王毅
, 陈娱, 陆玉麒, 丁正山, 车冰清
1. 南京师范大学地理科学学院,南京 210023;2. 江苏省地理信息资源开发与利用协同创新中心,南京 210023
WANG Yi, CHEN Yu, LU Yuqi, DING Zhengshan, CHE Bingqing
2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
通讯作者:
收稿日期: 2016-07-29
修回日期: 2016-12-20
网络出版日期: 2017-05-20
版权声明: 2017 《地球信息科学学报》编辑部 《地球信息科学学报》编辑部 所有
基金资助:
作者简介:
作者简介：王 毅（1989- ）,男,博士生,研究方向为空间结构与区域发展。E-mail:wangyearn@163.com
展开
摘要
从科技创新的基础、投入、产出和潜力4方面构建了旅游产业科技创新能力结构模型和综合评价指标体系,利用熵值法、线性加权法以及ArcGIS空间分析工具分析评价了2004、2008、2014年中国旅游产业科技创新能力的总体水平、时空动态演化及驱动因素。结果表明：① 2004-2014年,中国旅游产业科技创新能力总体上呈不断提高态势,但空间分布极不均衡,存在明显的地区差异,在趋势上基本表现出东西方向递增,南北方向倒“U”型分布态势;② 中国旅游产业科技创新能力在地理空间上存在着显著而稳定的集聚特征和一定的极化特征,毗邻的区域在旅游科技创新方面存在一定的空间外溢效应;③ 中国旅游产业科技创新能力热点区主要分布在北京、天津和少数东部沿海省份和中部省份,冷点区主要集中在中西部内陆地区的省份;④ 空间残差回归和地理加权回归研究表明,旅游产业基础、空间外溢效应、政策制度因素是驱动中国旅游产业科技创新能力时空变化3个核心因素。
关键词：
Abstract
Science and technology innovation is not only the core driving force of the development of the tourism industry but also an important part of tourism innovation system. It affects the quality and speed of economic development of the tourism. Science and technology innovation can improve the tourism industrial structure and change the development mode of the tourism industry. This paper builds the structural model and evaluation index system of scientific and technological innovation ability of tourism industry from four respects including base, input, output and potential. Then, we analyzed and evaluated the overall level, space-time dynamics and influencing factors of scientific and technological innovation ability of China in 2004, 2008 and 2014. The results are as follows: from 2004 to 2014, the overall level of scientific and technological innovation ability of China had been growing. But there were obvious regional differences. All the three time sections presented the distributional pattern, namely East-West direction increasing and South-North direction having the inverted“U-shaped”pattern. The spatial autocorrelation analysis showed that there were significant and stable agglomeration features and some polarization features in the scientific and technological innovation ability of China. The type of spatial correlation mainly appeared to “HH” type and “LL” type. Specifically, they were the eastern coastal areas HH cluster and the western inland areas LL cluster. Simultaneously, its spatial structure presented characteristic of lock-in and road dependence. The spatial hot spots of scientific and technological innovation ability of China mainly concentrated in Beijing, Tianjin and a few eastern coastal provinces. And in 2014, Henan, Anhui, Fujian and Guangdong became the spatial hot spots. The spatial cold spots were mainly concentrated in the Midwest hinterland. There were spatial spillover effect of scientific and technological innovation activity among adjacent areas. The spatial error regression model and the geographically weighted regression analyses indicated that the tourism industry base, spatial spillover effect and policy system were three core driving forces of the change of time and space pattern of the scientific and technological innovation ability in China.
Keywords：
党的“十八大”提出“科技创新是提高社会生产力和综合国力的战略支撑,必须摆在国家发展全局的核心位置”。以互联网、云计算等为代表的科学技术与旅游产业的融合发展已是不可阻挡的发展潮流,现代科技已逐渐成为旅游业创新发展的第一生产力[1],提升科技创新能力已成为当前中国旅游产业发展的重要任务。
目前国内学者对区域创新的研究正逐步深入,在区域创新能力及其影响因素[2-3]、区域创新的空间分布及演化特征[4-6]以及区域创新的空间溢出效应[7-8]等方面开展了大量研究。这些研究为分析中国旅游产业科技创新活动的空间特征和规律提供了新的思路和视角。以往关于旅游创新的研究主要有：① 创新与旅游业发展的关联性研究。Yeoryios等认为旅游业正经历着深刻的变化,需要把旅游技术创新放到突出的位置,这样才能推动旅游产业可持续发展[9]。Victorinoetal通过对北美地区酒店不同类别创新的影响进行评估,发现有创新活动的旅游企业更易获得竞争优势和后续客户的偏好[10]。② 区域旅游的创新评价研究。Evangelista发现在意大利只有不到20%酒店和餐馆进行创新,而所有服务企业平均创新水平为31%,相较于其他服务行业,酒店和餐馆的平均创新投入较低[11]。李允强、江珂等通过构建指标体系分别对文化旅游产业创新体系[12]、广州和深圳旅游业创新能力[13]进行了分析评价。③ 旅游创新的动力机制研究。Flagestad全面分析了非冬季旅游的创新系统,发现政府政策、目的地管理组织、基础设施建设、业主的结构、目的地合作文化、可进入性等因素构成了旅游创新的动力源泉[14]。Jon Sundboa指出西班牙和丹麦旅游企业规模的大小影响着旅游创新的程度,各类网络创新对旅游创新也有显著的影响[15]。④ 旅游创新系统及旅游要素创新研究。Jan Mattssona等提出了一个以吸引物为基础的旅游创新体系,该体系主要由吸引物、景象制造者、景象、旅游公司和其他公司之间的合作网络以及景象接受者构成[16]。关于旅游要素创新研究主要涉及旅游资源[17]、产品、市场营销[18]、管理[19]等诸多创新实践领域,其中对旅游产品创新[20]关注较多。旅游产品一直是旅游产业的核心,当前,国家实施的“旅游+互联网”行动计划,就是从旅游产品创新角度推动旅游产业转型升级、跨越发展。⑤ 技术创新及其在旅游业中应用研究。Paul Wiiliam等分析了虚拟现实技术在旅游产业中的应用潜力及存在的不足,阐明了虚拟现实技术对旅游业的影响,并以虚拟主题公园为例做了实证分析[21]。国内学者钟海生最早对旅游科技创新进行了界定,并分析了科技创新对旅游业的影响及阐释了旅游科技创新的领域和重点[22]。
综上所述,目前对于旅游创新的研究在内容和视角上,多集中在中小区域旅游创新研究、旅游要素创新研究、技术应用研究、创新绩效评价研究等,从科技创新视角、宏观地理视角和空间关联视角的研究还比较少。研究方法上侧重于定性研究以及以相关性分析和构建评测模型为主的定量研究,将多种空间分析与空间统计方法相结合进行探索的还较为鲜见。这样容易出现单一地、孤立地探讨区域旅游产业创新发展以及定性地分析影响机制等经验性做法。鉴于此,本文以中国旅游产业科技创新能力为研究对象,以省域为研究单元,基于多类统计数据,从科技创新视角、宏观地理视角和空间关联视角切入,借助ArcGIS、GeoDa等空间分析工具,主要思考和分析以下4个问题：① 界定旅游产业科技创新能力的概念,构建区域旅游产业科技创新能力结构模型和综合评价指标体系;② 综合评价中国旅游产业科技创新能力,对其进行总体差异分析和趋势预测;③ 运用ESDA方法,研究中国旅游产业科技创新能力时空动态演化及其依赖性与溢出效应;④ 通过地理加权回归剖析中国旅游产业科技创新能力时空格局演化的动力机制。期望上述问题的探讨对于优化中国旅游科技创新的空间格局,制定合理的区域旅游创新发展对策,缩小区域旅游产业科技创新差异能有所裨益。
