国内大循环背景下黑龙江省域...展分析——基于百度指数数据_武刚.pdf

一、引言为应对逆全球化趋势、新冠肺炎疫情，以及“十四五”时期更加严峻复杂的内外部环境，国家主席习近平于2020年提出了构建以国内大循环为主体、国内国际双循环相互促进的新发展格局。1这一指导思想引起了我国学者的广泛关注。学者们纷纷对内循环背景展开了较为深入的研究。内循环是指使用国内的资源要素进行生产，并将生产的产品或服务向国内市场提供的循环过程。旅游与内循环是相互推动，相互促进的一种关系。一方面，提升内循环的战略地位，为旅游业的发展带来了重大机遇；另一方面，由于旅游业特有的辐射和联动作用可以有效地拉动消费、增加就业、促进经济增长，蕴含着内循环发展所需的强劲动能，将极大地促进内循环的发展。黑龙江省位于中国的东北部，是我国最重要的对俄边境旅游区和“一带一路”中蒙俄经济走廊的重要节点。黑龙江省旅游资源丰富，作为中国最北的省份具有世界顶级的冰雪旅游资源。但由于2020年受到新冠肺炎疫情的影响，旅游收入和旅游游客人数均有较大幅度的下降，而国际旅游人数和旅游收入下降则更是明显。通过对黑龙江省统计公报数据计算，2020年与上一年相比国内旅游人数下降了33.86%，国内收入下降了国内大循环背景下黑龙江省域旅游信息流网络结构发展分析基于百度指数数据武刚，卢佳欢（黑龙江财经学院管理学院，哈尔滨150016）摘要：本文以百度指数为数据来源，通过社会网络分析法，对2017-2020年黑龙江省域内13个城市和地区旅游信息流网络空间结构特征及影响因素进行分析。研究发现，受新冠疫情影响，2020年黑龙江省域内整体网络关系弱化现象明显。在网络节点空间特征方面，哈尔滨作为黑龙江省会城市马太效应显著，是主要的旅游信息集散中心。黑龙江省域内各地区市场并没有形成明显的旅游信息流集聚化、一体化空间关联发展特征。除2020年外，哈尔滨、齐齐哈尔、牡丹江、伊春、鹤岗等5个城市均为主要中转中心，哈尔滨一直领跑其他各个城市和地区。最后，根据分析结果结合国内大循环（简称内循环）背景提出了加大政府政策支持、加快旅游需求侧结构性改革、推动经济社会高质量发展和加强旅游人才队伍建设等4条建议。关键词：“内循环”；旅游信息流；社会网络分析法；百度指数中图分类号：F592.7文献标识码：A文章编号：1674-344X（2023）01-0053-07收稿日期：2022-10-10基金项目：黑龙江财经学院校级项目“内循环 背景下旅游管理专业产教融合带动区域旅游空间发展模式研究”（XJYB202230）；黑龙江财经学院校级项目“基于 双院联合 育人模式的旅游管理专业高技能人才培养研究”（XJQN202255）；黑龙江财经学院校级项目“产教融合背景下应用型本科院校旅游酒店类专业 双岗两台 型教师队伍建设研究”（XJYB202229）作者简介：武刚（1987-），男，黑龙江哈尔滨人，讲师，硕士，研究方向为区域旅游经济发展、创新创业人才培养。卢佳欢（1992-），女，黑龙江佳木斯人，讲师，硕士，研究方向为生态旅游、旅游教育。2023年1月湖北第二师范学院学报Jan.2023第40卷第1期Journal of Hubei University of EducationVol.40 No.153湖北第二师范学院学报2023年第1期38.30%，国际人数下降了85.10%，国际收入下降了99.97%。与国内旅游相比，黑龙江国际旅游的发展受到的影响更为严重，国际收入近似下降了100%。面对严峻的形势，黑龙江需依托内循环背景，逐步恢复、提升旅游的发展，首先重点盘活省内旅游，通过省内游客带动省外游客，旅游发展带动其他经济发展。目前对于内循环背景下我国旅游的发展，相关研究的数量还不足，且研究方法多偏于定性分析。因此，应增加运用量化进行分析，从而能够更加全面、客观地对我国内循环的发展进行研究。这就往往需要借助各区域间的旅游经济流、游客流等数据，然而在研究过程中有关的数据获取难度较大，且数据容易失真，为相关研究带来较大的困难。