交通巨变对中国旅游业发展的影响及地域类型划分
1 问题的提出
旅游是人们外出旅行与游览的综合，是游客在地域空间的流动。无论是往返于常住地和目的地之间，还是在目的地内各景区之间的旅游活动，都必须借助良好的交通设施和工具，因此，便捷的交通成为沟通旅游者和目的地的桥梁和纽带。改革开放30余年来(特别是近20年)，我国交通运输网络发生了巨大的变化。2008年年底，全国交通运输线路总里程达到639.45万千米，是1985年的4.62倍，其中，民航通航里程248.16万千米，是1985年的8.88倍。民用机场数翻了一番，民航旅客构成多元化，私人出行增长迅猛，旅客吞吐量比1985年增加了18504万人次，年均增长高达14.50％，北京、上海和广州3大枢纽机场均进入全球机场前50强行列。铁路通车里程7.97万千米，是1985年的1.44倍，高速铁路从无到有，既有线路改造成效显著，电气化里程是1985年的6倍多，新增91座现代化铁路客站，旅客运输能力大为提升，铁路客运总量是1985年的1.3倍，高速铁路日发送旅客达到92.5万人。公路通车里程373.02万千米，是1985年的4倍，仅次于美国，居全球第2。其中，高速公路通车里程达6.5万千米，居全球第2，与欧盟27国相当。公路客运量是1985年的5.63倍，年均增长7.47％。交通运输的快速发展，极大地促进了我国入境旅游和国内旅游的快速发展。1985～2008年，入境客流量增加了1.14亿人次，年均增长8.63％；国内客流量增加了14.98亿人，年均增长8.53％。
有关旅游与交通运输的关系，国外相关研究开展较早。伦德格伦(lundgren)、皮尔斯等(pearce，etal)对交通在旅游中的作用进行了探讨。伦德格伦、斯图尔特等(stewart，et al)对旅游者空间行为和迁移规律进行了分析。德斯蒙德(desmond)、托马斯(thomas)、丹尼尔(daniel)、蒂亚戈(tiago)分析了包机旅游及航空运输的作用。国内该方面的研究起步较晚，汪正元分析了交通对旅游的影响和制约作用。保继刚认为，现代旅游业的发展与交通运输紧密相连，交通运输的便利程度是衡量旅游业发展的重要标志。刘南分析了杭甬高速公路开通对杭州、宁波和绍兴旅游发展的影响。张涛认为，旅游交通是发展旅游业的命脉，是旅游生产力的重要组成部分。金凤君等认为，铁路客运提速对城市间旅游业的分工与合作十分有利。缪婧晶、王劲松分析了旅游交通成本对旅游业的影响及对策。何调霞等、马丽君等研究了中国旅游业与航空运输业的关系。张文尝等对北京、成都和大连城市居民出行交通方式和结构进行了分析。王兆峰分析了旅游交通对张家界旅游的影响。陈晓、李悦铮探究了城市交通系统和旅游系统之间的协调模式。周蓓研究了四川省航空旅游网络空间特征及其结构。朱兹、张明等分析了铁路建设对旅游业的影响。
国内外学者关于旅游与交通运输的关系研究，主要集中在某种交通方式对旅游需求的影响及对旅游目的地发展的影响。国外学者较关注航空和公路(私家车)交通对旅游的影响，研究具有较为明显的深度和广度。国内学者注重理论的探讨，对于重大的铁路和公路工程建设的旅游效应较为关注。但在研究方法方面，定性分析多于定量分析；研究层次上着眼个别区域或个别线路的个案分析，而忽视整体的宏观研究，且研究的交通方式也较单一。由于不同的交通方式具有不同特点，在游客运输中担负着不同的角色，以及国内旅游与入境旅游对交通方式的不同选择，因此，上述研究既不能提供航空、铁路、公路等运输的发展对入境旅游和国内旅游产生何种影响及具有什么边际弹性，也不能从地区差异上提供各省区交通运输对旅游业发展的适宜性特征。本文尝试运用宏观的时空结合方法：首先，利用1985～2008年时间序列数据，分析旅游客流量与交通客运量的协整关系；然后，依据2006～2007年30个省区截面数据，分析旅游客流量与交通客运量的统计规律，并划分其依赖一偏好类型，从时空变化上定量分析交通运输业对旅游业的拉动作用，对于认识交通运输与旅游发展的关系有很重要的现实意义。