对旅游产业科技创新能力的概念,目前学术界还没有全面、规范的界定。通过总结和梳理相关文献[1,22-26],本文认为旅游产业科技创新能力是与旅游产业相关的各类科技创新要素相互作用的结果,是旅游产业相关部门及人员创造和应用新知识、新技术和新工艺,采用新的生产方式和经营管理模式,开发新产品,提高产品质量,提供新服务,使旅游产业的科技含量逐步提高, 科学技术在旅游产业发展中发挥重大作用的过程和活动的总和。它是一种综合能力,主要包括旅游产业科技创新的基础能力、投入能力、产出能力和创新潜力。这4种能力有机结合、相互影响,共同施力以达成旅游产业科技创新。基础能力是区域开展旅游科技创新所需具备的经济基础条件、产业和企业基础实力等,它是进行科技创新的前提,为旅游产业科技创新提供基本保障以及各种资源累积储备及其转化资产;投入能力是政府或企业为开展旅游科技创新所投入的资金和人员等,它为旅游产业科技创新的实现提供直接的人力、财力资源要素供应;产出能力是进行旅游科技创新所获取的知识产出、技术产出及旅游企业效率提升等的集成;科技创新潜力则代表着未来旅游产业科技创新持续发展的能力,它对旅游产业科技创新起到内发性和外激性的导向和延续作用[13]。基于此,构建了旅游产业科技创新能力结构模型（图1）。结构模型反映了整个科技创新能力系统中各要素间的联系及其对旅游产业科技创新的作用。
图1 旅游产业科技创新能力结构模型图
Fig. 1 The structural model of scientific and technological innovation ability of tourism industry
评价指标体系的建立是区域旅游产业科技创新能力测评的前提和基础。基于以上建构的旅游产业科技创新能力结构模型及其内涵,依次采用频度统计法、理论分析法、专家咨询法对评价指标进行设置和筛选[27]。首先,对目前有关（旅游）产业（科技）创新评价研究的报告、论文进行频度统计,从中选择使用频率较高的指标,通过频度分析,选取样本指标38个,频数达1/4 以上的指标21个。其次,在频度分析的基础上,剔除3个相关性较高的指标,并结合旅游产业科技创新能力结构模型对各指标进行子系统层的归类,初步确定本文的综合测度指标体系（含18个指标）。最后,在初步确定评价指标的基础上,征询以从事旅游研究的教授、博士研究生为主体的专家组人员的意见（共计15人）,对指标体系进行调整,在兼顾数据可获得性,最终构建中国旅游产业科技创新能力综合测度指标体系。在指标体系中,子系统层包括旅游产业的科技创新基础、科技创新投入、科技创新产出及科技创新潜力4层,每层又包含5个具体指标,共计20个指标,如表1所示。
表1 中国旅游产业科技创新能力综合测度指标体系
Tab. 1 The scientific and technological innovation ability of tourism industry evaluation index system and its weight of China
| 系统层 | 子系统层（权重） | 指标层（单位） | 权重 |
|---|---|---|---|
| U旅游产业科技创新能力综合测度体系 | U1旅游产业科技创新基础（0.3974） | U11 人均GDP/（元/人） | 0.0384 |
| U12第三产业增加值占GDP的比重/% | 0.0182 | ||
| U13旅游总收入/万元 | 0.0403 | ||
| U14 旅游企业数*/家 | 0.1047 | ||
| U15互联网用户数/万户 | 0.0419 | ||
| U2旅游产业科技创新投入（0.2749） | U21旅游高等院校在校学生数/人 | 0.0425 | |
| U22旅游业R&D经费占地区生产总值比重*/% | 0.1088 | ||
| U23人均旅游业固定资产投资额*/元/人 | 0.0423 | ||
| U24从事旅游科技活动人员的数量*/人 | 0.1387 | ||
| U25旅游业从业人员数/人 | 0.0397 | ||
| U3旅游产业科技创新产出（0.1946） | U31旅游类国家自然科学基金*/万元 | 0.0089 | |
| U32旅游业发明专利授权的数量*/项 | 0.1021 | ||
| U33技术市场成交额/亿元 | 0.0689 | ||
| U34旅游业全员劳动生产率*/（万元/人） | 0.0756 | ||
| U35旅游企业效率绩效*/% | 0.0256 | ||
| U4旅游产业科技创新潜力（0.1331） | U41含有旅游专业的旅游院校数量/所 | 0.0241 | |
| U42科研机构数量/家 | 0.0458 | ||
| U43研发机构研发经费来自企业的比重/% | 0.0091 | ||
| U44规上企业中有R&D机构企业的比重/% | 0.0046 | ||
| U45国际旅游收入年增长率/% | 0.0198 |
2.3.1 趋势面分析
TSA（Trend Surface Analysis）趋势面是实际曲面的近似值,它可以对较大空间跨度的地理数据进行半定量研究。趋势面分析是通过构建一个数学模型,进而模拟地理要素在空间上的分布态势,并反映地理要素在空间方向上的变化趋势。它的实质是通过回归分析原理,运用最小二乘法拟合一个二维非线性函数,模拟地理要素在空间上的分布规律,揭示地理要素在地域空间上的变化趋势。本文利用趋势面分析抽象中国省域旅游产业科技创新能力不同年份的总体空间分异趋势,具体计算公式参考文献[29]。
2.3.2 探索性空间数据分析
ESDA（Exploratory Spatial Data Analysis）是一系列以空间关联度量为核心的技术集合,它能够发现属性值的空间集聚与异常,揭示研究对象的空间依赖性和异质性及其空间相互作用机制,是一种比较好的数据驱动分析方法,ESDA具体又分为全局自相关分析与局部自相关分析模式。全局自相关分析通过全局空间自相关统计量的估计,揭示事物或现象在总体空间上的平均关联程度,主要表征指数为Moran指数I和全局G系数。局部自相关分析通过局部空间自相关统计量的估计,进一步揭示对事物或现象在局部空间位置上的关联程度及其分布格局,主要表征指数是Getis-Ord Gi*指数及Moran散点图。近年来,ESDA在探析区域发展不平衡以及一些知识创新的空间分布等实证研究中也得到广泛应用,具体计算公式参考文献[30]。
2.3.3 地理加权回归
GWR（Geographical Weighted Regression）在传统回归分析的基础上引入了空间自相关,在探讨区域旅游产业科技创新的影响因素方面能够很好的反映变量间的空间位置关系,同时它也能够捕捉空间数据的非平稳性,分析结果能全面反映空间数据的真实特征,以便更好地揭示潜在的驱动因素[31]。此外,在地理加权回归模型中,当地理空间发生变化时,回归参数也可相应变化,因此其理论体系和统计推断方法比较完整,以至被广泛的应用到空间数据分析中,具体计算公式参考文献[32]。
本文以中国大陆31个省级行政区域为研究单元,限于篇幅,在时间序列上选取2004、2008、2014年3个时间断面,以此分析中国旅游产业科技创新能力的时空动态特征及演化轨迹,剖析其动力机制。文中涉及所有原始数据均来自《中国旅游统计年鉴》、《中国科技统计年鉴》、《中国统计年鉴》、各省的《统计年鉴》以及在Innojoy专利搜索引擎和国家自然科学基金查询与分析系统所查询的数据。
运用熵值法确定各分指标及子系统的权重[33],并利用几何平均法和线性加权法计算得到中国各省域2004、2008、2014年3个时间断面的旅游产业科技创新能力值。从描述性统计上来看（表2）,中国旅游产业科技创新能力省域之间有明显的差异,区间范围由2004年的0.0081变化到2014年的0.1998,后者将近是前者的25倍。3个时间段内,其平均值和标准差呈持续增大态势,说明中国旅游产业科技创新能力变化和区域差异在不断加剧。
表2 中国旅游产业科技创新能力综合水平描述性统计
Tab. 2 The statistical description of scientific and technological innovation ability of tourism industry in China
| 年份 | 中国旅游产业科技创新能力综合水平 | ||||
|---|---|---|---|---|---|
| 最大值 | 最小值 | 总和 | 平均值 | 标准差 | |
| 2004年 | 0.1033 | 0.0081 | 0.8059 | 0.0262 | 0.0186 |
| 2008年 | 0.1332 | 0.0091 | 1.2297 | 0.0403 | 0.0241 |
| 2014年 | 0.1998 | 0.0389 | 3.1865 | 0.0879 | 0.0406 |
利用ArcGIS 10.2软件将其可视化表达,得到 3个时间断面中国旅游产业科技创新能力分布图（图2）。从图2可看出,从2004-2014年,中国旅游产业科技创新能力总体呈不断提高的态势,但科技创新能力较强的省份主要集中在北京、江苏、上海和广东等省份,所占比例很小,说明中国旅游产业科技创新能力存在着明显的地区差异,处于失衡状态。东部沿海地区的旅游产业科技创新能力在全国居于压倒性地位,“沿海-内陆”分化和区域鸿沟显现的态势日趋明显。概括起来,中国省域旅游产业科技创新能力的空间分布大体符合这样的空间模式：一方面,在相当长的时间里,中国大量的旅游科技创新活动基本都集中发生在有限的省域空间内,中国省域旅游产业科技创新能力总体上并不均衡;另一方面,旅游科技创新能力较强的省域在地理空间上基本形成了集聚发展的空间分布格局。根据图2反映的旅游科技创新能力的空间分布特征,可将中国旅游产业科技创新的集聚区划分为沿海旅游科技创新带和内陆旅游科技创新区。沿海科技创新带内旅游产业科技创新活动频繁,科技创新能力强,尤其以北京、江苏、广东为最;内陆科技创新区以湖北、湖南、河南、安徽等省为核心,主要分布在中国中部地区,但其科技创新能力与沿海创新带仍有较大差距。
图2 中国旅游产业科技创新能力空间分布图
Fig. 2 The spatial distribution of scientific and technological innovation ability of tourism industry in China
由于中国省域旅游产业科技创新能力存在明显的地区差异,有必要对其进行趋势分析,以揭示其空间分异的总体格局特征及趋势。运用地统计分析方法,对2004、2008、2014年中国省域旅游产业科技创新能力进行空间趋势面分析,其中,X、Y正方向分别代表正东和正北,Z为高度属性值,结果如 图3所示。可以发现,中国省域旅游产业科技创新能力空间格局分异明显,3个时间断面均呈现出东西方向递增,南北方向倒“U”型分布。具体表现为东西方向上,中国省域旅游产业科技创新能力主要沿着北纬30°和北纬40°自西向东递增;在南北方向上,表现为显著的倒“U”型分异格局,基本由东北地区及内蒙古经过中部地区和东部地区过渡到西南地区及海南省,其中中部地区和东部地区旅游产业科技创新能力较高,以东部沿海的北京、江苏、上海等为最,这两大地区出现在倒“U”型谷峰位置。同时,随着时间的推移,3个时间断面的拟合曲线,东西方向上坡度不断变陡,南北方向上的弯曲程度不断变大,这说明中国旅游产业科技创新能力的区域差异呈现提高态势。
