中国区域旅游经济空间关联结构及其效应研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇中国区域旅游经济空间关联结构及其效应研究范文，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]文章基于2000-2015年中国省域旅游经济发展数据，结合修正的万有引力模型和社会网络分析方法（SNA），实证分析了中国省际间旅游经济发展的空间关联网络结构特征及其效应。结果表明：在样本考察期内，中国旅游经济发展空间网络结构特征明显，省际间关联关系数总体在波动中呈上升趋势；中国省域旅游经济关联网络等级度较高，整体网络优化空间大；北京、天津、上海、浙江、广东、江苏等经济发达地区在网络中的中心度更强，作用更大；经济发展水平高的地区旅游经济发展水平越高，接受来自其他地区的旅游经济溢出越多，马太效应明显；从整体网络指标回归看，网络密度的提高、网络等级度的降低、网络效率的降低能显著缩小省际间旅游经济发展的相对差异，有效提升整体旅游产业专业化水平；从个体关联网络指标回归结果看，个体点度中心度、中介中心度和接近中心度的提高能有效提升各省（市）旅游产业专业化水平。据此，文章提出了未来省域旅游产业发展的相关建议。
[关键词]旅游经济发展；空间关联结构；社会网络分析；旅游产业专业化
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2017）07-0015-12
Doi： 10.3969/j.issn.1002-5006.2017.07.007
引言
自1999年实行黄金周假期起，中国旅游业迅速发展。尤其是2004年之后，随着人们收入水平的提高以及闲暇时间的增多，中国旅游业迎来了高速发展的黄金十年。从2004年到2014年，国内旅游人次从7.44亿人次增长到36.11亿人次，年均复合增长率11.87%；国内旅游收入3716亿元增长到3万亿元，年均复合增长率18%。2015年中国国内旅游人数更是突破40亿人次，国内旅游收入超3.42万亿元；入境旅游人数1.34亿人次，实现国际旅游收入1136.5亿美元；旅游总收入达4.13万亿元人民币，同比增长11%1。据世界旅游业理事会测算，中国旅游产业对GDP综合贡献已达10.1%2，由此可见，旅游业对中国国民经济发展的促进作用巨大。
然而，在高速发展背后，中国不同地^的旅游经济发展却具有明显的不平衡性特征。以2015年为例，广东省旅游总收入达到11 478.95亿元，位居全国第一，而宁夏回族自治区则只有161.3亿元，仅相当于广东省旅游总收入的1.55%；人均旅游收入最高的内蒙古达到2651.79元，最低的重庆为574.79元，最低与最高之间相差高达2077元；即使排名前两位的内蒙古和北京，两者之间的差额都达到了946.21元，不同省份间旅游发展的不平衡可见一斑3。造成这种差异的原因是多方面的：一是区位、资源禀赋、经济背景和政策等基础条件使得区域旅游吸引力、旅游市场发育程度和旅游发展理念截然不同，导致旅游发展存在显著差异[1]；二是区域旅游产业结构不同，使得区域旅游经济的发展呈现出不同的发展水平[2-3]；三是伴随着旅游经济的发展，区域间旅游互动关系持续演变，旅游经济发展呈现出复杂的空间关联结构[4]，这对区域间旅游经济差异存在较大的影响，使得区域间旅游发展速度和发展效率有领先与滞后之分。
近年来，国内外学者们也正是从旅游经济的空间结构演进、空间差异分析及其影响因素等方面来研究旅游经济空间关联结构问题。国外早期研究大多以地理学的区位理论[5]与核心-边缘理论[6]模型为主，研究的内容主要侧重旅游经济发展的地区差异[7]、空间分异特征及其外部效应[8-9]。国内学界对于该论题的研究也大多以地理学者为主，如楚义芳[10]等，此后逐渐转向运用经济学方法或多学科方法融合对此进行研究，国内研究成果主要集中在3个方面：（1）旅游经济空间结构的动态演变。如齐邦锋等运用加权变异系数、基尼系数、泰尔指数等方法研究发现山东省旅游经济发展空间差异较大[11]。