基于百度指數的中國游客赴日旅游需求時空差異及其影響因素研究

[摘 要]近年來，出境旅游流已成為旅游地理研究的熱點議題，然而關于其時空格局及影響機制的探討還相對較少。文章通過構建季節性強度指數并采用空間自相關和地理探測器等分析方法，利用2007—2019年赴日旅游的百度指數信息，并結合31個省（自治區、直轄市）的經濟發展和旅游統計數據，分析我國赴日旅游需求的時空差異及其影響因素。研究表明：1）我國赴日旅游需求長期維持在較高水平，7月、8月、12月的赴日旅游需求高于其他月份，但全年并未表現出明顯的季節性差異。2）2017年以后，赴日旅游需求呈現顯著的空間集聚性特征，局部上看東部多熱點區域，西部多冷點區域。3）休假制度、旅游資源季節性和中日雙邊關系對赴日旅游需求時序變化產生重要影響;國內生產總值、人均國內生產總值、第三產業增加值、入境旅游人數、旅游外匯收入、國內旅游收入和互聯網普及率是赴日旅游需求空間分異的核心影響因素。

[關鍵詞]出境旅游;旅游需求;時空差異;日本

[中圖分類號] F592 [文獻標識碼] A [文章編號] 1674-3784（2025）01-0001-16

0 引言

出境旅游是本國公民離開國境，前往其他國家或地區進行的參觀游覽活動[1]。隨著我國經濟高速發展，選擇出境旅游的城鄉居民愈來愈多，出境游已成為我國加強中外人文交流、推動旅游業高質量發展的重要手段[2]。近年來，我國出境游呈現蓬勃發展的勢態。據統計，2019 年我國出境旅游達到1.69億人次，相較2010年的5 738萬人次，增長了1.95倍[3]。雖然2020-2022年受新冠疫情的影響，出境游活動處于暫停狀態，但在全面放開后，出境游市場快速恢復。據相關數據統計，2023年我國出境旅游人數超過8 700萬人次，基本恢復至2019年的60%，且預測2024年出境游人數將進一步提升至1.3億人次[4]。

隨著出境游市場規模的逐年擴大，“出境游”相關研究受到學術界的廣泛關注，成為旅游研究的熱點話題。出境旅游研究主要圍繞出境游游客、出境游細分市場、出境游目的地和客源地等對象展開，傳統研究主要從游客出境游意愿、出游動機、旅游行為與消費、目的地形象、市場細分、出境游政策與管理和出境游的影響作用等方面進行探討[5-14]。近年來，出境旅游需求和出境旅游流相關研究逐漸增多。相關研究主要從2個層面進行，宏觀層面主要研究出境旅游需求與出境旅游流的空間特征及時間演化趨勢，微觀層面則側重研究影響出境旅游需求和出境旅游流規模、流向的各類因素。出境旅游需求特征主要分析不同地區出境旅游需求的差異。整體看來，中國出境旅游市場需求總體呈現胡煥庸線以東地區顯著高于胡煥庸線以西地區的空間不平衡特征[15-17]。出境旅游需求影響因素則主要從內部因素和外部因素2個方面進行探討。內部因素主要包括居民受教育程度、職業和年齡等[18];外部因素主要包括區域外開放程度、旅游業發展水平、旅游目的地的發達程度和營銷策略、文化距離、政策、危機事件等[19-22]。此外，個人自由的受限制程度、信息與通信技術的發展與普及水平等也會對出境旅游需求產生影響[23-25]。出境旅游流特征主要分析距離特征和目的地內部特征。從距離特征看，中國出境旅游流近年來呈現出游距離與目的地多樣性不斷擴大，但總體仍以近程旅游為主，旅游流規模受距離衰減規律支配的特征[26];同時有研究發現，中國出境旅游流在地理鄰近國家與文化鄰近國家之間存在顯著的正向溢出效應[27]。從內部空間分布特征看，不同出境旅游目的地內部旅游流呈現不同的空間分異特征，主要分為帶狀集聚、單核心環狀擴散和多核心集聚等類型[28]。影響因素研究方面，許多學者分別從出境旅游流規模與流向的影響因素展開分析。多項研究證實，客源地因素、目的地因素、雙邊關系等多種因素會對出境旅游流產生影響，包括客源地人口規模、人口結構、收入水平和受教育程度;旅游目的地旅游價格、目的地形象、安全風險，旅游地與客源地之間的地理距離、文化距離和政治關系等[29-38]。除以上傳統影響因素以外，“熊貓外交”、第三國匯率穩定性和消費者信心等對出境旅游流的流向和規模有顯著的正向影響[39-41]，而客源地國家的經濟政策不確定性則對出境旅游流產生負面影響[42]。

綜上所述，“出境旅游”現已成為旅游研究熱點，但由于過去能夠同時覆蓋大空間范圍與連續時間段的數據較難獲取，因此，前期有關中國出境旅游的研究所用數據多來源于統計數據、橫斷面現場調查、深度訪談、訪談與焦點小組訪談等，并且收集地點多在北京、上海和廣州等地，較少有研究能夠同時從長時間、大空間角度分析出境旅游的相關特征、變化及影響因素。雖然有學者提出了基于交通運輸模式的模型來估算出境旅游流量[43]，但這種方法在獲取交通相關數據時也存在一定難度。隨著互聯網的快速發展，旅游者通過搜尋網絡平臺的各類旅游信息來輔助其旅游行為決策，而其搜尋行為所產生的海量數據則為學界進行更為精確、系統的出境旅游研究提供了數據支持。已有研究表明，百度搜索指數與游客流量、旅游需求之間存在顯著的相關關系，一定程度上可以代表游客的旅游需求[44-45]。目前已有多項研究利用百度指數對國內旅游需求展開分析[45-47]，但將其應用于出境旅游需求的研究相對較少。利用百度指數對出境旅游需求及其影響因素的時空差異展開研究，從時序和空間布局層面探討出境游需求及其影響因素的時空差異特征，不僅有利于深入認識出境旅游的時空規律性特征，同時也能夠豐富出境游研究內容。

