APA引用格式：
Burzynska, K., Khalid, U., & Okafor, L. E. (2025). Is tourism becoming more globally interconnected or regionally concentrated? A network analysis approach. Journal of Travel Research, 60(X), 1–25. https://doi.org/10.1177/00472875251378507

1. 簡介

在全球化與區(qū)域化力量并存的背景下，國際旅游流動究竟是日益"無國界"的全球互聯(lián)，還是仍受制于地理鄰近性和文化相似性的區(qū)域集中？這一問題對旅游政策制定、目的地營銷和資源配置具有重要戰(zhàn)略意義。

研究問題：

1. 國際旅游網(wǎng)絡(luò)整體呈現(xiàn)全球互聯(lián)特征還是區(qū)域集中特征？
2. 這種網(wǎng)絡(luò)結(jié)構(gòu)隨時間如何演變（1995-2021）？
3. 基于實際旅游流動算法檢測的"社區(qū)"結(jié)構(gòu)與傳統(tǒng)地理、經(jīng)濟分類（如地理區(qū)域、收入水平、發(fā)展程度）相比，哪個更能解釋旅游流動模式？

主要發(fā)現(xiàn)：

• 區(qū)域集中占主導(dǎo)：國際旅游網(wǎng)絡(luò)主要表現(xiàn)為區(qū)域集中而非全球互聯(lián)，且這一趨勢在1995-2021年間持續(xù)強化（E-I指數(shù)從-0.55降至-0.62）。
• 社區(qū)結(jié)構(gòu)：算法檢測到的旅游社區(qū)絕大多數(shù)為"本地型"（Local，166個）和"全球-本地型"（Glocal，10個），幾乎不存在"全球型"（Global）社區(qū)。
• 傳統(tǒng)分類失效：基于地理、收入或發(fā)展程度的傳統(tǒng)國家分組對旅游流動模式的解釋力逐漸減弱，而基于實際流動數(shù)據(jù)檢測的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)更具解釋力。
• 疫情沖擊：2020-2021年新冠疫情期間，區(qū)域化趨勢進一步強化。

研究方法：

• 網(wǎng)絡(luò)科學(xué)方法（Social Network Analysis）：將190個國家視為節(jié)點，雙邊旅游流量視為邊權(quán)，構(gòu)建有向加權(quán)網(wǎng)絡(luò)。
• 社區(qū)檢測算法：使用Louvain算法（基于模塊度最大化）和Infomap算法（基于信息論）識別旅游社區(qū)（Mesoscale結(jié)構(gòu)）。
• E-I指數(shù)（External-Internal Index）：測算社區(qū)內(nèi)部聯(lián)系與外部聯(lián)系的比率，量化區(qū)域集中程度（負值表示區(qū)域集中，正值表示全球互聯(lián)）。

2. 研究背景與理論框架

2.1 全球化與區(qū)域化的理論張力

傳統(tǒng)觀點認為，技術(shù)進步、交通成本下降和數(shù)字化平臺應(yīng)推動旅游向"無國界"方向發(fā)展（全球化視角）。然而，實證研究表明，旅游流動受地理距離、文化相似性、語言鄰近性和歷史聯(lián)系影響顯著（區(qū)域化視角）。例如，McKercher et al. (2008)發(fā)現(xiàn)80%的國際旅行發(fā)生在距離1,000公里以內(nèi)的國家之間。

本文引入"全球在地化"（Glocalization）概念，認為旅游網(wǎng)絡(luò)可能同時存在全球互聯(lián)和區(qū)域集中兩種力量。理論上可識別三種社區(qū)類型：

• 本地型（Local）：E-I指數(shù)顯著為負，旅游流動主要發(fā)生在社區(qū)內(nèi)部；
• 全球型（Global）：E-I指數(shù)顯著為正，社區(qū)充當(dāng)連接不同區(qū)域的橋梁；
• 全球-本地型（Glocal）：E-I指數(shù)接近零，內(nèi)部和外部聯(lián)系相對均衡。

2.2 網(wǎng)絡(luò)結(jié)構(gòu)的兩個分析層級

宏觀網(wǎng)絡(luò)層級（Whole Network）：考察全球旅游網(wǎng)絡(luò)整體的碎片化程度隨時間的變化。

中觀社區(qū)層級（Mesoscale Community）：識別具體的旅游社區(qū)（社區(qū)被定義為內(nèi)部聯(lián)系強于外部聯(lián)系的國家群組），分析各社區(qū)的全球-本地連接模式及其演變。

image.png

image.png

環(huán)形圖（Circular Plots）展示旅游流動模式（1995, 2010, 2019, 2020, 2021）
說明：圖1基于地理區(qū)域（UN地理區(qū)劃），圖2基于UN發(fā)展組別，圖3基于世界銀行收入組別。線條粗細代表流量大小，箭頭表示流動方向?？梢姶蠖鄶?shù)流量發(fā)生在同一區(qū)域/組別內(nèi)部（如歐洲內(nèi)部、東亞內(nèi)部），跨大洲聯(lián)系相對稀疏。

