删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

旅游流与目的地系统耦合研究——以六大城市入境旅游为例

本站小编 Free考研考试/2021-12-29

张春晖, 马耀峰, 白凯
陕西师范大学旅游与环境学院,西安 710119

The system coupling between tourist flow and destination: an empirical analysis of inbound tourism in six major cities

ZHANGChunhui, MAYaofeng, BAIKai
Tourism and Environment College of Shaanxi Normal University,Xi'an 710119,China
收稿日期:2016-04-20
修回日期:2016-05-23
网络出版日期:2016-06-20
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:国家自然科学基金项目(41271158)陕西省软科学研究计划项目(2016KRM119)北京市自然科学基金项目(9132006)北京市教育委员会2013年长城****培养计划项目(CIT&TCD20130302)
作者简介:
-->作者简介:张春晖,男,河北石家庄人,博士,讲师,研究方向为旅游目的地营销。E-mail:chunhui_1985@126.com



展开

摘要
对旅游流与目的地的互动关系展开“系统整合研究”,有利于构建整体旅游复杂系统的理论框架,可有效推动旅游系统内部要素关系、发展演化规律以及供需平衡预测和调控等问题的解决。本文以北京、上海、广州、西安、成都和昆明的入境旅游为例,构建旅游流与城市目的地综合评价指标体系,应用灰色关联模型对1993-2012年六大典型城市旅游流与目的地系统互动关联耦合程度进行了定量评价,并分析了系统内部要素耦合作用强度分异特征。研究结果显示:①入境旅游流系统内的耦合主导要素是游客流量和流速,目的地系统内的耦合主导要素是旅游服务设施与服务人员和目的地经济环境;②典型旅游城市的入境旅游流与目的地系统长期处于磨合发展阶段,北京、上海的耦合度呈现倒“U”型变化趋势,广州、西安、成都和昆明的耦合度则表现出波动下降的趋势;③在入境旅游流系统的耦合主导要素上:东部三大城市主导要素分化明显,而西部三大城市均以旅游客流规模主导,其他要素为辅;④在目的地系统的耦合主导要素上:东部三大城市的自然、经济和社会环境要素的主导作用更强,而西部三大城市的旅游服务设施与服务人员以及基础设施要素主导作用更强,这表明两系统耦合质量的提升更需要依赖目的地整体环境的支撑,但西部城市由于受到较差的区位条件和较低的旅游经济发展水平的限制,对目的地系统的核心供给要素和媒介支撑要素的投入仍处于边际报酬递增阶段。

关键词:入境旅游流;城市目的地;系统耦合;时空关系;灰色关联模型
Abstract
System Integration Research on the interaction of tourist flow and destination contributes to the theoretical framework of tourism system and settles issues on internal element relations,law of development and evolvement,forecasting,regulating supply and demand balance. Taking inbound tourism of Beijing,Shanghai,Guangzhou,Xi’an,Chengdu,and Kunming as research objects,we constructed a coupling evaluation index system for inbound tourist flows and destination. With application of a gray associative model,we conducted a quantitative evaluation of the coupling degree of inbound tourist flow system and destination system in the six cities from 1993 to 2012,and examined the coupling effect degree of system elements. We found that the velocity and quantity of tourist flow are the most important coupling dominant elements in inbound tourist flow system,while tourism service facility,personnel and destination economic environment are the most important coupling dominant elements in destination system. The coupling system between tourist flow and destination in these tourist cities has long been amelioration coupling. The fluctuation of coupling degree between the two systems is an inverted U in Beijing and Shanghai,and in the other cities coupling degree shows a downward trend. In the aspect of the coupling dominant elements in inbound tourist flow system,the differentiation of dominant elements in eastern cities is obvious,but in western cities the dominant elements are similar,showing tourist flow scale as the dominant element and other elements as supplementary. As for coupling dominant elements in the destination system,the natural,economic and social environment have stronger effects on system coupling in eastern cities,while tourism service facility and personnel and infrastructure have stronger effects in western cities. This indicates that enhancing the coupling quality of the systems needs to rely on the support of the overall environment of the destination. Hindered by poor geographical conditions and low levels of economic development,investment in core supply elements and media support elements on the destination system in western cities is still at a stage of increasing marginal returns.

Keywords:inbound tourist flows;city destination;system coupling;spatio-temporal relationship;gray associative model

-->0
PDF (915KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
张春晖, 马耀峰, 白凯. 旅游流与目的地系统耦合研究——以六大城市入境旅游为例[J]. , 2016, 38(6): 1013-1027 https://doi.org/10.18402/resci.2016.06.02
ZHANG Chunhui, MA Yaofeng, BAI Kai. The system coupling between tourist flow and destination: an empirical analysis of inbound tourism in six major cities[J]. 资源科学, 2016, 38(6): 1013-1027 https://doi.org/10.18402/resci.2016.06.02

1 引言

旅游流与目的地是旅游系统的基本子系统[1,2],二者的相互作用表征着旅游供需平衡发展态势,并深刻影响着区域旅游产业发展质量[3]。以往学术界对二者关系的探讨多侧重单向关系研究。在旅游流对目的地影响的议题上,已经形成了经济影响、社会文化影响、生态环境影响为主的旅游影响研究领域[4]。就目的地对旅游流影响的议题,****们多从宏观的旅游流驱动机制或微观的目的地选择行为的角度展开研究,揭示了目的地拉力因素构成[5],明确了旅游资源禀赋[6]、相对价格[7]以及经济发展水平、对外联系度[8]等因素对旅游流的影响作用。
近年来,旅游流与目的地互动关系的“系统整合研究”转向趋势明显,其中,旅游系统的耦合研究尤其受到重视并已涉及了众多领域。“耦合”源自物理学概念,本指两个或更多的系统通过相互作用而彼此影响的现象[9],可用于刻画复杂系统通过各子系统或要素相互作用实现有序化发展的过程。旅游地本身是一种具有时空耦合特征的复杂系统,其演化动力来自于复杂系统内部矛盾间的自耦合及其所形成的系统涨落[10],故依托系统耦合关系及其思想,展开全面的实证研究并构建整体旅游复杂系统的理论框架,有利于解决旅游系统内部要素关系、发展演化规律以及供需平衡预测和调控等问题。学界已经对旅游流或旅游产业与目的地的资源、交通、经济和环境等[11-14]的耦合关系进行了广泛的实证研究,应用并发展出比例模型[15,16]、离差最小化模型[13,14,17]、隶属度状态协调模型[18,19]、系统演化模型[20,21]、容量耦合模型[3,22-26]等研究方法,形成了独特的旅游耦合研究领域[27],并使得耦合协调分析发展为旅游地理学研究的新范式[22]。然而,当前研究尚存两方面不足:一是研究内容上侧重旅游流与目的地某一因素耦合关系的探讨,不利于全面揭示区域旅游供需状态[17];二是研究方法上主要采用容量耦合模型,使得研究处于系统耦合协调程度总体状况评价的层面而未能进一步深入。
本质上,特定系统间的耦合发展能否达到复合系统的整体发展目标,主要取决于各个子系统及其要素间的交互作用和耦合过程是否能够遵循着互利共生的耦合路径协同进行[28]。因此,对系统间耦合关系的探究,最终要回应哪些系统要素对耦合关系的作用更大,哪些要素的作用较小。只有将系统耦合的研究深入落实到子系统内部要素的作用程度层面,才能深化系统耦合内在机制的理解,找到导致系统发展不协调来源的薄弱环节[29],提出有针对性的调控策略。基于上述考虑,本研究以中国6大典型旅游城市的入境旅游为例,通过灰色关联模型,一方面考察综合表征旅游供需关系的旅游流与目的地两系统的耦合状况及时空分异规律,另一方面突破单纯进行系统总体耦合状况评价的局限,重点分析系统内部要素耦合作用强度的分异特征,辨识发挥耦合作用的主次要素,以推动旅游耦合机制研究的深入发展。

