和彩印基础包是什么,国外视频聊天室,头盔蛋龟
0 引言
21世纪以来，随着全球旅游业的持续增长，旅游业已经成为国民经济部门中的重要支柱产业，成为衡量一个国家或者地区发展水平及综合实力的重要指标之一，其中入境旅游既牵引着许多关联产业，创造可观的外汇收入和就业机会，拉动经济增长，又是一个国家和地区旅游竞争力、文化软实力乃至开放程度的体现，同时也是国家和地区形象宣传的窗口（马耀峰，等，1999）。改革开放以来，经过30多年的快速发展，2012年中国入境旅游人次已经达到1.32亿人次，入境旅游收入超过5 000亿美元，分别比1978年增长91倍和172倍；实现旅游外汇收入达500.28亿美元，居世界第四位
国家旅游局信息中心.《中国入境旅游发展年度报告2013》出版发行.http：∥www.cnta.gov.cn/html/201312/20131226%7B@hur%7D4486491.htm
。2012年入境游客人次排名前10位的省区依次为广东、浙江、江苏、上海、北京、福建、辽宁、山东、云南、广西，占全国入境游客总量的73.49%（中国国家旅游局，2013）
资料来源同上。
，另21个省区仅占26.51%，说明我国入境旅游流的省域差异明显，因而从空间溢出角度解释我国入境旅游的省际差异及其空间关联特征和形成机制具有理论与实践意义。
2014年1月10日，笔者在英国某大学图书馆文献数据库按“Title”检索“Inbound Tourism”，结果显示91篇文献（著作及论文，部分题目重复）；同时在中国期刊网数据库按“题名”检索“入境旅游”，结果显示为3 600篇（含论文与著作），可见国内学界对“入境旅游”的关注度远高于国外，目前已有丰富的文献积累。中英文检索结果显示，入境旅游现象在20世纪90年代才开始被国内外学术界所关注，最早的英文论文发表于1993年（Dwyer，Forsyth，1993）；最早的中文论文发表于1998年（徐飞雄，1998）；国内关于入境旅游空间分析的文献始于21世纪初（马耀峰，李永军，2000），此后逐渐成为入境旅游研究的热点方向。国内外关于入境旅游流空间分析的方法主要有泰尔指数（陈秀琼，黄福才，2006；郑鹏，等，2010；Yang，et al.，2011；方远平，叶梢榕，2012）、基尼系数（吴三忙，李树民，2008；陈刚强，许学强，2011）、区位熵（乌铁红，等，2009）、引力及潜力模型（路春燕，白凯，2011）、规模分布模型（陈刚强，等，2011；宣国富，2012）、均值比率和聚类法（万绪才，吴芙蓉，2011；万绪才，等，2013）等，仅有少数文献运用空间计量模型或自相关模型等方法研究区域入境旅游溢出效应及空间关联特征（宋鸿，陈晓玲，2006；Zhang，et al.，2011；Yang，Wong，2012）。
关于入境旅游影响因素的研究文献也相当丰富，研究方法呈现多样化。虽然定性分析方法被一些学者采用（陆林，余凤龙，2005；黄秀娟，2006；宣国富，2012；高楠，等，2013），但定量分析方法则是研究的主流，最常用的有主成分回归模型（陈刚强，许学强，2011）、相关系数法及多元线性回归分析法（万绪才，吴芙蓉，2011；万绪才，等，2013）、聚类分析和判别分析（宣国富，2012）、固定影响变截距模型（赵东喜，2008）、计量经济学回归模型（刘长生，简玉峰，2006；殷书炉，杨立勋，2009）、引力回归模型（黄爱莲，2011）、双对数线性函数模型 “一般到简单”自回归建模法（王纯阳，黄福才，2009；2010）等，采用空间面板回归分析法及空间计量模型（Zhang，2009；Zhang，et al.，2011；Yang，Wong，2012）的研究则较少。
