刘佳 刘宁

[摘 要]基于百度指數（Baidu Index）方法，获取2013—2016年全国31个省市自治区网络用户（或潜在的亲子游家庭）对亲子游的网络关注度数据，利用季节集中指数、地理集中指数、赫芬达尔指数测度与分析我国亲子游市场的网络关注度时空演化特征及其影响因素。研究结果表明：亲子游网络关注度时空演化特征明显，在时序方面，2013—2016年亲子游网络关注度总体处于上升态势，月网络关注度呈现“单峰”特征，曲线为倒“V”形状，周网络关注度呈现“两梯度”特征，“十一”黄金周亲子游的网络关注度最高;在空间方面，全国亲子游网络关注度区域差异较大，主要集中在东部沿海地区，其中四年来北京市居民对亲子游活动关注度最高，亲子游需求较为强烈。亲子游网络关注度与经济发展水平、居民收入水平、网络发达程度、人口统计特征均呈现高度的正相关关系，并呈现显著性水平;与旅游产业规模存在中、高度的正相关关系，并呈现显著性水平。

[关键词]亲子游;网络关注度;百度指数;时空演化特征

[中图分类号]F592 [文献标识码]A [文章编号]1671-8372（2018）04-0032-09

Analysis of spatial and temporal evolution characteristics and influencing factors of parent-child tourism Internet attention in China

LIU Jia， LIU Ning

（School of Management， Ocean University of China， Qingdao 266100， China）

Abstract：This study collects the data of parent-child tourism Internet attention of Internet users （or potential parent-child tourism family） in 31 provinces， municipalities and autonomous regions of China from 2013 to 2016 based on the Baidu  Index， and it uses the seasonal concentration index ， the geographic concentration index， and Herfindahl-Hirschman index to measure and analyze the temporal and spatial evolution characteristics of Chinese parent-child tourism market network concern， and its influencing factors. It is found that the temporal and spatial evolution characteristics of parent-child tourism online attention are obvious. In terms of time series， the popularity of parent-child tourism online in 2013-2016 is on the rise， the month Internet attention presents the “single peak ” characteristic， whose curve is an inverted “V”， the weekly Internet attention presents “two gradient” features， and the golden week of “National Holiday” has the highest online attention; in terms of space， the focus area of the national parent-child tourism Internet varies greatly， mainly in the eastern coastal areas， Beijing residents pay the highest attention to parent-child tourism activities， and the demand for parent-child tourism is relatively strong. The online attention of parent-child tourism shows a highly positive correlation with the economic development， residents income， network development and the demographic characteristics， which presents a significant level. There is a medium and high positive correlation with the scale of tourism industry， which also presents a significant level.

Key words：parent-child tourism; Internet attention; Baidu Index; spatial-temporal variability characteristics

一、引言

当前中国网络普及度显著提高，中国互联网络信息中心（CNNIC）发布的第40次《中国互联网络发展状况统计报告》显示，截止到2017年6月，我国的网民规模达到了7.51亿，互联网普及率为54.3%。随着网络的普及，网络信息对旅游业发展产生了广泛影响，游客借助网络平台搜索旅游信息、关注旅游新闻动态、预定旅游产品等行为越来越常见，《2017年中国在线旅游年度监测报告》显示，2016年中国在线旅游市场交易规模增长至5934.6亿元，增长率34%，线上渗透率12.1%，网络平台成为人们获取旅游信息的重要方式之一。

近几年，随着我国“单独二胎”“全面二孩”生育政策的调整与实施，我国的人口规模和结构都发生了一定变化，同时也影响着居民家庭规模与结构。自2013年我国正式颁布与实施二孩生育政策以来，少儿抚养比持续上升，2016年增长至22.9%[1]，说明未来几年儿童数量将呈现增长趋势。亲子游活动逐渐成为受欢迎的大众旅游方式之一。2013年《爸爸去哪儿》等亲子类节目井喷式爆发，激发了大众亲子游的热情，创新能力高的旅游企业纷纷推出节目同款线路产品，或深度挖掘目的地资源，推出更多有吸引力的产品，推动了亲子游市场的发展。如驴妈妈推出的“驴悦亲子”、携程推出的“微游学”、途牛旅游网发布“瓜果亲子游”品牌等，亲子游已从家庭旅游分离出来，逐渐成为旅游细分市场的“新宠”。艾瑞咨询和驴妈妈旅游网联合发布的《2016年中国暑假亲子游市场》显示，2018年中国在线亲子游市场交易规模将达到492.9亿元，同比增长率为52.5%[2]，未来我国亲子游市场消费规模庞大。

值得注意的是，我国亲子游市场发展起步较晚，但发展迅速，最开始以“学”为主，目前亲子旅游教育发展以“玩”为主，寓教于乐，亲子游市场及产品开发还存在诸多问题。首先，亲子游产品未能充分突出亲子游的真正目的，与普通休闲产品并无太大差别，只是强加上“亲子游”的名号而抬高价格，一些创新能力不足的传统旅行社“换汤不换药”的产品逐渐遭到淘汰。其次，亲子游市场需求量不断扩大，但亲子游市场及产品体系相对不完善，未能充分满足亲子旅游者的需求。

