中国民宿网络关注时空特征及影响因素研究

doi:10.3969/j.issn.1004-9479.2022.01.2020161

摘要/Abstract

摘要：

网络搜索体现了人们对某种事物或现象的现实关注与潜在需求情况，是游客潜在出游行为的一种前兆。对民宿网络关注时空分布特征的研究，可以明确我国民宿需求的时空分布规律，为优化我国民宿行业发展空间布局提供理论参考。基于2015—2019年中国大陆31个省域空间单元的民宿网络搜索数据，使用赫芬达尔指数、季节性集中指数、周内分布偏度指数、地理集中指数、变差系数、首位度等指标，对中国民宿网络关注度的时空分布特征进行分析。研究发现：（1）中国民宿网络关注度在2015—2019年呈现明显的波动趋势，季节性分布差异明显，网络关注度在假日前期会出现显“前兆”效应；（2）中国民宿网络关注度存在地域不均衡性，空间分布上呈现“东部-中部-西部”依次递减的整体趋势，2015—2019年民宿网络关注度的区域集聚程度在降低，区域间差异在缩小；（3）气候的舒适性和闲暇时间是影响民宿网络关注度时间分布的主要因素，客源地的经济发展水平、居民购买力、人口规模、互联网发达程度、受教育程度和民宿业发展水平均会对民宿网络关注度的空间分布产生影响。

关键词: 百度指数, 民宿, 网络关注度, 时空特征, 影响因素

Abstract:

Internet search embodies people's actual attention and potential demand for a certain item or phenomenon. It is a precursor to the potential travel behavior. The research on the characteristics of the space-time distribution of the homestay accommodation network attention can clarify the space-time distribution law of China's homestay hotel demand in order to provide a theoretical reference for optimizing the development layout of China's homestay industry. Based on Herfindahl index, Seasonal Concentration Index, weekly Distribution Skewness Coefficient, Geographic Concentration Index, Variation Coefficient, Primacy Index and other indicators, the author collected the homestay internet search data of Chinese mainland 31 provincial spatial units between 2015 to 2019 on Baidu platform, and analyzed the spatial-temporal distribution characteristics of the network attention of domestic homestay accommodation. The results show that: (1) There is a significant fluctuation trend of the national homestay network attention between 2015 and 2019, with evident seasonal distribution differences. The network attention has a sign of "precursor" effect in the early phase of the holiday season. (2) There is a regional imbalance in the domestic residential network attention which reflects the overall decreasing tendency from the "East-Central-West" in turn. From 2015 to 2019, the degree of regional agglomeration of homestay network attention was dipping, and the regional differences was narrowing. (3) The climate comfort and leisure time are the main factors that contribute to the time distribution of the degree of the homestay network attention. The economic development of tourist destinations, the purchasing power of residents, population size, the advancement of Internet technology, educational background of the consumers, and the development of the homestay industry will all affect the spatial distribution of homestay network attention.

Key words: Baidu Index, homestay, network attention, time and space characteristics, influencing factors

冯晓兵. 中国民宿网络关注时空特征及影响因素研究[J]. 世界地理研究, 2022, 31(1): 154-165.

Xiaobing FENG. A study on the spatial and temporal characteristics of network attention and its influencing factors of China's homestay[J]. World Regional Studies, 2022, 31(1): 154-165.

