我国旅游网站空间分布及动力机制研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇我国旅游网站空间分布及动力机制研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
[摘 要]基于旅游竞争日趋激烈、旅游方式趋向散客化、个性化及旅游经营管理信息化、人本化发展的时代背景，研究我国旅游网站
>> 我国公益旅游发展动力机制研究 我国政府旅游网站发展水平的空间分异研究 基于产业转型升级的我国旅游电子商务动力机制构建研究 现阶段我国旅游网站经营环境及建网策略分析 我国旅游网站的网络结构研究 我国UGC在线旅游网站发展现状研究 我国旅游信息化的发展历程与动力机制 新常态下我国城市发展的动力机制及模式选择 我国地方政府滥用征地权的动力机制研究 我国制造业企业自主创新动力机制研究 我国扩大内需的长效动力机制研究 关于推进我国农村城镇化发展动力机制的研究 乡村旅游发展动力机制研究 我国旅游网站运营现状、问题与对策探略 我国农业合作社制度创新的动力机制及完善对策 新常态下我国制造业转型升级的动力机制及战略趋向 我国内地旅游网站的可用性研究 我国主流旅游网站模式分析 我国A级旅游景区空间分布结构研究 我国滨海旅游区空间分布格局研究展望 常见问题解答 当前所在位置：l)”网站中有关中国各地旅游网站的数据及2006年中国统计年鉴、中国旅游统计年鉴及中国互联网发展统计报告，文中不再单独注明数据来源。
3 我国旅游网站的空间分布特征
3．1 我国旅游网站的区域分布特征
2008年1月16日至30日，作者对全国各省区各城市各种类型旅游网站数据进行搜集整理和概括归类，可得中国各省区旅游网站分布表(见表1、表2)。需要说明的是，由于技术和时间的原因，上述两个网站未必能在同一时段内穷尽中国各地旅游网站数据，但研究结果和意义仍然十分典型。表1充分表明，旅游网站在我国各省区存在着明显地域差异性：
(1)旅游网站的数量总体上自东部沿海向中部及至西部逐渐减少。东部沿海地区省市的旅游网站的数量明显要高于中部主要省市区；而西部地区旅游网站数量最少。
(2)旅游资源丰富、旅游经济相对活跃的省市其旅游网站数量一般要高于周边其他省市。比较明显的如陕、皖、川和滇。
(3)根据对各网站内容进行分析可知，我国各省区旅游网站提供的服务类型及其质量也存在着明显的区域差异：东中部地区旅游网站在外语服务、在线预订和交易、人机交互信息反馈的服务功能等方面整体上要明显优于西部地区。
3．2 我国旅游网站的空间规模结构特征
我国旅游网站规模分布不仅在省区间存在着不平衡，在省区内部也存在着空间规模差异：各省区旅游网站主要都集中在省会城市或旅游经济相对发达的旅游城市或高级别旅游管理区，其他中小城市的旅游网站数量很小。定义城市旅游网站集中度指数CI，即CI=某城市旅游网站数／整个省区旅游网站总数。
我们可以根据前述两个旅游网址网站数据统计分析出全国各省区主要城市旅游网站集中度指数，并经整理得表2。
(1)省会城市首位集中分布型，其中，宁、青、新、藏为旅游网站数量不多且省会城市高度首位集中分布型(省会城市集中度指数)0.80)，而川、滇、黑、陕则属于省会城市中度首位集中分布型(0.6≤CI≤0.8)，蒙、晋、黔、甘为省会城市轻度首位分布型(0.42≤CI≤0.6)。
(2)旅游经济发达、旅游网站数量多且省区内分布均衡型，如苏、鲁、浙。其中苏、鲁首位城市均非省会城市，而浙江则是省会城市为首位城市。
(3)旅游城市首位集中分布型，这些省区的旅游网站首位分布城市均不是省会城市，而是省内旅游经济十分活跃的旅游城市，如琼、桂两省首位城市(分别为三亚和桂林)集中度指数大于0.50，而吉、辽、湘、皖、冀旅游城市作为首位城市，其集中度指数在0.3-0.5之间。
4．1 我国旅游网站空间分布的影响因子假设
根据前述我国旅游网站空间分布的基本规律及已有的文献成果，我们假设：影响区域旅游网站分布的因素有供需两个方面因素――供给因素就是旅游网站建设的推动因素，地方政府尤其是旅游企业为了加强其旅游宣传与产品营销，必然会在市场营销时考虑到对信息高速公路――互联网的利用，所以旅游企业数量、区域网络设施水平等有可能是地区旅游网站建设水平和规模的影响因子；需求因素是旅游网站建设发展的拉动因素，而旅游者是旅游网站的主要服务对象和需求方，其他如网民数量、城乡居民消费水平、网站规模等均可能是其重要的影响因子。
4．2 我国旅游网站空间分布的动力机制分析
表3说明，各省区旅游网站的数量与上述各要素之间均在0.001置信水平上存在着明显的正相关关系。与旅游企业的数量、旅游接待人次之间相关性强烈；与网站总数、网民数和居民消费水平之间相关性显著；与居民消费水平相关性最差。
