基于空间自相关的我国旅游业空间发展格局研究VIP免费

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321004）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Moran’sI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(spatialclusters)以及空间孤立型(spatialoutliers)，并对其成因进行了简要分析。通过空间变化情况，得出我国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（SpatialAutocorrelationAnalysis）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（Cliffetal,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7650亿元人民币，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（GlobalSpatialAutocorrelation）和区域型（LocalSpatialAutocorrelation）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(Cliffetal,1981)：I=(n∑i=1n∑j=1nwij)∑i=1n∑j=1nwij(yi−y)(yj−y)∑i=1n(yi−y)2(1)式中，n是变量x的观测数；xi、xj分别为位置i和位置j的观测值；x是所有观测值的平均值；wij是空间权重矩阵值。I的取值一般在[-1，1]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（localMoran）和局...