丹霞山網(wǎng)絡(luò)關(guān)注度時(shí)空演變特征及影響因素分析
——基于空間自相關(guān)及空間回歸方法

田廣增，李航飛

（韶關(guān)學(xué)院 旅游與地理學(xué)院，廣東 韶關(guān) 512005）

根據(jù)第43次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2018年12月，我國網(wǎng)民規(guī)模為8.29億，互聯(lián)網(wǎng)普及率達(dá)59.6%。隨著我國互聯(lián)網(wǎng)普及率的日益提高，網(wǎng)絡(luò)（手機(jī)移動(dòng)網(wǎng)絡(luò)）已逐漸成為廣大游客出游的重要工具。旅游者在出游前或出游過程中會(huì)通過網(wǎng)絡(luò)搜索旅游目的地的相關(guān)信息，“網(wǎng)絡(luò)關(guān)注度”（或搜索指數(shù)）即為所統(tǒng)計(jì)的搜索痕跡。近年來，利用網(wǎng)絡(luò)平臺提供的大數(shù)據(jù)，對旅游者網(wǎng)絡(luò)關(guān)注度進(jìn)行研究受到了國內(nèi)專家、學(xué)者越來越多的關(guān)注；其研究領(lǐng)域主要包括以下幾方面：第一，研究空間尺度上，有省域［1］、市域［2］及具體的旅游景區(qū)如平遙古城［3］、五臺山［4］等；第二，研究內(nèi)容上，主要有游客的網(wǎng)絡(luò)關(guān)注度與游客流量間的相關(guān)性［5］或耦合性［6］研究、網(wǎng)絡(luò)關(guān)注度的時(shí)空分布特征［7］、網(wǎng)絡(luò)關(guān)注度的影響因素［8］；第三，研究方法，主要利用相關(guān)指數(shù)來分析網(wǎng)絡(luò)關(guān)注度的時(shí)空分布特征，利用相關(guān)分析、普通回歸分析等方法來探討游客網(wǎng)絡(luò)關(guān)注度的影響因素［9］。

現(xiàn)有研究在旅游目的地的網(wǎng)絡(luò)關(guān)注度方面做了大量的工作，但在研究方法方面存在一定的不足，沒有考慮網(wǎng)絡(luò)關(guān)注度的空間集聚或依賴特征。幾乎所有空間數(shù)據(jù)都具有空間依賴或空間自相關(guān)特征［10］，傳統(tǒng)的數(shù)理統(tǒng)計(jì)模型（一元或多元統(tǒng)計(jì)分析等），僅關(guān)注數(shù)據(jù)之間的相關(guān)性；而地理信息系統(tǒng)（GIS）中的空間關(guān)系和空間疊加等分析方法，則只注重二維空間上的聯(lián)系；科學(xué)的空間統(tǒng)計(jì)模型需要做到二者兼顧，即在分析空間關(guān)系的基礎(chǔ)上要進(jìn)行數(shù)值的相關(guān)性分析，空間自相關(guān)分析模型很好地解決了這一問題［11］?？臻g自相關(guān)分析受到越來越多的學(xué)者、專家關(guān)注，其被廣泛應(yīng)用于自然、人口、經(jīng)濟(jì)和社會(huì)問題等方面的研究，研究成果非常豐富。論文在已有研究基礎(chǔ)上，利用空間自相關(guān)分析和空間回歸分析方法來探討丹霞山景區(qū)網(wǎng)絡(luò)關(guān)注度的時(shí)空演變特征及其影響因素。

一、研究方法與數(shù)據(jù)來源

（一）研究方法

本文首先采用空間自相關(guān)分析丹霞山網(wǎng)絡(luò)關(guān)注度時(shí)空分布上的集聚性（依賴性）特征，然后建立空間計(jì)量回歸經(jīng)濟(jì)模型，對影響丹霞山網(wǎng)絡(luò)關(guān)注度的相關(guān)指標(biāo)進(jìn)行空間計(jì)量估計(jì)和檢驗(yàn)。

1.空間自相關(guān)分析

空間自相關(guān)分析是在分析空間關(guān)系的基礎(chǔ)上進(jìn)行數(shù)值的相關(guān)性分析，可分為全局空間自相關(guān)及局域空間自相關(guān)兩種形式，論文用其來探討丹霞山網(wǎng)絡(luò)關(guān)注度的時(shí)空集聚特征。空間自相關(guān)的相關(guān)理論及計(jì)算公式、檢驗(yàn)方法詳見參考文獻(xiàn)［12］。

