疫情冲击下我国省域旅游经济韧性空间差异与组态影响研究

杨 勇，邹 永 广，2*，李 媛，吴 沛

(1.华侨大学旅游学院，福建 泉州 362021；2.中国旅游研究院旅游安全研究基地，福建 泉州 362021)

0 引言

2020年新冠肺炎疫情的突然暴发和蔓延对我国旅游业造成强烈冲击，涉旅行业几乎全面处于停摆状态[1]。实际上，从自然灾害、恐怖主义和政治动荡等突发事件的增加，到SARS和新冠肺炎疫情的全球蔓延，这些突发性危机事件显示出旅游市场环境的不确定性、复杂性和模糊性等特征已经形成一种常态[2]。在这种“新常态”下，旅游业能否在突发事件中形成韧性并实现复苏和反弹，成为其可持续发展的关键[3]。因此，研究旅游业面对突发事件的韧性已成为学界和业界亟待解决的重要议题[4,5]。

韧性也被称为“弹性”[6]、“恢复力”[7]，最初源于物理学，代表物体在变形过程中吸收能量的能力[8]。近年来，由于全球经济环境复杂多变，区域经济系统更具非线性和不确定性[9,10]，而经济韧性作为一种强调整体动态性和非线性变化的研究范式，日益引起学者们的重视。区域经济韧性是应对突发事件和响应危机变化的重要因素[11]，具有高韧性的区域经济系统可以更快地识别危机的早期信号并做出响应，避免、抵御和缓冲不利事件的冲击，在逆境中快速恢复和反弹甚至促进未来发展[12]。现有研究对于区域经济韧性的探讨主要集中于3个方面：1)概念界定方面，学者们认为区域经济韧性是区域经济系统面对市场、环境等冲击扰动时的抵抗能力或通过调整适应转型迅速恢复的能力[13]；2)测度评价方面，学者们构建“抵抗力—恢复力—适应力—更新力”四维韧性测度体系[14]，选取GDP、产值和人口就业等指标对区域经济韧性进行测度[15,16]；3)影响因素方面，多关注产业结构[17]、社会资本[18]、人口结构[19]等对区域经济韧性的影响，并运用定量和定性方法进行研究[20-22]。总体而言，区域经济韧性相关议题已经受到学者们的广泛重视，但当前相关研究主要以内涵探讨为主，侧重关注区域内部经济要素对区域经济韧性的影响，关于区域外部要素(如新冠肺炎疫情)对经济韧性的影响分析相对不足[23]，尤其是危机情境下区域经济韧性在不同尺度上的差异探究仍存在较大缺口。

旅游经济韧性是区域经济韧性的重要组成部分[24]，旅游业作为一个产业关联度高和经济要素多样的综合性产业，其经济韧性内涵更复杂。相关研究中旅游经济韧性用于表征旅游经济系统受到冲击后经济恢复和适应的能力，刻画旅游业在遭受各类危机扰动后短期恢复以及长期综合适应的过程[25]，既是反映区域旅游经济在面对内外冲击时的抵御能力、恢复能力、重构能力和更新能力的重要指标，也是衡量旅游业高质量发展的重要标准[26]。但目前关于旅游经济韧性的研究仍聚焦于旅游业对于整体区域经济韧性的作用[27-29]，将旅游产业作为经济恢复的一个重要手段，忽视了旅游经济韧性作为一个独立体系的丰富内涵。虽有少量研究对于旅游经济韧性的内涵做了有益探索[26,30]，但在危机情境下区域旅游经济韧性有何特征仍未得到足够关注。此外，当前对于新冠肺炎疫情冲击下区域旅游经济韧性的影响因素分析多是考察多个变量的独立影响，忽视了多个影响要素间的内在关联。中国历经SARS和新冠肺炎疫情两次突发性公共卫生事件冲击，其时代背景、旅游业规模差异巨大，因此，对比分析两次疫情冲击下区域旅游经济韧性演变特征具有重要意义。

