1. 引言
旅游景区是旅游活动中的核心吸引物，是旅游发展聚集人气的载体以及激发消费的平台。景区质量关乎游客能获得的服务和设施，景区门票价格的不当会消除部分潜在游客转换为现实游客的可能，所以景区质量、景区门票价格对区域旅游发展的影响值得关注。国外关于官方评级的“景区质量”的研究较少，主要是以“旅游吸引力”、“旅游资源禀赋”的概念呈现。Kresic关注到旅游吸引物的数量和质量会正向影响旅游吸引力，即旅游者通常会选择旅游吸引物数量多、质量高的目的地 [1]。旅游吸引物的数量、等级、质量是影响旅游吸引力评价的核心属性，旅游景区作为重要的旅游吸引物遵循这一规律。
“旅游资源禀赋”的界定离不开“旅游资源”，“旅游资源”在国内外尚无统一定义，故对“旅游资源禀赋”的定义界定尚不确切。一般认为旅游资源禀赋品质越高的旅游地对游客吸引力越大 [2]。旅游资源禀赋的评价标准也存在不同。许贤棠等综合考虑了湖北省旅游资源的数量和品质，将其划分为九大类进行赋予权重和分值，其中A级景区被划分为国家旅游区类别 [3]。龚熊波等用A级景区的景区数量和景区质量来衡量湖南武陵山地区各县域的旅游资源禀赋 [4]。李飞在研究我国A级景区的地区发展差异时，提出了景区精度和景区丰度的指标，“丰度”为区域A级景区总数，“精度”为高级别景区的区域占比 [5]。杨友宝等从东北地区的旅游资源类型丰度、等级特征和品质三个角度剖析了其旅游资源赋存情况，认为旅游资源的品质由等级和类型丰度共同反映 [6]。景区本体状态被认为包括景区数量、质量和密度三方面 [7]。通过梳理和总结与“景区质量”相关的文献，研究发现“景区质量”的概念尚未有清晰统一的分析，综合考虑指代对象和衡量指标两方面的因素，选取了景区丰度、景区密度、景区精度三个维度来衡量区域的景区质量。基于此，本研究结合旅游消费者行为相关理论，构建区域景区质量影响当地旅游收入的理论模型，利用回归分析方法，对其影响路径进行探析并给出相关建议。
2. 数据获取与理论框架的构建
2.1. 数据来源
论文的旅游收入数据主要来源于《中国旅游统计年鉴》《中国城市统计年鉴》，A级旅游景区数量的数据来源于景区所在区域的社会经济发展公报、省文化和旅游厅、市文化和旅游局，未见统计的区域采用电话和邮件咨询。部分区域的某项A级旅游景区数量数据缺失，根据其前一年或者后一年官方公布的名单上的评级时间进行推算和整理获得。为确保研究结果的严谨性、精确性、可信性，论文在满足以下三个条件的基础上对样本进行了剔除：1) 剔除各A级旅游景区统计数据缺失的年份；2) 剔除各A级旅游景区统计数据缺失过多的区域；3) 剔除没有对区域旅游发展的旅游收入和游客人数进行统计的区域。最终，获得了2019年266个区域的A级景区分布情况的样本数据。
2.2. 理论框架的构建
景区质量由景区丰度、景区密度和景区精度三个维度体现。其中，景区丰度是指该区域的A级景区总数量，它代表一个区域旅游资源的广度，是区域旅游收入的重要来源。2001年，187家景区被评定为首批4A景区，这标志着中国A级旅游景区的出现。此后国家A级景区数量快速增长，并在2019年底达到12,402家，旅游总收入突破6万亿元。景区密度是指单位土地面积内A级景区的个数。游客在旅游过程中，不仅涉及旅游目的地的选择，还涉及在旅游目的地一定范围内的空间的移动。交通工具的发展以及大众旅游时代的到来影响了游客的出行方式和旅游需求，全域旅游是满足游客旅游需求的新方向，A级景区旅游资源的整合和精品旅游线路的开发是打造全域旅游、促进旅游业升级的重要一环。从现实发展情况来看，发展全域旅游目的地较为合适的空间尺度就是城市。游客在旅游过程中会产生“食住行游购娱”等项目的消费，作为旅游收入的组成部分，这些项目消费的产生能提高该区域的旅游收入。高A级景区发挥其龙头带动作用吸引游客的到来，游客所选目的地周围如果有更丰富的旅游资源，会在一定程度上延长游客的逗留时间，同时刺激游客消费，以此带动区域旅游收入的增长。旅游景区是旅游活动中的关键吸引物，景区密度会对旅游资源的整合和旅游线路的开发产生影响，进而影响旅游收入。
景区精度是指该区域高A级景区数量占全国A级景区总量的比例，论文界定的高A级景区数量为4A级以上景区数量。到2019年，我国5A级景区达到280家，4A级景区有3720家，高A级景区占全国A级景区的比例约为32%，其创造的旅游收入占比却达到了84%。同时，生活水平的提高使得游客更加注重景区的环境、设施、服务等条件，除了景区自身禀赋，这些条件成为影响游客旅游目的地选择的重要因素。在这样的情况下，高A级景区的评定就成为各区域竞争的对象。区域拥有了数量可观的高A级旅游景区，就等于拥有了巨大的旅游吸引力，有利于创造更高的旅游收入。在2007年评定了第一批5A景区后，景区质量等级的评定主要集中在4A和5A级景区。邓纯纯等利用各省份各A级景区的数量，通过简单的相关性分析，认为高A级景区是省际旅游发展的核心资源 [8]。基于以上分析，对景区质量与区域的旅游收入之间的关系做出如下假设：
