非对称视角下区域旅游经济差异形成机制研究——基于31个省（区、市）的清晰集定性比较分析.pdf

我国旅游经济长期存在明显的区域差异。然而，鲜有研究对影响因素相互作用形成区域旅游经济差异的机制进行分析。文章利用31个省（区、市）的旅游经济相关统计数据，采用清晰集定性比较分析（csQCA）进行非对称建模探讨区域旅游经济差异。结果表明：区域旅游经济差异的形成原因具有非对称性，高/低旅游经济收入存在不同的形成路径；大部分因素的作用效果会受到其他前因条件影响，表现出不对称的非线性效应；形成高旅游经济收入的核心条件是交通便利，原因主要表现为交通驱动，而导致低旅游经济收入的原因则是后天发展受限。文章不仅为区域旅游经济差异分析引入了新视角，有助于深入理解影响因素的复杂交互和非线性作用机制，还挖掘了基于区域的旅游发展模式，对旅游政策制定者具有重要实践指导。关键词：区域旅游经济差异；非对称视角；因果复杂性；清晰集定性比较分析（csQCA）0 引言 中国旅游业经过40余年发展，逐渐融入国民经济全局，成为战略性支柱产业（王兆峰 等，2019；吴媛媛 等，2018）。文化和旅游部统计数据显示，2019年全国旅游业对GDP的综合贡献达10.94万亿元，占GDP总量的11.05%，直接和间接就业人中图分类号 F 592.7 文献标志码 A 文章编号 1006575（2023）04016122收稿日期：20220517；修订日期：20230326基金项目：国家社会科学基金后期资助项目“美丽乡村旅游社区空间生产研究”（21FGLB088）；成都市科技项目“新冠肺炎疫情对成都市文旅产业的波及影响及决策优化”（2020RK0000361ZF）。作者简介：凌欢（1991），男，四川大学旅游学院博士生，研究方向为区域旅游发展、遗产旅游，E-mail：。程励*（1970），男，博士，四川大学旅游学院教授，博导，研究方向为旅游可持续发展，E-mail：。*通讯作者。非对称视角下区域旅游经济差异形成机制研究数占全国就业总人口的10.31%。同时，中国被认为是拥有最大国内、出境和入境旅游市场的国家之一（Li et al.，2010），连续多年保持着世界第一大出境旅游客源国和全球第四大入境旅游接待国的地位（杨勇 等，2019）。尽管取得如此成就，中国的旅游业长期以来面临着区域发展不平衡的问题（王俊 等，2018；Wen et al.，2009；Yang，2012）。这一不平衡是新时代我国社会主要矛盾的客观反映，深入挖掘区域旅游经济差异的成因机制，对促进区域旅游充分协调发展，进而推动区域平衡发展及解决社会主要矛盾，具有重要的理论与实际意义（程金龙，2018；吴媛媛 等，2018）。作为旅游发展中常见的现象，区域旅游经济差异已获得学界较多关注（马丽君 等，2020；朱海艳 等，2019；Wang et al.，2015）。这些研究不仅对我国区域旅游经济差异进行了实证测度，还分析了其时空特征及影响因素，为理解区域旅游经济差异作出了实质贡献，但仍存在以下不足之处：（1）研究内容方面，主要集中于区域旅游经济时空差异测度，虽然识别了影响因素，但未对区域旅游经济差异的形成机制加以挖掘（孙盼盼 等，2014；Wang et al.，2015）。（2）研究结果方面，对于影响因素的作用效果存在分歧。比如，刘佳等（2012）、吴媛媛等（2018）的研究表明，旅游资源禀赋和经济发展水平对区域旅游经济发展起到促进作用；刘法建等（2015）研究认为，我国区域旅游发展存在“资源诅咒”现象，旅游经济与旅游资源存在负向错位关系；Lee等（2008）、Yang等（2014）在研究中指出，经济驱动旅游发展的假设并不总是能得到经验佐证，地区经济与旅游发展之间是一种非线性关系。由于现有研究对影响因素作用效果的探讨较少与制约因素结合起来，且缺乏适用条件的分析，导致研究结论难以形成共识。（3）研究方法方面，现有研究中对因果关系的检验普遍采用基于自变量相互独立、单向线性关系和因果对称性的统计技术（如回归分析），以验证不同因素的独立效应，但这些方法不足以揭示影响因素相互作用所包含的多重并发因果关系、非对称因果关系等复杂因果关系，而区域旅游经济差异是多种条件因素复杂交互影响的结果（杜运周 等，2017；Jin et al.，2019；Yang et al.，2014）。