本研究以我国31个省(市、区，不含港、澳、台)为研究区，以“旅游经济韧性”为研究对象，构建疫情冲击下旅游经济韧性评价体系，综合运用空间差异测量指标，分析两次疫情冲击下我国旅游经济韧性的空间分布格局及空间差异特征，并利用模糊集定性比较分析(fuzzy-set Qualitative Comparative Analysis，fsQCA)方法探讨不同影响因子对高低韧性影响的复杂组态关系，以期深化外部危机对旅游经济系统在时间过程、影响深度和区域响应及对应机制方面的认识，进而为我国不同区域旅游产业的恢复提出针对性建议。

1 研究方法与数据来源

1.1 评价指标体系与数据来源

本研究采用Martin等对于区域经济韧性的评价方法[31]，认为区域经济系统应对外部冲击是一个范围内的事件，区域内的每个城市(地区)都应该是以同样方式反应的宏观个体。因此，本研究以全国对疫情冲击的抵抗程度和恢复程度为基准，采用旅游接待人次和旅游总收入两个指标间接反映我国省域在疫情冲击下的旅游经济韧性(式(1)-式(3))[32]，区域旅游经济韧性指数值越大，表明区域旅游经济韧性水平越高。

Resisi=aResisip+bResisie

(1)

(2)

(3)

SARS和新冠肺炎疫情分别发生在2002年末和2019年末，受此影响，2003年和2020年我国旅游业收入均出现大幅下降，这4年的相关数据最能代表疫情对旅游业的影响，故本研究将这4年作为数据获取年份。此外，由于旅游业是一个受季节性波动影响的产业，而“五一”“十一”是目前我国节假日中公认的重要节点，故此时段的数据一定程度上能代表疫情冲击下旅游业的恢复程度。最终，通过搜索各省(市、区)的社会统计公报、政府工作报告、新闻报道，获取各年份“五一”“十一”期间的旅游接待人次和旅游总收入数据，分别汇总代表当年的旅游接待人次和旅游总收入。本文采用求均值方法消除2019年和2020年“五一”“十一”假期天数不同所造成的影响。同时，为便于比较我国省域旅游经济韧性的区域差异特征，采用地理学上的七大分区，分别为：华中(湖北、湖南和河南)、华北(河北、山西、北京、天津和内蒙古)、华东(江苏、浙江、安徽、福建、江西、山东、上海和台湾)、华南(广东、广西、海南、香港和澳门)、西北(陕西、甘肃、青海、宁夏和新疆)、西南(重庆、四川、贵州、云南和西藏)、东北(黑龙江、吉林和辽宁)[33]。研究所需影响因素数据均来自《中国文化文物和旅游统计年鉴》、各省统计年鉴、国民经济和社会发展统计公报等。

1.2 研究方法

1.2.1 空间差异研究方法 本研究使用不平衡指数、变差系数、赫芬达尔系数、首位度、地理集中指数测量区域空间差异[34，35]：1)通过计算洛伦兹不平衡指数并根据洛伦兹曲线的倾斜程度判断我国省域旅游经济韧性空间分布的均衡程度；2)引入变差系数测算我国七大区域之间旅游经济韧性的相对均衡度；3)运用赫芬达尔系数衡量高旅游经济韧性在省域尺度与七大区域尺度上的空间集聚程度；4)采用区域内第一大经济地区与第二大经济地区之间的比值判断首位度，旨在分析旅游经济韧性高低的集中度；5)利用地理集中指数测度我国省域旅游经济韧性在七大区域上的空间集聚程度。

1.2.2 模糊集定性比较分析(fsQCA)法 本文采用fsQCA方法对新冠肺炎疫情冲击下我国省域旅游经济韧性差异影响因子进行组态分析。旅游经济韧性涉及资源环境、地方经济基础、产业结构等多种因素，传统方法多基于变量独立、单向线性关系进行分析，难以区分多个前因变量的复杂交互效应，而fsQCA方法基于布尔代数原理，能有效揭示复杂风险因子影响的“联合效应”和“互动关系”[36]。Ragin指出该方法能探讨因果关系的非对称性问题[37]，能对产生高、低两种不同韧性的影响因子组态进行有效识别，因此适用于新冠肺炎疫情背景下影响旅游经济韧性的因子分析。另外，本文在构建我国省域旅游经济韧性差异影响因子的基础上，使用熵值法对指标标准化后的数据进行客观赋权，然后利用加权综合评价法求出各类影响因子的最终得分。

