中国赴泰旅游需求时空分异及其影响因素

阮文奇　张舒宁　李勇泉　郑向敏

[摘 要]出境旅游已成为中国旅游发展的重要组成部分，正在改变着中国与世界旅游市场运行格局和走势。该研究以百度指数来衡量旅游需求，收集了2011-2017年中国31个省域的赴泰旅游需求指数，并利用季节性强度指数、空间自相关、地理探测器等方法探讨了中国赴泰旅游需求的时空分异特征及其影响因素。研究发现：（1）2011-2017年赴泰旅游需求总体呈现先递增后下降的时间演化趋势，且季节性差异较大，赴泰旅游需求逐渐由“夏季热”转为“冬季热”，“假期游”和“避寒游”需求特征明显。（2）整体来看，赴泰旅游需求存在空间集聚效应，高需求省域与低需求省域均在空间上显著集聚，冷热点格局呈现出以长三角区域为中心，向四周扩散的“C字型”空间分布特征。（3）赴泰旅游需求总体呈现“胡焕庸线”空间分布特征，高需求区域主要分布于东部地区，西部地区多为低需求区域。（4）放假制度、经济发展水平、国际旅游开放度、对外交通便利性是中国赴泰旅游需求时空分异的主要影响因素，而对外经济联系、信息化程度和地理区位也对赴泰旅游需求发挥着重要作用。文章从地理空间探讨赴泰旅游需求的时空分异及影响因素，并与国内旅游需求影响因素进行对比，拓展了中国出境旅游的研究框架，旨在为中国出境旅游良性发展提供理论指导与实践启示。

[关键词]旅游需求;出境旅游;时空分异;影响因素;地理探测器;泰国

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2019）05-0076-14

Doi： 10.19 76 5/j.cnki.1002- 5006.2019.05.010

引言

出境旅游是旅游发展的重要组成部分，是一个国家与地区旅游业以及社会经济发展水平的重要标识[1]，发展出境旅游有助于中国旅游经济体系走向平衡[2]，增强对外影响力。随着中国经济持续增长，出境旅游得到了快速发展[3]，并逐渐成为国民旅游的重要选择方式。中国已是世界第一大出境旅游市场与出境旅游消费国[4]，中国出境旅游已经成为世界旅游市场的重要组成部分，正在改变着中国和世界旅游市场运行格局和走势[5]。目前，中国出境旅游研究备受关注，并成为近年来旅游研究的热点议题[6]。

出境旅游是中国旅游业的三大支柱之一。早期，学术界对中国出境旅游的发展现状及阶段特征[6-7]、市场影响因素[6]、发展战略与政策选择[9-10]、目的地市场定位[11]行为与消费特征[12-13]、文化价值[14-16]等方面进行了广泛而深入的探索。近年來，学者们主要关注出境旅游需求发展[17]、影响因素[5，18]、出境旅游安全[19-20]等方面。其中，出境旅游需求逐渐成为学术界广泛关注且不断深化探讨的议题。蒋依依等以面板数据构建了需求理论模型，分析了发达经济体和发展中经济体出境旅游需求的影响因素，并对其影响因素的异同进行对比分析[1]，Yang和Wu探究了影响中国居民出境旅游需求的潜在因素[21]，Moutinho等利用神经网络构建模型，预测中国出境旅游需求的变动趋势及特征[22]。在国际旅游需求研究方面，主要关注到了国际旅游需求估算[23-24]、需求特征[25]、需求影响作用[26]、出境旅游需求形成因素[27]等。此外，也有不少学者探讨某种因素与国际旅游需求之间的关系，如目的地空气质量[28]、经济因素[29]、汇率[30]、政策[31]、危机事件[32]等。Charlesworth分析了苏格兰海外旅游需求具有区域性季节特征[33]，Eugeniomartin和Campossoria分析了本地区域气候与出国旅游目的地选择之间的关系[34]。综上所述，出境旅游研究呈现明显的阶段特征，出境旅游需求逐渐成为热点议题，但当前对出境旅游需求的研究大多停留在需求预测、影响因素等层面，缺乏从客源地视角探讨出境旅游需求的时空格局及影响因素，大多通过面板数据对出境旅游需求进行分析，缺乏月度、季度等动态微观数据研究。

随着网络快速发展，互联网已成为旅游信息获取和辅助旅游行为决策的重要工具[35]。旅游者出行前主要搜寻机票、天气、住宿、旅行攻略、地图或交通指南、旅游景点等信息;旅行中主要搜寻天气、旅行攻略、地图或行车指南、大型活动等信息，旅游信息搜寻行为代表了用户的出游需求[36]。已有研究证明了百度搜索指数与旅游需求之间存在密切的关系[37]，百度指数是现实客流量的前兆[38-39]，一定程度上代表了出游需求[40]。

具体来看，已有相关研究将百度指数运用在旅游需求分析中，阮文奇和李勇泉以“百度指数”衡量客源地旅游需求，从而探讨九寨沟地震对客源地旅游需求的影响及空间差异[41];马丽君等以“百度指数”来衡量旅游需求，分别探讨客源地居民旅游需求的时空特征[40，42]。虽然目前直接以百度指数衡量旅游需求的相关研究较少，但有不少研究间接论证了百度指数与旅游需求之间的关系。如Yang等运用百度指数来预测中国热门旅游目的地的游客数量，并验证了百度数据和海南省到访游客之间的协整关系[43];Huang等探讨了互联网搜索数据与实际旅游流之间的关系，研究表明百度指数与游客流量呈正相关[44];“等提出了一种基于百度指数的旅游流量预测模型，并验证了该模型的有效性[45]。不难发现，百度指数在一定上能够预测旅游流，而旅游需求产生于出游之前，潜在旅游者有了旅游需求才能产生旅游行为。百度指数在一定程度上代表着客源地网民对旅游地的关注度，是其旅游行为决策的先导，可较好地体现旅游需求特征，有助于分析出境旅游需求量横向对比及年内变化规律，弥补当前出境旅游需求研究的不足。因此，以“百度指数”来衡量旅游需求具有较高的可信度和合理性。

从以上分析发现，百度指数主要用于国内旅游需求衡量中，而出境旅游对旅游信息的依赖性更高，但百度指数极少运用在出境旅游需求研究中，基于此，本文以赴泰旅游为例，利用百度指数衡量赴泰旅游需求，收集了2011-2017年中国31个省域（由于我国港澳台地区数据统计口径不一，因此本文未将港澳台地区纳入研究范围）对泰国旅游的百度指数，利用季节性强度指数、空间白相关等方法分析赴泰旅游需求的时空分异特征及演化趋势，通过地理探测器和最小二乘法分析其时空分异的影响因素，并进一步探讨出境旅游需求与国内旅游需求的影响因素是否存在差异。本文揭示了中国赴泰旅游需求的时空分异格局及其影响因素，拓展了中国出境旅游需求的研究框架，旨在为我国出境旅游良性发展提供理论指导与实践启示。

