《旅游学刊》| 邵雨虹等：国家旅游网络地位对旅游服务贸易市场份额分散化的影响

国家旅游网络地位对旅游服务贸易市场份额分散化的影响

邵雨虹1， 李志勇2

（1.四川旅游学院希尔顿酒店管理学院，四川 成都 610100; 2.四川大学旅游学院，四川 成都 610207）

0 引言

自20 世纪下半叶以来，世界产业结构逐步从“工业型经济”向“服务型经济”转变。作为现代服务业的重要组成部分，国际旅游是服务贸易的支柱产业和世界各国重要的贸易类型[1]。旅游服务贸易，全称为国际旅游服务贸易，指国家间为旅游者的国际旅游活动提供各种旅游服务的交易过程[2]。根据联合国贸易与发展会议（United Nations Conference on Trade and Development，UNCTAD）的报告，2019年，旅游服务贸易接近1.5 万亿美元，是最大的服务贸易部门和全球贸易的核心推动者①。2022 年，随着全球多国取消或放松旅行限制，国际旅游正在从新冠疫情（COVID-19）造成的短暂停滞中恢复②，但仍存在不可忽视的潜在风险。与由若干个独立单元构成的经济体不同，国际旅游因游客在不同国家之间流动呈现出高度的网络化特征[3]，更容易因风险和危机事件在经济系统中传播而引发整体变动[4]。于供给方的目的地国而言，全球性的金融危机、疾病传播和区域性的地缘冲突、自然灾害等都会对国际旅游造成严重影响。于需求方的客源国而言，高度依赖特定的目的地国或者特殊的旅游产品同样会造成危机[5]。尤其是“当今世界正经历百年未有之大变局”，国际环境严峻复杂，经济全球化遭遇逆流，不确定性、不稳定性明显增大①。因此，分散风险成为国际旅游的重要需求。

Mania 和Rieber[6]、Kramarz 等[7]指出，商业关系的多元化有助于经济体在国际市场价格波动中维持稳定的收入，并且通过溢出效应推动其他部门和国民经济发展。而过于依赖特定国际市场会增加国家或行业面对特殊供应或需求冲击的脆弱性[8]。多元化商业关系发挥作用的原因有3点：第一，类似于金融领域的投资组合效应，有效降低国际市场供给或需求变动产生的不利影响，保持收入的连续性、稳定性和可持续性[9]；第二，成本和需求发现效应，即兼具成本发现和需求发现两大作用，使得国外客户了解国内的成本结构和产品特性，从而激发潜在需求[10]；第三，动态溢出效应，即通过多元化的商业关系实现技术、管理、营销等方面的溢出效应，促进经济内生增长动力[11]。就国际旅游而言，国际旅游业是旅游服务贸易的前提条件，国际旅游流是旅游服务贸易的交易对象。当前国际市场充满了不确定性和潜在风险，因此，有必要将旅游服务贸易关系进行分散。

然而，目前很少有学者关注旅游服务贸易关系问题。现有研究集中在国际竞争力[12-14]、影响因素[15-16]、经济效益[2,17]、国际收支平衡[18-20]等方面。随着全球化推动国际旅游供给系统和需求系统成为彼此交互的共同体[5]，学者们开始关注国家之间的旅游服务贸易关系，提出了旅游服务贸易依存度的概念，即标定目的地国对某一客源国的依赖程度[21]。该概念是从目的地国的视角出发，其本质是衡量旅游服务贸易市场份额。例如孙梦阳使用目的地国（A国）接待来自某客源国（B国）的旅游人数占该目的地国（A国）同年入境旅游总人数的比重来衡量该目的地国（A 国）对客源国（B 国）的依存度，并识别了亚洲主要目的地之间以及中国对亚洲主要客源市场的依存度[22]；吴嘉美和孙根年采用客源国（B 国）游客在目的地国（A国）的旅游消费额占目的地国（A国）同年所有国际游客旅游消费额的比重来衡量依存度，通过分析中国、日本和韩国的旅游服务贸易依存度，该研究指出中国从依赖日韩转变为日韩依赖中国[21]。由此可见，尽管已有少数学者注意到旅游服务贸易关系，但是相关研究聚焦于目的地国的旅游服务贸易市场份额的描述，忽视了客源国的视角，也缺乏对现象背后的潜在风险和应对策略的研究。

Bernard 和Moxnes 指出，商业贸易天然具备网络化特征[4]。根据社会网络理论，网络中节点的特征产生于结构或关系过程，而且关系结构比个体属性更重要[23]。网络结构的概念包括网络中的节点、节点之间的关系以及由这些相互关系产生的节点的结构性位置[24]。网络地位是节点在网络中的结构性位置的重要性，体现了节点在网络中的机遇和束缚，影响到节点在该网络中的参与结果[25]。就国际旅游流网络而言，国家的旅游绩效、营销决策、市场份额等与其所处的旅游网络地位密切相关。旅游网络地位越高的国家通常与其他国家和地区存在紧密的国际旅游关系，占据较高的国际旅游的市场份额，具备越强的国际旅游辐射力或聚集力。一方面，国家容易遭受其客源国或目的地国的危机事件的冲击；另一方面，国家可基于其较高的旅游网络地位，实施旅游服务贸易市场份额分散化策略，即国家的客源市场或目的地市场份额较为平均分布，没有集中于特定市场，以此减少市场波动和稳定收入来源。需要注意的是，国家对其旅游服务贸易市场份额的分散效果，不仅取决于自身的旅游网络地位，还与客源市场或目的地市场的重要性密不可分[26]。如果一个国家对其客源国或目的地国存在市场依赖，那么在惯性的作用下，该国的旅游服务贸易市场份额分散化策略将受到阻碍。