2 旅游经济韧性指数与空间分布特征

通过计算得出两次疫情冲击下我国31个省域旅游经济韧性水平评价值(表1)，采用ArcGIS 10.3软件中的自然断点法将其划分为低(-0.9～-0.3)、较低(-0.3～0)、中等(0～0.3)、较高(0.3～0.5)、高(0.5～0.9)5个等级，并进行空间格局可视化(图1)。

表1 我国省域旅游经济韧性指数Table 1 Tourism economy resilience index of provinces in China

注：审图号为GS(2019)1822号，底图无修改。

2.1 旅游经济韧性水平

由表1可知，SARS冲击下我国各省域旅游经济韧性普遍不高，经济韧性值小于0的省域多达18个，以甘肃(-0.5740)、河南(-0.6456)、山西(-0.6704)、北京(-0.8576)、河北(-0.8737)、宁夏(-0.8990)为代表的省域旅游经济韧性显著低于全国平均水平，且中部地区旅游经济韧性普遍低于沿海地区。另外，SARS对北京和广东影响严重，但广东(-0.2571)旅游经济韧性远高于北京(-0.8576)，表明广东具有强大的旅游经济抵御能力。总体而言，高韧性省域占3.2%，中等韧性省域占25.8%，低韧性省域占35.5%，韧性水平呈现“顶端小底端大”的非均衡结构。对比之下，新冠肺炎疫情冲击下我国省域旅游经济韧性差异明显，19个省域旅游经济韧性值大于0，旅游经济总体呈现出巨大韧性。西藏(0.8072)处于最高水平，其次是山东(0.5846)、黑龙江(0.5649)和新疆(0.5177)，表明上述省域在这次疫情中展现出强大的供给能力、适应能力和修复能力。另外，这次疫情使湖北的旅游经济遭受重创，旅游经济韧性显著为负(-0.3218)，陕西(-0.4875)、四川(-0.5316)的旅游经济韧性均低于全国平均水平。总体而言，高韧性省域占12.9%，低韧性省域占16.1%，韧性水平表现出极化趋势，呈现出“两头小中间大”的橄榄型结构，表明我国旅游经济韧性水平目前处于不稳定的变动期，整体上还存在较大提升空间。

2003年SARS冲击下我国共有13个省域旅游经济韧性位于中等以上水平，而在新冠肺炎疫情冲击下则增至19个省域，这表明经过近17年的发展，我国旅游经济韧性水平总体提升，旅游业对突发事件的抵抗力和恢复力明显增强。其中，福建、山东、北京、宁夏、青海、贵州、广西、广东、河南的旅游经济韧性均大幅上升并实现跨级，表明这些省域在疫情的动态扰动中能打破路径依赖，开辟新的旅游经济增长路径；而吉林、江苏、天津和四川的旅游经济韧性出现小幅下降，四川从2003年的较高韧性变为2020年的低韧性，表明尽管这些地区的旅游产业基础较好，依靠既有产业结构能暂时抵御冲击，但在危机过后甚至长期的扰动中无法适应风险变化。

2.2 旅游经济韧性空间分布格局

由图1可知：1)2003年SARS冲击下我国省域旅游经济韧性整体呈西南、东北地区高，华东、华南、西北部分地区次之，华北、华中、西北部分地区低的空间分布格局，高旅游经济韧性省域主要集中在西部地区、东北三省和江浙等地，华中的湖南省旅游经济韧性表现突出；从局部看，低旅游经济韧性省域呈现集中片状分布，较高韧性以上省域呈分散点状分布。2)2020年新冠肺炎疫情冲击下我国省域旅游经济韧性整体呈西南、华东、东北地区高，华中、华北地区低的“U”形空间分布特征，高旅游经济韧性省域主要分布在东南沿海及西部地区，尤以西部地区韧性最高；低旅游经济韧性省域主要分布在中部及北部地区；从局部看，高、低旅游经济韧性的省域呈区域型分布，西部与北部高韧性地区分布较为分散，形成“新—藏、鲁、黑”的点状分布格局，南部高韧性地区形成“浙—闽—赣—湘—贵—云”的带状分布格局，中北部低韧性地区形成“蒙—冀—陕—晋—鄂—渝—川—皖—豫”的片状分布格局，整体形成“三点一带一片”的旅游经济韧性分布格局。

