摘 要：基于促销政策视角探究贵州旅游网络关注度动态演变、空间差异对制定旅游促销政策具有重要理论与实践意义。利用百度指数数据，采用引力模型、季节集中度指数和引入旅游舒适度、出游半径及阻尼系数参考值，对贵州旅游网络关注度时空差异演变特征及原因进行研究，并采用IPA模型分析网络关注度与促销政策的匹配效应。结果发现：①贵州旅游网络关注度年际变化总体呈增长的趋势，月度分布集中在4—10月；②门票和过路费优惠促销政策显著拉高了年际网络关注度。旅游旺季促销加剧了季节性，淡季“大力”促销有“平衡”季节性作用；③贵州旅游网络关注度空间分异呈现“本省、周边省份和经济发达省份关注度高”特征，1500 km半径内距离阻力是主要影响因素，1500~3500 km半径范围外经济发展水平为主要因素，优惠促销政策首次推出有明显促进效应，连续推出对经济发达省份会产生疲劳效应；④IPA矩阵的优势区分布于本省和周边经济发达省份，改进区以周边不发达省份和个别经济发达省份为主，机会区以偏远的经济不发达地区为主，意外区分布于距离稍远的经济发达省份。
关键词:网络关注度;促销政策;引力模型; IPA模型;贵州旅游;
Research on spatial-temporal differences and policy matching of Guizhou tourism
network attention
SHU Xiao-lin MIN Zhe-si HE Ya-lan LI Mei-qing
School of Business Administration, Guizhou University of Finance and Economics
Abstract：It is of great theoretical and practical significance to explore the dynamic evolution and spatial differences of Guizhou's tourism network from the perspective of promotion policy. Using Baidu index data, this paper used the gravitational model, seasonal concentration index and the introduction of tourist comfort, travel radius and damping coefficient reference values to study the temporal and spatial evolution characteristics and causes of the spatial and temporal differences in Guizhou tourism network attention, and used the IPA model to analyze the matching effect of network attention and promotion policies. The results showed that: ①The interannual change of tourism network attention in Guizhou generally showed an increasing trend, and the monthly distribution was concentrated from April to October. ②Preferential promotion policies for tickets and tolls had significantly increased the attention of the interannual network. Seasonal promotions exacerbate seasonality, and off-season "vigorous" promotions had a "balanced" seasonal effect. ③The spatial differentiation of the attention of Guizhou's tourism network presented the characteristics of "high attention of the province, neighboring provinces and economically developed provinces", the distance resistance within a radius of 1500 km was the main influencing factor, and the level of economic development outside the radius of 1500-3500 km was the main factor, and the first launch of preferential promotion policies had obvious promotion effects, and continuous introduction will had a fatigue effect on economically developed provinces. ④The advantage areas of the IPA matrix were distributed in the province and the surrounding economically developed provinces, the improvement areas were mainly in the surrounding underdeveloped provinces and individual economically developed provinces, the opportunity areas were mainly in remote economically underdeveloped areas, and the accident areas were distributed in economically developed provinces that were slightly farther away.