1 数据来源与研究方法

1.1案例地概况

泰国是世界闻名的旅游胜地之一，凭借独特的热带自然景观、浓厚的异域风俗、优质的旅游服务和物美价廉的产品成为深受国际游客喜爱的旅游地。泰国是中國最早开放的出境旅游市场，是“一带一路”沿线重要的旅游国家之一，随着《泰囿》等热门电影的传播，在中国旅游市场知名度日益增高，泰国已经成为中国游客首选的出境旅游目的地。在2013年中泰游客互免旅游签证政策的推动下，赴泰游客数量从2013年470万人次上升至2017年980万人次，赴泰游客数量快速增长，赴泰旅游市场的潜力巨大①。而2017年受萨德事件影响，中国很多线下旅行社、OTA将旅游营销转向泰国，赴泰旅游获得更大的发展空间。因此，研究中国游客赴泰旅游具有一定的典型性、代表性及现实意义。

1.2数据来源

百度指数是百度推出的一种数据分享平台，依托于百度搜索引擎，以百度海量网民的搜索痕迹为数据基础，以百度引擎上的搜索关键词为统计对象，科学分析并计算出各个搜索关键词在百度搜索引擎中搜索频次的加权和。互联网体现了出游决策行为方式[46]，对旅游目的地的网络搜索反映了旅游者出游需求倾向。虽然百度指数与旅游需求在内容构成及需求量上存在差异，但仍然可以较好地体现客源地旅游需求特征[37，47]，尤其是在横向对比及年内变化规律分析上，百度指数具有较高的可信度[48]。因此，以百度指数来衡量旅游需求具有较强合理性和科学性。关键词选取遵循以下3方面原则：（1）代表性：旅游包含“食、住、行、游、购、娱”等方面需求，因此，选取最能代表旅游需求的要素，且与出境旅游特点密切相关的搜索关键词。如出现多个相同含义的关键词，只选取关注度最高的。（2）可操性：关键词须为可搜集到的，即百度指数数据库中已收录的。（3）关注度高：客源地用户关注度较高，且与赴泰旅游息息相关的，即搜索量排名靠前的关键词。

旅游需求具有综合性和多面性特征，单一搜索关键词难以全面衡量旅游需求。马丽君和龙云以湖南省各景区名为搜索关键词，进而以百度指数衡量湖南省居民对景区的旅游需求[40]。阮文奇和李勇泉以“九寨沟旅游攻略”“九寨沟门票”“九寨沟天气”“九寨沟酒店”等关键词来获取百度指数，从而衡量旅游需求[41]。张舒宁和李勇泉以“厦门旅游攻略、厦门旅游地图、厦门旅游景点”为搜索关键词，从而通过百度指数衡量客源地旅游需求[49]。因此，本文在前人研究基础上，结合旅游6要素“吃、住、行、游、购、娱”本质内涵，以“泰国旅游攻略”“泰国旅游注意事项”“泰国旅游签证”“曼谷旅游攻略”“普吉岛天气”“清迈旅游攻略”为搜索关键词，检索时间设置为2011年1月至2017年12月，并以年度、季度、月度为时间区间进行搜索，以各省域为地域单位进行检索，分别收集中国31个省域对赴泰旅游的用户搜索量，作为研究赴泰旅游需求的基础数据。其中，关键词选取与搜索时间设置的原因如下：（1）6个搜索关键词涵盖了旅游者对赴泰旅游的要素需求，体现了旅游者在旅游前或旅游中的准备工作。具体来看，关键词“泰国旅游攻略”包含了旅游者对“吃、住、行、游、购、娱”等要素的需求;“泰国旅游注意事项”体现了旅游者对泰国法规、习俗等方面的信息需求;“泰国旅游签证”体现了旅游者的出境旅游准备及旅游决策行为。曼谷、普吉岛、清迈是泰国最受关注的3大旅游目的地，能够最大程度代表赴泰旅游需求。其中，普吉岛经常发生暴雨、洪水，一定程度上影响了旅游者的行程安排，因此选取“普吉岛天气”能够较好地衡量赴泰旅游信息需求及游程安排，气候对旅游者的行程安排和旅游攻略有着重要的影响，与旅游行为密切相关，是旅游者的关注热点。（2）6个关键词均为用户搜索量排名靠前的关键词，具有较高的网络用户关注度。（3）移动端无线搜索指数最早是从201 1年进行关键词搜索量收录，为了获得完整的研究数据，故选取2011-2017年作为研究时段，保证研究数据的完整性和科学性。

1.3研究方法

1.3.1季节性强度指数

季节性强度指数主要用于反映中国赴泰旅游需求时间分布的集中程度，计算公式如下[50]：

式（1）中：R为季节性强度指数;8.33为各月赴泰旅游需求占全年百分比的平均值;X为第f月赴泰旅游需求占全年的比重。R值越趋向于零，说明各月分布越均匀;R值越大，则季节性差异越大。

1.3.2空间自相关

（1）全局空间自相关。主要用于确定某一变量是否在空间上相关，可以反映变量在空间上集聚分布特征。因此，本文将空间白相关作为分析赴泰旅游需求空间表征的一个重要工具，探讨赴泰旅游需求的空间关联性与集聚特征，Moran's，指数是常用的检验指标，公式为[51]：

式（2）中：，为Moran'sI指数;n为研究单元数;xt和xi指第i个和第i 个研究单元上的属性值;x为xi的平均值;Sn为空间权重矩阵的所有元素和;wij为研究单元i和，的空间权重矩阵。Moran'sI值域为[-1，1]，其中Moran'sI大于0代表空间集聚，小于0代表空间分散。当2（I）1.96，P（I）<0.05时，表明有显著相关性。

（2）局部空间白相关。局部空间自相关能更细致地刻画赴泰旅游需求的空间分异，本文采用Getis-Ord Gi指数来衡量赴泰旅游需求的局部特征，用于识别冷点区与热点区的空间格局。公式为：

式（3）中，n为研究单元数;xi和xj为空间单元f和i的属性值;wij为空间权重矩阵。如果Gi为正且显著，则属于高水平集聚区，为赴泰旅游需求的热点区;如果G*i为负且显著，则属于低水平集聚区，为赴泰旅游需求的冷点区。

1.3.3地理探测器分析方法

地理探测器主要包括因子探测、风险探测、生态探测和交互探测4个部分内容[52-53]。本研究中赴泰旅游需求的影响因素过多，难以完全满足传统统计分析方法中假设条件要求，因此使用传统统计分析方法可能会影响到分析效果，而地理探测器可以有效地克服传统统计分析方法处理类别变量的局限性[54-56]，其在假设方面受到的制约较少[57]。此外，运用地理探测器建立的白变量和因变量之间的关系比经典同归更加可靠[52]。因此，本文主要采用地理探测器中的因子探测模型，分析各个影响因子对赴泰旅游需求的影响作用强度，其核心思想是：影响赴泰旅游需求变化的相关因素在空间上具有差异性，若某因素和赴泰旅游需求的强度在空间上具有显著的一致性，则说明这种因素对赴泰旅游需求的空间分布具有决定意义。地理探测器具体公式如下：

式（4）中：q为探测因子D的探测力值;n为整个区域样本数，nDi为次一级区域样本数;m为次级区域个数;au2为赴泰旅游需求的方差;auzD.为次一级区域的方差。本文以赴泰旅游需求为因变量Y，以经济发展水平和人口规模等探测因子为白变量D。q的取值区间为[0，1]，q值越接近于1，则说明D因素对赴泰旅游需求的影响越大。

