我國國內旅游流循環空間格局及形成機理

梁逍遙，馬麗君

［摘? ? 要］在經濟高質量發展和雙循環發展格局的背景下，構建旅游內循環成為旅游產業進一步釋放消費潛力、實現高質量發展的必要途徑。文章利用2019年31個?。▍^、市）的旅游網絡關注度數據，基于旅游流循環強度、流量規模匹配度、流向偏好匹配度3個指標，探究我國國內旅游流循環的空間格局及形成機理。結果表明，各省（區、市）間均存在旅游流雙向輸出，旅游流循環在不同分析指標下的空間分布格局具有異質性；基于自然斷點法、K-均值聚類將旅游流循環劃分為不同類型，其中，L-L型旅游流循環個數遠多于H-H型，表明國內旅游流循環類型結構不合理；基于二次指派程序（quadratic assignment procedure，QAP）回歸分析發現，旅游流循環的影響因素及其邊際效應不同。在此基礎上，文章提出優化國內旅游流循環空間分布格局、提升旅游流循環質量的建議。

［關鍵詞］旅游流循環；空間格局；形成機理；循環強度；匹配度

［中圖分類號］F59

［文獻標識碼］A

［文章編號］1002-5006（2023）09-0104-14

DOI： 10.19765/j.cnki.1002-5006.2023.00.017

引言

構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局，是黨中央深刻研判國際、國內發展形勢做出的重大戰略決策，同時也是推動高質量發展的戰略基點。雙循環新發展格局于2020年被首次提出1，作為具有戰略性、長期性指導意義的新發展決策，學者們基于政治經濟學、宏觀經濟學等學科經典理論系統闡釋了其理論內涵[1-2]、政策體系[3]及時代價值[4-5]，并結合中國發展實踐論述了其發展路徑[6]，測度了中國經濟循環的質量和效率[7-8]。

旅游業作為綜合性產業，在釋放內需潛力、提振消費市場以及促進國民經濟循環等方面具有重要作用。已有學者從經濟學角度分析了旅游業融入新發展格局的路徑和策略[9-10]，測度了中國31個省份的旅游業內外循環效率[11]。旅游業的發展建立在旅游流的基礎之上，因為目的地與客源地需要通過旅游流建立聯系，完成各種要素的傳遞與交換，實現要素流通，從而維持和推動旅游系統的運轉和旅游產業發展，故而有學者認為，旅游流具有顯著的內循環特征[12]，是推動內循環發展的重要動力[13]?；诖?，研究旅游流循環對深化旅游循環、經濟循環的認知，構建雙循環新發展格局具有重要的理論和實踐價值。旅游流是一種復雜的空間動態流，廣義上的旅游流是囊括客流、物質流、能量流、信息流等多種流動要素的復雜巨系統，狹義上的旅游流指旅游客流[14]。本文所研究的旅游流為狹義上的旅游流?，F有旅游流研究多關注單向旅游流或旅游流網絡特征的分析，如國外對旅游流及其網絡的時空特征（如空間結構[15]、時空模式[16]、時空演化[17]）和影響因素[18]的研究，國內對旅游流及其網絡的空間分布特征[19]、時空演化規律及旅游者空間行為[20]的分析。少量研究從雙向流動視角分析了不同國家、地區間的旅游流互動關系[21]，側重分析國家或地區在旅游流互動關系中的地位[22]和重大事件對旅游互動的影響[23]。

綜上，雙循環新發展格局提出時間較短，基于經濟學的理論研究居多，量化研究正在快速發展。而旅游循環研究成果較少，尤其旅游流循環的研究更少，現有研究多為旅游業如何適應、嵌入新發展格局的質性分析。相比之下，旅游流相關研究成果豐碩，為本研究提供了良好的理論依據和方法借鑒，但其側重單向旅游流或旅游流網絡的分析，對旅游流雙向互動關系關注較少，且現有研究尚未對雙循環背景下的旅游流循環概念、內涵、分析指標進行明確界定和詳細闡釋，更未形成系統的分析框架。因此，本文立足于旅游流雙向互動關系，將一段時間內兩地間的旅游流雙向流動現象定義為旅游流循環，提出分析旅游流循環的3個指標（循環強度、流量規模匹配度、流向偏好匹配度），基于此探究國內旅游流循環的空間分布格局，劃分旅游流循環類型，識別影響旅游流循環的因素，探究國內旅游流循環空間分布格局的形成機理。從理論上來看，本文界定了旅游流循環的概念，構建相應的分析指標體系和分析框架，深化了旅游流的研究內容，提供了旅游流研究的新視角；從實踐上看，分析旅游流循環的空間分布格局為促進地區間旅游循環和旅游聯動、優化旅游流循環的空間格局，構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局提供參考與借鑒。

1 數據來源與研究方法

1.1 數據來源

百度指數是以百度海量網民行為數據為基礎的數據分享平臺，網絡關注度（搜索指數）及其地域分布特征是該平臺的重要功能模塊，相關數據最早可追溯至2011年。旅游網絡關注度是旅游者搜集旅游信息時留下的網絡足跡，是一種旅游信息流。這種信息流對旅游客流既有引導作用[24]，也有“前兆”效應[25]，能夠極大程度地反映現實游客流動情況。已有研究基于計量模型[26]、時空分析[27]證實了旅游網絡關注度與實際客流量的流量正相關性以及明顯的空間協同性[28-29]。因此，以網絡關注度為代表的虛擬旅游流通常被認為是現實旅游流的“晴雨表”，用以反映潛在旅游者的需求和地區間的旅游聯系[30]。本文依托百度指數平臺，收集2019年31個省（區、市）（不包括港澳臺）居民對其他各?。▍^、市）3A級及以上級別景區的網絡關注度數據作為分析旅游流循環空間格局的基礎數據1，構建31?。▍^、市）之間的O-D（origin-destination）矩陣。各?。▍^、市）2019年的常住人口數量、GDP、每10萬人口高等學校平均在校生數、移動電話交換機容量、星級酒店數量、旅游資源豐度、高鐵和航空最短旅行時間以及空間距離等數據來源于《中國統計年鑒?2020》、各?。▍^、市）統計年鑒和統計公報、各省（區、市）文旅部官方網站、中國鐵路12306網站以及百度地圖。

1.2 概念界定

循環是指事物周而復始的運動或變化，特指運行一周而回到原處2?；诖酸屃x，可將旅游流循環界定為旅游者從客源地出發到目的地開展旅游活動，而后返回客源地的過程，即游客從客源地→目的地→客源地，這是狹義上的旅游流循環，也可稱之為以客源地為中心的旅游流自循環。但在雙循環背景下，要素自由流通和集聚是構建新發展格局的關鍵內容之一，需要通過促進要素流通助推市場循環、地域空間循環，形成優勢互補、協調聯動的發展體系[31]。因此，旅游流循環應以旅游流為關鍵要素，研究其市場和地域空間循環，即研究旅游流在地域間的循環流動。這是廣義上的旅游流循環，從這一角度講，廣義的旅游流循環包含了兩個或兩個以上的旅游流自循環。因此，區域間的旅游流對流是形成廣義旅游流循環（下文簡稱為旅游流循環）的基礎。

