负面网络关注度对旅游业发展的影响

张嫚 黄凌云

[摘    要]随着互联网的发展，大众对投诉等负面信息的网络关注度已经成为影响旅游业发展的重要因素之一。文章从旅游需求的视角，通过格兰杰因果关系检验和社会网络分析法研究并构建空间关联矩阵，基于2011—2016年中国31个省区市（不含港、澳、台地区）的“旅游投诉”百度指数，采用空间杜宾模型深入探讨了负面网络关注度对区域旅游业发展的影响及其空间效应。研究发现：媒体和游客的负面网络关注度均不利于本地旅游业发展。对于关联地区，媒体的负面网络关注度具有显著的促进作用，导致同等或相近发展水平的地区竞争加剧;游客的负面网络关注度的作用不显著，但在媒体的调节作用下，游客的负面网络关注度促进关联地区的发展。就影响路径而言，媒体和游客的负面网络关注度抑制了本地区的旅游就业，提高了企业营业收入，促进了关联地区的旅游就业，提升了其市场规模，对基础设施的影响不显著。研究表明，政府和媒体的监管、引导是提升旅游服务质量的重要驱动力。

[关键词]空间关联;负面网络关注度;旅游业发展;社会网络分析;空间杜宾模型

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2021）07-0081-11

Doi： 10.19765/j.cnki.1002-5006.2021.07.011

引言

作为一种“绿色”的驱动力，旅游业不仅关乎资源与环境的平衡与协调，还是实现经济可持续发展的重要途径之一[1]。改革开放以来，中国旅游业发展经历了“短缺型”到“大国型”的历史性跨越，但随着旅游业高速增长，针对旅游体验的投诉事件日益增多，经过（媒体与游客）网络曝光的负面信息更是对区域旅游形象造成严重影响[2]。在互联网时代，这些负面信息的传播跨越传统地理距离和时间限制[3]，受到越来越多的关注。其中，媒体与游客对旅游投诉等负面信息的网络关注度已经成为影响游客决策及区域旅游业发展的重要因素。与此同时，海量的网络信息使得旅游线路更加多样，以旅游需求为导向的区域旅游业间的空间关联日益紧密和复杂[4];负面信息的网络关注度对区域旅游业发展的空间溢出效应不容忽视。那么，媒体和游客针对旅游目的地的负面网络关注度对旅游业发展的影响及其空间效应究竟如何？不同主体的网络关注度对旅游业发展的影响又是否存在差异？其内在影响路径是什么？据此，本文从旅游需求的空间关联视角，在空间计量框架下对上述问题进行定量考察，以期为提升旅游形象、促进区域旅游业健康、可持续发展提供经验支持。

旅游业的发展及其空间效应受多种因素的影响[5]，现有研究主要从要素流动[6]和信息驱动[4]两个方面展开。旅游要素的作用是国内外研究的热点;旅游资源作为旅游业发展的基础，对旅游业发展及其空间溢出的作用尤其突出;大量研究表明区域旅游资源的集聚有利于增加竞争力，形成空间溢出效应[6-7]。中国的旅游业是典型的（劳动）要素驱动型增长，劳动力的流动能够有效提升劳动生产率，促进区域旅游业发展的空间外溢[8]。此外，旅游固定资产和人力资源投资[9]、交通的便利性[10]、旅游基础设施[11]、地理距离[12]等因素的作用也得到验证。

信息驱动作用的研究相对较少，但作为推动旅游业发展必要因素，其作用不可忽视[4，13];其中，信息化水平具有明显的空间异质性，其溢出和扩散均对旅游产业发展具有重要影响[14];王龙杰等[4]以中国省际面板数据为样本，通过空间杜宾模型（spatial Dubin model，SDM）验证了信息技术消费对旅游业发展的空间效应，而信息化基础设施建设则不一定能够促进旅游业发展。近些年，旅游信息传播的作用开始得到关注;Sun等[15]探讨了媒体报道对中国旅游的直接影响和空间外溢效应，发现媒体报道可以作为信息中介，提升旅游目的地形象，促进当地和周边地区的旅游业协同发展。然而，上述研究仅从旅游收入、旅游人数等单一方面或视角衡量了旅游業发展水平，信息传播对旅游业发展的综合作用及内在影响路径有待于进一步研究。此外，媒体报道的内容仅限于旅游宣传，投诉等负面网络信息以及（媒体和游客的）负面网络关注度的影响作用则未涉及。随着人民对美好生活需要的不断增长，大众对旅游体验的要求日益增加，负面网络关注度对旅游目的地的形象具有一定的破坏性。游客的忠诚度不断降低，不仅不利于本地区的旅游业发展，关联地区也将受到影响。因此，合理构建旅游业发展指数，综合探讨负面网络关注度的影响及其空间效应，对旅游业可持续发展具有重要的理论和现实意义。

负面网络关注度对关联地区的影响取决于区域间的互动关系，准确衡量区域旅游业发展的关联至关重要。地理相邻和距离是较为普遍的衡量指标，研究表明邻、近地区的旅游业发展水平往往也存在高-高、低-低聚集，呈现出协同演化的特征[11，16-17]。此外，在城市间的空间坐标[18]、景区景点间的卫星定 位[19]等衡量标准下，旅游业发展的空间关联也得到了验证。多个指标的有效性在一定程度上表明区域旅游的空间关联可能是多种因素综合影响的结果。有学者采用空间引力模型[20]，将多种因素纳入模型中衡量区域间的关联特征;但引力模型中包含的变量有限，且变量的选择具有较强的主观性，对区域间空间关联的探讨可能仍存在偏差;此外，上述衡量方法并未考察区域旅游业发展的互动关系，旅游流意味着资本在区域间产生流动，区域旅游业必然存在竞争和合作关系，负面网络关注度对关联区域的溢出效应则是两种关系综合影响的结果。互联网背景下，游客对旅游目的地的网络关注度正是旅游需求的体现，是旅游资源、距离、区域旅游产品等多种因素比较的结果，具有明显的因果关系，能够更加客观、准确地反映区域间的关联。