因此，本研究引入适合处理非对称因果关系等复杂因果问题的清晰集定性比较分析（csQCA）方法，突破传统因果对称性研究的窠臼，将区域旅游经济差异影响因素统一纳入模型进行非对称建模，揭示它们的复杂交互和非线性关系，并挖掘多种因素共同影响区域旅游经济差异的因果复杂性机制。省域是中国区域划分的重要单位，也是研究中国区域差异经常采用的分析单元（Wen et al.，2009；Yang，2012）。因此，本研究将以中国大陆31个省（区、市）作为区域分析单元，综合利用20052019年各省（区、市）旅游经济相关指标及数据对我国区域旅游经济差异及其形成机制进行探究。本研究的主要理论意义在于探索性地构建区域旅游经济差 文化和旅游部政府门户网站.2019年旅游市场基本情况 EB/OL.http：/ Science 旅游科学异分析的非对称因果模型，挖掘区域旅游发展的不同模式，实践意义在于探明区域旅游经济差异影响因素的非线性作用机制，增强分类指导区域旅游发展的针对性，提升区域旅游竞争力，以及促进区域旅游协调发展。1 文献综述与非对称因果模型构建 1.1区域旅游经济差异影响因素选取在区域经济差异影响因素理论模型中，钻石模型是广泛使用的理论分析框架（谢风媛，2010；Beleska-Spasova et al.，2016）。该模型由Porter（1990）提出，认为一个国家或地区特定产业竞争力的决定因素主要包括4个，即生产要素、需求条件、企业发展、相关支持产业，这4个因素具有双向作用，形成钻石结构。除此之外，政府与机遇被认为是影响产业发展的重要因素，对其他因素起到单向作用。这些因素的影响过程构成一个形似钻石的整体系统，因此称为钻石模型。该模型具有很高的概括性和普遍的适用性，并且集中于探究产业的影响因素，为分析区域产业发展差异提供了基本框架（张梦，2006；Vanka et al.，2013）。众多研究者以钻石模型为基础，结合特定产业对模型不断进行修正，对不同产业的区域经济差异影响因素展开实证研究（Mahmuda et al.，2021；Shi et al.，2021）。就区域旅游经济差异而言，相关研究已经识别出了一些重要的影响因素。例如，敖荣军等（2006）基于回归分析表明，旅游资源、交通设施、服务设施和经济发展水平对区域旅游经济差异的形成具有显著影响；汪德根等（2011）通过相关分析得出，旅游资源禀赋、地区经济水平、交通便利程度是影响我国旅游经济区域差异的主要因素；Yang等（2014）采用空间增长回归模型对区域旅游经济差异进行解释，证实地区经济发展、旅游资源赋存、服务设施对区域旅游经济具有重要影响；胡文海等（2015）认为，区域旅游经济差异的形成与旅游资源、接待设施、交通便利条件、政府政策支持、地区经济水平之间的关系密切；吴媛媛等（2018）通过空间计量模型估计发现，交通条件、旅游资源禀赋、经济发展水平、旅游服务设施等共同影响着中国旅游经济差异空间格局的形成与演变；谢风媛（2010）曾对国内外区域旅游经济差异研究提出的影响因素进行梳理，指出研究者普遍认为旅游资源、经济发展水平、交通基础设施、旅游服务设施、政府政策是影响区域旅游经济差异的重要因素。本研究基于钻石模型分析框架，针对我国区域旅游经济差异情境，选取旅游资源禀赋（生产要素）、地区经济水平（需求条件）、交通便利程度（相关支持产业）、旅游服务设施（企业发展）、政策支持（政府与机遇）作为主要影响因素。下面分别对这五个因素与区域旅游经济差异之间的关联展开论述。旅游资源是构成旅游产品的核心要素，对当地旅游发展起到重要支撑作用，很大程度上决定着特定地理区域旅游产业发展的潜力（Melian-Gonzalez et al.，2003；Yang et al.，2014）。当地的旅游景点作为吸引游客的关键拉动因素，为游客提供必要的游憩和娱乐机会，从而满足他们主要的出游动机（Li et al.，2015；Salazar et al.，163非对称视角下区域旅游经济差异形成机制研究2001）。大多数研究认为，旅游资源对区域旅游业发展具有积极影响（温碧燕 等，2007；Yang et al.，2014），但也有研究注意到旅游资源与旅游经济发展不匹配的现象，即丰富的旅游资源不一定意味着高水平的旅游经济（邓涛涛 等，2017；Seckelmann，2002），旅游业同样存在“资源诅咒”问题（Deng et al.，2014）。尽管对于旅游资源的影响存在不同看法，不可否认的是，旅游资源是构成旅游发展的重要基础（汪德根 等，2011；Rosentraub et al.