论文部分内容阅读
引用格式：刘倩倩， 宋瑞， 周功梅. 旅华外国客源市场的俱乐部收敛研究——识别方法与影响因素[J]. 旅游学刊， 2021， 36（6）： 88-102. [LIU Qianqian， SONG Rui， ZHOU Gongmei. Club convergence in China’s foreign tourist source market： Recognition method and convergence factors[J]. Tourism Tribune， 2021， 36（6）： 88-102.]
[摘 要]鉴于市场的异质性和资源的有限性，旅游目的地需要对客源市场进行细分。根据俱乐部收敛假说，一个收敛俱乐部即为一个具有相似的初始水平、结构特征和演变趋势的自然细分市场。与人为预先设定俱乐部进行收敛检验不同，文章基于1997—2017年间全球139个国家和地区的旅华人次数据，采用非线性时变因子模型及其聚类算法对旅华外国客源市场进行俱樂部收敛检验和识别，并进一步运用ordered logit模型考察俱乐部收敛的影响因素。研究发现：旅华外国客源市场中共存在4个收敛俱乐部，各俱乐部在市场基础和变化趋势方面具有较大差异，且并未表现出明显的地理邻近或经济相似特征;客源市场的初始旅华人次、人均收入水平、人口规模和对外开放程度，客源市场与中国的地理距离、文化距离和经济距离，客源市场是否与中国接壤、是否施行过境免签政策等因素均显著影响客源市场所属收敛俱乐部的类别。为此，相关部门应当为不同收敛俱乐部中的客源市场制定差异化的营销推广方案，要不断巩固和强化俱乐部A中的客源市场，积极拓展和重点开发俱乐部B中的客源市场，并为俱乐部C注入新的发展动力。
[关键词]入境旅游;客源市场;俱乐部收敛;收敛因素;非线性时变因子模型
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2021）06-0088-15
Doi： 10.19765/j.cnki.1002-5006.2021.06.011
引言
联合国世界旅游组织统计数据显示，2018年中国共接待境外游客1.4亿人次，同比增长1.2%，明显低于同期全球入境旅游人次增速（6%）1。考虑到全球旅游市场的高度竞争性和中国日益增长的国际影响力，提振入境旅游已成为中国从旅游大国迈向旅游强国的关键所在。鉴于客源市场的异质性和资源的有限性，需对入境旅游客源市场进行细分，针对不同细分市场制定差异化的营销策略，方能有效促进入境旅游的增长。
近年来，国内外入境旅游客源市场研究主要集中于旅游需求[1]、影响因素[2-3]、时空结构[4-11]、季节性特征[12-13]和市场收敛假说[14-15]等方面。其中，客源市场收敛假说备受关注。旅游客源市场收敛假说由Narayan于2006年首次提出[16]，此后被用于澳大利亚[17]、斐济[18]、马来西亚[19-20]、新加坡[21-22]、土耳其[23-27]、塞舌尔[28]、南非[29]、西班牙[30]、印度[31]和中国台湾[32]等地的案例研究之中。由于俱乐部收敛检验可为细分旅游客源市场、制定差异化营销策略提供科学依据[27]，因此，本文在既有研究基础上，重点考察旅华外国客源市场的俱乐部收敛情况。
目前，已有研究根据地理和经济因素将中国的入境旅游客源市场划分为4个俱乐部，并通过单位根检验方法考察了不同俱乐部的收敛情况[14]。本文在此基础上，进一步克服人为预先设定俱乐部边界这一局限，充分考虑客源市场的异质性和收敛速度的时变性，对旅华外国客源市场的俱乐部收敛情况进行拓展研究。研究主要围绕两个问题展开：一是旅华外国客源市场是否满足俱乐部收敛假说？二是如果存在不同的收敛俱乐部，那么俱乐部分组的依据是什么？为此，本文将基于1997—2017年间全球139个国家和地区的旅华人次数据，采用非线性时变因子模型及其聚类算法对旅华外国客源市场的收敛俱乐部进行内生识别，并进一步运用ordered logit模型考察各收敛俱乐部的影响因素。
1 文献综述
收敛假说源于新古典经济增长理论。在应用新古典经济增长理论研究跨国经济增长规律时，逐渐形成了多种不同类型的收敛概念，主要包括σ收敛、β收敛、时间序列收敛和俱乐部收敛[33]。σ收敛是指，不同经济体的人均收入的离散程度随时间的推移而逐渐减小，可通过计算不同时点上各经济体人均收入对数的标准差进行衡量。β收敛分为绝对β收敛和条件β收敛，前者是指贫穷经济体和富裕经济体的人均收入随时间的推移而趋于同一个稳态水平，后者是指贫穷经济体和富裕经济体的人均收入随时间的推移而趋于各自的稳态水平，通常采用横截面或面板数据回归分析法对β收敛进行检验。由于σ收敛和β收敛检验将短期变动与长期趋同的特性混合在一起，其研究结论的准确性易受短期冲击影响，故Bernard和Durlauf提出了时间序列收敛的概念[34]，将潜在的短期变动融入趋势函数的确定性成分之中，并采用单位根和协整方法进行收敛检验。