基于地理標(biāo)記照片的桂林入境游客時空分布特征及其影響因素

彭安近，吳忠軍

(桂林理工大學(xué)旅游與風(fēng)景園林學(xué)院，廣西桂林 541006)

0 引言

隨著公眾生活水平的提高和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，通過網(wǎng)絡(luò)社區(qū)(Flickr、Twitter、Panoramio、微博、馬蜂窩)分享和儲存旅行照片成為公眾習(xí)以為常的事.新世紀(jì)以來，全球定位系統(tǒng)(北斗、GPS、GLONASS、GALILEO)的不斷完善和廣泛應(yīng)用，使得個人照片能與地理信息聯(lián)系起來[1].網(wǎng)絡(luò)社區(qū)平臺擁有的照片信息也越來越豐富，以地理標(biāo)記照片內(nèi)含的用戶id、照片id、拍攝時間、上傳時間、拍攝設(shè)備、經(jīng)緯度等信息作為研究對象，突破在以往游客時空行為研究中難以獲得個體游客時空行為數(shù)據(jù)的重要瓶頸[2]，已經(jīng)被國內(nèi)外學(xué)者廣泛用于游客時空分布[3-5]、移動軌跡[6-7]、旅游熱點區(qū)域[8-9]等方面研究中，地理標(biāo)記照片還用于實際游客數(shù)量預(yù)測[10]和旅游需求規(guī)模評估[11].除此之外，借助計算機視覺技術(shù)[12-15]分析照片內(nèi)容逐漸成為當(dāng)下地理標(biāo)記照片研究的趨勢與方向.

由于地理標(biāo)記照片的數(shù)量與上傳人數(shù)并不是真實到訪旅游目的地的游客數(shù)量，并不能真實反映旅游目的地實際接待情況，只有少量學(xué)者基于地理標(biāo)記照片研究目的地游客時空分布的影響因素及形成機制，分析不同的物理因素和社會文化因素對游客時空分布的影響[16].但是，已有學(xué)者通過使用網(wǎng)絡(luò)社區(qū)平臺如Instagram、Twitter和Flickr等數(shù)據(jù)發(fā)現(xiàn)其與官方統(tǒng)計數(shù)據(jù)之間存在重要的相關(guān)性[17-19]，并將其作為研究游客時空分布特征影響因素的重要因變量，進行回歸分析，為目的地規(guī)劃與管理出謀劃策.

利用地理標(biāo)記照片對游客時空分布及其影響因素研究，有利于充分掌握游客對旅游目的地偏好，對旅游目的地城市規(guī)劃與管理、景區(qū)開發(fā)、旅游線路設(shè)計具有重要的指導(dǎo)意義.本文以地理標(biāo)記照片作為元數(shù)據(jù)，運用ArcGIS空間分析技術(shù)和多元回歸分析方法對桂林市入境游客時空分布特征及其影響因素進行研究，對桂林市入境游客的時空分布特征進行解釋，為鞏固和開拓桂林市入境旅游市場，促進各縣區(qū)入境旅游發(fā)展提供建議.

1 研究區(qū)域、數(shù)據(jù)來源及研究方法

1.1 研究區(qū)域概況

桂林市位于我國廣西壯族自治區(qū)東北部，地處東經(jīng)109°36′50″～111°29′30″，北緯24°15′23″～26°23′30″，境域南北長236 km、東西寬189 km.總面積27 809 km2，轄6區(qū)1市10縣，2019年末戶籍總?cè)丝?40.60萬人，地區(qū)生產(chǎn)總值2 105.56億元，全年實現(xiàn)旅游總消費1 874.25億元.

桂林自古享有“山水甲天下”的美譽，以“山清、水秀、洞奇、石美”著稱.新中國成立后，桂林市經(jīng)濟社會發(fā)展較快，特別是旅游業(yè)走在了全國同類城市前列.1973年，桂林正式對外開放旅游，成為中國首批對外開放的旅游城市之一.桂林文化旅游資源豐富，截止2019年底，全市擁有74個國家A級旅游景區(qū)，其中國家5A級旅游景區(qū)4個、國家4A級旅游景區(qū)37個、國家3A旅游景區(qū)31個.入境旅游市場活躍，2019年，桂林接待入境過夜游客人數(shù)314.59萬人次，占全自治區(qū)入境過夜游客人數(shù)50.42%，實現(xiàn)國際旅游外匯收入206 235.83萬美元，占全自治區(qū)國際旅游外匯收入58.92%.因此，選擇桂林市作為案例地具有很好的代表性和典型性.

