论文部分内容阅读
[摘要]文章采用2000-2014年国家级风景名胜区的面板数据和风景名胜区到地级市、省会城市、三大都市圈的地理距离数据，考察供给侧改革背景下旅游景区开发的区位选择问题。研究发现：地理距离对国家级风景名胜区旅游接待人数具有显著的负向影响，在控制多种因素和不同情境下，该结果仍然稳健，说明旅游景区存在“酒香也怕巷子深”的现象；随着人均收入的提高，地理距离对国家级风景名胜区的旅游接待人数的影响呈现减弱趋势，验证了我国存在旅游消费转型现象，即随着人均收入的提高，人们对观光旅游需求会减少；国家级风景名胜区升5A级景区后，旅游接待人数会显著增加；高铁的开通对国家级风景名胜区的旅游接待人数具有显著的正向影响，但在人均收入较低的地区不显著。文章的政策建议是：在旅游供给侧改革过程中，需要对旅游景区的地理区位进行认真思考。
[关键词]国家级风景名胜区；旅游景区；区位选择；旅游资源
引言
俗话说：“酒香不怕巷子深”。这话在古代评价好酒不愁卖，不管酒厂位于多么深的巷子，顾客都会找上门来。作为国家级风景名胜区，拥有优美的自然景观和丰富的人文景观而闻名于世。“酒香不怕巷子深”这句古话所指出的道理是否对国家级风景名胜区也适用，即是否也存在“美景不怕路途远”的现象？这一问题涉及旅游景区开发的区位选择。尽管旅游景区的地理位置是不可移动的，但如果假定旅游景区分布是随机的，同时假定每个旅游景区具有相同的吸引力，那么选择对哪个旅游景区进行重点开发就是一个区位选择的问题。中国正处于转型时期，国民收入在不断提高，居民旅游需求也在不断增加。国家在“十二五”旅游业发展规划中明确提出，将旅游业定位为国民经济的战略性支柱产业，通过引导旅游业的发展，刺激旅游消费，带动相关产业和落后地区的发展。截至2011年年底，在31个中国大陆省区中，已有30个省区将旅游业作为支柱产业。在该发展战略的推动下，很多城市也纷纷将旅游业作为区域经济发展的支柱产业，旅游业的产业雷同现象逐步显现。被定位于支柱产业的旅游业，需要开发大量的旅游景区作为支撑，那么究竟选择什么样的景区进行重点开发，这是一个旅游资源的空间配置问题，也是一个旅游资源的利用效率问题。然而，现实情况是，一些地方政府往往未进行必要的甄別，只要旅游资源具有一定开发价值，对地理区位和市场需求等因素不进行慎重研究，就进行大力招商引资，大搞旅游区、度假区建设，导致一些景区投入了大量开发资金，但是游客寥寥、达不到预期效果，说明旅游供给侧出现了问题。
旅游规划与开发作为一门指导如何规划和开发景区的课程，已有一套完善的技术手段，但选择什么样的景区进行开发，却并未引起学界和政府的必要重视。中国目前的景区开发主要是政府主导型，而政府开发一个旅游景区，主要关注其旅游资源的禀赋情况，对市场实际需求却并不重视。对于市场究竟需要什么样的景区这一问题，学界并没有给出准确的回答。其原因可归纳为以下两点：第一，旅游景区类型具有多样性，有人文景区、自然景区以及人文和自然并重景区；有国家级风景名胜区、省级风景名胜区；有5A、4A、3A、2A、1A级景区；还有国家级旅游度假区和省级旅游度假区；有主题公园、森林公园、动物园、植物园等。按照不同的分类标准有不同的景区类型，重点开发哪种景区，或者说开发某一种类型的哪一种级别的景区，是一个非常具体的问题，很难做出准确的回答。第二，游客的旅游需求具有多样性，有的人喜欢自然风光，有的人喜欢人文情怀，还有的人喜欢运动休闲、欢乐度假和旅游购物，需求的多样性要求景区产品也应该多样化，但很难判断开发某一类型的景区是否处于市场需求之外。基于以上两点考虑，本文选择以国家级风景名胜区作为研究对象，以国家级风景名胜区到城市的地理距离度量其地理区位，研究地理区位是否会对国家级风景名胜区的旅游接待人数和旅游收入产生影响，即探求应该选择开发离城市距离多远的国家级风景名胜区，才能使风景名胜区产生更高的经营效率。国家级风景名胜区通常与国际上的国家公园（The National Park）相对应，我国的风景名胜区是指具有观赏、文化或者科学价值，自然景观、人文景观比较集中，环境优美，可供人们游览或者进行科学、文化活动的区域。而国家级风景名胜区是经国家住房与城乡建设部发文批准的风景名胜区。根据风景名胜区的定义，选择国家级风景名胜区作为研究对象，可以规避以下两个问题：其一，国家级风景名胜区的选择标准一致，能入选国家级风景名胜区都应具有自然观光的共性，规避了景区多样性问题；其二，国家级风景名胜区主要以满足旅游者观光需求为主要经营目的，而其休闲度假功能为辅，因而可以规避需求多样性的问题。
对于风景名胜区的研究，现有文献大多集中于对具体的风景名胜区所开展的个案研究，主要讨论了具体的风景名胜区在景观、地理位置、资源禀赋等方面的独特特征，并提出有针对性的市场开拓策略。也有部分文献侧重将风景名胜区纳入同一个分析框架下进行综合考察，如陈兴中和陈向红对风景名胜区规划中的区位进行了考察，将风景名胜区分为依附于大城市的风景名胜区和离大中城市较远的风景名胜区，前者具有代表性的是乐山大佛风景名胜区、昆明西山公园、大理苍山一洱海风景名胜区等，后者以四川九寨沟一黄龙寺国家风景名胜区、云南路南石林国家风景名胜区为主要代表。黄远水等研究了风景名胜区的竞争力，并指出名胜区的区位是决定旅游竞争力的6大因素之一。曹芳东等对国家级风景名胜区进行了一系列的研究，侧重于对旅游效率的空间格局、时空格局动态演化及其影响因素，以及国家级风景名胜区省际旅游增长的趋同和趋异等方面进行了考察，但是对地理空间上哪些风景名胜区应该开发，哪些风景名胜区应该限制开发，并未给出回答。虞虎等对国家级风景名胜区中的湖泊型名胜区单独进行研究，采用数据包络分析（data envelopment arialysis，DEA）的方法讨论了湖泊型风景名胜区的旅游效率及提升策略。
与现有相关研究相比，本文的主要边际贡献体现在以下三个方面：第一，将所有国家级风景名胜区作为研究样本，利用计量经济学的方法，首次实证检验了地理距离对国家级风景名胜区旅游接待人数的影响，从而定量回答了旅游景区不存在“酒香不怕巷子深”的现象，从供给侧角度回答了应该开发什么样的景区；第二，考察了旅游消费转型的条件下，随着人均收入的提高，地理距离对旅游景区旅游接待人数的影响在减弱；第三，考察国家级风景名胜区升5A级景区后，景区的旅游接待人数显著提升，但这种影响具有不平衡性和滞后性。 1文献回顾与研究假设
1.1文献回顾
旅游行为是旅游者从客源地到旅游目的地的空间转移行为。因此，旅游行为需要考虑两个方面的区位选择：其一是旅游者选择什么地方的旅游目的地进行游览，将有限的空闲时间花在能给其带来更大效用的旅游景区，相关文献主要从消费者行为选择模型推导旅游者如何选择旅游目的地；其二是旅游企业（旅游景区、景点、酒店、旅行社）将经营地选择在什么地方，以获得更大的发展机会和利润空间。关于酒店区位选择的文献较多，如Egan和Nield构建了城市间酒店区位选择的理论模型，Urtasun和Guti6rrez利用1936-1998年马德里240家旅游酒店的经营数据，考察了地理区位、价格、酒店规模和服务对酒店经营的影响，发现地理区位对其具有显著影响；Shoval等关注了城市内的酒店区位选择与旅游活动的关系，重点分析了酒店位置对后期旅游活动的影响；Yang等分别构建了酒店区位选择的理论模型、实证模型和运行模型，并将城市酒店区位选择分为旅游历史城市类、单中心类、集聚类和多维类4种类型。研究旅行社区位选择的文献相对较少，原因在于旅行社的分布往往与人口居住密度有关，是一种便民化的服务设施。景区景点的区位选择研究，主要是从景区景点的可达性开展个案研究，如靳诚等以南京市区和长江三角洲为研究对象，分析旅游景点的路网结构对旅游景点可达性的影响；潘竟虎和从忆波利用GIS分析工具，测度了4A级景区的空间可达性，并分析空间可达性的动态演变过程。上述文献中对旅游区位选择的研究较多，但是并不能回答究竟选择什么样的旅游景区、景点适合开发。
