高鐵開通對目的地旅游流聚集的影響研究
——以昆明市為例

馬麗君，劉聰

（湘潭大學商學院，湖南湘潭 411105）

交通一直以來都是影響旅游者目的地選擇的一個重要因素。1964 年，日本新干線的開通拉開了全世界高速鐵路發展的序幕［1］，近年來我國高速鐵路也迅速發展。高鐵的開通大大縮減了旅游者的出行時間和費用，高鐵的“時空壓縮”效應提高了旅游地的客源市場半徑［2］，對旅游地旅游流的流量、客源市場的結構、旅游流年內季節分布等都會產生重大的影響。汪德根、陳田、李立等梳理了2011 年以前國外關于高鐵對旅游影響的研究，指出國外關于高鐵對旅游影響的研究領域主要集中在高鐵開通對其他交通方式需求的影響、高鐵對旅行時間的影響、高鐵對旅游行為方式的影響、高鐵對旅游收益的影響、高鐵對目的地旅游要素結構的影響、高鐵對目的地旅游空間結構的影響等方面［3］。2012 年以來，國外關于高鐵對旅游的影響主要集中在高鐵對旅游產品多樣性的影響［4］、高鐵連接效應分析［5］、高鐵對目的地選擇的影響［6，7］等方面。國內關于高鐵對旅游的影響研究雖然起步較晚，但是相關研究眾多，主要集中在高鐵對旅游經濟的影響［8－10］、高鐵對旅游效率的影響［11］、高鐵對旅游業的影響［12－14］、高鐵對旅游供需市場結構的影響［15，16］、高鐵對游客行為的影響［17，18］、高鐵對旅游流的影響［17－27］等方面。在有關高鐵對旅游流影響的研究中，汪德根、陳田、陸林等運用旅游場理論和社會網絡分析方法比較了京滬高鐵開通前后9 個主要高鐵站點的旅游流時空分布變化特征，并提出高鐵對旅游流的影響表現為馬太效應、過濾效應、擴散效應和疊加效應等特征［19－21］；穆成林、陸林、李磊等采用問卷調查的方式分析了高鐵對黃山市旅游流空間結構的影響［22－25］；郭向陽、穆學青、明慶忠等運用加權TOPSIS模型分析了旅游地快速交通優勢度與旅游流強度的空間耦合［26］；劉大鈞、陳君子、夏焱運用社會網絡分析法和GIS空間分析法研究了對高鐵對成渝城市群旅游流的影響［27］。縱觀國內外相關研究發現，高鐵對旅游影響的相關研究較為豐富，為本文提供了一定的理論支撐和方法借鑒，但有關高鐵對旅游地客源市場結構、旅游流年內季節分布影響的研究尚不多見，且相關研究多采用問卷調查數據，樣本量有一定的局限性。

昆明市四季如春，擁有豐富的旅游資源，是我國一座著名的旅游城市。昆明南站始建于2011 年6月20 日，2016 年12 月28 日正式投放使用，滬昆高鐵和南昆高鐵全線正式通車，標志著昆明邁入“高鐵時代”。本文選取昆明市為案例地，依托百度指數，收集昆明高鐵南站通車前后各3 年（2014—2019 年）昆明旅游網絡關注度數據，利用自回歸分布滯后模型、季節強度指數、首位度、地理集中度、皮爾遜相關檢驗、回歸分析等方法分析了高鐵開通對昆明旅游流流量、旅游流年內季節、客源市場結構分布的影響，以期為豐富和完善高鐵對旅游影響的相關研究和昆明旅游客源市場開發提供理論依據。

1 數據來源及研究方法

1.1 數據來源

網絡關注度即百度搜索指數，指人們對某一事物的網絡關注程度。游客網絡關注度是游客在出游前對旅游目的地檢索的痕跡，是游客出游的一種體現和預兆。前人研究表明，網絡關注度與旅游流之間存在密切的正相關關系［28－30］，并被大量應用于旅游需求的研究中［31－33］。本文選取“昆明旅游”、“昆明世博園”、“石林風景區”和“滇池”作為關鍵詞。其中，“昆明世博園”和“石林風景區”為昆明市現存的兩個5A級景區，“滇池”為馬蜂窩、攜程網等旅游攻略網站昆明熱度排名最高的旅游景點。依托百度指數，搜集2014—2019 年我國31 個省區對昆明旅游的網絡關注度數據，用于分析高鐵開通對昆明旅游流流量、旅游流年內季節分布、客源市場結構的影響。由于香港與澳門特別行政區、臺灣地區居民慣用的搜索引擎不是百度，百度指數不能代表這3 個地區的網絡關注度，因此不納入本文研究范疇。2018 年1 月“昆明火車站砍人事件”對昆明旅游網絡關注度沖擊影響在統計數據中表現不明顯，本文在分析中未考慮該事件對昆明旅游流的影響。此外，還需要考慮各省區到昆明市的空間距離。本文以各省區的省會城市或首府城市到昆明市的空間距離來衡量，通過百度地圖測距獲得。