2 中国赴泰旅游需求的时空分异

2.1中国赴泰旅游需求的时间特征

2011-2016年中国赴泰旅游需求呈现不断增长趋势，其中，2013年旅游需求增长最为迅速，增长率达到87.9%，具体如表1所示。由于2013年中泰两国开始实行互免旅游签证政策，促使中国居民赴泰旅游需求激增。2017年旅游需求相较于2016年略有下降，2016年10月泰国国王逝世，举国丧期禁止娱乐活动，一定程度上影响了2016年年末和2017年年初中国居民赴泰旅游需求。2017年泰国严厉打击零团费现象，赴泰旅游团费标准相继提高，进而削弱了赴泰旅游需求。

根据式（1），分别计算出2011-2017年的季节性强度指数值，R直均较大，说明中国赴泰旅游需求季节性差异大，淡旺季较为明显，高峰期主要集中于夏季和秋季，受暑假、国庆等假期影响，该时段内赴泰旅游需求较为旺盛。2017年赴泰旅游需求主要集中于冬季，“冬季出游”逐渐成为热门选择，赴泰旅游需求季节性特征逐渐改变。

由表2可知，2011-2012年赴泰旅游需求发展趋势较为一致，但旅游需求水平整体相对较低;2013年7月赴泰旅游需求强烈;2014年赴泰旅游需求高峰期出现在11月;2015-2017年赴泰旅游需求均呈现以1月、7月、8月和12月为高峰期的多峰值特征，也即赴泰旅游需求高峰值主要分布于夏季和冬季，且年内变化特征较为一致。总体而言，中国赴泰旅游需求越来越集中于1月、7月、8月和12月。其中，1月、7月、8月邻近中国春节和寒暑假，假期出游成为常态，为赴泰旅游提供了时间保障;同时，1月和12月中国大部分地区气候寒冷，而泰国地处热带地区，泰国气候环境有效弥补了中国居民的冬季旅游需求。“假期游”和“避寒游”特征增强了冬季和夏季的赴泰旅游需求。因此，假期和气候可能是中国赴泰旅游需求的影响因素。

2.2中国赴泰旅游需求的空间特征

2.2.1总体空间格局

通过式（2）计算出 2011-2017年赴泰旅游需求的Moran'sI值，结果见表3。中国赴泰旅游需求的Moran'sI值均为正，除2016年外，其余年度Moran'sI的正态统计值在0.1条件下显著。说明2011年以来，中国赴泰旅游需求基本呈现明显的空间集聚特征，高需求省域与低需求省域均在空间上显著集聚，即赴泰旅游需求较高的省域趋于相邻，赴泰旅游需求较低的省域也趋于相邻。

2011-2012年，Moran'sI值由0.147增长为0.173，赴泰旅游需求指数相似的省域在空间上趋于集聚，呈现空间集聚特征，体现了赴泰旅游需求的增长不平衡性。2012-2016年，Moran'sI值由0.173下降至0.081，中国赴泰旅游需求由空间集聚分布逐渐演变为随机分布，即空间集聚效应逐渐减弱。从2013年开始，中泰两国实施游客互免旅游签证政策，并持续至今，该政策为赴泰旅游提供了极大便利，赴泰旅游需求增强，区域赴泰旅游需求走向平衡。2016-2017年，Moran'sI值由0.081增长到0.118，空间格局由随机分布变为弱集聚分布。由于2016年10月泰国国丧期一定程度上影响了中国居民赴泰旅游需求，故呈现随机分布特征，2017年赴泰旅游需求有所增长，使得局部空间更加均衡，故呈现空间集聚分布态势。

2.2.2局部空间格局

运用ArcGIS 10.2软件分析赴泰旅游需求的Getis - Ord Gi*指数值，通过自然断点法将其划分成5类，并生成赴泰旅游需求冷、热点格局演变图（图1）。

从整体来看，中国赴泰旅游需求呈现明显的“胡焕庸线”空间分布特征，2011-2017年赴泰旅游需求热点和次热点区域主要分布于东部地区，西部地区多为冷点和次冷点，其中，热点区域、次热点区域逐渐扩大，冷点区域较为稳定。（1） 2011-2013年为热点扩张期，赴泰旅游需求的热点区域、次热点区域显著增多，呈现扩大趋势。山东由次热点区域变为热点区域;辽宁、山西、陕西、浙江、江西和湖南由一般区域变为次热点地区。次冷点区域除了贵州、宁夏、海南发生跃迁外，其余地区保持稳定。（2）2014年冷热点演变剧烈，表现为次冷点区域明显扩大、一般区域明显减小，赴泰旅游需求冷热点格局跃迁明显。由于2014年年初泰国发动军事政变，泰国大选前频发枪战及示威游行，局势动荡，严重威胁到游客人身安全，导致2014年空间格局演变剧烈。（ 3）2015-2017年冷热点格局整体稳定，赴泰旅游需求的冷热点区域变化较小。除吉林由一般区域变为次热点区域外，其余地区没有明显跃迁，呈现稳定的空间格局。总体来说，中国赴泰旅游需求呈现明显的空间分异特征，2011-2017年间逐渐形成了以长三角区域为中心，向四周扩散的“C字型”空间分布特征，即东部地區多为热点区，西部地区多为冷点区。

同时，为了进一步验证中国赴泰旅游需求的空间分异格局，从而统计各个省域赴泰旅游需求值，并将其划分为高需求区、较高需求区、较低需求区和低需求区4类，从而发现：（1）赴泰旅游高需求区主要分布于东部地区，西部地区的赴泰旅游需求较低，“胡焕庸线”空间分布特征明显。（2）高需求区主要分布于东南沿海和四川地区，其中，北京、上海、江苏、浙江、广东经济发展水平高，具有较强出境旅游潜力，赴泰旅游需求强。2013年四川乐山与泰国巴蜀府正式结为友好城市以及四川赴泰直飞航线逐渐增多，四川与泰国的旅游交流日益密切，四川赴泰旅游需求提高。（3）低需求区主要位于中国西北和海南地区，西北地区经济发展水平低，居民出游力较弱，且到访泰国旅游交通成本较高，导致赴泰旅游需求较低。而海南与泰国同处于热带气候区，具有相似的海域风光和生态环境，旅游资源禀赋相似性导致海南赴泰旅游需求低。

3 中国赴泰旅游需求的影响因素分析

3.1赴泰旅游需求时间特征的影响因素分析

3.1.1 因素指标选取与测算

（1）气候舒适度。气候舒适度是指人们不需要借助任何避暑、驱寒措施就能保证身体感觉舒适的气候条件，是影响旅游活动重要的环境因素[58]，并影响到居民的出游需求[59]。由于泰国与中国大部分地区气候存在明显的差异性，且2011-2017年赴泰旅游需求逐渐由“夏季热”转为“冬季热”，因此初步判定气候是影响时间演化的主要因素之一。研究采用温湿指数来衡量气候舒适度：

