EN中文

中国生态旅游 >

2024 , Vol. 14 >Issue 4: 770 - 784

DOI: https://doi.org/10.12342/zgstly.20240157

生态旅游

利益主体视角下省域生态旅游吸引力的驱动因素与路径演化

  • 李泓沄 , 1 ,
  • 林欣芸 2 ,
  • 王兰兰 , 3, *
展开
  • 1.福建林业职业技术学院林学系，南平 353000
  • 2.华中科技大学马克思主义学院，武汉 430074
  • 3.南开大学旅游与服务学院，天津 300350
*王兰兰（1993-），女，博士研究生，研究方向为旅游创业与养老旅游。E-mail:

李泓沄（1991-），女，硕士，讲师，研究方向为生态旅游与森林康养。E-mail:

收稿日期: 2024-06-22

  修回日期: 2024-08-10

  网络出版日期: 2025-01-03

基金资助

福建省中青年教师教育科研项目(JAT231220)

福建林业职业技术学院森林康养旅游科研创新团队项目(2021LK03)

收起

The driving factors and paths evolution of provincial ecotourism attractiveness from the perspective of stakeholders

  • Li Hongyun , 1 ,
  • Lin Xinyun 2 ,
  • Wang Lanlan , 3
Expand
  • 1. Apartment of Forestry, Fujian Forestry Vocational & Technical College, Nanping 353000, China
  • 2. College of Marxism, Huazhong University of Science and Technology, Wuhan 430074, China
  • 3. College of Tourism and Service Management, Nankai University, Tianjin 300350, China
*Wang Lanlan. E-mail:

Received date: 2024-06-22

  Revised date: 2024-08-10

  Online published: 2025-01-03

Fold

摘要

提升生态旅游吸引力是推动生态旅游发展和生态价值实现的重要着力点。文章通过梳理“利益主体-宏观环境-生态旅游吸引力”三者递推关系，描述省域生态旅游吸引力形成的S-PEST-EA逻辑，使用动态fsQCA探索2011—2021年生态旅游吸引力的驱动因素与路径演化。研究表明：（1）生态旅游吸引力由政府、企业、居民与游客所塑造之宏观环境协同驱动而成，具体驱动因素包括表征政策环境的财政支持力度、专项资金投入及森林覆盖率，表征经济环境的餐饮企业数量及住宿企业数量，表征社会与技术环境的城镇化水平及人均互联网端口数。（2）研究周期内共出现13条高水平生态旅游吸引力路径，4条为典型路径，9条为演化路径。其中，R1，即森林覆盖率*餐饮企业数量*住宿企业数量*城镇化水平*人均互联网端口数，解释力最高；R2，即财政支持力度*专项资金投入*森林覆盖率*餐饮企业数量*住宿企业数量*~城镇化水平，演化路径最多。（3）研究周期内共19个省域实现高水平生态旅游吸引力。四川、湖南最早实现，所在路径均为R2及其演化路径；福建连续保持时间最久，所在路径均为R1及其演化路径。文章借助PEST模型限定利益主体在省域生态旅游吸引力的分析层次与职能指向，深化了生态旅游利益主体理论体系；通过动态fsQCA展示了省域生态旅游吸引力的驱动因素与路径演化，有助于为各省域精准施策以增强生态旅游吸引力提供决策参考。

关键词： 生态旅游吸引力; 路径演化; 利益主体; PEST; S-PEST-EA; 动态fsQCA

本文引用格式

李泓沄 , 林欣芸 , 王兰兰 . 利益主体视角下省域生态旅游吸引力的驱动因素与路径演化[J]. 中国生态旅游, 2024 , 14(4) : 770 -784 . DOI: 10.12342/zgstly.20240157

Abstract

Enhancing the attractiveness of ecotourism is a pivotal aspect in promoting the development of ecotourism and the realization of ecological value. This paper delves into the S-PEST-EA logic of provincial ecotourism attractiveness by elucidating the recursive relationship among “stakeholders”, “macro-environments” and “ecotourism attractiveness”. Moreover, it employs dynamic fuzzy-set Qualitative Comparative Analysis (fsQCA) to explore the driving factors and the paths evolution of ecotourism attractiveness from 2011 to 2021. The results show that: (1) ecotourism attractiveness is jointly driven by the macro-environments shaped by the government, enterprises, residents, and tourists. Specific driving factors include financial support, special fund investment, and forest coverage rate, which represent the policy environment; the number of catering and accommodation enterprises, which represent the economic environment; and the level of urbanization and the number of internet ports per capita, which represent the social and technological environment. (2) There were 13 high-level ecotourism attraction paths during the research cycle, 4 of which were typical paths and 9 of which were evolutionary paths. Among them, R1, represented by the forest coverage rate, the number of catering enterprises, the number of accommodation enterprises, the level of urbanization, and the number of internet ports per capita, demonstrates the highest explanatory power. R2, comprising financial support, special fund investment, forest coverage rate, the number of catering enterprises, the number of accommodation enterprises, and a low-level of urbanization, has the most evolutionary paths. (3) A total of 19 provincial-level regions achieved high-level ecotourism attractiveness during the research cycle. Sichuan and Hunan were the earliest to achieve it, and their paths were both R2 and its evolutionary paths; Fujian has maintained the longest continuous time, with R1 and its evolutionary paths. This paper uses the PEST model to define the analysis level and functional direction of stakeholders in the provincial ecotourism attractiveness, thereby deepens the theoretical system of ecotourism stakeholder analysis. By leveraging dynamic fsQCA, it illustrates the driving factors and the paths evolution of provincial ecotourism attractiveness, which helps to provide decision-making references to enhancing the attractiveness of ecotourism for targeted policy implementation in various provincial-level regions.

Key words： ecotourism attractiveness; paths evolution; stakeholders; PEST; S-PEST-EA; dynamic fsQCA

1 引言

生态旅游是实现与增值生态产品价值的重要方式[1]。此方式行之有效的关键在于提升与保持生态旅游吸引力。目前，生态旅游吸引力尚未有明确概念。结合旅游、生态旅游与旅游目的地吸引力相关研究[2⇓-4]，文章认为生态旅游吸引力指生态旅游目的地凭借良好自然生态系统，通过优质生态环境及生态体验产品吸引游客前往并满足游客寻求愉悦需求的能力。生态旅游吸引力不仅是延长生态旅游目的地生命周期的关键，也是相关规划、开发与投资活动的主要目标[2]，却尚未引起学界重视。究其原因，可能是“负面偏见”下的学术警惕导致学者们更加关注生态旅游的环境冲击，倾向将生态旅游视为“小众旅游”，强调生态环境承载力，将游客激增视为生态环境威胁[5]。这种学术警惕对生态环境敏感空间（如自然保护区）十分必要[6]，但也在一定程度上忽视了大尺度空间全域生态旅游发展趋势和盘活生态资源存量以扩大生态环境承载力的可能。
利益主体共治被认为是生态旅游可持续发展的关键[7-8]，自然也是提升与保持生态旅游吸引力的基础。已有研究以社区[9]、村镇[10]及市域[11]等小中尺度空间为研究对象，通过居民生计策略评价、社区参与障碍分析及利益主体诉求间关联分析总结相关发展模式，提出发展路径及优化策略。对应研究成果虽能为当地利益主体治理模式及相关政策制定提供有益指引，但其实际治理效果不仅缺乏解释与长期跟踪，也难以横向比较，无法在宏观层面为资源配置提供理论参考。此外，省级行政单位才是资源配置的最高地方单位，在全域生态旅游建设和跨区域生态旅游一体化发展等时代趋势下，有必要在省域尺度上加强相应学术关注。
综合以上分析，文章认为现有研究对生态旅游吸引力关注不足，相关利益主体共治探讨缺乏治理效果评价与资源配置导向，难以为各省域精准施策以增强生态旅游吸引力提供理论参考。因此，文章以省域生态旅游吸引力为研究对象，使用以组态思维为逻辑基础的动态模糊集定性比较分析（fuzzy-set Qualitative Comparative Analysis，fsQCA），借助宏观环境分析（Politics-Economy-Society-Technology, PEST）模型，梳理“利益主体-宏观环境-生态旅游吸引力”三者递推关系，提炼省域生态旅游吸引力形成的S-PEST-EA（Stakeholders-PEST-Ecotourism Attractiveness）逻辑，以期在理论层面深化生态旅游利益主体理论体系，在实践层面为各省域精准施策提供参考。

