中国入境客流区域集散的结构差异与转移规律研究

吴良平　张　健

(1.东南大学经济管理学院,江苏南京 211189;2.电子科技大学数学科学学院,四川成都 611731)

0　引言

中国是一个世界性旅游大国,每年吸引了大量入境游客,但因受地理环境、旅游资源、经济禀赋、政策氛围、基础设施等方面影响,各区域入境旅游存在较大的地域差异(陈秀琼,黄福才,2006; 陈刚强,李映辉,2011),同时呈现了不同的客流集散转移形态。入境客流的研究作为旅游地理学的核心问题之一,早已得到国内外研究者的高度关注(陆林,1997; 唐顺铁,郭来喜,1998)。国外研究者的研究成果较为丰富,主要有加拿大城市之间的游客流动分析(Lundgren,1984),马来西亚入境客流、旅欧日本客流的系统研究(Oppermann,1992; Pearce,1995),欧洲旅游客流区域分布规律的综合分析(Jansen-Verbeke,Spee,1995),日本游客在中欧的流动规律及其趋势预测(Baláz,Mitsutake,1998),澳大利亚和韩国入境客流的双向非均衡性研究(Prideaux,Kim,1999),国际旅游客流的单变量和双变量分析(Coshall,2000),西班牙国际旅游客流流动模式的计量模型实证研究(Garin-Munoz,Amaral,2000),日本游客赴韩国旅游客流受韩剧的热播的影响探究(Kim,et al.,2007),等等。总体而言,研究成果多注重旅游客流的空间分布特征及其动态演变,倾向于模型化的定量研究方法,在研究地域上空间尺度趋大,体现了研究手段多样化和多学科融合的特点。

国内研究者主要针对入境客流的区域分布特征和集散动态进行了探究。一方面,一些研究者采用统计分析方法、空间分析技术等,探讨了中国入境旅游区域分布的差异结构及其动态变化(陈秀琼,黄福才,2006;陈刚强,李映辉,2011;刘法建,等,2010),认为中国入境旅游规模区域差异明显,主要表现在东部强,西部、东北部次强,中部弱,但这种差异正呈现缩小的态势;另一方面,一些研究者运用入境旅游流集散理论模型、多重指标分析法等,对中国局部区域入境旅游流的集散时空动态进行深入研究,局部区域集散主要包括西部各省区之间集散(李创新,等,2011;刘军胜,马耀峰,2013)、中部六省之间集散(刘军胜,等,2013)、东部的三大旅游区向四川扩散(王永明,等,2010)、广东向西扩散(刘宏盈,马耀峰,2009; 刘宏盈,2012)、上海向西和向长江流域扩散(刘宏盈,马耀峰,2008; 王永明,等,2010)、北京向外扩散(张佑印,等,2012)等,这些研究成果为入境旅游流集散时空动态研究奠定了理论基础,同时呈现了特定局部区域的入境旅游集散时空动态转移规律。

国内外入境旅游流的研究成果为更深入认识特定区域入境旅游流分布规律和集散转移规律提供了科学的信息参考,但还未有研究者就入境旅游流区域集散进行系统深入研究,以发现区域入境旅游流集散动态之间的地域差异和潜在规律,在集散理论建模过程中未考虑到入境游客抽样调查数据特性,相关集散理论模型亟须进行科学改进和验证。为此,本文从两方面展开研究:一方面,根据入境游客抽样调查数据特性,改进和验证已有的集散理论模型,以确定集散理论模型实证研究的合理性和可行性,从理论上给予科学指导;另一方面,基于相关集散理论模型,结合系统聚类和信息集成方法,着眼于中国31个省区*文中出现的省区是省级区域的简称,是指中国境内包含的31个省(自治区、直辖市)。,探究区域入境客流集散的结构差异和转移规律,补充具有代表性的区域研究成果。