此外，还有不少文献从较为宽泛的角度研究旅游与区位的关系。从宏观角度看，景区景点不仅仅是一个企业，而且是在空间尺度上构成宏观经济的一个区域，将其纳入一个空间和宏观视角进行研究，具有一定的必要性。吕润美构建了可持续发展因子研究乡村旅游与旅游区位的关系。Monzonis等研究了旅游业与农村空间区位的关系，发现农村的空间区位对旅游业发展起着重要作用。Pefia等从市场导向角度研究乡村旅游发展，认为应该发展邻近城市的乡村旅游。在旅游区位与城市发展、地区经济发展的研究方面，卞显红和沙润考察了长三角城市旅游业空间结构的演变特征。王蓉蓉以中国大陆31个省份星级饭店、旅行社、景区景点3类旅游企业为研究对象，研究发现，地区经济水平、人口分布密度、旅游业发展态势以及基础设施对3种旅游企业区位决策具有显著影响。王辉等从空间区位选择视角，总结了新疆与中国周边国家的5种国际旅游合作结构模式，并从地缘驱动力、经济驱动力和组织调控力3个维度，分析了区域动态性旅游合作动力系统对国际旅游合作结构模型的影响。卞显红实证考察了城市轨道交通对城市旅游边缘区的区位选择影响，包括城市旅游边缘区的旅游资源区位、旅游市场空间区位、旅游从业人员区位和旅游交通区位。
从现有文献来看，城市对旅游区位选择影响的研究较多，特别是吴必虎提出环城游憩带的概念，将城市与旅游区位联系起来之后，一些学者针对上海、武汉、乌鲁木齐、长沙等城市的环城游憩带的资源价值、空间结构、形成机制以及可持续发展进行了系统研究，对城市与旅游区位的关注度在不断提升。总结当前的研究成果不难发现，旅游区位的选择实质是研究旅游需求人群聚集地与旅游景区之间的空间分布规律和相互作用关系。地理学第一定律認为，地理空间数据都存在着或强或弱的空间相关性，而且事物之间联系的紧密程度还存在着距离衰减效应。在中国，城市是旅游需求人群的主体，城市居民到景区的距离或便利程度就成为了旅游区位选择的重要依据。因此，可将旅游景区到不同级别城市的地理距离作为影响当前中国旅游区位选择的关键变量。目前，有关旅游区位研究大多基于个案数据，主要从地理学理论和框架人手，研究单个城市与旅游区位的关系，缺乏基于经济学和地理学综合视角，在大样本的基础上将旅游景区与地理距离纳入一个研究框架进行分析的成果。针对现有研究的不足，本文将地理距离作为区位选择的代理变量，从经济学的视角，考察地理距离对景区旅游接待人数的影响，试图对“酒香真的不怕巷子深？”这一问题作出回答。
1.2研究假设
国家级风景名胜区的确定主要是依托资源导向，并非市场导向，所以国家级风景名胜区是无规律地分布于不同地域。尤其是以自然观光为主要功能的国家级风景名胜区，其分布往往更趋向于远离城市的山地和丘陵地区。在旅游者出游行为的研究中，距离的远近通常是一个相对于时间而言的相对概念。一般来说，游客一次出行的时间主要包括三个部分：第一部分是旅游者从居住地出发，到达居住地所在城市的时间；第二部分是居住地所在城市到旅游目的地邻近城市的时间；第三部分是从旅游目的地邻近城市到旅游目的地所需要的时间。如果我们将旅游分为近程旅游和远程旅游，近程旅游的前两部分时间可能不存在或者较少，以第三部分时间为主体；而在远程旅游中前两部分时间是必不可少的，是刚性需求，那么第三部分时间就成了弹性需求。不管是近程旅游还是远程旅游，在选择具体景区旅游时，往往由第三部分时间来决定。因此，景区到邻近城市的距离远近是影响旅游者做出旅游决策的一个重要因素。为了简化研究，与景区邻近的城市均假定为景区所在地的地级及以上城市，而非县级城市或者县城。原因在于地级市的交通较为便利，外来游客一般是先到达景区所在地的地级市，然后再前往景区。于是，本文提出如下假设：
H1：在其他条件不变的情况下，国家级风景名胜区离所在地的地级城市越远，旅游接待人数越少
国家级风景名胜区作为全国知名的旅游景区，对省内和国内的旅游者均具有较大的吸引力。在一个省域范围内，聚集人口最多的城市通常是省会城市，因此国家级风景名胜区对省会城市旅游者的吸引力可在一定程度上近似为对本省旅游者的吸引力。据《中国旅游发展报告2016》的数据显示，人口最为集聚的京津冀、长三角、珠三角三大都市圈是我国旅游出行人数最多的区域。这3个地区的居民收入水平较高，出行意愿强，是最大的国内旅游客源地。因此，国家级风景名胜区对省会城市和三大都市圈的吸引力可以在一定程度上近似为对国内旅游吸引力程度。于是，本文提出如下假设： H2a：在其他条件不变的情况下，国家级风景名胜区离所在地省会城市越远，旅游接待人数越少
H2b：在其他条件不变的情况下，国家级风景名胜区离三大都市圈越远，旅游接待人数越少
2计量模型与数据说明
2.1研究对象
国家级风景名胜区是由国务院审批、公告，并由住房与城乡建设部负责管理的旅游景区。1994年，住房与城乡建设部（当时为建设部）发布的《中国风景名胜区形势与展望》绿皮书，对国家级风景名胜区进行了界定：国家级风景名胜区是具有重要观赏价值、文化和科学价值的旅游景区，其自然景观能反映重要自然变化过程，人文景观能反映重大历史文化发展过程，但国家级风景名胜区更侧重于风景区自然特性。我国从1982年开始公布第l批国家级风景名胜区名录，截至2014年，共公布8批国家风景名胜区名录，累计达到225处国家级风景名胜区。
经过20多年的发展，国家级风景名胜区已经成为我国国内和境外旅游者青睐的主要旅游目的地之一。根据《中国城市建设统计年鉴》的数据显示，2000年国家级风景名胜区接待国内旅游人数为1.54亿人，境外旅游人数为774万，分别占到全国接待国内旅游人数和境外旅游人数的21%和9%；到2014年，国家级风景名胜区接待国内旅游人数为7.51亿人，境外旅游人数为2456万，分别占到全国接待国内旅游人数和境外旅游人数的21%和19%。从2000～2014年，国家级风景名胜区接待国内旅游人数的比例变化不大，但接待境外旅游人数占全国境外旅游人数的比例增加了近10%，说明国内旅游者对国家级风景名胜区的偏爱程度保持不变，但境外旅游者对国家级风景名胜区偏爱程度在逐渐增强。
图1是4个年份国家级风景名胜区及其旅游接待人数的空间分布图。从国家级风景名胜区的空间分布来看，其多数分布于爱珲一腾冲人口分布线（即胡焕庸线）左侧，即国家级风景名胜区的空间分布与我国人口的空间分布基本一致。从国内旅游接待人数的空间分布来看，接待国内旅游人数较多的国家级风景名胜区更多地集中于大城市周边，特别是北京、上海、杭州、广州、深圳，尤其在2010年和2014年表现得更为明显。
2.2计量模型
根据研究假设，本文构建如下旅游接待人数影响因素的计量模型：
其中，i表示国家级风景名胜区，t表示年份时间变量，tourist代表国家级风景名胜区的旅游接待人数，dis pref代表国家级风景名胜区到地级市的距离，用于验证H1；dis prov代表国家级风景名胜区到省会城市的距离，用于验证H2a；dis bi、dis sh、dis gd分别代表国家级风景名胜区到京津冀、长三角、珠三角3大都市圈的距离，用于验证H2b；X为影响景区旅游接待人数的控制变量矩阵，μ代表不随时间变动的个体固定效应（在随机效应模型中表示不随时间变化的干扰项），v代表不随景区变化的时间固定效应，i为随机扰动项，β、y为待估系数。由于城市到国家级风景名胜区的距离不随时间而变化，如果采用固定效应模型进行估计将会被剔除，因此本文主要采用混合OLS和随机效应模型两种估计方法对式（1）进行估计。
2.3变量说明与数据来源
被解释变量。本文的研究目的是考察国家级风景名胜区对旅游者的吸引力，旅游接待人数是最能体现景区吸引力的度量指标。《中国城市建设统计年鉴》（2000-2014）报告了国家级风景名胜区的相关信息，主要包括风景区面积、供游览面积、国内旅游接待人数、境外旅游接待人数、经营收入、门票收入、经营支出、维护建设费用支出等指标。因此，我们选择国内旅游接待人数的自然对数作为被解释变量，并用境外旅游接待人数的自然对数和经营收入的自然对数作为稳健性检验时的被解释变量。