图/表 6

参考文献 23

1	马勇.旅游接待业.武汉:华中科技大学出版,2018.
	MA Y. Tourism reception industry. Wuhan: Huazhong University of science and Technology Press, 2018.
2	曾可盈,周丽君.基于百度指数的东北三省4A级及以上景区网络关注度分析.东北师大学报(自然科学版),2019,51(1):133-138.
	ZENG K,ZHOU L.Analysis on network attention of class 5A and 4A tourist spots in Northeast China based on Baidu index.Journal of Northeast Normal University(Natural Science Edition),2019,51(1):133-138.
3	龙茂兴,孙根年,马丽君,等.区域旅游网络关注度与客流量时空动态比较分析——以四川为例.地域研究与开发,2011,30(3):93-97.
	LONG M,SUN G,Ma L,WANG J,et al.An analysis on the variation between the degree of consumer attention of travel network and tourist flow in regional tourism:A case of Sichuan Province. Areal Research and Development,2011,30(3):93-97.
4	汪秋菊,黄明,刘宇.城市旅游客流量—网络关注度空间分布特征与耦合分析.地理与地理信息科学,2015,31(5):102-106.
	WANG Q,HUANG M,LIU Y.Research on spatial feature and coupling correlation between urban tourist flow and network attention-degree.Geography and Geo-Information Science,2015,31(5):102-106.
5	马莉,刘培学,张建新,等.景区旅游流与网络关注度的区域时空分异研究.地理与地理信息科学,2018,34(2):87-93.
	MA L,LIU P,ZHANG J,et al.Research on spatial feature and coupling correlation between urban tourist flow and network attention degree.Geography and Geo-Information Science,2018,34(2):87-93.
6	王硕,曾克峰,童洁,等.黄金周风景名胜区旅游客流量与网络关注度相关性分析——以庐山、华山、八达岭长城风景名胜区为例.经济地理,2013,33(11):182-186.
	WANG S,ZENG K,TONG J,et al.A correlative analysis of the relationship between tourists and tourist network attention for scenic spots in special session.Economic Geography,2013,33(11):182-186.
7	孙烨,张宏磊,刘培学,等.基于旅游者网络关注度的旅游景区日游客量预测研究——以不同客户端百度指数为例.人文地理,2017,32(3):152-160.
	SUN Y,ZHANG H,LIU P,et al.Forecast of tourism flow volume of tourist attraction based on degree of tourist attention of travel network: A case study of baidu index of different clinets.Human Geography,2017,32(3):152-160.
8	田董炜,仇阿根,陈岳涛,等.旅游目的地网络关注度与关注重心的时空变化——以南京市为例.亚热带资源与环境学报,2018,13(2):54-63.
	TIAN D,QIU A,CHEN Y,et al.A study on the spatial and temporal changes of tourism destination network: Taking Nanjing City as an example.Journal of Subtropical Resources and Environment,2018,13(2):54-63.
9	丁鑫,汪京强,李勇泉.基于百度指数的旅游目的地网络关注度时空特征与影响因素研究——以厦门市为例.资源开发与市场,2018,34(5):709-714.
	DING X,WANG J,LI Y.Study on characteristics and influencing factors of network attention degree of tourist destination based on Baidu Index——A case of Xiamen city.Resource Development & Market,2018,34(5):709-714.
10	蒯步青,史春云,吴睿怡.淮海经济区城市旅游网络关注度时空动态分析.旅游研究,2019,11(3):46-56.
	KUAI B,SHI C,WU R.The temporal and spatial dynamic analysis on city tourism network attention in Huaihai economic zone.Tourism Research,2019,11(3):46-56.
11	林志慧,马耀峰,刘宪锋,等.旅游景区网络关注度时空分布特征分析.资源科学,2012,34(12):2427-2433.
	LIN Z,MA Y,LIU X,et al.Spatial and temporal features of network attention of scenic areas.Resources Science,2012,34(12):2427-2433.
12	严江平,宋志红,李巍.广州市旅游景区网络关注度时空特征研究.资源开发与市场,2018,34(1):88-93.
	YAN J,SONG Z,LI W.Study on temporal and spatial characteristics of network attention in Guangzhou scenic spot.Resource Development&Market,2018,34(1):88-93.
13	何春博,徐乃千,李志强,等.中国旅游名山网络关注度时空差异分析.江西科学,2016,34(6):763-769.
	HE C,XU N,LI Z,et al.Tourism famous Chinese online attention temporal difference analysis.Jiangxi Science,2016,34(6):763-769.
14	马丽君,张家凤.旅游危机事件网络舆情传播时空演化特征与机理——基于网络关注度的分析.旅游导刊,2019,3(6):26-47.
	MA L,ZHANG J.The temporal and spatial evolution,characteristics,and mechanism of internet public opinion propagation of tourism crisis events:An analysis of network attention.Tourism and Hospitality Prospects,2019,3(6):26-47.
15	刘嘉毅,陈玲,陈玉萍.旅游舆情网络关注度时空演变特征与影响因素.地域研究与开发,2019,38(1):88-94.
	LIU J,CHEN L,CHEN Y.Spatial-temporal evolutionary characteristics and influencing factors of network attention to tourism public opinion.Areal Research and Development,2019,38(1):88-94.
16	林炜铃,邹永广,郑向敏.旅游安全网络关注度区域差异研究——基于中国31个省市区旅游安全的百度指数.人文地理,2014,29(6):154-160.
	LIN W,ZOU Y,ZHENG X.Study on the regional disparity in the network attention of china tourism security:Based on the baidu index of tourism security in 30 provinces. Human Geography,2014,29(6):154-160.
17	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.旅游学刊,2015,30(2):101-109.
	ZOU Y,LIN W,ZHENG X.Spatial-temporal characteristics and influential factors of network attention to tourism security.Tourism Tribune,2015,30(2):101-109.
18	孙瑾瑾,李勇泉.中国旅游安全网络关注度的影响因素分析——基于中国省际面板数据的实证检验.资源开发与市场,2018,34(5):693-697.
	SUN J,LI Y.Analysis on influencing factors of network attention to tourism security——An empirical analysis based on provincial panel data.Resource Development & Market,2018,34(5):693-697.
19	文捷敏.民宿网络关注度的时空分布特征及影响因素研究——以乌镇民宿为例.中国旅游研究院、携程旅游集团.2019中国旅游科学年会论文集.中国旅游研究院、携程旅游集团:中国旅游研究院,2019:38-47.
	WEN J.Study on the spatio-temporal distribution characteristics and influencing factors of attention of homestay network——Taking Wuzhen Bed and Breakfast as an example.Proceedings of the 2019 China Tourism Science Annual Conference.China Tourism Research Institute,Ctrip Tourism Group:China Tourism Research Institute,2019:38-47.
20	王章郡,方忠权.近十年来广东省旅游客流变动分析.经济地理,2010,30(7):1200-1204.
	WANG Z,FANG Z.The evolvement of tourist flow over the past ten years in Guangdong province.Economic Geography,2010,30(7):1200-1204.
21	王林.论旅游决策风险的成因及对策.中国地质大学学报(社会科学版),2001(1):29-31.
	WANG L.The origin of tourism decision-making risks and the countermeasures.Journal of China University of Geosciences(Social Sciences Edition),2001(1):29-31.
22	西萍.旅游市场营销学第3版.北京:高等教育出版社,2011.
	XI P.Tourism Marketing 3rd Edition. Beijing: Higher Education Press,2011.
23	张碧星,周晓丽.佛教旅游地网络关注度时空分布差异及其影响因素研究——以五台山景区为例.西北师范大学学报(自然科学版),2018,54(6):103-109.
	ZHANG B,ZHOU X.Spatial-temporal characteristics and influencing factors of network attention to buddhist destinations——A case study of Wutai Mountain.Journal of Northwest Normal University(Natural Science),2018,54(6):103-109.

