甘肃省旅游信息流影响因素研究

刘利利 ， 杨秀平 ， 王里克 ， 翁钢民 ， 张晓波

(1.兰州理工大学 经济管理学院，兰州 730050； 2.燕山大学 经济管理学院，河北 秦皇岛 066004)

0 引言

随着信息技术的快速发展，潜在旅游者借助网络平台搜索旅游景点、旅游攻略等相关旅游信息而使其得以流动、扩散。伴随着旅游活动从地理空间向网络空间的拓展，越来越多的学者依托旅游网络信息来深入研究旅游相关问题[1]。研究内容主要集中在旅游信息流的效用机制[2-4]、地理衰减规律[5-8]、网络结构特征[9-13]等领域。研究方法主要包括旅游信息指数[4]、网络分析法[14]、百度指数[15]等。研究区域主要涉及到国家[12]、省域[10,15-16]、市域[17-19]。

目前，国内外学者对旅游信息流的研究取得一定成果，在研究内容、方法、丰富度等方面不断完善。研究内容主要围绕空间距离和空间网络结构特征展开，对旅游信息流入和流出影响因素的研究较少。研究区域自上而下，涉及面较广，但对偏远欠发达的西部地区研究较少。此外，当前研究主要从静态角度探讨旅游信息流，而旅游信息流在不同时空会发生动态变化，对旅游信息流的静态研究难以体现其时空变化规律，且已有文献缺乏对西部地区旅游信息流空间场强与影响因素的探讨。

基于以上分析，本研究以甘肃省14个地级市为例，采用场强模型分析旅游信息流入和流出的场强辐射效应，运用QAP相关分析测度旅游信息流与其影响因素之间的关系，借助GIS技术对旅游信息流入和流出影响因素进行分类，在此基础上利用地理探测器分析方法研究甘肃省各地级市旅游信息流入和流出的影响因素，以期为促进甘肃省旅游发展提供参考。

1 旅游信息流驱动机制

将“流空间”应用到地理空间问题的研究，通过关联机制作用在地理空间并以一种空间形式表现出来[20]。在旅游信息流动的过程中，以城市为代表的旅游目的地作为主要研究对象，不同城市的经济发展、旅游资源存在差异，旅游信息在不同城市之间流动的方向和强度也不同。根据推拉理论[21]，旅游信息具有自组织系统特征。旅游信息的流入和流出受客源地的推力、旅游目的地的拉力、客源地和旅游目的地之间信息通道的阻力3个因素影响，形成旅游信息的推-拉-阻机制(图1)。旅游信息流动的推力主要是旅游者的出游意愿，从旅游目的地获取相关旅游信息，进而使旅游信息流入客源地；旅游信息流动的拉力是旅游目的地凭借其旅游产品、旅游资源吸引力等，促使旅游者搜索旅游目的地的相关旅游信息，这对旅游目的地来说是旅游信息的流出；旅游信息流动的阻力会阻碍旅游信息在旅游目的地和客源地之间的流动，比如人为因素、气候因素、自然环境因素等会阻碍旅游者的旅游决策。

图1 旅游信息流的动力机制理论框架

2 研究方法、指标选取和数据来源

2.1 研究方法

2.1.1空间场强。用旅游信息流的场强表示甘肃省各地级市之间旅游信息流入和流出强度，其中流出场强表示地级市的辐射力[22]。

2.1.2QAP相关分析。借助QAP相关分析，通过比较旅游信息流的矩阵相似值，构建甘肃省各地级市旅游信息流自变量的差值网络矩阵，采用极差标准化法消除不同的数据量纲[23]，测度其旅游信息流与各影响因素的相关性。

2.1.3地理探测器。地理探测器解决了传统统计方法无法处理类别变量的问题，用于分析地理要素空间分异性的影响因素[24]。借助地理探测器测度旅游信息流入和流出的影响因素强度，其中，影响因素在地理探测器中表示探测因子，q表示探测因子的探测力值，0.5≤q≤1表示影响显著，0.4≤q<0.5表示影响较强，0.3≤q<0.4表示影响一般，0≤q<0.3表示影响较弱[25]。

2.2 指标选取和数据来源

根据旅游信息流的动力机制理论以及数据的真实性、可获得性等原则选取相应的影响因素指标(图2)。推力是客源地旅游信息流动的驱动力，其影响因素包括人口因素[13]、信息化程度[26]、经济发展水平和交通便捷度[27]，其中人口因素中的人口数量用年末常住人口衡量，人口质量用普通高等学校在校学生人数衡量。拉力是旅游目的地对客源地的吸引力，其影响因素包括信息化程度[26]、交通便捷度[27]、旅游资源禀赋[28]、生态环境和卫生服务设施[29]。阻力是旅游信息流动的制约力，其影响因素包括空间距离和时间距离[30-31]。

旅游信息流的数据来源于百度指数[15]，遵循可获取性、关注度高、唯一性等原则，以“地名+旅游”“地名+旅游攻略”为备用搜索关键词[32]，获取2012—2020年甘肃省14个地级市整体日均流量数据；影响因素指标数据来源于2013—2021年《甘肃发展年鉴》。