1　模型改进和验证

《入境游客抽样调查资料》的抽样调查对象包括了立即出境的入境游客和未立即出境的入境游客,但入境游客的流向(按省<区、市>分组)的抽样调查对象只包含未立即出境的入境游客,并不涉及立即出境的入境游客,即由某一省区向其它省区转移扩散的入境游客总人数只为该省区接待的未立即出境的入境游客人数,已有文献在建模过程中并未考虑入境客流集散抽样调查数据的这一特性(李创新,等,2011; 刘宏盈,2012; 刘军胜,马耀峰,2013; 刘军胜,等,2013)。基于此,本文拟对以前文献建立的集散理论模型进行重新改进和验证。

1.1　入境客流转移数量模型

入境客流转移数量模型作为集散理论的基础模型,为某一时期由一个区域向另一个区域转移扩散的入境游客人数。本文根据入境客流区域转移的实际情况,考虑入境客流集散抽样调查数据特性,对以前文献的模型式(1)进行重新改进。改进后的模型为式(2):

(1)

(2)

式(1)和式(2)中,rt表示某一时期未立即出境的入境游客抽样调查人数占入境游客抽样调查总人数的比例;Xi表示i区域接待的入境游客人数;Yi表示i区域接待的未立即出境的入境游客人数;Xij表示未考虑入境游客立即出境情况下由i区域扩散至j区域的入境游客人数;Yij表示实际(考虑入境游客立即出境)由i区域扩散至j区域的入境游客人数;qi表示i区域未立即出境的入境游客抽样调查人数;qij表示在i区域未立即出境的入境游客抽样调查中由i区域流向j区域的入境游客人数。

本文以2014年由广东向陕西转移的入境游客人数计算为例,说明改进后的模型式(2)和改进前的模型式(1)的计算结果差异。2014年北京共接待入境游客人数4274520人次。全国各省区抽样调查人数为34026人次,其中有11116人次未立即出境*国家旅游局政策法规司.旅游抽样调查资料2015[Z].北京:中国旅游出版社,2015:10.。同时,2014年入境游客的流向(按省<区、市>分组)的调查对象为不立即出境的11116人次*国家旅游局政策法规司.旅游抽样调查资料2015[Z].北京:中国旅游出版社,2015:206.,其中北京不立即出境的人数为524人次,由北京流向陕西的客流人数为109人次。根据抽样调查结果,采用改进前和改进后的入境客流转移数量模型去刻画实际由北京扩散至陕西的入境客流人数如下:

改进前的模型计算结果:X=4274520×(109/524)=889165(取整)

改进后的模型计算结果:Y=4274520×(11116/34026)(109/524)=290483(取整)

由上可知,改进前和改进后的模型在刻画实际由北京扩散至陕西的入境客流人数时,改进前的模型计算结果约为改进后的模型计算结果的3倍,两者结果相差很大。入境客流转移数量模型是其它集散理论模型建立的基础,也是实证研究过程中由抽样调查样本计算入境客流转移人数的重要公式。因此,为避免以后入境客流人数转移实证研究结果与实际情况产生较大误差,必须对以前的入境客流转移数量模型进行改进。

1.2　入境客流空间集中指数和入境客流转移态指数

入境客流空间集中指数和入境客流转移态指数两个模型,均是基于入境客流转移数量模型建立。为此,本文需要依据改进后的入境客流转移数量模型,去改进和验证入境客流空间集中指数和入境客流转移态指数模型。

1.2.1入境客流空间集中指数

入境客流空间集中指数模型能够刻画区域入境客流集散转移市场结构的稳定性和波动性,是某一时期区域入境客流流入和流出强度的量化模型之一。鉴于客流集聚和客流扩散的方向差异,入境客流空间集中指数可分解为入境客流集聚指数和入境客流扩散指数。

根据改进后的入境游客转移数量模型式(2),可得到改进后的入境客流集聚指数式(3)和扩散指数式(4),整理结果如下:

(3)

(4)

(5)

上述修正只对其它区域向区域i集聚的入境客流进行了等比例修正,并不影响本文的研究结果,修正的目的主要考虑抽样调查误差和兼顾入境客流空间集中指数的可比性。

1.2.2入境客流转移态指数

入境客流转移态指数模型是某一时期区域入境客流流入和流出强度的具体形象化模型之一,依据客流集聚和扩散的方向差异,入境客流转移态可分解为入境客流集聚态和入境客流扩散态,并可分别以入境客流集聚态指数和入境客流扩散态指数加以刻画。

根据改进后的入境游客转移数量模型式(2),可得到改进后的入境客流集聚态指数模型式(6)和扩散态指数模型式(7),整理结果如下:

(6)

(7)

Ti=100×Xi/X0

(8)

式(8)中,X0表示基准参照地接待入境游客人数,本文选取1997～2014年接待入境游客人数最少的宁夏为基准参照地。

1.3　结果分析

根据式(3)、式(4)、式(6)和式(7)的整理结果可知,改进后的入境客流集聚指数、扩散指数、集聚态指数和扩散态指数计算结果分别与改进前的计算结果相等。其根本原因在于这4个模型的计算结果均没有量纲,模型中的rt将会在公式整理过程中被消除。已有文献采用计算结果无量纲的模型进行实证研究(李创新,等,2011;刘宏盈,2012;刘军胜,马耀峰,2013;刘军胜,等,2013),其研究结论具有正确性。但对于模型计算结果有量纲的情形,模型中的rt将不能被消除,改进后的计算结果和改进前的计算结果将出现差异,入境客流转移数量模型为一个较好的例子。当入境客流集散系列模型计算结果无量纲时,实证研究过程可无需考虑入境客流集散抽样调查数据特性;当入境客流集散系列模型计算结果有量纲时,实证研究过程必须考虑入境客流集散抽样调查数据特性。

2　其它方法和数据说明

2.1　信息集成方法

本文采用加权算术平均法对某一时期给定区域内各省区入境客流的空间集中指数进行信息集成,得到某一时期给定区域入境客流的集聚指数均值Gc和扩散指数均值Gd:

(9)

(10)

2.2　系统聚类方法

聚类分析是一种研究事物分类问题的多元统计分析方法,其基本原理是依据样本特性,采用能够度量样本之间相似性或差异性的统计量,确定样本之间的亲疏关系,从而对样本进行聚类。系统聚类是其中常用的一种方法,包括样品聚类和变量聚类,本文将依据入境客流空间集中指数对中国31个省区进行分类,系统聚类中的样品聚类适合本文研究。根据研究对象,本文选择了离差平方和法(Ward法)作为系统聚类的类间距离计算方法,选择平方欧氏距离作为系统聚类的个体距离计算方法。

2.3　数据说明

本文所需数据来源于1998～2015年《中国旅游统计年鉴》和《入境游客抽样调查资料》。本文对受SARS等因素影响的2003年数据失常,少数省区某些年份数据缺失,以及无效抽样调查(有效调查人数在20人次以下的抽样调查)导致的少量数据失效的情况,采用均值法对缺失和失效的数据进行填补。如果缺失或无效数据处于有效数据之间,则采用前后两年有效数据的平均值替代;如果缺失或无效数据点存在于有效数据点的末端,则采用最近3年有效数据的平均值替代。

3　实证研究

3.1　全国入境客流空间集中指数均值分析

本文采用信息集成方法将某一时期31个省区入境客流的集聚指数和扩散指数进行信息集成,集成结果分别表示该时期31个省区入境客流的集聚指数均值和扩散指数均值(见图1)。入境客流在中国省区的集聚指数均值由1997年的28.04一直平衡波动至2014年的28.15,平均值为29.09,其中1997年至2008年波动幅度较小,2008年至2013年波动幅度较大,但皆在平均值上下波动,2013年至2014年恢复至正常的较小波动幅度;入境客流在中国省区的扩散指数均值由1997年的25.97波动上升至2010年的39.94,达到扩散指数最大值,随后下降回落至2014年的30.69,整个过程扩散指数均值的平均值为30.93,且2012年和2013年的扩散指数均值分别为30.53和30.41。