但值得注意的是，客源地（A地）游客到目的地（B地）旅游后，受出游時間的限制，絕大部分游客會選擇從B地返回A地，尤其當研究尺度為省或更大的地域單元時，這一現象更加明顯，很少有游客在短時間內跨多個?。▍^、市）旅游。因此，兩地間的旅游流循環是研究旅游流循環最重要、最基本的單元，也是本文的分析重點。而兩地間旅游流對流形成的兩個旅游流自循環則是研究兩地間旅游流循環的核心，旅游流循環包含了游客返回客源地的過程，但本文并未考慮這一過程的原因在于：其一，返程游客量無法準確測度，雖然A地游客在B地旅游后，絕大部分游客從B地返回A地，但具體的游客量是多少無統計數據；其二，從企業和政府的角度看，他們更關注的是接待游客所帶來的經濟、社會和文化效應，游客返程即為回家，其對客源地產生的效應較小，研究意義不大。

故而本文所研究的旅游流循環可簡化為旅游流對流，并將其定義為：兩地間旅游流的雙向流動，即在一段時間內，i地區向j地區輸出旅游流（i地區居民到j地區旅游），且j地區向i地區輸出旅游流（j地區居民到i地區旅游），則兩地間形成旅游流循環。若i地區向j地區單向輸出旅游流或j地區向i地區單向輸出旅游流，則兩地間無法形成旅游流循環。旅游流循環不僅可以反映旅游流循環的流量大?。ㄑh強度），還可以反映旅游流循環的內部結構問題（循環匹配度），具有更高的研究價值。

1.3 分析指標與分析方法

1.3.1? ? 分析指標

在兩地間存在旅游流循環的前提下，可采用循環強度、流量規模匹配度、流向偏好匹配度3個指標進一步分析旅游流循環的空間分布格局，具體如下。

（1）循環強度

循環度強度體現的是兩地間旅游流雙向流動的強度，通過兩地間旅游流流量均值來表征[32]，計算方法如下：

[Fij=（Xij+Xji）/2]? （1）

式（1）中，[Fij]代表i、j兩地間的旅游流循環強度，[Xij]代表i地區居民對j地區的旅游網絡關注度（下同），[Xji]代表j地區居民對i地區的旅游網絡關注度（下同）。[Fij]值越大，旅游流循環強度越大，表明兩地間旅游流聯系越緊密。

（2）匹配度

匹配度主要包括流量規模匹配度和流向偏好匹配度兩個分析指標，匹配度越高，對應兩地旅游流的互動關系越協調。流量規模匹配度反映的是兩地間兩條旅游流流量大小的量比關系。計算公式如下：

[Sij=Xij/Xji，? Xij≤XjiXji/Xij，? Xij>Xji]? （2）

式（2）中，[Sij]代表i地區與j地區旅游流循環的流量規模匹配度。[Sij∈（0，1]]，其值越大，流量規模匹配度越高。

流向偏好匹配度反映的是兩地間旅游需求偏好的匹配程度，即i地區旅游流對j地區偏好與j地區旅游流對i地區偏好的量比關系。流向偏好可通過計算i地區流向j地區的旅游流流量在該地區旅游流總流出量中的占比得到[33]，計算公式如下：

[Pij=Xij/∑Xi]? （3）

式（3）中，[Pij]代表i地區對j地區的旅游流流向偏好，[∑Xi]代表i地區居民對所有地區的旅游網絡關注度總量。在此基礎上計算流向偏好匹配度，計算公式如下：

[Mij=PijPji， Pij≤PjiPjiPij， Pij>Pji]? ?（4）

式（4）中，[Mij]代表i、j兩地區間旅游流循環的流向偏好匹配度。[Mij∈（0，1]]，其值越大，流向偏好匹配度越高。

1.3.2? ? 分析方法

（1）自然斷點法（natural breaks）

自然斷點法是依據數值的統計分布規律對其分級和分類的方法，目的是最大化類與類之間的不同。本文利用ArcMap 10.8中的自然斷點法將不同指標下的旅游流循環劃分為高、中、低3個等級，通過地圖可視化直觀展示各等級旅游流循環的空間分布格局。此外，通過對比分析不同指標、不同等級下的旅游流循環空間分布特征，揭示我國國內旅游流循環的空間分布格局。

（2）K-均值聚類（K-means clustering）

K-均值聚類是基于給定的聚類數目K，通過距離度量將具有相似特征的數據成員進行分類組織的經典聚類算法。本文設置K=3，旨在依據旅游流循環強度、規模匹配度、偏好匹配度3個指標將國內旅游流循環劃分為3個類型，深入分析各個類型的旅游流循環空間分布格局。

（3）QAP（quadratic assignment procedure）回歸分析

QAP回歸分析是基于矩陣關系進行定量分析的方法。相比于傳統的線性回歸，QAP回歸能夠很好地處理多重共線性問題，分析結果也更加有效和穩健，因而適用于關系型數據的分析[34]。本文的回歸分析在Ucinet中進行，旨在分析人口規模、經濟發展水平、教育水平、信息化水平、旅游接待能力、旅游資源稟賦、交通條件及地理位置與旅游流循環強度、流量規模匹配度、流向偏好匹配度3個指標的關系及作用程度，從而探究國內旅游流循環空間分布格局的形成機理。

2 旅游流循環強度空間格局分析

2019年的網絡關注度數據顯示，31個?。▍^、市）共形成930條旅游流，465個旅游流循環，即所有省（區、市）之間都有旅游流循環。

旅游流循環強度可依托各?。▍^、市）網絡關注度及式（1）直接計算得出，利用ArcMap 10.8的自然斷點法將465個旅游流循環分為高強度、中強度、低強度3個等級，并制作旅游流循環強度空間分布格局圖（圖1）。高強度等級共62個旅游流循環，循環強度值在166.49～491.02之間，涉及21個?。▍^、市），主要分布在經濟發展水平較高、人口較多、旅游資源豐富、交通便捷、空間鄰近的?。▍^、市）之間，因而東部地區1內部以及東中部?。▍^、市）之間形成的旅游流循環數量較多，如江蘇?浙江、北京?河北、江蘇?安徽等。中強度等級共127個旅游流循環，循環強度值在72.85～166.48之間，涉及除寧夏、青海、西藏之外的28個?。▍^、市），東西部?。▍^、市）之間形成的旅游流循環數量較多。與高強度等級相比，中強度等級中的西部地區內部以及西部地區與其他區域省（區、市）之間的旅游流雙向互動關系明顯增多，如貴州?廣西、湖北?四川、山西?陜西等。低強度等級共276個旅游流循環，循環強度值在6.55～72.84之間，涉及所有?。▍^、市），主要分布在經濟發展水平較低、人口較少以及空間位置較遠的?。▍^、市）之間。因此，低強度等級的旅游流循環以西部各省（區、市）為主導，如寧夏、西藏、青海對應的所有旅游流循環均處于該等級。

總體來看，旅游流循環強度等級越高，涵蓋的旅游流循環數量越少，涉及的?。▍^、市）越少。3個等級包含的旅游流循環數量差距較大，高強度旅游流循環數量較少，低強度旅游流循環數量偏多，結構不是很合理，有較大的提升空間。在空間分布上，旅游循環強度等級由高至低變化時，涉及的核心?。▍^、市）由東向西變遷，在整體上形成“東高西低”的空間分布格局，即高強度旅游流循環的核心省（區、市）主要分布在東部，中強度旅游流循環的核心?。▍^、市）主要分布在東中部，低強度旅游流循環的核心?。▍^、市）主要分布在西部，該分布格局與我國人口“東密西疏”以及經濟發展水平“東高西低”的地域格局相似[35]。

