網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的空間效應(yīng)
——基于中國省域空間面板計量模型的研究

李嘯虎，施諶諶，王立明，李金葉

(1.新疆財經(jīng)大學(xué) 旅游學(xué)院,新疆 烏魯木齊 830012；2.新疆大學(xué) 理論經(jīng)濟(jì)學(xué)博士后流動站,新疆 烏魯木齊 834406；3.新疆大學(xué) 經(jīng)濟(jì)與管理學(xué)院,新疆 烏魯木齊 834406)

在全球化和信息化時代，互聯(lián)網(wǎng)已成為主要的信息傳播渠道和載體.同時，隨著“互聯(lián)網(wǎng)+旅游”的深度融合，旅游信息的產(chǎn)生、傳播與互聯(lián)網(wǎng)的聯(lián)系日漸緊密[1].越來越多的旅游企業(yè)和旅游目的地開始重視利用互聯(lián)網(wǎng)信息技術(shù)開展旅游網(wǎng)絡(luò)營銷、旅游產(chǎn)品網(wǎng)絡(luò)預(yù)訂以及其他在線旅游服務(wù)[2].在這股互聯(lián)網(wǎng)浪潮下，大量網(wǎng)絡(luò)旅游信息的快速傳播不僅深刻影響著旅游者的行為意向和決策，而且還顯著地促進(jìn)了線下旅游流在地理空間上的網(wǎng)絡(luò)化擴(kuò)散[3].正是由于互聯(lián)網(wǎng)上旅游信息傳播對線下旅游流的分布產(chǎn)生了重要影響，從而引發(fā)了學(xué)術(shù)界關(guān)于網(wǎng)絡(luò)旅游信息流對旅游流影響方面的研究.

