究者进一步采用基尼系数和锡尔指数（泰尔指数）对区域旅游经济差异进行测算、分解和分析（叶护平，韦燕生，2005；陈智博，等，2008；陈晓，王丹，2009）。

近年来，全要素生产率、二阶段嵌套泰尔系数分解、σ趋同、俱乐部趋同和β趋同等方法也逐渐运用于区域旅游经济差异研究中。

唐晓云（2010）从全要素生产率的视角，以1993年～2009年的统计数据测算了我国旅游经济区域差异，结果表明中国旅游经济的区域差异正逐渐缩小，并认为当前区域差异处于良性水平。

汪德根和陈田（2011）使用二阶段嵌套泰尔系数分解方法，分析中国入境旅游经济和国内旅游经济的区域差异，研究显示，2000年～2008年中国入境旅游和国内旅游的总体差异呈缩小趋势，东部地带省间差异明显。

针对入境旅游，Wang等（2011）利用σ趋同、俱乐部趋同和β趋同对1996年～2008年中国区域入境旅游经济进行了分析，结果表明全国人均入境旅游收入呈现收敛特征且东、中、西三大地区均呈现递增趋势，其中仅东部地区的入境旅游经济呈现俱乐部趋同现象。

上述研究为我们理解中国区域旅游经济差异提供了理论和方法借鉴，但使用古典统计方法分析空间数据存在不足。

Anselin （1992）指出，空间依赖几乎所有的空间数据都具有空间依赖或空间自相关性，即某位置上的数据与其他位置上的数据之间具有相互依赖性，二者由于受空间相互作用和空间扩散的影响，彼此之间可能不再相互独立，而是相关的。

的存在打破了大多数古典统计分析中相互独立的基本假设，将古典统计方法应用于与地理位置相关的数据时，通常不能获取这些数据的空间依赖性，会引起各种问题。

因此，上述研究成果忽略了空间因素，导致数值的地理分布信息无从得知，进而也无法解释区域旅游经济活动的空间特性、关联模式及其空间格局演变规律。

空间统计则为空间和数值的有效结合提供了新思路，其核心就是认识与地理位置相关的数据间的空间依赖、空间关联或空间自相关。

20世纪70年代以来，伴随计算机的普及和运算速度的提高，探索性的空间数据分析（Exploratory Spatial Data Analysis，ESDA）技术也逐渐发展和完善，为实现空间分析提供了有效途径。

空间统计分析的理论和方法不断被引入区域经济差异的研究中（徐建华，等，2005；张燕文，2006；黄飞飞，等，2009）。

近年来，也曾有研究基于此方法，利用2007年旅游经济数据，对我国省域旅游经济总体和局域空间差异特征进行初步探索（宋慧林，马运来，2010）。

但研究所利用的数据仅有1年，无法反映中国区域旅游经济差异2000年以来由于空间互动关联作用所导致的空间特性和分布格局的演变。

本文利用空间统计分析方法，对2000年～2011年中国区域旅游经济发展水平的相互依赖程度、相互影响和关联模式以及空间集聚格局和演变进行分析。

一方面，弥补使用古典统计方法对区域旅游经济差异进行研究的不足；另一方面，根据结论对中国区域旅游经济均衡、持续、健康发展提出针对性的政策建议。

为了实现研究目的，较之于以往研究，本文在以下几个方面进行了改进：首先，利用空间统计的相关方法，将空间因素纳入区域旅游数据分析，以更好地反映区域之间旅游经济的互动、关联和集聚；其次，根据上文对旅游经济测度指标的述评，借鉴区域经济研究中多采用人均收入来衡量区域经济水平，同时考虑数据的可获得性和完整性，本文选择人均旅游收入作为测量旅游经济水平的指标，剔除人口总量对旅游收入规模的影响，比使用国际旅游收入、国内旅游收入或者旅游收入等规模指标更能反映一个区域的实际旅游经济水平，又避免了单独使用国际旅游收入或国内旅游收入而产生的结论片面性问题；第三，本文在数据方面进行了价格因素剔除处理，使得测量结果更准确。

