1. 引言
旅游产业布局受到资源、区位、交通等多种因素影响，其产业布局特征及演化相较其他产业展现出特殊性。自1994年以来，中国的国内旅游业蓬勃发展，旅游需求不断扩大并升级，推动了旅游供给侧改革。随着互联网等信息技术的进步，消费者获取旅游信息和服务的渠道经历了根本性的变革，这也对旅游企业的空间布局演化产生了影响。作为我国旅游产业发展的先行区，长三角各省市的协动努力，推动长三角文旅一体化的高质量发展，发挥了示范引领作用。因此，研究根据中共中央、国务院印发的《长江三角洲城市群发展规划》，以长三角城市群26个城市为例，探究旅游企业发展的时空格局演化及其驱动因素，对于制定产业发展政策，引导和优化旅游产业空间布局，助推旅游产业高质量发展具有重要现实意义。
当前有关旅游产业空间布局演化的研究主要基于核心边缘理论[1]、区域可持续发展理论[2]、区位理论[3]、环城游憩带理论[4]等。研究内容涵盖旅游产业布局演变[5]、布局模式[6]及布局优化[7]策略、区位开发可行性分析[8]等方面。有关产业空间格局演变的研究主要利用宏观数据，从产业集聚的视角论述，产业集聚度的测度方法和指标主要包括空间基尼系数[9]、莫兰指数[10]、区位商[11]等。尽管已有的研究方法成熟且多样，但大多基于宏观视角量化研究，缺乏微观数据支撑，因而准确性和对企业的实操性指导不足。
旅游企业时空格局演化的驱动因素多元化。以往研究揭示，这些驱动要素包含客源市场、区域经济、交通条件、资源禀赋、技术创新等维度[12]-[18]。不同类型的旅游企业，如旅行社、星级饭店、旅游景区等，在企业特征、经营模式、生产成本和盈利模式等方面各不相同，导致它们的空间格局演化特征及其驱动因素表现出差异性[19]。虽然现有文献为旅游企业产业布局和发展提供了宝贵指导，但对驱动因素的系统总结尚不充分。此外，现有研究主要聚焦于旅行社、星级酒店和旅游景区等传统旅游企业，但近年来随着旅游消费的升级，旅游吸引物的多样化以及信息技术的赋能，旅游企业的类型及其空间布局选择已发生了明显的变化。然而，针对这些变化的研究和分析还相对有限，需要更多关注和探究。
在经典区位理论、新经济地理学与产业集聚理论框架下，企业空间布局被视为多种要素综合作用的结果。区位理论强调运输成本、地租与劳动力成本等因素对企业选址的约束，新经济地理学突出市场潜力、规模经济和要素流动对产业空间集聚的影响[13] [20]，产业集聚理论则指出，集聚可以通过共享基础设施、形成劳动力市场与知识溢出等机制提高企业生产率，推动空间上“自强化”的集聚过程[12] [21] [22]。旅游企业作为现代服务业的重要组成部分，在时空格局演化过程中同样遵循上述基本机理。结合长三角一体化发展的区域背景和旅游产业发展特征，本文在上述经典理论基础上，构建旅游企业时空格局演化的驱动因素分析框架。基于既有研究，本文提出以下研究假设：经济基础、资源禀赋、市场情况、交通条件和创新水平对旅游产业布局有重要影响。
本文的主要创新点是突破以往微观数据的限制和模型制约，有效应用企业大数据与宏观经济数据，以长三角26个主要城市的旅游企业为研究对象，结合空间经济学与计量经济学，剖析近20年长三角旅游企业空间布局演化特征及其驱动因素。进一步，本研究细致考察了不同行业、时期的异质性作用，旨在揭示塑造旅游产业空间布局的内在规律，并为未来长三角及其他地区旅游企业的区域协同和高质量发展提供建议。
2. 数据来源与研究方法
2.1. 数据来源与处理
样本数据部分综合使用了企查查数据库、城市统计年鉴及经济普查数据，对于某些缺失的数据点则采用插值法进行了填补。我们从企查查数据库中提取长三角城市群的企业样本，依据企业披露的行业属性和主营业务筛选样本，并剔除当年的注销和破产企业。研究参考《国家旅游及相关产业统计分类》及相关研究，将旅游产业界定为直接或间接为游客提供食、住、行、游、购、娱等服务或产品的企业集合体。基于旅游产业的界定，研究根据企业的经营范围及主营业务筛选旅游企业(企业的经营范围中必须含有旅游、酒店、民宿、景区、文旅、旅行社、会展、农家乐、风景名胜、演出等关键词)。最后，样本企业被分类为核心旅游企业(住宿接待业、旅游景区类、综合服务类)和旅游相关企业(文化娱乐业、旅游会展类、旅游辅助服务类) [18] [23] (表1)。本研究最终选取的样本覆盖1994至2019年1，共计74208家企业(筛选流程详见附件2)。