两次疫情冲击下，我国东部地区(京、津、江、浙)、东北地区(黑、辽)的旅游经济韧性始终处于领先水平，西部地区(新、藏、青)次之，中部地区处于较低水平。对比分析发现，在近17年的发展中，“U”形空间分布特征逐渐收敛。SARS冲击下我国省域旅游经济韧性呈分散的点片状分布，而新冠肺炎疫情冲击下则进一步变化为“三点一带一片”的空间分布特征，这主要与区域经济发展水平密切相关。深入分析发现，沿海地区的高韧性省域增长速率明显高于中部地区，这表明受地理位置和经济发达程度影响，沿海地区在对抗疫情冲击时旅游经济显示出强大的韧性，而中部地区受制于经济基础和发展模式，旅游经济韧性提升较为困难。

2.3 旅游经济韧性空间差异特征

2.3.1 旅游经济韧性的省域差异 进一步使用变差系数、首位度分析两次疫情冲击下我国31个省域旅游经济韧性的空间差异。首先，SARS冲击下我国省域旅游经济韧性的变差系数为-2.66，表明各省域旅游经济韧性之间存在较为显著的差异；新冠肺炎疫情冲击下变差系数为3.598，表明各省域之间韧性差异较大，缘于不同时期我国各省域的经济实力与旅游资源差异，且旅游经济韧性也受各省域的制度能力、技术发展、教育水平、基础设施、对外开放度等因素的影响。其次，SARS冲击下省域间首位度为1.35，即旅游经济韧性最高的江苏与较高的四川之间差距较小，因为这两个省域均远离SARS暴发重灾区——北京和广州，江苏凭借其东南沿海优越的地理位置在旅游经济韧性上略优于四川；新冠肺炎疫情冲击下首位度为1.381，旅游经济韧性最高的西藏与次高的山东之间差距较小，结构较合理。究其原因，虽然西藏整体经济实力较弱，但其独特的地理位置确保其受疫情冲击程度较小，旅游经济恢复能力较强；山东地处环渤海经济圈和旅游圈，受周边地区辐射效应明显，特别是省政府针对疫情冲击出台的“文旅20条”[38]保证了其强大的韧性。进一步对比发现，31个省域旅游经济韧性的变差系数由2003年的-2.66变为2020年的3.598，说明2003-2020年我国各省域之间的旅游经济韧性差距在增大，首位度变化则不明显，表明我国高旅游经济韧性的省域波动较小。

2.3.2 旅游经济韧性的区域间差异 为描述我国31个省域旅游经济韧性的区域间差异，本研究利用变差系数、赫芬达尔系数、首位度、地理集中指数进行综合分析。结果显示，在SARS冲击下七大区域之间旅游经济韧性的空间差异较小，变差系数为-0.546，较省域尺度明显减小，表明省域之间抱团会进一步降低区域间旅游经济韧性差距；而在新冠肺炎疫情冲击下七大区域之间旅游经济韧性空间差异较大，变差系数为1.601，但仍远小于省域尺度，表明旅游经济韧性在区域尺度上较稳定，这缘于旅游业在区域上集中能组成抗风险能力较强的系统，依靠区域系统的聚集效应能较好地抵御风险冲击。其次，SARS冲击下区域间首位度为1.493，新冠肺炎疫情冲击下首位度为1.582，从区域尺度看，旅游经济韧性最高的区域与次高的区域差距不大，结构较合理。两次疫情冲击下区域间赫芬达尔系数与地理集中指数值均较小，表明我国在这两个阶段高旅游经济韧性的区域聚集程度较低，空间分散性较明显。可见，区域旅游经济系统能打破行政分割造成的壁垒和藩篱，调动更多资源应对疫情冲击，未来我国应重点调整区域旅游产业结构，依靠抱团发展形成优势互补、高质量发展的区域旅游经济布局。

