旅游业的文化视角：互联网是否影响公民选择目的地？

范京枝[1]

〔摘要〕 本文试图考察Web2.0技术的深入运用以及全球市场一体化的不断深入是否开始改变由收入水平、空间距离和价格等要素组成的传统变量体系，成为显著影响中国出境旅游的新因素。为探讨这一问题，本文尝试利用旅游引力模型考察网络销售渠道、基于社交网络（SNS）的形象传播是否正在成为影响中国公民出境旅游需求的重要因素。研究发现，并没有足够的证据证明以上变量以及签证政策的变化对我国公民出境旅游目的地的选择产生了显著影响，而目的地经济发展水平、空间距离、价格等传统地理学和经济学变量依旧是影响中国公民出境旅游需求的主导因素。

〔关键词〕 引力模型；中国出境旅游需求；网络销售渠道；基于SNS的形象传播

对旅游需求影响因素的研究是旅游经济学、旅游地理学、旅游营销等学科领域讨论的重要问题。从计量经济学的角度出发，存在两种模型构建的技术路线，两者在变量选择上有较大差异。一是基于经济计量学的模型，主要选取收入水平、产品价格、替代品的价格等经济变量，以时间序列数据为基础；二是基于地理学的引力模型分析，其核心变量是旅游目的地的吸引力、客源地与目的地间的距离以及客源地的出游力，以横截面数据为基础。然而随着Web2.0技术的迅速普及与深入发展，依托SNS网站的网络形象传播有利于改变游客对目的地信息的识别，从而影响决策行为。同时，在全球市场一体化的浪潮中，政府对出境旅游的管制日益放松，出境旅游的渠道也日趋多元化，交易费用随着销售渠道集中度的下降而下降。那么，在传统影响因素的基础上，新的变量，如基于SNS的目的地形象传播、网络销售渠道等是否已经成为影响中国公民出境旅游的显著影响因素呢？本文将利用地理学研究领域的引力模型，在影响旅游需求的传统变量的基础上增加微博营销和网络销售渠道两个新的变量，使用截面数据讨论在新的条件下中国公民出境旅游需求的影响因素是否发生了变化，传统的影响因素是否能解释大部分的需求变化，而基于SNS的目的地形象传播和网络销售渠道是否已经显著影响出境旅游需求。

一、旅游引力模型研究综述

地理学的引力模型被广泛应用于对旅游需求的研究。在当前的研究中，该模型仍然是讨论旅游需求的重要方法，如Christoph Vietze（2012）基于引力模型讨论了文化差异对美国入境旅游需求的影响，并指出引力模型在解释国际旅游需求波动方面具有重要价值[2]。

引力模型起源于牛顿物理学中的“引力法则”，即两个物体之间的引力与它们各自的质量成正比，且与它们之间的距离成反比[3]。早在1929年，赖利（Reilly，1929）在研究零售市场问题时，就假定在两个城市中心之间的人口移动必然和它们的居民数的乘积成正比，而和其之间的距离平方成反比[4]。这项研究可以看作引力模型的雏形。在这之后，引力模型的相关研究如雨后春笋，被不同领域的学者引入、挖掘、改进和完善。

齐普夫（Zipf，1946）和斯图尔特（Stewate，1948）提出了最原始的旅游地引力模型：I＝P1P2／Dij。其中，P1、P2为两城市人口；Dij为两城市之间的距离。之后，克莱普（Crampon，1966）在此基础上提出了自己的模型，他的模型为：

Tij＝G（PiAj／Dijb）[5]式1

其中，Tij为旅游客源地前往目的地的游客量，G是系数，可以提高模型的拟合程度。Pi是旅游客源地经济水平、人口数量或者旅游意向，Aj为旅游目的地的游客容量，Dij为旅游客源地与目的地之间的路程，b亦为系数，反映的是距离作为一种阻力对旅游影响的程度，值越大，距离对于减少游客量的作用就越大，反之，就越小[6]。克莱普的改进大大提升了模型的实用性，可以说是起到了奠基者的作用。

在国内，保继刚（1986）运用克莱普的基本模型，修改了距离变量，建立了北京市国内游客预测的引力模型[7]。保继刚的模型取得了不错的效果，是对引力模型在我国国内旅游需求研究上的应用做了一次重要的尝试。张凌云（1989）构建的引力模型中引入了介质系数、旅游资源丰度指数、旅游客源丰度指数、距离指数等变量[8]。他将引力模型与门槛理论分析结合起来，推导了门槛半径、门槛范围的计算方程。如果旅游地的实际吸引范围小于门槛范围，那么，该旅游地是不经济的，也可以认为是缺乏吸引力的。郭为（2007）利用伯格斯特朗的国际贸易引力模型，考察了影响中国入境旅游的一些因素，他在模型中引入了两国是否具有共同的边界、两国文化上的差异性、两国之间是否具有免签证的协议或者一国给客源地国家是否免签证、两国是否同属于一个共同的贸易集团等变量[9]。郭为在研究中也特别指出了经济的发展可能是吸引游客的一个非常重要的原因，尽管它没有凸显旅游本身的特色，但它可以带动旅游发展，从而吸引更多的游客前来，这一个因素所起的作用更多的是间接的，而不是直接的。