郭永锐等综合运用ESDA、LISA时间路径和时空跃迁等方法，研究发现中国入境旅游经济的局部区域结构和空间自相关性非常稳定，具有一定的路径依赖或锁定特征[12]。陈刚强和李映辉运用ESDA空间分析技术研究发现中国旅游规模的空间分布总体上具有较强的正空间集聚性，且存在不断增强的趋 势[13]。薛领和翁瑾基于经济学演绎模型与自主体计算实验相结合的研究路径，分析了沿海与内地两大区域的旅游空间结构变动的动态过程和微观机理[14]。沈惊宏等利用GIS技术模拟安徽省旅游空间结构五阶段模式的动态演变过程，发现安徽省区域旅游发展不平衡[15]。黄雪莹等研究旅游空间结构极化态势演变，指出旅游空间极化状态短期内难以改变[16]。吴玉鸣运用空间面板计量经济学模型对2001―2009年旅游经济发展数据分析指出，中国省域旅游经济空间依赖性和集群趋势不断加强，邻近省域的经济增长及旅游资本投入的空间溢出效应明显[17]。孙盼盼和戴学锋综合运用ArcGIS技术和空间统计分析方法，以人均旅游收入数据为研究对象，得出中国省域旅游经济差异在不断演变中呈现出新的空间格局[18]。（2）旅游经济发展的时空差异及其影响因素。陆林和余凤龙利用旅游外汇收入数据分别计算了旅游经济发展的绝对差异和相对差异，揭示了区域旅游经济水平与旅游产业地位的分异规律，阐释了影响旅游经济空间差异的主要因素[19]。苏建军运用区域经济学差异分析方法，分析了山西省各地市旅游经济非均衡发展的总体水平及其时空特征[20]。宋慧林和马运来运用莫兰指数分析方法得出我国旅游经济发展水平相似的地区在空间上呈现出聚集分布的特征，省域旅游经济空间差异典型存在[21]。方叶林等综合运用主成分分析及探索性空间分析相结合的方法，研究认为中国31个省市旅游经济发展呈现出一种持续的非均衡态势[22]。汪德根和陈田利用二阶段嵌套泰尔系数分解方法，分国内和入境两大块，研究揭示了中国区域旅游经济发展的省内、省间和地带差异及其对全国总体差异的贡 献[23]。赵磊运用区域经济发展差异分析方法，全面解构了中国旅游经济发展的时空差异结构[24]。（3）旅游经济发展的空间网络结构形态及其优化。张洪和夏明基于旅游空间结构相关理论，运用因子分析法与引力模型，测度了安徽省17个地市旅游中心度，实证研究了其对旅游经济联系度与旅游经济联系量的影响[25]。彭红松等以泸沽湖为研究对象，借助社会网络理论与方法，构建跨界旅游区空间网络结构模型及评价指标体系，研究发现泸沽湖旅游空间格局存在明显的核心-边缘结构[26]。王永明等综合运用社会网络分析技术及GIS空间分析与数理统计等方法，分析了中国12个重点城市入境旅游空间网络的节点结构特征和整体结构特征，并提出了旅游空间网络结构优化相关策略[27-28]。周慧玲和许春晓以湖南省为研究对象，借用社会网络方法，研究得出湖南省旅游经济空间网络结构松散、区域旅游一体化基础好及省会中心性明显等特征[29]。
很显然，区域旅游经济发展的空间关联结构对整体旅游经济的提升具有很大的影响力，但现有文献更多的是关注区域间的差异程度，鲜有对旅游经济空间关联结构形态对整体旅游经济发展效应的研究。对上述文献进一步分析可以发现，旅游经济空间关联结构的研究有两大问题值得深入讨论：一是在旅游经济发展的时间序列中，各省在整体旅游经济空间网络关联结构中的地位和作用如何，正在发生怎样的变化？二是旅游空间关联网络结构本身对中国整体旅游经济发展及各省旅游经济发展的影响程度多大，如何优化？
就研究方法而言，上述文献要么采用纯地理学方法，要么采用ESDA空间分析技术方法，前者只能简单计算和描述区域旅游经济空间结构属性，后者只能刻画旅游经济“量”的影响程度，而事实上，区域旅游经济发展的空间关联结构的研究应该更多考虑关系数据而不是属性数据。尽管关注关系数据的社会网络分析方法在旅游研究中已初现端倪，但研究的重心仍然集中在旅游空间结构的描述性特征和差异方面，旅游空间关联结构对旅游经济发展的效应并没有引起足够的重视。此外，在研究区域上，大多数研究只考虑邻近地区或单个省份，缺乏对中国整体旅游经济空间结构关系的实证分析。