2 研究区域、指标体系、数据来源与研究方法

2.1 研究区域

根据陕西师范大学国家基金课题组对中国入境旅游流长期研究的成果,中国作为入境旅游目的地,可以划分为环渤海、长三角、珠三角、大西安、蜀渝和云贵六大典型旅游区[30,31]。本研究在上述区域内各选取1个重要口岸或节点城市,它们是北京、上海、广州、西安、成都和昆明。这六大城市的入境旅游发展较早,产业体系相对完善,形成了较为成熟的旅游市场。20世纪90年代至2012年,六大城市接待全国入境旅游人次的9.72%~17.57%,创造了全国入境旅游收入的32.10%~57.38%[32]。而且,六大城市分属中国东西部地区,不但是入境旅游的重要目的地,还在中国入境旅游流网络中发挥着全国性或区域性的集散中心枢纽作用[8,33]。因此,这些城市具备研究典型性。考虑到城市旅游吸引物可能分布于环城游憩带甚至远郊,各市的地域范围包括市辖区。

2.2 指标体系

从旅游流与目的地发展的内在关系出发,依据科学性、整体性、层次性、动态连续性和可操作性等原则,分别构建旅游流和目的地两大系统的评价指标体系。基于文献总结,通过频度分析建立初始指标体系,再利用相关分析、变异系数分析和因子分析,对初始指标进行冗余性筛选、鉴别力筛选和主成分性筛选[34,35],最终从游客流量、资金流量、流速、流质四大方面,以及旅游核心吸引物、旅游服务设施与服务人员、基础设施、自然环境、经济环境、社会环境六大方面建立旅游流与目 的地系统耦合评价指标体系(表1)。在评价指标体系中,多数指标直接来自统计资料,或经简单计算即可得到,计算过程较复杂,需特别说明的指标如下。
在旅游流评价指标体系中,流质指数的计算公式见文献[36]。衡量消费潜力的4个指标,其计算步骤如下:首先选取各案例城市目的地客流量规模最大的前16个客源国(总游客比例约占各目的地城市接待入境游客的60%~80%),对这些国家历年游客规模比例进行归一化处理作为权重;其次通过世界银行网站收集各国指标数据;再次对这些指标数据乘以权重相加,求得4个指标的历年数值。如此处理考虑了各样本目的地客源市场的历年变动,也顾及了各客源市场的重要性程度的变动,可较为准确地反映主体客源国的各方面情况。
在目的地评价指标体系中,用以衡量旅游核心吸引物的高级别旅游资源共包括13种(括号内为品位度赋分值):世界遗产(40)、国家5A级旅游景区(25)、国家级风景名胜区(12)、国家4A级旅游景区(12)、国家森林公园(8)、国家地质公园(8)、国家级水利风景区(8)、国家城市湿地公园(8)、全国重点文物保护单位(5)、国家级自然保护区(5)、中国历史文化名镇(5)、中国历史文化名村(5)和中国历史文化名街(2)。在旅游核心吸引物各评价指标中,丰度,是指上述各类旅游资源的总数目,若某个评价对象同时拥有多个称号则仅计算1次;品位度,重点参考苏伟忠[37]和黄耀丽[38]的赋分方法,根据各类旅游资源的等级高低制定能够拉开档次的赋分规则计算得到,同时拥有多个称号的旅游资源,先以最高等级称号赋分,再加上次高等级称号的一半分值,以体现此类资源比同类单称号资源的优势;密度,以高级别旅游资源总数量除以目的地城市总面积,实际上是旅游资源的空间密度[39],能够反映目的地旅游资源的集聚程度;组合度,用以反映目的地各类旅游资源的匹配协调情况,组合度指数的计算公式见文献[40]
Table 1
表1
表1入境旅游流与目的地系统耦合评价指标体系
Table 1Coupling evaluation index system of inbound tourist flows and destination
目标层
(耦合系统)
领域层
(一级指标)
准则层
(二级指标)
指标层
(三级指标)
代码
旅游流Y游客流量客流规模入境旅游人次/人次Y1
人均接待入境旅游者人次/(人次/人)Y2
客流比重客流量占有率/%Y3
客流增长入境旅游人次近3年平均增长率/%Y4
资金流量消费规模入境旅游外汇收入/万美元Y5
入境旅游者人均天花费/(美元/人天)Y6
消费占比旅游外汇收入占有率 /%Y7
入境旅游收入占第三产业增加值比重/%Y8
入境旅游外汇收入占GDP比重/%Y9
消费增长入境旅游外汇收入近3年平均增长率/%Y10
流速停留时间入境旅游者平均停留天数/天Y11
流质旅游流效益旅游流流质指数Y12
消费潜力主体客源国人均GNI/美元Y13
主体客源国人均最终消费支出/美元Y14
主体客源国出游率/%Y15
主体客源国人文发展指数Y16
目的地X旅游核心资源丰度高级别旅游资源丰度/个X1
吸引物资源品位度高级别旅游资源品位度X2
资源密度高级别旅游资源密度/(个/km2)X3
资源组合度高级别旅游资源组合指数*X4
旅游服务设施旅游企业数量国际旅行社数量/家X5
与服务人员星级饭店数量/家X6
旅游企业国际旅行社固定资产/万元X7
固定资产星级饭店固定资产/万元X8
旅游企业国际旅行社从业人员/人X9
从业人员星级饭店从业人员/人X10
基础设施外部交通人均年民航客运量/人次X11
人均年铁路客运量/人次X12
人均公路客运量/人次X13
内部交通人均实有铺装道路面积/m2X14
每万人公共汽车数/辆X15
每万人出租汽车数/辆X16
邮电通讯每百人邮电局(所)数/个X17
每百人固定电话用户数/户X18
每百人移动电话用户数/户X19
每百人互联网用户数/户X20
人均邮电业务量/万元X21
能源人均全年社会用电总量/(kW?h)X22
人均全年供水总量/tX23
人均煤气(天然气)供气总量/m3X24
每万人石油液化气供气总量/tX25
自然环境绿化及人均公园绿地面积/m2X26
环卫设施建成区绿化覆盖率/%X27
每万人公共厕所数/个X28
空气质量可吸入颗粒物年日均值*/(mg/m3)X29
SO2浓度年均值*/(mg/m3)X30
NO2浓度年均值*/(mg/m3)X31
声环境质量道路交通干线噪声平均值*/dBX32
区域环境噪声平均值*/dBX33
废水整治工业废水排放达标率/%X34
生活污水处理率/%X35
垃圾整治工业固体废弃物综合利用率/%X36
生活垃圾无害化处理率/%X37
经济环境经济总量人均GDP/万元X38
人均固定资产投资/万元X39
人均社会消费品零售额/元X40
人均财政收入/元X41
经济结构第二产业占GDP比重/%X42
第三产业占GDP比重/%X43
第三产业劳动力比重/%X44
经济外向性外贸依存度/%X45
外资依存度/%X46
人均利用外资/美元X47
社会环境居民生活水平城镇居民人均可支配收入/元X48
城市居民家庭恩格尔系数*/%X49
文化环境人均科教文卫等财政支出/元X50
高等学校在校学生数/人X51
各类技术人员数/人X52
群众艺术馆、文化馆文艺活动次数/次X53
艺术表演团体演出场数/场X54
家庭教育文化娱乐人均消费性支出/元X55
教育文化娱乐投入/亿元X56
社会安全万人刑事案件立案数*/件X57
万人发生火灾数*/起X58
万人交通事故死亡人数*/人X59

注:表中加*的指标为逆向指标,即越小越好。
新窗口打开

2.3 数据来源

本研究选取1993-2012年共20年间,北京、上海、广州、西安、成都和昆明6座城市展开研究。评价指标体系的数据,主要来自1994-2013年《中国旅游统计年鉴》[32]、《中国旅游统计年鉴(副本)》[41]、《旅游抽样调查资料》[42]、《北京统计年鉴》[43]、《上海统计年鉴》[44]、《广州统计年鉴》[45]、《西安统计年鉴》[46]、《成都统计年鉴》[47]、《昆明统计年鉴》[48]、《中国城市统计年鉴》[49]等。旅游流流质的各主体客源国相关数据来自《国际统计年鉴》[50]以及世界银行官方网站(http://www.worldbank.org/);旅游核心吸引物方面的原始数据来自国家旅游局官方网站(http://www.cnta.gov.cn/)、国家文物局官方网站(http://www.sach.gov.cn/)、国家水利风景区官方网站(http://slfjq.mwr.gov.cn/)、国家林业局官方网站(http://www.forestry.gov.cn/)等。此外,部分数据来自各城市政府官方网站获取的历年国民经济和社会发展统计公报。对于个别年份的缺失数据,利用其它年份数据,依托内插修订法或趋势外推法予以赋值。