2 研究设计

2.1 分析思路

利益主体理论通过识别利益主体，分析利益主体主要利益诉求与冲突，进而构建协调与治理机制，推进组织健康发展。代表性观点包括股东治理观、员工治理观、利益主体共治观和关键利益主体治理观。其中，关键利益主体治理观认为理想的组织治理模式应在股东治理和全体利益主体共治二者之间寻求平衡，即由关键利益主体进行协作治理[12]。现有研究认为政府、旅游企业、居民、游客是生态旅游发展过程中毫无争议的关键利益主体[7]。在省域生态旅游情境中，政府掌握生态资源与财政资源支配权，主导生态旅游发展方向[13-14]。旅游企业连接游客与旅游目的地，直接影响旅游产品质量和旅游目的地接待能力[15]。居民作为目的地东道主，其生活方式、生产方式、集体记忆等构成重要旅游体验载体[16-17]。游客作为旅游业发展基点，是否前往某一旅游目的地取决于该旅游目的地所释放的“拉力”[18]，即旅游目的地吸引力。针对省域生态旅游吸引力议题，需进一步探讨政府、旅游企业、居民及游客的行为/状态如何在宏观环境层面产生影响，进而为各省域个性化精准施策提供依据。
PEST模型也称宏观环境分析法，最早由Johnson与Scholes[19]于1999年提出；该模型认为组织发展受到政治环境、经济环境、社会与技术环境的综合影响，其中，政治环境指特定国家或地区的政治制度、法律法规及相关政策[20]。PEST模型不仅与政府、旅游企业、居民、游客高度契合，更为4类关键利益主体在宏观环境层面职能效用分析提供明确指向。例如，游客一般被认为是旅游目的地吸引力评价者，而非塑造者，但将之匹配技术环境，则可通过其营销信息接收能力表达生态旅游目的地技术环境。在省域空间尺度与现行法定节假日制度下，居民省内出游概率大，与游客身份互换频率高，主客一体情况普遍，故将由居民与游客构成的社会与技术环境统筹考虑。整合利益主体理论与PEST模型，梳理“利益主体-宏观环境-生态旅游吸引力”三者递推关系，构建省域生态旅游吸引力形成的S-PEST-EA逻辑（图1）。
图1 省域生态旅游吸引力形成的S-PEST-EA逻辑

Fig. 1 S-PEST-EA logic of the formation of provincial ecotourism attractiveness

2.2 变量选取与数据来源

2.2.1 变量选取

结果变量：生态旅游吸引力。生态旅游人次是游客“用脚投票”的结果，直接反映省域生态旅游吸引力。鉴于各省域人口基数不同，绝对生态旅游人次实际意义差异较大，因此参考张雪晶等[21]的研究，取人均接待生态旅游人次进行表征，计算公式为：人均接待生态旅游人次=生态旅游人次/当地年末人口数。
条件变量：政策环境、经济环境、社会与技术环境。根据图1，生态旅游吸引力由3类宏观环境联动匹配而成，而3类宏观环境由核心利益主体主导，因此选取由政府、企业、居民及游客行为/状态塑造的，且能够影响省域生态旅游吸引力的7项具体指标纳入分析。
政策环境，包括财政支持力度、专项资金投入与森林覆盖率。政府作为社会利益代表与森林资源主要产权所有人，在生态旅游目的地基础设施建设等方面的财政投入是促进生态旅游发展的关键因素[22]。由于多数生态旅游目的地生态敏感性较高且多位于偏远地区，各地林草主管部门财政资源充裕程度及其对相关产业的投资力度决定了该地区生态旅游公共基础设施、配套服务设施以及相关体验载体的健全程度，这些都是自驾游背景下游客进行目的地选择的重要影响因素[23]。文章借鉴张可云等[24]的研究，以林业投资总额在地方一般公共预算支出的比重测量财政支持力度，以产业发展投资额在林业投资总额的比重测量专项资金投入。此外，森林覆盖率作为各地政府开展国土绿化行动重点指标，受所在行政区域政府行为影响较大。较高森林覆盖率在很大程度上代表优越生态环境，而优越生态环境则是吸引游客前往旅游目的地的重要因素，因此，将森林覆盖率纳入政策环境[25]。
经济环境，包括餐饮企业数量与住宿企业数量。“淄博烧烤”、“甘肃天水麻辣烫”等现象级城市美食IP的形成证明地方餐饮是游客选择旅游目的地的重要因素。游客大部分时间在酒店与餐厅里度过，对食宿体验的满意度是其对旅游目的地满意度的两大决定性因素[26]。生态旅游目的地接待能力受制于当地经济发展水平，住宿企业数量与餐饮企业数量是地方旅游经济发展容量的关键指标[4]。鉴于目前国民人口基数与国内法定节假日制度，暂不考虑食宿企业增长极限问题。
社会与技术环境，包括年末城镇人口比重与人均互联网端口数。首先，居民城镇化促使城乡居民旅游消费模式转变，压缩旅游产业技术迭代周期，拓展当地旅游客源市场，显著提升居民出游率[27⇓-29]。参照王兆峰等[27]的研究，以年末城镇人口比重表征各省域社会环境。其次，在新媒体时代背景下，游客内生的出游 “推力”与旅游目的地释放的“拉力”多以互联网平台为媒介。互联网通过加剧市场竞争，优化供给结构，能够显著提升旅游目的地吸引力[30]。现阶段，游客出游决策高度依赖互联网，相较于不使用互联网的家庭，使用互联网的家庭旅游意愿更高[31]。文章参照林海等[32]的做法，以人均互联网端口数表征各省域技术环境。

2.2.2 数据来源

鉴于指标数据可得性、时效性，文章选择中国大陆31省域2011—2021年数据（不含香港、澳门、台湾）。考虑到2020—2021年受新冠肺炎疫情影响，全国人口流动受限，旅游产业处于异常波动状态，首先分析2011—2019年数据，之后截取2018—2019年数据与2020—2021年数据进一步对比，各变量测量方法与数据来源如表1。
表1 变量测量方法与数据来源

