主管单位：中国科学技术协会
主办单位：中国地理学会
承办单位：华东师范大学
主办单位：中国地理学会
承办单位：华东师范大学
World Regional Studies ›› 2024, Vol. 33 ›› Issue (12): 148-162.DOI: 10.3969/j.issn.1004-9479.2024.12.20230079
Previous Articles Next Articles
YIN Ziyan1,2(
), Anmin HUANG1,2,3()
Received:2023-02-21
Revised:2023-08-08
Online:2024-12-15
Published:2024-12-23
Contact:
Anmin HUANG
殷紫燕1,2(), 黄安民1,2,3()
通讯作者:
黄安民
作者简介:殷紫燕（1995—），女，博士研究生，研究方向为数字文旅和文旅融合，E-mail：2275507851@qq.com。
基金资助:YIN Ziyan, Anmin HUANG. Spatial-temporal characteristics and influencing factors of network attention on virtual tourism[J]. World Regional Studies, 2024, 33(12): 148-162.
殷紫燕, 黄安民. 虚拟旅游网络关注度的时空特征及其影响因素[J]. 世界地理研究, 2024, 33(12): 148-162.
Fig.1 Evolution trend of virtual tour network attention and seasonal concentration index from 2011 to 2021
| 省份 | 2011年 | 2013年 | 2015年 | 2017年 | 2019年 | 2021年 |
|---|---|---|---|---|---|---|
| 浙江 | 51（1） | 39（2） | 52（1） | 75（1） | 64（1） | 46（1） |
| 广东 | 47（2） | 31（3） | 44（2） | 60（2） | 51（2） | 31（4） |
| 北京 | 46（3） | 40（1） | 44（3） | 49（3） | 29（4） | 25（5） |
| 山东 | 46（4） | 26（5） | 34（5） | 40（5） | 24（6） | 23（6） |
| 江苏 | 43（5） | 30（4） | 40（4） | 45（4） | 35（3） | 33（3） |
| 河南 | 43（6） | 24（6） | 32（6） | 34（7） | 28（5） | 17（10） |
| 河北 | 38（7） | 22（7） | 23（8） | 27（9） | 14（10） | 16（12） |
| 山西 | 31（8） | 13（15） | 13（17） | 15（16） | 5（23） | 7（20） |
| 上海 | 31（9） | 19（8） | 26（7） | 32（8） | 17（8） | 19（8） |
| 辽宁 | 30（10） | 16（13） | 17（13） | 19（14） | 12（12） | 15（13） |
| 湖北 | 30（11） | 18（9） | 23（9） | 21（12） | 15（9） | 13（14） |
| 四川 | 29（12） | 16（14） | 23（10） | 35（6） | 21（7） | 22（7） |
| 福建 | 28（13） | 17（10） | 20（11） | 19（15） | 11（14） | 18（9） |
| 陕西 | 28（14） | 17（11） | 17（14） | 20（13） | 12（13） | 13（15） |
| 安徽 | 26（15） | 11（17） | 17（15） | 26（10） | 14（11） | 44（2） |
| 湖南 | 22（16） | 13（16） | 19（12） | 23（11） | 11（15） | 17（11） |
| 天津 | 21（17） | 17（12） | 13（18） | 11（19） | 8（18） | 6（21） |
| 江西 | 20（18） | 6（23） | 9（21） | 11（20） | 8（19） | 13（16） |
| 重庆 | 20（19） | 6（24） | 14（16） | 14（17） | 11（16） | 11（17） |
| 黑龙江 | 18（20） | 9（18） | 11（20） | 10（21） | 7（20） | 4（23） |
| 广西 | 18（21） | 7（19） | 12（19） | 14（18） | 9（17） | 9（18） |
| 内蒙古 | 14（22） | 7（20） | 6（24） | 9（23） | 6（22） | 8（19） |
| 吉林 | 13（23） | 7（21） | 8（22） | 10（22） | 4（25） | 5（22） |
| 云南 | 12（24） | 7（22） | 7（23） | 8（25） | 7（21） | 3（25） |
| 贵州 | 10（25） | 4（26） | 3（26） | 9（24） | 5（24） | 2（26） |
| 新疆 | 9（26） | 5（25） | 4（25） | 3（27） | 4（26） | 1（29） |
| 甘肃 | 7（27） | 4（27） | 3（27） | 4（26） | 3（27） | 2（27） |
| 海南 | 5（28） | 4（28） | 3（28） | 3（28） | 1（29） | 4（24） |
| 宁夏 | 2（29） | 0.47（30） | 0.94（29） | 2（29） | 2（28） | 2（28） |