H1：景区丰度对区域旅游收入有正向影响；
H2：景区密度对区域旅游收入有正向影响；
H3：景区精度对区域旅游收入有正向影响。
其次，旅游活动是一种包括了“食、住、行、游、购、娱”的多要素综合性活动，旅游经济的产业关联效应和乘数效应将通过游客人数的增加来实现 [9]。在现行的旅游收入统计制度中，广义上，旅游收入的表达式可以归纳为：游客人数 × 人均消费。故游客人数对区域旅游收入有影响。最后，景区质量对游客人数的影响。与景区类型相比，旅游景区的质量等级是游客更加关注的标准。国家A级旅游景区由国家旅游局每年评定，高A级景区更是具有在全国乃至世界范围内的知名度和影响力，对国内外的游客具有较强的吸引力。接待的游客人数是景区吸引力最有力、最直接的衡量指标 [10]。根据信号理论，景区等级的高低是景区本身具有的能被旅游消费者观察到的“质量信号”，高水平的“质量信号”会促进旅游消费者的购买意愿转变为现实，即景区质量会影响区域接待的游客人数。综上，对游客人数在景区质量和区域旅游收入之间的中介效应做出如下假设：
H4：游客人数在景区丰度与区域旅游收入间的中介效应明显；
H5：游客人数在景区密度与区域旅游收入间的中介效应明显；
H6：游客人数在景区精度与区域旅游收入间的中介效应明显。
基于以上假设，构建由景区质量、游客人数和区域旅游收入组成的理论模型，如图1所示。区域的旅游收入一方面受到景区质量的直接影响，分别对应H1，H2，H3；另一方面受到游客人数的间接影响，分别对应H4，H5，H6。相关变量的符号分别为：景区丰度(X1)、景区密度(X2)、景区精度(X3)、游客人数(X7)、区域旅游收入(Y)，区域旅游收入为区域旅游总收入。考虑到还有其他一些变量会对区域旅游收入产生不同程度的影响，进而对论文的研究结论造成影响，故论文在进行回归分析中对其进行控制，以减少实证过程中产生的误差同时提高数据拟合度。在借鉴以往学者研究的基础上，选取了以下指标作为论文的主要控制变量：第三产业占GDP比重(X4)、住宿和餐饮业就业人数(X5)、交通可达性(X6)。
Figure 1. Theoretical model of regional scenic spot quality influencing local tourism income
图1. 区域景区质量影响当地旅游收入的理论模型
3. 实证结果
3.1. 相关性分析
为确保检验结果的准确性，论文在对各变量进行相关性分析前首先利用方差膨胀因子(VIF)对变量间是否存在多重共线性进行检验。如表1所示，论文中所有变量的VIF值都小于5，故论文选取的变量不存在多重共线性问题。
如表2所示，解释变量景区丰度、景区密度、景区精度与被解释变量区域旅游收入之间呈现显著的正相关性。初步说明了景区质量各维度与区域旅游收入有正向关系，与论文假设H1、H2、H3的预期相符，还需要通过回归模型验证。游客人数与景区质量的三个维度和区域旅游收入正相关，初步说明假设H4、H5、H6的中介效应的前提得到了满足，还需要通过中介效应模型进行验证。第三产业占GDP比重与区域国内旅游收入呈正相关，这可能是因为随着第三产业的发展，区域的旅游设施水平提升、文化娱乐事业得到发展，当地人民生活水平得到提升的同时，区域魅力增强，带动了区域国内旅游收入提高。住宿和餐饮业就业人数与区域国内旅游收入呈正相关，住宿和餐饮业就业人数可以反映一个区域的旅游供给能力，旅游供给能力越强，其能满足的旅游需求规模就越大，从而提高区域国内旅游收入的水平。交通可达性与区域国内旅游收入呈正相关，一个区域的交通条件越便捷，其客源市场就会更加广阔，游客在交通条件方面获得快捷方便的体验会提高游客的来访率和重游率，从而促进区域的国内旅游收入的增加。
Table 2. Correlation analysis between scenic spot quality and regional tourism revenue
表2. 景区质量与区域旅游收入的相关性分析
注：***、**、*分别表示p < 0.01、p < 0.05、p < 0.1。
3.2. 回归分析