Tab. 1 Measurement methods and data source of variables

变量类型 变量名称 指标名称 符号 指标含义 数据来源
结果变量 生态旅游吸引力 人均接待生态旅游人次 Ea 生态旅游人次/年末人口数 生态旅游人次取自《中国林业统计年鉴》（2011—2017年）《中国林业和草原统计年鉴》（2018—2021年），其他指标均取自《中国统计年鉴》（2012—2022年）
条件变量 政策环境 财政支持力度 Fs 林业投资总额/地方财政支出
专项资金投入 Sf 林业产业发展投资/林业投资总额
森林覆盖率 Fc 森林覆盖率
经济环境 餐饮企业数量 lnC 餐饮法人企业数量取对数
住宿企业数量 lnA 住宿法人企业数量取对数
社会与技术环境 城镇化水平 Up 年末城镇人口比重
人均互联网端口数 Ip 互联网宽带接入端口/年末人口数

2.2.3 研究方法

针对省域生态旅游吸引力分析，传统统计分析多存在共线性问题，应用于资源配置情境，可能引致资源重复投入或投入不足。与之相对，案例分析虽为案例地量身定制了资源投入方案，但也存在外部推广效应弱且相关方案有效性难以验证的问题。fsQCA采用整体视角，以组态思维为逻辑基础，旨在通过案例间比较寻找条件组态与结果的因果关系，可有效解答“哪些条件组态可以导致结果出现或者不出现”等问题，弥补定量分析共线性问题，解释自变量间相互依赖的复杂因果关系[33]，较适合宏观资源配置效果评价分析。动态fsQCA将各案例在各时点观测值汇总后一并进行校准及后续分析，由此延展时间维度[34]，使描绘省域生态旅游吸引力路径演化过程成为可能。动态fsQCA共有5个操作步骤[35-36]：
第一步，在理论分析框架基础上构建条件变量与结果变量（图1，表1）。结果变量为生态旅游吸引力，以人均接待生态旅游人次表征；条件变量为3类宏观环境，以财政支持力度、专项资金投入、森林覆盖率、餐饮企业数量、住宿企业数量、城镇化水平、人均互联网端口数7项具体指标表征。
第二步，对条件变量与结果变量进行校准。在fsQCA中，每个样本的条件变量与结果变量都视为一个独立集合，每个样本在这些集合中均以集合隶属度表示特定变量隶属于其所在集合的程度，为每个样本赋予集合隶属度的过程便是校准。文章采用直接校准法，选用0.25、0.50、0.75三个锚点，对表1所列的人均接待生态旅游人次、财政支持力度、专项资金投入、森林覆盖率、餐饮企业数量、住宿企业数量、城镇化水平、人均互联网端口数进行校准。
第三步，检测是否存在必要条件。当结果存在时特定条件总是存在则称该特定条件为结果的必要条件，在进行模糊集真值表程序分析之前需检查必要条件。根据第一步的条件变量结构，文章先检验财政支持力度、专项资金投入、森林覆盖率、餐饮企业数量、住宿企业数量、城镇化水平、人均互联网端口数7项具体指标的必要性，之后检验由其表征的政策环境、经济环境、社会与技术环境的必要性。检测必要条件主要检测一致性指标，公式如式（1）：
C o n s i s t e n c y ( Y i ≤ X i ) = ∑ [ m i n ( X i ,   Y i ) ] / ∑ Y i
式中，X i表示条件变量集合隶属度，Y i表示结果变量集合隶属度（下同）；当一致性大于0.9时，则存在必要条件。
第四步，通过条件组态充分性分析找出引致结果变量的不同前因条件组态。在fsQCA分析中，由条件变量构成的组态也称路径、前因构型等。由此步骤可知前述7项具体指标如何组合才能获得高水平生态旅游吸引力。条件组态充分性分析以真值表为基础，需要进行构建真值表、完善真值表与分析真值表三个步骤：
一是确定合适的案例频数阈值与原始一致性阈值构建真值表，案例频数阈值最低标准为1，原始一致性计算公式如式（2），该值建议阈值不低于0.8。
C o n s i s t e n c y ( X i ≤ Y i ) = ∑ [ m i n ( X i ,   Y i ) ] / ∑ ( X i )
二是设置PRI（Proportional Reduction in Inconsistency，即不一致的减少率）阈值以减少矛盾组态。PRI计算公式如式（3），该值建议阈值不低于0.7。
P R I = [ ∑ m i n ( X ,   Y ) - ∑ m i n ( X ,   Y ,   ~ Y ) ] / [ ∑ X - ∑ m i n ( X ,   Y ,   ~ Y ) ]
三是对真值表进行标准化分析，一般以中间解为主，简单解为辅进行分析，区分核心条件与辅助条件。此步骤会出现所有组态的总体一致性，最低接受标准一般为0.8，超过0.8则认为组态是充分的，进而计算覆盖度展示组态解释力，覆盖度计算公式如式（4）：
C o v e r a g e ( X i ≤ Y i ) = ∑ [ m i n ( X i ,   Y i ) ] / ∑ ( Y i )
第五步，利用对称检验法进行稳健性检验，重复以上所有步骤描绘低水平生态旅游吸引力路径，比较高低水平生态旅游吸引力路径是否对称；如不对称，且不存在同因异果情况，则表明研究结果稳健。

2.2.4 数据校准与描述性统计

（1）数据校准
为使数据满足fsQCA 3.0软件操作要求，需将各变量从数据形式转换为集合形式，并校准成0至1的集合隶属度[37]。各项指标完全不隶属标准为0.25，交叉点为0.50，完全隶属标准为0.75，具体如表2所示。
表2 变量锚点

Tab. 2 Anchor points of variables

变量 2011—2019年 2018—2019年 2020—2021年
完全隶属 交叉点 完全不隶属 完全隶属 交叉点 完全不隶属 完全隶属 交叉点 完全不隶属
Ea 1.779 1.066 0.509 3.335 1.530 1.030 3.388 1.345 0.648
Fs 3.187 2.208 1.534 3.038 2.075 1.380 2.663 1.845 1.085
Sf 0.254 0.101 0.027 0.022 0.003 0.001 0.128 0.006 0.001
Fc 0.475 0.352 0.158 0.497 0.392 0.152 0.497 0.392 0.152
lnC 3.137 2.708 2.384 3.140 2.790 2.433 3.203 2.895 2.398
lnA 2.950 2.717 2.439 3.015 2.810 2.478 3.070 2.895 2.548
Up 0.639 0.561 0.492 0.680 0.609 0.555 0.699 0.628 0.577
Ip 0.574 0.404 0.234 0.733 0.635 0.560 0.813 0.710 0.615
（2）描述性统计
各变量描述性统计如表3所示。对比3个时段均值数据，可发现财政支持力度（Fs）呈随时间下降趋势；森林覆盖率（Fc）、餐饮企业数量（lnC）、住宿企业数量（lnA）、城镇化水平（Up）、人均互联网端口数（Ip）均呈随时间上升趋势；对比2018—2019年与2020—2021年两时段标准差数据，可发现各省域在人均接待生态旅游人次（Ea）与财政支持力度（Fs）两项指标差异较大，且差异均随时间推移而缩小，但人均接待生态旅游人次（Ea）的差异缩小程度较小，而财政支持力度（Fs）的差异缩小程度较大。
表3 变量描述性统计

