0引言
近年来，旅游业作为新兴产业，成为各地区重点扶持的产业和全球发展的热点［1］。发展旅游业对于经济结构调整、产业结构优化、改善就业问题和增加居民收入等方面有着重要的意义。目前，全国各地纷纷将旅游业作为经济发展的支柱产业、先导产业、优势产业、重点产业等来培育［2－3］。入世后，旅游业面临着国际化竞争，国内各区域间旅游产业的竞争也愈加激烈。自然资源条件、地理位置、行政区域划分、政府发展政策导向等方面的因素导致了各地区旅游产业发展差异化的形成［4］。旅游产业发展要基于特定的区域条件，旅游产业竞争力不但依赖于区域的旅游资源禀赋和旅游企业的经营实力、管理水平，也与区域的社会、经济、政治、文化、环境等密切相关［5］。国外对旅游业竞争力的研究较早，以竞争力影响因素分析为重点。G．I．Crouch等以旅游目的地吸引力和形象为主，依托波特钻石理论，提出了旅游目的地可持续竞争力模型，扩展了旅游竞争力的研究方法［6］。M．J．Enright等采用重要性绩效分析法，从香港旅游从业人员角度对目的地吸引力、相对竞争力等方面进行评估［7］。M．F．Cracolici等采用多维数理统计分析方法，从游客舒适度和满意度方面对旅游地竞争力进行评估［1］。I．Mulec等采用基姆模型，从支持因素、资源因素、需求条件、管理条件和环境条件等方面分析塞尔维亚伏依伏丁地区的旅游竞争力［8］。国内研究主要关注影响因素的指标体系构建和评价方法，在选取评价指标方面还未形成严密的研究体系。区域旅游竞争力的评价分析主要集中在业绩和因素2个层次上。在业绩方面是以区域的旅游业绩状况来评价区域旅游业竞争力［5］。钱磊等通过旅游人数、旅游收入、旅游业就业人口比重等业绩指标反映旅游业发展的省区差异及变化［9］。刘月皓等选取交通业、餐饮业、住宿业等旅游相关行业业绩指标对山东省旅游产业结构进行了分析［10］。在因素方面是通过衡量旅游产业发展的经济条件、社会背景等多种影响因素分析区域旅游产业发展潜力。宿倩从外层环境因素、中层资源因素和核心层过程因素提出了城市旅游竞争力模型［11］。牛晓春等从公共生活环境、公共信息环境、经济开放环境与旅游接待能力方面对西北五省旅游环境竞争力进行了研究［12］。姜鹏鹏等从直接影响因素和间接影响因素两方面对旅游竞争力影响因素进行划分。前者是竞争力提升的直接驱动力，包括旅游基本资源、旅游企业、旅游产品、客源市场需求等。后者则包括旅游业发展的支持系统、保障系统和游客印象［13］。由此可见，业绩方法主要是从旅游业外部产出来分析旅游业的发展状况，而因素方法主要是从旅游业发展内部投入及相关方面的联动影响来分析旅游产业的发展潜力。但不论是业绩方法还是因素方法，已有研究均以区域的相关指标总量进行分析，未考虑到区域人口、面积等区域规模因素，这导致了评价结果的不够客观。国内对区域旅游竞争力的研究主要采用层次分析法(AHP)、方差分析法、因子分析法、专家打分法、偏离－份额分析法、线性回归分析法等。万绪才等采用层次分析法和德尔菲法，以旅游资源与产品条件、社会经济条件和其他条件3个因素为主，构建旅游业的国际竞争力评价模型，对江苏各城市的旅游竞争力进行了评估［14］。丁蕾等将城市旅游竞争力分为软、硬两类，并采用层次分析法对南京的城市旅游竞争力进行了研究［15］。董锁成等从旅游业发展动力、旅游业发展水平、旅游影响、旅游经济联系等方面，采用系统动力学的分析方法对城市群旅游竞争力进行了评价与测度［16］。