孫 婧, 吳忠才

(湖南理工學(xué)院 經(jīng)濟(jì)與管理學(xué)院, 湖南 岳陽 414006)

0 引言

旅游流可以從廣義和狹義兩個(gè)維度進(jìn)行理解, 廣義上是指客源地與目的地, 或者目的地內(nèi)部之間單向、雙向旅游客流、信息流、資金流等各種流的集合; 狹義上是指旅游者的流動(dòng).本文從狹義維度出發(fā), 以關(guān)注旅游客流量為主.旅游流的研究最早以定性研究為主.Pearce[1]首次提出旅游流的概念, 認(rèn)為旅游流不是隨機(jī)分布的, 受到國與國之間的吸引力、旅行成本等因素的影響; Matley[2]進(jìn)一步指出旅游流的分布具有不平衡性, 其主要原因以各國的氣候、政治、貨幣兌換率等因素為主.

目前旅游流研究主要圍繞四個(gè)方面展開.第一, 旅游流時(shí)空網(wǎng)絡(luò)結(jié)構(gòu)研究.有從旅游流網(wǎng)絡(luò)結(jié)構(gòu)空間分布特征入手的, 比較不同地區(qū)的分布特征和整體聚散趨勢(shì)[3]; 有從網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的聚散能力入手的, 尋找核心與邊緣節(jié)點(diǎn), 劃分出凝聚子群[4]; 也有從旅游流網(wǎng)絡(luò)的時(shí)間變化趨勢(shì)出發(fā), 總結(jié)時(shí)空變化特點(diǎn), 預(yù)測(cè)未來結(jié)構(gòu)變化趨勢(shì)[5].第二, 旅游流流量的模擬統(tǒng)計(jì)與預(yù)測(cè).預(yù)測(cè)分析方面主要是模型選用不同, 有的采用自適應(yīng)粒子群算法對(duì)長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化, 建立景區(qū)旅游流量預(yù)測(cè)模型[6]; 有的基于灰色預(yù)測(cè)模型進(jìn)行評(píng)估和改善, 構(gòu)建了GM(1,1)優(yōu)化模型, 提高了預(yù)測(cè)精度, 擴(kuò)大了模型的適用范圍[7]; 有的提出了一種將統(tǒng)計(jì)方法與BPNN 模型相結(jié)合的旅游流量預(yù)測(cè)智能模型系統(tǒng)[8]; 有的構(gòu)建線性回歸, 采用自回歸分布滯后模型(ADLM), 通過旅游流自身波動(dòng)情況進(jìn)行未來流量的預(yù)測(cè)[9].第三, 旅游流的影響因素與推動(dòng)力.影響指標(biāo)的選擇可歸納為旅游者自身?xiàng)l件因素(收入、受教育程度、年齡等)和旅游目的地、客源地的經(jīng)濟(jì)狀況、基礎(chǔ)設(shè)施、人口數(shù)量等, 然后運(yùn)用多元線性回歸, 計(jì)算各影響因素的正負(fù)性和程度[10,11].第四, 旅游流的擴(kuò)散效應(yīng)和帶動(dòng)效應(yīng)[12].旅游流在不同地域之間呈現(xiàn)空間關(guān)聯(lián)性特點(diǎn), 旅游流的溢出效應(yīng)是指本地區(qū)的旅游活動(dòng)對(duì)鄰近地區(qū)旅游流所產(chǎn)生的外部性影響[13], 可能是正面的促進(jìn)作用, 也可能是負(fù)面的抑制作用[14,15].溢出效應(yīng)的研究主要以定量研究為主, 有的運(yùn)用缺口模型找出溢出因子對(duì)于溢出效應(yīng)的作用機(jī)理[16], 有的運(yùn)用因子分析法分析國內(nèi)旅游流的集聚擴(kuò)散效應(yīng)[17].近年來, 有學(xué)者將空間計(jì)量模型引入到旅游流溢出效應(yīng)研究中, 對(duì)比分析了全國入境和國內(nèi)旅游流溢出效應(yīng)[18], 以及霧霾對(duì)中國市域旅游流影響的空間效應(yīng)[19], 為分析旅游流的空間差異性及影響因素提供了新的視角.