因此，基于理論研究空缺和現實需要，本文以赴日旅游為例，通過收集2007—2019年間中國游客關于日本旅游的百度指數作為旅游需求值，利用季節性強度指數、空間自相關、地理探測器分析等方法，探究我國赴日旅游需求在時空方面的差異，并對其影響因素進行深入解析，以期能夠進一步認識我國出境旅游的規律性特征，并為相關政策的制定提供參考。

1 數據來源與研究方法

1.1 案例地概況

日本是位于東亞的島嶼國家，由北海道、本州、四國和九州4個大島及近7 000個小島組成，被稱為“千島之國”。豐富的生態資源、獨特的傳統文化、現代的新興技術和發達的交通業為日本吸引了大批國際游客。日本和中國有著深厚的歷史淵源和相似的文化底蘊，中日民間友好往來持續發展，經濟關系日趨緊密。相較亞洲其他出境旅游目的地，日本因其與中國空間距離近、交通便捷、旅游資源與旅游產品豐富、旅游基礎設施與配套服務完善、旅游環境質量優良和旅游安全性高等特點，更受中國游客青睞。自21世紀日本實施觀光立國戰略以來，中國赴日旅游人數快速增長。據統計，2009-2019年，我國赴日游客量從100 萬人次增長至959 萬人次[48]，日本已成為我國出境游人數最多目的地之一，而中國也成為日本入境旅游最大的客源國之一。目前，已有學者就赴日旅游相關話題展開研究，主要關注日本內部目的地選擇，赴日游客滿意度及其影響因素，赴日旅游意愿、影響因素與影響機制等方面[49-51]。總體看來，已有赴日旅游研究大多是基于游客視角的微觀研究，缺少分析赴日旅游需求的時空變化的宏觀研究。鑒于日本在我國游客出境旅游目的地選擇中的受歡迎程度，以及深化出境旅游、赴日旅游等相關研究的需求，選取日本作為研究對象，具有一定的代表性和現實意義。

1.2 數據來源

1.2.1 百度指數

百度指數是以百度網頁搜索行為數據為基礎的數據分享平臺[52]。現有研究證明，網絡關注度的高低能夠在一定程度上代表旅游需求的多少，因此通過使用百度指數工具，將游客信息搜索的關鍵詞作為數據收集對象來衡量客源地的旅游需求具有科學性和很強的可行性。

基于產生旅游需求和做出決策的一般過程，綜合考慮游客在出游前對旅游目的地的多項關注點，本文選取“日本旅游”“日本旅游攻略”“日本旅游注意事項”“日本旅游簽證”“日本交通”“東京旅游攻略”“關西旅游攻略”“北海道旅游攻略”為基準關鍵詞。2019年底，新冠疫情在全球范圍爆發，受恐慌心理、嚴格的交通管制措施等多方面的影響，疫情期間我國居民出境旅游需求大幅下降，百度指數無法反映正常狀態下的游客赴日旅游需求。因此，本文運用百度指數（包含PC端和移動端）檢索平臺獲取了2007 年1 月至2019年12月期間中國31個省（自治區、直轄市，不包括港澳臺地區）的赴日旅游網絡搜索數據。

關鍵詞的選取主要遵循以下2個原則：（1）網絡關注度高：搜索次數排在前列，包含赴日旅游者重點關注的關鍵信息;（2）代表性高：能夠反映游客在出游期間的各項需求。各關鍵詞的具體選擇原因包括： “日本旅游”和“日本旅游攻略”寬泛性高，包含旅游六要素的各項需求;“日本旅游注意事項”體現了初次赴日旅游或者初次出境旅游者的心理，旅游者期望能夠獲取與日本特殊風俗習慣和生活方式相關的信息;“日本旅游簽證”體現了出境旅游的特點，近年來日本簽證政策變化較多，是出境旅游者關注的重點;基于交通線路的復雜性，需要游客關注“日本交通”;東京、大阪-京都-奈良所在的關西地區以及北海道是日本熱門旅游目的地，因此“東京旅游攻略”“關西旅游攻略”“北海道旅游攻略”等則能夠較好地代表赴日旅游需求。

1.2.2 影響因素指標選取

社會、經濟、政治等因素都會對出境旅游需求和決策產生影響。通過對相關文獻的梳理與總結，參考前人已有的研究[8]，并考慮數據的可獲得性和準確性，本文最終選取了“年末常住人口”“地區國內生產總值”“人均國內生產總值”“第三產業增加值”“旅游總人數”“旅游外匯收入”“互聯網普及率”“省會城市赴日（至東京）最短時間”和“省會城市赴日（至東京）直飛航班數”等15個具體指標（表1）。研究數據均來自全國31個省（自治區、直轄市，不包括港澳臺地區）的年度統計年鑒和數據統計機構，具有較高的可信度。

1.3 研究方法

1.3.1 季節性強度指數

旅游客源地產生的旅游需求會隨時間、季節等因素的變化而變化。本文引用季節性強度指數這一指標來反映中國出境游客赴日旅游需求時間的分布情況。已有研究多以月度為時間段進行計算，本研究考慮到以季度為時間段能夠更好地反映旅游需求的季節性變化，并且在計算時能夠減少單月份異常值對計算結果的影響，使計算結果更穩定，因此采用季度為時間段進行計算，具體計算公式[53]如下：