1.2 數(shù)據(jù)來源與處理

Flickr是一個提供圖片和視頻托管的網(wǎng)站，由Ludicorp公司于2004年開發(fā)設(shè)計，是Web2.0的最佳利用例子之一.其特點為私人照片授權(quán)與標(biāo)簽分類，圖片上傳者可自己定義該照片的關(guān)鍵字，也就是“標(biāo)簽(Tags)”，搜索者就可很快的找到想要的照片，例如指定拍攝地點或照片的主題，同時Flickr也會挑選出最受歡迎的標(biāo)簽名單，以此縮短搜索照片的時間.

文章考慮到我國入境游客的特殊性，以中文“桂林”和英文“Guilin”標(biāo)簽，借助Python程序語言在2020年10月11日通過Flickr官方對外提供的在線地理標(biāo)記接口(www.flickr.com/services/api)，獲取到桂林2012年1月1日—2019年12月31日的照片共55 337張.對采集到的數(shù)據(jù)進行整理，主要進行了以下兩項工作：(1)刪除元數(shù)據(jù)中未含有經(jīng)緯度信息的照片；(2)剔除同一用戶id具有相同拍攝時間和相同經(jīng)緯度的多張照片.最后保留了506位入境游客的8 031張地理標(biāo)記照片作文本文的研究數(shù)據(jù).將獲得的文本數(shù)據(jù)導(dǎo)入到ArcGIS10.2中，生成可視化桂林市入境游客地理標(biāo)記照片空間分布圖1，作為本文研究的基礎(chǔ)數(shù)據(jù)庫.

圖1 桂林市入境游客地理標(biāo)記照片空間位置

2 結(jié)果分析

通過地理標(biāo)記照片拍攝時間按月份進行整理，發(fā)現(xiàn)桂林市入境游客的出游時間主要集中在3～6月和8～11月，這8個月入境游客占全年入境游客數(shù)量的84.78%，地理標(biāo)記照片數(shù)量占全年拍攝數(shù)量的89.86%.7月、12月到次年2月是桂林入境旅游淡季，入境游客僅占全年入境游客的15.22%，地理標(biāo)記照片數(shù)量僅占全年拍攝數(shù)量的10.14%.下一步使用ArcGIS核密度分析和空間熱點分析技術(shù)分析不同季節(jié)、年際地理標(biāo)記照片分布特征如下.

依據(jù)季節(jié)劃分，其中春季為3-5月，夏季為6-8月，秋季為9-11月，冬季為12月到次年2月，見圖2，季節(jié)核密度存在顯著空間分異.首先從四個季節(jié)來看，桂林市地理標(biāo)記照片集聚區(qū)主要分布在從桂林市中心至陽朔縣城的漓江和桂林市西北部的龍脊梯田景區(qū)；地理標(biāo)記照片分布的高密度區(qū)主要集中在以秀峰區(qū)、疊彩區(qū)、七星區(qū)和象山區(qū)構(gòu)成的桂林市中心一帶，以桃花江和漓江交匯處的兩江四湖·象山景區(qū)和獨秀峰·王城景區(qū)為高密度集聚景區(qū).在春季，地理標(biāo)記照片在陽朔縣城北部的興坪古鎮(zhèn)形成較高密度集聚區(qū)，并在興坪古鎮(zhèn)沿漓江往上游段形成大面積、長距離的帶狀集聚區(qū).夏季、秋季和冬季的地理標(biāo)記照片分布的集聚區(qū)基本一致，以桂林市市中心一帶為高密度區(qū)，陽朔縣城為較高密度區(qū)，其他主要集聚區(qū)分布在龍脊梯田景區(qū)和興坪古鎮(zhèn).除此以外，夏季、秋季和冬季這三個季節(jié)，漓江桂林市中心至陽朔段的地理標(biāo)記照片集聚區(qū)呈現(xiàn)塊狀分布，其并未形成連續(xù)的帶狀分布.

