《基于空间自相关的我国旅游业空间发展格局研究》由会员分享，可在线阅读，更多相关《基于空间自相关的我国旅游业空间发展格局研究（7页珍藏版）》请在金锄头文库上搜索。
1、基于空间自相关的我国旅游业空间发展格局研究洪佳飞（浙江师范大学地理与环境科学学院，浙江 金华 ）摘要：选取具有一定跨度的典型年份各省旅游外汇收入统计数据，采用空间自相关方法分析了我国省级单元的旅游业发展分布空间特征和规律。结果表明，全国Morans I指数约为0.073，旅游外汇收入格局存在较弱的正空间自相关，旅游业发展呈多种类型，省域间有差异，呈现局部旅游区化的雏形。根据各省旅游外汇收入指标，结合空间自相关系数，将我国省域旅游业发展区域为2类：空间聚集型(spatial clusters)以及空间孤立型(spatial outliers)，并对其成因进行了简要分析。通过空间变化情况，得出我国
2、旅游业的发展格局的空间集聚性，呈现增强趋势。关键词：空间自相关；莫然指数；旅游外汇收入1 前言空间自相关分析（Spatial Autocorrelation Analysis）是对某一地理变量空间分布相邻位置间的相关性进行检验的一种统计方法，它是通过检测一个位置上的变异是否依赖于邻近位置上的变异来判断该变异是否存在空间自相关性（Cliff et al ,1981;Martin,1996）。多数地理现象都具有空间相关特性，即距离较近的两事物越相似。空间自相关是测试空间某点的观测值是否与其相邻点的值存在相关性的一种分析方法。空间自相关是区域化变量的基本属性之一，其统计量是检测研究区域内变量的分布是
3、否具有空间依赖性、空间异质性、空间结构性。空间自相关具体表征的是同一个变量在不同位置上的相关性，若某一位置变量值高，其附近位置上该变量值也高，此时称为正空间自相关，反之则称为负空间自相关。空间自相关自1950年Moran等提出以来，已经被广泛应用于多个研究领域，如数字图象处理、流行病学调查、生物学、区域经济、生态学、社会学领域的空间规律分析。国内的相关研究主要集中在生态学、生物学、土壤学、流行病学等领域1。从十一届三中全会以来我国旅游业取得了显著成绩，对国民经济发展起到了巨大的推动作用。本文选择除港澳台以外1997、2002、2007年各省份旅游外汇收入为分析对象，运用空间自相关方法对数据进行
4、处理，从外汇收入入手，对我国旅游业发展格局进行分析研究，分析各地区的之间的地域分异情况，进而发现我国旅游业发展的一些特征。2 材料与方法2.1 旅游业发展状况经过30年的发展，旅游业在国民经济中的地位逐步提高，旅游收入逐年增多，呈现出强劲的发展势头。2005 年中国旅游总收入预计可达到7 650 亿元人民币，与上年同比增长 12 %，比“九五”末期增长69 %，可见旅游业发展态势之强劲。以各年份旅游外汇收入总值作折线图（图1）。从图中我们可以更加清晰的看到我国旅游业发展的总体态势。除2003年（非典）以外整体处于平稳上升态势。图1 旅游外汇收入逐年变化趋势图(引自文献2)2.2 空间自相关指数
5、的计算计算空间自相关的方法有许多种，一般在功用上可大致分为两大类：全域型（Global Spatial Autocorrelation）和区域型（Local Spatial Autocorrelation）两种。2.2.1全域型空间自相关全域型的功能在于描述某现象的整体分布状况，判断此现象在空间是否有聚集特性存在，但不能指出在哪些位置聚集。Moran指数和Geary系数是两个用来度量空间自相关的全局指标。全局Moran指数I，计算公式如下(Cliff et al ,1981)： (1)式中，是变量的观测数；、分别为位置和位置的观测值；是所有观测值的平均值；是空间权重矩阵值。I的取值一般在-1，
6、1之间,小于0表示负相关；等于0表示不相关；大于0表示正相关。对于Moran指数，可以用标准化统计量Z来检验n个区域是否存在空间自相关关系，Z的计算公式为： (2)当Z值为正且显著时，表明存在正的空间自相关，也就是说相似的观测值(高值或低值)趋于空间集聚；当Z值为负且显著时，表明存在负的空间自相关，相似的观测值趋于分散分布；Z值为零时，观测值呈独立随机分布。 2.2.2区域型空间自相关局部空间自相关分析主要分析各单元属性值在异质性空间的分布格局，可以度量每个区域与周边地区之间的局部空间关联程度。局部空间自相关分析方法有：空间联系的局部指标(LISA)，包括局部Moran指数（local Mor
7、an）和局部Geary指数（local Geary），Moran散点图，G统计量 。常用统计量为 Local Morans Ii，其计算公式如下4： (3)Moran 散点图用常见的平面坐标表示，横坐标是变量的标准化原始值,纵坐标是变量的标准化空间滞后值，回归直线的斜率就是 Moran I。常用来研究局部的空间不稳定性，它对空间滞后因子Wz和z数据对进行了可视化的二维图示。Moran散点图的4个象限，分别对应于区域单元与其邻居之间4种类型的局部空间联系形式，分别是“高-高”、“低-高”、“低-低”以及“高-低”。2.3 使用软件及数据处理分析本课题使用的数据处理与绘图软件主要是ArcView3