式（1）中：R 為季節分布強度指數;xi 為一定時間段內赴日旅游需求與當年赴日旅游總需求的比值（%）;μ 為xi 的平均值;y 為時間序列的長度。R 值越大，時間分布越集中，即季節性差異性越明顯;反之，則時間分布均勻，季節差異性較小。

1.3.2 空間自相關

空間自相關是描述某變量在不同的空間位置上屬性分布的統計方法，可以反映出觀測數據之間是否具有相關性[54]。空間正相關是指測量值隨著空間距離縮小趨于相近;反之，若在空間距離縮小時測量值呈現更大的差異，則為空間負相關。空間自相關可以分為以下2種分析方式：全局自相關———研究分布區內屬性整體的空間聚類情況，常用指標為全局Moran’s I 指數;局部自相關———聚焦整體內部，反映某具體空間單元的位置特征，常用指標為Getis-Ord Gi* 指數。本文兼用這兩種方式分析赴日旅游需求的空間分布特征。

（1）全局空間自相關

全局Moran’s I 指數的計算公式如下：

式（2）中：n 為研究單元即空間位置的個數;S0 為空間權重矩陣的所有元素和，即S0=Σni=1Σnj=1wij;wij 為研究單元i 和j 之間的二進制空間權重，即表示空間位置i 和j 的鄰近關系，當i 和j 鄰近時，wij =1，否則wij =0;xi 和xj 分別為第i 個和第j 個研究單元上的觀測值;-x 為xi 的平均值。全局Moran’s I指數值域為[-1，1]，大于0為正相關，越趨近于1代表空間依賴性越高;小于0為負相關，越趨近于-1代表差異越大或越分散;等于0代表單元間不相關，呈隨機分布態勢。

（2）局部空間自相關

Getis-Ord G* i 指數公式：

式（3）中：n 為研究單元即空間位置的個數;wij 為空間權重矩陣;xi 和xj 為研究單元i 和j 上的屬性值。G* i （d）gt;0且顯著，則該區域屬于熱點區域;G* i （d）lt;0且顯著，則該區域屬于冷點區域。

1.3.3 地理探測器

地理探測器能夠較好地與GIS空間分析技術相疊加，用以探測變量間可能的因果關系。其基礎假設是：若自變量對因變量有重要影響，那么它們的空間分布格局應具有相似性[55]。本文選用地理探測器的因子探測來挖掘中國游客赴日旅游需求的影響因子及其影響程度。計算公式[56]如下：

式（4）中：q 是自變量探測因子D 的探測力值;n 為全區域單元數;nD ，i 為因子D 的第i 層區域單元數;m 為次級區域個數;σ2U和σ2UD ，i 分別是赴日旅游需求全區的方差和第i 層區域的方差。q 的值在0到1之間，當q 值趨近于1時，則表示因變量的空間分異性明顯，因子D 能在較高程度上對因變量進行解釋，即影響程度越大。本文中因變量設為赴日旅游需求，探測因子D 包括人均國內生產總值、國內旅游收入和互聯網普及率等多個因素。

2 中國赴日旅游需求時空差異

2.1 時間分布特征

從年度變化特征來看，2007-2019年中國赴日旅游需求呈現波動上漲的變化特征。總體來看，赴日需求量在2007-2009 年、2013-2015年增速較快，需求總量在2015年大幅增長后，一直保持在較高水平。具體來看，2007-2011年，中國赴日旅游需求逐年增高，年搜索量從135.79 萬次增加至421.28 萬次，增長210.23%;2012-2013年，中國赴日旅游需求有所降低，2013年總搜索量降至336.59 萬次，較2011 年減少84.68萬次，減少20.10%;從2014年開始，赴日旅游需求量開始恢復，并且從2015年開始，赴日旅游需求總體快速增長。2015-2019年年平均搜索量為672.1 萬次，相較2014年的417.45萬次增長61.00%（圖1）。

從季度變化特征看，2007-2019年中國赴日旅游需求季節性強度指數R 的平均值為3.52（其中2007年我國赴日旅游R 值最高，為9.45;2018年R 值最低，為1.22），整體上并未呈現明顯的季節性差異特征。從變化趨勢看，2007-2019年，赴日旅游各年季節性強度指數呈現波動下降的特征。在2007年，我國赴日旅游需求呈現較為顯著的季節性特征，夏季和秋季的旅游需求較春季和冬季更為旺盛;但隨著時間的推移，各季節的赴日旅游需求逐漸趨于均衡，在2018年R值降至近10年最低，不再表現出明顯的季節性特征。

從月度變化特征看，2007-2019年中國月度赴日旅游需求總體呈現下半年高于上半年，在7月、8月、12月形成3個月度需求高峰期的特征（表3）。具體來看，中國赴日旅游需求月度搜索量平均值為36.75萬次，其中7月、12月、8月的需求量在所有月份中排在前三位，月搜索量均值分別為41.36萬次、40.17萬次以及39.96萬次，而4月、2月和5月則是赴日旅游需求量最低的3個月份，月搜索量均值分別為32.69萬次、33.52萬次和34.99萬次（表3）。

