基于2—模网络分析的安徽省国内旅游市场格局研究

李彬彬+陈冬冬+张莹+刘法建

摘 要：目的地（D）与客源地（O）互动是构建区域旅游市场格局的重要因素，进而影响到区域旅游市场的稳定与可持续发展。基于2-模网络分析，从O-D互动视角建立旅游市场隶属关系网络，并采用中心度和奇异值分解法，对安徽省2014年各地市旅游市场空间结构进行分析。研究表明，长三角各省市到合肥、黃山等重点旅游城市的游客流动是安徽省外客源市场的核心力量；与之对应的游客量规模较大的浙江、江苏、上海等省份在网络结构中占据关键位置，但地市方面未呈现出类似特征；安徽旅游市场结构存在三个组团模式，分别是“经济区位优势+近邻市场”模式、“一般城市+外围市场”模式、“资源驱动+广域市场”模式。相关结论能够为安徽全省及各地市制定营销方案，组织区域旅游产品提供重要的参考。

关键词：国内旅游市场；格局；安徽省；2-模网络；互动

中图分类号：F592.7 文献标识码：A 文章编号：1003-3890（2018）01-0066-07

一、引言

旅游地客源市场的空间结构是旅游地理学研究的基本问题[1]。旅游市场特征与趋势一定程度上决定了区域旅游产业发展的重点和方向，了解旅游市场空间组合状态也成为旅游市场定位、市场开发与旅游营销的首要工作，这也引起了旅游学界的广泛关注。目前，国内旅游学者对于旅游市场空间结构的研究集中在以下方面：（1）区域旅游市场的时空特征与演化，研究者采用距离衰减指数[2]、地理集中性指数、吸引半径[3]、季节性指数[4]等方法刻画旅游市场的时空特征，从而发现规律和模式[5]，并以此为基础展开时空演化[1，6]、影响因素[7]，及市场空间结构预测等研究，这也是国内最为常见的旅游市场研究内容。（2）优势旅游客源市场的选择和结构划分，除了采用常用的竞争态、优势度等指标[8]识别区域旅游优势市场外，还有学者采用模糊区间层次分析法（IGJAHP）、FRQ方法进行旅游市场选择以及等级划分[9-10]。（3）旅游流空间场研究。以空间场理论对旅游市场结构进行解释，通过集聚场和扩散场的场强、位势的分析，判别旅游流集散与扩散特征[11-14]。此外，还有以地理和空间因素作为依据对旅游市场进行细分的研究[15]，是对传统基于人口统计学市场细分的有益补充。多尺度、多类型、多方法的研究为我国旅游市场开发提供了重要的指导价值。

旅游市场空间结构是客源地（origin）和目的地（destination）之间，通过旅游流的“流态（flows）”形式所形成的空间相互作用的结果[16]。目前，除空间场研究外，现有旅游市场空间研究往往是基于不同视角对市场结构的解析，一定程度上忽略了旅游地与客源地之间的互动，以及旅游地系统内部各目的地之间的联动与协同效应。实际上，这种互动所形成的区域旅游空间竞合模式对于制定区域旅游市场与产业政策具有重要的参考意义，不仅能够用于各旅游地个体明确旅游市场开发重点和市场组合，以及选择旅游联合营销的伙伴和对象，而且是区域旅游产品组织与线路设计的重要依据。因此，本文将从目的地-客源地，目的地-目的地之间互动关联视角，运用2-模网络模型及分析技术，通过建立区域旅游客源市场隶属网络模型，对安徽省各地市与客源省份所形成的市场结构的剖析，从而发现其市场特征和市场组团，以期能为安徽省旅游市场细分、旅游营销组合、旅游产品设计等提供参考，并拓展旅游市场结构研究的理论和方法。

