我国政府旅游网站发展水平的空间分异研究
第6期（总第355期）2013年6月财经问题研究Research on Financial and Economic IssuesNumber 6（General Serial No. 355）Jun
第6期（总第355期）
2013年6月
财经问题研究
Research on Financial and Economic Issues
Number 6（General Serial No. 355）
June ，2013
·旅游经济·
我国政府旅游网站发展水平
的空间分异研究
付业勤，杨文森，郑向敏
（华侨大学旅游学院，福建
泉州362021）
摘要：本文基于ArcGIS 和GeoDa 技术，运用探索性空间数据分析方法进行可视化表达和分
析，以我国31个省级行政区域为研究单元，从数量和质量的角度，探讨我国各省区政府旅游网站发展水平的空间分异规律，识别造成空间分异的主要影响因素，最后针对研究结论提出了三个方面的发展对策。
关键词：政府旅游网站; 空间分异; 探索性空间数据分析中图分类号：F592. 6；TP393
文献标识码：A
176X （2013）06-0133-07文章编号：1000-
一、引言
以互联网和电子商务为代表的信息经济，给
全球经济带来巨大冲击，成为促进地方经济发展和产业升级的关键力量。旅游业是信息密集型产业，对信息流通和信息技术有着高度的依赖。信息技术对旅游业发展的影响深远，促进了旅游产业活动各环节的信息化，改变着旅游企业的经营模式和商业交易模式，降低了旅游企业经营成本，提高了旅游服务效率，改善了旅游服务质量，增加了旅游产品服务的交易量。作为旅游信息化平台的旅游网站，在我国最早出现于1997年
［1］
级政府旅游管理部门利用互联网发布政府信息、
提供在线服务和开展互动交流而建立的网站，承担了网上办公、业务协同、政务公开、办事引导、招商引资、行业监管、投诉受理和宣传教育
［3］
等行政管理职能，以及信息发布、营销推广、产品推介、虚拟旅游、安全提示和交流互动等旅［2］
游公共信息服务职能，为政府部门和社会公众提供办公政务、公共信息、便民惠民和安全保
障
等多种服务内容，是“十二五”期间我国旅游信息化建设的重要领域。
［4］
，由于旅游产业需求和信息技术发展的双
现阶段，政府旅游网站研究主要集中在对网站的目的地营销、信息传播、品牌塑造和投资吸引等功能的评价，以及政府旅游网站的整体建设和信息资源服务等方面。从空间角度对政府旅游网站的研究尚属空白。旅游网站的空间研究是互
［5］
联网地理学的重要组成部分。现有研究包括：
重驱动，旅游网站发展速度惊人、功能日趋完善。目前，我国已形成包括旅游企业传统网站、现代在线旅游电子商务网站和政府旅游网站在内
［2］
的旅游网站体系。其中，政府旅游网站是各
01-25收稿日期：2013-基金项目：国家社会科学基金重点项目“全面提升旅游业发展质量的基本理论、关键问题及对策研究”（10AZD028）
mail ：fuyeqin2作者简介：付业勤（1984－），男，四川攀枝花人，博士研究生，主要从事旅游安全管理和旅游信息化研究。E-@126. com
杨文森（1989－），女，河南商丘人，硕士研究生，主要从事旅游地理研究。
郑向敏（1954－），男，福建永春人，教授，博士，博士生导师，主要从事旅游安全管理和区域旅游发展战略研究。
,134
张捷等运用描述统计和旅游网站特征指数对国内旅游网站的空间分布及类型进行研究，发现区域经济、网络技术和旅游发展程度是影响空间分布
［5］
的主要因素；程绍文等运用描述统计和城市旅游网站集中度指数研究了国内旅游网站的空间分布，发现旅游企业数量、旅游接待人次、网站总数、网民数和居民消费水平是旅游网站空间分
［6］
布差异的主要影响因素；董志良等对河北在Alexa 全球排名前50旅游网站的空间分布进行统计，发现旅游企业数、旅游接待人数和网民数是
［7］
影响分异规律的主要因素。这些研究的方法比较简单，且无对政府旅游网站的研究。