从宏观旅游经济层面看，一国或一地区的入境旅游影响因素一般可分为国际、国内两个方面：国际因素包括旅游客源国本身的经济条件、客源国人均收入、旅游替代国旅游价格水平（刘长生，简玉峰，2006；王纯阳，黄福才，2009）、世界平均收入和汇率变动（李凌鸥，2004；Kareem，2007；Yang，et al.，2010）；而更重要的是目的地国或地区自身的因素（Eila，Einav，2004）。国内外学者在进行入境旅游影响因素研究时，所选择的指标一般包含如下六方面：①高级别旅游吸引物，如世界遗产数、国家级旅游景区（5A级及4A级）数、国家公园数等旅游产品；②旅游服务设施与基础设施水平，主要有商业服务业发育水平，接待设施如星级酒店的数量与级别，基础设施水平如移动电话普及率等；③交通区位因素，如国际航线数、航空旅客吞吐量、铁路及公路等路网密度；④宏观经济环境，如经济发展水平（GDP）及产业结构高度、旅游市场价格；⑤对外开放程度，如对外贸易（进出口）、FDI（Foreign Direct Investment）及海外市场接近度；⑥突发事件，如重大危机事件（政治危机、战争、金融危机、SARS等流行病爆发等）（Naude，Saayman，2005；Yang，et al.，2010；Yang，Wong，2012；吴三忙，李树民，2008；赵东喜，2008；王纯阳，黄福才，2009；乌铁红，等，2009；Zhang，2009；刘法建，等，2010；王纯阳，黄福才，2010；陈刚强，许学强，2011；韩亚芬，孙根年，2011；孙根年，等，2011；万绪才，吴芙蓉，2011；吴三忙，李树民，2011；万绪才，等，2013）。
尽管国内外已有较多文献针对入境旅游影响因素进行研究，但运用空间计量方法特别是引入地理加权回归模型的研究并不多见，我国地域范围较大，旅游资源基础、区位条件及经济发展水平等省际差异明显，入境旅游在省际存在何种空间格局及其空间关联特征？各主要影响因素对省域入境旅游的作用存在何种空间差异？邻近地区是否相互影响？针对这些问题，本研究将空间计量方法引入，并运用地理加权回归方法，在我国31个省域尺度上来探究各个入境旅游影响因素的空间异质性（非平稳性），能更客观地反映各地区入境旅游实际发展的区域差异，具有明显的学术和实际意义。
1 研究设计
1.1 入境旅游影响因素的选取及模型设定
据前文综述可知，虽然旅游流在一国及一地区的分布受到诸多因素的影响及限制，但归纳起来主要涉及3个断面，即客源地断面、旅游通道断面及旅游目的地断面（孙根年，2001），根据孙根年（2011）的研究，认为旅游流的形成主要受四大因素影响，即景点资源及特色吸引物、交通区位及可达性、 经济与贸易的联系、文化认同与旅游偏好。因“文化认同”因子对旅游流的影响遭到质疑（张朝枝，等，2010），加之旅游目的地的文化感知的不确定性和游客的文化认同的不确定性导致其难以定量化，故本文参考孙根年等的观点，将资源-区位-贸易三大因素引进入境旅游流的影响因素中进行地理加权回归分析，以检验各主要因素在不同省市区入境旅游流中的影响程度及其差异性，空间关联性。
旅游资源是吸引境外游客的重要原因之一，在中国旅游业发展的省区差异及变化中，区位与资源禀赋是主导因素之一，尤其是高级别的旅游资源，如世界遗产、 5A和4A国家级旅游景区及国家级度假区等，是入境旅游的重要基础。区位（地理距离）也是影响游客出游的关键因素，一般来说，游客的数量会随着与重点入境口岸城市距离的增加而减少，在研究中，各地区与口岸城市的距离一般用距离综合指数表示。而一个地区经济开放度的提高，对入境旅游有着正向作用，如进出口总额占GDP的比重，地区FDI占GDP的比重等；已有学者提出新的旅游-贸易互动假设，认为贸易与对外开放是入境旅游的重要原因（Sun，2008）。本文试图通过旅游引力模型来探析入境旅游的影响因素。
早在1966年，克朗普就将修正过的引力模型运用到了旅游领域。修正后的旅游引力模型的表达式为：Tij=G（PiAj/Dbij），其中，Tij为客源地i与目的地j之间旅行的某种量度，Pi为客源地i的人口规模、财富或旅行倾向的量度，Aj是目的地j吸引力或容量的某种量度，Dij为客源地i与目的地j之间的距离，G、b为经验参数（Crampon，1966）。近年来，旅游引力模型在国内也得到了运用和发展（郭为，2007）。本文将引力模型引入到我国入境旅游（INTOUR）的研究中，并对其进行修正，将旅游资源（TR）、经济外向度（EO）、地理距离（GD）引入模型，修正后的模型如下：