二、安徽省国内旅游市场概况

安徽作为我国中东部重要的旅游目的地，近年来，旅游经济持续快速增长。2014年全省共接待国内游客3.8亿人次，比上年增长12.8%，入境游客405.1万人次，增长13%。整体来看，国内各省市仍是安徽现阶段旅游市场的主体，并呈现出以下特征：首先，由于旅游资源、发展阶段和社会经济特征的差异，各地市旅游市场规模存在较大差距，从人次上看，居首（合肥）与居尾（淮北）两地市相差10倍之多。其次，除了本省客源占据较大比重外（约50%），受到区位、交通、资源等影响，长三角省市、中部省份、北京及广东占全省及各地市场的比重较大。再次，不同省份在不同地市的市场占比也有较大差异，如北京市客源在黄山市2014年旅游市场的比重达到5.8%，而在同为皖南国际文化旅游区的宣城则仅为1.5%。因此，从目的地-客源地互动视角揭开安徽旅游市场空间结构存在的多重差异，对于推动旅游市场的相对均衡与可持续具有重要意义。

三、研究方法

（一）“客源地-目的地”2-模网络

2-模网络来自于社会网络理论，是相对于1-模网络而言的，指由两个不同类型集合之间的行动者所构成的关系网络。尽管社会网络分析技术已被广泛运用到旅游流研究中，但建立的旅游流网络本身多为1模网络，仅关注目的地集合内部的旅游流互动关系。2-模网络用来分析市场结构，通过把目的地和客源市场这两个集合都纳入到网络结构中，并且从这两者之间，和各集合内部的互动来分析其特征。根据2-模网络的研究思路，形成区域旅游市场联动结构的原因有据可循，旅游目的地的客源市场不同，相对应地，区域内各旅游目的地在客源市场不同客流的基础上而形成的旅游流的客源地-目的地和目的地-目的地之间的联系也形成差异。同时，各市场之间的关系一定意义上也代表了不同目的地之间的市场合作关系，目的地和客源市场之间存在“二元性”[17]，也就是可以将这一结构看作是特定的客源地-目的地的2-模隶属网络。在本文中，安徽省16个地市与30个客源省份（不含安徽）分别构成了这一网络的两类行动者集合，不同地市来自于特定客源市场的旅游流动构成了两个集合之间的关系（如表1所示）。

（二）网络中心性测度

中心性是旅游社会网络研究中最常用的方法之一，用以量化网络中行动者的权利[17]。2-模网络中也采用中心度来衡量两类行动者的功能和地位，本文将用到程度中心度、接近中心度和中间中心性三种指标，相关介绍如下。

1. 程度中心度。对于安徽各地市而言，程度中心度等于其所拥有的客源省份数量，对于客源省份而言，则等于其辐射的地市数量。因此，程度中心度的值越大表示关联的点越多，在隶属网络中的位置越重要。endprint

2. 接近中心度。表示网络成员到其他成员之间距离的接近程度。对于各地市而言，其接近中心度是其所拥有的客源省份到其他客源省份和地市之间最短网络距离的一个函数（公式1）。

其中，Cc（ni）为地市的接近中心度，g为地市的数量，h为客源省份数量，k为地市所邻接的某客源省份；j為某个其他地市或客源省份；表示k与j之间的最短网络距离。

对于客源省份而言，其接近中心度是其所辐射的地市到其他地市和客源省份的最短网络距离的一个函数（公式2）。

其中，Cc（nk）为客源省份的接近中心度，g为地市的数量，h为客源省份数量，i为客源省份所邻接的某客源国；j为某个其他地市或客源省份；表示i与j之间的最短网络距离。

一般来说，一个网络成员的接近中心度数值越小表示联系的通达度越好，越容易与其他成员建立客源关系，越容易处于整体网络的中心。

3. 中间中心度。它反映了网络中两个非邻接节点之间的相互关系，以及依赖于网络其他节点的程度。对于地市而言，只有当一对客源地都辐射该地市，这个地市才能获得中间中心度（公式3）；另外，若一个客源省份仅辐射一个地市时，该客源地得到g+h+2个中间“点”。

式（3）中：CB（ni）为地市的中间中心度；nj为ni与共享于客源省份mk的另一地市；XijN为ni和nj所共享的客源省份的数量。

同理，对于客源省份而言，如果一个客源省份仅仅是某地市唯一的市场，则该客源省份得到g+h+2个中间“点”；对于一个客源省份所辐射的所有地市来说，该客源省份获得个中间中心度。

