大洲尺度下旅游流空间网络结构及其影响因素

王永明，卢言美

(湖南师范大学旅游学院，中国 长沙 410081)

旅游流一直是旅游经济学和旅游地理学研究的主题[1]，相关研究多集中在旅游流时空演化[2,3]和时空分布特征[4]、旅游流影响因素[5,6]、旅游流流量预测[7,8]等。随着社会网络方法的引入，旅游流空间网络结构与影响因素成为旅游流空间结构研究的一个重要内容。学者们研究了省际[9，10]、市际[11，12]、市内部[13，14]旅游流空间网络的结构特征，并发现旅游资源禀赋和交通网络密度[15]、经济发展规模和空间距离[16]、旅游接待能力[17]等因素对旅游流空间网络结构有显著影响。然而，到目前为止，对大尺度下国际旅游流空间网络结构的经验研究很少。其中，姚梦茹等人发现中国-东盟11个国家间存在核心-边缘结构明显的国际旅游流空间网络，且网络核心区域存在显著的动态变化趋势[18]；Shao等人探讨了1995—2018年全球211个国家或地区间国际旅游流空间网络及其演化，发现网络密度增加，且德国和中国在其中处于重要位置[19]。

综上，国内外学者在旅游流空间网络结构和影响因素方面取得了较为丰富的成果，并且形成了比较成熟的方法体系。但也存在不足：针对大洲尺度下国家间旅游流空间网络结构的分析很少，也同时导致了对国家间旅游流的影响因素分析薄弱；未见针对欧洲国家间旅游流网络结构的研究成果。鉴于此，本文以欧洲为研究区，基于欧洲国家间入境过夜旅游流的统计数据，揭示欧洲国家间旅游流网络空间结构特征，同时尝试探讨国家间旅游流的影响因素。因此，本研究将丰富旅游流空间网络研究的多尺度研究案例。

1 数据来源与研究方法

1.1 研究区介绍与数据来源

欧洲是世界主要的国际旅游目的地和客源地，在国际旅游流空间网络中占有非常重要的地位[19]，吸引了全球51%的游客，获得了36%的国际旅游收入[20]。2019年欧洲旅游业的直接收入为2 018.2亿美元，占经济总量的9.1%。与此同时，欧洲国家间地缘临近，并且有着历史悠久的跨国间旅游和旅行活动。因此，本文以欧洲为研究区来探讨大洲尺度下旅游流的空间规律具有一定的典型性。

在数据来源方面，联合国世界旅游组织(UNWTO)公布的旅游统计数据极具专业性、权威性，是进行旅游研究的重要数据来源之一[18]。本研究采用UNWTO公布的2011—2015年欧洲国家间入境过夜旅游数据作为源数据，选取德国、意大利、西班牙、法国、摩纳哥、丹麦、冰岛、挪威、瑞典、芬兰、黑山共和国、荷兰、比利时、卢森堡、奥地利、瑞士、波兰、捷克共和国、匈牙利、列支敦士登、希腊、葡萄牙、罗马尼亚、保加利亚、塞尔维亚、克罗地亚、斯洛文尼亚、北马其顿、立陶宛和爱沙尼亚30个国家为研究对象，它们的旅游统计数据比较完整。在实际计算时，对每个国家在2011—2015年这5年的旅游流数据计算算术平均值作为最终的网络分析数据，以缓解数据的年际间波动。其中有个别国家在部分年份存在缺失值，本文利用该国其余年份的平均值来替换。

1.2 社会网络分析法

社会网络分析法广泛应用于旅游流空间网络的研究[21-24]。本文参考之前相关研究，选取节点中心性、结构洞指标来测量欧洲国家间旅游流空间网络的节点结构，利用网络密度、网络中心势、核心-边缘分析量化其网络结构。

(1)节点中心性。节点中心性用来表示节点在整体网络中的权力和地位，包括程度中心性、中介中心性和接近中心性[14]。

程度中心性用来反映某一国家节点与网络中其他国家节点直接联接的情况，根据联接方向不同分为内、外向程度中心性，分别表示国家节点对网络中旅游流的集聚和扩散作用[16]，计算公式为

(1)

式中：CDl为国家节点l的程度中心性，n为国家节点数，qlm表示国家节点l和国家节点m之间存在直接联接。

中介中心性用来表示某一国家节点对其他国家节点间旅游流往来的控制能力，如果某一国家节点多次在其他国家节点点对间起中转作用，则该国家节点中介中心性较高[16],计算公式为

(2)