2 概念模型、数据说明与研究方法
2.1概念模型与基本假设
张文尝等认为，交通运输是中国国民经济发展的基础产业。对于旅游业的发展来说，交通运输更是必不可少的先决条件。从旅游客源地来说，旅游交通连接着旅游目的地和景区，帮助游客实现外出旅游；从旅游目的地来说，旅游交通联系客源地、组合旅游产品，使旅游接待和景点旅游得以实现。根据抽样调查和问卷调查资料，依据空间尺度将旅游交通划分为两个层次，如图1所示。第一层是大中尺度的长途交通，主要是航空和铁路，一般运送空间尺度大于100千米，主要承担从客源地到目的地的大中尺度空间移动，包括入境旅游和跨省区旅游。航空旅游具有快捷、直达、舒适等特点，但价格比较论文联盟http://昂贵；铁路旅游具有运量大、价格低廉等特点，但速度较慢。这两种交通运输方式对于旅游业的发展来说，主要解决游客“进得来”和“出得去”的问题。第二层是中小尺度的短途交通，主要为公路旅客运输，一般运送空间尺度小于100千米，是游客在目的地(中心城市)到风景区之间交通，省内旅游和市内交通以公路为主。因公路运输快捷灵活，主要解决游客在目的地“散得开”的问题。
基于上述认识，本文做出如下两点假设：(1)入境旅游及客流量在30个省区的分布主要受航空运输和铁路运输的影响。因为，入境旅游客流量在各省区的分布主要是大中尺度的旅游流，入境游客可支配收入高、旅游时间宝贵、活动范围大，航空和铁路是长距离旅行的主要交通方式；至于人境旅游者在各城市内的交通运输，多由旅行社专配旅游车辆来完成，一般不计入公共交通系统。(2)国内旅游客流量在30个省区的分布，主要受公路交通和铁路运输的影响。因为国内旅游一部分是本省游客在本省区内的旅游(大约占20％～40％)①；另外，跨省区的国内旅游，因国内居民收入较低，航空运输票价较为昂贵，2000年之前乘坐飞机手续复杂，铁路成为国内大中尺度旅游的主要交通工具。
2.2数据说明
本研究所选用的基础数据包括两个序列：(1)1985～2008年中国旅游客流量和交通运输客运量数据，共包括3个子序列：①入境客流量，反映入境旅游业发展状况，记为tf；②国内旅游客流量，反映国内旅游发展状况，记为td；③航空、铁路、公路客运量，反映陆路交通运输系统的运输能力，分别记为al、rw、hw。这些数据均来自1986—2009年《中国旅游年鉴》、《中国统计年鉴》、《中国交通年鉴》等官方统计资料。(2)30个省区的截面数据。为了分析各省区入境旅游、国内旅游与航空运输、公路运输的关系，本文还选取2006年全国30个省区的截面数据(西藏除外)，分别以上述时间序列分析中的关键因素，采用截面数据分析入境客流量与航空客运量、国内旅游客流量与公路客运量的关系。
旅游业是环境敏感的脆弱产业，极易受到各种危机事件的影响。1989年的政治风波、1998年的亚洲金融危机、2003年的sars危机、2008年的汶川地震等，均对中国入境旅游和国内旅游产生较大影响，为了在较平稳的序列中分析旅游客流量与交通客运量的关系，本文依据本底趋势线理论，对1989年、1998年、2003年和2008年的入境旅游和国内旅游数据进行了内插订正。
2.3研究方法