基于此，本文重点关注中国整体旅游经济空间结构形态及其效应。首先，运用修正的万有引力模型对中国31个省份旅游经济发展的空间网络关联关系进行分析，构建整体网络空间关联关系矩阵，以期弥补此前研究大多只关注属性数据和邻近地区的缺陷；其次，运用社会网络分析方法实证分析了中国区域旅游经济发展的空间网络结构，并利用Ucinet软件对其进行可视化处理，明确各省份在整体旅游经济关联网络中的地位，拓展旅游经济空间网络关联结构研究的内容；最后，考虑到区域旅游经济发展空间网络关联结构对旅游经济发展的效用，利用面板数据回归测度了旅游经济空间网络结构指标对省域旅游经济发展水平差异及旅游产业专业化水平（旅游收入占GDP比重）的影响程度。
1 空间关联结构研究方法和数据来源
1.1 中国省际旅游经济发展关联关系测定
旅游经济发展的空间关联网络囊括了省际间旅游经济发展的所有关系，各省份是该关联网络中的“节点”，各省份旅游经济发展之间的空间关联关系是网络中的“线”。这些“节点”和“线”的集合便构成了省域旅游经济发展的空间关联网络。测定省域旅游经济发展空间关联网络的关键是找出区域旅游经济发展网络中的“线”，即关联关系。现有文献显示，空间关联关系的确定一般采用引力模型、莫兰指数分析方法和VAR格兰杰因果关系检验方法。基于研究目的考虑，本研究选择引力模型来测度省份间空间关联关系，原因有三：其一，该方法在确定空间关联网络关系的研究中已有成功案例[29-30]；其二，该方法能够分年度测量各省份间旅游经济发展的空间关联关系，有利于研究旅游经济发展空间关联网络结构随时间的动态演变；其三，该方法更加适合用于对省域旅游收入等总量数据的考察，且可以综合考虑经济地理距离对整体网络结构的影响，有利于保障测度结果的准确性和科学性。
基于上述考虑，考察两区域的关联关系时先引入引力模型，并结合本研究的需要对其做出相应的修正，公式如下：
[ Yij=KijPiTiGi3PjTjGj3Dijgi-gj2，其中，][Kij=RiRi+Rj] （1）
式（1）中，Kij为引力系数，Yij为两省之间旅游引力，Pi和Pj为两不同省份当年旅游人次数，Ti和Tj为两不同省份当年旅游收入，Gi和Gj为两个不同省份当年GDP总额，Ri和Rj为两个不同省份当年的AAAA级与AAAAA级旅游景区总数，Dij为两不同省份省会城市之间的距离，gi和gj为两不同省份人均GDP（gi～ gj代表不同省份的经济距离）。
依据式（1）的计算结果将属性数据转化为关系矩阵，具体做法如下：先计算各省两两之间的旅游经济发展引力值矩阵，再取引力值矩阵的各行平均值为衡量基准。同一行中引力值高于该衡量基准值的赋值为1，表示该行省份旅游经济发展与该列省份旅游经济发展具有关联关系；若引力低于该基准值则赋值为0，表示该行省份旅游经济发展与该列省份旅游经济发展不存在关联关系。
1.2 省际旅游经济发展网络特征指标
1.2.1 整体网络特征指标
本文运用社会网络分析方法，通过计算网络密度、网络关联度、网络等级度和网络效率的值来刻画中国省际旅游经济发展的整体空间关联网络 特征。
网络密度（density）为实际拥有的关系数与整个网络最大可能关系数之比，其值大小反映的是省域间旅游经济关联关系的密疏，其计算公式为：
[D=LN×（N-1）] （2）
式（2）中，D为网络密度，L为实际拥有的关系数，N为区域个数。
网络关联度（connectedness）反映的是旅游经济发展空间关联网络自身的稳健性和脆弱性，如果省际旅游经济发展空间关联网络中的很多线都通过某一个点（省份），那么该网络具有较小的关联度，网络稳健性越弱；反之，如果该空间关联网络线不是围绕着一个点展开的，那么该网络将具有较大的关联度，网络越稳健，其计算公式为：
[C=1-VN×（N-1）2] （3）
式（3）中，C为关联度，V为网络中不可达点的对数，N为区域个数。
网络等级度（hierarchy）测度的是网络中省际间在多大程度上非对称地可达。网络等级度越高，网络等级越森严，越多的省份在旅游经济发展空间关联网络中处于从属和边缘地位，其计算公式为：
[H=1-Kmax（K）] （4）
式（4）中，H为等级度，K为网络中对称可达的点的对数，max（K）为网络中最大可能的可达点的 对数。
网络效率（efficiency）反映的是旅游经济发展空间关联网络中各省域之间的连接效率。若网络效率越低，则说明省份之g存在更多的连线，各省旅游经济发展的联系更加紧密，旅游经济发展的空间关联网络就越稳定，也越容易通过旅游经济发展空间关联网络促进旅游经济发展。其计算公式为：