2.2 空間分布特征

2.2.1 總體空間格局

研究根據式（2）測算了2007-2019各年中國赴日旅游需求的全局Moran’s I 指數，結果如表4所示。除2013年旅游需求在空間上表現為負相關外，其余年份Moran’s I指數均為正值。其中，2008年、2010年、2015年、2017年、2018年和2019年的結果均大于0.1，且 P （I）lt;0.05，說明鄰近省市區域的赴日旅游需求量在這6個年份表現出顯著性集聚分布的空間特征;其他年份則為隨機分布，說明這些年份鄰近省市區域的赴日旅游需求量并無顯著的空間自相關性。

2.2.2 局部空間格局

運用ArcGIS 10.2軟件對反映中國分省赴日旅游需求局部空間格局的Getis-OrdG* i 指數進行分析，并根據結果值采用自然斷點分級法將國內31個省（自治區、直轄市，不包括港澳臺地區）劃分為熱點區域（99%統計顯著性、95%統計顯著性、90%統計顯著性）、一般區域（不顯著）、冷點區域（90%統計顯著性、95%統計顯著性、99%統計顯著性）等7類空間區域，生成如圖2所示的赴日旅游需求冷熱點空間變化圖。

2007-2019年中國赴日旅游需求整體上呈現熱點區域集中在東部沿海地區，冷點區域集中在西部地區，一般區域主要沿黑河—騰沖一線在首尾兩側向外拓展的空間分布特征（圖2，表5）。具體變化特征如下：（1）熱點區域分布波動變化。2008年，熱點區域大幅增加，山西、河北、北京和天津等省市由一般區域變為熱點區域;2009年江西由一般區域轉為熱點區域，山東、山西和河南轉為一般區域;2010年熱點區域明顯擴大，山東、河南、湖北、湖南、江西和福建等省份均成為赴日旅游高需求聚集地;2013年熱點區域明顯收縮，僅有安徽、湖北、浙江、上海和福建是熱點區域;2014年受簽證政策放寬的影響，赴日旅游需求回暖，熱點區域規模擴大;2015-2016年，熱點區域規模縮小，但2017-2018年熱點區域規模快速增加并保持穩定。（2）冷點區域總體保持動態穩定。西藏、青海在2007-2019年均表現出冷點區域特征，新疆除2013年、2014年以外，在其他年份也一直是冷點區域;四川省在2007年、2008年、2010年和2015年屬于冷點區域，甘肅省在2009年和2012年屬于冷點區域。（3）一般區域總體保持穩定。東北地區和云南、貴州、廣西、廣東和海南均穩定處于一般區域;熱點區域和冷點區域不會互相轉化，而是在部分年份轉為一般區域。

3 中國赴日旅游需求的影響因素

3.1 時間特征的影響因素分析

3.1.1 休假制度

通過月度赴日旅游需求變化特征可知，鄰近寒假的12月及暑期7月、8月的赴日旅游需求量在全年排名前三。由此可知，休假制度是影響我國赴日旅游需求的重要因素之一。旅游是一種生產與消費具有同一性的活動，游客在異地享受旅游必然耗費時間。由于出境旅游需要的時間和金錢成本一般較國內旅游更高，游客通常在出行前會反復權衡，所以時間較為充裕的節假日成為了游客出行的首選時段。假期政策的推行既能刺激游客的出游意愿又能為游客提供充裕的時間以支持其遠距離出行。因此筆者認為休假制度是赴日旅游時間分布略有差異的原因之一。

3.1.2 旅游資源季節性

自然景觀作為一種旅游資源，受季節影響會表現出不同程度的吸引力，給游客帶來不同的觀賞體驗。日本的旅游資源可分為特A、A、B、C和D 5個層級，其中特A 級指日本特有的、在世界其他地域非常稀缺的旅游資源，A級資源是日本特有的代表性旅游資源，這2類資源易使游客產生一生中想游覽一次的心理[57]。3月是上半年赴日旅游需求的高峰月份，12月是全年赴日旅游需求的高峰月份，這與日本主要旅游資源櫻花的物候期和冰雪期相符合。作為主要的旅游吸引物，日本的櫻花季和溫泉、滑雪等冬季旅游項目對中國游客具有較大的吸引力，且可替代的旅游產品不多，因此每年春季和冬季都有許多游客出于賞櫻和冬季運動休閑的旅游動機而希望前往日本旅游。

3.1.3 中日雙邊關系

除受休假因素、旅游資源季節性因素影響外，中日雙邊關系也是影響赴日旅游需求時序變化的重要因素。過去20年間，中日關系一方面在經貿領域的合作不斷增加、人文領域的交流逐步深化;另一方面，中日兩國在政治關系上呈現周期性“回暖”與“趨冷”交替出現的波動特征。2009年日本放寬對中國個人旅游簽證的申請條件，中國赴日旅游人數增多。但是在2010年，中日釣魚島主權爭端事件激發了我國民眾的愛國情懷，引起了強烈的反日情緒，對赴日旅游產生了巨大的負面影響。2011年和2013年福島地區核電站先后發生核泄漏，在一定程度上造成了赴日旅游需求的下降。2014年，中日關系因歷史和領土爭端問題處于低谷，但這一年兩國達成了四點原則共識，為改善關系打下基礎。同時，日本政府為緩和中日關系帶來的旅游下行壓力，擴大了免稅品范圍且進一步放寬了簽證審核條件，降低了其赴日旅游門檻，增強了中國居民赴日旅游動機。2015年起，中日兩國經過多次會談和雙邊對話，逐步緩和了關系，因此在2015-2019年，中國赴日旅游需求相較于2015年以前快速增加并一直保持在較高水平。