通過對相關(guān)研究進(jìn)行梳理，目前網(wǎng)絡(luò)旅游信息流研究主要集中在以下3個方面：① 旅游者的網(wǎng)絡(luò)旅游信息搜索方面.Vogt等[4]指出游客搜索網(wǎng)絡(luò)旅游信息的動機(jī)不僅包括出游對相關(guān)信息的需求，還有好奇和休閑的原因.Choi等[5]進(jìn)一步指出旅游者在旅行的不同階段搜索網(wǎng)絡(luò)旅游信息的內(nèi)容存在明顯差異.Kim等[6]研究發(fā)現(xiàn)女性的在線旅游信息搜索頻率比男性更高.胡興報等[7]、王兆峰等[8]在相關(guān)研究基礎(chǔ)上，對國內(nèi)旅游者網(wǎng)絡(luò)旅游信息搜索的動機(jī)、內(nèi)容、偏好及其對出游決策的影響進(jìn)行了理論分析和實證研究.② 網(wǎng)絡(luò)旅游信息對旅游者的行為意向影響方面.Allard等[9]指出旅游網(wǎng)站提供的旅游信息服務(wù)質(zhì)量對游客的出游意愿和產(chǎn)品購買具有重要影響.Maria[10]研究發(fā)現(xiàn)旅游網(wǎng)站的增值服務(wù)能提升游客對旅游產(chǎn)品的忠誠度，并能促進(jìn)后續(xù)購買行為.Hu[11]指出由于網(wǎng)絡(luò)旅游信息的豐富性及產(chǎn)品購買的便捷性，越來越多的游客傾向于在線上進(jìn)行旅游線路選擇和產(chǎn)品購買.另外，一些學(xué)者還通過實驗研究法檢驗了網(wǎng)絡(luò)旅游負(fù)面信息對游客態(tài)度及旅游目的地形象的影響[12-13].上述研究成果對網(wǎng)絡(luò)旅游信息流與旅游流的后續(xù)相關(guān)研究奠定了堅實的基礎(chǔ).③ 網(wǎng)絡(luò)旅游信息流與旅游流關(guān)系問題方面.Skadberg等[14]通過建立結(jié)構(gòu)方程模型驗證了網(wǎng)絡(luò)旅游信息傳播能增進(jìn)潛在游客對旅游目的地的感知與認(rèn)識，激發(fā)其前往目的地旅游的動機(jī)，從而能夠?qū)бF(xiàn)實旅游流的線下移動.Davidson等[15]則從西方游客的視角對以臺灣為旅游目的地的36個知名旅游網(wǎng)站的內(nèi)容進(jìn)行了研究，指出網(wǎng)站旅游信息流具有導(dǎo)引人群旅游的潛力.Romanazzi等[16]對意大利阿普利亞地區(qū)門戶旅游網(wǎng)站的研究則表明，網(wǎng)站的功能性越強(qiáng)、用戶滿意度越高，其對潛在旅游者的影響和導(dǎo)引作用也就越大.另外，Hoepken等[17]基于谷歌搜索指數(shù)建立了旅游流預(yù)測模型，并以瑞典奧雷地區(qū)為例進(jìn)行了研究，結(jié)果顯示模型能有效預(yù)測中、短期的旅游流規(guī)模及分布，為旅游目的地的管理與網(wǎng)絡(luò)營銷提供了參考.在國內(nèi)，路紫等[18]較早關(guān)注到該問題，在對澳大利亞旅游網(wǎng)站的研究中分析了網(wǎng)絡(luò)旅游信息流對旅游流的導(dǎo)引過程和機(jī)理，并對導(dǎo)引強(qiáng)度進(jìn)行了量化分析.馮娜等[19]在對美、加旅游網(wǎng)站外向在線旅游信息指數(shù)測度基礎(chǔ)上建立了信息流與旅游流的耦合模型，并據(jù)此對國內(nèi)主要城市的外向網(wǎng)絡(luò)旅游信息流與入境旅游流的耦合關(guān)系進(jìn)行了探究.龍茂興等[20]利用百度指數(shù)測度了四川省網(wǎng)絡(luò)旅游關(guān)注度，研究發(fā)現(xiàn)區(qū)域網(wǎng)絡(luò)旅游關(guān)注度與實際旅游流具有高度的相關(guān)性，并且網(wǎng)絡(luò)旅游關(guān)注度的波動較實際旅游流的變化更具超前性.黃先開等[21]以北京故宮為例的研究則表明，在預(yù)測模型中加入百度指數(shù)所代表的網(wǎng)絡(luò)旅游信息能更準(zhǔn)確的對景區(qū)旅游流進(jìn)行實時預(yù)測預(yù)警，這對景區(qū)管理部門的科學(xué)決策具有重要參考.此外，還有學(xué)者以景區(qū)危機(jī)事件為例，在利用百度指數(shù)測度網(wǎng)絡(luò)旅游危機(jī)信息流基礎(chǔ)上研究揭示了危機(jī)信息流的擴(kuò)散特征及對潛在旅游流的影響[22].

綜上所述，隨著國內(nèi)外學(xué)者對網(wǎng)絡(luò)旅游信息流相關(guān)研究的不斷深入，使得網(wǎng)絡(luò)旅游信息流與旅游流的互動關(guān)系問題成為一個研究焦點，并取得了一定的研究成果.但多數(shù)研究仍以歸納總結(jié)和耦合計算為主，缺少對二者的互動關(guān)系進(jìn)行深入的系統(tǒng)性研究；即使在少數(shù)計量模型建模研究中也都未考慮互聯(lián)網(wǎng)信息技術(shù)帶來的“時空壓縮”，忽視了網(wǎng)絡(luò)旅游信息流、旅游流自身存在的空間相關(guān)性和依賴性，鮮有學(xué)者從空間關(guān)聯(lián)視角進(jìn)行網(wǎng)絡(luò)旅游信息流對旅游流影響的空間效應(yīng)研究.鑒于此，文中從信息地理和旅游地理學(xué)的角度出發(fā)，以中國大陸地區(qū)31個省域為研究對象，綜合運(yùn)用空間自相關(guān)檢驗、空間面板計量模型及其效應(yīng)分解等方法，對2012—2017年網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流的空間關(guān)聯(lián)特征進(jìn)行探究，并進(jìn)一步分析網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流的直接影響及空間溢出效應(yīng).研究豐富了網(wǎng)絡(luò)旅游信息流對旅游流影響的相關(guān)研究，并就旅游業(yè)如何有效利用互聯(lián)網(wǎng)信息技術(shù)進(jìn)行旅游流的優(yōu)化導(dǎo)引，以及促進(jìn)區(qū)域間的旅游合作提供了借鑒指導(dǎo).