1.2 研究方法

ADL模型：自回歸分布滯后模型（ADL）由Jorgenson于1966 年提出，（p，q）階自回歸分布滯后模型的基本表達為：

式中，Xt－i為滯后i 期的外生變量向量（維數與變量個數相同），且每個外生變量最大滯后階數為τi；βi為參數向量［34］。本文將其用于分析高鐵開通對昆明市旅游流是否存在影響，以及影響的持續時間。

季節強度指數：季節強度指數是用以分析旅游流年內時間分布集中性的一個指標，其計算公式為［35］：

式中，R 為旅游流的季節強度指數；Xi為各月旅游流占全年總量的比值。R 值越接近于0，說明旅游流年內時間分配越均勻；R值越大，說明旅游流年內各月分布差異越大，季節性越明顯。本文將其用于分析高鐵開通對旅游流年內季節分布的影響。

首位度：首位度主要用來衡量區域發展要素在最大區域的集中程度，本文將其用于分析昆明市旅游流客源市場結構變化。通過計算首位度指數來評價規模結構類型，首位度大的即為首位分布類型［36］，計算公式為：

式中，S為首位度；P1和P2分別為網絡關注度第一、二位省份。S≤2，表示昆明旅游客源市場結構正常、集中適當；S ＞2，表示昆明旅游客源市場存在著結構失衡、過度集中的趨勢。

因研究涉及的省份較多，為更好地反映客源市場分布的集中度，本文引入四省份指數和十一省份指數。計算公式為：

式中，S≤1，表示結構正常、集中適當；S ＞1，則表示存在著結構失衡、過度集中的趨勢。

地理集中度指數：本文采用該指數來衡量昆明旅游流客源市場的空間分布集中性［37］，其計算公式為：

式中，G為地理集中度指數；Xi為i 省份居民對昆明旅游的網絡關注度，即由i 省份到昆明的旅游流流量；T 為31 個省份對昆明旅游的總網絡關注度，即昆明旅游的總旅游流流量；n 為昆明旅游流客源市場數量。G數值越大，越接近100，說明昆明的旅游流客源市場結構越集中，旅游客源結構越單一；G數值越小，說明昆明的旅游流客源市場結構越分散，客源結構更多樣化。

2 基于ADL模型的分析

高鐵開通對昆明旅游流是否有影響及影響期有多長是需要首先解決的問題，也是后續研究開展的前提和基礎。昆明高鐵開通運營的時間較短，為增加分析的時間序列數據長度，本文選用2014—2019年各月網絡關注度數據，同時引入高鐵開通與否這一虛擬變量［16，38，39］來分析高鐵開通對昆明旅游流是否有影響及影響期長度。分析時，首先對月度時間序列數據采用季節差分法消除季節變化的影響，得到時間序列yt，結果見圖1。

圖1 2014—2019 年各月昆明旅游網絡關注度增長趨勢

本文通過單位根檢驗發現，yt為不含截距項和趨勢項的平穩序列數據，顯著性水平為1%，因此無需進行差分處理。對兩個時間序列數據進行LM 檢驗后發現，昆明旅游流適用于（3，1）階自回歸分布滯后模型：

式中，yt為t 時期經季節調整后的旅游流；yt－1為t－1 時期的旅游流；yt－2為t－2 時期的旅游流；yt－3為t－3 時期的旅游流；δ和ε為高鐵開通對t 時期和t－1 時期的影響系數；C 為常數項；ut為隨機干擾項。