3.2 空間特征的影響因素分析

由于地理探測器方法更適用于自變量為類型數據的分析，而本研究所選探測因子的表現形式均為離散數值，因此需要將離散型自變量X轉換為類型量。各個探測因子根據自然斷點法算法原理分為5個等級，運用地理探測器測量對赴日旅游需求產生影響的因子并探究其影響程度。具體結果如表6所示。

一般來說，在地理探測器中探測力值q越大，相關因素的影響力越高。在參考相關研究的基礎上，本文做如下設定：當qgt;0.5時，表明對赴日旅游需求影響程度高，相關因子為核心影響因素;當0.4lt;qlt;0.5時，表明對赴日旅游需求影響程度較高，相關因子為重要影響因素;當qlt;0.4時，表明對赴日旅游需求影響程度較低，相關因子為一般影響因素。由表6可知，各影響指標對需求量變化的作用程度有明顯差異，作用程度最高的核心影響因素有國內生產總值（X2）、人均國內生產總值（X3）、第三產業增加值（X4）、入境旅游人數（X7）、國內旅游收入（X9）、旅游外匯收入（X11）和互聯網普及率（X13）;作用程度較高的是旅游總人數（X6）和國內旅游人數（X8）;年末常住人口（X1）等其他探測因子為作用程度較低的一般性影響因素。具體來看：

（1）在經濟發展水平方面，區域國內生產總值（X2）和人均國內生產總值（X3）是影響中國赴日旅游需求的2項核心因素。該結論與多項已有研究結論保持一致。由于出境旅游是一種高消費行為，其旅游需求量與區域經濟發展水平和居民消費能力呈顯著的正相關關系。由圖2可知，中國赴日旅游需求的熱點集聚區主要位于我國東南部，而冷點集聚區主要分布于西北部，這與我國區域國內生產總值、人均國內生產總值水平的空間分異規律保持一致。

（2）在產業結構方面，第三產業增加值（X4）是核心影響因素之一。隨著產業結構的優化升級，我國第三產業進入迅速發展階段，在推動國民經濟穩步增長中扮演了重要的角色。相關統計數據顯示，2018年中國第三產業增加值占國內生產總值比重為52.2%，對經濟增長的貢獻率為59.7%[58]。旅游業作為第三產業的重要一環，其發展帶來的經濟增加值也在不斷攀升。這種產業結構的優化態勢，在一定程度上不僅刺激了出境旅游消費，同時也成為出境旅游強勢發展的重要表征。例如，第三產業中的文娛產業的快速發展會帶動旅游相關產品的供給增加，進而激發居民多樣化、個性化的旅游需求;教育行業的發展會提升居民的道德素質水平，改變我國居民對于旅游的理解，長期看來也會對我國居民出游意愿和出游選擇產生潛移默化的影響[59]。通過圖2直觀展示以及梳理相關研究成果可以發現，我國的赴日旅游需求熱點區主要集中在長三角及周邊地區。由于該地域的第三產業所占比重較大且增加值可觀，居民娛樂生活相對更加豐富，因此可能更容易產生赴日旅游需求。但從圖2的中國赴日旅游需求冷熱點區逐年變化趨勢可以看出，冷熱點區數量均減少，這可能是因為隨著我國經濟發展水平提升，西部地區第三產業占比增加，居民旅游需求快速增長，從而使各地區赴日旅游需求趨于均衡。

（3）在旅游發展水平方面，入境旅游人數（X7）、國內旅游收入（X9）和旅游外匯收入（X11）是影響中國游客赴日旅游需求的3個重要因素。其中，入境旅游人數（X7）越多說明該地區對外國游客的吸引力越大，當地居民能夠有更多機會與入境游客進行接觸和交流。同時，這種跨文化的交流過程有助于當地居民克服中外文化差異帶來的距離感并對外國文化產生好奇[60]，從而激發出境旅游意愿。旅游外匯收入（X11）會在一定程度上影響該地區的經濟水平和居民收入[61]。入境旅游人數（X7）和旅游外匯收入（X11）會共同作用，對出游意愿產生正向影響。國內旅游收入（X9）能夠反映該區域旅游業的發展水平和經濟表現。國內旅游收入（X9）越多，旅游業發展水平越高，那么該地區居民則會有更強烈的出游意識。從局部方面來看，北京、上海在日本的知名度較高，是日本游客來華旅游的首選目的地。因此，這些城市的居民會接觸到更多關于日本文化、旅游等方面的信息，也更容易產生赴日旅游動機，符合局部空間分布特征。從整體來看，東部地區的旅游業相比西部地區發展更加成熟，旅游收入也高于西部地區，東部地區居民的出游意愿強于西部地區居民，出游意識相對來講更加超前，所以對出境旅游的需求高于西部地區居民。但是隨著簽證便利化，高鐵、機場等交通基礎設施的建設與完善，近年來西部地區出入境旅游的便利程度大幅提升，國際旅游開放程度增加、中外人文交流加深，居民的出境旅游意愿也隨之增強，因此縮小了與東部地區的赴日旅游需求差距。

（4）在信息化程度方面，互聯網普及率（X13）是影響中國赴日旅游需求的核心指標，這與已有研究成果結論保持一致。隨著信息通信技術的不斷發展，互聯網為游客出境旅游提供了更有效的溝通渠道，越來越多的中國游客可借助互聯網獲得旅游資訊，降低了出境游活動相關的時間和金錢成本。地區互聯網的普及率在一定程度上反映了當地的信息化程度，并影響著旅游者產生旅游需求、做出旅游決策、制定旅游計劃等。西部地區互聯網普及率較低，接收日本旅游資訊較少，對日本旅游情況了解程度不高，因此赴日旅游需求人數規模較小，多為冷點區域;而東部地區互聯網普及率較高，赴日旅游需求則較大。但近年來，西部地區互聯網普及率持續快速提高，居民通過網絡接收到了更多日本旅游的相關資訊，赴日旅游需求增加，縮小了與東部地區赴日旅游需求的差距。