1 研究方法與數(shù)據(jù)來源

1.1 空間自相關(guān)性檢驗

空間自相關(guān)性檢驗可分為全局和局部檢驗兩種.其中，全局空間自相關(guān)檢驗可對研究區(qū)域中觀測指標(biāo)值的空間依賴性程度進(jìn)行測度，文中選擇Morans指數(shù)法進(jìn)行檢驗，計算公式為[23]21

(1)

空間局部自相關(guān)檢驗可對研究變量在局部區(qū)域間的空間關(guān)聯(lián)特征及其對于全局自相關(guān)的影響做進(jìn)一步探究.為更好地揭示網(wǎng)絡(luò)旅游信息流與旅游流兩要素間的局部空間關(guān)聯(lián)和依賴特征，文中選用Morans指數(shù)的雙變量局部空間自相關(guān)法進(jìn)行檢驗，計算公式為[23]21

(2)

其中,Ii為區(qū)域內(nèi)解釋變量與被解釋變量的關(guān)聯(lián)特征；Zi,Zj為觀測值的方差標(biāo)準(zhǔn)化.具體有高-高、低-低、高-低和低-高4種集聚類型，其中，高-高、低-低型集聚代表區(qū)域內(nèi)解釋變量與被解釋變量具有正相關(guān)的關(guān)系，另外2種集聚類型則表示區(qū)域內(nèi)解釋變量與被解釋變量具有負(fù)相關(guān)的關(guān)系.

1.2 空間計量模型

空間計量模型在傳統(tǒng)計量方法基礎(chǔ)上納入了地理空間關(guān)聯(lián)因素，能有效測度研究因空間自相關(guān)引起的區(qū)域溢出性問題.鑒于網(wǎng)絡(luò)旅游信息流及國內(nèi)旅游流可能具有空間自相關(guān)性，因此文中建構(gòu)合適的空間計量模型進(jìn)行分析.

根據(jù)空間依賴性存在形式的不同，空間面板數(shù)據(jù)模型可分為2類基本模型：空間滯后模型(SLM)和空間誤差模型(SEM)，其中，SLM研究鄰近地區(qū)的滯后項對本地區(qū)被解釋變量的影響，SEM則研究鄰近地區(qū)的誤差項對本地區(qū)被解釋變量的影響.

SEM為[24]592

(3)

SLM為[24]592

(4)

其中，Y,X為n×1的向量；W為空間權(quán)重矩陣；λ,ρ分別為空間誤差項和空間滯后項的回歸系數(shù)；I為自相關(guān)值；β為模型的待估參數(shù)；ε,μ為隨機(jī)擾動項.

空間計量模型中，網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的空間效應(yīng)除體現(xiàn)在直接效應(yīng)上，還體現(xiàn)在間接效應(yīng)(空間溢出效應(yīng))上.其中，溢出效應(yīng)會隨著地理距離的增大而減小，若用q表示以i區(qū)域為中心向外擴(kuò)展的圈層數(shù)，則空間溢出效應(yīng)可表示為[25]123

(5)

總效應(yīng)則為直接和間接效應(yīng)之和[25]123:

(6)

其中，βj為空間效應(yīng)分解中的模型待估參數(shù).通過計算，則可得出網(wǎng)絡(luò)旅游信息流等因變量對國內(nèi)旅游流影響的空間總效應(yīng)及其分解效應(yīng).

