修订日期：2010-07. 1 引言 区域差异性是世界各国旅游业发展的共同特征，分析中国旅游业发展的区域差异状况及其发展演变规律，对于促进旅游业的健康发展和国家旅游政策的制定有着重要的意义。关于中国旅游业区域差异的研究，张凌云[1]运用区域经济学的研究方法，以定量指标描述了近年来中国旅游业的时空演变趋势及旅游地域结构。陆林等[2]从经济地理学的角度，分析了1990-2002年中国省际旅游经济差异变化的总体水平及变换的空间结构特征，揭示了区域旅游经济水平和旅游产业地位的分异规律，阐释了影响旅游经济空间差异的主要因素，提出了缩小地区差异、协调地区旅游业发展的对策；唐柳雄[3]以洛伦兹曲线和基尼系数作为中国国际旅游业区域分布的测度和指标，说明地域非均衡增长差别正在逐步缩小，并探讨了产生的原因；王良健等[4]运用区域差异的测度方法，定量分析了中国旅游业发展的区域差异，发现中国旅游业发展的绝对差异在不断扩大，相对差异在缓慢缩小，省际间和区域间的差异在不断扩大。 以上研究集中在运用传统区域差异测度方法探讨区域旅游业发展差异，本文首次采用Kernel密度估计和马尔科夫链方法，并尝试引入空间因素，运用区域控制的Kernel密度估计和空间马尔科夫链分析方法，从时间动态性和空间动态性两个视角考察中国省际旅游业发展的时空特征。 2 数据来源和研究方法 2.1 数据来源 为系统地研究中国旅游业发展的时空演变规律，本文以31个省(市、自治区)为研究对象，分别选取了国内旅游收入和入境旅游外汇收入两项指标来反映国内旅游和入境旅游的发展水平，考察期为1999-2008年，数据来源于各期《中国统计年鉴》、《新中国五十五年统计资料汇编》、《中国旅游统计年鉴》以及国家旅游局官方网站。之所以选择1999年为研究的初始年，是因为国务院在1999年出台了新的休假制度，“旅游黄金周”掀起中国旅游消费的热潮，各地区纷纷加大对旅游业的投入和政策支持，旅游业的快速发展成为了中国经济新的亮点，这也使得本文的研究更具有现实意义。 本文使用4个相对旅游收入指标。其中两个为全国相对国内旅游收入和全国相对入境旅游外汇收入，分别等于各省的数据除以全国平均国内旅游收入和平均入境旅游收入；另外两个是邻区相对国内旅游收入和邻区相对入境旅游外汇收入，等于各省的数据除以地理上相邻地区的平均国内旅游收入和平均入境旅游收入。使用两个全国相对收入的指标可以使分析专注于地区间收入差距的大小，并控制商业周期和全局性冲击的影响；而使用两个邻区相对收入的指标可以反映近邻效应所不能解释的收入变异部分[5]。 2.2 研究方法 2.2.1 Kernel密度估计 Kernel密度估计是一种非参数估计方法，主要用于对随机变量的概率密度进行估计。频数分布直方图是最简单的概率密度非参数估计，可作为总体变量连续密度函数的一种近似，但因直方图是非连续的，而Kernel密度估计可以通过平滑的方法，用连续的密度曲线代替直方图，从而更好的描述变量的分布形态。设随机向量X的密度函数为
为一组独立同分布的样本，则这组样本在点x的密度为：
式中：N是观测值的个数，h为床宽，K(·)是核函数。核函数是一种加权函数或平滑函数，包括高斯(正态)核、Epanechnikov核、三角核、四次核等类型。本文使用Matlab7.8软件估计中国旅游收入分布的Kernel密度曲线，采用的是高斯正态分布核函数，带宽设定为
，Se是随机变量观测值的标准差[5-6]。 2.2.2 马尔科夫链分析 马尔科夫链分析法是通过构造马尔科夫转移概率矩阵，描述各种状态的演进动态。 马尔科夫链具有无后效性，即随机变量X在时期t处于状态j的概状态率仅取决于X在时期t-1的状态。
2.2.3 空间马尔科夫链 空间马尔科夫链是传统的马尔科夫链方法与“空间滞后”这一概念相结合的产物[6]。空间马尔科夫概率转移矩阵以区域i在初始年份的空间滞后模型为条件，将传统的L×L马尔科夫矩阵分解为L个L×L条件转移矩阵。其中，第s个条件转移概率矩阵的元素
意味着，如果一个地区的邻区的旅游收入水平在开始年份属于s组，那么下一年该地区由第i组变为第j组的概率为
。
