区域旅游目的地竞争优势的空间聚类分析——以浙江省为例

陈思源

(1.广西财经学院工商系，南宁 530003;2.四川大学经济学院，成都 610064)

0 引言

从市场选择来看，旅游产品包含实现一次全程旅游活动所需各种服务组合，在产品质量趋同和闲暇时间充足的情况下，合理的空间组合将成为旅客选择特定旅游目的地的重要因素［1］。旅游资源禀赋具有较强的地域特性，旅游区位及社会经济发展存在较大的空间差异，旅游目的地在空间上的不均衡已成为客观事实。探讨旅游目的地空间积聚和竞争格局等问题，可为制定旅游产业发展政策、确定旅游发展重点提供借鉴。

旅游目的地竞争力研究始于20世纪90年代，是将竞争力理论应用于旅游目的地研究而形成的新兴研究方向［2－3］。从研究方法看，目前对区域旅游目的地竞争优势的评价方法一般包括定性与定量两种方法，如层次分析法、主成分聚类分析法等［4］，但这些方法往往没有考虑到区域旅游目的空间联系，割裂区域经济研究中的空间关系，评价结果主观性较强。在分析旅游目的地竞争优势中，应考虑旅游资源空间聚类，将空间相关性与旅游资源、文化特征、旅游经济等综合考虑并纳入统一的分析框架。有鉴于此，以下运用主成分分析法和两维图论聚类法，分析区域旅游目的地的空间聚类关系和竞争优势，并将之运用于浙江省的实证研究，其结果将有助于决策者制定区域旅游发展战略。

1 建模

区域旅游目的地竞争优势的影响因素较多，从选择的指标看，经济发展水平与旅游需求状况有关，而旅游需求状况与个人兴趣和目的地旅游服务水平等因素有关、也与经济发展水平有关。主成分分析法适合解决此类评价问题。主成分分析法是可以将众多的指标化解为少数几个综合指标的一种统计分析，找出几个综合因子来代表原来众多的变量，使这些综合因子尽可能精确反映原来变量的信息量，从而达到简化和评价的目的。

设有n个待评价单元，每个评价单元有p项评价指标(变量):x1，x2，…，xp，得到原始数据资料阵:x=(x1，…，xp)'。A=(α1，α2，…，αp)为正交矩阵(AA'=Ip);ai为R的特征值λi(i=1，2，…，p)所对应的单位特征向量;A'为A的正交变换矩阵;84F=(F1，…，Fp)'为主成分向量［5］，主成分分析模型如下:

ai由下列原则决定:(1)Fi与Fj(i≠j，i，j=1，…，p)不相关。(2)F1是x1，…xp的一切线形组合中方差最大的，F2是与F1不相关的x1，…，xp一切线形组合中方差最大的，…，Fp是与F1，F2，…，Fp－1都不相关的x1，…，xp的一切线形组合中方差最大的。

区域旅游目的地竞争优势分析从结果上看其实也是一种分类过程。旅游目的地竞争优势评价不但要考虑各个评价单元的旅游竞争优势以及经济和社会效益，而且要保持空间上的连通性和行政区界的完整性，采用普通聚类方法很难使分类结果满足要求，因此，需要引入图论的空间表示法及相关算法，这种聚类分析方法称为两维图论聚类分析方法。

设U代表要划分的区域(有n个分区单元Vi，i=1，2，…，n)，对U进行区划，就是求一割集{Ui，i=1，2，…，m}，式中:m为分区数。该割集需满足ViVj，连通性(Vi，Vj)=1，d(Vi，Vj)定义为一个Vi和Vj之间的关联度量，max{d(Vi，Vj)|Vi，VjVi}＜A，A为一常数(内部一致性)。根据图的几何概念，图是空间一些点与连接这些点的线的集合，即G=(V，E)，式中:V表示点的集合;E表示边的集合。若分区用无向图来表示，则V是各分区单元集合，E是各单元邻接关系集合。由于分区在考虑空间邻接性的同时，更重要的是考虑各分区单元之间的内在相似性，因此，分区需用加权连通图(网络)来表示，即G=(V，E，D)，式中:D在图论的树算法中表示各点之间的权值。分区中采用分区单元间的邻接关系来构造邻接矩阵|D|，采用各分区单元间的邻接关系来构造邻接矩阵|E|。现在区划则转变为求加权边通图G=(V，E，D)的合理割集，即首先采用图论最小树法求得一个最小生成树，然后根据区内分异小、区间分异大的原则，选择适当的A值，将最小生成树分割成m个子树。