综上,入境客流在中国省区的集聚指数均值和扩散指数均值在1997～2014年并未出现一直上升或者一直下降的局面,而是以平均值为中心展开了不同幅度的波动形态,但最终均恢复至平均值附近,动态变化较为稳定和平衡。

图1　1997～2014年中国省区入境客流的集聚指数均值和扩散指数均值动态变化情况

3.2　省区系统聚类

本文率先依据1997～2014年各省区入境客流扩散指数和集聚指数,采用系统聚类方法,分别对中国31个省区进行分类,得到中国31个省区系统聚类的树状图(见图2)。图2呈现了系统聚类的所有可能结果,因此如何确定聚类数目成为聚类的关键。我们从以下几个方面进行考虑:(1)各类之间的重心距离必须较大;(2)各类包括的元素个数不应过多;(3)分类数目应符合研究目的。同时,我们结合类间距离与分类数目之间的变化曲线,对分类数目进行科学确定。最终,依据各省区入境客流集聚指数将中国省区分成了6类,依据各省区入境客流扩散指数将中国省区分成了7类。每一类省区均是平均值相近且波动趋势相似的省区群体。

图2　依据1997～2014年各省区入境客流集聚指数(图左)和扩散指数(图右)的系统聚类树状图

3.3　省区入境客流空间集中指数差异

3.3.1省区入境客流集聚指数差异

本文按照各省区在入境客流集聚指数系统聚类下的结果将31个省区分成了6类,同时依据各省区1997～2014年入境客流集聚指数平均值大小对每一类省区进行排序(见表1)。结果如下。

(1) 第1类包含6个省区,属于平均值最低的省区群体,平均值范围为17.9至27.8,入境客流的客源地分散化程度最为显著,在集聚入境客流方面的外部依赖性最弱*集聚指数越小,表明集聚系统稳定性越好,分散化程度越显著,外部依赖性越弱;反之,表明集聚系统稳定性越差,分散化程度越不显著,外部依赖性越强。。广东和四川在第1类省区中表现最为显著,它们的平均值和2014年值在31个省区中最低。

(2) 第2类和第3类总共包含19个省区(第3类包含12个省区),平均值范围为31.8至45.5。虽然第3类的福建、吉林和浙江比第2类的一些省区平均值小,但系统聚类不仅考虑了平均值大小,而且考虑了波动趋势。

(3) 第4类仅包含天津,与天津平均值相近的省区在波动趋势上与天津相差较大。

(4) 第5类和第6类共包含5个省区,属于平均值最高的省区群体,平均值范围为43.3至68.2。这些省区入境客流的集聚客源地集中化程度最为显著,在集聚入境客流方面的外部依赖性最强。宁夏平均值最大,但具有下降趋势,2014年值居于第28位,而内蒙古平均值位居第30位,但具有明显的上升趋势,2014年值居于第31位。

(5) 从全国各省区来看,大部分省区集聚指数均在平均值周围平衡波动或小幅度偏离,仅有少数省区有大幅度上升或下降。大幅度上升的省区为广西和内蒙古,其2014年值比1997年值分别增加了60.6和41.4;大幅度下降的省区有宁夏和湖南,其2014年值比1997年值分别减少了40.9和25.0。

注:“均值”表示各省区1997～2014年集聚指数的平均值,“2014”表示各省区2014年集聚指数值,“排序”表示平均值和2014年值分别在31个省区中的大小顺序,波动趋势表示各省区1997～2014年集聚指数的动态变化情况。