Keyword：network attention; promotion policy; gravity model; IPA model; Guizhou tourism;
0 引言
2019年，中国国内旅游人次达60.06亿人次，旅游总花费为5.72万亿元，新冠疫情前旅游大众化趋势明显，旅游市场巨大。旅游产业具有拉动消费、促进经济增长、带动就业等巨大功能，中国有30个省份把旅游业定位为支柱产业或重点培育产业[1]，随着旅游市场逐渐恢复，省域之间竞争将日趋加剧，旅游市场的争夺成为今后旅游经济活动的焦点，旅游促销政策成为制胜的重要手段。
随着互联网技术的广泛应用，游客基于出游需求，主动通过互联网跨时空搜索获取信息逐渐成为趋势。学者们利用游客搜索产生的大数据，运用计量方法、GIS法开展研究，并形成以下的研究方向：①网络关注度与客流预测关系的研究。国外一般运用Google搜索及Twitter数据进行预测研究，如Prosper利用Google趋势搜索和MIDAS模型提升旅游需求预测精确度[2]；Park等分析Twitter数据与邮轮游客量关系[3]。国内以百度搜索数据为主，如Huang利用百度指数测定北京故宫在“五一”小长假的游客数[4]。也有学者把百度搜索数据和Google搜索数据进行对比或综合分析，如Yang对比分析百度和Google的搜索数据与海南省游客量关系[5]；Sun认为综合谷歌指数与百度指数的KELM模型可以提高客流量预测精确度[6]。②关于网络关注度的时间和空间特征分布研究。学者们对网络关注时空特征分布研究较多，主要以景区[7,8,9]、旅游安全[10,11]、红色旅游[12]、体育旅游[13]、邮轮旅游[14]等作为研究对象进行时空特征分析。③关于网络关注度的影响因素研究。学者们认为，影响旅游关注度的因素主要有经济发展水平、旅游资源吸引力、网络发达程度、气候舒适度、媒体关注度和地理空间距离等[7,12]；史鹏等认为，政策、资金和地理位置影响冰雪运动网络关注度[15]；赵德森等提出了政府通过生产性、调节性、营销性和保护性行为影响旅游目的地形象[16]。
学者们同时也进行了旅游政策评价的探索。在研究方法上，Liu采用多维决策（MCDM）模型评价旅游政策执行情况[187]；Meng使用一般均衡（CGE）方法分析新加坡旅游政策对经济的影响效果[18]；薛福根等建立指标体系分析区域旅游政策效应[19]。在研究内容上，采用旅游收入数据，标对新加坡[18]、日本[20,21]等分析区域旅游政策效果；景秀丽探讨了政府形象宣传与游客实地形象感知之间差异[22]。
综上，学者们研究成果为本研究奠定了坚实基础，但是目前仍存在以下不足：一是在研究内容上，一是注重旅游关注度的时空差异特征和推力影响因素分析，缺少理论支撑，忽略了促销拉力作用；二是对经济推力、距离阻力和促销拉力如何影响关注度问题缺乏剖析；三是对宣传促销政策与游客的时间和空间匹配性研究少。二是在研究方法上，对宣传促销政策量化有待探究，基于IPA模型研究促销政策与潜在游客匹配性缺乏。
网络关注度与游客量之间关系密切[2,3,4,5,6]。贵州省位于云贵高原东部，旅游资源丰富，伴随“100个景区”的建成，旅游设施逐步完善，旅游服务不断提升，大力推广“山地公园省，多彩贵州风”品牌形象，积极举办旅游发展大会，开展“门票及小客车过路费优惠”等促销活动，旅游实现持续“井喷式”发展，旅游业已成为全省重要的支柱产业之一。贵州西南门户的地理区位，夏季气候凉爽，旅游吸引拉力大，旅游关注度高，游客接待数量多，贵州“十四五”提出将“旅游产业化”与“新型工业化、新型城镇化、农业现代化”作为促进贵州高质量发展的抓手之一，旅游地位突出，非常适合作为研究对象。因此，本研究以贵州作为研究区域，基于百度指数数据，采用引力模型、季节集中度指数和引入旅游舒适度、出游半径及阻尼系数参考值，对贵州旅游网络关注度时空差异演变特征及原因进行研究，并采用IPA模型分析网络关注度与促销政策的匹配效应，弥补当前文献旅游关注度时空差异影响因素忽略目的地旅游促销拉力作用不足，以期为各个省份制定旅游促销政策提供借鉴或参考。
1 理论基础、研究方法及数据来源
1.1 理论基础