李山等（2012）基于旅游空间相互作用的认识以及对国外相关研究成果的整理归纳，将目的地“吸引力”、客源地“出游力”和两地间的“空间阻尼”作为旅游引力模型的三个基本解释变量类型，利用威尔逊模型构建出旅游引力模型：

其中，Tjk表示客源地与目的地之间的空间相互作用强度，可以定义j为到k的旅游人数或人次数、j在k的旅游花费或j在k的逗留时间；Ak表示目的地的“吸引力”，也可以理解为目的地k的旅游供给水平，是一个与目的地旅游资源与吸引物、基础与服务设施以及营销推广与品牌形象等因素密切相关的总和变量；PjCαj表示客源地的“出游力”，也可以理解为客源地j的旅游需求水平，其中，Pj为j地的人口规模，Cj为j地的人均收入水平，可以定义为人均可支配收入或人均GDP等，α为收入水平参数，可理解为旅游需求的收入弹性；γjk表示客源地和目的地之间的广义距离，可以定义为球面距离、交通距离、时间距离或费用距离等；β为非负的空间阻尼系数，决定了空间相互作用的衰减程度，β值越大衰减越快，β为0时无衰减，两者以负指数形式exp（－βγjk）形成客源地j和目的地k间的“空间阻尼”；K为归一化因子[10]。李山等将地理学的研究方法应用于旅游引力模型的构建和研究，在旅游引力模型中引入空间阻尼，并通过出游量积分法估计了不同尺度下的阻尼系数值，并且估计出中国大陆居民国内旅游需求弹性α≈0.64，使模型更精确地表达距离对客源地与目的地之间的空间相互作用强度的影响，而且对参数的估计提供了新的思路。

国际上，近年来应用引力模型的相关研究主要体现了三种思路。一是对某地旅游需求影响因子的整体分析解释。如Seetanah等（2010）运用引力模型分析得到南非国内旅游需求的主要影响因子为价格变化、发展水平、旅游基础设施、距离、共同的边界和语言等，并且指出要对不同的地区进行分组估计才能更准确地理解不同的市场[11]；Carla Massidda（2010）基于面板数据分别分析了意大利北部、南部和整个国家的国内旅游的决定因素[12]；t（2010）基于1995—2005年间11个旅游客源地国家的数据分析，发现了人均GDP、旅游气候指数、客源地的人口、产品价格、距离、“9·11”事件、邻国、地震8个因素是影响土耳其入境旅游的主要解释变量[13]。二是对影响旅游需求众多因素中的某一个具体变量进行验证分析。如Jameel Khadaroo等（2008）以28个国家1990—2000年的旅游需求面板数据为基础，运用引力模型考查交通要素对目的地旅游吸引力的影响，研究发现，交通要素对于国际旅游需求具有重要影响力[14]。三是考查国际贸易和国际旅游之间是否存在一致关系。如Kiyong Keum（2010）认为国际贸易流与旅游流具有内在的一性，为了验证经典的贸易理论是否能够用于旅游流的解释，Kiyong Keum使用引力模型对韩国的贸易流和旅游流进行了分析[15]。

以上总结可以看出，旅游地引力模型的研究起步较早，国内外学者或者在案例研究中提出了各种不尽相同的经验公式，对引力模型中的距离等因子作了各种修正，或者把其他学科的相关领域结合到引力模型的研究中，取得了相当丰厚的研究成果。前人的研究成果为我们更进一步的研究提供了良好的基础。

二、模型的建立

引力模型应用于旅游需求预测方面的研究综述[16][17]表明，模型中最常用的因变量（即被解释变量）是游客人次或旅游消费量，最核心的自变量（即解释变量）是经济发展水平、空间距离（交通成本）和物价水平等；另外，在前人的研究中被较多引用并且对旅游需求有显著影响的变量有签证政策、是否有共同边界等；基于此次研究的目的，并参考国内外相关研究成果，本文在引力模型的基础上引入了旅游目的地的微博量代表Web2.0时代SNS网络形象、去哪儿网上的旅游代理商数据表示网络销售渠道。所以，本文中构建的旅游引力模型表示为：

