吴良平　胡健敏　张健

[摘    要]空间计量模型在旅游研究中已得到有效应用，解决了旅游产业发展中的一些实际问题，但还需进一步改进与完善。文章以中国省域入境旅游发展为着眼点，增设扩散转移矩阵为模型因变量滞后的空间权重矩阵，以反映入境旅游在中国省域之间的客流人数扩散转移实际情况，同时从最为全面的广义嵌套空间模型入手，引入旅游研究空间计量模型系统，并以区域入境旅游发展影响因素为模型自变量，构建了入境旅游发展的最优空间计量模型，最后对模型显著自变量的直接效应、溢出效应、总效应进行评估分析，给出区域入境旅游发展建议。结果显示：模型自变量出现显著消极效应的影响因素几乎为酒店供应，加强旅游资源建设和经济水平发展始终是入境旅游发展的重要途径，而开放程度已对东部省域的影响较为微弱，对中部和西部省域则起到很好的积极效应，同时交通设施在中部省域呈现出非常强劲的溢出效应。

[关键词]入境旅游;扩散转移矩阵;空间计量模型;直接效应;溢出效应

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2020）03-0014-14

Doi： 10.19765/j.cnki.1002-5006.2020.03.007

引言

经过长期的不断发展，2017年中国入境旅游市场平稳增长，接待入境旅游人数13 948.24万人次，实现入境旅游外汇收入1234.17亿美元，入境旅游人数和外汇收入位居世界前列，占据全球入境旅游举足轻重的地位[1]。入境旅游已受到世界各地区政府的高度重视与支持，也一直是国内外旅游研究的核心内容。入境旅游的国际研究相对较早，更注重研究的深度和广度，主要涉及入境旅游的需求预测[2-4]、客流分布规律[5-7]、网络结构分析[8-9]等方面;研究方法主要包括了时间序列模型、计量经济方法、人工智能技术、社会网络分析和复杂网络理论等，并     率先探讨了旅游客流扩散转移的基础理论。国内入境旅游研究的侧重点则有所不同，主要涉及入境旅游的规模预测与分布特征[10-12]、客流集散动态和转移规律[13-15]、空间网络特征演变[16-17]等方面，其中，入境客流集散理论模型和多重指标分析已成为集散转移研究的主要方法。国内研究方法虽有逐渐深入的态势，但依然略显单薄，还不能满足入境旅游发展定量研究所需。而关于目的地区域入境旅游发展影响因素的研究，国际文献主要探讨了交通方式[18]、经济发展[19]、酒店规模[20]、季节气候[21]等多个方面对入境旅游发展的影响，研究内容具有检验模型多元化和大样本数据容量等特点。国内文献则侧重于交通设施状况[22]、经济发展水平[23]、旅游资源条件[24-25]、对外开放程度[26-27]、酒店供应能力[26-28]等方面对入境旅游发展的影响关系，这些影响因素均可在研究过程中进行定量刻画，为区域入境旅游发展影响研究提供了科学基础。如何更为有效、更大尺度地提高区域入境旅游发展，区域入境旅游发展影响因素的效应研究就显得尤为重要。

空间计量模型发展迅速，虽然在旅游研究中得到了有效应用，已经具备较为完善的模型系统，但还需进一步改进与完善。Yang和Wong基于邻接空间权重矩阵的空间滞后模型，评估了中国大陆城市入境及国内旅游流的溢出效应[29]。Yang和Fik主要通过邻接空间权重矩阵的地理加权空间杜宾模型，探讨了中国大陆城市入境及国内区域旅游发展中的空间溢出效应和空间异质性[30]。Rom?o和Nijkamp基于邻接空间权重矩阵的空间误差模型和空间滞后模型，探讨了创新、生产力和专业化对旅游竞争力的影响[31]。赵磊等采用空间滞后模型和空间误差模型，从邻接空间权重矩阵、反距离空间权重矩阵等角度，探究了经济增长与旅游发展之间的影响关系[32]。杨维琼和张华基于邻接空间权重矩阵的空间滞后模型和空间误差模型，测算了多种影响因素对外国游客的直接影响效应[33]。王坤等基于反距离空间权重矩阵的空间杜宾模型、空间滞后模型和空间误差模型，探讨了城镇化质量和规模对旅游经济影响的空间效应[34]。殷杰等基于邻接空间权重矩阵的空间滞后模型和空间误差模型，探究了“一带一路”沿线国家旅游开放度的驱动因素[35]。王彩萍等基于邻接空间权重矩阵的空间杜宾模型，探究了跨国酒店集团空间区位分布受到的多方面影响因素情况[36]。已有文献为空间计量模型在旅游研究中的应用奠定了前期基础，同时解决了旅游产业发展过程中的一些实际问题，但空间权重矩阵集中于邻接空间权重矩阵（即0～1矩阵）或反距离空间权重矩阵（即反距离矩阵），只能反映区域之间是否相邻或者区域之间的反距离效应，同时，空间计量模型也仅限于空间滞后模型、空间误差模型和空间杜宾模型。然而，入境客流不仅包括了旅游客源地区与旅游目的地之间的旅游客流，而且包括了旅游目的地之间的单双向旅游客流，入境旅游在中国省域之间存在明显的客流人数扩散转移情况[13-15]，已有的旅游研究空间计量模型还不能很好反映或刻画入境旅游的实际情况。为获得更为客观的研究结果，需要根据入境旅游发展实际情况，对空间计量模型进行重新设计，同时引入较为完善的空间计量模型系统，最终构建区域入境旅游发展的最优空间计量模型，以更好解决入境旅游发展影响因素的效应研究问题，从而促进资源投入的最大化产出。

根据入境旅游在中国省域之間的客流转移情况和发展影响模式，文章增设扩散转移矩阵为空间计量模型因变量滞后的空间权重矩阵，同时考虑地理空间距离的影响效应和其他危机事件的冲击，从最为全面的广义嵌套空间模型入手，以区域入境旅游发展影响因素旅游资源、开放程度、交通设施、酒店供应和经济水平为模型自变量，在保证研究变量历年数据可比性基础上，以2001—2016年入境旅游发展相关数据，构建了区域入境旅游发展的最优空间计量模型，并对区域入境旅游发展显著影响因素的直接效应、溢出效应、总效应进行评估分析。主要可取之处在于：根据区域入境旅游发展的实际情况，增设扩散转移矩阵为空间计量模型因变量滞后的空间权重矩阵，以反映入境旅游在中国省域之间的客流人数扩散转移实际情况，同时从最为全面的广义嵌套空间模型入手，引入较为完善的空间计量模型系统，扩大旅游实证研究可供选择的空间计量模型范围。