核心解释变量。国家级风景名胜区到所在地级市的距离（dis pref），是通过查阅经纬度网站，以国家级风景名胜区的名称为关键词，可查询到国家级风景名胜区大门或景区旅游集散中心的经纬度。然后查询地级市政府所在地的经纬度，计算出两组经纬度的直线距离，即到地级市的距离；国家级风景名胜区到所在地省会的距离（dis prov）、国家级风景名胜区到京津冀都市圈的直线距离（dis bi）、国家级风景名胜区到长三角都市圈的直线距离（dis sh）及国家级风景名胜区到珠三角都市圈的直线距离（dis gd），分别采用每个国家级风景名胜区与省政府、北京市政府、上海市政府、广东省政府的直線距离来替代，即通过查询两地的经纬度计算得出的距离。我们之所以直接采用两点间的直线距离，而没有通过两地的通勤时间或者其他方式进行距离上的测度，主要是因采用直线距离的好处是它不会随时间变化，而如果采用通勤时间作为代理变量，不同的时段通勤时间是不同的，而且很难得到历史上具体时段两地的通勤时间。
显然，影响国家级风景名胜区旅游接待人数的因素主要来自供给与需求2方面。根据数据的可得性，我们选择了以下4个因素作为控制变量。
（1）国家级风景名胜区可供游览面积（sg tour）：代表景区可以游览的区域大小，根据景区游客容量控制要求，每个景区需要设置一个最大的游客容量，而这个游客容量是由可供游览面积决定的，这个指标也可以理解为景区的土地投入。我们预期其系数符号为“+”。
（2）国家级风景名胜区经费投入的自然对数（spend）：代表景区用于日常人员支出和建设维护费用支出，由《中国城市建设统计年鉴》（2000-2014）中经营支出和维护建设费用支出2个指标加总得到。按投入产出理论，国家级风景名胜区固定资产投资的存量可以代表旅游景区的建设投入，景区的从业人员代表旅游景区的人力劳动投入，但由于2000-2014年的国家级风景名胜区固定资产投资和从业人员的官方统计数据并不连续，而且2000年以前对国家级风景名胜区的固定资产投资并未统计，无法得到景区建立以来的固定资产投资存量。因此，我们采用国家级风景名胜区经费投入作为其投入变量，并预期其系数符号为“+”。 （3）国家级风景名胜区所在地的人均收入水平（pergdp）：用于反映国家级风景名胜区的旅游需求问题。旅游是有钱和有闲的结合，除了有闲这个因素外，收入是影响出游情况的重要因素。到国家级风景名胜区最大的游客群体是本地游客，所以我们选择国家级风景名胜区所在地级及以上城市的人均国内生产总值作为需求的替代变量，并预期其系数符号为“+”。
（4）国家级风景名胜区的景区质量等级（sst）：根据我国现行的管理体制，国家级风景名胜区属于国家住房与城乡建设部管理，而旅游景区的质量等级评定由国家旅游局进行，同为国家级风景名胜区，但其旅游景区的质量等级却可能不同。我国的旅游景区质量等级划分为5级，从高到低依次为5A、4A、3A、2A、1A级旅游景区。根据我国景区质量的等级管理体制，每年都会对旅游景区质量进行评级，有些景区因为建设比较完善，管理比较合理，满足旅游景区质量要求，其等级得到不断提升。从旅游者的角度来看，他们可能并不知道某个旅游景区是否是国家级风景名胜区，还是旅游度假区，他们更关心的是旅游景区的质量等级。因此，一个国家级风景名胜区的旅游景区质量等级越高，对旅游者的吸引力会更强，旅游人数就会更多。通过查阅国家旅游局每年公布的A级景区名录，然后对应到每个国家级风景名胜区，如果提高一个等级，则之后的每一年都是这个等级，除非之后等级再有提升；如果在A级景区名录中未查到，则按2A级景区对待（2A级景区的评定由国家旅游局委托各省级旅游局进行，未进入国家A级景区名录）。参照邓涛涛等的做法，对不同A级景区进行赋值，将5A级景区赋值为5，4A级景区赋值为4，依此类推。
本研究所采用主要数据来自《中国城市建设统计年鉴》（2001-2015），其统计数据的时间周期为2000-2014年，其他统计数据主要来源于《中国统计年鉴》（2001-2015）、《中国区域经济统计年鉴》（2001-2015）和《中国城市统计年鉴》（2011-2015）。需要说明的是，截止到2014年，国家级风景名胜区的总数为225处，但在《中国城市建设统计年鉴》（2014）中统计的国家级风景名胜区为232处，其原因可能是一些风景名胜区已经退出国家级风景名胜区名录，但其数据仍统计在列，因此本文将该统计资料中的232处国家级风景名胜区作为横截面单位。由于国家级风景名胜区从2000年到2014年间公布了4批，所以并不是每年都有232个样本，而且有些年份个别国家级风景名胜区的数据缺失，因此最终得到的面板数据是一个非平衡的面板数据。
3假设检验及结果讨论
3.1基准回归
表2为采用旅游接待人数的自然对数作为因变量的回归结果，其中，每个模型中均控制了时间、地区和景区3种固定效应。地区固定是控制地级市的虚拟变量，景区固定是将景区分为山岳型、水域型、山岳和水域，以及都不屬于这3类的景区，构建了4个虚拟变量，控制其中的3个虚拟变量，其目的是控制国家级风景名胜区的不同类型导致旅游人数的差异。
前5列采用混合OLS估计方法分别考察5个地理距离变量对国内旅游接待人数的影响，5个系数均在10%的水平以上显著为负，说明到5个城市距离确实对国家级风景名胜区的旅游接待人数具有显著负向影响。第（6）列和第（7）列分别采用混合OLS和随机效应模型，同时考察了5个距离变量对旅游接待人数的影响，5个距离变量的回归系数均在10%的水平以上显著为负，说明本文提出的假设均成立。7个模型中，4个控制变量的回归系数在10%或小子10%的显著性水平上均为正值，与预期一致。分别加入5个距离变量与同时加人5个距离变量的回归结果，4个控制变量的回归系数变化不大，说明5个距离变量与4个控制变量之间相关性不强，不存在多重共线性。
根据第（7）列的回归结果，当同时考虑5个距离变量时，到地级市的距离每提高1个百分点，国家级风景名胜区的国内旅游接待人数将减少0.15%；而省会城市的距离每增加1%，国家级风景名胜区的国内旅游接待人数会减少0.14%；同样，到京津冀、长三角、珠三角的距离每提高1%，国家级风景名胜区的国内旅游接待人数分别减少0.27%、0.16%、0.21%。从回归结果来看，5个距离对国家级风景名胜区均有显著的负向影响，而且影响系数均在0.14%～0.27%之间，其中影响最小的是到省会的距离，而最大的是到京津冀的距离。在平均意义上，距离对国家级风景名胜区旅游接待人数具有显著的负向影响，说明并非“酒香不怕巷子深”。
3.2稳健性检验
由于核心解释变量是5个地理距离，难以找到其他替代变量。因此，本部分的稳健性检验主要从两个方面进行：第一，将被解释变量替换成境外旅游接待人数的自然对数；第二，将被解释变量替换为国家级风景名胜区营业收入的自然对数。
表3第（1）列和第（2）列分别采用混合OLS和随机效应模型考察地理距离对境外旅游接待人数的影响。5个距离变量对境外旅游人数的回归系数均为负，但只有前3个距离变量显著，再次证明H1是成立的。在4个控制变量中，景区等级、景区的经营投入和地区人均收入水平在混合OLS估计下均高度显著为正，而景区的可供游览面积并不显著，由于境外旅游者的数量并不多，对景区可游览的大小并不看重。根据第（2）列的回归结果，当景区到地级市的距离增加1%，境外游客将减少0.13%；当景区到省会城市的距离增加1%，境外游客将减少0.52%；当景区到北京的距离增加1%，境外游客将减少0.29%。
表3第（3）列和第（4）列分别采用混合OLS和随机效应模型考察地理距离对旅游经营收入的影响。5个距离变量的回归系数均为负，且只有到省会、北京、上海等地区距离显著，说明从旅游收入来看，本地游客对旅游收入影响不显著，旅游收入的主要来源是省会城市和北京、上海这样的客源地。4个控制变量在混合OLS估计下，均显著为正，说明景区等级、景区的经营投入、地区人均收入、景区经营面积均有助于增加景区的经营收入。根据第（4）列的回归结果，到省会、京津冀、长三角的距离每增加1%，景区经营收入将分别减少0.49%、0.26%、0.26%，说明景区要提高经营收入，重点应该开发本省的旅游市场，进而开发京津冀、长三角市场。 4讨论
旅游业的发展受到许多因素的影响，除上述控制变量的影响外，还受旅游业发展阶段和外部冲击对景区的旅游接待人数产生影响。对此，下文将在基准模型中引入旅游消费转型、景区升级和高铁建设等3个因素，考察这些因素的加入是否会改变距离变量对景区旅游接待人数的影响程度。
4.1旅游消费转型分析