8、.2a，通过其计算莫然指数绘制莫然散点图，并且把局域莫然指数表现在中国政区图上，使数据分析更加直观简要。表1 1996年、2000年、2004年我国旅游外汇收入统计（除港澳台） 单位：百万美元地区1997年排名2002年排名2007年排名地区1997年排名2002年排名2007年排名北京224823115245803湖北170132841541317天津180113421177910湖南140143111364212河北97191671830921广东280115091187061山西3727752622223广西178123211257714内蒙古107151491954515海南10218
9、922330222辽宁2608550712288重庆105162181638218吉林5924862417925四川79212001751216黑龙江105162971464311贵州4426802512928上海131732275346732云南264741998609江苏40851050534694西藏3228522913527浙江3456928627085陕西22593511061213安徽64231242134419甘肃282954287029福建61441100421696青海33010301630江西4525722719624宁夏131231331山东20410472813527新
10、疆7122992216226河南952014520318203 计算结果3.1 全局空间自相关分析根据公式（1）原理，利用地理信息系统软件Arcview GIS，从中国地图中提取出大陆地区31个省份（除香港特别行政区、澳门特别行政区及台湾省）作为底图；利用 Microsoft Office Excel 2003 程序，将表1数据转存为DBF格式的数据表，导入Arcview GIS软件中。这样，就可以计算出相应年份中国旅游外汇收入的空间自相关指数（图2）。我国的3个典型年份的全局空间自相关指数较接近，约为0. 0.073，表明各省旅游外汇收入在一定的正空间自相关，但不太明显。三年中国旅游外汇收入
11、的空间自相关指数都是正值，说明中国各省份的旅游外汇收入指标具有空间自相关特征，旅游外汇收入相近的省份一直趋于空间集聚。旅游外汇收入较高的省份相对趋于与旅游外汇收入较高的省份相邻，旅游外汇收入较低的省份趋于与旅游外汇收入较低的省份相邻。从从图2可以看出，在变化趋势上，全局空间自相关指数由1997年的0.上升到2002年的0.和2007年的0.，说明近10 年来旅游外汇收入相近的省份的空间集聚程度一直在上升，各省份之间的聚集化力量在相对增强。图2 1997、2002和2007年中国旅游外汇收入的空间自相关指数变动3.2 局部空间自相关分析本研究利用区域型空间自相关指标结合 Moran散点图将旅游外
12、汇收入空间分布划分为 2种类型：“高-高”、“低-低”为空间聚集(spatial clusters) ，表示某省自身与其周围省份的旅游外汇收入都较高或较低，为高高相邻或低低相邻，二者的空间差异程度显著较小；“低-高”、“高-低”为空间孤立(spatial outliers)，表示某省自身旅游外汇收较高（或较低），而其周围省份的旅游外汇收入较低（或较高），为高低相邻，二者的空间差异程度显著较大。 3根据公式（3），计算出各省旅游外汇收入的局部空间自相关系数，并绘制计算结果专题图（图3），因三年的局部空间自相关系数较为接近，表现在图上并无变化，故只选用一张。由图3可以清晰看出，东北以及中西部地区大
13、多数省区空间聚集较为明显，结合其旅游外汇收入情况，可判断其为“低-低”空间聚集型；东部沿海省份（除北京市、广东省、上海市），旅游外汇收入也存在着一定的空间聚集性，属“高-高”空间聚集型，旅游发展水平普遍较高。而在中西部地区众多省市中，陕西省和云南省显得与众不同，其旅游外汇收入较高，旅游业比周围省市发达的多，属空间孤立型。北京市、广东省旅游外汇收入较高，在普遍较高的东部地区也显得较为突出，因此和周围省份相关性较差，也属于孤立型。图3 局部空间自相关系数分布图3.3 莫然散点图根据公式（2），将计算出的莫然指数进行标准化处理，并绘制莫然散点图（图4），相应象限的省份名称见表2。从图4和表2可以看出
14、，3个年份的Moran 散点图中，多数省份位于第三象限内，表现出正的空间自相关特征。属于“低低”型省份的数量很多，多位于中西部地区。从1997年至2007年十年中，这些地区的省份没有多大变化，说明这十年中西部省区并没有某个省份的旅游业异军突起，反而各省之间的空间聚集性表现的更加突出，旅游外汇收入都很低，且愈加接近。而十年中，“高高”型省区数量有所增加，在原本浙江、上海、福建3省的基础上，2007年江苏省也进入了“高高”型区域。Moran 散点图有助于发现非典型地区（偏离全局正的空间自相关的地区），即位于第二象限的“低高”型区域和第四象限的“高低”型区域5。由图4可知，这类省份数量较少，1997和2002年的“高低”型省份有江苏、北京和广东3个，2007年则变成辽宁、北京和广东3个，都是旅游外汇收入很高，与周围地区形成鲜明对比的省份，空间聚集性表现不是很明显。