圖2 桂林市季節(jié)地理標(biāo)記照片核密度分布

從不同年際來看，如圖3所示.2012-2013年和2014-2015年，這兩個時間段地理標(biāo)記照片集中區(qū)較為相似，高密度集中在桂林市區(qū)和陽朔縣城；2016-2017年，地理標(biāo)記照片高密度集中區(qū)在桂林市區(qū)和興坪古鎮(zhèn)；2018-2019年，只存在桂林市區(qū)一個高密度區(qū).通過圖3(e)和(f)可以看出，2012-2015年，地理標(biāo)記照片分布的高密度區(qū)主要集中在桂林市中心，較高密度區(qū)在陽朔縣城一帶，此外在龍脊梯田景區(qū)、陽朔興坪古鎮(zhèn)附近的漓江段形成了具有一定規(guī)模的地理標(biāo)記照片集聚區(qū)；2016-2019年，桂林市地理標(biāo)記照片分布的高密度區(qū)依舊是桂林市市中心一帶，較高密度區(qū)從2012-2015年的陽朔縣城轉(zhuǎn)移到興坪古鎮(zhèn)一帶，漓江從桂林市中心到陽朔段的地理標(biāo)記照片分布的集聚帶相較于2012-2015年進一步拉長，桂林市西北部的龍脊梯田景區(qū)依舊是地理標(biāo)記照片分布的集聚區(qū).

圖3 桂林市歷年地理標(biāo)記照片核密度分布

根據(jù)圖4可以看出，2012年入境游客到訪量最大的縣區(qū)是陽朔縣，成為桂林入境游客空間分布的熱點區(qū)，入境游客在陽朔縣主要集中在陽朔縣城、興坪古鎮(zhèn)和九馬畫山景區(qū)；在象山區(qū)和秀峰區(qū)形成了次熱點區(qū)，入境游客主要游覽兩江四湖·象山景區(qū)、王城·獨秀峰景區(qū)和蘆笛巖景區(qū).2015年入境游客在空間分布上的熱點主要集中在桂林市陽朔縣和象山區(qū)，入境游客主要游覽景點與2012年相似.陽朔縣的入境游客主要集中在縣城、興坪古鎮(zhèn)及其沿漓江往上至靈川大圩古鎮(zhèn)河段，象山區(qū)入境游客主要集中游覽兩江四湖·象山景區(qū)；2015年的次熱點區(qū)是秀峰區(qū)和龍勝各族自治縣，秀峰區(qū)入境游客訪問量較大的景區(qū)是王城·獨秀峰景區(qū)、兩江四湖·象山景區(qū)和蘆笛巖景區(qū)，龍勝各族自治縣的入境游客集中在龍脊梯田景區(qū).入境游客在2019年空間分布上的熱點區(qū)是陽朔縣，入境游客依舊主要集中縣城附近，在象山區(qū)和秀峰區(qū)形成次熱點區(qū)，入境游客依舊集中在兩江四湖·象山景區(qū)、王城·獨秀峰和蘆笛巖景區(qū).如圖5d所示，2012-2019年桂林市入境游客空間分布的熱點區(qū)是陽朔縣和象山區(qū)，次熱點區(qū)是秀峰區(qū)和龍勝各族自治縣，與2012年、2015年和2019年不同年份入境游客空間分布熱點基本相似，游覽的主要景區(qū)也高度一致.

圖4 桂林市不同年份游客熱點分布

通過核密度分析和空間熱點分析，可以看出在不同年際和季節(jié)，桂林市入境游客地理標(biāo)記照片和游客數(shù)量在空間分布上變化較小，差異不大.入境游客主要集中在漓江從桂林市中心至陽朔縣城段和龍勝各族自治縣的西南部，游覽景區(qū)(點)主要是位于漓江兩岸的兩江四湖·象山景區(qū)、興坪古鎮(zhèn)、陽朔縣城和龍脊梯田景區(qū)；從桂林市入境游客及其地理標(biāo)記照片在各縣區(qū)分布角度來看，入境游客在桂林市各縣區(qū)空間分異較大，主要集中分布在陽朔縣、象山區(qū)、秀峰區(qū)和龍勝各族自治縣，在空間分布上屬于熱點區(qū)和次熱點區(qū).疊彩區(qū)、七星區(qū)、臨桂區(qū)、雁山區(qū)、靈川縣、興安縣、荔浦市、平樂縣、永?？h、資源縣、全州縣、灌陽縣和恭城瑤族自治縣等縣區(qū)入境游客相對較少，在空間分布上主要屬于一般區(qū)、次冷點區(qū)和冷點區(qū).在這13個縣區(qū)中，地理標(biāo)記照片在興安縣、荔浦市、平樂縣、永?？h、資源縣、全州縣、灌陽縣和恭城瑤族自治縣等8個縣未形成核密度集聚區(qū).