在牛顿型(幂函数)和威尔逊型(指数函数)两种引力模型[23,24]基础上，旅游学者积极将引力模型在旅游研究中运用和改进[25,26,27,28]。李山等构建了旅游引力模型[29]，其一般形式为：
Tjk=KAkPjCjaexp(−βγjk)……………………………………………………………（1）
式中：Tjk代表j客源地与k目的地之间空间引力；Ak代表k目的地的吸引力；PjCja代表j客源地出游力，其中，Pj为人口规模，Cja为人均收入水平；γjk代表j客源地与k目的地之间距离；β代表空间阻尼系数。可见，客源地与目的地相互作用受到旅游客源地出游力、旅游目的地吸引力以及客源地与目的地之间广义距离影响，而旅游目的地吸引力是一个包含旅游资源与吸引物、基础与服务设施以及营销推广与品牌形象等综合变量[29]。网络关注度属于客源地与目的地相互作用的一种类型，也遵循此规律。因此，本研究引入上述模型，并修改和重新进行定义解释，计算公式为：
Njk=KAkPjCjaWjexp(−βγjk)…………………………………………………………（2）
式中：Njk代表k目的地受到j客源地的网络关注度；Ak代表k目的地对j客源地居民网络关注度的吸引拉力，包括旅游资源、旅游设施与服务、气候环境（从旅游资源剥离出）以及旅游促销（营销推广与品牌形象）等拉力；PjCjaWj代表j客源地居民对出游推力，其中，Pj为人口规模，Cja为人均收入水平，Wj为网络发展水平[13]（根据参考文献增加）；β代表空间阻尼系数，γjk代表j客源地与k目的地之间距离。
随着人们收入水平不断提高，移动网络逐渐普及，依据公式（2）进行假设：①客源地出游推力中的人口数量、网络发达程度，目的地吸引拉力中的旅游设施及旅游服务因素对网民关注度时空特征影响是均等的；②客源地与目的地的旅游资源存在同质和异质可能；③距离阻力（经济发展水平可能突破）、差异化旅游促销政策和旅游气候环境是网络关注度时空分异的主要因素。由此，本研究提炼出旅游目的地网络关注度时空分异形成机制（图1），并重点从经济发展水平、旅游促销政策、气候环境和距离阻力4个密切联系因素分析目的地网络关注度时空分异规律。
1.2 研究方法
季节集中度指数。网络关注度的季节集中度指数是用来研究旅游网络关注度时间分布情况的重要指标，具体表达如下：
E=∑i=112(Xi−8.33)2/12−−−−−−−−−−−−−−−−⎷………………………………………………………………（3）
式中：xi表示每月旅游网络关注度占全年的比值。E值越大，说明旅游网络关注度季节性强；反之，全年分布较平均。
IPA模型。为了更好地分析网络关注度与促销政策的匹配状况，本文用IPA(Importance-performance Analysis)模型[30]加以改进，将各省份潜在游客对贵州旅游网络关注度作为横轴，旅游促销政策力度作为纵轴，分为象限Ⅰ为优势区，象限Ⅱ为改进区，象限Ⅲ为机会区域，象限Ⅳ为意外区（图2）。
1.3 数据来源
网络关注度数据。本研究用百度指数代表网络关注度，具体操作是在百度指数平台键入关键词“贵州旅游”，获取2011年1月1日—2020年12月31日中国31个省份（因数据收集不便，故未包含我国香港特别行政区、澳门特别行政区和台湾地区）的贵州旅游网络关注度数据。
贵州旅游促销政策数据。贵州旅游促销政策数据的获得步骤为：①对《贵州年鉴（2011—2020）》中关于贵州国内旅游促销方式、实施时间和针对省份等资料进行收集、整理与统计；②对上述旅游促销方式，通过微信问卷星小程序，运用专家法，请32位专家进行3轮重要性排序，获得最终排序，并获得权重分值，基于节事活动对本省、周边省份、其他省份影响逐渐递减的原因，参照莫兰指数计算原理，节事活动在本省、周边省份、其他省份分别为权重分值的2倍、1倍和原始分值（表1）；③运用线性加权法，对各省份旅游促销力度进行计分统计并排序。
表1 旅游促销活动对游客出游影响大小排序及权重分值
2 贵州旅游网络关注度时空演变特征
2.1 贵州旅游网络关注度的时间差异