INTOUR=αoTRβ1EOβ2/GDβ3
（1）
其中，αo、β1、β2、β3为经验参数。将其转化为线性模型，用α代替Lnαo，是模型估计的常数项，而ε为随机误差项，取对数后的双对数模型如下：
LnINTOUR =α+β1LnTR+β2LnEO+β3LnGD+ε
（2）
本文的入境旅游用“入境旅游人数”来代替。旅游资源方面，用2010年各省份拥有的世界遗产数量与5A和4A级国家旅游景区数量之和来代表高级别的旅游资源数量。因为无法获取各省份的服务贸易进出口总额，所以经济外向度指标用 2010年“进出口总额占GDP的比重”来衡量。考虑到入境游客一般从北京、上海、广州3个重点口岸城市进入中国大陆，因此地理距离可以通过各省会城市与北京、上海和广州的最短直线距离来反映地理距离的数据在比例尺为1∶92 000 000的百度地图上测得。。由于数据对数化，所以将北京、上海、广东的地理距离设置为1cm，并且，其他地区距离的测算也均以cm为单位。预期旅游资源和经济外向度对入境旅游将产生正向影响，而地理距离将产生负向影响。
根据国家旅游局的统计数据，在受到全球金融危机和中国大陆甲流（H1N1）的影响之后，2010年我国旅游业三大市场，包括入境旅游市场实现全面恢复并较快增长，入境旅游人数达1.34亿人次，同比增长5.8%，同时，2010年也是我国旅游业全面纳入国家战略的起步之年，所以，本文将2010年作为模型回归分析的重点研究年份。研究对象为我国31个省、直辖市、自治区，研究数据来源于2001～2011年的《中国统计年鉴》、《中国旅游年鉴》和国家旅游局网站。
1.2 研究方法
（1） 空间自相关分析
根据空间计量和空间经济理论，我们首先需要进行空间自相关检验，如果存在自相关性，则建立空间计量经济模型，进行空间计量的检验和分析。空间自相关是指一个变量的观测值之间因观测点在空间上邻近而形成的相关性，也就是说空间自相关分析是检验变量在研究区域内是否有相关关系，通过统计测算其相关的程度，一般用Moran’s I指数表示（Anselin L，1995）。Moran’s I指数的计算公式为：
Moran’s I=∑ni=1∑nj=1Wij（Yi-Y—）（Yj-Y—）S2∑ni=1∑nj=1Wij
（3）
公式中S2=1n∑ni=1（Yi-Y—），Y—=1n∑ni=1Yi，表示i地区的观测值，n为地区总数，Wij为空间权值矩阵，本文采用距离标准来定义空间对象的相互邻接关系。Moran’s I介于[-1，1]，大于0时，表示入境旅游存在空间正相关，数值越接近+1，正相关程度越强；小于0时，表明存在空间负相关，数值越接近-1，说明负的自相关性越强；等于0则表示各个地区的入境旅游之间没有关联性。
（2） 空间常系数模型
空间常系数模型包括空间滞后模型（Spatial Lag Model，SLM）、空间误差模型（Spatial Error Model，SEM）。空间滞后模型主要讨论的是各个变量在某个区域内是否有扩散的现象，也就是说是否有溢出效应，其公式如下：
Y=ρWY+Xβ+ε
（4）
其中，Y为因变量，X是自变量的观测矩阵，ρ为空间自回归关系数，其取值在-1～1之间，表明相邻区域之间的影响程度和方向。WY是空间滞后因变量，ε是独立的随机误差项向量。β为自变量参数，反映了自变量X对因变量Y的影响。
而空间误差模型中的空间依赖作用存在于误差扰动项之中，度量了邻接地区关于因变量的误差冲击对本地区观察值的影响程度（Anselin，1988），其公式如下：
Y=Xβ+ε
（5）
ε=λWε+μ
（6）
其中，Y、X、β和（4）式中的意义相同，ε为随机误差项向量；λ为n ×1的截面因变量向量的空间误差自相关系数，衡量相邻地区Y对本地区Y的影响方向与程度，取值范围为[-1：1]；μ为正态分布的随机误差向量；Wε为空间滞后扰动项。