网络关注度是指在一定区域内网络用户对某一网络信息的实时网络关注指数，是网络用户旅游需求的体现。亲子游网络关注度是指网络用户对亲子旅游的关注指数，是亲子游网络关注的一种衡量手段。运用百度指数方法获取的数据可得出2013—2016年全国亲子游网络关注度分别达到87047、128389、191508、185930①。可见，亲子游网络关注度逐年增加，亲子家庭旅游需求旺盛，亲子游产品亟待开发以满足亲子家庭旅游需求。

目前，亲子游领域的学术研究相对滞后于实践，有关亲子游活动的网络视角研究相对匮乏。鉴于网络关注度与客流量存在极强的正相关性[3]，本研究从网络关注视角，基于2013—2016年全国31个省市自治区对亲子游网络关注度的动态数据，探究亲子游网络关注度的时空演变特征，分析亲子游网络关注度的影响因素，以期对预测亲子游市场客流量以及亲子游产品开发等方面具有理论指导和实践意义。

二、研究文献回顾

网络信息对旅游的影响受到国内外学术界的广泛关注，已成为近年来的主要研究热点，目前该领域的研究主要关注三个方面：一是网络信息对旅游者决策行為的影响研究[4]。如，Lexhagen探讨了在线旅游网站提供的服务对旅游者决策行为的影响，研究发现旅游网站提供的增值服务会增加旅游者购买意愿，提高旅游者的忠诚度[5];李莉通过收集游客对互联网信息的评价，认为网络信息影响游客的信息行为和出游决策[6];魏宝祥从国内外比较视角分析了网络信息对旅游者决策的影响，总结出旅游者网络信息搜寻创新心理、网络评价信息是影响旅游者决策的重要因素[7]。一些学者也验证了网络信息对旅游目的地及旅游流产生的影响，如Davidson通过分析台湾旅游网站的信息，发现网络信息对游客目的地的选择及旅游流具有引导作用[8];Skadberg等发现在线旅游网站的内容会直接或间接影响旅游者目的地的选择，引起旅游者态度及行为的改变[9];路紫等人以澳大利亚旅游网站为对象，研究旅游网站信息流导引旅游人流的若干问题[10];吕兴洋通过实验方法研究在线信息搜索对旅游者目的地感知形象演化过程的影响[11];杨敏、马耀峰等人分析了网络信息与入境旅游流之间存在的耦合关系[12]。二是利用网络信息预测旅游需求以及评价旅游资源吸引力方面的研究。如，王炼等人基于游客的网络信息搜索行为对游客的旅游需求进行预测[13];朱鹤等人基于网络信息数据，获得旅游资源点和相关指标，进而评价了旅游资源吸引力空间。三是网络信息对旅游者满意度影响的研究[14]，如Pan和Fesenmaier分析了在线搜索行为是假期计划实施过程的前兆，并且丰富的网络旅游信息对游客满意度产生正向影响[15];耿铭泽通过网络旅游信息对海南省游客的满意度进行调查分析[16]。可见，网络信息对旅游的影响较为深远，且与市场客流量呈现极大的相关性。

旅游者通过网络平台获取旅游地信息、预定旅游产品，为其旅游行为与决策提供重要依据，因而旅游网络关注度是旅游者需求状况和行为习惯在网络上的直观表现。目前，搜索引擎所获取的网络关注度数据已广泛运用在网络信息挖掘领域[17]，国外学者普遍运用Google搜索引擎获得数据开展与旅游相关的研究，主要集中在预测旅游需求、旅游者行为、旅游流等方面。如，Bing Pan利用搜索引擎获得游客对旅游城市的酒店客房的搜索量，基于ARMAX模型评估数据的有用性，全面准确地预测游客对酒店客房的需求[18];Bangwayo-Skeete基于Google搜索引擎对“酒店与机票”进行搜索，以此预测游客对加勒比海盗地区的旅游需求[19];Xin Yang运用Google和Baidu两种搜索引擎分别预测中国受欢迎的旅游目的地的游客人数，并且比较不同搜索引擎的搜索数据的预测能力[20];Dergiades利用不同的搜索平台和不同的搜索语言，预测国际旅游流[21]。国内学者大多运用百度搜索引擎中的百度指数作为研究网络关注度的基础数据。百度指数方法是以关键词搜索用户关注数值，虽然通过该方法获取的数据可能会出现检索误差，无法达到非常精确，然而有研究表明运用该方法得出的研究走势及结论具有科学依据[22]。利用百度指数进行网络关注度与旅游相关的研究集中在两方面：一是网络关注度与客流量的相关性分析。马丽君、孙根年、汪秋菊等人探讨了网络关注度与客流量之间的时空相关性[23-24]，黄先开、孙烨等人利用百度指数作为网络关注度的基础数据，对旅游景区的客流量进行预测[25-26]，研究结果均表明旅游网络用户关注度与实际旅游客流具有正相关性。二是基于网络关注度分析旅游景区、旅游地及旅游活动、旅游需求的时空特征及影响因素，进行区域差异[27]等研究。马丽君、林志慧等通过分析游客对旅游景区的网络关注度数据，探讨旅游景区网络关注度的时空演变规律及游客的旅游需求特征[28-30];张晓梅、程绍文等人以平遥古城为研究案例地，探讨旅游地网络关注度的时空特征[31]。另外，一些学者对网络关注较高的旅游活动时空特征进行了研究，如邹永广、林炜铃探讨了旅游安全的网络关注度时空特征、影响因素[32]，何小芊分析了游客对温泉旅游活动的时空动态特征及区域差异分析[33]。可见，网络关注度与旅游的相关研究较为丰富，研究视角多样化，研究方式较为成熟。