式中：CBl为国家节点l的中介中心性；n为国家节点数；pxm(l)为国家节点l在国家节点x和国家节点m之间起中转作用的概率。

(2)结构洞。结构洞是指整体网络中两个国家节点间有共同联接点而彼此不存在旅游流联系的情况，用效能、效率、约束性3个指标来衡量[14]，若国家节点的效能越高，则说明它在网络中越具有竞争优势。

(3)网络密度。网络密度用网络中实际联接数与国家节点间应有联接数的比值来表示[21]。若密度越大，则说明欧洲国家间旅游流空间网络中各国家节点间的旅游流联系越紧密。计算公式如下：

(3)

式中：D为网络密度；n为网络中国家节点数；qlm表示国家节点l与国家节点m之间存在直接联接。

(4)网络中心势。网络中心势用来反映整体网络是否具有明显的向某个国家节点集中的趋势[25]。它分为程度中心势、中介中心势和接近中心势3个指标。其中程度中心势计算如下：

(4)

式中：CED为程度中心势指数；n为国家节点数；CDmax为国家节点程度中心性的最大值；CDl为国家节点l的程度中心性。

中介中心势计算如下：

(5)

式中：CEB为中介中心势指数；n为国家节点数；CBmax为国家节点中介中心性最大值；CBl为国家节点l的中介中心性。

(5)核心-边缘分析。核心-边缘分析是对国家节点在网络中的位置进行量化，将其划分为核心节点和边缘节点，以反映不同国家节点在整体网络中的地位以及核心节点与边缘节点间的联系强度[10]。

2 欧洲国家间旅游流空间网络的构建及结构分析

2.1 旅游流空间网络的构建

以欧洲30个国家分别为旅游客源地和目的地，构造了30×30的国家间旅游流的流量矩阵，其中矩阵单元值代表某客源国到目的地国的游客量。考虑到社会网络分析的矩阵为二分矩阵，需要设置切分值将上述流量矩阵转换成二分矩阵。切分值的选择要能识别出网络系统各节点的典型特征，使网络矩阵具有代表性[26]。本文检验了反映数据集中趋势的几个指数，包括中位数、平均数以及四分位数，最终选择算术平均数作为切分值(633 629人次)。当两个国家之间的旅游流流量大于该切分值，矩阵的单元值就记为1，否则记为0，以此建构出二分矩阵。通过Netdraw软件绘制欧洲30个国家间旅游流空间网络结构(图1)。在该网络中，冰岛、列支敦士登、立陶宛、卢森堡、摩纳哥、塞尔维亚、黑山共和国和北马其顿8个国家的流入和流出的旅游流流量均低于切分值，是网络中的孤立节点。

图1 欧洲国家间旅游流空间网络Fig. 1 The spatial network of tourism flows among European countries

2.2 节点结构分析

欧洲国家间旅游流空间网络的节点结构指标值如图2所示，因图1存有孤立节点，所以未能计算出国家节点的接近中心性[26]。

图2 欧洲国家间旅游流空间网络节点结构指标Fig. 2 The measures of node structure of tourism flow network among European countries

(1)程度中心性。欧洲国家间旅游网络的外向程度中心性值域为[0,16]，最高为德国；内向程度中心性值域为[0,15]，最高为意大利、西班牙。程序中心性的均值皆为3.576，表明每个国家节点平均与其他3.576个国家节点存在直接的旅游流联接。内、外向程度中心性标准差分别为4.665和4.171，说明整体网络中各国家节点的集聚和扩散作用存在差异，且集聚作用相对差异较大。根据程度中心性将国家节点划分为4个等级[26]。①第一等级节点：德国、意大利、法国、西班牙。这4个国家在网络中占据中心地位，是旅游流集聚和扩散中心。德国外向程度中心性最高，是整个网络的扩散中心，法国次之。意大利、西班牙的内向程度中心性最高且高于自身的外向程度中心性，对旅游流的集聚作用更强，是旅游吸引型国家。②第二等级节点：希腊、比利时、荷兰、奥地利。这4个国家在整体网络中发挥着旅游次级中心的集聚和扩散作用。相较于内向程度中心性，比利时、荷兰两个国家拥有更高的外向程度中心性，属于旅游输出型国家，对国家间旅游流量有更强的扩散作用。希腊和奥地利两个国家对旅游流的集聚能力大于扩散能力，其中希腊的内向程度中心性值是外向程度中心性的14倍，是典型的旅游吸引型国家。③第三等级节点：葡萄牙、波兰、挪威、瑞典、瑞士、捷克共和国、丹麦、芬兰、匈牙利和罗马尼亚。这10个国家的内外向程度中心性较小，对旅游流的集聚和扩散作用较弱，其中，波兰对旅游流的扩散作用明显高于集聚作用，属于旅游输出型国家。④第四等级节点：除上述国家外的其他国家节点。这些国家的内外向程度中心性很低或者为0，与其他国家节点来往的旅游流量较少，属于一般型旅游目的地。