Li和Papell进一步将时间序列收敛划分为Bernard-Durlauf收敛、确定性收敛和随机收敛3种类型，其中，Bernard-Durlauf收敛要求相对产出的对数差分序列满足水平平稳，且均值为零;确定性收敛放松了对均值的要求，仅要求相对产出的对数差分序列满足水平平稳;随机收敛继续放松对水平平稳的要求，仅要求相对产出的对数差分序列满足趋势平稳[35]。值得关注的是，上述收敛概念均建立在跨地区检验基础之上，其原假设为无收敛，备择假设为所有经济体均收敛，遗漏了部分经济体收敛的情况。有鉴于此，学者们进一步提出了俱乐部收敛（club convergence）的概念。根据Barro和Sala-I-Martin的定义，俱乐部收敛是指初始水平和结构特征相似的一组经济体的人均收入收敛于相同的稳态[36]，收敛结果是形成收敛俱乐部（convergent club）。 借鉴经济收敛假说，Narayan首创性地提出了旅游客源市场收敛假说。起初，Narayan指出，若一国的国际旅游总人次与来自特定客源市场的国际旅游人次数之间的差异随时间推移而逐渐减小，则说明该客源市场满足收敛假说[16]。由于该定义过于严格，他在第二篇文章中借鉴了随机收敛的概念，将旅游客源市场收敛定义为：一国的国际游客总人次与来自特定国家的国际游客人次数之间的差异趋于平稳[18]。在此基础上，学者们又进一步提出客源市场个体收敛、总体收敛和俱乐部收敛等概念。所谓个体收敛是指，总体市场的旅游人次与某一客源市场的旅游人次的对数差分序列满足趋势平稳，既可通过单变量单位根检验对数差分序列的平稳性对个体收敛性进行判断，也可通过协整检验考察总体市场旅游人次序列与某一客源市场旅游人次序列的协整关系加以判断。所谓总体收敛是指，每个客源市场均满足个体收敛或者客源市场之间满足两两收敛，前者可通过面板单位根方法进行检验，后者可采用成对法加以检验[14]。所谓客源市场的俱乐部收敛是指，初始水平和结构特征相似的一组客源市场满足收敛假说，即组内各客源市场旅游人次的对数差分序列趋于平稳。
近年来，学者们基于不同案例和研究方法对旅游客源市场的收敛情况进行研究，并得出不同結论。Narayan最初采用含有两个及以下结构断点的拉格朗日乘数（Lagrange multiplier，LM）单位根检验方法探索了澳大利亚13个主要旅游客源市场在1991—2003年间的收敛情况[16]，随后又引入协整检验方法，对斐济的8个主要客源市场的收敛性进行检验[18]，发现澳大利亚和斐济均满足客源市场收敛假说。Lean和Smyth延续Narayan的研究方法，基于1995—2005年间的月度旅游人次数据对马来西亚客源市场的收敛性进行检验，发现马来西亚的10个主要旅游客源市场正在收敛[19]。然而，Tang进一步考虑了两个以上结构断点的情况，并运用含有m个结构断点的单位根检验方法重新评估1995—2008年间马来西亚旅游市场的收敛情况后发现，在10个选定的客源市场中仅有5个支持收敛假说[20]。Lee采用传统的Dickey-Fuller单位根检验方法，根据1993—1997年和2003—2007年来自非洲、美洲、欧洲和大洋洲的国际游客人次与来自亚洲的游客人次数之间的差异，研究了新加坡客源市场的收敛性，发现非洲和欧洲与亚洲市场正在趋近，来自美洲和大洋洲的客源存在长期收敛趋势[21]。Tan和Tan则采用由Carrion-i-Silvestre等开发的、最多包含5个结构断点的单位根检验方法，检验了新加坡的15个主要客源市场在1994年1月至2011年6月期间的收敛情况，发现其中12个客源市场支持收敛假说[22]。Yilanci和Eris[23]、Ozcan和Erdogan[25]以及Hepsag[37]基于游客人次的月度数据分析了土耳其主要客源市场的收敛情况。其中，Yilanci和Eris采用无需预先指定结构断点数量和位置的傅立叶平稳性检验方法，Ozcan和Erdogan采用两阶段LM和三阶段RALS-LM单位根检验方法，分别考察了土耳其14个主要旅游市场的收敛性，均得出14个市场中有10个支持收敛假说的结论[23，25]，而Hepsag则通过考虑游客人次差异序列的季节性特征，研究了季节性单位根框架下旅游市场的收敛情况后发现，旅游客源市场仅在1月、3月、4月、5月、7月、9月和10月满足收敛假设[37]。另外，Solarin和Lean运用KSS检验的非线性方法对2000—2010年间塞舌尔15个主要客源市场的收敛性进行检验后发现，除英国和美国以外的13个客源市场均支持收敛假说[28]。