2.2.2 接近中心度
从表1可以看出，全国31个省份的接近中心度最低值为53.571，最高值为88.235，均值为61.653，整体较为均衡，这说明全国31个省份在旅游经济发展的的空间网络中均能较快地与其他省份产生关联，原因在于：一是旅游经济是人流动带来的经济，随着大众旅游的深入发展，各省旅游经济的互动不断增强，关联关系也越多；二是各省旅游资源赋存不同，使得各省在旅游经济发展的过程中能够充分利用自身的比较优势，寻求与其他省份的差异化合作以满足多元化的旅游市场需求，实现旅游经济协同发展。此外，接近中心度高于均值的省份有上海、北京、天津、江苏、浙江、广东、福建和甘肃。除甘肃外，这些省份多集中在长三角、珠三角及环渤海地区，而甘肃所处区位是游客前往西北地区旅游最主要的集散中心，这一方面说明经济发达省份在旅游资源配置和市场营销方面做得更好，与其他省份旅游经济合作的程度更高，旅游经济发展的效率也更优，在旅游经济发展空间网络中的中心行动者的地位也越明显；另一方面也说明，作为区域旅游集散中心的省份其在旅游经济发展空间关联网络中的中心行动者的地位同样明显。
2.2.3 中介中心度
表1的中介中心度的计算结果显示，全国31个省份的中介中心度总值为69.654，排名前10位的省份依次为上海、北京、天津、江苏、浙江、广东、甘肃、山东、内蒙古和辽宁，总和为62.813，占总值90.178%，除甘肃外，这些省份均为东中部旅游经济发达省份，在网络结构中的掌控能力更强，整个网络中大多数旅游经济的关联关系通过这些省份来完成发挥着强有力的中介和桥梁作用。排名后10位的省份依次为湖南、江西、重庆、安徽、广西、河北、宁夏、青海、黑龙江和吉林，总和为1.656，占总值2.377%，这些省份主要集中在中西部，经济发达程度不高或地理位置较偏远，使得其在旅游经济发展过程中难以起支配作用。
3 中国旅游经济发展空间关联网络效应分析
刻画中国省际旅游经济空间关联关系及其结构特征是研究的基础，更为重要的是考量旅游经济发展空间关联网络结构对省际旅游经济发展的差异作用，及其对中国整体旅游经济发展的结构效应。基于此，本文以整体网络结构指标和个体中心度指标为解释变量，分别测度中国省际旅游经济空间关联网络结构对省域间旅游经济发展水平差异及旅游产业专业化水平（旅游收入占GDP比重） 的影响。
3.1 整体网络结构效应
3.1.1 回归方法说明
本文参照苏建军[20]的做法，首先计算各省旅游经济发展水平综合指数，在此基础上计算考察期内各年各省旅游产业发展水平综合指数的变异系数，计算公式如下：
[Zi=Pi×Qi] （9）
式（9）中，[Pi=mimi×nini]，[Qi=][ai×nini]，Zi为旅游经济发展水平综合指数，Pi为旅游产业规模指数，Qi为旅游产业素质指数，mi、ni、ai分别为i省旅游总收入、旅游接待人次数和旅游收入占GDP比重。
而后将计算所得的省际旅游经济发展水平综合指数的差异系数和全国旅游产业专业化水平（各省旅游总收入加总额除以各省旅游GDP加总额）分别作为被解释变量，对整体网络结构指标中的网络密度、网络等级度和网络效率进行简单的OLS回归，为了消除量纲的影响，所有数值均取自然对数处理。回归结果见表2。
3.1.2 整体网络结构指标对省际旅游经济发展差异的效应
根据表2的回归结果，网络密度、网络等级度及网络效率的回归系数分别为-0.605、1.266、1.106，且都通过了1%的显著性水平检验，R2较高。回归结果表明，旅游经济发展的空间网络关联结构对省域间旅游经济发展水平的相对差异具有显著影响，网络密度的提高、网络等级度和网络效率的降低能显著降低省际间旅游经济发展水平的相对差异。究其原因在于：一是网络密度的提升说明省域间关联关系数的增加，促进了省域间旅游经济发展的资源配置与市场互通，强化了省域间的旅游经济合作，从而有效提升省域间旅游经济的发展水平并进一步缩小省域间旅游经济发展水平的相对差异；二是W络等级度的降低使得各省份参与旅游经济活动的主动性增强，以往处于从属和边缘地位的省域旅游经济体能从越发平等的旅游经济发展网络中获益；三是网络效率的降低意味着网络中有效连线的增多，省域间旅游经济发展的联系也就更加广泛和紧密，从而促进旅游市场配置资源的有效性，形成优势互补，缩小省域间旅游经济发展的相对差异。