鉴于此，本文将负面网络关注度纳入空间经济的研究框架中，以基于旅游目的地网络关注度的旅游需求为衡量依据，测度了区域旅游业发展的空间关联;并以此为空间权重矩阵，通过2011—2016年我国31个省区市（不含港、澳、台地区）的面板数据，深入探讨负面网络关注度对旅游业发展的影响及其空间效应。本文的边际贡献在于：一是选取具有综合效应的游客需求为依据，通过格兰杰因果关系检验和社会网络分析法测度和分析了区域间互动关系，为进一步探讨负面网络关注度的空间效应提供较为可靠的基础;二是通过熵值法测算了区域旅游业的发展水平，并基于区域旅游投诉的百度指数，采用SDM模型分析了媒体和游客的网络关注度对旅游业发展的影响及其空间效应，在一定程度上揭示不同主体的负面网络关注度的影响作用及旅游业发展存在的问题;三是从市场规模、旅游就业、基础设施和企业经营4个方面进一步检验了负面网络关注度对旅游业发展的影响路径，为降低旅游投诉、提升旅游业发展质量提供具体方向。

1 機理分析与研究假设

负面网络关注度是以网络数据中的信息为基础，通过加权计算某一时间段内用户对“旅游投诉”的搜索频次，呈现出大众对“旅游投诉”的网络关注度[2]。在空间经济学的框架下，负面网络关注度对旅游业发展的影响可以被分解为对本地区的直接效应以及对关联地区的空间溢出效应。

1.1 负面网络关注度对旅游业发展的直接效应

众多研究表明网络信息对游客的决策有显著的影响作用，一方面，良好的旅游评价能够激发游客的旅游意愿，并形成现实的旅游行为[21-22];另一方面，旅游纠纷、旅游投诉事件会降低游客的忠诚度，改变其旅游意愿。大众对投诉等负面信息的网络关注度越高，表明其对旅游品质的要求越高，区域旅游业发展的难度越大。大众的负面网络关注度可以分为媒体和游客两个部分。其中，媒体的负面网络关注度指的是媒体对旅游投诉事件的报道数量，综合反映了制度环境对旅游投诉事件的态度;而游客的负面网络关注度体现了市场对投诉问题的认知，二者均有可能抑制现实旅游流及区域旅游业的发展。

作为信息中介的媒体往往能够强化游客负面网络关注度对区域旅游发展的影响作用。从信息对称性的视角，作为游客获得信息的来源之一，媒体通过挖掘、加工和传播旅游纠纷、投诉等负面信息，增加旅游服务质量、产品质量信息的透明度，降低游客进行旅游决策的风险。从行为经济学的视角，媒体作为公开的传播媒介，很大程度上对游客的心理和行为产生引导作用，大幅增强潜在游客对旅游形象的关注，提升其规避旅游形象较差的地区作为旅游目的地的概率。因此，媒体的负面网络关注度可能具有调节游客的负面网络关注度对区域旅游业发展的影响作用。基于此，本文提出以下假设：

H1：媒体和游客的负面网络关注度抑制本地旅游业发展，且媒体能够强化游客的负面网络关注度对区域旅游业发展的影响

1.2 负面网络关注度对旅游业发展的空间溢出效应

区域旅游业的发展与旅游需求的空间关联密不可分。不同于其他产业，旅游业的发展主要依赖游客的需求，即典型的“用脚投票”机制[23]。游客往往对多个旅游目的地具有旅游需求，旅游流在这些旅游目的地之间“流动”形成空间关联，促进区域旅游经济相互溢出[6，16];这种空间关联是以区域竞争和合作为基础形成的因果关系，即游客到达了某一旅游地区，进而会选择与该地区具有合作关系、在同一线路上的其他地区，放弃与其竞争的、不在同一线路上的地区。然而，伴随着互联网技术的发展，游客能够更加全面地获得关于旅游目的地的地理距离、旅游资源、可进入性、旅游形象等多种信息，区域旅游需求的空间关联更加复杂和紧密，以单一的地理相邻等作为空间权重矩阵探讨负面网络关注度的空间溢出效应会出现偏差;而游客对旅游目的地相关信息的搜索则能够较好地反映其旅游意愿，且已有大量研究验证了其对旅游需求具有前兆性和引导作用[24-25]。因此，基于旅游目的地网络关注度的旅游需求的空间关联（以下简称为旅游需求的空间关联）能在一定程度上反映区域旅游业发展间的关联;而负面网络关注度也更易对该关联地区的旅游业发展产生空间溢出效应。由此本文提出以下研究假说：