2.4 研究方法

灰色关联分析是针对包含多类因素且内涵与外延较为模糊的系统展开量化分析方法,它能够通过数据间映射刻画因素的折线几何特征相似度,以此甄别系统内的主次影响因素并衡量影响程度[51]。相对于较常用的容量耦合模型,该方法能够从系统的最基层指标出发,较为细致地考察某系统内部各层级要素与其他系统内部诸要素间的耦合关联程度,有利于系统间耦合互动机理分析。灰色关联模型的具体公式及分析步骤如下:
(1)确定分析序列。本研究以目的地系统指标Xi序列组和旅游流系统指标Yj序列组作为分析序列。
(2)数据预处理。对上述两组系统序列的原始数据进行极差标准化处理,以消除不同指标数据间的量纲及数量级差别,得到Xi’和Yj’。
(3)计算关联系数。具体公式为:
ξij(t)=miniminjXi(t)-Yj(t)+ρmaximaxjXi(t)-Yj(t)Xi(t)-Yj(t)+ρmaximaxjXi(t)-Yj(t) (1)
式中 ξij(t)为各典型城市t时刻第i个目的地系统指标和第j个旅游流系统指标间的关联系数; Xi(t)Yj(t)分别为t时刻目的地系统和旅游流系统指标的标准化值;ρ为分辨系数,具有提升关联系数间差异显著性的作用,一般取值为0.5。
(4)计算系统内要素间的关联度。将关联系数按照样本数k求平均值得到关联度矩阵γ,可反映系统要素之间的耦合互动关系。关联度γij的计算公式为:
γij=1ki=1kξij(t)(2)
式中k为样本数,利用1993-2012年六大城市面板数据分析目的地与旅游流的总体耦合关联关系,再分别利用各城市的20年数据依次对所有案例城市两系统耦合关联关系进行时间序列分析和空间对比分析。
γij∈(0,1],其值越大,表明两系统内部指标发展方向及速率越接近,关联性越强。如果 γij=1,则表明目的地系统指标 Xi(t)与旅游流系统指标 Yj(t)之间存在着极强的关联性,二者变化规律完全相同,单个指标间的互动耦合作用极为明显;而当0< γij≤0.3时两指标间为低度关联,耦合作用弱;当0.3< γij≤0.6时,两指标为中等关联,耦合作用为中等;当0.6< γij≤0.8时,指标间为较高关联,此时耦合作用较强;当0.8< γij≤1时,两指标间为高度关联,耦合作用几近极强[52]
在关联度矩阵基础上,按行或列求平均值即可得到某系统要素与另外一个系统间平均关联度[53],具体公式为:
di=1lj=1lγij(i=1,2,?,l;j=1,2,?,m)dj=1mi=1mγij(i=1,2,?,l;j=1,2,?,m)(3)
式中di为目的地系统第i个指标与旅游流系统的平均关联度;dj为旅游流系统第j个指标与目的地系统的平均关联度;lm分别为旅游流和目的地系统所包含的指标数。根据didj取值大小,即可甄别出目的地对旅游流的主要制约因素,亦可识别出旅游流对目的地的主导影响因素。
(5)计算系统间耦合度。对系统要素关联度矩阵的所有数据点计算总平均,构建耦合度模型,以便于从整体上判断目的地与旅游流两系统耦合程度。具体计算公式为:
C(t)=1m×li=1lj=1mξij(t)(4)
式中Ct)为耦合度;lm分别为旅游流和目的地系统的指标数。根据灰色关联耦合度分析的经验法则,耦合度可以划分为协调、磨合、颉颃和低水平4种类型[34]

3 旅游流与城市目的地关联度分析

应用灰色关联分析模型,计算得到1993-2012年六大城市旅游流与目的地系统要素关联度矩阵(表2)。结果显示,两系统内部各项指标之间的灰色关联度在0.439~0.873之间,属于中高等级的关联,说明旅游流与目的地两系统间的驱动与响应关系是相对紧密的。
为了揭示两系统互动耦合过程中的主要驱动力要素,需要对指标层要素关联度,及其所属的准则层和领域层,进行简单平均计算,分别得到旅游流对目的地产生影响的主要因素和目的地对旅游流发挥制约作用的主要因素。

3.1 旅游流对城市目的地影响分析

总体上,与目的地系统平均关联度由高到低的领域层要素依次为流速、游客流量、资金流量和流质。
(1)从流速和游客流量上看,两要素与目的地的平均关联度相当且最高,分别为0.689和0.688,表明1993-2012年间中国典型入境旅游城市目的地发展的主要驱动力为游客流量和游客的停留时间,而且入境旅游人次(Y1)是平均关联度最高(达0.731)的指标层要素,说明中国入境旅游的发展长期处于规模扩张的粗放式阶段。
(2)从资金流量上看,该要素的平均关联度为0.676,较游客流量对目的地的影响作用更小,印证了中国入境旅游业发展质量欠佳[54],入境游客流的发展未能带来相应资金流的情况[55]。需注意的是,入境旅游外汇收入(Y5)与高级别旅游资源密度(X3)以及群众艺术馆、文化馆文艺活动次数(X53)、艺术团体演出场数(X54)等文化环境指标的关联度分别达到0.842、0.833和0.831的极高水平,表明旅游消费的增长主要与旅游资源的集聚态势、文化活动的丰富程度存在深刻互动影响。
(3)从流质上看,该要素平均关联度仅为0.665,说明入境旅游流的效益和游客消费潜力对目的地发展的作用程度尚浅。而从具体指标上看,主体客源国出游率(Y15)的平均关联度最高,达到0.697,而且该指标与人均年民航客运量(X11)、每百人移动电话用户数(X19)、每百人互联网用户数(X20)的关联度分别达到0.825、0.837和0.824的极高水平,这说明客源国出游率变动对目的地发展存在着较强的影响作用,而以出游率为代表的游客消费潜力的现实转化主要是以目的地的外部交通、邮电通讯等基础设施的发展为条件的。

3.2 城市目的地对旅游流影响分析

总体上,与旅游流系统平均关联度由高到低的领域层要素依次为旅游服务设施与服务人员、经济环境、基础设施、旅游核心吸引物、社会环境和自然环境。
(1)旅游服务设施与服务人员的平均关联度最高,达到0.710,是对旅游流系统发展响应与反馈作用最强的目的地系统要素,表现出此类要素占据着区域旅游供给的决定性地位[56]。具体来看,在准则层指标要素中,旅游企业从业人员的平均关联度(0.717)较企业数量(0.706)和企业固定资产(0.707)明显更高,一方面说明劳动力优势是中国在近20年的国际旅游服务贸易中获得一定优势的因素之一,另一方面也印证了左冰等[57]的研究发现,即驱动中国旅游业快速发展的最主要因素是劳动力投入,而资本投入的影响作用相对较弱。
(2)从经济环境上看,经济外向性对入境旅游流的反馈作用更明显,平均关联度达0.716,而其指标层要素中,外贸依存度(X45)的平均关联度最高(0.730),表明城市的外向型经济主要通过进出口贸易与入境旅游流产生交互影响,这印证了进出口贸易对中国城市入境旅游发展的重要影响作用[58],并反映出发展商务旅游的重要性。
(3)从基础设施上看,该领域层要素的平均关联度与经济环境相近,为0.691。具体而言,人均年民航客运量(X11)、人均年铁路客运量(X12)、每百人互联网用户数(X20)、人均邮电业务量(X21)、人均全年社会用电总量(X22)、每万人石油液化气供气总量(X25)6个指标与入境旅游人次(Y1)间达到了极高关联水平,表明城市对外交通、网络通讯以及以电能和石油能源为主的基础设施对入境旅游流发展的反馈作用最为明显。需要注意的是,以往旅游发展与基础设施关系的研究多对能源设施有所忽略,而大规模旅游流进入目的地所带来的能源消费不但集中于旅游交通,还涉及住宿、景区游览及其他旅游服务设施,覆盖旅游全行业,因此,城市目的地能源基础设施对入境旅游发展的重要作用应得到重视。能源的平均关联度在4个准则层要素中最高(0.694)正支持了上述观点。
Table 2
表2
表21993-2012年六大城市入境旅游流与目的地系统要素关联矩阵
Table 2Systems factors incidence matrix between inbound tourist flows system and destination system of 6 cities from 1993 to 2012