Tab. 3 Descriptive statistics of variables

变量 2011—2019年 2018—2019年 2020—2021年
均值 标准差 最小值 最大值 均值 标准差 最小值 最大值 均值 标准差 最小值 最大值
Ea 1.664 2.091 0.018 11.990 2.564 2.552 0.020 10.840 2.162 2.127 0.010 9.180
Fs 3.088 4.416 0.074 39.700 2.983 5.239 0.070 39.700 2.263 2.169 0.200 12.410
Sf 0.179 0.211 0.000 1.487 0.053 0.124 0.000 0.545 0.097 0.168 0.000 0.659
Fc 0.323 0.179 0.040 0.668 0.344 0.183 0.049 0.668 0.344 0.183 0.049 0.668
lnC 2.668 0.566 0.845 3.643 2.695 0.578 1.000 3.640 2.791 0.578 1.230 3.760
lnA 2.671 0.365 1.623 3.450 2.720 0.378 1.830 3.450 2.793 0.384 1.860 3.520
Up 0.574 0.132 0.228 0.896 0.620 0.113 0.338 0.892 0.641 0.108 0.357 0.893
Ip 0.423 0.215 0.086 0.986 0.643 0.140 0.400 0.990 0.718 0.142 0.450 1.070

3 实证分析

3.1 前因条件必要性分析

使用fsQCA软件检验单项条件（包括其非集）是否构成生态旅游吸引力必要条件（表4），发现所有条件变量一致性均小于0.9[37]，说明不存在影响生态旅游吸引力的必要条件。
表4 单项条件必要性分析

Tab. 4 Conditional variables of single condition necessity analysis

高水平生态旅游吸引力 低水平生态旅游吸引力
2011—2019年 2018—2019年 2020—2021年 2011—2019年 2018—2019年 2020—2021年
一致性 覆盖度 一致性 覆盖度 一致性 覆盖度 一致性 覆盖度 一致性 覆盖度 一致性 覆盖度
Fs 0.524 0.525 0.565 0.544 0.639 0.610 0.544 0.569 0.497 0.525 0.484 0.512
~Fs 0.570 0.545 0.507 0.479 0.488 0.460 0.547 0.545 0.569 0.589 0.631 0.660
Sf 0.638 0.635 0.626 0.644 0.683 0.708 0.447 0.464 0.404 0.455 0.374 0.431
~Sf 0.460 0.444 0.470 0.418 0.451 0.394 0.648 0.652 0.684 0.667 0.746 0.723
Fc 0.682 0.694 0.727 0.720 0.721 0.709 0.377 0.400 0.328 0.356 0.338 0.369
~Fc 0.410 0.386 0.349 0.322 0.358 0.328 0.712 0.701 0.742 0.749 0.733 0.744
lnC 0.694 0.662 0.739 0.686 0.790 0.700 0.418 0.417 0.364 0.371 0.382 0.376
~lnC 0.388 0.390 0.322 0.316 0.295 0.301 0.660 0.692 0.691 0.744 0.695 0.786
lnA 0.702 0.679 0.718 0.691 0.743 0.707 0.405 0.409 0.353 0.373 0.346 0.365
~lnA 0.389 0.385 0.348 0.329 0.333 0.315 0.682 0.705 0.707 0.733 0.723 0.757
Up 0.630 0.622 0.516 0.514 0.549 0.530 0.465 0.479 0.542 0.592 0.543 0.582
~Up 0.4723 0.458 0.589 0.540 0.567 0.528 0.633 0.641 0.554 0.557 0.562 0.580
Ip 0.681 0.667 0.532 0.519 0.548 0.523 0.405 0.414 0.530 0.567 0.552 0.586
~Ip 0.402 0.393 0.556 0.519 0.567 0.533 0.675 0.688 0.550 0.563 0.550 0.574

注：“~”表示逻辑“非”

根据省域生态旅游吸引力形成的S-PEST-EA逻辑，文章进一步检验政策环境、经济环境、社会环境与技术环境（包括其非集）是否构成生态旅游吸引力的必要条件（表5）。在2011—2019年、2018—2019年及2020—2021年，Fs∗Sf∗Fc（∗为条件变量连接符号，表示“与”，下文同），即财政支持力度较大、专项资金投入充足且森林覆盖率较高，构成高水平生态旅游吸引力必要条件；~Fs∗~Sf∗~Fc，即财政支持力度与专项资金投入不足且森林覆盖率较低，构成低水平生态旅游吸引力必要条件。在2020—2021年，~Sf∗~Fc，即专项资金投入不足且森林覆盖率较低，构成低水平生态旅游吸引力必要条件。
表5 组合条件必要性分析

Tab. 5 Necessity analysis of combined conditions

条件变量
组合		 高水平生态旅游吸引力 低水平生态旅游吸引力
2011—2019年 2018—2019年 2020—2021年 2011—2019年 2018—2019年 2020—2021年
一致性 覆盖度 一致性 覆盖度 一致性 覆盖度 一致性 覆盖度 一致性 覆盖度 一致性 覆盖度
Fs∗Sf 0.756 0.552 0.807 0.548 0.860 0.618 0.690 0.526 0.605 0.482 0.6053 0.482
Sf∗Fc 0.872 0.617 0.885 0.631 0.895 0.655 0.612 0.452 0.497 0.403 0.497 0.403
Fs∗Sf∗Fc 0.927 0.572 0.971 0.573 0.975 0.590 0.753 0.485 0.685 0.460 0.685 0.460
lnC∗lnA 0.758 0.650 0.799 0.689 0.831 0.701 0.474 0.424 0.388 0.363 0.388 0.363
Up∗Ip 0.772 0.607 0.612 0.497 0.646 0.504 0.564 0.464 0.674 0.584 0.674 0.584
~Fs∗~Sf 0.679 0.482 0.659 0.443 0.659 0.443 0.782 0.579 0.859 0.605 0.857 0.639
~Sf∗~Fc 0.645 0.439 0.625 0.418 0.625 0.418 0.878 0.624 0.896 0.649 0.905 0.671
~Fs∗~Sf∗~Fc 0.750 0.462 0.741 0.444 0.741 0.444 0.908 0.584 0.934 0.607 0.930 0.618
~lnC∗~lnA 0.448 0.398 0.383 0.344 0.383 0.344 0.733 0.679 0.728 0.670 0.737 0.733
~Up∗~Ip 0.556 0.434 0.666 0.509 0.666 0.509 0.785 0.640 0.669 0.566 0.684 0.580

3.2 条件组态充分性分析

从集合论视角看，条件组态充分性分析是探索由多项条件变量构成的条件变量组态所代表的集合是否是结果集合的子集[33]。在文章中，条件变量组态即为对应路径。案例频数阈值与一致性阈值应根据样本特征确定，若使用中小样本，频数阈值可为1，若使用大样本，频数阈值应大于1[38]。根据样本特点，设置2011—2019年的频数为5，设置2018—2019年与2020—2021年的频数均为2，设置三阶段原始一致性与PRI均为0.8。借助fsQCA 3.0软件构建真值表后，进一步分析得出高低水平生态旅游吸引力路径的复杂解、中间解和简单解。以中间解为主、简单解为辅，整理组态结果，形成高低水平生态旅游吸引力路径。

