Research on spatio-temporal characteristics and its influencing factors of rural tourism demand based on Baidu Index

doi:10.3969/j.issn.1004-9479.2024.05.20220457

Abstract

Abstract:

Internet search behavior is an intuitive expression of user needs and behavioral inertia in a virtual space, providing a new perspective for long-term sequenced and broad-scale spatial tourism demand analysis. Based on the Baidu search index of 9 keywords of rural tourism in China from 2011 to 2020, this paper tried to explore the spatial-temporal characteristics and influencing factors of rural tourism demand by means of spatial autocorrelation and geographic detector. The research found that: ① As for temporal characteristics of rural tourism demand, it shows an "inverted U-shaped" change pattern during 2011-2020, and exhibits non-linear phases characterized by periods of rapid development and fluctuating development. It shows "two peaks and two valleys" during the year, and the characteristics of off-season/peak season, and weekend effects are obvious. ② In terms of spatial distribution, it is basically in clustered distribution, and the clustered effect fluctuates slightly each year. The local spatial pattern shows the characteristics of declining gradients in which the east is high and the west is low, and it remains basically stable during 2011-2020. ③ There are five persistently significant influencing factors, and their explanatory power is as follows: GDP>number of star-rated hotels>total population>highway density>country-level rural tourist spots. Other factors have relatively low explanatory power or have great changes in ten years.This research reveals the spatio-temporal pattern of rural tourism demand and its influencing factors from the macro level with the help of network big data, which provides theoretical guidance and practical reference for optimizing industrial layout and promoting effective matching of supply and demand.

Key words: rural tourism demand, spatio-temporal characteristics, Baidu Index, geographic detector, influencing factor

摘要：

互联网搜索行为是用户需求和行为惯性在虚拟空间的直观表达，为长时间序列、大空间尺度旅游需求分析提供了新的视角。论文以2011—2020年我国31个省级行政区乡村旅游9个关键词的百度指数为数据基础，利用空间自相关、地理探测器等方法分析了我国乡村旅游需求的时空演变特征及其影响因素。研究发现：（1）乡村旅游需求十年间总体呈“倒U”形变化形态，并表现出快速发展期、波动发展期的非线性阶段特征；年内呈现出“两峰两谷”变化特征，淡、旺季和周末效应比较明显。（2）乡村旅游需求整体上呈集聚分布状态，集聚效应随年际变化略有波动；局部空间上呈现东高西低的梯度递减格局，且此特征在十年间基本保持稳定。（3） 5个因子对乡村旅游需求时空特征有持续显著的影响，其解释力表现为地区生产总值>星级饭店数量>人口总量>公路密度>国家级乡村旅游点数量，其他因子解释力相对较低或年际变动较大。论文借助网络大数据从宏观层面揭示了乡村旅游需求的时空演变规律及其影响因素，为优化产业布局、推进乡村旅游供需有效对接等提供了理论指导和实践借鉴。

关键词: 乡村旅游需求, 时空特征, 百度指数, 地理探测器, 影响因素

Haimeng LIU, Xiaobo TIAN, Tingting CAO. Research on spatio-temporal characteristics and its influencing factors of rural tourism demand based on Baidu Index[J]. World Regional Studies, 2024, 33(5): 177-188.

刘海朦, 田小波, 曹婷婷. 基于百度指数的乡村旅游需求时空特征及其影响因素研究[J]. 世界地理研究, 2024, 33(5): 177-188.