在客源市场收敛研究中，俱乐部收敛日益受到青睐。相比于个体收敛和总体收敛，俱乐部收敛具有同一类型客源市场趋同、不同类型客源市场趋异的特点[38]。恰如Okazaki等所言，一个收敛俱乐部即为一个自然的细分市场[39]，它们具有相似的初始水平、结构特征及演变趋势。因此，俱乐部收敛研究可以帮助目的地管理部门更好地了解客源市场结构[40]，从而为精准细分客源市场并制定差异化营销策略提供科学依据[27]。从研究技术路线来看，如何划分俱乐部是俱乐部收敛研究的关键。目前，大体有两类：一是人为预先设定俱乐部。例如，Abbott等根据人均收入水平、市场供给能力、与目的地的地理距离等因素将旅游客源市场划分为不同俱乐部，并使用成对法研究了土耳其旅游市场的俱乐部收敛情况，其结果并不支持俱乐部收敛假说[24];Solarin根据地域范围，将南非的16个客源市场划分为非洲和非洲以外两个俱乐部，并通过单位根检验和协整检验方法考察了俱乐部内各客源市场的长期趋势，证明南非的旅游客源市场存在俱乐部收敛[29];类似地，罗浩和张瑜璇根据地理距离和经济发展水平，将中国的16个主要客源市场划分为亚洲和非亚洲、发达国家和发展中国家等4个俱乐部，但并未得到中国入境客源市场满足俱乐部收敛的证据[14]。二是根据算法自动识别收敛俱乐部。例如，Merida等运用非线性时变因子模型将西班牙旅游客源市场内生性地划分为3个收敛俱乐部[30];借助相同方法，Kaplan等将土耳其的29个客源市场划分为4个收敛俱乐部[26];Kourtzidis等将澳大利亚的客源市场划分为5个收敛俱乐部[17]。在最新一项研究中，Lin等以2001—2015年间土耳其所接待的全球81个国家和地区的游客人次等数据为基础，识别出了5个收敛俱乐部，并进一步考察了结构断点对俱乐部构成的影响[27]。
相较而言，人为预先设定俱乐部的方法可分析邻近地理区域或相似经济水平的客源市场之间是否存在收敛，但它仅仅考虑了经济或地理等某一方面相似的情况，难以满足俱乐部收敛概念中提出的“初始水平和结构特征相似”的前提条件，这在一定程度上降低了俱乐部识别的科学性。而基于数据驱动的内生俱乐部识别方法，克服了经济、地理等人为设定的局限性，可基于历史经验数据对客源市场的收敛俱乐部进行内生识别，使俱乐部的划分结果更为合理。非线性时变因子模型是目前用于俱乐部收敛研究的主要识别方法之一，它由Phillips和Sul提出并改进[41-42]，已被广泛应用于俱乐部收敛和聚类研究，其中，以经济学文献居多，在旅游类文献中应用较少[27]。相比于传统方法，非线性时变因子模型的优势体现在以下4个方面：第一，该模型能够充分考虑客源市场的个体异质性，允许个体异质性随时间而变动，且不需要关于数据平稳性的任何假设[43];第二，当客源市场存在“短期发散、长期收敛”的趋势时，以往经典的收敛检验方法会错误地拒绝收敛，而该模型可以全面准确地识别出收敛特征;第三，该模型不存在内生性问题导致的估计偏差和不一致的问题，能有效克服协整检验对个体间存在渐进协动性时具有较低解释力的局限[44];第四，该模型适用于样本量大、跨期时间长的面板数据，可避免使用单一时点的横截面数据进行聚类研究时所产生的随机影响[45]。需要指出的是，尽管基于数据导向的内生识别具有“让数据说话”的客观性，但其仍属于统计意义上的分析结果，需要研究者 结合现实环境赋予识别结果以意义，从而使“让数据说话”和“跟常识比对”有效结合，以更好地解释现实。 在上述研究基础上，本文旨在考察旅华外国客源市场的俱乐部收敛情况，并尝试从方法、内容和数据3个方面对现有研究进行拓展。第一，在方法上，本文采用非线性时变因子模型自动筛选和识别旅华外国客源市场的收敛俱乐部。如前文所述，目前，仅有部分学者采用该方法研究了西班牙、土耳其和澳大利亚旅游市场的俱乐部收敛情况，尚未有学者以中国为案例开展类似研究。第二，在内容上，尽管已有少数研究对旅游客源市场的收敛俱乐部进行了识别，但尚未对俱乐部的收敛因素进行考察。鉴于此，本文将运用ordered logit模型对俱乐部收敛的影响因素进行探讨，从而为制定针对性的营销策略提供更为深刻的见解。第三，在数据上，本研究以139个旅华外国客源市场作为研究样本，可更好地展现中国入境旅游市场的全貌，对全面而有效地制定入境旅游策略更具指导意义。
2 研究方法与数据来源
本文以1997—2017年间全球139个国家和地区的旅华人次数据作为实证依据，并基于Phillips和Sul提出的非线性时变因子模型及其聚类算法，对旅华外国客源市场的收敛俱乐部进行内生识别[41-42]。
2.1 研究方法
2.1.1 log t检验
首先，用ITRit表示第i个客源市场第t年的旅华人次数据，ITRit可以分解为：
[ITRit=δiμt+εit] （1）
式（1）中，μt为公共因子，εit为扰动项，δi反映了公共因子μt和系统部分ITRit的异质性距离。尽管δi体现了个体异质性，但是这种异质性不随时间而改变，因此，需要将扰动项εit融入系数中，得到时变的因子表达式：
[ITRit=δiμt+εitμtμt=δitμt] （2）
式（2）中，δit是一个时变参数，包含了随机成分εit，表示时变因子的载荷系数。由于δit可以有各自的时间路径，因此，式（2）被称为非线性时变因子 模型。
对于任意客源市场i，若δit收敛于常数δ，即[limt→∞δit=δ]，则说明客源市场满足收敛假说。为了检验δit的收敛性，需要构建一个半参数模型：