3 旅游流循環匹配度空間格局分析

旅游流循環匹配度包括流量規模匹配度、流向偏好匹配度兩個分析指標。與上文一樣，旅游流循環匹配度可根據式（2）和式（4）直接計算。

3.1 流量規模匹配度空間格局分析

由網絡關注度數據和式（2）計算每個旅游流循環的流量規模匹配度，并利用自然斷點法將465個旅游流循環劃分為高匹配、中匹配、低匹配3個等級，結果如圖2所示。各等級所包含的旅游流循環數量相對均衡，分別為154個、185個、126個，但流量規模匹配度值存在較大差異。高匹配等級的流量規模匹配度在0.73～0.99之間，涉及除西藏之外的30個?。▍^、市），東中部?。▍^、市）之間形成的旅游流循環數量較多?？煞譃閮煞N情況：其一，旅游流循環對應兩地相互間的旅游流輸出量均較小，如內蒙古?甘肅、北京?寧夏、吉林?山東等；其二，旅游流循環對應兩地相互間的旅游流輸出量均較大，如北京?湖北、貴州?四川、江蘇?安徽等。中匹配等級的流量規模匹配度在0.45～0.72之間，涉及所有省（區、市），東西部?。▍^、市）之間形成的旅游流循環較多，如上海?重慶、浙江?新疆、天津?內蒙古等。低匹配等級的流量規模匹配度在0.01～0.44之間，同樣涉及所有省（區、市），西部省（區、市）對應的旅游流循環占據主導。如西藏對應的30個旅游流循環中有27個為低規模匹配度旅游流循環，這是因為西部地區經濟發展水平低、人口密度低，限制了當地居民的出游潛力，但西部地區又因自然資源豐富，旅游優勢度較高，對外吸引力較強[30]，導致西部各?。▍^、市）游客輸出規模小，而游客輸入規模較大，從而形成規模匹配度較低的旅游流循環。

在空間分布上，隨著流量規模匹配度等級的升高，旅游流循環分布趨向集中，集聚方向為自西向東。流量規模高匹配、中匹配等級的旅游流循環多以東、中部?。▍^、市）為主導，低匹配等級旅游流循環多分布在北部、西部邊緣?。▍^、市）。在地理位置上，高匹配、中匹配、低匹配3個等級中鄰近?。▍^、市）形成的旅游流循環占比分別為20.78%、18.92%、1.59%，即空間距離較近的?。▍^、市）間較容易形成流量規模匹配度較高的旅游流循環。

3.2 流向偏好匹配度空間格局分析

利用自然斷點法將465個旅游流循環分成高匹配、中匹配、低匹配3個等級（圖3）。高匹配等級有117個旅游流循環，匹配度在0.74～0.99之間，東部?。▍^、市）與其他區域?。▍^、市）形成的旅游流循環數量較多，如廣東?山西、北京?四川、山東?重慶等。中匹配等級包含156個旅游流循環，匹配度在0.48～0.73之間，主要分布在西部內部?。▍^、市）以及西部與其他區域的?。▍^、市）之間，如寧夏?甘肅、內蒙古?福建、云南?安徽等。低匹配等級有192個旅游流循環，匹配度在0.10～0.47之間。與高、中匹配等級相比，低匹配等級囊括的旅游流循環數量最多，以天津、遼寧、吉林、寧夏等?。▍^、市）為主導。如天津對應的30個旅游流循環中有23個被劃分到低偏好匹配度等級中，這是因為，相對于其他?。▍^、市），天津本身旅游資源較為匱乏，且相鄰的北京對其有一定的屏蔽效應和虹吸效應，導致天津對外旅游吸引力較弱；但天津的經濟、交通以及基礎設施發展水平較高，居民具備較強的旅游出行能力，導致天津與其他?。▍^、市）形成的旅游流循環在偏好方面失衡。

3個等級包含的旅游流循環數量不同，但都涉及31個省（區、市），等級越高，包含的旅游流循環數量越少。高匹配、中匹配等級的旅游流循環數量在各?。▍^、市）的分布差距較小，低匹配等級的旅游流循環數量在各?。▍^、市）的分布差距相對較大。在空間分布上，高匹配、中匹配、低匹配3個等級所包含的旅游流循環無明顯空間集聚或擴散現象，無顯著的空間分布差異，比規模匹配度的空間分布更加均衡。在地理位置上，高匹配、中匹配、低匹配3個等級中鄰近?。▍^、市）之間形成的旅游流循環占比分別為18.80%、14.74%、12.50%，可見，隨著偏好匹配度等級的升高，鄰近?。▍^、市）間的旅游流循環占比逐漸增加，但3個等級之間的占比相差不大，說明地理位置對流向偏好匹配度的邊際效應不大。

4 旅游流循環類型劃分及空間分布

為進一步識別旅游流循環特征，本文依據循環強度和匹配度將旅游流循環劃分成不同類型。匹配度包括流量規模匹配度與流向偏好匹配度兩個指標，為便于分析，本文通過計算兩者的幾何均值將兩個匹配度合二為一，進而結合循環強度進行旅游流循環類型的劃分。旅游流循環類型劃分采用兩種方法：一種是根據循環強度、匹配度的自然斷點結果，將旅游流循環劃分為9種類型；另一種是利用K-均值聚類將旅游流循環劃分3種類型。

根據循環強度、匹配度的自然斷點結果，旅游流循環可劃分為：H-H（高循環強度-高匹配度，含32個旅游流循環）、H-M（高循環強度-中匹配度，含25個旅游流循環）、H-L（高循環強度-低匹配度，含5個旅游流循環）、M-H（中循環強度-高匹配度，含42個旅游流循環）、M-M（中循環強度-中匹配度，含56個旅游流循環）、M-L（中循環強度-低匹配度，含29個旅游流循環）、L-H（低循環強度-高匹配度，含44個旅游流循環）、L-M（低循環強度-中匹配度，含111個旅游流循環）、L-L（低循環強度-低匹配度，含121個旅游流循環）9個類型?？傮w而言，循環強度較高、匹配度較高的旅游流循環，多分布在經濟發達?。▍^、市）或距離較近的?。▍^、市）之間。循環強度較低、匹配度較低的旅游流循環，多分布在東北、西北等區域?。▍^、市）之間。

為進一步精簡旅游流循環類型，凸顯類型特征和空間分布規律，利用K-均值聚類對旅游流循環進行分類，結果如圖4所示。從圖4中可以看到，旅游流循環可分成3個類型：H-H（高循環強度-高匹配度）、M-M（中循環強度-中匹配度）、L-L（低循環強度-低匹配度）。其中，H-H型包括22個旅游流循環，以江蘇、北京、廣東等經濟發達的東部省（區、市）以及旅游資源豐富的西部?。▍^、市）四川為核心，該類型主要由核心省（區、市）之間的旅游流循環或核心省（區、市）與其相鄰?。▍^、市）之間形成的旅游流循環構成，使得該類型旅游流循環的空間分布具有明顯的地理集中性。M-M型包含120個旅游流循環，該類型核心省（區、市）不再局限于浙江、河北等沿海?。▍^、市），中部?。▍^、市）如湖北、湖南的核心地位逐漸凸顯，旅游流循環的涵蓋范圍不斷向西擴展。L-L型包括323個旅游流循環，西藏、青海、寧夏、海南等省（區、市）的核心地位突出，該類型包含的旅游流循環數量占比達69.50%，反映出我國整體旅游流循環的類型結構不合理。旅游流循環類型從H-H型到L-L型，旅游流循環數量及其涵蓋的?。▍^、市）數量越來越多，單個核心?。▍^、市）在各自類別中的主導地位逐漸減弱，旅游流循環的空間分布格局不斷向西擴散，核心?。▍^、市）也逐漸向西變遷。與自然斷點分類結果相比，K-均值聚類劃分結果中的各類型空間集聚效應更加顯著，核心區域的主導地位更加突出。