随着信息技术的不断发展，越来越多的潜在游客通过网络平台搜索旅游相关信息，进而形成了复杂的网络信息流动过程，这一过程往往伴随着一定的流量和流向，因此也成为研究的重点方向。2目前，对于旅游信息流的研究，主要以作用机制3、影响因素4、耦合分析5、地理衰减规律6、游客量预测7、网络结构特征等维度展开，通过运用网络分析法8、地理探测器9等研究方法，对国家4、省域10、市县11等区域进行不同程度的研究。因此，很多学者通过借助旅游信息流来对游客量7和各区域间网络结构特征11进行预测。在2006年，我国最大的搜索引擎运营商百度公司推出了百度指数。12百度指数所具有的前兆效应13，可以反映一个城市的旅游发展规模与出行需求潜力。已经被证实，其与旅游信息流的相关关系较为显著14，在旅游网络关注度15、需求偏好分析16、流量预测17等研究领域得到了广泛使用的数据指标。通过借助百度指数数据获取便利优势，借助社会网络分析法探讨黑龙江省域的旅游信息流网络。不仅有助于促进黑龙江省域内旅游信息流的循环发展，同时对进一步深化、丰富其空间结构，促进区域旅游市场的整合优化有着重要的作用。基于上述原因，本文借助百度指数，通过Ucinet、ArcGIS等软件，对黑龙江省域内13个城市和地区旅游信息流量及流向进行衡量。通过社会网络分析法对黑龙江省域旅游信息网络结构特征、影响因素进行分析，希望能够为内循环发展背景下黑龙江省旅游业的发展做出一定的贡献。二、研究方法及数据来源（一）网络分析法可以将空间旅游信息流看作成一个复杂的网络系统，对于旅游信息流网络结构的研究，正是基于社会现象与社会结构的基础上进行的分析。在黑龙江省旅游信息流网络空间中，以黑龙江省内各主要城市和地区为节点，游客百度指数数据为边，以游客所在地和访问地为流向，访问数量为权重，刻画出黑龙江省内各主要城市和地区在旅游信息流网络中的相对地位和网络结构特征。（二）网络结构特征1.网络密度。网络密度可以表示城市间相互联系的密集程度。其为网络节点实际连接的数量与可能连接的最大数量的比值。通常情况下，整体网络密度越大，表明其在旅游信息流网络中，各城市间的旅游发展关系越紧密。182.核心度。在整体旅游信息流网络中，各城市之间的紧密度存在一定差异。一个城市的核心度越大，说明其在旅游信息流网络中的作用越强，即该城市是处于旅游信息流网络中核心的城市。反之，则说明其与其他城市间的旅游联系越松散，相互作用的强度较低，称为边缘城市。两者之间的称为半边缘城市。193.中心度。中心度是衡量节点网络地位和网络影响作用强度的重要指标。主要包括以下三个方面。（1）点度中心度：可以观察到各城市旅游信息流的规模水平和指向。包括出度和入度两个指标。出度指标代表其他地区对该地旅游信息的关注度。指标越高说明其旅游业的知名度与吸引力越大。入度指标是反映该地居民对其他城市旅游业发展的关注度，指标越高说明其成为其他地区客源地的可能性越大。（2）接近中心度：可以观察出各城市在整体旅游信息流中关联水平和旅游市场信息化协同度，其分为出度和入度两个指标。出度指标反映的是作为旅游目的地，各地区旅游信息流的紧密关联度，指标数据值越高，说明越容易形成目的地旅游市场集群化。入度指标反映各地区间目标客源市场一致性，数值越高越容易产生旅游营销的竞争性。（3）中间中心度：通过中间中心度可以观察出，该城市在旅游信息流网络中影响其他城市的能力，数值越高说明其在整体网络中的中介作用越明显。2054武刚，卢佳欢：国内大循环背景下黑龙江省域旅游信息流网络结构发展分析4.QAP相关分析考虑到变量与解释变量之间会存在一定的共线性，可能会对最终的分析结果产生影响，降低数据分析结果的准确性。因此，本文采用了QAP相关分析方法，QAP相关分析主要是用于对矩阵之间的关系进行运算，通过QAP相关分析可以探索各变量与旅游信息流之间的相互关系，并根据相关系数和P值来判定结果。如果P0.10，就在统计意义上表明所研究的两个矩阵之间存在较显著的关系。21目前该方法在社会网络研究中得到了广泛的应用。