THI= （1.8t+ 32） - 0.5 5（1 -f）（1.8t -26） （5）

式（5）中：THI为温湿指数;t为月均温（口）;f为相对湿度。由于泰国在研究时段内温度、湿度较为稳定，故以平均值计算，数据均来白泰国“天气网”。为准确计算出温湿指数对赴泰旅游需求的影响，参考张晓梅等研究，将温湿指数中的“e、d、c、b、A、B、C、D、E”的级别赋值为“1、3、5、7、9、7、5、3、1"[58]。

（2）放假制度。相比于国内旅游，出境旅游需要占用更多的休闲时间，节假日为出境旅游提供了时间保障。以往研究主要探讨节假日对旅游需求的影响，上面分析发现寒暑假对赴泰旅游需求可能存在影响，寒暑假也是中国居民出游的高峰期，因此，在节假日基础上加入寒暑假因素，探讨放假制度对赴泰旅游需求时间变化的影响。本文参考马丽君等的研究[]，使用虚拟指数对“节假日”“暑假”和“重要节庆活动”等社会因素进行量化。由于旅游需求往往先于旅游实际行动，先有旅游需求再产生旅游活动，放假制度对旅游需求的影响具有超前性，因此，考虑到月度变化趋势和旅游需求超前性等因素，并结合出境旅游特点，将赴泰旅游需求高峰期7月、8月（暑假）和12月（寒假前）虚拟数值设为“1”;9月（“十一”黄金周前）虚拟数值设为“0.75”;1月（春节前）和4月（“五一”小长假前）这两个月虚拟数值设为“0.50”，其余各月为0。由于出境旅游需要花费的时间较长，中秋和清明等节假日难以满足出境旅游需求，从而不纳入分析。

3.1.2时间演化影响因素分析

本文以气候舒适度（Ct）和放假制度（Ht）为白变量，以赴泰旅游需求（Dt）为因变量，利用最小二乘法，进行线性同归分析，方程如下：

Dt= 39.774 - 0.262Ct+6.487Ht

（6）

式（6）中，R2=0.826，方程显著相关。其中，放假制度（ Ht）同归系数通过显著性检验，显著水平为0.05，即虚拟因子每变化1个单位，赴泰旅游需求增加（或减少）6.487%;而气候舒适度（C，）未通过同归系数显著性检验，该影响因素不成立。赴泰旅游需求高峰时段集中于12月、1月和7月和8月。7月和8月为国内暑假，是学生游和家庭出游的高峰时段，12月和1月邻近春节与寒假时期，是个人及家庭出游的高峰时段，春节出境游越来越受到中国居民喜爱。由于旅游需求产生于出行活动之前，3月和9月出现了旅游需求的次高峰，是清明节、“五一”小长假、国庆黄金周出游的前兆，节假日为出境旅游提供了时间保障。由此可见，放假制度对赴泰旅游需求的增长起到了重要作用。而泰国处于热带地区，气温常年居高，其体感温度并非达到人体最佳舒适感，故气候舒适度并非是影响赴泰旅游需求时间演化的重要因素，但由于泰国的气候与景观有效地弥补了中国部分地区的冬季旅游需求，冬季“避寒游”逐漸成为赴泰旅游需求的驱动力。而出境旅游需要更多的时间保障，放假制度能够满足出境旅游对时间的要求，是影响出境旅游需求时间演化的主要因素。

3.2赴泰旅游需求空间特征影响因素分析

3.2.1 因素指标选取

出境旅游需求受众多因素影响，如人均GDP、对外开放程度、互联网普及率、产业发展水平 [18，60-61]等。在借鉴出境旅游需求和出境旅游影响因素研究的基础上，并结合赴泰旅游实际情况与数据可获得性，进行了影响因素指标选取，具体如表4所示，各项指标数据均来自《国家统计局》《中国统计年鉴》及网络资料整理。依据地理探测器原理[52]，地理探测器分析方法对于白变量共线性免疫，可不用处理[53]，也即不存在白变量共线性制约的困扰。

3.2.2空间特征影响因素分析

地理探测器分析方法中的白变量必须为类型变量，如果白变量是连续型变量，则需要将白变量离散化转换为类型变量[62]。因此研究通过ArcGIS10.2软件中的自然断点法将各项指标要素分为5个等级区，再利用地理探测器分析影响因素对赴泰旅游需求的影响力，具体结果见表5。

王劲峰等在《地理探测器：原理与展望》一文中提出：“q值多大时才有意义？此方法没有明确的定义，不同专业有不同的要求”[52]。但倘若q值大小没有相对的评判标准时，则数据分析结果将难以进行对比分析，前人研究多将q值达到0.5以上，表示为探测因子对因变量的影响作用强。因此，本文将探测力值在0.5以上的划分为影响作用强的核心因素，将探测力值在0.4～0.5区间的划分为影响作用相对较强的重要因素，将探测力值在0.4以下的划分为影响作用较弱的一般因素。从总体探测结果来看。虽然赴泰旅游需求的影响因素较多，但各探测因子q值呈现明显差异。其中，经济发展水平（X1IX2）、国际旅游开放度（X4）和对外交通便利性（Xs）探测因子g值均高于0.5，这些因素对赴泰旅游需求空间特征的影响力较强，是核心影响因素。对外经济联系（X6）、信息化程度（X8）与地理区位（X9）也是赴泰旅游需求的重要影响因素，其探测因子q值较大。人口规模（X3）和产业结构（X7）探测因子q值相对较低，对赴泰旅游需求空间差异的影响力较小。

（1）核心影响因素分析。①经济发展水平。出境旅游是一种消费行为，是一个国家或地区经济发展到一定阶段后居民旅游活动国际化的客观反映，与经济发展水平和居民收入密切相关[63-64]。居民出游能力是出境旅游的核心驱动力，客源地经济发展所带来的消费能力对出境旅游需求具有正向影响[1]，经济实力是出境旅游的先决条件和基础。赴泰旅游高需求区主要分布于中国东部地区，其经济发展水平高，旅游消费能力强，而西北地区经济发展水平较低，制约了赴泰旅游需求，因此，经济发展水平是赴泰旅游需求“胡焕庸线”空间分布特征的主要影响因素。②国际旅游开放度。国际旅游开放度越高，入境旅游发展水平也越高，有助于当地旅游经济发展，提高居民经济收入，有利于政府加强对入境旅游发展的支持力度。接待入境旅游人次越多，当地居民与入境游客的接触交流越多，一定程度上提高了居民对外的认知程度。同时，跨区域旅游合作已成为旅游发展趋势，国际旅游开放度的提高为国际旅游合作交流提供了契机，促进了对外旅游合作交流，为居民出境旅游提供了良好的社会环境、出游氛围及经济能力。③对外交通便利性。出境旅游对交通的要求较高、依赖性较强，对外交通便利程度在赴泰旅游中起重要作用。虽然泰国处于东南亚地区，与中国空间距离较短，但赴泰旅游主要依赖于航空出行。因此，交通成本和国际机场成为游客输出的重要制约因素。北京、上海、广东等省域较早地开通赴泰国际航班，并且拥有较多赴泰航线，为赴泰旅游提供交通保障。