鉴于此，本文提出以下研究问题：第一，国家在全球出境/入境旅游流网络中的网络地位是否以及如何影响其旅游服务贸易市场份额分散化？第二，国家对于现有客源市场或者目的地市场的依赖性是否以及如何影响该国实现市场份额分散化？基于社会网络理论，本文运用社会网络分析法（social network analysis，SNA）和泊松伪最大似然估计（Poisson pseudo-maximum likelihood，PPML），采用2005—2018年全球40个报告国②和77个伙伴国③的面板数据，分别从出境游和入境游两个方面④检验国家的旅游网络地位和旅游服务贸易市场份额之间的关系，以及国家对现有国际旅游市场的依赖性作为惯性因素在其中发挥的作用。本文为国家调整国际旅游市场战略和促进国际旅游市场可持续发展提供启示。

图片来源于微信公众平台公共图片库

1 理论分析与研究假设

1.1 国家旅游网络地位对旅游服务贸易市场份额分散化的影响

旅游服务贸易市场份额分散化的关键是有效获取和建立新的市场关系。根据Jackson 和Rogers的新人际关系形成的动态网络模型，人际交往过程中建立新关系通常有两种途径：其一，随机寻找新的伙伴；其二，基于已有伙伴的关系网络找到新伙伴，即朋友的朋友[27]。这个模型指出，网络地位更高的节点拥有更多的关系，更容易通过网络位置与其他新节点建立联系。Chaney 将该模型应用到国际贸易领域，构建了国际贸易过程中进口方和出口方的供应信息搜寻和形成机制模型[28]。同样地，国际贸易市场通过上述两种途径形成或扩展与其他交易方的贸易关系。鉴于国际旅游流是旅游服务贸易的交易对象，贸易关系体现在国际游客的跨国流动中。

国际旅游流是社会网络关系的一种地域表现形式[29]。随着全球化进程的推进，国际旅游流呈现出日益复杂的网络化结构特征。根据网络动态学理论（network dynamics），国际旅游流网络结构的动态演化表现为国家在该网络中网络地位的上升或下降[24]。国家的旅游网络地位体现出该国在国际旅游流网络中与其他国家的交互程度，反映了该国在网络中的机遇和约束，影响到该国在网络中的参与结果[25]。鉴于网络地位的计算涉及关系数量和关系质量，本文从两个方面阐释国家旅游网络地位和旅游服务贸易市场份额分散化之间的关系。第一，在关系数量方面，核心旅游网络地位有助于国家便捷地获取和建立潜在的国际旅游关系，推动旅游服务贸易市场份额分散化。一方面，旅游流存在溢出和溢入现象[30]。国家能够主动地通过旅游流的空间扩散，建立新的国际旅游合作伙伴，从而实现市场份额的分散化。另一方面，除了国家表现出的主动行为外，根据网络信号机制（signaling mechanism）的观点，网络地位本身是一种信号，传递该国在国际旅游市场的重要性[31]，从而吸引更多的国家与之建立或加强国际旅游联系。第二，在关系质量方面，核心旅游网络地位有利于国家利用优势地位广泛获取市场信息[32]，降低信息不对称带来的成本，提高国际旅游市场的匹配度，进而弱化对特定国际旅游市场的依赖。此外，网络中最初形成的关系有助于促进信誉和声望的形成，进而强化已有的关系和建立新的关系[32]。

就全球出境旅游流网络而言，第一，在关系数量方面，国家的旅游网络地位越高，该国越能通过旅游流空间溢出效应与更多的目的地建立出境联系和跨境消费，进而推动旅游服务贸易市场份额分散化。游客通常会受到旅游地的空间邻近性、市场营销、交通便利等因素的影响，选择前往目的地的周边区域[30]。这促使更多目的地国与客源国建立旅游联系，从而促进旅游服务贸易关系多元化。此外，客源国的核心旅游网络地位释放出具有强旅游辐射力的信号。目的地国密切关注这类客源国，吸引并巩固来自该客源国的游客，使得该客源国具有更加多元化的旅游服务贸易市场选择。第二，在关系质量方面，旅游网络地位高的客源国通过已建立国际旅游关系的国家获取真实有效的市场信息，筛选高质量旅游目的地，有选择性地调整国际旅游关系，实施旅游服务贸易市场份额分散化策略。因此，本文提出以下研究假设：

H1：客源国的旅游网络地位越高，越能促进该国旅游服务贸易进口市场份额分散化

就全球入境旅游流网络而言，第一，在关系数量方面，旅游网络地位高的国家通常具有经济发展程度高、旅游资源丰富、基础设施完善、交通可达性高、对外开放程度高等特点[33]，有利于吸引国际游客前往该目的地国进行旅游消费，包括计划前往该目的地国的游客和周边目的地国溢出的游客，进而降低在特定客源国的市场份额和建立多元化的旅游服务贸易关系。此外，目的地国的核心旅游网络地位释放高质量目的地的信号，有利于吸引全球市场的旅游者，形成多样化的客源市场和实施分散化的市场份额。第二，在关系质量方面，旅游网络地位越高的目的地国越能依托其优势资源和市场声望促进与客源国之间的信任，降低与新兴客源市场之间的信息摩擦和处理成本[28]，进而提高与其他国家的旅游往来和市场匹配，调整旅游服务贸易市场份额。因此，本文提出以下研究假设：

