“一带一路”沿线国家交通基础设施对入境旅游的空间效应研究——基于多重距离权重的考察

doi:10.12118/j.issn.1000-6060.2023.075

Abstract

Abstract:

In the context of the Belt and Road Initiative, the development of interconnection transport infrastructure has promoted regional inbound tourism development. However, few studies have revealed the impact of transport infrastructure on inbound tourism development within a spatial context. To address this gap, this study employs spatial autocorrelation, kernel density estimation, and spatial econometric models to empirically explore the spatial effects of transport infrastructure construction on inbound tourism in countries along the Belt and Road from 2000 to 2021. The study findings are as follows: (1) Railway network radiates from the Czech Republic, Poland, Hungary, Slovakia, and other Central and Eastern European countries toward the northeast of the region. Meanwhile, the core of the road network is primarily located at the east and west ends of the study area, spanning from China, Vietnam, Laos, and Thailand to Poland, the Czech Republic, Slovakia, and Lithuania at the opposite end. (2) Inbound tourism development follows a distinctive “core-periphery” spatial pattern, expanding from coastal countries into inland countries. (3) Inbound tourism development exhibits profound positive spatial spillover effects in geographically proximate, economically, or institutionally similar countries or regions, with spillover coefficients of 0.381, 0.311, and 0.233, respectively. Geographical proximity exerts the strongest driving effect on inbound tourism development. Conversely, countries with similar cultural characteristics exhibit a competitive effect. (4) Transport infrastructure construction is a crucial path for generating spatial spillover in inbound tourism. Railway infrastructure demonstrates a positive spatial spillover effect on inbound tourism from countries with similar systems, with 1.507 spillover coefficient. Moreover, road infrastructure exerts a positive spillover effect on inbound tourism, particularly in countries with similar geographical proximity and systems, with spillover coefficients of 0.040 and 0.101. Furthermore, air infrastructure has a profound spatial spillover effect on inbound tourism from countries with similar institutional structures. These results are important for the further development of inbound tourism within a large-scale region and contribute to a deep understanding of the correlation between tourism and transport in such large-scale regions.

Key words: transportation infrastructure, inbound tourism, multiple distance weight, spatial effect, the Belt and Road

LEI Zhenxian, WANG Kun, ZHAO Songxin. Spatial effects of transport infrastructure on inbound tourism in countries along the Belt and Road: Based on multiple distance weights[J].Arid Land Geography, 2023, 46(11): 1915-1926.

Figures/Tables 10

Tab. 1

Tab. 2

Fig. 1

Tab. 3

Indicators and calculation methods of the spatial weighting matrix"

权重矩阵类型	衡量指标	计算公式	公式参数含义	数据来源
地理距离（ $W i j G$ ）	国家i、j之间的欧式距离	$W i j G = 1 d i j, i ≠ j 0, i = j$	d_ij为地区i、j之间的欧式距离。	空间统计分析软件（Open Geoda）中自动生成
经济距离（ $W i j E$ ）	国家i、j在时间跨度内实际GDP平均值差值绝对值的倒数	$W i j E = 1 y - i - y - j, i ≠ j 0, i = j$	$y - i$ 、 $y - j$ 分别为地区i、j时间跨度内GDP的平均值。	世界银行数据库
文化距离（ $W i j C$ ）	权力距离（C₁）	$W i j C = 1 ∑ k = 1 n C k i - C k j V k, i ≠ j 0, i = j$	$C k i$ 、 $C k j$ 分别为地区i、j在第k个维度文化距离的值; $V k$ 为第k个维度文化距离值的方差。	霍夫斯塔德文化指数
	个人/集体主义（C₂）
	男性/女性特质（C₃）
	不规避因（C₄）
	长期/短期取向（C₅）
	放纵/克制（C₆）
制度距离（ $W i j I$ ）	政治稳定性（I₁）	$W i j I = 1 ∑ p = 1 n C p i - C p j V p, i ≠ j 0, i = j$	$C p i$ 、 $C p j$ 分别为地区i、j在第p个维度制度距离的值; $V p$ 为第p个维度制度距离值的方差。	世界银行全球治理指数
	政府效率（I₂）
	监管质量（I₃）
	法治规则（I₄）
	话语权与问责制（I₅）
	腐败控制（I₆）