5 國內旅游流循環空間格局的形成機理

與單向旅游流不同，旅游流循環由兩地的旅游流雙向互動形成，其循環強度、匹配度受到兩地相關因素的共同影響。因此，分析國內旅游流循環空間格局的形成機理時需綜合考察旅游流循環涉及的兩個地區情況。旅游流循環強度的影響因素分析需計算旅游流循環涉及兩地相關影響因素的均值，如經濟發展水平在與循環強度進行回歸分析時，采用兩地經濟發展水平的均值。旅游流循環匹配度的影響因素分析需計算旅游流循環涉及兩地相關影響因素的匹配度，該匹配度是指兩個地區間影響因素的量比關系，如經濟發展水平在與旅游流循環匹配度進行回歸分析時，采用兩地經濟發展水平的比值（甲地經濟發展水平/乙地經濟發展水平或乙地經濟發展水平/甲地經濟發展水平，比值[∈（0，1]]）進行分析。

陳哲和龍茂興[36]、蘇卉和康文婧[37]、許艷等[38]、李磊等[12]的研究表明，人口規模、經濟發展水平、教育水平、信息化水平、旅游接待能力、旅游資源稟賦、交通條件、地理位置是影響旅游流流動的重要因素，故本文以上述因素作為自變量，以2019年國內旅游流循環的循環強度、流量規模匹配度、流向偏好匹配度為因變量，基于二次指派程序（quadratic assignment procedure，QAP）回歸分析，揭示國內旅游流循環空間分布格局的形成機理。其中，人口規模以2019年年末各?。▍^、市）的常住人口數量為測度指標[39]。經濟發展水平以2019年各省（區、市）的GDP總量為測度指標[40]。教育水平以2019年各?。▍^、市）的每10萬人口高等學校平均在校生數為測度指標[37]。信息化水平以2019年各省（區、市）的移動電話交換機容量為測度指標，旨在描述地區的信息化基礎設施建設情況[41]。旅游接待能力以2019年各?。▍^、市）的星級酒店數量為測度指標[42]。旅游資源稟賦基于各省（區、市）A級及以上級別景區數量利用旅游資源豐度公式計算得出[43]，反映地區的旅游資源規模和豐裕程度。兩地間的交通條件以交通便捷度為測度指標，指該地區通過高鐵或航空到達另一地區的最短時間[44]。地理位置以兩?。▍^、市）行政中心所在地之間的空間距離為測度指標[45]。基于以上指標，構建影響因素矩陣，進行QAP回歸分析，同時為消除不同量綱的影響，對研究數據進行離差標準化處理[12]。

5.1 循環強度影響因素分析

如表1所示，旅游流循環強度的回歸模型R2為0.633，回歸模型擬合度好，擁有良好解釋力。人口規模、經濟發展水平、教育水平、信息化水平、旅游接待能力、旅游資源稟賦、交通條件以及地理位置均通過顯著性檢驗，表明以上因素均對旅游流循環強度有顯著影響。具體而言，兩地的經濟、教育、信息化以及旅游接待能力的平均水平越高，意味著旅游流循環對應兩地居民的出行能力、信息搜集能力、旅游需求以及旅游設施的平均水平越高，相應地，兩地間旅游流循環強度越高。旅游資源稟賦的平均水平反映了兩地綜合的旅游資源規模，決定其吸引力大小，因此，兩地的旅游資源規模也對旅游流循環強度有助推作用。這也表明，旅游者傾向選擇經濟發展水平、旅游發展水平以及基礎設施水平較高的目的地[46]。此外，人口規模、交通條件、空間距離與旅游流循環強度呈負相關。從理論上講，人口規模是旅游流動的基礎，人口規模越大，旅游流流量越大，故而人口規模與旅游流循環強度應為正相關。本文研究結果與此相悖，其原因在于，回歸模型中自變量較多，變量之間存在一定的相關性，其他強相關因素影響了人口規模的作用力和路徑，使其與旅游流循環強度呈負相關，同時，本文僅用2019年一年數據進行分析，可能存在異常值的影響。交通便捷程度是指兩地間的交通用時，用時越短，交通越便捷，越有利于兩地間的旅游流動，相應地，旅游流循環強度越高。根據距離衰減理論，兩地間的空間距離直接影響旅游信息的輻射范圍以及旅游者的游覽時間、費用，即空間距離是制約旅游流動的重要阻力[47]，因此，鄰近?。▍^、市）之間形成的旅游流循環強度較高，與上文的空間格局分析結果相一致。

5.2 流量規模匹配度影響因素分析

旅游流循環規模匹配度的回歸模型R2為0.339。根據已有經驗，QAP回歸模型的確定性系數一般低于普通最小二乘法模型，R2多在12.5%～40.3%之間[12，47-48]。因而，此回歸模型的確定性系數仍在合理范圍之內，模型解釋力較好。如表1所示，兩地間的交通條件通過顯著性水平1%的檢驗，即兩地間的交通用時越短，旅游雙向流動越便利，對應的旅游流循環流量規模匹配度越高。教育水平也通過了顯著性水平5%的檢驗，表明兩地間的教育水平匹配度越高，旅游流循環規模匹配度也越高。人口規模通過了顯著性水平為10%的檢驗，即兩地的人口規模越接近，兩地的旅游流雙向輸出規模越均衡。在前文分析規模匹配度的空間分布格局時發現，鄰近?。▍^、市）之間形成高規模匹配度旅游流循環的占比較高，從而認為，地理位置鄰近可能對規模匹配度有促進作用，但結合回歸分析結果，地理位置對規模匹配度無顯著影響。這是因為兩地間交通條件的改善產生時空壓縮效應，克服了空間距離對旅游流流動的抑制作用，即交通便捷程度對規模匹配度的促進作用克服了空間距離對其的抑制作用。

5.3 流向偏好匹配度影響因素分析

如表1所示，偏好匹配度的回歸模型R2為0.208，模型解釋力較好。其中，旅游接待能力對偏好匹配度的正向作用最強，即兩地間的旅游接待能力越匹配，對應的旅游流循環偏好匹配度越高，這是因為旅游接待能力會直接影響旅游者對目的地的感知和印象，進而影響旅游者的個體偏好。經濟發展水平影響居民的出行能力，教育水平影響居民的信息搜集和接收能力，因而兩地的經濟發展水平、教育水平匹配度越高，對應的旅游流循環偏好匹配度越高?？臻g距離與偏好匹配度呈負相關，即兩地間的空間距離越遠，對應的旅游流循環偏好匹配度越低，但與其他因素相比，空間距離對偏好匹配度的影響力較小。因此，當空間距離與其他因素共同作用時，其他強相關因素會掩蓋空間距離的作用，出現遠距離?。▍^、市）間的旅游流循環偏好匹配度較高的情況，這與前文偏好匹配度的空間分布格局分析結果一致。

QAP分析結果中，所有變量對旅游流循環強度的作用均通過顯著性檢驗，但部分變量對匹配度的作用未通過顯著性檢驗。其中，常住人口與偏好匹配度無顯著相關性，這是因為偏好匹配度為旅游流循環對應兩地彼此偏好指數的比值，與人口規模無關。經濟發展水平、旅游接待能力均與規模匹配度無顯著相關性，信息化水平在規模匹配度、偏好匹配度的回歸模型中均未通過顯著性檢驗，這表明盡管以上因素的平均水平對旅游流循環的整體流量有促進作用，但具體到兩地旅游流的匹配關系時，其作用并不顯著。同理，旅游資源稟賦對旅游流循環強度存在正向影響，但對規模匹配度和偏好匹配度無顯著影響，其原因在于，匹配度高意味著旅游流循環對應兩地在流量、流向上的均衡性和對稱性，這就要求兩地對彼此吸引力相當。在此情境下，兩地旅游資源的互補性比旅游資源的豐裕度作用更為突出。除此之外，本文僅使用了一年的截面數據進行分析，不排除影響因素出現異常值的情況，另外，統計意義上的不顯著并不意味著自變量對因變量沒有影響，因為這種影響可能因為自變量之間的相互作用而被掩蓋。