财经问题研究2013年第6期总第355期
越来越多的学者使用探索性空间数据分析研究区域空间分异问题。
ESDA 是反映属性数据的空间分布状况，识别空间上的离群值和非典型区，判断空间关联模式以及探寻空间异质形式的一系列空间分析方法
［8］
与技术的集合。ESDA 在GIS 平台上，以测度空间关联为核心，描述空间的聚集性和异质性，将空间关联分析结果可视化，以更好地揭示研究对象之间的空间作用机制和分布特征。作为ESDA 的重要方法，空间自相关分析（Spatial Autocorrelation Analysis ）对区域单元上的属性数据或地理现象等观测值与相邻区域单元上该观测值的相关性进行测度，根据分析范围分为全域空间自相关分析和局域空间自相关分析。全域空间自相关分析（Global Spatial Autocorrelation Analysis ）描述观测值的整体分布，判断观测值
［10］
在空间上是否存在聚集特性。然而，全域空间自相关分析假定空间是同质的，只能从整体上探索观测值的空间聚集性，无法进一步识别聚集的具体位置、区域相关的程度和不同类型的空间聚集模式，需要用局域空间自相关分析（Local Spatial Autocorrelation Analysis ）陷
［11］
［9］
由于受信息化程度、社会经济水平和旅游经
济发展等因素影响，兼具旅游电子政务、目的地营销与旅游公共服务平台功能的政府旅游网站发展水平，在不同区域具有较大差异。研究我国政府旅游网站发展水平的空间分异，揭示不同地区政府旅游网站在网站数量和质量方面的发展情况，并识别其影响因素，对于认识和缩小地区之间的发展差异，具有较强的理论和实践意义。因此，本文以地区发展的空间分异为研究视角，以我国31个省级行政区域（以下简称省区）为研究单元，选取网站密度和Alexa 排名百分比作为衡量政府旅游网站发展水平的指标，在ArcGIS 和GeoDa 平台上，运用探索性空间数据分析（Exploratory Spatial Data Analysis ，ESDA ）方法，揭示各省区政府旅游网站发展水平的地区差异性，探索其空间分异规律，运用双变量相关分析识别造成空间分异的主要影响因素，并提出相应的发展策略，为国家和地方在政府旅游网站区域协调发展方面的决策提供依据。
二、研究方法
认识和把握社会经济现象的空间分异（差异）规律，对于制定区域空间规划和区域发展政策具有重要的指导意义，空间分异一直是国内外学界关注的焦点问题。传统的空间分异研究主要采用标准差、变异系数、基尼系数、锡尔系数和地理集中指数等指标，以及建构指标体系，采用因子分析、主成分分析和聚类分析等方法进行定量分析。由于缺乏空间视角，这些方法往往突出的是整个区域的社会经济差异，忽略了区域内部的空间效应，在判断区域内部的空间结构与演化状况方面存在着不足，难以真实正确地反映空间分异的变化和机制。为克服这一缺陷，近年来
弥补这一缺
。局域空间自相关分析可以度量每个区域
与周边地区之间的局域空间关联和空间差异程［12］
度。本文使用全域空间自相关分析的全域Moran's I 指数，以及局域空间自相关分析的Moran 散点图和Getis －Ord G *i 指数作为统计量，研究我国政府旅游网站发展水平的空间分异。
（一）全域空间自相关分析全域Moran's I 指数是探索观测值在区域中的整体分布情况，判断其在空间上是否聚集，分析整个研究区域的空间关联结构模式的统计［10］
量，表达式为：
I =
∑∑w （x
i =1
ij
j ≠i
n
n n
i
－x ）（x j －x ）珋珋
n
（1）
s 2∑∑w ij
i =1
j ≠i
式中：x i 、x j 为观测值，x 为观测值的均值，珋1
n 为观测点个数，s =∑（x i －x ）2，w ij 为空间珋
n i =1
2
n
连接矩阵，对于邻接矩阵，若区域i 和j 相邻，w ij =1，否则w ij =0；对于距离矩阵，若区域i 和j 之间距离小于指定距离，w ij =1，否则w ij =0。对全域Moran's I 指数值进行显著性检验，表达式为：