綜上所述, 學(xué)者們對(duì)旅游流從不同維度, 采用不同方法展開分析, 但是仍然存在一定不足.第一,對(duì)于旅游流的研究范圍往往較大且單一, 多以全國為研究范圍, 考慮市域及以下區(qū)域范圍的較少, 考慮某個(gè)城市群旅游流的相關(guān)性和差異性的分析更是少之又少.第二, 對(duì)于旅游流的時(shí)空分異及影響因素的研究多以簡單的線性回歸為主, 沒有考慮其空間的相關(guān)性與溢出效應(yīng), 對(duì)旅游流產(chǎn)生的直接效應(yīng)和間接效應(yīng)關(guān)注度不夠, 導(dǎo)致研究結(jié)論存在一定的偏差.本文選取長三角城市群旅游流作為研究對(duì)象, 分析2010—2018年長三角城市群旅游流時(shí)空分布的差異性和相關(guān)性, 運(yùn)用空間計(jì)量杜賓模型將旅游流的影響因素空間化, 以彌補(bǔ)旅游流空間溢出效應(yīng)分析的不足, 為推動(dòng)區(qū)域旅游業(yè)協(xié)調(diào)平穩(wěn)發(fā)展提供一定的參考性建議.

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 空間自相關(guān)檢驗(yàn)

“空間自相關(guān)”可理解為經(jīng)濟(jì)或地理距離相近的區(qū)域之間, 其變量的取值具有一定的相關(guān)性.如果區(qū)域變量是高值與高值集聚或低值與低值集聚則可稱該區(qū)域存在“空間正相關(guān)性”; 如果區(qū)域變量是高值與低值集聚則稱該區(qū)域存在“空間負(fù)相關(guān)性”.本文采用當(dāng)下最流行的莫蘭指數(shù)進(jìn)行相關(guān)性檢驗(yàn).莫蘭指數(shù)檢驗(yàn)可分為全局和局部莫蘭指數(shù), 全局莫蘭指數(shù)(global Moran’sI)的表達(dá)式為

其中S2表示樣本方差,n為樣本城市的個(gè)數(shù),wij表示i地區(qū)與j地區(qū)之間的空間權(quán)重.本文選取的是01 鄰接矩陣, 即如果區(qū)域i與區(qū)域j有公共邊界或節(jié)點(diǎn), 則wij= 1; 反之, 則wij= 0.全局莫蘭指數(shù)I的取值范圍為[?1,1], 當(dāng)I? (0,1]時(shí), 表示空間正相關(guān), 當(dāng)I?[- 1,0)時(shí), 表示空間負(fù)相關(guān), 當(dāng)I= 0時(shí), 表示空間呈隨機(jī)分布的狀態(tài).

但是全局莫蘭指數(shù)只能觀測(cè)研究區(qū)域整體的正負(fù)相關(guān)性, 無法識(shí)別局部“熱點(diǎn)”和“冷點(diǎn)”區(qū)域.局部莫蘭指數(shù)(local Moran’sI)的表達(dá)式為

當(dāng)Ii取值為正時(shí), 表示區(qū)域i的高值被周圍的高值所包圍或低值被周圍的低值所包圍; 當(dāng)Ii取值為負(fù)時(shí), 表示區(qū)域i的高(低)值被周圍的低(高)值所包圍.

1.1.2 空間面板杜賓模型

在空間計(jì)量經(jīng)濟(jì)學(xué)中, 最常見的三種模型分別是: 空間滯后模型(SLM)、空間誤差模型(SEM)和空間杜賓模型(SDM).SDM 模型可簡化為空間滯后模型(SLM)或空間誤差模型(SEM), 它同時(shí)考慮了解釋變量和被解釋變量的空間依賴效應(yīng), 更具一般性特征.SDM 模型的表達(dá)式為

其中Y與X分別為因變量和自變量;σWX和λWY分別表示鄰居自變量和因變量的空間滯后變量;σ、λ、β即為相應(yīng)的系數(shù);μ、ν分別為個(gè)體效應(yīng)、時(shí)間效應(yīng);ε為獨(dú)立同分布的隨機(jī)誤差項(xiàng).如果λ= 0 且σ≠ 0, 則SDM模型可簡化為SLM 模型; 如果σ+βλ= 0, 則為SEM 模型.