目的地
Xi

入境旅游流
Yi
游客流量
0.688
资金流量
0.676
流速0.689流质
0.665
客流规模
0.718
Y1-Y2
客流比重
0.691
Y3
客流增长
0.655
Y4
消费规模
0.691
Y5-Y6
消费占比
0.681
Y7-Y9
消费增长
0.656
Y10
停留时间
0.689
Y11
旅游流效益
0.680
Y12
消费潜力
0.650
Y13-Y16
旅游核心吸
引物0.684
资源丰度0.693(X1γ24为中等关联,其余皆为较强关联
γ35为极高关联,γ48、γ49为中等关联,其余皆为较强关联
均为较
高关联
γ114、γ116、γ214、γ216、γ316
γ412、γ415为中等关联,其余皆为较强关联
品位度0.688(X2
资源密度0.710(X3
组合度0.644(X4
旅游服务设施与服务人员0.710企业数量0.706
X5-X6
γ51、γ61、γ81、γ91、γ92为极高关联,γ54、γ74为中等关联,其余皆为较强关联γ55、γ65、γ75、γ85、γ95、γ68、γ78、γ88
γ98、γ108、γ59、γ69、γ89、γ99、为极高
关联,γ56、γ710为中等关联,
其余皆为较强关联
γ811极高关联,其余为中等关联γ513、γ514、γ516、γ616、γ716
γ816、γ916、γ1016为中等关联,其余为较高关联
固定资产
0.707(X7-X8
从业人员
0.717(X9-X10
基础设施
0.691
外部交通
0.690(X11-X13
γ111、γ121、γ201、γ211、γ221、γ251、γ112
γ122、γ252为极高关联,其余皆为中等关联
γ205、γ215、γ218为极高关联,γ116为中等关联,其余皆为较强关联均为较强关联γ1612、γ1115、γ1215、γ1915
γ2015、γ2115、γ2515为极强关联,γ1116、γ1216、γ1316、γ1416、γ1616、γ1716、γ1916、γ2016
γ2116、γ2216、γ2316、γ2416、γ2516为中等关联,其余为较强关联
内部交通
0.693(X14-X16
邮电通讯
0.689(X17-X21
能源0.694(X22-X25
自然环境
0.625
绿化及环卫设施
0.696(X26-X28
γ291、γ301、γ311、γ321、γ331、γ341、γ371
γ292、γ302、γ312、γ322、γ332、γ342、γ352
γ362、γ372、γ293、γ303、γ313、γ323、γ333
γ343、γ373为中等关联,其余皆
为较强关联
γ295、γ305、γ315、γ325、γ335、γ345、γ365
γ375、γ297、γ307、γ317、γ327、γ347、γ357
γ377、γ298、γ308、γ318、γ328、γ338、γ348
γ368、γ378、γ299、γ309、γ319、γ329、γ339
γ349、γ359、γ369、γ379、γ3410、γ3710
中等关联,其余为较强关联
γ2911
γ3011
γ3111
γ3211
γ3411、γ3711为中等关联,其余为较强关联
γ2912、γ3012、γ3112、γ3212
γ3312、γ3412、γ3712、γ2915
γ3015、γ3115、γ3215、γ3315
γ3415、γ3615、γ3715、γ2616
γ2716、γ2816均为中等关
联,其他均为较强关联
空气质量0.597
X29-X31
声环境质量
0.612(X32-X33
废水整治
0.617(X34-X35
垃圾整治
0.604(X36-X37
经济环境
0.694
经济总量
0.700(X38-X41
γ381、γ411、γ451、γ471、γ402、γ453
极强关联,γ421、γ422、γ423为中
等关联,其余为较强关联
γ455、γ475、γ458、γ478、γ469为极强关联,γ425、γ466、γ428、γ429为中等关联,其余为较强关联均为较
强关联
γ4015、γ4115为极强关联,
γ4212、γ4114、γ4614、γ4215
γ3816、γ3916、γ4016、γ4116
γ4416、γ4516、γ4616、γ4716
中等关联,其余为较强关联
经济结构
0.666(X42-X44
经济外向性
0.716(X45-X47
社会环境
0.660
居民生活水平
0.672(X48-X49
γ481、γ521、γ531、γ541、γ551为极强关联,γ571、γ581、γ591、γ572、γ582、γ592
γ573、γ583、γ593为中等关联,其余为较强关联
γ485、γ505、γ525、γ535、γ545、γ555、γ565
γ528、γ548、γ529、γ549为极强关联,
γ575、γ585、γ595、γ586、γ587、γ597、γ498
γ578、γ588、γ499、γ598、γ579、γ589、γ599
为中等关联,其余皆为较强
关联
γ5811
中等关
联,其余
均为较
强关联
γ5015、γ5515为极强关联,
γ4912、γ5812、γ5912、γ5014
γ5214、γ4915、γ5715、γ5815
γ5915、γ4816、γ5016、γ5116
γ5216、γ5316、γ5416、γ5516、γ5616为中等关联,其余为较强关联
文化环境0.706
X50-X56
社会安全0.601
X57-X59


新窗口打开
(4)从旅游核心吸引物上看,其平均关联度为0.684,达到了较高程度关联,但低于旅游服务设施与服务人员、经济环境以及基础设施,该结果与刘法建[8]的研究相近,说明旅游资源是只是吸引旅游流的必要条件,目的地的全面发展还须相关要素的配套完善。在具体的指标要素方面,高级别旅游资源密度和丰度的平均关联度较高(分别为0.710和0.693),说明旅游资源的空间凝聚态势及数量规模对入境旅游流系统发展的反馈作用更为明显,亦即入境游客更青睐于高级别旅游资源富集,便于集中游览的城市目的地。
(5)社会环境领域层要素关联度为0.660,其下属平均关联度最高的准则层要素为文化环境(0.706),一方面说明文化活动丰富的目的地,容易形成文化氛围与旅游流互相促进的良好局面,另一方面也表明目的地的科学、教育等文化事业发展,居民的文化娱乐消费水平提升,文化产业繁荣,都具有带动旅游业发展的作用,这一点与相关研究[59]结论一致。
(6)从自然环境上看,该要素关联度达到较高水平(0.625),但在六大领域层要素中最低,表明中国典型城市自然环境与入境旅游流间的交互耦合作用程度尚浅,自然环境对入境旅游流的正反馈作用仍不强。在准则层要素中,绿化及环卫设施的关联度最高(0.696),揭示出绿化建设可通过提升都市景观效益,增加城市审美价值,较为直接地吸引旅游流;而空气质量关联度最低(0.597)揭示了中国典型城市目的地自然环境与入境旅游流耦合关系的短板所在。

4 旅游流与城市目的地耦合度时空演变

4.1 旅游流与城市目的地耦合度的时序分析

分别计算六大城市1993-2012年入境旅游流与城市目的地系统的耦合度(图1),从历时性角度对比分析各城市耦合度演变趋势特征,结果发现:
(1)六大城市历年两系统耦合度介于0.583~0.725之间,绝大多数年份处于磨合阶段,说明中国典型旅游城市的入境旅游流与目的地系统始终处于磨合发展阶段,尚未跨入协调阶段。北京、上海的耦合度呈现出一定的倒“U”型变化趋势,广州、西安、成都和昆明的耦合度则表现出波动下降的趋势,而六大城市耦合度的发展均可以2003年为分界点划分为两大阶段。
显示原图|下载原图ZIP|生成PPT
图11993-2012年六大城市入境旅游流与目的地系统的耦合度
-->Figure 1Coupling degree of inbound tourism flows and destination system of 6 cities from 1993 to 2012
-->