根據公式（7）估計所有解釋變量的系數與常數項，根據t統計量，剔除沒有通過顯著性檢驗（顯著水平為10%）的解釋變量，結果見表1。

表1 ADL模型估計結果

由此，得出昆明市旅游流的模型估計公式：

從表1 可見，估計模型的擬合優度為62.364%，擬合效果良好。δ和ε統計量在1%的顯著水平上是統計顯著的，說明高鐵開通對昆明旅游流的影響周期為兩期。其中，δ為正數，說明高鐵開通第一期對昆明旅游流具有正面的促進作用，其促進效果為4.94個單位；而ε為負數，說明高鐵開通對昆明旅游流第二期的影響體現為負面作用，其影響效果為－5.54個單位。原因是：旅游需求主要受到居民人均可支配收入、閑暇時間和受教育程度等因素的影響，在短期內居民人均可支配收入、閑暇時間和受教育程度并不會發生很大的變化，因此在一定時期內居民旅游需求量和偏好是“相對穩定”的，其增長趨勢是可預測和模擬的。高鐵開通第一期對昆明旅游流的促進作用會“預支”后續時期游客對昆明的需求，從而在第二期表現為“抽血”的負面效應。由于時間序列數據長度有限，本文采用月度數據進行模型分析，在分析結果中表現為對高鐵開通首月（第一期）旅游流有促進作用，對次月（第二期）的影響為負面作用，若時間序列數據足夠長，以年為單位進行分析，所得結論有可能是高鐵開通第一年對昆明旅游流有促進作用，第二年為“抽血”的負面效應。本文著重分析了高鐵開通對昆明市旅游流2017 年、2018年的影響。

3 對旅游流年內時間分布的影響

本文利用2014—2018 年間昆明旅游網絡關注度各月數據，制作統計圖表，以分析昆明旅游流的年內時間變化特征，結果見圖2。

圖2 2014—2018 年間昆明旅游流各月分布情況

總體來看，除2017 年外，其他年份昆明市旅游需求年內分布較為均勻，主要原因是：昆明市四季如春，全年的旅游舒適度較高，旅游受季節變化的影響較小，但仍然會受假期的影響，出現“高峰”和“小高峰”。計算得出，2014—2018 年昆明旅游季節強度指數分別為0.47、0.74、0.66、0.93、1.06，說明2014—2018年昆明年內各月的旅游流流量差異相對較小，各月旅游流流量分布相對均勻。其中，2017—2018年昆明旅游的季節強度指數相比2014—2016 年要大，說明高鐵開通后，昆明旅游流的年內各月分布差異變大，主要表現為節假日對旅游流的影響被放大，節假日效應增強。

4 對旅游流客源市場結構的影響

4.1 昆明旅游流客源市場結構概況

我國31 個省份2014—2018 年赴昆明旅游流流量（網絡關注度）結果見表2。從表2 可見，2014—2018 年總網絡關注度超過100 萬人次的是云南省、廣東省、北京市和四川省4 個省份。從2014—2018年的數據可以看出，云南省和廣東省各年旅游流流量始終排在前兩位，其次是北京市、四川省、浙江省和江蘇省，排名處于第三至第六位，但各年名次有所變化。

表2 我國31個省份居民對昆明旅游的網絡關注度（萬人次）

4.2 客源市場結構變化

依據網絡關注度數據及公式（3）—（6），計算2014—2018 年昆明旅游流的首位度和地理集中度指數，結果見表3。從首位度來看，2014—2015 年昆明旅游首位度小于2，表示昆明旅游客源市場結構正常、集中適當，而從2016 年開始，昆明旅游首位度均大于2，且數值逐年上漲，表明昆明旅游客源市場存在著結構失衡、過度集中的趨勢；從四省份和十一省份首位度指數看，2014—2018 年，昆明旅游的四省份首位度分布在0.67—0.88 之間，十一省份首位度指數分布在0.48—0.64 之間，且逐年增大，但均小于1，說明這幾年中昆明旅游客源市場結構正常、集中適當；而從首位度指數變化趨勢看，昆明開通高鐵后兩年與之前的3 年相比，首位度指數均呈上漲趨勢，表明昆明開通高鐵以后，客源市場結構越來越集中。從地理集中度指數來看，2017—2018 年昆明旅游的地理集中度指數相對2014—2016 年有輕微上漲，說明隨著高鐵的開通，旅游流向昆明集聚的省份變得更加集中，昆明旅游客源結構變得更加單一。

表3 昆明旅游流的年度首位度和集聚度指數

4.3 區域差異及影響因素

利用2014—2016 年的數據計算出2015 年、2016年各省份對昆明旅游網絡關注度的平均增長率，用于測算各省份2017 年和2018 年本底值，并將其與統計值相比較，計算高鐵開通兩期內對各省份旅游流流量的影響。其中，內蒙古自治區、寧夏回族自治區、海南省、西藏自治區4 個省份在昆明開通高鐵時未加入全國高鐵網絡，在這一部分分析中予以剔除，結果見表4。從表4 可見，高鐵開通對2017 年昆明旅游網絡關注度的影響量為21.85 萬人次，影響率為4.77%，體現為正面促進作用；對2018 年昆明旅游網絡關注度影響量為－ 57.7 萬人次，影響率為－11.69%，體現為負面作用。這在一定程度上驗證了上文的推論。