大部分省区入境客流集聚指数均在各自平均值周围平衡波动或小幅度偏离,仅有少数省区出现大幅度上升或下降,其中,大幅度上升的省区有广西和内蒙古,大幅度下降的省区有宁夏和湖南;除少数省区(较大幅度上升或下降),第1类至第6类各省区入境客流的集聚客源地分散化程度在逐渐降低,集聚入境客流的外部依赖性在逐渐增强;广东和四川是31个省区中集聚入境客流外部依赖性最弱的省区,而内蒙古、广西、河北和宁夏为集聚入境客流外部依赖性最强的省区,其中宁夏集聚入境客流的外部依赖性具有减弱趋势,内蒙古和广西具有增强趋势。

3.3.2省区入境客流扩散指数差异

本文按照各省区在入境客流扩散指数系统聚类下的结果将31个省区分成7类,同时依据各省区1997～2014年入境客流扩散指数平均值大小对每一类省区进行排序(见表2)。结果如下。

(1) 第1类包含4个省区,属于平均值最低的省区群体,平均值范围为18.0至25.0,入境客流的目的地分散化程度最为显著,在扩散入境客流方面的外部依赖性最弱*扩散指数越小,表明扩散系统稳定性越好,分散化程度越显著,外部依赖性越弱;反之,表明扩散系统稳定性越差,分散化程度越不显著,外部依赖性越强。。四川、云南和广东在第1类中表现最为显著,其平均值和2014年值为31个省区最低值。

(2) 第2类包含13个省区,属于包含最多省区的群体,平均值范围为26.4至34.4。第3类、第4类和第5类共包含10个省区,平均值范围为34.7至47.1。

(3) 第6类和第7类共包含4个省区,属于平均值最高的省区群体,平均值范围为50.1至67.9。这些省区入境客流的扩散目的地集中化程度最为显著,在扩散入境客流方面的外部依赖性最强。虽然宁夏平均值最高,但却有下降趋势,而内蒙古、天津和河北却有明显的上升趋势,宁夏2014年值分别小于内蒙古、天津和河北,内蒙古2014年值达到所有省区的最大值。

(4) 大部分省区扩散指数均在平均值周围平衡波动或小幅度偏离,仅有少数省区大幅度上升或下降:大幅度上升的省区有广西、内蒙古和江苏,其2014年值比1997年值分别增加了41.3、35.5和32.3,大幅度下降的省区有青海、新疆和甘肃,其2014年值比1997年值分别减少了34.7、24.9和17.9。

大部分省区入境客流扩散指数均在各自平均值周围平衡波动或小幅度偏离,仅有少数省区有大幅度上升或下降:大幅度上升的省区有广西、内蒙古和江苏,大幅度下降的省区有青海、新疆和甘肃;除少数省区(较大幅度上升或下降),从第1类至第7类各省区入境客流的扩散目的地分散化程度在逐渐降低,扩散入境客流的外部依赖性在逐渐增强;四川、云南和广东是31个省区中扩散入境客流外部依赖性最弱的省区,内蒙古、河北、天津、江苏和宁夏是31个省区中扩散入境客流外部依赖性最强的省区,其中宁夏扩散入境客流的外部依赖性具有减弱趋势,内蒙古、河北、天津和江苏具有增强趋势。

3.4　省区入境客流集散转移规律

本文根据1997～2014年中国各省区入境客流集聚态指数和扩散态指数(年度平均值),运用统计归纳法,探究入境客流在中国31个省区的集散转移潜在规律(见表3)。表3第2列呈现了各省区入境客流集聚态指数大于均值的省区(按集聚态指数大小排序),这些省区即为入境客流集聚到该省区的主要二次客源地。表3第3列呈现了各省区入境客流扩散态指数大于均值的省区(按扩散态指数大小排序),这些省区即是入境客流从该省区扩散的主要二次目的地。表3中各省区的集聚态指数均值和扩散态指数均值相等,下划线省区表示各省区的共同主要二次客源地和主要二次目的地。由此,第2列的下划线省区表示下划线省区向第1列各省区集聚入境客流的能力强于第1列各省区向下划线省区扩散入境客流的能力;第3列的下划线省区表示第1列各省区向下划线省区扩散入境客流的能力强于下划线省区向第1列各省区集聚入境客流的能力。