(2)1993-2003年,北京、上海耦合度总体逐步上升,广州、西安、成都和昆明波动下滑。此时期,京沪两大综合型都市的旅游功能不断强化,城市各方面与入境旅游流的交互作用不断加强,良性互动耦合发展的趋势明显,而其余4座城市入境旅游流和目的地系统各方面的发展方向及速率并未保持一致,导致了整体耦合度的徘徊与下挫,说明两系统处于不断磨合的阶段。
(3)2004-2012年,六大城市耦合度均表现出整体下降的趋势。除上海与西安在2006-2009年间耦合度保持了稳定状态外,其余4座城市均呈现持续下降趋势,尤其成都与昆明,在研究期末跌入了颉颃阶段。整体上,此阶段国内旅游的兴起使得入境旅游在整个旅游产业中的比重下降,各城市目的地开始更多地配合国内旅游的发展。此外,中国更多的入境旅游城市目的地的进一步开放,在一定程度上造成了入境口岸驱动型城市目的地地位的下降。2008年国际金融危机后中国入境旅游增速相对放缓,创汇功能也有所弱化。上述原因都造成了入境旅游流系统各方面要素难以与持续发展的目的地系统诸要素形成紧密关联,影响了两系统的整体耦合程度。

4.2 旅游流与城市目的地耦合度的空间分异规律分析

以指标体系标准化数据为基础,分别计算六大城市1993-2012年整体耦合度,分析耦合度的空间分异规律,并探究两系统内部要素耦合关联特征的城际差异。从六大城市整体耦合度上看,广州最高(0.687),上海次之(0.669),此后依次为北京(0.667)、西安(0.663)、成都(0.647)和昆明(0.642)。灰色关联耦合度是对两系统内部要素间互动耦合关联程度的综合反映,因此以上结果表明东部城市入境旅游流与目的地系统内部要素间耦合关联程度较西部城市更为紧密。
从入境旅游流系统要素关联序上看(表3),客流规模、客流增长、客流比重、消费规模、停留时间、消费增长、消费占比和旅游流效益是各城市入境旅游流系统中的耦合主导要素。这些耦合主导要素的空间分异特征如下:
(1)客流规模与客流比重的平均关联度在除广州外的所有城市中占据着优势地位,表明近20年来,在中国典型目的地城市中,游客数量规模是主导入境旅游流与目的地系统耦合关系的最主要要素。
(2)东部三 大城市耦合主导要素存在明显分异。从关联序前3位可以看出,北京与广州分别以游客流量和资金流量(主要为消费规模)为两系统耦合关系的主导要素,而上海则基本以游客流量和资金流量并重。
(3)西部三大城市耦合主导要素趋同。西安、成都和昆明3城市入境旅游流系统准则层中关联度前5位的要素分布格局基本一致,表明3城市均以旅游客流规模为耦合主导要素,而其他要素为辅。
(4)西部三大城市资金流量主要以间接方式对目的地的发展施加影响。从资金流量下属的准则层要素上看,西部城市的消费占比要素排名靠前,而东部三大城市则是消费规模要素排名居前。即东部城市主要以入境旅游外汇收入、入境旅游者的人均天花费直接对目的地产生影响,而西部城市则以提升入境旅游产业在第三产业以及整个国民经济中的地位来对目的地施加影响。
Table 3
表3
表3入境旅游流系统中关联度前5位的准则层要素
Table 3Top 5 elements of the criterion layer’ relevancy degree of inbound tourist flows
位序北京上海广州西安成都昆明
1客流规模客流规模消费规模客流规模客流规模客流比重
2客流增长客流比重旅游流效益客流比重客流比重客流规模
3客流比重消费增长停留时间消费占比消费占比旅游流效益
4消费规模消费规模消费增长旅游流效益停留时间停留时间
5停留时间消费占比客流规模消费规模旅游流效益消费占比


新窗口打开
从目的地系统要素关联序上看(表4),六大领域层要素与入境旅游流系统间的关联性存在如下特征:
(1)东部的北京、上海、广州在自然、经济和社会环境要素上的关联度位序整体高于西部的西安、成都和昆明,但在旅游服务设施与服务人员以及基础设施方面的位序却低于西部城市。这表明,在目的地系统对入境旅游流系统的反馈作用中,环境支撑要素在东部城市中发挥的作用更为明显,而在西部城市中的作用较弱;目的地系统的核心供给要素和媒介支撑要素在西部城市的耦合关系中发挥的作用较强,而在东部城市中的作用稍弱。
Table 4
表4
表4目的地系统领域层要素关联度排序
Table 4The average relevancy degree sequence of the domain layer elements of destination
序位北京上海广州西安成都昆明
1吸引物经济环境经济环境设施与人员设施与人员设施与人员
2设施与人员社会环境设施与人员基础设施基础设施吸引物
3社会环境设施与人员基础设施经济环境经济环境基础设施
4自然环境自然环境社会环境吸引物吸引物经济环境
5基础设施基础设施自然环境社会环境社会环境社会环境
6经济环境吸引物吸引物自然环境自然环境自然环境

注:为便于表格排版,这里将目的地系统下的领域层指标要素“旅游核心吸引物”简称为“吸引物”,将“旅游服务设施与服务人员”简称为“设施与人员”。
新窗口打开
(2)上海与广州的经济环境关联度序位最高,表明两城市目的地以经济环境要素为主导对入境旅游流系统发挥反馈作用。两城市分别属于长江三角洲和珠江三角洲城市群核心城市,在经济发展水平和对外经贸方面占据明显优势,通过完善的商业、现代服务业功能吸引着大量商务入境旅游流,并已经分别成为入境商务旅游流网络中的一级核心节点城市和最重要的集散中心[60],故而表现出目的地系统的经济环境要素关联度最高的特征。
(3)西安、成都和昆明对两系统耦合发挥最重要影响的是旅游服务设施与服务人员,即西部三大城市以各类旅游企业资本要素以及从业人员劳动力要素为耦合作用的主导。旅游服务设施与服务人员所表征的资本与劳动力要素,其关联度排名在六大城市中均较高,但在西部三大城市中均位列首位,而东部城市中排名仅为第2或第3位(表4)。这一方面说明服务资本和劳动力要素对中国入境旅游产业发展的重要作用,另一方面也说明近20年来,西部典型旅游城市两系统间的交互影响尚集中于旅游产业,城市本身作为全域目的地参与两系统耦合作用过程的程度尚浅。此外,基础设施在西部城市中关联度排名也较高,基本处于第2位(东部城市为第3位或第5位),说明与东部城市相比,加强交通、信息和能源基础设施的建设,提升基础设施综合发展水平对西部城市入境旅游发展的促进作用更为明显。可见,西部城市由于受到较差的区位条件和较低的旅游经济发展水平的限制,提升目的地系统中核心供给要素和媒介支撑要素的发展水平能够获得更高的回报,即西部城市目的地对两类要素的投入处于边际报酬递增阶段,而东部城市由于旅游经济发展水平已经相对较高,对上述两类要素的提升仅能获得较低的边际产出,故表现出与入境旅游流系统较低的关联度。