2.3.3 旅游经济韧性的区域内差异 由表2可知，两次疫情冲击下我国七大区域内部旅游经济韧性存在显著差异，西北地区内部的变差系数最大，如陕西(低韧性)、甘肃(较低韧性)、青海和宁夏(中等韧性)、新疆(高韧性)，旅游经济韧性跨越4个等级，分布极不均衡。这些省域尽管旅游资源丰富，但各省的产业基础、市场规模及政策环境存在显著差异，导致省域韧性差异较大；华南地区的变差系数较小，主要是由于该地区产业基础较好且政策扶持力度大[39]，区域内旅游经济韧性差异波动较小且均为正值，面对疫情冲击该区域具有较好的抵抗力与恢复力。其次，从首位度看，东北地区首位度最高，该区域高旅游经济韧性主要集中于黑龙江，近年来黑龙江围绕发展全域旅游、建设“旅游强省”战略目标，旅游业发展取得了长足进步。对比两次疫情发现，各区域内旅游经济韧性变差系数差异较大，其中华东和西北地区变化最为显著，说明这两个区域内旅游经济韧性波动较大。

表2 两次疫情冲击下我国旅游经济韧性的区域内差异Table 2 Regional differences of tourism economy resilience in China under the influence of COVID-19 and SARS

由图2可知，新冠肺炎疫情冲击下中高旅游经济韧性的省域在七大区域内分散分布，其中华东、华南、西南、西北4个区域内分布占总体的74%以上；将两次疫情冲击下的洛伦兹曲线同绝对平均线对比发现，SARS冲击下的洛伦兹曲线更弯曲，表明省域旅游经济韧性在区域间分布更不均衡。事实上，与2003年SARS时期相比，如今旅游业已成为我国第三产业的龙头产业，是一个融合于社会经济发展的民生产业、幸福产业和扶贫产业，旅游消费的需求强度大大增加，且互联网技术在业态创新、营销方式创新、提升游客体验等方面发挥了重要作用，保证了我国旅游经济韧性提升。

图2 七大区域高旅游经济韧性的洛伦兹曲线Fig.2 Lorenz curves of high tourism economy resilience for seven regions of China

3 旅游经济韧性影响因素的组态分析

3.1 旅游经济韧性影响因素指标测度与模型构建

已有研究指出，旅游经济韧性是为回应压力和限制条件而激发出的一种变化、适应和转型的能力，强调持续不断的适应能力、调整能力、学习能力和创新能力[40]。因此，本研究从抵御因素、恢复因素、重构因素和更新因素4个维度构建旅游经济系统韧性的影响因素指标体系(表3)。

表3 旅游经济韧性影响因素指标体系Table 3 Index system of influencing factors of tourism economy resilience

3.2 变量校准

数据校准是 fsQCA 分析中的关键，本研究结合各变量实际分布和现实情境，参考文献[41]，将各因果变量的25%、50%、75%分位值定义为完全不隶属度、交叉点和完全隶属度，然后利用fsQCA方法将因果变量测量值转换为0～1的模糊得分。

3.3 单个条件的必要性分析

根据杜运周等[42]的研究，若某条件变量为结果变量的必要条件，则当结果发生时，该条件总是存在。

一致性是衡量必要条件的重要标准，当一致性值大于0.9时，则认为该条件是结果的必要条件。利用fsQCA 3.0软件对产生高、低两种旅游经济韧性的必要条件进行检验，结果(表4)显示：经济发展水平(一致性值0.926>0.9)是高旅游经济韧性产生的必要条件，其他条件变量一致性值均小于0.9，表明经济发展水平是制约结果的瓶颈条件。从我国疫情的现实结果看，当面对外部威胁时，一个地区经济规模和体量以及经济实力显然是决定该地区旅游经济韧性的关键因素[22]。强劲的经济实力是各地区应对疫情冲击的重要支撑，特别是一些沿海城市良好的先天禀赋带动了旅游经济的提升，促进旅游经济韧性的恢复。因此，高旅游经济韧性的产生必然伴随着高经济发展水平与之相匹配。

表4 旅游经济韧性影响因素必要条件检验Table 4 Necessary condition tests for the influencing factors of tourism economy resilience