高鐵開通對昆明旅游流和客源市場的影響存在明顯的差異。2017 年是昆明高鐵開通的第一年，從表4 可見，除青海省、北京市和云南省體現為負增長外，其他24 個省份均體現為正面的促進作用。其中，云南的游客損失量最大，原因是高鐵開通對旅游流不僅有聚集作用，也有擴散作用，昆明高鐵的開通對云南游客出省旅游具有促進作用，使得本省游客對昆明的旅游需求下降。2018 年為昆明開通高鐵的第二年，高鐵開通對昆明旅游流的作用體現為負面的“預支”作用，從結果來看，除廣西壯族自治區赴昆明的旅游流流量增加外，其他省份均體現為負面的“預支”作用。

表4 高鐵開通對我國27 個省份關于昆明旅游網絡關注度的影響（萬人次）

從上述分析可見，高鐵開通對貴州省、廣西壯族自治區、重慶市等周邊省份的促進作用最明顯，對青海省、北京市等距離較遠的客源市場促進作用并不明顯，即高鐵開通對客源市場的影響存在距離衰減。為驗證這一結論，本文利用百度地圖，以各省份省會城市到昆明的空間距離，測算出2017 年之前加入全國高鐵網絡的云南以外的26 個省份到昆明的空間距離，結果見表5。

表5 我國26個省份與昆明的空間距離

在此基礎之上，利用SPSS 23 軟件對26 個省份2017、2018 兩年旅游流影響量與空間距離之間的關系進行皮爾遜相關檢驗，結果見表6。從表6 可見，在5%顯著水平下，高鐵開通的第一年（2017 年）旅游流影響量與空間距離之間呈負相關關系。即高鐵開通第一年對各省份的旅游流的促進作用與空間距離存在負相關關系，但高鐵開通次年（2018 年）的旅游流影響量與空間距離未顯示有相關關系。

表6 皮爾遜相關性檢驗結果

為進一步考察空間距離與旅游流影響量之間的相關關系，本文以高鐵開通對2017 年各省份對昆明旅游網絡關注度的影響量為因變量，以空間距離為自變量進行線性回歸分析，結果見表7。從表7 可見，空間距離每增加（或減少）1km，高鐵開通對網絡關注度的影響量將減少（或增加）5.43 人次。

表7 回歸分析結果

5 結論與討論

本文收集網絡關注度等數據，利用自回歸分布滯后模型、季節強度指數、首位度、地理集中度、皮爾遜相關檢驗、回歸分析等方法分析了高鐵開通對昆明旅游流流量、旅游流年內季節分布、客源市場結構的影響，主要結論如下：①高鐵開通對旅游地旅游流的影響是全面、復雜和長期的，影響過程是曲折的，并不是對每年的旅游流都具有正面促進作用。高鐵開通對旅游地旅游流第一年的影響是正面促進作用，在第二年則體現為負面作用。原因是：高鐵開通第一年對旅游地旅游流的促進作用會“預支”后續年份游客的旅游需求，從而在第二年表現為“抽血”的負面效應。高鐵對旅游地旅游流是否具有促進作用，促進作用有多大，需要長期的觀測數據和系統全面的分析，否則會使高鐵效應被放大。②高鐵會增強旅游地節假日效應，進而導致旅游地旅游流年內各月分布差異變大。2014—2018 年昆明年內各月旅游流流量差異相對較小，高鐵開通后，昆明年內各月旅游流分布差異變大，主要表現為節假日對旅游流的影響被放大，節假日效應增強。③昆明開通高鐵以后，首位度和地理集中度指數變大，客源市場越來越集中。高鐵開通對客源市場的影響存在區域差異和距離衰減，高鐵開通第一年（2017 年）對各省份的旅游流的促進作用與空間距離之間存在負相關關系，但是高鐵開通次年（2018 年）的旅游需求影響量與空間距離未顯示有相關關系。

本文也存在一定的局限：①網絡關注度是一個間接數據，并不能完全代表實際的客流量，因此相關研究結果可能存在一定的偏差，需要基于實際客流量數據做進一步驗證。②時間序列數據較短，會導致ADL模型和本底值預測結果出現偏差，難以全面準確地測算高鐵開通對昆明旅游流的影響，研究結論存在一定的局限性。③由于少量特殊事件對昆明旅游網絡關注度沖擊影響在統計數據中表現不明顯，本文在分析中未考慮該事件對昆明旅游流的影響，可能會對研究結果造成一定的影響。④研究過程中未剔除其他地區重大事件或高鐵開通的影響，也會導致相關研究結果出現一定的偏差。以上幾個方面將在后續研究中予以完善。