H2：相对于地理相邻地区，具有旅游需求的空间关联地区间更易产生负面网络关注度对区域旅游业发展的空间溢出效应

负面网络关注度对区域旅游业发展产生的空间溢出效应取决于区域间的互动关系。一方面，自然资源、区域文化等因素的独特性使得地区之间出现了要素流动壁垒和市场分割现象;同时，旅游业作为国民经济的战略性支柱产业，对各区域的发展具有重要影响，导致区域间的旅游业发展存在相对明显的竞争关系[1，5]。在此背景下，旅游纠纷、投诉等负面信息对本地区及关联地区旅游业发展的影响可能存在差异，即负面网络关注度越高，游客对本地区的忠诚度越低，往往越倾向于到关联地区旅游，从而抑制本地区的旅游业发展，对关联地区则可能产生促进作用。

另一方面，大量研究表明游客一般会选择多个地区作为旅游目的地，从而使旅游经济具有显著的市场溢出[5-6]。而旅游资源的地域个性和旅游产品的功能组合决定了旅游流的空间延展性，区域间会通过旅游合作的方式形成优势互补，促进关联地区旅游经济的互相渗透、相互促进[4]。此外，跨区合作增强了劳动力、资本等要素在区域间的流动，关联地区间旅游业可能呈现出协同发展[8-9]。鉴于此，负面网络关注度对本地和关联地区可能产生同向影响，即负面网络关注度在抑制本地区旅游业发展同时，可能会降低游客对与该地区合作的地区的旅游需求，不利于该关联地区的旅游业发展。

综上可知，在两种关系的相互作用下，负面网络关注度对旅游业发展的空间溢出效应具有不确定性。本文提出以下假设：

H3a：负面网络关注度对关联地区的旅游业发展产生促进作用

H3b：负面网络关注度对关联地区的旅游业发展产生抑制作用

2 模型的设计

2.1 计量模型的设定

根据上述分析可知，媒体和游客的负面网络关注（SatM、SatT）是影响旅游业发展（Tour）的关键因素。此外，相关研究表明旅游要素和旅游的集聚现象对旅游业发展的影响同样不可忽视[4]。考虑到数据的可得性，本文选取旅游物质资本（F）、旅游资源禀赋（Res）、交通便利性（Tr）、人力资本（Hum）和旅游业集聚（q）作为控制变量纳入模型中。具体的计量模型如下：

[lnTouri，t=α1+α2lnSatMi，t+α3lnSatTi，t+                    α4lnFi，t+α5lnResi，t+α6lnTri，t                +                    α7lnHumi，t+α8lnqi，t+εi，t] （1）

式（1）中，[i]和[t]分别为省份和年份，[ε]是随机扰动项。

鉴于旅游需求的空间关联使得旅游业发展具有空间溢出特征，且考虑到自变量也可能对与周边地区的旅游业发展存在交互效应，本文将式（1）扩展为SDM模型：

[lnTouri，t=θ1+ρj≠iNωijlnTourjt+θ2lnSatMi，t+                    θ3lnSatTi，t+θ4lnFi，t+θ5lnResi，t                +                    θ6lnTri，t+θ7lnHumi，t+θ8lnqi，t+                    β1j≠iNωijlnSatMj，t+β2j≠iNωijlnSatTj，t                +                    β3j≠iNωijlnFj，t+β4j≠iNωijlnResj，t+                    β5j≠iNωijlnTrj，t+β6j≠iNωijlnHumj，t                +                    β7j≠iNωijlnqj，t+ui+τt+εi，t] （2）

式（2）中，[ρ]为空间自回归系数;[ω]代表空间权重矩阵;[μ， τ， ε]分别表示空间效应、时间效应和随机误差。

2.2 变量测度与数据来源

（1）变量测度

旅游业发展指数（Tour），旅游业发展是一个综合性指标，借鉴翁钢民和李凌雁[26]对旅游业发展的测度，本文分别从市场规模、旅游就业、基础设施和企业经营4个方面构建指标体系（表1）。为克服不可通度性问题，首先对原始数据进行无量纲处理;在此基础上，通过熵值法1测算各指标的权重，计算得到最终的旅游业发展指数。

媒体的负面网络关注度（SatM），考虑数据的可得性和有效性，本文以媒体对旅游投诉的报道作为衡量指标;通过百度指数搜索关键词“旅游投诉+旅游目的地”，得到2011—2016年媒体对某一旅游目的地“旅游投诉”的报道指数。

游客的负面网络关注度（SatT），以游客对投诉的网络搜索指数作为衡量指标，通过百度指数搜索关键词“旅游投诉+旅游目的地”获得2011—2016年游客对该旅游目的地旅游投诉的搜索指数。值得注意的是，游客对旅游投诉的搜索不仅能够获得媒体的相关报道，同时可以得到其他游客对于旅游目的地的投诉情况。

旅游物质资本（F），作为经济发展的重要资本要素，旅游物质资本反映的是直接或间接构成生产能力的资本存量，是推动旅游业发展的关键因素之一。考虑到统计口径的一致性和准确性，借鉴罗浩等[27]的研究，选取旅行社和星级饭店两类旅游企业的固定资产原值来反映旅游业物质资本情况。

旅游资源禀赋（Res），受地区自然条件和历史人文的影响，各地区旅游资源存在显著差异。这些具有差异的旅游资源正是吸引游客的核心和基础，不仅直接影响游客旅游目的地的选择，更是区域旅游业发展的前提条件[4]。借鉴张子昂等[28]的研究，选取了各省市区3A级以上旅游景区，依据《旅游景区质量等级的划分与评定（GB/T 17775—2003）》中各等级要素数量与其对应分值加总求和得到5A、4A、3A级景区不同的权重，通过加权平均法计算各地区旅游资源禀赋。