3.4 条件组态的充分性分析

组态分析主要揭示多个前因条件构成的不同组态引致不同事故规模结果产生的充分性。本研究利用fsQCA方法生成真值表以显示给定数据集的所有组态状态，为将真值表简化为有意义的配置，参考文献[37]，选择一致性阈值为0.8、频数阈值为1进行充分性分析。通过模糊集分析可得复杂解、中间解和简单解3种解的方案类型。结合简单解进一步区分核心条件和边缘条件(表5)，通过模糊集计算得出的高旅游经济韧性的组态有3条，低旅游经济韧性组态2条。从总体上看，高、低旅游经济韧性总体解的一致性分别为0.894875和0.937582，均大于Ragin所建议的0.75的水平[37]，表明组态结果有效。同时，高、低旅游经济韧性总体解的覆盖度分别为0.762493和0.664725，这说明5种组态路径对高、低旅游经济韧性结果的解释程度较高。因此，有理由相信这5种组态路径是导致高、低旅游经济韧性差异的充分条件。从高旅游经济韧性组态路径进一步分析发现，经济发展水平始终发挥着核心作用，而人口规模、旅游资源丰富度、旅游设施等条件发挥着边缘辅助作用。总体上看，高、低两种旅游经济韧性的产生存在非因果对称性，即高旅游经济韧性的条件组态的对立面并不能直接推导成为产生低旅游经济韧性的原因。这说明疫情冲击下我国省域旅游经济韧性空间差异因果关系具有殊途同归性和多重并发性，不同影响因子路径组合可引致相同韧性结果。

表5 我国省域旅游经济韧性影响因素的前因组态Table 5 Antecedent configuration of the influencing factors of provincial tourism economy resilience in China

3.5 旅游经济韧性空间差异的形成机理分析

根据5种组态包含的核心条件以及组态背后的理论逻辑，结合本研究实际情况，对高、低旅游经济韧性的驱动机制进行分析与阐释。

3.5.1 高旅游经济韧性空间差异的形成机理

(1)基础保障型。组态H1表明，即使人口规模、旅游从业人口等条件缺席，但经济发展水平、旅游资源丰富度、旅游设施、交通基础设施这些影响因子的组合仍能产生高旅游经济韧性，这类驱动机制可归纳为“基础保障型”。事实上，旅游经济韧性刻画的是旅游系统遭受外部冲击后维持自身稳定并恢复原状的能力，而基础设施是确保旅游系统维持自身稳定的基础，并且是能恢复到原状的关键指标。我国丰富的旅游资源、相对完整的旅游配套设施和不断增强的经济发展能力均为旅游经济韧性水平的提升奠定了坚实基础。这类案例地的典型代表为黑龙江、新疆、西藏、云南等地，相较于其他省域，这些地区的经济发展水平不占优势，其强劲的韧性来源于丰富的旅游资源和庞大基础设施的支撑。在疫情冲击下总体上仍较稳健、富有弹性，且在疫情进入常态化防控阶段后能满足快速攀升的旅游需求，表明这些地区旅游经济具有强大的供给能力。

(2)市场促进型。组态H2表明，经济发展水平、人口规模、旅游从业人口和旅游经济重构等市场性影响因子的组态能提升旅游经济韧性，这类驱动机制可归纳为“市场促进型”。首先，人口规模大的地区通常经济更发达，居民旅游经历更丰富，对疫情造成的冲击具有更强的承受能力(如山东、江苏等)。相反，经济欠发达地区居民旅游经验不足，对疫情的认识不够客观、全面，因此受危机信息传播与外界网络舆论的干扰更大，同时在经济发达地区就业机会更多，医疗、教育水平更高，这些因素均能促进旅游经济韧性水平的提升。其次，大的人口规模通常意味着更高的旅游需求，而疫情防控隔离等措施极大抑制了居民的旅游需求，随着疫情防控形势逐渐好转，这些被压抑的旅游需求将为旅游市场的恢复重振提供源源不断的动力。最后，以固定资产投资为代表的旅游经济重构是增强旅游经济韧性的关键，投资的增长和投资结构的改善可拉动旅游经济增长，从而增强旅游经济韧性。