表2　各省区1997～2014年入境客流扩散指数的平均值及其排序、2014年值及其排序和波动趋势

注:“均值”表示各省区1997～2014年扩散指数的平均值,“2014”表示各省区2014年扩散指数,“排序”表示平均值和2014年值分别在31个省区中的大小顺序,波动趋势表示各省区1997～2014年扩散指数的动态变化情况。

根据表3结果,本文对入境客流集聚到31个省区的主要二次客源地和入境客流从31个省区扩散的主要二次目的地进行统计。

(1) 关于主要二次客源地的统计显示,广东和北京是所有省区的主要二次客源地,分别在19个省区和5个省区的主要二次客源地中排序第一,分别在27个省区和21个省区的主要二次客源地中排序前三;上海是27个省区(除西藏、甘肃和青海外)的主要二次客源地,在3个省区的主要二次客源地中排序第一,在17个省区的主要二次客源地中排序前三;江苏、陕西、浙江和福建是12个省区(江苏主要集中在华东、华北和东北)的主要二次客源地,陕西、浙江和福建分别是11个省区(陕西主要集中在西北、西南和华中,浙江和福建主要集中在华东、华北和华南)的主要二次客源地。这4个省区分别在这些省区的主要二次客源地中均未排序第一,只在1个至3个省区的主要二次客源地中排序前三;而其它省区只为7个及以下省区的主要二次客源地。

(2) 关于主要二次目的地的统计显示,北京是所有省区的主要二次目的地,在18个省区的主要二次目的地中排序第一,在所有省区的主要二次目的地中排序前三;上海是28个省区(除甘肃和新疆外)的主要二次目的地,在8个省区的主要二次目的地中排序第一,在26个省区的主要二次目的地中排序前三;广东是25个省区(除内蒙古、西藏、甘肃、宁夏和新疆外)的主要二次目的地,在1个省区的主要二次目的地中排序第一,在11个省区的主要二次目的地中排序前三;陕西是18个省区(主要集中在西北、西南、华北和华中)的主要二次目的地,在2个省区的主要二次目的地中排序第一,在9个省区的主要二次目的地中排序前三;而其它省区却只为9个及以下省区的主要二次目的地。

(3) 关于既是主要二次客源地又是主要二次目的地的统计显示,北京、上海、广东和陕西分别是30、26、25和11个省区的共同主要二次客源地和目的地,而其它省区却只为5个及以下省区的共同主要二次客源地和目的地。带下划线的广东、北京、陕西和上海在表3第2列出现的次数分别为25、4、4和3,带下划线的北京、上海、陕西和广东在表3第3列出现的次数分别为26、23、7和0。其中,广东作为25个省区的共同主要二次客源地和目的地,在25个省区均具有较强的集聚入境客流能力;北京、上海和陕西分别作为30、26和11个省区的共同主要二次客源地和目的地,分别在26、23和7个省区具有较强的扩散入境客流能力。

表3　1997～2014年中国各省区入境客流转移态情况

续表3

由以上统计结果可知,(1)广东、北京、上海、江苏、陕西、浙江和福建分别是中国大部分省区的主要二次客源地(广东、北京和上海表现尤为突出),北京、上海、广东和陕西分别是中国大部分省区的主要二次目的地。(2)北京是所有省区的共同主要二次客源地和目的地,上海和广东是几乎全部省区(除少数西部省区)的共同主要二次客源地和目的地,而陕西是11个省区(主要集中于西北、西南和华中)的共同主要二次客源地和目的地。(3)在北京、上海、广东和陕西各自的共同主要二次客源地和目的地中,广东在所有省区均具有较强的集聚入境客流的能力,而北京和上海在几乎全部省区具有较强的扩散入境客流的能力,陕西则在大部分省区具有较强的扩散客流的能力。