（3） 空间变系数模型
地理加权回归（Geographically Weighted Regression，GWR）承认数据在空间内存在复杂性、差异性、变异性，认为回归模型需要将这种特性考虑在其中，才能使得研究结果更加符合现实情况（Brunsdon，et al.，1996）。一般来说，全局回归模型为：
Yi=a0+∑kakxik+εi
（7）
但是全局回归模型只是表现出全局的平均效果，而局部参数没有得到充分的体现。将局部参数考虑进去，能更加明显地体现出不同区域里自变量对因变量不同的影响。因此，局域模型为：
Yi=a0（Ui，Vi）+∑kak（Ui，Vi）xik+εi
（8）
式中：（Ui ，Vi）是第i个样本点的空间坐标；ak（Ui ，Vi）是连续函数ak（U，V）在i点的值。如果ak（U，V）在空间保持不变，则GWR模型就变为全局模型。
2 中国入境旅游流的空间分布特征
按照Jenks等（1971）的最佳自然断裂法，将入境游客数量分为4个梯度，从数量上来看，我国各个梯度的入境游客数量是逐年增加的，并且增幅较大。2000年入境游客的分布：位于第一个梯度的主要为东部沿海省市，包括北京、上海、江苏、浙江、福建、广东，及西部省区广西和云南；位于第二梯度的是黑龙江、辽宁、山东、陕西、湖南、湖北、四川和海南；第三梯度的省市包括天津、新疆、内蒙古、吉林、河北、河南、安徽、重庆；而西藏、青海、甘肃、宁夏、山西、贵州及江西等中西部欠发达省区则位于第四梯度，该梯度的入境游客相对来说是最少的。2005年入境游客分布的变化：山东进入第一梯度，内蒙古进入第二梯度，山西进入第三梯度，而广西、湖南、新疆的入境游客则分别下降了一个梯度。2010年入境游客分布的变化：辽宁升入第一梯度，云南省跌入第二梯度；湖南、安徽升入第二梯度，四川、内蒙古跌入第三梯度；江西升入第三梯度。总体上看，我国东部省市大多数依然位于第一梯度，优势明显，而中部省份主要位于第二和第三梯度，西部地区主要位于第三和第四梯度。2005年和2010年西北地区和西南地区的贵州的“低谷”特征也较为明显，入境游客数量较少。
总体上，我国入境旅游流的区域集中性特征比较明显，东部沿海省市的入境游客比中西部地区偏多，呈现出以东部高-中部中-西部低的从东部逐渐向西部地区递减的“中心-外围”的空间模式。
图1 入境旅游游客数量分布图（2000年、2005年、2010年）
3 中国入境旅游影响因素的分析
3.1 入境旅游的空间自相关性
根据空间自相关公式，对2000年～2010年入境游客数量进行空间自相关性，即空间依赖性的检验，结果见表1。所有年份的Moran’s I指数均为正数，且大多数能通过5%的显著性检验，只有 2002年、2004年、2005年和2007年的空间相关性不是非常显著，只通过10%的显著性检验。总体上，入境旅游在空间上并不是随机分布的，而是呈现集聚状态，具有空间正相关性。2000～2009年，Moran指数I在0.01～0.03之间浮动，可见该时期我国入境旅游在省级尺度呈现出弱相关性的特征。随着时间的推移，Moran指数I总体上呈现递减的趋势，从2000年的0.03016下降到2009年的0.01460，说明集聚程度降低，入境游客出现地区分散的迹象。而在2010年Moran指数I上升到0.19900，集聚程度有所提高，这与“2010上海世博会”这一特殊事件的空间溢出效应（正相关）有一定的关系。根据上述分析，中国省域入境旅游的空间关联性在省域层面呈弱相关特征，即入境旅游发展在省域层面的空间关联度及集聚现象不明显，这一结论与马耀峰等（199[第一论文网专业提供论文代写的服务 www. dylw.nET 欢迎光临]9）的观点基本一致；但根据Zhang（2011）和Yang（2012）等人的研究，中国入境旅游在地级市尺度表现出较强的空间自相关特点，说明入境旅游在更加微观的地级市尺度体现出更强的空间关联性和集聚特征（Zhang，2011；Yang，Wong，2012）。说明了不同空间尺度的地域单元将影响空间自相关的分析结果。