近几年，亲子游市场日益火热，引起了国内外学术界的关注。亲子游是从“家庭旅游”中分离出来，由父母和未成年子女共同参与，为增进亲子之间感情的一种家庭旅游形式，具有认知性、体验性、休闲性等特点。目前国外对亲子游领域的研究包含在家庭旅游的领域，而有关家庭旅游的研究关注的是孩子在决策过程中的作用、家庭在亲子旅游中的角色定位。如Nickerson&Jurowski，Gram，Bronner& de Hoog研究了孩子在决策过程中扮演的角色[34-36]。Haldrup和Larsen研究了家庭在旅游理論研究中边缘化的问题。Pau Obrador论述了家庭在旅游中的角色及地位，在沿海度假胜地形成的核心家庭理想化的观念与家庭生活的复杂现实形成对比。但旅游界很少有对孩子和家长度假经历的研究[37]。我国学者有关亲子游的研究起步较晚，主要集中研究亲子游概念的界定[38]、亲子游市场及产品的问题及现状分析[39-40]，刘妍、张欣然对中国亲子旅游研究的文献作出梳理，总结出亲子旅游的概念、消费行为以及产品开发方面的现状及问题[41]。近几年一些学者运用实证方法研究亲子游问题。如黄先开构建了城市公园亲子家庭游客忠诚影响因素的结构方程模型，并对其进行实证研究[42];刘敏、窦群采用实地调研和问卷发放方式获取数据，运用SPSS等统计方法量化分析亲子游市场，并基于家庭结构变化的背景，揭示了城市居民亲子游的消费特征[43]。总的来说，有关亲子游的研究已从理论探讨逐渐向实证分析转变，但研究方法较为单一，从网络关注度视角探究亲子游格局的研究较为匮乏。因此，本文从网络关注度的视角探讨我国亲子游市场的时空演变格局，突破“问题对策类”学术研究的限制，解决亲子游活动缺乏研究数据的“瓶颈”，动态量化分析亲子游活动的时空演变规律及特征，为亲子游市场及产品开发提供科学参考。

三、数据来源与研究方法

（一）数据来源

百度指数是以百度网页和百度新闻数据为基础的数据分享平台，是当前互联网重要的统计分析平台之一，该方法可以计算出每个关键词的“用户关注度”和“媒体关注度”的数值，并且能反映不同关键词在过去一段时间内的“用户关注度”和“媒体关注度”的变化态势及网民的需求。其中，“用户关注度”是以网民在百度的搜索量为数据基础，以关键词为统计对象，科学分析并计算出各个关键词在百度网页搜索中搜索频次的加权和，并以曲线图的形式展现[23]。亲子游活动因2013年《爸爸去哪儿》《爸爸回来了》等亲子类节目而备受关注，因此，本研究设定时间为2013年1月1日至2016年12月31日，搜索百度指数中“亲子游”的用户关注度数据，将其作为亲子游网络关注度的衡量指标，反映旅游者或潜在旅游者在网络上对亲子游的网络关注程度及持续变化情况。将每日搜索的数据按月、年相加，同时对我国31个省市自治区分别按月、年统计，获取2013—2016年全国31个省市自治区对亲子游网络关注度的一手数据，为亲子游网络关注度提供数据来源。本研究使用的2013—2016年GDP、城镇居民人均可支配收入、全国A级旅游景区个数、全国星级饭店个数、全国旅行社个数的数据均来源于中华人民共和国国家统计局官方网站公布的《中国统计年鉴》，网络普及率和网民数量的数据来源于中国互联网络信息中心发布的《中国互联网络发展状况统计报告》。

通过百度指数中显现的人群属性发现，关注“亲子游”用户有以下特征：在性别上，64%的男性和36%的女性网络用户关注亲子游，说明男性较女性更加关注亲子游活动;在年龄上，30—39岁年龄段的用户关注亲子游活动最高，20—29岁、40—49岁的用户分别占18%、14%，19岁及以下、50岁及以上的用户仅占2%、3%，可见，中年人更加关注亲子游活动，并且对亲子游产品的旅游需求多样化，通过网络搜索获取旅游信息是中年人旅游行为的特征之一。

