基于空间自相关的我国旅游业空间发展格局研究.doc

基于空间自相关的我国旅游业空间发展格局研究
洪佳飞
（浙江师范大学地理与环境科学学院，浙江 金华 321004）

摘要：选取具有一定跨度的典型年份各省旅游外汇收入统计数据，采用空间自相关方法分析了我国省级单元的旅游业发展分布空间特征和规律。结果表明，全国Moran’s I指数约为0.073，旅游外汇收入格局存在较弱的正空间自相关，旅游业发展呈多种类型，省域间有差异，呈现局部旅游区化的雏形。根据各省旅游外汇收入指标，结合空间自相关系数，将我国省域旅游业发展区域为2类：空间聚集型(spatial clusters)以及空间孤立型(spatial outliers)，并对其成因进行了简要分析。通过空间变化情况，得出我国旅游业的发展格局的空间集聚性，呈现增强趋势。
关键词：空间自相关；莫然指数；旅游外汇收入
1 前言
空间自相关分析（Spatial Autocorrelation Analysis）是对某一地理变量空间分布相邻位置间的相关性进行检验的一种统计方法，它是通过检测一个位置上的变异是否依赖于邻近位置上的变异来判断该变异是否存在空间自相关性（Cliff et al ,1981;Martin,1996）。
多数地理现象都具有空间相关特性，即距离较近的两事物越相似。空间自相关是测试空间某点的观测值是否与其相邻点的值存在相关性的一种分析方法。空间自相关是区域化变量的基本属性之一，其统计量是检测研究区域内变量的分布是否具有空间依赖性、空间异质性、空间结构性。空间自相关具体表征的是同一个变量在不同位置上的相关性，若某一位置变量值高，其附近位置上该变量值也高，此时称为正空间自相关，反之则称为负空间自相关。空间自相关自1950年Moran等提出以来，已经被广泛应用于多个研究领域，如数字图象处理、流行病学调查、生物学、区域经济、生态学、社会学领域的空间规律分析。国内的相关研究主要集中在生态学、生物学、土壤学、流行病学等领域[1]。
从十一届三中全会以来我国旅游业取得了显著成绩，对国民经济发展起到了巨大的推动作用。本文选择除港澳台以外1997、2002、2007年各省份旅游外汇收入为分析对象，运用空间自相关方法对数据进行处理，从外汇收入入手，对我国旅游业发展格局进行分析研究，分析各地区的之间的地域分异情况，进而发现我国旅游业发展的一些特征。
2 材料与方法
2.1 旅游业发展状况
经过30年的发展，旅游业在国民经济中的地位逐步提高，旅游收入逐年增多，呈现出强劲的发展势头。2005 年中国旅游总收入预计可达到7 650 亿元人民币，与上年同比增长 12 %，比“九五”末期增长69 %，可见旅游业发展态势之强劲。以各年份旅游外汇收入总值作折线图（图1）。从图中我们可以更加清晰的看到我国旅游业发展的总体态势。除2003年（非典）以外整体处于平稳上升态势。

图1 旅游外汇收入逐年变化趋势图(引自文献[2])
2.2 空间自相关指数的计算
计算空间自相关的方法有许多种，一般在功用上可大致分为两大类：全域型（Global Spatial Autocorrelation）和区域型（Local Spatial Autocorrelation）两种。
2.2.1全域型空间自相关
全域型的功能在于描述某现象的整体分布状况，判断此现象在空间是否有聚集特性存在，但不能指出在哪些位置聚集。Moran指数和Geary系数是两个用来度量空间自相关的全局指标。
全局Moran指数I，计算公式如下(Cliff et al ,1981)：
(1)
式中，是变量的观测数；、分别为位置和位置的观测值；是所有观测值的平均值；是空间权重矩阵值。
I的取值一般在[-1，1]之间,小于0表示负相关；等于0表示不相关；大于0表示正相关。
对于Moran指数，可以用标准化统计量Z来检验n个区域是否存在空间自相关关系，Z的计算公式为：

(2)