[δit=δi+σiξitL（t）-1t-α] （3）
式（3）中，δi为仅与客源市场i的特质相关且不随时间而变化的常数项;σi为异质性的规模参数且σi>0;ξ服从iid（0，1）分布且与t具有弱相关性;L（t）是一个缓慢变化的函数，且满足当t→∞时，L（t）→∞;α为衰减率，α≥0意味着收敛假说成立，且α越大，收敛速度越快。基于上述定义，收敛性检验被转化为对如下原假设（H0）和备择假设（H1）的检验：
H0：δi=δ且α≥0
H1：对于任意i满足δi≠δ，或者α<0
原假设意味着所有客源市场的旅华人次均满足收敛假说，而备择假设意味着至少有一个客源市场的旅华人次与其他客源市场不收敛，此时可能全部客源市场的旅华人次均不收敛，也有可能部分客源市场满足俱乐部收敛。检验客源市场收敛性的具体步骤如下：
首先，定义相对转移系数hit（relative transition coef?cient）：
[hit=ITRitN-1i=1NITRit=δitN-1i=1Nδit] （4）
[Ht=1Ni=1Nhit-12] （5）
式（4）中，hit反映了第i个客源市场的旅华人次与平均旅华人次的离散程度及其随时间的变化趋势，而式（5）中Ht为hit在第t年的截面方差。当原假设（H0）成立时，hit趋近于1，Ht趋近于0。
其次，构造横截面方差比率H1/Ht，并对下式进行回归：
[logH1Ht-2 log Lt=a+b log t+ut] （6）
其中，L（t）=log（t），t=[γT]、[γT]+1、……、T，且γ>0，γ为决定起始时间t的参数，由于本文中T=21<50，故另γ=0.3。[a]为原假设中α的估计值，[b]为[logt ]的拟合系数，且[b=2a]。
最后，使用[b]和HAC标准误1对原假设α≥0进行单侧T检验。T检验的回归统计量t的极限分布为：
[tb=（b-b）sb-1?N（0，1）] （7）
式（7）中，[s2b=lvarεtt=γTTlogt-1T-γT+1t=γTTlog2-1，]且[lvarεt]是由回归残差形成的常規HAC估计。若t<?1.65，则说明在5%的显著性水平下可以拒绝原假设H0。Phillips和Sul[41-42]将上述检验方法称为log t检验。
2.1.2 俱乐部的聚类过程
为了寻找收敛俱乐部，Phillips和Sul开发了一种由数据驱动的聚类算法[41-42]，具体如下：
（1）截面数据排序。对各客源市场最后一段时间的旅华人次（ITRit）的均值按照从高到低的顺序进行排序，旅华人次的时间跨度参数f的取值为1/3。排序依据为：
[T-[Ta]-1t=Ta+1TITRit， a=1-f， f=1/3] （8）
（2）形成核心小组。首先，基于已经排序的面板数据，以ITRit均值最高的k个客源市场为基础，依次加入其他客源市场，作为俱乐部的备选组Gk（2≤k≤N）;然后，对每个备选组进行log t检验，并计算统计量tk=t（Gk）;接下来，根据如下标准，筛选出包含k*个客源市场的核心组Gk*：
[k*=argmaxktk，s.t.mintk>-1.65] （9）
也就是说，每次向备选组中加入一个客源市场，便计算其tk值，直至tk<-1.65。前k个客源市场共组成（k-1）个备选组，选择其中最大的tk值作为核心组Gk*，也就是maxk{tk}所对应的备选组。如果k=2时满足tk<-1.65条件，则去除第一个客源市场，对剩余客源市场重复上述步骤，直至tk<-1.65。如果一直没有满足tk<-1.65条件，则说明客源市场是发散的，不存在核心组Gk*。 （3）筛选小组成员。首先，令[Gck*]为核心组Gk*的互补集，每次将[Gck*]中的一个客源市场加入Gk*中，然后进行log t检验，将该回归的t统计量表示为[t]。若[t]>c（c为设定的临界值，c=0），则将该客源市场留在核心组Gk*，反之，则不包含在核心组Gk*中。类似地，将[Gck*]中的所有客源市场均按照上述步骤依次检验，核心组Gk*的成员与新加入的成员共同构成第一个收敛俱乐部。然后，继续对第一个收敛俱乐部进行log t检验，并确保整个组的[tb]>-1.65。如果[tb]≤?1.65，则提高临界值c，以提高log t检验的判断力，并重复此步骤，直至第一个收敛俱乐部的[tb]> -1.65。
（4）算法停止规则。对[Gck*]中未进入第一个收敛俱乐部的所有客源市场做log t检验，若[tb]>-1.65，则说明上述剩余客源市场形成第二个收敛俱乐部。若[tb]≤-1.65，则对上述剩余客源市场重复步骤（1）～步骤（3）的操作，以确定是否存在更小的收敛俱乐部。
2.1.3 俱乐部的整合方法