| 西藏 | 1（30） | 1（29） | 0.47（31） | 0.78（31） | 0.16（31） | 0.16（31） |
| 青海 | 0.78（31） | 0.47（31） | 0.65（30） | 1（30） | 1（30） | 1（30） |
Tab.1 Network attention of virtual tour in various regions from 2011 to 2021
| 省份 | 2011年 | 2013年 | 2015年 | 2017年 | 2019年 | 2021年 |
|---|---|---|---|---|---|---|
| 浙江 | 51（1） | 39（2） | 52（1） | 75（1） | 64（1） | 46（1） |
| 广东 | 47（2） | 31（3） | 44（2） | 60（2） | 51（2） | 31（4） |
| 北京 | 46（3） | 40（1） | 44（3） | 49（3） | 29（4） | 25（5） |
| 山东 | 46（4） | 26（5） | 34（5） | 40（5） | 24（6） | 23（6） |
| 江苏 | 43（5） | 30（4） | 40（4） | 45（4） | 35（3） | 33（3） |
| 河南 | 43（6） | 24（6） | 32（6） | 34（7） | 28（5） | 17（10） |
| 河北 | 38（7） | 22（7） | 23（8） | 27（9） | 14（10） | 16（12） |
| 山西 | 31（8） | 13（15） | 13（17） | 15（16） | 5（23） | 7（20） |
| 上海 | 31（9） | 19（8） | 26（7） | 32（8） | 17（8） | 19（8） |
| 辽宁 | 30（10） | 16（13） | 17（13） | 19（14） | 12（12） | 15（13） |
| 湖北 | 30（11） | 18（9） | 23（9） | 21（12） | 15（9） | 13（14） |
| 四川 | 29（12） | 16（14） | 23（10） | 35（6） | 21（7） | 22（7） |
| 福建 | 28（13） | 17（10） | 20（11） | 19（15） | 11（14） | 18（9） |
| 陕西 | 28（14） | 17（11） | 17（14） | 20（13） | 12（13） | 13（15） |
| 安徽 | 26（15） | 11（17） | 17（15） | 26（10） | 14（11） | 44（2） |
| 湖南 | 22（16） | 13（16） | 19（12） | 23（11） | 11（15） | 17（11） |
| 天津 | 21（17） | 17（12） | 13（18） | 11（19） | 8（18） | 6（21） |
| 江西 | 20（18） | 6（23） | 9（21） | 11（20） | 8（19） | 13（16） |
| 重庆 | 20（19） | 6（24） | 14（16） | 14（17） | 11（16） | 11（17） |
| 黑龙江 | 18（20） | 9（18） | 11（20） | 10（21） | 7（20） | 4（23） |
| 广西 | 18（21） | 7（19） | 12（19） | 14（18） | 9（17） | 9（18） |
| 内蒙古 | 14（22） | 7（20） | 6（24） | 9（23） | 6（22） | 8（19） |
| 吉林 | 13（23） | 7（21） | 8（22） | 10（22） | 4（25） | 5（22） |
| 云南 | 12（24） | 7（22） | 7（23） | 8（25） | 7（21） | 3（25） |
| 贵州 | 10（25） | 4（26） | 3（26） | 9（24） | 5（24） | 2（26） |
| 新疆 | 9（26） | 5（25） | 4（25） | 3（27） | 4（26） | 1（29） |
| 甘肃 | 7（27） | 4（27） | 3（27） | 4（26） | 3（27） | 2（27） |
| 海南 | 5（28） | 4（28） | 3（28） | 3（28） | 1（29） | 4（24） |
| 宁夏 | 2（29） | 0.47（30） | 0.94（29） | 2（29） | 2（28） | 2（28） |
| 西藏 | 1（30） | 1（29） | 0.47（31） | 0.78（31） | 0.16（31） | 0.16（31） |
| 青海 | 0.78（31） | 0.47（31） | 0.65（30） | 1（30） | 1（30） | 1（30） |
Fig.2 The ratio of the national virtual tourism network attention in each month and average monthly attention
| 类型 | 省份（位序） | 省份数量 /个 | 总贡献率 /% | 平均贡献率 /% |
|---|---|---|---|---|
| 高关注区 | 浙江（1）、广东（2）、北京（3） | 3 | 25.68 | 8.56 |
| 较高关注区 | 江苏（4）、山东（5）、河南（6）、四川（7） | 4 | 23.20 | 5.80 |
| 中度关注区 | 上海（9）、河北（8）、安徽（14）、湖北（10）、福建（11）、陕西（12）、辽宁（13）、湖南（15）、山西（16）、天津（17） | 10 | 34.41 | 3.44 |