Table 1. Classification for tourism enterprises
表1. 旅游企业分类
企业分类 |
具体内容 |
综合服务类 |
旅行社及相关服务、旅游活动策划服务、旅游电子平台服务等 |
住宿接待业 |
星级酒店、旅游饭店、宾馆、家庭小旅馆、民宿、农家乐等 |
旅游景区类 |
城市公园管理、游览景区管理、旅游景区开发、园林设计与开发等 |
文化娱乐业 |
旅游文化娱乐、文艺表演旅游服务、表演场所旅游服务等 |
旅游会展类 |
旅游会议、会展、会务服务及策划设计等 |
旅游辅助服务 |
旅游用品生产及销售、酒店用品生产销售、酒店装修、其他辅助服务等 |
2.2. 研究方法与驱动因素
2.2.1. 研究方法
① GIS空间分析。最近邻指数是以区域内旅游企业的实际最近邻距离与理论最近邻距离的比值为标准，来衡量旅游企业空间分布的集聚状态；
② 多维面板固定效应回归分析。本文根据城市旅游企业数量和注册资金总额及相关经济指标构建了1994~2019年城市旅游企业时空格局演化驱动因素的面板数据，为避免遗漏变量偏差和外生性问题，选用双向固定效应回归模型进行驱动因素识别，模型如下：
式中：Yit为因变量，表示第i个城市在第t年的新增旅游企业数量(Num)，以及新增旅游企业注册资本总额(Cap)。Xnit为自变量，表示第n个驱动因素。β1~βn是n个驱动因素(自变量)的回归系数；β0为常数项；εi为残差项；ωi是个体固定效应，tt是年份固定效应；i为第i个城市；t为年份。
2.2.2. 驱动因素
参考现有研究成果，结合旅游产业发展特征，选取经济实力、资源禀赋、市场情况、交通条件、创新水平5个维度的14个因素进行识别分析(表2)。① 经济实力。城市经济实力是旅游业发展的基础，直接影响旅游市场潜力及成熟度[13]，进而影响旅游企业布局。② 资源禀赋。资源禀赋是旅游发展初期旅游企业选址的决定性因素，文旅资源为企业提供发展优势，而公共文化设施建设则表征了一个区域文化发展的水平[12]。③ 市场情况。市场环境是旅游企业发展的核心因素，市场空间、投资环境和产业环境共同影响企业的选址和发展[20]。④ 交通条件。旅游目的地的可达性和交通的便捷性是消费者旅游行为决策的重要考量因素，直接影响着旅游企业潜在市场的范围[21]。⑤ 创新水平。城市的科技创新环境是企业选址的重要考量因素。人才储备是企业发展的重要驱动力，有利于打造企业竞争优势。科技成果的转化可以降低企业成本、提高运营效率[22]。
Table 2. Details of drivers
表2. 驱动因素详情
类型 |
驱动因素 |
定义 |
变量名称 |
参考文献 |
经济实力 |
经济发展水平 |
人均GDP(元)，取对数 |
Agdp |
程玉等，2022 |
城市规模 |
户籍人口/总面积(人/m2)，取对数 |
Popd |
财政支出 |
财政支出(万元)，取对数 |
Govn |
资源禀赋 |
文旅资源 |
世界文化遗产 + 全国重点文保单位*0.5(个) |
Cult |
麻学锋等，2019 |
文化设施 |
公共图书馆数量(个) |
Libr |
市场情况 |
旅游收入 |
上一年旅游收入(万元)，取对数 |
Toin |
李嘉晨等，2022 |
开放程度 |
实际利用外资额(万美元)，取对数 |
Fore |
主导效应 |
注册资本 > 500万的旅游企业数量(个) |
Domi |
产业结构 |
第三产业占GDP比重(%) |
Indu |
交通条件 |
公路 |
公路旅客运输量(万人)，取对数 |
Road |
周浩等，2015 |
铁路 |
铁路旅客运输量(万人)，取对数 |
Rail |
航空 |
民航旅客运送量(万人)，取对数 |
AirP |
创新水平 |
人才水平 |
普通高等院校在校生人数(万人)，取对数 |
Educ |
祝美琪等，2021 |
创新能力 |
城市专利总数(个)，取对数 |
Pate |
3. 长三角旅游企业时空特征演变
3.1. 旅游企业时序演变特征