1 模型简介

空间计量模型经过不断发展，已经具备较为完善的空间计量模型系统，为解决各个行业的各类问题提供了理想而科学的处理工具。根据研究对象，以Y为因变量，X1、X2、X3、X4为自变量，首先建立幂函数需求模型，表达式如下：

随后对上述模型两边同时取对数，可得到普通面板数据模型[（式2）]，表达式如下：

式（2）中，β1、β2、β3、β4分别表示各自变量的弹性系数;β0=lnB，uit=lneit表示模型的误差项。根据杰弗里·M·伍德里奇的《计量经济学导论现代观点》（第五版），上述5个变量的量纲变化对模型（2）的弹性系数不会产生影响[37]。

如果数据存在空间自相关效应，就可在普通面板数据模型基础上构建所需要的空间计量模型，而最为全面的空间计量模型则是广义嵌套空间模型（GNS）[38]，表达式如下：

简化为向量形式如下：

式（4）中，X为由ln（X1）it、ln（X2）it、ln（X3）it、ln（X4）it各自变量构成的向量形式，β为由β1、β2、β3、β4构成的向量形式，θ为由θ1、θ2、θ3、θ4构成的向量形式，W为模型的空间权重矩阵。在实际建模研究过程中，广义嵌套空间模型（generalized nested spatial model，GNS）往往不是最好的空间计量模型，因为模型中会出现不显著的参数组成部分。为此，就需要根据广义嵌套空间模型（GNS）参数ρ、θ和λ的运行结果，建立合理的最优空间计量模型。当θ=0时，模型转化为广义自相关空间模型（generalized autocorrelation spatial model，SAC）;当λ=0时，转化为空间杜宾模型（spatial Durbin model，SDM）;当ρ=0时，转化为空间杜宾误差模型（spatial Durbin error model，SDEM）;当θ=0且λ=0时，转化为空间滞后模型（spatial lag model，SLM）;当ρ=0且θ=0时，转化为空间误差模型（spatial error model，SEM）;当ρ=0且λ=0时，转化为自变量空间滞后模型（independent variable spatial lag model，SLX）;当ρ=0、θ=0、λ=0时，转化为普通线性回归模型（ordinary linear regression，OLS）。

2 变量说明与变量度量

2.1 变量说明

关于入境旅游发展影响因素研究主要涉及两个方面：一方面，关于入境旅游发展国际之间的影响因素研究，主要涉及客源国游客个人收入、国际之间汇率和消费水平组合衡量的替代价格和自身价格等，一般认为客源国游客个人收入越高，游客出行的愿望越强烈，而目的地国的汇率和消费水平偏低也会刺激客源国游客出行。游客收入、替代价格和自身价格成为入境旅游发展国际之间建模的主要选择影响因素，而其他影响因素效应可通过设置虚拟变量进行衡量[39-41]。另一方面，关于区域入境旅游发展的影响因素研究，主要探讨客源国游客入境目的地国以后，在目的地国各区域旅行时的区域入境旅游发展影响因素问题，影响因素主要涉及经济水平、开放程度、旅游资源、酒店供应、交通设施等基础影响因素[22-28]，而其他影响因素效应也可通过设置虚拟变量进行衡量，比如2003年的“非典”和2008年的世界金融危机等，一般认为经济水平、开放程度、旅游资源、酒店供应、交通设施都会促进目的地区域入境旅游发展，但积极促进效应在某一时间段是否具有显著性，还需要通过构建空间计量模型开展进一步实证研究。

本文研究属于区域入境旅游发展的影响因素研究范畴，因此选择区域入境旅游发展影响因素经济水平、开放程度、旅游资源、酒店供应和交通设施为模型自变量：入境旅游人数反映入境旅游发展情况，记为ReS;国内生产总值反映经济发展水平，记为GDP;进出口额反映对外开放程度，记为IEV;酒店供应能力、旅游资源条件、交通设施状况，通过相关数据进行综合度量，分别记为HiS、ZiY、JiT。省域之间的入境客流扩散转移矩阵（流量和流向）与航空航班数之间存在相互影响的动态过程[42]，同时进出口额与外商直接投资也存在明显的互动关系[43]，为避免自变量之间多重共线性对空间计量建模的影响[37]，文章并未將航空航班数和外商直接投资作为模型自变量。

2.2 变量度量

中国入境旅游经过了一个长期发展时段，与之密切相关的外界环境也在不断发生变化。如何保证研究变量历年数据的可比性，对区域入境旅游发展影响因素的效应研究就显得非常重要。文章总共涉及6个变量：酒店供应、旅游资源、交通设施需要通过相关指标进行综合量化获得;入境旅游人数、国内生产总值、进出口额能够通过官方直接获得数据，但国内生产总值（按当年价格计算）和进出口额两个变量数据却不具有历年可比性。为保证研究变量的历年数据可比性，需要根据区域入境旅游发展实际情况，从经济学视角对酒店供应、旅游资源、交通设施进行客观分值度量，对国内生产总值、进出口额进行历年可比性处理[10]。

2.2.1    变量的分值度量

旅游资源条件、酒店供应能力、交通设施状况3个变量需要进行分值度量。参考已有文献，各变量的分值度量详情如下[26]：采用世界文化遗产、世界自然遗产、历史文化名城、A级景区等旅游资源对旅游资源条件进行度量，由于入境游客的活动范围大、旅游时间宝贵、可支配收入高，根据景区质量等级评定标准和细则，世界双重遗产、5A类资源1和4A级景区将会是入境游客最倾向旅行的旅游地点，世界双重遗产、5A类资源和4A级景区应被赋予了较高的度量分值，所以分别对世界双重遗产、5A类资源、4A级景区、3A级景区、2A级景区、1A级景区（项、家）赋予11、9、7、3、2、1分值（度量过程中不重复计分）;采用星级酒店供应水平对酒店供应能力进行度量，分别对五星级、四星级、三星级、二星级、一星级酒店（家）赋予9、7、5、3、1分值;采用航空运输就业人员密度、铁路网密度、公路网密度、内河网密度对交通设施状况进行度量，分别对铁路网密度、公路网密度、内河航道密度（人、千米/万平方千米）赋予7、5、3、1分值。

2.2.2   消除变量的直接经济效应

2005年7月以后，人民币对美元汇率发生了较大变化，但进出口额历年数据均通过美元进行统计，所以人民币对美元汇率必然对进出口额的历年可比性产生直接经济效应[10]。通过式（5），可将美元价值最终转化为人民币对美元汇率为8.277时的进出口额，从而消除人民币对美元汇率（EX）变化的直接经济效应。