，2009），旅游资源禀赋的差异是影响区域旅游经济不平衡的基本因素。根据经济驱动旅游增长假设，当地经济对促进旅游发展起着关键作用（Benkraiem et al.，2020；Yang et al.，2014）。地区经济增长过程中，吸引到更多的商务和休闲旅行者，并改善了当地旅游相关基础设施和服务质量，从而提高了旅游目的地的整体竞争力和旅游发展水平（Capone et al.，2008；Oh，2005）。许多研究对经济驱动旅游增长假设进行了验证，得到地方经济发展与旅游增长具有单向因果关系（赵磊 等，2015；Payne et al.，2010）、双向因果关系（Antonakakis et al.，2019；Kim et al.，2006）或者没有显著因果关系（Enilov et al.，2021；Mrida et al.，2016）三种不同结果。虽然经济驱动旅游增长假设并不总是能够得到经验证据支持，但它为区域旅游发展提供了一种解释，表明旅游发展与地区经济状况密切相关（Lee et al.，2008；Yang et al.，2014），不同地区的经济水平是影响旅游经济差异的重要因素。交通供给是区域旅游发展的先决条件，决定着旅游目的地的可进入性（Khadaroo et al.，2008；Prideaux，2000）。完善的交通基础设施能够增强目的地的旅游吸引力，提升游客的旅游体验和满意度，使游客在旅游决策时更有可能选择目的地（Khadaroo et al.，2007；Tian et al.，2020）。便捷的交通运输网络促使旅游流在客源地与目的地间快速流动，增加目的地的旅游人次和旅游收入，促进区域旅游经济发展（叶茂 等，2020）。大量实证研究已经证实，交通基础设施在旅游发展过程中具有至关重要的作用（Khadaroo et al.，2008；Lohmann et al.，2012；Tian et al.，2020），交通便利程度是区域旅游经济差异的重要影响因素。服务设施在区域旅游产业中的角色突出，为区域旅游发展提供了重要支持（魏敏 等，2020；Yang et al.，2014）。服务设施是构成旅游目的地的关键要素，游客的旅游活动离不开服务设施的使用（谢风媛，2010；Louca，2006）。从游客的体验来说，良好的旅游服务设施不仅是游客出游时必要的考虑方面，也是目的地留住游客的重要原因（敖荣军 等，2006；Naud et al.，2005）。因此，对根植于游客体验的旅游经济而言，旅游服务设施的重要性不言而喻（Smith，1994）。已有实证研究也表明，旅游服务设施的加入，能够显著增强区域旅游经济模型的解释力，说明旅游服务设施对区域旅游经济差异的形成有显著的影响（吴媛媛 等，2018；Yang et al.，2014）。政府的政策支持是区域旅游经济的催化剂，在旅游业发展中至少起到以下三方面作用：第一，政府部门对旅游业的重视是区域旅游开发的推动力，对目的地的164Tourism Science 旅游科学宣传有助于建立和扩大区域旅游客源市场（杨勇，2007；O Hare et al.，1999）；第二，区域旅游发展所需的公共服务设施一般由政府负责提供，政府的政策支持有利于刺激区域旅游投资（Baidal，2003；Kang et al.，2014）；第三，政府通过制定产业管理政策来保证区域旅游市场有序运行，危机时政府的政策性援助为区域旅游业的健康和可持续发展提供了保障（Boukas et al.，2013；Kucerova et al.，2009）。因此，区域旅游发展离不开政府的政策支持，政策支持度的高低引起区域旅游经济的差异。1.2区域旅游经济差异非对称因果模型提出除了识别影响因素外，已有研究还发现区域旅游经济差异的影响因素具有异质性和交互作用，如左冰（2011）在研究中指出，交通可达性对区域旅游经济发展具有异质性作用，其影响要结合地区经济水平等因素加以分析。刘佳等（2012）认为，旅游资源禀赋对区域旅游经济差异的影响受到交通和经济发展水平的限制。Yang等（2014）采用地理加权空间杜宾模型识别不同区域的旅游增长模式，揭示了地区经济发展、旅游资源赋存等因素的异质性影响效应。Jin等（2019）从时空异质性视角分析区域旅游发展，指出当地经济对区域旅游发展的促进作用在经济较发达地区比经济欠发达地区更强。王兆峰等（2019）探讨了旅游资源、交通优势、接待设施和政府政策等因素的交互影响以及空间异质性。