自1994年起，长三角城市群旅游企业年注册数量逐年增长，尤其是进入21世纪后发展迅速。2013年，年注册数量首次突破5000家，到2017年达到7182家，此后两年保持在高峰状态。总体而言，旅游企业增长率波动较大，形成多峰值趋势。这与不同历史时期的政策变化和经济发展阶段有关，如“黄金周”制度的确立(2000年)、“后SARS时期”的旅游业反弹(2003年)，美国次贷危机影响(2008年)、《国务院关于加快发展旅游业的意见》发布(2009年)以及《国民经济与社会发展“十三五”规划纲要》(2016年)发布，均对旅游企业的发展产生了显著影响，推动其在不同阶段达到新的高峰或进入低谷(图1)。
Figure 1. Chronological change in the number of registrations and funds
图1. 注册数量及资金时序变化
3.2. 旅游企业空间分布演变特征
Table 3. Nearest neighbor index analysis (NNI)
表3. 最近邻指数分析(NNI)
|
实际平均最近邻距离 |
理论平均最近邻距离 |
NNI |
z值 |
p值 |
分布类型 |
1994 |
7331.32 |
18210.35 |
0.4026 |
−16.40 |
0.0000 |
聚集 |
1999 |
5179.74 |
12284.47 |
0.4217 |
−23.68 |
0.0000 |
聚集 |
2004 |
2215.67 |
6591.69 |
0.3361 |
−51.98 |
0.0000 |
聚集 |
2009 |
1878.54 |
5259.88 |
0.3571 |
−63.83 |
0.0000 |
聚集 |
2014 |
1184.97 |
3904.98 |
0.3035 |
−98.41 |
0.0000 |
聚集 |
2019 |
1171.65 |
3722.81 |
0.3147 |
−104.46 |
0.0000 |
聚集 |
旅游会展 |
512.65 |
2606.87 |
0.1967 |
−165.72 |
0.0000 |
聚集 |
旅游辅助服务 |
566.53 |
2484.54 |
0.2280 |
−181.38 |
0.0000 |
聚集 |
文化娱乐业 |
420.13 |
2224.90 |
0.1888 |
−201.06 |
0.0000 |
聚集 |
旅游综合服务 |
620.79 |
3109.24 |
0.1997 |
−148.65 |
0.0000 |
聚集 |
旅游景区 |
1139.98 |
3029.18 |
0.3763 |
−122.44 |
0.0000 |
聚集 |
住宿接待业 |
775.48 |
2843.82 |
0.2727 |
−144.28 |
0.0000 |
聚集 |
进一步计算最近邻指数(NNI)对长三角城市群的旅游企业整体以及六类旅游企业的空间分布演变规律进行探究。由表3可知，1994、1999、2004、2009、2014及2019年的旅游企业NNI值分别为0.4026、0.4217、0.3361、0.3571、0.3035、0.3147，整体呈现逐年递减的趋势，表明自互联网引进国内，旅游企业的空间集聚程度不断增强。由于NNI值远小于1，并且通过了5%的显著性检验，说明长三角地区的旅游企业一直存在很明显的空间集聚特征，进一步分行业可以发现文化娱乐业的NNI值最小，表明其空间集聚度最强。旅游景区类旅游企业的NNI值最大，表明其空间集聚度最弱。三类核心旅游企业中，旅游综合服务类旅游企业的NNI值最小，空间集聚度最强。
4. 旅游企业空间布局演化的驱动因素
基于经济地理分析，可以发现长三角地区的旅游企业整体分布具有明显行业异质性和极化特征。为了深入探究旅游企业空间布局演化的驱动因素，构建计量模型，进行多维双向固定效应回归分析，并分行业、分时期进行异质性分析。变量描述性统计分析结果见附件1。
4.1. 旅游企业整体空间布局演化驱动因素剖析
Table 4. Regression results of two-way fixed effects
表4. 双向固定效应回归结果
Variables |
Num |
Cap |
Variables |
Num |
Cap |
Agdp |
0.292** (0.136) |
−0.00452 (0.480) |
Domi |
0.0017*** (0.0006) |
0.00192 (0.00147) |
Popd |
−0.211 (0.152) |