当Z值为正且显著时，表明存在正的空间自相关，也就是说相似的观测值(高值或低值)趋于空间集聚；当Z值为负且显著时，表明存在负的空间自相关，相似的观测值趋于分散分布；Z值为零时，观测值呈独立随机分布。
2.2.2区域型空间自相关
局部空间自相关分析主要分析各单元属性值在异质性空间的分布格局，可以度量每个区域与周边地区之间的局部空间关联程度。局部空间自相关分析方法有：空间联系的局部指标(LISA)，包括局部Moran指数（local Moran）和局部Geary指数（local Geary），Moran散点图，G统计量 。
常用统计量为 Local Moran's Ii，其计算公式如下[4]：

(3)
Moran 散点图用常见的平面坐标表示，横坐标是变量的标准化原始值,纵坐标是变量的标准化空间滞后值，回归直线的斜率就是 Moran I。常用来研究局部的空间不稳定性，它对空间滞后因子Wz和z数据对进行了可视化的二维图示。Moran散点图的4个象限，分别对应于区域单元与其邻居之间4种类型的局部空间联系形式，分别是“高-高”、“低-高”、“低-低”以及“高-低”。
2.3 使用软件及数据处理分析
本课题使用的数据处理与绘图软件主要是ArcView3.2a，通过其计算莫然指数绘制莫然散点图，并且把局域莫然指数表现在中国政区图上，使数据分析更加直观简要。
根据中国国家统计局的旅游统计年鉴（
表1 1996年、2000年、2004年我国旅游外汇收入统计（除港澳台） 单位：百万美元
地区
1997年
排名
2002年
排名
2007年
排名
地区
1997年
排名
2002年
排名
2007年
排名
北京
2248
2
3115
2
4580
3
湖北
170
13
284
15
413
17
天津
180
11
342
11
779
10
湖南
140
14
311
13
642
12
河北
97
19
167
18
309
21
广东
2801
1
5091
1
8706
1
山西
37
27
75
26
222
23
广西
178
12
321
12
577
14
内蒙古
107
15
149
19
545
15
海南
102
18
92
23
302
22
辽宁
260
8
550
7
1228
8
重庆
105
16
218
16
382
18
吉林
59
24
86
24
179
25
四川
79
21
200
17
512
16
黑龙江
105
16
297
14
643
11
贵州
44
26
80
25
129
28
上海
1317
3
2275
3
4673
2
云南
264
7
419
9
860
9
江苏
408
5
1050
5
3469
4
西藏
32
28
52
29
135
27
浙江
345
6
928
6
2708
5
陕西
225
9
351
10
612
13
安徽
64
23
124
21
344
19
甘肃
28
29
54
28
70
29
福建
614
4
1100
4
2169
6
青海
3
30
10
30
16
30
江西
45
25
72
27
196
24
宁夏
1
31
2
31
3
31
山东
204
10
472
8
1352
7
新疆
71
22
99
22
162
26
河南
95
20
145
20
318
20

3 计算结果
3.1 全局空间自相关分析
根据公式（1）原理，利用地理信息系统软件Arcview GIS，从中国地图中提取出大陆地区31个省份（除香港特别行政区、澳门特别行政区及台湾省）作为底图；利用 Microsoft Office Excel 2003 程序，将表1数据转存为DBF格式的数据表，导入Arcview GIS软件中。这样，就可以计算出相应年份中国旅游外汇收入的空间自相关指数（图2）。
我国的3个典型年份的全局空间自相关指数较接近，约为0. 0.073，表明各省旅游外汇收入在一定的正空间自相关，但不太明显。三年中国旅游外汇收入的空间自相关指数都是正值，说明中国各省份的旅游外汇收入指标具有空间自相关特征，旅游外汇收入相近的省份一直趋于空间集聚。旅游外汇收入较高的省份相对趋于与旅游外汇收入较高的省份相邻，旅游外汇收入较低的省份趋于与旅游外汇收入较低的省份相邻。从从图2可以看出，在变化趋势上，全局空间自相关指数由1997年的0.0206258上升到2002年的0.0562937和2007年的0.142714，说明近10 年来旅游外汇收入相近的省份的空间集聚程度一直在上升，各省份之间的聚集化力量在相对增强。