图3 中国旅游产业科技创新能力趋势分析与拟合
Fig. 3 The trend analysis and fitting of scientific and technological innovation ability of tourism industry in China
利用全局空间自相关方法,计算得到3个时间断面中国各省域旅游产业科技创新能力的全局Moran指数I和全局G指数值（表3）,以此来分析中国旅游产业科技创新能力的总体时空格局及演化情况。通过表3可以看出,2004-2014年,全局 Moran’s I系数在符号上发生了质的变化,由负变正,而且数值呈现出不断攀升的趋势,说明中国旅游产业科技创新能力的自相关趋势在不断增强。2004年Moran’s I系数值小于0,为负相关,表明相邻空间单元的旅游产业科技创新能力差异大,能力强的地区和能力弱的地区在空间上呈现高低间隔分布状态。2008年以后,Moran’s I系数不断增大,均大于0.1,相邻地区存在较弱的正相关,表明中国旅游产业科技创新能力省区间的不均衡性不断显现,呈现出弱集聚格局。全局G指数在2004年比较小,趋近于0,表明总体上中国旅游产业科技创新能力在省域空间呈现随机分布。2008年以后,全局G指数不断增长,基本保持在0.02以上,这反映出中国旅游产业科技创新能力在相邻空间地域单元上,存在较为显著的高值簇区（热点区）和低值簇区（冷点区）;并且随着时间的推移,全局G指数未发生较大的变化,说明了整体上中国省域旅游产业科技创新能力空间格局变化较小,保持着相对稳定的空间格局。
表3 中国旅游产业科技创新能力全局自相关情况
Tab. 3 The whole spatial autocorrelation coefficient of scientific and technological innovation ability of tourism industry in China
| 2004年 | 2008年 | 2014年 | |
|---|---|---|---|
| Moran’s I | -0.0128 | 0.1112 | 0.1649 |
| E(I) | -0.0312 | -0.0312 | -0.0312 |
| Z(I) | 0.2391 | 1.7662 | 1.9171 |
| G(d) | 0.0078 | 0.0211 | 0.0234 |
| E(d) | 0.0532 | 0.0532 | 0.0532 |
| Z(d) | 0.9451 | 2.4262 | 2.5094 |
全局空间自相关分析只能从总体上揭示中国旅游产业科技创新能力空间格局的集聚态势,有可能掩盖局部空间相关关系,因此还需要通过局部空间自相关分析进一步研究,以此来了解和掌握旅游产业科技创新能力的局部集聚格局及热点区格局。
4.2.1 基于Moran散点图的LISA分析
Moran散点图是根据标准化值与空间滞后向量组成的相关关系图,基于Moran散点图绘制出中国旅游产业科技创能力3个时间断面的局部空间关联图（图4）。其中HH表示科技创新能力强的区域被科技创新能力强的区域所包围,称之为“扩散效应区”;LH表示科技创新能力弱的区域被科技创新能力强的区域所包围,称之为“过渡区”;LL表示科技创新能力弱的区域被科技创新能力弱的区域所包围,称之为“低速增长区”;HL表示科技创新能力强的区域被科技创新能力弱的区域所包围,称之为“极化效应区”。
图4 中国旅游产业科技创新能力空间关联图
Fig. 4 The spatial correlation of scientific and technological innovation ability of tourism industry in China
从图4可以看出,总体上,2004-2014年,扩散效应区（HH区）主要涉及的区域是东部沿海地区（北京、天津、山东、江苏、上海）及中部地区的极少数省份。其中,湖南省类型的变迁引人关注,湖南省旅游产业起步较早,以张家界为代表的旅游资源闻名国内外已久,旅游产业发展水平较高,进行科技创新的基础较好,因而在2008年以前属于HH区,但近年来湖南在旅游产业科技创新方面的相对优势逐渐缩小,因此到2014年转变为HL区。总体上,这些省域经济发展水平高,科技投入强度大,旅游产业科技创新基础好,旅游科技创新活动频繁,旅游科技创新能力强,是全国旅游产业的“创新极”。低速增长区（LL区）主要覆盖的是广大的中西部地区,这些地区旅游资源丰富,但经济基础较弱、科技创新的人力财力投入较少,因而旅游产业科技创新能力普遍较低,有很大的提升空间。过渡区（LH区）与极化效应区（HL区）主要交错分布在中国东中西三大地区。
从图4可以发现,一方面,中国旅游产业科技创新能力的空间关联类型以HH型与LL型为主,这说明中国旅游产业科技创新能力在地理空间上存在着显著和稳定的集聚特征和一定的极化特征,在省级空间尺度上表现为东部沿海HH型集群和西部内陆的LL型集群。另一方面,2004-2014年,虽然少数省份的空间关联类型发生变化,出现了位移和跃迁,但其总体空间格局没有质的变化,这说明各省区旅游产业科技创新很难脱离其原有的集群,反映出中国旅游产业科技创新活动的空间结构具有一定的锁定特征或路径依赖。最后,中国旅游产业科技创新在局部地区也存在较明显的空间外溢效应。地理位置的邻近,科技创新人员的流动能够一定程度刺激和带动临近区域的创新发展,在旅游产业科技创新活动中,也存在一定的空间知识溢出。由于空间外溢效应,如紧靠江苏、上海、北京这些创新极的河南、福建、安徽等在2014年都进入了扩散效应区（HH区）。
4.2.2 基于Getis-Ord Gi*的热点分析
为进一步探索省域旅游产业科技创能力的局部空间态势,本文计算了局域空间关联指数Getis-Ord Gi*,并按自然断点法分为4级,分别为冷点区、次冷点区、次热点区和热点区,生成中国省域旅游产业科技创能力的冷热区分布图（图5）。从分布格局上看,2004年中国旅游产业科技创新能力的热点区主要集中在北京、天津和东部沿海的少数省份（山东、江苏、上海、浙江）,2014年增加了河南、安徽、福建和广东,冷点区主要集中分布在中西部内陆地区的省域。从热冷点区的数量上看,2004年,冷点区、次冷点区、次热点区与热点区的数量分别是8、10、7、6个,2014年发生了较大的变动,数量分别为6、7、8、10个。2004-2014年热点区个数增多,冷点区个数减少,说明中国旅游产业整体的科技创新能力在这一时段得到较大的提升,但也要看到冷点区省域比重仍较大,省域旅游产业科技创新后发地仍然较多,旅游产业科技创新能力仍存在较严重的两极分化现象。冷热区分布图与空间关联图对旅游科技创新能力的刻画存在一定的差异,主要是因为两种方法对其属性值敏感程度不一样,前者是基于自然断裂点法对属性值进行了突出显示,故反映出的省域旅游产业科技创新能力空间差异的地带分异更加明显。
图5 中国旅游产业科技创新能力的冷热区分布图
Fig. 5 The spatial hotspots distribution of scientific and technological innovation ability of tourism industry in China
旅游产业科技创新能力时空动态的变化过程是多种因素交互作用的结果,有必要了解区域旅游产业科技创新能力演变的多维驱动因素。本文对比分析了4种回归分析模型,以求能全面的剖析区域旅游产业科技创新能力的驱动因素。综合上述分析和借鉴相关研究成果[5-6,25,27-28],本文将影响区域旅游产业科技创新能力的因素归结为经济发展水平（X1）、旅游产业基础（X2）、科技创新投入（X3）、科技资源丰度（X4）、空间外溢效应（X5）、政策制度因素（X6）6个方面,分别用人均GDP、旅游外汇收入、科技活动人员数、科研机构数、技术市场成交额、教育事业费占财政支出比重来表征这6个因素。选取2004年和2014年的截面数据,对研究期内期初与期末的旅游产业科技创新能力影响因素进行时空比较分析。表4是全局回归分析模型（OLS、SLM、SEM）的计算结果,表5是地理加权回归模型（GWR）的检验结果和回归系数的描述性统计分析。
表4 2004年和2014年的全局回归分析结果
Tab. 4 Results of overall regression analyses in 2004 and 2014
| OLS模型 | ||||||||
|---|---|---|---|---|---|---|---|---|
| 2004年 | 2014年 | |||||||
| 变量 | 系数 | 标准差 | T/Z值 | P值 | 系数 | 标准差 | T/Z值 | P值 |
| X1 | 0.0061 | 0.0141 | 0.4052 | 0.6715 | 0.0485 | 0.0078 | 5.1841 | 0.0000 |
| X2 | 0.1029 | 0.0241 | 4.3099 | 0.0002 | 0.1193 | 0.0259 | 4.5196 | 0.0001 |
| X3 | -0.0008 | 0.0131 | -0.0578 | 0.9528 | 0.0061 | 0.0204 | 0.2756 | 0.7863 |
| X4 | 0.0204 | 0.0069 | 3.0419 | 0.0049 | 0.0057 | 0.0139 | 0.4125 | 0.6826 |
| X5 | 0.0963 | 0.1151 | 0.8312 | 0.4128 | 0.0961 | 0.0396 | 2.4185 | 0.0231 |
| X6 | 0.1223 | 0.0635 | 1.9377 | 0.0612 | 0.1235 | 0.0344 | 1.9463 | 0.2839 |
| 常数项 | 0.0071 | 0.0018 | 4.1595 | 0.0003 | 0.0089 | 0.0035 | 2.3895 | 0.0238 |
| 2004年——Adjusted R2：0.9491,F统计：105.851,似然估计：141.545,AIC：-265.186 | ||||||||
| 2014年——Adjusted R2：0.9589,F统计：133.458,似然估计：121.102,AIC：-222.125 | ||||||||
| 空间滞后模型（SLM） | ||||||||
| X1 | 0.0099 | 0.0124 | 0.7731 | 0.4238 | 0.0458 | 0.0073 | 5.968 | 0.0000 |
| X2 | 0.1031 | 0.0212 | 4.9745 | 0.0000 | 0.1201 | 0.0265 | 5.3624 | 0.0000 |
| X3 | -0.0013 | 0.0118 | -0.1065 | 0.9101 | 0.0069 | 0.0179 | 0.4052 | 0.7425 |