6 結論與展望

6.1 研究結論

本文依托百度指數平臺，收集2019年31個?。▍^、市）居民對其他?。▍^、市）景點的旅游網絡關注度數據，從旅游流循環強度、流量規模匹配度、流向偏好匹配度3個指標分析旅游流循環的空間分布格局，基于自然斷點法和K-均值聚類對旅游流循環進行類型劃分，利用QAP回歸分析探究國內旅游流循環空間分布格局的影響因素，結果發現。

（1）各?。▍^、市）間均存在旅游流雙向輸出，共形成465個旅游流循環。根據自然斷點法和ArcMap可視化結果，旅游流循環在不同指標下的空間分布格局具有明顯的空間不均衡性，且各省（區、市）對應的旅游流循環在循環強度和匹配度上存在較大差距，與市域旅游流網絡結構的不平衡現象一致[13]。因此，未來仍需將優化國內旅游流循環空間分布、促進國內旅游流的空間均衡作為重點，尤其對外循環依賴性較高、處于低等級的邊緣地區，需充分挖掘其旅游潛力，提升邊緣地區在旅游流內循環中的地位和作用。

（2）國內旅游流循環類型特征鮮明。根據K-均值聚類可將旅游流循環劃分為3個類型（H-H型、M-M型、L-L型），每個類型都存在多個核心地區，同時，也存在相對邊緣的地區，這與現有旅游流網絡結構的研究結論一致[49-50]。由H-H型到L-L型，核心地區逐漸西移?？傮w來看，H-H型的旅游流循環個數偏少，表明旅游流循環整體質量較低，需注重協調循環強度和匹配度的發展步伐，有側重地提升旅游流雙向互動強度和匹配度。尤其當旅游流循環對應兩地在經濟、社會等方面發展水平相差較大時，應充分發揮主導方的擴散力與輻射力，注重促進兩地的協調性均衡發展，避免因劣勢方對主導方的過分依賴而產生過度極化或集聚陰影效應，提升旅游流循環的雙向互動溢出效應，致力于構建健康、穩定的旅游流循環空間格局，以促進國內整體旅游流循環網絡的均衡發展。

（3）國內旅游流循環的影響因素及其邊際效應不同，導致旅游流循環強度、流量規模匹配度、流向偏好匹配度的空間分布格局不同。其中，兩地的人口規模、經濟發展水平、信息化水平、教育水平、旅游接待能力、旅游資源稟賦和地理位置均與旅游流循環強度顯著相關，流量規模匹配度受人口規模、教育水平以及交通條件的影響，流向偏好匹配度與經濟發展水平、教育水平、旅游接待能力以及地理位置顯著相關。因此，為進一步優化國內旅游流循環空間分布格局，需著力于不同指標的核心影響因素，采取差異化、針對性的提升策略。如增強循環強度應致力于促進地區間的旅游聯動，充分利用地區旅游資源的異質性、互補性，提高地區間循環強度。為提升規模匹配度，需著力推進兩地間的經濟、社會發展的協調性，改善兩地間的交通條件，暢通兩地間流動通道。為提升偏好匹配度，需著重從地區旅游建設、旅游營銷等多方面入手，抓住游客求異心理，強化兩地居民對彼此的良好感知，激發潛在旅游需求。綜上，為構建旅游流循環健康、穩定的空間格局，需地區間建立信息互通、產品互補、營銷互動、客源互送的良性協作關系。

本文與以往的旅游流網絡結構研究均聚焦旅游流這一關鍵要素，并基于互聯網數據構建流量矩陣展開分析[30，51-52]。但兩者的研究對象不同，本文的研究對象為旅游流循環，是對旅游流雙向互動關系的分析，而旅游流網絡結構的研究對象為旅游流網絡及網絡中的節點[53-54]。研究對象的差異決定了分析指標的不同，本文基于流量、流向兩個維度構建了循環強度、規模匹配度、偏好匹配度3個分析指標，而旅游流網絡結構研究則基于流量或關系數量從個體網、整體網兩個維度構建了中心度、網絡密度、核心-邊緣模型等多個分析指標[55]。最后，本文基于已有的旅游流網絡結構相關研究選取了影響旅游流循環的主要因素及QAP回歸分析方法[47-48]，但由于因變量屬性存在差異，使得本文與旅游流網絡結構研究結果既有共性也有差異。具體而言，本文所用因變量本質上是基于流量及其量比關系構建的矩陣，而以往旅游流網絡結構研究中的因變量本質上是基于流量、關系數量構建的矩陣[46，56]，因而，本文中旅游流循環強度的影響因素分析結果與以往研究結果存在相似性，進一步印證了較高的經濟發展水平、教育水平等因素對旅游流的促進作用，交通用時長、空間距離大對旅游流的負向作用，但旅游流循環匹配度的影響因素分析結果與以往研究存在較大差異。

6.2 研究不足與展望

（1）由于客觀限制，本文分析所用數據為網絡關注度，并非兩地間的現實旅游流。盡管已有研究證明兩者存在極強的正相關性，但網絡關注度并不能完全代表實際旅游流，而是盡可能真實地反映現實情況。隨著網絡普及、用戶數量激增，網絡關注度對現實旅游流預測的準確性和全面性在不斷增強，網絡關注度是現有相對全面、便捷地反映現實客流量的工具。因此，未來可尋求更加多樣化、準確化的數據，進一步提高結論的可靠性和可用性。

（2）本文以2019年的網絡關注度數據為基礎分析了國內旅游流循環的空間分布格局。未來可拓寬時間尺度和空間尺度，如研究國內旅游流循環的歷時性演變，同時可結合時事，對比分析事件發生前后旅游流循環的時空變動特征，分析旅游流循環的韌性，提升應對突發事件的能力，為旅游循環、經濟循環抵抗外生沖擊提供參考。還可以研究區域內循環、外循環的空間分布格局，為促進區域內、外旅游聯動和區域協調發展提出建議。

（3）本文聚焦旅游流循環，分析其空間格局、類型及形成機理，尚未分析旅游流循環的網絡結構特征。未來可利用社會網絡分析法，通過關聯性分析、中心性分析、網絡密度、塊模型、核心-邊緣模型等方法刻畫旅游流循環的網絡特征，識別各?。▍^、市）在旅游流循環網絡中的關鍵作用和地位，為提升旅游流循環網絡質量提供參考。

參考文獻（References）

[1] 王維平， 陳雅. “雙循環”新發展格局釋讀——基于馬克思主義政治經濟學總體性視域[J]. 中國特色社會主義研究， 2021（1）： 36-43. [WANG Weiping， CHEN Ya. Explanation of new development paradigm of “dual circulation”： From the overall perspective of Marxist political economy[J]. Studies on Socialism with Chinese Characteristics， 2021（1）： 36-43.]

[2] 黎峰. 國內國際雙循環： 理論框架與中國實踐[J]. 財經研究， 2021， 47（4）： 4-18. [LI Feng. Dual circulations of domestic and international economy： Theoretical framework and Chinese practice[J]. Journal of Finance and Economics， 2021， 47（4）： 4-18.]