| 较低关注区 | 重庆（19）、广西（18）、江西（21）、黑龙江（20）、云南（22）、吉林（23）、内蒙古（24）、贵州（25）、新疆（26）、甘肃（27） | 10 | 15.55 | 1.56 |
| 低关注区 | 海南（28）、宁夏（29）、青海（30）、西藏（31） | 4 | 1.16 | 0.29 |
Tab.2 Classification of virtual tour network attention levels
| 类型 | 省份（位序） | 省份数量 /个 | 总贡献率 /% | 平均贡献率 /% |
|---|---|---|---|---|
| 高关注区 | 浙江（1）、广东（2）、北京（3） | 3 | 25.68 | 8.56 |
| 较高关注区 | 江苏（4）、山东（5）、河南（6）、四川（7） | 4 | 23.20 | 5.80 |
| 中度关注区 | 上海（9）、河北（8）、安徽（14）、湖北（10）、福建（11）、陕西（12）、辽宁（13）、湖南（15）、山西（16）、天津（17） | 10 | 34.41 | 3.44 |
| 较低关注区 | 重庆（19）、广西（18）、江西（21）、黑龙江（20）、云南（22）、吉林（23）、内蒙古（24）、贵州（25）、新疆（26）、甘肃（27） | 10 | 15.55 | 1.56 |
| 低关注区 | 海南（28）、宁夏（29）、青海（30）、西藏（31） | 4 | 1.16 | 0.29 |
Fig.3 Hierarchical pattern evolution of virtual tour network attention from 2011 to 2021
| 年份 | 省域差异 | 区域间差异（东部、中部和西部） | ||||||
|---|---|---|---|---|---|---|---|---|
| CV | P | H | G | CV | P | H | G | |
| 2011 | 0.108 | 1.085 | 0.044 | 20.999 | 0.236 | 1.901 | 0.389 | 62.377 |
| 2012 | 0.119 | 1.073 | 0.046 | 21.579 | 0.270 | 2.270 | 0.406 | 63.768 |
| 2013 | 0.135 | 1.025 | 0.050 | 22.499 | 0.326 | 2.584 | 0.439 | 66.307 |
| 2014 | 0.138 | 1.000 | 0.051 | 22.684 | 0.332 | 2.747 | 0.443 | 66.616 |
| 2015 | 0.143 | 1.181 | 0.052 | 22.961 | 0.314 | 2.393 | 0.432 | 65.737 |
| 2016 | 0.135 | 1.000 | 0.050 | 22.519 | 0.286 | 2.345 | 0.415 | 64.467 |
| 2017 | 0.152 | 1.250 | 0.055 | 23.580 | 0.309 | 2.533 | 0.429 | 65.519 |
| 2018 | 0.164 | 1.418 | 0.059 | 24.372 | 0.307 | 2.760 | 0.428 | 65.418 |
| 2019 | 0.181 | 1.254 | 0.065 | 25.520 | 0.334 | 2.891 | 0.444 | 66.702 |
| 2020 | 0.146 | 1.122 | 0.053 | 23.186 | 0.291 | 2.462 | 0.418 | 64.691 |
| 2021 | 0.155 | 1.045 | 0.056 | 23.732 | 0.274 | 1.966 | 0.408 | 63.917 |
Tab.3 Provincial and interregional differences of virtual tour network attention from 2011 to 2021
| 年份 | 省域差异 | 区域间差异（东部、中部和西部） | ||||||
|---|---|---|---|---|---|---|---|---|
| CV | P | H | G | CV | P | H | G | |
| 2011 | 0.108 | 1.085 | 0.044 | 20.999 | 0.236 | 1.901 | 0.389 | 62.377 |
| 2012 | 0.119 | 1.073 | 0.046 | 21.579 | 0.270 | 2.270 | 0.406 | 63.768 |
| 2013 | 0.135 | 1.025 | 0.050 | 22.499 | 0.326 | 2.584 | 0.439 | 66.307 |
| 2014 | 0.138 | 1.000 | 0.051 | 22.684 | 0.332 | 2.747 | 0.443 | 66.616 |
| 2015 | 0.143 | 1.181 | 0.052 | 22.961 | 0.314 | 2.393 | 0.432 | 65.737 |
| 2016 | 0.135 | 1.000 | 0.050 | 22.519 | 0.286 | 2.345 | 0.415 | 64.467 |
| 2017 | 0.152 | 1.250 | 0.055 | 23.580 | 0.309 | 2.533 | 0.429 | 65.519 |
| 2018 | 0.164 | 1.418 | 0.059 | 24.372 | 0.307 | 2.760 | 0.428 | 65.418 |