5 结论与展望

5.1 结论

(1)入境旅游流系统内的耦合主导要素是游客流量和流速,目的地系统内的耦合主导要素是旅游服务设施与服务人员和目的地经济环境。两系统内部要素的关联度位序特征分别为:入境旅游流系统方面,流速>游客流量>资金流量>流质;目的地系统方面,旅游服务设施与服务人员>经济环境>基础设施>旅游核心吸引物>社会环境>自然环境。
(2)中国典型旅游城市的入境旅游流与目的地系统长期处于磨合发展阶段,1993-2012年,北京、上海的耦合度呈现出倒“U”型变化趋势,广州、西安、成都和昆明的耦合度则表现出波动下降的趋势,六大城市历年耦合度介于0.583~0.725之间,协调好城市入境旅游与目的地发展的任务依然艰巨。
(3)入境旅游流系统的耦合主导要素空间分异特征为:东部三大城市的耦合主导要素分化明显,北京与广州分别以游客流量和资金流量为两系统耦合关系的主导要素,而上海则基本以游客流量和资金流量并重;西部三大城市耦合主导要素趋同,旅游客流规模占据明显的主导地位,而其他要素为辅,且资金流量对目的地的影响方式更显间接。
(4)目的地系统的耦合主导要素空间分异特征主要为:东部三大城市的自然、经济和社会环境要素对系统耦合主导作用更强,而西部三大城市的旅游服务设施与服务人员以及基础设施要素主导作用更强。这表明受入境游客需求多元化以及城市目的地功能和地位的综合影响,两系统耦合质量的提升更需要依赖环境支撑要素,而西部城市由于受到较差的区位条件和较低的旅游经济发展水平的限制,对目的地系统的核心供给要素和媒介支撑要素的投入仍处于边际报酬递增阶段。

5.2 不足与展望

受资料限制,本研究仅选取了中国六大典型城市展开分析,而针对城市群的区域旅游流与城市群目的地的耦合研究应得到重视。另外,灰色关联模型虽可有效揭示两系统内部诸要素的耦合作用强度大小,然而,对各系统要素发挥耦合作用的详细路径却不能给予精准刻画,这尚需在后续研究中应用系统演化模型等方法进行深入探讨。
The authors have declared that no competing interests exist.

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]Leiper N.Tourist attraction systems
[J]. Annals of Tourism Re-search,1990,17(3):367-384.
[本文引用: 1]
[2]Gunn C A,Turgut V.Tourism Planning:Basics Concepts Cases(4th ed)
[M]. New York:Routledge,2002.
[本文引用: 1]
[3]张春晖,马耀峰,吴晶,. 供需视角下西部入境旅游流与目的地耦合协调度及其时空分异研究
[J]. 经济地理,2013,33(10):174-181.
[本文引用: 2]

[Zhang C H,Ma Y F,Wu J,et al.Coupling coordination degree between inbound tourist flows and destinations and its spatiotemporal differences in the western region of China:A study from the perspective of supply-demand relationship
[J]. Economic Geography,2013,33(10):174-181.]
[本文引用: 2]
[4]曾军. 近期国外旅游影响研究综述-《Annals of Tourism Research》文献分析
[J]. 云南地理环境研究,2006,18(6):79-83.
[本文引用: 1]

[Zeng J.A study summary of the tourism impact of overseas in recent years based on the literatures of Annals of Tourism Research
[J]. Yunnan Geographic Environment Research,2006,18(6):79-83.]
[本文引用: 1]
[5]杨兴柱,顾朝林,王群. 旅游流驱动力系统分析
[J]. 地理研究,2011,30(1):23-36.
[本文引用: 1]

[Yang X Z,Gu C L,Wang Q.Study on the driving force of tourist flows
[J]. Geographical Research,2011,30(1):23-36.]
[本文引用: 1]
[6]Kemperman A D A M,Borgers A W J,Oppewal H,et al. Con-sumer choice of theme parks:A conjoint choice model of seasonality effects and variety seeking behavior
[J]. Leisure Sciences,2000,22(4):1-18.
[本文引用: 1]
[7]Nicolau J L,Mas J J.The influence of distance and prices on the choice of tourist destinations:The moderating role of motivations
[J]. Tourism Management,2006,27(5):982-996.
[本文引用: 1]
[8]刘法建,张捷,陈冬冬. 中国入境旅游流网络结构特征及动因研究
[J]. 地理学报,2010,65(8):1013-1024.
[本文引用: 3]

[Liu F J,Zhang J,Chen D D.The characteristics and dynamical factors of Chinese inbound tourist flow network
[J]. Acta Geographica Sinica,2010,65(8):1013-1024.]
[本文引用: 3]
[9]刘耀彬,李仁东,宋雪峰. 中国城市化与生态环境耦合度分析
[J]. 自然资源学报,2005,20(1):105-112.
[本文引用: 1]

[Liu Y B,Li R D,Song X F.Analysis of coupling degrees of urbanization and ecological environment in China
[J]. Journal of Natural Resources,2005,20(1):105-112.]
[本文引用: 1]
[10]杨春宇. 旅游地发展研究新论-旅游地复杂系统演化理论·方法·应用[M]. 北京:科学出版社,2010. [本文引用: 1]

[Yang C Y.New Theory on Tourism Destination Development:Tourism Destination Complex System Evolution Theory,Method and Application[M]. Beijing:Science Press,2010.] [本文引用: 1]
[11]Haugland S A,Ness H,Grønseth B,et al.Development of tourism destinations:An integrated multilevel perspective
[J]. Annals of Tourism Research,2011,38(1):268-290.
[本文引用: 1]
[12]余菲菲,胡文海,荣慧芳. 中小城市旅游经济与交通耦合协调发展研究-以池州市为例
[J]. 地理科学,2015,35(9):1116-1122.


[Yu F F,Hu W H,Rong H F.Coordinated development about tourism economy and transportation in medium and small cities:Chizhou as example
[J]. Scientia Geographica Sinica,2015,35(9):1116-1122.]

[13]余洁. 山东省旅游产业与区域经济协调度评价与优化
[J]. 中国人口·资源与环境,2014,24(4):163-168.
[本文引用: 1]

[Yu J.Evaluation and optimization of the coordinative degree between tourism industry and regional economy in Shandong province
[J]. China Population,Resources and Environment,2014,24(4):163-168.]
[本文引用: 1]
[14]郭晓东,李莺飞. 中国旅游经济与生态环境协调发展水平的空间差异与演变特征
[J]. 中国人口·资源与环境,2014,24(5):356-359.
[本文引用: 2]

[Guo X D,Li Y F.Spatial differences and evolution characteristics of tourism economy and ecological environment coordinated development level in China
[J]. China Population,Resources and Environment,2014,24(5):356-359.]
[本文引用: 2]
[15]刘宏盈,马耀峰. 入境旅游流空间转移与省域旅游经济联系强度耦合分析——以上海入境旅游流西向扩散为例
[J]. 资源科学,2008,30(8):1162-1168.
[本文引用: 1]

[Liu H Y,Ma Y F.Coupling analysis of the linkages between inbound tourism flows and tou-rism economy:A case study of the westward diffusion of tourists through Shanghai
[J]. Resources Science,2008,30(8):1162-1168.]
[本文引用: 1]
[16]冯娜,李君轶. 外向在线旅游信息流与入境旅游流的耦合分析——以美加入境旅游流为例
[J]. 旅游学刊,2014,29(4):79-86.
[本文引用: 1]

[Feng N,Li J Y.A couple analysis of the extraversion online tourism information and inbound tourist flow:A case of the American and Canadian inbound tourist flow
[J]. Tourism Tribune,2014,29(4):79-86.]
[本文引用: 1]
[17]陈弢. 区域旅游发展协调度的时空差异研究
[J]. 地理研究,2014,33(3):558-568.
[本文引用: 2]

[Chen T.The coordination in spatial-temporal variations of regional tourism development:A tourism system prospective
[J]. Geographical Research,2014,33(3):558-568.]
[本文引用: 2]
[18]陈晓,李悦铮. 城市交通与旅游协调发展定量评价——以大连市为例
[J]. 旅游学刊,2008,23(2):60-64.
[本文引用: 1]

[Chen X,Li Y Z.Quantitative evaluation of coordinated development of urban traffic and tourism:Taking Dalian as an example
[J]. Tourism Tribune,2008,23(2):60-64.]
[本文引用: 1]
[19]陈新哲,熊黑钢. 新疆交通与旅游协调发展的定量评价及时序分析
[J]. 地域研究与开发,2009,28(6):118-121.
[本文引用: 1]