[3] 黃群慧. 新發展格局的理論邏輯、戰略內涵與政策體系——基于經濟現代化的視角[J]. 經濟研究， 2021， 56（4）： 4-23. [HUANG Qunhui. The theoretical logic， strategic implication and policy system of the new development pattern： An economic modernization perspective[J]. Economic Research Journal， 2021， 56（4）： 4-23.]

[4] 詹成付. 深入理解和準確把握新發展階段的基本內涵和重大意義[J]. 人民論壇， 2020（35）： 6-9. [ZHAN Chengfu. Deeply understand and accurately grasp the basic connotation and great significance of the new development stage[J]. Peoples Tribune， 2020（35）： 6-9.]

[5] 薛安偉. 中國構建“雙循環”新發展格局的重大意義——學習習近平總書記關于新發展格局的重要論述[J]. 毛澤東鄧小平理論研究， 2020（9）： 20-27; 108. [XUE Anwei. The significance of building a new development pattern of “dual circulation” in China： Studying the important discourse of President Xi Jinping on the new development pattern[J]. Studies on Mao Zedong and Deng Xiaoping Theories， 2020（9）： 20-27; 108.]

[6] 裴長洪， 劉洪愧. 構建新發展格局科學內涵研究[J]. 中國工業經濟， 2021（6）： 5-22. [PEI Changhong， LIU Hongkui. Research on the scientific connotation of new development pattern[J]. China Industrial Economics， 2021（6）： 5-22.]

[7] 黃仁全， 李村璞. 中國經濟國內國際雙循環的測度及增長動力研究[J]. 數量經濟技術經濟研究， 2022， 39（8）： 80-99. [HUANG Renquan， LI Cunpu. Measurement and growth dynamics of the domestic and international dual circulation of Chinas economy[J]. Journal of Quantitative & Technological Economics， 2022， 39（8）： 80-99.]

[8] 丁曉強， 張少軍. 中國經濟雙循環的測度與分析[J]. 經濟學家， 2022（2）： 74-85. [DING Xiaoqiang， ZHANG Shaojun. Measurement and analysis of Chinas economic dual circulation[J]. Economist， 2022（2）： 74-85.]

[9] 杜書云， 牛文濤. “雙循環”格局下旅游新業態的培育邏輯[J]. 貴州社會科學， 2022（3）： 118-124. [DU Shuyun， NIU Wentao. The logic in the cultivation of new forms of tourism industry in the “dual-circulation” structure[J]. Guizhou Social Sciences， 2022（3）： 118-124.]

[10] 李鵬， 鄧愛民. “雙循環”新發展格局下旅游業發展路徑與策略[J]. 經濟與管理評論， 2021， 37（5）： 21-30. [LI Peng， DENG Aimin. The development path and strategy of tourism under the new development pattern of “dual circulation”[J]. Review of Economy and Management， 2021， 37（5）： 21-30.]

[11] 楊淋杰， 李翠林， 車國慶. 中國旅游內外循環效率的區域差異及分布動態演進[J]. 統計與決策， 2021， 37（21）： 57-61. [YANG Linjie， LI Cuilin， CHE Guoqing. Regional differences and dynamic distribution evolution of internal and external cycle efficiency of tourism in China[J]. Statistics & Decision， 2021， 37（21）： 57-61.]

[12] 李磊， 陶卓民， 陸林， 等. 貴州省避暑旅游流網絡結構特征及其影響因素[J]. 地理研究， 2021， 40（11）： 3208-3224. [LI Lei， TAO Zhuomin， LU Lin， et al. Structural characteristics and influencing factors of summer tourism flow network in Guizhou province[J]. Geographical Research， 2021， 40（11）： 3208-3224.]

[13] 方葉林， 黃震方， 李經龍， 等. 中國市域旅游流網絡結構空間分異及其效應研究——基于攜程旅行網的大數據挖掘[J].自然資源學報， 2022， 37（1）： 70-82. [FANG Yelin， HUANG Zhenfang， LI Jinglong， et al. Research on the spatial differentiation and effects of network structure in tourism flow in Chinese cities： Big data mining based on Ctrip[J]. Journal of Natural Resources， 2022， 37（1）： 70-82.]

[14] WILLIAMS A V， ZELINSKY W. On some patterns in international tourist flows[J]. Economic Geography， 1970， 46（4）： 549-567.

[15] WANG Y， CHEN H， WU X. Spatial structure characteristics of tourist attraction cooperation networks in the Yangtze River Delta based on tourism flow[J]. Sustainability， 2021， 13（21）. DOI： 10.3390/su132112036.

[16] HAN Y， YANG G， ZHANG T. Spatial-temporal response patterns of tourist flow under entrance tourist flow control scheme[J]. Tourism Management， 2021， 83. DOI： 10.1016/j.tourman.2020.104246.

[17] SHAO Y， HUANG S， WANG Y， et al. Evolution of international tourist flows from 1995 to 2018： A network analysis perspective[J]. Tourism Management Perspectives， 2020， 36： 100752.

[18] GIDEBO H B. Factors determining international tourist flow to tourism destinations： A systematic review[J]. Journal of Hospitality Management and Tourism， 2021， 12（1）： 9-17.

[19] 程雪蘭， 方葉林， 蘇雪晴， 等. 中國東部沿海5大城市群旅游流網絡結構空間分布特征研究[J]. 地理科學進展， 2021， 40（6）： 948-957. [CHENG Xuelan， FANG Yelin， SU Xueqing， et al. Spatial distribution characteristics of network structure of tourism flow in five major urban agglomerations of coastal China[J]. Progress in Geography， 2021， 40（6）： 948-957.]

[20] 盧淑瑩， 黃鑫， 陶卓民. 基于地理標記照片的入境游客空間特征與移動軌跡——以南京市為例[J]. 自然資源學報， 2021， 36（2）： 315-326. [LU Shuying， HUANG Xin， TAO Zhuomin. Spatial patterns and moving trajectory of inbound tourists based on geo-tagged photos： A case study of Nanjing city[J]. Journal of Natural Resources， 2021， 36（2）： 315-326.]

[21] 朱曉翔. 中國與“海上絲綢之路”國家間旅游流雙向互動關系分析[J]. 太平洋學報， 2017， 25（8）： 81-93. [ZHU Xiaoxiang. Study on the mutual interaction of tourism markets between China and other maritime Silk Road countries[J]. Pacific Journal， 2017， 25（8）： 81-93.]

[22] 劉法建， 張捷， 章錦河， 等. 中國入境旅游流網絡省級旅游地角色研究[J]. 地理研究， 2010， 29（6）： 1141-1152. [LIU Fajian， ZHANG Jie， ZHANG Jinhe， et al. Roles and functions of provincial destinations in Chinese inbound tourist flow network[J]. Geographical Research， 2010， 29（6）： 1141-1152.]

[23] 王潔潔， 孫根年， 舒鏡鏡. 20年來中美關系及危機事件對旅游流雙向互動的影響[J]. 旅游學刊， 2009， 24（5）： 12-19. [WANG Jiejie， SUN Gennian， SHU Jingjing. [The influence of Sino-US relations and crisis events on the two-way interaction of tourism flow in 20 years[J]. Tourism Tribune， 2009， 24（5）： 12-19.]

[24] 路紫， 趙亞紅， 吳士鋒， 等. 旅游網站訪問者行為的時間分布及導引分析[J]. 地理學報， 2007（6）： 621-630. [LU Zi， ZHAO Yahong， WU Shifeng， et al. The time distribution and guide analysis of visiting behavior of tourism website users[J]. Acta Geographica Sinica， 2007（6）： 621-630.]