本研究采用时间序列和截面数据结合的方法，分析交通运输对旅游业的影响。首先，利用时间序列的单位根检验方法，对交通运输巨变与旅游业发展的长期稳定关系进行检验，在存在长期均衡关系的基础上，建立误差修正模型进行短期均衡关系调整的检验；然后，利用格兰杰因果关系检验法，对交通运输与旅游业因果关系进行检验，从时间序列数据分析中认识交通运输与旅游业发展的因果关系；最后，利用2006年30个省区的截面数据，分析入境旅游客流量与航空客运量、国内旅游客流量与公路客运量的统计相关性，依据相对偏差划分依赖一偏好类型，寻找旅游客流量与主要交通运输方式之间的空间差异。
3 时间序列分析与格兰杰因果关系检验
3.1时间序列的稳定性检验
要分析变量之间的协整关系并建立var模型，首先需对变量进行是否具有单位根平稳性检验。只有变量在同阶平稳的条件下，才能对其进行协整分析。常用adf方法来验证，该方法可以通过对如下3个模型进行检验：模型1-不含有常数项和时间趋势项，模型2-含有常数项而没有趋势项，模型3一含有常数项和趋势项。如果其中任何一个adf值大于麦金农临界值，则可以认为该序列没有单位根，是平稳的时间序列。因此，本文对取自然对数后的变量以及它们的差分序列作平稳性检验。结果见，表1。
从表1可以看出，在1％显著性水平下，所有变量水平值都是非平稳的。经过一阶差分后，在5％显著性水平下，国内客流量(ltd)、入境客流量(ltf)、公路客运量(lhw)、铁路客运量(lrw)和航空客运量(lal)为平稳性变量，即为一阶单整序列。
3.2协整检验
协整理论是20世纪80年代由恩格尔(engle)和格兰杰(granger)提出的。其基本思想是，尽管两个(或两个以上)变量中每个都是非平稳的，但其线性组合有可能相互抵消趋势项的影响，成为一个平稳的变量。协整检验的常用方法是e—g两步法，对于多个变量之间的协整关系，可以使用基于向量自回归模型的约翰森(johansen)检验法。为分析变量ltd、ltf与lrw、lhw、lal之间的长期稳定关系，本文采用约翰森模型对其进行协整检验。选择方程中含有截距项，根据aic和sc准则，将滞后阶数确定为2，检验结果如表2和表3所示。
从表2可以看出，在5％显著性水平上，人境客流量与公路、铁路、航空客运量之间存在长期稳定的均衡关系。采用ols方法，其协整方程如下：
ltf=-0.350486lrw +(1. 51442)
1.121560lhw 0.348604lal+(-2.43182) (1.92863)-22.04167 (1)
从方程的系数可以看出，各时间序列变量都显著地进入了协整方程，反映了变量之间存在长期稳定的趋势。从长期来看，铁路客运对入境客流量的弹性为-0.350486，公路客运对入境客流量的弹性为1，121560，民航客运对入境客流量的弹性为0.348604。王海江和苗长虹认为，我国客运交通联系具有明显的距离衰减规律，公路、铁路和航空客运最佳营运距离为150千米、700千米和1300千米。入境游客由国外进入中国及在中国大区之间移动的空间距离较大，依赖长途交通，主要以航空客运为主；而在各省区内部，大部分省区内航班班次少，加之高速公路网发达、快捷等优势，游客在省区内部移动主要由公路运输承担，一个人境游客在省内的移动，可产生10～20个公路客运人次，导致公路客运弹性系数很高。对入境客流量而言，铁路客运产生的负效应是由于航空客运、公路客运部分替代效应和铁路客运距离衰减双重作用所致。
从表3可以看出，在5％显著性水平上，国内客流量与公路、铁路、航空客运量之间存在长期稳定的均衡关系。采用ols方法，其协整方程如下：
ltd=1.049012lrw+0.881197lhw-00.172383lal-24.06571
转贴于论文联盟 http://
(-2.0803) (－1.96406) (-2.13556) (2)