Tab. 3

Fig. 2

Fig. 3

Tab. 4

Moran’s I and its significance for inbound tourism"

年份	$W i j G$	$W i j E$	$W i j C$	$W i j I$
2000	0.0191^*	0.2098^***	-0.0463	0.1047^***
2001	0.0264^*	0.1889^***	-0.0437	0.0969^***
2002	0.0196^*	0.1900^***	-0.0431	0.0914^***
2003	0.0255^*	0.1942^***	-0.0461	0.0953^***
2004	0.0254^*	0.2000^***	-0.0459	0.1045^***
2005	0.0303^**	0.2063^***	-0.0498^*	0.1136^***
2006	0.0330^**	0.2083^***	-0.0517^*	0.1195^***
2007	0.0362^**	0.2034^***	-0.0532^**	0.1191^***
2008	0.0396^**	0.2057^***	-0.0528^**	0.1249^***
2009	0.0450^***	0.2166^***	-0.0535^**	0.1285^***
2010	0.0350^**	0.1937^***	-0.0531^**	0.1151^***
2011	0.0652^***	0.2365^***	-0.0595^**	0.1625^***
2012	0.0713^***	0.2491^***	-0.0611^**	0.1784^***
2013	0.0696^***	0.2410^***	-0.0637^***	0.1763^***
2014	0.0677^***	0.2410^***	-0.0651^***	0.1698^***
2015	0.0783^***	0.2462^***	-0.0669^***	0.1785^***
2016	0.0865^***	0.2527^***	-0.0677^***	0.1835^***
2017	0.0892^***	0.2485^***	-0.0695^***	0.1901^***
2018	0.0960^***	0.2510^***	-0.0706^***	0.2024^***
2019	0.0988^***	0.2548^**	-0.0574^**	0.2127^**
2020	0.7360^**	0.1846^***	-0.0433^**	0.1511^***
2021	0.6570^**	0.1720^**	-0.0359^*	0.1228^***

Tab. 4

Tab. 5

Estimation results of OLS and SPDM"

变量	OLS	SPDM
变量	OLS	$W i j G$	$W i j E$	$W i j C$	$W i j I$
Rail	1.180^***（5.091）	0.063^*（1.907）	0.213^*（1.930）	1.250^***（3.431）	0.286^**（1.750）
Road	0.012（0.107）	0.007^**（2.372）	0.011^***（3.701）	0.003（0.836）	0.006^***（2.580）
Air	0.018（1.301）	0.012^***（2.669）	0.003（0.505）	0.005（1.208）	-0.001（-0.337）
Pgdp	0.002^***（4.238）	0.001^***（4.365）	0.002^***（2.825）	0.001^**（1.814）	0.001^*（1.953）
Ser	2.033^***（4.130）	0.225（1.102）	0.750^***（2.830）	-0.046（-0.172）	0.063（0.574）
Den	-0.046^***（-4.969）	-0.105（-0.308）	-0.050^***（-2.953）	-0.078^***（-3.201）	-0.035^***（-2.870）
Open	1.215^***（3.574）	-0.041^**（-2.293）	1.127^***（4.350）	0.210（0.661）	-0.501^***（-3.100）
Res	12.031^***（9.608）	5.605^***（-4.765）	4.392^***（3.162）	3.520^***（3.705）	2.361^***（3.105）
W×Tour	-	0.381^***（5.470）	0.311^***（7.249）	-0.533^***（-6.100）	0.233^***（3.182）
W×Rail	-	0.439（0.401）	0.041（0.055）	2.330（0.901）	3.692^***（4.501）
W×Road	-	0.028^*（1.698）	-0.010（-1.387）	-0.031（-0.633）	0.175^***（3.205）
W×Air	-	-0.033^*（-1.707）	0.070^***（2.682）	0.062^*（1.375）	0.058^***（2.865）
W×Pgdp	-	0.001（0.371）	-0.001（-1.023）	-0.005（-0.510）	0.003（0.776）
W×Ser	-	3.267^**（2.469）	-2.343^***（-5.975）	2.065（0.702）	-1.919^**（-2.284）
W×Den	-	0.825（0.489）	-0.122^**（-1.794）	0.190（0.329）	-1.901^***（-3.086）
W×Open	-	-2.610^**（-2.169）	-2.081^***（-4.395）	-3.512^**（-1.320）	-1.085（-1.237）
W×Res	-	6.374（1.439）	3.081（1.071）	-4.155（-0.351）	7.057^***（4.031）
R²	0.356	0.953	0.986	0.985	0.977
Log-L	1222.700	4768.055	4831.700	3579.433	5814.710
LM-spatial lag		P=0.001	P=0.000	P=0.001	P=0.000
Robust LM-spatial lag		P=0.000	P=0.000	P=0.001	P=0.000
LM-spatial error		P=0.000	P=0.000	P=0.004	P=0.003
Robust LM-spatial error		P=0.002	P=0.000	P=0.002	P=0.000
Hausman test		P=0.000	P=0.000	P=0.000	P=0.000