4 結論與討論

4.1 結論

本文運用百度指數表征出境旅游需求，通過采集2007-2018年中國赴日旅游需求的數據，計算各年度季節性強度指數以分析中國游客赴日需求在時序方面的變化特征，并利用全局空間自相關和局部空間自相關2種方法對赴日旅游需求的空間分異特征展開分析，最后采用了地理探測器的分析方法探測了各影響因子對赴日旅游需求的影響程度。研究發現：

（1）我國赴日旅游搜索量全年和季度變化情況表明，中國赴日旅游需求總體維持在較高水平，呈現一定范圍的波動。各年需求量的變化具有相似性，總體未呈現明顯的季節性差異。但是受休假制度、旅游資源季節性等因素的影響，出游高峰期集中在每年7月、8月、12月。

（2）全局空間自相關分析結果表明，2007-2018各年我國赴日旅游需求中隨機分布、弱集聚分布和集聚分布3種空間格局兼有。其中2008年、2010年和2014年呈現顯著的空間集聚分布特征，即高需求區域的鄰近空間同為高需求區域，低需求區域亦然。局部空間自相關分析表明，長江流域地區的赴日旅游需求更加旺盛，是熱點區域;而西部地區則集中表現為需求較少，是冷點區域;需求一般區域的省區市數量近年來有所增加。

（3）影響因素分析結果表明，在赴日旅游需求的時間變化影響因素中，休假制度和旅游資源的季節性變化對赴日旅游需求有顯著的影響。在空間分布影響因素方面，第三產業增加值、入境旅游人數、旅游外匯收入、國內旅游收入和互聯網普及率的影響力強，是核心影響因素。

4.2 討論

出境旅游是我國旅游市場中的重要組成部分。本研究基于百度指數，通過分析2007-2018年我國分省居民的日本旅游網絡關注度，探討了我國居民赴日旅游需求的時序演化特征、空間分異規律及時空變化影響因素，這可為出境旅游研究及推動各地區出境旅游發展提供有益借鑒。首先，相比已有研究，本研究使用百度指數作為研究數據，突破了傳統的出境游統計數據存在的部分年份或地區數據缺失、問卷調查數據樣本量不足的問題，能夠更全面和準確地分析赴日旅游需求的發展演化特征和空間分異規律。其次，本研究在現有研究基礎上，進一步構建了出境旅游需求時空差異的影響因素指標體系，并且通過實證研究識別出赴日旅游需求的核心因素，是對現有研究的完善和補充。第三，研究結果顯示，在時間影響因素方面，除休假制度、旅游資源季節性等周期性因素外，中日關系等政治因素也顯著影響赴日旅游需求的時間演化。只有建立相互尊重、友好互信的雙邊關系，才能提升赴日旅游需求;在空間影響因素方面，地區產業結構、旅游發展水平和信息化程度等因素顯著影響赴日旅游需求的空間差異性，這表明只有地區經濟發展水平、旅游開放程度持續提高，信息獲取渠道不斷拓寬，才能更好地激發地區居民的出境旅游意愿，增加地區赴日旅游需求。這些結論可為我國及各地區推動出境旅游發展提供理論基礎和政策指導。

本研究仍存在以下不足：第一，影響因素選取不夠全面。受限于數據獲取的難度，本文并未將客源地居民收入分配和對外經濟聯系等指標納入探測因子列表。在未來研究中，應進一步完善影響因子指標體系。

第二，數據來源應更多元化。本文僅使用了百度搜索指數作為研究分析的數據來源，雖然與其他類型數據相比，百度指數在時空連續性上更加完整，但其仍不能完全準確地反映出赴日旅游需求變化趨勢。通過對比各年份、各月份百度指數搜索量與實際我國赴日旅游游客量數據可發現，在月度變化趨勢對比中，百度指數搜索量的平均變化趨勢與實際赴日游客量的變化趨勢較為匹配，但實際赴日游客量變化相較百度指數變化具有滯后性;在年度變化趨勢對比中，2007-2016年的百度指數搜索量與對應年份實際赴日游客量呈現較為一致的變化趨勢，但是自2017年以后，實際赴日游客量繼續增加，百度指數搜索量則保持穩定，二者匹配性開始表現出不一致的特征。這可能與網絡社交媒體發展和用戶習慣變化有關，一方面日本旅游營銷和中國赴日旅游人數逐年增加，我國居民對日本旅游相關信息熟悉程度增加;另一方面，在線旅游平臺和各大社交媒體平臺在2015年后快速發展，由于在旅游信息獲取、服務提供和社群交流等方面具有優勢，因此在一定程度上取代了百度搜索引擎成為我國居民獲取日本旅游信息的主要網絡渠道。在未來研究中，應豐富網絡數據獲取來源，構建綜合分析數據集，以減少由于單一數據來源所造成的誤差，從而使分析結果更為準確。

第三，目的地選擇有待補充。一方面，文章未考慮政治關系等因素對我國游客出境游目的地選擇上的影響;另一方面，目前只考慮了單一目的地（日本），其他出境旅游地未被納入研究中進行比較分析。由于社會文化存在差異性，特定目的地的實證研究結果不一定能夠推廣到其他目的地，因此未來有必要選擇更為多元化的測量指標體系和數據來源，并且將更多具有代表性的目的地納入研究進行對比分析，以進一步厘清中國出境旅游需求產生的過程及時空分異特征。

參考文獻

[1] 杜江，戴斌. 中國出境旅游發展年度報告2005[M].北京： 旅游教育出版社， 2006.