从方程的系数可以看出，各时间序列变量都显著地进入了协整方程，反映了变量之间存在长期稳定的趋势。从长期来看，铁路客运对国内客流量的弹性为1.049012，公路客运对国内客流量的弹性为0.881197，民航客运对国内客流量的弹性为0.17383。中国地域辽阔，国内游客在超过150千米的省区之间主要由铁路客运承担，或铁路客运和公路客运交替承担。各省区十分重视公路网络的建设，尤其是高速公路的快速发展。公路较铁路网络密集和完善，笔者依据国内游客抽样调查数据估算，约有20％～40％的游客在本省区内发生。因此，在省区内旅游移动主要由公路客运完成。航空客运对国内客流量增长贡献相对较小，是因为在省区之间或省区内空间位移，航空客运较铁路客运和公路客运费用高，加之我国经济发展水平不高，居民可自由支配收入水平较低，航空客运不是国内大多数游客出行首选交通方式，以及早期航空客运比重较小等因素所致。
3.3误差修正模型
上述协整分析分别给出了ltf、ltd与lrw、lhw、lal之间的长期稳定均衡关系，而这种长期稳定关系是在短期动态过程的不断调整下得以维持的。根据granger定理，一组具有协整关系的变量具有误差修正模型的表达形式。因此，在协整检验的基础上，笔者进一步建立包括误差修正项在内的误差修正模型，以此来研究模型的短期动态和长期调整特征。将长期关系模型中的各变量以一阶差分形式重新加以构造，并将长期关系模型所产生的残差序列作为解释变量引入。作为解释变量引入的长期关系模型的残差，代表着在取得长期均衡过程中各时点上出现“偏误”的程度。分别建立ltf与lrw、lhw、lal以及ltd与lrw、lhw、lal如下形式的修正模型：
3.3.1 入境客流量(ltf)短期波动向长期均衡调整的误差修正模型
dltf=-0.716022ecm-0.280582dltf(-1)+0.548099dltf(-2)-0.017133dlrw(-1)+0.015559dlrw(-2)-1，171688dlhw(-1)+0.893335dlhw(-2)+1，022703dlal(-1)+0.029439dlal(-2)+0.0329289
r2=0.618536 (3)
误差修正方程(3)中各参数的系数，可分别看作是各滞后量对dltf的弹性系数，可对其进行弹性分析。其中，dltf(-1)和dltf(-2)为入境客流量的1期和2期滞后，系数分别为-0.28058和0.548099，说明前1年或前2年客流量每增长1％，将促使下年客流量下降0.28058％或第2年增长0.548099％；dlrw(-1)和dlrw(-2)为铁路客运量的1期和2期滞后，系数分别为-0.017133和0.0155589，说明前1年或前2年铁路客运量每增长1％，将促使下年客流量下降0.017133％或第2年增长0.0155589％；dlhw(-1)和dlhw(-2)为公路客运量1期和2期滞后，系数分别为-1.171689和0.893335，说明前1年或前2年公路客运量每增长1％，将促使下年客流量下降1.171689％或第2年增长0.893335％；dlal(-1)和dlal(一2)为航空客运量1期和2期滞后，系数分别为1.022703和0.029438，说明前1年或前2年航空客运量每增长1％，将促使下年客流量增长1.022703％或第2年增长0.029438％。从弹性分析可看出，入境客流量增长对自身发展的推动作用不显著，而交通客运量增长对下年入境客流量增长起到重要的作用，尤其航空客运量增长贡献最大。ecm项系数反映了对偏离长期均衡的调整力度。当修正系数为l时，入境客流量和铁路、公路、航空客运量均衡的误差，将在下年就可以调整到均衡状态。方程(1)中ecm系数为-0.716022，说明入境客流量与铁路、公路、民航客运量之间的均衡关系，对当期非均衡误差的修正能力较强，符合反向修正机制原理。