| X4 | 0.0179 | 0.0062 | 3.2016 | 0.0011 | 0.0055 | 0.0169 | 0.4689 | 0.6501 |
| X5 | 0.0921 | 0.0979 | 0.9039 | 0.3645 | 0.0954 | 0.0396 | 2.9256 | 0.0078 |
| X6 | 0.1240 | 0.0556 | 2.2615 | 0.0241 | 0.1295 | 0.0678 | 2.5351 | 0.2416 |
| 常数项 | 0.0083 | 0.0020 | 4.4328 | 0.0000 | 0.0102 | 0.0052 | 2.3697 | 0.0223 |
| 2004年——Adjusted R2：0.962,Rho：-0.067,似然估计：141.994,AIC：-266.787,SC：-254.576 | ||||||||
| 2014年——Adjusted R2：0.969,Rho：-0.015,似然估计：121.522,AIC：-224.804,SC：-212.593 | ||||||||
| 空间残差模型（SEM） | ||||||||
| X1 | 0.0102 | 0.0114 | -0.1061 | 0.9115 | 0.0435 | 0.0069 | 5.5896 | 0.0000 |
| X2 | 0.0869 | 0.0180 | 4.9654 | 0.0000 | 0.1191 | 0.0225 | 5.5238 | 0.0000 |
| X3 | 0.0001 | 0.0114 | 0.0018 | 0.9948 | 0.0002 | 0.0176 | 0.0025 | 0.9854 |
| X4 | 0.0175 | 0.0049 | 3.2812 | 0.0011 | 0.0081 | 0.0131 | 0.6214 | 0.5470 |
| X5 | 0.1251 | 0.1012 | 1.2378 | 0.2135 | 0.0997 | 0.0362 | 3.2107 | 0.0051 |
| X6 | 0.1339 | 0.0478 | 2.7394 | 0.0072 | 0.0994 | 0.0329 | 1.2589 | 0.2529 |
| 常数项 | 0.0086 | 0.0014 | 6.7597 | 0.0000 | 0.0096 | 0.0056 | 2.7415 | 0.0081 |
| 2004年——Adjusted R2：0.964,Lambda：-0.495,似然估计：143.625,AIC：-269.428,SC：-258.744 2014年——Adjusted R2：0.971,Lambda：0.218,似然估计：123.253,AIC：-227.288,SC：-216.603 | ||||||||
表5 GWR模型检验结果和回归系数的描述性统计分析
Tab. 5 Test results and descriptive statistical analysis of the regression coefficients in the GWR model
| 地理加权回归模型 | ||||||||
|---|---|---|---|---|---|---|---|---|
| 2004年 | 2014年 | |||||||
| 变量 | 平均值 | 最大值 | 最小值 | 中位值 | 平均值 | 最大值 | 最小值 | 中位值 |
| X1 | 0.0053 | 0.0079 | 0.0035 | 0.0049 | 0.0439 | 0.0498 | 0.0365 | 0.0438 |
| X2 | 0.1034 | 0.1171 | 0.0832 | 0.1061 | 0.1256 | 0.1395 | 0.0978 | 0.1288 |
| X3 | -0.0015 | -0.0011 | -0.0027 | -0.0017 | 0.0041 | 0.0131 | -0.0020 | 0.0031 |
| X4 | 0.0201 | 0.0258 | 0.0131 | 0.0211 | 0.0058 | 0.0069 | 0.0025 | 0.0039 |
| X5 | 0.1146 | 0.1905 | 0.0725 | 0.1132 | 0.1231 | 0.1215 | 0.0756 | 0.1071 |
| X6 | 0.1155 | 0.1487 | 0.0798 | 0.1129 | 0.1162 | 0.1529 | 0.0834 | 0.1191 |
| 常数项 | 0.0069 | 0.0086 | 0.0059 | 0.0070 | 0.0091 | 0.0113 | 0.0067 | 0.0078 |
| 2004年——Bandwidth：2430158,Residual Square：0.0005,Effective Numb：9.8591,Sigma：0.0042,AICc：-276.5284,Adjusted R：0.9669 | ||||||||
| 2014年——Bandwidth：3036262,Residual Square：0.0014,Effective Numb：9.169,Sigma：0.0084,AICc：-235.7589,Adjusted R：0.9786 | ||||||||
通过比较表4与表5中4种模型的拟合优度统计值,可以发现：① 比较Adjusted R2,2004年和2014年均是OLS模型最小,GWR最大;② 比较自然对数似然函数值LIK,在两个时间节点上,SEM模型最大,SLM模型次之,OLS模型最小;③ 比较赤池信息准则值AIC,在2个时间节点上,AIC值从小到大均是GWR-SEM-SLM-OLS。综上所述,空间回归模型要好于传统线性回归模型,在进行回归分析时,如果能兼顾潜在的空间因素,模型的实用性将得到提升;4种回归模型中,GWR模型和SEM模型拟合效果较好,而SLM和OLS相对较差,因此本文主要基于GWR模型（局部）和SEM模型（全局）对回归结果进行分析。
由表4、5可知,无论是在局部回归分析还是在全局回归分析中,旅游产业基础、空间外溢效应、政策制度因素、经济发展水平、科技资源丰度都会对旅游产业科技创新能力产生影响。其中影响较大3个因素是旅游产业基础、空间外溢效应与政策制度因素。
旅游产业基础回归系数的平均值都大于0.1,在2014年达到最大,为0.1256（表5）,说明其对旅游产业科技创新能力影响显著。这一点与区域经济发展水平也是密切相关的,虽然经济发展水平的回归系数较小（2014年为0.0439）。区域旅游产业发展水平越高,其对对国民经济的贡献越大。旅游产业基础和经济发展水平作为区域旅游科技创新活动的物质基础,可直接为旅游产业科技创新活动提供资金支持,加大人力资源的培养力度和改善旅游科技创新基础设施环境。
政策制度因素回归系数的平均值也都大于0.1,2014年为0.1162（表5）,表明其对区域旅游产业科技创新能力有很重要的正相关作用。政府在资源配置方面拥有广泛的权力,它通过引导项目建设及配套设施改善、科技创新要素的布局与调整等举措,可直接推动着旅游产业科技创新能力的提高。近年来,国家积极推进“智慧旅游”和 “旅游+互联网”工程,将会对中国旅游科技创新产生极大的促进作用。
空间外溢效应回归系数平均值在2004年为0.1146,2014年上升到0.1231。表明其对区域旅游产业科技创新能力有重要的正向影响。在互补性需求的刺激下,旅游产业科技创新产品的跨区域流动将加快旅游科技的区际传播,并不断强化区域旅游科技创新的空间依赖性。远离“创新极”的区域获得的区域创新外溢较少,导致其旅游科技创新能力落后于毗邻“创新极”的区域。
2014年科技资源丰度回归系数平均值仅为0.0058,相对于前几项因素较低,但仍对区域旅游科技创新能力有一定的正向影响。这里值得注意的是科技创新投入因素（科技活动人员数）,在两类模型中其值均很小,接近于0。但这并不与前面指标体系中的从事旅游科技活动人员的数量权重较大相矛盾。这恰恰反映出目前中国科技活动人员中,从事旅游科技活动人员比例很小。对于旅游产业的发展,人们很大程度都依赖文化古迹、自然风光等资源禀赋以及大量的资金投入和低水平的劳动力投入,而对科技创新较少重视,对旅游科技创新的高素质人力资源投入较小。
综上所述,旅游产业科技创新能力的时空格局是在多维驱动因素的交织作用下形成、演化与空间置换的,基于此绘制了邻近区域旅游产业科技创新能力时空格局演化驱动模式图（图6）,包含地区内和地区间两个层面。地区范围内,旅游产业基础、空间外溢效应、政策制度因素、经济发展水平、科技资源丰度对区域的旅游产业科技创新能力有积极的影响,而科技活动人员数等因素的影响则有不确定性。地区范围外,相邻的地区在竞争与合作的过程中,其旅游产业科技创新能力也相互影响,并产生较为显著的空间极化和空间外溢效应。如果空间传导机制顺畅,“科技创新极”的扩散效应和“科技创新低速增长区”的学习效应将得到实现,从而产生空间溢出,这种空间外溢效应将会促进地区间旅游产业科技创新能力进行置换,从而提高整个区域的旅游产业科技创新能力。具体表现为,由于各省域的经济发展水平、旅游产业基础、政策制度、科技资源丰度等有所不同,导致旅游产业科技创新能力存在明显的地区差异,在地理空间上表现出高值集聚或低值集聚的分布格局。东部地区的北京、天津、江苏、上海等省市在经济发展、产业支撑、政策引导和资源丰度等方面具有明显的优势,因而一直是国家旅游科技创新的高值集聚中心和热点区;而西北内陆地区经济基础、创新投入等方面处于劣势,旅游科技创新能力普遍较低,长期处于国家旅游科技创新的低速增长区和冷点区。相邻的地区在旅游产业科技创新能力过程中会产生空间外溢效应,靠近山东、上海、江苏、浙江的河南、福建、安徽等省在“科技创新极”的带动下,其旅游产业科技创新能力得带较大幅度提升,它们的空间关联类型和冷-热点区均出发生了跃迁（图2、图4-5）。
图6 邻近区域旅游产业科技创新能力时空动态驱动模式
Fig. 6 The spatial pattern evolution of driving mode of scientific and technological innovation ability of tourism industry in neighbor regions
（1）2004-2014年,中国旅游产业科技创新能力总体呈不断提高的态势,但空间分布极不均衡,“沿海—内陆”分化和区域鸿沟显现的态势日趋明显。中国旅游产业科技创新能力在地理空间上越来越表现出空间集聚的特征,基本形成了沿海旅游科技创新带和内陆旅游科技创新区。趋势分析表明2004-2014年中国旅游产业科技创新能力均呈现出东西方向递增,南北方向倒“U”型分布格局。