式（5）中，EXit表示t时间i区域的人民币对美元汇率。

同时，中国国内物价消费水平也一直不断波动，会对进出口额、国内生产总值（按当年价格计算）的历年可比性产生直接经济效应。通过式（6），可消除物价消费水平波动的直接经济效应[10]。

式（6）中，CPIit表示t时间i区域的消费价格指数，CPI（2000=100）表示2000年CPI为100时其他年份的CPI值。

3 实证研究模型构建

3.1 空间权重矩阵的选择

旅游的多目标性往往导致入境游客在多个省域之间转移旅行，比如省域i接待的入境游客可能会向其他省域j扩散转移。那么，省域j接待的入境游客人数不仅会受到省域j的各种因素条件影响，而且还会与省域i接待的入境游客人数有关。根据入境客流转移数量模型[式（7）]，可获得由省域i向其他省域j扩散转移的入境游客人数[13-15]，从而得到入境旅游在中国省域之间的客流人数扩散转移矩阵（称为扩散转移矩阵，记为W1）。该扩散转移矩阵，恰好可作为入境旅游发展的空间计量模型因变量滞后的空间权重矩阵。入境客流转移数量模型如下：

式（7）中，Yi表示省域i接待的入境游客人数，Yij表示由省域i扩散至省域j的入境游客人数，qi表示省域i入境游客抽样调查人数，qij表示在入境游客抽样调查中由省域i流向省域j的入境游客人数。

研究增设扩散转移矩阵为空间计量模型因变量滞后的空间权重矩阵，因为已有的0-1矩阵或反距离矩阵无法反映入境旅游在中国省域之间的客流人数扩散转移实际情况，只能表示省域之间是否相邻，或者省域之间的反距离效应。同时，选择反距离矩阵（记为W2）为空间计量模型自变量滞后和误差滞后的空间权重矩阵，以体现中国省域之间距离产生的模型自变量和误差的反距离影响效应，因为空间计量模型构建了区域入境旅游发展与其影响因素之间的数理关系，省域之间距离产生的模型自变量和误差的影响效应都应与距离成反比例关系，而不应该只是简单的0-1矩阵关系，其中模型自变量滞后可体现影响因素对其他省域的影响效应，模型误差滞后可体现影响因素之间和其他因素的影响效应。

3.2 入境旅游发展的空间计量模型

由于入境旅游人数会受到其他危机事件的冲击（主要涉及2003年的“非典”和2008年的世界金融危机），模型表达式可分别采用虚拟变量D03（=1，2003）和D08（=1，2008、2009）进行捕捉[11]。由此，根据入境旅游在中国省域之间的客流人数扩散转移情况，同时考虑地理空间距离的影响效应，可建立如下入境旅游发展的面板数据模型[式（8）]和广义嵌套空间模型（GNS）[式（9）]，向量形式如下：

然而在实际入境旅游研究建模过程中，需要根据广义嵌套空间模型（GNS）参数ρ、θ和λ的估计結果，建立合理的入境旅游发展最优空间计量模型。后文将会采用的主要最优空间计量模型有：当θ=0时，模型转化为广义自相关空间模型（SAC）[式（10）];当λ=0时，模型转化为空间杜宾模型（SDM）[式（11）];当θ=0且λ=0时，模型转化为空间滞后模型（SLM）[式（12）]，向量形式分别如下：

此时，Yit表示入境旅游发展（ReSit），为模型因变量;X为模型自变量的向量形式。当向量X为由旅游资源（ZiYit）、开放程度（IEVit）、交通设施（JiCit）、酒店供应（HiSit）构成时，模型为入境旅游发展与旅游资源、开放程度、交通设施、酒店供应之间建立的空间计量模型。当向量X为由经济水平（GDPit）构成时，模型为入境旅游发展与经济水平之间建立的空间计量模型。ReSit表示t时间i区域接待的入境旅游人数;ZiYit表示t时间i区域的旅游资源条件;IEVit表示t时间i区域的对外开放程度;JiCit表示t时间i区域的交通设施状况;HiSit表示t时间i区域的酒店供应能力;GDPit表示t时间i区域的经济发展水平。根据入境旅游发展实际情况，构建的空间计量模型是否可行或最优，还需要进行空间计量建模检验。实证研究中，采用Stata15和ArcGIS10.5等软件进行空间计量建模分析。

4 数据说明

由于旅游资源变量通过世界文化遗产、世界自然遗产、历史文化名城、A级景区等因素进行度量，但2001年A级景区评定结果在中国才正式出现[44]，所以数据可获取的有效时间应为2001年及其以后。文章所需数据来源于2002—2017年《中国旅游统计年鉴》《入境游客抽样调查资料》以及《新疆统计年鉴》《福建统计年鉴》等省级区域统计年鉴、中华人民共和国国家统计局网站、中华人民共和国文化和旅游部网站、中国人民银行网站。研究区域主要涉及东中西3大带和省级区域（简称省域），东中西3大带来源于已有文献的区域划分[26]。东部包括北京、上海、广东、天津、河北、辽宁、浙江、福建、江苏、山东、海南（不包含港澳台）;中部包括黑龙江、山西、吉林、河南、安徽、江西、湖南、湖北;西部包括重庆、四川、贵州、云南、内蒙古、广西、陕西、宁夏、西藏、新疆、甘肃、青海。空间计量模型所需的扩散转移矩阵来源于《入境游客抽样调查资料》，然而《入境游客抽样调查资料》却存在少量的失效和缺失数据，需采取均值法对这些数据进行科学补充[45]。

5 实证研究

5.1 入境旅游发展影响因素的关系区分

国内生产总值能够反映区域经济发展水平，但包括了区域生产的全部最终产品和服务价值，所以需要验证区域经济水平与其他4种影响因素之间是否存在显著线性关系，以防止模型建立时自变量之间出现多重共线性。表1呈现了各区域经济水平与旅游资源、开放程度、交通设施、酒店供应4种影响因素之间的线性回归结果：全国、东部、中部和西部4大区域构建的4个线性方程模型都具有较大的F统计量值，F统计量检验p值均小于0.00001，调整的拟合优度分别为99.5%、99.5%、99.3%、99.5%，拟合效果非常好。同时，全国、东部、中部和西部的旅游资源均在1%水平下显著，全国、中部和西部的开放程度均在5%水平以上显著，全国和东部的交通设施均在5%水平以上显著，全国和中部的酒店供应均在10%水平下显著，而东部的开放程度、中部和西部的交通设施、东部和西部的酒店供应不显著。线性回归结果的各项指标均显示，经济水平与酒店供应、旅游资源、交通设施和开放程度4种影响因素之间存在非常显著的线性关系，原因在于：区域经济主要通过经济投入对旅游产业产生影响，而经济投入的流向包括了旅游资源、开放程度、交通设施、酒店供应等多个方面，经济投入的产业流向直接对区域入境旅游发展起到积极效应，相反旅游资源、开放程度、交通设施、酒店供应等方面的相关价值产出却为国内生产总值的组成部分，对区域经济水平具有重要的促进作用。为避免多重共线性出现，经济水平和其他4种影响因素不能同时作为单一模型的自变量。文章需要将5种影响因素划分为两类：一类影响因素为经济水平，另一类影响因素包括酒店供应、旅游资源、交通设施、开放程度。