−1.228** (0.507) |
Indu |
−0.0172*** (0.007) |
−0.0978*** (0.028) |
Govn |
−0.0542 (0.150) |
−0.877 (0.597) |
Road |
0.0749* (0.0422) |
−0.00945 (0.190) |
Cult |
0.00643 (0.00716) |
−0.0496* (0.0280) |
Rail |
0.0146 (0.0179) |
0.0682 (0.0778) |
Libr |
0.034*** (0.0128) |
0.0589 (0.0428) |
AirP |
0.068*** (0.0248) |
−0.114 (0.0975) |
Toin |
0.0223 (0.0354) |
0.0891 (0.300) |
Educ |
0.0412 (0.0482) |
0.0441 (0.161) |
Fore |
0.0228 (0.0305) |
0.518*** (0.145) |
Pate |
0.112** (0.0475) |
−0.149 (0.191) |
cons |
0.107 (2.114) |
28.38*** (8.683) |
cons |
0.107 (2.114) |
28.38*** (8.683) |
r2 |
0.943 |
0.659 |
r2 |
0.943 |
0.659 |
F |
5.267 |
5.514 |
F |
5.267 |
5.514 |
从回归结果来看，总体而言，影响旅游企业数量集聚和资金集聚的因素存在显著差异(表4)。旅游企业数量受到城市经济水平、文化及交通设施建设、龙头企业主导效应、城市创新能力、产业结构多种因素的综合影响。而资金集聚主要受城市规模、文旅资源、城市开放程度和产业结构的影响。经济水平和创新水平是吸引旅游企业的核心因素。杭州的政策路径则进一步体现了“创新驱动型集聚”的特点。《杭州市数字文旅产业创新发展三年行动计划(2024~2026)》及相关“数字文旅产业创新发展意见”又提出要围绕数字文旅关键技术、数字景区、数字酒店等场景打造完整产业生态，把杭州建设为“数字文旅第一城”。根据Alfred Marshall的“规模经济”理论，龙头企业集中的地区会产生知识和技术的溢出效应，易形成产业集群，产业集群产生的规模经济红利会吸引旅游企业集聚。根据区位理论，城市交通和公共文化设施建设完善能帮助企业节约信息沟通成本、生产成本，是企业选址布局的重要因素。开放程度高的城市贸易成本相对较低，会吸引旅游企业入驻。第三产业占比高的城市服务业竞争激烈，会对旅游企业产生挤出效应。上海、杭州、南京、苏州符合上述特征，是旅游企业集聚的热点地区。特别是上海，作为具有世界影响力的国际都市，其强大的吸收外资能力使其成为大型旅游企业的首选之地。
4.2. 分行业异质性分析
研究汇总统计了长三角各城市各类旅游企业的数量，包括住宿接待(Hotel)、旅游景点(Sights)、旅游综合服务(Cont)、旅游辅助服务(Assist)、旅游会展(Meet)和文化娱乐(Culture)，并通过分组回归探究不同类型旅游企业的异质性集聚特征(表5)。
Table 5. Results of heterogeneity analysis by industry and period
表5. 分行业、分时期异质性分析结果
Variables |
Hotel |
Sights |
Cont |
Assist |
Meet |
Culture |
Be13 |
Af13 |
Agdp |
0.494*** (0.142) |
0.252
(0.156) |
0.242
(0.154) |
0.462*** (0.172) |
0.468*** (0.159) |
0.0196 (0.169) |
0.528
(0.390) |
0.323** (0.158) |
Popd |
0.0227 (0.152) |
−0.395** (0.190) |
−0.0513 (0.156) |
−0.130 (0.223) |
0.439** (0.216) |
0.308 (0.217) |
−0.200 (0.186) |
−0.321 (0.205) |
Govn |
0.135
(0.172) |