（2）2004-2014年,中国旅游产业科技创新能力的空间关联类型以HH型与LL型为主,分别形成了扩散效应区和低速增长区,说明科技创新能力在地理空间上存在着显著和稳定的集聚特征和一定的极化特征。中国旅游产业科技创新能力的总体空间格局没有质的变化,反映出科技创新活动的空间结构具有一定的锁定特征或路径依赖。地理位置邻近的区域,在旅游产业科技创新活动中,存在一定的空间知识溢出效应。冷热区分布格局基本上与高低集聚格局一致,只存在微小的差异,2004年中国旅游产业科技创新能力的热点区主要集中在北京、天津和东部沿海的少数省份（山东、江苏、上海、浙江）,2014年增加了河南、安徽、福建和广东,冷点区主要集中分布在中西部内陆地区的省域。
（3）中国旅游产业科技创新能力时空动态的变化是多种因素交互作用下的结果。空间残差回归和地理加权回归研究表明,2004-2014年,影响中国旅游产业科技创新能力空间分异的因素主要有旅游产业基础、空间外溢效应、政策制度因素、经济发展水平、科技资源丰度等,其中旅游产业基础、空间外溢效应、政策制度因素对区域旅游产业科技创新能力有较重要的正相关作用,而科技活动人员的影响具有不确定性。
（4）本研究构建了旅游产业科技创新能力结构模型和综合评价指标体系,较为客观地分析评价了2004-2014年中国旅游产业科技创新能力的总体水平、时空动态演化及动力机制,一定程度丰富了旅游创新研究的视角和方法。然而,受数据获取、个人分析能力等因素限制,尚有不足之处。随着数据统计的完善,可采用更具代表性的二级指标,如在线旅游人数、在线旅游市场交易规模、旅游科技企业数等。另外,以省为研究单元,只选取了3个年份的数据进行分析,多尺度、多时域的研究有待加强。研究发现旅游科技创新活动存在较明显的极化效应和空间溢出效应,这种空间效应的测度和评价也值得进一步研究。
The authors have declared that no competing interests exist.
| [1] |
|
| [2] |
研发溢出、区域创新集群的空间计量经济分析 [J].https://doi.org/10.3321/j.issn:1007-9807.2008.04.008 URL [本文引用: 1] 摘要
利用空间自相关Moran指数与集群分析的空间计量经济学空间误差模型和空间滞后模型,对2000-2002年中国大陆31个省域的创新集群及其影响因素进行了空间计量经济分析.结果发现:我国省域创新在空间分布上存在异质性和依赖性,表现为比较明显的区域创新集群现象,形成这种创新集群的原因主要归因于企业的研究与开发贡献,大学的学术研究还没有表现出明显的知识溢出,同时大学与企业研发的结合也没有对区域创新集群产生明显贡献.
Spatial econometric analysis of R&D spillovers and regional innovation cluster [J].https://doi.org/10.3321/j.issn:1007-9807.2008.04.008 URL [本文引用: 1] 摘要
利用空间自相关Moran指数与集群分析的空间计量经济学空间误差模型和空间滞后模型,对2000-2002年中国大陆31个省域的创新集群及其影响因素进行了空间计量经济分析.结果发现:我国省域创新在空间分布上存在异质性和依赖性,表现为比较明显的区域创新集群现象,形成这种创新集群的原因主要归因于企业的研究与开发贡献,大学的学术研究还没有表现出明显的知识溢出,同时大学与企业研发的结合也没有对区域创新集群产生明显贡献.
|
| [3] |
中国区域创新生产的空间计量分析:基于静态与动态空间面板模型的实证研究 [J].A spatial econometrics analysis of Chinese regional innovation production: An empirical study of static and dynamic models of space-based panel [J]. |
| [4] |
中国省域创新产出的空间特征和时空演化:基于探索性空间数据分析的实证 [J].https://doi.org/10.11821/yj2012010010 URL Magsci [本文引用: 1] 摘要
以我国31个省域作为空间观测单元,以专利申请受理数作为创新产出的衡量指标,对我国1997～2008年期间省域创新产出的空间分布进行了探索性空间数据分析(ESDA)。通过计算区位基尼系数和集中度指数,发现我国的创新活动显示了相当高水平的空间集中,并且这种集中程度在过去的十多年里表现出了稳定的增长趋势;对全局的Moran’s <em>I</em>统计分析表明:省际创新活动之间存在着显著的空间自相关(空间依赖性),证明了知识溢出的存在性和空间局限性;对局部的Moran’s <em>I</em>分析进一步揭示了省际创新活动水平的相关模式,Moran散点图刻画了创新活动的空间集聚模式及其时空演变态势。研究结果说明经过十几年的发展,我国省域创新活动的地域性特征十分显著。
Spatial characteristics and dynamic changes of provincial innovation output in China: An investigation using the ESDA [J].https://doi.org/10.11821/yj2012010010 URL Magsci [本文引用: 1] 摘要
以我国31个省域作为空间观测单元,以专利申请受理数作为创新产出的衡量指标,对我国1997～2008年期间省域创新产出的空间分布进行了探索性空间数据分析(ESDA)。通过计算区位基尼系数和集中度指数,发现我国的创新活动显示了相当高水平的空间集中,并且这种集中程度在过去的十多年里表现出了稳定的增长趋势;对全局的Moran’s <em>I</em>统计分析表明:省际创新活动之间存在着显著的空间自相关(空间依赖性),证明了知识溢出的存在性和空间局限性;对局部的Moran’s <em>I</em>分析进一步揭示了省际创新活动水平的相关模式,Moran散点图刻画了创新活动的空间集聚模式及其时空演变态势。研究结果说明经过十几年的发展,我国省域创新活动的地域性特征十分显著。
|
| [5] |
浙江省区域创新产出空间分异特征及成因 [J].https://doi.org/10.11821/dlyj201410004 URL Magsci [本文引用: 1] 摘要
<p>通过构建总体差异测度指数,并结合运用核密度估计等多种空间统计方法,分析浙江省区域创新产出的空间分异特征及其影响因素,结果表明：2006-2012年,浙江省区域创新产出总体存在较大差异,并呈现波动式上升趋势;浙江省区域创新产出分异增强,空间核密度呈现出由相对均匀到极化的演化趋势;浙江省区域创新产出整体上呈现高值和低值集聚分布,且集聚程度逐渐增强;各县域创新产出同样具有空间集聚性,杭州与宁波市辖区成为热点区域;空间指向性明显,整体表现出“东高西低、北高南低”的空间趋势面分布;由回归分析得出该时期浙江省区域创新产出空间分异主要受经济基础、政策制度、技术溢出和空间区位四个主要因素的影响。</p>
Spatial differentiation and its influencing factors of regional innovation output in Zhejiang province [J].https://doi.org/10.11821/dlyj201410004 URL Magsci [本文引用: 1] 摘要
<p>通过构建总体差异测度指数,并结合运用核密度估计等多种空间统计方法,分析浙江省区域创新产出的空间分异特征及其影响因素,结果表明：2006-2012年,浙江省区域创新产出总体存在较大差异,并呈现波动式上升趋势;浙江省区域创新产出分异增强,空间核密度呈现出由相对均匀到极化的演化趋势;浙江省区域创新产出整体上呈现高值和低值集聚分布,且集聚程度逐渐增强;各县域创新产出同样具有空间集聚性,杭州与宁波市辖区成为热点区域;空间指向性明显,整体表现出“东高西低、北高南低”的空间趋势面分布;由回归分析得出该时期浙江省区域创新产出空间分异主要受经济基础、政策制度、技术溢出和空间区位四个主要因素的影响。</p>
|
| [6] |
中国区域创新的时空动态分析 [J].https://doi.org/10.11821/dlxb201412004 URL Magsci [本文引用: 2] 摘要
基于探索性空间数据分析和验证性空间面板模型,本文探讨了2000 年以来中国区域创新的时空动态。结果表明:① 自创新战略实施以来,中国各省区创新产出的年均增长率几乎都经历了一个剧烈的加速过程,说明区域创新能力的总体提升,但是,东部沿海地区仍然在创新产出中居于压倒性地位,导致“沿海—内陆”分化加剧和区域鸿沟的进一步突出,省区创新可能会陷入“强者愈强,弱者愈弱”的“马太效应”;② 中国区域创新产出与创新投入的空间集聚随时间推移不断强化,通过识别不同时期各变量“热点”,表明创新产出“热点”地区与创新投入“热点”具有高度的时空耦合特征;③ 人均GDP、研发投入、研发人员及在校大学生数对省区创新产出有显著的直接影响。省区间创新活动存在明显的空间溢出效应,其知识溢出的地理区域跨越了省区边界。空间依赖性的存在导致省区间创新活动具有反馈效应,相邻省区的知识溢出对该省区的创新活动具有实质性影响。
Analyzing the space-time dynamics of innovation in China [J].https://doi.org/10.11821/dlxb201412004 URL Magsci [本文引用: 2] 摘要
基于探索性空间数据分析和验证性空间面板模型,本文探讨了2000 年以来中国区域创新的时空动态。结果表明:① 自创新战略实施以来,中国各省区创新产出的年均增长率几乎都经历了一个剧烈的加速过程,说明区域创新能力的总体提升,但是,东部沿海地区仍然在创新产出中居于压倒性地位,导致“沿海—内陆”分化加剧和区域鸿沟的进一步突出,省区创新可能会陷入“强者愈强,弱者愈弱”的“马太效应”;② 中国区域创新产出与创新投入的空间集聚随时间推移不断强化,通过识别不同时期各变量“热点”,表明创新产出“热点”地区与创新投入“热点”具有高度的时空耦合特征;③ 人均GDP、研发投入、研发人员及在校大学生数对省区创新产出有显著的直接影响。省区间创新活动存在明显的空间溢出效应,其知识溢出的地理区域跨越了省区边界。空间依赖性的存在导致省区间创新活动具有反馈效应,相邻省区的知识溢出对该省区的创新活动具有实质性影响。
|
| [7] |
创新空间溢出的差异影响研究述评 [J].Spatial spillover of innovation and its regional disparity influence [J]. |
| [8] |
中国区域知识溢出空间距离研究 [J].The study of spatial distance of knowledge spillover in Chinese regions [J]. |
| [9] |
Innovation strategies and technology for experience based tourism [J].https://doi.org/10.1016/S0261-5177(02)00047-X URL [本文引用: 1] 摘要