1.2 指標(biāo)選取與數(shù)據(jù)來源

選取2010—2018年長三角地區(qū)26 個(gè)城市的國內(nèi)游客數(shù)量作為因變量.對(duì)于旅游流的影響因素, 從五個(gè)方面展開分析: 第一, 區(qū)域經(jīng)濟(jì)發(fā)展水平(PGDP), 選取人均GDP 作為經(jīng)濟(jì)發(fā)展水平的衡量指標(biāo)[20].第二, 市場規(guī)模(POP).以各地區(qū)每年常住人口數(shù)量作為旅游市場規(guī)模的衡量指標(biāo).第三, 旅游基礎(chǔ)設(shè)施(HOTEL、TOUR、ROAD).旅游基礎(chǔ)設(shè)施主要包括三個(gè)方面: 一是星級(jí)賓館飯店(HOTEL).由于各酒店床位數(shù)量難以統(tǒng)計(jì), 所以只選取星級(jí)賓館飯店數(shù)量作為要素值.二是旅行社(TOUR).旅行社是旅游客源的組織者, 是連接旅游服務(wù)供應(yīng)部門和旅游消費(fèi)者的紐帶.三是交通運(yùn)輸條件(ROAD).旅游者到目的地觀光的基礎(chǔ)物質(zhì)條件是交通設(shè)施, 旅游目的地的交通條件影響著游客的可進(jìn)入性, 故選取公路網(wǎng)密度作為交通運(yùn)輸條件的指標(biāo).第四, 旅游資源稟賦(RESOURCE).搜集長三角地區(qū)各城市擁有的2A 級(jí)及以上旅游景區(qū)的數(shù)量, 參考袁媛[21]、李瑩英[22]等對(duì)于旅游資源稟賦的賦值方法, 對(duì)各市等級(jí)景區(qū)進(jìn)行加權(quán)和表征.第五, 外商投資(INS).外商投資能夠間接提升某地區(qū)旅游發(fā)展質(zhì)量和吸引力, 故運(yùn)用各市各年份外商直接投資總額進(jìn)行表征.

實(shí)證研究采用2010—2018年長三角城市群所包含的25 個(gè)地級(jí)市和一個(gè)直轄市(上海)的面板數(shù)據(jù).數(shù)據(jù)來源于各市《國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》、《中國城市統(tǒng)計(jì)年鑒》、Wind 經(jīng)濟(jì)數(shù)據(jù)庫和城市旅游局官方網(wǎng)站等.此外, 由于數(shù)據(jù)存在量綱、數(shù)值量級(jí)不一致, 本文對(duì)所有變量進(jìn)行了標(biāo)準(zhǔn)化處理.

2 長三角城市群旅游流的時(shí)空分異與空間自相關(guān)檢驗(yàn)

2.1 長三角城市群旅游流的時(shí)空分異

為揭示長三角城市群旅游流的整體分布格局和演化規(guī)律, 運(yùn)用ArcGIS 10.7, 將2010年和2018年的長三角城市群國內(nèi)客流量可視化(圖1).研究發(fā)現(xiàn): 首先, 從整體上來看, 長三角城市群旅游流有逐年增長的趨勢(shì).但是各個(gè)城市旅游流存在明顯的差異性, 旅游流的分布呈現(xiàn)“東南高西北低”的局面, 并且空間格局存在著不同層級(jí)的“核心—邊緣”演化特點(diǎn).其次, 從時(shí)間維度和空間距離的角度來看: 2010年26個(gè)城市中, 上海的旅游流位居首位, 接下來依次是距離上海較近的蘇州、無錫, 還有杭州和南京.到2018年以后,旅游流排名前五的城市, 周邊鄰近的城市旅游流顯著增加, 比如與上海、蘇州空間鄰近的湖州、嘉興的旅游流增長速度遠(yuǎn)遠(yuǎn)高于宣城、鹽城等距離較遠(yuǎn)的城市; 總之, 旅游流存在正向空間溢出效應(yīng), 旅游流較高的城市能帶動(dòng)旅游流較低的城市共同發(fā)展, 其帶動(dòng)效應(yīng)明顯.