3.1.3 整体网络结构指标对旅游专业化水平的影响效应
表2的回归结果表明，网络密度、网络等级度和网络效率的回归系数分别为0.999、-2.117、-1.877，且均通过了1%的显著性水平检验，R2值较高，这说明网络密度的提升、网络等级度的降低和网络效率的降低能够有效的提升旅游专业化水平并增加旅游对GDP的贡献。原因在于：一是网络密度的提升显著增加了整体网络中省域之间的旅游经济联系，促使整体旅游产业专业化水平的提升；二是网络等级度的降低使得原本经济发展水平高、旅游资源等级高及可进入性强的省份主导的旅游经济发展已经开始向全域旅游经济协调发展转变，庞大的国内旅游市场、旅游投资的进一步合理化，使得以往等级森严的旅游经济发展网络体系正在被打破，省域间旅游经济的交流得以加强，促进了整体旅游产业专业化水平；三是网络效率的降低有助于网络结构的稳定，使得在旅游经济发展的进程中各省能稳步推进，从中获益，进而提升整体旅游专业化水平。
综上，政府部门应在改革和战略层面支持跨区域旅游合作，着力跨区域旅游经济带（圈）建设，培育区域旅游经济合作的现实土壤，以促进整体旅游产业专业化水平的提升。
3.2 个体网络结构效应
3.2.1 指标说明及模型构建
区域旅游经济发展水平、旅游资源禀赋、旅游接待能力、区位可进入性、旅游人力资源储备、政策因素等因素是影响区域旅游产业专业化的主要因素[13，15，18-19]。然而，由于点度中心度、接近中心度以及中介中心度的计算已经使用了GDP、旅游人次数、高等级旅游景区数量等反映区域旅游经济发展水平、旅游资源禀赋的数据。为了消除变量之间相关性带来的影响，本文最终选取个体网络指标（点度中心度、接近中心度、中介中心度）、旅游接待能力、旅游人力资源、区位可进入性6个解释变量来反应其对旅游产业专业化水平的效应。个体网络指标数据由本文计算而得；旅游接待能力用各省星级饭店数量表征，数据来源于考察期内《中国旅游统计年鉴》；旅游人力资源用各省旅游院校在校生人数表征，数据同样来自考察期内各年《中国旅游统计年鉴》；区位可进入性用考察期内各省铁路、公路里程密度表征，数据来自中国国家统计局网站分地区年度数据库以及各省历年国民经济与社会发展统计公报。
据此，本文构建如下面板计量模型：
[lnYit=lnXit+lnCit+lnH_Rit+Rit+εt] （10）
式（10）中Yit表示i省t年旅游产业专业化，Xit表示i省t年的点度中心度、接近中心度和中介中心度；Cit表示i省t年旅游接待能力；H_Rit表示i省t年旅游人力资源；Rit表示i省t年区位可进入性。
3.2.2 回归结果分析
根据Hausman检验结果，以5%的显著性作为模型选择基准，模型（1）和模型（3）采用随机效用模型，模型（2）采用固定效用模型，表3报告了Hausman检验及回归结果。
表3的回归结果表明，点度中心度的回归系数为0.334且通过了1%的显著性水平检验，说明点度中心度每提高1个百分点，个体省份旅游产业专业化水平将提升0.334个百分点，进一步说明个体省份在整体旅游经济发展空间网络中与其他省份之间的关联程度越高，越能从整体旅游经济发展中收益，从而提升其旅游产业专业化水平。接近中心度的回归系数为1.274且通过了1%的显著性水平检验，说明接近中心度每提高1个百分点，个体省份旅游产业专业化水平就上升1.274个百分点，接近中心度的上升使得各省在整体旅游经济发展网络中的联系越密切，旅游合作的程度也越高，资源配置的成本和旅游营销成本得到大幅降低，有利于提高个体省份旅游对GDP的贡献度。中介中心度的回归系数为0.095且通过了1%的显著性水平检验，说明个体省份中介中心度每提升1个百分点，旅游产业专业化水平将上升0.095个百分点，这意味着个体省份中介中心度的提高能够在整体网络中充分发挥自身较优势，有效地引导旅游流，使得庞大的旅游市场更趋于有序与合理，有效提升了旅游对GDP的贡献度，提高旅游产业专业化水平。