（2）重要影响因素分析。①对外经济联系。对外经济联系主要反映该地区与境外交流、合作及贸易联系程度。对外经济联系越密切，经济交流合作就越频繁[65]。商贸往来能够加强双方经济交流合作，推进双方商贸旅游发展。泰国是“一带一路”沿线重要国家，在中国与东盟的合作中占据重要地位，中国也成为泰国最大的游客来源地及出口市场。中泰互惠合作能够加快双方旅游交流合作，由于广东、浙江、江苏和四川等地与泰国的贸易往来频繁，交流合作十分密切，在一定程度上带动了赴泰旅游发展，同时经济贸易可以为出境游提供良好服务，有助于提高赴泰旅游需求。②信息化程度。信息化程度对赴泰旅游需求的影响较大。互联网搜索已成为居民出游前旅游信息获取的主要渠道，网络成为客源地与旅游目的地连接沟通的重要桥梁。旅游信息通过网络渠道进行不断传递、扩散及更新，影响旅游目的地选择和旅游行为决策，激发了居民出境旅游意愿。互联网普及率高的地区，其居民能够快速地掌握泰国旅游信息动态，有效地接收相关旅游信息的传播和宣传，有助于获取丰富的旅游资讯，更能激发赴泰旅游需求。③地理区位。地理区位是由多种要素构成的，除了指空间内的位置之外，还涉及交通、白然环境、经济联系等方面因素，地理区位在一定程度上可以衡量对外优势，对出境旅游发展有一定促进作用，会直接影响到赴泰旅游便利程度，地理区位越差，则与泰国旅游交流合作越困难，会影响到赴泰旅游需求水平。

（3）一般影响因素分析。虽然人口规模、产业结构等因素的探测力值相对较低，但对赴泰旅游需求空间差异也存在一定影响。人是进行旅游活动的主体，人口规模直接影响客源地出境旅游潜力，人口规模越大则赴泰旅游需求基数越大，潜在赴泰旅游者越多，是影响赴泰旅游需求的重要因素[66]。产业结构是指第三产业占地区生产总值的比重，第三产业占地区生产总值的比重越高，则说明服务业越发达，意味着服务业在城市经济发展中的地位越高，有利于加快经济发展，提高国民经济实力，并且第三产业占比越高，则说明人民生活水平越高，旅游是经济发展到一定阶段所产生的，出境旅游更是如此，服务业发达的区域对生活质量要求更高，对出境旅游需求更旺盛。

4 结论与讨论

4.1结论

研究首次采用百度指数来衡量出境旅游需求，并运用季节性强度指数和空间白相关等方法分析了中国赴泰旅游需求的时空分异特征，并利用地理探测器和最小二乘法分析了赴泰旅游需求的主要影响因素。研究结果如下：

（1）2011-2017年中国赴泰旅游需求总体呈现先递增后下降的时间演化趋势。赴泰旅游需求季节性差异较大，淡旺季明显，且具有较强的波动性，1月和7月赴泰旅游需求旺盛。近年来，部分省域赴泰旅游需求逐渐由“夏季热”转为“冬季热”，赴泰旅游需求的“假期游”和“避寒游”特征明显。

（2）中国赴泰旅游需求存在空间集聚效应，高需求省域与低需求省域均在空间上显著集聚，即赴泰旅游需求较高的省域趋于相邻，赴泰旅游需求较低的省域也趋于相邻。赴泰旅游需求冷热点格局演化剧烈，呈现以长三角区域为中心，向四周扩散的“C字型”空间分布特征。高需求区域主要分布于东部地区，西部地区多为低需求区域，空间分异明显，总体呈现“胡焕庸线”空间分布格局。

（3）从空间分异的影响因素来看，经济发展水平、国际旅游开放度、对外交通便利性对赴泰旅游需求的影响力较强，是其空间分布的核心影响因素。信息化程度、对外经济联系与地理区位也发挥着重要的影响作用，而人口规模、产业结构对赴泰旅游需求空间差异的影响力较小。从时间变化的影响因素来看，放假制度是赴泰旅游需求的主要影响因素，而气候舒适度对赴泰旅游需求的影响并不明显。

4.2讨论

本研究进一步揭示了中国赴泰旅游需求的时空分异及其影响因素，并在以下方面有所突破：首次利用百度指数衡量出境旅游需求，并在前人研究基础上，对搜索关键词作出改进，结合“旅游六要素”更加严谨地剥离出赴泰旅游需求指数，拓展了出境旅游需求的研究视角。同时，从年度、季度、月度等方面进行赴泰旅游需求的动态演化分析，多时间尺度探讨赴泰旅游需求的时空分异特征，并运用了地理探测器分析方法，更加准确地分析赴泰旅游需求的影响因素及作用强度。

目前，旅游需求及出境旅游需求积累了一定研究成果。在空間分布的影响因素方面，前人研究发现经济发展水平、对外经济联系、信息化程度是影响出境旅游需求的主要因素[1.8.21]，本文在前人研究基础上，检验了这些因素对出境旅游需求空间分布的影响，结果显示上述影响因素同样作用于赴泰旅游需求。而对外交通便利性是国内旅游需求的重要影响因素[40]，但出境旅游需求研究较少涉及，本文也验证了对外交通便利性对赴泰旅游需求具有明显的正向影响作用，游客在出境旅游过程中感受到的交通便捷程度，能够影响其旅游目的地体验及感知[3]，从而也会影响到旅游者对出境旅游地的需求程度及旅游意愿。此外，研究还发现，国际旅游开放度对出境旅游需求具有重要的影响作用。Po和Huang认为，旅游开放度是一个国家或地区旅游的专业化程度[67]，国际旅游开放度为出境旅游提供合作契机，创造良好的社会环境及出游氛围，本研究为旅游开放度对出境旅游需求的影响效应提供了实证检验。

在时间特征方面，本研究发现中国出境旅游需求具有明显的季节特性，这与Charlesworth[33]的研究相一致。而放假制度是影响赴泰旅游需求时间变化的主要因素，这与国内旅游需求研究结论吻合[40]。同时，不少学者验证了气候舒适度是国内旅游需求的影响因素，但对于出境旅游需求来说，可能并非如此。Eugeniomartin和Campossoria对居住区域气候与国内外度假地选择的关系进行了实证分析，证明了气候舒适地区的居民在国内旅行的可能性较高，出国旅游的可能性较低[34]，但其主要探讨了居住地气候与出国旅游的关系，并不能说明国外目的地气候舒适度与旅游需求之间的关系。因此，本研究进一步发现气候舒适度不一定是出境旅游需求时间演化的主要影响因素。由于赴泰旅游需求高峰期主要集中于夏冬两季，但泰国常年高温炎热，不符合人体最佳舒适度标准，如欧洲最佳舒适温度在4-6月和9-10月，相反中国赴欧洲旅游高峰期在夏冬两季，也即相比于国内旅游，气候舒适度对出境旅游需求的影响作用不明显。而出境旅游需要占用较长时间，暑假、寒假、黄金周等长假或小长假能够满足出境旅游的时间要求，且出境旅游需要一定经济保障，当前，出境旅游主要以高收人群体为主，而对于高收入群体来说，时间因素的制约性更大，故出境旅游需求时间变化的主要影响因素是放假制度，并非是气候舒适度。