H2：目的地国的旅游网络地位越高，越能促进该国旅游服务贸易出口市场份额分散化

1.2 市场依赖性的调节作用

国家对特定目的地国或客源国的市场依赖性会影响其对市场份额的调整。在内部因素方面，根据网络动态学理论，长期的交互关系是阻碍节点改变关系路径的一种惯性因素[34]。节点之间建立持续性关系有利于降低机会主义行为，减少双方的矛盾和冲突，增进双方的信任和理解，促使彼此产生依赖。尤其在已形成规范化制度或者交易路径的情况下，节点会因为较高的成本而倾向于维持现有的关系模式，而不是寻求建立新关系[34]。此外，惯性会导致节点的认知锁定或关系锁定，进而对节点的认识和行为造成限制，而封闭的网络结构或结构性壁垒会加深这种网络锁定效应[35]。在外部因素方面，由于制度、环境、突发事件等因素的影响，节点开拓新关系的摩擦成本较高，倾向于寻求熟悉的节点和依赖已有的关系[26]，构成小范围的稳定的网络。

就全球出境旅游流网络而言，第一，在内部因素方面，客源国和熟悉的目的地国之间的惯性会促使旅游关系和贸易往来维持稳定，因此客源国难以依托旅游网络地位分散旅游服务贸易进口市场份额。相比新兴目的地，已建立长期市场关系的目的地国在政策支持、产品设计、交通运输、成本控制等方面更具优势，对出境游群体的吸引力更强，容易形成市场依赖。出境游客更倾向于前往熟悉的旅游目的地消费，从而导致客源国难以分散旅游服务贸易关系。第二，在外部因素方面，国际形势、文化差异、语言障碍和地理距离等因素影响客源国建立或强化新兴旅游市场关系[36]，从而倾向于维持已有的旅游目的地市场。客源国对现有市场的依赖性可能会抑制其寻找新的市场机会，从而影响旅游服务贸易进口市场份额分散化的能力。因此，本文提出以下研究假设：

H3：客源国对现有市场的依赖性负向调节其旅游网络地位对旅游服务贸易进口市场份额分散化的影响

就全球入境旅游流网络而言，第一，在内部因素方面，目的地国和熟悉的客源国之间存在网络惯性，使得彼此倾向维持现有的旅游关系，因此在一定程度上阻碍目的地国的旅游网络地位对旅游服务贸易出口市场份额分散化。通常而言，旅游关系密切的国家之间的政策支持、基础设施、产品线路等更加成熟，容易形成持续稳定的旅游流，吸引目的地国巩固这部分成熟的客源市场，以及提高相应的市场份额。第二，在外部因素方面，国际政治经济环境的复杂多变和文化历史的差异性，导致国家之间存在明显的信息摩擦和较高的处理成本，阻碍新兴客源国的潜在游客的进入和消费，使得旅游服务贸易倾向于在彼此熟悉的国家之间发生，从而制约了其旅游服务贸易出口市场份额分散化的能力。因此，本文提出以下研究假设：

H4：目的地国对现有市场的依赖性负向调节其旅游网络地位对旅游服务贸易出口市场份额分散化的影响

2 研究方法

2.1 样本选取

本文使用2005—2018 年的面板数据，包含40个报告国、77个伙伴国、728个国家对。国家和年份的选取是依据数据的可得性，尤其是旅游服务贸易数据。该数据从2005年开始更新，由世界贸易组织（World Trade Organization，WTO）经济体成员提供双边旅游服务贸易进口和出口数据。旅游服务贸易数据的报告经济体（reporting economy，即本文的“报告国”）是46 个国家或地区①。每个报告经济体统计的旅游服务贸易伙伴经济体（partner economy，即本文的“伙伴国”）的数量不等。其中，法国、芬兰、英国和美国等国家统计了超过45个旅游服务贸易伙伴国家或地区的数据，而韩国、墨西哥等个别国家只统计了不超过5个旅游服务贸易伙伴国家或地区的数据。考虑到地区的特殊性，本文并未将地区纳入分析范围②。

除旅游服务贸易数据外，本文还对其他存在明显缺失的数据进行了清洗。最终数据里，报告国包括36个发达国家和4个发展中国家，伙伴国包括37个发达国家和40个发展中国家（表1）。2018年，报告国旅游服务贸易出口额为9296.25 亿美元，旅游服务贸易进口额为10 227.46亿美元，分别占同期全球旅游服务贸易出口总额和进口总额的64.8%和73.5%；伙伴国旅游服务贸易出口额为11 995.64 亿美元，旅游服务贸易进口额为12 304.18 亿美元，分别占同期全球旅游服务贸易出口总额和进口总额的83.6%和88.5%。由此可见，该样本具有代表性。

表1 国家列表
Tab.1 List of countries

2.2 数据来源

2.2.1 因变量

市场份额。参考已有文献[21]，本文使用报告国对其伙伴国的旅游服务贸易额占比表示市场份额，即在出境游市场里，报告国（作为“客源国”）对其伙伴国的旅游服务贸易进口额占该报告国该年总进口额的比重；在入境游市场里，报告国（作为“目的地国”）对其伙伴国的旅游服务贸易出口额占该报告国该年总出口额的比重。如果一国在特定目的地国/客源国的旅游服务贸易进口/出口市场份额集中程度越高，那么其分散化程度越低。数据来源于WTO数据库。