结合上述分析可以得出，对于点度中心度较小但旅游产业专业化水平较高且旅游资源特色鲜明的中西部省份（如，四川、贵州、云南、山西、青海等），应加强邻近区域间的旅游合作，提升点度中心度，提高旅游收入水平。对于点度中心度、接近中心度和中介中心度均较高、旅游经济发展水平高的省份，如北京、上海、浙江、江苏、山东、广东等，应充分发挥其在整体网络中的中心地位优势，对其他省份进行反哺，重点支持中西部旅游资源特色鲜明的省份旅游经济发展，实现对其他省份的带动。对于接近中心度较小的省份，如吉林、黑龙江、青海、宁夏、河北等，可加强与旅游经济发展空间网络中心省份之间的旅游经济交流，实现其旅游产业专业化水平的提高。
4 主要结论及政策建议
4.1 主要结论
通过上述分析，本文主要结论如下：
从整体网络特征看，在样本考察期内，中国省域间的旅游经济发展空间网络关联度为1，网络关联关系数从2000年的136上升到2015年的211，各省份之间旅游经济发展关联关系更加密切，旅游经济空间网络结构更加紧密，整体旅游经济关联效应明显。网络效率和网络等级度呈现出逐年下降的趋势，网络的稳定性在逐渐增强，整体网络带来的结构优化效应在逐步提升。然而，中国旅游经济发展空间网络密度的值比较低，最高的2015年也仅为0.2268，同时网络密度在上升的过程中伴随着一定程度的波动，省域间旅游经济发展空间关联网络还有很大的提升和优化空间。此外，网络等级度和网络效率仍然维持在较高的水平，最低值都维持在0.5以上，整体网络等级特征明显，网络中各省旅游经济有效联系有待进一步增强。
从个体网络特征看，全国31个省份在旅游经济发展空间关联网络结构中的点度中心度均值为35.484，高于该平均值的省份为11个，分别是上海、北京、天津、江苏、广东、浙江、福建、山东、河南、内蒙古、辽宁，其中，上海、北京、江苏和天津点度中心度数值超过80，在网络中地位较高。区域旅游发展水平较高的东中部地区省份在旅游空间关联网络中影响力也更大，地位更高，旅游经济发展马太效应明显；全国31个省份的接近中心度最低值为53.571，最高值为88.235，均值为61.653，整体较为均衡，这说明全国31各省在旅游经济发展的空间网络中均能够较快的与其他省份产生关联；全国31个省份的中介中心度总值为69.654，排名前10位的省份依次为上海、北京、天津、江苏、浙江、广东、甘肃、山东、内蒙古和辽宁，总和为62.813，占总值90.178%，这些省份在网络结构中的掌控能力更强，发挥着强有力的中介和桥梁作用。
从整体网络结构效应看，旅游经济发展的空间网络结构对各省旅游经济发展水平具有显著影响。整体网络密度每提升1个百分c，省域间旅游经济发展的相对差异将减少0.605个百分点；网络等级度每提升一个百分点，省域间旅游经济的相对差异将提升1.266个百分点，较高的网络等级度明显影响着省域间旅游经济的差异；网络效率（网络中无效连线数量占比）每提升1个百分点，省域间旅游经济发展的相对差异将提升1.106个百分点，网络效率的下降将有助于缩小省份间旅游经济发展的相对差异。
从个体网络结构效应看，个体中心性指标同样对个体省份旅游产业专业化有着显著的影响。个体省份点度中心度、接近中心度和中介中心度每提升1个百分点，其旅游产业专业化水平将分别提升0.095、1.274和0.334个百分点，个体中心性指标的提升有助于各省积极参与到整体旅游合作的过程中，充分发挥各自的比较优势，合作共赢，从而提升其旅游产业专业化水平。
4.2 政策建议
为了促进我国旅游产业的均衡发展，发挥旅游经济空间网络结构的效能，可供采取的政策建议如下：
旅游发展政策应考量中国省际旅游经济发展的空间网络结构指标和特征，创新旅游发展思路。充分利用部级联席会的平台，结合旅游经济发展的空间网络结构特征，给予跨区域、跨部门旅游合作更多的支持，以增加省域间旅游经济发展空间关联关系，为区域旅游经济发展空间互补创造条件，实现旅游协调发展。
实施旅游经济发展“一对一帮扶计划”，促进旅游经济发展要素的协调利用。鼓励旅游经济发展空间关联网络中中心性强的省份（如上海、北京、江苏、浙江、广东等地）与中西部省份（尤其是要加强西北地区、东北地区）开展旅游经济发展一对一帮扶与合作，将旅游经济发展水平高省份的资金和旅游客流带到中西部旅游资源特色明显的省份以提高网络关联数、提升网络密度，优化网络结构，缩小省份之间旅游经济发展的相对差异。