表1 中国2000年～2010年入境游客的Moran’ I指数及其显著性
3.2 最小二乘法回归
为了进行模型的对比分析，首先进行普通二乘法（OLS）估计，通过空间依赖性检验和两个拉格朗日指数来判断对空间滞后模型（SLM）和空间误差模型（SEM）的选取。
由表2普通最小二乘法OLS估计结果可知，31个省域入境旅游模型的拟合优度
达到了0.6316，说明模型效果良好。变量检验显示，经济外向度、旅游资源的回归系
表2 普通最小二乘法估计结果
数均为正数，说明其对入境游客数量产生正向的影响，且都通过5%的显著性检验。而地理距离的估计系数为负也符合实际，即在其他条件不变的情况下，离重点入境口岸的距离越大，入境游客的数量将越少。但是，OLS忽略了空间效益，估计结果可能会高估或低估实际的影响程度，因此需要做进一步的检验，将空间关联效应引入后对入境旅游的影响因素进行估计。参照Anselin等（2004）提出了如下判别准则：如果在空间依赖性的检验中发现LMLAG较之LMERR在统计上更加显著，且RLMLAG显著而RLMERR不显著，则可以判断适合的模型是空间滞后模型；相反，如果LMERR比LMLAG在统计上更加显著，且RLMERR显著而RLMLAG不显著，则可以认为空间误差模型是恰当的模型。从OLS估计表中可以发现，LMLAG和RLMLAG的显著性都弱于LMERR和RLMERR，所以SEM模型的估计效果更优。
3.3 空间常系数回归分析
为了更好地比较空间滞后模型与空间误差模型，对两种模型进行了比较分析。若Log L和R2值越大，SC值和AIC值越小，则可以认为模型的拟合优度更优。根据SLM模型和SEM模型的估计结果，可以判断出SEM模型是最优模型，方程为：
LNINTOUR=11.4815+1.3144LNTR+0.4599LNEO-0.1111LNGD+0.3782Wε
（9）
经济外向度和旅游资源都对入境旅游游客产生显著性的正向影响，且旅游资源的推动力较大。入境游客一般会选择旅游资源较为丰富的地区，以便更多地游览景点（孙根年，等，2011）。在其他条件不变的情况下，当旅游资源的对数每上升1%，能带动入境游客数量的对数增加1.3144%，说明旅游资源是入境旅游发展的重要影响因素。而当经济外向度（对数）提高1%，入境游客数量（对数）将提高0.4599%。入境旅游是一种外向型产业，对外开放程度的提高可以有效地促进各个省入境旅游的发展。地理距离与入境游客数量呈反比，当地理距离（对数）每增加1个百分点，入境游客（对数）将减少0.1111个百分点。说明地理距离对入境旅游产生反向影响，是阻碍到旅行者出游行为的一个重要原因。
表3 SEM和SLM模型的ML估计结果
由于空间误差模型的拟合效果较好，所以空间效应更多地体现在误差项上面。参数λ衡量的是入境游客数量省际相互影响，即相邻省域的入境游客对本省（市、区）的入境游客的影响方向和程度。当邻近地区的入境游客数量（对数）每增加1%，本地区的入境游客数量（对数）将显著增加0.3782%，说明地区之间联系紧密，邻近地区的入境游客数量对本地区的入境游客数量有正向影响。空间滞后模型的自相关系数λ为正也表明入境游客存在空间溢出效应。由于入境旅游游客投入的时间和交通成本较大，为了避免浪费这部分成本，部分入境游客会在游览完某个地区后，继续前往其他地区，从目的地向周边地区扩散，形成一种扩散效应，从而对周边地区的入境旅游发展产生影响（刘法建，等，2011）。因此，相邻的城市的入境旅游是存在着依赖性和相互作用的。
3.4 空间变系数回归分析