葛军等则采用偏离－份额分析法，采集旅游相关行业的直接收入指标，对广东省旅游产业的竞争力进行了分析［17］。刘开兵则通过专家打分法及多目标线性加权综合评价模型对江苏省旅游业区域竞争力进行分析［18］。吴丽霞采用AHP法对河南省旅游竞争力进行了研究［19］。闫翠丽等则建立旅游现状竞争力、旅游环境支持力、旅游潜力竞争力3个层次的指标体系，采用因子分析法对中原城市群各城市的旅游竞争力进行了分析［20］。虽然以上方法均可对旅游产业竞争力进行评估，但也各自存在一些缺陷。此外，前人研究多以某个固定时间截面为基准研究区域旅游竞争力的差异，而很少关注区域旅游业竞争力动态变化。
1评价指标及方法
1．1评价指标
东部是中国经济最发达的地区，是人口、城市、港口的主要集聚地。作为对外开放的门户，东部各省份在旅游产业发展上占据着有利地位。东部旅游业的发展在全国起着引领效应，对中西部旅游业发展具有重要示范和带动作用。而由于资源、政策、经济、环境等因素的不同，东部地区各省份旅游产业发展状况存在一定的差异。选取东部地区有代表性的12个省份为研究对象，以全国平均值为参照，从《中国旅游统计年鉴》《中国区域统计年鉴》《中国统计年鉴》等年鉴中选取与旅游产业密切相关的20个指标，建立区域旅游产业竞争力评价体系。这些指标反映了旅游产业竞争力影响因素的大部分内容，具备客观性、代表性和权威性，并尽可能地减小信息的重复性。以国内旅游收入、国内旅游人数反映国内市场旅游绩效和游客行为，以国际旅游外汇收入、接待入境旅游人数反映国际市场旅游绩效和游客行为，以旅游业从业人数、星级饭店数、旅行社数反映旅游产业发展基本条件，以A级景区数反映区域旅游资源条件，旅游院校数、旅游院校学生数反映旅游行业发展潜力，以旅游总收入占GDP比重反映旅游业在地区经济发展中的地位，以人均GDP反映地区经济发展水平，以第三产业占GDP比重反映区域经济结构，以城市化率反映城市化水平，以居民消费水平反映地区居民消费能力，以城镇居民可支配收入反映区域居民收入和消费潜力，以固定资产投资总额反映区域的基础设施和物质条件，以等级公路密度反映区域交通条件，以森林覆盖率反映区域自然环境条件，以进出口总额反映区域对外贸易发展程度。由于省份规模不同，有的指标原始值很难反映实际。为了便于比较，消除区域人口规模、面积规模造成的影响，对A级景区数等资源指标除以区域的国土面积，对于除人均GDP、第三产业占GDP比重、城市化率、居民消费水平、旅游总收入占GDP比重、城镇居民可支配收入、森林覆盖率以外的其他指标除以区域当年的常住人口总数(万人)，构成相应的单位面积指标和万人均指标。
1．2评价方法
选用时序全局主成分分析法对旅游业竞争力进行评价。主成分分析(principalcomponentanalysis，PCA)是将多个变量通过线性变换以使变量个数减小的一种多元统计分析方法。经典主成分分析是假定有m个样本，每个样本共有n个变量，构成一个m×n阶的数据矩阵，目的在于寻找小于n的k个新变量，能反映大部分原始数据所含有的信息，并达到降维的目的［21］。新变量具有数据主体代表性，可以表示原始变量的线性组合，所以称为主成分。经典主成分分析只分析固定时间截面上的指标和样本，并未考虑到时间动态变化。时序全局主成分分析则是以主成分分析的原理为基础，综合连续的时间截面，通过全局主成分变换，将时序性立体数据变换为一个时序全局数据表。在统一的全局变量下，各年份的主成分具有相同的构成和计算方法，再将原始的全局数据表进行变换计算，就可以反映出全部对象的时序动态特性和系统的总体水平随时间的变化轨迹［22－24］。