2.空間回歸模型及選擇

（1）空間滯后模型（SLM），其數(shù)學(xué)表達(dá)式如式（1）：

式（1）中，Y為被因變量；X為外生自變量矩陣；ρ為空間回歸系數(shù)；W為所構(gòu)建的權(quán)重矩陣（本文采用空間鄰接標(biāo)準(zhǔn)）；WY為空間滯后因變量；ε為隨機(jī)誤差項(xiàng)向量。

（2）空間誤差模型（SEM），其數(shù)學(xué)表達(dá)式如式（2）：

式（2）中，λ為因變量向量的空間誤差系數(shù)；ε的含義同式（1）；μ為正態(tài)分布的隨機(jī)誤差向量；W為空間權(quán)重矩陣（本文采用空間鄰接標(biāo)準(zhǔn)）；參數(shù)β反映的是自變量X對因變量Y的影響程度。

（二）數(shù)據(jù)來源

百度指數(shù)以百度搜索引擎為數(shù)據(jù)平臺，可以為用戶提供以“網(wǎng)頁搜索”以及“新聞搜索”為基礎(chǔ)的大數(shù)據(jù)分析服務(wù)，其能夠反映出不同關(guān)鍵詞在過去一段時(shí)間內(nèi)的“網(wǎng)絡(luò)關(guān)注度”情況?！熬W(wǎng)絡(luò)關(guān)注度”是以網(wǎng)民在百度中搜索的“關(guān)鍵詞”為統(tǒng)計(jì)對象，并以搜索量為基礎(chǔ)數(shù)據(jù)，統(tǒng)計(jì)出各關(guān)鍵詞在百度網(wǎng)頁搜索中頻次的加權(quán)之和，能夠以曲線圖的形式直觀展現(xiàn)。丹霞山是世界自然遺產(chǎn)、世界地質(zhì)公園、5A級旅游景區(qū)，也是網(wǎng)絡(luò)關(guān)注的重點(diǎn)景區(qū)。本文采用百度指數(shù)中的用戶對丹霞山的關(guān)注度作為衡量網(wǎng)絡(luò)關(guān)注度的指標(biāo)，以“丹霞山”為關(guān)鍵詞，獲取2011年1月1日至2018年12月31日8年每年度的日平均搜索量作為基礎(chǔ)數(shù)據(jù)，利用空間自相關(guān)分析和空間回歸分析方法對丹霞山景區(qū)網(wǎng)絡(luò)關(guān)注度的時(shí)空演變特征及其影響因素進(jìn)行分析；回歸分析中的人口規(guī)模、經(jīng)濟(jì)發(fā)展水平數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒（2013、2015、2017）》，空間距離數(shù)據(jù)來自百度地圖，網(wǎng)絡(luò)化水平數(shù)據(jù)來自歷次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》。

二、丹霞山網(wǎng)絡(luò)關(guān)注度時(shí)空集聚特征分析

（一）丹霞山網(wǎng)絡(luò)關(guān)注度全局空間自相關(guān)分析

根據(jù)全局空間自相關(guān)的計(jì)算公式，利用軟件Geoda計(jì)算出丹霞山旅游景區(qū)2011年以來網(wǎng)絡(luò)關(guān)注度的Moran’I值①論文采用空間鄰近作為權(quán)重，即相鄰（有接壤）為1，反之為0，故省份沒有包括港澳臺及海南。，結(jié)果見表1。

表1 全局自相關(guān)分析結(jié)果

由表1可知，2011年以來，丹霞山網(wǎng)絡(luò)關(guān)注度的 Moran’s I 值變化不大，較為穩(wěn)定且都大于 0，在0.05的顯著性水平下都通過顯著性檢驗(yàn)；說明2011年以來，丹霞山網(wǎng)絡(luò)關(guān)注度在空間分布上的自相關(guān)性（依賴性）特征非常明顯，即表現(xiàn)出網(wǎng)絡(luò)關(guān)注度高的省份和網(wǎng)絡(luò)關(guān)注度低的省份分別在地理空間上集聚且這種集聚狀態(tài)較為穩(wěn)定。