利用主成分分析法与两维图论聚类算法相结合的方法进行区域旅游目的地竞争优势评价的技术思路如图 1 所示［6］。

图1 主成分分析与图论算法结合的思路Fig.1 The ideas of principal component analysis combined with graph algorithms

2 评价因子选择与数据处理

2.1 评价因子选择

已有研究成果表明，旅游目的地竞争优势评价的指标设计应该注意3个原则:(1)全面性原则。注意把握旅游业评价指标的全面、正确和可靠，并注意评价指标的选取具有代表性。(2)对比性原则。在保证实现旅游业综合评价的基础上，整体评价方案的设计要有对比性，并考虑到获取数据的难易程度。(3)系统性原则。旅游目的地竞争优势评价要包括旅游业可能涉及的很多方面，但又不能过于繁杂而不具可操作性。遵循以上评价原则，结合浙江旅游业发展的基本特征，对影响旅游业发展的要素进行剖析，建立起包括3个二级指标和12个三级指标的评价指标体系［7－8］。(1)旅游经济发展类指标，包括2008年入境游客数(万人)、旅游外汇收入(万美元)、国内旅游收入(亿元)、游客人均旅游总花费(元)4个三级指标。(2)旅游服务类指标，包括国内游客接待量(万人)、星级旅馆数(个)、旅行社数量(个)、导游情况(个)、2008年旅游抽样调查质量评价优秀率(%)5个三级指标。(3)旅游设施建设类指标，包括A级以上旅游区分布(个)、省级旅游强镇个数、特色旅游村个数3个三级指标。

2.2 数据获取与处理

研究数据来自2006—2009年的《浙江旅游年鉴》，数据采用加总平均的办法，即对4年的经济指标采用汇总平均的处理方式得到。由于统计口径和统计分类的不一致，在部分产业部门数据处理中，缺失数据采用外推的办法进行处理。对原始数据进行标准化，即对初始变量进行以上标准化处理。数据处理系统采用SPSS 16.0和DPS数据处理系统，地图数据处理软件采用Mapinfo 7.0。

3 评价步骤与计算过程

3.1 评价步骤

3.1.1 对初始变量进行标准化处理，使其方差为1，运用SPSS 16.0计算标准化后数据的相关系数矩阵(Pearson相关系数)。结果见表1。

3.1.2 用雅可比方法求得上述相关系数矩阵的特征向量，如表2。

表1 指标的相关系数矩阵Tab.1 The correlation coefficient matrix of indicators

表2 主要影响因素特征向量Tab.2 The eigenvectors of the main factors

表2 主要影响因素特征向量Tab.2 The eigenvectors of the main factors

评价因子 特征向量x1 x2 x3 x4 x5 x6 x7 …. x12 066 x2 0.322 0.067 － 0.354 － 0.161 0.148 － 0.102 － 0.139 － 0.138 x3 0.322 － 0.069 0.089 － 0.173 － 0.586 0.227 0.259 0.163 x4 － 0.049 0.693 － 0.308 0.213 0.231 0.226 0.337 － 0.013 x5 0.330 0.101 － 0.018 － 0.078 － 0.344 － 0.323 0.554 － 0.096 x6 0.325 － 0.062 － 0.208 － 0.075 － 0.097 0.219 － 0.278 － 0.566 x12 0.244 －0.441 0.265 0.067 0.481 0.161 0.270 0.056 x1 0.306 － 0.028 － 0.253 － 0.281 0.178 － 0.023 － 0.156 － 0.

3.1.3 对上述特征向量的贡献率和累积贡献率进行计算，并提取主要影响因素，贡献率和累积贡献率的计算结果如表3。观察特征向量表可知，第一因子的计算公式为:y1=0.306x1－0.028x2－0.253x3－0.281x4+0.178x5－0.023x6－0.156x7+0.526x8+0.082x9－0.441x10+0.381x11－0.066x12。因子y1与x1，x4有较强正相关。x1为入境游客数，x4为游客人均旅游总花费，因为入境游客数和游客人均旅游总花费越大，相应地区域旅游竞争优势也越大。因此，第一个因子代表地区旅游经济发展水平。其他因子的解释不再赘述。