2.2.2 自变量

报告国旅游网络地位①。旅游网络地位是指国家在国际旅游流网络中结构性位置的重要性。初始数据来源于世界旅游组织（World Tourism Organization，UN Tourism），使用SNA方法计算。通常而言，网络地位主要使用程度中心度、接近中心度、中间中心度进行衡量，分别表示节点在网络中的影响力、信息传输效率和沟通控制程度[37]。其中，程度中心度被认为是最直接和最重要的指标。鉴于国际旅游流的数据只涉及客源地和目的地，无法体现旅游流在不同国家或地区之间的中转，所以本文选择程度中心度指标[37]。该指标由节点在网络中关系的数量和权重来衡量。具体而言，在国际旅游流网络中，客源国和目的地国是节点，客源国到目的地国的旅游路线是关系，每条关系承载的游客数量是权重。对于有向网络而言，程度中心度分为点出度和点入度。点出度表示客源国产生旅游流的能力，即辐射力；点入度体现目的地国聚集旅游流的能力，即聚集力。为更好地考虑关系的数量和权重，本文使用改进的公式[38]：

2.2.3 调节变量

市场依赖性。本文采用赫芬达尔指数计算国家对现有国际旅游市场的依赖程度[40]。国家的赫芬达尔指数越高，表明其供应结构或需求结构越集中，越依赖现有的供应关系或需求关系。因此，该国调整市场结构和分散市场份额的难度越大。初始数据来源于WTO数据库。计算公式如下：

式（2）中，HHI 是赫芬达尔指数；Salesijt 表示国家i 在t 年向伙伴国j 进口或出口的旅游服务贸易额；Salesit 表示国家i 在t 年的旅游服务贸易进口或出口总额。

2.2.4 控制变量

本文选取报告国/伙伴国单边因素和报告国—伙伴国双边因素作为控制变量。经济因素和非经济因素均被考虑。

单边因素。1）伙伴国旅游网络地位。该指标是伙伴国在国际旅游流网络中的网络地位，计算方法见式（1）。分散市场份额的决策不仅和国家自身的旅游网络地位有关，还会受到其伙伴国的影响[26]。2）人均国内生产总值。根据贸易引力模型，国家贸易变化和经济发展水平密切相关[41]。该指标用于控制报告国和伙伴国的经济发展程度和国民购买能力。3）人口数量。该指标用于控制报告国和伙伴国的市场规模。借鉴已有研究[42]，采用人口总量衡量。4）汇率。该指标用于衡量报告国和伙伴国的旅游成本。借鉴已有研究[43]，采用官方汇率衡量。旅游网络地位初始数据来源于UN Tourism数据库，其他数据来源于世界银行（World Bank）。

双边因素。1）区域贸易协定。该指标用于控制国家之间的经济合作和贸易交流产生的影响[16]。2）地理距离。根据距离衰减定律，近距离国家之间的国际旅游和贸易关系比远距离国家之间更为密切[44]。借鉴已有研究[45]，采取加权人口的地理距离数据。3）领土接壤。领土接壤有利于减小双边贸易成本，促进贸易关系的深化。4）语言相似性。语言相似性能够降低信息获取成本，减小信息流失风险，促进双边国际旅游和服务贸易关系[42]。5）历史殖民关系。历史殖民关系有利于降低交易成本，甚至形成市场依赖[46]。区域贸易协定数据来源于WTO数据库，其他数据来源于国际前景与信息研究中心数据库（Centre d’Etudes Prospectives et d’Information Internationales，CEPII）。

表2 展示了上述变量的定义和描述性统计信息。本文对除虚拟变量以外的其他变量做了取对数处理。

表2 变量定义和描述性统计
Tab.2 Definitions and descriptive statistics for all variables

2.3 模型构建

本文借鉴已有研究[16]，扩展原有的传统引力模型来检验全球出境/入境游市场国家的旅游网络地位对其伙伴国市场份额分散化的影响。相比于截面数据或时间序列数据，面板数据信息量更大，异质性更强，参数估计更加可靠。此外，模型中考虑了报告国和伙伴国的特征变量，避免遗漏变量而产生有偏差的结果。扩展的引力模型设定如下：

式（3）和式（4）中，ln 代表自然对数；ijt 是变量的下标，分别表示报告国、伙伴国和年份；RATIO_IMP和RATIO_EXP是被解释变量，分别表示报告国i在t年对伙伴国j的旅游服务贸易进口/出口额占其该年总进口/出口额的比重；SELF_OD 和SELF_ID是解释变量，分别表示报告国在全球出境/入境旅游流网络中的网络地位；Control 是控制变量合集；β0是常数项，β1 和β 是相应变量的估计系数；λ 是时间固定效应，Φ 是国家固定效应；ε 是误差项。

为了检验H3 和H4，调节变量被纳入上述模型。模型设定如下：

式（5）和式（6）中，SUBSTI_IMP和SUBSTI_EXP分别表示报告国对现有出境/入境游市场的依赖程度；SELF_OD×SUBSTI_IMP 和SELF_ID×SUBSTI_EXP是交互项，用于测量市场依赖性对报告国旅游网络地位对旅游服务贸易进口/出口市场份额分散化的调节作用。其余变量和参数设定均与式（3）和式（4）相同。