Tab. 5

Tab. 6

Decomposition of the spatial effects of transport infrastructure on the impact of inbound tourism"

空间效应分解	$W i j G$	$W i j E$	$W i j C$	$W i j I$
铁路直接效应	0.112^* （1.806）	0.275^* （1.701）	1.023^*** （4.571）	0.452^*** （3.843）
铁路间接效应	0.751 （0.300）	0.182 （0.107）	1.132 （0.576）	1.507^*** （3.140）
铁路总效应	0.863 （0.589）	0.457 （0.372）	2.155 （1.399）	1.959^** （4.760）
公路直接效应	0.005^** （2.300）	0.011^*** （3.512）	0.008 （1.164）	0.015^*** （4.573）
公路间接效应	0.040^** （1.821）	-0.020 （-0.901）	-0.048 （-1.002）	0.101^*** （3.219）
公路总效应	0.045^*** （1.923）	-0.009 （-0.120）	-0.040 （-0.732）	0.116^** （2.410）
航空直接效应	0.012^** （2.585）	0.008 （1.074）	0.006 （1.030）	0.002 （0.209）
航空间接效应	-0.045^* （-1.743）	0.095^*** （2.890）	0.061 （1.391）	0.126^*** （3.216）
航空总效应	-0.033^** （-2.350）	0.103^*** （2.730）	0.067^* （1.803）	0.128^*** （4.478）