1.3 變量設(shè)定

文中的研究重點是從網(wǎng)絡(luò)旅游信息流的角度探究其對國內(nèi)旅游流影響的空間效應(yīng)，因此，選取國內(nèi)旅游流、網(wǎng)絡(luò)旅游信息流為被解釋變量與核心解釋變量，并在參考相關(guān)研究基礎(chǔ)上選擇將區(qū)域經(jīng)濟(jì)規(guī)模、旅游資源稟賦、旅游接待能力、交通可達(dá)性和信息化水平這5類指標(biāo)作為控制變量納入本研究的模型分析中.各變量具體如下：

1)被解釋變量(表1)為國內(nèi)旅游流(lnY).研究選取各省區(qū)國內(nèi)旅游人次來表征國內(nèi)旅游流.文中沒有包括對入境游客的研究，因為核心解釋變量網(wǎng)絡(luò)旅游信息流指標(biāo)基于百度指數(shù)所建構(gòu)，而百度又以國內(nèi)用戶為主，故對應(yīng)的被解釋變量旅游流中沒有包括入境游客.

2)核心解釋變量(表1)為網(wǎng)絡(luò)旅游信息流(lnX1).文中利用百度指數(shù)來搜集網(wǎng)絡(luò)旅游信息流數(shù)據(jù)，這也是為眾多學(xué)者所采用的方法[21,22-26].具體則參考李會琴等[26]的研究設(shè)計，利用百度指數(shù)對國內(nèi)各省域的5A級旅游景區(qū)進(jìn)行年度日均搜索量統(tǒng)計以建構(gòu)網(wǎng)絡(luò)旅游信息流指標(biāo).

3)控制變量(表1)：① 區(qū)域經(jīng)濟(jì)規(guī)模(lnX2).區(qū)域經(jīng)濟(jì)規(guī)模對旅游市場發(fā)展具有重要的支撐作用，可從旅游需求與供給兩端共同影響區(qū)域旅游流的增長，以地區(qū)國內(nèi)生產(chǎn)總值來表征區(qū)域經(jīng)濟(jì)規(guī)模[27].② 旅游資源稟賦(lnX3).游客的出游必然要考慮目的地的旅游資源條件，文中根據(jù)各地區(qū)的4A，5A級旅游景區(qū)數(shù)加權(quán)求和來表征該變量[28].③ 旅游接待能力(lnX4).旅游業(yè)是服務(wù)型產(chǎn)業(yè)，其接待能力反映了各地區(qū)能接待游客的規(guī)模大小，文中選擇省域星級飯店數(shù)與旅行社數(shù)之和來表征[29].④ 交通可達(dá)性(lnX5).交通條件是游客出游的重要保障，公路交通作為陸地交通運(yùn)輸?shù)闹黧w具有高度代表性，文中選擇各地區(qū)公路里程來表征交通發(fā)展水平[30].⑤ 信息化水平(lnX6).游客出游越來越依賴互聯(lián)網(wǎng)，這導(dǎo)致地區(qū)信息化水平直接影響游客的旅游體驗與重游意愿，文中選用郵電業(yè)務(wù)額來表征地區(qū)信息化水平[31].

表1 研究變量說明

1.4 數(shù)據(jù)說明

文中在實證研究過程中對所有指標(biāo)數(shù)據(jù)進(jìn)行了取對數(shù)處理，以消除異方差和減少數(shù)據(jù)波動性問題.研究中使用的權(quán)重矩陣W是基于鄰接關(guān)系中的“車”相鄰所建構(gòu)的0-1矩陣.此外，文中的原始數(shù)據(jù)除網(wǎng)絡(luò)旅游信息流指標(biāo)是利用百度指數(shù)搜集獲取外，其他數(shù)據(jù)主要來自2012—2017年《中國統(tǒng)計年鑒》《中國旅游統(tǒng)計年鑒》和各地區(qū)統(tǒng)計年鑒及統(tǒng)計公報等.