3. 數(shù)據(jù)來源和變量界定

3.1 數(shù)據(jù)來源

UN Tourism（世界旅游組織）雙語旅游數(shù)據(jù)庫：涵蓋1995-2021年190個客源國和目的地國之間的雙邊旅游流量。旅游流量定義為入境并停留至少一晚的國際游客數(shù)量（過境旅客不計入）。

數(shù)據(jù)處理：

• 為保持樣本一致性，僅保留在全部27個年份（1995-2021）中均有數(shù)據(jù)的國家，最終形成190×190的27個有向加權(quán)鄰接矩陣。
• 對缺失值采用兩種處理方式：（1）視為零流；（2）多重插補法（Multiple Imputation），構(gòu)建147國樣本進行穩(wěn)健性檢驗。

3.2 核心變量與測度

旅游網(wǎng)絡(luò)構(gòu)建：

• 節(jié)點（Nodes）：190個國家
• 邊（Edges）：，表示t年從i國到j(luò)國的旅游流量（有向加權(quán)）

社區(qū)檢測：

• Louvain算法：基于模塊度（Modularity）最大化原則，將網(wǎng)絡(luò)分割為內(nèi)部聯(lián)系緊密的社區(qū)。優(yōu)點包括計算效率高、適合大型網(wǎng)絡(luò)、可考慮邊權(quán)。
• Infomap算法（穩(wěn)健性檢驗）：基于隨機游走和信息壓縮原理，可處理有向網(wǎng)絡(luò)。

E-I指數(shù)（外部-內(nèi)部指數(shù)）：
采用Danchev & Porter (2018)提出的加權(quán)版本：

其中為社區(qū)內(nèi)部旅游流量權(quán)重，為社區(qū)外部流量權(quán)重。指數(shù)范圍為[-1, 1]：

• 負值：區(qū)域集中（內(nèi)部流量>外部流量）
• 正值：全球互聯(lián)（外部流量>內(nèi)部流量）
• 接近0：全球-本地平衡

4. 研究設(shè)計與方法論

4.1 分析策略

本研究采用描述性網(wǎng)絡(luò)分析結(jié)合歷時比較，而非傳統(tǒng)計量經(jīng)濟學(xué)因果推斷。研究設(shè)計分為三個遞進層次：

第一層級：可視化分析
使用環(huán)形圖（Circular Plots）直觀展示旅游流動在不同地理、收入和發(fā)展組別之間的分布，識別明顯的區(qū)域集中模式。

第二層級：社區(qū)結(jié)構(gòu)識別
應(yīng)用Louvain算法逐年檢測旅游社區(qū)，回答"哪些國家實際構(gòu)成緊密的旅游群組"這一問題，而非基于先驗地理劃分。

第三層級：連通性量化
計算網(wǎng)絡(luò)層級和社區(qū)層級的E-I指數(shù)，追蹤1995-2021年間區(qū)域集中程度的變化軌跡。

4.2 穩(wěn)健性設(shè)計

算法穩(wěn)健性：使用Infomap算法重復(fù)社區(qū)檢測，驗證結(jié)果不依賴于特定算法選擇。

樣本穩(wěn)健性：

• 110國子樣本：僅使用無缺失數(shù)據(jù)的110個國家，驗證結(jié)果不受插補方法影響。
• 147國插補樣本：使用多重插補處理缺失值，驗證190國主要結(jié)果的穩(wěn)健性。

時間穩(wěn)健性：排除2020-2021年疫情影響，檢驗1995-2019年的趨勢是否一致。

5. 主要實證結(jié)果和結(jié)論

5.1 旅游流動的區(qū)域集中模式（可視化證據(jù)）

環(huán)形圖顯示：

• 歐洲：67.9%的旅游流量來自歐洲內(nèi)部（2019年數(shù)據(jù)）
• 東亞：84.5%為區(qū)域內(nèi)流動
• 北美：35.5%為區(qū)域內(nèi)流動，但拉丁美洲和加勒比地區(qū)56.2%的游客來自北美
• 非洲：1995年主要來自歐洲（43.5%），但2019年已轉(zhuǎn)變?yōu)橐詤^(qū)域內(nèi)流動為主（40.3%→持續(xù)增長）

結(jié)論：大多數(shù)地區(qū)呈現(xiàn)顯著的區(qū)域集中特征，且這一模式在1995-2019年間保持穩(wěn)定。疫情期間（2020-2021），區(qū)域化趨勢進一步強化。

5.2 算法檢測的社區(qū)結(jié)構(gòu)

image.png

基于Louvain算法的國際旅游社區(qū)世界地圖（1995, 2010, 2019, 2020, 2021）
說明：不同顏色代表不同社區(qū)?？梢姷乩磉吔缭谏鐓^(qū)形成中起重要作用，但也存在跨大陸社區(qū)（如1995年歐洲-非洲跨洲社區(qū)，亞洲-大洋洲社區(qū)）。

社區(qū)數(shù)量演變（圖5）：

• 社區(qū)數(shù)量在5-8個之間波動，無明確下降趨勢（若全球化深化，預(yù)期應(yīng)看到社區(qū)數(shù)量減少，社區(qū)規(guī)模擴大）。
• 1995年：6個社區(qū)；2004年增至8個（區(qū)域化趨勢）；2010年降至5個；2021年維持在6個。