Tab. 6

Fig. 4

References 31

[1]	Wang J J, Selina Y A U. Case studies on transport infrastructure projects in Belt and Road Initiative: An actor network theory perspective[J]. Journal of Transport Geography, 2018, 71: 213-223. doi: 10.1016/j.jtrangeo.2018.01.007
[2]	Teo H C, Lechner A M, Walton G W, et al. Environmental impacts of infrastructure development under the Belt and Road Initiative[J]. Environments, 2019, 6(6): 72, doi: 10.3390/environments6060072.
[3]	赫玉玮, 张辉. “一带一路”沿线城市国际旅游合作的现实基础与路径选择[J]. 青海社会科学, 2019(2): 58-65.
	[ He Yuwei, Zhang Hui. The realistic basis and path selection of international tourism cooperation in cities along the Belt and Road[J]. Qinghai Social Sciences, 2019(2): 58-65. ]
[4]	汪德根, 陈田, 陆林, 等. 区域旅游流空间结构的高铁效应及机理——以中国京沪高铁为例[J]. 地理学报, 2015, 70(2): 214-233. doi: 10.11821/dlxb201502004
	[ Wang Degen, Chen Tian, Lu Lin, et al. Mechanism and HSR effect of spatial structure of regional tourist flow: Case study of Beijing-Shanghai HSR in China[J]. Acta Geographica Sinica, 2015, 70(2): 214-233. ] doi: 10.11821/dlxb201502004
[5]	李一曼, 修春亮, 孔翔. 浙江陆路交通对区域旅游空间结构及发展的影响研究[J]. 地理科学, 2018, 38(12): 2066-2073. doi: 10.13249/j.cnki.sgs.2018.12.015
	[ Li Yiman, Xiu Chunliang, Kong Xiang. Influence of land transportation network evolution on spatial structure and development of regional tourism in Zhejiang Province[J]. Scientia Geographica Sinica, 2018, 38(12): 2066-2073. ] doi: 10.13249/j.cnki.sgs.2018.12.015
[6]	徐一帆, 张宏磊, 田原, 等. 交通系统对旅游空间结构影响研究进展与展望[J]. 旅游科学, 2020, 34(3): 32-46.
	[ Xu Yifan, Zhang Honglei, Tian Yuan, et al. The impact of transportation system on the spatial structure of tourism: Review and prospect[J]. Tourism Science, 2020, 34(3): 32-46. ]
[7]	Crouch G I. Demand elasticities for short-haul versus long-haul tourism[J]. Journal of Travel Research, 1994, 33(2): 2-7.
[8]	Cascetta E, Papola A, Pagliara F, et al. Analysis of mobility impacts of the high speed Rome-Naples rail link using withinday dynamic mode service choice models[J]. Journal of Transport Geography, 2011, 19(4): 635-643. doi: 10.1016/j.jtrangeo.2010.07.001
[9]	殷平, 杨寒胭, 张同颢. 高速铁路网与京津冀旅游: 空间作用与结构演化[J]. 旅游学刊, 2019, 34(3): 102-112.
	[ Yin Ping, Yang Hanyan, Zhang Tonghao. High-speed railway and tourism development in Beijing-Tianjin-Hebei region: Spatial interaction and restructuring[J]. Tourism Tribune, 2019, 34(3): 102-112. ]
[10]	汪德根, 牛玉, 王莉. 高铁对旅游者目的地选择的影响——以京沪高铁为例[J]. 地理研究, 2015, 34(9): 1770-1780. doi: 10.11821/dlyj201509014
	[ Wang Degen, Niu Yu, Wang Li. Influence of high-speed rail on choices of tourist destination based on the gravity model: A case study of Beijing-Shanghai high-speed rail in China[J]. Geographical Research, 2015, 34(9): 1770-1780. ] doi: 10.11821/dlyj201509014
[11]	Thrane C. Examining tourists’ long-distance transportation mode choices using a multinomial logit regression model[J]. Tourism Management Perspectives, 2015, 15: 115-121. doi: 10.1016/j.tmp.2014.10.004
[12]	李保超, 王朝辉, 李龙, 等. 高速铁路对区域内部旅游可达性影响——以皖南国际文化旅游示范区为例[J]. 经济地理, 2016, 36(9): 182-191.
	[ Li Baochao, Wang Chaohui, Li Long, et al. The influence of high-speed railways on accessibility of tourism in the region: A case study of southern Anhui international cultural tourism destination[J]. Economic Geography, 2016, 36(9): 182-191. ]
[13]	汪德根, 牛玉, 陈田, 等. 高铁驱动下大尺度区域都市圈旅游空间结构优化——以京沪高铁为例[J]. 资源科学, 2015, 37(3): 581-592.
	[ Wang Degen, Niu Yu, Chen Tian, et al. Optimizing tourist spatial structure for large scale regional metropolitan circles under the Beijing-Shanghai high-speed rail[J]. Resources Science, 2015, 37(3): 581-592. ]
[14]	Wang C, Lim M K, Zhang X, et al. Railway and road infrastructure in the Belt and Road Initiative countries: Estimating the impact of transport infrastructure on economic growth[J]. Transportation Research Part A: Policy and Practice, 2020, 134: 288-307. doi: 10.1016/j.tra.2020.02.009
[15]	马卫, 曹小曙, 黄晓燕, 等. 丝绸之路沿线交通基础设施空间经济溢出效应测度[J]. 经济地理, 2018, 38(3): 21-29.
