中國旅游安全網絡關注度的影響因素分析基于中國省際面板數據的實證檢驗

(華僑大學 旅游學院,福建 泉州362021)

旅游安全信息是旅游者出游決策的重要參考,對旅游安全信息的需求也是地區居民旅游安全意識的直接反映?；ヂ摼W的發展與移動終端等通訊設備的普及為旅游者提供了獲取旅游信息的多種渠道,公眾不再局限于傳統媒體等渠道了解旅游信息。截至2016年12月,我國網民規模達到7.31億人,互聯網普及率為53.2%,手機網民占比高達95.1%[1]。旅游者可通過網絡檢索全面了解目的地旅游安全狀況,為旅游決策提供有效參考[2]。

互聯網用戶通過網絡檢索產生的海量檢索數據被記錄下來,這些數據能直接客觀地反映旅游者旅游需求信息[3]。用戶對旅游安全的檢索數據直觀體現了旅游者對目的地旅游安全的關注度,側面反映了對安全的重視程度。研究我國各省、自治區、直轄市的旅游安全網絡關注度,能把握居民對旅游安全相關的網絡關注行為,為旅游目的地實施差異化旅游安全管理提供理論依據。

1 文獻回顧

網絡關注度指數來源于互聯網海量檢索記錄,是了解旅游者對旅游目的地關注程度的重要參考,對現實客流量和游客行為有引導預測作用,具有較大的應用價值。近年來,學術界對網絡信息及用戶網絡關注行為的探討逐漸深入。李山等較早關注到百度指數這一用戶數據,并運用到景區現實客流量預測中[4]。此后聚焦于網絡關注度與現實旅游客流關系研究的旅游學者逐漸增多。龍茂興等以四川省為研究對象,再次驗證了旅游網絡用戶關注度與實際旅游客流之間存在極強的正相關性[5]。隨著研究的深入,一些學者嘗試建立基于網絡信息的旅游客流預測模型。黃先開等利用計量經濟學方法分析了百度關鍵詞與北京故宮實際游客量間的關系,建立了沒有百度關鍵詞和加入百度關鍵詞的兩種預測模型并進行了預測精度比較[6];張斌儒等引入百度指數提供的關鍵詞數據對海南省旅游收入進行了預測[7]。此外,旅游學科對網絡關注度的研究集中于探討網絡關注度的時空特征及其影響因素。林志慧等對旅游景區逐日網絡空間關注度周內分布和季節性分布進行了實證分析[8];張曉梅等采用地理集中指數等方法測度了平遙古城網絡關注度時空特征,在此基礎上指出客源地人均GDP和兩地間的距離是影響網絡關注度空間分布的重要特征[9]。

以上研究多從旅游網絡關注度與實際客流的關系角度切入,旅游安全網絡信息作為游客網絡檢索信息需求的重要方面,較少有旅游學者深入研究該議題。有關旅游安全網絡關注度的研究主要包括：林煒鈴等分析了全國旅游安全網絡關注度的區域差異特征[2];鄒永廣等研究了區域間的旅游安全網絡關注度差異并具體分析時空差異特征,初步判斷地區經濟發展水平、網絡發達程度、突發事件數量等差異影響各省市旅游安全網絡關注度的差異[10]。前人的研究內容相對聚焦,但涉及面局限,多集中于網絡關注度時空特征、與實際客流量關系研究。多數學者選擇特定區域、A級景區探討網絡關注度時空分布,旅游安全網絡關注度作為旅游者對旅游安全信息需求的重要反映,卻缺乏旅游學者的深入研究與充分探討；研究方法上一般采用時間序列數據或者橫截面數據,極少有面板數據模型的應用。本文在上述研究成果的基礎上結合計量經濟學方法對我國31個省、自治區、直轄市的面板數據進行實證分析(未包括香港與澳門特別行政區、臺灣地區,下同),進一步探究旅游安全網絡關注度的影響因素,以期對旅游安全管理有現實指導意義。

2 研究方法與數據

2.1 指標選取與數據來源

本研究以我國31個省、自治區及直轄市為研究對象,選取2011—2015年31個省、自治區、直轄市的面板數據作為研究樣本。梳理已有文獻發現,旅游安全網絡關注度的影響因素涉及諸多指標。綜合考慮指標數據的可獲取性與完整性,本研究確定選取的指標見表1。