0.150
(0.175) |
0.187
(0.171) |
0.0139 (0.187) |
0.163
(0.165) |
0.437** (0.188) |
−0.292 (0.207) |
−0.317 (0.273) |
Cult |
0.0369*** (0.007) |
−0.00178 (0.008) |
0.00316 (0.0082) |
0.0119 (0.00857) |
0.0449*** (0.01) |
0.049*** (0.008) |
−0.0147 (0.0246) |
−0.0103 (0.0110) |
Libr |
0.0180 (0.0146) |
0.0145 (0.0155) |
0.0250 (0.0162) |
0.0181 (0.0202) |
0.0105 (0.0200) |
0.038** (0.018) |
0.0446 (0.0337) |
0.0302 (0.0203) |
Toin |
−0.0914** (0.0402) |
0.00649 (0.0330) |
−0.0289 (0.0414) |
−0.0194 (0.0364) |
−0.0288 (0.0306) |
−0.036 (0.0326) |
0.0838** (0.0414) |
0.0314 (0.151) |
Fore |
0.000478 (0.0289) |
−0.0824** (0.039) |
−0.0745*** (0.03) |
−0.00869 (0.035) |
−0.0736* (0.038) |
−0.083** (0.034) |
0.0108 (0.0322) |
0.0580 (0.0589) |
Domi |
0.0016*** (0.0005) |
0.0014** (0.001) |
0.0015*** (0.001) |
0.0016** (0.001) |
0.003*** (0.001) |
0.0014** (0.001) |
0.0119*** (0.0022) |
−0.000120 (0.0006) |
Indu |
−0.0164** (0.0072) |
−0.00502 (0.007) |
0.00689 (0.0074) |
−0.00933 (0.008) |
0.00663 (0.0076) |
−0.001 (0.008) |
−0.0258** (0.0130) |
0.0194** (0.0095) |
Road |
0.00111 (0.0488) |
0.0458 (0.0584) |
0.0652 (0.0484) |
0.0721 (0.0600) |
0.0157 (0.0578) |
−0.022 (0.0577) |
0.0433 (0.0787) |
0.0265 (0.0612) |
Rail |
−0.00944 (0.0209) |
0.0203 (0.0204) |
−0.0120 (0.0206) |
−0.0297 (0.0225) |
−0.071*** (0.027) |
−0.0165 (0.021) |
0.0911** (0.0415) |
−0.0713*** (0.024) |
AirP |
0.0790*** (0.028) |
0.107*** (0.03) |
0.107*** (0.034) |
0.0557 (0.0399) |
0.0882*** (0.03) |
0.134*** (0.03) |
0.0000599 (0.0691) |
0.0603 (0.0431) |
Educ |
−0.0301 (0.0391) |
0.0843 (0.0651) |
0.0278 (0.0331) |
−0.0515 (0.0450) |
−0.0679 (0.0415) |
−0.032 (0.0366) |
0.120** (0.0469) |
−0.0110 (0.146) |
Pate |
0.162*** (0.0565) |
0.0532 (0.0557) |
0.143** (0.0568) |
0.223*** (0.061) |
0.0606 (0.0575) |
0.073 (0.0556) |
0.0133 (0.0913) |