	[ Ma Wei, Cao Xiaoshu, Huang Xiaoyan, et al. Measuring spatial economic spillover effects of transport infrastructure along the Silk Road Economic Belt[J]. Economic Geography, 2018, 38(3): 21-29. ]
[16]	Deng T, Hu Y, Yang Y. How geographic, cultural, and institutional distances shape location choices of China’s OFDI in tourism? An empirical study on B&R countries[J]. Asia Pacific Journal of Tourism Research, 2019, 24(8): 735-749. doi: 10.1080/10941665.2019.1630451
[17]	张艳艳, 于津平, 李德兴. 交通基础设施与经济增长: 基于“一带一路”沿线国家铁路交通基础设施的研究[J]. 世界经济研究, 2018(3): 56-68.
	[ Zhang Yanyan, Yu Jinping, Li Dexing. Transport infrastructure and economic growth: Based on “the Belt and Road” nation’s railway transportation infrastructure[J]. World Economy Studies, 2018(3): 56-68. ]
[18]	侯志强, 曹咪, 吴贵华. “一带一路”倡议的入境旅游政策效应——福建省经验数据的实证[J]. 华侨大学学报(哲学社会科学版), 2021(4): 62-76.
	[ Hou Zhiqiang, Cao Mi, Wu Guihua. The policy effect of inbound tourism of “The Belt and Road” Initiative: Case study of empirical data of Fujian Province[J]. Journal of Huaqiao University (Philosophy & Social Sciences Edition), 2021(4): 62-76. ]
[19]	Rosselló-Nadal J, He J. Tourist arrivals versus tourist expenditures in modelling tourism demand[J]. Tourism Economics, 2020, 26(8): 1311-1326. doi: 10.1177/1354816619867810
[20]	Brida J G, Gόmez D M, Segarra V. On the empirical relationship between tourism and economic growth[J]. Tourism Management, 2020, 81: 104-131.
[21]	谢五届, 何建民. 欧盟旅游资源空间格局及其动态演进: 1992—2016[J]. 经济地理, 2019, 39(10): 193-203.
	[ Xie Wujie, He Jianmin. Spatial pattern and dynamic distribution of tourism resources in European Union,1992—2016[J]. Economic Geography, 2019, 39(10): 193-203. ]
[22]	阮文奇, 郑向敏, 李勇泉, 等. 中国入境旅游的“胡焕庸线”空间分布特征及驱动机理研究[J]. 经济地理, 2018, 38(3): 181-189. doi: 10.2307/142277
	[ Ruan Wenqi, Zheng Xiangmin, Li Yongquan, et al. Spatial distribution characteristics and driving mechanism of “Hu Line” in inbound tourism in China[J]. Economic Geography, 2018, 38(3): 181-189. ] doi: 10.2307/142277
[23]	许培源, 刘雅芳. “一带一路”沿线国家恐怖活动对旅游业发展的影响[J]. 经济地理, 2020, 40(3): 216-224.
	[ Xu Peiyuan, Liu Yafang. The impact of terrorist activities on tourism development in countries along the Belt and Road[J]. Economic Geography, 2020, 40(3): 216-224. ]
[24]	杨兴柱, 顾朝林, 王群. 旅游流驱动力系统分析[J]. 地理研究, 2011, 30(1): 23-36. doi: 10.11821/yj2011010003
	[ Yang Xingzhu, Gu Chaolin, Wang Qun. Study on the driving force of tourist flows[J]. Geographical Research, 2011, 30(1): 23-36. ] doi: 10.11821/yj2011010003
[25]	LeSage J, Pace R. Introduction to spatial econometrics[M]. Boca Raton: CRC Press, 2009: 15-26.
[26]	王坤, 黄震方, 余凤龙, 等. 中国城镇化对旅游经济影响的空间效应——基于空间面板计量模型的研究[J]. 旅游学刊, 2016, 31(5): 15-25.
	[ Wang Kun, Huang Zhenfang, Yu Fenglong, et al. Spatial effects of China’s urbanization on tourism economic development: Empirical research based on the spatial panel econometric model[J]. Tourism Tribune, 2016, 31(5): 15-25. ]
[27]	Kogut B, Singh H. The effect of national culture on the choice of entry mode[J]. Journal of International Business Studies, 1988, 19(3): 411-432. doi: 10.1057/palgrave.jibs.8490394
[28]	周玲强, 毕娟. 文化距离对国际旅游目的地选择行为的影响: 以中国入境游市场为例[J]. 浙江大学学报(人文社会科学版), 2017, 47(4): 130-142.
	[ Zhou Lingqiang, Bi Juan. The influence of cultural distance on international tourism destination choices: A case study of China’s inbound tourism market[J]. Journal of Zhejiang University (Humanities and Social Sciences Edition), 2017, 47(4): 130-142. ]
[29]	张子昂, 保继刚. 多重距离对中国入境与出境旅游流的影响:基于组态的视角[J]. 地理科学, 2021, 41(1): 13-21. doi: 10.13249/j.cnki.sgs.2021.01.002
	[ Zhang Ziang, Bao Jigang. Effects of multiple distances on inbound and outbound tourism flows in China: A configuration-based perspective[J]. Scientia Geographica Sinica, 2021, 41(1): 13-21. ] doi: 10.13249/j.cnki.sgs.2021.01.002
[30]	Batsaikhan U, Dabrowski M. Central Asia: Twenty-five years after the breakup of the USSR[J]. Russian Journal of Economics, 2017, 3(3): 296-320. doi: 10.1016/j.ruje.2017.09.005
[31]	Suntikul W. Tourism and war: Global perspectives[C]// Wantanee Suntikul. Handbook of Globalisation and Tourism. Cheltenham: Edward Elgar Publishing Ltd., 2019.

