论文部分内容阅读
旅游POI数据作为空间大数据的基础数据,能够很好的反映出旅游资源相关对象的空间结构和空间分布形态。旅游POI点所记录的信息也能在一定程度上反映出旅游景点及其相关空间实体所承载的经济社会功能。一定范围的空间区域覆盖了不同数量和类别的旅游POI数据,这些POI数据的类别、数量和空间位置等信息可以初步反映出旅游经济的结构及其空间分布格局。探索分析旅游POI与区域经济的相关性及其相关强度的空间异质性,可为区域旅游资源配置和统筹发展提供一定的参考。旅游POI与区域经济这种变量间的相关性,一般可用最小二乘回归方法来度量,利用其回归系数测度自变量与因变量间的相关性强度。但最小二乘回归是一种全局回归模型,仅能从整体上描述变量间的相关性,在有些应用场合,它忽视了变量的空间属性,会使模型拟合结果出现较大偏差,不能对局部区域进行有效拟合。而基于局部光滑思想的地理加权回归方法考虑了变量的空间因素,回归模型自变量的回归系数会随着变量的空间位置变化而发生改变,能够进行局部区域拟合。为此,本文利用地理加权回归分析旅游POI与区域经济的相关性及其空间异质性。首先,获取旅游POI及相关数据,并作预处理与分析,为回归模型准备样本数据。收集整理研究区域的行政区划与GDP统计数据,并对数据进行转换与关联处理;基于高德地图API编写网络爬虫,获取旅游相关POI数据,并进行数据清洗和入库;采用核密度方法探索不同类别旅游POI点数据的空间分布规律。然后,以中国大陆为研究区域,选取了440个地级市作为统计单元,基于旅游六大要素对应的各类别POI数据构造自变量,以第三产业GDP值作为因变量构建回归模型并作模型诊断分析。采用相关性系数、自变量散点矩阵图、特征根和条件指数等方法对自变量进行共线性检验,优化选择回归模型的自变量;利用Moran’s I指数对因变量进行空间自相关分析,判断因变量是否符合地理加权回归模型的前提条件。对筛选获得的自变量和因变量构建回归模型,采用最小二乘法回归模型和地理加权回归模型进行建模分析,对比分析两种模型拟合效果。最后,利用GIS可视化方法将GWR模型结果中各个解释变量的回归系数图形化展示,分析旅游POI与区域经济相关性的空间异质性。实验结果表明:在旅游POI与区域经济的回归模型拟合方面,与最小二乘回归模型相比,地理加权回归模型的拟合度(R~2)提高了13.6%,地理加权回归模型的拟合效果要优于最小二乘回归模型。旅游POI与区域经济之间具有一定的关联性,且其相关度具有较明显的空间异质性。风景名胜POI与区域经济相关度最高的区域出现在华南地区;购物服务POI与区域经济相关度相对较低但存在较为明显的空间差异性;在华南地区和华东地区,体育休闲服务POI与区域经济相关性相对较强,且空间差异性较大;在环渤海区域,住宿服务POI与区域经济相关性相对较强。综上所述,本文基于旅游相关POI和区域经济构建地理加权回归模型,探索分析旅游POI与区域经济相关度的空间分布特点,在旅游资源的分配和规划管理方面具有一定的现实意义。