3.2.1 高水平生态旅游吸引力路径

原始覆盖率代表高水平生态旅游吸引力案例中能够被该路径解释的比例，但同一个案例可能被不同路径解释；唯一覆盖率代表达到高水平生态旅游吸引力案例中只能够被该路径解释的比例，是衡量路径解释力的关键指标；一致性表示该路径对所选案例的解释力，数值越大，解释力越大。研究周期内共发现13条高水平生态旅游吸引力路径（表6），每条路径的案例即为特定年份的省域。因2020—2021年全国旅游市场处于异常波动时期，故以2011—2019年的4条路径（R1~R4）为典型路径，通过对比典型路径在2018—2019年及2020—2021年两阶段的变化分析典型路径演化过程，在此基础上整理路径案例信息，分析各省域在各路径的分布情况与持续时间。
表6 高水平生态旅游吸引力路径

Tab. 6 Pathways to high-level ecotourism attractiveness

条件变量 2011—2019年 2018—2019年 2020—2021年
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13
Fs ● 􀱋 􀱋 ● ● ● ● ● 􀱋
Sf ● ● 􀱋 ● 􀱋 ● ● ● ●
Fc ● ● 􀱋 ● ● ● ● ● ● ● 􀱋 ● ●
lnC ● ● ● 􀱋 ● ● ● ● ● ● ● 􀱋 ●
lnA ● ● ● 􀱋 ● ● ● ● ● ● ● ●
Up ● 􀱋 ● ● ● ● 􀱋 ● 􀱋 􀱋 􀱋 ●
Ip ● ● ● ● 􀱋 ● 􀱋 􀱋 ● 􀱋 ●
原始覆盖率 0.299 0.132 0.162 0.084 0.179 0.133 0.181 0.160 0.265 0.190 0.083 0.267 0.180
唯一覆盖率 0.189 0.067 0.083 0.048 0.095 0.043 0.161 0.043 0.008 0.097 0.034 0.007 0.095
结果一致性 0.923 0.860 0.900 0.898 0.918 0.883 0.868 0.923 0.958 0.936 0.868 0.943 0.879
总体覆盖率 0.501 0.389 0.591
总体一致性 0.895 0.919 0.921

注：●或●表示该条件存在，􀱋或􀱋表示该条件不存在；●或􀱋表示该条件为核心条件，●或􀱋表示该条件为辅助条件；空格表示该条件可存在亦可以不存在，表8与此同。

（1）典型路径演化过程
R1，即森林覆盖率∗餐饮企业数量∗住宿企业数量∗城镇化水平∗人均互联网端口数，在2018—2019年的演化路径为R5和R6，在2020—2021年的演化路径为R8和R13。相比2018—2019年，可发现人均互联网端口数与住宿企业数量两项驱动因素在2020—2021年间的效用减弱。可能的原因是此阶段人口流动受限，人均互联网端口数对游客出行的推动作用有所降低，但以“城市微旅行”为代表的近距离旅游异常繁荣，游客当日往返比例较高，住宿企业数量对游客的出行限制由此减小。
R2，即财政支持力度∗专项资金投入∗森林覆盖率∗餐饮企业数量∗住宿企业数量∗~城镇化水平（在路径表达式中，~表示逻辑“非”，此处可理解为“低水平”）。R2在2018—2019年的演化路径为R7，在2020—2021年的演化路径为R9、R10、R11、R12。相比2018—2019年，在2020—2021年，财政支持力度与住宿企业数量效用更加突显，但专项资金投入效用有所减弱。可能的原因是在城镇化水平低的省域，生态旅游资源可进入性较低，游客途中成本较高，更需要高水平的财政支持力度完善相关公共基础设施，由此增强生态旅游目的地“拉力”；与此同时，住宿可以延长游客旅游时间，降低“行游比”。因此，财政支持力度与住宿企业数量两项指标效用得以凸显。反之，专项资金投入在生态旅游中多以广义旅游商品形式呈现，但在2020—2021年，经济下行，消费降级，许多商品有价无市，该指标效力由此降低。
R3，即~财政支持力度∗专项资金投入∗~森林覆盖率∗餐饮企业数量∗住宿企业数量∗城镇化水平。此路径可为同时缺乏财政支持与森林禀赋的省域提供生态旅游发展路径参考。该路径在2020—2021年未见相关演化路径。
R4，~财政支持力度∗~专项资金投入∗森林覆盖率∗~餐饮企业数量∗~住宿企业数量∗城镇化水平*人均互联网端口数。此路径正向指标最少，不依赖财政支持，但强调森林覆盖率与城镇化水平，仅出现在海南（2016—2018年）和辽宁（2016年，2018—2019年）。该路径在2020—2021年未见相关演化路径。
（2）路径案例时空分布
===表7由研究周期内各路径案例信息整理而成，展示了各省域在各高水平生态旅游吸引力路径的分布情况与持续时间。在研究周期内，共出现19个案例，集中分布于中国东南部。高水平生态旅游吸引力路径最早出现在2013年，且呈现出案例数量随时间推移而递增的趋势。在所有案例中，福建和四川保持高水平生态旅游吸引力时间最长，达8年；浙江和湖南紧随其后，保持高水平生态旅游吸引力达7年。
表7 案例省份路径时间分布

Tab. 7 Pathways timeline distribution of case provinces


年份

路径		 省域
广东 浙江 福建 北京 陕西 湖北 重庆 湖南 贵州 四川 江西 广西 云南 江苏 上海 河南 安徽 海南 辽宁
2013 R2 R2
2014 R1 R2 R2 R2 R3
2015 R1 R1 R2 R2 R2 R3
2016 R1 R1 R1 R2 R3 R3 R3 R4 R4
2017 R1 R1 R1 R2 R2 R2 R3 R3 R3 R3 R4
2018 R1/5 R1/5 R1/6 R1/5/6 R1 R1 R7 R2/7 R2 R3 R3 R3 R4 R4
2019 R1/5 R1 R1/6 R1/5/6 R1 R1 R7 R3 R4
2020 R13 R13 R8 R9/10 R9 R13 R9/10 R12 R11 R9/10 R12
2021 R8 R8 R13 R8 R13 R9 R13 R9/10 R12 R11 R10 R12 R10

注：R1及其演化路径用实线外框表示，R2及其演化路径用阴影着色表示，/表示“或”，即该省份在该时段可被不同路径解释。

福建与浙江相邻，所在路径均为R1及其演化路径，且核心条件均含森林覆盖率及餐饮企业数量两项核心条件。两省均为沿海省份和林业大省，民营经济发达，人民生态旅游需求旺盛，具有良好生态旅游发展基础与客源市场。同时，近年来，两省着力推动生态旅游发展，不仅出台系列生态旅游建设制度，还积极与其他省份合作共建，形成浙皖闽赣、海峡两岸、长三角等区域协作战略。
四川与湖南均属内陆省域，所在路径均为R2及其演化路径，两省财政投入充足且食宿配套完善，为生态旅游提供较好发展平台，均在研究周期内最早实现高水平生态旅游吸引力。近年来，四川与湖南深耕森林康养产业，建设系列样板工程，如四川洪雅林场获得全国首家“森林康养林场培训基地”、湖南天岳幕阜山获得首例“国家森林康养基地认证实践项目”等，两省在森林康养领域引领全国。