薛明月等（2020）通过地理加权回归分析同样表明，旅游资源禀赋、交通条件和旅游服务设施对区域旅游经济发展的作用效果存在异质性。事实上，这种异质性可以通过考虑影响因素的共存情况来解释（Olya et al.，2017）。然而，目前对于区域旅游经济差异形成原因的探讨主要基于因果对称性的回归模型，不能揭示多个影响因素之间繁杂的交互关系（吴媛媛 等，2018；Jin et al.，2019）。同时，在传统的对称方法中，多重共线性、数据集的非正态性、忽视反向情况的发生，以及忽略/控制模型中其他因素的影响等一些问题都容易产生误导性结果（Woodside，2013）。因此，通过回归模型和对称分析难以充分解释区域旅游经济差异影响因素的复杂性，需要一种全新的分析视角来进一步补充。非对称视角正好可以弥补传统对称性分析存在的不足（Olya et al.，2017），延伸对区域旅游经济差异因果关系的复杂性认识。综合以上论述，本研究将旅游资源禀赋、地区经济水平、交通便利程度、旅游服务设施、政策支持作为前因条件，通过非对称建模揭示它们的复杂交互对区域旅游经济差异的影响。依据Dusa（2007）提出的指导准则，本研究采用维恩图来表示所提出的非对称因果模型（见图1），图中描绘的5个前因变量代表解释区域旅游经济差异的组合条件。该模型的因果非对称性主要体现在，将区域旅游经济差异分为高/低旅游经济收入对其形成原因进行非对称分析，前因条件具有非对称的作用效果，可能起到正向、负向或者不起作用，并且所有前因条件之间存在复杂的交互关165非对称视角下区域旅游经济差异形成机制研究系，这种复杂交互构成特定条件起作用的具体情境，相较于对称性分析对因果关系效应的统一性假定而言，非对称因果模型能够揭示出非对称复杂因果关系。2 研究设计与方法 2.1变量及数据来源通过借鉴相关研究，以及综合考虑数据的可获得性、代表性与可比性，本研究遴选出了变量的具体度量指标。旅游资源禀赋，很大程度上决定了区域旅游的吸引力，采用 3A级以上景区数量对区域旅游资源的总体赋存进行测量（Yang et al.，2014）。地区经济水平，反映区域的宏观经济环境，在旅游要素投入、旅游消费和旅游发展进程等方面对旅游经济收入产生影响，具体用各省（区、市）的人均GDP来衡量（吴媛媛 等，2018）。交通便利程度，是游客可进入的重要前提，影响旅游人次与旅游收入，已有研究通常用交通里程或者运量指标进行度量，考虑到运量指标包含水陆空交通数据，可以综合反映区域交通条件，因而选取旅客周转量作为表征（方叶林 等，2018；麻学锋 等，2019）。旅游服务设施构成区域旅游接待条件，星级饭店、旅行社是旅游业发展的基础性服务设施，因此选择3星级以上饭店数和旅行社数进行度量（王兆峰 等，2019）。政策支持通过地方政府行为影响区域旅游产业发展，由于旅游相关政策较难客观化且与其他统计数据在可比性上存在不足，而旅游业产值占地区GDP的比重代表旅游业在产业结构中的地位，预示着政府的相关优惠政策甚至是资金投入，因此用各省（区、市）旅游总收入与GDP的比值来表示（王兆峰 等，2019；胡文海 等，2015）。以上指标均为前因变量，作为结果变量的区域旅游经济收入则采用各省（区、市）的国内旅游收入与入境旅游收入的总和来表征。所有原始数据来源于国家统计局网站（http：/ Science 旅游科学2.2csQCA及数据分析为了从非对称视角刻画区域旅游经济差异的因果机制，本研究主要应用定性比较分析方法（Qualitative Comparative Analysis，QCA）。QCA是介于案例导向（定性方法）和变量导向（定量方法）之间的研究方法，是一种结合了两种方法优势的综合研究策略（Ragin，1987）。作为一种新的研究方法，它与传统研究方法最大的区别之一就是聚焦于非对称性关系，突破了传统研究方法如回归分析基于相关系数的对称性思维囿限，能够揭示不对称的因果关系（夏鑫 等，2014；张驰 等，2017）。QCA的基础是集合论和布尔代数，它可以从小样本数据中构建出因果关系，有助于理解集合论概念的因果复杂性问题（Fiss，2011；Ragin，2008）。相较于传统分析方法，QCA具有3个主要优势：一是样本量要求低，能够在小样本中揭示复杂的因果结构；二是等效性，即实现结果的多条路径可能共存，并允许不同的组合或集合条件导致相同的结果；三是因果非对称性，即结果出现与否需要分别进行解释（范香花 等，2020；Ordanini et al.