已有基于最小二乘法（OLS）估计、SLM模型和SEM模型的全局分析模型的研究，是在假设地域空间为均质的前提下分析各因素对地理事象或旅游事象的影响，较少考虑各因素的异质性及其空间效应，忽视了地理区域的客观差异性，难以反映各因素对地理事象影响的空间效应及其异质性，而入境旅游影响因素对不同地区的影响是存在客观差异的。戈冬梅等（2013）从旅游影响因素，刘贵文等（2013）从住房价格影响因素，严小兵（2013）从省域犯罪率因素等角度分别引入地理加权回归（GWR）模型，验证了GWR得出的局部参数模型，相较于OLS得出的全域参数模型，能更好地解释地理事象及其影响因素的空间差异性和非平稳性，更符合地理事象的空间异质性。本研究在参考上述文献基础上，引入GWR模型，对每个省市区的影响因素都进行局部回归分析，得出估计参数的空间非平稳性及省域差异性。
GWR回归结果揭示，常数项均为正值，并且东部地区的常数项估计值要大于内陆大部分地区，说明区域间的差异是存在[第一论文网专业提供论文代写的服务 www. dylw.nET 欢迎光临]的。模型决定系数R2也是存在空间变异的，在0.612583～0.642378之间变化。其中，海南、广东、广西、云南等地的R2较高，表明这些地区的经济外向度、地理距离和旅游资源较好地被模型所模拟。黑龙江、吉林、辽宁、内蒙古、河北等地的数值较小，介于0.612583～0.623254之间，这些地区的模型拟合优度相对较差，入境旅游还受到模型没有考虑的其他因素的影响。
经济外向度形成了以东北三省为核心，不断向西南方向扩散的圈层，其中，对位于第一梯队的辽宁、吉林、黑龙江的入境旅游产生较大影响，影响范围约为0.374756～0.385576，这些地区的入境旅游发展高度依赖经济的对外开放，进一步提高其对外开放程度，带动的入境旅游增长效应整体上要高于其他地区。经济外向度的提高对位于第一梯队入境旅游的影响大于第四梯队，对新疆、西藏、云南等大片西部地区影响最小，在0.356180～0.361831之间浮动，经济外向度对该区域入境旅游的促进作用还有较大的提升空间。
地理距离的空间影响特征与经济外向度类似，形成由东北向西南方向递减的空间结构，影响程度也同样存在空间差异性。就位处第一梯队的黑龙江、吉林、辽宁来看，地理距离对入境旅游产生的负向影响最小，当地理距离（对数）增加1个百分点，入境游客（对数）将减少1.28997～1.36837个百分点。位于第四梯队的有广东、广西、海南、云南、贵州、西藏、新疆、青海等，地理距离的增加对这些地区入境旅游发展的负向影响较大，当地理距离（对数）增加1%，入境游客（对数）则会减少1.45592～1.50626个百分点，这也从侧面反映出地理距离是影响该类地区入境旅游发展的重要因素之一。
与地理距离的空间影响特征相反的是，旅游资源对入境旅游的作用程度形成了以西部地区为核心，不断向外扩散的格局，影响系数在1.479490～1.651092之间浮动。其中，对云南、新疆、西藏、青海的影响较大，在1.598066～1.651092之间。同样，对于其他西部地区，旅游资源所产生的影响也大于东部地区，这说明旅游资源在西部地区入境旅游发展中起着重要的作用，是吸引境外游客的主要因素，高品质的旅游资源是西部地区入境旅游赖以发展的基础条件，增加西部地区的高质量景区数目，打造世界级旅游吸引物，将吸引更多的入境游客。而旅游资源对东北老工业基地的辽宁、吉林、黑龙江的贡献相对于其他地区来说，作用最小，在1.479490～1.504497之间浮动。
图2 各因素对入境旅游影响省际差异的地理加权回归结果
尽管GWR空间计量回归模型对中国省域入境旅游的影响因素分析结果对我国入境旅游空间差异及关联系特征做出了客观解释，也存在一定的合理性，但对入境旅游产生影响的众多其他因素因模型的多重共线问题而无法在GWR中进行运算，而使得资源、区位、贸易三大因素在计量模型分析结果的解释力度有限，今后将进一步探索纳入更多因素进行深入分析，以便获得满意的解释效果。
4 结论
本文通过修正旅游引力模型，运用空间计量回归模型，对我国31个省域的入境旅游发展与经济外向度、旅游资源、地理距离的关系进行研究，得出了以下几点结论：