借鉴已有研究[42,47-48]，本文采用3 种模型估计结果，即普通最小二乘法（ordinary least squares，OLS）、随机效应（random effects，RE）、PPML 模型。在双边数据集里，样本选择偏差和异方差是常见的两个问题[49]。旅游服务贸易数据涵盖较长年份和较多的经济体，存在一些国家或地区在部分年份的数据缺失或者0值的情况。这主要由于以下两个原因[48-49]：第一，国家或地区之间不存在旅游服务贸易，或者旅游服务贸易额低于统计阈值；第二，官方统计信息的缺失。一些国家在部分年份数据缺失或者0值，是样本选择偏差的潜在原因。为了解决这些缺失数据问题，本文参考Saayman等[49]的方法，将缺失值处理为0 值。本文的因变量RATIO_IMP 存在9.84%的0 值，RATIO_EXP 存在9.47%的0 值。样本选择偏差和异方差的存在使得OLS 模型无法得到可靠的估计结果。由于模型中包含不随时间改变的变量，固定效应模型（fixed effects，FE）也不适用，因此，选择RE 模型。此外，PPML 模型适用于因变量存在大量0 值的情况，而且能够在存在异方差的情况下得出无偏、稳健的估计结果[49-50]。近年来，PPML模型在双边数据的估计中得到广泛应用[42,47-48]。

在运行模型之前，需要进行多重共线性检验和面板单位根检验①。根据多重共线性检验结果，最大的方差膨胀因子（variance inflation factor，VIF）值小于阈值10，表明模型不存在明显的多重共线性问题。此外，本文采用相同根检验方法LLC（Levin-Lin-Chu）检验和不同根检验方法Fisher-ADF（Fisher augmented Dickey-Fuller）检验。结果表明所有变量均至少在5%的显著性水平上拒绝存在单位根的假设，说明这些变量是平稳的。

3 实证结果

3.1 基准回归结果

表3报告了国家的旅游网络地位对旅游服务贸易市场份额的影响结果。列（1）～列（3）考察出境游市场，列（4）～列（6）考察入境游市场。各变量在OLS、RE、PPML 模型估计结果中的系数符号、大小和显著性较为一致。鉴于核心估计模型是PPML 模型，本文重点探讨列（3）和列（6）模型结果。在出境游市场方面，如列（3）所示，报告国（作为“客源国”）的旅游网络地位（SELF_OD）每提高10%，在伙伴国（作为“目的地国”）的旅游服务贸易市场份额下降2.57%。这表明客源国的旅游辐射力越强，越有利于降低对于特定旅游目的地国的市场份额，进而可以分散需求层面的潜在风险。结果支持H1的成立。

表3 国家旅游网络地位对旅游服务贸易市场份额的影响
Tab.3 Impact of countries’tourism network prominence on its market share of tourism service trade

注：***、**和*分别代表0.01、0.05和0.10的显著性水平；括号内是稳健标准误。

就控制变量而言，大部分控制变量系数显著且具有经济学意义。在客源国方面，客源国的人口总量（SELF_POP）、官方汇率（SELF_EXC）均显著影响该国对特定目的地国的旅游服务贸易市场份额。人口数量正向影响客源国对特定目的地国的旅游服务贸易市场份额，即负向影响该国的市场份额分散化策略。这表明人口的增长能够促使客源国产生更多的出境游客，消费越多的国际旅游服务，因此越可能在目的地国占据更高的旅游服务贸易市场份额。官方汇率具有负向影响，是由于客源国的官方汇率越高，本国货币贬值，不利于激发游客的出境旅游需求和跨境消费行为[43]，也不利于提高在相应目的地国的旅游服务贸易。在目的地国方面，目的地国的旅游网络地位（COUNTER_ID）、经济发展程度（COUNTER_GDPP）、人口总量（COUNTER_POP）正向影响客源国在该国的旅游服务贸易。旅游网络地位越高的目的地国具有较强的旅游竞争力和较低的可替代性，客源国难以调整与该国的旅游市场联系。这和现有研究一致[26]，即分散市场份额的决策不仅和自身网络地位有关，还会受到其贸易伙伴的网络地位的影响。同样地，经济发展程度高的目的地国通常具有较强的吸引力，而人口总量较多的目的地国具有较大的市场接待规模，均有助于巩固其客源市场。目的地国的官方汇率（COUNTER_EXC）负向影响客源国在该国的旅游服务贸易市场份额。这说明目的地国的官方汇率越高，有利于以较低的旅游成本吸引全球其他国家的游客，扩大其客源国的数量，因此，降低特定客源国在该国的旅游服务消费比重。在双边关系方面，客源国和目的地国之间的区域贸易协定数量（RTA）、领土接壤（CONTIG）、相同语言（COLANG）、历史殖民联系（COLONY）正向影响客源国在相应目的地国的旅游服务贸易市场份额，而地理距离（DIST）具有负向影响。区域贸易协定体现国家之间的经济合作，有效降低服务贸易成本和增加服务贸易流量[16]，因此，客源国难以调整和相应目的地国的市场份额。领土接壤、相同语言和历史殖民联系均是国际游客偏好的市场特征[42]。这些特征能够降低旅游交易成本和推动跨境服务消费，不利于国家对这部分市场做出调整。地理距离同样体现了国际旅游的成本[44]，即两国之间地理距离越远，游客花费的时间、精力和经济成本越高，因此客源国难以开拓和强化远距离的旅游服务贸易市场。上述结果符合基本常识。

在入境游市场方面，如列（6）所示，报告国（作为“目的地国”）的旅游网络地位（SELF_ID）每提高10%，其在相应伙伴国（作为“客源国”）的市场份额下降4.31%。这说明目的地国的旅游聚集力越强，越有利于降低在特定客源国的旅游服务贸易市场份额，进而分散供应层面的潜在风险。实证结果支持H2的成立。