，2014；Ragin，2008）。QCA分析结果会得出复杂解、简约解和中间解，复杂解没有经过任何反事实分析，而简约解和中间解进行了反事实分析（杜运周 等，2017）。解释QCA结果的一种常用方法是，使用中间解来确定导致结果的构型数量和这些构型包含的条件，然后利用简约解进一步确定核心条件和边缘条件（Fiss，2011）。根据不同集合形态，定性比较分析可分为清晰集（crisp set）定性比较分析、多值（multi-value）定性比较分析和模糊集（fuzzy set）定性比较分析，分别称为csQCA、mvQCA和fsQCA（张驰 等，2017）。csQCA将变量转化为0和1的二分取值，变量取值为三分以上时是mvQCA，而fsQCA则将变量转换为0到1之间的模糊集合隶属度（李正欢 等，2019；张驰 等，2017）。csQCA专门为研究中小样本情境而开发，后来在 csQCA 基础上发展成 fsQCA 和 mvQCA（夏鑫 等，2014；Rihoux et al.，2009）。迄今为止，csQCA使用领域从社会学到政治学，再到管理学、经济学、心理学和其他学科（程聪 等，2016；张圆刚 等，2021；Rihoux et al.，2013）。Rihoux等（2009）认为，csQCA的二分取值法具有独特优势，它使研究摆脱渐进主义视角的束缚，这一视角有时被认为是比较方法中的陷阱。二分取值法通过简化的方式，有助于实现对有限个内在错综复杂的案例进行严谨比较（Kogut et al.，2006）；而且有利于探究基本因素，因为临界值有一个明确的点，是变量有效性的指标（Rihoux et al.，2009）。本研究从非对称视角探讨区域旅游经济差异，将其分为高/低旅游经济收入进行分析，因此采用具有二分优势的csQCA。csQCA涉及两个主要步骤：变量校准和真值表计算。校准是对研究变量进行1和0的二分赋值，即确定值为1的完全隶属集合和值为0的完全不隶属集合（Ragin，2008）。为此，需要设定变量的赋值标准（Rihoux et al.，2009）。由于目前尚未有针对本研究变量进行赋值的外部标准，本研究采用QCA常用的“均值锚点法”（闫佳祺 等，2018；杨洋洋 等，2019；张明 等，2019）。该方法以平均值为标准对变量进行167非对称视角下区域旅游经济差异形成机制研究二分赋值，已经广泛应用于许多csQCA研究中（何良兴 等，2020；谌飞龙 等，2023；Fu et al.，2022）。同时，在本研究实际操作中，通过具体观察数据，发现以均值为临界点不会人为地分割原始数据中值接近的案例，真值表运算也不存在矛盾组态，说明当前的阈值设置具有较强的合理性，能够以有意义的方式二分变量（Rihoux et al.，2009；Roig-Tierno et al.，2017）。所以，本研究选取平均值作为阈值进行变量校准，高于平均值赋值为1，低于平均值则赋值为0（见表1）。真值表提供了导致结果的前因条件组合列表，演示了预测结果的所有可能构型条件，这些条件应根据频率和一致性两个标准进行提炼（凌欢 等，2021；Olya et al.，2017）。本研究依据Ragin（2008）的研究，将1设置为频率的分割点，0.75作为可接受一致性的阈值，建立本研究的真值表（见表2）。QCA中一致性和覆盖度提供了关于因果构型如何解释特定结果的准确信息，它们的度量分别与对称方法中的相关性和决定系数类似，一致性的计算公式是(XiYi)=min(XiYi)(Xi)，覆盖度的计算公式是(XiYi)=min(XiYi)(Yi)，其中Xi为案例i在集合X中的隶属度得分，Yi为案例i在结果条件下的隶属度得分（Ragin，2008）。整体而言，本研究数据分析过程分为以下四步：第一步，通过标准差、变异系数和旅游经济收入梯度对区域旅游经济差异进行测度。标准差（SD）和变异系数（CV）分别表示区域旅游经济的绝对差异程度和相对差异程度，旅游经济收入梯度（T）表示区域旅游经济收入分异。