第一，我国入境游客的区域集中性特征比较显著，在空间上具有较为明显的空间正相关性和空间依赖性，总体上呈现出自东部沿海省市向中部内陆省份，再向西部地区省市区逐渐递减的空间格局，入境旅游空间分布总体[第一论文网专业提供论文代写的服务 www. dylw.nET 欢迎光临]呈现“核心-边缘”的空间模式。入境旅游人数主要集中分布在东部沿海经济发达、开放程度高、地理区位优势明显的省份；而中部地区省份的旅游资源、区位条件、经济对外开放程度等均居于中间层次，入境游客人数的分布也多数居于中间位置；而我国西部省区尽管坐拥高品位的旅游资源，但由于地处内陆，区位偏远，交通基础设施条件落后导致可进入性较差，特别是总体经济开放度较低等原因导致社会经济发展环境相对滞后，境外游客的可进入性有限，因而入境游客分布较少。
第二，经济外向度和旅游资源都对入境旅游有显著性的促进影响，且旅游资源的推动力较大，加大高层次旅游资源的开发，实现旅游“国际化”，将可以促进我国入境旅游的发展。研究发现地理距离与入境游客数量呈反比，表明地理距离是阻碍旅行者出游行为的一个重要原因。地理加权回归揭示，经济外向度、旅游资源、地理距离对入境旅游的影响存在空间差异性。经济外向度和地理距离对入境旅游的作用程度形成了以东北地区为核心，不断向西南方向扩散的圈层，而旅游资源则相反，形成了以西部地区为核心，不断向外扩散的格局，但地区之间的差异性不大。GWR模型估计系数的空间非平稳性表明，政策制定者尤其是地方政府在制定旅游发展战略时需因地制宜，更多地考虑本地区的实际情况。
第三，研究揭示，相邻地区的入境旅游存在依赖性和相互作用，入境旅游不仅受本地区影响因素的作用，还受到相邻地区入境游客数量的正向影响。境外游客从目的地向周边地区分散，形成一种扩散效应，从而对周边地区的入境旅游发展产生影响。因此，各个省市区在旅游发展中应联系周边地区，加强省际旅游合作，进行多地旅游资源统一包装和营销，实现区域间的联合和互动。同时鼓励边境省份加强与周边国家的边界贸易和区域旅游合作，实现跨境旅游资源国际合作开发，促进游客跨境游览。
本研究的不足之处在于：（1）研究的空间尺度基于省域层面，虽然结论显示入境旅游具有一定的空间聚集-空间依赖特征，但根据已有文献，基于地级市尺度的入境旅游空间关联分析更能从微观层面进一步揭示入境旅游的空间关联特征，后续研究将尝试从更加微观的空间区域尺度探索旅游事象的空间关联特征 ；（2）研究主要集中于经济外向度、旅游资源、地理距离3个因素的影响，虽然它们是入境旅游的重要影响因素，但实际还存在其他一系列因素对入境旅游产生影响，如经济发展水平、基础设施、旅游服务设施、环境气候、政策机制、危机事件、旅游成本等，因此，后续的研究可以将其他影响因素纳入研究框架中，并对模型进行改进和测试，以期获得更理想的效果。
参考文献：
[1] 陈刚强，李映辉，刘娟.中国入境旅游规模分布特征及其变化[J].地理研究，2011（6）：10441054.
[2] 陈刚强，许学强.中国入境旅游规模空间分布变化及因素分析[J].地理科学，2011（5）：613619.
[3] 陈秀琼，黄福才.中国入境旅游的区域差异特征分析[J].地理学报，2006（12）：12711280.
[4] 方远平，叶梢榕.广东入境旅游的地区差异及影响因素分析[J].岭南学刊，2012（1）：7581.
[5] 高楠，马耀峰，李天顺.1994年以来山西入境旅游区域差异特征及影响因素分析[J].干旱区资源与环境，2013（1）：202208.
[6] 戈冬梅，姜磊.基于GWR模型的省域旅游影响因素空间差异分析[J].生态经济，2013（7）：9397.
[7] 郭为.入境旅游：基于引力模型的实证研究[J].旅游学刊，2007（3）：3034.
[8] 韩亚芬，孙根年.中国主要客源地进出口贸易与入境旅游发展关系的研究[J].资源开发与市场，2011（8）：744746.
[9] 黄爱莲.基于引力模型的中越入境旅游影响因素分析[J].商业研究，2011（9）：207211.
[10] 黄秀娟.福建省入境旅游发展状况、影响因素及存在问题[J].经济地理，2006（S2）：8790.