| 2019 | 0.181 | 1.254 | 0.065 | 25.520 | 0.334 | 2.891 | 0.444 | 66.702 |
| 2020 | 0.146 | 1.122 | 0.053 | 23.186 | 0.291 | 2.462 | 0.418 | 64.691 |
| 2021 | 0.155 | 1.045 | 0.056 | 23.732 | 0.274 | 1.966 | 0.408 | 63.917 |
| 指标 | 区域 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年 | 2019年 | 2020年 | 2021年 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| CV | 东部 | 0.113 | 0.122 | 0.130 | 0.134 | 0.152 | 0.148 | 0.181 | 0.209 | 0.229 | 0.174 | 0.162 |
| 中部 | 0.121 | 0.130 | 0.156 | 0.128 | 0.162 | 0.148 | 0.154 | 0.221 | 0.223 | 0.162 | 0.281 | |
| 西部 | 0.212 | 0.234 | 0.238 | 0.275 | 0.266 | 0.280 | 0.274 | 0.224 | 0.239 | 0.268 | 0.296 | |
| P | 东部 | 1.085 | 1.073 | 1.025 | 1.000 | 1.181 | 1.000 | 1.250 | 1.418 | 1.254 | 1.122 | 1.393 |
| 中部 | 1.387 | 1.631 | 1.333 | 1.733 | 1.391 | 1.368 | 1.307 | 2.111 | 1.866 | 1.526 | 2.588 | |
| 西部 | 1.035 | 1.043 | 1.062 | 1.000 | 1.352 | 1.833 | 1.750 | 1.200 | 1.750 | 2.000 | 1.692 | |
| H | 东部 | 0.103 | 0.106 | 0.107 | 0.108 | 0.114 | 0.112 | 0.123 | 0.134 | 0.143 | 0.121 | 0.117 |
| 中部 | 0.139 | 0.142 | 0.149 | 0.141 | 0.151 | 0.147 | 0.148 | 0.174 | 0.174 | 0.151 | 0.204 | |
| 西部 | 0.128 | 0.138 | 0.140 | 0.159 | 0.154 | 0.162 | 0.158 | 0.133 | 0.140 | 0.155 | 0.171 | |
| G | 东部 | 32.197 | 32.554 | 32.854 | 32.997 | 33.794 | 33.587 | 35.164 | 36.708 | 37.882 | 34.850 | 34.261 |
| 中部 | 37.396 | 37.691 | 38.664 | 37.611 | 38.910 | 38.355 | 38.574 | 41.741 | 41.816 | 38.913 | 45.200 | |
| 西部 | 35.866 | 37.171 | 37.422 | 39.870 | 39.270 | 40.248 | 39.808 | 36.591 | 37.516 | 39.412 | 41.388 |
Tab.4 The differences of the network attention within regional index of virtual tour from 2011 to 2021
| 指标 | 区域 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年 | 2019年 | 2020年 | 2021年 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| CV | 东部 | 0.113 | 0.122 | 0.130 | 0.134 | 0.152 | 0.148 | 0.181 | 0.209 | 0.229 | 0.174 | 0.162 |
| 中部 | 0.121 | 0.130 | 0.156 | 0.128 | 0.162 | 0.148 | 0.154 | 0.221 | 0.223 | 0.162 | 0.281 | |
| 西部 | 0.212 | 0.234 | 0.238 | 0.275 | 0.266 | 0.280 | 0.274 | 0.224 | 0.239 | 0.268 | 0.296 | |
| P | 东部 | 1.085 | 1.073 | 1.025 | 1.000 | 1.181 | 1.000 | 1.250 | 1.418 | 1.254 | 1.122 | 1.393 |
| 中部 | 1.387 | 1.631 | 1.333 | 1.733 | 1.391 | 1.368 | 1.307 | 2.111 | 1.866 | 1.526 | 2.588 | |
| 西部 | 1.035 | 1.043 | 1.062 | 1.000 | 1.352 | 1.833 | 1.750 | 1.200 | 1.750 | 2.000 | 1.692 | |
| H | 东部 | 0.103 | 0.106 | 0.107 | 0.108 | 0.114 | 0.112 | 0.123 | 0.134 | 0.143 | 0.121 | 0.117 |