Tij＝β0Yβ1jDβ2ijAβ3ijWβ4ijPβ5jBβ6ijVβ7ijμij式3式3中Tij表示i国家或地区公民到j国家或地区出境旅游的人次数，Yj表示旅游目的地国家或地区的经济发展水平，Dij表示客源地i与目的地j间的空间距离，Aij表示客源地i的游客可获取的到旅游目的地j的网络销售渠道，Wij表示旅游目的地j在客源地i的形象传播力，Pj表示旅游目的地的物价水平，Bij表示客源地和目的地支架是否存在特殊的行政所属关系，Vij表示客源地i和目的地j之间是否有签证优惠政策，μij是随机扰动项，其他为系数。

对于以上新构造的引力模型应用于中国公民出境旅游需求的分析，需要作如下几点说明：

1.根据大多数学者的研究经验，模型中将用GDP代表旅游目的地国家或地区的经济发展水平。

2.鉴于现代社会人们出游方式的实际情况，模型中将采用航空时间距离代表旅游客源地与目的地之间的空间距离。另外，采用航空时间作为空间距离的研究中，一般选取国家首都作为出发点或是到达点[18]。但是，考虑到我国的国土面积，模型中的航空距离采取以北京、上海、广州作为出发点到目的地国家或地区的平均时间距离。

3.去哪儿网作为国内重要的OTP，是大批旅游销售商选择的B2C交易平台，所以，模型中选取去哪儿网提供的旅游代理商数量来衡量网络销售渠道。而新浪微博作为当下最具影响力的SNS社交平台，是旅游者获取旅游目的地信息的重要门户，所以本文将使用新浪微博的数量作为衡量网络平台上旅游目的地形象传播力的指标。

4.物价水平的衡量采用的是英国经济学术杂志《经济学家》2012所编制的汉堡包指数[19]。之所以选取这一指数是因为麦当劳的汉堡包属于标准化的产品，且处于高度竞争的市场环境中，因此能够最大程度地反映生产要素的正常回报。另外，由于该指标已被统一换算为美元表示，使得汉堡包指数同时也代表了国家和地区间的汇率水平，所以，本文模型中没有将汇率作为单独的解释变量。

5.另外，模型中引入两个虚拟变量：Bij将作为我国特别行政区的香港、澳门与其他旅游目的地国家或地区区分开，且

Vij将各旅游目的地国家或地区与我国之间的签证政策划分为两类：

三、引力模型的回归分析

（一）样本、数据和方法

受限于数据的可得性，本文中拟采用国家旅游局公布的2011年我国公民出境旅游的27个目的地国家或地区，而由于其他变量的影响，最终剔除蒙古、哈萨克斯坦、朝鲜、缅甸和老挝，得到22组样本，如表1所示：

表1 中国公民出境旅游目的地国家或地区的相关数据

数据来源说明：出境人次根据国家旅游局网站报告整理；GDP数据来自国际货币基金组织；距离和旅游代理商数量根据去哪儿网2012年12月19日信息整理；微博数据来自新浪微博，检索词为“地名＋旅游”；汉堡包指数BMI来源于《经济学家》网站；签证政策将对我国公民旅游免签或落地生根的国家地区表示为享有优惠政策，用1表示，否则用0表示。另外，由于汉堡包指数体系中并不包含柬埔寨、越南和马尔代夫的数据，本文中使用的数据是根据网络信息整理的这些国家汉堡包的美元价格。

本文将采用最小二乘法基于对数化后的横截面数据（只对非虚拟变量进行对数化处理）进行线性回归。由于数据为单一时间的横截面数据，所以不存在序列相关关系的问题，而通过对数变换可以缓和引力模型的异方差性和偏态性。(www.chuimin.cn)

（二）模型的回归结果

根据Eviews输出的回归结果（如表2所示），样本的拟合优度R2＝0.876 588，F统计量为14.205 85，说明模型的拟合优度较高，回归方程显著。但是，参数Agen、Weibo、Visa的t值分别为0.287 985、0.579 815、0.927 067，未通过显著性检验，因此需要对模型进行调整。

表2 Eviews的多元线性回归结果

使用剔除变量法对模型进行调整，即将不显著的三个变量从模型中剔除，重新对模型进行估计和回归检验，得到最终的模型。根据回归结果（如表2所示），剔除后剩余的四个变量均通过t检验，且显著性水平均有所提高。由此可得到模型：

F统计量的值为F＝26.19＞F0.05（4，22）＝4.31，因此回归方程的总体线性关系显著成立；样本拟合优度R2≈0.86，拟合优度比较接近1，说明回归直线对样本点模拟得比较好，我国公民出境旅游需求中的86％都可以由旅游目的地的GDP、客源地与目的地间的时间距离、当地物价水平以及是否为我国的特别行政区等变量的变化来解释。