制定综合型跨省份旅游线路专项规划，全面提升省际间旅游合作水平。旅游经济发展应结合供给侧改革的指导思想，从宏观层面规划和设计跨省份跨区域的综合性旅游线路（如长征之旅、丝绸之旅、泛长三角旅游综合线路等），将东中西部省的旅游经济发展串联起来，在降低旅游经济空间网络等级度的同时实现优势互补，培育区域旅游经济协调发展的土壤，让更多的省份从中获益。
借力“互联网+”，创新省际间旅游经济合作模式。“互联网+时代”、大数据的充分运用，尤其是移动互联网的迅速升级为旅游者带来了海量的旅游信息，使得消费者成为了旅游市场的主导力量。因此，应充分发挥“互联网+”的融合功能，在政策上支持发展一批省际旅游互联网合作与交易平台，通过信息技术连接各省之间的旅游经济合作，优化旅游经济网络结构效率，减少无效连线，提升个体省份与整体旅游产业专业化水平。
参考文献（References）
[1] Luo Hao， Yan Yurao， Yang Yang. Can comparative advantage theory explains tourism growth models of Chinese provinces？ An inter-provincial study on the contribution of production factors to tourism growth and the comparative advantage of tourism resources in China[J].Tourism Tribune， 2016， 31（3）： 43-53. [罗浩， 颜钰荛， 杨D. 中国各省的旅游增长方式“因地制宜”吗？――中国省际旅游增长要素贡献与旅游资源比较优势研究[J]. 旅游学刊， 2016， 31（3）： 43-53.]
[2] Sheng Yanchao. On the evolution of the optimization of tourism industrial structure to the contribution of economic growth of regional tourism[J]. Tourism Tribune， 2012， 27（10）： 11-19. [生延超. 旅游a业结构优化对区域旅游经济发展贡献的演变[J]. 旅游学刊， 2012， 27（10）： 11-19.]
[3] Liu Chunji， Feng Xuegang， Gao Jing. Changes in the structure of the tourism industry and their effect on the growth of the tourism economy in China[J]. Tourism Tribune， 2014， 29（8）： 37-49. [刘春济，冯学钢，高静.中国旅游产业结构变迁对旅游经济发展的影响[J].旅游学刊， 2014， 29（8）： 37-49.]
[4] Qian Lei， Wang Yuming， Wu Wenjia. The differences and changes of provincial tourism development in China[J]. Tourism Tribune， 2012， 27（1）：31-38.[钱磊，汪宇明，吴文佳.中国旅游业发展的省区差异及变化[J].旅游学刊， 2012， 27（1）：31-38.]
[5] Christaller W. Some considerations of tourism location in Europe： The peripheral region underdeveloped countries-recreation areas[J]. Paper and Proceedings of Regional Science Association， 1964， 12： 95 -105.