本文上述中心度可通过Ucinet中network—centrality—2-mode centrality模块分析获得[18]。

（三）奇异值分解法

奇异值分解法（SVD）是一种通过降维来获取2-模网络背后因子的方法。对于行数和列数比较多的隶属网络，可以通过奇异值分解的技术，降解网络的维度数，找到数据背后共同的因子，从而对网络结构进行一定层次的划分[17]。对于旅游客源—市场2-模网络而言，这一分析技术可用于对市场结构进行细分，发现特定的客源市场组合，还能够找到其对应的目的地群体，从而对于区域内部各旅游目的地之间确定营销组合，线路产品组织以及营销对象的选择有重要意义。SVD计算可通过Ucinet中Tools-Scaling/Decomposition-SVD模块实现。

（四）数据获取与处理

本文采用2014年安徽省国内游客抽样调查资料中的“国内游客来地构成”为基础数据（原始数据采用百分比表示每个省份客源在各地市游客抽样总数中的比例）。由于本省客源在各地市的市场比重都超过40%，对于结果的影响较大，且不是本研究的关注点，因此，将其删除并处理后得到一个30×16的2-模网络矩阵Xij。由于隶属网络往往采用1和0表示关系建立与否，这就需要将Xij中的数据进行二值化处理。本文以Xij中的所有数值的均值（1.52%）为切分值进行二值化处理，即大于1.52%的取1，反之为0。所得到的X′ij就是一个表示各地市与客源省份之间的隶属关系网络（见表1）。另外，为了比较规模差异，将Xij中的比例数据乘以相应地市的客源总量，得到能够近似表示流量大小的网络矩阵X″ij。

四、结果分析与解释

本文首先对X″ij中的流量数据进行比较，然后依次采用ucinet中2-模网络的中心度、SVD分析模块对X′ij展开分析，结果如下：

（一）基本特征描述

在安徽省国内客源市场2-模网络X″ij中，共形成了421条网络流，按照流量大小进行排列，列出前20的网络流，并借鉴旅游流空间场相关概念，识别出安徽国内客源市场的吸引力中心（集聚场）、客源地中心（扩散场）。

表2可知，长三角地区是安徽省旅游主要的旅游客源地中心和扩散场，尤其是江苏省，凭借其地理近邻优势，成为安徽众多地市的首位客源地；其次是环渤海的北京与山东，依托交通、地理与经济优势也在安徽省旅游市场中扮演了重要角色。从省内游客流入地来看，旅游流空间集聚场主要在皖南国际文化旅游示范区、合肥经济圈等区域，尤其是合肥、黄山、池州等重点旅游城市在整个旅游市场规模格局中占据领先优势。因此，长三角与合肥及皖南的市场互动构成了安徽旅游客源市场的主体框架。

（二）中心度结果分析

表3为安徽各地市及客源省份三项中心度得分。为了更好地体现中心度指标的指示意义，本文选择能够直接反映结构优势的程度中心度与游客规模进行对比，如图1、图2所示，图中实线为相关指标的平均值。

从各地市的中心度指标来看，安徽各地市的市场中心度指标都较低，与众多省份，尤其是西部省份，没能建立一定的市场联系，影响了中心度指标得分。另一方面，各地市中心度指标不等同于市场规模，二者没有直接的相关性。尽管更为广泛的市场区域更容易产生较大的市场规模，从而带来一定的市场网络中心度优势。例如黄山、池州、芜湖等重点旅游城市，其中心度指标整体大于垫底的皖北各地市。但从全省层面上看，市场区域分布特征较为雷同，使得安徽各地市客源市场隶属网络在中心度指标上呈现出相对均衡的态势，整体差异不够明显。另外，合肥、安庆等地的指标小于整体平均数值，原因可能在于，本研究中的市场隶属网络关系的建立需要达到一定的市场比例，在上述地市，一些特定市场具有较高的亲景度和竞争态优势，但这种比较优势使得其他客源地市场比重较小，阻碍了市场联系建立，进而影响了该地市旅游市场结构的均衡和可持续发展能力。