计算公式如下：CV=i=131(yi-y)2/31 y 表1变量描述统计及赋值变量类型前因变量结果变量变量名称旅游资源禀赋（lnreso）地区经济水平（lnecon）交通便利程度（lntran）旅游服务设施（lnhosp）政策支持（poli）旅游经济收入（lninco）最大值6.5811.747.628.010.509.39最小值3.8510.273.775.370.075.47标准差0.670.390.920.650.080.99平均值5.3410.916.316.950.208.18赋值说明旅游资源禀赋好旅游资源禀赋差地区经济水平高地区经济水平低交通便利程度高交通便利程度低旅游服务设施多旅游服务设施少政策支持高政策支持低旅游经济收入高旅游经济收入低赋值101010101010168Tourism Science 旅游科学SD=i=131(yi-y)2/31T=yi/y 式中，yi指i省（区、市）j年份的旅游总收入，y 指31个省（区、市）j年份旅游总收入的均值。为了直观反映区域旅游经济差异及其演变趋势，本研究将用20052019年各省（区、市）旅游总收入数据对标准差和变异系数进行测算，而区域旅游经济收入梯度则用20142019年数据均值进行计算，以减轻正常经济波动的影响并反映当前阶段区域旅游经济收入分异状况。由于区域旅游经济存在差异是一个相对清晰的结论且以往研究已有测度，因此本研究中区域旅游经济差异的测度仅为进一步分析区域旅游经济差异的因果机制提供必要的背景介绍与说明，而不展开重复研究。第二步，进行数据标准化处理，作变量关系图揭示反向案例，以便说明传统对称性研究在解释区域旅游经济差异因果关系时的不足，从而更好地理解引入csQCA进行非对称因果关系建模的必要性。第三步，进行数据校准和真值表运算，通过csQCA非对称建模探究导致结果（高/低旅游经济收入）的因果构型。第四步，进行稳健性分析，验证研究结果的有效性。以上步骤，本研究将采用20142019年数据计算各省（区、市）旅游经济收入与前因变量的均值得分，借助fsQCA 3.0软件进行分析。3 结果与分析 3.1区域旅游经济差异测度如图2标准差和变异系数结果所示，我国区域旅游经济差异长期客观存在，但绝对差异和相对差异有所不同。20052019 年，绝对差异从 541.79 上升到表231个案例的变量组合情况真值表旅游资源禀赋11110100001地区经济水平10000000110交通便利程度11111100000旅游服务设施10101100010政策支持01000101000案例数54211154422旅游经济收入11111100000169非对称视角下区域旅游经济差异形成机制研究4161.41，年平均增长15.77%，相对差异则由0.94下降到0.59，年平均降低3.26%，呈现出区域旅游经济绝对差异不断扩大、相对差异缓慢缩小的演变趋势。可能的原因在于：我国旅游业经历了快速发展的过程，旅游经济总体水平不断提高，但由于地区经济基础、旅游资源和交通供给等因素的不同，各地旅游经济发展基础及发展速度并不一致，区域旅游经济总量的差距拉大，从而出现相对差异逐渐减少、绝对差异却持续增加的态势。为了进一步明晰区域旅游经济收入高低状况，通过计算旅游经济收入梯度值，本研究将区域旅游经济收入划分为高收入（T1.5）、较高收入（1.5T1.0）、较低收入（1.0T0.5）和低收入（0.5T0）四类。由图3可知，处于较高以上收入的省（区、市）有18个，广东、江苏、山东、浙江、四川为高旅游经济收入省份，属于较低以下收入的省（区、市）有13个，黑龙江、新疆、甘肃、海南、西藏、青海、宁夏为低旅游经济收入省（区）。下文将采用csQCA分别对引致高/低旅游经济收入的前因条件组合进行分析，为不同省（区、市）提升旅游经济发展水平提供可行方案。3.2反向案例分析Woodside（2016）强调，研究中使用变量-水平分析的一个常见错误做法就是忽略与主要影响关系相反的关联案例，良好的实践必须认识到，在相当大的数据集中，与统计上显著的主要影响相反的案例几乎总是发生。根据已有研究，为了表明在不考虑其中一个因素对另一个因素存在主要影响作用的情况下，两个因素在同一个数据集中可能存在正向关系、负向关系或没有关系，需要进行反向案例分析以确认因素之间的关系（Pappas et al.，2016）。本研究中前因变量与结果变量的关系分析表明，两者之间并非单纯的正向或负向影响关系，还出现了与主要影响关系相反的案例。从图4可见，地区经济水平和旅游经济收入的关系不仅有正向影响关系，即高地区经济水平会带来高旅游经济收入，低地区经济水平会导致低旅游经济收入，还出现了反向案例，即低地区经济水平省（区、市）反而具有高旅游经济收入，高地区经济水平省（区、市）出现低旅游经济收入。