(3)创新驱动型。组态H3表明，经济发展水平和科技水平是高旅游经济韧性的核心条件，同时人才储备、旅游经济重构也是其中不可或缺的重要条件，这种组合的驱动机制可归纳为“创新驱动型”。新冠肺炎疫情加速了我国旅游企业数字化、网络化、智能化的发展趋势，使供给体系的质量水平不断提高，支撑游客消费变革的条件也在持续改善，如云旅游、虚拟旅游形式的兴起。疫情背景下一些景区充分利用大数据、云计算、人工智能和5G等前沿技术实现了景区人流量实时监控和有效预警，为我国旅游业复工复产提供了重要支撑。大多华东、东南沿海省域依托众多旅游专业人才和较高的科研投入，旅游产业创新能力较强，从而成为提升旅游经济韧性、实现旅游业高质量发展的关键因素，使这些地区旅游经济具有强大的更新能力。

3.5.2 低旅游经济韧性空间差异的形成机理

(1)就业限制型。组态NH1表明，当经济发展水平这一必要条件不存在时，尽管旅游资源相对丰富，但疫情冲击下大量旅游从业人员失业是抑制旅游经济韧性的重要条件，在山西、河南、陕西、湖北等省域尤为明显。随着疫情持续冲击，旅游行业的业绩普遍下降，旅游企业未来效益与行业前景不明朗，员工缺失从业信心，同时由于这些地区的旅游从业人口规模较大，在疫情冲击下难以制定完备的就业政策体系，旅游业就业形势高度复杂。由此可见，就业是民生之本，完备的就业政策体系是保持旅游经济韧性的重要制度基础，在新冠肺炎疫情不断变化的复杂形势下，针对旅游产业特别是一些中小微旅游企业的就业政策有待进一步优化。

(2)产业结构限制型。组态NH2表明，产业结构是影响旅游经济韧性的重要因素之一，产业多样化通常有助于提高旅游经济韧性，而产业结构单一的地区在面对疫情冲击时产生的负面影响极其深远，还可能由于长期单一产业产生“铆钉效应”造成旅游经济系统的持续性低迷，内蒙古、安徽等省域皆属此类型。具体看，虽然这些省域的旅游人力资源、旅游资源禀赋、旅游需求总量等因素相对完善，但疫情冲击下这些传统旅游产业结构已无法适应旅游产业升级的需要，迫切需要技术创新推动旅游产业结构合理化和高级化。长三角和珠三角地区相对复杂的经济布局使产业技术结构的内生动力不断增强，在面对疫情冲击时，能通过迅速转变旅游产品生产方向规避风险，并以较强的技术创新能力创造出旅游经济新的增长路径。

4 结论与讨论

4.1 研究结论

本研究选取相关数据对两次疫情冲击下我国省域旅游经济韧性的空间差异与组态影响因素进行分析，得出以下结论：1)从整体空间格局看，我国东部地区(京、津、江、浙)、东北地区(黑、辽)和西部地区(新、藏、青)的经济韧性处于较高水平，中部地区处于较低水平。在近17年的发展中，旅游经济韧性由SARS冲击下的较为分散的点片状分布逐步过渡到新冠肺炎疫情冲击下的西南、华东、东北高而华中、华北低的“U”形空间分布和“三点一片一带”的空间分布格局。旅游经济韧性从“新—藏、鲁、黑”的三点分布到“浙—闽—赣—湘—贵—云”的带状分布，再到“蒙—冀—陕—晋—鄂—渝—川—皖—豫”的片状分布，在东西方向上呈现“高→较高→中等→较低→低”水平梯度递减趋势。2)从不同省域的分布差异看，两次疫情冲击下我国省域间旅游经济韧性差异较明显，经济韧性高低在省域尺度上空间差异最为显著且表现出极化趋势，呈“两头小中间大”的橄榄型结构。但新冠肺炎疫情冲击下我国中高旅游经济韧性的省域占总体的77%以上，这表明尽管部分省域存在一定短板，但我国旅游经济韧性总体稳中向好。3)从区域间与区域内差异看，我国旅游经济韧性在区域尺度上较稳定，表明区域系统抵御风险能力较强，充分说明了加强合作共同抵御风险的重要性。在区域内部差异上，两次疫情冲击下各区域内部旅游经济韧性变差系数差异较大，其中以华东和西北地区内部差异最显著，横跨4个韧性等级，分布极不均衡，华南地区内部差异最小，且普遍表现为高韧性等级。4)抵御因素、恢复因素、重构因素和更新因素4类共9个影响因素构成的5种组态路径对高、低旅游经济韧性产生显著影响。必要性分析揭示了经济发展水平是高旅游经济韧性产生的必要条件，但同时也说明旅游经济韧性是“多重复杂因素并发结果”，体现了影响因素的系统性作用。充分性分析识别的5种组态路径表明，9个影响因素的交互作用会产生高、低两种旅游经济韧性。从高旅游经济韧性成因路径机制上看：经济发展水平、旅游资源丰富度、旅游设施、交通基础设施组成“基础保障型”模式；经济发展水平、人口规模、旅游从业人口和旅游经济重构组成“市场促进型”模式；经济发展水平、科技水平、人才储备、旅游经济重构组成“创新驱动型”模式。从低旅游经济韧性成因路径机制上看：当经济发展水平必要条件不存在时，人口规模和旅游从业人口的存在反而会组成“就业限制型”模式；同样，旅游设施和旅游经济重构会组成“产业结构限制型”模式。不同影响因素组合会产生相同结果，说明旅游经济韧性的产生具有多重并发性和殊途同归性。