（二）丹霞山網(wǎng)絡(luò)關(guān)注度局域空間自相關(guān)分析

1.丹霞山網(wǎng)絡(luò)關(guān)注度散點(diǎn)圖分析

以散點(diǎn)圖的形式對變量Z（2011-2018年各省份對丹霞山網(wǎng)絡(luò)關(guān)注度的日平均值）及其空間滯后向量Wz之間的相互關(guān)系進(jìn)行描述，則形成Moran’s I散點(diǎn)圖，可將其分為4個(gè)象限，分別對應(yīng)4種空間差異類型（右上為HH象限：省份本身和周邊省份對丹霞山的網(wǎng)絡(luò)關(guān)注度都較高，相互間空間差異較??；左上為LH象限：省份本身對丹霞山的網(wǎng)絡(luò)關(guān)注度較低，周邊省份對丹霞山的網(wǎng)絡(luò)關(guān)注度較高，相互間空間差異較大；左下為LL象限：省份本身和周邊省份對丹霞山的網(wǎng)絡(luò)關(guān)注度都較低，相互間空間差異較??；右下為HL象限：省份本身對丹霞山的網(wǎng)絡(luò)關(guān)注度較高，周邊省份對丹霞山的網(wǎng)絡(luò)關(guān)注度較低，相互間空間差異較大；在空間自相關(guān)分析過程中，高（H）和低（L）是相對于網(wǎng)絡(luò)關(guān)注度的平均水平而言，“高高”和“低低”表明的是空間分布上具有較高的正相關(guān)，即區(qū)域具有集聚性和相似性特征；“高低”和“低高”則表示空間分布上存在較強(qiáng)的負(fù)相關(guān)，即區(qū)域有異質(zhì)性。見圖1①文只選取2012、2014、2016及2018四個(gè)年份的散點(diǎn)圖，其它年份類似。。

圖1 丹霞山網(wǎng)絡(luò)關(guān)注度散點(diǎn)

從圖1可知，對于丹霞山的網(wǎng)絡(luò)關(guān)注度，全國大部分省份位于散點(diǎn)圖中的HH、LL象限，說明丹霞山網(wǎng)絡(luò)關(guān)注度的空間分布存在較強(qiáng)的依賴性，與前面全局自相關(guān)分析的結(jié)論一致；但是從圖中也可看出HH象限的省份較少，一定程度上說明這種空間集聚或依賴性是處于低水平的，由于區(qū)域的特殊性，廣東省比較特殊，其對丹霞山的網(wǎng)絡(luò)關(guān)注度獨(dú)樹一幟（位于HH象限，遠(yuǎn)離坐標(biāo)中心）；另外，處于不同象限的省份2011年以來的變化不大，丹霞山網(wǎng)絡(luò)關(guān)注度的空間格局相對比較穩(wěn)定。

2.丹霞山網(wǎng)絡(luò)關(guān)注度局域統(tǒng)計(jì)量（LISA）分析

同樣利用GeoDa軟件計(jì)算出各省份對丹霞山網(wǎng)絡(luò)關(guān)注度的局域自相關(guān)系數(shù)，在0.05的顯著性水平下能通過檢驗(yàn)的省份空間分布見圖2（LISA聚集圖或稱為 Local Moran’s I顯著性水平圖），反映出各省份對丹霞山網(wǎng)絡(luò)關(guān)注度的局域象限分布是否顯著。圖2②圖1相對應(yīng)，只展示2012、2014、2016及2018四個(gè)年份的聚焦圖，其它年份類似。中標(biāo)識出對應(yīng)于Moran散點(diǎn)圖不同象限且 LISA顯著的相應(yīng)省份。

圖2 丹霞山網(wǎng)絡(luò)關(guān)注度LISA聚集

由圖2可知：丹霞山網(wǎng)絡(luò)關(guān)注度空間差異形成的空間集聚中心（熱點(diǎn)或冷點(diǎn)省份）變化不大，較為穩(wěn)定，與全局自相關(guān)分析基本一致。廣東、湖南、江西3省一直處于“凸”字型（HH）集聚中心，即熱點(diǎn)省份；“凹”字型（LL）集聚中心主要分布于西部地區(qū)的新疆、甘肅、青海及西藏4省區(qū)，即冷點(diǎn)省份；廣西壯族自治區(qū)一直處于“V”字型（LH）集聚中心，其自身對丹霞山的網(wǎng)絡(luò)關(guān)注度較低，而周邊省份對丹霞山的網(wǎng)絡(luò)關(guān)注度則較高；隨著時(shí)間推移，HL型即“A”字型集聚中心主要位于四川省，與廣西壯族自治區(qū)相反，其自身對丹霞山的網(wǎng)絡(luò)關(guān)注度較高，而周邊省份對丹霞山的網(wǎng)絡(luò)關(guān)注度則較低。