由于聚类过程中形成的收敛俱乐部是在提高了临界值c的条件下得到的，因此，不同俱乐部在5%的显著性水平下仍有收敛的可能，有必要把[tb]>-1.65的俱乐部进行合并。借鉴Schnurbus等[46]的观点，将俱乐部加以合并，具体如下：假设共有M个收敛俱乐部，即Club1，…，ClubM。依次对每两个相邻的俱乐部进行log t检验，共得到（M-1）个tm值。如果t满足tm>-1.65且tm>tm+1，则说明两组可以合并为一组;反之，则继续保留原俱乐部。另外，如果最后两组的tm>-1.65，则合并为同一个俱乐部。
2.2 数据来源
本文以入境外国游客人次数作为基础数据。根据数据的可得性和完整性，研究选择的时间段为1997—2017年，研究样本共包括全球139个国家和地区。根据2017年的统计数据，样本中覆盖的入境外国游客人次占入境外国游客总人次的98.3%。另外，由于我国港澳台地区的巨大客源量在一定程度上会掩盖中国入境旅游客源市场的结构特征，故本文不考虑来自港澳台地区的入境旅游人次数，仅聚焦于旅华外国客源市场的情况。具体数据来源于联合国世界旅游组织发布的Yearbook of Tourism Statistics。
3 收敛俱乐部的识别结果
3.1 总体收敛性的检验
在识别收敛俱乐部之前，首先对139个旅华外国客源市场的旅游人次数进行log t检验，以判断客源市场的总体收敛情况。检验结果显示，[b]值为-0.50，[tb]值为-34.92（小于-1.65），即在5%的显著性水平下可以拒绝总体收敛的原假设。上述结果表明，在考虑客源市场异质性和收敛速度时变性的情况下，旅华外国客源市场未表现出明显的总体收敛趋势。
3.2 传统俱乐部的检验
尽管旅华外国客源市场不存在全球范围内的总体收敛，但这并不可排除其存在俱乐部收敛的可能，故需要进一步进行俱乐部收敛检验。首先，本文按照传统的人为预先设定俱乐部的方式进行检验。由于经济发展水平和地理距离对中国的入境旅游流量具有重要影响，因此，本文按照经济因素将客源市场划分为发达国家和发展中国家两个俱乐部，按照地理因素将客源市场划分为亚洲国家和非亚洲国家两个俱乐部，并分别对上述4个传统俱乐部进行log t检验。由表1可知，传统划分标准下的4个俱乐部内部拟合得到的t值均远远小于-1.65，在5%的水平下拒绝了收敛的原假设，即按照是否为发达国家、是否为亚洲国家所划分的俱乐部不满足收敛假说，这与罗浩和张瑜璇的研究结果一致[14]。这说明，尽管传统俱乐部的划分在一定程度上体现了客源市场在地理和经济方面的相似性，但并不能准确反映客源市场的内在联系和相似度，是否为发达国家、是否为亚洲国家都无法满足客源市场俱乐部收敛的判断标准。
3.3 收敛俱乐部的识别
为寻找收敛俱乐部，笔者运用聚类算法对旅华外国客源市场中的收敛俱乐部进行内生识别，结果如表2所示。
首先，基于log t检验和聚类算法，旅华外国客源市场被划分为8个初始俱乐部（Club1～Club8）。其中，前7个初始俱乐部内部拟合得到的t值均大于-1.65，说明各初始俱乐部内部的客源市场满足收敛假说。换言之，Club1～Club7为收敛组，共包含138个客源市场;Club8为发散组，仅包含1个客源市场。
按照俱乐部的整合标准，对上述7个收敛组进行合并后形成更大的收敛俱乐部。根据每个相邻的初始俱乐部的检验结果，将Club2和Club3合并为俱乐部B，将Club5、Club6和Club7合并为俱乐部D，Club1和Club4直接被用来形成单独的俱乐部A和俱乐部C。也就是说，通过聚类算法进行内生识别和合并后，最终共得到4个收敛俱乐部，即俱乐部A、俱乐部B、俱乐部C和俱乐部D，分别由19个、44个、44个和31个客源市场组成1。各收敛俱乐部中包含的客源市场情况如图1所示。2
为进一步探究这4个收敛俱乐部的动态变化特征，可对各收敛俱乐部的相对转移路径进行考察。首先，采用组内均值的合并方式，分别对上述4个收敛俱乐部进行组内合并;然后，基于相对转移系数hit，绘制1997—2017年各俱乐部的相对转移路径，从而反映各俱乐部旅华人次相对于平均值的变动趋势。一般地，旅华人次高于平均水平的俱乐部，其相对转移系数会大于1;旅华人次低于平均水平的俱乐部，其相对转移系数会小于1。1997—2017年间各收敛俱乐部的相对转移路径如图2所示。
结合俱乐部识别结果（图1）和动态演进趋势（图2）可见：俱乐部A中的客源市场基础较好，旅华人次遥遥领先，是入境旅游稳定发展的基础和关键所在。俱乐部A中既包括印度、印度尼西亚、日本、韩国、老挝、马来西亚、蒙古国、缅甸、菲律宾、新加坡、泰国和越南等距离中国较近的周边客源市场，也包括澳大利亚、加拿大、法国、德国、俄罗斯、英国和美国等远程客源市场。在研究期内，俱乐部A的相对转移系数均大于1.38，远远高于平均水平，体现了俱乐部A具有旅华人次多、市场份额高的特点。俱乐部A的相对转移路径呈现平稳下滑趋势，说明该类市场所占份额逐渐减少，从侧面反映了旅华外国客源市场的集中度正在降低。 俱乐部B中的客源市场基础相对较弱，但发展速度较快，是未来开拓的重点领域。俱乐部B既包括意大利、西班牙等高收入国家，也包括土耳其、墨西哥等中高收入国家，还包括尼泊尔等中低收入国家和苏丹等低收入国家;既包括柬埔寨等近程客源市场，也包括一些远程客源市场，如欧洲的波兰、美洲的墨西哥和非洲的南非等。从相对转移路径来看，1997年俱乐部B的相对转移系数约为0.95，之后一直呈平稳上升趋势，在2006年超过平均水平（相对转移系数为1.00），并持续增长至1.04。可见，尽管俱乐部B中的客源市场其旅华人次数相对较少，但增长潜力大且速度快。