按照国际上的一般规律，当人均GDP达到1000美元时，观光旅游将进入快速发展阶段；当人均GDP达到2000美元时，休闲旅游开始发展；当人均GDP达到3000美元时，旅游需求将爆发式增长，传统的观光旅游将向休闲度假游转变；当人均GDP超过5000美元后，将进入成熟的休闲度假经济时代。旅游是有钱和有闲的结合，随着中国经济的发展，人均GDP不断提升，国民的旅游需求也不断升级。本研究的时间跨度为2000-2014年，正好经历了我国人均GDP从1000美元到3000美元，再超过3000美元的阶段。在旅游消费转型前后，地理距离对国家级风景名胜区的影响效果是否会减弱或者增强？国家级风景名胜区属于观光旅游产品，当人民的收入增加后，地理距离对国家级风景名胜区的影响效果如果减弱，则说明我国的旅游发展符合国际一般规律。本文采用的人均GDP是国家级风景名胜区所在地区的人均GDP，所以本节只考虑到地级市距离对国家级风景名胜区的影响。人均GDP为3000美元，按2014年的汇率，人民币为1.8万元，但按2000年的汇率，约为2.4万元人民币以上，因此本文选择一个折中的方案，将样本分为人均GDP大于等于2万元和小于2万元人民币两个子样本。根据统计分析，人均GDP大于等于2万元的样本量为1272，而小于2万元人民币的样本量为841，两部分样本容量差距并不大，有助于得到较为稳健的结果。
表4第l部分汇报全样本、人均GDP大于等于和小于2万的子样本回归结果，3个模型均采用随机效应估计方法。3个模型均控制了4个控制变量，以及时间、地区、景区固定效应，结果显示，到地级市距离的回归系数均高度显著为负。人均GDP小于2万的子样本的回归系数为0.141，人均GDP大于等于2万的子样本的回归系数为0.115，而全样本的回归系数0.14，刚好介于两者之间。说明随着人均GDP的增加，距离对国家级风景名胜区的影响程度在减弱，即旅游消费正在转型，旅游者在人均收入较低时，选择自然观光型景区，而人均收入提高后，观光型景区对他们的吸引力就会减弱。这正好验证了旅游消费转型后，地理距离对国家级风景名胜区的影响效果正在减弱。
4.2景区升5A分析
众所周知，景区升为5A级景区之后，其知名度会提升，相伴而来的就是旅游接待人数的增加。在本文的分析框架下，这种外部冲击会不会减弱地理距离对国家级风景名胜区的影响程度，仍然需要进一步检验。我国在2007年开始公布了第一批5A级景区名单，截至2016年8月4日，共公布30批216家5A级景区名单（不包括被撤销的5A级景区）。到2014年，在232家国家级风景名胜区中，有32家被升级为5A级景区。在国家级风景名胜区被评定为5A级景区后，景区的旅游人数是否显著增加，这种旅游人数的增加是否具有持续性，会不会减弱地理距离对风景名胜区的影响效果？为了考察景区升5A级景区后的效果，笔者利用A5表示是否被评定为5A级景区的虚拟变量，其值为1表示该景区为5A级景区，否则为0，并用yr2008-yr2014代表2008年到2014年的时间虚拟变量。由于第一批5A级景区是2007年5月8日公布，对当年景区的旅游接待人数影响较小。所以我们主要从2008年开始考察升5A级景区的效果，借鉴双差法的思想，采用A5xyr2008来测度升5A级景区后的效果，同时A5xyr2009-A5xyr2014分别代表升5A级景区后相应年份的效果。
表4第2部分汇报了考虑国家级风景名胜区升5A级景区后的回归结果。3个模型均采用随机效应估计方法，结果显示：不管是全样本，还是发达地区或者是欠发达地区，到地级市的距离对景区旅游接待人数的影响系数都显著为负，并且其回归系数在表4第1部分的基础上都有一定程度的增大，说明没有考虑景区升5A可能存在一定的低估，但旅游消费转型的证据依然存在。在全样本下，当国家级风景名胜区升5A级景区后，其效果在2009年開始体现，其旅游接待人数显著增加，并且增加人数呈逐年上升趋势。在人均GDP大于等于2万元人民币的样本中，景区升5A级的效果从2010年开始显现，其原因是经济较为发达的地区，景区旅游人数已经较高，短期内受接待能力和其他方面的限制，旅游人数不会较快地增长，后期随着接待能力的提升，基础设施的完善，旅游接待人数呈不断增加的上升趋势。在经济相对落后的子样本中，国家级风景名胜区升5A级景区的效果立刻出现，但呈现先上升后下降的趋势，最后变得不显著，其原因在于经济发展相对落后的国家级风景名胜区升5A级景区后，知名度立刻提升，而景区的接待能力远未达到饱和，所以旅游接待人数立刻增加，而且增加得越来越多，但这种趋势并不会持续太长时间，由于观光型景区的一次性消费特征、景区的接待能力受限、基础设施的完善跟不上等原因，造成2012年后的增长趋势并不显著。
4.3高铁开通分析
从2008年开始，我国逐步进入高铁时代。高铁建设的推进，使居民的出行方式明显改变，直接影响到居民的旅游活动空间。高铁开通后，地理距离是否还会对国家级风景名胜区产生影响，这种影响程度是否会增强或者减弱？对此，笔者通过搜索百度和国家铁路总局的相关数据，得到了每个国家级风景名胜区所在地级市是否开通高铁以及开通高铁的时间，形成了相应的面板数据，构建了虚拟变量gt，若高铁当年开通的时间在上半年，则当年和往后所有年份的虚拟变量设为1，如果是下半年开通，则从第二年开始往后所有年份都为1，否则为0。
表4第3部分汇报了考虑高铁开通后的地理距离对国家级风景名胜区的影响结果，估计方法依然采用随机效应模型。全样本的模型中，高铁的开通可以显著提高风景名胜区的旅游接待人数，这种效果在收入水平较高的地区同样存在，而且系数大小也相同；在人均收入小于2万元的地区，高铁的回归系数不显著。要解释上述结果，笔者需要了解高铁开通的情况，2011年之前，开通高铁的地区全部是在收入较高的地区，到2014年，在人均收入低于2万元的地区中只有7个地区开通高铁，说明在2014年之前，高铁的修建主要以经济相对发达的地区为主。这能解释全样本和人均收入大于2万元的子样本，高铁对旅游接待人数具有显著正向影响的原因。在人均收入小于2万元的子样本，高铁开通的城市非常少，高铁的开通对旅游接待人数的影响还未显现。就高铁开通后的地理距离对国家级风景名胜区的影响而言，无论是全样本，还是发达地区或者是欠发达地区，到地级市的距离对景区旅游接待人数的影响系数都显著为负，说明地理距离对景区旅游接待人数的影响依然存在。虽然高铁开通后可以缩短旅游的时间距离，缓解地理空间区位对旅游发展的影响，但由于当前高铁开通城市主要位于经济发达地区，经济欠发达地区开通的城市很少，所以高铁开通地区的不均衡性实际上凸显了未开通高铁城市地理距离对旅游发展的负面影响。因此，高铁开通后地理距离回归系数的绝对值有所增大。
5主要结论与启示
随着收入的水平不断提高，人们的旅游需求数量、质量、结构都在不断升级，对旅游业发展转型升级提出了更高的要求。景区投入大量资本但市场反映平平的现象屡见不鲜，对新时期我国旅游业供给侧改革提出了严峻挑战。本文利用国家级风景名胜区到地级市、省会城市、三大都市圈的距离，衡量国家级级风景名胜区的地理区位，考察地理区位对国家级风景名胜区旅游接待人数的影响，从而回答应该选择什么样的景区进行开发，即是否存在“酒香不怕巷子深”的现象。基于2000-2014年国家级风景名胜区的面板数据，采用混合OLS和随机效应模型的研究结果显示：（1）地理距离对国家级风景名胜区的旅游接待人数具有显著的负向影响，当地理距离（包括到地级市、省会和三大都市圈的距离）每增加1%，国家级风景名胜区的旅游接待人数将减少0.14%到0.27%；（2）采用境外旅游接待人数和旅游经营收入作稳健性检验发现，上述结果依然存在，但影响效果有一定的差异；（3）随着人均收入不断提高，地理距离对国家级风景名胜区旅游接待人数的影响效果逐渐减弱，验证了旅游消费转型的一般规律，即人均收入较低时，选择观光旅游，当人均收入提高后，旅游消费从观光旅游向休闲旅游转变；（4）在旅游景区升5A级景区后，地理距离对景区旅游接待人数的影响依然存在，景区升5A级景区对旅游接待人数的影响存在滞后效应，但在全样本和子样本表现并不一致；（5）高铁开通后，地理距离对景区旅游接待人数的影响依然存在，在全样本和高收入样本中，高铁开通显著提高风景名胜区的旅游人数，但在低收入样本中，效果不显著。