2 實證分析

2.1 空間相關(guān)性檢驗

在運(yùn)用空間計量模型進(jìn)行網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的空間效應(yīng)研究之前，需要驗證網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流是否存在空間上的自相關(guān)性.文中通過對網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流的Moran指數(shù)I進(jìn)行測算加以檢驗(表2).

表2表明，2012—2017年網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流的全域Moran指數(shù)都為正，且都通過了5%的顯著性水平檢驗，這表明網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流增長都具有較強(qiáng)的空間自相關(guān)性.具體分析來看，研究年份內(nèi)網(wǎng)絡(luò)旅游信息流的全域Moran指數(shù)呈現(xiàn)出波動上升的態(tài)勢，這顯示出區(qū)域間網(wǎng)絡(luò)旅游信息流的空間依賴和集聚性在不斷增強(qiáng)；2012—2017年國內(nèi)旅游流的全域Moran指數(shù)變化不大，但均通過了1%的顯著性水平檢驗，這表明各省域國內(nèi)旅游流增長一直保持著很強(qiáng)的空間依賴和集聚特性.

表2 網(wǎng)絡(luò)旅游信息流和國內(nèi)旅游流的全域Moran指數(shù)

全局空間自相關(guān)檢驗均等化了地區(qū)差異，無法細(xì)致反映變量間的局部關(guān)聯(lián)性特征，為進(jìn)一步研究揭示網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流2要素間的局部空間關(guān)聯(lián)特性，文中利用GeoDa軟件對2012年、2017年網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流進(jìn)行雙變量局部Moran指數(shù)散點圖分析(圖1).

從圖1可以看出，2012年，安徽、北京、福建、河北、河南、湖北、湖南、江蘇、江西、山東、山西、浙江等12個省域均處于第一象限(“高信息流-高旅游流”)；吉林、遼寧、黑龍江、內(nèi)蒙古、甘肅、寧夏、青海、新疆、西藏9省域均處于第三象限(“低信息流-低旅游流”)；重慶、貴州、海南、天津、廣東、廣西等6省域均處于第二象限(“低信息流-高旅游流”).2017年，四川、云南2省域處于第四象限(“高信息流-低旅游流”)；上海由第一象限轉(zhuǎn)移至第二象限，說明盡管其網(wǎng)絡(luò)熱度下降但線下游客流依然處在高位；陜西則由第四象限轉(zhuǎn)移至第一象限，即陜西網(wǎng)絡(luò)旅游信息傳播加強(qiáng)并對旅游流增長具有促進(jìn)作用.綜合分析來看，處于正空間自相關(guān)的省域數(shù)量占絕對優(yōu)勢，其中，東、中部省域為“高信息流-高旅游流”聚集區(qū)，“低信息流-低旅游流”則主要集聚在東北、西北地區(qū).由于網(wǎng)絡(luò)旅游信息流和國內(nèi)旅游流表現(xiàn)出這種較強(qiáng)的空間集聚態(tài)勢，因此需要建構(gòu)空間計量模型對其空間效應(yīng)進(jìn)行分析.

圖1 2012、2017年雙變量局部Moran散點圖

2.2 估計模型識別

空間自相關(guān)檢驗證實了網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流都存在較強(qiáng)的空間依賴性，據(jù)此采用空間計量模型對網(wǎng)絡(luò)旅游信息流的旅游流驅(qū)動效應(yīng)進(jìn)行實證分析.

為選擇合適的空間計量模型進(jìn)行研究，需要對模型的拉格朗日乘數(shù)(LM)及其穩(wěn)健形式(Robust LM)的統(tǒng)計量進(jìn)行檢驗，以確定模型中空間關(guān)聯(lián)的存在形式，進(jìn)而選擇相應(yīng)的計量模型.從表3的檢驗結(jié)果來看，SLM的LM,Robust LM統(tǒng)計量均在0.05水平上顯著，而SEM的LM,Robust LM統(tǒng)計量則均未通過顯著性水平檢驗，這說明在網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的空間計量模型中SLM優(yōu)于SEM.