俱乐部C中的客源市场基础相对较弱，且增长动力不足，需采取有效措施为该类客源市场发展注入新的动力。具体来看，俱乐部C中的成员多为远程客源市场，大多分布在欧洲与中亚地区（21个）、中东与北非地区（8个）、撒哈拉以南非洲地区（7个）和拉丁美洲与加勒比海地区（6个），其中，超过7成的客源市场属于高收入或中高收入国家。从相对转移路径来看，研究期内，俱乐部C的相对转移系数接近于1但增长非常缓慢（处于0.97～0.98之间），说明该类客源市场的旅华人次略低于平均水平且增长乏力。俱乐部C中多为地理距离远、经济水平高的客源市场，旅华人次接近平均水平，增长速度较慢。
俱乐部D中的客源市场旅华人次数普遍较低，且增长速度缓慢，在所有客源市场中处于落后地位。这类客源市场大多分布在拉丁美洲与加勒比海地区以及撒哈拉以南非洲地区，地理距离是其来华旅游的最大障碍。从相对转移路径来看，俱乐部D的相对转移系数从1997年的0.82持续下跌至2017年的0.77，说明该类客源市场占旅华外国客源市场的份额不断减少。
根据各收敛俱乐部中所包含的成员可知，属于同一收敛俱乐部的客源市场与传统的亚洲和非亚洲的地理划分情况差异较大，也与发达国家和发展中国家的划分有所不同。它们是完全根据各客源市场每年的旅华人次数据内生决定的。为了更清楚地展示各俱乐部成员的经济水平和地理位置情况，可根据世界银行世界发展指标数据库中经济发展水平和地理亚区的划分标准，对其做进一步考察。结果显示：从客源市场的经济发展水平来看，俱乐部A中包括9个高收入国家、4个中高收入国家和6个中低收入国家;从客源市场的地理分布来看，俱乐部A中包括12个东亚与太平洋国家、4个欧洲与中亚国家、两个北美国家和1个南亚国家。俱乐部B、俱乐部C和俱乐部D的情况与俱乐部A类似，不再赘述。从中可见，每个收敛俱乐部中的客源市场在经济发展水平或地理分布方面并无明显的相似性。这在一定程度上说明，仅仅基于经济或者地理等单一指标对俱乐部进行划分缺乏合理性，也从侧面说明，影响旅华外国客源市场俱乐部收敛的因素是复杂的，需对其影响因素做进一步探索。
4 俱乐部收敛的影响因素
前文通过聚类算法得到了旅华外国客源市场的4个收敛俱乐部，这是“让数据说话”得到的结论。接下来的问题是，究竟是哪些因素决定了某客源市场属于某收敛俱乐部呢？以下基于ordered logit模型对俱乐部收敛的影响因素做进一步探究。
4.1 变量选取
根据俱乐部收敛概念和理论，本文主要考虑两方面影响因素：初始水平和结构特征。初始水平方面，本文将1997年各客源市场的初始旅华人次作为衡量指标;结构特征方面，根据旅游引力模型，客源地的“出游力”、目的地的“吸引力”以及客源地与目的地的“空间阻尼”是影响国际旅游流量的重要因素[47]，但考虑到目的地为各客源市场提供的旅游产品是无差异的[48-49]，因此，本文重点关注“出游力”和“空间阻尼”对俱乐部分组的影响。其中，客源地的“出游力”主要包括人均收入水平、人口规模、对外开放程度等因素，客源地与目的地的“空间阻尼”包括地理距离、文化距离和经济距离等广义距离因素。另外，参考扩展的贸易引力模型，本文进一步添加了两个虚拟变量，即客源地与目的地是否接壤、客源地是否施行过境免签政策。
4.2 模型设定
鉴于俱乐部A～俱乐部D的平均旅华人次呈现下降趋势，本文基于收敛俱乐部的识别结果构建有序离散变量（club），即分别用数值1～4表示俱乐部A～俱乐部D，具体地，俱乐部A取值为1，俱乐部B取值为2，依此类推。接下来，建立如下ordered logit模型：
[club*= β1lnitr0+β2lnpgdp+β3lnpop+β4open+β5lngeo+ β6culture+β7economic+β8contig+β9visa+ε]（10）
其中，club*是与被解释变量“收敛俱乐部club”相对应的潜变量，当club*≤α1时，club取1;当α1≤club*≤α2时，club取2;当α2≤club*≤α3时，club取3;当club*>α3时，club取4;α1、α2、α3为待估计的参数（也称为门槛值或切点），且满足α1<α2<α3。lnitr0表示初始旅华人次;lnpgdp表示人均收入水平;lnpop表示人口规模;open表示对外开放程度;lngeo表示地理距离;culture表示文化距离;economic表示经济距离;contig为虚拟变量，表示客源市场是否与中国接壤;visa同为虚拟变量，表示是否施行过境免签政策。β1～β9为回归系数，若β>0，则随着解释变量数值的增加，club*在较高类别上发生的概率增大。ε为模型的扰动项，服从均值为0且方差为π2/3的logit分布。