（三）回归结果的解释

根据模型回归的结果，在宏观计量的研究中，没有证据表明网络信息变量和签证政策对我国公民出境旅游目的地的选择产生了显著的影响，尤其在Web2.0技术日益发达、旅游业全球市场一体化的社会环境下，网络销售渠道和SNS形象传播等网络因子并未取代以往影响旅游需求的核心因素而成为显著变量。在新的社会条件下，经济发展水平、空间距离依旧是影响旅游需求的核心因子，而特别的行政所属关系也是我国公民出境旅游需求的重要解释变量。

旅游目的地的经济发展水平、客源地与目的地之间的距离以及特别行政联系对于我国公民出境旅游的需求存在重要影响：在其他因素不变的条件下，旅游目的地的GDP每增加1％，我国公民的出境旅游需求增加0.28％；在其他条件给定的情况下，目的地与我国的时间距离每增加1％，我国公民的出境旅游需求将随之下降0.71％；同样条件下，物价水平高出1％，旅游需求则下降0.95％；而香港和澳门地区作为我国的两个特别行政区，其特殊的地理区位、与中国大陆紧密的经贸联系、同一国家的认同等因素促使其成为两个对中国大陆公民有特别吸引力的目的地。

四、总 结

研究结果表明，在Web2.0技术深入运用以及全球市场一体化不断深入的新环境下，并没有足够的证据证明互联网信息因素已经显著影响我国公民出境旅游目的地的选择。基于Web2.0技术的SNS网络形象传播和新形势下的多元旅游销售渠道没有对我国公民出境旅游需求产生显著影响，说明这两种新趋势在旅游产品的销售渠道以及旅游目的地的形象传播方面并没有改变和突破经济、地理、制度等传统的核心影响因子而成为新的显著变量。目的地经济发展水平、空间距离、价格等传统地理学、经济学变量在Web2.0时代迅速发展以及旅游市场全球一体化不断深入的新形势下，依然对我们公民出境旅游需求具有重要解释力。

[1] 范京枝，复旦大学旅游学系硕士研究生。本文得到国家自然科学基金项目（41001068）资助，特致以谢意。

[2] Vietze，Christoph，Cultural effects on inbound tourism into the USA：agravity approach， Jenaeconomic research papers，2008.

[3] Anderson，James E.，A theoretical foundation for the gravity equation，The American Economic Review69（1）（1979）：106－116.

[4] Bergstrand，Jeffrey H.，The gravity equation in international trade：some microeconomic foundations and empirical evidence，The review of economics and statistics（1985）：474－481.

[5] Bergstrand，Jeffrey H.，The generalized gravity equation，monopolistic competition，and the factor－proportions theory in international trade，The review of economics and statistics（1989）：143－153.

[6] Crampon，L.J.，A new technique to analyze tourist markets，The Journal of Marketing （1966）：27－31.

[7] 保继刚：《引力模型在游客预测中的运用》，《旅游开发研究：原理·方法·实践》，科学出版社， 1996年。

[8] 张凌云：《旅游地引力模型研究的回顾与前瞻》，《地理研究》1989年第1期。

[9] 郭为：《入境旅游：基于引力模型的实证研究》，《旅游学刊》2007年第3期。

[10] 李山、王铮、钟章奇：《旅游空间相互作用的引力模型及其应用》，《地理学报》2012年第4期。

[11] Seetanah，Boopen，Ramesh Durbarry，and J.F.Ragodoo，Using the panel cointegration approach to analyse the determinants of tourism demand in South Africa，Tourism Economics 16 （3）（2010）：715－729.

[12] Massidda，Carla，and Ivan Etzo，The determinants of Italian domestic tourism：A panel data analysis，Tourism Management 33（3）（2012）：603－610.

[13] Eryigit，Mehmet，Erdogan Kotil，and Resul Eryigit，Factors affecting international tourism flows to Turkey：agravity model approach，Tourism Economics 16（3）（2010）：585－595.

[14] Khadaroo，Jameel，and Boopen Seetanah，The role of transport infrastructure in international tourism development：A gravity model approach，Tourism management 29（5）（2008）：831－840.

[15] Keum，Kiyong，Tourism flows and trade theory：apanel data analysis with the gravity model， The Annals of Regional Science 44（3）（2010）：541－557.

[16]② Lim，Christine，Review of international tourism demand models，Annals of Tourism research24 （4）（1997）：835－849.

[17]③ Li，Gang，Haiyan Song，and Stephen F.Witt，Recent developments in econometric modeling and forecasting，Journal of Travel Research 44（1）（2005）：82－99.

[18] Pöyhönen，Pentti.，A tentative model for the volume of trade between countries.Weltwirtschaftliches Archiv（1963）：93－100.

[19] 2012Big Mac Index：http：／／bigmacindex.org／2012－big－mac－index.html.