（二）研究方法

运用百度指数方法，检索我国31个省市自治区的亲子游网络关注度数据，获取2013—2016年亲子游网络关注度的年、月、周数据作为网络关注度的基础数据。时序特征分析包括年、月、周、黄金周变化情况，其中月度特征利用季节性强度指数量化分析，探究亲子游网络关注度的时间变化特征。空间特征包括利用赫芬达尔指数、地理集中指数量化测度空间变化，利用Arcgis软件对2013—2016年亲子游日均网络关注度进行可视化处理，以全面、准确地衡量2013—2016年我国31个省市区亲子游网络关注度的时空差异特征。

1.季节性强度指数（seasonal concentration index，S）

S=                                  （1）

其中，S为某年亲子游网络关注度的季节性强度指数，S值越接近0，说明某年亲子游网络关注度年内各月分布越均匀;S值越大，说明某年亲子游网络关注度年内各月分布差异越大，季节性越明显。xi为第i个月亲子游网络关注度占全年的比重。

2.赫芬达尔指数（Herfindahl-Hirschman Index，H）

（2）

其中，Pi为某地区或某月指标所占总数的比值。本研究的赫芬达尔指数（H）用以反映我国亲子游网络关注度的地区集聚程度，H值越趋近于1，表明亲子游网络关注度地区集聚程度越高;H值越接近于0，表明亲子游网络关注度地区集聚程度较低。

3.地理集中指数（geographic concentration index，G）

（3）

其中，xi为第i个地区的亲子游网络关注度，T为所有地区亲子游网络关注度总数，n为地区总数。一般来说，G的取值为0～100，G值越接近100，网络关注度越集中;G值越小，网络关注度则越分散。

四、亲子游网络关注度的时空演变特征

（一）时序演变特征

1.亲子游网络关注度年度差异

对2013—2016年全国亲子游网络关注度进行统计分析，如图1所示。自2013年以来，全国31个省市自治区对亲子游的日均网络关注度呈现快速增长态势;2015年亲子游网络关注度达到顶峰;2016年关注度趋势有所减缓，但总体处于上升态势，年均增长率为20.81%。

2.亲子游网络关注度季节性差异

获取2013—2016年亲子游网络关注度的每日关注度指数，按月加和并取平均值，如图2所示。2013—2016年亲子游网络关注度月份变化趋势鲜明，总体上呈现“单峰”特征，月度变化曲线为倒“V”形状，网络关注度高峰期月份集中在每年的6—8月。其中5—6月亲子游网络关注度开始飞速上涨，7月均达到了最高峰，8月开始骤然下降，由于网络关注度具有“前兆效应”，每年5—6月属于亲子游网络关注度的“前兆期”。参考旅游客流季节划分标准，将月平均网络关注度大于年平均月网络关注度的月份划分为旺季，年平均月网络关注度80%～100%的月份划分为平季，小于年平均月网络关注度80%的月份划分为淡季[44]。经计算可得，亲子游网络关注度的旺季为5—9月，平季为3、10、12月，淡季为1—2月、11月。可见，亲子游网络关注度季节性较为明显，旺季与淡季的时间分布均匀。

采用网络关注度的季节性强度指数对2013—2016年全国各月份亲子游网络关注度的季节强度指数进行测算发现，2013—2016年全国亲子游网络关注度的季节强度指数均在8.24左右，波动较小，说明亲子游网络关注度存在一定的季节差异性;月网络关注度分布较不均匀，每年6—8月是亲子游网络关注度的高峰期，邻近出游的高峰期月份，月网络关注度越高。

3.亲子游网络关注度周差异

親子游逐渐成为亲子家庭休闲、娱乐的重要方式，亲子游活动多呈现周末游、周边游的特点，由于时间与家庭因素限制，亲子游家庭偏爱短途旅游。获取周一至周日的关注度数值，计算2013—2016年亲子游网络关注度的周平均值，如图3所示，周网络关注度总体变化特征明显，周一至周五及周末呈现“两梯度”阶段特征，周一至周五网络关注度略有变化，曲线从周一开始呈现逐渐下滑趋势，网络关注度缓慢减少;邻近周六、周日，网络关注度突然降低，亲子游网络关注度减缓幅度增大，这表明网络用户（或潜在的亲子游家庭）在周一到周五持续收集有关亲子游信息，而邻近周六、周日减少信息搜索的行为，表明亲子游家庭在具体实施亲子游行为，造成了对亲子旅游网络关注的减弱，这与已有研究结果“亲子游家庭大多选择周末实施亲子游行为”的结论基本一致[45]。