从各客源省份的中心度指标来看，各省份的客源规模优势在中心度指标上得到了明显的反映。凭借地理近邻、经济发达、交通便捷等优势，江苏、上海、浙江、北京、河南、山东等成为安徽各地市旅游客源市场的主体，并与安徽各地市都建立了一定的客源联系，获得了较大的中心度指标，成为客源网络结构中的关键行动者，而青海、贵州、内蒙古等中心度省份在安徽各地的市场份额由于过小，无法建立旅游联系，成为网络中的孤立点，中心度指标都为0。因此，可以认为市场规模越大，隶属网络中心度得分越高。endprint

（三）SVD分析结果及指示意义

由于贵州、青海等13个省份是孤立点，SVD分析中维度得分为零，因此，本文根据SVD分析结果将16个地市与其余17个省份分为三个维度，也就是三个市场组团（表4、表5）。有关各组团的内涵、模式、市场特征及形成机制，则需要结合区位、资源、市场、经济等多方面因素展开分析。

1. 维度1：经济区位+近邻市场模式。这一组团包括合肥、芜湖、蚌埠、淮南和马鞍山以及北京、上海、江苏、浙江、河南、湖北、山东等省市。从地市本身看，尽管这些城市在传统意义上的旅游资源优势不够明显，但其城市旅游功能与城市旅游产品较为突出，同时上述各市经济状况较好，因此与较多省份保留了一定的旅游市场联系，从而形成相对集中的市场结构。从其对接的几个省级市场来看，这些省份与安徽上述地市具有良好的交通连接条件以及空间区位优势，而且其社会经济相对较为发达，也是安徽旅游市场的主力，二者相互作用，形成了结构稳定，并且影响力较大的旅游市场组团。

2. 维度2：一般城市+外围市场模式。第二个组团包含的地市数量最多，但除六安外，滁州、亳州、淮北、阜阳、宣城、铜陵等其他6个地市的整体旅游产业经济在全省均为中游以下水平，在旅游资源、区位条件、经济发展水平等各方面均不占优势。因此，这些地市除了与第一类模式中的上海、江苏等近邻重点省份具有一定的联系外，其所对接的市场群主要是安徽的外围客源市场，包括江西、湖南、山西、天津、辽宁等地，因此未来可在重点市场基础上，面向上述地区定向开拓市场。

3. 维度3：资源驱动+广域市场模式。这一组团所包含的黄山、池州和安慶等是安徽旅游资源数量、品位和品牌最具竞争力的地市，也是安徽吸引外省客源市场的主要力量。因此，这些地市的客源市场范围较为广泛，涉及全国各大区域，与广东、福建、吉林等其他重要客源市场也建立了较为紧密的联系，形成广域的市场空间。

依据市场比例数据将各地市及其客源市场进行组团划分，是一种在市场互动视角下对重点市场的遴选过程。组团中的客源省份，是相关地市重要的目标市场，但不完全代表要舍弃其他客源市场。与此同时，这一结果也为各地市在全省范围内开展区域旅游合作，寻找合作城市，推出符合特定市场群体的精品旅游线路，制定联合营销方案提供参考。

五、结论与讨论

区域旅游市场的可持续发展不仅是游客量的持续增加，还在于市场结构的优化[10，18]。本文通过建立旅游市场隶属网络，运用2-模网络技术，对2014年安徽省各地市旅游客源市场结构进行整体分析，从O-D互动视角来解释旅游市场格局、建立多元耦合机制，具有重要理论意义。结果表明：

第一，基于2-模网络理论和模型对区域旅游市场隶属网络展开研究，不仅能界定核心旅游城市与客源市场，而且有利于发现市场联动组团，为区域旅游产品开发、线路设计以及联合营销提供参考价值。