就控制变量而言，在目的地国方面，目的地国的官方汇率（SELF_EXC）负向影响其在相应客源国的旅游服务贸易出口市场份额，即有利于调节其和相应客源国之间的国际旅游关系和跨境旅游服务消费。目的地国的官方汇率提高，意味着本国货币贬值，有利于以较低的旅游成本吸引更多来自其他客源国的游客，进而实施市场份额分散化策略。在客源国方面，客源国的旅游网络地位（COUNTER_OD）、经济发展程度（COUNTER_GDPP）正向影响目的地国在该国的旅游服务贸易市场份额，即负向影响目的地国实施市场份额分散化策略。旅游网络地位越高的客源国具有越强的旅游辐射力，能够持续不断地产生国际游客，进而吸引目的地国巩固与该国的旅游市场联系。同样地，经济发展程度较高的客源国通常具有规模较大的出境旅游市场。这使得目的地国倾向于巩固与这些客源国的旅游市场合作，提高旅游服务的消费水平，不利于目的地国在国际旅游供应层面做出灵活调整。在双边关系方面，区域贸易协定数量（RTA）、领土接壤（CONTIG）、相同语言（COLANG）、历史殖民联系（COLONY）正向影响目的地国在相应客源国的旅游服务贸易市场份额，而地理距离（DIST）具有负向影响[16]。双边关系变量的作用机制已在前文做出阐释，此处不再赘述。

3.2 调节效应检验

本文进一步在模型中加入国家旅游网络地位和对现有国际旅游市场依赖性的交互项，以考察市场依赖程度对旅游网络地位影响旅游服务贸易市场份额的调节效应。如表4 所示，客源国的旅游网络地位和对现有出境游市场依赖性的交互项（SELF_OD×SUBSTI_IMP）在1%的显著水平上显著且系数为正（β=1.178），说明客源国对于现有市场依赖性会阻碍该国旅游网络地位对旅游服务贸易进口市场份额分散化的影响。结果支持H3 的成立。而目的地国的旅游网络地位和对现有入境游市场依赖性的交互项（SELF_ID×SUBSTI_EXP）的系数不显著。该结果没有为H4提供依据。

表4 国际旅游市场依赖性的调节效应
Tab.4 Moderating role of a country’s dependence on the international tourism market

注：***、**和*分别代表0.01、0.05和0.10的显著性水平；括号内是稳健标准误。

3.3 稳健性检验与内生性讨论

稳健性检验。为保证结论的可靠性，本文采用以下方法进行稳健性检验。第一，重新计算核心变量。参考已有文献[51]和社会网络分析软件Ucinet中的算法①，本文重新计算程度中心度指标，并将其替换原有的旅游网络地位变量进行回归。如表5 所示，在全球出境/入境旅游流网络中，国家旅游网络地位的系数均为负。客源国的旅游网络地位和市场依赖性的交互项的系数显著且系数为正，而目的地国的旅游网络地位和市场依赖性的交互项的估计结果不显著。第二，替换计量方法。参考已有文献[16]，本文采用Tobit模型进行估计。该模型适用于存在较多0 值的样本。如表5 所示，检验结果与预期相符，国家在全球出境/入境旅游流网络中的网络地位对旅游服务贸易市场份额分散化具有显著影响，以及国家对于现有出境游市场的依赖程度会阻碍该过程形成，说明研究结果具有稳健性。

表5 稳健性检验
Tab.5 Robustness test

注：***、**和*分别代表0.01、0.05和0.10的显著性水平；括号内是稳健标准误。

内生性讨论。为避免反向因果和遗漏变量等造成的内生性问题，本文借鉴已有研究[52]，采用两步系统广义矩估计模型进行分析。该方法能够在存在异方差和自相关的情况下得到稳健的结果。如表6所示，第一，旅游服务贸易市场份额滞后一期作为解释变量的系数显著为正，说明旅游服务贸易市场份额的变动具有连续性，国际旅游市场存在类似惯性作用的影响。第二，一阶序列相关AR（1）和二阶序列相关AR（2）的结果表明，残差存在一阶自相关，不存在二阶自相关。而一阶自相关不会对结果造成非一致估计的影响。同时，根据Hansen检验结果，工具变量的选择具有有效性。因此，该模型通过了模型设定检验。第三，国家旅游网络地位、市场依赖性等变量的系数方向和显著性与基准模型保持一致，说明研究结果具有稳健性。

表6 内生性检验
Tab.6 Test of endogeneity

注：***、**和*分别代表0.01、0.05和0.10的显著性水平；()内是稳健标准误，[]内是p值。

3.4 异质性分析

为了更全面地认识国家旅游网络地位对旅游服务贸易市场份额分散化的影响，本文以经济发展程度和地理位置为划分标准①，利用2005 年至2018年的面板数据，使用PPML模型对样本展开分组分析。