,我国政府旅游网站发展水平的空间分异研究
Z （I ）=
I －E （I ）（2）
135
化处理：
Z （G ）=
*
i
－E （G *G *i i ）（G i ）式中：E （I ）为数学期望，Var （I ）为变异系
数。在5显著性水平下，若标准化值Z （I ）大于1. 96，表明观测值的空间分布具有关联性；若Z （I ）介于1. 96和－1. 96之间，表明观测值的空间自相关性较弱；若Z （I ）小于－1. 96，表明观测值呈负的空间自相关性。
全域Moran's I 指数值在－1和1之间，若I 大于0，表示观测值为正向空间自相关，并且I 越趋近1时，正相关越强、总体空间差异越小、呈聚集空间格局；若I 小于0，表示观测值为负向空间自相关，并且I 越趋近－1时，负相关越强、总体空间差异越大、呈离散空间格局；若I 趋近0，表示观测值不存在空间自相关、观测值之间相互独立、呈随机分布趋势。
（二）局域空间自相关分析
1. Moran 散点图
Moran 散点图是将观测值与均值的离差组成的向量y ，与其相邻区域值的加权平均值Wy 之间的相互关系，进行可视化的二维图示。Moran 散点图的横轴对应向量y 的所有观测值，纵轴对
［13］
应空间滞后因子Wy 的所有取值。而Moran 散点图的横纵坐标轴被分成四个象限，分别代表了区域单元与其相邻区域之间的四种局部空间联系形式。第一象限（右上）为高—高聚集，高观测值的区域被同样是高值的区域所包围的空间联系形式，区域本身和周边的空间差异较小；第二象限（左上）为低—高聚集，表示低观测值区域被高值区域包围的空间联系形式，两者的空间差异较大；第三象限（左下）为低—低聚集，表示低观测值区域被同样是低值的区域包围的空间联系形式，两者的空间差异较小；第四象限（右下）为高—低聚集，表示高观测值区域被低值的区域所包围的空间联系形式，两者的空间差异较大。其中的高、低是相对于区域总体平均水平而言。
2. Getis －Ord G *i 指数
*
局部关联指数Getis －Ord G i 被用来识别不
（4）
*
式中：若Z （G i ）大于0且显著，表示区域i 是高值与高值的聚集，属于热点区域；*
若Z （G i ）小于0且显著，表示区域i 是低值与低值的聚集，属冷点区域。
三、实证分析
（一）研究区域与数据指标
以我国31个省区为研究单元，由于制度差异，未选择我国香港、澳门和台湾地区的政府旅游网站。根据最新行政区划，对31个省级、333
［14］
个地级和2858个县级行政区域的政府旅游网站，利用谷歌、百度搜索引擎检索，关键词为“地名 旅游局/旅游委员会”，符合要求的政府旅游网站均由旅游管理部门建设和所有，共得到1891个政府旅游网站作为研究样本，检索时间为2012年7月13—26日。
互联网是高度复杂和快速变化的系统
［15］
，
目前尚缺乏公认的衡量互联网发展水平的指标和
手段。根据参考文献和实际情况，从数量和质量两个方面，对政府旅游网站发展水平进行描述。
［16］
数量方面，采用网站密度指标，即该省区政府旅游网站总数与该省区的县级以上行政区域总数的比值，是政府旅游网站在该省区县级以上行政区的覆盖情况，表示政府旅游网站在该省区的普及程度和发展强度。质量方面，Alexa 网站（www. alexa. com ）是目前国际上最权威的排名网站，根据网站流量等因素为网站进行全球范围的排名，在网站评价中被广泛使用，排名结果可反映网站在访问量、信息质量、访问速度、访问
［17］
时间和外部链接网站数等方面的综合质量。使用Alexa 网站对1891个政府旅游网站进行测
评，得到1321个网站的全球综合排名，其余570个网站无排名数据。统计在1321个网站中Alexa 排名位列前500网站的省区分布，计算每个省区Alexa 排名前500网站数占该省区网站总数的百分比（以下简称Alexa 排名百分比），以衡量该省区政府旅游网站的质量水平。
（二）空间分异的全域分析