表1 旅游安全網絡關注度的影響因素及其指標

解釋變量:①社會人口統計特征。主要包括分地區居民性別比、受教育程度指標。根據《中國統計年鑒》統一劃分,性別比指人口中男、女性人數之比,即每100名女性人口相對應的男性人口數;將受教育程度指標分為6歲和6歲以上初中人口數、高中人口數、大專及以上人口數。前人研究指出,男女兩性在網絡信息的關注取向和關注程度的確存在差異[11],性別對游客安全感有顯著影響[12],建立在男、女安全感存在顯著差異[12]的理論基礎上認為不同性別的游客對旅游安全的信息需求及關注程度不同,因此選擇性別比作為解釋變量,并預期性別對地區旅游安全網絡關注度有顯著影響,其影響方向和強度待進一步分析驗證。②地區經濟發展水平,選取人均GDP進行衡量。鄒永廣分析發現,旅游安全網絡關注度與當地經濟發展水平呈現顯著相關性[10];張曉梅認為客源地的人均GDP是網絡關注度空間分布的主要影響因素[9]。地區經濟發展水平與當地信息化基礎設施建設的完善程度息息相關,較為發達的地區人均GDP較高,當地居民有更多的資金用于旅游消費,出游意愿較強,因此對旅游相關信息的需求也更大,對旅游安全信息的關注度更高。在衡量地區經濟發展水平的各項指標中,人均GDP是衡量一個地區經濟發展狀況的重要指標。本研究選擇人均GDP衡量各地區經濟發展水平,因此預期人均GDP與地區旅游安全網絡關注度有顯著正向影響。③互聯網發展水平?；ヂ摼W發展水平主要由互聯網上網人數、互聯網普及率體現。綜合前人文獻和概念內涵,本研究選取互聯網普及率作為衡量我國各地區互聯網發展水平的指標。旅游安全網絡關注度是建立在用戶網絡檢索行為上采集的海量信息,而產生網絡檢索行為的前提條件是互聯網發展狀況。鄒永廣[10]、李霞[13]等指出互聯網發展水平是影響網絡關注度的重要因素?；ヂ摼W普及率高,說明該地區使用互聯網的人數占總人數的比例更大,總體旅游安全網絡關注度指數更高,因此預期地區互聯網普及率與地區旅游安全網絡關注度有顯著正向影響。④地區人口規模。各地區旅游安全網絡關注度指數體現的是基于地區IP地址的互聯網所在地區的用戶對旅游安全的關注程度,考慮到百度指數的實際計算邏輯,研究認為地區人口規模是地區旅游安全網絡關注度存在差異性的重要因素之一。比較之下,人口基數大的地區旅游安全網絡關注度指數更高。

被解釋變量:被解釋變量為我國31個省、自治區、直轄市的旅游安全網絡關注度,具體數據來源于以“旅游安全”為主要關鍵詞的各地區百度指數,選擇其中的“用戶關注度”指數數據旅游安全網絡關注度指數。百度指數是以百度海量網民行為數據為基礎,基于百度搜索引擎的海量數據為用戶提供海量數據信息服務的在線數據分享平臺[14]。檢索條件中的“地區”選項體現的是基于IP地址的互聯網所在地區的用戶或居民對旅游安全問題的關注情況[10]。

樣本數據:本研究數據時間為2011—2015年,數據分析軟件為Eviews9.0，原始數據來源于相關年份的《中國統計年鑒》、中國統計局官方網站、百度指數平臺等。由于2016年《中國統計年鑒》中2015年分地區受教育程度數據統計制度與前四年不同,統計結果口徑不同,數據水平差異大,故通過插值補全法對2015年受教育程度原始數據進行歸一化處理。