0.163*** (0.0611) |
cons |
−4.759** (2.359) |
−1.329 (2.611) |
−4.532* (2.420) |
−3.290 (2.877) |
−7.832*** (2.656) |
−5.94** (2.603) |
−0.335 (4.349) |
4.165
(4.215) |
r2 |
0.887 |
0.875 |
0.873 |
0.865 |
0.884 |
0.912 |
0.917 |
0.947 |
F |
7.794 |
3.002 |
4.250 |
3.494 |
11.50 |
11.32 |
5.474 |
4.766 |
分析结果与空间分析的结论一致，龙头企业数量是影响城市各类旅游企业注册数量的重要因素。住宿接待类企业的注册数量提升的驱动因素与旅游业整体最为吻合，偏好经济水平和创新水平高、文旅资源丰富、航空条件好、龙头企业多的城市(如上海、杭州、南京等)。航空运输的便捷性能显著缩短游客与旅游目的地之间的时空距离，成为旅游景区类企业选址的关键因素。信息时代，旅游综合服务类企业以在线旅游平台为主要运营模式，注重城市的科技创新能力(如上海、杭州、南京等)。旅游辅助服务类企业，经营范围广泛，涉及制造业，依赖于市场需求和消费者购买力的提升，偏好经济水平高的城市。随着智能制造的发展，城市科技创新水平也成为该类企业集聚的重要因素。该类企业集中分布在苏州、无锡、南京、上海等拥有国家重要经济开发区、高新技术产业开发区的城市。旅游会展是相对新兴的业态，在经济水平高、人口规模大、文旅资源丰富的上海、苏州一带蓬勃发展。文化娱乐业对区域文旅资源和公共文化设施的要求较高，其发展更依赖国家财政支持。
4.3. 分时期异质性分析
本研究将数据按“年份”分为旅游业发展“前期”(1994~2006年，Be13)和“后期”(2007~2019年，Af13)两组，进行分组回归(表5)。结果显示，在“前期”，我国的市场经济体制尚处于初步确立和转型期，长三角地区大部分城市还处于工业化阶段，旅游企业对于第三产业比重高的城市持谨慎态度。而随着时间的推移，第三产业发展日趋成熟，拥有第三产业优势的城市对旅游企业的吸引力增强。旅游业发展前期，人才水平是吸引企业的主要因素，铁路设施和客源市场为次要因素，龙头企业影响力显著。在旅游业发展后期，随着城市产业、市场和设施建设趋向完善和稳定，上述因素的影响弱化，旅游企业更重视城市的经济和创新水平。这反映了在信息技术革命背景下，出现了以技术创新为导向的集聚趋势，企业逐步向合肥、南京等科技发展较快的城市扩散，经济和创新能力成为选址决策的重要考量。
从政策演变的时间序列看，前后两个阶段的企业选址逻辑，也与地方旅游产业政策从“要素驱动”向“创新驱动”转型高度契合。上海在“十二五”旅游规划中主要强调借助奥运会、世博会等重大事件契机，完善旅游基础设施，扩大旅游接待规模；在“十三五”规划及相关研究中，则进一步提出“全区域覆盖、全资源利用、全市场拓展、全要素融合、全产业链整合”和“五新旅游产品体系”等创新战略，强调通过新技术、新业态和新模式推动旅游业转型升级。
5. 结论和建议
本文以长三角城市群旅游企业为研究对象，基于1994~2019年的旅游企业数据，结合空间分析和计量建模方法，深入探讨了长三角旅游企业的时空格局演化特征及其驱动因素。研究发现：从时序演变的角度观察，由16~19年旅游企业增长率波动可知，长三角旅游产业发展已进入相对平稳的发展阶段。这一结果与已有研究中关于长三角服务业由数量扩张转向质量提升的判断相呼应[14]，但本文通过旅游企业微观数据和长期序列进一步刻画了这一阶段性转折，为“从要素驱动走向创新驱动”的判断提供了企业层面的实证支持。从空间集聚特征看，长三角城市群旅游企业呈现集聚分布态势，整体呈现逐年递减的趋势。