运用ArcGis9. 3软件，计算我国31个省区政府旅游网站在网站密度和Alexa 排名百分比两个指标的全域Moran's I 指数估计值，如表1所示。全域Moran's I 指数值在网站密度上为正，
同空间位置上的高值簇与低值簇
G （d ）=
*i
［9］
，表达式为：
（3）
∑w
j =1
n j =1
n
ij
x j
j
∑x
*
为了便于解释和比较，对G i （d ）进行标准
,136
检验结果较显著，说明我国政府旅游网站密度存在正向的空间自相关，但空间自相关性不强，网站密度水平相似的地区在空间上呈一定程度的聚集状态，相邻省区之间存在相互影响；Alexa 排名百分比指标的全域Moran's I 指数值为负，说明我国政府旅游网站的质量水平为负向的空间自相关，且空间自相关性较弱，各省区政府旅游网站的质量水平呈空间分散格局，各省区之间政府旅游网站质量的相关性不大。
表1
我国政府旅游网站发展水平指标的全域Moran's I 值
名
称
网站密度0. 09991. 7781
Alexa 排名百分比
－0. 02750. 0764
财经问题研究2013年第6期总第355期
府旅游网站的网站密度（WZMD ）和Alexa 排名百分比（ALEXA ）的散点图（如图1所示）。对于处在第一、三象限的省区来说，省区之间存在扩散作用，相互之间的空间差异趋于缩小；对于处在第二、四象限的省区来说，省区之间存在极
［13］
化作用，相互间的空间差异在不断扩大。观察网站密度和Alexa 排名百分比指标Moran 散点图的整体特征，发现处在空间差异较小的第一和
第三象限的省区数量均有较大优势，分别为25个和24个，占总数的80. 65和77. 42；处在空间差异较大的第二和第四象限的省区数量较少，仅6个和7个，比重为19. 35和22. 58。我国政府旅游网站发展水平相近的省区呈集中分布，空间差异较小。两个指标位于
第三象限“低—低”聚集的省区都是最多，都是17个，说明我国大多数省区政府旅游网站的覆盖密度和网站质量都相对较低，属于较低水平的聚集。
Moran's I Z （I ）
（三）空间分异的局域分析1. Moran 散点图
运用GeoDA 软件，计算出我国31个省区政
图1我国政府旅游网站发展水平指标的Moran 散点图
接下来对处于四个象限的省区（如表2所示）进行具体分析。
首先，分析网站密度指标。政府旅游网站密度的空间差异较小、区域本身和周边地区水平都较高的省区有山东、江苏、浙江、福建、海南、天津、上海、北京均属于东部省区，除海南外，社会经济和旅游业普遍较发达。网站密度的空间差异较小、区域本身和周边地区水平都较低的省区数量最多，包括东北的吉林、黑龙江，中部的山西、河南和湖南，以及西部的广西、青海、甘肃、陕西、内蒙古、重庆、四川、新疆、宁夏、
西藏、云南和贵州，这些省区经济和旅游发展水平较东部地区有较大差距。网站密度的空间差异较大，区域本身水平较低，但周边区域较高的省区都来自中部，分别是安徽、河北和江西。网站密度的空间差异较大，区域本身水平较高，但周边较低的省区包括中部的湖北、东部的广东和东北的辽宁。这三个省区的政府旅游网站密度高于周边其他省区的水平，处于鹤立鸡群的地位。其次，分析Alexa 排名百分比指标。政府旅游网站质量的空间差异较小、区域本身和周边水平都较高的省区包括东部的江苏、浙江、广东、
,我国政府旅游网站发展水平的空间分异研究
137
河南、安徽和湖北，以及东部的山东和河北。网站质量的空间差异较大，区域本身水平较低，但周边区域较高的省区分别是中部的江西和西部的贵州。网站质量的空间差异较大，区域本身水平较高，但周边区域较低的省区包括西部的西藏，东部的福建、北京和海南，以及中部的湖南。
天津和上海，西部的云南、广西，其中东部4省区经济和旅游发展水平均较领先，而西部的云南和广西旅游发展水平也较高。网站质量的空间差异较小、区域本身和周边地区水平都较低的省区包括东北三省，西部的新疆、宁夏、青海、甘肃、陕西、内蒙古、重庆和四川，中部的山西、
表2指