月份/参数	年份
月份/参数	2015年	2016年	2017年	2018年	2019年
1月	10 788	38 597	56 950	99 067	119 422
2月	9 262	31 401	67 334	83 199	172 059
3月	13 879	45 646	93 677	104 659	132 770
4月	14 789	42 820	75 116	155 137	115 023
5月	16 634	48 477	100 448	130 275	106 829
6月	18 979	51 566	137 173	132 778	104 302
7月	23 893	73 292	180 689	169 201	126 181
8月	27 171	101 361	158 403	135 936	113 773
9月	25 785	93 407	133 930	112 100	88 481
10月	27 040	71 681	140 642	109 830	82 167
11月	24 963	54 966	106 052	93 974	69 182
12月	30 975	55 596	95 898	86 758	76 637
季节性集中指数	2.823 8	2.924 2	2.708 5	1.838 0	2.072 8
赫芬达尔指数	0.092 9	0.093 6	0.092 1	0.087 4	0.088 5

月份/参数	年份
月份/参数	2015年	2016年	2017年	2018年	2019年
1月	10 788	38 597	56 950	99 067	119 422
2月	9 262	31 401	67 334	83 199	172 059
3月	13 879	45 646	93 677	104 659	132 770
4月	14 789	42 820	75 116	155 137	115 023
5月	16 634	48 477	100 448	130 275	106 829
6月	18 979	51 566	137 173	132 778	104 302
7月	23 893	73 292	180 689	169 201	126 181
8月	27 171	101 361	158 403	135 936	113 773
9月	25 785	93 407	133 930	112 100	88 481
10月	27 040	71 681	140 642	109 830	82 167
11月	24 963	54 966	106 052	93 974	69 182
12月	30 975	55 596	95 898	86 758	76 637
季节性集中指数	2.823 8	2.924 2	2.708 5	1.838 0	2.072 8
赫芬达尔指数	0.092 9	0.093 6	0.092 1	0.087 4	0.088 5