Tourism is undergoing significant change and facing new challenges—that call for new perspectives. At least two dimensions of the change can be identified:
|
| [10] |
Service innovation and customer choices in the hospitality industry [J].https://doi.org/10.1108/09604520510634023 URL [本文引用: 1] 摘要
ABSTRACT Purpose – The purpose of this paper is to understand the impact service innovation has on customers' choices within the hotel and leisure industry. The paper also discusses the influence of the creation of new services on both service development and operational strategy. Design/methodology/approach – The analysis is based on a national survey of approximately 1,000 travelers in the United States, using a web-based data acquisition approach. The travelers are segmented by reason of travel (business or leisure), and discrete choice analysis is applied to model customer preferences for various hotel service innovations. Findings – Overall, the study finds that service innovation does matter when guests are selecting a hotel, with type of lodging having the largest impact on a customer's hotel choice. In addition, service innovation is found to have a larger influence on choices when guests are staying at economy hotels rather than mid-range to up-scale hotels. Also, leisure travelers were found to be more influenced by innovative amenities such as childcare programs and in-room kitchenettes than business travelers. Practical implications – The understanding of customers' choices allows managers to better design their service offerings and formulate corresponding operational strategies around customer needs. Originality/value – This paper examines the addition of innovation to the hotel service concept and is an excellent tool for managers deciding on which innovations to implement.
|
| [11] |
Sectoral patterns of technological change in services economics of innovation and new technology [J]. |
| [12] |
文化旅游产业创新体系评价指标研究[D] .A study on the evaluation index about innovation system of cultural tourism industry [D]. |
| [13] |
旅游业创新能力测评的指标体系构建及其应用研究[D] .The research on the evaluation index system about tourism innovation ability: illustrate by the case of Guangzhou and Shenzhen[D]. |
| [14] |
The destination as an innovation system for non- winter tourism [C]. |
| [15] |
The innovative behavior of tourism firms: Comparative studies of Denmark and Spain [J].https://doi.org/10.1016/j.respol.2006.08.004 URL Magsci [本文引用: 1] 摘要
<h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">Tourism firms operate in a competitive sector where innovating is often a condition for survival. This article presents a theoretical framework for understanding tourist firms’ innovative behaviour and innovation systems in tourism. The innovativeness of tourism firms and its determinants are investigated by analysing quantitative as well as qualitative data comparing Spain and Denmark. A taxonomy of tourism firms is suggested and the firms’ characteristics which influence their innovativeness are presented. Additionally, the role of innovation networks is discussed, as is the role of innovation systems. The article suggests that large size, professionalism, but also entrepreneurship among small tourism firms are important determinants of innovation. Varied innovation networks are another determinant as are supportive innovation systems. These determinants favour Spanish firms, which are more innovative than Danish ones. In the final section, policy recommendations are presented.</p>
|
| [16] |
Christjan Fussing. innovation systems in tourism: The roles of attractors and scene-takers [J]. |
| [17] |
21世纪甘肃旅游资源开发创新研究 [J].https://doi.org/10.3969/j.issn.1002-5006.2003.06.021 URL Magsci [本文引用: 1] 摘要
近年来，甘肃旅游资源开发虽取得了长足进步，但差距也是显而易见的。进入21世纪后，甘肃旅游资源开发必须在如下3个方面开拓新视角，探寻新思路，方能在中国人民全面建设小康社会的伟大进程中对区域经济社会发展起到应有的作用：在开发战略上，应主要选择政府主导型战略、旅游
An innovative study on the development of Gansu's tourism resources in the 21st Century [J].https://doi.org/10.3969/j.issn.1002-5006.2003.06.021 URL Magsci [本文引用: 1] 摘要
近年来，甘肃旅游资源开发虽取得了长足进步，但差距也是显而易见的。进入21世纪后，甘肃旅游资源开发必须在如下3个方面开拓新视角，探寻新思路，方能在中国人民全面建设小康社会的伟大进程中对区域经济社会发展起到应有的作用：在开发战略上，应主要选择政府主导型战略、旅游
|
| [18] |
旅游服务创新研究综述 [J].https://doi.org/10.3969/j.issn.1006-575X.2002.03.010 URL [本文引用: 1] 摘要
本文从服务观念、服务技术、服务产品、服务市场和服务管理的创新等几个层面对旅游服务创新的研究进行了综述,并试图提出一种综合性的研究思路.
A summary of the researches into tourism services renovation [J].https://doi.org/10.3969/j.issn.1006-575X.2002.03.010 URL [本文引用: 1] 摘要
本文从服务观念、服务技术、服务产品、服务市场和服务管理的创新等几个层面对旅游服务创新的研究进行了综述,并试图提出一种综合性的研究思路.
|
| [19] |
信息时代下国内主题公园的管理创新 [J].https://doi.org/10.3969/j.issn.1000-8462.2007.03.035 URL [本文引用: 1] 摘要
从世界范围看,主题公园的兴起和发展与社会时代的进步密切相关. 信息时代是个观念大变革的时代,对主题公园的发展乃至人们的旅游活动都会产生众多影响.文章通过分析信息时代的特征,总结近10年来国内主题公园发展现状 及存在的问题,提出了信息时代主题公园管理创新需着重考虑的五方面因素.