3.3.2国内客流量(ltd)短期波动向长期均衡调整的误差修正模型
dltd=-0.243782ecm+0.576056dltd(-1)+0.269367dltd(-2)-0.348364dlrw(-1)+0.083713dlrw(-2)+0.510915dlhw(-1)+0.654979dlhw(-2)+0.260907dlal(-1)+0.093286dlal(-2)+0.113737
r2=0.517116 (4)
方程(4)中，dltd(-1)和dltd(-2)为国内旅游1期和2期滞后，系数分别为0.5760和0.2694，说明上年或前2年国内客流量每增长1％，将使今年或明年国内客流量增长0.5760％和0.2694％；dlrw(-1)和dlrw(-2)为铁路客运量1期和2期滞后，系数分别为-0.3484和0.0837，说明上年或前2年铁路客运量每增长1％，将使今年国内客流量下降0.3483％和第2年增长0.0837％；dlhw(-1)和dlhw(-2)为公路客运1期和2期滞后，系数分别为0.5109和0.6550，说明上年或前2年公路客运每增长1％，将使今年和第2年国内客流量增长0.510915％和0.654979％；dlal(-1)和dlal(-2)为航空客运l期和2期滞后，系数分别为0.2609和0.0933，说明上年或前2年航空客运量增长1％，将使今年和第2年国内客流量增长0.2609％和0.093286％。弹性分析结果显示，国内客流量1期和2期滞后都对自身发展有推动作用，这是国内发展的惯性或称为系统的记忆性。而公路、铁路、航空的l期滞后对国内客流量有明显的推动效应，2期滞后的推动作用相对较小，相比较而言，公路客运对国内客流量增长贡献最大。而偏差调整项ecm系数为-0.243782，说明国内客流量与公路、铁路、民航客运量的均衡关系对当期非均衡误差调整能力不强，当国内旅游短期波动偏离长期均衡时，会以(-0.244)的调整能力将其拉回均衡状态。
3.4格兰杰因果检验
通过协整检验，表明变量ltf，ltd分别与lrw、lhw和lal之间存在协整关系。但是，这种长期的均衡关系究竟是旅游客流量引起交通客运量变动的结果，还是交通客运量引起旅游客流量的结果?旅游客流量和交通客运量在波动中孰为因孰为果还是互为因果?这需要对旅游客流量和交通客运量进行格兰杰因果关系检验。张晓峒认为，滞后期数的选取是任意的，以xt和yt为例，如果xt-1对yt存在显著性影响，则不必再做滞后期更长的检验，否则应该再做滞后期更长的检验。因此，本文按照这一原则选择格兰杰检验的滞后期为2，结果如表4。
表4表明，在10％显著水平下，入境客流量方面，公路客运量与入境客流量之间存在单向格兰杰因果关系，格兰杰因概率为0.06571，因此，拒绝原假设，表明公路客运能够促进入境客流量的增长；入境客流量与航空客运量存在单向格兰杰因果关系，格兰杰因概率为0.08605，因此，拒绝原假设，即入境客流量增长对航空客运量具有拉动效应。我国地域辽阔，省区之间的距离相当于欧洲国与国之间的距离，入境旅游者从境外入境中国大陆及在大陆较远各省区间进行旅游，基本上都属于大尺度上的空间位移，对长距离的交通工具飞机和火车依赖较大，因此，入境旅游对航空客运拉动作用明显。铁路客运量与入境客流量之间存在单向格兰杰因果关系，格兰杰因概率为0.01962，因此，拒绝原假设，表明我国铁路提速和高铁的建设对入境旅游者的增长和其在境内中尺度上空间位移产生了积极作用。