为了直观地说明，关系图中的反向案例标注了具体省份。可以看出，在地区经济水平和旅游经济收入的关系中共存在15个反向案例。其他前因变量与旅游经济收入之间的关系也同样含有反向案例。为了在高/低旅游经济收入预测中纳入反向案例的情况，本文将采用csQCA对数据进行分析。图220052019年省（区、市）旅游经济差异170Tourism Science 旅游科学3.3csQCA结果csQCA必要条件分析表明（见表3），对于高旅游经济收入，在前因条件中交通便利（0.82）的一致性最高，而对于低旅游经济收入，在前因条件中交通不便利图331个省（区、市）旅游经济收入分异注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2019）1822号的标准地图制作，底图无修改。图4地区经济水平与旅游经济收入关系图171非对称视角下区域旅游经济差异形成机制研究（0.87）、旅游服务设施不完善（0.85）、政策支持低（0.82）的一致性均较高，但无论是高旅游经济收入还是低旅游经济收入，各项前因条件的一致性均小于0.90，说明任意单项前因条件都不足以构成结果发生的必要条件。Olya等（2017）认为，当预测复杂问题的影响变量时，必须考虑一系列组合因素，以获得对结果发生机制更深刻的洞见。因此，需要通过csQCA对前因条件组合进行分析，为预测高/低旅游经济收入提供充分且一致的构型条件。由csQCA对高旅游经济收入因果模型进行预测所得中间解所示（见表4），5个前因变量构成的3种模型（M1-1a、M1-1b、M1-1c）表现出高旅游经济收入，揭示了存在3种充分且一致的路径可以达到高旅游经济收入。依据Ragin（2008）对一致性阈值的界定（0.75），得到的3个构型模型均满足一致性要求。进一步分析覆盖度可知，这3个构型模型分别能够覆盖17%和39%的案例，一共能够覆盖89%的案例，显示出对结果具有较强的解释力。模型M1-1a（econ*tran*reso）表明，交通便利和旅游资源禀赋较好的省（区、市），即使地区经济较为落后，仍具有高旅游经济收入。在该模型上隶属度大于0.5的案例，如四川、湖南、江西、安徽和广西都属于旅游经济高收入省份，它们的复杂因果条件与M1-1a的前因条件组合基本相同。模型M1-1b（econ*poli*tran*hosp）说明，交通便利和旅游服务设施较完善的省份，即使地区经济和政策支持都不具备优势也能够获得较高的旅游经济收入，典型案例如河南、辽宁、河北的情况与M1-1b表达的复杂 因 果 条 件 相 一 致。其 他 实 现 高 旅 游 经 济 收 入 的 路 径 还 有 模 型 M1-1c（poli*tran*reso*hosp），即政策支持低，但交通便利、旅游资源禀赋好和旅游服务设施完善的省份具有高旅游经济收入，如广东、江苏、山东、浙江和湖北等案例符合M1-1c表示的复杂因果条件。通过比较中间解与简约解可知，交通便利是以上3个表3单项前因条件的必要性前因条件resoecontranhosppoliresoecontranhosppoli结果条件：inco一致性0.670.390.820.560.390.330.610.180.440.61覆盖度0.800.640.830.810.780.380.550.290.400.50结果条件：inco一致性0.230.310.130.150.180.770.690.870.850.82覆盖度0.200.360.170.190.220.620.450.710.600.50注：代表逻辑“非”，即反向情况。172Tourism Science 旅游科学构型模型共同的核心条件，构型中的其余因素则是辅助条件，这说明交通便利对于实现高旅游经济收入具有重要影响，高旅游经济收入的前因构型可以归纳为交通驱动型。与传统对称性研究比较而言，有些前因变量在预测高旅游经济收入的3个模型中表现为或正向或负向或不起作用，这证明了解释区域旅游经济差异前因变量的复杂性和异质性的重要性。正如Jang等（2009）指出，每个指标的作用取决于模型中其他因果前置条件（大小/正负/缺失/存在）。比如：地区经济水平，在模型M1-1a和模型M1-1b中起到负向作用，而在模型M1-1c中不起作用；旅游资源禀赋，在模型 M1-1a和模型 M1-1c中产生正向作用，但在模型 M1-1b中不起作用。因此，Ordanini等（2014）在研究中指出，探索预测结果的因果构型，比预测前因变量更重要。