[2] HUANG R， XU T. Opportunities and challengesbrought by the China outbound travel market[J].Worldwide hospitality and tourism themes， 2018（6）：642-651.

[3] 中國旅游研究院. 中國出境旅游發展年度報告2019[M]. 北京： 旅游教育出版社， 2020.

[4] 中國旅游研究院. 中國出境旅游發展報告（2023—2024）[M]. 北京： 旅游教育出版社， 2024.

[5] JIN X，WANG Y. Chinese outbound tourism research：a review[J]. Journal of travel research， 2015（4）： 440-453.

[6] QUER D， PENG J R， Chinese outbound tourism segmentation：a systematic review and research agenda[J]. Journal of China tourism research， 2022（4）：778-808.

[7] JOHNSON P C， XU H G， ARLT W G. OutboundChinese tourism： looking back and looking forward[J]. Journal of policy research in tourism， leisure andevents， 2020（1）： 1-7.

[8] GAO J， ZENG X Y， ZHANG C Z， et al. Understandingthe young middle-class Chinese outboundtourism consumption： a social practice perspective[J].Tourism management， 2021，92： 104555.

[9] HUANG Q F， LU Y Q. Generational perspective onconsumer behavior： China’s potential outbound touristmarket[J]. Tourism management perspectives，2017（24）： 7-15.

[10] 郭魯芳，張素. 中國公民出境旅游文明與軟實力提升研究[J]. 旅游學刊， 2008（12）： 18-22.

[11] MALIK M Y， LATIF K. Corrigendum to “impactof outbound tourism on outward FDI” [J]. Annals oftourism research， 2023，99： 103541.

[12] LUSHCHYK M V. Features of the outbound touristmarket of China in the current realities[J]. Journalof geology， geography and geoecology， 2023（2）：310-325.

[13] LIM D J， FERGUSON V A， BISHOP R. Chineseoutbound tourism as an instrument of economicstatecraft[J]. Journal of contemporary China， 2020，126： 916-933.

[14] XU H G， WANG K， SONG Y M. Chinese outboundtourism and soft power[J]. Journal of policyresearch in tourism， leisure and events， 2020（1）：34-49.

[15] LI X， HARRILL R， UYSAL M， et al. Estimatingthe size of the Chinese outbound travel market： a demand-side approach[J]. Tourism management， 2010（2）： 250-259.

[16] 崔琰，席建超. 基于出游潛力模型的省級出境旅游市場分類研究[J]. 資源科學， 2015（11）： 2120-2128.

[17] 阮文奇， 張舒寧，李勇泉， 等. 中國赴泰旅游需求時空分異及其影響因素[J]. 旅游學刊， 2019（5）： 76-89.

[18] 蔣依依， 劉祥艷，宋慧林. 出境旅游需求的影響因素：兼論發展中經濟體與發達經濟體的異同[J]. 旅游學刊， 2017（1）： 12-21.

[19] PENG B， SONG H Y， CROUCH G I， et al. A meta-analysis of international tourism demand elasticities[J]. Journal of travel research， 2015（5）： 611-633.

[20] 劉祥艷， 楊麗瓊，呂興洋. 文化距離對我國出境旅游的影響：基于引力模型的動態面板數據分析[J]. 旅游科學， 2018（4）： 60-70.

[21] 趙寶春，田志龍. 中國大陸游客境外目的地發達程度和文化距離偏好研究[J]. 管理學報， 2008（6）： 896-902.

[22] 宋振春， 趙彩虹，李旭東. 中國出境旅游的社會認知研究：跨文化交流視角的網絡文本分析[J]. 旅游學刊， 2018（3）： 75-88.

[23] GHOLIPOUR H F， TAJADDINI R， AL-MULALI U.Does personal freedom influence outbound tourism？ [J].Tourism management， 2014，41： 19-25.

[24] PETROVIC' J， MILIC'EVIC' S. The ICT impact oninbound and outbound tourism demand in the EU[J]. Management： journal of sustainable businessand management solutions in emerging economies，2020（1）： 47-55.

[25] NGUYEN C P， SCHINCKUS C， CHONG F H L，et al. Information technology and outbound tourism：a cross-country analysis[J]. International social sciencejournal， 2024： 1-19[2024-06-02]. https：//doi.org/10.1111/issj.12534.

[26] 劉倩倩， 劉祥艷， 周功梅. 中國出境旅游研究：一個文獻綜述[J]. 旅游論壇， 2021（3）： 95-112.

[27] DENG T T， HU Y K. Modelling China’s outboundtourist flow to the ‘Silk Road’： a spatial econometricapproach[J]. Tourism economics： the business andfinance of tourism and recreation， 2019（8）： 1167-1181.

[28] 曾斌丹， 余婷. 中國游客赴日旅游流網絡結構及季度差異研究[J]. 旅游研究， 2022（6）： 81-95.

[29] LI Z Y， SHU H Y， TAN T， et al.Does the demographicstructure affect outbound tourism demand？ Apanel smooth transition regression approach[J].Journal of travel research， 2020（5）： 893-908.

[30] NGUYEN Q H. Outbound tourism demand modeling-region destination approach： the case of Vietnam’sdata[J]. Journal of China tourism research，2023（3）： 467-488.

[31] 宋慧林， 呂興洋，蔣依依. 人口特征對居民出境旅游目的地選擇的影響：一個基于TPB模型的實證分析[J]. 旅游學刊， 2016（2）： 33-43.