国内客流量方面，公路客运量与国内客流量为单向格兰杰因果关系，格兰杰因概率为0.10026，因此，拒绝原假设，即公路客运对国内客流量增长具有促进效应。短距离的省区间及省区内，因汽车具有灵活、方便和快捷等优势，加之通向旅游景区高等级公路的修建，旅游者出行主要以汽车为主。航空客运量与国内客流量存在单向格兰杰因果关系，格兰杰因概率为0.05458，因此，拒绝原假设，即航空客运发展对国内客流量增长能起到一定的推动效应，航空运输的特点能较好地满足经济实力强和对时间要求高的部分旅游者的需求。
检验结果还显示，在10％显著水平下，入境客流量不是公路客运量和铁路客运量的格兰杰因概率分别为0.52387和0.20404，接受原假设，即入境旅游对公路客运和铁路客运推动作用不大。国内客流量与铁路客流量之间不存在格兰杰因果关系，格兰杰因概率为0.47319和o，28107，接受原假设，即国内客流量与铁路客运量无显著互相推动效应。国内客流量与航空客运量和公路客运量的格兰杰因概率分别为0.20358和0.39884，接受原假设，即国内客流量对航空客运和公路推动效应不明显。这些检验结果都与事实有出入，但这并不代表旅游客流量对交通运输客运量没有促进作用。格兰杰因果关系检验只是基于时间序列数据的分析，是在特定显著性水平的定量判断，并不能完全排除理论上的质性分析。质性分析可以发现，交通运输是旅游必不可少的先决条件，是连接客源地与目的地的必不可少的工具，因此，无论是入境客流量，还是国内客流量都是交通运输客流量的重要组成部分，对交通客运量增长的作用是显而易见的，旅游客流量在交通客运量中的比重逐年上升就表明了这一点。随着《关于加快旅游业发展的意见》纲领性文件的出台，这一比重还将进一步上升。这也说明格兰杰因果关系分析存在某些方面的局限。格兰杰因果性检验是时间上的“先后次序”(或前因后果)关系，而不是一般意义上的因果关系。它要求变量必须是平稳的(无趋势项)。若原始变量的时间序列不平稳，就要对变量作对数变换或多级差分处理，这种处理有可能会扭曲原始变量间的因果关系，所以才得出“不是因果关系”的结论。
4 交通客运量与旅游客流量关系的统计分析及地域类型划分
时空互照，旅游客流量与交通客运量非线性时间序列的规律，在某种情况下也可以通过空间差异反映出来。我国东部北京、上海、广东是3个最大的入境口岸，国际航空客运和国内航空客运都十分发达，成为人境旅游的三大高地；而浙江、江苏、河南、四川、广东、山东等省区，人口众多、公路运输发达，国内旅游居于全国领先地位。下面着重以入境旅游与航空客运、国内旅游与公路客运为对象，采用30个省区截面数据，分析交通客运量与旅游客流量的关系并划分其地域类型。
4.1入境客流量与航空客流量关系的统计分析
入境旅游是大尺度、高消费、高选择的高层次旅游。因受旅行时间等因素的限制，国外旅游者往往选择经济发达、基础设施较好的热点城市和级别较高的景点旅游。我国幅员辽阔，地域差异大，各省区在交通区位和旅游资源丰度上存在较大差异，使得各省区接待的入境游客有较大差别。依据国家旅游局抽样调查资料，外国旅游者入境中国及在各省区之间的流动，50％依靠民航运输，20％依靠铁路客运，而公路主要承担城市内部和旅游景点之间的短途运输①。本节以航空客运为关键变量，分析各省区入境客流量与航空客运量的关系。以2006年30个省区截面数据为依据，以入境客流量为因变量，航空客运量为自变量，制作x—y关系散点图，结果表明，入境客流量与民航客运量呈明显的线性相关。其中，广东、上海、北京航空客运量位居前三名，入境客流量排全国前3名，并且远远超过其他省区；中西部的陕西、云南、四川、重庆航空客运量较高，入境客流量也领先其他省区。本文采用ols法进行回归分析，其回归方程如下：