交通便利性（Tr），反映各地区交通的整体通达性，其与旅游相互影响、相互制约，二者的协调发展是促进旅游业健康、可持续发展的关键。采用各省市区公路和铁路总里程数与其土地面积的比值来表征。

旅游人力资本（Hum），根据新古典增长理论，要素的积累是区域发展的重要影响因素。人力资本作为主要的生产要素之一，对区域旅游业发展具有关键的影响作用[29]。旅游人才包括受教育水平、健康和知识等多个维度，目前尚未形成一个公认的普适性度量指标。本文借鉴赵磊等[30]对人力资本的衡量，采用旅游院校在校学生数来衡量。

旅游业集聚（q），反映旅游经济活动和旅游要素在空间上的集聚程度，不仅对旅游发展具有强化作用，更是區域旅游业发展格局的重要影响因素之一。借鉴王龙杰等[4]的研究，采用各省市区旅游业总收入的区位熵来表示。

针对上述变量进行了相关性检验，结果显示本文的实证模型不存在严重的多重共线性问题，模型的构建和变量的选取相对合理1。

（2）数据来源

百度指数是以百度搜索为基础的应用软件，可以清晰呈现每个关键词的用户关注度时序数据，且揭示某一关键词在一定时间内的变化态势以及用户关注度的相关需求。作为中国使用率最高的网页，百度指数已经得到众多学者的认可[31-32]。本文以“目的地+旅游”为关键词在百度指数进行搜索，以用户搜索指数衡量游客对各地区的旅游需求;媒体和游客的负面网络关注度根据前文的介绍，以“旅游投诉”为关键词在百度指数中搜索获得。其他数据来源于《中国统计年鉴》《中国区域经济数据库》《中国旅游数据库》和《中国旅游统计年鉴（副本）》。为消除价格变动的影响，采用居民消费价格指数（consumer price index，CPI）将变量平减为2011年的价格水平。此外，由于旅游业具有较强的季节性，为了能够准确地衡量区域旅游业发展的空间关联，基于网络关注的旅游需求是以2011—2016年的月度计算获得;由于该数据是用来计算区域旅游业间的空间关联，最终以0和1的形式存在，故而不影响计量结果，其他数据仍为年度数据。

3 旅游业发展的空间关联

3.1 旅游需求的空间关联与空间权重矩阵

根据上文的分析（H2），本文针对2011—2016年各区域旅游需求数据，两两区域组合并进行Granger因果检验，将小于10%检验标准的赋值为1，大于10%检验标准的赋值为0，由此可得旅游需求的空间关联矩阵，也是本文用于SDM模型的空间权重矩阵。结果表明，区域旅游需求的空间关联网中没有独立存在的点，区域旅游业发展普遍存在关联关系。通过Granger因果关系检验的关系有254个，网络密度为0.2731，表明区域旅游业有待于加强合作和交流。

采用Ucinet软件中的迭代相关收敛法（convergent correlations，CONCOR）进行聚类分析，将最大分割深度设置为2，得到表2的子群分析及其网络凝聚子群密度。子群分析结果显示，各子群的省市区分布于我国各个地區（如子群1中的省市区分布于华北、东北、华东和西北多个地区），表明我国旅游需求空间关联网络中各个子群分组及内部联系紧密程度并无明显地理划分。

旅游需求空间关联网络凝聚子群密度表中，主对角线上的数据代表各个子群密度，其余数据代表的是子群间相互的影响。由表2可知，子群1的密度最高，表明子群1内部各省市区间旅游需求关联最密切，即北京、内蒙古、青海、江西和黑龙江之间的内部溢出显著;子群2旅游需求的溢出效应主要体现在与子群1之间;子群3旅游需求与其他3个子群的溢出效应均处于较高水平，原因可能与该子群内省市区数量最多有关，即子群成员的扩展有利于旅游需求的提升;子群4旅游需求的溢出效应主要体现在与子群3之间。

3.2 旅游业发展的空间自相关

在上述空间权重矩阵的基础上，本文采用Morans I指数检验构建空间模型的合理性;计算公式为：

[Morans  I=i=1nj=1nWij（Yi-Y）（Yj-Y）S2i=1nj=1nWij] （3）

式（3）中，[S2=1ni=1n（Yi-Y）];[Y=1ni=1nYi]，[Yi]表示第[i]地区的观测值;[n]为地区总数（本文为31）;[Wij]为二进制的空间权重矩阵：

[Wit=1      两区域具有旅游需求空间关联0      两区域不具有旅游需求空间关联]

式（3）中，[i=1，2，…，n];[j=1，2，…，m];[m=n]或[m≠n]。

表3显示，旅游业发展的全局Morans I值均为正，且至少在10%的水平上通过显著性检验，说明旅游业发展存在显著的正向空间依赖性。此外，随着时间的推移，Morans I指数值由0.109降至0.080，表明由旅游需求形成的区域旅游业发展的空间集聚正在减弱，关联地区的旅游发展差距增加。

4 空间计量检验及结果分析

4.1 基准空间计量回归结果

本文选用SDM模型估计负面网络关注度对区域旅游业发展的影响及其空间效应;在进行模型估计之前，首先，对2011—2016年31个省区市（不含港、澳、台地区）的面板数据进行Hausman检验，结果拒绝原假设，因此选择固定效应。其次，通过拉格朗日乘数（LM）与稳健拉格朗日乘数（Robust LM）、瓦尔德（Walds）和似然比（LR）来选择具体的空间计量模型。检验结果显示SDM模型是研究负面网络关注度对旅游业发展影响作用的最优模型。此外，根据无固定效应（0.6245）、时间固定效应（0.5205）、空间固定效应（0.6557）和双向固定效应（0.6103）共4种模型的拟合优度，选择空间固定效应的SDM模型。