本文的研究回答了在旅游景区开发过程中并不存在“酒香不怕巷子深”的现象，我国当前以资源为导向的旅游开发现象，会让旅游供给与旅游需求不匹配，从而导致一些旅游景区花大量资金建设开发后，其经济效益并不理想。本文的政策含义在于，在规划与开发一个景区之前，需要确定该景区是观光型还是休闲型景区，需要确定该景区旅游资源禀赋和独特性，特别需要重点考虑景区到地级城市、省会城市、三大都市圈客源地的地理距离等因素。在综合分析的基础上，科学合理地进行规划和开发。
[关键词]国家级风景名胜区；旅游景区；区位选择；旅游资源
引言
俗话说：“酒香不怕巷子深”。这话在古代评价好酒不愁卖，不管酒厂位于多么深的巷子，顾客都会找上门来。作为国家级风景名胜区，拥有优美的自然景观和丰富的人文景观而闻名于世。“酒香不怕巷子深”这句古话所指出的道理是否对国家级风景名胜区也适用，即是否也存在“美景不怕路途远”的现象？这一问题涉及旅游景区开发的区位选择。尽管旅游景区的地理位置是不可移动的，但如果假定旅游景区分布是随机的，同时假定每个旅游景区具有相同的吸引力，那么选择对哪个旅游景区进行重点开发就是一个区位选择的问题。中国正处于转型时期，国民收入在不断提高，居民旅游需求也在不断增加。国家在“十二五”旅游业发展规划中明确提出，将旅游业定位为国民经济的战略性支柱产业，通过引导旅游业的发展，刺激旅游消费，带动相关产业和落后地区的发展。截至2011年年底，在31个中国大陆省区中，已有30个省区将旅游业作为支柱产业。在该发展战略的推动下，很多城市也纷纷将旅游业作为区域经济发展的支柱产业，旅游业的产业雷同现象逐步显现。被定位于支柱产业的旅游业，需要开发大量的旅游景区作为支撑，那么究竟选择什么样的景区进行重点开发，这是一个旅游资源的空间配置问题，也是一个旅游资源的利用效率问题。然而，现实情况是，一些地方政府往往未进行必要的甄別，只要旅游资源具有一定开发价值，对地理区位和市场需求等因素不进行慎重研究，就进行大力招商引资，大搞旅游区、度假区建设，导致一些景区投入了大量开发资金，但是游客寥寥、达不到预期效果，说明旅游供给侧出现了问题。
旅游规划与开发作为一门指导如何规划和开发景区的课程，已有一套完善的技术手段，但选择什么样的景区进行开发，却并未引起学界和政府的必要重视。中国目前的景区开发主要是政府主导型，而政府开发一个旅游景区，主要关注其旅游资源的禀赋情况，对市场实际需求却并不重视。对于市场究竟需要什么样的景区这一问题，学界并没有给出准确的回答。其原因可归纳为以下两点：第一，旅游景区类型具有多样性，有人文景区、自然景区以及人文和自然并重景区；有国家级风景名胜区、省级风景名胜区；有5A、4A、3A、2A、1A级景区；还有国家级旅游度假区和省级旅游度假区；有主题公园、森林公园、动物园、植物园等。按照不同的分类标准有不同的景区类型，重点开发哪种景区，或者说开发某一种类型的哪一种级别的景区，是一个非常具体的问题，很难做出准确的回答。第二，游客的旅游需求具有多样性，有的人喜欢自然风光，有的人喜欢人文情怀，还有的人喜欢运动休闲、欢乐度假和旅游购物，需求的多样性要求景区产品也应该多样化，但很难判断开发某一类型的景区是否处于市场需求之外。基于以上两点考虑，本文选择以国家级风景名胜区作为研究对象，以国家级风景名胜区到城市的地理距离度量其地理区位，研究地理区位是否会对国家级风景名胜区的旅游接待人数和旅游收入产生影响，即探求应该选择开发离城市距离多远的国家级风景名胜区，才能使风景名胜区产生更高的经营效率。国家级风景名胜区通常与国际上的国家公园（The National Park）相对应，我国的风景名胜区是指具有观赏、文化或者科学价值，自然景观、人文景观比较集中，环境优美，可供人们游览或者进行科学、文化活动的区域。而国家级风景名胜区是经国家住房与城乡建设部发文批准的风景名胜区。根据风景名胜区的定义，选择国家级风景名胜区作为研究对象，可以规避以下两个问题：其一，国家级风景名胜区的选择标准一致，能入选国家级风景名胜区都应具有自然观光的共性，规避了景区多样性问题；其二，国家级风景名胜区主要以满足旅游者观光需求为主要经营目的，而其休闲度假功能为辅，因而可以规避需求多样性的问题。
对于风景名胜区的研究，现有文献大多集中于对具体的风景名胜区所开展的个案研究，主要讨论了具体的风景名胜区在景观、地理位置、资源禀赋等方面的独特特征，并提出有针对性的市场开拓策略。也有部分文献侧重将风景名胜区纳入同一个分析框架下进行综合考察，如陈兴中和陈向红对风景名胜区规划中的区位进行了考察，将风景名胜区分为依附于大城市的风景名胜区和离大中城市较远的风景名胜区，前者具有代表性的是乐山大佛风景名胜区、昆明西山公园、大理苍山一洱海风景名胜区等，后者以四川九寨沟一黄龙寺国家风景名胜区、云南路南石林国家风景名胜区为主要代表。黄远水等研究了风景名胜区的竞争力，并指出名胜区的区位是决定旅游竞争力的6大因素之一。曹芳东等对国家级风景名胜区进行了一系列的研究，侧重于对旅游效率的空间格局、时空格局动态演化及其影响因素，以及国家级风景名胜区省际旅游增长的趋同和趋异等方面进行了考察，但是对地理空间上哪些风景名胜区应该开发，哪些风景名胜区应该限制开发，并未给出回答。虞虎等对国家级风景名胜区中的湖泊型名胜区单独进行研究，采用数据包络分析（data envelopment arialysis，DEA）的方法讨论了湖泊型风景名胜区的旅游效率及提升策略。
与现有相关研究相比，本文的主要边际贡献体现在以下三个方面：第一，将所有国家级风景名胜区作为研究样本，利用计量经济学的方法，首次实证检验了地理距离对国家级风景名胜区旅游接待人数的影响，从而定量回答了旅游景区不存在“酒香不怕巷子深”的现象，从供给侧角度回答了应该开发什么样的景区；第二，考察了旅游消费转型的条件下，随着人均收入的提高，地理距离对旅游景区旅游接待人数的影响在减弱；第三，考察国家级风景名胜区升5A级景区后，景区的旅游接待人数显著提升，但这种影响具有不平衡性和滞后性。 1文献回顾与研究假设
1.1文献回顾
旅游行为是旅游者从客源地到旅游目的地的空间转移行为。因此，旅游行为需要考虑两个方面的区位选择：其一是旅游者选择什么地方的旅游目的地进行游览，将有限的空闲时间花在能给其带来更大效用的旅游景区，相关文献主要从消费者行为选择模型推导旅游者如何选择旅游目的地；其二是旅游企业（旅游景区、景点、酒店、旅行社）将经营地选择在什么地方，以获得更大的发展机会和利润空间。关于酒店区位选择的文献较多，如Egan和Nield构建了城市间酒店区位选择的理论模型，Urtasun和Guti6rrez利用1936-1998年马德里240家旅游酒店的经营数据，考察了地理区位、价格、酒店规模和服务对酒店经营的影响，发现地理区位对其具有显著影响；Shoval等关注了城市内的酒店区位选择与旅游活动的关系，重点分析了酒店位置对后期旅游活动的影响；Yang等分别构建了酒店区位选择的理论模型、实证模型和运行模型，并将城市酒店区位选择分为旅游历史城市类、单中心类、集聚类和多维类4种类型。研究旅行社区位选择的文献相对较少，原因在于旅行社的分布往往与人口居住密度有关，是一种便民化的服务设施。景区景点的区位选择研究，主要是从景区景点的可达性开展个案研究，如靳诚等以南京市区和长江三角洲为研究对象，分析旅游景点的路网结构对旅游景点可达性的影响；潘竟虎和从忆波利用GIS分析工具，测度了4A级景区的空间可达性，并分析空间可达性的动态演变过程。上述文献中对旅游区位选择的研究较多，但是并不能回答究竟选择什么样的旅游景区、景点适合开发。
此外，还有不少文献从较为宽泛的角度研究旅游与区位的关系。从宏观角度看，景区景点不仅仅是一个企业，而且是在空间尺度上构成宏观经济的一个区域，将其纳入一个空间和宏观视角进行研究，具有一定的必要性。吕润美构建了可持续发展因子研究乡村旅游与旅游区位的关系。Monzonis等研究了旅游业与农村空间区位的关系，发现农村的空间区位对旅游业发展起着重要作用。Pefia等从市场导向角度研究乡村旅游发展，认为应该发展邻近城市的乡村旅游。在旅游区位与城市发展、地区经济发展的研究方面，卞显红和沙润考察了长三角城市旅游业空间结构的演变特征。王蓉蓉以中国大陆31个省份星级饭店、旅行社、景区景点3类旅游企业为研究对象，研究发现，地区经济水平、人口分布密度、旅游业发展态势以及基础设施对3种旅游企业区位决策具有显著影响。王辉等从空间区位选择视角，总结了新疆与中国周边国家的5种国际旅游合作结构模式，并从地缘驱动力、经济驱动力和组织调控力3个维度，分析了区域动态性旅游合作动力系统对国际旅游合作结构模型的影响。卞显红实证考察了城市轨道交通对城市旅游边缘区的区位选择影响，包括城市旅游边缘区的旅游资源区位、旅游市场空间区位、旅游从业人员区位和旅游交通区位。