2.2 研究方法

本研究擬根據數據類型特點,建立合適的面板數據模型(Panel Data Model),實證分析各個解釋變量對我國31個省、自治區、直轄市的旅游安全網絡關注度的影響。面板數據兼具橫截面、時間和指標三維信息特點,是對不同時間的截面個體進行連續觀測得到的多維時間序列數據[15],使用面板數據進行實證分析,能提高分析結果的精度和有效性。為了避免非平穩時間序列建立回歸模型時易發生的“偽回歸”問題,面板數據將時間序列數據和橫截面數據進行了混合。本研究在構建面板數據模型前首先進行了單位根檢驗和協整檢驗,以檢驗數據序列的平穩性[16]。平穩性檢驗通過后,使用F檢驗和Hausman檢驗方法確定面板數據模型設定形式。主要是:①單位根檢驗。單位根檢驗過程中若發現數據序列存在單位根,則對序列進行一階差分后繼續檢驗;若仍然存在單位根,則需進行二階甚至高階差分后檢驗,直至序列平穩為止。目前檢驗方法主要有LLC檢驗、IPS檢驗、ADF檢驗 和 PP檢驗等。為了避免單一檢驗方法的偏差,保證結論的穩健性,本研究使用LLC、IPS、Fisher-ADF和Fisher-PP四種檢驗方法對數據進行單位根檢驗。②協整檢驗。面板協整檢驗一般包括同質面板協整和異質面板協整檢驗,前者一般使用Kao檢驗,后者一般使用Pedroni協整檢驗。這兩種檢驗方法的原假設均為不存在協整關系,從面板數據中得到的殘差統計量進行檢驗。

3 旅游安全網絡關注度影響因素實證分析

3.1 平穩性檢驗

單位根檢驗:本研究選擇四個統計檢驗量對研究中涉及的變量進行單位根檢驗,從而檢驗研究數據的平穩性。其中,LLC檢驗原假設為“各截面序列具有相同單位根過程”;IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗原假設為“各截面序列具有不同的單位根”。檢驗結果見表2。序列lnX1、lnX2、lnX3、lnX4、lnX5、lnX6、lnX7、lnY四種檢驗方法對應的P值遠小于顯著性水平0.05,拒絕存在單位根的原假設,為平穩變量I(0)。

表2 變量平穩性檢驗結果

協整檢驗:變量間同階單整情況下,采用KAO協整檢驗法對變量進行協整檢驗。從表3可見,P值小于0.05(0.0197),拒絕原假設。在置信度為95%的條件下,認為變量之間存在協整關系,可進行下一步研究。

表3 序列協整檢驗結果

3.2 模型選擇

本研究中面板數據模型形式為:

yit=αi+β1ix1it+β2ix2it+…+βkixkit+uit(i=1,2,3…,N；t=1,2,3…，T)

(1)

經Eviews9.0軟件分析后的結果見表4、表5。對給定的顯著性水平0.05,F檢驗結果中的P值<0.05,拒絕原假設,拒絕建立混合模型,采用固定效應模型;Hausman檢驗結果顯示,P值遠小于0.05時,拒絕原假設,拒絕建立個體隨機效應模型。綜合上述兩種檢驗結果,本研究確定建立個體固定效應變截距模型。

表4 F檢驗結果

表5 Hausman 檢驗結果

3.3 結果分析

模型估計結果:模型估計結果見表6。從表6可見,R2=0.9644,調整后的R2=0.9532,可決系數很高,F檢驗P值小于0.05,拒絕原假設,說明回歸方程顯著,即列入模型的各個解釋變量聯合起來對被解釋變量有顯著影響。但多個變量所對應的P值>0.05,且影響系數符號與理論預期相反,表明該模型可能存在嚴重的多重共線性問題。

表6 模型估計結果

我們將每個X變量分別作為別解釋變量對其余X變量進行回歸,檢測回歸所得可決系數和方差擴大因子的數值。表7的結果顯示,除lnx1、lnx4、lnx6外,輔助回歸的可決系數很高,當方差擴大因子VIFj≥10時,通常說明該解釋變量與其他解釋變量之間有較嚴重的多重共線性[16],這里除lnx2、lnx3、lnx4、lnx7的方差擴大因子遠大于10,表明確實存在嚴重的多重共線性問題。

表7 輔助回歸的值

模型修正結果:借助Eviews9.0軟件,采用廣義最小二乘法逐步回歸對個體固定效應模型進行參數估計,lnX2、lnX3被剔除,得出結果見表8。

表8 面板模型參數估計結果

從參數估計各項結果看:①F-statistic指標P值為0,小于顯著性水平0.05,拒絕原假設,說明回歸方程顯著,即列入模型的各個解釋變量聯合起來對被解釋變量有顯著影響。②多重可決系數衡量估計模型對觀測值的擬合程度,多重可決系數數值介于0和1之間,數值越接近1,說明模型對數據的擬合程度越好。分析結果顯示,R2=0.9843,修正的可決系數為0.9790,本研究中模型對樣本的擬合較好,解釋能力較強。③DW檢驗方法是檢驗自相關的常用方法,主要用于檢驗殘差序列的相關性,其區間為(0,4)；當DW值=2時,不相關。分析結果中DW≈2.2835,說明殘差序列不相關,不存在自相關情況。進一步分析參數可知,地區人口數、互聯網普及率、人均地區生產總值、受教育程度(大專及以上人口數)均對旅游安全網絡關注度有顯著影響(|t|>2,P<0.05),性別比對旅游安全網絡關注度的影響不顯著(|t|<2,P>0.05)。