[Chen X Z,Xiong H G.The quantitative evaluation and time series analysis on the coordinated development between Xinjiang’s transport and tourism
[J]. Areal Research and Development,2009,28(6):118-121.]
[本文引用: 1]
[20]王乃举,黄翔. 旅游非优区铜陵市系统耦合及协同进化研究
[J]. 地理与地理信息科学,2014,30(3):145-149.
[本文引用: 1]

[Wang N J,Huang X.Research on coupling and coevolution for tourism system of the non-optimal district in Tongling city
[J]. Geography and Geo-Information Science,2014,30(3):145-149.]
[本文引用: 1]
[21]谭小莉,宋成舜,翟文侠,. 新型旅游城市旅游产业与生态环境耦合关系研究——以咸宁市为例
[J]. 湖北农业科学,2015,54(20):5193-5197.
[本文引用: 1]

[Tan X L,Song C S,Zhai W X,et al.Study on the coupling relationship between tourism industry and ecological environment in new tourism city:Taking Xianning as a case
[J]. Hubei Agricultural Sciences,2015,54(20):5193-5197.]
[本文引用: 1]
[22]张荣天. 区域城镇化与旅游发展耦合协调关系及时空分异研究-以皖南文化旅游示范区为例
[J]. 旅游论坛,2015,8(6):60-65.
[本文引用: 2]

[Zhang R T.Spatial-temporal differentiation of coupling coordination between regional urbanization and tourism development:Taking culture tourism demonstration area in southern Anhui for example
[J]. Tourism Forum,2015,8(6):60-65.]
[本文引用: 2]
[23]刘军胜,马耀峰,吴冰. 入境旅游流与区域经济耦合协调度时空差异动态分析-基于全国31个省区1993-2011年面板数据
[J]. 经济管理,2015,37(3):33-43.


[Liu J S,Ma Y F,Wu B.The spatial and temporal differences dynamic analysis of the coupling coordination about the inbound tourists flows and regional economic:Based on the 31 provinces regional panel data from 1993 to 2012
[J]. Economic Management,2015,37(3):33-43.]

[24]高楠,马耀峰,李天顺,. 基于耦合模型的旅游产业与城市化协调发展研究-以西安市为例
[J]. 旅游学刊,2013,28(1):62-68.


[Gao N,Ma Y F,Li T S,et al.Study on the coordinative deve-lopment between tourism industry and urbanization based on coupling model:A case study of Xi’ an
[J]. Tourism Tribune,2013,28(1):62-68.]

[25]庞闻,马耀峰,唐仲霞. 旅游经济与生态环境耦合关系及协调发展研究-以西安市为例
[J]. 西北大学学报(自然科学版),2011,41(6):1098-1106.


[Pang W,Ma Y F,Tang Z X.The coupling relationship and coordinated development between tourism economy and ecological environment:A case study of Xi'an City
[J]. Journal of Northwest University( Natural Science Edition),2011,41(6):1098-1106.]

[26]翁钢民,李凌雁. 中国旅游与文化产业融合发展的耦合协调度及空间相关分析
[J]. 经济地理,2016,36(1):178-185.
[本文引用: 1]

[Weng G M,Li L Y.The coupling coordination degree and spatial correlation analysis on integrational development of tourism industry and cultural industry in China
[J]. Economic Geography,2016,36(1):178-185.]
[本文引用: 1]
[27]马耀峰,刘军胜. 基于供需视角的国内外旅游耦合研究审视
[J]. 陕西师范大学学报(自然科学版),2014,42(6):76-84.
[本文引用: 1]

[Ma Y F,Liu J S.Review of domestic and international tourism coupling based on the supply and demand perspective
[J]. Journal of Shaanxi Normal University (Natural Science Edition),2014,42(6):76-84.]
[本文引用: 1]
[28]王玉芳. 国有林区经济生态社会系统协同发展机理研究[M]. 北京:中国林业出版社,2007. [本文引用: 1]

[Wang Y F.Study on Synergetic Development’s Mechanism of Economic-Ecological-Social System in the State-Owned Forest Area[M]. Beijing:China Forestry Publishing House,2007.] [本文引用: 1]
[29]黄建欢,杨晓光,胡毅. 资源、环境和经济的协调度和不协调来源-基于GREE-EIE分析框架
[J]. 中国工业经济,2014,(7):17-30.
[本文引用: 1]

[Huang J H,Yang X G,Hu Y.The source of incoordi-nation and coordination of resources,economy and environment system:Based on a new framework(CREE-EIE)
[J]. China Industrial Economics,2014,(7):17-30.]
[本文引用: 1]
[30]马耀峰,王冠孝,张佑印. 中国典型区域入境旅游流空间场效应实证研究-以四川省为例
[J]. 资源科学,2008,30(11):1747-1753.
[本文引用: 1]

[MA Y F, Wang G X, Zhang Y Y,et al.Empirical research on spatial field effects of inbound tourist flows in China:Case study of Sichuan province
[J]. Resources Science,2008,30(11):1747-1753.]
[本文引用: 1]
[31]张佑印,马耀峰,高军,. 中国典型区入境旅游企业区位熵差异分析
[J]. 资源科学,2009,31(3):435-441.
[本文引用: 1]

[Zhang Y Y,MA Y F,GAO J,et al.Research of the location entropy difference of inbound tourism enterprises in typical tourism regions of China
[J]. Resources Science,2009,31(3):435-441.]
[本文引用: 1]
[32]中国国家旅游局. 中国旅游统计年鉴(1994-2013)[M]. 北京:中国旅游出版社,2013. [本文引用: 2]

[National Tourism Administration of the People’s Republic of China. The Yearbook of China Tourism Statistics (1994-2013)[M]. Beijing:China Tourism Press,2013.] [本文引用: 2]
[33]马耀峰,林志慧,刘宪锋,. 中国主要城市入境旅游网络结构演变分析
[J]. 地理科学,2014,34(1):25-31.
[本文引用: 1]

[Ma Y F,Lin Z H,Liu X F,et al.The evolution of network structure of inbound tourist in major cities of China
[J]. Scientia Geographica Sinica,2014,34(1):25-31. ]
[本文引用: 1]
[34]刘耀彬,李仁东,宋雪峰. 中国区域城市化与生态环境耦合的关联分析
[J]. 地理学报,2005,60(2):237-247.
[本文引用: 2]

[Liu Y B,Li R D,Song X F.Grey associative analysis of regional urbanization and eco-environment coupling in China
[J]. Acta Geographica Sinica,2005,60(2):237-247.]
[本文引用: 2]
[35]范柏乃,张维维,朱华. 我国经济社会协调发展评价体系的构建与实际测度研究
[J]. 中共浙江省委党校学报,2014,30(2):56-65.
[本文引用: 1]

[Fan B N,Zhang W W,Zu H.A research on China eco-nomic and social coordination development:The evaluation system construction and empirical measurement
[J]. Journal of Zhejiang Provincial Party School,2014,30(2):56-65.]
[本文引用: 1]
[36]李振亭,马耀峰,李创新,. 近20年来中国入境旅游流流量与流质的变化分析
[J]. 陕西师范大学学报(自然科学版),2012,40(1):94-99.
[本文引用: 1]

[Li Z T,Ma Y F,Li C X,et al.Analysis on the change of the inbound tourism flow to China in the latest 20 years
[J]. Journal of Shaanxi Normal University (Natural Science Edition),2012,40(1):94-99.]
[本文引用: 1]
[37]苏伟忠,杨英宝,顾朝林. 城市旅游竞争力评价初探
[J]. 旅游学刊,2003,18(3):39-42.
[本文引用: 1]

[Su W Z,Yang Y B,Gu C L.A study on the evaluation of competitive power of urban tourism
[J]. Tourism Tribune,2003,18(3):39-42.]
[本文引用: 1]
[38]黄耀丽,李凡,郑坚强,. 珠江三角洲城市旅游竞争力空间结构体系初探
[J]. 地理研究,2006,25(4):730-740.
[本文引用: 1]

[Huang Y L,Li F,Zheng J Q,et al.Research about space structural system in tourism competitiveness around cites in the Pearl River Delta
[J]. Geographical Research,2006,25(4):730-740.]
[本文引用: 1]
[39]李飞,何建民. 中国旅游景区发展的地区差异及其收敛性-以2001-2009年A级景区为例
[J]. 地理与地理信息科学,2011,27(4):83-88.
[本文引用: 1]