图2 1997、2002和2007年中国旅游外汇收入的空间自相关指数变动
3.2 局部空间自相关分析
本研究利用区域型空间自相关指标结合 Moran散点图将旅游外汇收入空间分布划分为 2种类型：“高-高”、“低-低”为空间聚集(spatial clusters) ，表示某省自身与其周围省份的旅游外汇收入都较高或较低，为高高相邻或低低相邻，二者的空间差异程度显著较小；“低-高”、“高-低”为空间孤立(spatial outliers)，表示某省自身旅游外汇收较高（或较低），而其周围省份的旅游外汇收入较低（或较高），为高低相邻，二者的空间差异程度显著较大。 [3]
根据公式（3），计算出各省旅游外汇收入的局部空间自相关系数，并绘制计算结果专题图（图3），因三年的局部空间自相关系数较为接近，表现在图上并无变化，故只选用一张。由图3可以清晰看出，东北以及中西部地区大多数省区空间聚集较为明显，结合其旅游外汇收入情况，可判断其为“低-低”空间聚集型；东部沿海省份（除北京市、广东省、上海市），旅游外汇收入也存在着一定的空间聚集性，属“高-高”空间聚集型，旅游发展水平普遍较高。而在中西部地区众多省市中，陕西省和云南省显得与众不同，其旅游外汇收入较高，旅游业比周围省市发达的多，属空间孤立型。北京市、广东省旅游外汇收入较高，在普遍较高的东部地区也显得较为突出，因此和周围省份相关性较差，也属于孤立型。

图3 局部空间自相关系数分布图
3.3 莫然散点图
根据公式（2），将计算出的莫然指数进行标准化处理，并绘制莫然散点图（图4），相应象限的省份名称见表2。从图4和表2可以看出，3个年份的Moran 散点图中，多数省份位于第三象限内，表现出正的空间自相关特征。属于“低—低”型省份的数量很多，多位于中西部地区。从1997年至2007年十年中，这些地区的省份没有多大变化，说明这十年中西部省区并没有某个省份的旅游业异军突起，反而各省之间的空间聚集性表现的更加突出，旅游外汇收入都很低，且愈加接近。而十年中，“高—高”型省区数量有所增加，在原本浙江、上海、福建3省的基础上，2007年江苏省也进入了“高—高”型区域。
Moran 散点图有助于发现非典型地区（偏离全局正的空间自相关的地区），即位于第二象限的“低—高”型区域和第四象限的“高—低”型区域[5]。由图4可知，这类省份数量较少，1997和2002年的“高—低”型省份有江苏、北京和广东3个，2007年则变成辽宁、北京和广东3个，都是旅游外汇收入很高，与周围地区形成鲜明对比的省份，空间聚集性表现不是很明显。