5.3 影响因素的效应评估

空间计量模型自变量的效应评估一直是空间计量分析的重要内容，总共包括直接效应、溢出效应和总效应3个方面的评估结果。所有模型中，除了空间误差模型（SEM）和普通线性回归模型（OLS）不能输出溢出效应外（溢出效应为0），其他空间计量模型均能评估各自变量的溢出效应，其中，自变量空间滞后模型（SLX）和空间杜宾误差模型（SDEM）的直接效应和溢出效应保持模型系数不变，而广义空间嵌套空间模型（GNS）、空间滞后模型（SLM）、广义自相关空间模型（SAC）、空间杜宾模型（SDM）的直接效应和溢出效应则在模型对应系数基础上发生微小变化[38]。表5呈现了各种影响因素对区域入境旅游发展的效应评估结果，但广义嵌套空间模型（GNS）往往并不是最优的空间计量模型。为此，影响因素的效应评估应该以全国、东部、中部、西部省域的最优空间计量模型输出结果为准，而广义嵌套空间模型的效应评估结果仅为参考。

从直接效应来看：全国省域的旅游资源、开放程度、经济水平在1%水平下显著，它们的效应系数分别为0.193、0.326、0.897;东部省域的交通设施在10%水平下显著，东部省域的旅游资源、酒店供应、经济水平在1%水平下显著，它们的效应系数分别为0.137、0.389、0.205、0.809;中部省域的旅游资源、开放程度、酒店供应、经济水平在1%水平下显著，它们的效应系数分别为0.214、0.290、0.374、1.211;西部省域的旅游资源、开放程度、酒店供应、经济水平在1%水平下显著，它们的效应系数分别为0.293、0.248、-0.275、0.917。虽然，东部、中部、西部的酒店供应均在1%水平下显著，但东部和中部省域的显著直接效应为积极效应，西部省域的显著直接效应为消极效应，正负显著直接效应最终导致了全国的酒店供应并不显著。此外，全国、中部和西部省域的交通设施，以及东部省域的开放程度，也并不显著。所有显著自变量中，只有西部省域的酒店供应为显著消极效应。

从溢出效应来看：全国省域的旅游资源在5%水平下显著，交通设施、酒店供应、经济水平在1%水平下显著，它们的效应系数分别为0.194、0.287、-0.533、0.016;东部省域的交通设施在10%水平下显著，旅游资源、酒店供应、经济水平在1%水平下显著，它们的效应系数分别为0.006、0.016、0.008、0.028;中部省域的旅游资源、交通设施、酒店供应在1%水平下显著，它们的效应系数分别为0.368、0.504、-1.076;西部省域的经济水平在10%水平下显著，旅游资源、开放程度、酒店供应在1%水平下显著，它们的效应系数分别为-0.153、0.045、0.038、-0.043。全国、东部、中部省域的开放程度，西部省域的交通设施，中部省域的经济水平，并不显著。所有显著自变量中，只有全国、中部、西部省域的酒店供应为显著消极效应，虽然西部省域的经济水平为显著消极效应，但显著性水平仅为10%。

从总效应来看：全国省域的交通设施在5%水平下显著，全国省域的其他4个自变量均在1%水平下显著，它们的效应系数分别为0.282、0.387、0.355、-0.483、0.913;东部省域的交通设施在10%水平下显著，东部省域的旅游资源、酒店供应、经济水平均在1%水平下显著，它们的效应系数分别为0.143、0.405、0.213、0.836;中部省域的5个自变量均在1%水平下显著，它们的效应系数分别为0.582、0.414、0.387、-0.702、1.211;西部省域的旅游资源、开放程度、酒店供应、经济水平均在1%水平下显著，它们的效应系数分别为0.338、0.286、-0.318、0.764。只有东部省域的开放程度，西部省域的交通设施，并不显著。所有显著自变量中，只有全国、中部、西部省域的酒店供应为显著消极效应。同时，经济水平的积极效应系数与其他4种影响因素的积极效应系数之和，数值大小较为相近，由此表明经济水平与其他4种影响因素对入境旅游发展的积极促进力度较为相似，也映证了经济水平与其他4种影响因素之间具有高度线性关系的合理性，从而凸显了经济水平对入境旅游发展的重要性。

从各自变量来看：第一，旅游资源在全国省域的溢出效应在5%水平下显著，在全国、东部、中部、西部省域的其他影响效应均在1%水平下显著，同时旅游资源对入境旅游发展均是起到显著积极效应。从总效益来看，旅游资源是旅游资源、开放程度、交通设施、酒店供应中积极效应系数值最大的影响因素。由此说明，旅游资源是旅游资源、开放程度、交通设施、酒店供应中最为主要的影响因素，是区域入境旅游发展的客观基础。第二，开放程度分别在全国、中部、西部省域的直接效应和总效应均在1%水平下显著，西部省域的溢出效应在1%水平下显著，同时开放程度对入境旅游发展也是起到显著积极效应。由此可知，东部省域入境旅游已取得了境外游客的普遍认可，同时已具备较高的国际影响力，开放程度已成为影响东部省域入境旅游发展较为微弱的因素，但對中部和西部省域则起到很好的积极效应。第三，交通设施在全国省域的溢出效应、中部省域的溢出效应和总效应均在1%水平下显著，全国省域的总效应在5%水平下显著，东部省域的直接效应、溢出效应和总效应均在10%水平下显著，同时交通设施对入境旅游发展也是起到显著积极效应，其中中部省域的溢出效应系数高达0.504，交通设施的溢出效应相比直接效应更为强劲。由此可见，东部省域交通设施的高速发展对入境旅游发展起到很好的促进作用，中部省域交通设施建设对其他省域入境旅游发展起到很好的交通溢出效应，而西部省域的交通设施建设较为滞后，还不足以对入境旅游发展起到很强的促进作用。第四，酒店供应在全国省域的直接效应并不显著，在全国、东部、中部、西部省域的其他影响效应均在1%水平下显著，然而酒店供应却对入境旅游发展起到显著消极效应和显著促进效应，其中，酒店供应分别在全国、中部、西部省域的溢出效应和总效应，在西部省域的直接效应表现出显著消极效应。由此可知，虽然东部、中部和西部省域均对酒店供应采取了相应措施与政策，但东部省域相比中部和西部省域的改善效果明显，而西部省域则出现了最为严重的酒店供应不协调、不匹配现象（直接效应和溢出效应都为负）。第五，经济水平在西部省域的溢出效应在10%水平下显著，在中部的溢出效应并不显著，在全国、东部、中部、西部省域的其他影响效应均在1%水平下显著。同时，西部省域的消极溢出效应多源于省域之间的较少合作和客源竞争，经济水平在其他情况下均对入境旅游发展均起到显著积极效应，而且经济水平的积极效应系数很高，与其他4种影响因素的积极效应总和相差不大，由此表明经济发展水平对入境旅游发展具有非常重要的促进作用。