4 結論與討論

性別這一變量與理論預期不符。從性別比對旅游安全網絡關注度的無顯著影響來看,當前網絡高度化發展時代,網絡已成為人們獲取信息的基本渠道,這是不分性別的。基于上述推論,目前性別差異對旅游者通過網絡獲取旅游信息資訊并無顯著的影響,移動終端的高度普及使人們獲取網絡信息更加便利。以往研究中曾指出,女性受職業地位與家庭內部資源分配影響,導致其信息設備購買能力低于男性,這一結論在新的時代背景下有待商榷。前人研究成果指出性別的差異造成男女對網絡關注行為有所差異,且性別對網絡關注行為的影響是動態且多元化的,會受到年齡、教育程度等因素的影響[11]。本研究未全面考慮其他因素的影響,有關性別對旅游安全網絡關注的影響作用有待深究。

地區人口數對旅游安全網絡關注度有顯著的正向作用,且其影響彈性系數最大(1.4093)。前人較少探討地區人口規模對網絡關注度的影響,但本研究考慮到旅游安全網絡關注度的計算邏輯,認為地區人口規模是影響其旅游安全網絡關注度指數水平的重要因素,旅游安全網絡關注度是基于地區居民網絡搜索記錄產生的指數數據,該關注度的高低與該地人口規模密不可分。本研究結果也驗證了前文理論分析中人口數越大的省、自治區、直轄市的旅游安全網絡關注度指數越大。

互聯網發展水平對旅游安全網絡關注度有顯著的正向作用,為主要影響因素之一。結果顯示,互聯網普及率對旅游安全網絡關注度的影響彈性系數為0.6991,僅低于地區人口數的影響彈性系數。一方面,互聯網發展水平高的省份說明該地區能為居民使用互聯網提供更為優質的硬軟件環境,居民上網更為便捷,搜尋旅游安全網絡信息的途徑更順暢;另一方面,互聯網發展水平高的地區經濟發展水平一般也較高,居民有較強的經濟基礎支撐旅游活動,因此正向影響旅游安全網絡關注度。

人均地區生產總值對旅游安全網絡關注度有積極的正向影響。其原因可從兩個角度進行解釋:一方面,作為體現地區經濟發展水平的重要指標之一,人均地區生產總值高,說明地區的經濟發展水平相對其他地區更高,各方面的基礎設施投入包括互聯網接入設備等投入更加完善;另一方面,居民經濟狀況對其出游決策有重要制約作用,人均GDP高,地區居民出游意向更高。人本主義心理學家Maslow曾提出著名的需要層次理論[17],其中闡述了人類的不同層次需要對指導其自身行為具有重要意義。在人類一系列復雜需要中,根據其優先次序可分為生理需要至自我實現的五層次的需要。對人類個體來說,只有滿足基本需要才能發展更高級的需要。經濟基礎是推動游客出游的重要基礎條件,從而在具備出游意愿的基礎上產生對旅游安全相關信息的關注。一些地區居民因個人經濟條件受限導致旅游意愿較弱,如青海、西藏等,因此地區經濟發展水平的差異使各省份旅游安全網絡關注度差異較大。

由受教育程度(大專及以上人口數)這一指標的分析結果可知,大專及以上人口數對旅游安全網絡關注度有顯著的正向影響,影響彈性系數為0.0031。即受教育程度高的人口數越多,則該地區的旅游安全網絡關注相對更高。相比之下,大專及以上人口數的影響系數明顯低于人口數、互聯網普及率及人均地區生產總值的影響系數,可見受教育程度并非旅游安全網絡關注度的決定性影響因素。該結果再次驗證,在網絡高度發展與移動設備廣泛普及的信息化時代,受教育程度、性別差異對居民網絡使用率的影響逐漸減弱。