| 中部 | 0.139 | 0.142 | 0.149 | 0.141 | 0.151 | 0.147 | 0.148 | 0.174 | 0.174 | 0.151 | 0.204 | |
| 西部 | 0.128 | 0.138 | 0.140 | 0.159 | 0.154 | 0.162 | 0.158 | 0.133 | 0.140 | 0.155 | 0.171 | |
| G | 东部 | 32.197 | 32.554 | 32.854 | 32.997 | 33.794 | 33.587 | 35.164 | 36.708 | 37.882 | 34.850 | 34.261 |
| 中部 | 37.396 | 37.691 | 38.664 | 37.611 | 38.910 | 38.355 | 38.574 | 41.741 | 41.816 | 38.913 | 45.200 | |
| 西部 | 35.866 | 37.171 | 37.422 | 39.870 | 39.270 | 40.248 | 39.808 | 36.591 | 37.516 | 39.412 | 41.388 |
| 指标维度 | 探测因素 | 相关性 | q值 |
|---|---|---|---|
| 经济条件 | 国内生产总值/亿元 | 0.731** | 0.497 5*** |
| 第三产业产值占比/% | 0.158** | 0.100 7** | |
| 人均可支配收入/元 | 0.458** | 0.238 4*** | |
| 人口因素 | 人口总数/万人 | 0.640** | 0.410 8*** |
| 城镇人口占比/% | 0.416** | 0.225 5*** | |
| 教育发展程度 | 高校数量/所 | 0.683** | 0.466 6*** |
| 在校大学生数量/万人 | 0.621** | 0.361 7*** | |
| 旅游发展水平 | 国内旅游收入/亿元 | 0.170** | 0.001 1 |
| 国内旅游人次/（万/人次） | 0.311** | 0.039 4* | |
| A级旅游景区/家 | 0.442** | 0.188 7*** | |
| 数字化发展水平 | 互联网宽带接入用户/万户 | 0.629** | 0.344 8*** |
| 移动互联网用户/万户 | 0.687** | 0.460 3*** | |
| 软件产品收入/万元 | 0.647** | 0.448 8*** |
Tab.5 Correlation of spatial-temporal difference and q value of impact factors of virtual tour network attention
| 指标维度 | 探测因素 | 相关性 | q值 |
|---|---|---|---|
| 经济条件 | 国内生产总值/亿元 | 0.731** | 0.497 5*** |
| 第三产业产值占比/% | 0.158** | 0.100 7** | |
| 人均可支配收入/元 | 0.458** | 0.238 4*** | |
| 人口因素 | 人口总数/万人 | 0.640** | 0.410 8*** |
| 城镇人口占比/% | 0.416** | 0.225 5*** | |
| 教育发展程度 | 高校数量/所 | 0.683** | 0.466 6*** |
| 在校大学生数量/万人 | 0.621** | 0.361 7*** | |
| 旅游发展水平 | 国内旅游收入/亿元 | 0.170** | 0.001 1 |
| 国内旅游人次/（万/人次） | 0.311** | 0.039 4* | |
| A级旅游景区/家 | 0.442** | 0.188 7*** | |
| 数字化发展水平 | 互联网宽带接入用户/万户 | 0.629** | 0.344 8*** |
| 移动互联网用户/万户 | 0.687** | 0.460 3*** | |
| 软件产品收入/万元 | 0.647** | 0.448 8*** |
| 1 | 胡芬,张进.虚拟旅游体验者满意感影响因素研究.湖北大学学报:哲学社会科学版,2013,40(3):129-132. |
| HU F, ZHANG J. Research on the influencing factors of satisfaction of virtual tourism experiencers. Journal of Hubei University: Philosophy and Social Sciences Edition, 2013,40(3): 129-132. | |
| 2 | Tourism SHARPLEY R.,Tourists and Society. London:Routledge, 2016. |
| 3 | TUSSYADIAH I P, WANG D, JUNG T H, et al. Virtual reality, presence, and attitude change: Empirical evidence from tourism. Tourism Management, 2018, 66: 140-154. |
| 4 | KIM M J, LEE C K, JUNG T. Exploring consumer behavior in virtual reality tourism using an extended stimulus-organism-response model. Journal of Travel Research, 2020,59(1): 69-89. |
| 5 | 郑春晖,张佳,温淑盈.虚与实:虚拟旅游中的人地情感依恋与实地旅游意愿.旅游学刊,2022,37(4):104-115. |