从现有文献来看，城市对旅游区位选择影响的研究较多，特别是吴必虎提出环城游憩带的概念，将城市与旅游区位联系起来之后，一些学者针对上海、武汉、乌鲁木齐、长沙等城市的环城游憩带的资源价值、空间结构、形成机制以及可持续发展进行了系统研究，对城市与旅游区位的关注度在不断提升。总结当前的研究成果不难发现，旅游区位的选择实质是研究旅游需求人群聚集地与旅游景区之间的空间分布规律和相互作用关系。地理学第一定律認为，地理空间数据都存在着或强或弱的空间相关性，而且事物之间联系的紧密程度还存在着距离衰减效应。在中国，城市是旅游需求人群的主体，城市居民到景区的距离或便利程度就成为了旅游区位选择的重要依据。因此，可将旅游景区到不同级别城市的地理距离作为影响当前中国旅游区位选择的关键变量。目前，有关旅游区位研究大多基于个案数据，主要从地理学理论和框架人手，研究单个城市与旅游区位的关系，缺乏基于经济学和地理学综合视角，在大样本的基础上将旅游景区与地理距离纳入一个研究框架进行分析的成果。针对现有研究的不足，本文将地理距离作为区位选择的代理变量，从经济学的视角，考察地理距离对景区旅游接待人数的影响，试图对“酒香真的不怕巷子深？”这一问题作出回答。
1.2研究假设
国家级风景名胜区的确定主要是依托资源导向，并非市场导向，所以国家级风景名胜区是无规律地分布于不同地域。尤其是以自然观光为主要功能的国家级风景名胜区，其分布往往更趋向于远离城市的山地和丘陵地区。在旅游者出游行为的研究中，距离的远近通常是一个相对于时间而言的相对概念。一般来说，游客一次出行的时间主要包括三个部分：第一部分是旅游者从居住地出发，到达居住地所在城市的时间；第二部分是居住地所在城市到旅游目的地邻近城市的时间；第三部分是从旅游目的地邻近城市到旅游目的地所需要的时间。如果我们将旅游分为近程旅游和远程旅游，近程旅游的前两部分时间可能不存在或者较少，以第三部分时间为主体；而在远程旅游中前两部分时间是必不可少的，是刚性需求，那么第三部分时间就成了弹性需求。不管是近程旅游还是远程旅游，在选择具体景区旅游时，往往由第三部分时间来决定。因此，景区到邻近城市的距离远近是影响旅游者做出旅游决策的一个重要因素。为了简化研究，与景区邻近的城市均假定为景区所在地的地级及以上城市，而非县级城市或者县城。原因在于地级市的交通较为便利，外来游客一般是先到达景区所在地的地级市，然后再前往景区。于是，本文提出如下假设：
H1：在其他条件不变的情况下，国家级风景名胜区离所在地的地级城市越远，旅游接待人数越少
国家级风景名胜区作为全国知名的旅游景区，对省内和国内的旅游者均具有较大的吸引力。在一个省域范围内，聚集人口最多的城市通常是省会城市，因此国家级风景名胜区对省会城市旅游者的吸引力可在一定程度上近似为对本省旅游者的吸引力。据《中国旅游发展报告2016》的数据显示，人口最为集聚的京津冀、长三角、珠三角三大都市圈是我国旅游出行人数最多的区域。这3个地区的居民收入水平较高，出行意愿强，是最大的国内旅游客源地。因此，国家级风景名胜区对省会城市和三大都市圈的吸引力可以在一定程度上近似为对国内旅游吸引力程度。于是，本文提出如下假设： H2a：在其他条件不变的情况下，国家级风景名胜区离所在地省会城市越远，旅游接待人数越少
H2b：在其他条件不变的情况下，国家级风景名胜区离三大都市圈越远，旅游接待人数越少
2计量模型与数据说明
2.1研究对象
国家级风景名胜区是由国务院审批、公告，并由住房与城乡建设部负责管理的旅游景区。1994年，住房与城乡建设部（当时为建设部）发布的《中国风景名胜区形势与展望》绿皮书，对国家级风景名胜区进行了界定：国家级风景名胜区是具有重要观赏价值、文化和科学价值的旅游景区，其自然景观能反映重要自然变化过程，人文景观能反映重大历史文化发展过程，但国家级风景名胜区更侧重于风景区自然特性。我国从1982年开始公布第l批国家级风景名胜区名录，截至2014年，共公布8批国家风景名胜区名录，累计达到225处国家级风景名胜区。
经过20多年的发展，国家级风景名胜区已经成为我国国内和境外旅游者青睐的主要旅游目的地之一。根据《中国城市建设统计年鉴》的数据显示，2000年国家级风景名胜区接待国内旅游人数为1.54亿人，境外旅游人数为774万，分别占到全国接待国内旅游人数和境外旅游人数的21%和9%；到2014年，国家级风景名胜区接待国内旅游人数为7.51亿人，境外旅游人数为2456万，分别占到全国接待国内旅游人数和境外旅游人数的21%和19%。从2000～2014年，国家级风景名胜区接待国内旅游人数的比例变化不大，但接待境外旅游人数占全国境外旅游人数的比例增加了近10%，说明国内旅游者对国家级风景名胜区的偏爱程度保持不变，但境外旅游者对国家级风景名胜区偏爱程度在逐渐增强。
图1是4个年份国家级风景名胜区及其旅游接待人数的空间分布图。从国家级风景名胜区的空间分布来看，其多数分布于爱珲一腾冲人口分布线（即胡焕庸线）左侧，即国家级风景名胜区的空间分布与我国人口的空间分布基本一致。从国内旅游接待人数的空间分布来看，接待国内旅游人数较多的国家级风景名胜区更多地集中于大城市周边，特别是北京、上海、杭州、广州、深圳，尤其在2010年和2014年表现得更为明显。
2.2计量模型
根据研究假设，本文构建如下旅游接待人数影响因素的计量模型：
其中，i表示国家级风景名胜区，t表示年份时间变量，tourist代表国家级风景名胜区的旅游接待人数，dis pref代表国家级风景名胜区到地级市的距离，用于验证H1；dis prov代表国家级风景名胜区到省会城市的距离，用于验证H2a；dis bi、dis sh、dis gd分别代表国家级风景名胜区到京津冀、长三角、珠三角3大都市圈的距离，用于验证H2b；X为影响景区旅游接待人数的控制变量矩阵，μ代表不随时间变动的个体固定效应（在随机效应模型中表示不随时间变化的干扰项），v代表不随景区变化的时间固定效应，i为随机扰动项，β、y为待估系数。由于城市到国家级风景名胜区的距离不随时间而变化，如果采用固定效应模型进行估计将会被剔除，因此本文主要采用混合OLS和随机效应模型两种估计方法对式（1）进行估计。
2.3变量说明与数据来源
被解释变量。本文的研究目的是考察国家级风景名胜区对旅游者的吸引力，旅游接待人数是最能体现景区吸引力的度量指标。《中国城市建设统计年鉴》（2000-2014）报告了国家级风景名胜区的相关信息，主要包括风景区面积、供游览面积、国内旅游接待人数、境外旅游接待人数、经营收入、门票收入、经营支出、维护建设费用支出等指标。因此，我们选择国内旅游接待人数的自然对数作为被解释变量，并用境外旅游接待人数的自然对数和经营收入的自然对数作为稳健性检验时的被解释变量。
核心解释变量。国家级风景名胜区到所在地级市的距离（dis pref），是通过查阅经纬度网站，以国家级风景名胜区的名称为关键词，可查询到国家级风景名胜区大门或景区旅游集散中心的经纬度。然后查询地级市政府所在地的经纬度，计算出两组经纬度的直线距离，即到地级市的距离；国家级风景名胜区到所在地省会的距离（dis prov）、国家级风景名胜区到京津冀都市圈的直线距离（dis bi）、国家级风景名胜区到长三角都市圈的直线距离（dis sh）及国家级风景名胜区到珠三角都市圈的直线距离（dis gd），分别采用每个国家级风景名胜区与省政府、北京市政府、上海市政府、广东省政府的直線距离来替代，即通过查询两地的经纬度计算得出的距离。我们之所以直接采用两点间的直线距离，而没有通过两地的通勤时间或者其他方式进行距离上的测度，主要是因采用直线距离的好处是它不会随时间变化，而如果采用通勤时间作为代理变量，不同的时段通勤时间是不同的，而且很难得到历史上具体时段两地的通勤时间。