标
我国政府旅游网站发展水平指标Moran 散点图四个象限的对应区域高—高聚集（HH ）山东、江苏、浙
低—高聚集（LH ）
低—低聚集（LL ）广西、吉林、青海、甘肃、陕西、内蒙古、重庆、四川、黑龙江、新疆、山西、宁夏、西藏、河南、湖南、云南、贵州黑龙江、新疆、山西、宁夏山东、河南、安徽、湖北、吉西藏、北京、福建、林、辽宁、青海、甘肃、陕西海南、湖南内蒙古、重庆、河北、四川
湖北、广东、辽宁高—低聚集（HL ）
网站密度江、福建、海南河北、安徽、江西天津、上海、北京天津、江苏、浙
Alexa 排名百分比江、上海、广东江西、贵州云南、广西
2. Getis －Ord G *i 指数
为了更好地诠释我国各省区政府旅游网站发展水平的空间分异，运用ArcGis9. 3软件，通过
*
局部关联指数Getis －Ord G i 探讨热点和冷点区域的空间格局，根据Jenks 自然最佳断裂点分级
表3指
标
方法
，将局部统计量从高到低分成4类，包
括热点区（≥1. 96）、次热区（0，1. 96）、次冷
0）和冷点区（≤－1. 96），生成我区（－1. 96，
［18］
国政府旅游网站发展水平空间格局的热点表，具
体区域如表3所示。
*
我国政府旅游网站发展水平指标Getis －Ord G i 对应区域
热点区次热区次冷区冷点区
山东、河南吉林、辽宁、内蒙古、河北黑龙江、海南、广西、贵州网站密度
安徽、江苏北京、天津、山西、湖北、湖云南、陕西、宁夏、甘肃、青上海、浙江
南、江西、福建、广东
海、新疆、西藏
四川、重庆
江苏、上海、浙江、福建、广黑龙江、吉林、辽宁、河北Alexa 排名百分比
东、海南、安徽、江西、河南北京、天津、山东、内蒙古湖北、湖南、广西、贵州、新山西、宁夏、甘肃、青海、四疆、西藏
川、重庆、云南
陕西
我国政府旅游网站密度呈现东、西两极分化格局，并以东部地区为核心，具有典型的核心—边缘模式特征。热点区的空间联动性较好，相互作用的程度较高，热点区主要集中在东部的山东、江苏、上海和浙江，以及中部的河南和安徽。其中以江苏、上海和浙江为代表的长三角地区空间联动性最为明显，上海在这一地区起到了较大的带动作用。次热区主要由东部、东北和中部地区的省区构成。冷点区的空间联动发展状态较弱，区域之间的相互作用强度较低。次冷区和冷点区
大部分位于西部，主要是由于西部各省区政府旅游网站的密度普遍较低，没有明显的增长极。从Alexa 排名百分比所反映的网站质量空间格局热点图来看，由于国内各省区网站质量普遍不高，这一指标最高的上海也只有65. 38，周边的江苏和浙江这一比重不到上海的一半，分别为31. 01和28. 57，没有相邻的几个省区均在Alexa 排名百分比方面具有绝对优势，因而无热点区。说明在网站质量方面，国内没有省区具有显著的辐射和带动功能。而次热区主要集中在
,138
华东、华南以及西南的部分地区。这些区域的网站质量水平较为均衡，但也无明显的空间联动和相互作用发生。次冷区和冷点区涵盖了广大的西部和北部地区。
四、空间分异的影响因素
一般情况下，影响各省区政府旅游网站发展水平的影响因素，主要可从一省区的互联网发展水平、经济社会发展水平和旅游经济发展水平三进行探讨。本文分别采用互联网
普及率、人均GDP （人均地区生产总值）和旅游总收入三个指标代表以上三方面的发展水平，方面
与网站密度和Alexa 排名百分比进行双变量相关分析，以了解互联网发展水平、经济社会发展水平和旅游经济发展水平对政府旅游网站发展水平的影响程度，识别政府旅游网站发展水平空间分异的主要影响因素。互联网普及率、人均GDP 和旅游总收入均取2011年数据，统计数据来自各省区的统计年鉴和政府工作报告。双变量相关分析的结果如表4所示。
表4影响因素互联网普及率人均GDP 旅游总收入括号内为t 值。
我国政府旅游网站发展水平空间分异
影响因素的相关分析
网站密度
＊
0. 7940＊（0. 0000）＊
（0. 0000）829＊
＊
613＊（0. 0000）