[25] 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. [LI Shan， QIU Rongxu， CHEN Ling. Cyberspace attention of tourist attractions based on Baidu index： Temporal distribution and precursor effect[J]. Geography and Geo-Information Science， 2008（6）： 102-107.]

[26] 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， 28（11）： 93-100. [HUANG Xiankai， ZHANG Lifeng， DING Yusi. Study on the predictive and relationship between tourist attractions and the Baidu index： A case study of the Forbidden City[J]. Tourism Tribune， 2013， 28（11）： 93-100.]

[27] 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， 31（4）： 680-685. [MA Lijun， SUN Gennian， HUANG Yunma， et al. A correlative analysis on the relationship between domestic tourists and network[J]. Economic Geography， 2011， 31（4）： 680-685.]

[28] 龍茂興， 孫根年， 龍珍付. 遵義紅色旅游網絡關注度的客流響應研究[J]. 地理與地理信息科學， 2013， 29（5）： 98-101; 118. [LONG Maoxing， SUN Gennian， LONG Zhenfu. Tourist flows response to degree of consumer network attention to Zunyi tourism[J]. Geography and Geo-Information Science， 2013， 29（5）： 98-101; 118.]

[29] 汪秋菊， 黃明， 劉宇. 城市旅游客流量——網絡關注度空間分布特征與耦合分析[J]. 地理與地理信息科學， 2015， 31（5）： 102-106; 127. [WANG Qiuju， HUANG Ming， LIU Yu. Research on spatial feature and coupling correlation between urban tourist flow and network attention-degree[J]. Geography and Geo-Information Science， 2015， 31（5）： 102-106; 127.]

[30] 楊勇， 眭霞蕓， 劉震. 中國省際虛擬旅游流網絡結構的空間演變特征研究[J]. 地理科學進展， 2022， 41（8）： 1349-1363. [YANG Yong， SUI Xiayun， LIU Zhen. Spatial pattern changes of the network structure of Chinas inter-provincial virtual tourism flow[J]. Progress in Geography， 2022， 41（8）： 1349-1363.]

[31] 榮晨， 盛朝迅， 易宇， 等. 國內大循環的突出堵點和應對舉措研究[J]. 宏觀經濟研究， 2021（1）： 5-18; 78. [RONG Chen， SHENG Chaoxun， YI Yu， et al. A study on outstanding blocking points and countermeasures of the domestic grand cycle[J]. Macroeconomics， 2021（1）： 5-18; 78.]

[32] 沈麗珍， 陳少杰， 汪俠. 流動空間視角下的同城化地區發展階段劃分與特征[J]. 地理研究， 2021， 40（9）： 2558-2571. [SHEN Lizhen， CHEN Shaojie， WANG Xia. Development stage segmentation and characteristics of urban integration area in China based on the space of flows[J]. Geographical Research， 2021， 40（9）： 2558-2571.]

[33] 孫根年. 國際旅游支付方程、支付等級與旅游偏好[J]. 地理學與國土研究， 2001， 17（1）： 50-54. [SUN Gennian. International tourism payment equation， payment grade and tourism inclination[J]. Geography and Territorial Research， 2001， 17（1）： 50-54.]

[34] 張新成， 梁學成， 高楠， 等. 長征主題紅色旅游資源關注度的空間網絡結構及其形成機制分析[J]. 旅游科學， 2021， 35（3）： 1-23. [ZHANG Xincheng， LIANG Xuecheng， GAO Nan， et al. An analysis of the spatial network structure and formation mechanism of the attention degree of Long-March-themed red tourism[J]. Tourism Science， 2021， 35（3）： 1-23.]

[35] 胡煥庸. 中國人口之分布： 附統計表與密度圖[J]. 地理學報， 1935， 2（2）： 33-74. [HU Huanyong. The distribution of population in China： With statistics maps[J]. Acta Geographica Sinica， 1935， 2（2）： 33-74.]

[36] 陳哲， 龍茂興. 戶外旅游網絡關注度時空特征研究[J]. 地理與地理信息科學， 2020， 36（5）： 80-85; 94. [CHEN Zhe， LONG Maoxing. A study on temporal and spatial characteristics of network attention to outdoor tourism[J]. Geography and Geo-Information Science， 2020， 36（5）： 80-85; 94.]

[37] 蘇卉， 康文婧. 紅色旅游經典景區網絡關注度時空特征及影響因素研究[J]. 干旱區資源與環境， 2022， 36（5）： 200-208. [SU Hui， KANG Wenjing. Spatial-temporal characteristics of the network attention to classical red tourist attractions[J]. Journal of Arid Land Resources and Environment， 2022， 36（5）： 200-208.]

[38] 許艷， 陸林， 趙海溶. 烏鎮景區網絡關注度動態演變與空間差異分析[J]. 經濟地理， 2020， 40（7）： 200-210. [XU Yan， LU Lin， ZHAO Hairong. Dynamic evolution and spatial differences of network attention in Wuzhen scenic area[J]. Economic Geography， 2020， 40（7）： 200-210.]

[39] 方葉林， 程雪蘭， 黃震方， 等. 國家重點風景名勝區網絡關注度與游客量的錯位特征及機理[J]. 經濟地理， 2020， 40（4）： 204-213. [FANG Yelin， CHENG Xuelan， HUANG Zhenfang， et al. The dislocation characteristics and mechanism of network attention and tourists about Chinese national scenic spots[J]. Economic Geography， 2020， 40（4）： 204-213.]

[40] 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， 30（2）： 101-109. [ZOU Yongguang， LIN Weiling， ZHENG Xiangmin. Spatial-temporal characteristics and influential factors of network attention tourism security[J]. Tourism Tribune， 2015， 30（2）： 101-109.]

[41] 王龍杰， 曾國軍， 畢斗斗. 信息化對旅游產業發展的空間溢出效應[J]. 地理學報， 2019， 74（2）： 366-378. [WANG Longjie， ZENG Guojun， BI Doudou. Spatial spillover effects of ICT on tourism industry growth[J]. Acta Geographica Sinica， 2019， 74（2）： 366-378.]

[42] 向藝， 鄭林， 王成璋. 旅游經濟增長因素的空間計量研究[J]. 經濟地理， 2012， 32（6）： 162-166. [XIANG Yi， ZHENG Lin， WANG Chengzhang. A spatial econometric analysis on the factors of tourism economic growth[J]. Economic Geography， 2012， 32（6）： 162-166.]

[43] 馬麗君， 孫根年， 楊睿， 等. 城市氣候舒適度與游客網絡關注度時空相關分析[J]. 地理科學進展， 2011， 30（6）： 753-759. [MA Lijun， SUN Gennian， YANG Rui， et al. A correlative analysis of the spatial and temporal relationship between climate comfort degree and tourist network attention for typical cities[J]. Progress in Geography， 2011， 30（6）： 753-759.]

[44] 馬莉， 劉培學， 張建新， 等. 景區旅游流與網絡關注度的區域時空分異研究[J]. 地理與地理信息科學， 2018， 34（2）： 87-93. [MA Li， LIU Peixue， ZHANG Jianxin， et al. Research on spatial and temporal difference between tourist flow and web search behavior in scenic spots[J]. Geography and Geo-Information Science， 2018， 34（2）： 87-93.]

[45] 楚純潔， 周金風， 姚蒙. 山岳型景區網絡關注度時空分布及差異比較研究——以河南省4個5A級景區為例[J]. 地域研究與開發， 2021， 40（6）： 111-117. [CHU Chunjie， ZHOU Jinfeng， YAO Meng. Comparative study on spatial-temporal distributions and differences of network attention to mountain scenic spots： A case of four 5A scenic spots in Henan province[J]. Areal Research and Development， 2021， 40（6）： 111-117.]