为了进一步探讨上述各因素对于旅游网站规模分布的作用方向和贡献大小，明确旅游网站规模分布的动力机制，尚须进行进一步的回归分析。
由于还不能确定各因子影响旅游网站规模的性质和程度，故在利用SPSS14.0进行回归分析时，采用逐步法分别尝试构建旅游网站数(r)与上述各因素间的线性回归和曲线模拟方程。从表5和表6我们可以得出结论如下：从统计学意义上而言，实际影响到区域旅游网站规模的是旅游企业数和旅游接待总人次。而居民消费水平、网民数及网站总数3个因素则与旅游网站的区域分布规模之间不具有统计意义上的显著的线性关系；继续用曲线模拟分析方法检验这3个因子与旅游网站数间是否存在着曲线函数关系，曲线拟合结果同样表明，居民消费水平与旅游网站数量间不存在统计学意义上的曲线数学关系，而网站总数和网居数与旅游网站数间的拟合结果也不太满意。也就是说，这3个因素在数量上的变化并不会引起区域旅游网站数量的明显增减变化，故而它们都不能视为是旅游网站规模分布的影响因子。
旅游网站数与旅游接待人次及旅游企业数量间的线性函数关系表达式为：y=51.876+0.475xl+0.446x2。
式中，y是旅游网站数量，x1是旅游接待人次，x2是旅游企业数。决定系数R2为0.750；P值为0.005。方程经F检验、共线性容忍度检验及残差检验证明模型可以接受。
确定了影响我国旅游网站规模分布的影响因子之后，为了更精确地检验2个影响因素与旅游网站数量间的数学关系，我们再进一步地运用曲线模拟，来寻求最能精确反映这两个影响因子与旅游网站数量间的关系模型。表7清楚地表明，在对旅游网站数与旅游接待人次间进行曲线拟合(表格中所列的只是R2值较高的几种函数式)时，直线方程的拟合效果并不是最好，三次方程模型的决定系数值0.849明显要高于所有其他函数形式。因此，可得函数关系式：y=22.347+3.49E-005x-3.05E-012x2+8.95E-020x3。
式中，y是旅游网站数，x是旅游接待人次。同样的，我们可以证实，旅游网站数与旅游企业数之间的最佳函数关系式为：y= 0.286x(y和x分别代表旅游网站数和旅游企业数)。
由此，我们可以推定区域旅游网站规模分布的动力机制主要如下：
旅游网站的分布规模直接由旅游网站所提供服务产品的供需双方――旅游企业和旅游者来决定：
(1)推动作用：在旅游网站的建设发展中，推动作用反映的是一种供给因素和供给作用。在旅游业和旅游企业信息化发展的时代背景下，旅游网络产品和服务的供给者――旅游企业在旅游网站建设和旅游电子商务中必然将发挥越来越重要的主流作用，旅游企业的数量规模直接决定了旅游网站的分布规模。
(2)拉动作用：拉动作用反映的是需求作用。旅游网站最终面对和服务的都是游客。建设旅游网站、进行网络营销的目的就是使更多的潜在游客变成现实的旅游者并为这种转变提供各种服务和产品。所以，旅游者的规模、旅游消费者的需求就必然会直接影响到旅游网站的规模分布和服务内容。因此，旅游者及其规模是决定旅游网站分布规模的一个关键的拉动因素。
其他因素如区域经济基础、信息水平并不能直接影响区域旅游网站的规模分布，它们的数量变化并不会明显影响区域旅游网站规模的变化。
5 结论与讨论
5．1 结论
本文通过逐步深入的分析，可以得出如下结论：
(1)我国旅游网站的分布在全国和各省区内均存在着明显的地理空间差异，网站数量和功能自东部沿海向中西部逐渐减弱；在省域内部，省会城市、旅游资源丰富、旅游经济发展的城市其旅游网站数量明显较多。
(2)区域旅游网站的数量与旅游接待人次、旅游企业个数间存在着强烈的正相关关系；而与地区居民消费水平和信息发展水平及网民数间相关性明显，与居民消费水平间的相关性最弱。
(3)旅游网站的分布规模直接由旅游网站所提供的服务产品的供需双方因素――旅游企业数量和旅游接待规模决定，这两个因素作为旅游网站规模分布的推拉动因素，直接影响到区域旅游网站规模的变化和服务的内容质量。而居民消费水平、网站个数、网民数等并不会影响到区域旅游网站的分布规模，它们的变化不会对旅游网站分布规模形成有效影响。
5．2 讨论
(1)如果我们把旅游接待人次作为因变量，以旅游网站数为自变量，我们同样可以发现，两者间存在着强相关性，且二者间存在着显著的曲线函数关系，回归系数(标准化B值为0.817)显著。这是否能解读为，旅游网站确实具有吸引更多游客、提升旅游产品市场份额的显著效果呢?
(2)不管作者是将人均GDP、人均收入还是城镇居民消费水平或居民消费水平作为地区经济发展水平的指标进行分析(本文最终选用居民消费水平指标)，其分析结果都表明，地区经济发展水平指标与旅游网站数量间的相关性虽然明显，但相关程度在所有因素中是最弱的，且在各种回归分析中均不显著。为什么会出现这种现象，如何解读这个结果?值得我们进一步的分析研究。