[32] 楊婷婷， 阮文奇，張舒寧. 旅游需求對跨境危機事件信息擴散的空間響應與影響因素[J]. 旅游學刊，2022（8）： 119-132.

[33] 于鵬， 張宏梅. 韓國國家形象感知與旅游意向研究：以中國潛在旅游者為例[J]. 旅游學刊， 2016（12）：62-75.

[34] 蔣依依， 溫曉金， 劉焱序. 2001-2015年中國出境旅游流位序規模演化特征[J]. 地理學報， 2018（12）：2468-2480.

[35] 李中建， 孫根年. 中日關系、國民好感度及對旅游互動的影響[J]. 浙江大學學報（理學版）， 2019（4）：493-502.

[36] 楊旸， 劉宏博， 李想. 文化距離對旅游目的地選擇的影響：以日本和中國大陸出境游為例[J]. 旅游學刊，2016（10）： 45-55.

[37] WEN J， HUANG S S， GOH E. Effects of perceivedconstraints and negotiation on learned helplessness： astudy of Chinese senior outbound tourists [J].Tourism management， 2020，78： 104059.

[38] JIN X， QU M Y， BAO J G. Impact of crisis eventson Chinese outbound tourist flow： a framework forpost-events growth [J]. Tourism management，2019，74： 334-344.

[39] OKAFOR L E， TAN C M， KHALID U. Does pandadiplomacy promote Chinese outbound tourismflows？ [J]. Journal of hospitality and tourism management，2021，49： 54-64.

[40] CHI J W. The impact of third-country exchange raterisk on international air travel flows： the case of Koreanoutbound tourism demand[J]. Transport policy，2020，89： 66-78.

[41] SU C W， MENG X L， TAO R， et al. Chinese consumerconfidence： a catalyst for the outboundtourism expenditure？ [J]. Tourism economics： thebusiness and finance of tourism and recreation， 2022（3）： 696-717.

[42] GHOLIPOUR H F， NUNKOO R N， FOROUGHIB， et al.Economic policy uncertainty， consumer confidencein major economies and outbound tourism toAfrican countries[J]. Tourism economics： the businessand finance of tourism and recreation， 2022（4）：979-994.

[43] LLANO C， PARDO J， PéREZ-BALSALOBRE S，et al. Estimating multicountry tourism flows bytransport mode[J]. Annals of tourism research，2023，103： 103672.

[44] HUANG X K， ZHANG L F， DING Y S. The BaiduIndex： uses in predicting tourism flows：a case studyof the Forbidden City[J]. Tourism management，2017，58： 301-306.

[45] 馬麗君，龍云. 基于網絡關注度的湖南省居民旅游需求時空特征[J]. 經濟地理， 2017（2）： 201-208.

[46] YANG X， PAN B， EVANS J A， et al. ForecastingChinese tourist volume with search engine data[J].Tourism management， 2015，46： 386-397.

[47] 馬麗君， 郭留留. 基于網絡關注度的北京市居民對5A級景區旅游需求時空特征分析[J]. 干旱區資源與環境， 2017（10）： 203-208.

[48] JAPAN N T O， Trends in visitor arrivals to Japan[DB/OL]. [2024-10-5].https：//statistics.jnto.go.jp/en/graph/#category-133.

[49] ZHOU B， ZHANG Y， ZHOU P. Multilateral politicaleffects on outbound tourism [J]. Annals oftourism research， 2021（88）： 103184.

[50] 郭功星， 周星，涂紅偉. 消費者敵意、自我效能與旅游意愿：基于對青少年出境旅游市場的實證研究[J].旅游學刊， 2016（2）： 44-52.

[51] ZENG B D. Pattern of Chinese tourist flows in Japan：a social network analysis perspective[J].Tourism geographies， 2018（5）： 810-832.

[52] 梅大偉， 修春亮，馮興華. 中國城市信息網絡結構演變特征及驅動因素分析[J]. 世界地理研究， 2020（4）： 717-727.

[53] 保繼剛，楚義芳. 旅游地理學（修訂版）[M]. 北京：高等教育出版社， 1999.

[54] 張松林，張昆. 全局空間自相關Moran指數和G 系數對比研究[J]. 中山大學學報（自然科學版）， 2007（4）： 93-97.

[55] WANG J F， LI X H， CHRISTAKOS G， et al. Geographicaldetectors-based health risk assessment andits application in the neural tube defects study of theHeshun Region， China[J]. International journal ofgeographical information science， 2010（1）： 107-127.

[56] 王勁峰，徐成東. 地理探測器：原理與展望[J]. 地理學報， 2017（1）： 116-134.

[57] 柳小正，王秀海. 日本旅游資源開發與重構探析[J].現代日本經濟， 2018（1）： 73-83.

[58] 國家統計局. 中國第三產業統計年鑒2019[M]. 北京： 中國統計出版社，2020.

[59] HUANG S S， WEI X. Chinese outbound travel： understandingthe socioeconomic drivers[J]. Internationaljournal of tourism research， 2018（1）： 25-37.

[60] 湯國榮 章錦河， 周珺， 等. 文化間性理論進展及其對旅游研究的啟示[J]. 旅游學刊， 2018（4）： 13-23.

[61] SHARMA A， VASHISHAT T， RISHAD A. Theconsequences of exchange rate trends on internationaltourism demand： evidence from India[J]. Journal of socialand economic development， 2019（2）： 270-287.。

[責任編輯：呂觀盛]

[基金項目]本研究受北京第二外國語學院“青年學術英才計劃項目”（21110010）資助。