[46] 石建中， 范齊. 亞太經合組織旅游流網絡結構演化及影響因素[J]. 自然資源學報， 2022， 37（8）： 2169-2180. [SHI Jianzhong， FAN Qi. The evolution and influencing factors of APEC tourism flow network structure[J]. Journal of Natural Resources， 2022， 37（8）： 2169-2180.]

[47] 韓劍磊， 明慶忠， 史鵬飛， 等. 基于百度指數的中國省域旅游信息流網絡結構特征及其影響因素分析[J]. 陜西師范大學學報（自然科學版）， 2021， 49（6）： 43-53. [HAN Jianlei， MING Qingzhong， SHI Pengfei， et al. Analysis of the structural characteristics and influencing factors of tourism information flow network in China based on Baidu index[J]. Journal of Shaanxi Normal University （Natural Science Edition）， 2021， 49（6）： 43-53.]

[48] 劉法建， 張捷， 陳冬冬. 中國入境旅游流網絡結構特征及動因研究[J].地理學報， 2010， 65（8）： 1013-1024. [LIU Fajian， ZHANG Jie， CHEN Dongdong. The structure characteristics and dynamical factors of Chinese inbound tourist flow network[J]. Acta Geographica Sinica， 2010， 65（8）： 1013-1024.]

[49] 虞洋， 宋周鶯， 史坤博. 基于百度指數的中國省域間信息聯系網絡格局及其動力機制[J]. 經濟地理， 2019， 39（9）： 147-155. [YU Yang， SONG Zhouying， SHI Kunbo. Network pattern of inter-provincial information connection and its dynamic mechanism in China： Based on Baidu index[J]. Economic Geography， 2019， 39（9）： 147-155.]

[50] 王朝輝， 喬浩浩， 張姍姍， 等. 入境旅游流空間格局演化及大都市旅游高質量發展——以上海市為例[J]. 自然資源學報， 2022， 37（12）： 3167-3182. [WANG Chaohui， QIAO Haohao， ZHANG Shanshan， et al. Evolution of spatial pattern of inbound tourism flows and enlightenment of high-quality development of metropolitan tourism： A case study of Shanghai[J]. Journal of Natural Resources， 2022， 37（12）： 3167-3182.]

[51] 朱冬芳， 虞虎， 劉青青， 等. 入藏旅游流網絡結構特征與組織模式——基于團隊游和自助游視角的比較分析[J]. 地理科學進展， 2021， 40（5）： 812-824. [ZHU Dongfang， YU Hu， LIU Qingqing， et al. Network structure characteristics and organizational models of tourist flow to Tibet： Comparative analysis based on group and self-guided tours[J]. Progress in Geography， 2021， 40（5）： 812-824.]

[52] 侯賀平， 王靚， 任婉倩， 等. 基于數字足跡的河南省A級景區旅游流網絡特征研究[J]. 地域研究與開發， 2022， 41（1）： 91-97. [HOU Heping， WANG Jing， REN Wanqian， et al. Research on characteristics of tourism flow networks of A-level scenic spots in Henan province based on digital footprint[J]. Areal Research and Development， 2022， 41（1）： 91-97.]

[53] 戢曉峰， 于淼， 陳方， 等. 新冠疫情前后自駕旅游流空間結構特征及影響： 以云南省為例[J]. 干旱區資源與環境， 2022， 36（12）： 184-190. [JI Xiaofeng， YU Miao， CHEN Fang， et al. Influence of the COVID-19 on the spatial structure of self-driving tourist flow during the golden week of Spring Festival： Case of Yunnan province[J]. Journal of Arid Land Resources and Environment， 2022， 36（12）： 184-190.]

[54] 蔣依依， 劉焱序， 王寧， 等. 2004—2019年全球旅游流網絡中心度時空演變[J]. 地理研究， 2022， 41（3）： 698-712. [JIANG Yiyi， LIU Yanxu， WANG Ning， et al. The spatial dynamics of global inbound tourism network centrality during 2004—2019[J]. Geographical Research， 2022， 41（3）： 698-712.]

[55] 周李， 吳殿廷， 虞虎， 等. 基于網絡游記的城市旅游流網絡結構演化研究——以北京市為例[J]. 地理科學， 2020， 40（2）： 298-307. [ZHOU Li， WU Dianting， YU Hu， et al. Evolution of urban tourism flow network structure based on network travel notes： A case study of Beijing city[J]. Scientia Geographica Sinica， 2020， 40（2）： 298-307.]

[56] 王娟， 孟鳳嬌， 封潔潔. 基于用戶生成內容的成渝城市群旅游客流網絡結構演化及機理研究[J]. 地域研究與開發， 2022， 41（1）： 85-90. [WANG Juan， MENG Fengjiao， FENG Jiejie. User generated content-based tourist flow network structure evolution and mechanism in Chengdu-Chongqing urban agglomeration[J]. Areal Research and Development， 2022， 41（1）： 85-90.]

The Spatial Pattern and Formation Mechanism of Domestic Tourist Flow

Circulations—Analysis Based on Network Attention Data

LIANG Xiaoyao， MA Lijun

（School of Business， Xiangtan University， Xiangtan 411105， China）

Abstract： The high-quality economic development and the “dual circulation” development pattern with domestic circulation as the mainstay and domestic and international circulations reinforcing each other are major strategies put forward by the Central Committee of the Communist Party of China （CPC） based on a penetrating analysis of domestic and international situations while taking into account the actual condition of Chinas economic and social development. They have pointed out the way forward for bringing Chinas economy to a new stage of development and opening up new prospects for the development of the cause. As a strategic pillar industry that integrates the primary， secondary and tertiary industries， tourism plays an important role in unleashing the potential of domestic demand， revitalizing the consumer market and ensuring smooth flow of economic activity. Tourist flow is a vital link connecting all elements in the tourism system and can reflect the group characteristics of tourists， making it a classical and important topic in tourism research.

With the domestic tourists flow among 31 provinces， autonomous regions and municipalities as the object， this study explored the spatial pattern and formation mechanism of domestic tourist flow circulations based on network attention data in 2019. To present the characteristics of tourist flow circulations as accurately as possible， we selected three indicators， namely， circulation intensity， scale matching degree and preference matching degree. The results show that： First， the two-way flow of domestic tourists in 31 provinces， autonomous regions and municipalities formed 465 tourist flow circulations， and the spatial pattern of circulations under different indicators was heterogeneous. Second， when all three indicators were considered， these circulations could be divided into different types through natural breaks and K-means clustering. Generally， the number of tourist flow circulations in L-L type was much more than that of H-H type， which indicated that the structure of domestic tourism circulations was unreasonable. Third， through QAP analysis， it was found that the factors influencing the three indicators and their marginal effects are different. Based on the above， we can find that domestic tourist flow circulations were characterized by uneven spatial distribution and unreasonable structure. To optimize the spatial pattern and improve the quality of domestic tourist flow circulations， we need to take targeted measures based on core elements.

In conclusion， this study put forward a new concept in the field of tourist flow—tourist flow circulations， along with three indicators defined for its evaluation. The spatial distribution pattern， types and formation mechanism have all been revealed. The analytical framework developed in this study provides a meaningful reference for future research on circulation in tourism and economy. Moreover， the results of this study may help managers to learn more about domestic tourists and contribute to the high-quality development of tourism.

Keywords： tourist flow circulations; spatial pattern; formation mechanism; circulation intensity; matching degree

[責任編輯：王? ? 婧；責任校對：鄭? ? 果]