黄金周是我国每年的“五一”“十一”“春节”小长假，黄金周期间旅游消费旺盛，旅游客流量呈现“井喷式”增长，分析亲子游在黄金周期间的网络关注度可以更准确地了解网络用户（或潜在的亲子游家庭）旅游行为的特征。利用百度指数，截取“五一”“十一”“春节”期间的网络关注度（见图4），考虑到旅游网络关注度的前兆效应，统计时间包括假期的前三天和后十天[33]。由计算可知，2013—2016年“五一”“十一”“春节”假期网络关注度平均值分别为420、427、287，“十一”假期期间亲子游网络关注度最高，“五一”假期与其相差无几，“春节”期间最低。具体分析，“五一”假期期间网络关注度波动较大，在假期期间前三天达到了整个假期的最高峰，邻近五一假期，亲子游网络关注度逐渐减少，在5月1—3日达到最低，假期结束之后网络关注度有所回升;“十一”期间网络关注度总体趋势相似，在假期前三天关注度持续上升，在9月30日到达了最高峰，“十一”假期期间关注度呈现逐渐下滑态势，假期结束之后有稍许回升;“春节”假期总体趋势与“五一”“十一”相似，在假期前三天关注度逐渐下滑，在除夕前一天关注度达到了最低，之后开始回升，直至“春节”结束。总结三次小长假网络关注度变化的态势，可以看出假期开始之前网络用户（或潜在的亲子游家庭）搜索有关亲子游网络信息，假期开始后减少搜索行为，开始实施具体的亲子旅游行为。其中，“十一”假期网络关注度变化态势不同于“五一”“春节”假期，在假期前三天关注度持续上升，且假期前一天（9月30日）达到了整个假期的最高峰，这表明“十一”假期网络用户（或潜在的亲子游家庭）出游需求强烈，邻近假期仍有较强的网络关注度，这与“十一”假期的时间与亲子游产品有关，“十一”小长假给网络用户（或潜在的亲子游家庭）带来众多选择，如远程旅游、出境旅游等，亲子游产品多样化。

（二）空间演变特征

本研究利用赫芬达尔指数、地理集中指数分析亲子游网络关注度的空间集聚程度，并利用百度指数自定义时间段功能和地区筛选功能，统计2013—2016年全国31个省市自治区亲子游网络关注度，分析亲子游网络关注度的规模位序变化。

1.亲子游网络关注度的空间集聚程度

2013—2016年亲子游网络关注度的地理集中指数总体呈现减小趋势，如表1所示，从2013年的23.5070减少至2016年的20.7732，而全国地理集中指数的理想值为17.9605，很明显2013—2016年的亲子游网络关注度地理集中指数高于理想值，说明目前全国对亲子游活动的网络关注度相对较高，但全国31个省市自治区对亲子游活动的网络关注不均衡，没有集中在一个或几个地区，且呈现均衡程度的不断较弱。2013—2016年亲子游网络关注度的赫芬达尔指数相差不大（见表1），比较接近于0.05左右，说明全国31个省市自治区对亲子游的网络关注较为分散，没有集中在一个或几个地区。

2.亲子游网络关注度的空间演变位序变化

全国31个省市自治区网络用户（或潜在的亲子游家庭）对亲子游网络关注度的空间演变特征明显，如图5所示，网络关注度总体集中在东部地区，且不断聚集于东部沿海地区。2013年亲子游网络关注度的规模位序排在前10的省份中，除了北京、河南、湖北省外，东部地区沿海省份占据6位，分别是天津、上海、江苏、浙江、山东、广东;2014年除北京、湖北两省外，东部地区沿海省份占据7位，分别是河北、上海、江苏、浙江、福建、山东、广东;2015年与2013年情况相同，2016年除了北京、河南、湖南、四川省外，其余6位均是东部地区沿海省市区。说明东部沿海地区较为关注亲子游活动，处于沿海地区的网络用户（或潜在的亲子游家庭）较为关注有关亲子游的旅游信息，预示着沿海地区各大景区景点客流量的产生[25]。而2013—2016年中部地区对亲子游网络关注度的变化较大，主要集中于河南、湖北省份，且关注度不断加大。西部地区对亲子游网络关注较小，主要以四川省为代表，并且四川省网络用户（或潜在的亲子游家庭）对亲子游网络关注度逐渐增加，近几年也出现一些有关四川省成都市亲子游市场及产品开发的研究[46]，但均缺乏实地调研与深入分析。其他西部地区省市区对亲子游的关注度较弱，处于待开发阶段。同时可以看出，北京、上海、江苏、浙江、河北、河南、广东七省在这四年来一直处于前10，表明这七省的网络用户（或潜在的亲子游家庭）非常关注亲子游活动的旅游信息。四年来，北京市网络用户（或潜在的亲子游家庭）对亲子游网络关注度均为最高位，表明北京居民对亲子游的需求最为旺盛，而上海、浙江、江苏、广东这四个东部沿海地区省份在2013—2016年一直位于前5，表明东部沿海地区对亲子游网络关注较高，亲子旅游需求旺盛。