4.3研究局限与展望

本研究也存在以下局限：首先，限于泰国方面的数据较难获取，本文仅从气候舒适度和放假制度进行了月度、季度变化特征的时间影响因素分析，没有探讨年度变化特征的时间影响因素，以上研究发现，目的地政治因素与双方外交政策对出境旅游需求存在较大影响，会影响到出境旅游需求的年度变化，但由于数据限制，本文并没有进行量化验证，未来可进一步探讨这些因素对出境旅游需求的影响。其次，从整体来看，气候舒适度并不是赴泰旅游需求的主要影响因素，但受到研究数据限制，本文并未以面板数据来探讨气候对出境旅游需求的影响，并且不同省域存在差异，如北方经济发达地区倾向于“避寒游”，而南方炎热地区则不会，也即气候舒适度对不同省域的影响存在差异，未来将以中国主要城市为研究对象，可进一步探讨气候舒适度对中国出境旅游需求影响的时空异质性，从计量经济学视角探讨气候舒适度对出境旅游需求的影响强度，并从地理空间视角探讨其影响作用的空间格局。再次，不同群体间出境旅游需求的影响因素是否存在差异？如城乡居民、不同文化背景等群体之间是否存在差异，今后将从微观视角进一步探讨出境旅游需求的群体差异及形成机制。最后，本文主要研究了中国赴泰旅游需求，难以整体反映出境旅游需求特征及其成因，而不同国家的气候舒适度、外交政策、对外经济联系强度等因素均存在较大差异，未来可选择不同出境旅游地进行研究，进一步分析不同出境旅游地的时空差异及成因机制，更加严谨地揭示中国出境旅游需求的时空规律及其影响机制。

参考文献（ References）

[1]

JIANG Yiyi， LIU Xiangyan， SONG Huilin. Influencing factorsof outbound tourism and their different functions in dcvelopingand developed economies[Jl. Tourism Tribune， 2017， 32（1）：12—21.[蔣依依，刘祥艳，宋慧林出境旅游需求的影响因素兼论发展中经济体与发达经济体的异同[J]旅游学刊，2017，32（1）： 12-21.]

[2]

YANG Jun. An analysis of“overgrowth and over-consumption”in China'S outbound travel and policy orientation： Concurr-ently discussing with Dai Xuefeng and Wu Ning[J]. TourismTribune， 2006， 21（6）： 65-68.[杨军中国出境旅游“双高”格局与政策取向辨析——兼与戴学锋、巫宁同志商榷[J]旅游学刊，2006， 21（6）： 65-68.]

[3] DAI Bin， 儿ANG Yiyi， YANG Liqiong， et aL Stagecharacteristics and policy choice of China's outbound tourismdevelopruent[J]. Tourism Tribune， 2013， 28（1）： 39-45.[戴斌，蒋依依，杨丽琼，等中国出境旅游发展的阶段特征与政策选择[J]旅游学刊，2013， 28（1）： 39-45.]

[4] 11 X. Chinese Outbound Tourism （the 2nd Edition） [M]Waretown，N J：Apple Academic Press/CRC Press Taylor&Francis Group， 2016： 1-2.

[5]

DAI Xuefeng， SUN Panpan. Non-linear relationships betweenincome and outbound tourism rate： Empirical evidence based ontlrreshold panel models[J]. Tourism Tribune， 2014， 29（9）： 13-23[戴学锋，孙盼盼收入与出境旅游率的非线性关系——基于门槛面板模型的实证证槲[J]旅游学刊，2014， 29（9）： 13-23.]

[6]

WANG Sujie， QI Shanhong. An analysis of consumerism andhigh expenditure behavior of China's outbound travel[J]Tourism Tribune， 2005， 20（6）： 39-44.[王素洁，齐善鸿.消费主义与中国公民出境旅游高消费行为探析[J]旅游学刊，2005，20（6）： 39-44.]

[7]

DU Jiang， LI Xinjian， QIN Yu， et al An analysis of the trends ofChina's outbound tourism[J]. Tourism Trrbune， 2002， 17 （3）： 44-48.[杜江，厉新建，秦宇，等.中国出境旅游变动趋势分析[J]旅游学刊，2002， 17（3）： 44-48.]

[8]

DENG Aunin. An empirical study on determinants of China'soutbound tourism demand[J]. Macroeconomrcs， 2011， （12）： 79-83.[邓爱民中国出境旅游需求决定因素的实证研究[J]宏观经济研究，2011， （12）： 79-83.]

[9]

ZHANG Lingyun， YANG Chen. From "giving prominence toforeign exchange earnings" to balance of payment： Rethinkingabout the developing strategy of China's outbound tourism[J]Tourism Tribune， 2007， 22（6）： 20-24.[张凌云，杨晨从创汇优先到平衡收支：我国出境旅游发展战略的再认识——兼与戴学锋先生商榷[J]旅游学刊，2007， 22（6）： 20-24.]

[10]

DAI B，JIANG Y YANG L，et al.China's outbound tourismStages， policies and choices[J]. Tourism Management， 2017， 58（1）： 253-258

[11]

GUO Yingzhi， ZHANG Hong， SONG Shuling， et al A study ofmarket positioning of China's outbound travel destinations[J]Tourism Tribune， 2004， 19（4）： 27-32.[郭英之，張红，宋书玲，等中国出境旅游目的地的市场定位研究[J]旅游学刊，2004，19（4）： 27-32.]

[12] HUANG Xiaoting. Outbound tourism and national qualityAnalysis of outbound tourism from the perspective of returningto the essence of tourism[J]. Tourism Tribune， 2011， 26（7）： 9-10.[黄潇婷出境旅游与国民素质——从回归旅游本质的视角认识出境旅游[J]旅游学刊，2011， 26（7）： 9-10.]

[13]

ZENG G，GO F The evolution ofmiddle class Chinese outboundtravel preferences： An international perspective[J]. TourismEconomics， 2014， 19（2）： 231-243.

[14]

YANG Yang， LIU Hongbo， LI Xiang. The influences of nationalcultural distance on international destination choice of Japaneseand Chinese residents[J]. Tourism Tribune， 2016， 31（10）： 45-55.[杨旸，刘宏|尊，李想.文化距离对旅游目的地选择的影响——以日本和中国大陆出境游为例[J]旅游学刊，2016， 31（10）： 45-55.]

[15] GUO Gongxing， ZHOU Xing， TU Hongwei. Consumeranimosity， self- efficacy and willingness- to- visit： An empiricalstudy on young outbound tourism market[J]. Tourism Tribune，2016， 31（2）： 44-52.[郭功星，周星，涂红伟.消费者敌意、自我效能与旅游意愿——基于对青少年出境旅游市场的实证研究[J]旅游学刊，2016， 31（2）： 44-52.]

[16] LIU Min. On the cultural value of Chinese outbound travelunder the perspective of sociology[J]. Tourism Tribune， 2009， 24（12）： 70-77.[刘敏社会学视角下中国公民出境旅游的文化价值——对旅游社会文化影响的案例研究[J]旅游学刊，2009， 24（12）： 70-77.]

[17] FENG Wei. The analysis of current situation and futuredevelopment of outbound tourism in China[J]. EconomicGeography， 2005， （2）： 244-246.[冯玮中国出境旅游现状及其未来发展思考[J]经济地理，2005， （2）： 244-246.]