(2)中介中心性。欧洲国家间的中介中心性差距较大，其中德国的中介中心性处于绝对优势，在整体网络中处于绝对优势地位，对整体网络中的旅游流有较强的控制作用，是其他国家节点旅游流产生联系的重要中转和纽带。意大利、西班牙、法国、奥地利的中介中心性相对较高，是网络中的次级中转中心，对旅游流有一定程度的控制作用。挪威、瑞典、丹麦、比利时、荷兰和希腊这些国家的中介中心性很小，对国家间往来旅游流的控制作用不明显。其他国家节点中介中心性为0，在整体网络中不具备中介作用。

(3)结构洞。意大利、德国和西班牙3个国家的效能效率较高，约束性较小，总体结构洞水平高，在整体网络中区位优势较强，与其他国家之间存在密切联系，易获得“信息利益”和“控制利益”。此外，法国、奥地利和希腊的结构洞水平也相对较高，在网络中具有较高的竞争优势，和周边其他国家联系较为密切。其余国家节点结构洞指标表现不佳受限制较大，影响了这些国家与其他国家之间的旅游往来。

2.3 网络结构分析

(1)网络密度及中心势。欧洲国家间旅游流空间网络密度为0.112，可见密度不高，国家节点间联接强度弱。网络的内、外向程度中心势及中介中心势分别为40.04%，36.82%和10.13%。可见内外向程度中心势数值较大，说明整体网络表现出较明显的向某些节点集中的趋势和由某些节点向外扩散的趋势。中介中心势数值较小，表明较少国家节点在整体网络中扮演“中介人”的角色，网络中的较多国家节点直接通过核心节点来产生连接。

(2)核心-边缘分析。欧洲国家间旅游流空间网络中共有核心节点19个(德国、法国、西班牙、意大利、葡萄牙、奥地利、比利时、保加利亚、丹麦、克罗地亚、捷克共和国、芬兰、希腊、匈牙利、荷兰、挪威、波兰、瑞典、瑞士)，边缘节点11个(爱沙尼亚、冰岛、列支敦士登、卢森堡、立陶宛、摩纳哥、塞尔维亚、黑山共和国、罗马尼亚、斯洛文尼亚、北马其顿)，存在着明显的核心-边缘分异。核心节点间的密度为0.327，高于整体网络密度，这说明旅游流在核心节点间存在着更密切的流动，而边缘节点间密度为0。边缘节点与核心节点之间的密度都较小，说明两者之间不存在明显的互动关系。

3 欧洲国家间旅游流空间网络的影响因素分析

基于以往研究成果[15-17,27-29]以及数据获取的可得性，本文基于推力-拉力视角[30，31]从经济发展、交通条件、旅游资源、旅游设施、政府支持和文化因素6个维度选取8个指标(表1)，构建旅游流空间网络影响因素的指标体系，并对各个变量按照客源地、目的地、客源地-目的地的空间关系进行分类[5]。其中，GDP和人均GDP是客源地属性变量，属于推力因素；外国直接投资净流入、航空客运量、世界遗产数量、旅游基础设施竞争力指数、旅游业优先发展竞争力指数是目的地属性变量，属于拉力因素；文化距离是客源地和目的地之间的关系变量。选取以上各指标2011—2015年数据的年平均值作为解释变量，将欧洲国家间旅游流量作为被解释变量，进行多元线性回归分析。鉴于世界经济论坛“旅游竞争力报告”自2009年以后改为双年报，且2011年旅游竞争力报告无法从官方网站获取，所以旅游基础设施竞争力指数、旅游业优先发展竞争力指数取2013和2015年两年的平均值。此外，因列支敦士登、摩纳哥、冰岛、黑山共和国、塞尔维亚和北马其顿6个国家解释变量相关数据缺失多，最终进行回归分析时予以剔除。

表1 欧洲国家间旅游流空间网络影响因素的指标体系Tab. 1 The index system of influencing factors of tourism flows spatial network among European countries

从模型估计结果来看(表2)，GDP、世界遗产数量在1%的统计水平上显著，旅游业优先发展竞争力指数在5%的水平上显著，其他变量不显著。

表2 欧洲国家间旅游流空间网络影响因素的回归分析结果Tab. 2 The regression results of influencing factors of tourism flows spatial network among European countries