tf=0.1079al+61.765 (5)
可决系数r2=0.758，拟合效果较好，符合预测要求。由方程(5)可知，航空客运量的边际弹性系数为0.1079，即航空客运量每增加1万人次，入境客流量将增加0.1079万人次。
仔细观察图中散点分布，可以发现各省区在入境旅游与航空客运上存在较大差异。为了分析这种散点分布对回归方程的偏差，本文借用孙根年早期提出的依赖一偏好指数模型，分省区比较入境客流量与航空客运量的地区差异。依赖一偏好指数计算公式为：
转贴于论文联盟 http://
εi=[sti／tti]
其中：sti为入境客流量统计值，tti为回归方程的预测值。依据对依赖一偏好指数的计算和偏离程度，得到全国30个省区入境客流量对航空客运量的偏离指数类型。结果见表5。
表5表明，在所统计的30个省区中，强依赖或偏好省区有4个，占13.33％；较强依赖或偏好省区有8个，占26.67％；中等依赖或中等偏好省区有9个，占30％；较弱依赖或偏好省区有7个，占23.3％；弱依赖或偏好省区有2个，占6.6％。内蒙古、上海、山东、广西依赖指数高于1.45，内蒙古和广西地处边陲，上海是出入境口岸，江苏和浙江经济发达，对航空需求大；天津、江苏、河北、辽宁、黑龙江、安徽、福建、云南依赖指数处于1～1，45，多处于边陲或内陆，对航空依赖明显；北京、浙江、河南、湖北、湖南、广东、重庆、四川、陕西依赖指数处于0.7～1，北京和广东是出入境口岸，陕西、四川和重庆则地处内陆，对航空有依赖；山西受北京影响，吉林受辽宁影响，江西受上海、江浙等影响，航空依赖指数较小；青海和宁夏地处边缘地区，旅游资源丰度不高，入境旅游客流量较小，对航空需求低。
4.2国内客流量与公路客运量关系的统计分析
经过近20年的发展，我国国内旅游已进入大众化阶段，旅游人数屡创新高。尽管受到金融危机的影响，2009年国内旅游仍达到19.3亿人次，出游率达到1.5次／人，较2008年增长16.3％。但由于经济发展水平所限，国内旅游仍具有低消费、中近距离等特点，30％以上游客为本省区内旅游。因公路运输灵活、方便，铁路运输票价低廉，此两种方式是国内旅游主要的交通运输方式。本节以公路客运量为关键变量，分析各省区国内旅游与公路客流量的关系。以2006年30个省区截面数据为依据，以国内旅游客流量为因变量，公路客运量为自变量，制作x—y散点图，结果发现，回归方程可决系数很低，方程拟合效果不理想。分析发现北京、上海和天津国内客流量大，但公路客运量小，与其是中国最大的直辖市有关，影响了方程的回归，随后剔除三者，做新的散点图，结果表明，国内客流量与公路客运量呈明显的二次函数关系。其中，东部沿海的浙江、山东和江苏国内客流量很大，中部安徽国内客流量排在第l位，西部地区四川国内客流量位居首位。本文采用ols法进行回归分析，其拟合的二次曲线回归方程如f：
td=-0.0055hw2+0.193hw-0.121 (6)
可决系数r。=o，7673，拟合效果较好，符合预测要求。根据依赖一偏好指数公式，得到各省区国内旅游客流量对公路客运量的依赖一偏好指数类型。结果见表6。