圖1 不同時(shí)期長三角城市群國內(nèi)旅游流

2.2 長三角城市群旅游流的全局自相關(guān)檢驗(yàn)

通過Geoda 計(jì)算長三角城市群旅游流2010—2018年全局莫蘭指數(shù)I(表1), 探索近年來長三角城市群旅游流的總體空間集聚狀態(tài).從表1 可看出, 各年份長三角城市群旅游流全局莫蘭指數(shù)均為正數(shù), 其數(shù)值在0.117～0.183 之間波動(dòng), 并且均通過了5%的顯著性檢驗(yàn), 這表明長三角城市群旅游流存在著顯著的正向空間相關(guān)性, 反映出長三角地區(qū)26 個(gè)城市之間的旅游流存在集聚現(xiàn)象.

表1 長三角城市群旅游流的全局莫蘭指數(shù)值

進(jìn)一步細(xì)化分析各年份數(shù)值, 可發(fā)現(xiàn)2011年長三角城市群旅游流達(dá)到了峰值, 這是國家推進(jìn)長三角一體化, 推動(dòng)各城市聯(lián)合發(fā)展的結(jié)果, 使該年城市群旅游流的集聚程度最大化.到2013年, 全局莫蘭指數(shù)下降到了近年來的最低值, 說明2012—2013年長三角旅游流的空間相關(guān)性在不斷減小, 這是因?yàn)殚L三角地區(qū)各城市政府為提升自身旅游產(chǎn)業(yè)的競爭力對(duì)旅游產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行調(diào)整, 導(dǎo)致了各城市游客吸引力分散化.2013—2018年旅游流的全局莫蘭指數(shù)值呈逐年上升的趨勢(shì), 說明長三角城市群旅游流的空間關(guān)聯(lián)性不斷增強(qiáng).

2.3 長三角城市群旅游流的局部自相關(guān)檢驗(yàn)

從全局莫蘭指數(shù)I來看, 長三角城市群旅游流是具有空間相關(guān)性的, 但無法從全局空間相關(guān)性檢驗(yàn)中看出各城市冷熱點(diǎn)的分布, 這就需要進(jìn)行局部的空間相關(guān)性檢驗(yàn).限于篇幅, 只繪出長三角地區(qū)2010年和2018年26 個(gè)城市旅游流的局部莫蘭指數(shù)散點(diǎn)圖(圖2).

從圖2 可看出大多數(shù)的城市都位于第一和第三象限, 說明長三角城市群的旅游流存在著明顯的正向空間相關(guān)性.在2010年(圖2(a))中位于第三象限的城市最多, 包括14 個(gè)城市(占比為53.8%), 然而第一象限僅包括蘇州和上海兩個(gè)城市(占比為7.69%), 說明2010年長三角地區(qū)大部分城市客流量處于較低水平, 并且長三角地區(qū)城市群之間旅游發(fā)展差異較大.到2018年(圖2(b)), 第一象限的城市從2個(gè)增加到了7 個(gè), 包括與上海和蘇州鄰近的嘉興、從第四象限跳轉(zhuǎn)到第一象限的寧波以及與寧波鄰近的紹興、金華和臺(tái)州, 說明了高值旅游流地區(qū)帶動(dòng)了周邊旅游流的發(fā)展, 并以地理位置為主要依據(jù)形成了多個(gè)集群.