Figures/Tables 8

References 32

1	环球旅讯.携程:清明乡村游复苏明显,西部中小城市成乡村游目的地"热门选手". (2022-04-06)[2022-10-26]..
	Daily Travel. Ctrip: The recovery of rural tourism is obvious in Qingming Festival, the western small and medium-sized cities become popular rural tourism destination. (2022-04-06)[2022-10-26]. .
2	潘顺安. 武汉城市居民乡村旅游需求特征分析. 消费经济, 2008, 24(6): 69-72.
	PAN S. Analysis of demand characteristics of rural tourism for urban residents in Wuhan. Consumer Economics, 2008, 24(6): 69-72.
3	陶玉霞. 乡村旅游需求机制与诉求异化实证研究. 旅游学刊, 2015, 30(7): 37-48.
	TAO Y. An empirical study of the demand mechanism and appeals-alienation of rural tourism. Tourism Tribune, 2015, 30(7): 37-48.
4	单浩杰. 呼和浩特市居民乡村旅游需求的实证研究.干旱区资源与环境, 2015, 29(5): 203-208.
	SHAN H. Empirical study on rural tourism demand of Hohhot City residents. Journal of Arid Land Resources and Environment, 2015, 29(5): 203-208.
5	PINA I, DELFA M. Rural tourism demand by type of accommodation. Tourism Management, 2005, 26(6): 951-959.
6	BEL F, LACROIX A, LYSER S, et al. Domestic demand for tourism in rural areas: Insights from summer stays in three French regions. Tourism Management, 2015, 46: 562-570.
7	张思源,夏龙. 乡村旅游消费需求影响因素的多元顺序Logistics回归分析. 农业展望, 2020, 16(1): 144-149.
	ZHANG S, XIA L. Multivariate sequential logistic regression analysis on influence factors of rural tourism consumption demand. Agricultural Outlook, 2020, 16(1): 144-149.
8	彭亚萍,白祥. 基于多元Logistic模型的乡村旅游需求影响因素分析.农业展望,2019,15(2):60-64.
	PENG Y, BAI X. Factors affecting rural tourism demand based on multivariate logistic model.Agricultural Outlook,2019,15(2): 60-64.
9	BLAINE T, MOHAMMAD G, VAR T. Demand for rural tourism: An exploratory study. Annals of Tourism Research, 1993, 20(4): 770-773.
10	蔡小于,邓湘南. 乡村文化对乡村旅游需求的影响研究. 西南民族大学学报(人文社会科学版), 2011, 32(11): 144-147.
	CAI X, DENG X. Research on the influence of rural culture on rural tourism demand. Journal of Southwest Minzu University (Humanities and Social Science), 2011, 32(11): 144-147.
11	荣慧芳,陶卓民. 基于网络数据的乡村旅游热点识别及成因分析——以江苏省为例. 自然资源学报, 2020, 35(12): 2848-2861.
	RONG H, TAO Z. Hotspot identification and cause analysis of rural tourism based on website data: Take Jiangsu Province as an example. Journal of Natural Resources, 2020, 35(12): 2848-2861.
12	冯晓兵. 中国民宿网络关注时空特征及影响因素研究. 世界地理研究, 2022, 31(1): 154-165.
	FENG X. A study on the spatial and temporal characteristics of network attention and its influencing factors of China's homestay. World Regional Studies, 2022, 31(1): 154-165.
13	阮文奇,李勇泉. 自然灾害型危机事件对客源地旅游需求的影响及空间差异——九寨沟地震后的时空异质性分析. 经济地理, 2018, 38(8): 214-223.
	RUAN W, LI Y. The impact and spatial difference of natural disaster crisis on tourist demand. Economic Geography, 2018, 38(8): 214-223.
14	阮文奇,张舒宁,李勇泉,等. 中国赴泰旅游需求时空分异及其影响因素. 旅游学刊, 2019, 34(5): 76-89.
	RUAN W, ZHANG S, LI Y, et al. Spatiotemporal differentiation and influencing factors of Chinese's tourism demand to Thailand. Tourism Tribune, 2019, 34(5): 76-89.
15	马丽君,龙云. 基于网络关注度的湖南省居民旅游需求时空特征. 经济地理, 2017, 37(2): 201-208.
	MA L, LONG Y. Spatiotemporal characteristics of residents tourism demand for typical scenic spots in Hunan Province based on network attention. Economic Geography, 2017, 37(2): 201-208.
16	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. 干旱区资源与环境, 2017, 31(10): 203-208.
	MA L, GUO L. Spatial and temporal distribution characteristics of Beijing residents' demand for 5A class scenic spots. Journal of Arid Land Resources and Environment, 2017, 31(10): 203-208.
17	王劲峰,徐成东. 地理探测器:原理与展望. 地理学报, 2017, 72(1): 116-134.
	WANG J, XU C. Geodetectors: Principles and prospects. Acta Geographica Sinica, 2017, 72(1): 116-134.