表6表明，在所统计的27个省区中，强依赖或偏好省区有2个，占所统计省区的7，41％；较强依赖或偏好省区12个，占44，44％；中等依赖或中等偏好省区9个，占33，33％；弱依赖或偏好省区4个，占14，81％。青海和宁夏多山，地形复杂，航空与铁路网络少，国内旅游主要依赖公路运输；浙江、山东和四川等省境内公路网络密度大，尤其浙江和山东不仅高等级公路比例高，而且四通发达，出行十分方便。辽宁、河南和陕西不仅公路网络发达，更重要的都是我国铁路交通枢纽，高速列车和动车组较多，航空线众多，在一定程度上降低了对公路运输的需求。中度依赖一偏好型的省区9个，占33.33％，这些省区中，广东和湖北省铁路与航空网络发达，基本已形成了民航、铁路和公路运输三位一体的交通网络。因此，国内旅游对公路运输依赖适中。而甘肃、湖南、广西、重庆等省区大部分铁路网络不发达，高等级铁路少，经济发展水平较低，而且境内多山，因此，国内出游主要以公路为主。弱依赖一偏好型的省区4个，占14.81％，依赖一偏好指数在0.6以下，这些省区都地处我国边疆地区，地形复杂、多山，且距离远，与外界联系以铁路和航空运输为主，对公路运输需求很小。
5 结论
尽管旅游业的发展，促进了交通运输的发展，但是交通运输功能巨大，并非完全是为旅游业服务的，因为货物运输、国内外非旅游者的运输，也是交通运输的重要任务。在旅游业发展之前，交通运输已经存在，并在客货运输中担负着重要的功能。20年来，随着交通运输的快速发展，尤其是航空客运逐渐普及，铁路提速、高速铁路的修建，公路和高速公路的发展，对我国旅游业的发展起到了巨大的推动作用。本文利用1985～2008年的时间序列数据和2006年全国30个省区的截面数据，分析了旅游客流量与交通客运量的关系。结果发现：
(1)基于时间序列的协整分析发现，长期内，旅游客流量与交通客运量之间存在着长期稳定的均衡关系。弹性系数表明，交通运输业对旅游业的发展具有显著的推动作用。格兰杰因果关系检验表明，航空客运量和公路客运量与入境客流量之间存在单向格兰杰因果关系，航空客运与公路客运对入境旅游的推动作用很大。入境客流量与航空客运量之间存在单向格兰杰因果关系，即入境旅游能推动航空客运的增长。航空客运量和公路客运量与国内客流量之间存在单向格兰杰因果关系，即公路客运和航空客运的增长促进了国内旅游的发展。
(2)误差修正模型分析发现，对于入境旅游，短期动态内，航空客运量、铁路客运量和公路客运量的1期和2期滞后效应中，航空客运量对入境客流量增长具有积极的推动作用，铁路客运量和公路客运量1期效应不显著。当短期波动偏离长期均衡时，系统将以-0.716022的调整力度将非均衡状态拉回到均衡状态。对于国内旅游，短期动态内，航空客运量、铁路客运量和公路客运量的1期和2期滞后效应中，公路客运量和航空客运量对国内客流量增长具有较大推动效应，铁路客运量1期滞后效应微弱。当短期波动偏离长期均衡时，系统将以-0.243782的调整力度将非均衡状态拉回到均衡状态。
(3)基于对全国30个省区截面数据的分析，发现入境客运量与航空客运量呈明显的线性相关，航空客运量的边际弹性为0.1079，即民航客运量每增加1万人次，入境客流量将增加0.1079万人；国内旅游与公路客运量呈明显的二次函数关系。这种基于主导因素的分析，忽略了铁路客运的空间再分配作用。
(4)依据各省区入境客流量对航空客运量的依赖一偏好差异，本文将全国30个省区划分为5种类型。其中，内蒙古、上海、江苏、浙江、山东、广西依赖指数高于1.45，天津、河北、辽宁、黑龙江、安徽、福建、云南依赖指数处于1～1.45，北京、河南、湖北、湖南、广东、重庆、四川、陕西依赖指数为0.7～1，而青海和宁夏对航空需求低。
(5)依据各省区国内旅游对公路客运的依赖一偏好差异，将全国27个省区划分为4种类型。其中，青海和宁夏为强依赖型，吉林、山西、陕西、云南、辽宁和四川等为较强依赖型，甘肃、广西、福建、河北和湖南等为中度依赖型，贵州、内蒙古、海南和新疆等属于弱依赖型，依赖指数在0.6以下。
转贴于论文联盟 http://