深入探究企业时空格局演化的驱动因素发现，旅游企业偏好经济与创新水平高、交通及文化设施建设完善、龙头企业多的城市(如上海、南京、苏州等)。城市开放程度对旅游企业资金集聚至关重要。这一结论总体上验证了[12] [13] [20]-[22]等研究中关于经济实力、资源禀赋等要素在服务业布局中发挥关键作用的观点，同时也与国外关于旅游经济发展受城市经济基础与交通可达性共同影响的研究相一致。不同类型旅游企业分布驱动因素差异明显，但均受龙头企业带动发展。住宿接待类驱动因素与旅游企业整体类似，旅游景区类最注重航空运输条件，综合服务类对城市创新水平要求高。旅游辅助服务和旅游会展类注重城市经济水平，文化娱乐业注重政府的财政支持。分时期看，第三产业的稳步发展孕育了更多旅游企业，城市经济和科技创新水平在当代显得尤为重要。总体而言，本文利用长时间序列的大数据，综合运用空间统计与计量模型，从“整体格局–时间演化–驱动因素–类型差异”多维度揭示了旅游企业时空集聚的方向性、重心迁移和极化层次演变，超越了以往单一时间截面或宏观指标研究的局限，为理解城市群尺度上旅游企业时空格局演化提供了更精细的经验证据和分析框架。
旅游产业是国民经济战略性支柱产业 ，优化其产业格局对于推进我国经济平稳健康发展有重要意义。地方政府应结合城市资源条件、地理位置、产业战略等因素，有的放矢地引导旅游发展。具体建议如下：① 培育多元化业态，通过政策激励和技术支持，引导企业在不同业态中寻求发展机会，以此提升旅游产业抗风险能力和稳定性。② 建立龙头企业联盟，通过给予税收优惠、资金扶持等方式，鼓励引导龙头企业与当地政府、相关产业协会和其他企业建立联盟，促进资源共享、协同创新和市场推广，提升地区旅游产业的竞争力和影响力。③ 提升城市交通设施建设和科技创新水平，加大对交通设施的建设和科学技术的研发投入，提高交通网络的覆盖和便捷性，推动旅游业创新和发展。
附件1. 变量描述性统计
Table S1. Descriptive statistics
表S1. 描述性统计
Variables |
Mean |
Std. Dev. |
Min |
Max |
Num |
114.317 |
288.792 |
0 |
2492 |
Cap |
336,000 |
682000 |
0 |
6,426,245 |
Agdp |
45158.371 |
41064.612 |
1371 |
199,468 |
Popd |
729.333 |
571.454 |
83.84 |
3830 |
Govn |
3,470,000 |
8,010,000 |
20,602 |
83,515,363 |
Cult |
4.874 |
6.024 |
0 |
32.5 |
Libr |
8.515 |
5.292 |
2 |
35 |
Toin |
3,730,000 |
7,320,000 |
31.931 |
103,402,488 |
Fore |
150,000 |
253,000 |
0 |
1,904,791 |
Domi |
35.578 |
76.509 |
0 |
729 |
Indu |
38.906 |
8.43 |
16.875 |
72.9 |
Road |
9929.363 |
9043.008 |
200 |
68,998 |
Rail |
949.165 |
1624.376 |
0 |
12,917 |
AirP |
209.481 |
702.554 |
0 |
6121 |
Educ |
99140.477 |
159,000 |
0 |
877,800 |
Pate |
8435.756 |
15141.485 |
0 |
100,587 |
附件2. 公司样本的具体选择标准
企业样本数据来源于企查查数据库。企查查是一款综合性商业数据库，提供中国企业层面的注册信息、财务数据和运营数据。
长三角所有企业筛选标准：(1) 企业需注册在长三角城市群26个城市之一；(2) 注册时间为2000至2019年之间；(3) 实缴资本大于0元。
长三角城市群旅游企业筛选标准：要求企业的经营范围或产品服务中包含“旅游”“酒店”“旅行”“民宿”“客栈”“旅馆”“会议”“会展”“展览”“景区”“主题公园”“游乐园”“票务”“农家乐”“渔家乐”“索道”“漂流”“古村”“古镇”“森林公园”“国家公园”“风景”“演艺”“游轮”“邮轮”“美术馆”“博物馆”“赛事”等关键词；
根据以上条件，最终得到长三角城市群旅游企业共计74,208家。
NOTES
*通讯作者。
12019年12月底公共卫生事件突发，旅游需求锐减，许多旅游企业面临破产或倒闭，导致2020年及之后的企业注册数据产生明显的偏移和变化，并在后续恢复阶段出现反弹或波动，这种数据波动会使得分析结果失真，难以判断企业长期布局特征和影响因素，故研究未将2020年及之后的企业数据纳入研究范围。