显然，影响国家级风景名胜区旅游接待人数的因素主要来自供给与需求2方面。根据数据的可得性，我们选择了以下4个因素作为控制变量。
（1）国家级风景名胜区可供游览面积（sg tour）：代表景区可以游览的区域大小，根据景区游客容量控制要求，每个景区需要设置一个最大的游客容量，而这个游客容量是由可供游览面积决定的，这个指标也可以理解为景区的土地投入。我们预期其系数符号为“+”。
（2）国家级风景名胜区经费投入的自然对数（spend）：代表景区用于日常人员支出和建设维护费用支出，由《中国城市建设统计年鉴》（2000-2014）中经营支出和维护建设费用支出2个指标加总得到。按投入产出理论，国家级风景名胜区固定资产投资的存量可以代表旅游景区的建设投入，景区的从业人员代表旅游景区的人力劳动投入，但由于2000-2014年的国家级风景名胜区固定资产投资和从业人员的官方统计数据并不连续，而且2000年以前对国家级风景名胜区的固定资产投资并未统计，无法得到景区建立以来的固定资产投资存量。因此，我们采用国家级风景名胜区经费投入作为其投入变量，并预期其系数符号为“+”。 （3）国家级风景名胜区所在地的人均收入水平（pergdp）：用于反映国家级风景名胜区的旅游需求问题。旅游是有钱和有闲的结合，除了有闲这个因素外，收入是影响出游情况的重要因素。到国家级风景名胜区最大的游客群体是本地游客，所以我们选择国家级风景名胜区所在地级及以上城市的人均国内生产总值作为需求的替代变量，并预期其系数符号为“+”。
（4）国家级风景名胜区的景区质量等级（sst）：根据我国现行的管理体制，国家级风景名胜区属于国家住房与城乡建设部管理，而旅游景区的质量等级评定由国家旅游局进行，同为国家级风景名胜区，但其旅游景区的质量等级却可能不同。我国的旅游景区质量等级划分为5级，从高到低依次为5A、4A、3A、2A、1A级旅游景区。根据我国景区质量的等级管理体制，每年都会对旅游景区质量进行评级，有些景区因为建设比较完善，管理比较合理，满足旅游景区质量要求，其等级得到不断提升。从旅游者的角度来看，他们可能并不知道某个旅游景区是否是国家级风景名胜区，还是旅游度假区，他们更关心的是旅游景区的质量等级。因此，一个国家级风景名胜区的旅游景区质量等级越高，对旅游者的吸引力会更强，旅游人数就会更多。通过查阅国家旅游局每年公布的A级景区名录，然后对应到每个国家级风景名胜区，如果提高一个等级，则之后的每一年都是这个等级，除非之后等级再有提升；如果在A级景区名录中未查到，则按2A级景区对待（2A级景区的评定由国家旅游局委托各省级旅游局进行，未进入国家A级景区名录）。参照邓涛涛等的做法，对不同A级景区进行赋值，将5A级景区赋值为5，4A级景区赋值为4，依此类推。
本研究所采用主要数据来自《中国城市建设统计年鉴》（2001-2015），其统计数据的时间周期为2000-2014年，其他统计数据主要来源于《中国统计年鉴》（2001-2015）、《中国区域经济统计年鉴》（2001-2015）和《中国城市统计年鉴》（2011-2015）。需要说明的是，截止到2014年，国家级风景名胜区的总数为225处，但在《中国城市建设统计年鉴》（2014）中统计的国家级风景名胜区为232处，其原因可能是一些风景名胜区已经退出国家级风景名胜区名录，但其数据仍统计在列，因此本文将该统计资料中的232处国家级风景名胜区作为横截面单位。由于国家级风景名胜区从2000年到2014年间公布了4批，所以并不是每年都有232个样本，而且有些年份个别国家级风景名胜区的数据缺失，因此最终得到的面板数据是一个非平衡的面板数据。
3假设检验及结果讨论
3.1基准回归
表2为采用旅游接待人数的自然对数作为因变量的回归结果，其中，每个模型中均控制了时间、地区和景区3种固定效应。地区固定是控制地级市的虚拟变量，景区固定是将景区分为山岳型、水域型、山岳和水域，以及都不屬于这3类的景区，构建了4个虚拟变量，控制其中的3个虚拟变量，其目的是控制国家级风景名胜区的不同类型导致旅游人数的差异。
前5列采用混合OLS估计方法分别考察5个地理距离变量对国内旅游接待人数的影响，5个系数均在10%的水平以上显著为负，说明到5个城市距离确实对国家级风景名胜区的旅游接待人数具有显著负向影响。第（6）列和第（7）列分别采用混合OLS和随机效应模型，同时考察了5个距离变量对旅游接待人数的影响，5个距离变量的回归系数均在10%的水平以上显著为负，说明本文提出的假设均成立。7个模型中，4个控制变量的回归系数在10%或小子10%的显著性水平上均为正值，与预期一致。分别加入5个距离变量与同时加人5个距离变量的回归结果，4个控制变量的回归系数变化不大，说明5个距离变量与4个控制变量之间相关性不强，不存在多重共线性。
根据第（7）列的回归结果，当同时考虑5个距离变量时，到地级市的距离每提高1个百分点，国家级风景名胜区的国内旅游接待人数将减少0.15%；而省会城市的距离每增加1%，国家级风景名胜区的国内旅游接待人数会减少0.14%；同样，到京津冀、长三角、珠三角的距离每提高1%，国家级风景名胜区的国内旅游接待人数分别减少0.27%、0.16%、0.21%。从回归结果来看，5个距离对国家级风景名胜区均有显著的负向影响，而且影响系数均在0.14%～0.27%之间，其中影响最小的是到省会的距离，而最大的是到京津冀的距离。在平均意义上，距离对国家级风景名胜区旅游接待人数具有显著的负向影响，说明并非“酒香不怕巷子深”。
3.2稳健性检验
由于核心解释变量是5个地理距离，难以找到其他替代变量。因此，本部分的稳健性检验主要从两个方面进行：第一，将被解释变量替换成境外旅游接待人数的自然对数；第二，将被解释变量替换为国家级风景名胜区营业收入的自然对数。
表3第（1）列和第（2）列分别采用混合OLS和随机效应模型考察地理距离对境外旅游接待人数的影响。5个距离变量对境外旅游人数的回归系数均为负，但只有前3个距离变量显著，再次证明H1是成立的。在4个控制变量中，景区等级、景区的经营投入和地区人均收入水平在混合OLS估计下均高度显著为正，而景区的可供游览面积并不显著，由于境外旅游者的数量并不多，对景区可游览的大小并不看重。根据第（2）列的回归结果，当景区到地级市的距离增加1%，境外游客将减少0.13%；当景区到省会城市的距离增加1%，境外游客将减少0.52%；当景区到北京的距离增加1%，境外游客将减少0.29%。
表3第（3）列和第（4）列分别采用混合OLS和随机效应模型考察地理距离对旅游经营收入的影响。5个距离变量的回归系数均为负，且只有到省会、北京、上海等地区距离显著，说明从旅游收入来看，本地游客对旅游收入影响不显著，旅游收入的主要来源是省会城市和北京、上海这样的客源地。4个控制变量在混合OLS估计下，均显著为正，说明景区等级、景区的经营投入、地区人均收入、景区经营面积均有助于增加景区的经营收入。根据第（4）列的回归结果，到省会、京津冀、长三角的距离每增加1%，景区经营收入将分别减少0.49%、0.26%、0.26%，说明景区要提高经营收入，重点应该开发本省的旅游市场，进而开发京津冀、长三角市场。 4讨论
旅游业的发展受到许多因素的影响，除上述控制变量的影响外，还受旅游业发展阶段和外部冲击对景区的旅游接待人数产生影响。对此，下文将在基准模型中引入旅游消费转型、景区升级和高铁建设等3个因素，考察这些因素的加入是否会改变距离变量对景区旅游接待人数的影响程度。
4.1旅游消费转型分析