第二，长三角省份到黄山、合肥等重点旅游城市的游客流向是安徽国内客源市场主导方向，这也构成了安徽旅游市场隶属结构的基本框架。

第三，不论各地市还是各客源省份，其游客量规模大小与其在整个市场隶属网络中的功能和地位存在一定的相关性。尤其是客源省份，出现了较为明显的核心客源省份，即较大的市场规模能够使其与众多地市建立旅游流联系，从而收获较大的中心度和结构优势。

第四，安徽省形成了三个规模基本相同，但市场层次、发展重点各不相同的“地市-客源省市旅游市场”模式，分别是“经济区位+近邻市场”模式、“一般城市+外围市场”模式、“资源驱动+广域市场”模式。

由于难以获得各地市不同客源市场的统计数据，本文基于抽样调查数据的比例数据来建立联系，并推算相关客流量。同时为了能够将更多的省份纳入网络，本文采用平均值作为切分值，略为偏小，使得隶属网络中市场联系普遍建立，难以体现特定市场的优势和核心地市的关键作用，相关结论还有待进一步的检验。此外，本文重点是对2014年市场断面的研究，未对旅游隶属网络的形成与演化路径、影响因素与作用机理等展开探讨，有待于未来研究中进行深入剖析。

参考文献：

[1]保继刚，郑海燕，戴光全.桂林国内客源市场的空间结构演变[J].地理学报，2002，57（1）：96-106.

[2]张捷，都金康，周寅康，等.自然观光旅游地客源市场的空间结构研究——以九寨沟及比较风景区为例[J].地理学报，1999，54（4）：357-364.

[3]刘泽华，顾宗欣，王楠楠，等.闲暇时间约束对中山陵景区国内客源市场空间结构的影响[J].地理研究，2013，32（9）：1737-1746.

[4]梁增贤，保继刚.主题公园黄金周游客流季节性研究——以深圳华侨城主题公园为例[J].旅游学刊，2012，27（1）：58-65.

[5]钟士恩，任黎秀，欧阳怀龙.世界遗产地庐山/圈层飞地型旅游客源市场空间结构研究[J].地理与地理信息科学，2007，23（4）：76-80.

[6]闾平贵.汪德根.魏向东.“时空压缩”与客源市场空间结构演变——以江苏国际旅游客源市场为例[J].经济地理，2009，29（3）：504-509.

[7]李玲，张贞冰.武汉市海外旅游客源市场的时空动态分析[J].世界地理研究，2008，17（2）：110-120.

[8]薛刚，孙根年，侯伟涛.基于亲景度与竞争态的西安国内旅游分析[J].旅游学刊，2008，23（9）：12-16.

[9]张立生，樊新生.旅游客源市场等级划分理论的应用及比较[J].地理与地理信息科学，2007，23（2）：101-103，108.

[10]罗治得，章锦河，熊发礼.基于FPT的入境旅游市场季节风险规避研究——以台湾客源为例[J].旅游论坛，2009，2（3）：439-445.

[11]章锦河，张捷，李娜，等.中国国内旅游流空间场效应分析[J].地理研究，2005，24（2）：293-303.

[12]卞显红，沙润，杜长海.长江三角洲城市入境旅游流区域内流动份额分析[J].人文地理，2001，22（2）：32-38.

[13]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.

[14]李创新，马耀峰，张颖，等.时空二元视角的入境旅游流集散空间场效应与地域结构——以丝路东段典型区为例[J].地理科学，2012，32（2）：176-185.

[15]解杼，张捷，刘泽华.旅游客源市场空间结构及地理细分市场计量分析研究——以江西省为例[J].经济地理，2004，24（6）：852-855.

[16]钟士恩，任黎秀，欧阳怀龙.世界遗产地庐山“圈层飞地”型旅游客源市场空间结构研究[J].地理与地理信息科学，2007，23（4）：76-80.

[17]刘军.社会网络分析导论[M].北京：社会科学文献出版社，2004.

[18]JANG S C，CHEN M H.Financial portfolio approach to optimal tourist market mixes[J].Tourism management，2008，29（4）：761-770.

责任编辑：高钟庭endprint