6 结论

空间计量模型在旅游研究中已得到有效应用，同时解决了旅游产业发展过程中的一些实际问题，但空间权重矩阵集中于0-1矩阵和反距离矩阵，只能表示省域之间是否相邻或者省域之间的反距离效应，同时空间计量模型也仅限于空间滞后模型、空间误差模型和空间杜宾模型，还不能很好反映或刻画入境旅游的实际情况，需进一步改进与完善。故此，文章增设扩散转移矩阵为空间计量模型因变量滞后的空间权重矩阵，以反映入境旅游在中国省域之间的客流人数扩散转移实际情况，同时引入较为完善的空间计量模型系统，并以区域入境旅游发展影响因素旅游资源、开放程度、交通设施、酒店供应和经济水平为模型自变量，建立区域入境旅游发展的最优空间计量模型。结果显示：当旅游资源、开放程度、交通设施、酒店供应为自变量时，全国、东部、中部、西部省域的最优空间计量模型依次为空间杜宾模型、空间滞后模型、自变量空间滞后模型、广义自相关空间模型;当经济水平为自变量时，全国、东部、中部、西部省域的最优空间计量模型依次为空间滞后模型、广义自相关空间模型、普通线性回归模型、空间杜宾模型。

空间计量模型自变量的效应评估一直以来是实证研究关注的重要内容，总共涉及直接效应、溢出效应和总效应3个方面。文章以全国、东部、中部、西部省域的最优空间计量模型为模型自变量效应评估的输出来源，从而可获得区域入境旅游发展的影响因素效应评估结果与发展建议：第一，模型自变量出现显著消极效应的影响因素几乎为酒店供应，虽然东部、中部和西部省域均对酒店供应采取了相应措施与政策，但东部省域相比中部和西部省域的改善效果明显，而西部省域则出现了最为严重的酒店供应不协调、不匹配现象，更需根据实际旅游需求，对酒店供应进行重新调整与规划。除酒店供应外，只有西部省域的经济水平存在显著消极溢出效应，但显著性水平仅为10%，西部省域的顯著消极溢出效应多因省域之间的较少合作和客源竞争导致，所以西部应更多注意省域之间的经济交流和合作，以达到入境旅游发展的协作共赢。第二，模型自变量的其他显著影响因素都出现积极促进效应。（1）经济水平是酒店供应、旅游资源、交通设施、开放程度等多个方面的经济投入来源，与其他4种影响因素对入境旅游发展的积极促进力度较为相似，经济水平从经济投入层面促进入境旅游发展，由此凸显了经济水平对入境旅游长期发展的重要作用。同时，旅游资源是旅游资源、开放程度、交通设施、酒店供应4种影响因素中积极效应系数值最大的影响因素，从而奠定了旅游资源作为入境旅游发展的基础地位。加强旅游资源建设和经济水平发展始终是入境旅游发展的重要途径。（2）东部省域入境旅游已取得了境外游客的普遍认可，同时已具备较高的国际影响力，开放程度已成为影响东部省域入境旅游发展较为微弱的因素，但对中部和西部省域则起到很好的积极效应。中部和西部省域需要更多注重入境旅游发展的对外开放程度，可通过物质、信息、服务等多种途径以增加入境游客对中部和西部的认可度和向往度。（3）交通设施在中部省域呈现出非常强劲的溢出效应，即对其他省域入境旅游发展起到很好的交通可达效应，而东部省域交通设施的高速发展对入境旅游发展起到很好的促进作用，西部省域的交通设施建设则较为滞后，还不足以对入境旅游发展起到很强的促进作用。西部省域的交通设施需要进行长期大规模、高质量的规划建设，以使入境旅游发展更上一个台阶。

根据研究背景的实际情况进行全面考虑与合理设计，从而构建基于扩散转移矩阵的空间计量系统模型，能够科学反映区域入境旅游发展影响效应研究的实际情况，以提供相比已有研究模型更为可靠的实证研究结论，不仅可为旅游相关的政府部门、行业机构、研究学者提供更为确切的科学信息，而且可作为旅游目的地发展的空间计量建模与分析借鉴。区域入境旅游发展将会是一个长期话题，不同时期将会呈现不同的显著影响因素。然而，“一带一路”象征着以“走出去”为主要特征的全球化新时代的到来[46]，将会对世界经济、政治等格局产生深远影响，不仅为我国入境旅游市场拓展指明发展方向，而且能够为入境旅游市场开发创造新的条件和平台，从而带来我国区域入境旅游发展的格局变化[45]。相关学者已从区域入境旅游空间优化布局、政策协调以及路径优化等方面进行了初步探索[47-48]，随后区域入境旅游发展与国际客源市场之间的互动机制和合作深化可为进一步研究的切入点，以明确区域入境旅游不同阶段发展影响因素的趋势状况，从而对各种影响因素进行有针对性的调整规划和政策导向，以合理协调入境旅游发展的投资计划，有效完善入境旅游发展的促进措施，最终达到区域入境旅游投入的最大价值产出，实现长期可持续繁荣发展。

参考文献（References）

[1] 中华人民共和国文化和旅游部. 中国旅游统计年鉴2018[M]. 北京： 中国旅游出版社， 2018： 1-15. [Ministry of Culture and Tourism of the Peoples Republic of China. The Yearbook of China Tourism Statistics 2018 [M]. Beijing： Tourism Education Press， 2018： 1-15.]

[2] LIM C. A meta-analytic review of international tourism demand [J]. Journal of Travel Research， 1999， 37（3）： 273-284.