3.2.2 低水平生态旅游吸引力路径

如表8所示，在参数设置一致的情况下，同时段的低水平路径均多于高水平路径。3个时段路径同样呈现出连续性与稳定性。从驱动因素构成上看，除r6外，其他路径至少缺失政策环境或经济环境其中之一的支持；从路径时间分布上看，低水平路径最早出现在2011年，案例数量随时间推移呈现较大波动，未见明显上升或下降趋势；从典型案例看，在研究周期内，低水平生态旅游吸引力超过8年的省域包括天津（11年）、甘肃（9年）、黑龙江（10年）和新疆（10年）。
表8 低水平生态旅游吸引力路径

Tab. 8 Pathways to low-level ecotourism attractiveness

条件 2011—2019年 2018—2019年 2020—2021年
变量 r1 r2 r3 r4 r5 r6 r7 r8 r9 r10 r11 r12 r13 r14 r15 r16 r17 r18 r19
Fs ● 􀱋 ● 􀱋 􀱋 ● ● 􀱋 ● 􀱋 ● 􀱋 ● 􀱋 ● 􀱋 􀱋
Sf 􀱋 􀱋 􀱋 􀱋 ● ● 􀱋 􀱋 􀱋 􀱋 􀱋 􀱋 􀱋 􀱋 􀱋 􀱋 􀱋 ●
Fc 􀱋 􀱋 ● 􀱋 􀱋 􀱋 􀱋 􀱋 ● 􀱋 􀱋 􀱋 􀱋 ● 􀱋 􀱋 􀱋 􀱋
lnC 􀱋 􀱋 􀱋 􀱋 ● ● 􀱋 􀱋 􀱋 􀱋 ● 􀱋 􀱋 􀱋 􀱋 ● 􀱋 ● 􀱋
lnA 􀱋 􀱋 􀱋 􀱋 ● ● 􀱋 􀱋 􀱋 􀱋 ● 􀱋 􀱋 􀱋 􀱋 ● 􀱋 ● 􀱋
Up 􀱋 􀱋 ● ● ● 􀱋 􀱋 􀱋 ● ● ● 􀱋 ● ● ● 􀱋 􀱋
Ip 􀱋 ● 􀱋 ● ● ● 􀱋 􀱋 ● ● ● 􀱋 􀱋 ●
原始
覆盖率		 0.251 0.210 0.129 0.137 0.106 0.094 0.093 0.214 0.182 0.152 0.077 0.095 0.227 0.204 0.092 0.071 0.145 0.069 0.106
唯一
覆盖率		 0.079 0.056 0.058 0.028 0.025 0.051 0.052 0.053 0.017 0.085 0.029 0.066 0.055 0.035 0.048 0.032 0.073 0.021 0.059
结果
一致性		 0.879 0.970 0.873 0.919 0.892 0.814 0.840 0.907 0.855 0.984 0.926 0.909 0.923 0.915 0.943 0.983 0.984 0.914 0.899
总体
覆盖率		 0.588 0.426 0.519
总体
一致性		 0.874 0.900 0.933

3.2.3 稳健性检验

定性比较分析的研究者认为，高低水平路径不具有对称性，研究低水平路径与高水平路径是否对称是最传统、最常用的QCA稳健性检验方法。如果同一种路径既能导致高水平结果又能导致低水平结果，即同因异果，则认为此路径应当剔除[35]。对比表6与表8，可以发现同时段内高低水平生态旅游吸引力路径并不对称，也不存在同因异果路径，表明研究结果稳健。

4 研究结论与建议

4.1 研究结论

文章以省域生态旅游吸引力为研究对象，基于2011—2021年数据，使用动态fsQCA探索高水平生态旅游吸引力路径。通过对比2011—2019年、2018—2019年及2020—2021年三个时段路径（表6），整理各路径案例（表7），刻画高水平生态旅游吸引力路径的时空分布与演化过程，并得出以下结论：
（1）生态旅游吸引力由政府、企业、居民与游客所塑造之宏观环境协同驱动而成，任一驱动因素均不构成必要条件（表4），但由政府主导的政策环境（如表5：Fs∗Sf∗Fc与~Fs∗~Sf∗~Fc，表示高低水平财政支持力度、专项资金投入与森林覆盖率），构成高低水平生态旅游吸引力必要条件，证明政府对生态旅游发展起决定性作用。
（2）研究周期内共出现13条高水平生态旅游吸引力路径（表6），展现出较强连续性与稳定性（表7），其中，解释力最高的R1和演化路径最多的R2均以森林覆盖率、餐饮企业数量为核心条件。需注意的是，在参数设置一致的情况下，低水平路径同样呈现出连续性与稳定性。13条路径中，除部分R1外，其他均非驱动要素齐备的“完美路径”，但殊途同归。相较于2018—2019年，2020—2021年人均接待生态游客人次减少0.4人次，但高水平生态旅游吸引力路径却增加3条，体现了旅游产业异常波动状态下生态旅游的韧性。
（3）研究周期内共出现19个高水平生态旅游吸引力省域（表7），集中分布于中国东南部。其中，四川、湖南最早实现高水平生态旅游吸引力，但偶有年份未能保持，所在路径均为R2及其演化路径；福建、浙江自实现高水平生态旅游吸引力后能够连续稳定保持，所在路径均为R1及其演化路径，福建连续保持时间最长，达8年。

4.2 实践建议

基于研究结论，为各利益主体提出以下实践建议：
（1）各省域在制定生态旅游吸引力提升战略时，应系统扫描由政府、企业、居民与游客所塑造的宏观环境，正视政策环境的决定性作用，确保必要的财政支持力度与专项资金投入，并根据当地实际情况维持或提升森林覆盖率。
（2）各省域应正视高、低水平生态旅游路径在演化过程中呈现出的路径依赖特征，勇于突破，避免止步不前或陷入恶性循环。森林覆盖率、餐饮企业数量作为两条典型高水平路径的核心条件，应给予高度重视。但需注意，对生态旅游吸引力而言，森林覆盖率、餐饮企业数量的提升在“量”更在“质”。各省域在提升或维持森林覆盖率的同时应重视森林植被结构，注重营造符合地方乡土文化、季节特色的森林景观；在提升或维持餐饮企业数量同时应重视挖掘地方餐饮文化，做好口碑营销与顾客关系管理，更好适应现阶段旅游产业淡旺季。
（3）案例省域多样化的非“完美路径”可为各利益主体决策提供理论参考。在充分扫描所在省域驱动要素情况后，政府可“就近”选择高水平生态旅游吸引力路径作为相关资源配置决策参考；食宿企业与当地居民可结合政府战略与生态旅游吸引力现状辅助就业、创业决策；游客也可通过人均接待生态旅游人次等指标判断各省域生态旅游吸引力、基础设施完善程度及食宿接待能力等，辅助形成出行决策。
文章尚存在以下不足：首先，文章仅以人均接待生态旅游人次表征生态旅游吸引力，未将游客人均生态旅游花费等纳入分析，后续研究可通过解决研究周期内货币通货膨胀等问题进一步探索；其次，19个案例省份集中分布于中国东南部，路径所在省域存在相邻情况，如R1及其演化路径分布的广东、浙江和福建及陕西、湖北和重庆，是否具有空间相关性尚有待进一步讨论；最后，文章采用直接校准法校准，可能在一定程度上存在评价标准的机械性，未来可通过挖掘合理标准再次进行探讨。

真诚感谢评审专家在文章的分析框架、语言表达及逻辑推理等方面提出的宝贵建议与指导，本文获益匪浅！

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
中共中央办公厅, 国务院办公厅. 关于建立健全生态产品价值实现机制的意见[EB/OL]. (2021-04-26).