2分析过程
收集2000—2013年各省份的20项指标数据，汇总在一张时序全局主成分分析表内。由于一些指标具有不同的量纲，在统计中，有的指标值数量级差异也很大，在使用主成分分析时无法进行统一的计算和比较。采用SPSS19．0的降维模块对数据进行降维分析，而SPSS软件在进行主成分分析之前可以采用正态分布模型对数据作标准化处理，消除量纲和数量级的影响，保证数据在统一的标准下进行计算。再利用SPSS软件得到衡量变量取样适当性度量的KMO值和检验变量卡方近似值、自由度的Bartlett球形检验的统计值(表1)。KMO检验值(0．806)大于0．7，表明各指标之所含信息有较多共同因素;Bartlett球形检验的显著性小于0．01(p=0．000)，表明各指标间相互独立，数据适合进行主成分分析。在主成分分析中，每个原始变量的方差都分为公因子方差和特殊因子方差，公因子方差越大，同一公因子对各变量所能提供的方差贡献的总和越高，重要性越强，特殊因子方差则是仅与变量本身变化有关。因此，公因子方差值就可以看作是原始变量经过因子转化后保留原各变量信息的解释程度［25］。从分析结果(表2)上看，每万人国内旅游收入、人均GDP、居民消费水平、每万人国内旅游人数、每万人国际旅游外汇收入、每万人进出口总额、每万人旅行社数、A级景区密度、等级公路密度、城镇居民可支配收入、旅游总收入占GDP比重、每万人固定资产投资额、城镇化率在第一主成分上载荷较高，与第一主成分关系系数较大。每万人旅游业从业人数、每万人星级饭店数、第三产业占GDP比重、每万人旅游院校学生数在第二主成分上的载荷较高，而森林覆盖率、每万人接待入境旅游人数则反映了第三主成分，每万人旅游院校数反映了第四主成分。
3结果测评
3．1旅游业竞争力地区差异
从旅游业发展综合得分来看，东部各省份之间旅游产业竞争力差距较大(图1)。其中，首都北京连续14年位于第一，上海作为长三角地区的龙头和国际化大都市，旅游产业竞争力排名第二(除2001，2002年)。浙江、天津、江苏、广东、海南、福建、辽宁和山东旅游竞争力评价指数F相差不大，均高于全国平均水平。而受地理位置、资源禀赋、开发状态和人口环境等因素影响，广西和河北旅游产业竞争力低于全国水平，排名位于后两位。总体上看，东部地区旅游产业竞争力高于全国水平。为了进一步对东部省份的旅游竞争力分类评价，采用SPSS中的系统聚类分析模块，以平方欧氏距离为度量标准，采用组间连接聚类的方法，对2013年12个省份的旅游竞争力综合得分进一步归类，其中北京、上海为竞争力Ⅰ类，其旅游竞争力综合水平最强，天津、广东、辽宁、浙江、江苏、福建、海南为竞争力Ⅱ类，其旅游竞争力稍弱，山东、河北、广西为竞争力Ⅲ类，竞争力最弱。
3．2旅游业竞争力动态变化
对2000—2013年东部各省份F值进行测评，反映各地区旅游产业发展的动态变化。2000—2013年，北京、上海、天津、浙江、海南、江苏、辽宁、山东、广西、河北的旅游业竞争力综合得分F值均呈上升态势，广东和福建的旅游业竞争力则呈现波动状态(图1)。与2000年相比，2013年各省份的旅游产业竞争力均出现不同程度的增强。其中，上海F值增幅最大，达到665．46%，国际大都市的品牌效应和优惠政策全面推动上海旅游业发展。基于北京市庞大的旅游市场带动、经济发展的推动、政府政策引导和对旅游业较大的投资力度，天津的旅游产业竞争力也出现大幅上涨，期间上涨了471．