财经问题研究2013年第6期总第355期
名均符合东部省区靠前、中部和西部省区靠后的
规律。人均GDP 所代表的地区社会经济发展水平较高，旅游产业的发展水平一般也较高，导致旅游信息化程度较高；且政府在旅游电子政务上的经费投入一般较经济落后地区更多，因此，政府旅游网站密度也更高。当然凡事均有例外，一些社会经济发展相对落后地区，如网站质量排名前十的海南、广西、西藏和云南，这些省区虽然经济相对落后，但由于政府对旅游业的重视程度
［20］
较高，将旅游业作为国民经济的支柱产业，对旅游发展投入的经费较多，这四省区的政府旅游网站维护程度和网站质量也相对较好。因此，人均GDP 所代表的经济社会发展水平并不是政府旅游网站质量的决定性因素。
对旅游总收入进行探讨，政府旅游网站密度与旅游总收入具有非常显著的正相关（P ＜0. 0100），而Alexa 百分比排名与旅游总收入不具有相关性。政府旅游网站密度排名和旅游收入排名基本符合东部靠前、中西部靠后的规律。旅游总收入所代表的旅游经济发展水平高，既是政府旅游网站营销推广和旅游公共服务功能所取得的具体绩效，反过来也能刺激这些省区的旅游主管部门投入更多的经费建设政府旅游网站，进一步提高旅游政务信息化和旅游目的地营销水平。然而如何看待旅游经济发展水平与政府旅游网站质量不相关的现象，主要由于一些省区往往注重政府旅游网站的建设和覆盖，把政府旅游网站建设当作一劳永逸的面子工程，一朝建成之后却忽视了旅游网站的持续更新、维护和管理，造成网站数量多但质量较低的情况。
五、发展对策
（一）提高网站质量
目前，各地旅游行政主管部门往往不遗余力通过扩充政府旅游网站数量的方式，实现旅游政务信息化的发展要求。扩充政府旅游网站的数量主要采取增加政府旅游网站种类和外语语种网站种类，以及增加区、县级行政单位政府旅游网站的覆盖率等方式。根据调查统计发现，目前我国已有23个省区旅游行政主管部门主办的旅游资讯网、商务网、预订网、虚拟旅游、手机WAP 和旅游论坛等其他类型网站的数量超过了旅游政务网的数量，且外语版本网站数量和语种种类已相当可观。这固然说明了政府旅游网站信息内容的多样、服务项目的丰富。但与此同时，大量网
［5－6－7－15－19］
Alexa 排名百分比
＊
0. 5950＊（0. 0000）
0. 4380*（0. 0140）0. 2010（0. 2780）
注：＊＊和*分别表示在1和5的水平上显著；
在互联网普及率方面，网站密度和Alexa 排名百分比都与互联网普及率具有非常显著的正相关性（P＜0.0100）。政府旅游网站密度排名与互联网普及率排名均呈现东部省区排名靠前、中西部省区靠后的规律。一个省区的高互联网普及率一方面与政府对信息化方面的重视和投入有关，另一方面一个地区较高的互联网发展水平也带动了政府旅游网站的建设和普及。两者呈现高度依存、相互促进的关系，可以说政府旅游网站密度较高的省区互联网普及率一般也较高。Alexa 百分比排名与互联网普及率排名也有较强的一致性，网站质量较高的省区互联网发展水平一般也较高。
在人均GDP 方面，网站密度与人均GDP 具有非常显著的正相关性（P ＜0.0100），而Alexa 排名百分比与人均GDP 存在较强的正相关（P ＜0. 0500）。政府旅游网站密度排名与人均GDP 排
,我国政府旅游网站发展水平的空间分异研究
139
－499.
［6］程绍文，张捷，梁玥琳，等. 我国旅游网站空间分布
2009，24（2）：75及动力机制研究［J ］. 旅游学刊，－80.
［7］董志良，白翠玲，宋晓忠. 河北省旅游网站空间分
J ］. 石家庄经济学院学报，2009，32异规律及模型［（6）：76－79.
［8］Fotheringham ，A. S. Exploratory Spatial Data Analysis
and GIS ：Commentary ［J ］. Environment and Planning 1992，24（12）：1675－1678. A ，
［9］Getis ，A. ，Ord ，J. K.