根据csQCA对低旅游经济收入因果模型预测的中间解（见表5），本研究发现导致低旅游经济收入的2个模型（M2-1a、M2-1b），且一致性（0.91）和覆盖度（0.77）均达到令人满意的程度。不难发现，它们并不是引致高旅游经济收入因果模型的反面。如模型M2-1a（poli*tran*reso*hosp）表明，政策支持、交通便利程度、旅游资源禀赋和旅游服务设施条件都不好的省（区、市）旅游经济收入低，与该模型 的 前 因 条 件 配 置 较 为 相 符 的 有 内 蒙 古、甘 肃 和 青 海 等。模 型 M2-1b（econ*poli*tran*hosp）描述了预测低旅游经济收入的不同因果条件，即地区经济水平、政策支持、交通便利程度和旅游服务设施均不好的省（区、市）旅游经济收入低，如吉林、新疆、黑龙江和宁夏的条件与该模型表示的前因条件组合大体相同。与简约解比较可知，政策支持低、交通不便利和旅游服务设施不完善的组合是以上2个模型的核心条件，其他因素则为边缘条件，这说明低旅游经济收入主要由政策支持、交通便利程度和旅游服务设施这几个后天条件的供给不足所致，因此，低旅游经济收入的前因构型可以归结为后天发展受限型。归纳csQCA结果可知，单独某个前因条件都不足以形成高/低旅游经济收入，但存在3种预测高旅游经济收入和2种预测低旅游经济收入的前因条件组合，揭示表4预测高旅游经济收入的前因条件构型高旅游经济收入因果模型M1:inco=f(reso,econ,tran,hosp,poli)中间解简约解总体覆盖度：0.89总体一致性：0.89M1-1a:econ*tran*resoM1-1b:econ*poli*tran*hospM1-1c:poli*tran*reso*hospM1-1:tran原始覆盖度0.390.170.390.72唯一覆盖度0.280.060.280.50一致性0.881.001.000.93注：*代表逻辑“与”，代表逻辑“非”，下同。173非对称视角下区域旅游经济差异形成机制研究了高/低旅游经济收入的不同形成路径（见图5）。高旅游经济收入的前因模式为交通驱动，主要存在3条充分且一致的构型路径，分别是路径1“地区经济水平*交通便利程度*旅游资源禀赋”，路径2“地区经济水平*政策支持*交通便利程度*旅游服务设施”，以及路径3“政策支持*交通便利程度*旅游资源禀赋*旅游服务设施”，其中3条路径共享的交通便利是核心条件。低旅游经济收入的前因模式是后天发展受限，主要有2条充分和一致的构型路径，路径1是“政策支持*交通便利程度*旅游资源禀赋*旅游服务设施”，路径2是“地区经济水平*政策支持*交通便利程度*旅游服务设施”，其中2条路径共有的“政策支持*交通便利程度*旅游服务设施”是核心条件。3.4稳健性分析QCA方法认为结果出现与否的原因不具有对称性，即导致正面结果的前因构型与导致反面结果的前因构型不同（Ragin，2008）。反之，如果某一构型条件能够图5高/低旅游经济收入形成路径表5预测低旅游经济收入的前因条件构型低旅游经济收入因果模型M2:inco=f(reso,econ,tran,hosp,poli)中间解简约解总体覆盖度：0.77总体一致性：0.91M2-1a:poli*tran*reso*hospM2-1b:econ*poli*tran*hospM2-1:poli*tran*hosp原始覆盖度0.620.540.77唯一覆盖度0.230.150.77一致性0.891.000.91174Tourism Science 旅游科学同时解释正面结果和反面结果，则说明研究结果可能存在问题，需要重新分析（杜运周 等，2017）。因此，本研究首先采用Bell等（2014）提出的稳健性检验方法，对正面结果和反面结果进行比较。通过对比表4和表5可知，预测高旅游经济收入和低旅游经济收入的前因条件组合明显不同，且实现高旅游经济收入的前因模式并非是造成低旅游经济收入的前因模式的对立，即导致正面结果和反面结果的前因构型不具有对称性，表明研究结果是可靠的。在此基础上，本研究运用fsQCA阈值校准方式进一步检验研究结果的稳健性。fsQCA是将变量原始数值校准为0到1之间的模糊集合隶属得分，因此以变量最大值作为完全隶属阈值，均值作为交叉点阈值，最小值作为完全不隶属阈值（范香花 等，2020；Ragin，2008）。真值表运算将可接受频数的最小值设置为 1，一致性临界值设置为 0.