進(jìn)一步，還需對空間面板滯后模型中的隨機(jī)效應(yīng)、固定效應(yīng)進(jìn)行檢驗選擇，模型估計得到Hausman檢驗值為3.79(P=0.705)，故應(yīng)選擇包含隨機(jī)效應(yīng)的空間面板滯后模型.實際上，文中的面板數(shù)據(jù)較短(T=6)，這可能導(dǎo)致不足以估算空間固定效應(yīng)，因此選擇隨機(jī)效應(yīng)的SLM更為合適[32].

2.3 計量模型參數(shù)估計

據(jù)模型識別結(jié)果，文中綜合運(yùn)用31個省域2012—2017年的面板數(shù)據(jù)進(jìn)行了隨機(jī)效應(yīng)SLM的參數(shù)估計，同時也對SEM與非空間面板(OLS)模型進(jìn)行了參數(shù)估計以作比較分析.實證研究中采用的軟件為Stata 15，估計結(jié)果見表3.

表3 非空間及空間面板計量模型估計結(jié)果

在表3各類模型的檢驗中，隨機(jī)效應(yīng)SLM的調(diào)節(jié)后R2要大于空間誤差模型和非空間面板模型的調(diào)節(jié)后R2，并且隨機(jī)效應(yīng)SLM的似然對數(shù)L值為102.161，也高于其他模型，這表明隨機(jī)效應(yīng)的SLM為本研究最合適的計量估計模型，應(yīng)選擇隨機(jī)效應(yīng)的SLM進(jìn)行網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流的影響研究.

OLS回歸模型忽視了變量間的空間關(guān)聯(lián)而高估了網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流的影響.表3顯示，在未考慮空間因素的OLS面板模型中，網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的彈性系數(shù)為0.176，而在隨機(jī)效應(yīng)SLM中網(wǎng)絡(luò)旅游信息流的彈性系數(shù)則為0.092.顯然，忽視空間溢出效應(yīng)將高估網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流增長的促進(jìn)作用.

此外，各省域國內(nèi)旅游流的增長存在顯著的空間溢出效應(yīng).在網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的隨機(jī)效應(yīng)SLM中，空間溢出系數(shù)ρ為0.288，且在1%的水平上顯著，這表明在網(wǎng)絡(luò)旅游信息流等因素的影響下，國內(nèi)旅游流的增長存在顯著的空間溢出效應(yīng)，即鄰近省域的國內(nèi)旅游流每增加1%會引起本地區(qū)國內(nèi)旅游流間接增長0.288%，這與徐東等[33]的研究也相契合.

2.4 空間效應(yīng)分解

前文的空間自相關(guān)檢驗已表明網(wǎng)絡(luò)旅游信息流、國內(nèi)旅游流存在較強(qiáng)的空間依賴性，因此，研究還需進(jìn)一步分析網(wǎng)絡(luò)旅游信息流等變量對國內(nèi)旅游流影響的空間溢出效應(yīng).利用(5)-(6)式計算網(wǎng)絡(luò)旅游信息流等變量對國內(nèi)旅游流影響的空間溢出效應(yīng)和總效應(yīng)(表4).

表4 空間滯后模型空間效應(yīng)分解

從表4的分解結(jié)果來看，網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流的直接影響和空間溢出效應(yīng)都顯著為正.具體地，網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的直接和溢出效應(yīng)分別為0.096和0.034，且通過了5%的顯著性檢驗，說明本地區(qū)的網(wǎng)絡(luò)信息流每增加1%，將促進(jìn)本地國內(nèi)旅游流增長0.096%，間接促進(jìn)鄰近地區(qū)國內(nèi)旅游流增長0.034%.網(wǎng)絡(luò)旅游信息流的直接效應(yīng)要強(qiáng)于其空間溢出效應(yīng)，兩者在總效應(yīng)中的占比分別為73.84%和26.16%.進(jìn)一步分析來看，網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流增長的直接效應(yīng)顯著為正，這表明網(wǎng)絡(luò)旅游信息流是促進(jìn)國內(nèi)旅游流增長的有效手段，目的地的網(wǎng)絡(luò)旅游信息推介將會吸引更多的游客實地來訪.間接效應(yīng)也顯著為正則說明網(wǎng)絡(luò)旅游信息的傳播推動了區(qū)域旅游活動的聯(lián)合化、一體化，促進(jìn)了線下旅游流的空間擴(kuò)散與溢出，進(jìn)而帶動了鄰近地區(qū)的旅游流增長.