五、亲子游网络关注度的影响因素分析

（一）影响因素的选择

旅游网络关注度是网络用户（或潜在的亲子游家庭）在网络上的旅游需求及行为的直接表现。目前关于旅游网络关注度的影响因素研究主要有：区域经济发展状况、网络发达程度、居民收入水平、社会人口特征等方面[31-33]。另外，本研究基于亲子游的相关文献[47]，假设旅游接待设施越完善，亲子游网络关注度越高，并验证旅游产业规模因素对亲子游网络关注度有影响。因此，基于数据的统一性及可获取性，本研究选取2015年全国31个省市自治区的国内生产总值（GDP）表征各省市区的经济发展状况，用城镇居民人均可支配收入表征各省市区的居民收入水平，用2015年网民数量及各省市区的网络普及率表征各省市区的网络发展程度，用2015年全国A级旅游景区个数、星级饭店个数、旅行社个数表征各省市区的旅游产业规模水平，用2015年网民的性别、年龄、文化程度、职业、个人月收入表征社会人口特征，对经济发展状况、居民收入水平、网络发达程度、旅游产业规模、社会人口特征与亲子游年均网络关注度进行相关性分析。

（二）影响因素及相关性分析

本研究探讨亲子游网络关注度的形成机理，运用SPSS软件进行相关性分析。如表2所示，国内生产总值（GDP）与省域亲子游年均网络关注度的相关系数为0.803，属于高度相关，并表现出显著相关性（p<0.01），经济较发达的东部地区网络用户对亲子游的关注明显高于中部、西部地区;各省域的GDP越高，经济发展水平越高，其所能提供的基础设施与服务越完善;信息化程度越高，越容易获取有关亲子游的旅游信息，亲子游网络关注度越高。因此，经济发展水平是影响亲子游网络关注度的主要因素。基于数据的可获取性，对城镇居民人均可支配收入及亲子游网络关注度进行相关性分析，发现两者高度相关，并呈现显著相关性（p<0.01）。表明人均可支配收入越高，人们对亲子游活动的关注度越高，越容易将个人可支配收入的一部分用于亲子旅游活动，出游需求更加强烈，更容易实现亲子旅游行为。因此，居民收入水平是亲子游网络关注度的主要因素。省域亲子游年均网络关注度与网络发达程度相关，利用网络普及率及网民数量代表地区间的网络发达程度，可以看出，网络普及率、网民数量与省域亲子游年均网络关注度的相关系数分别为0.560、0.733，属于中度及高度相关，两者均表现出显著相关性（p<0.01）。网络发达程度会对亲子游网络关注度产生较大影响，东部地区的网络普及率及网民数量大于中部、西部地区，省域网络发达程度越高，基础设施更加信息化、网络普及率越高，获取旅游信息的范围越广泛。因此，网络发达程度是影响亲子游网络关注度的主要因素之一。

以全国A级旅游景区个数、星级饭店个数、旅行社个数代表旅游产业发展规模，对全国A级旅游景区个数、星级饭店个数、旅行社个数与亲子游年均网络关注度进行相关性分析，结果显示，全国A级景区个数、星级饭店个数与亲子游年均网络关注度为中度相关，全国旅行社个数与亲子游年均网络关注度为高度相关，三者均呈现显著相关性（p<0.01）。表明旅游产业规模大小对亲子游网络关注度产生较大影响，具体表现为省域的旅游产业规模水平越高，服务接待设施越完善，该地区人们对亲子游网络关注越高。因此，旅游产业规模大小是亲子游网络关注度的主要因素。根据中国互联网络信息中心（CNNIC）发布的第40次《中国互联网络发展状况统计报告》显示，选择统计出的2015年网民结构数据代表网民的社会人口特征，包括性别、年龄、文化程度、职业、个人月收入。将社会人口特征与亲子游年均网络关注度进行相关性分析，发现只有性别、职业与网络关注度呈现显著相关性（p<0.01，p<0.05），因此删除年龄、文化程度、个人月收入变量。一方面，性别与亲子游年均网络关注度呈现显著相关性（p<0.01）。结合通过百度指数检索出的关注亲子游活动人群特征进行分析，发现超过一半以上的人群为男性，男性较女性更加关注亲子游活动。究其原因，当今社会处于男女角色转变的时期，更多的女性开始外出工作，男性也相应承担了一部分家庭工作，如孩子的成长与教育问题，并愿意通过旅游的形式，让孩子开阔视野、学习课外知识等，因此，性别因素是影响亲子游网络关注度的主要因素。另一方面，職业与亲子游年均网络关注度呈现显著相关性（p<0.05）。工作性质较大程度上决定了出游时间，因此职业因素是亲子游网络关注的重要因素。

六、结论与讨论

（一）结论

本研究利用百度指数方法，获取2013—2016年全国31个省市自治区亲子游网络关注度数据，对我国亲子游网络关注度时空格局演化特征进行分析，并探讨影响亲子游网络关注度的形成机理，得出以下结论：

第一，2013—2016年全国亲子游网络关注度总体处于上升状态，亲子游月度网络关注度呈现“单峰”特征，曲线为倒“V”形状;季节强度指数波动较小，亲子游网络关注度季节差异性较小，全国各月网络关注度分布较为不均匀;周网络关注度总体变化特征明显，周一至周五及周末呈现“两梯度”阶段特征;“十一”黄金周期间亲子游网络关注度最高，表明“十一”假期网络用户（或潜在的亲子游家庭）出游需求最为强烈，在亲子游关注的旺季、周末及黄金周都预示着网络用户（或潜在的亲子游家庭）的旅游行为，所以开发适当时段与多样化的亲子游产品尤为重要。