为验证旅游需求空间关联矩阵的合理性，表4同时给出以地理邻近关系为空间权重矩阵的结果。结果显示，以地理邻近关系为空间权重矩阵时，只有W×lnF和W×lnTr的系数通过了显著性检验，而W×lnSatM和W×lnSatT的系数均不显著，表明媒体和游客的负面网络关注度对相邻地区的旅游业发展作用有限。与Sun等[15]的结论一致，地理邻近难以有效度量媒体报道、网络信息等因素的空间溢出效应。此外，该模型的拟合度为0.6324，低于以旅游需求空间关联为权重的计量模型（0.6557），说明旅游需求空间关联下负面网络关注度更易于对关联地区产生溢出效应，即验证H2。

对于以旅游需求空间关联为权重的计量结果，SDM模型的空间自回归系数（ρ）显著为正，说明该模型中不仅存在自变量的外生交互效应，还存在因变量的内生交互效应。具体影响方面，Le Sage和Pace[33]提出应使用变量变化的偏微分解释，即使用直接效应来解释某地区自变量对该地区因变量的影响，使用间接效应来解释某地区自变量对其他地区因变量的影响。基于此，本文进一步分解SDM模型的直接效应与间接效应（表5）。

表5显示了负面网络关注度对旅游业发展的影响作用（模型1）。控制变量方面，旅游物质资本（lnF）和旅游资源禀赋（lnRes）的直接效应显著为正，间接效应未通过统计检验，说明旅游物质资本和旅游资源能够促进本地区的旅游业发展，而对关联地区没有明显影响。交通便利性（lnTr）和旅游人力资本（lnHum）的直接效应和间接效应均不显著，表明二者对旅游业发展的影响有限。旅游业集聚（lnq）的直接效应和间接效应均显著为正，说明旅游业的专业化程度有利于本地区及关联地区的产业发展。

负面网络关注度的影响方面，媒体的负面网络关注度（lnSatM）不利于本地区旅游业发展，说明媒体对本地区旅游投诉的报道会降低游客人数和旅游消费，最终阻碍旅游业的发展。媒体的负面网络关注度的空间溢出效应显著为正，表明媒体对旅游投诉的报道可以改变游客的流向和消费力，促使游客规避具有旅游投诉的本地区，流向关联地区。由此可得，区域旅游业因媒体的负面网络关注度产生了竞争性互动。游客的负面网络关注度（lnSatT）阻碍了本地区的旅游业发展，原因可能包括两个方面：（1）游客的负面网络关注度越高，表明其越注重旅游过程中的体验，越倾向于旅游投诉较少、旅游发展更为规范的地区;（2）媒体报道和游客反馈中关于旅游投诉的负面消息很多，降低游客对该旅游目的地的旅游需求，从而影响本地区旅游业的发展。游客的负面网络关注的间接效应和总效应不显著。

4.2 加入媒体和游客负面网络关注度交互项后的空间计量结果

上述研究表明，游客的负面网络关注度对本地区的旅游业发展具有明显的抑制作用，本文将媒体对投诉的报道以及游客的负面反馈作为该结果的原因之一;为进一步验证媒体报道等负面信息的作用，本文将在式（2）的基础上，加入媒体负面网络关注度与游客负面网络关注度的交互项，探讨以媒体报道为代表的负面信息的调节作用，即H1。表5同时给出了加入交互项后负面网络关注度对旅游业发展的直接影响及空间溢出效应（模型2）。

媒体以及游客负面网络关注度交互项的直接效应显著为负，间接效应显著为正，验证了H1，即媒体对投诉等负面信息的报道是游客获得旅游目的地形象信息的主要来源之一;随着媒体报道的增多，游客通过网络搜索获得的本地区旅游投诉的信息越全面，越倾向于规避到该地区旅游，而选择具备其需求偏好的其他地區，进而加剧了关联区域间的竞争。这一结论表明，媒体的引导对游客决策以及区域旅游业发展至关重要。

总体而言，负面网络关注度不利于本地区的旅游业发展，有利于关联地区的发展，即验证了H3a，H3b在本文选取的样本中并不成立。根据前文的研究，区域旅游业发展空间相关性显著为正，由此可得，同等或相近发展水平的地区间因负面网络关注度产生了竞争性的互动。此外，上述研究也在一定程度上说明关联的地区间旅游产品存在替代效应;根据旅游需求关联网络凝聚子群分析，子群3与其他子群关联最为密切，则表明湖南、福建、安徽、天津、湖北等省市的旅游投诉状况以及旅游产品的设计至关重要，将影响其他子群的旅游业发展以及区域旅游业间的竞争与合作。

上述研究分别从市场规模、旅游就业、基础设施和经营状况4个方面的总量指标对旅游业发展进行衡量;为剔除地区规模的影响，本文进一步从上述4个方面选取能够反映区域平均水平的相对指标衡量旅游业发展，结果与前文一致，研究相对稳健。

4.3 进一步分析

结合旅游业发展指标体系，本文进一步从市场规模、旅游就业、基础设施和经营状况4个方面进行路径检验，即探讨媒体和游客的负面网络关注度  对旅游业发展的影响主要集中在哪些方面，结果见表6。