表3 因子的特征值和累计贡献率Tab.3 The factors and cumulative contribution rate of eigenvalues

对上述影响因素进行提取，考虑到累积贡献率要超过85%，本研究提取了4个主成分，各主成分的方差贡献率分别为 73.19%，13.85%，5.99%，3.04%，累积贡献率达96.80%，表明已经代表了区域旅游竞争优势的影响因素96.80%。通过主成分分析，区域旅游目的地竞争优势的影响因素从12个因子减为4个因子，从而起到筛选因子的作用。主成分分析的第一、第二主成分的x，y散点图如图2所示。

3.1.4 计算主要影响因素得分并进行排序。采用统计分析软件DPS数据处理系统，算得各主成分分析因子得分矩阵。通过贡献率与主成分得分矩阵的相乘，可算得各地区旅游发展的竞争优势综合得分情况，对计算结果进行排序，结果见表4。

图2 主成分分析散点图Fig.2 The scatter plot of principal component analysis

表4 主成分分析结果Tab.4 The results of principal component analysis

3.2 两维图论聚类分析

利用GIS软件Mapinfo 7.0配准浙江行政区划图，提取市政府驻地的点经纬度坐标作为评价单元的坐标，分析各点之间的空间位置，进行空间相关性分析，同时，在DPS数据处理系统中，利用上述的4个主成分评价得分和经纬度坐标共计6个指标做横向排列，11个地市做纵向排列，得到二维数据表，选择两维有序样本聚类分析，生成的网络图，再通过GIS软件Mapinfo把相互关系转绘到地理空间位置上，将空间叠加到行政区划图数据层中，得到图论聚类分析结果(图3)。

4 评价结果与讨论

4.1 评价结果

综合得分情况表明，杭州＞宁波＞温州＞嘉兴＞湖州＞绍兴＞金华＞衢州＞舟山＞台州＞丽水(表4)。因为旅游目的地的竞争优势需要考虑地理位置上的集中连片，以便于旅游成本的节约，因此，在两维图论聚类分析图上，直接相连的地市表示各方面综合条件相似，在确定旅游产业发展和规划的时候可以据此形成较大规模的旅游目的地资源。图3上的嘉兴、绍兴、金华、丽水都有较好的空间综合条件。SPSS的聚类分析结果显示，浙江省各城市的旅游竞争优势可以划分成3类:(1)旅游竞争优势较明显城市有杭州、宁波。(2)旅游竞争优势较差城市有衢州、舟山、台州、丽水。(3)旅游竞争优势较中等城市有温州、嘉兴、湖州、绍兴、金华。

图3 浙江省旅游目的地竞争优势空间聚类分析Fig.3 The space destinations cluster analysis of tourist advantage competitive in Zhejiang Province

4.2 结果讨论

两维图论聚类分析图考虑了地理位置，但没有区分相同子树位置的大小比较;而主成分分析的综合得分则欠考虑地理位置的协调性，因此，两种方法可以相互补充，有机结合。

鉴于区域旅游产业发展评价的复杂性，综合指标的选取还没有统一的标准，指标体系选取的全面性、科学性和典型性问题还有待深入研究。

［1］田里，李柏文，周小坤.旅游目的地竞争力:重要性－绩效分析［J］.人文地理，2009，24(6):79－81.

［2］Ritchie J R B，Crouch G I.The Competitive Destination:A Sustain-ability Perspective［J］.Tourism Management，1999，21(1):1 －7.

［3］Dwyer L，Forsyth T H P，Rao P.The Price Competitiveness of Traveland Tourism:A Comparison of 19 Destinations［J］.Tourism Management，2000，21(1):9 － 22.

［4］王明涛.多指标综合评价中权系数的一种综合分析方法［J］.系统工程，1999，17(2)，18 －21.

［5］唐启义.DPS数据处理系统实验设计、统计分析及数据挖掘［M］.北京:科学出版社，2010:425－428.

［6］罗罡辉，吴次芳，徐保根.土地整理优先度评价方法及其应用研究［J］.浙江大学学报(农业与生命科学版)，2004，32(3):56 －62.

［7］谭林，李光金.论旅游目的地评价体系［J］.西南民族学院学报，2001，22(2):68 －75.

［8］曹宁，郭舒，隋鑫.旅游目的地竞争力问题研究提纲［J］.社会科学家，2003，25(6):89 －93.