[3] SONG H， LI G. Tourism demand modelling and forecasting： A review of recent research [J]. Tourism Management， 2008， 29（2）： 203-220.

[4] LI X， PAN B， LAW R， et al. Forecasting tourism demand with composite search index [J]. Tourism Management， 2017， 59（2）： 57-66.

[5] BAL?Z V， MITSUTAKE M. Japanese tourists in transition countries of Central Europe： Present behavior and future trends [J]. Tourism Management， 1998， 19（5）： 433-443.

[6] ANDRAZ J M， RODRIGUES P M M. Monitoring tourism flows and destination management： Empirical evidence for Portugal [J]. Tourism Management， 2016， 56（5）： 1-7.

[7] OKAFOR L E， KHALID U， THEN T. Common unofficial language， development and international tourism [J]. Tourism Management， 2018， 67（4）： 127-138.

[8] LEE S H， CHOI J Y， YOO S H， et al. Evaluating spatial centrality for integrated tourism management in rural areas using GIS and network analysis [J]. Tourism Management， 2013， 34（1）： 14-24.

[9] ASERO V， GOZZO S， TOMASELLI V. Building tourism networks through tourist mobility [J]. Journal of Travel Research， 2016， 55（6）： 751-763.

[10] 吳良平， 张健. 危机事件及政策变动对中国入境旅游的影响研究——基于剔除直接价格效应的中国入境旅游收入[J]. 旅游学刊， 2013， 28（3）： 29-37. [WU Liangping， ZHANG Jian. Impact study of crisis events and policy changes on Chinas inbound tourism based on Chinas inbound tourism receipts that eliminated the direct price effect [J]. Tourism Tribune， 2013， 28（3）： 29-37.]

[11] 吴良平， 张健. 入境游客在中国区域的动态分布及其预测研究——基于带虚拟变量的ARIMA模型[J]. 旅游学刊， 2015， 30（11）： 74-86. [WU Liangping， ZHANG Jian. Research on the dynamic distributions of inbound tourists in Chinas regions and dynamic distribution forecasts Based on the ARIMA model with the dummy variables [J]. Tourism Tribune， 2015， 30（11）： 74-86.]

[12] 李秋雨， 朱麟奇， 刘继生. 中国入境旅游的经济增长效应与空间差异性研究[J]. 地理科学， 2017， 37（10）： 1552-1559. [LI Qiuyu， ZHU Linqi， LIU Jisheng. Spillover effects and spatial differences of inbound tourism on economic growth in China [J]. Scientia Geographica Sinica， 2017， 37（10）： 1552-1559.]

[13] 李创新， 马耀峰， 贺雅坤， 等. 1994—2008年西部入境旅游典型省份客流集散时空动态研究——以陕西、四川、云南为例[J]. 旅游学刊， 2011， 26（7）： 12-19. [LI Chuangxin， MA Yaofeng， HE Yakun， et al. Research on the spatial and temporal dynamics of the concentration and diffusion of inbound tourist flows in Chinas western regions from 1994 to 2008： Taking Shaanxi， Sichuan and Yunnan province as an example [J]. Tourism Tribune， 2011， 26（7）： 12-19.]

[14] 刘军胜， 马耀峰， 李振亭. 1997—2010年中部六省入境旅游流集散时空动态分析[J]. 地理科学， 2013， 33（4）： 450-456. [LIU Junsheng， MA Yaofeng， LI Zhenting. The Spatio-temporal dynamics evolution of the concentration and diffusion of inbound tourist flows in six provinces of central China in 1997—2010 [J]. Scientia Geographica Sinica， 2013， 33（4）： 450-456.]

[15] 吴良平， 张健. 中国入境客流区域集散的结构差异与转移规律研究[J]. 旅游科学， 2017， 31（6）： 14-29. [WU Liangping， ZHANG Jian. A study on the structural difference and transfer law of regional concentration and diffusion of inbound tourist flows in China [J]. Tourism Science， 2017， 31（6）： 14-29.]

[16] 刘法建， 张捷， 陈冬冬. 中国入境旅游流网络结构特征及动因研究[J]. 地理学报， 2010， 65（8）： 1013-1024. [LIU Fajian， ZHANG Jie， CHEN Dongdong. The characteristics and dynamical factors of Chinese inbound tourist flow network [J]. Acta Geographica Sinica， 2010， 65（8）： 1013-1024.]

[17] 马耀峰， 林志慧， 刘宪锋， 等. 中国主要城市入境旅游网络结构演变分析[J]. 地理科学， 2014， 34（1）： 25-31. [MA Yaofeng， LIN Zhihui， LIU Xianfeng， et al. The evolution of network structure of inbound tourist in major cities of China [J]. Scientia Geographica Sinica， 2014， 34（1）： 25-31.]

[18] KHADAROO J， SEETANAH B. Transport infrastructure and tourism development [J]. Annals of Tourism Research， 2007， 34（4）： 1021-1032.

[19] CORTESJIMENEZ I， PULINA M. Inbound tourism and long-run economic growth [J]. Current Issues in Tourism， 2010， 13（1）： 61-74.

[20] SHI R Y， JI S B， WANG X Z， et al. Impacts of star-rated hotel expansion on inbound tourism development： Evidence from China [J]. Applied Economics， 2016， 48（32）： 1-16.

[21] ZHANG H Q， KULENDRAN N. The impact of climate variables on seasonal variation in Hong Kong inbound tourism demand [J]. Journal of Travel Research， 2017， 56（1）： 94-107.

[22] 苏建军， 孙根年， 赵多平. 交通巨变对中国旅游业发展的影响及地域类型划分[J]. 旅游学刊， 2012， 27（6）： 41-51. [SU Jianjun， SUN Gennian， ZHAO Duoping. The impact of great changes of transportation on the development of Chinas tourism industry and division of regional types [J]. Tourism Tribune， 2012， 27（6）： 41-51.]

[23] 张世兵. 湖南省入境旅游发展与经济增长的关系研究[J]. 经济地理， 2013， 33（7）： 182-186. [ZHANG Shibing. Study on the relationship between inbound tourism development and economic growth in Hunan province [J]. Economic Geography， 2013， 33（7）： 182-186.]

[24] 宣国富. 中国入境旅游规模结构的省际差异及影响因素[J]. 经济地理， 2012， 32（11）： 156-161. [XUAN Guofu. Study on the provincial difference and its influencing factors of the size structure of Chinas inbound tourism [J]. Economic Geography， 2012， 32（11）： 156-161.]