GDP代表国家经济总量规模，是反映旅游需求的最重要因素，更大规模的GDP能形成更高的客源市场总量，以此形成较高的出游人次及出游客流，是欧洲国家间旅游流的重要推动力量。世界遗产是最吸引国外游客的旅游吸引物，世界遗产数量反映了目的地旅游核心吸引力，对入境游客产生重要的拉力作用。旅游业优先发展竞争力指数反映了该国政府对旅游业的支持力度，较高的支持力度会带动旅游业的私人投资，为本国旅游业发展提供更多资金技术支持，同时在政府支持下易于开展高质量旅游宣传活动，这都为目的地国家吸引游客提供了重要拉力。因此，从本文结果来看，欧洲国家间旅游流量规模结构的形成仍然是受到“推-拉”机制的影响。

对于回归模型中统计不显著的变量，人均GDP虽然能反映居民的生产力水平，但国家间旅游客流总量更取决于反映总量规模的GDP指标，因为人均GDP高的国家有可能人口规模小，比如北欧国家，导致游客出游量不高。一般来说，外国直接投资净流入有利于吸引商业旅游者入境旅游[27]，但是外国直接投资的结构对商务游客影响更重要，比如初级产品加工的外国投资并不会带来大规模的入境游客，相反从事技术创新和研发的外国投资涉及到人员之间频繁“面对面”接触，对商务游客的带动作用更强。航空客运量代表了一个国家的航空运输能力，是国家发展旅游业的重要交通条件，其回归系数不显著有可能是游客出游受到航空、铁路、自驾等多种交通方式的影响。旅游基础设施竞争力指数用来反映一个国家住宿接待能力、汽车租赁及旅游金融基础设施状况，旅游基础设施竞争力指数不显著可能是对欧洲国家间旅游来说国家的旅游接待能力只是必要条件，不是游客们进行目的地选择时的首要考虑因素。文化距离用来衡量国家间文化差异的大小，文化距离越大表明国家间文化差异越大[32]，然而对于欧洲国家来说，一方面大部分国家属于文化相近的文化圈和经济圈；另一方面欧洲国家间旅游流发育历史悠久，文化冲突较小，因此文化距离对欧洲国家间旅游流的影响不显著。

4 结论与讨论

本文着眼于大洲尺度下旅游流空间视角，分析了2011—2015年欧洲国家间旅游流空间网络结构特征，并揭示了其主要影响因素，以此丰富了旅游流空间网络研究的多尺度视角。本研究得出如下结论：

(1)欧洲国家间的旅游流空间网络整体密度较低，网络中存在着明显的核心-边缘分区。整体旅游流表现出少数核心国家节点的集聚和扩散趋势，而核心节点与边缘节点、以及边缘节点之间的旅游流量较少。总体上欧洲国家间旅游流空间网络发育尚不完善。

(2)不同国家在旅游流空间网络中地位存在显著差异。德国拥有绝对结构优势，意大利、西班牙和法国在整体网络中也处于核心节点位置。其他国家对旅游流的集散功能相对较为薄弱。

(3)从国家间旅游流影响因素来看，客源国经济发展水平和目的地国的世界遗产资源、旅游业优先发展竞争力对欧洲国家间旅游流有显著影响。这样，大尺度下旅游流流动仍然受“推-拉”机制的影响。

综合以往不同空间尺度下旅游流网络的研究成果，可以发现：一方面，不同尺度下的旅游流空间网络普遍存在空间不均衡现象[14,18,19,26]，网络均呈现明显的核心-边缘结构，而且核心节点与边缘节点之间的联系较弱；另一方面，经济发展水平、旅游资源、制度因素也往往是各种空间尺度下旅游流网络结构的影响因素[15-17，29]。因此，从空间多尺度视角来看，旅游流的空间网络结构及其动力机制存在着非尺度依赖性规律。

由于数据缺失的原因，本文分析的欧洲国家样本只有30个，因此本文只能反映欧洲30个国家间的旅游流空间网络特征，而不能反映欧洲所有国家间旅游流空间网络结构特征。此外，在进行因素分析时，因为数据获取限制只选取了8个因素的数据，缺少治安、国家入境旅游政策、特殊事件等变量数据，尤其是在新冠疫情影响下，这些因素将对旅游流产生何种影响是未来需要进一步实证分析的方向。

最后，本研究也对旅游政策制定者有一定的借鉴意义。一方面，各个国家要了解自己在旅游流空间网络中的位置，根据具体位置来制定旅游发展战略，进行合理的旅游资源分配，规划合适的旅游路线和营销战略，提高在旅游网络中的地位。另一方面，核心国家应充分发挥在整体网络中的中介、枢纽等功能，促进跨国旅游产品创新等，带动边缘国家发展，推动边缘国家向核心国家开展营销，学习其先进发展经验等，以此促进旅游流空间网络的进一步完善。