圖2 不同時(shí)期長三角城市群旅游流局部莫蘭指數(shù)散點(diǎn)圖

3 長三角城市群旅游流的空間計(jì)量實(shí)證分析

3.1 空間模型的檢驗(yàn)與識(shí)別

根據(jù)表2 檢驗(yàn)結(jié)果發(fā)現(xiàn), SEM 與SLM 模型的拉格朗日乘子檢驗(yàn)(LM)均在1%水平上顯著, 但是SLM的穩(wěn)健拉格朗日乘子檢驗(yàn)(Robust LM)并沒有通過顯著性檢驗(yàn), 說明SEM 模型更優(yōu)于SLM 模型.但是僅僅使用SEM 會(huì)忽略自變量的空間項(xiàng)WX和因變量的空間滯后項(xiàng)WY造成模型遺漏變量偏差, 模型估計(jì)量不再具有一致性[23].反之, 如果只是忽略了擾動(dòng)項(xiàng)的空間依賴性, 模型仍然是無偏估計(jì), 只是會(huì)產(chǎn)生一定的效率損失.SDM 作為SEM 的一般形式, 是能得到無偏系數(shù)估計(jì)的模型.因此, 需要結(jié)合LR 檢驗(yàn)進(jìn)行模型的最優(yōu)化選擇, 考察SDM 是否可以簡化為SEM.由LR test spatial error 檢驗(yàn)在1%水平上顯著可知,SDM 不可簡化為SEM.SDM 空間面板模型又可分為固定效應(yīng)模型和隨機(jī)效應(yīng)模型, 通過Hausman 檢驗(yàn)統(tǒng)計(jì)值為22.98(P= 0.002)拒絕了無固定效應(yīng)的原假設(shè), 應(yīng)選擇具有固定效應(yīng)的SDM.固定效應(yīng)包括時(shí)間固定效應(yīng)、空間固定效應(yīng)和雙固定效應(yīng), 通過聯(lián)合顯著性檢驗(yàn)可知LR test ind 統(tǒng)計(jì)值為12.77(P= 0.078), 不能拒絕原假設(shè), 所以本文最后選擇具有空間固定效應(yīng)的SDM 模型進(jìn)行實(shí)證研究.

表2 空間計(jì)量模型檢驗(yàn)

3.2 空間計(jì)量參數(shù)估計(jì)結(jié)果分析

表3 列出了隨機(jī)效應(yīng)、空間固定效應(yīng)、時(shí)間固定效應(yīng)和雙固定效應(yīng)四種SDM 模型的回歸結(jié)果.經(jīng)比較分析, 可發(fā)現(xiàn)空間固定效應(yīng)SDM 的R2和Log-L的數(shù)值分別為0.833 和450.626, 均大于其他三個(gè)模型,說明空間固定效應(yīng)SDM 模型的擬合程度最高, 再次證明了選用該模型的正確性.但是所得到的自變量回歸系數(shù)并不能直接反映對(duì)因變量的影響程度, 所以不能直接從數(shù)值的大小進(jìn)行分析, 只能從系數(shù)的正負(fù)性來分析其對(duì)于被解釋變量的影響.

表3 長三角城市群旅游流的SDM 回歸結(jié)果

從旅游流的影響因素角度分析, 可發(fā)現(xiàn)旅游基礎(chǔ)設(shè)施中的旅行社數(shù)量、旅游資源稟賦以及外商投資均對(duì)本地旅游流有正向促進(jìn)作用, 但其作用強(qiáng)度存在明顯差異.對(duì)于影響因素的空間交互作用, 除了W×TOUR 和W×ROAD 以外, 其他影響因素的空間效應(yīng)都至少通過了10%的顯著性水平檢驗(yàn), 但是其影響的正負(fù)性并不相同.W×RESOURCE、W×POP 的回歸系數(shù)為正數(shù), 說明了鄰近地區(qū)旅游資源越豐富、旅游市場規(guī)模越龐大, 對(duì)于本市旅游流的促進(jìn)作用越明顯.W×HOTEL、W×TOUR、W×INS 以及W×PGDP的回歸系數(shù)為負(fù)數(shù), 說明鄰近地區(qū)基礎(chǔ)設(shè)施越完備、經(jīng)濟(jì)越發(fā)達(dá)、外商對(duì)于其地區(qū)旅游業(yè)的投入越多, 會(huì)對(duì)本市旅游業(yè)的發(fā)展產(chǎn)生一定的競爭效應(yīng)和過道效應(yīng), 抑制本市旅游客流量的增加.