| ZHENG C, ZHANG J, WEN S. Emptiness and reality: Human land emotional attachment and on-site tourism willingness in Virtual Tourism. Journal of Tourism, 2022,37(4):104-115. | |
| 6 | 赖勤,钱莉莉,应天煜,等.虚拟旅游研究综述——基于Scopus数据库的文献计量与内容分析.旅游科学,2022,36(1):16-35. |
| LAI Q, QIAN L, YING T, et al. Review of virtual tourism research: Bibliometrics and content analysis based on Scopus database. Tourism Science, 2022,36(1): 16-35. | |
| 7 | SUSSMANN S, VANHEGAN H. Virtual reality and the tourism product: Substitution or complement? ECIS 2000 Proceedings, 2000: 1077-1083. |
| 8 | 甘露,谢雯,贾晓昕,等.虚拟现实体验能替代实地旅游吗?——基于威士伯峰虚拟现实体验的场景实验分析.旅游学刊,2019,34(8):87-96. |
| GAN L, XIE W, JIA X, et al. Can virtual reality experience replace field travel? Analysis of scene experiment based on the experience of virtual reality in Mount Valspar. Journal of Tourism, 2019,34(8): 87-96. | |
| 9 | 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.东北师范大学学报:自然科学版,2019,51(1):133-138. |
| ZENG K, ZHOU L. Analysis of network attention of 4A level and above scenic spots in three northeastern provinces based on Baidu Index. Journal of Northeast Normal University: Natural Science Edition, 2019,51(1):133-138. | |
| 10 | LUO M, FENG R, CAI L. Information search behavior and tourist characteristics:The internet vis-à-vis other information sources. Journal of Travel & Tourism Marketing,2005,17(2-3):15-25. |
| 11 | VUYLSTEKE A, WEN Z, BAESENS B,et al. Consumers' search for information on the internet:How and why China differs from Western Europe. Journal of Interactive Marketing,2010,24(4):309-331. |
| 12 | 李山,邱荣旭,陈玲.基于百度指数的旅游景区网络空间关注度:时间分布及其前兆效应.地理与地理信息科学,2008,24(6):102-107. |
| LI S, QIU R, CHEN L. Cyberspace attention of scenic spots based on Baidu Index: Time distribution and its precursory effect. Geography and Geographic Information Science, 2008,24(6):102-107. | |
| 13 | 张晓梅,程绍文,刘晓蕾,等.古城旅游地网络关注度时空特征及其影响因素——以平遥古城为例.经济地理,2016,36(7):196-202. |
| ZHANG X, CHENG S, LIU X, et al. Spatial and temporal characteristics and influencing factors of network attention of ancient city tourism destinations —— Taking Pingyao ancient city as an example. Economic Geography, 2016,36(7):196-202. | |
| 14 | 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.经济地理,2020,40(4):204-213. |
| FANG Y, CHENG X, HUANG Z, et al. The dislocation characteristics and mechanism of network attention and tourist volume in national key scenic spots. Economic Geography, 2020,40(4):204-213. | |