上述各变量的描述性统计特征、衡量指标及数据来源如表3所示。
4.3 实证结果分析
Ordered logit回归结果显示，伪R2=0.4342，Wald统计量为1591.65，对应的p值为0.0000，整體回归模型中所有系数的联合显著性较高，这说明ordered logit回归模型是有效的。切点α1、α2和α3的估计值分别为-28.6756、-25.2359和-21.0567。由于ordered logit回归是采用最大似然估计的非线性模型，其估计系数（β）仅能体现解释变量对俱乐部划分的影响方向，而不具有边际效应的含义，为此，本文进一步计算了各解释变量在均值处的边际效应，具体结果见表4。 回归结果表明，初始旅华人次（lnitr0）的系数为负，且在1%水平上显著，初始旅华人次在均值处每增加1%，客源市场属于俱乐部A和俱乐部B的概率将分别增加1.01%和5.64%，而属于俱乐部C和俱乐部D的概率将分别下降6.33%和0.32%。这说明初始旅华人次越高的客源市场，归属于平均旅华人次高的俱乐部的可能性越大。这与前文中对各收敛俱乐部的分析结果一致，俱乐部A中的客源市场，旅华人次较高，市场基础较好;而俱乐部D中的客源市场，旅华人次普遍较低，市场基础较差。
人均收入水平（lnpgdp）的系数为负，且在1%水平上显著，人均收入水平在均值处每增加1%，客源市场属于俱乐部A和俱乐部B的概率将分别增加1.69%和9.44%，而属于俱乐部C和俱乐部D的概率将分别减少10.60%和0.53%。这意味着客源市场的人均收入水平越高，其属于平均旅华人次高的俱乐部的概率越大，这与大多数研究收入与旅游需求关系的文献结论具有异曲同工之处，即收入水平是影响旅游需求的基本因素，与旅游需求存在正相关关系[51]。换言之，根据旅游需求理论，人均收入水平提高是产生旅游需求的基础条件，那些具备一定的经济基础和支付能力的客源市场，其来华旅游需求更旺盛，来华旅游规模有可能更大。
人口规模（lnpop）的系数为负，且在1%的水平上显著，人口规模在均值处每增加1%，客源市场属于俱乐部A和俱乐部B的概率将分别增加6.59%和36.70%，而属于俱乐部C和俱乐部D的概率将分别减少41.21%和2.07%。这说明人口规模对客源市场的来华旅游情况具有显著影响，客源市场的人口规模越大，其属于平均旅华人次高的俱乐部的概率就越大。人口规模反映了国际旅游的潜在供给能力，人口规模越大的客源市场趋向于产生更多的来华旅游者。即使该客源市场的整体出游率不高，其来华旅游规模也可能较大。
对外开放程度（open）的系数为负，且在1%的水平上显著，对外开放程度在均值处每增加1个单位，客源市场属于俱乐部A和俱乐部B的概率将分别增加0.03%和0.17%，而属于俱乐部C和俱乐部D的概率将分别减少0.19%和0.01%。这说明客源市场的对外开放程度越高，其属于平均旅华人次高的俱乐部的可能性越大。这是因为，一国或地区的对外开放为其国际旅游发展创造了良好的客观条件。通常来讲，客源市场的对外开放程度越高，其跨越国境或边境的贸易活动就越频繁，国际旅游规模就越大，该客源市场归属于平均旅华人次数较高的俱乐部的可能性就越大。
地理距离（lngeo）的系数为正，且在1%的水平上显著，地理距离在均值处每增加1%，客源市场属于俱乐部A和俱乐部B的概率将分别减少4.66%和25.97%，而属于俱乐部C和俱乐部D的概率将分别增加29.16%和1.47%。这说明客源市场与中国的地理距离越远，其属于平均旅华人次低的俱乐部的可能性就越大，即遵循距离衰减规律。可见，地理距离仍然是影响中国入境旅游流的重要因素，它会直接影响到旅游者的交通成本和停留时间。随着地理距离的增加，因地理距离而产生的旅游行为阻力不断增强，客源市场的来华旅游人次逐渐下降，归属于平均旅华人次较低的俱乐部的概率逐渐增大。
文化距离（culture）的系数为负，且在1%的水平上显著，文化距离在均值处每增加1个单位，客源市场属于俱乐部A和俱乐部B的概率将分别增加0.43%和2.38%，而属于俱乐部C和俱乐部D的概率将分别减少2.67%和0.13%。这说明客源市场与中国的文化距离越大，其属于平均旅华人次高的俱乐部的可能性越大。文化距离对国际旅游流的影响比较复杂，较大的文化距离可能会提升异域文化对旅游者的吸引力，也可能会增加跨文化交流障碍[52]。究竟是文化差异性还是文化相同性更能吸引国际旅游者，目前尚无定论。本文研究表明，文化的差异性使客源市场属于平均旅华人次数较高的俱乐部的可能性更大。
经济距离（economic）的系数为负，且在1%的水平上显著，经济距离在均值处每增加1个单位，客源市场属于俱乐部A和俱乐部B的概率将分别增加0.05%和0.30%，而属于俱乐部C和俱乐部D的概率将分别减少0.33%和0.02%。这说明客源市场与中国的经济距离越大，其属于平均旅华人次高的俱乐部的可能性就越大。经济距离主要体现为相对价格，包括消费价格指数（CPI）和相对汇率两个方面，客源地与中国的相对价格越高，意味着对客源市场而言中国旅游产品的价格越低，越有助于客源市场来华旅游需求的增加。