年际变化特征分析。本研究对2011—2019年贵州旅游网络关注度指数、旅游人次和旅游促销政策分值进行统计，结果如图3所示。由图3可知：第一，2011—2017年贵州旅游网络关注度呈快速增长的态势，增长率达到了290.34%，2018年回落，幅度达29.72%，2019年回弹，增长28.41%；第二，除2018年外，贵州旅游网络关注度与贵州国内旅游人次，总体趋势基本一致；第三，2015—2018年贵州旅游关注度指数与贵州旅游促销政策分值趋势一致，其余年份不吻合。上述结果表明：第一，贵州旅游网络关注度和国内旅游人次关系密切；第二，门票和小型客车高速过路费优惠促销政策显著拉高网络关注度。如，2011—2014年贵州旅游促销政策是以节事活动、目的地推介和电视广告等方式为主（表1）的阶段，促销力度呈下降趋势，但网络关注度逐年提高，可能2013年贵州推进“100个景区”建设和2014年首次开通高铁及宣传报道，使贵州旅游促销政策达到“事半功倍”效果；2016—2018年为以门票和小型客车高速过路费优惠为主的综合性促销阶段，显著拉高了贵州旅游网络关注度，但游客井喷式增长带来的排队等负面影响扩大，导致2018年关注度回落，2019年实施门票和小型客车高速过路费优惠政策范围扩大到除贵州以外的所有省份，网络关注度重新反弹。
月份变化特征分析。首先，贵州旅游网络关注度总体上集中在每年4—10月（图4）。其次，运用公式（3），计算出2011－2020年贵州旅游网络关注度的季节集中度指数分别为2.99、2.64、3.44、3.14、2.96、5.17、4.22、4.46、4.29、5.63，整体呈现先增大后高位震荡调整的变化态势，2016－2020年贵州旅游网络关注度季节集中度指数较2011—2015年显著增大。上述结果表明：第一，气候环境奠定了贵州旅游关注度季节性基本趋势。贵州属于亚热带高原季风气候，参照蔚丹丹旅游舒适度参数[31]（图5），旅游气候舒适度指数大于等于75为舒适。贵州每年4－10月舒适度指数高于70，6－8月份旅游舒适度超过了大部分省份，为旅游旺季，同时，“爽爽的贵阳，凉都六盘水”旅游宣传形象进一步强化了该趋势；第二，目的地旅游旺季促销加剧了贵州旅游关注度的季节性。2016—2019年贵州在旅游旺季实行门票和小型客车高速过路费优惠政策，增强了旅游网络关注度季节性；第三，目的地常规促销政策不如气候环境对网络关注度季节性影响深刻，但高强度促销政策比气候环境对网络关注度季节影响深刻。大多年份，旅游促销政策对季节性“平衡”作用不显著；但2015年的季节性指数较其他年份显著偏低，这由于在2014年年底，贵广高铁开通，贵州进行“高强度”促销，大幅降低了季节性指数，具体表现为2014年12月26日高铁开通日，旅行社组团景区门票免费；开通当日至2015年2月28日，游客凭高铁票在5日内景区门票5折，在贵阳、黔南州、黔东南州辖区星级饭店住宿凭高铁票酒店当日价8折以上优惠；3月1日至4月30日，在5日内景区门票7折；9月30日，在5日内凭高铁票温泉门票7折优惠。
“十一”长假的贵州旅游网络关注度分析。通过对比2011—2020年“十一”黄金周前后一周的贵州旅游的网络关注度（图6）发现：第一，2011—2020年，潜在游客对贵州旅游网络关注的时间趋势高度一致，在节前的9月26日网络关注度最低，到9月30日和10月1日达到顶峰，10月7日为节后最低，到10月9日又出现一个小高峰，然后逐渐平稳。表明节假日能够明显增加潜在游客网络关注度。第二，2011—2020年，“十一”黄金周期间的贵州旅游网络关注度逐年增长，尤其是2016—2020年较2011—2015年网络关注度大幅增加，这与贵州旅游年际网络关注度相对应。
2.2 贵州旅游网络关注度的空间分异
本研究对中国31个省份（未包含香港特别行政区、澳门特别行政区和台湾地区）的贵州旅游网络关注度及其季节性集中指数、贵州旅游促销政策分值序位进行统计，结果如表2所示。此外，引入出游半径和阻尼系数参考值[28]（表3），并以贵州旅游网络关注度空间分布图中贵州省最大内切圆为起点画出出游半径图（图7）。
表2 2011—2019年贵州旅游网络关注度季节性指数、规模序位和旅游促销值序位