按照国际上的一般规律，当人均GDP达到1000美元时，观光旅游将进入快速发展阶段；当人均GDP达到2000美元时，休闲旅游开始发展；当人均GDP达到3000美元时，旅游需求将爆发式增长，传统的观光旅游将向休闲度假游转变；当人均GDP超过5000美元后，将进入成熟的休闲度假经济时代。旅游是有钱和有闲的结合，随着中国经济的发展，人均GDP不断提升，国民的旅游需求也不断升级。本研究的时间跨度为2000-2014年，正好经历了我国人均GDP从1000美元到3000美元，再超过3000美元的阶段。在旅游消费转型前后，地理距离对国家级风景名胜区的影响效果是否会减弱或者增强？国家级风景名胜区属于观光旅游产品，当人民的收入增加后，地理距离对国家级风景名胜区的影响效果如果减弱，则说明我国的旅游发展符合国际一般规律。本文采用的人均GDP是国家级风景名胜区所在地区的人均GDP，所以本节只考虑到地级市距离对国家级风景名胜区的影响。人均GDP为3000美元，按2014年的汇率，人民币为1.8万元，但按2000年的汇率，约为2.4万元人民币以上，因此本文选择一个折中的方案，将样本分为人均GDP大于等于2万元和小于2万元人民币两个子样本。根据统计分析，人均GDP大于等于2万元的样本量为1272，而小于2万元人民币的样本量为841，两部分样本容量差距并不大，有助于得到较为稳健的结果。
表4第l部分汇报全样本、人均GDP大于等于和小于2万的子样本回归结果，3个模型均采用随机效应估计方法。3个模型均控制了4个控制变量，以及时间、地区、景区固定效应，结果显示，到地级市距离的回归系数均高度显著为负。人均GDP小于2万的子样本的回归系数为0.141，人均GDP大于等于2万的子样本的回归系数为0.115，而全样本的回归系数0.14，刚好介于两者之间。说明随着人均GDP的增加，距离对国家级风景名胜区的影响程度在减弱，即旅游消费正在转型，旅游者在人均收入较低时，选择自然观光型景区，而人均收入提高后，观光型景区对他们的吸引力就会减弱。这正好验证了旅游消费转型后，地理距离对国家级风景名胜区的影响效果正在减弱。
4.2景区升5A分析
众所周知，景区升为5A级景区之后，其知名度会提升，相伴而来的就是旅游接待人数的增加。在本文的分析框架下，这种外部冲击会不会减弱地理距离对国家级风景名胜区的影响程度，仍然需要进一步检验。我国在2007年开始公布了第一批5A级景区名单，截至2016年8月4日，共公布30批216家5A级景区名单（不包括被撤销的5A级景区）。到2014年，在232家国家级风景名胜区中，有32家被升级为5A级景区。在国家级风景名胜区被评定为5A级景区后，景区的旅游人数是否显著增加，这种旅游人数的增加是否具有持续性，会不会减弱地理距离对风景名胜区的影响效果？为了考察景区升5A级景区后的效果，笔者利用A5表示是否被评定为5A级景区的虚拟变量，其值为1表示该景区为5A级景区，否则为0，并用yr2008-yr2014代表2008年到2014年的时间虚拟变量。由于第一批5A级景区是2007年5月8日公布，对当年景区的旅游接待人数影响较小。所以我们主要从2008年开始考察升5A级景区的效果，借鉴双差法的思想，采用A5xyr2008来测度升5A级景区后的效果，同时A5xyr2009-A5xyr2014分别代表升5A级景区后相应年份的效果。
表4第2部分汇报了考虑国家级风景名胜区升5A级景区后的回归结果。3个模型均采用随机效应估计方法，结果显示：不管是全样本，还是发达地区或者是欠发达地区，到地级市的距离对景区旅游接待人数的影响系数都显著为负，并且其回归系数在表4第1部分的基础上都有一定程度的增大，说明没有考虑景区升5A可能存在一定的低估，但旅游消费转型的证据依然存在。在全样本下，当国家级风景名胜区升5A级景区后，其效果在2009年開始体现，其旅游接待人数显著增加，并且增加人数呈逐年上升趋势。在人均GDP大于等于2万元人民币的样本中，景区升5A级的效果从2010年开始显现，其原因是经济较为发达的地区，景区旅游人数已经较高，短期内受接待能力和其他方面的限制，旅游人数不会较快地增长，后期随着接待能力的提升，基础设施的完善，旅游接待人数呈不断增加的上升趋势。在经济相对落后的子样本中，国家级风景名胜区升5A级景区的效果立刻出现，但呈现先上升后下降的趋势，最后变得不显著，其原因在于经济发展相对落后的国家级风景名胜区升5A级景区后，知名度立刻提升，而景区的接待能力远未达到饱和，所以旅游接待人数立刻增加，而且增加得越来越多，但这种趋势并不会持续太长时间，由于观光型景区的一次性消费特征、景区的接待能力受限、基础设施的完善跟不上等原因，造成2012年后的增长趋势并不显著。
4.3高铁开通分析
从2008年开始，我国逐步进入高铁时代。高铁建设的推进，使居民的出行方式明显改变，直接影响到居民的旅游活动空间。高铁开通后，地理距离是否还会对国家级风景名胜区产生影响，这种影响程度是否会增强或者减弱？对此，笔者通过搜索百度和国家铁路总局的相关数据，得到了每个国家级风景名胜区所在地级市是否开通高铁以及开通高铁的时间，形成了相应的面板数据，构建了虚拟变量gt，若高铁当年开通的时间在上半年，则当年和往后所有年份的虚拟变量设为1，如果是下半年开通，则从第二年开始往后所有年份都为1，否则为0。
表4第3部分汇报了考虑高铁开通后的地理距离对国家级风景名胜区的影响结果，估计方法依然采用随机效应模型。全样本的模型中，高铁的开通可以显著提高风景名胜区的旅游接待人数，这种效果在收入水平较高的地区同样存在，而且系数大小也相同；在人均收入小于2万元的地区，高铁的回归系数不显著。要解释上述结果，笔者需要了解高铁开通的情况，2011年之前，开通高铁的地区全部是在收入较高的地区，到2014年，在人均收入低于2万元的地区中只有7个地区开通高铁，说明在2014年之前，高铁的修建主要以经济相对发达的地区为主。这能解释全样本和人均收入大于2万元的子样本，高铁对旅游接待人数具有显著正向影响的原因。在人均收入小于2万元的子样本，高铁开通的城市非常少，高铁的开通对旅游接待人数的影响还未显现。就高铁开通后的地理距离对国家级风景名胜区的影响而言，无论是全样本，还是发达地区或者是欠发达地区，到地级市的距离对景区旅游接待人数的影响系数都显著为负，说明地理距离对景区旅游接待人数的影响依然存在。虽然高铁开通后可以缩短旅游的时间距离，缓解地理空间区位对旅游发展的影响，但由于当前高铁开通城市主要位于经济发达地区，经济欠发达地区开通的城市很少，所以高铁开通地区的不均衡性实际上凸显了未开通高铁城市地理距离对旅游发展的负面影响。因此，高铁开通后地理距离回归系数的绝对值有所增大。
5主要结论与启示
随着收入的水平不断提高，人们的旅游需求数量、质量、结构都在不断升级，对旅游业发展转型升级提出了更高的要求。景区投入大量资本但市场反映平平的现象屡见不鲜，对新时期我国旅游业供给侧改革提出了严峻挑战。本文利用国家级风景名胜区到地级市、省会城市、三大都市圈的距离，衡量国家级级风景名胜区的地理区位，考察地理区位对国家级风景名胜区旅游接待人数的影响，从而回答应该选择什么样的景区进行开发，即是否存在“酒香不怕巷子深”的现象。基于2000-2014年国家级风景名胜区的面板数据，采用混合OLS和随机效应模型的研究结果显示：（1）地理距离对国家级风景名胜区的旅游接待人数具有显著的负向影响，当地理距离（包括到地级市、省会和三大都市圈的距离）每增加1%，国家级风景名胜区的旅游接待人数将减少0.14%到0.27%；（2）采用境外旅游接待人数和旅游经营收入作稳健性检验发现，上述结果依然存在，但影响效果有一定的差异；（3）随着人均收入不断提高，地理距离对国家级风景名胜区旅游接待人数的影响效果逐渐减弱，验证了旅游消费转型的一般规律，即人均收入较低时，选择观光旅游，当人均收入提高后，旅游消费从观光旅游向休闲旅游转变；（4）在旅游景区升5A级景区后，地理距离对景区旅游接待人数的影响依然存在，景区升5A级景区对旅游接待人数的影响存在滞后效应，但在全样本和子样本表现并不一致；（5）高铁开通后，地理距离对景区旅游接待人数的影响依然存在，在全样本和高收入样本中，高铁开通显著提高风景名胜区的旅游人数，但在低收入样本中，效果不显著。
本文的研究回答了在旅游景区开发过程中并不存在“酒香不怕巷子深”的现象，我国当前以资源为导向的旅游开发现象，会让旅游供给与旅游需求不匹配，从而导致一些旅游景区花大量资金建设开发后，其经济效益并不理想。本文的政策含义在于，在规划与开发一个景区之前，需要确定该景区是观光型还是休闲型景区，需要确定该景区旅游资源禀赋和独特性，特别需要重点考虑景区到地级城市、省会城市、三大都市圈客源地的地理距离等因素。在综合分析的基础上，科学合理地进行规划和开发。