[25] 唐承财， 宋昌耀， 厉新建. 河北省入境旅游规模差异及影响因素分析[J]. 人文地理， 2014， 29（5）： 155-160. [TANG Chengcai， SONG Changyao， LI Xinjian. Analysis of disparity of inbound tourism rank and scale and its influencing factors cities in Hebei province [J]. Human Geography， 2014， 29（5）： 155-160.]

[26] 趙东喜. 中国省际入境旅游发展影响因素研究——基于分省面板数据分析[J]. 旅游学刊， 2008， 23（1）： 41-45. [ZHAO Dongxi. Study on the influencing factors of the development of Chinas provincial inbound tourism——Analysis based on the provincial panel data [J]. Tourism Tribune， 2008， 23（1）： 41-51.]

[27] 万绪才， 王厚廷， 傅朝霞，等. 中国城市入境旅游发展差异及其影响因素——以重点旅游城市为例[J]. 地理研究， 2013， 32（2）： 337-346. [WAN Xucai， WANG Houting， FU Chaoxia， et al. The intercity difference and influencing factors of inbound tourism development in China： Taking the major tourism cities as an example [J]. Geographical Research， 2013， 32（2）： 337-346.]

[28] 姚云霞， 管衛华， 李在军. 江苏省入境旅游流的时空演变及影响因素分析[J]. 旅游科学， 2016， 30（5）： 52-62. [YAO Yunxia， GUAN Weihua， LI Zaijun. An analysis of the temporal-spatial evolution of inbound tourist flow of Jiangsu province and its influencing factors [J]. Tourism Science， 2016， 30（5）： 52-62.]

[29] YANG Y， WONG K K F. A spatial econometric approach to model spillover effects in tourism flows [J]. Journal of Travel Research， 2012， 51（6）： 768-778.

[30] YANG Y， FIK T. Spatial effects in regional tourism growth [J]. Annals of Tourism Research， 2014， 46（3）： 144-162.

[31] ROM?O J， NIJKAMP P. Impacts of innovation， productivity and specialization on tourism competitiveness： A spatial econometric analysis on European regions [J]. Current Issues in Tourism， 2019， 22（10）： 1150-1169.

[32] 赵磊， 方成， 吴向明. 旅游发展、空间溢出与经济增长——来自中国的经验证据[J]. 旅游学刊， 2014， 29（5）： 16-30. [ZHAO Lei， FANG Cheng， WU Xiangming. Tourism development， spatial spillover and economic growth： An empirical evidence from China [J]. Tourism Tribune， 2014， 29（5）： 16-30.]

[33] 杨维琼， 张华. 外国人来华旅游的空间计量经济分析[J]. 旅游学刊， 2015， 30（9）： 16-24. [YANG Weiqiong， ZHANG Hua. A spatial econometric analysis of Chinas inbound tourism [J]. Tourism Tribune， 2015， 30（9）： 16-24.]

[34] 王坤， 黄震方， 余凤龙， 等. 中国城镇化对旅游经济影响的空间效应——基于空间面板计量模型的研究[J]. 旅游学刊， 2016， 31（5）： 15-28. [WANG Kun， HUANG Zhenfang， YU Fenglong， et al. Spatial effects of Chinas urbanization on tourism economic development： Empirical research based on the spatial panel econometric model [J]. Tourism Tribune， 2016， 31（5）： 15-28.]

[35] 殷杰， 刘雅芳， 杨东旭，等. “一带一路”沿线欧洲诸国旅游开放度研究[J]. 经济地理， 2017， 37（6）： 190-197. [YIN Jie， LIU Yafang， YANG Dongxu， at al. Study on tourism openness of European countries along the “B&R” [J]. Economic Geography， 2017， 37（6）： 190-197.]

[36] 王彩萍， 刘方方， 代姗姗. 跨国酒店集团在华区位分布及其影响因素——基于空间计量模型的实证分析[J]. 旅游学刊， 2018， 33（8）： 83-95. [WANG Caiping， LIU Fangfang， DAI Shan-shan. Multinational hotel groups location choices in China： A spatial econometric analysis [J]. Tourism Tribune， 2018， 33（8）： 83-95.]

[37] 杰弗里﹒M﹒伍德里奇. 计量经济学导论： 现代观点（第五版）[M]. 北京： 中国人民大学出版社， 2015： 150-153. [JEFFREY M W. Introductory Econometrics： A Modern Approach （the 5th Edition） [M]. Beijing： China Renmin University Press， 2015： 150-153.]

[38] 埃尔霍斯特·J·保罗. 空间计量经济学： 从横截面数据到空间面板[M]. 肖光恩，译. 北京： 中国人民大学出版社， 2015： 7-32. [ELHORST J P. Spatial Econometrics from Cross-sectional Data to Spatial Panels [M]. XIAO Guangen， trans. Beijing： China Renmin University Press， 2015： 7-32.]

[39] SONG H， WONG K K F， CHON K K S. Modelling and forecasting the demand for Hong Kong tourism [J]. International Journal of Hospitality Management， 2003， 22 （4）： 435-451.

[40] SONG H， GARTNER W C， TASCI A D A. Visa restrictions and their adverse economic and marketing implications—Evidence from China [J]. Tourism Management， 2012， 33（2）： 397-412.

[41] 吳良平， 张健. 危机事件下中国入境旅游的受损格局与影响机制研究[J]. 旅游科学， 2016， 30（5）： 37-51. [WU Liangping， ZHANG Jian. A study on the damage pattern and the impact mechanism of Chinas inbound tourism in crisis events [J]. Tourism Science， 2016， 30（5）： 37-51.]

[42] 王兆峰. 入境旅游流与航空运输网络协同演化及差异分析——以西南地区为例[J]. 地理研究， 2012， 31（7）： 1328-1338. [WANG Zhaofeng. Co-evolution and disparities between inbound tourism flow and air transport network in Southwest China [J]. Geographical Research， 2012， 31（7）： 1328-1338.]

[43] 廖力平， 刘春雷. 外商直接投资与中国进出口贸易额互动关系[J]. 工业技术经济， 2005， 24（8）： 48-50; 78. [LIAO Liping， LIU Chunlei. The interaction between foreign direct investment and Chinas import and export trade volume [J]. Journal of Industrial Technological Economics， 2005， 24（8）： 48-50; 78.]

[44] 黄毅. 我国旅游景区A级标准化管理研究[D]. 南昌： 江西财经大学， 2008. [HUANG Yi. Study on Class A Standardized Management of Tourist Scenic Spots in China [D]. Nanchang： Jiangxi University of Finance and Economics， 2008.]