1研究数据来源和处理鉴于研究结论要与以往的研究成果做衔接和对比，本文研究区域指大陆的31个省、直辖市和自治区[简称“省（市/区）”]，不包括香港、澳门和台湾。

此外，在保证数据的可获得性及区域间可比性的基础上，本文选择2000年～2011年人均旅游收入作为中国区域旅游经济差异空间统计分析的样本数据。

原始的旅游收入数据来源于中国统计年鉴（2001-2012）、中国旅游统计年鉴（2001-2012）和31个省（市/区）的统计公报（2001-2012）。

鉴于本文数据选择跨度长达12年，旅游产品和服务价格变化必会影响到区域旅游经济差异的程度，因此利用商品零售价格指数来折算2000年～2011年间各地区的旅游收入数据以剔除价格变化的影响。

首先，从国家统计局获得我国31个省（市/区）2000年～2011年的商品零售价格指数的原始数据cti（均以上一年为基期），t代表年份，i代表省（市/区）；然后，将2000年各省（市/区）的商品零售价格指数设为100（即c2000i=100），利用公式（1）计算出2001年～2011年各省（市/区）的以2000年为基期的商品零售价格指数Pti，即调整后的商品零售价格指数。

Pti=P（t-1）i×（cti÷100）（1）其中，Pti和P（t-1）i分别为调整后的第i个省（市/区）在年份t和t-1的商品零售价格指数，当t=2001时，P2000i=c2000i=100；cti为第i个省（市/区）的以上一年为基期的商品零售价格指数，（cti÷100）表示第i个省（市/区）在年份t时的商品零售价格指数比在年份t-1时的增长率。

最后，用各省（市/区）每年旅游收入除以调整后的当年商品零售价格指数，得到各省（市/区）剔除价格变化因素后的旅游收入，再除以相应的总人口获得各省（市/区）人均旅游收入数据。

2研究方法本文采用空间数据探索分析方法（ESDA），并采用简单二进制邻接矩阵即两个区域邻接，则权重矩阵的值为1，否则为0。

作为空间权重矩阵，对中国区域旅游经济水平的区域差异进行分析。

由于海南与大陆不邻接，本文采用徐建华等（2005）类似的处理方法，即基于海南和广东现实联系较密切，将海南和广东定为邻居关系，进而对空间权重矩阵做了微小处理。

2.1全局空间自相关全局空间自相关分析，通常又被称为全局空间相关性统计量，用于测量、考察变量在整个区域范围内所表现出的空间分布形式，分析其是否存在聚集特性。

本文采用不易受偏离正态分布影响的Moran’s I 指数（Cliff，Ord，1981）。

其计算公式如下：I全局=n×∑ni=1∑nj≠iWij（xi-x―）（xj-x―）∑ni=1∑nj=1Wij×∑ni=1（xi-x―）2（2）其中，I全局为Moran指数，n为区域数量31，xi、xj分别表示旅游经济水平在空间地域单元i和j的观测值，x―表示旅游经济水平的平均值，（xi-x―）（xj-x―）则表示空间地域单元i和j的旅游经济水平观测值的相似性，Wij为空间地域单元i和j的位置权重矩阵。

Moran’s I的统计量指数在[-1，1]之间，通常利用对其标准化进行显著性检验。

当标准化Z值大于零且显著时，表明存在正的空间自相关，即相似的旅游经济水平观测值（高值和高值，低值和低值）趋于空间集聚；当Z值小于零且显著时，表明存在负的空间自相关，即相似的旅游经济水平观测值趋于分散分布；当Z值为零时，旅游经济水平观测值呈现独立随机分布。

通过Z值的P值检验可以确定显著性水平。

如果P值小于给定的显著性水平α（一般取0.05），则拒绝零假设H0（31个区域单元的旅游经济水平观测值之间不存在空间自相关）；否则接受零假设。

P值可通过正态分布、随机分布或置换方法来获取。

2.2局部空间自相关全局空间自相关测度观测值在整个研究区域的分布形式，但易忽略空间过程的潜在不稳定性问题。