上述影响路径检验结果显示，媒体和游客的负面网络关注度对旅游市场规模的直接效应均不显著，间接效应则均显著为正，表明二者均能够提升关联地区的市场规模，从而促进关联地区的旅游业发展。在旅游就业方面，媒体负面网络关注度的直接效应显著为负，间接效应显著为正，说明关联地区因媒体对旅游投诉的报道在旅游就业方面产生竞争性互动。游客的负面网络关注度阻碍本地区旅游就业，但对关联地区的旅游就业影响有限。旅游基础设施方面，媒体和游客负面网络关注度的直接和间接效应均不显著，原因可能是二者的影响主要为短期和直接的，体现在对旅游就业人员流动的影响上，而对旅游基础设施这类长期决策的影响则有限，有待延长研究年限进行进一步验证。对于旅游企业的经营状况，媒体负面网络关注度的直接和间接影响均不显著，游客负面网络关注度的直接影响显著为正。

综上可知，负面网络关注度对区域旅游业发展带来的竞争性互动主要集中在旅游就业方面，这与旅游业的发展特性密不可分。由于旅游业受到季节的影响很大，旅游的淡、旺季十分明显。作为劳动力驱动型产业[8]，旅游业的就业人员数量本身波动较大，而负面网络关注度将进一步加剧区域劳动力的流动。该结论也在一定程度上表明，我国旅游产品的替代性集中在以劳动力为依托的旅游服务方面。此外，负面网络关注度对市场规模、基础设施和经营状况均没有显著的负面影响，因此提升旅游服务质量、降低投诉难以由企业自发进行，需要政府的监管和引导。

5 结论与启示

本文以2011—2016年我国31个省区市（不含港、澳、台地区）的面板数据为样本，通过对各省市区旅游需求进行格兰杰因果关系检验和社会网络分析，测算并探讨了各区域旅游业发展的空间关联;以此为空间权重矩阵，基于空间固定效应的SDM模型，深入分析了负面网络关注度对旅游业发展的影响及其空间溢出效应。结论如下：

（1）区域旅游需求的空间关联度较高，网络密度较低，且并无明显地理划分;各子群密度差异较大，包含湖南、福建、安徽、天津、湖北、海南、广东等省市在内的子群3的密度最高且与其他子群联系最为密切。区域旅游业的发展呈现出显著的空间正相关，由于区域发展差异增加，空间集聚总体呈现减弱趋势。

（2）媒体的负面网络关注度明显抑制了本地区旅游业发展，促进了其关联地区的旅游业发展，同等或相近发展水平的区域间竞争加剧。游客的负面网络关注度不利于本地区旅游业的发展，对其关联地区的旅游业发展影响有限。此外，媒体作为信息中介能增强游客负面网络关注度对旅游业发展的影响。

（3）就影响路径来看，媒体和游客的负面网络关注度对本地区旅游业发展的影响分别体现在对旅游就业的抑制作用和企业经营促进作用，对其关联地区的影响体现在旅游就业和市场规模的提升，对基础设施的影响不显著。

基于此，本文提出如下政策建议：

（1）各地区相关部门应该重视对旅游业服务质量的管理。首先，要妥善处理好已经出现的旅游投诉问题，最大程度地维护区域的旅游形象;其次，加强对旅游业的管控，加大对旅游投诉事件责任方的处罚，促使相关的旅游企业、机构提升旅游服务质量，降低旅游投诉发生的概率。

（2）政府应引导媒体关注旅游投诉事件，提升信息的对称性从而充分发挥市场机制，引导游客选择投诉少、服务质量高的旅游产品，进而倒逼整个旅游市场关注旅游服务质量的提升，促进旅游业高质量发展。

（3）各地区应积极进行区域合作，特别是湖南、福建、安徽、天津、湖北、海南、广东等子群3中的省市间以及与其他子群的合作。一方面通过学习效应和知识、技术的溢出效应提升劳动力素质及旅游业整体服务质量;另一方面，通过设计区域主题线路、跨区域服务定制等方法，形成专业化、特色化旅游服务，降低地区旅游服务的替代性，改变区域旅游业的竞争与合作关系。

参考文献（References）

[1] 刘瑞明， 李林， 亢延锟， 等. 景点评选、政府公共服务供给与地区旅游经济发展[J]. 中国工业经济， 2018（2）： 118-136. [LIU Ruiming， LI Lin， KANG Yankun， et al. Selection activities of scenic spots， the supply of government public services and regional tourism economic development[J]. China Industrial Economic， 2018（2）： 118-136.]

[2] 生延超， 吴昕阳. 游客满意度的网络关注度演变及空间差异[J]. 经济地理， 2019， 30（2）： 232-240. [SHENG Yanchao， WU Xinyang. Temporal and spatial characteristics of network attention on tourist satisfaction in China[J]. Economic Geography， 2019， 30（2）： 232-240.]

[3] 田高良， 司毅， 秦岭， 等. 网络舆情及其应对与上市公司的信息效率[J]. 系统工程理论与实践， 2018， 38（1）： 46-66. [TIAN Gaoliang， SI Yi， QIN Ling， et al. Internet public opinions， response and listed firms information efficiency[J]. System Engineering Theory and Practice， 2018， 38（1）： 46-66.]

[4] 王龙杰， 曾国军， 毕斗斗. 信息化对旅游产业发展的空间溢出效应[J]. 地理学报， 2019， 74（2）： 366-378. [WANG Longjie， ZENG Guojun， BI Doudou. Spatial spillover effects of ICT on tourism industry growth[J]. Acta Geographica Sinica， 2019， 74（2）： 366-378.]