Chinese theme park's management innovation against an information age background [J].https://doi.org/10.3969/j.issn.1000-8462.2007.03.035 URL [本文引用: 1] 摘要
从世界范围看,主题公园的兴起和发展与社会时代的进步密切相关. 信息时代是个观念大变革的时代,对主题公园的发展乃至人们的旅游活动都会产生众多影响.文章通过分析信息时代的特征,总结近10年来国内主题公园发展现状 及存在的问题,提出了信息时代主题公园管理创新需着重考虑的五方面因素.
|
| [20] |
论客家文化旅游及其产品开发创新:剧场化、园区化与产品的整合升级 [J].https://doi.org/10.3969/j.issn.1001-5221.2009.02.012 URL Magsci [本文引用: 1] 摘要
客家文化旅游在粤赣闽三省旅游发展中占有独特地位,它具有文化习得、深度体验、交往互动、地方性等特征.大陆客家文化旅游内部竞争激烈、旅游整体形象不显,项目重复建设多、目标市场定位模糊,旅游体验不深,文化内涵把握与市场契合点不准等问题十分突出.为此,客家文化旅游产品创新在定位文化旅游的基础上,要以剧场化为撬动,渲染客家文化之旅的高端品味,强化其审美效果;依托传统围楼村落,建设综合文化主题园区,促使非物质文化遗产最大限度地景观化,克服其产品零散而单薄的不足;通过主题创新、组合创新、结构创新使其产品达到系统整合升级
Hakka culture tourism and innovation of products development: Building theater atmosphere and theme park and integrating the products [J].https://doi.org/10.3969/j.issn.1001-5221.2009.02.012 URL Magsci [本文引用: 1] 摘要
客家文化旅游在粤赣闽三省旅游发展中占有独特地位,它具有文化习得、深度体验、交往互动、地方性等特征.大陆客家文化旅游内部竞争激烈、旅游整体形象不显,项目重复建设多、目标市场定位模糊,旅游体验不深,文化内涵把握与市场契合点不准等问题十分突出.为此,客家文化旅游产品创新在定位文化旅游的基础上,要以剧场化为撬动,渲染客家文化之旅的高端品味,强化其审美效果;依托传统围楼村落,建设综合文化主题园区,促使非物质文化遗产最大限度地景观化,克服其产品零散而单薄的不足;通过主题创新、组合创新、结构创新使其产品达到系统整合升级
|
| [21] |
Virtual reality and tourism: fact or fantasy [J].https://doi.org/10.1016/0261-5177(95)00050-X URL [本文引用: 1] 摘要
Virtual reality (VR) experiences have been the subject of speculation for computer programmers, futurists and scientists for many years. More recently there has been considerable media hype and discussion about the possible uses of virtual reality throughout society. This article will highlight some of the potential uses of VR within the tourism industry, but also address the realistic shortcomings of VR technology. In addition, some future developments will be identified, to determine when and whether VR is likely to offer the potential it promises.
|
| [22] |
旅游科技创新体系研究 [J].https://doi.org/10.3969/j.issn.1002-5006.2000.03.002 URL [本文引用: 2] 摘要
本文探讨了旅游业发展与科技创新的关系，指出科技创新对旅游消费、企业运作、政府管理和产业格局的影响；提出了旅游科技创新的定义、消费主体和创新主体的定位，并详尽地研究了旅游科技创新的领域和重点。
A study on the renovation system of technology and science in tourism industry [J].https://doi.org/10.3969/j.issn.1002-5006.2000.03.002 URL [本文引用: 2] 摘要
本文探讨了旅游业发展与科技创新的关系，指出科技创新对旅游消费、企业运作、政府管理和产业格局的影响；提出了旅游科技创新的定义、消费主体和创新主体的定位，并详尽地研究了旅游科技创新的领域和重点。
|
| [23] |
长三角城市科技创新能力评价及“区域科技创新圈”的构建:基于因子分析与聚类分析模型的初探 [J].A novel combined forecasting model for the prediction of regional logistics demand [J]. |
| [24] |
中国副省级城市科技创新能力的竞优分析 [J].https://doi.org/10.3969/j.issn.1002-9753.2010.11.009 URL 摘要
基于我国副省级城市科技创新能力的指标体系,采用面向层次结构的竞优分析方法,对12个副省级城市的科技创新能力状况进行分析.在识别各个副省级城市科技创新能力的个性优势特征基础上,分别进行了个体代理评析和民主代理评析.评析结果表明,副省级城市在科技创新能力建设方面各具特色,已经形成了"万马奔腾"的局面,综合排名已不再十分重要;竞优分析结果同时指出了各个副省级城市在科技创新能力建设中存在的不足,并提出了相应的完善建议,以供相关部门和人员参考.
“Advantage Reseving”- Analysis of Scientific and technological innovation capacity of Sub-Provincial Cities in China [J].https://doi.org/10.3969/j.issn.1002-9753.2010.11.009 URL 摘要
基于我国副省级城市科技创新能力的指标体系,采用面向层次结构的竞优分析方法,对12个副省级城市的科技创新能力状况进行分析.在识别各个副省级城市科技创新能力的个性优势特征基础上,分别进行了个体代理评析和民主代理评析.评析结果表明,副省级城市在科技创新能力建设方面各具特色,已经形成了"万马奔腾"的局面,综合排名已不再十分重要;竞优分析结果同时指出了各个副省级城市在科技创新能力建设中存在的不足,并提出了相应的完善建议,以供相关部门和人员参考.
|
| [25] |
从国家自然科学基金看中国各省市基础研究竞争力 [J].https://doi.org/10.1360/972011-1819 URL Magsci [本文引用: 2] 摘要
<p>国家自然科学基金是我国支持基础研究的主要渠道之一, 被科研人员公认为国内最规范、最公正、最能反映研究者竞争能力的研究基金. 获得国家自然科学基金资助的竞争能力可以比较直观地反映出地区基础研究的水平和竞争力. 基于对国家自然科学基金立项信息的深入计算分析, 本文构建了基于国家自然科学基金竞争能力的基础研究综合竞争力指数, 并结合其他相关统计指标, 利用动态图表对我国大陆31 个省市的基础研究竞争力进行了系统的动态交互式的可视化对比分析. 研究结果表明: 我国基础研究力量的地理分布非常不均匀, 各省市间的竞争力差异巨大, 但总体正朝着积极向好的方向发展.</p>
Analysis of the regional competitiveness of basic research in China based on the National Natural Science Foundation of China [J].https://doi.org/10.1360/972011-1819 URL Magsci [本文引用: 2] 摘要
<p>国家自然科学基金是我国支持基础研究的主要渠道之一, 被科研人员公认为国内最规范、最公正、最能反映研究者竞争能力的研究基金. 获得国家自然科学基金资助的竞争能力可以比较直观地反映出地区基础研究的水平和竞争力. 基于对国家自然科学基金立项信息的深入计算分析, 本文构建了基于国家自然科学基金竞争能力的基础研究综合竞争力指数, 并结合其他相关统计指标, 利用动态图表对我国大陆31 个省市的基础研究竞争力进行了系统的动态交互式的可视化对比分析. 研究结果表明: 我国基础研究力量的地理分布非常不均匀, 各省市间的竞争力差异巨大, 但总体正朝着积极向好的方向发展.</p>
|
| [26] |
中国体育产业科技创新路径研究[D] .A study on the roads to improve the scientific and technological innovation in the sports industry[D]. |
| [27] |
可持续发展评价指标体系建立原理与方法研究 [J].https://doi.org/10.3321/j.issn:0253-2468.1998.05.015 URL Magsci [本文引用: 2] 摘要
探讨了可持续发展评价指标设置的原则、指标筛选的思路和方法,建立了一种主客观判断相结合的主成分分析和独立性分析方法,分析了区域发展特征和指标体系的层次结构；在此基础上建立了常州市可持续发展评价指标体系,满足了指标设置的各项原则。
A study on the principle and method of installation of sustainable development assessment index [J].https://doi.org/10.3321/j.issn:0253-2468.1998.05.015 URL Magsci [本文引用: 2] 摘要
探讨了可持续发展评价指标设置的原则、指标筛选的思路和方法,建立了一种主客观判断相结合的主成分分析和独立性分析方法,分析了区域发展特征和指标体系的层次结构；在此基础上建立了常州市可持续发展评价指标体系,满足了指标设置的各项原则。
|
| [28] |
转型期城市旅游业绩效评价及空间格局演化机理——以泛长江三角洲地区为例 [J].https://doi.org/10.11849/zrzyxb.2013.01.015 URL Magsci [本文引用: 2] 摘要
<p>论文从经济、市场、效率、公平四个方面构建了旅游业绩效的评价体系,运用熵值法综合测度1998、2003、2008年泛长江三角洲城市旅游业绩效,并结合GIS的空间分析模块,系统分析了泛长江三角洲城市旅游业绩效空间格局的演化过程。结果表明:泛长江三角洲城市旅游业绩效空间分异明显,总体上呈现提高态势,3个时间断面均呈现东西方向递增,南北方向倒"U"型分布格局;相邻地域单元表现较弱的空间集聚特征,绩效系统内部整体协调度不强,部分城市旅游业绩效水平与协调度高度耦合;针对旅游业绩效区域差异格局演化的形成机理剖析表明,经济驱动、市场驱动、产业链驱动、政府驱动及其相互间的综合驱动共同作用促使了城市旅游业绩效空间格局的演化。</p>
Evaluation on urban tourism industry performance and formation mechanism of pattern evolution during the transition period: A case study of the Pan-Yangtze River Delta [J].https://doi.org/10.11849/zrzyxb.2013.01.015 URL Magsci [本文引用: 2] 摘要
<p>论文从经济、市场、效率、公平四个方面构建了旅游业绩效的评价体系,运用熵值法综合测度1998、2003、2008年泛长江三角洲城市旅游业绩效,并结合GIS的空间分析模块,系统分析了泛长江三角洲城市旅游业绩效空间格局的演化过程。结果表明:泛长江三角洲城市旅游业绩效空间分异明显,总体上呈现提高态势,3个时间断面均呈现东西方向递增,南北方向倒"U"型分布格局;相邻地域单元表现较弱的空间集聚特征,绩效系统内部整体协调度不强,部分城市旅游业绩效水平与协调度高度耦合;针对旅游业绩效区域差异格局演化的形成机理剖析表明,经济驱动、市场驱动、产业链驱动、政府驱动及其相互间的综合驱动共同作用促使了城市旅游业绩效空间格局的演化。</p>
|
| [29] |
|
| [30] |
多变量驱动的江苏县域经济空间格局演化 [J].