贵州旅游关注度空间差异与阻力、推力分析。从表2可见：第一，2011—2019年，贵州、广东两省的网络关注度最高，序位在首位和第二位交替变动；第二，四川、湖南、重庆、北京、广西、浙江、江苏、云南等省份网络关注度较高，排名位居前十位，福建、江西、安徽常处于第16－23位，西藏、青海、宁夏、新疆、甘肃、海南、吉林、内蒙古等省份对贵州旅游关注度较低，稳定处于后十位；第三，上海、河北、山东、辽宁、天津对贵州旅游网络关注度的浮动较大，位序在第9－24位摆动。从上述发现可归纳出如下特点：一是贵州本省（以贵阳为中心约500 km范围）人关注最高；二是广东与1500 km半径外的北京、江苏、浙江等经济发达省份关注高；三是1500 km半径范围内的四川、重庆、湖南、云南、广西等贵州周边的省份关注度较高；四是西藏、青海、宁夏、甘肃、新疆、内蒙古、海南等距贵州较远、交通联系不便，经济不太发达省份关注低。上述结果表明：第一，500 km范围内的本省距离阻力小，本地驱动效应显著；第二，1500 km半径内，距离阻力是贵州旅游网络关注度的主要因素，经济发达程度为次要因素；第三，1500~3500 km半径范围外，经济发达程度是主要因素，距离阻力是次要因素，经济发达可突破距离阻力。
贵州旅游关注度与政策拉力分析。由表2可知：第一，对比2015年和2016年，浙江对贵州网络关注度序位由第六位提升为第四位，季节性集中度指数由1.56飙升为6.61，表明旅游优惠政策拉力对提升网络关注度发挥重要作用。如2016年G20放假期间（９月１—７日），对由浙来黔的游客实行门票全免，对“浙”小型客车行驶贵州境内高速公路实施免费通行优惠等政策，提升了浙江对贵州旅游的关注度（图8）。第二，2017—2018年，连续两年实行门票和高速公路优惠的有重庆、福建、浙江、江苏、湖南、湖北、广西7省份，2018年减去江西、陕西、安徽，新增广东、上海、四川；对比发现，重庆、湖南、浙江、广西重复优惠的省份关注度序位下降，江西、福建、湖北变化不明显，新增的广东、上海关注度序位上升，四川不变，这说明重复优惠政策具有“优惠疲劳”效应。第三，2019年对除贵州本省外其他省份实行优惠政策，关注度序位大幅下降的有北京、重庆、江苏、上海、湖北等省份，季节性集中度指数也降低；大幅上升的有黑龙江、陕西、辽宁、河北、山东、河南、吉林等省，其季节性集中度指数也随之变大，表明新增优惠、优惠疲劳效应都对经济发达的省份影响显著。第四，对比2011—2016年和2017—2019年，旅游优惠政策前后，江西、福建和安徽3省和青藏、西北地区省份对贵州旅游关注度规模序位变化不明显，表明优惠政策对地理距离阻力大、经济不太发达省份的拉力效应不显著。
3 贵州旅游关注度与促销政策IPA分析
根据贵州网络关注度与宣传促销政策IPA模型，利用表2中的贵州网络关注度规模序位和贵州宣传促销政策序位数据进行差异对比，序位在两位以内界定为宣传促销力度等于游客网络关注度，IPA模型结果如表4所示。由表4可知：第一，优势区有贵州本省，周边的四川、重庆，发达地区的江苏、浙江的部分年份，中部地区湖南、湖北部分年份，主要以1500 km半径内本省、周边较发达的省份及江浙发达省份为主；其特征为潜在游客对贵州网络关注度高，贵州宣传促销政策的力度大，二者耦合好，策略为继续保持。第二，改进区有贵州周边的云南、广西、湖南部分年份，沿海发达地区的上海、福建、辽宁及西部地区的陕西部分年份，以周边经济不太发达省份、发达地区个别省份及部分年份为主。其特征为潜在游客对贵州网络关注度小于促销政策的力度，策略为对该些省份的经济发达城市实施促销政策。第三，机会区有西藏、青海、宁夏、甘肃、新疆、内蒙古、海南、吉林、黑龙江等省份，也有安徽、江西、山西等中部省份的部分年份，以距离偏远、经济欠发达地区为主；其特征为潜在游客对贵州网络关注度低，促销政策的力度较小，策略为根据经济发展水平逐渐有序开拓对应市场。第四，意外区有广东、北京、江苏、浙江、山东等经济发达地区及河南、湖北的部分年份；其特征为潜在游客对贵州网络关注度大于促销政策的力度，获得更多意外的关注，策略为对促销政策进行遗漏分析，充分挖掘与释放政策促销潜力。
表4 贵州网络关注度与宣传促销政策IPA模型省份分布表
4 结论及启示
4.1 结论