由表3所示，模型1、模型2、模型3调整后的R2值分别为0.718、0.668、0.783，方程拟合度良好。从线性回归分析结果可以看出，在控制了其他因素后，景区丰度、景区密度、景区精度与区域旅游收入的回归系数均在1%的水平下正向显著，因此景区丰度、景区密度、景区精度对区域旅游收入有正向影响，假设H1、H2、H3得到验证。从区域发展的角度看，此种正向关系解释了近年来区域不断开发旅游资源、新建A级景区的原因，以及国家大力推进全域旅游的必要性。从控制变量来看，住宿和餐饮业就业人数、交通可达性与区域的国内旅游收入在1%水平下显著正相关，第三产业占GDP比重与区域的国内旅游收入不相关。区域旅游供给能力越强，交通条件越便捷，游客的消费需求能在更大程度上被满足，游客的消费动力会提升，区域的旅游收入水平进而提升。
Table 3. Regression results of scenic spot quality and regional tourism revenue
表3. 景区质量和区域旅游收入的回归结果
注：***、**、*分别表示p < 0.01、p < 0.05、p < 0.1。
3.3. 中介效应分析
1) 景区丰度、游客人数、区域旅游收入
为了验证假设H4，检验游客人数在景区丰度和区域旅游收入间是否存在中介效应，若存在，其中介效应占比的大小为多少，论文在控制了第三产业占GDP比重、住宿和餐饮业就业人数、交通可达性的情况下进行游客人数的中介效应分析，分析结果如表4所示。首先，检验景区丰度对区域旅游收入的影响，景区丰度的提高能正向带动区域的旅游收入，即A级景区越多的区域其旅游收入越高(t = 8.961, p < 0.01)。接下来，检验景区丰度对游客人数的影响，景区丰度对游客人数有显著正向作用(t = 10.009, p < 0.01)。最后，把中介变量游客人数引入模型，结果显示，游客人数对区域旅游收入正向影响明显(t = 16.722, p < 0.01)，即接待游客人数越多的区域，旅游收入水平越高。同时，加入中介变量后，景区丰度对区域旅游收入的正向影响依然显著(t = 2.147, p < 0.01)。综合来看，景区丰度与区域旅游收入、景区丰度与游客人数、游客人数与区域旅游收入的t值都是正号，所以间接效应a*b为正号，c’为正号。根据温忠麟 [11] 关于中介效应判定的介绍，游客人数在景区丰度与区域旅游收入间发挥“中介效应”，符合假设H4的预期。
针对游客人数在景区丰度和区域旅游收入间的中介效应，论文选择Bootstrap法进行模型的稳健性检验，结果如表5所示。从表中可以看出，游客人数的间接效应的置信区间为(5.5234, 12.3596)，区间中没有包括0，说明结果显著。再进一步判断中介效应类型，总效应为10.7152，景区丰度对区域旅游收入的直接效应为2.1000，游客人数对区域旅游收入的间接效应为8.6152，三种效应的值都是正数，说明游客人数在景区丰度和区域旅游收入间发挥“中介效应”，且为部分中介，效应占比为80.4%。
Table 4. Model test of the mediating effect of tourist numbers between scenic spot abundance and regional tourism income
表4. 游客人数在景区丰度与区域旅游收入间的中介效应模型检验
Table 5. Decomposition of the mediating effect of the number of tourists between the abundance of scenic spots and regional tourism income
表5. 游客人数在景区丰度与区域旅游收入间的中介效应分解表
2) 景区密度、游客人数、区域旅游收入
用同样的方法对游客人数在景区密度和区域旅游收入间的中介效应进行检验，结果如表6所示。用同样的步骤对中介效应进行判断，游客人数在景区密度与区域旅游收入间发挥中介效应，符合假设H5的预期。
Table 6. Model test of the mediation effect of tourist numbers between scenic spot density and regional tourism income
表6. 游客人数在景区密度与区域旅游收入间的中介效应模型检验
稳健性检验结果如表7所示，游客人数的间接效应的置信区间为(11,239.0383, 53,576.2228)，区间中没有包括0，说明结果显著。游客人数在景区密度与区域旅游收入间发挥中介效应，且为部分中介，效应占比为53.58%。