图4 1997、2002和2007年中国旅游外汇收入的空间分布的Moran散点图

表2 1997、2002和2007年各省份旅游外汇收入的Moran I分布
类型
1997年
2002年
2007年
高-高
浙江、上海、福建
浙江、上海、福建
浙江、上海、福建、江苏
低-低
山东、河南、安徽、湖北、云南、贵州、海南、吉林、辽宁、青海、甘肃、陕西、内蒙古、重庆、四川
山东、河南、安徽、湖北、云南、贵州、海南、吉林、辽宁、青海、甘肃、陕西、内蒙古、重庆、四川
山东、河南、湖北、云南、贵州、海南、吉林、青海、甘肃、陕西、内蒙古、重庆、四川
高-低
江苏、北京、广东
江苏、北京、广东
辽宁、北京、广东
低-高
江西、广西、湖南、天津、河北
江西、广西、湖南、天津、河北
江西、广西、湖南、天津、河北、安徽
4 格局形成的原因分析
总体来看我国旅游外汇收入总体状况为由沿海向内陆地区逐渐递增，空间聚集性较为明显，东部沿海地区为高收入聚集区，中西部地区为低收入集聚区，在两个聚集区中也有个别省份与周围省市相差较大。北京、上海、广东分别作为京津唐、长三角以及珠三角三大城市群的中心，是我国旅游外汇收入的三大极点。西部地区旅游外汇收入普遍较低，聚集性较强，变化不如东部地区多。
结合各省区的地理位置，国民生产总值以及旅游产业在该省的地位，可以总结出此格局的形成原因：
1） 对外开放程度决定其旅游外汇收入。由图2可以看出，作为较早实行对外开放沿海省市，除广西和海南外，都是旅游外汇收入的高值区，聚集性较为明显。这些省市对外开放时间早，开放程度高，是国外游客登陆中国的首选地区，因此旅游外汇收入也较高。其中和广东省、北京市和上海市三省市作为我国对外开放的桥头堡，2007年旅游外汇收入均超40亿美元，其收入又在沿海地区鹤立鸡群，因此与周围省市聚集性不是很明显。浙江、上海、福建和江苏4省在地缘上较近，都处于东南沿海地区，旅游外汇收入也较为接近，因此都属于“高—高”型区域。
2） 旅游业与国民生产总值之间的关系较为紧密。这在图3中已经有所体现，为了得到更为量化的证据，选择各省份2007年旅游外汇收入和 GDP两个统计指标进行相关性分析，得到两项指标的相关系数为0.708，旅游外汇收入与国民生产总值之间的关系较为密切。但我国旅游外汇收入的增加并不是导致我国实际GDP增长的直接原因，反而还是我国经济的增长在一定时期内推动了入境旅游的发展和旅游外汇收入的持续增加。
3） 个别西部省份较重视旅游产业。云南省和陕西省虽身处西部地区，但其旅游外汇收入较高，和周围旅游产业不发达省区形成鲜明对比，使其成为空间孤立型。细究其旅游发展状况，原因较为明显。改革开放以来，在国内外旅游发展的大好形势推动下，伴随着云南社会经济的发展，云南旅游也快速增长和发展。特别是进入90年代以后，云南省委、省政府明确把旅游业作为支柱产业加大培育和建设，为培育精品旅游产品，建设国际旅游胜地创造了良好的条件。目前，云南国际旅游业已跻身于中国旅游业十强省行列[6]。.陕西省是我国西部地区的旅游大省，旅游资源十分丰富，尤其是它3100多年的城建史及其灿烂多姿的文化遗产，使之成为海外游客来华旅游的首选地之一。2000年～2005年陕西旅游收入占全省GDP的平均比重为7.8%，占第三产业产值的平均比重为20.7%。显然，旅游业已经成为带动陕西经济发展的个先导产业和支柱产业[7]。

5 结论
我国的旅游业的总体发展格局为：东北以及中西部地区大多数省区为“低-低”空间聚集型；东部沿海大部分省份属“高-高”空间聚集型；陕西省和云南省以及北京市和广东省表现出不同类型的空间孤立型。
旅游外汇收入省际差异化的空间特征反映了省际以及区域旅游经济发展的现实格局。在我国旅游外汇收入和GDP的实际量之间是存在某种长期稳定的均衡关系的。但是我国旅游外汇收入的增加并不是导致我国实际GDP增长的直接原因，反而还是我国经济的增长在一定时期内推动了入境旅游的发展和旅游外汇收入的持续增加。
旅游外汇收入空间分配不匀，西部省区因交通不便，资金不足等原因，旅游资源开发落后，致使其旅游外汇收入普遍较低，且多年未见变化，对于国民经济的贡献率明显不足。国家因重视西部落后地区的旅游资源开发，个别旅游资源较好的省区应将旅游产业作为经济发展的支柱产业，作为贫困地区脱贫致富的有效手段。
因此政府应做好以下几点：
1） 加强环境保护，树立良好的国际形象
2） 鼓励旅游产品创新，建立有效的激励机制
3） 促进区域经济合作
4） 加大配套设施投资
5） 加速入境旅游服务与国际接轨

参考文献：
[1] 陈广洲,解华明.基于空间自相关的安徽省市域发展空间格局研究[J].资源开发与市场,2008,(2):112-114.
[2] 武传震.从旅游外汇收入角度透视我国旅游业空间发展格局的变化趋势[J].山东师范大学学报(自然科学版),2007, (2):93-95
[3] 霍霄妮,李红,孙丹峰,张微微,周连第,李保国.北京耕作土壤重金属含量的空间自相关分析[J].环境科学学报,2009,(06):1340-1344.
[4] 孟斌,王劲峰,张文忠等.基于空间分析方法的中国区域差异研究[J].地理科学,2005,25(4):394-400.
[5] 刘会敏,牛叔文,杨振.中国人口死亡水平的空间统计分析[J]. 中国人口科学,2008(1):44-52
[6] 云南旅游发展概况[EB/OL].
[7] 徐萍.陕西旅游业发展现状及其发展趋势统计分析[J].商场现代化,2006,11,(中旬刊):238-239.