本文较当前文献研究，主要贡献在：一是引入旅游引力模型，提炼旅游目的地网络关注度时空分异形成机制，并重点分析旅游促销政策、气候环境、经济发展水平和距离阻力如何影响网络关注度的时空分异，弥补了网络关注度影响因素研究缺乏理论基础，忽略目的地旅游促销政策影响因素研究等不足。二是采用IPA模型，对旅游促销政策与网络关注度的时空匹配效果进行分析，拓展了当前文献从旅游收入视角衡量旅游促销政策效果的研究视角，同时，在旅游促销政策量化方法上进行新的尝试。三是获得相应研判：①贵州旅游网络关注度年际变化呈现出快速增长的态势，门票和过路费优惠促销政策显著拉高了关注度。②贵州旅游网络关注度月度分布集中在每年4－10月，气候环境导致形成此格局，旺季促销加剧了季节性。③“十一”黄金周的关注时间高度一致，9月30日和10月1日达到顶峰。④贵州旅游网络关注度空间分布呈现“本省、经济发达省份和周边省份关注度高，距贵州远、交通联系不便、经济不太发达省份关注较低”分布特征。⑤空间分异受经济发展水平、距离阻力及旅游促销政策影响：一是500 km范围内的本省网络关注度高；1500 km半径内距离阻力是主要因素；1500~3500 km半径范围外经济发展水平为主要因素；二是首次推出的优惠促销政策对提升网络关注度效果较显著，连续优惠对经济发达省份会产生疲劳效应。⑥优势区以本省、周边较发达的省份为主；改进区以周边经济不太发达省份、发达地区个别省份及部分年份为主；机会区以青藏、西北、东北及华南的海南等偏远、经济欠发达地区为主；意外区以经济发达地区为主。
4.2 启示与讨论
针对上述结论，提出以下启示：首先，在旅游市场开发顺次上，要根据经济发达程度、距离远近（交通便捷）进行梯度顺序开发。其次，在促销方式选择上，门票和过路费优惠能够显著增加网络关注度，在旅游市场开拓阶段作用明显，但存在“疲劳”效应和增大季节性，减少景区企业利润等不足，不可持续，需建立以自媒体（UGC）、节会活动为主的综合性营销体系。第三，鉴于旅游淡季“大力”促销有“平衡”作用，可以采用节庆活动加门票、过路费优惠政策增加淡季旅游客源。
本文也存在不足：一是百度指数数据虽有很强的代表性，但其他的搜索引擎及短视频崛起，在数据全面性等有待拓展；二是旅游促销政策力度方面仅从省级层面进行统计，对地级、县级及企业促销尚未统计，有待今后尝试。
参考文献
[1] 黄安民.旅游目的管理[M].武汉:华中科学技术大学出版社,2020.
[2] Bangwayo-Skeete P F, Skeete R W. Can google data improve the forecasting performance of tourist arrivals? Mixed-data sampling approach[J].Tourism Management, 2015, (2):454-464.
[3] Park S B, Ok C M, Chae B K. Using twitter data for cruise tourism marketing and research[J]. Journal of Travel &Tourism Marketing, 2016, (7):885-898.
[4] X K Huang, L F Zhang, Y S Ding. The Baidu Index: Uses in predicting tourism flows——A case study of the Forbidden City[J].Tourism Management,2017,(2):301-306.
[5] X Yang, B Pan, Evans J A, et al. Forecasting Chinese tourist volume with search engine data[J].Tourism Management,2015,(2):386-397.
[6] S L Sun, Y J Wei, Tsui K L, et al. Forecasting tourist arrivals with machine learning and internet search index[J].Tourism Management,2019,(2):1-10.
[7] 许艳,陆林,赵海溶.乌镇景区网络关注度动态演变与空间差异分析[J].经济地理,2020,(7):200-210.