The Analysis of Spatial
Association by Use of Distance Statistics ［J ］. 1992，24（3）：189－206. Geographical Analysis ，
［10］Anselin ，L. GIS Research Infrastructure for Spatial
Analysis of Real Estate Markets ［J ］. Journal of Housing Research ，1998，9（1）：113－133.
［11］Griffith ，D. A Linear Regression Solution to the
Spatial Autocorrelation Problem ［J ］.
Journal of
Geographical Systems ，2000，（2）：141－156.
［12］Ord ，J. K. ，Getis ，A. Local Spatial Autocorrelation
Statistics ：Distributional Issues and an Application ［J ］. Geographical Analysis ，1995，27（4）：286－306.
［13］蒲英霞，葛莹，马荣华，等. 基于ESDA 的区域经济
——以江苏省为例［J ］. 地理研究，空间差异分析—2005，24（6）：965－974.
［14］维基百科. 中华人民共和国县级以上行政区列表
［EB /OL］. http ：//zh.wikipedia. org /wiki，2012－06－23.
［15］汪明峰. 中国城市的互联网发展类型与空间差异
［J ］. 城市规划，2007，31（10）：16－22.
［16］俞立平. 中国互联网发展水平测度指标体系研究
［J ］. 中国流通经济，2005，（12）：32－34.
［17］孙毓敏，朱学芳. 基于外链分析的我国网上零售
. 现代情报，2011，31商城影响力分析与评价［J ］（4）：165－169，173.
［18］车前进，段学军，郭垚，等. 长江三角洲地区城镇
2011，66空间扩展特征及机制［J ］. 地理学报，（4）：446－456.
［19］邱娟，汪明峰. 进入21世纪以来中国互联网发展
. 地域研究与的时空差异及其影响因素分析［J ］2010，29（5）：28－32. 38. 开发，
［20］杨欢，吴殿廷，王三三. 我国各地区旅游业产业地
. 人文地理，2011，（5）：76位与发展定位研究［J ］－81.
站存在访问速度较慢甚至是无法打开、网页设计
粗糙、导航结构不清晰和信息缺乏更新等问题，这些问题的集中反映就是Alexa 网站的排名较低。因此，我国政府旅游网站未来在数量扩张的同时，务必要提高网站质量。
（二）区域协调统筹
基于我国各省区政府旅游网站发展水平“高—高”和“低—低”聚集显著，东西部发展差异较大的特点，未来国家旅游局等主管部门在推进地方旅游政务信息化过程中，要注意东、中、西部的统筹和协调发展。东部上海、北京、江苏和浙江等是政府旅游网站发展水平较高的省区，在提升自身网站质量的同时，要注意发挥辐射和带动作用，通过区域旅游合作、对口支援、帮扶建设、培训指导和经验推广等方式，带动周边区域和中西部省区政府旅游网站发展水平的提高。同时，国家旅游局也应注意各省区政府旅游网站建设的区域差异问题，出台促进全国政府旅游网站协调发展的网站建设和维护的标准规范，将政府旅游网站的建设水平和日常维护情况纳入考核指标，进一步提升我国政府旅游网站的整体发展水平。
（三）加大投入力度
针对互联网发展水平是影响政府旅游网站发展水平空间分异的最主要因素的特点，未来各省区要在加大互联网基础设施建设的资金和技术投入，进一步提高地区信息化发展水平的基础上，提高政府旅游网站的数量和质量水平，不断完善政府旅游网站的办公辅助、政务公开、办事引导、行业管理、旅游营销、形象推广和公共服务等功能。参考文献：
［1］侯建娜，李仙德. 在线旅游国内外研究进展与展望
［J ］. 世界地理研究，2011，20（1）：151－158. ［2］国家旅游局信息中心. 中国旅游业“十二五”发展
规划信息化专项规划［Z ］. 北京：国家旅游2011. 局，［3］
陈潭，罗晓俊. 中国网络政治研究：进程与争J ］. 政治学研究，2011，（4）：85－100. 鸣［
［4］国家旅游局. 中国旅游业“十二五”发展规划纲要
［Z ］. 北京：国家旅游局，2011.
［5］张捷，刘泽华，解杼，等. 中文旅游网站的空间类型
. 地理科学，2004，24（4）：493及发展战略研究［J ］
（责任编辑：刘艳）