针对现有区域空间格局演化对影响要素及其作用关系研究缺失的问题,本文通过分位数回归建立江苏省2000-2010 年县域经济的变量关系模型,并在结合ESDA空间关联模型的基础上对其空间演化格局进行研究,得出以下结论:① 变量揭示的区域格局演化的空间关联特征有强化的表现,但不同变量在不同时段分异特征不同。② ESDA探测发现经济发展与变量演化过程可能的潜在关系不同而出现不同类型区空间对应程度的差异,分位数回归给出了不同变量对不同分位地区边际效应影响程度不同的细致信息,从而证实了上述关系的存在。③分位数回归最优拟合值揭示区域经济演化格局与实际吻合度较高,即形成“苏锡”核心热点区和“淮宿”核心冷点区的“圈层结构”,且低值簇内部的演化分异趋势大于高值簇而表现出核心冷点区显著的“内陆化”与次核心冷点区的“沿海化”特征,“高值簇”与“低值簇”分界线一直稳定于苏中地区。
Spatial evolution of economic development at county level in Jiangsu based on multivariate drive [J].
针对现有区域空间格局演化对影响要素及其作用关系研究缺失的问题,本文通过分位数回归建立江苏省2000-2010 年县域经济的变量关系模型,并在结合ESDA空间关联模型的基础上对其空间演化格局进行研究,得出以下结论:① 变量揭示的区域格局演化的空间关联特征有强化的表现,但不同变量在不同时段分异特征不同。② ESDA探测发现经济发展与变量演化过程可能的潜在关系不同而出现不同类型区空间对应程度的差异,分位数回归给出了不同变量对不同分位地区边际效应影响程度不同的细致信息,从而证实了上述关系的存在。③分位数回归最优拟合值揭示区域经济演化格局与实际吻合度较高,即形成“苏锡”核心热点区和“淮宿”核心冷点区的“圈层结构”,且低值簇内部的演化分异趋势大于高值簇而表现出核心冷点区显著的“内陆化”与次核心冷点区的“沿海化”特征,“高值簇”与“低值簇”分界线一直稳定于苏中地区。
|
| [31] |
基于空间扩展模型和地理加权回归模型的城市住房价格空间分异比较 [J].https://doi.org/10.11821/dlyj201507013 URL Magsci [本文引用: 1] 摘要
<p>鉴于已有研究主要集中探讨住房价格的空间依赖性,较少涉及空间异质性对住房特征价格的影响,也很少尝试构建不同计量模型来比较模型间刻画住房价格影响因素空间分异的准确性,以长沙市中心城区为研究区,采用空间扩展模型和地理加权回归模型比较分析城市住房价格影响因素的空间分异,结果表明：① 空间扩展模型和地理加权回归模型都表明,长沙市中心城区的住房属性边际价格随着区位的变化而变化,揭示住房价格影响因素具有显著的空间异质性;小区环境、交通条件、教育配套、生活设施等因素对住房价格的影响强度存在明显的空间分异。② 地理加权回归模型和空间扩展模型都能对传统特征价格模型进行改进,但地理加权回归模型在解释能力和精度方面都超过空间扩展模型;对属性系数估计空间模式的分析,地理加权回归模型形成的结果比采用坐标多义扩展的空间扩展模型更为复杂和直观。</p>
The comparison of city housing price spatial variances based on spatial expansion and geographical weighted regression models [J].https://doi.org/10.11821/dlyj201507013 URL Magsci [本文引用: 1] 摘要
<p>鉴于已有研究主要集中探讨住房价格的空间依赖性,较少涉及空间异质性对住房特征价格的影响,也很少尝试构建不同计量模型来比较模型间刻画住房价格影响因素空间分异的准确性,以长沙市中心城区为研究区,采用空间扩展模型和地理加权回归模型比较分析城市住房价格影响因素的空间分异,结果表明：① 空间扩展模型和地理加权回归模型都表明,长沙市中心城区的住房属性边际价格随着区位的变化而变化,揭示住房价格影响因素具有显著的空间异质性;小区环境、交通条件、教育配套、生活设施等因素对住房价格的影响强度存在明显的空间分异。② 地理加权回归模型和空间扩展模型都能对传统特征价格模型进行改进,但地理加权回归模型在解释能力和精度方面都超过空间扩展模型;对属性系数估计空间模式的分析,地理加权回归模型形成的结果比采用坐标多义扩展的空间扩展模型更为复杂和直观。</p>
|
| [32] |
1990年来广东区域发展的空间溢出效应及驱动因素 [J].https://doi.org/10.11821/dlxb201506010 URL Magsci [本文引用: 1] 摘要
<p>采用尺度方差、核密度估计、空间马尔科夫链和地理加权回归对1990-2010年广东省区域经济发展的溢出效应及其驱动因素进行了时空动态分析。① 尺度方差研究表明,在3个尺度分析的基础上发现县级尺度对整个区域经济差异的贡献份额最大,因此是空间溢出效应研究的核心尺度;② 核密度估计研究表明,1990-2010年间县域人均GDP差距呈不断扩大趋势,2000-2010年相比于1990-2000年人均GDP差距幅度更大,使得空间溢出更为明显;③ 空间马尔科夫链研究表明,在县域经济发展过程中存在空间溢出效应,若以较富裕地区为邻,受到的溢出效应是正向的,县域经济向上转移的概率增加,向下转移的概率减小,反之亦然。④ 空间滞后回归和地理加权回归研究表明,全球化、简政放权和固定资产投资是广东省空间溢出效应的三个核心驱动因素;市场化、城镇化水平和储蓄水平是辅助理解其空间溢出效应的驱动因素。</p>
Spatial spillover effects and multi-mechanism for regional development in Guangdong province since 1990s .https://doi.org/10.11821/dlxb201506010 URL Magsci [本文引用: 1] 摘要
<p>采用尺度方差、核密度估计、空间马尔科夫链和地理加权回归对1990-2010年广东省区域经济发展的溢出效应及其驱动因素进行了时空动态分析。① 尺度方差研究表明,在3个尺度分析的基础上发现县级尺度对整个区域经济差异的贡献份额最大,因此是空间溢出效应研究的核心尺度;② 核密度估计研究表明,1990-2010年间县域人均GDP差距呈不断扩大趋势,2000-2010年相比于1990-2000年人均GDP差距幅度更大,使得空间溢出更为明显;③ 空间马尔科夫链研究表明,在县域经济发展过程中存在空间溢出效应,若以较富裕地区为邻,受到的溢出效应是正向的,县域经济向上转移的概率增加,向下转移的概率减小,反之亦然。④ 空间滞后回归和地理加权回归研究表明,全球化、简政放权和固定资产投资是广东省空间溢出效应的三个核心驱动因素;市场化、城镇化水平和储蓄水平是辅助理解其空间溢出效应的驱动因素。</p>
|
| [33] |
区域城市化水平综合测度及其理想动力分析:以江苏省为例 [J].https://doi.org/10.3321/j.issn:1000-0585.2008.05.003 URL Magsci [本文引用: 1] 摘要
<p>根据城市化的内涵,从人口城市化、经济城市化、生活方式城市化和地域景观城市化等4个方面,构建区域城市化水平的综合评价指标体系,并运用熵值法,对1991~2005年江苏省城市化水平进行综合分析;结果发现江苏省城市化水平在不断提高的同时,主要表现为经济城市化和地域景观城市化的快速发展,而人口城市化对区域城市化的总体贡献不断减弱;在此基础上,结合多元线型回归模型对城市化的主要动力进行比较分析,认为市场力、内源力、外向力和行政力依次是江苏省城市化发展的主要动力,其中,市场力和行政力是促进江苏省城市化和经济发展的理想动力。</p>
Study on compression level and ideal impetus of regional urbanization: The case of Jiangsu Province [J].https://doi.org/10.3321/j.issn:1000-0585.2008.05.003 URL Magsci [本文引用: 1] 摘要
<p>根据城市化的内涵,从人口城市化、经济城市化、生活方式城市化和地域景观城市化等4个方面,构建区域城市化水平的综合评价指标体系,并运用熵值法,对1991~2005年江苏省城市化水平进行综合分析;结果发现江苏省城市化水平在不断提高的同时,主要表现为经济城市化和地域景观城市化的快速发展,而人口城市化对区域城市化的总体贡献不断减弱;在此基础上,结合多元线型回归模型对城市化的主要动力进行比较分析,认为市场力、内源力、外向力和行政力依次是江苏省城市化发展的主要动力,其中,市场力和行政力是促进江苏省城市化和经济发展的理想动力。</p>
|
/
| 〈 |
|
〉 |