第一，依据报告国和伙伴国的经济发展程度，本文将样本划分为发达国家-发达国家、发达国家-发展中国家、发展中国家-发达国家这3类国家对数据。如表7所示，在出境游市场，这3组样本的检验结果均支持国家旅游网络地位的提高显著促进其旅游服务贸易进口市场份额分散化。同时，在发达国家-发展中国家分组样本中，国家旅游网络地位变量的系数绝对值明显大于其他两组样本中的变量系数绝对值。这表明，不同经济发展程度的客源国提高旅游网络地位均能够有效降低其在特定目的地国的旅游服务贸易市场份额，以及这种效应主要体现在作为发达国家的客源国通过旅游网络地位调整其对作为发展中国家的目的地国的旅游服务贸易市场份额。此外，发达国家对作为发达国家的目的地国的市场依赖性会阻碍其旅游网络地位对旅游服务贸易市场份额分散化的影响，而该影响没有在发达国家-发展中国家样本得到支持。原因可能在于：相比于发展中国家，发达国家在对外开放程度、政府政策支持、旅游市场成熟度、基础设施建设等方面更具优势，能够持续吸引国际游客进行消费，促使客源市场对其形成依赖惯性。而发展中国家的国际旅游市场整体处于相对弱势，容易被其他目的地市场（尤其是发达国家）替代，进而分散潜在的国际游客。在入境游市场，发达国家-发达国家、发达国家-发展中国家样本的检验结果均支持国家旅游网络地位的提高显著促进其旅游服务贸易出口市场份额分散化。同时，发达国家-发展中国家样本中国家旅游网络地位变量的系数绝对值大于发达国家-发达国家样本中的变量系数绝对值。这表明，作为发达国家的目的地国旅游网络地位显著影响对其客源国的旅游服务贸易市场份额，而这种效应主要通过发达国家依托旅游网络地位调整其对作为发展中国家的客源国的旅游服务贸易市场份额实现。此外，发展中国家对作为发达国家的客源市场依赖性阻碍其利用旅游网络地位分散旅游服务贸易市场份额。该现象可能和发达国家的经济发展程度和国民消费能力有关，促使发展中国家倾向于巩固和这部分客源市场的联系。

表7 异质性分析：经济发展程度
Tab.7 Heterogeneity analysis:Economic development level

注：***、**和*分别代表0.01、0.05和0.10的显著性水平；括号内是稳健标准误。

第二，按照报告国和伙伴国的地理位置，本文将样本划分为相同大洲、不同大洲这两类国家对数据。如表8所示，在出境游市场方面，客源国的旅游网络地位变化没有显著影响其在相同大洲目的地国的旅游服务贸易市场份额，但是对不同大洲目的地国市场份额影响显著。该现象可能和地理距离有关。具体而言，由于时间、精力和资金等因素影响，国际游客更倾向于短距离旅游，而国家旅游网络地位提高不会改变游客对于短途旅行的偏好。但是，随着旅游网络地位的提高，旅游市场变得更加多样化，从而调整了游客对于远距离（跨大洲）目的地国的旅游选择和消费行为。但是客源国对不同大洲目的地国的市场依赖性会阻碍客源国旅游网络地位对旅游服务贸易市场份额分散化的影响。在入境游市场方面，目的地国的旅游网络地位对同一大洲或不同大洲客源国的旅游服务贸易市场份额产生负向显著影响，即有利于实施市场份额分散化策略。同样地，目的地国旅游网络地位变化更容易影响其对不同大洲客源国的市场份额分散化策略。此外，目的地国对现有入境游市场的依赖没有明显影响其旅游网络地位和旅游服务贸易市场份额之间的关系。这些发现进一步验证了本文研究结论。

表8 异质性分析：地理位置
Tab.8 Heterogeneity analysis:Geographic location

注：***、**和*分别代表0.01、0.05和0.10的显著性水平；括号内是稳健标准误。

4 结论与讨论

4.1 结论

本文基于社会网络理论，结合SNA 方法和PPML模型，采用2005—2018年全球40个报告国和77个伙伴国的面板数据，从出境游和入境游两个方面分别研究国家的旅游网络地位对其旅游服务贸易市场份额分散化的影响，以及国家对现有国际旅游市场依赖程度对这一过程的影响。主要研究结论如下。

第一，客源国的旅游网络地位有助于分散其对目的地国的旅游服务贸易市场份额。居于核心网络位置的客源国能够依托全球出境旅游流网络的资源优势，利用其旅游网络地位和市场辐射力，与潜在的目的地国建立联系[37]，加强与优质的旅游目的地国之间的合作，降低对特定目的地国的旅游市场依赖，实现旅游服务贸易进口市场份额的多元化。

第二，目的地国的旅游网络地位有助于分散其对客源国的旅游服务贸易市场份额。处于核心网络位置的目的地国能够依托其结构优势、信息优势和市场声誉，降低与陌生客源国之间的信息摩擦和处理成本[28]，促进与更多客源国之间的旅游市场对接，实现旅游服务贸易出口市场份额的多元化。

第三，客源国对现有出境游市场的依赖会提高其对相应目的地国的市场份额，阻碍旅游网络地位对旅游服务贸易进口市场份额分散化的影响。这和网络内部的惯性以及网络外部的环境有关[24,32]，使得客源国对已建立国际旅游关系的目的地国形成市场依赖。高度依赖特定目的地国会导致客源国难以灵活地分散需求结构的风险。而目的地国对现有国际旅游关系依赖的影响没有在入境游市场里得到证据支持。

第四，不同经济发展程度和不同地理位置的国家的旅游网络地位对旅游服务贸易市场份额分散化的影响以及市场依赖性在其中发挥的作用存在差异。就经济发展程度而言，发达国家旅游网络地位的提高有助于分散其对相应目的地国或客源国的旅游服务贸易进口或出口市场份额①，这一影响效应主要由发达国家对发展中国家的旅游服务贸易市场份额调整实现。此外，发达国家对同为发达国家的目的地国的旅游市场依赖性会对该过程产生阻碍。就地理位置而言，客源国旅游网络地位的提高对位于不同大洲的目的地国的旅游服务贸易市场份额产生分散，但不会影响位于相同大洲的目的地国。客源国对不同大洲目的地国的市场依赖性阻碍客源国调整旅游服务贸易市场份额。由此可见，出境旅游消费需求具有一定的粘性。而目的地国的旅游网络地位变化有助于调整对相同或不同大洲的客源国的市场份额。