图2 旅游信息流影响因素指标

3 案例分析

3.1 甘肃省概况

甘肃省位于中国西部、黄河上游，是丝绸之路枢纽，旅游资源丰富，文化底蕴深厚。甘肃省作为“一带一路”黄金段，成为中国西部地区进一步发展的重点，对推进西部旅游一体化进程具有重要的实践价值。据甘肃省统计局数据，2012—2020年国内旅游人次从7 824万人次增长到21 300万人次，年均增长率13.336%；国内旅游收入从469.650亿元增长到1 454.400亿元，年均增长率为15.176%；国外旅游人次从6.690万人次下降到1.450万人次，年均降低率为17.398%；国际旅游外汇收入从2 235万美元下降到696万美元，年均降低率为13.570%。

受区位条件、气候限制和新冠疫情影响，甘肃旅游存在旅游资源挖掘与开发力度不足、区域发展不协调、旅游发展不景气等问题。分析甘肃省各地级市旅游信息流动的辐射强度及其影响因素的影响程度对提升甘肃省旅游发展质量、实现旅游高质量发展具有深远意义。

3.2 旅游信息流场强时空特征

3.2.1旅游信息流场强时间维度分析。根据场强模型获得2012—2020年甘肃省各地级市旅游信息流入和流出强度(表1)。2012年兰州、武威的旅游信息流入场强较大，临夏、甘南的流入场强为0，天水、酒泉、甘南的流出场强较大，白银、庆阳的流出场强较小。2015年甘肃省各地级市旅游信息流动的场强强度进一步提升，其中兰州、白银、武威、平凉相比其他地级市的旅游信息流入场强较高，天水、嘉峪关、酒泉、张掖、甘南相比其他地级市的旅游信息流出场强较高。2019年甘肃省各地级市旅游信息流动的场强强度明显提升，其中兰州、天水、平凉、庆阳流入场强较高，酒泉、张掖、甘南、陇南流出强度较高。受新冠肺炎疫情影响，2020年除白银外，甘肃省其他地级市旅游信息流的场强强度明显下降。

综上，甘肃省大多数地级市旅游信息流入和流出场强在2012—2019年呈上升趋势，2019—2020年呈下降趋势。由此可知，各地级市的经济发展水平越来越高，旅游资源也在持续开发，使得人们的出游意愿越来越强烈，其中旅游信息流入场强存在差异可能受经济发展水平、人口状况等因素的影响，旅游信息流出场强存在差异可能受旅游资源禀赋等因素的影响。随着2020年新冠疫情的蔓延，人们出游率低使得旅游发展受到重创，旅游信息流场强随之降低。

表1 2012—2020年甘肃省各地级市旅游信息流入场强和流出场强

3.2.2旅游信息流场强空间维度分析。借助ArcGIS 10.2软件对2012—2020年甘肃省14个地级市旅游信息流年均流入场强、流出场强和总场强在空间上划分5个等级，场强等级越高，表明流入强度和辐射程度越大(图3)。从旅游信息流入场强来看，兰州属于五级场强，是旅游信息流入的核心城市，间接说明经济发展水平越高，出游意愿越强烈，对旅游信息的搜索强度越高；武威、天水和平凉属于四级场强，是旅游信息流入的次一级核心城市；酒泉、张掖、白银、庆阳属于三级场强；嘉峪关、定西和陇南旅游信息流入场强属于二级场强，金昌、临夏、甘南属于一级场强，旅游信息流入场强较低的这些地级市，接收旅游信息的能力偏低，且这些地区经济发展水平相对较低，人们的出游意愿不强烈。

从旅游信息流出场强来看，酒泉具有丰富的旅游资源，自身有一定的吸引力，旅游信息流出场强属于五级场强，是旅游信息流出的核心城市；嘉峪关、张掖、甘南、陇南、天水、平凉属于四级场强，这些地区旅游信息流入场强较弱，流出场强较强，旅游信息辐射面积较大；武威、临夏属于三级场强，旅游信息辐射强度相对较低；兰州、金昌属于二级场强，白银、定西、庆阳属于一级场强，这些城市经济发展水平相对较高，但是旅游辐射强度较弱，旅游吸引力较小。

从旅游信息总场强来看，酒泉、兰州属于五级场强，旅游信息总场强的均值最大，旅游信息空间影响强度大，属于甘肃省14个地级市的核心城市；张掖、天水和平凉属于四级场强，旅游信息辐射强度相对较大；武威、陇南、甘南属于三级场强；白银、庆阳属于二级场强，金昌、定西、临夏属于一级场强，这5个城市旅游信息辐射能力较弱，可能的原因是旅游产品吸引力较低，旅游宣传力度有待于加强。

图3 2012—2020年甘肃省各地级市旅游信息流场强空间分布

3.3 旅游信息流影响因素分析

3.3.1旅游信息流影响因素的相关分析。对影响因素指标进行两两地级市间的相对差值计算，建立有向的差异矩阵，采用QAP相关分析分别计算因变量关系矩阵和自变量关系矩阵的相关系数(表2)。从表2可知，推力和拉力因素与信息流入和流出强度呈显著正相关，阻力因素与信息流入和流出强度呈显著负相关。地理探测器适用于分析类别数据。借助ArcGIS 10.2软件的自然断点法，将通过相关检验的连续型变量划分为类别变量，选取旅游信息流入和流出总强度为因变量，各影响因素为自变量，对各影响因素进行探测。