[5] KONSTANTIONS E， EVANGELOS S. Tourism-growth nexus and spatial spillovers： Evidence from Greece[J]. Tourism Economics， 2019， 25（2）： 297-302.

[6] INCERA A C， FERN?NDEZ M F， L?PEZ X P. Spillover effects of tourism consumption between Galicia and the rest of Spain[J]. International Journal of Tourism Research， 2015， 17（2）： 185-195.

[7] ZHOU B， YANG B， LI H Y. The spillover effect of attractions： Evidence from Eastern China[J]. Tourism Economics， 2017， 23（4）： 731-743.

[8] RIBEIRO L C D， LOPES T H C R， MONTENEGRO R L G， et al. Employment dynamics in the Brazilian tourism sector （2006—2015）[J]. Tourism Economics， 2018， 24（4）： 418-433.

[9] 李濤， 刘家明， 朱鹤， 等. 中国旅游产业投资及旅游发展空间结构响应——基于2000—2015年旅游业三大核心部门数据的分析[J]. 地理科学， 2019， 39（2）： 34-43. [LI Tao， LIU Jiaming， ZHU He， et al. Evolution of tourism investment and impact on pattern of Chinese tourism[J]. Scientia Geographica Sinica， 2019， 39（2）： 34-43.]

[10] ALVAREZ-DIAZ M， DHOMBRES B， GHISETTI C. Modelling inter- and intra- regional tourism flows in Spain： A spatial econometric approach[J]. Regional Statistics， 2017， 7（2）： 3-34.

[11] 吴媛媛， 宋玉祥. 中国旅游经济空间格局演变特征及其影响因素分析[J]. 地理科学， 2018， 38（9）： 1491-1498. [WU Yuanyuan， SONG Yuxiang. Spatial pattern evolution and influence factors of tourism economy in China[J]. Scientia Geographica Sinica， 2018， 38（9）： 1491-1498.]

[12] YANG Y， FIK T J， ZHANG H L. Designing a tourism spillover index based on multi-destination travel： A two-stage distance-based modelling approach[J]. Journal of Travel Research， 2017， 56（3）： 317-333.

[13] 方远平， 谢蔓， 林彰平. 信息技术对服务业创新影响的空间计量分析[J]. 地理学报， 2013， 68（8）： 1119-1130. [FANG Yuanping， XIE Man， LIN Zhangping. A spatial econometric analysis of impact of ICT on service innovation： Based on analysis of 21 cities in Guangdong province[J]. Acta Geographica Sinica， 2013， 68（8）： 1119-1130.]

[14] 宋周莺， 刘卫东. 中国信息化发展进程及其时空格局分析[J]. 地理科学， 2013， 33（3）： 257-265. [SONG Zhouying， LIU Weidong. Spatio-temporal analysis of regional and provincial informatization in China[J]. Scientia Geographica Sinica， 2013， 33（3）： 257-265.]

[15] SUN X L， LIN B S， GAO B， et al. Media coverage， tourism growth， and spatial spillover： Evidence from China[J]. Tourism Analysis， 2018， 23（4）： 503-515.

[16] 李秋雨， 朱麟奇， 刘继生. 中国旅游业对经济增长贡献的差异性研究[J]. 中国人口·资源与环境， 2016， 26（4）： 73-79. [LI Qiuyu，ZHU Linqi， LIU Jisheng. Difference study on the contribution of Chinese tourism to economic growth[J]. China Population Resources and Environment， 2016， 26（4）： 73-79.]

[17] JOAO R， PETER N. Spatial impacts assessment of tourism and territorial capital： A modelling study on regional development in Europe[J]. International Journal of Tourism Research， 2018， 20（6）： 819-829.

[18] MAJEWSKA J. GPS-based measurement of geographic spillovers in tourism example of polish districts[J]. Tourism Geographies， 2017， 19（4）： 612-643.

[19] 吳杨， 倪欣欣， 马仁锋. 入境旅游影响因素及其空间效应计   量——以上海市为例[J]. 财经科学， 2016（3）： 122-132. [WU Yang， NI Xinxin， MA Renfeng. The spatial correlation and difference of influencing factors of urban inbound tourism： A case study of Shanghai[J]. Finance & Economics， 2016（3）： 122-132.]

[20] HUANG T， XI J C， GE Q S. Spatial differentiation and integration optimization of an urban agglomeration tourism system under the influence of high-speed railway network evolution[J]. Applied Spatial Analysis and Policy， 2019， 12（2）： 349-376.

[21] 林炜铃， 邹永广， 郑向敏. 旅游安全网络关注度区域差异研   究——基于中国31个省市区旅游安全的百度指数[J]. 人文地理， 2014（6）： 154-160. [LIN Weiling， ZOU Yongguang， ZHENG Xiangmin. Study on the regional disparity in the network attention of China tourism security： Based on the baidu index of tourism security in 31 provinces[J]. Human Geography， 2014（6）： 154-160.]

[22] BING P， DANIEL R. Online information search： Vacation planning process[J]. Annals of Tourism Research， 2006， 33（3）： 809-832.

[23] 谢彦君， 卫银栋， 胡迎春， 等. 文旅融合背景下海南国际旅游消费中心的定位问题[J]. 旅游学刊， 2019， 34（1）： 15-25. [XIE Yanjun， WEI Yindong， HU Yingchun， et al. The positioning of Hainan international tourism consumption center under the background of the integration of culture and tourism[J]. Tourism Tribune， 2019， 34（1）： 15-25.]