[Li F,He J M.Regional disparity in the development of scenic spots in China and its convergence:A case of A-Grade Scenic Spots during 2001-2009
[J]. Geography and Geo-Information Science,2011,27(4):83-88.]
[本文引用: 1]
[40]王凯. 中国主要旅游资源赋存的省际差异分析
[J]. 地理学与国土研究,1999,15(3):69-74.
[本文引用: 1]

[Wang K.An analysis on interpro-vincial difference of major tourism resources
[J]. Geography and Territorial Research,1999,15(3):69-74.]
[本文引用: 1]
[41]中国国家旅游局. 中国旅游统计年鉴(副本)(1994-2013)[M].北京:中国旅游出版社,2013. [本文引用: 1]

[National Tourism Administration of the People’s Republic of China. The Yearbook of China Tourism Statistics (Supplement)(1994-2013)[M]. Beijing:China Tourism Press,2013.] [本文引用: 1]
[42]国家旅游局政策法规司. 旅游抽样调查资料(1994-2013)[M]. 北京:中国旅游出版社,2013. [本文引用: 1]

[Department of Policies and Regulations,National Tourism Administration. The Sampling Survey Data of Tourism (1994-2013)[M]. Beijing:China Tourism Press,2013.] [本文引用: 1]
[43]北京市统计局,国家统计局北京调查总队. 北京统计年鉴(1994-2013)[M].北京:中国统计出版社,2013. [本文引用: 1]

[Beijing Municipal Bureau of Statistics,NBS Survey Office in Beijing. Beijing Statistical Yearbook (1994-2013)[M]. Beijing:China Statistics Press,2013.] [本文引用: 1]
[44]上海市统计局,国家统计局上海调查总队. 上海统计年鉴(1994-2013)[M].北京:中国统计出版社,2013. [本文引用: 1]

[Shanghai Municipal Bureau of Statistics,NBS Survey Office in Shanghai. Shanghai Statistical Yearbook (1994-2013)[M]. Beijing:China Statistics Press,2013.] [本文引用: 1]
[45]广州市统计局,国家统计局上海调查队. 广州统计年鉴(1994-2013)[J]. 北京:中国统计出版社,2013. [本文引用: 1]

[Guangzhou Municipal Bureau of Statistics,NBS Survey Office in Guangzhou. Statistic Yearbook of Guangzhou (1994-2013)[M]. Beijing:Chinese Statistics Press,2013.] [本文引用: 1]
[46]西安市统计局,国家统计局西安调查队. 西安统计年鉴(1994-2013)[M]. 北京:中国统计出版社,2013. [本文引用: 1]

[Xi’an Municipal Bureau of Statistics,National Bureau of Investigation Team of Xi’an. Statistic Yearbook of Xi’an (1994-2013)[M]. Beijing:China Statistics Press,2013.] [本文引用: 1]
[47]成都市统计局,国家统计局成都调查队. 成都统计年鉴(1994-2013)[M]. 北京:中国统计出版社,2013. [本文引用: 1]

[Chengdu Municipal Bureau of Statistics,National Bureau of Investigation Team of Chengdu. Chengdu Statistical Yearbook (1994-2013)[M]. Beijing:China Statistics Press,2013.] [本文引用: 1]
[48]昆明市统计局,国家统计局昆明调查队. 昆明统计年鉴(1994-2013)[M]. 北京:中国统计出版社,2013. [本文引用: 1]

[Kunming Municipal Bureau of Statistics,National Bureau of Investigation Team of Kunming. Kunming Statistical Yearbook (1994-2013)[M]. Beijing:China Statistics Press,2013.] [本文引用: 1]
[49]国家统计局. 中国城市统计年鉴(1994-2013)[M]. 北京:中国统计出版社,2013. [本文引用: 1]

[National Bureau of Statistics. China City Statistical Yearbook (1994-2013)[M]. Beijing:China Statistics Press,2013.] [本文引用: 1]
[50]国家统计局. 国际统计年鉴(1994-2013)[M]. 北京:中国统计出版社,2013. [本文引用: 1]

[National Bureau of Statistics. International Statis-tical Yearbook(1994-2013)[M]. Beijing:China Statistics Press,2013.] [本文引用: 1]
[51]刘思峰,杨英杰,吴利丰,. 灰色系统理论及其应用(第7版)[M]. 北京:科学出版社,2014. [本文引用: 1]

[Liu S F,Yang Y J,Wu L F,et al.Grey System Theory and Its Application(7th ed)[M]. Beijing:Science Press,2014.] [本文引用: 1]
[52]罗上华,马蔚纯,王祥荣,. 城市环境保护规划与生态建设指标体系实证
[J]. 生态学报,2003,23(1):45-55.
[本文引用: 1]

[Luo S H,Ma W C,Wang X R,et al.A case study on indicator system of urban environmental protection and ecological construction
[J]. Acta Ecologica Sinica,2003,23(1):45-55.]
[本文引用: 1]
[53]范洪敏,穆怀中. 中国人口结构与产业结构耦合分析
[J]. 经济地理,2015,35(12):11-17.
[本文引用: 1]

[Fan H M,Mu H Z.The coupling between population structure and industrial structure of China
[J]. Economic Geography,2015,35(12):11-17.]
[本文引用: 1]
[54]王细芳,陶婷芳. 中国旅游业发展质量的实证研究-旅游业外贸竞争力之贸易实得指数的理论分析及测算
[J]. 财经研究,2011,37(9):91-100.
[本文引用: 1]

[Wang X F,Tao T F.Empirical research on development quality of tourism in China:Theoretical analysis and measurement of real trade index concerning foreign trade compe-titiveness of tourism
[J]. Journal of Finance and Economics,2011,37(9):91-100.]
[本文引用: 1]
[55]陈秀琼,黄福才. 中国旅游业发展质量的定量评价研究
[J]. 旅游学刊,2006,21(9):59-63.
[本文引用: 1]

[Chen X Q,Huang F C.A research on quantitative evaluation of tourism growth quality in China
[J]. Tourism Tribune,2006,21(9):59-63.]
[本文引用: 1]
[56]孙琨,闵庆文,成升魁,. 大香格里拉地区旅游供需比较性分析
[J]. 资源科学,2014,36(2):245-251.
[本文引用: 1]

[Sun K,Min Q W,Cheng S K,et al.Comparative analysis of tourism supply and demand in the grand Shangri-La Area
[J]. Resources Science,2014,36(2):245-251.]
[本文引用: 1]
[57]左冰,保继刚. 1992-2005年中国旅游业全要素生产率及省际差异
[J]. 地理学报,2008,63(4):417-427.
[本文引用: 1]

[Zuo B,Bao J G.Tourism total factor productivity and its regional variation in China from 1992 to 2005
[J]. Acta Geographica Sinica,2008,63(4):417-427.]
[本文引用: 1]
[58]万绪才,王厚廷,傅朝霞,. 中国城市入境旅游发展差异及其影响因素-以重点旅游城市为例
[J]. 地理研究,2013,32(2):337-346.
[本文引用: 1]

[Wan X C,Wang H T,Fu Z X,et al.The intercity difference and influencing factors of inbound tourism develop-ment in China:Taking the major tourism cities as an example
[J]. Geographical Research,2013,32(2):337-346.]
[本文引用: 1]
[59]Meng F,Li X P,Uysal M.Tourism development and regional quality of life:The case of China
[J]. Journal of China Tourism Research,2010,6(2):164-182.
[本文引用: 1]
[60]唐澜,吴晋峰,王金莹,. 中国入境商务旅游流空间分布特征及流动规律研究
[J]. 经济地理,2012,32(9):149-155.
[本文引用: 1]

[Tang L,Wu J F,Wang J Y,et al.Research on the spatial distribution and flow rules of Chinese inbound business tourist flows
[J]. Economic Geography,2012,32(9):149-155.]
[本文引用: 1]
相关话题/旅游 系统 城市 指标 经济