4　结论

抽样调查是统计学中通过小样本估计调查对象的理想方法,该方法节约时间且适应面广,但因为由小样本去估计调查对象,建立合适的模型就显得尤为重要。入境客流转移数量模型作为集散理论的基础模型,由于并未考虑到省区接待的入境游客不仅包括了不立即出境的入境游客(将会转移至其它省区继续游览),还包括了立即出境的入境游客,所以必须进行科学改进。为此,本文根据入境客流区域转移的实际情况,考虑入境客流集散抽样调查数据特性,对以前文献建立的入境客流转移数量模型进行改进,同时根据改进后的入境客流转移数量模型,改进和验证入境客流相关集散理论模型。改进后的入境客流集散模型不仅能够更准确刻画入境客流转移情况,而且能够为进一步建立集散理论模型奠定基础。

中国大陆各省区由于受旅游资源、地理环境和经济文化等因素影响,入境客流在各省区呈现不同的集散结构特征。实证表明,各省区入境客流空间集中指数相差较大,但大部分省区入境客流空间集中指数在各自平均值周围平衡波动或小幅度偏离,仅有少数省区有大幅度上升或下降。依据集聚指数和扩散指数的系统聚类结果,中国省区分别由平均值相近且波动趋势相似的6类群体和7类群体组成。从第1类开始,大部分省区入境客流的集聚客源地和扩散目的地分散化程度在逐渐降低(集中化程度在逐渐增大),即集聚和扩散入境客流的外部依赖性在逐渐增强。

中国作为世界旅游目的地,地域广阔且旅游资源丰富,已具有独特的入境旅游集散流动模式。根据本文分析结果(广东、北京、上海、江苏、陕西、浙江和福建分别是中国大部分省区的主要二次客源地,其中,广东、北京和上海表现尤为突出;北京、上海、广东和陕西分别是中国大部分省区的主要二次目的地),结合地域交通区位和经济禀赋效应,研究结果如下。

第一,东部六大省区是入境旅游的主要一级目的地和中转地,中国大部分省区成为东部六大省区之后入境客流的二级扩散目的地,其中,北京、上海和广东为入境游客离境的主要口岸城市,客观上使其成为中国大部分省区的主要二次目的地。

第二,陕西是中国大部分省区的主要二次客源地和目的地,但作为主要二次客源地时,11个省区主要集中在西北、西南和华中(共包含9个省区);作为主要二次目的地时,18个省区主要集中在西北、西南、华北和华中(共包含15个省区)。由此形成了以陕西为主要二次客源地和目的地的“西北、西南、华北和华中→陕西→西北、西南和华中”局部区域入境客流集散形态,陕西已成为入境客流在西北、西南、华中和华北之间中转的核心省区。其可能原因在于陕西省具有较为丰富的旅游资源和较为雄厚经济基础,并处于西北、西南和华中的核心地理位置。此外,从陕西省来看,北京、广东和上海是陕西的最主要二次客源地,北京、上海是陕西的最主要二次目的地。中国形成了从“东部六大省区”入境、从“北京、上海、广东”离境的入境客流核心集散模式,而陕西作为西北、西南、华中和华北区域的主要中转地,为中国入境客流核心集散模式的补充。

第三,广东作为25个省区的共同主要二次客源地和目的地,在各省区均表现出较强的集聚入境客流能力,北京和上海分别作为30个和26个省区的共同主要二次客源地和目的地,则分别在26个和23个省区表现出较强的扩散入境客流能力。“广东→其它省区→北京或者上海”已成为了中国最主要的入境客流集散路径。

由于北京、上海、广东和陕西入境客流的客源地和目的地的分散化程度较高,即集聚和扩散流动系统处于较为稳定的状态,从而中国具有的独特集散流动模式还将持续。相关政府部门可参考各区域入境客流集聚和扩散流动路径,了解其主要二次客源地和主要二次目的地的旅游资源和旅游特色,结合国家战略规划,积极制定适合入境旅游需求的区域旅游发展战略,提高各区域集聚和扩散路径的入境客流量,达到科学发展入境旅游的目的。

参考文献：

[1]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):1271-1280.