[24] XIANG Z， PAN B. Travel queries on cities in the United States： Implications for search engine marketing for tourist destinations[J]. Tourism Management， 2011， 32（1）： 88-97.

[25] DERGIADES T， MAVRAGANI E， PAN B. Google trends and tourists arrivals： Emerging biases and proposed corrections[J]. Tourism Management， 2018， 66（6）： 108-120.

[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. [WENG Gangmin， LI Lingyan. The coupling coordination degree and spatial correlation analysis on integrational development of tourism industry and cultural industry in China[J]. Economic Geography， 2016， 6（1）： 178-185.]

[27] 罗浩， 颜钰荛， 杨旸. 中国各省的旅游增长方式“因地制宜”吗？——中国省际旅游增长要素贡献与旅游资源比较优势研究[J]. 旅游学刊， 2016， 31（3）： 43-53. [LUO Hao， YAN Yurao， YANG Yang. Can comparative advantage theory explains tourism growth models of Chinese provinces？ An inter-provincial study on the contribution of production factors to tourism growth and the comparative advantage of tourism resources in China[J]. Tourism Tribune， 2016， 31（3）： 43-53.]

[28] 张子昂， 黄震方， 曹芳东， 等. 浙江省县域入境旅游时空跃迁特征及驱动机制[J]. 地理研究， 2018， 35（6）： 1177-1192. [ZHANG Ziang， HUANG Zhenfang， CAO Fangdong， et al. The space-time transition characteristics and its driving mechanism of county-scale inbound tourism in Zhejiang province[J]. Geographical Research， 2018， 35（6）： 1177-1192.]

[29] LUCAS R E. On the mechanics of economic development[J]. Journal of Monetary Economics， 1988， 22： 3-4.

[30] 赵磊， 方成， 吴向明. 旅游发展、空间溢出与经济增长——来自中国的经验证据[J]. 旅游学刊， 2014， 29（5）： 16-30. [ZHAO Lei， FANG Cheng， WU Xiangming. Tourism development， spatial spillover and economic growth： An empirical evidence from China[J]. Tourism Tribune， 2014， 29（5）： 16-30.]

[31] 徐映梅， 高一铭. 基于互联网大数据的CPI舆情指数构建与应用——以百度指數为例[J]. 数量经济技术经济研究， 2017（1）： 94-112. [XU Yingmei， GAO Yiming. Construction of the public opinion index of CPI based on the internet big data[J]. The Journal of Quantitative & Technical Economics， 2017（1）： 94-112.]

[32] 方颖， 郭俊杰. 中国环境信息披露政策是否有效： 基于资本市场反应的研究[J]. 经济研究， 2018（10）： 158-174. [FANG Ying， GUO Junjie. Is the environmental violation disclosure policy effective in China？—Evidence from capital market reactions[J]. Economic Research Journal， 2018（10）： 158-174.]

[33] LE SAGE J， PACE R. Introduction to Spatial Econometrics[M]. Boca Raton： CRC Press Taylor & Francis Group， 2009： 15-26.

Tourism Development and Public Attention to Negative Online Information：

Based on the Spatial Correlations of Tourism Demand

ZHANG Man， HUANG Lingyun

（School of Economics and Business Administration， Chongqing University， Chongqing 400044， China）

Abstract： With the development of the Internet， information available online about destinations has become an important factor for tourists decision-making and regional tourism development. On the one hand， the accessibility of destination information leads to diversified tourism demand and complicated spatial relationships of regional tourism. On the other hand， the high efficiency of information transmission online brings more attention to negative information about tourism destinations， especially tourists complaints about the destinations. The publics attention to the negative online information not only inhibits local tourism industries， but also affects the tourism developments in the related provinces through a spatial spillover effect.

Against this background， the impacts of public attention to negative online information on the regional tourism development were studied. On the basis of the correlation of tourism demand， the spatial correlation of regional tourism was measured and further analysed using the Granger causality test and a social network analysis. Moreover， this paper explores the relationship between public attention to negative online information and tourism development by a spatial Durbin model with 2011-2016 panel data from 31 Chinese provinces.

The study provided five main results. First， the tourism demand within China is highly connected， but its network density is low and there is a need for further co-operation among related provinces. The density of each provincial subgroup differs. The third provincial subgroup has the highest density， indicating the tourism development of this provincial subgroup is closed in relation to the other provincial subgroups. Second， the Morans I of tourism development is between 0.080 and 0.143， indicating a positive spatial autocorrelation for regional tourism development; however， this spatial autocorrelation decreases over time. Third， the medias attention to negative online information hinders tourism development in local provinces but has a positive spatial spillover effect on the correlated provinces. Because of the high substitution of tourism products， the competition for tourists among provinces with similar levels of development is intensified. Fourth， the tourists attention to negative online information inhibits the development of local tourism products， but its effect on the correlated provinces is not significant. Moreover， the medias attention to negative online information enhances the impact of the tourists attention to negative online information， which further intensifies the regional competition for tourists. The results show that bringing the medias guiding and supervising functions fully into play is an effective method for enhancing the quality of tourism developments. Fifth， the media and tourists attention to negative online information is negative for tourism employment but positive for tourism enterprise developments in the local provinces. The impact of this attention to negative online information on the correlated provinces is reflected in the promotion of tourism employment and market scales. There is no significant effect on the tourism infrastructure. This finding shows that the governments supervision and guidance is the driving force for quality improvement in regional tourism industries.

Keywords： spatial correlation; public attention to negative online information; tourism development; social network analysis; spatial Durbin model

[責任编辑：周小芳;责任校对：王    婧]