結(jié)論：社區(qū)數(shù)量的波動和穩(wěn)定表明，區(qū)域化和全球化兩種力量長期并存，但區(qū)域化力量始終占主導(dǎo)。

5.3 E-I指數(shù)：區(qū)域化趨勢的量化證據(jù)

網(wǎng)絡(luò)層級結(jié)果（圖6）：

• 算法社區(qū)：E-I指數(shù)始終為負（1995年：-0.55；2021年：-0.62），且呈下降趨勢，表明區(qū)域集中程度隨時間增強。
• 傳統(tǒng)地理分組：E-I指數(shù)從負值上升趨近于零（2021年為-0.03），表明傳統(tǒng)地理邊界對旅游流動的解釋力下降。
• 收入/發(fā)展分組：同樣呈現(xiàn)E-I指數(shù)上升趨勢，表明基于經(jīng)濟水平的分類解釋力也在減弱。

社區(qū)層級結(jié)果（圖7-8）：

• 社區(qū)類型分布：在176個社區(qū)-年份觀測中，166個（94%）為"本地型"（Local），10個（6%）為"全球-本地型"（Glocal），無"全球型"（Global）社區(qū)。
• 時間演變：將樣本分為1995-2008和2009-2021兩期比較，本地型社區(qū)的E-I指數(shù)顯著下降（更負），表明即使在全球化呼聲高的時期，旅游流動的區(qū)域集中仍在強化。

image.png

社區(qū)數(shù)量時間序列（1995-2021）
說明：展示Louvain算法檢測到的社區(qū)數(shù)量隨時間波動，無顯著下降趨勢。

image.png

網(wǎng)絡(luò)層級E-I指數(shù)趨勢（1995-2021）
說明：四條曲線分別代表地理區(qū)域、UN發(fā)展組別、世行收入組別和算法檢測社區(qū)的E-I指數(shù)。算法社區(qū)（點線）始終為負且下降，而傳統(tǒng)分組（實線）趨近于零。

image.png

社區(qū)類型分布（Local vs Glocal vs Global）
說明：柱狀圖顯示絕大多數(shù)社區(qū)為Local類型（166個），少數(shù)為Glocal（10個），無Global社區(qū)。

image.png

分時期E-I指數(shù)均值比較（1995-2008 vs 2009-2021）
說明：Local和Glocal社區(qū)的E-I指數(shù)在后一時期均顯著下降（更負），證實區(qū)域化趨勢加強。

5.4 穩(wěn)健性檢驗結(jié)果

使用Infomap算法、110國子樣本和147國插補樣本的檢驗均確認：

1. 絕大多數(shù)社區(qū)為Local類型；
2. E-I指數(shù)呈下降趨勢（區(qū)域化增強）；
3. 2020-2021年疫情未改變這一趨勢，反而強化了區(qū)域化。

6. 結(jié)論與啟示

核心結(jié)論：
國際旅游網(wǎng)絡(luò)并非如傳統(tǒng)假設(shè)的那樣日益全球互聯(lián)，而是呈現(xiàn)顯著且日益增強的區(qū)域集中特征?；趯嶋H流動數(shù)據(jù)檢測的算法社區(qū)結(jié)構(gòu)比傳統(tǒng)的地理、經(jīng)濟分類更能準確描述旅游流動模式。

理論貢獻：
挑戰(zhàn)了"旅游日益無國界"的假設(shè)，證實了"全球在地化"（Glocalization）框架下區(qū)域力量的主導(dǎo)地位。中觀網(wǎng)絡(luò)結(jié)構(gòu)（Mesoscale）是理解全球旅游動態(tài)的關(guān)鍵。

政策啟示：

1. 區(qū)域營銷優(yōu)先：目的地營銷資源應(yīng)優(yōu)先投入?yún)^(qū)域內(nèi)合作與營銷，而非昂貴的全球推廣。
2. 基礎(chǔ)設(shè)施投資：應(yīng)加強區(qū)域內(nèi)交通和數(shù)字基礎(chǔ)設(shè)施建設(shè)，利用現(xiàn)有的區(qū)域集中優(yōu)勢。
3. 危機應(yīng)對：疫情期間區(qū)域旅游的快速復(fù)蘇能力表明，區(qū)域化結(jié)構(gòu)具有韌性，未來危機管理應(yīng)重視區(qū)域內(nèi)部協(xié)調(diào)。

研究局限：

• 數(shù)據(jù)限制：使用入境人次而非停留天數(shù)或消費額，可能無法完全反映聯(lián)系強度；缺乏國內(nèi)旅游數(shù)據(jù)。
• 方法限制：社區(qū)檢測算法需將網(wǎng)絡(luò)對稱化（雖保留權(quán)重），可能損失部分方向性信息。

未來研究方向：
結(jié)合住宿數(shù)據(jù)區(qū)分短途購物與長期度假，納入國內(nèi)旅游數(shù)據(jù)以全面評估"旅游距離"偏好，以及探討區(qū)域集中對旅游可持續(xù)性的影響。