Table 7. Decomposition table of the mediating effect of the number of tourists between the density of scenic spots and regional tourism income
表7. 游客人数在景区密度与区域旅游收入间的中介效应分解表
3) 景区精度、游客人数、区域旅游收入
用同样的方法对游客人数在景区精度和区域旅游收入间的中介效应进行检验，结果如表8所示。用同样的步骤对中介效应进行判断，游客人数在景区精度与区域旅游收入间发挥中介效应，符合假设H6的预期。
Table 8. Model test of the mediating effect of tourist numbers between scenic spot accuracy and regional tourism revenue
表8. 游客人数在景区精度与区域旅游收入间的中介效应模型检验
稳健性检验结果如表9所示，游客人数的间接效应的置信区间为(226,985.293, 442,548.117)，区间中没有包括0，说明结果显著。游客人数在景区丰度与区域旅游收入间发挥中介效应，且为部分中介，效应占比为65.36%。
Table 9. Decomposition of the mediating effect of tourist numbers between scenic spot accuracy and regional tourism revenue
表9. 游客人数在景区精度与区域旅游收入间的中介效应分解表
3.4. 贡献度分析
通过上述分析可以看出景区丰度、景区密度、景区精度对区域旅游收入都有正向的影响，那么它们三者对区域旅游收入的贡献分别是多少呢？本研究在控制X4、X5、X6后，采用逐步回归对此进行探析，结果如表10所示。逐步回归的最终结果表明，当景区精度进入模型后，景区丰度被剔除，最后保留了景区精度和景区密度，由此可见景区精度存在的情况下，景区丰度对区域旅游收入的影响不显著。从标准化系数来看，景区精度的系数为0.483 > 景区密度的系数0.121，故景区精度对区域旅游收入的贡献大于景区密度。
Table 10. Stepwise regression results of scenic spot abundance, scenic spot density, scenic spot accuracy and regional tourism revenue
表10. 景区丰度、景区密度、景区精度与区域旅游收入的逐步回归结果
4. 结论与建议
本研究主要通过旅游者行为的相关理论建立了景区质量影响区域旅游收入的理论模型，并将景区质量划分为三个维度：景区丰度、景区密度、景区精度。研究表明，景区丰度、景区密度、景区精度对区域旅游收入均有正向影响，游客人数在这三对关系间的中介效应均显著，且为部分中介。在贡献度方面，运用逐步回归分析得出，在加入景区精度后，景区丰度对区域旅游收入的影响不显著，景区精度对区域旅游收入的贡献度大于景区密度。即区域旅游收入的提升需要重点关注景区密度和景区精度的提升。根据上述结论，可以通过以下途径增加区域旅游收入：第一，助力区域景区质量的全方位提升。区域景区质量的提升不能简单地依赖某一指标，要发掘当地资源特色，在增加A级景区的基础上打造一批高A级景区。以北京为例，其旅游收入水平在国内地区中首屈一指，其区域景区质量方面，不论是景区丰度、景区密度还是景区密度，北京都具有领先实力，三个指标强劲而均衡。其余地区需要根据自身三种维度的特征制定相应的发展策略。对具有某一维度优势的区域来说，要在稳固原有优势的基础上提升其他维度的实力；对于没有任何维度优势的区域来说，还是要尽快打造一批A级景区，为高质量景区的形成建立数量基础。第二，三个维度对应的三组关系下，游客人数的间接效应对当地旅游收入的影响均大于景区质量三个维度的直接效应。所以，在制定提升区域旅游收入的宣传策略时，当地政府和景区可以利用多样化的优惠和福利促进游客人数的增加。第三，旅游业高质量发展是国民经济中的重要环节，全域旅游是旅游业高质量发展的重要保障，全域旅游示范区的建设是促进全域旅游发展不可或缺的抓手。研究中区域景区质量的三个维度是一种宏观的概念，其提升首先要从战略上明确全域的理念。在全域旅游的背景下，当地政府应该根据自身旅游资源和区位的特点，整合优势，注重推动A级景区间的横向联系，加强A级景区的空间联系的同时，要加强A级景区与其他产业的融合发展。
基金项目
国家社会科学基金项目(21BGL281)。