[ General Office of the CPC Central Committee, General Office of the State Council. Opinions on Establishing and Improving the Realization Mechanism for the Value of Ecological Products[EB/OL]. (2021-04-26).

[2]
郭安禧, 郭英之, 孙雪飞, 等. 国外旅游目的地吸引力研究述评与展望[J]. 世界地理研究, 2016, 25(5): 153-166.

[ Guo Anxi, Guo Yingzhi, Sun Xuefei, et al. A literature review of tourism destination attractiveness[J]. World Regional Studies, 2016, 25(5): 153-166.]

[3]
罗文利, 李冬花, 蒋伟峰, 等. 生态旅游地旅游者幸福感的影响因素及作用路径: 以武夷山风景名胜区为例[J]. 中国生态旅游, 2024, 14(2): 339-358.

DOI

[ Luo Wenli, Li Donghua, Jiang Weifeng, et al. Research on influencing factors and action paths of tourists’ happiness in ecotourism destinations: A case study of Wuyi mountain scenic area[J]. Journal of Chinese Ecotourism, 2024, 14(2): 339-358.]

DOI

[4]
谢彦君. 基础旅游学[M]. 4版. 北京: 商务印书馆, 2015.

[ Xie Yanjun. Tourism Studies[M]. 4th ed. Beijing: The Commercial Press, 2015.]

[5]
章锦河, 苏杨, 钟林生, 等. 国家公园科学保护与生态旅游高质量发展: 理论思考与创新实践[J]. 中国生态旅游, 2022, 12(2): 189-207.

DOI

[ Zhang Jinhe, Su Yang, Zhong Linsheng, et al. Scientific protection of national parks and high-quality development of tourism: Theoretical thinking and innovative practice[J]. Journal of Chinese Ecotourism, 2022, 12(2): 189-207.]

DOI

[6]
牛莉芹, 王紫彦, 王垚垚, 等. 基于旅游干扰的历山自然保护区游径附近森林群落生态环境承载力[J]. 自然资源学报, 2023, 38(4): 995-1009.

DOI

[ Niu Liqin, Wang Ziyan, Wang Yaoyao, et al. Study on ecological environment carrying capacity of forest community near tourist roads in Lishan nature reserve based on tourism disturbance[J]. Journal of Natural Resources, 2023, 38(4): 995-1009.]

DOI

[7]
朱春雨, 曹建生. 生态旅游研究进展与展望[J]. 中国生态农业学报(中英文), 2022, 30(10): 1698-1708.

[ Zhu Chunyu, Cao Jiansheng. Research progress and prospects of ecotourism[J]. Chinese Journal of Eco-Agriculture, 2022, 30(10): 1698-1708.]

[8]
刘雪梅, 保继刚. 从利益相关者角度剖析国内外生态旅游实践的变形[J]. 生态学杂志, 2005, 24(3): 348-353.

[ Liu Xuemei, Bao Jigang. Analysis on unqualified ecotourism practice: From the point of view of stakeholders[J]. Chinese Journal of Ecology, 2005, 24(3): 348-353.]

[9]
王瑾, 张玉钧, 石玲. 可持续生计目标下的生态旅游发展模式: 以河北白洋淀湿地自然保护区王家寨社区为例[J]. 生态学报, 2014, 34(9): 2388-2400.

[ Wang Jin, Zhang Yujun, Shi Ling. Evaluation index system of sustainable livelihoods ecotourism strategy: A case study of Wangjiazhai Community in Baiyangdian wetland nature reserve, Hebei[J]. Acta Ecologica Sinica, 2014, 34(9): 2388-2400.]

[10]
陈海鹰, 曾小红. 利益相关者视角的乡村生态旅游社区参与模式探讨: 以海口龙鳞村为例[J]. 广东农业科学, 2011, 38(14): 157-160.

[ Chen Haiying, Zeng Xiaohong. Discussion on the model of community participation of rural eco-tourism from the point of interest-related bodies: Taking Longlin Village in Haikou as an example[J]. Guangdong Agricultural Sciences, 2011, 38(14): 157-160 ]

[11]
张志恒, 陈兴鹏, 冯会会, 等. 基于利益相关者理论的区域生态旅游发展路径优化研究以敦煌市为例[J]. 资源开发与市场, 2016, 32(6): 749-753.

[ Zhang Zhiheng, Chen Xingpeng, Feng Huihui, et al. Research on the optimization of regional ecotourism development path based on stakeholder theory: A case study of Dunhuang City[J]. Resource Development & Market, 2016, 32(6): 749-753.]

[12]
李维安, 王世权. 利益相关者治理理论研究脉络及其进展探析[J]. 外国经济与管理, 2007, 29(4): 10-17.

[ Li Weian, Wang Shiquan. Research thread and progress of stakeholder governance theory[J]. Foreign Economics & Management, 2007, 29(4): 10-17.]

[13]
Dwyer L, Kim C. Destination competitiveness: Determinants and indicators[J]. Current Issues in Tourism, 2003, 6(5): 369-414.

[14]
黄艳葵. 生态旅游利益相关者共同治理的问题分析与对策[J]. 经济研究参考, 2016(41): 97-100.

[ Huang Yankui. Analysis and countermeasures on the common governance of eco-tourism stakeholders[J]. Review of Economic Research, 2016(41): 97-100.]

[15]
张红贤, 游细斌, 白伟杉, 等. 目的地旅游吸引力测算及相关因素分析[J]. 经济地理, 2018, 38(7): 199-208.

[ Zhang Hongxian, You Xibin, Bai Weishan, et al. Measurement of destination tourism attractiveness and influence factors[J]. Economic Geography, 2018, 38(7): 199-208.]

[16]
Tao T C H, Wall G. Tourism as a sustainable livelihood strategy[J]. Tourism Management, 2009, 30(1): 90-98.

[17]
曾诗晴, 谢彦君, 史艳荣. 时光轴里的旅游体验: 历史文化街区日常生活的集体记忆表征及景观化凝视[J]. 旅游学刊, 2021, 36(2): 70-79.

[ Zeng Shiqing, Xie Yanjun, Shi Yanrong. The space-time axis of tourist experience: The representation and landscape gaze of collective memory regarding everyday life in historical streets[J]. Tourism Tribune, 2021, 36(2): 70-79.]

[18]
Dann G M S. Tourist motivation an appraisal[J]. Annals of Tourism Research, 1981, 8(2): 187-219.

[19]
Johnson G, Scholes K, Whittington R. Exploring Corporate Strategy: Text and Cases[M]. New York: FT Prentice Hall, 2004.