第二，利用赫芬达尔指数、地理集中指数分析全国31个省市自治区亲子游网络关注度的空间集聚程度，结果显示，全国的亲子游网络关注较为分散，没有集中在一个或几个地区;全国31个省市自治区亲子游网络关注度的空间演化特征明显，网络关注度总体集中在东部地区，且不断聚集在东部沿海地区，北京市居民对亲子游活动关注度最高。可以看出，东部地区旅游需求最为强烈，所以开发亲子游产品时也应注意地域相关性。

第三，亲子游网络关注度与经济发展水平、居民收入水平均呈高度相关，与网络发达程度、旅游产业规模呈现显著相关性，与人口统计特征中的性别与职业因素呈现较强相关性。

（二）讨论

目前有关旅游网络关注度研究受到学术界的广泛关注，但有关旅游活动的网络关注度研究相对较少，有关亲子游的学术研究也较为匮乏。本研究借鉴已有的较为成熟的网络关注度研究，利用百度指数方法，探讨2013—2016年全国31个省市自治区亲子游网络关注度的时空格局演化分析;借鉴相关旅游目的地、旅游活动等网络关注度影响因素的文献，分析出经济发展水平、网络发达程度、城镇居民可支配收入等因素对亲子游网络关注度能产生较大影响，同时也挖掘出旅游产业规模、社会人口特征是亲子游网络关注度的重要影响因素，为亲子游市场培育与产品开发提供科学参考。此外，相对于其他学者只采用一个年度数据分析网络关注度的时空格局演化，本研究选取2013—2016年亲子游网络关注度为基础数据，时间跨度较长，反映出的时空格局特征较为明显，有助于保证研究的科学性与时效性。但本研究也有不足之处。如以“亲子游”为关键词搜索亲子游网络关注度，能否全面收集游客对亲子游的网络关注度数据还有待商榷;游客不一定使用百度搜索引擎关注亲子游活动，利用百度指数中的用户关注度表征游客对亲子游的网络关注度存在一定的误差。本研究是从网络关注度视角关注亲子游活动，这与利用互联网关注度反映的亲子游信息与现实的区域客流量也存在一定的距离。

[参考文献]

[1]中国统计年鉴2016[EB/OL].[2018-08-20].http：//www.stats.gov.cn/tjsj/ndsj/2016/indexch.htm.

[2]中国暑假亲子游市场白皮书（2016）[EB/OL].[2016-07-09].http：//www.199it.com/archives/493756.html.

[3]龙茂兴，孙根年，马丽君，等.区域旅游网络关注度与客流量时空动态比较分析—以四川为例[J].地域研究与开发，2011，30（3）：93-97.

[4]李君轶，杨敏.西安国内游客旅游网络信息搜索行为研究[J].经济地理，2010，30（7）：1212-1216.

[5]Lexhagen M. The importance of value-added services to support the customer search and purchase process on tourism websites[J].Information Technology & Tourism， 2005， 7（2）：119-135.

[6]李莉，张捷.互联网信息评价对游客信息行为和出游决策的影响研究[J].旅游学刊，2013，28（10）：23-29.

[7]魏宝祥，孔闪闪.网络信息对旅游者决策影响研究—国内外研究比较的视角[J].人文地理，2016（5）：7-16.

[8]Davidson A P， Yu Y M. The Internet and the occidental tourist： an analysis of Taiwan's tourism websites from the perspective of Western tourists[J]. Information Technology & Tourism， 2005， 7（2）：91-102.

[9]Skadberg Y X， Skadberg A N， Kimmel J R. Flow experience and its impact on the effectiveness of a tourism website[J]. Information Technology & Tourism， 2004， 7（3）：147-156.

[10]路紫，劉娜.澳大利亚旅游网站信息流对旅游人流的导引：过程、强度和机理问题[J].人文地理，2007，22（5）：88-93.

[11] 吕兴洋，沈雪瑞，梁佳.在线信息搜索对目的地感知形象演化影响研究[J].旅游学刊，2015，30（10）：70-79.

[12] 杨敏，马耀峰，李天顺，等.网络信息与入境旅游流的V-R耦合关系分析—以澳大利亚入境旅游流为例[J].干旱区资源与环境，2012，26（6）：214-219.

[13] 王炼，贾建民.基于网络信息搜索的旅游需求预测—来自黄金周的证据[J].系统管理学报，2014，23（3）：345-350.

[14]朱鹤，刘家明，陶慧，等.基于网络信息的北京市旅游资源吸引力评价及空间分析[J].自然资源学报，2015（12）：2081-2094.

[15]Pan B， Fesenmaier D R. Online information search ： vacation planning process[J]. Annals of Tourism Research， 2006， 33（3）：809-832.

[16]耿铭泽，胡涛.网络旅游信息对海南游客影响及满意度的调查分析[J].价值工程，2010，29（8）：245-247.

[17]邓爱民，王瑞娟.基于百度指数的旅游目的地关注度研究—以武汉市为例[J].珞珈管理评论，2014，8（2）：143-152.