3.3.2旅游信息流影响因素探测结果分析。借助地理探测器获得各影响因素对旅游信息流动的影响强度结果(表3)，各因素的影响强度存在一定的差别。在推力因素中，GDP、人口数量、人口质量、民用汽车拥有量、电信业务总量、固定宽带接入用户对旅游信息流入的影响程度显著，公路里程数对旅游信息流入影响程度较弱。其中GDP的探测力数值从2012年的0.742上升到2020年的0.928，可见经济发展水平是旅游信息流入的核心因素，GDP增长表明城乡居民生活水平提高，旅游需求和出游意愿也随之增加；人口情况、交通条件和信息化水平是旅游信息流入的重要影响因素，影响旅游者的出游决策。在拉力因素中，旅游资源禀赋、产业结构对旅游信息流出的影响显著，其中旅游资源禀赋影响强度从2012年的0.611上升到2020年的0.969，旅游资源禀赋是促进旅游信息流出的核心因素，是衡量旅游目的地发展潜力和吸引旅游者能力的重要指标；电信业务总量对旅游信息流出的影响强度一般，公路里程数、生态环境、卫生服务设施、民用机动车拥有量和固定宽带接入用户对旅游信息流出的影响较弱。在阻力因素中，空间距离探测力数值从2012年的0.489上升到2020年的 0.612，呈波动上升趋势，对旅游信息流动的影响程度显著；时间距离探测力数值从2012年的0.325下降到2020年的0.294，对旅游信息流动的影响程度较弱；时间距离会成为旅游者理性决策的时间成本，而随着交通、网络信息技术的不断发展，会产生“时空压缩”效应，空间距离不变，时间距离缩短，从而打破了时间距离的限制，使时间距离不再是核心影响因素。

综上可知，甘肃省各地级市之间的旅游信息流属于地理空间和信息空间相互叠加的网络系统，其流向、流量和影响程度受“推拉阻”作用的影响。以经济发展水平为核心影响因素的推力，是旅游信息流入客源地的重要驱动力；以旅游资源禀赋为核心影响因素的拉力，是旅游目的地向客源地辐射的关键作用力；以空间距离为核心影响因素的阻力，是客源地和旅游目的地之间旅游信息流动的制约力。

表3 2012—2020年旅游信息流影响因素探测结果

4 结论、建议与讨论

4.1 结论

(1)甘肃省大多数地级市旅游信息流入和流出场强在2012—2019年呈上升趋势，2019—2020年呈下降趋势。兰州的旅游信息流入场强和总场强极强，酒泉的旅游信息流出场强和总场强极强，金昌的旅游信息流入场强和总场强极弱，定西的旅游信息流出场强和总场强极弱，其他城市在旅游信息流入场强、流出场强和总场强的不同等级之间不断转移，总体上是经济发展水平较高的城市其旅游信息流入场强较强，旅游资源丰富的城市其旅游信息流出场强较强。

(2)旅游信息流QAP相关分析方面，所选取的指标与旅游信息流具有显著的相关性，且影响方向指向明确，推力和拉力因素与旅游信息流呈正相关，阻力因素与旅游信息流呈负相关。

(3)旅游信息流各影响因素对旅游信息流动的影响存在差异。甘肃省各地级市之间的旅游信息流向、流量和影响程度受“推拉阻”作用的影响。经济发展水平是旅游信息流入的核心因素；旅游资源禀赋是旅游信息流出的核心因素；阻碍客源地和旅游目的地之间旅游信息流动的因素中空间距离比时间距离的阻力更强。

4.2 建议

(1)旅游信息流入、流出及总场强强度极强的城市具有经济发展水平高、旅游资源丰富的特点。因此，甘肃省各地级市之间应加强区域合作，形成产业联动，使辐射强度高的城市增强空间溢出效应，带动周边城市旅游发展。

(2)针对与旅游信息流存在显著正相关性的影响因素，甘肃省各地级市应结合当地实际，以促进正向因素发展为方向，努力提高经济发展水平，完善相关基础设施，提高旅游者的满意度。

(3)经济发展水平和旅游吸引力是影响旅游信息流入和流出的核心力量，在新冠疫情的影响下甘肃省各地级市应增强经济发展活力，持续开发旅游资源，紧跟时代发展步伐，进一步增强旅游产品的创新力和吸引力。

4.3 讨论

(1)目前百度指数收录的旅游信息数据是从2012年开始日趋完善，因此，在搜集甘肃省14个地级市旅游信息流入和流出的数据时，通过百度指数获取了2012—2020年的统计数据，研究的时间尺度较小，后续会增加研究年限。

(2)本研究只对2012—2020年甘肃省14个地级市旅游信息流影响因素进行研究，未来的影响程度及变化趋势尚未可知。因此，模拟预测旅游信息流影响因素的发展情况是未来深入研究的方向。