| 15 | 黄先开,张丽峰,丁于思.百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例.旅游学刊,2013,28(11):93-100. |
| HUANG X, ZHANG L, DING Y. Research on the relationship and prediction between Baidu Index and tourist volume in scenic spots -- Taking the Forbidden City in Beijing as an example. Journal of Tourism, 2013,28(11):93-100. | |
| 16 | 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 and Market, 2018,34(5):709-714. | |
| 17 | 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. Analysis of temporal and spatial distribution characteristics of network attention of scenic spots. Resource Science, 2012,34(12): 2427-2433. | |
| 18 | 刘嘉毅,陈玲,陶婷芳.旅游舆情网络关注度城市差异——来自289个城市百度指数的实证研究.信息资源管理学报,2018,8(3):93-101. |
| LIU J, CHEN L, TAO T. Urban differences in online attention of tourism public opinion ——An empirical study from the Baidu Index of 289 cities. Journal of Information Resource Management, 2018,8(3):93-101. | |
| 19 | 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. Temporal and spatial characteristics of tourism security network attention and its influencing factors. Journal of Tourism, 2015,30(2):101-109. | |
| 20 | 何小芊,刘宇,吴发明.基于百度指数的温泉旅游网络关注度时空特征研究.地域研究与开发,2017,36(1):103-108. |
| HE X, LIU Y, WU F. Research on spatial and temporal characteristics of hot spring tourism network attention based on Baidu Index. Regional Research and Development, 2017,36(1):103-108. | |
| 21 | 张新成,梁学成,高楠,等.长征主题红色旅游资源关注度的空间网络结构及其形成机制分析.旅游科学,2021,35(3):1-23. |
| ZHANG X, LIANG X, GAO N, et al. Analysis of spatial network structure and its formation mechanism of the attention of Red Tourism resources with the theme of the long march. Tourism Science, 2021,35(3):1-23. | |
| 22 | 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.自然资源学报,2020,35(5):1068-1089. |
| GAO N, ZHANG X, WANG L. Temporal and spatial characteristics and influencing factors of China's Red Tourism network attention. Journal of Natural Resources, 2020,35(5): 1068-1089. | |
| 23 | 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. Research on spatio-temporal characteristics and influencing factors of China B & B network. World Regional Studies, 2022,31 (1): 154-165. | |
| 24 | 杜家禛,徐菁,靳诚.基于百度指数的长江三角洲虚拟旅游流流动特征和影响因素分析.长江流域资源与环境,2021,30(2):290-301. |
| DU J, XU J, JIN C. Analysis of flow characteristics and influencing factors of virtual tourism flow in the Yangtze River Delta based on Baidu Index. Resources and Environment of the Yangtze River Basin, 2021,30(2): 290-301. | |
| 25 | 卢松,陆林,王莉,等.古村落旅游客流时间分布特征及其影响因素研究——以世界文化遗产西递、宏村为例.地理科学,2004,24(2):250-256. |