4.2 管理启示

当前我国旅游业正处于高质量发展的转型期与外部风险局势多变的变革期，优化旅游经济韧性、增强旅游系统的抵抗力与恢复力显得尤为重要。本研究结合旅游经济韧性的空间分布特征和各影响因子的组态路径，提出如下管理建议：1)提高旅游基础设施的冗余性，确保各类旅游基础设施能满足突发性公共卫生事件的应急需求。在制定旅游基础设施的应急预案中可导入科技创新，提供数字转型、智能升级的新型旅游基础设施体系，动态调整旅游场所的饮食、住宿、交通、游览、购物、娱乐等重点基础设施的布局和服务功能，并根据应急预案前瞻性地部署重点应急基础设施，提升基础设施应对突发事件的包容性、适应性和稳健性，为旅游业恢复提供重要支撑。2)制定更积极的旅游就业政策。完备的就业政策体系是保持旅游经济韧性的重要制度基础，应最大限度用好减税降费、金融支持等政策，积极帮助旅游企业特别是中小微旅游企业渡过难关。此外，可考虑设立专项财政资金支持旅游企业在疫情内保岗培训，提升旅游服务人员的业务能力和水平，在企业内部缓冲就业冲击，避免大规模裁员。3)全力推进旅游经济向数字化、智能化、消费化和服务化转型。科技创新是创造旅游业灵活性的主要力量，疫情的冲击加速了技术变革，也在客观上加深了人们对于技术的认可度和接受度。因此，政府部门可出台一系列政策加快推进传统旅游经济快速向数字经济和智能经济转变。此外，严格的疫情防控要求使原本“面对面接触”的实地旅游涌现出“云旅游”“虚拟旅游”等新形式，也暴露出我国旅游景区在物联网基础设施和人工智能基础领域投入等方面的不足以及大力推进5G网络建设的迫切性，因此提高旅游科技水平、加快旅游产业变革也是优化我国旅游经济韧性的关键所在。

4.3 研究局限与未来展望

本研究根据黄金周期间的旅游接待人次和旅游总收入构建了旅游经济韧性的测度体系，但疫情对我国旅游业的冲击是多维度且深入的，如新冠肺炎疫情冲击下的旅游需求、旅游投资、区域格局、产业链条等。旅游业应对此次危机的措施也是多方面的，各级政府、旅游企业、行业协会等采取税收减免、贷款融资、消费券发放等一系列举措应对此次危机，未来有望从这些指标方面构建更系统的测度体系。其次，本研究仅讨论抵御因素、恢复因素、重构因素、更新因素4个层面要素对旅游经济韧性的影响，未来可深化影响因素，进一步丰富影响模型结构、深化研究模型的解释力。最后，本研究以省域尺度为基本研究单元，未来可尝试市域尺度旅游经济韧性的研究。