地区	国家	数量
中俄蒙经济走廊	中国、俄罗斯、蒙古	3
东南亚	新加坡、马来西亚、印尼、缅甸、泰国、老挝、柬埔寨、越南、文莱、菲律宾、东帝汶	11
南亚	印度、巴基斯坦、孟加拉国、阿富汗、斯里兰卡、马尔代夫、尼泊尔、不丹	8
中亚	哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、塔吉克斯坦、吉尔吉斯坦	5
西亚和北非	伊朗、伊拉克、土耳其、叙利亚、约旦、黎巴嫩、以色列、巴勒斯坦、沙特阿拉伯、也门、阿曼、阿联酋、卡塔尔、科威特、巴林、埃及	16
中欧和东欧	波兰、立陶宛、爱沙尼亚、拉脱维亚、捷克、斯洛伐克、匈牙利、斯洛文尼亚、克罗地亚、波黑、黑山、塞尔维亚、阿尔巴尼亚、罗马尼亚、保加利亚、马其顿	16
独立国家联合体	乌克兰、白俄罗斯、格鲁吉亚、阿塞拜疆、亚美尼亚、摩尔多瓦	6

变量类型	变量	衡量指标	数据来源
被解释变量	入境旅游（Tour）	入境旅游人数/国家人口数	世界银行数据库（2000—2020年）、世界旅游组织（2021年）
解释变量	铁路网密度（Rail）	铁路长度/国土面积	世界银行数据库（2000—2021年）
	公路网密度（Road）	公路长度/国土面积	国际公路协会（2000—2021年）
	航空运输能力（Air）	航空客运量/国土面积	世界银行数据库（2000—2021年）
控制变量	旅游资源水平（Res）	世界级旅游资源总数/国土面积	联合国教科文组织（2000—2021年）
	经济发展水平（Pgdp）	各国人均GDP	世界银行数据库（2000—2021年）
	对外开放水平（Open）	经济自由度指数	美国传统基金会经济自由度指数（2000—2021年）
	旅游服务水平（Ser）	服务业就业人数/总就业人数	世界银行数据库（2000—2021年）
	市场规模（Den）	各国人口密度	世界银行数据库（2000—2021年）

Spatial effects of transport infrastructure on inbound tourism in countries along the Belt and Road: Based on multiple distance weights

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 10

References 31

Related Articles 7

Metrics

Comments

Recommended 0

[1]	XIAO Yichen, WEN Jun, LI Lingyu, FENG Qingwang. Differences and causes of spatial connectivity between China and countries along the Belt and Road [J]. Arid Land Geography, 2023, 46(10): 1723-1731.
[2]	YANG Li,FU Yuhui,WANG Jiaojiao. Spatiotemporal distribution patterns and driving factors of tourism information flow in Chinese provinces along the Belt and Road [J]. Arid Land Geography, 2023, 46(10): 1714-1722.
[3]	MA Wei, HUANG Xiao-yan, CAO Xiao-shu. Spatio-temporal pattern of openness of countries along the Belt and Road Initiative and its influencing factors [J]. Arid Land Geography, 2020, 43(5): 1358-1370.
[4]	LI Wen-long, LYU Jun, WANG Shan. Spatial pattern and influencing factors of the competitiveness of inbound tourism destinations in Inner Mongolia [J]. Arid Land Geography, 2019, 42(2): 404-413.
[5]	HE Zhao-li, SUN Hui, ZHANG Zhen-Long. Technical efficiency and influencing factors of China's inbound tourism [J]. , 2017, 40(6): 1282-1289.
[6]	TANG Zhongxia,,,MA Yaofeng,WEI Ying. Symbiosis inspection of QinghaiTibet area’s inbound tourism [J]. , 2012, 35(04): 671-677.
[7]	BAI Kai，，LU Chunyan. Spatial correlation of tourism popular cities’ awareness in China from the perspective of inbound tourists’ cognition [J]. , 2012, 35(02): 281-287.