18	舒伯阳,蒋月华,刘娟. 新时代乡村旅游高质量发展的理论思考及实践路径. 华中师范大学学报(自然科学版), 2022, 56(1): 73-82.
	SHU B, JIANG Y, LIU J. Theoretical thinking and practical path of high-quality rural tourism development in the new era. Journal of Central China Normal University (Natural Sciences), 2022, 56(1): 73-82.
19	舒伯阳,马静. 中国乡村旅游政策体系的演进历程及趋势研究——基于30年数据的实证分析. 农业经济问题, 2019(11): 94-107.
	SHU B, MA J. Evolution and trend of rural tourism policy system in China: An empirical analysis based on 30 years data. Issues in Agricultural Economy, 2019(11): 94-107.
20	姚旻,赵爱梅,宁志中. 中国乡村旅游政策:基本特征、热点演变与"十四五"展望. 中国农村经济, 2021(5): 2-17.
	YAO M, ZHAO A, NING Z. China's rural tourism policies: Basic characteristics, hot topics evolution and prospect for the 14th Five-year plan. Chinese Rural Economy,2021(5):2-17.
21	马静,舒伯阳.中国乡村旅游30年:政策取向、反思及优化.现代经济探讨,2020(4):116-122.
	MA J, SHU B.30 years of rural tourism in China: Policy orientation, reflection and optimization.Modern Economic Research,2020(4): 116-122.
22	于法稳,黄鑫,岳会. 乡村旅游高质量发展:内涵特征、关键问题及对策建议. 中国农村经济, 2020(8): 27-39.
	YU F, HUANG X, YUE H. The high-quality development of rural tourism: Connotative features, key issues and countermeasures. Chinese Rural Economy, 2020(8): 27-39.
23	蔡卫民, 曾铭, 李冬杰. 中国会展城市旅游微博时空分布特征及其影响因素. 经济地理, 2020, 40(8): 185-193.
	CAI W, ZENG M, LI D. Spatial-temporal characteristics and influencing factors of tourism microblogs to China's mice city based on Sina microblog data. Economic Geography, 2020, 40(8): 185-193.
24	胡小芳,李小雅,王天宇,等.民宿空间分布的集聚模式与影响因素研究:基于杭州、湖州、恩施的比较.地理科学进展,2020,39(10):1698-1707.
	HU X, LI X, WANG T, et al.Spatial agglomeration pattern of homestay inn and influencing factors based on the comparison of Hangzhou, Huzhou, and Enshi cities.Progress in Geography,2020,39(10): 1698-1707.
25	刘贤赵, 高长春, 张勇, 等. 中国省域碳强度空间依赖格局及其影响因素的空间异质性研究. 地理科学, 2018, 38(5): 681-690.
	LIU X, GAO C, ZHANG Y, et al. Spatial dependence pattern of carbon emission intensity in China's provinces and spatial heterogeneity of its influencing factors. Scientia Geographica Sinica, 2018, 38(5): 681-690.
26	翁钢民, 徐晓娜, 尚雪梅. 我国城市居民国内旅游需求影响因素分析. 城市问题, 2007(4): 31-35.
	WENG G, XU X, SHANG X. An analysis on the impact factors of domestic tourism demand by Chinese urban residents. Urban Problems, 2007(4): 31-35.
27	王新越, 朱文亮. 山东省乡村旅游竞争力评价与障碍因素分析. 地理科学, 2019, 39(1): 147-155.
	WANG X, ZHU W. Analysis of rural tourism competitiveness and obstacle factors in Shandong province. Scientia Geographica Sinica, 2019, 39(1): 147-155.
28	唐鸿,许春晓. 中国红色旅游经典景区网络关注度时空演变及影响因素. 自然资源学报, 2021, 36(7): 1792-1810.
	TANG H, XU C. Spatio-temporal evolution and influencing factors of Chinese red tourism classic scenic spots network attention, Journal of Natural Resources, 2021, 36(7): 1792-1810.
29	张建辉, 毕燕, 张颖. 中国城市居民旅游需求空间差异及变化研究. 旅游学刊, 2010, 25(2): 29-35.
	ZHANG J, BI Y, ZHANG Y. Study on the spatial-temporal difference and changes of tourism demand among China's urban residents. Tourism Tribune, 2010, 25(2): 29-35.
30	张舒宁,李勇泉. 厦门客源市场旅游需求的时空格局演化. 资源开发与市场, 2018, 34(7): 1010-1014.
	ZHANG S, LI Y. Evolution of spatial and temporal pattern of tourism demand in Xiamen tourist market. Resource Development & Market, 2018, 34(7): 1010-1014.
31	张洪,程振东,王先凤. 城市居民国内旅游需求影响因素分析及对策研究. 资源开发与市场, 2014, 30(6): 763-768.
	ZHANG H, CHENG Z, WANG X. Analysis of factors impacting on domestic tourism demand among urban residents and countermeasures research. Resource Development & Market, 2014, 30(6): 763-768.
32	戴斌. 论当代旅游发展与民众获得感. 社会科学家, 2017(8): 24-27.
	DAI B.On the development of contemporary tourism and the people's sense of gain. Social Scientist, 2017(8): 24-27.