[18] SONG Huilin， LYU Xingyang， JIANG Yiyi. The effects ofcharacteristics of tourists on Chinese outbound tourism destin-ation choice behavior： An empirical study based on TPB model[J]. Tourism Tribune， 2016， 31（2）： 33- 43.[宋慧林，吕兴洋，蒋依依人口特征对居民出境旅游目的地选择的影响——一个基于TPB模型的实证分析[J]旅游学刊，2016， 31（2）： 33-43.]

[19]

DAI Linlin. Analysis of the impact of crisis events in outboundtourism and its coping strategies[J]. Tourism Tribune， 2011， 26（9）：8—9[戴林琳出境旅游中危机事件的影响分析及其应对策略[J]旅游学刊，2011， 26 （9）： 8-9.]

[20] XIE Ting. Relevant measures for the safety and security ofoutbound tourism[J]. Tourj.gm Tribune， 2011， 26（7）： 7-8.[謝婷.出境旅游安全保障的相关措施[J]旅游学刊，2011， 26（7）： 7-8.]

[21] YANG Y，WU X Chinese residents' demand for outboundtravel： Evidence from the Chinese family panel studies[J]. AsiaPacijic Journal of'Tourism Research， 2014， 19（10）：1 11 1-1126.

[22]

MOUTINHO L，HUARNG K H，YU H K， et al.Modeling andforecasting tourism demand： The case of flows from MainlandChina to Taiwan[J]. Service Business， 2008， 2（3）： 219

[23] CORTESJIMENEZ I，DURBARRY R，PULINA M， et al.Estimation of outbound Italian tourism demand：A monthlydynamic EC-LAIDS modeI[J]. Tourism Economics， 2009， 15（3）：547-565

[24] SEETARAM N Estimating demand elasticities for Australia'sinternational tourism[J]. Tourism Economics， 2011， 18（5）： 999-1017

[25] CHAN F，LIM C，MCALLER M. Modelling multivariateinternational tourism demand and volatility[J]. TourismManagement， 2005， 26（3）： 459-471

[26] SCHUBERT S F，BRIDA J G，RISSO W A The impacts ofinternational tourism demand on economic growth of smalleconomies dependent on tourism[J]. Tourism Management，2011， 32（2）： 377-385

[27] ONDER A O，CANDEMIR A， KUMRAL N An empiricalanalysis of the determinants of international tourism demand：The case of Izmir[J]. European Planning Studies， 2009， 17（10）：1525-1533.

[28]

WANGL， FANGB， LAWR Effect of air quality in the place oforigin on outbound tourism demand： Disposable income as amoderator[J]. Tourism Management， 2018， 68： 152-161

[29] TURNER LW， WITT S F Factors influencing demand forinternational tourism： Tourism demand analysis using structuralequation modelling， rcvisited[J]. Tourism Economics， 2001，7（7）： 21-38

[30] VITA G D， KYAW K S.Role of the exchange rate in tourismdemand[J]. Annals of Tourism Research， 2013， 43（4）： 624-627.

[31]

KIM J， LEE C K，MJELDE J W Impact of economic policy oninternational tourism demand： The case of Abenomics[J]Current lssues in Tourism， 2016， 21（1）： 1-18

[32] WANG Y S The impact of crisis events and macroeconomicactivity on Taiwan's international inbound tourism demand[J]Tourism Management， 2009， 30（1）： 75-82

[33] CHARLESWORTH R Seasonality of overseas tourism demandin Scotland：A regional analysis[J]. Regional Studie.s， 2016， 49（10）： 1-18

[34] EUGENIOMARTIN J L，CAMPOSSORIA J A. Climate in theregion of origin and destination choice in outbound tourismdemand[J]. Tourism Management， 2010， 31（6）： 744-753.

[35] LI Li， ZHANG Jie. Impact of network information evaluationon tourists' information-related behavior and travel decisions[J]. Tourism Tribune， 2013， 28（10）： 23-29.[李莉，张捷互联网信息评价对游客信息行为和出游决策的影响研究[J].旅游学刊，2013， 28（10）： 23-29.]

[36] CHOI S，LEHTO X Y OLEARY T J.What does the consumerwant form a DMO website？A study of US and Canadian tourists'perspectives[J]. International Journal of' Tourism Research，2007， 9（2）： 59-72

[37] MA Lijun， SUN Gennian， HUANG Yunma， et al A correlativeanalysis on the relationship between domestic tourists and networkattention[J]. Economic Geography， 2011， 31（4）： 680-685.[马丽君，孙根年，黄芸玛，等城市国内客流量与游客网络关注度时空相关分析[J]经济地理，2011， 31（4）： 680-685.]

[38] LI Shan， QIU Rongxu， CHEN Ling. Cyberspace attention oftourist attractions based on baidu index： Temporal distributionand precursor effect[J]. Geography and Geo-Information Science，2008， 24（6）： 102-107.[李…，邱荣旭，陈玲基于百度指数的旅游景区络空间关注度：时间分布及其前兆效应[J]地理与地理信息科学，2008， 24（6）： 102-107.]

[39] WANG Qiuju， HUANG Ming， LIU Yu. Research on spatialfeature and coupling correlation between urban tourist flow andnetwork attention- degree[J]. Geography and Geo-InformationScience， 2015， 31（5）： 102-106.[江秋菊，黄明，刘宇城市旅游客流量——网络关注度空间分布特征与耦合分析[J].地理与地理信息科学，2015， 31（5）： 102-106.]

[40]

MA Lijun， LONG Yun. Spatiotemporal characteristics of residentstourism demand for typical scenic spots in Hunan Province basedon network attention[J]. Economre Geography， 2017， 37（2）： 201-208.[马丽君，龙云基于网络关注度的湖南省居民旅游需求时空特征[J]经济地理，2017， 37（2）： 201-208.]

[41] RUAN Wenqi， LI Yongquan. The impact and spatialdifference of natural disaster crisis on tourist demand：Analysis of spatial and temporal heterogcneity afterJiuzhaigou earthquake[J]. Economic Geography， 2018， 38（8）： 214-223.[阮文奇，李勇泉自然災害型危机事件对客源地旅游需求的影响及空间差异——九寨沟地震后的时空异质性分析[J]经济地理，2018， 38（8）： 214-223.]

[42] MA Lijun， GUO Liuliu. Spatial and temporal distributioncharacteristics of Beijing residents' demand for SA class scenicspots[J]. Journal oj' Arid Lond Resources and Environment，2017， 31（10）： 203-208.[马丽君，郭留留基于网络关注度的北京市居民对5A级景区旅游需求时空特征分析[J]干旱区资源与环境，2017， 31（10）： 203-208.]

[43] YANG X， PAN B，Evans J A， et aI Forecasting Chinese touristvolume with search engine data[J]. Tourism Management， 2015，46（1）： 386-397

[44] HUANG X， ZHANG L，DING Y The Baidu Index： Uses inpredicting tourism flows-A case study of the Forbidden City[J]. Tourism Management， 2017， 58（1）： 301-306

[45] LI S，CHEN T， WANG L，et al_Effective tourist volumeforecasting supported by PCA and improved BPNN using Baiduindex[J]. Tourism Management， 2018， 68（5）：1 16-126.