[18]Bing P， Chenguang， Wu C G D W， Song H Y. Forecasting hotel room demand using search engine data[J]. Journal of Hospitality & Tourism Technology， 2012， 3（3）：196-210.

[19]Bangwayo-Skeete P F， Skeete R W. Can Google data improve the forecasting performance of tourist arrivals？ Mixed-data sampling approach[J]. Tourism Management， 2015， 46：454-464.

[20]Xin Y， Pan B， Evans J A， et al. Forecasting Chinese tourist volume with search engine data[J]. Tourism Management， 2015， 46：386-397.

[21]Dergiades T， Mavragani E， Pan B. Google Trends and tourists' arrivals： Emerging biases and proposed corrections[J]. Tourism Management， 2018， 66：108-120.

[22]张力.基于百度指数分析的地域网络关注度研究—以镇江为例[J].图书情报研究，2012（1）：40-47.

[23]马丽君，孙根年，黄芸玛，等.城市国内客流量与游客网络关注度时空相关分析[J].经济地理，2011，31（4）：680-685.

[24]汪秋菊，黄明，刘宇.城市旅游客流量—网络关注度空间分布特征与耦合分析[J].地理与地理信息科学，2015，31（5）：102-106.

[25]黄先开，张丽峰，丁于思.百度指数与旅游景区游客量的关系及预测研究—以北京故宫为例[J].旅游学刊，2013，28（11）：93-100.

[26]孙烨，张宏磊，刘培学，等.基于旅游者网络关注度的旅游景区日游客量预测研究—以不同客户端百度指数为例[J].人文地理，2017（3）：152-160.

[27]林炜铃，邹永广，郑向敏.旅游安全网络关注度区域差异研究—基于中国31个省市区旅游安全的百度指数[J].人文地理，2014（6）：154-160.

[28]马丽君，郭留留.基于网络关注度的北京市居民对5A级景区旅游需求时空特征分析[J].干旱区资源与环境，2017，31（10）：203-208.

[29]马丽君，龙云.基于网络关注度的湖南省居民旅游需求时空特征[J].经济地理，2017，37（2）：201-208.

[30]林志慧，马耀峰，刘宪锋，等.旅游景区网络关注度时空分布特征分析[J].资源科学，2012，34（12）：207-213.

[31]张晓梅，程绍文，刘晓蕾，等.古城旅游地网络关注度时空特征及其影响因素—以平遥古城为例[J].经济地理，2016，36（7）：196-202.

[32]邹永广，林炜铃，郑向敏.旅游安全网络关注度时空特征及其影响因素[J].旅游学刊，2015，30（2）：101-109.

[33]何小芊，刘宇，吴发明.基于百度指数的温泉旅游网络关注度时空特征研究[J].地域研究与开发，2017，36（1）：103-108.

[34]Nickerson N P， Jurowski C. The influence of children on vacation tourism patterns[J]. Journal of Vacation Marketing， 2001， 7（1）：19-30.

[35]Gram M. Children as co-decision makers in the family？ The case of family holidays[J]. Young Consumers Insight & Ideas for Responsible Marketers， 2007， 8（1）：19-28.

[36]Bronner F， Hoog R D. Agreement and disagreement in family vacation decision-making[J]. Tourism Management， 2008， 29（5）：967-979.

[37]Obrador P. The place of the family in tourism research： domesticity and thick sociality by the pool[J]. Annals of Tourism Research， 2012， 39（1）：401-420.

[38]李菊霞，林翔.亲子游市场若干问题探讨[J].区域经济评论，2008（12）：32-33.

[39]张红.有关亲子游产品及其开发的几点思考[J].旅游研究，2010（4）：51-55.

[40]范建丽，朱国兴.基于文化传承的亲子游项目现状及發展对策研究[J].黄山学院学报，2016，18（4）：21-24.

[41]刘妍，张欣然，程庆.中国亲子旅游研究综述[J].旅游纵览月刊，2015（4）：79-80+82.

[42]张琛琛，杨围围，乌恩.基于SEM的城市公园亲子家庭游客忠诚影响因素研究—以北京奥林匹克森林公园为例[J].北京第二外国语学院学报，2015（11）：65-75.

[43]刘敏，窦群，刘爱利，等.城市居民亲子旅游消费特征与趋势研究—基于家庭结构变化的背景[J].资源开发与市场，2016，32（11）：1404-1408.

[44]卢松，陆林，王莉，等.古村落旅游客流时间分布特征及其影响因素研究—以世界文化遗产西递、宏村为例[J].地理科学，2004，24（2）：250-256.

[45]杨围围，乌恩.亲子家庭城市公园游憩机会满意度影响因素研究—以北京奥林匹克森林公园为例[J].人文地理，2015（1）：154-160.

[46]陈春燕，李娴.成都市亲子游产品的设计及促销研究[J].经济研究导刊，2013（21）：271-272.

[47]刘妍，赵川，陈嘉睿.基于“推拉阻”模型的国内亲子旅游决策研究[J].地域研究与开发，2016，35（5）：115-119.