[20]
陈洁. 基于PEST模型的专利情报分析方法研究: 以石墨烯为例[J]. 中国发明与专利, 2021, 18(1): 30-36.

[ Chen Jie. Research on patent intelligence analysis approach based on PEST model: Take graphene technology as an example[J]. China Invention & Patent, 2021, 18(1): 30-36.]

[21]
张雪晶, 陈巧媛, 李华敏. 从体验对象到体验场域: 乡村旅游地高质量发展组态分析[J]. 旅游学刊, 2022, 37(5): 33-44.

[ Zhang Xuejing, Chen Qiaoyuan, Li Huamin. From experiencing object to experiencing field: A configuration analysis on the high-quality development of rural tourism destinations[J]. Tourism Tribune, 2022, 37(5): 33-44.]

[22]
曹文, 李德荃, 秦婷婷. 森林生态旅游业发展的利益协调机制[J]. 中国人口·资源与环境, 2014, 24(8): 100-108.

[ Cao Wen, Li Dequan, Qin Tingting. Research on the interests coordination mechanism of forest ecological tourism development[J]. China Population, Resources and Environment, 2014, 24(8): 100-108.]

[23]
何海, 王亚辉. 基于TDI城市类世界知名旅游目的地旅游综合竞争力比较研究[J]. 经济地理, 2023, 43(9): 231-240.

DOI

[ He Hai, Wang Yahui. Comparative study on comprehensive competitiveness of city-type world-renowned tourist destinations based on TDI[J]. Economic Geography, 2023, 43(9): 231-240.]

DOI

[24]
张可云, 王洋志, 孙三百. 行政级别、财政支持与城市创新能力: 兼论不同区域发展战略的影响[J]. 浙江社会科学, 2021(12): 13-23, 155.

[ Zhang Keyun, Wang Yangzhi, Sun Sanbai. Administrative level, financial support and innovation capability of city: Also on the impacts of regional strategies[J]. Zhejiang Social Sciences, 2021(12): 13-23, 155.]

[25]
吴雪飞, 赵磊. 旅游业是产业结构变迁的动力吗? 来自中国的经验证据[J]. 旅游科学, 2019, 33(5): 80-103.

[ Wu Xuefei, Zhao Lei. Finding the driving force for China’s industrial structure change: A case from tourism[J]. Tourism Science, 2019, 33(5): 80-103.]

[26]
Chen J S, Gursoy D. An investigation of tourists’ destination loyalty and preferences[J]. International Journal of Contemporary Hospitality Management, 2001, 13(2): 79-85.

[27]
王兆峰, 霍菲菲, 徐赛. 湘鄂渝黔旅游产业与旅游环境耦合协调度变化[J]. 经济地理, 2018, 38(8): 204-213.

[ Wang Zhaofeng, Huo Feifei, Xu Sai. Coupled development and regional differences between tourism industry and tourism environments in Hunan, Hubei, Chongqing and Guizhou[J]. Economic Geography, 2018, 38(8): 204-213.]

[28]
林爽, 赵磊. 城镇化进程对旅游产业竞争力的门槛效应研究[J]. 旅游学刊, 2020, 35(11): 27-41.

[ Lin Shuang, Zhao Lei. Study on the threshold effect of urbanization on the competitiveness of tourism industry[J]. Tourism Tribune, 2020, 35(11): 27-41.]

[29]
刘震, 杨勇, 眭霞芸. 互联网发展、市场活力激发与旅游经济增长: 基于空间溢出视角的分析[J]. 旅游科学, 2022, 36(2): 17-43.

[ Liu Zhen, Yang Yong, Sui Xiayun. Internet development, market vitality and tourism economic growth: Based on the perspective of spatial spillover[J]. Tourism Science, 2022, 36(2): 17-43.]

[30]
王晓华, 白凯. 新媒体时代目的地形象的解构与重构[J]. 旅游学刊, 2018, 33(3): 1-3.

[ Wang Xiaohua, Bai Kai. Deconstruction and reconstruction of destination image in the new media era[J]. Tourism Tribune, 2018, 33(3): 1-3.]

[31]
罗蓉, 彭楚慧, 李勇辉. 互联网使用会促进家庭旅游消费吗? 基于“两阶段消费者意愿-行为转换理论” 的分析[J]. 消费经济, 2020, 36(5): 57-67.

[ Luo Rong, Peng Chuhui, Li Yonghui. Does the Internet use promote home tourism consumption? Based on two-stage consumer willingness and behavior transition theory[J]. Consumer Economics, 2020, 36(5): 57-67.]

[32]
林海, 胡亚美, 陈金华. 什么决定了区域数字化发展? 基于“技术-组织-环境”(TOE)框架的联动效应分析[J]. 科技管理研究, 2022, 42(14): 24-32.

[ Lin Hai, Hu Yamei, Chen Jinhua. What determines the development of regional digitalization? A study on co-movement effect based on TOE[J]. Science and Technology Management Research, 2022, 42(14): 24-32.]

[33]
杜运周, 贾良定. 组态视角与定性比较分析(QCA): 管理学研究的一条新道路[J]. 管理世界, 2017, 33(6): 155-167.

[ Du Yunzhou, Jia Liangding. Configuration perspective and Qualitative Comparative Analysis (QCA): A new way of management research[J]. Management World, 2017, 33(6): 155-167.]

[34]
蒙克, 魏必. 反思QCA方法的“时间盲区”: 为公共管理研究找回“时间”[J]. 中国行政管理, 2023(1): 96-104.

[ Meng Ke, Wei Bi. Rethinking the “time blindness” of the qualitative comparative analysis: Bringing back “time” for public management research[J]. Chinese Public Administration, 2023(1): 96-104.]

[35]
张驰, 郑晓杰, 王凤彬. 定性比较分析法在管理学构型研究中的应用: 述评与展望[J]. 外国经济与管理, 2017, 39(4): 68-83.

[ Zhang Chi, Zheng Xiaojie, Wang Fengbin. The application of qualitative comparative analysis (QCA) in configuration research in business administration field: Commentary and future directions[J]. Foreign Economics & Management, 2017, 39(4): 68-83.]

[36]
池毛毛, 杜运周, 王伟军. 组态视角与定性比较分析方法: 图书情报学实证研究的新道路[J]. 情报学报, 2021, 40(4): 424-434.

[ Chi Maomao, Du Yunzhou, Wang Weijun. Configurational perspective and qualitative comparative analysis: The new way of empirical research in library and information science[J]. Journal of the China Society for Scientific and Technical Information, 2021, 40(4): 424-434.]

[37]
伯努瓦·里豪克斯, 查尔斯C. 拉金. QCA设计原理与应用: 超越定性与定量研究的新方法[M]. 杜运周, 李永发译. 北京:机械工业出版社, 2017.

[Benoît Rihoux, Charles C. Ragin. Configurational Comparative Methods: Qualitative Comparative Analysis (QCA) and Related Techniques[M]. Du Yunzhou, Li Yongfa, Trans. Beijing: China Machine Press, 2017.]

[38]
Schneider C Q, Wagemann C. Set-Theoretic Methods for the Social Sciences: A Guide to Qualitative Comparative Analysis[M]. New York: Cambridge University Press, 2012.

Options
文章导航

/

〈 〉