[6] Weaver D B. Peripheries of the periphery： Tourism in Tobago and Barbuda[J]. Annals of Tourism Research， 1998， 25（2）： 292- 313.
[7] Roberto C， Tiziana C. The economic resilience of tourism Industry in Italy： What the “Great-Recession” Data Show[J]. Tourism Management Perspectives， 2015， 16（10）： 346-356.
[8] Alexandre， S G， Isabel M J. Spatial patterns of cultural tourism in Portugal[J]. Tourism Management Perspectives， 2015， 16（10）：107-115.
[9] Sarrión-Gavilán M D， Benítez-Márquez M D， Mora-Rangel E O. Spatial distribution of tourism supply in Andalusia[J]. Tourism Management Perspectives， 2015， 15（7） ：29-45.
[21] Song Huilin， Ma Yunlai. Evaluation on regional disparity of tourism economy in China based on spatial analysis[J]. Economic Management， 2010， （10）： 114-118. [宋慧林， 马运来. 基于空间分析的中国省域旅游经济差异[J]. 经济管理， 2010， （10）： 114-118.]
[22] Fang Yelin， Huang Zhenfang， Wang Kun， et al. Spatial and temporal analysis of Chinese provincial tourism economy based on PCA-ESDA[J]. Economic Geography， 2012， 32（8）： 149-154. [方叶林， 黄震方， 王坤，等. 基于PCA-ESDA的中国省域旅游经济时空差异分析[J]. 经济地理， 2012， 32（8）： 149-154.]
[23] Wang Degen， Chen Tian. Spatial analysis for regional difference of tourism economy in China[J]. Scientia Geographica Sinica， 2011， 31（5）： 528-536. [汪德根， 田. 中国旅游经济区域差异的空间分析[J]. 地理科学， 2011， 31（5）： 528-536. ]
[24] Zhao Lei. The evolution of temporal and spatial differences of tourism economic development in China：1999-2009[J]. Tourism Forum， 2014， 7（2）：6-15. [赵磊. 中国旅游经济发展时空差异演变[J]. 旅游论坛， 2014， 7（2）： 6-15.]
[25] Zhang Hong， Xia Ming. Research on tourism spatial structure of Anhui province： Based on tourism centrality degrees and tourism economic contact[J]. Economic Geography， 2011， 31（12）： 2116-2121. [张洪， 夏明. 安徽省旅游空间结构研究――基于旅游中心度与旅游经济联系的视角[J]. 经济地理， 2011， 31（12）： 2116-2121.]
[26] Peng Hongsong， Lu Lin， Lu Xingfu， et al. Spatial network structure and optimization of cross-border tourism area based on tourist flow： A case study in Lugu Lake[J]. Progress in Geography， 2014， 33（3）： 422-431. [彭红松， 陆林， 路幸福， 等. 基于旅游客流的跨界旅游区空间网络结构优化――以泸沽湖为例[J]. 地理科学进展， 2014， 33（3）： 422-431.]
[27] Wang Yongming， Ma Yaofeng， Wang Meixia. Network structure of multicity inbound tourists to China[J]. Progress in Geography， 2012， 31（4）： 518-526. [王永明， 马耀峰， 王美霞. 中国入境游客多城市旅游空间网络结构[J]. 地理科学进展， 2012， 31（4）： 518-526.]
[28] Wang Yongming， Ma Yaofeng， Wang Meixia. Study on structure and optimization of inbound tourism network of key cities in China[J]. Human Geography， 2013， （3）： 142-148. [王永明，马耀峰，王美霞. 中国重点城市入境旅游空间关联网络特征及优化[J]. 人文地理， 2013， （3）： 142-148.]
[29] Zhou Huiling， Xu Chunxiao. Research on structural characteristics of spatial network for Hunan’s tourism economy[J]. The Theory and Practice of Finance and Economics， 2015， 36（6）： 126-131. [周慧玲， 许春晓. 湖南旅游经济空间网络结构特征研究[J]. 财经理论与实践， 2015， 36（6）： 126-131.]
[30] Liu Huajun， Liu Chuanming， Sun Yanan. Spatial correlation network structure of energy consumption and its effect in China[J]. China Industrial Economics， 2015， （5）： 83-95. [刘华军， 刘传明， 孙亚男. 中国能源消费的空间关联网络结构特征及其效应研究[J]. 中国工业经济， 2015， （5）： 83-95.]