[8] 马丽君,郭留留.基于网络关注度的北京市居民对5A级景区旅游需求时空特征分析[J].干旱区资源与环境,2017,(10):203-208.
[9] 方叶林,程雪兰,黄震方,等.国家重点风景名胜区网络关注度与游客量的错位特征及机理[J].经济地理，2020,(4):204-213.
[10] 冷林燕,郑向敏.日本旅游安全网络关注度区域差异性及其影响因素分析[J].旅游研究,2018,(4)：67-76.
[11] 邹永广,林炜铃,郑向敏.旅游安全网络关注度时空特征及其影响因素[J].旅游学刊,2015,(2):101-109.
[12] 高楠,张新成,王琳艳.中国红色旅游网络关注度时空特征及影响因素[J].自然资源学报,2020,(5): 1068-1089.
[13] 舒丽,张凯,王小秋,等.基于百度指数的我国体育旅游网络关注度研究[J].北京体育大学学报，2020(6):110-122.
[14] 李霞,曲洪建.邮轮旅游网络关注度的时空特征和影响因素——基于百度指数的研究[J].统计与信息论坛,2016,(4):101-106.
[15] 史鹏,周海洋,滕育松.政策和资金投入能否扭转地理位置的劣势——基于百度指数对我国居民冰雪运动网络关注度的研究[J].安徽体育科技,2021,(4):5-12.
[16] 赵德森,窦垚.政府行为对旅游目的地形象的影响机制——基于扎根理论的探索性研究[J].云南大学学报(社会科学版),2021,(5):136-144.
[187] C H Liu, G H Tzeng, M H Lee. Improving tourism policy implementation——The use of hybrid MCDM models[J].Tourism Management, 2012, (2):413-426.
[18] Meng, Siriwardana M, Pham T. A CGE assessment of Singapore′s tourism policies[J]. Tourism Management, 2013, (2):25-36.
[19] 薛福根,何敏红.区域旅游政策的效应评价:理论与实证分析[J].统计与决策,2013,(10):56-59.
[20] 潘万历,张方慧,余地.日本促进观光旅游产业发展的政策措施及效果评析——兼论对中国旅游业发展的启示[J].现代管理科学,2018,(9):112-114.
[21] Soshiroda A. Inbound tourism policies in Japan from 1859 to 2003[J].Annals of Tourism Research, 2005, (4):1100-1120.
[22] 景秀丽,谭芳.旅游目的地形象感知分析及政府主导策略研究——以桂林市旅游为例[J].辽宁大学学报(哲学社会科学版),2018,(6):82-90.
[23] Isard W. Gravity and spatial interaction models//Isard W, Azis I J, Dernnan M P, et al.//Methods of interregional and regional analysis. Hants GU11 3HR[M]. England: Ashgate Publishing Limited, 1998: 243-279.
[24] Fischer M M, Reggiani A. Spatial interaction models: From the gravity to the neural network approach//Capello R, Nijkamp P//Urban dynamics and growth: Advances in urban economics (CEA, .266) [M].Bradford, West Yorkshire: Emerald Group Publishing, 2005: 319-346.
[25] 保继刚,郑海燕,戴光全.桂林国内客源市场的空间结构演变[J].地理学报,2002,(1): 96-106.
[26] 杨新军,马晓龙.大西安旅游圈:国内旅游客源空间分析与构建[J].地理研究,2004,(5):695-704.
[27] 王铮,周嵬,李山,等.基于铁路廊道的中国国家级风景名胜区市场域分析[J].地理学报,2001,(2):206-213.
[28] 陈彦光,刘继生.基于引力模型的城市空间互相关和功率谱分析:引力模型的理论证明、函数推广及应用实例[J].地理研究,2002,(6):1-11.
[29] 李山,王铮,钟章奇.旅游空间相互作用的引力模型及其应用[J].地理学报,2012,(4):526-544.
[30] Martilla J A，James J C．Importance-performance analysis[J].The Journal of Marketing,1977,(1):77-79．
[31] 蔚丹丹，李山,张粮锋,等旅游气候舒适性评价:模型优化与中国案例[J]旅游学刊,2021,(5):14-28.