[46] SPARKS B，PAN G W. Chinese outbound tourists：Understanding their attitudes， constraints and use of informationsources[J]. Tourism Management， 2009， 30（4）： 483-494.

[47]

LONG Maoxing， SUN Gennian， MA Lijun， et al. An analysis onthe variarion between the degree of consumer attention of travelnetwork and tourist flow in regional tourism：A case of Sichuanprovince[J]. Regional Research and Development， 2011， 30 （3）：93-97.[龙茂兴，孙根年，马丽君，等区域旅游网络关注度与客流量时空动态比较分析——以四川为例[J]地域研究与开发，2011， 30（3）： 93-97.]

[48] WANG Shuo， ZENG Kefeng， TONG Jie， et al.A correlativeanalysis of the relationship between tourists and touristnetwork attention for scenic spots in special session[J].Economic Geography， 2013， 33（11）： 182-186.[王碩，曾克峰，章洁，等.黄金周风景名胜区旅游客流量与网络关注度相关性分析——以庐山、华山、八达岭长城风景名胜区为例[J]经济地理，2013， 33（11）： 182-186.]

[49] ZHANG Shuning， LI Yongquan. Evolution of spatial andtemporal pattern of tourism demand in Xiamen tourist market[J]. Resource Developn7ent&Market， 2018， 34（7）： 1011-1020.[张舒宁，李勇泉厦门客源市场旅游需求的时空格局演化[J].资源开发与市场，2018， 34（7）： 1011-1020.]

[50] LU Song， LU Lin， WANG Li， et al. Temporal characteristicsof tourist flows to Ancient villages：A case study of twoworld cultural heritages， Xidi village and Hongcun village[J]. Scientia Geographica Sinica， 2004， 24（2）： 250-256.[卢松，陆林，土莉，等古村落旅游客流时间分布特征及其影响因素研究——以世界文化遗产西递、宏村为例[J]地理科学，2004， 24（2）： 250-256.]

[51] LI Zaijun， GUAN Weihua， PU Yingxia， et al. Exploration onthe tourism economy spatio-temporal pattern in Shandongprovince[J]. Economic Geography， 2013， 33（7）： 176-181.[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.]

[52] WANG Jinfeng， XU Chengdong. Geodetector： Principle andprospective[J]. Acta Geographica Sinica， 2017， 72（1）： 116-134.[土劲峰，徐成东.地理探测器：原理与展望[J]地理学报，2017， 72（1）： 116-134.]

[53] WANG J F，LI X H， CHRISTAKOS G，et al Geographicaldetectors-based health risk assessment and its application in theneural tube defects study of the Heshun Region， China[J]International Journal of' Geographical Injormation Science，2010， 24（1）： 107-127

[54] LIU Yansui， YANG Ren. The spatial characteristics andformation mechanism of county urbanization in China[J]Acta Geographica Sinica， 2012， 67（8）： 1011-1020.[刘彦随，杨忍中国县域城镇化的空间特征与形成机理[J]地理学报，2012， 67（8）： 1011-1020.]

[55] WANG Shaojian， WANG Yang， LIN Xueqin. Spatialdifferentiation patterns and influencing mechanism ofhousing prices in China： Based on data of 2872 counties[J]Acta Geographica Sinica， 2016， 71（8）： 1329-1342.[王少剑，土洋，蔺雪芹中国县域住宅价格的空间差异特征与影响机制[J]地理学报，2016， 71（8）： 1329-1342.]

[56] 11 Jiaming， LU Dadao， XU Chengdong. Spatial heteroge-neity and its changes of population on the two sides of HuLine[J]. Acta Geographica Sinica， 2017， 72（1）： 148-160.[李佳洺，陆大道，徐成东胡焕庸线两侧人口的空间分异性及其变化[J]地理学报，2017， 72（1）： 148-160.]

[57] CAO F， GE Y， WANG J F Optimal discretization for geogra-phical detectors-based risk assessment[J]. Mapping Science&Remote Sensing， 2013， 50（1）， 78-92

[58] ZHANG Xiaomei， CHENG Shaowen， LIU Xiaolei，et al_Spatial- temporal characteristics and influencing factors ofnetwork attention to ancient city destination：A case ofPingyao[J]. Economic Geography， 2016， 36（7）： 196-202.[張晓梅，程绍文，刘晓莆，等古城旅游地网络关注度时空特征及其影响因素——以平遥古城为例[J]经济地理，2016， 36（7）： 196-202.]

[59] BUJOSA A， RIERA A， TORRES C M. Valuing tourismdemand attributes to guide climate change adaptation meas-ures efficiently： The case of the spanish domestic travelmarket[J]. Tourism Management， 2015， 47（2）： 233-239

[60] PENG B，SONG H， CROUCH G I A meta- analysis ofinternational tourism demand forecasting and implicationsfor practice[J]. Tourism Management， 2014， 45： 181-193

[61] KIM H J，CHEN M H， JANG S C Tourism expansion andeconomic development： The case of Taiwan[J]. TouiismManagement， 2006， 27（5）： 925-933

[62] RUAN Wenqi， ZHENG Xiangmin， LI Yongquan， et al.Spatial distribution characteristics and driving mechanism of“Hu Line” in inbound tourism in China [J]. EconomicGeogrophy， 2018， 38 （3）： 181- 189.[阮文奇，郑向敏，李勇泉，等中国入境旅游的“胡焕庸线”空间分布特征及驱动机理研究[J]经济地理，2018， 38（3）： 181-189.]

[63] LEI Ping， SHI Zulin. International comparison of therclationship between outbound tourism， service trade andeconomic development leveI[J]. Tourism Tribune， 2008， 23（7）： 28-33.[雷平，施祖麟.出境旅游、服务贸易与经济发展水平关系的国际比较[J]旅游学刊，2008， 23（7）： 28-33.]

[64] ZHANG LingyuV TAN Jian. An empirical research into therelation between outbound tourism expenditure and GDP per-capita of USA[J]. Journal of Bezjing International StudiesUniversity， 2011， 33（5）： 8-13.[张凌云，谭剑美国出国旅游消费与人均GDP关系实证研究[J]北京第二外国语学院学报，2011， 33（5）： 8-13.]

[65] ZHANG Ziang， HUANG Zhenfang， KONG Shaojun， ct al.The periodic and fluctuant characteristics of Zhejianginbound tourism and its influence mechanism in recent 30years[J]. Economic Geography， 2016， 36（1）： 186-193.[张子昂，黄震方，孔少君，等近30年浙江省入境旅游周期波动特征及影响机制[J]经济地理，2016， 36（1）： 186-193.]

[66]

LAI Sizhen， ZOU Yongguang. The evaluation of tourism area'sorigin cmissiveness：A case study of Gutian tourism area inFujian[J]. Economic Geography， 2016， 36（3）： 194-200.[赖思振，邹永广.旅游区的客源地出游力测评研究——以福建省古田旅游区为例[J]经济地理，2016， 36（3）： 194-200.]

[67]

PO W C，HUANG B N. Tourism development and economicgrowth：A nonlinear approach[J]. Phy'sica AStatistical Mechanics&Its Applications， 2008， 387（22）： 5535-5542