年份	Moran’s Ⅰ 指数	Z得分	P值	空间格局
2011年	0.196	2.949	0.003	集聚分布
2012年	0.150	2.362	0.018	集聚分布
2013年	0.141	2.241	0.025	集聚分布
2014年	0.154	2.416	0.016	集聚分布
2015年	0.145	2.295	0.022	集聚分布
2016年	0.126	2.032	0.042	集聚分布
2017年	0.122	2.000	0.046	集聚分布
2018年	0.143	2.263	0.024	集聚分布
2019年	0.155	2.427	0.015	集聚分布
2020年	0.158	2.464	0.014	集聚分布

年份	Moran’s Ⅰ 指数	Z得分	P值	空间格局
2011年	0.196	2.949	0.003	集聚分布
2012年	0.150	2.362	0.018	集聚分布
2013年	0.141	2.241	0.025	集聚分布
2014年	0.154	2.416	0.016	集聚分布
2015年	0.145	2.295	0.022	集聚分布
2016年	0.126	2.032	0.042	集聚分布
2017年	0.122	2.000	0.046	集聚分布
2018年	0.143	2.263	0.024	集聚分布
2019年	0.155	2.427	0.015	集聚分布
2020年	0.158	2.464	0.014	集聚分布

影响维度	具体指标	指标选取参考	Pearson相关系数
旅游资源禀赋	国家级乡村旅游点数量/个（X₁）	王新越等^[27]；	0.609^**
服务接待水平	星级饭店数量/个(X₂)	宋慧芳等^[11]；蔡卫民等^[23]；唐鸿等^[28]	0.819^**
交通条件	旅客客运量/万人（X₃）	唐鸿等^[23]；	0.753^**
交通条件	公路密度/km/km²（X₄）	王新越等^[27]；	0.658^**
经济发展水平	地区生产总值/亿元（X₅）	马丽君等^[15]；阮文奇等^[14]；	0.817^**
经济发展水平	城镇居民可支配收入/元（X₆）	宋慧芳等^[11]；	0.573^**
人口因素	人口总量/万人（X₇）	阮文奇等^[14]；蔡卫民等^[23]；	0.751^**
人口因素	城镇人口所占比重/%（X₈）	蔡卫民等^[23]；唐鸿等^[28]；	0.435^*
网络发展水平	互联网普及率/%（X₉）	阮文奇等^[14]；蔡卫民等^[23]；	0.433^*

影响维度	具体指标	指标选取参考	Pearson相关系数
旅游资源禀赋	国家级乡村旅游点数量/个（X₁）	王新越等^[27]；	0.609^**
服务接待水平	星级饭店数量/个(X₂)	宋慧芳等^[11]；蔡卫民等^[23]；唐鸿等^[28]	0.819^**
交通条件	旅客客运量/万人（X₃）	唐鸿等^[23]；	0.753^**
交通条件	公路密度/km/km²（X₄）	王新越等^[27]；	0.658^**
经济发展水平	地区生产总值/亿元（X₅）	马丽君等^[15]；阮文奇等^[14]；	0.817^**
经济发展水平	城镇居民可支配收入/元（X₆）	宋慧芳等^[11]；	0.573^**
人口因素	人口总量/万人（X₇）	阮文奇等^[14]；蔡卫民等^[23]；	0.751^**
人口因素	城镇人口所占比重/%（X₈）	蔡卫民等^[23]；唐鸿等^[28]；	0.435^*
网络发展水平	互联网普及率/%（X₉）	阮文奇等^[14]；蔡卫民等^[23]；	0.433^*

年份	X₁	X₂	X₃	X₄	X₅	X₆	X₇	X₈	X₉
2011	0.360^*	0.722^**	0.630	0.654^*	0.762^*	0.535^**	0.666^*	0.479	0.409
2012	0.319^*	0.773^*	0.630	0.609^*	0.717^*	0.532^**	0.602^*	0.453	0.421
2013	0.424^*	0.729^**	0.613	0.652^*	0.783^**	0.628^**	0.573^*	0.447	0.439
2014	0.477^**	0.739^**	0.681^*	0.681^*	0.788^**	0.600^**	0.583^*	0.439	0.467
2015	0.463^**	0.737^*	0.781^**	0.690^*	0.803^**	0.392	0.663^*	0.471	0.427
2016	0.453^**	0.751^*	0.778^**	0.671^*	0.805^**	0.295	0.684^*	0.480	0.509
2017	0.430^**	0.763^**	0.795^**	0.716^*	0.827^**	0.337	0.712^*	0.393	0.424
2018	0.430^**	0.728^*	0.784^**	0.660^*	0.844^**	0.347	0.698^*	0.454	0.477
2019	0.402^**	0.709^*	0.799^**	0.686^*	0.915^**	0.311	0.703^*	0.536	0.503
2020	0.423^*	0.649^*	0.769^**	0.579^*	0.929^**	0.285	0.770^**	0.492	0.402
均值	0.418	0.730	0.726	0.660	0.817	0.426	0.666	0.465	0.448