3 影響因素分析

3.1 計量模型設(shè)定

為了進一步分析桂林市入境游客時空分布差異的影響因素，參照國內(nèi)學(xué)者對入境游客時間分布影響因素的研究[20-21]，從社會經(jīng)濟特征、旅游資源稟賦、縣區(qū)的可達(dá)性和空間位置等方面分析其對地理標(biāo)記照片時空分布的影響，因此建立了以下模型：

Pit=α+β1Arei+β2Degi+β3Proit+β4Leadi+β5Railit+β6Pgdpit+β7Rateit+β8Capit+β9Disi+εit

上式中，Pit表示不同年份桂林市各縣區(qū)入境游客地理標(biāo)記照片數(shù)量；Arei為行政區(qū)劃面積；Degi為行政等級，按照區(qū)、市、自治縣、縣分別用“4”、“3”、“2”、“1”表示，其中資源縣于1995年開始享受民族自治縣待遇，用“2”表示；Proit為旅游資源稟賦，用不同年份各縣區(qū)3A級及以上景區(qū)占全市同級景區(qū)的比例來表示，比例越高，旅游資源質(zhì)量就越好；Leadi為縣區(qū)是否存在外國領(lǐng)導(dǎo)人到訪的景區(qū)(點)，用“0“和”1”表示，“1”表示有，“0”表示沒有，以此來研究外國領(lǐng)導(dǎo)人在桂林入境旅游市場中是否具有名人效應(yīng)；Railit為交通發(fā)展水平，以量化不同縣區(qū)的可達(dá)性，本文選擇是否有客運火車站來代替，用“1”或“0”分別表示“有”或“沒有”，其中象山區(qū)、七星區(qū)、秀峰區(qū)和疊彩區(qū)為傳統(tǒng)市中心，存在使用同一火車站情況，均以“1”表示；Pgdpit為人均地區(qū)生產(chǎn)總值；Rateit為第三產(chǎn)業(yè)增加值比例；Capit為實際使用外資金額；Disi為縣區(qū)空間位置，以各縣區(qū)到桂林市中心的距離來表示.

計量模型中物理和經(jīng)濟解釋變量的數(shù)據(jù)來源于2013-2019年各縣區(qū)年鑒、桂林年鑒和2020各縣區(qū)政府工作報告.本文樣本包括桂林17個區(qū)、市、自治縣和縣，研究時間序列均從2012-2019年，可以看出研究數(shù)據(jù)樣本是一個平衡面板數(shù)據(jù)，模型的估計和假設(shè)檢驗使用STATA15.1完成.在回歸之前，首先計算了每個預(yù)測變量的方差膨脹因子(VIF)和VIF均值，以測試預(yù)測變量之間的多重共線性，當(dāng)VIF值大于10時，回歸存在有害的多重共線性.從表1的VIF可以看出，所有變量的VIF值都在臨界值10之下，不再存在有害的多重共線性.

表1 多重共線性檢驗結(jié)果

3.2 實證結(jié)果及分析

在面板數(shù)據(jù)估計模型的假設(shè)檢驗中，F(xiàn)檢驗(Prob >F=0.0000)拒絕了零假設(shè)，表明固定效應(yīng)模型更加有效；LM檢驗(Prob>chibar2=0.003 3)同樣拒絕零假設(shè)，表明隨機效應(yīng)模型更加有效；下一步需要在固定效應(yīng)模型和隨機效應(yīng)模型中進行選擇，由于本文構(gòu)建的模型中含有行政區(qū)劃面積、是否有外國領(lǐng)導(dǎo)人游覽的景區(qū)(點)、縣區(qū)空間位置等不隨時間變化變量，固定效應(yīng)回歸時這些變量將被忽略，對模型的估計產(chǎn)生重要影響.同時Hausman檢驗(Prob>chi2 = 0.504 5)的結(jié)果也表明選擇隨機效應(yīng)模型比固定效應(yīng)模型更好.所以本文最終采用隨機效應(yīng)模型進行回歸估計，回歸結(jié)果如表2所示.