13%，增长率排名第二。河北的旅游产业竞争力评价指数仅上涨了85．91%，是东部F值增长率唯一一个低于全国平均水平(86．35%)的省份，旅游产业亟待全面提升。2000—2013年，广东省的F值先急速增长，后快速下降，波动后逐渐达到稳定。广东省2000—2005年间每万人接待入境旅游人数和每万人旅游业从业人数2个指标较大的变化幅度引起了F值出现峰值。这可能是由于香港、澳门回归后，凭借地理位置毗邻的优势，广东以港澳游客为主的入境游客数激增引起的旅游产业大发展，而后伴随着其他旅游地的分流效应，广东旅游产业发展逐渐降低热度，进入平稳模式，出现下滑而后缓慢增长。
3．3旅游竞争力预测方程
2000—2013年，东部12个省份的旅游产业竞争力基本呈上升状态，旅游产业竞争力指数F也有不稳定变化(广东)和趋于固定值(北京)等现象存在，为了更便捷、更精确地评价和预测旅游产业竞争力，构建线性回归模型对旅游竞争力指数F进行分析。为精简指标数目、简化计算过程、获得效率最大化的方程模型，选择最具代表性且对F值贡献率最大的指标，即在每个主成分上因子载荷最大的前两名，分别为每万人国内旅游收入、人均GDP、每万人旅游从业者人数、每万人星级饭店数、森林覆盖率、每万人接待入境旅游人数、每万人旅游院校数。为消除量纲和数量级的影响，对所有参评指标原始值取自然对数作为自变量，以相对应的F值为因变量。利用SPSS的回归分析模块，采用Stepwise的逐步回归方法，将自变量逐个引入方程，得到线性回归结果(表4)。
4结论与讨论
采用时序全局主成分分析法，从旅游市场、基础设施、经济、环境、交通等方面选取20个指标，对东部地区12个省份2000—2013年旅游产业竞争力进行测评。(1)东部地区省份之间旅游产业竞争力差异较大。北京旅游业产业竞争力最强，河北旅游产业竞争力最弱。随着旅游产业不断发展，地区之间旅游产业竞争力差距逐渐减小。与全国平均水平相比，除广西、河北外，东部地区各省份旅游产业竞争力均强于全国平均水平。(2)根据2013年旅游产业竞争力综合得分，东部地区12个省份可以分为三类:竞争力Ⅰ类为北京、上海;竞争力Ⅱ类为天津、江苏、广东、海南、福建、浙江、辽宁;竞争力Ⅲ类为山东、河北、广西。(3)2000—2013年东部各省份旅游竞争力呈不同动态变化状态。北京、上海、天津、浙江、福建、江苏、辽宁、山东、广西、河北呈上升状态，广东和福建呈波动状态。与2000年相比，2013年上海旅游竞争力综合得分上涨幅度为665．46%，涨幅最大，河北省涨幅仅85．91%，涨幅最小且低于全国的涨幅水平。(4)采用线性回归的方法，通过计算和筛选，以每万人国内旅游收入、每万人星级饭店数、每万人接待入境旅游人数、人均GDP为自变量，对旅游综合竞争力F构建方程，可对区域旅游业竞争力发展状况进行评价预测。研究所得结论与前人相关研究结论存在一定差异，如傅云新等认为广东旅游竞争力综合实力最强，广西旅游竞争力最弱［26］。刘宇峰等从省域角度上研究，认为广东省旅游竞争力最强，而海南省旅游竞争力最弱［3］。马晓龙等认为广东旅游竞争力排名第一，排在最后的是天津［27］。上述文献所采用指标均为总量指标，未考虑人口、面积等基本规模影响，且部分指标之间重叠性较强，结论不够客观。但本研究所选取的旅游竞争力评价指标体系也需要进一步地修正和完善，而关于旅游竞争力的预测模型也需要进行更科学合理的论证分析。
作者：朱鹤 刘家明 单位：中国科学院地理科学与资源研究所 中国科学院大学