空间单元	2015年	2016年	2017年	2018年	2019年	总计	排序
广东	66 795	128 100	228 490	253 675	247 835	924 895	1
浙江	86 140	167 262	221 920	223 015	180 310	878 647	2
北京	53 655	98 088	164 980	208 780	200 385	725 888	3
四川	41 975	94 062	187 610	215 715	181 770	721 132	4
江苏	51 465	97 722	174 835	203 305	175 565	702 892	5
上海	59 130	102 480	155 490	166 805	144 905	628 810	6
山东	38 325	75 030	161 330	177 025	167 900	619 610	7
河南	31 390	64 782	154 760	149 650	139 795	540 377	8
湖北	35 405	67 710	109 500	139 430	123 735	475 780	9
重庆	26 645	61 854	135 780	134 320	108 040	466 639	10
福建	42 705	69 174	108 040	109 865	100 010	429 794	11
陕西	28 105	66 978	98 550	124 100	111 325	429 058	12
河北	26 280	59 292	98 550	114 975	121 910	421 007	13
湖南	30 660	61 488	103 660	111 690	109 500	416 998	14
安徽	28 470	56 364	114 975	102 930	102 565	405 304	15
辽宁	28 105	57 462	93 440	109 500	102 200	390 707	16
广西	24 090	52 338	86 140	92 710	98 185	353 463	17
云南	21 170	51 240	90 885	94 170	91 980	349 445	18
江西	23 360	53 070	83 585	89 790	88 695	338 500	19
山西	15 695	46 848	70 810	82 125	93 075	308 553	20
黑龙江	16 425	45 384	69 350	81 395	94 170	306 724	21
天津	28 105	51 606	70 080	80 665	73 730	304 186	22
贵州	15 330	46 482	73 730	75 555	83 585	294 682	23
吉林	16 060	47 946	68 255	71 540	76 285	280 086	24
内蒙古	9 490	37 332	56 940	64 240	67 160	235 162	25
新疆	6 205	31 110	71 905	62 780	60 590	232 590	26
海南	15 330	38 430	55 115	61 685	58 400	228 960	27
甘肃	8 030	31 110	53 290	60 590	62 780	215 800	28
宁夏	1 825	15372	32 850	38 325	38 325	126 697	29
青海	1 095	13908	32 850	37 960	33 215	119 028	30
西藏	365	7320	21 535	25 915	24 455	79 590	31

空间单元	2015年	2016年	2017年	2018年	2019年	总计	排序
广东	66 795	128 100	228 490	253 675	247 835	924 895	1
浙江	86 140	167 262	221 920	223 015	180 310	878 647	2
北京	53 655	98 088	164 980	208 780	200 385	725 888	3
四川	41 975	94 062	187 610	215 715	181 770	721 132	4
江苏	51 465	97 722	174 835	203 305	175 565	702 892	5
上海	59 130	102 480	155 490	166 805	144 905	628 810	6
山东	38 325	75 030	161 330	177 025	167 900	619 610	7
河南	31 390	64 782	154 760	149 650	139 795	540 377	8
湖北	35 405	67 710	109 500	139 430	123 735	475 780	9
重庆	26 645	61 854	135 780	134 320	108 040	466 639	10
福建	42 705	69 174	108 040	109 865	100 010	429 794	11
陕西	28 105	66 978	98 550	124 100	111 325	429 058	12
河北	26 280	59 292	98 550	114 975	121 910	421 007	13
湖南	30 660	61 488	103 660	111 690	109 500	416 998	14
安徽	28 470	56 364	114 975	102 930	102 565	405 304	15
辽宁	28 105	57 462	93 440	109 500	102 200	390 707	16
广西	24 090	52 338	86 140	92 710	98 185	353 463	17
云南	21 170	51 240	90 885	94 170	91 980	349 445	18
江西	23 360	53 070	83 585	89 790	88 695	338 500	19
山西	15 695	46 848	70 810	82 125	93 075	308 553	20
黑龙江	16 425	45 384	69 350	81 395	94 170	306 724	21
天津	28 105	51 606	70 080	80 665	73 730	304 186	22
贵州	15 330	46 482	73 730	75 555	83 585	294 682	23
吉林	16 060	47 946	68 255	71 540	76 285	280 086	24
内蒙古	9 490	37 332	56 940	64 240	67 160	235 162	25
新疆	6 205	31 110	71 905	62 780	60 590	232 590	26
海南	15 330	38 430	55 115	61 685	58 400	228 960	27
甘肃	8 030	31 110	53 290	60 590	62 780	215 800	28
宁夏	1 825	15372	32 850	38 325	38 325	126 697	29
青海	1 095	13908	32 850	37 960	33 215	119 028	30
西藏	365	7320	21 535	25 915	24 455	79 590	31

年份	各项指数
年份	地理集中指数（G）	赫芬达尔系数（H）	首位度（P）	变差系数（CV）
2015年	21.834 1	0.047 7	1.289 6	0.691 3
2016年	20.347 1	0.041 4	1.305 7	0.532 2
2017年	20.116 2	0.040 5	1.029 6	0.504 1
2018年	20.147 8	0.040 6	1.131 5	0.508 3
2019年	19.824 5	0.039 3	1.236 8	0.467 1