在網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的空間面板滯后模型中，其他控制變量對國內(nèi)旅游流增長也有很大的促進(jìn)作用.其中，區(qū)域經(jīng)濟(jì)規(guī)模對國內(nèi)旅游流的影響最大，其直接效應(yīng)和溢出效應(yīng)分別為0.517，0.195，說明區(qū)域經(jīng)濟(jì)增長能有效促進(jìn)本地旅游市場及周邊市場的發(fā)展.交通通達(dá)性對國內(nèi)旅游流的直接效應(yīng)顯著為正(0.182)，說明交通建設(shè)促進(jìn)了本地國內(nèi)旅游流的增長，但對鄰近地區(qū)國內(nèi)旅游流的影響卻不顯著.旅游資源條件對本地旅游市場具有正向促進(jìn)作用(0.298)，并且其空間溢出效應(yīng)也顯著為正(0.112)，說明旅游資源開發(fā)既能增加本地旅游人次，又能促進(jìn)鄰近地區(qū)旅游市場的發(fā)展.信息化水平對國內(nèi)旅游流的直接效應(yīng)顯著為正(0.086)，對鄰近地區(qū)的溢出效應(yīng)也顯著為正(0.032)，這表明地區(qū)信息化水平的改善能有效帶動本地及周邊旅游市場的發(fā)展.旅游接待能力的直接、間接效應(yīng)均未不顯著，表明目前各省區(qū)旅游基礎(chǔ)設(shè)施建設(shè)完善、接待能力強(qiáng)，國內(nèi)游客出游目的地選擇受此方面的影響較小.

3 結(jié)論與建議

3.1 結(jié)論

以中國大陸31個省域為研究對象，綜合運(yùn)用空間面板計量模型等方法，實證研究了2012—2017年網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的空間效應(yīng)，主要結(jié)論為：

1)全局空間自相關(guān)檢驗表明網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流增長均存在顯著的空間依賴與集聚特性，在2012—2017年兩者都至少通過了5%的全局空間自相關(guān)檢驗；局部空間探索性數(shù)據(jù)分析結(jié)果則表明，正向空間自相關(guān)的省域數(shù)量占絕對優(yōu)勢，其中“高信息流-高旅游流”主要集聚在東、中部省域，“低信息流-低旅游流”則主要集聚在東北、西北地區(qū).因此，探究網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流增長的影響必須充分考慮變量間的空間溢出效應(yīng).

2)網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的直接效應(yīng)和空間溢出效應(yīng)均顯著為正.隨機(jī)效應(yīng)SLM的估計結(jié)果顯示，網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流的直接效應(yīng)顯著為正，并且網(wǎng)絡(luò)旅游信息流還存在顯著的正向溢出效應(yīng)，即本地區(qū)網(wǎng)絡(luò)旅游信息流的增加還能夠促進(jìn)鄰近地區(qū)旅游流的增長.具體地，網(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流影響的直接效應(yīng)(0.096)要強(qiáng)于其空間溢出效應(yīng)(0.034)，兩者在總效應(yīng)中的占比分別為73.84%和26.16%.