根據(jù)表2回歸結(jié)果可以發(fā)現(xiàn)，采用聚類穩(wěn)健標(biāo)準(zhǔn)誤的最小二乘法估計(OLS_V)、隨機效應(yīng)模型估計(FE)、可行廣義最小二乘法估計(FGLS)和極大似然估計(MLE)四種估計方法的結(jié)果基本一致，說明該模型具有很好的穩(wěn)健性.該模型總體R^2在0.472以上，說明模型擬合效果相對較好.旅游資源稟賦(Proit)和國外領(lǐng)導(dǎo)人訪問(Leadi)均在全部四種估計方法中具有統(tǒng)計顯著性，其余變量在統(tǒng)計上都不具有顯著性.

考慮到面板數(shù)據(jù)可能存在異方差和序列相關(guān)問題，利用可行的廣義最小二乘法(FGLS)進行估計可以極大限度地利用面板數(shù)據(jù)的優(yōu)點，盡量減少估計誤差.因此，后續(xù)主要依據(jù)可行廣義最小二乘法估計來分析桂林入境游客地理標(biāo)記照片的影響因素.表2回歸結(jié)果顯示，旅游資源稟賦對地理標(biāo)記照片時空分布具有顯著正向影響.在其他因素保持不變的前提下，旅游資源稟賦每提高1%，入境游客將會增加1 025.43%，可見旅游資源是旅游發(fā)展最重要的前提條件和基礎(chǔ)，表明旅游資源質(zhì)量越好，對入境游客的吸引力越足；存在外國領(lǐng)導(dǎo)人游覽景區(qū)的縣區(qū)對地理標(biāo)記照片時空分布同樣具有顯著正向影響，在一定程度上說明外國領(lǐng)導(dǎo)人因其特殊政治身份所具有的名人效應(yīng)對桂林市入境發(fā)展起著十分重要的作用.雖然與旅游資源稟賦這一重要因素相比，其正向促進作用相對較小，但是其作用不應(yīng)該被忽視，是桂林進行海外營銷推廣、吸引入境游客的中堅力量.縣區(qū)行政等級、第三產(chǎn)業(yè)增加值比例、行政區(qū)劃面積、縣區(qū)位置、人均地區(qū)生產(chǎn)總值、交通發(fā)展水平和實際利用外資總額等7個變量在四種估計方法中均未通過顯著性檢驗，表明桂林各縣區(qū)地理及社會經(jīng)濟特征對入境游客地理標(biāo)記照片的空間分布沒有顯著影響，不是影響入境游客前往游覽的影響因素.

表2 回歸結(jié)果

4 結(jié)論和對策

4.1 結(jié)論

文章通過使用來自網(wǎng)絡(luò)社區(qū)Flickr分享的帶有地理標(biāo)記的照片來量化和比較桂林市不同縣區(qū)的入境游客數(shù)量.運用ArcGIS核密度分析和空間熱點分析技術(shù)研究了桂林市入境游客時空分布差異，進一步分析了入境游客時空分布差異的影響因素.這項研究的結(jié)果很好解釋了入境游客在桂林行政區(qū)劃范圍內(nèi)旅行偏好及其形成的原因.

從不同年際和季節(jié)來看，桂林市入境游客主要游覽的縣區(qū)以及景區(qū)(點)變化不大.入境游客主要集中在桂林市中心至陽朔縣城的漓江段和龍勝各族自治縣的東南角.陽朔縣城、興坪古鎮(zhèn)、兩江四湖·象山景區(qū)、蘆笛巖和龍脊梯田景區(qū)是入境游客主要集聚景區(qū)(點)；從入境游客熱點分布情況來看，入境游客喜歡前往陽朔縣、象山區(qū)、秀峰區(qū)和龍勝各族自治縣旅行，前往其他區(qū)縣旅游的入境游客較少.