3.3 空間效應(yīng)分解分析

空間固定效應(yīng)SDM 所得到的回歸系數(shù)不能直接表示邊際效應(yīng), 所以運(yùn)用偏微分分解的方式將自變量對(duì)因變量的影響分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng), 結(jié)果見表4.

表4 長三角城市群旅游流的空間效應(yīng)分解

在直接效應(yīng)中, TUOR、RESOURCE 和INS 三個(gè)解釋變量對(duì)于本地區(qū)旅游流的影響較為顯著, 均通過了1%顯著水平檢驗(yàn).其中TOUR的回歸系數(shù)最大為0.753, 表明旅游基礎(chǔ)設(shè)施中的旅行社每增加一個(gè)單位,會(huì)讓本地區(qū)旅游流增加0.753 個(gè)單位.而本地區(qū)的旅游資源稟賦和外商投資每增加一個(gè)單位, 會(huì)讓本地區(qū)旅游流分別增加0.196 和0.15 個(gè)單位.TOUR 的直接效應(yīng)說明了本地區(qū)自身基礎(chǔ)設(shè)施的建設(shè)對(duì)于本地區(qū)旅游業(yè)的發(fā)展起到了至關(guān)重要的作用.

在間接效應(yīng)(又稱溢出效應(yīng))中, 不同因素對(duì)旅游流的正負(fù)性影響不同.RESOURCE和POP的溢出效應(yīng)對(duì)旅游流的增長產(chǎn)生了積極作用, 其回歸系數(shù)分別為0.468 和0.886, 表明鄰近地區(qū)的旅游資源增加一個(gè)單位或者市場規(guī)模擴(kuò)大一個(gè)單位, 本地區(qū)的旅游流會(huì)相應(yīng)增加0.468 或0.886 個(gè)單位.INS、PGDP 和HOTEL的溢出效應(yīng)對(duì)旅游流的增長產(chǎn)生了消極作用, 并且INS 的間接效應(yīng)負(fù)面影響最大, 其回歸系數(shù)為?0.396,表明鄰近地區(qū)的外商投資增加一個(gè)單位會(huì)導(dǎo)致本地區(qū)的旅游流減少0.396 個(gè)單位.鄰近地區(qū)經(jīng)濟(jì)發(fā)展水平提高一個(gè)單位或旅游基礎(chǔ)設(shè)施中的星級(jí)賓館飯店數(shù)量增加一個(gè)單位, 會(huì)導(dǎo)致本地區(qū)旅游流0.236 個(gè)單位或者0.265 個(gè)單位的下滑.

在總效應(yīng)中, 市場規(guī)模對(duì)長三角旅游流的影響最大, 當(dāng)市場規(guī)模增加1 個(gè)單位時(shí), 長三角旅游流增加1.051 個(gè)單位.其次是旅游資源稟賦, 當(dāng)旅游資源增加一個(gè)單位時(shí), 長三角旅游流會(huì)增加0.664 個(gè)單位.但是PGDP 的回歸系數(shù)為負(fù)數(shù)?0.227, 說明了區(qū)域經(jīng)濟(jì)發(fā)展不平衡, 省會(huì)城市或直轄市經(jīng)濟(jì)發(fā)展過快會(huì)產(chǎn)生一定的虹吸效應(yīng), 抑制周邊地區(qū)的發(fā)展, 最后導(dǎo)致長三角區(qū)域旅游業(yè)發(fā)展不平衡, 對(duì)長三角地區(qū)整體的旅游流產(chǎn)生消極影響.