| LU S, LU L, WANG L, et al. Temporal characteristics of tourist flows to ancient villages——A case study of two world cultural heritages, Xidi village and Hongcun village. Geographical Sciences, 2004,24(2): 250-256. | |
| 26 | 王兆峰,刘庆芳.中国少数民族特色村寨空间异质性特征及其影响因素.经济地理,2019,39(11):150-158. |
| WANG Z, LIU Q. Spatial heterogeneity characteristics and influencing factors of Chinese ethnic minority characteristic villages. Economic Geography, 2019, 39 (11):150-158. | |
| 27 | 耿虹,李彦群,范在予.农家乐发展的地域空间格局及其影响因素——基于浙江、湖北、四川的比较研究.经济地理,2019,39(11):183-193. |
| GENG H, LI Y, FAN Z. The regional spatial pattern of agritainment development and its influencing factors: A comparative study based on Zhejiang, Hubei and Sichuan. Economic Geography, 2019,39(11):183-193. | |
| 28 | 李莉,侯国林,夏四友,等.成都市休闲旅游资源空间分布特征及影响因素.自然资源学报,2020,35(3):683-697. |
| LI L, HOU G, XIA S, et al. Spatial distribution characteristics and influencing factors of leisure tourism resources in Chengdu. Journal of Natural Resources, 2020,35 (3): 683-697. | |
| 29 | 陈昆仑,林晨喧,刘小琼,等.中国马拉松网络关注的时空特征及影响因素.经济地理,2022,42(1):117-126. |
| CHEN K, LIN C, LIU X, et al. Space time characteristics and influencing factors of China Marathon network. Economic Geography, 2022,42 (1): 117-126. | |
| 30 | 张宇飞,任艳路,梁丽敏. 中国冰雪旅游网络关注度的时空差异与影响因素——基于百度指数的实证数据. 世界地理研究, 2024, 33(10): 155-167. |
| ZHANG Y, REN Y, LIANG L. The spatiotemporal differences and influencing factors of the attention of China's ice and snow tourism net‐work—— Empirical data based on Baidu Index. World Regional Studies, 2024,33(10):155-167. | |
| 31 | 焦珊珊,李明,田逢军,等.中国红色旅游经典景区网络关注度分布格局及驱动机制.经济地理,2022,42(1):211-220. |
| JIAO S, LI M, TIAN F, et al. Distribution pattern and driving mechanism of network attention of classic scenic spots of Chinese Red Tourism. Economic Geography, 2022,42(1): 211-220. | |
| 32 | 刘沛林. 从新宅居生活看网络虚拟旅游的前景和方向. 地理科学,2020,40(9):1403-1411. |
| LIU P. Look at the prospect and direction of online virtual tourism from the perspective of new residential life. Geographical Science, 2020,40 (9): 1403-1411. | |
| 33 | HUANG Y C, BACKMAN S J, BACKMAN K F, et al. Exploring user acceptance of 3D virtual worlds in travel and tourism marketing. Tourism Management, 2013(36):490-501. |
| 34 | 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. Temporal and spatial evolution and influencing factors of network attention of Chinese Red Tourism classic scenic spots. Journal of Natural Resources, 2021,36 (7): 1792-1810. |
| Viewed | ||||||
|
Full text |
|
|||||
|
Abstract |
|
|||||