居民網絡關注行為受多種因素的影響,基于該統計的旅游安全網絡關注度指數的影響因素也是多元而復雜的。除了本研究中提及的因素外,可能還包括地區居民閑暇時間、旅游目的地突發事件數量等[18-20]。以上各個要素中,有些促使地區旅游安全網絡關注度提高,有些則降低旅游安全網絡關注度,關注我國旅游安全網絡關注度的動態變化能在一定程度上預測旅游目的地實際客流量,從而針對性地對不同地區采取差異化的旅游安全管理。

本文在前人研究基礎上進行了進一步拓展,研究結果表明:地區人口數、互聯網發展水平、地區經濟發展水平、受教育程度等對旅游安全網絡關注度有顯著的正向影響,其中地區人口數、互聯網發展水平和地區經濟發展水平是重要的影響因素。考慮到本研究樣本為面板數據,閑暇時間、居民出游偏好、氣候舒適度等信息較難獲得合適的測度數據,因此選取的指標數據受限,結果僅在一定層面驗證了前人成果并進一步對影響方向和影響強度進行了探究,而有關旅游安全網絡關注度的諸多因素未全面考慮到,還需做進一步的研究驗證。

參考文獻：

[1]中國互聯網絡信息中心.第39次中國互聯網絡發展狀況統計報告[EB/OL].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/.

[2]林煒鈴,鄒永廣,鄭向敏.旅游安全網絡關注度區域差異研究——基于中國31個省市區旅游安全的百度指數[J].人文地理,2014,(6)∶154-160.

[3]蔡衛民,彭晶,覃娟娟.韶山的全國網絡關注熱度矩陣及推廣策略研究[J].旅游科學,2016,(4)∶61-72.

[4]李山,邱榮旭,陳玲.基于百度指數的旅游景區絡空間關注度：時間分布及其前兆效應[J].地理與地理信息科學,2008,(6)∶102-107.

[5]龍茂興,孫根年,馬麗君,等.區域旅游網絡關注度與客流量時空動態比較分析——以四川為例[J].地域研究與開發,2011,(3)∶93-97.

[6]黃先開,張麗峰,丁于思.百度指數與旅游景區游客量的關系及預測研究——以北京故宮為例[J].旅游學刊,2013,(11)∶93-100.

[7]張斌儒,黃先開,劉樹林.基于網絡搜索數據的旅游收入預測——以海南省為例[J].經濟問題探索,2015,(8)∶154-160.

[8]林志慧,馬耀峰,劉憲鋒,等.旅游景區網絡關注度時空分布特征分析[J].資源科學,2012,(12)∶2427-2433.

[9]張曉梅,程紹文,劉曉蕾,等.古城旅游地網絡關注度時空特征及其影響因素——以平遙古城為例[J].經濟地理,2016,(7)∶196-202.

[10]鄒永廣,林煒鈴,鄭向敏.旅游安全網絡關注度時空特征及其影響因素[J].旅游學刊,2015,(2)∶101-109.

[11]蔣美華,李翌萱.網絡信息關注行為的性別差異分析[J].山西師范大學學報(社會科學版),2013,(5)∶141-144.

[12]Franklin C A,Franklin T W.Predicting Fear of Crime：Considering Differences Across Gender[J].Feminist Criminology,2009,4(1)∶83-106.

[13]李霞,曲洪建.郵輪旅游網絡關注度的時空特征和影響因素——基于百度指數的研究[J].統計與信息論壇,2016,(4)∶101-106.

[14]百度指數.產品簡介[EB/OL].https：//index.baidu.com/Helper/?tpl=help&word=.

[15]黃曉燕,曹小曙,李濤.中國城市私人汽車發展的時空特征及影響因素[J].地理學報,2012,(6)∶745-757.

[16]龐皓.計量經濟學(第二版)[M].北京：科學出版社,2010.

[17]許金聲.動機與人格[M].北京：華夏出版社,1987.

[18]馬麗君,孫根年,李玲芬,等.?？诼糜螝夂蚴孢m度與客流量年內變化相關分析[J].資源科學,2008,(11)∶1754-1759.

[19]曹偉宏,何元慶,李宗省,等.麗江旅游氣候舒適度與年內客流量變化相關性分析[J].地理科學,2012,(12)∶1459-1464.

[20]馬麗君,孫根年,黃蕓瑪,等.城市國內客流量與游客網絡關注度時空相關分析[J].經濟地理,2011,(4)∶680-685.