4 結(jié)束語

本文以長三角地區(qū)26 個(gè)市域單元作為研究對(duì)象, 借助ArcGIS10.7 可視化分析、全局莫蘭指數(shù)和局部莫蘭指數(shù)空間相關(guān)性檢驗(yàn)、空間杜賓模型以及空間效應(yīng)分解等方法, 分析了長三角城市群2010—2018年旅游流的時(shí)空分異與溢出效應(yīng).研究表明: 第一, 長三角城市群旅游流的空間結(jié)構(gòu)呈現(xiàn)“東南高西北低”的局面, 并且存在著不同層級(jí)的“核心—邊緣”演化特點(diǎn).從直觀的角度來看, 旅游流較高的城市能帶動(dòng)旅游流較低的城市共同發(fā)展, 其帶動(dòng)效應(yīng)明顯.第二, 長三角城市群旅游流表現(xiàn)出正向空間自相關(guān), 高值旅游流地區(qū)帶動(dòng)了周邊旅游流的發(fā)展, 并以地理位置為主要依據(jù)形成了多個(gè)集群.第三, 通過一系列空間模型的識(shí)別檢驗(yàn), 選擇空間固定效應(yīng)的SDM 作為長三角城市群旅游流影響因素及溢出效應(yīng)的解釋模型.第四,在模型的空間效應(yīng)分解中, 本地區(qū)旅游基礎(chǔ)設(shè)施中的旅行社數(shù)量、旅游資源稟賦和外商投資都對(duì)本地區(qū)的旅游流有直接的推動(dòng)作用.在溢出效應(yīng)中, 外商投資的間接效應(yīng)負(fù)面影響最大, 人口規(guī)模的溢出效應(yīng)成為了旅游流增長最積極的因素.在長三角旅游流的整體驅(qū)動(dòng)因素中, 市場規(guī)模成為旅游流增長的核心積極因素.但是需要注意的是, 并不是區(qū)域經(jīng)濟(jì)越發(fā)達(dá)旅游客流量就越大, 區(qū)域經(jīng)濟(jì)平穩(wěn)發(fā)展, 才能抑制虹吸效應(yīng), 促進(jìn)長三角地區(qū)旅游流整體的發(fā)展.

基于以上分析, 為推動(dòng)長三角城市群區(qū)域旅游的均衡發(fā)展, 可以從以下幾個(gè)方面加強(qiáng): 第一, 加強(qiáng)城市群區(qū)域之間的合作, 整合區(qū)域旅游資源共同發(fā)展.長三角的旅游區(qū)域可以劃分為以上海為核心的東部區(qū)域、以杭州為核心的東南區(qū)域、以南京為核心的中部區(qū)域和以合肥為核心的西部區(qū)域, 可以發(fā)揮這四個(gè)核心區(qū)域所具有的商業(yè)中心、海洋資源豐富、名勝古跡豐富、美食文化歷史悠久等特點(diǎn), 并將這些優(yōu)勢(shì)資源進(jìn)行整合, 形成具有長三角城市群特色的旅游項(xiàng)目, 避免因競爭產(chǎn)生的內(nèi)耗和過道效應(yīng), 帶動(dòng)長三角地區(qū)旅游的整體發(fā)展.第二, 加強(qiáng)對(duì)已有旅游資源的保護(hù), 適度開發(fā)新興旅游資源.從模型空間效應(yīng)分解可看出, 旅游資源稟賦對(duì)長三角旅游流的直接效應(yīng)、溢出效應(yīng)和總效應(yīng)都起到了積極促進(jìn)作用.所以地區(qū)間的旅游資源是吸引游客的關(guān)鍵因素之一, 對(duì)原有的旅游資源稟賦加以保護(hù)也是更好地利用資源的前提.與此同時(shí), 在保護(hù)周圍環(huán)境的前提之下, 適當(dāng)開發(fā)新興旅游資源, 為該地區(qū)帶來更多的旅游財(cái)富和效應(yīng).第三, 加強(qiáng)旅游業(yè)的基礎(chǔ)設(shè)施建設(shè), 改善區(qū)域旅游環(huán)境, 樹立旅游品牌形象.提高城市交通便利程度, 優(yōu)化游客接待能力, 比如增加星級(jí)賓館飯店數(shù)量、旅行社的投入.當(dāng)然旅游基礎(chǔ)設(shè)施的投入需要大量的資金作為基礎(chǔ), 形成地區(qū)旅游文化特色和品牌效應(yīng), 吸引更多的投資, 進(jìn)一步縮小區(qū)域旅游的差異性, 優(yōu)化長三角地區(qū)旅游的整體發(fā)展空間格局.