從空間分布影響因素來看，有兩個因素可以解釋桂林市各縣區(qū)入境游客時空分異很大的現(xiàn)象.旅游資源稟賦與地理標(biāo)記照片數(shù)量呈顯著正相關(guān)，即在該研究中縣區(qū)的3A級及以上景區(qū)占全市同級景區(qū)比例越高，入境游客更加愿意前往旅游，優(yōu)越的旅游資源稟賦條件對入境游客直接產(chǎn)生吸引作用，因此對旅游目的地而言，合理利用現(xiàn)有旅游資源進行開發(fā)，打造高標(biāo)準(zhǔn)、高質(zhì)量的旅游景區(qū)(點)是吸引入境游客前往旅游的基礎(chǔ)；同時有外國領(lǐng)導(dǎo)人前往游覽的縣區(qū)會有更多入境游客前往游覽參觀，說明政治名人效應(yīng)在桂林入境旅游中發(fā)揮著不小的作用，對于目的地城市而言，合理借助外國領(lǐng)導(dǎo)人來訪事件進行宣傳營銷，以增加目的地城市的關(guān)注度，不失為一種有效的營銷手段.

4.2 對策

4.2.1 利用多途徑恢復(fù)入境旅游市場 疫情導(dǎo)致桂林入境旅游受到嚴(yán)重沖擊，桂林要在后疫情時代實現(xiàn)入境旅游市場快速恢復(fù)，繼續(xù)提升旅游國際化水平，需要繼續(xù)推行和實施桂林國際旅游勝地建設(shè)的成功經(jīng)驗.持續(xù)打造國際旅游會展品牌，組織參加境外國際旅游展會；繼續(xù)鞏固提升傳統(tǒng)客源市場，積極開拓新興客源市場；增強與國際友好城市的往來與合作，積極締結(jié)新的國際友好城市，促進政府間官員往來交流，充分發(fā)揮政治名人效應(yīng)，借此吸引更多入境游客前往桂林開展旅游活動.

4.2.2 合理定位各縣區(qū)旅游發(fā)展方向 桂林市部分縣區(qū)旅游發(fā)展趨于同質(zhì)化的現(xiàn)象較為嚴(yán)重，部分縣區(qū)依舊停留在以傳統(tǒng)觀光旅游為主的階段，各縣區(qū)資源資源優(yōu)勢未能充分體現(xiàn).為促進入境旅游市場均衡發(fā)展和轉(zhuǎn)型升級，桂林市應(yīng)積極統(tǒng)籌各縣區(qū)資源優(yōu)勢，合理定位各縣區(qū)旅游發(fā)展方向，統(tǒng)籌各區(qū)縣文化旅游資源，積極將各縣區(qū)旅游發(fā)展納入桂林國際旅游勝地升級版建設(shè)藍(lán)圖，實現(xiàn)“一地一品”的旅游發(fā)展格局.以此構(gòu)建多元化旅游體系，提升入境旅游品質(zhì)，全面推進入境旅游發(fā)展新格局.

5 局限性和未來研究

本文以桂林市為例，使用來自網(wǎng)絡(luò)社區(qū)的地理標(biāo)記照片作為衡量各縣區(qū)入境游客偏好的替代指標(biāo).與耗時耗力的調(diào)查相比，這種方法更節(jié)省時間，并能提供良好的空間覆蓋.但是，這種方法也有其局限性.因為無法準(zhǔn)確獲得每年各縣區(qū)的入境游客數(shù)量，所以無法測算地理標(biāo)記照片數(shù)據(jù)和真實入境游客數(shù)量之間是否存在良好的相關(guān)性.同時，F(xiàn)lickr用戶可能不能代表研究區(qū)域內(nèi)的入境游客的整體情況，F(xiàn)lickr用戶的人口特征，如年齡、性別、收入和教育水平，可能不同于整個社會的人口結(jié)構(gòu)情況.因此，基于入境游客地理標(biāo)記照片的桂林市各縣區(qū)旅游偏好情況分析可能無法反映總體情況.最后，構(gòu)建用于計量桂林市各縣區(qū)地理標(biāo)記照片時空分布差異影響因素的計量模型解釋了47.2%的變異情況，表明還存在其他的因素影響各縣區(qū)入境游客地理標(biāo)記照片的分布情況，如入境游客的社會人口特征和社會經(jīng)濟狀況等因素，可能出于隱私安全等因素的考量，這些數(shù)據(jù)在網(wǎng)絡(luò)社區(qū)上是無法獲取的.未來研究若是能收集到桂林市各縣區(qū)入境游客的抽樣調(diào)查數(shù)據(jù)，研究的說服力可能更加充分，模型總體的解釋情況可能將更加有效.