（三）数据来源本文借助百度指数数据，将黑龙江省域内13个地级市和地区作为研究对象。在前期搜索数据时，基于前人收集数据的方法，从数据的易获取性、易对比性，最终本文采用了“城市名+旅游”方式，收集了黑龙江省13个地级市和地区各月度数据的日游客百度指数的平均数据，并整理成2017-2020年4个完整自然年的游客百度指数数据（具体公式如下），其他变量数据均来源于 黑龙江统计年鉴。Yx=i=112aix*b其中Yx为Y城市对x城市的年度关注度，aix为i月Y城市对x城市的日均关注度，b为该月天数。三、黑龙江省域旅游信息流网络结构分析（一）旅游信息流整体网络分析从整体旅游信息流网络视角对黑龙江主要城市和地区进行网络分析，发现在2017年至2020年的这四年中网络关联度均为1，表明各个城市和地区之间存在一定的旅游信息流关联关系，没有孤立的地区。网络密度分别为0.929、0.974、0.917、0.840，部分城市和地区间可能出现旅游信息流关联弱化情况，其信息合作交流渠道仍有较大的提升空间。同时，整体网络效率水平历年差异较小，四年均值为0.011，总体的信息流关联性较小。具体见图1。图1黑龙江省域整体旅游信息流网络特征及接近中心度出入度数量变化通过Ucinet软件对黑龙江省域内边缘核心度计算发现，黑龙江省域内的“核心边缘”城市较为稳定，变化不大。哈尔滨一直是黑龙江省域内唯一的核心城市。哈尔滨作为哈长城市群的核心，在旅游知名度、旅游吸引、经济发展、政策支持力度、交通区位等方面具有省内其他城市和地区无法比拟的优势，马太效应显著。同时，大庆、伊春、齐齐哈尔、牡丹江一直处于半核心半边缘城市，2019年黑河和佳木斯加入这个增核心半边缘城市团体。（二）旅游信息流节点中心度特征分析1.旅游信息流规模水平与指向分析本文以各年份出度、入度平均值为坐标原点，以出度为横坐标，入度为纵坐标建立坐标系，将数据分为四个象限。如图2所示，2017-2020年中，哈尔滨均位于第I象限，是处于双高的城市，是黑龙江省主要的旅游信息流集散中心和核心的集散地。七台河、双鸭山、绥化、鸡西、鹤岗和大兴安岭等地一直处于第象限，这些城市和地区出度、入度均双低于平均值。说明上述城市与其他城市之间存在较低的旅游信息网络交换关系，55湖北第二师范学院学报2023年第1期最终在整体网络中处于相对封闭的状态，旅游市场边缘化明显。除大庆、黑河、齐齐哈尔、佳木斯外，其他城市并无变动。大庆一直处于出度较低、入度较高的第II象限，说明大庆的居民对于其他城市的旅游关注度较高，有一定的出游潜力，但受到其他城市和地区旅游的关注度不足。然而，由于新冠肺炎疫情的影响在2020年远距离出行受到了限制，省内近距离旅游得到了一定的发展，使大庆受到了省内游客较高的关注，从而跃到了第I象限的位置。黑河、齐齐哈尔、佳木斯也在不同时间先后从第象限提升到第IV象限，开始释放旅游发展的潜力。图2黑龙江各城市和地区点度中心度（受篇幅限制故只列出2020年图表）2.旅游信息流网络关联水平与旅游市场信息化协调度分析通过对比数据发现（如图1），2017年至2019年接近中心度出度的TOP1数量均不低于7个。但可能受到新冠肺炎疫情影响，2020年下降明显，TOP1的城市数量下降为3个，分别是哈尔滨、伊春和佳木斯。这三座城市一直位居TOP1，说明其已经成为省内规模化的旅游目的地，其重要作用在新冠肺炎疫情期间仍没有变动。在接近中心度入度方面，2020年哈尔滨、牡丹江和七台河等城市最高，且哈尔滨、牡丹江历年均稳居TOP1，其旅游信息流的外向流动规模等级较高，由于消费能力的相似性，导致了其客源目标市场一体化发展较为显著。3.各城市间旅游信息流紧密度分析黑龙江各主要城市和地区中间中心度的平均度在0.308-1.923之间。利用ArcGIS自然断点法，将黑龙江省域13个城市和地区划分为三个等级。在2017-2019年中，哈尔滨、齐齐哈尔、牡丹江、伊春、鹤岗等5个城市一直保持为第一等级。但可能由于新冠肺炎疫情的