4.2 讨论

本文的理论贡献主要有4 个方面。第一，本文率先关注旅游服务贸易市场份额分散化，增进对旅游服务贸易领域的认识，强调供需层面的结构性风险和提出降低风险的有效策略。尽管已有少数学者关注旅游服务贸易市场份额，但是现有研究集中在目的地国的视角以及局限在旅游服务贸易市场份额的描述，忽视了客源国视角，同时也未充分考虑现象背后的潜在风险和应对策略。此外，由于新冠疫情对全球供应链造成巨大冲击，应对全球供应链挑战和分散结构性风险具有重要价值。基于社会网络理论，本文从“网络地位”这一新颖的视角研究国际旅游市场关系和市场份额分散化，从而为供需层面降低潜在风险、稳定国际市场和可持续发展提供了经验证据的支持。第二，本文从出境游和入境游这两个方面识别国家在国际旅游流网络中的网络地位，研究国家旅游网络地位对国际旅游服务贸易带来的影响，首次提出“旅游流网络结构的影响”的研究内容。目前，包括国际旅游流在内的旅游流相关研究，聚焦旅游流网络结构的描述（即“现象”）以及影响因素（即“前因”），忽视了旅游流网络结构的影响效应（即“结果”）。根据网络动态学理论，节点的网络地位影响了节点在网络中的参与结果，是深入认识网络结构的重要切入点。本文识别国家在国际旅游流网络中的网络地位，探究国家的旅游网络地位产生的影响效应，扩展了旅游流网络结构领域的研究。第三，本文识别国家之间的旅游市场依赖性在国际旅游网络地位影响旅游服务贸易市场份额分散化过程中的作用，对政策制定者了解和实施旅游服务贸易市场份额分散化策略提供理论借鉴。值得关注的是，旅游市场依赖性的阻碍作用仅存在于客源国对目的地国的旅游服务贸易市场份额调整，而没有明显影响目的地国对客源国的旅游服务贸易市场份额分散化。这提示国际旅游需求层面存在结构性风险的可能性更高。第四，通过异质性检验，本文揭示了不同经济发展程度和不同地理位置的国家之间的差异性，从而更加全面地剖析了国家旅游网络地位、市场依赖性、旅游服务贸易市场份额分散化之间的关系。这有助于深入理解旅游网络地位对旅游服务贸易市场份额分散化的影响是否因国家特征而异，以及市场依赖性是否在不同类型的国家中发挥着不同的作用。

本文的实践启示如下：第一，需要认识国际旅游市场的分散化能力的重要性。当前，逆全球化思潮抬头，保护主义、单边主义上升，意味着国际市场充满高度不确定性。这对于包括国际旅游业在内的具备网络化结构特征的经济活动而言，容易使得危机事件在经济系统里快速传播，导致整体性变动。过于依赖特定客源国或目的地国会放大国家或行业面对特殊供应或需求冲击的脆弱性，甚至遭受旅游制裁[21]。因此，面对高度不确定性的全球大市场，国家需要灵活调整对客源国/目的地国的旅游关系布局，建立多元化的国际旅游关系，寻求国际旅游新伙伴。这有助于提高风险抵御和危机防范能力，进而提高国际旅游的竞争力和促进国民经济可持续发展。第二，需要适当引导出境旅游流的分配，避免过于集中在特定市场。长期以来，对于特定目的地国的偏好（尤其是对发达国家）导致出境旅游存在惯性，这可能会产生需求层面的结构性风险。因此，需要在维持现有旅游关系的同时，与其他国家或地区（尤其是旅游网络地位高的国家）建立和加强国际旅游联系，以缓解对特定旅游市场的依赖。第三，由于国际旅游流的分布遵循地理距离衰减定律以及具有一定的空间扩散规律，需要筛选具有增长潜力的市场作为营销目标。以中国为例，中国和全球主要客源市场之间的距离较远，因此需要筛选既具备全球主要客源市场特征又具备中国主要客源市场特征的国家，以巩固相关市场，带动周边区域的客流，优化入境旅游流网络结构，推动旅游服务贸易高质量发展。

本文具有以下研究局限，后续研究可进一步完善。第一，WTO数据库提供的旅游服务贸易数据主要涵盖了发达国家，而发展中国家的数量有限。这可能影响到研究结果的普适性。第二，尽管UN Tourism 数据库公布的双边国际旅游人次是研究国际旅游的最佳数据集，但是世界各国或地区对于旅游的定义存在一定的差异，因此在统计旅游人次数据时采用的统计口径存在差异。这可能影响到研究结果的精准度。第三，由于UN Tourism数据库尚未完整公布2019年及以后年份的旅游流数据，所以本文数据截至2018年。第四，本文对调节变量的考虑可能不够全面，未来的研究需要探究更多可能存在的调节关系。第五，未来研究可基于网络结构视角，探究旅游网络地位可能产生的其他影响。

图片来源于微信公众平台公共图片库

文章发表于《旅游学刊》2023年第11期，脚注、参考文献略。

责任编辑 || 宋志伟

责任校对 || 刘   鲁

技术编辑 || 金   朝 山东大学管理学院 硕士研究生

封面图片 || 图片来源于微信公众平台公共图片库

图片如有版权保护请与我们联系，E-mail: lyxk@vip.sina.com

旅

游

学

刊

Tourism Tribune

国家社科基金资助期刊

中国最具国际影响力学术期刊（人文社科类）

 全国中文核心期刊
中国人文社会科学期刊AMI综合评价 （A刊）权威期刊
《中文社会科学引文索引》（CSSCI）来源期刊

欢迎转载，转载请联系《旅游学刊》编辑部授权

（lyxkwx@163.com）