三、丹霞山網(wǎng)絡(luò)關(guān)注度影響因素分析

由前文分析可知，丹霞山網(wǎng)絡(luò)關(guān)注度的空間分布具有明顯的自相關(guān)特征，故利用基于地理加權(quán)的空間回歸方法來分析其影響因素更為合理。在已有研究基礎(chǔ)上，論文以各省份對丹霞山的網(wǎng)絡(luò)關(guān)注度為因變量，各省份經(jīng)濟(jì)發(fā)展水平（人均GDP）、網(wǎng)絡(luò)化水平（互聯(lián)網(wǎng)普及率）、人口規(guī)模（年末人口總數(shù)）及各省省會(huì)（首府）到丹霞山的空間距離為自變量，利用空間回歸分析方法對影響丹霞山網(wǎng)絡(luò)關(guān)注度的因素進(jìn)行分析。

根據(jù)前文SLM模型和SEM模型選擇的判別標(biāo)準(zhǔn)及各年度回歸分析結(jié)果，論文最終選定空間誤差模型（SEM）作為回歸分析模型，回歸分析結(jié)果詳見表2、表3。其中表2為普通回歸分析（OLS）與空間誤差回歸（SEM）分析的效果比較，表3為相關(guān)回歸系數(shù)比較。

表3 OLS回歸與SEM回歸系數(shù)比較

由表2、表3可知，空間誤差模型（SEM）的各項(xiàng)指標(biāo)都要優(yōu)于普通回歸分析（OLS），SEM模型各系數(shù)的顯著性水平也優(yōu)于OLS模型；說明受到地理事物空間依賴（自相關(guān)）特征的影響，在分析其空間分布及成因機(jī)制時(shí)，基于地理加權(quán)的空間回歸分析方法較普通最小二乘線性回歸分析，能更好地對因變量和自變量之間的關(guān)系進(jìn)行解釋，所得出的結(jié)論一定程度上與實(shí)際情況更加吻合。

另外，由表3空間誤差模型（SEM）回歸結(jié)果可知，影響旅游目的地（丹霞山）網(wǎng)絡(luò)關(guān)注度的因素主要為網(wǎng)絡(luò)化水平，其次是人口規(guī)模；而空間距離對網(wǎng)絡(luò)關(guān)注度的影響不明顯，與已有研究不一致，應(yīng)該是研究方法不同所導(dǎo)致；同時(shí)，隨著互聯(lián)網(wǎng)的普及及移動(dòng)網(wǎng)絡(luò)水平的不斷提高，空間距離對網(wǎng)絡(luò)關(guān)注度的影響越來越小，網(wǎng)絡(luò)關(guān)注度可能更多的是受認(rèn)知距離、時(shí)間距離、成本距離等的影響。

2016年，在SEM模型中，網(wǎng)絡(luò)化水平（互聯(lián)網(wǎng)普及率）提高1個(gè)百分點(diǎn)，網(wǎng)絡(luò)關(guān)注度相應(yīng)提高10.357 9個(gè)百分點(diǎn)，較普通最小二乘線性（OLS）回歸分析的結(jié)果（8.239 0個(gè)百分點(diǎn)）更能促進(jìn)網(wǎng)絡(luò)關(guān)注度的提高；人口規(guī)模提高1個(gè)百分點(diǎn)，網(wǎng)絡(luò)關(guān)注度相應(yīng)提高0.047個(gè)百分點(diǎn)，較普通最小二乘線性（OLS）回歸分析的結(jié)果（0.041個(gè)百分點(diǎn)）更能促進(jìn)網(wǎng)絡(luò)關(guān)注度的提高，但差異不大；2014年類似。

四、結(jié)論與討論

論文在已有研究基礎(chǔ)上，基于百度指數(shù)數(shù)據(jù)，利用空間自相關(guān)及空間回歸分析方法探討了丹霞山網(wǎng)絡(luò)關(guān)注度的時(shí)空演化特征及影響因素，研究發(fā)現(xiàn)空間誤差模型回歸效果要優(yōu)于普通最小二乘線性回歸模型，2011年來丹霞山網(wǎng)絡(luò)關(guān)注度的空間分布呈現(xiàn)出明顯的集聚性（依賴性）特征，受網(wǎng)絡(luò)化發(fā)展水平、人口規(guī)模、空間距離等因素的影響和制約；廣東、江西、湖南3省成為顯著的高值集聚中心，新疆、青海、甘肅、西藏等省區(qū)則為顯著的低值集聚中心；由于研究方法考慮了地理事物空間分布的依賴性或自相關(guān)特征，論文得出的結(jié)論可能更符合實(shí)際情況。同時(shí)，論文還存在一些不足之處，如空間權(quán)重的設(shè)定僅以是否相鄰為標(biāo)準(zhǔn)，網(wǎng)絡(luò)關(guān)注度影響因素指標(biāo)選取較為簡單等，空間權(quán)重的設(shè)定、影響因素指標(biāo)的選取等有待進(jìn)一步深入研究。