3)在網(wǎng)絡(luò)旅游信息流的空間交互作用下，其他控制變量對國內(nèi)旅游流存在不同的影響.其中，區(qū)域經(jīng)濟(jì)規(guī)模、旅游資源、交通建設(shè)以及信息化水平對本地區(qū)國內(nèi)旅游流增長具有明顯的促進(jìn)作用，同時區(qū)域經(jīng)濟(jì)規(guī)模、旅游資源及信息化水平還具有正向的空間溢出效應(yīng)，交通建設(shè)的溢出效應(yīng)不顯著.旅游接待能力對國內(nèi)旅游流影響的直接、間接效應(yīng)均不顯著.

3.2 政策建議

根據(jù)研究結(jié)論，提出如下建議.

1)網(wǎng)絡(luò)旅游信息流與國內(nèi)旅游流存在較強(qiáng)的正向空間相關(guān)性，其中東、中部省域為“高信息流-高旅游流”集聚區(qū)，“低信息流-低旅游流”主要集中在東北、西北地區(qū)，具有明顯的空間集聚特性.因此，對于積極謀求區(qū)域旅游業(yè)快速發(fā)展的東北、西北各省域而言，在提升旅游產(chǎn)品和服務(wù)品質(zhì)的同時還應(yīng)加強(qiáng)對互聯(lián)網(wǎng)信息技術(shù)的應(yīng)用，積極開展網(wǎng)絡(luò)旅游宣傳和營銷，充分發(fā)揮網(wǎng)絡(luò)旅游信息流對線下旅游流的導(dǎo)引作用，進(jìn)而推動本地旅游市場的進(jìn)一步發(fā)展.

2)網(wǎng)絡(luò)旅游信息流具有顯著的正向空間溢出效應(yīng)，因此，還應(yīng)從空間關(guān)聯(lián)的視角去看待網(wǎng)絡(luò)旅游信息流對旅游流的影響，發(fā)掘網(wǎng)絡(luò)旅游信息流的空間導(dǎo)控作用以利于促進(jìn)區(qū)域間旅游業(yè)的協(xié)同發(fā)展.這就需要旅游企業(yè)、政府部門在進(jìn)行網(wǎng)絡(luò)旅游宣傳與營銷時要加強(qiáng)區(qū)域間的溝通與協(xié)作，避免各地區(qū)的惡性競爭，鼓勵各地區(qū)與周邊進(jìn)行聯(lián)合網(wǎng)絡(luò)旅游宣傳與營銷，形成旅游信息互聯(lián)、旅游流互通、旅游品牌互助的整體有序發(fā)展格局[34].

3)互聯(lián)網(wǎng)在旅游領(lǐng)域的應(yīng)用越來越廣，網(wǎng)絡(luò)旅游信息對線下旅游流的影響也在不斷提升，其不僅具備對旅游流的單一導(dǎo)引作用，而且網(wǎng)絡(luò)旅游信息傳播與提供的服務(wù)還能結(jié)合其他影響因素共同促進(jìn)旅游流的增長.因此，有必要將網(wǎng)絡(luò)旅游信息推介置于區(qū)域旅游流增長的重要地位，并將經(jīng)濟(jì)發(fā)展、資源開發(fā)、交通改善和信息化建設(shè)等要素與其相結(jié)合，共同形成良好的旅游招徠、接待與服務(wù)環(huán)境，以促進(jìn)區(qū)域旅游業(yè)的協(xié)調(diào)可持續(xù)發(fā)展.

3.3 不足與展望

研究仍存在不足與可改進(jìn)之處.文中的空間滯后模型采用的是全局估計，其回歸系數(shù)無法揭示網(wǎng)絡(luò)旅游信息流對局部區(qū)域旅游流的影響；研究主要從省域?qū)用娼馕隽司W(wǎng)絡(luò)旅游信息流對國內(nèi)旅游流的影響，后續(xù)還應(yīng)基于小尺度范圍的數(shù)據(jù)進(jìn)行精度更高的分析；此外，為了更加全面、深入地反映網(wǎng)絡(luò)旅游信息流對旅游流的影響，未來還可以結(jié)合其他類型的旅游大數(shù)據(jù)(如微博簽到、網(wǎng)絡(luò)游記等)對相關(guān)問題進(jìn)行研究[21].