[45] 吴良平， 张健. “一带一路”背景下入境客流集聚市场供给特征研究[J]. 旅游学刊， 2018， 33（7）： 40-51. [WU Liangping， ZHANG Jian. Research on the supply characteristics of the concentrated markets of inbound tourist flows under the background of “the Belt and Road” [J]. Tourism Tribune， 2018， 33（7）： 40-51.]

[46] 刘卫东. “一带一路”战略的科学内涵与科学问题[J]. 地理科学进展， 2015， 34（5）： 538-544. [LIU Weidong. Scientific understan-ding of the Belt and Road initiative of China and related research themes [J]. Progress in Geography， 2015， 34（5）： 538-544.]

[47] 梁琦， 蔡建刚. “一带一路”与我国区域旅游空间布局优化[J]. 吉首大学学报（社会科学版）， 2018， 39（3）： 39-47. [LIANG Qi， CAI Jiangang. The Belt and Road Initiative and the spatial layout optimization of regional tourism in China [J]. Journal of Jishou University （Social Science）， 2018， 39（3）： 39-47.]

[48] 马耀峰， 高杨. 新时代我国入境旅游政策协调与路径优化的审视[J]. 陕西师范大学学报（哲学社会科学版）， 2018， 47（2）： 30-36. [MA Yaofeng， GAO Yang. Review of Chinas tourism policy coordination and path optimization of inbound tourism in the new era [J]. Journal of Shaanxi Normal University （Philosophy and Social Sciences Edition）， 2018， 47（2）： 30-36.]

Spatial Econometric Modeling and the Influencing Factor Effects of Inbound Tourism Development in Chinas Provincial Regions

WU Liangping1，2， HU Jianmin3， ZHANG Jian4

（ 1. School of Business of Sichuan Normal University， Chengdu 610101， China; 2. V.C. & V.R. Key Lab of Sichuan Normal University， Chengdu 610068， China; 3. School of Economics and Management of Sichuan Normal University， Chengdu 610101， China; 4. School of Mathematical Sciences， University of Electronic Science and Technology of China， Chengdu 611731， China）

Abstract： The spatial econometric model has been effectively applied in tourism research and has solved some practical problems in the development of the tourism industry. However， the spatial weight matrix concentrates on the 0-1 matrix and inverse distance matrix， which can only indicate whether the provinces are adjacent and the inverse distance effect between provinces. Simultaneously， the spatial econometric model is limited to the spatial lag model， spatial error model and spatial Durbin model. However， the inbound tourist flow includes not only the tourist flow between the tourist source market and the tourist destination but also the one-way and two-way tourist flow between the tourist destination. Thus， inbound tourism has its own unique scenario of tourist flow diffusion transfer between Chinas provinces. Existing spatial econometric models for tourism research need further improvement and perfection because they cannot reflect or depict the actual scenario of inbound tourism very well.

According to the tourist flow transfers and development impact patterns of inbound tourism between China's provinces， in this paper， the diffusion transfer matrix is added as the spatial weight matrix of the model dependent variable lag to reflect the scenario of the tourist flow diffusion transfer of inbound tourism between Chinas provinces， and the impact of geographical spatial distance and crisis events are considered. Then the optimal spatial econometric model of regional inbound tourism development is constructed by starting with the most comprehensive generalized nested spatial model and introducing the spatial econometric model of tourism research based on ensuring the comparability of research variables over the years. The direct effect， spillover effect and total effect of the models significant influencing factors are also evaluated and analyzed， and some suggestions are provided for the development of regional inbound tourism. The results show the following： （1） When tourism resources， opening degree， transportation facilities and hotel supply are independent variables， the optimal spatial econometric models for the national， eastern， central and western provinces are the spatial Durbin model， spatial lag model， independent variable spatial lag model and generalized autocorrelation spatial model， respectively. When the economic level is an independent variable， the optimal spatial econometric models for the national， eastern， central and western provinces are the spatial lag model， generalized autocorrelation spatial model， ordinary linear regression model and spatial Durbin model， respectively， between inbound tourism development and the economic level. （2） The influencing factors with significant negative effects among the independent variables concentrate almost entirely on hotel supply， and strengthening tourism resources construction and economic development are always important approaches to inbound tourism development. Furthermore， the degree of openness has a weak impact on eastern provinces， but has a good positive effect on central and western provinces， whereas transportation facilities demonstrate a very strong spillover effect in central provinces.

According to the actual scenario of the development of inbound tourism， a relatively optimal spatial econometric model for inbound tourism development is constructed， which not only provides more accurate scientific information for tourism-related government departments， industry organizations and research scholars but also serves as a reference for the spatial econometric analysis of tourism destination development. Regional inbound tourism development is a long-term topic， and different periods present different significant influencing factors. By clarifying the current development of regional inbound tourism， we can implement planning adjustment and policy guidance for various influencing factors to rationally coordinate the investment plan of inbound tourism development， effectively improve the promotion measures of inbound tourism development， and ultimately achieve the maximum value output of regional inbound tourism input and achieve long-term sustainable prosperity and development.

Keywords： inbound tourism; diffusion transfer matrix; spatial econometric model; direct effect; spillover effect

[責任编辑：吴巧红;责任校对：王    婧]

引用格式：吴良平， 胡健敏， 张健. 中国省域入境旅游发展的空间计量建模与影响因素效应研究[J]. 旅游学刊， 2020， 35（3）： 14-27. [WU Liangping， HU Jianmin， ZHANG Jian. The spatial econometric modeling and influencing factor effects of inbound tourism development in Chinas provincial regions[J]. Tourism Tribune， 2020， 35（3）： 14-27.]

[基金项目]本研究受国家社会科学基金青年项目“‘一带一路背景下入境旅游统计分析及优化布局研究”（16CGL026）和可视化计算与虚拟现实四川省重点实验室项目“复杂旅游需求的预测建模及统计分析”（SCVCVR2016.03VS）共同资助。[This study was supported by grants from the National Social Science Foundation of China （to WU Liangping） （No. 16CGL026） and Visual Computing and Virtual Reality Key Laboratory of Sichuan Province（to WU Liangping） （No. SCVCVR2016.03VS）.]

[收稿日期]2018-10-13; [修订日期]2019-05-08

[作者简介]吴良平（1987—），男，四川遂宁人，博士，副教授，研究方向为应用统计分析、旅游需求建模与预测，E-mail： wuliangping6@sina.com，通讯作者;胡健敏（1985—），女，湖北武汉人，博士，助理研究员，研究方向为计量经济学、区域经济学，E-mail： 252751550@qq.com;张健（1964—），男，四川苍溪人，博士，教授，博士生导师，研究方向为应用统计分析、数学物理方程，E-mail： zhangjiancdv@sina.com。