[2]陈刚强,李映辉.中国区域旅游规模的空间结构与变化[J].旅游学刊,2011(11):84-89.

[3]李创新,马耀峰,贺雅坤,褚玉良,张颖.1994～2008年西部入境旅游典型省份客流集散时空动态研究——以陕西、四川、云南为例[J].旅游学刊,2011(7):12-19.

[4]刘法建,张捷,陈冬冬.中国入境旅游流网络结构特征及动因研究[J].地理学报,2010(8):1013-1024.

[5]刘宏盈,马耀峰.广东入境旅游流向西扩散时空动态演变研究[J].人文地理,2009(4):124-128.

[6]刘宏盈.广东入境旅游流西向扩散距离衰减规律研究[J].经济地理,2012(11):162-170.

[7]刘宏盈,马耀峰.入境旅游流空间转移与省域旅游经济联系强度耦合分析——以上海入境旅游流西向扩散为例[J].资源科学,2008(8):1162-1168.

[8]刘军胜,马耀峰.西部各省区入境游客集聚扩散能力演变对比分析[J].干旱区资源与环境,2013(9):187-192.

[9]刘军胜,马耀峰,李振亭.1997～2010年中部六省入境旅游流集散时空动态分析[J].地理科学,2013(4):450-456.

[10]陆林.现代国际旅游流研究[D].北京:中国科学院地理科学与资源研究所,1997:1-5.

[11]唐顺铁,郭来喜.旅游流体系研究[J].旅游学刊,1998(3):38-41.

[12]王永明,马耀峰,李创新.中国典型区域入境旅游流扩散转移研究——以东部三大旅游区向川流为例[J].干旱区资源与环境,2010(9):156-160.

[13]王永明,马耀峰,王美霞.上海入境旅游流对长江流域各省区空间场效应研究[J].经济地理,2010(5):854-858.

[14]张佑印,顾静,马耀峰,黄河清.北京入境旅游流分级扩散模式及动力机制分析[J].人文地理,2012(5):120-127.

[15]Baláz V,Mitsutake M(1998).Japanese tourists in transition countries of Central Europe:Present behavior and future trends[J].Tourism Management,19(5):433-443.

[16]Coshall J(2000).Spectral analysis of international tourism flows[J].Annals of Tourism Research,27(3):577-589.

[17]Garin-Munoz T,Amaral T P(2000).An econometrics model for international tourism flows to Spain[J].Applied Economies Letters,7(8):525-529.

[18]Jansen-Verbeke M,Spee R(1995).A regional analysis of tourist flows within Europe[J].Tourism Management,16(1):73-82.

[19]Kim S S,Agrusa J,Lee H,Chon K(2007).Effects of Korean television dramas on the flow of Japanese tourists[J].Tourism Management,28(5):1340-1353.

[20]Lundgren J O J(1984).Geographical concepts and the development of tourism research in Canada[J].Geo-Journal,9(1):17-25.

[21]Oppermann M(1992).International tourist flows in Malaysia[J].Annals of Tourism Research,19(3):482-500.

[22]Pearce D G(1995).Japanese tourists in Europe[J].Geographical Review of Japan,68(1):63-74.

[23]Prideaux B,Kim S M(1999).Bilateral tourism imbalance:Is there a cause for concern:The case of Australia and Korea[J].Tourism Management,20(4):523-532.