对于是否接壤（contig）和是否施行过境免签政策（visa）而言，其系数在1%的水平上均显著为正;具体而言，相比于与中国接壤的客源市场，不与中国接壤的客源市场属于俱乐部A和B的概率将分别减少2.97%和26.70%，而属于俱乐部C和俱乐部D的概率将分别增加27.01%和2.66%;相比于施行过境免签政策的客源市场，未施行过境免签政策的客源市场属于俱乐部A和俱乐部B的概率将分别减少1.46%和9.85%，而属于俱乐部C和俱乐部D的概率将分别增加10.67%和0.64%。这说明接壤有助于双边的贸易往来，实施免签政策提升了跨境旅游的便利化程度，均有助于客源市场来华旅游规模的增加。不与中国接壤、不施行过境免签政策的国家归属于平均旅华人次低的俱乐部的可能性更大。
另外，为了检验回归结果的稳健性，本文进一步采用ordered probit模型进行重新估计。模型估计结果显示，Wald统计量为2081.06（p值为0.0000），伪R2为0.4420，切点α1、α2和α3的估计值分别为 -16.1933、-14.2029和-11.8247。从回归系数来看（表4），尽管回归系数的拟合值有细微差异，但是回归系数的符号和显著性均很接近，说明上述回歸结果是稳健的。
综上可知，客源市场的俱乐部分组并非受单一因素的影响，而是初始水平和结构特征等多方面因素共同作用的结果。其中，客源市场的初始旅华人次，客源市场的人均收入水平、人口规模和对外开放程度等“出游力”因素，客源市场与中国的地理距离、文化距离和经济距离等“空间阻尼”因素，客源市场是否与中国接壤、是否施行过境免签政策，均在一定程度上显著影响客源市场所属收敛俱乐部的类别。 5 结论与启示
传统的俱乐部收敛研究是在人为预先设定俱乐部的基础上进行收敛性判断，难以满足俱乐部收敛概念中“初始水平和结构特征相似”的前提条件，其识别方法和研究结论的科学性有待商榷。本文采用Phillips和Sul[41-42]提出的非线性时变因子模型及其聚类算法，自动筛选并识别出客源市场中的收敛俱乐部;进一步地，为探索各收敛俱乐部的分组依据，运用ordered logit模型考察了影响俱乐部分组的因素及其边际效应。
本文的实证研究发现：其一，旅华外国客源市场存在4个收敛俱乐部。在考虑客源市场异质性和收敛速度时变性的情况下，旅华外国客源市场不存在总体收敛趋势;按照是否为亚洲国家、是否为发达国家标准划分的传统俱乐部也不满足收敛假说;运用非线性时变因子模型及其聚类算法对旅华外国客源市场进行内生识别后，共得到了4个收敛俱乐部，各俱乐部在市场基础和发展趋势方面具有较大差异，且未表现出明显的地理邻近或经济相似特征。其二，收敛俱乐部受到初始水平和结构特征等多方面因素的共同影响。客源市场的初始旅华人次、人均收入水平、人口规模和对外开放程度，客源市场与中国的地理距离、文化距离和经济距离，客源市场是否与中国接壤、是否施行过境免签政策等因素，均显著影响客源市场所属收敛俱乐部的类别。
上述结论对现实发展有如下启示。第一，针对同一收敛俱乐部中的客源市场，可制定和实施类似的营销策略。在国际旅游客源市场竞争日益激烈、中国入境旅游增长持续低迷的背景下，必须制定有效的营销策略。本文研究发现，旅华外国客源市场不存在总体收敛，简单的“一刀切”策略是不合理的，必须考虑客源市场的个体异质性，采取差异化营销策略。然而，在资源和精力的有限约束下，对每个客源市场分别采取定制化的營销策略也不现实[30]。因此，需对旅华外国客源市场进行细分，从而为不同细分市场制定兼具针对性和差异性的营销策略。目前，中国入境旅游营销将东北亚、东南亚、南亚、西欧和北美视为重点市场，将中亚、西亚、东欧、非洲和南美等视为有待培育的潜在市场1。这种市场细分的结果是，简单地按照地理区划执行同一个营销策略。本文研究结果证实，以往按照单一的地理或经济因素对客源市场进行俱乐部划分的方式缺乏合理性，应综合考虑初始水平和结构特征等多方面因素的作用。为此，需要基于前文中的俱乐部识别结果对旅华外国客源市场进行细分（图1），对同一收敛俱乐部中的客源市场制定或实施类似的营销策略和促销活动。
第二，针对不同收敛俱乐部中的客源市场，定制和实施相宜的营销推广方案。本文研究发现，俱乐部A中的客源市场具有旅华人次多、市场份额高的特点，是旅华外国客源市场健康持续发展的根本保障。相关部门应不断巩固和强化俱乐部A中的客源市场，对其进行持续深入的市场需求调研，及时准确把握其需求特征和变化趋势，促进其可持续增长。俱乐部B中的客源市场基础较弱，但增长速度较快，是提高客源市场多样性的重点领域。相关部门应对此类客源市场进行积极拓展和重点开发，不断挖掘和激发其来华旅游潜力。俱乐部C中的客源市场基础较弱，且增长动力不足，相关部门需加强对该类客源市场的调研，为其发展注入新的动力。俱乐部D中的客源市场在旅华外国客源市场中占据份额较小，且增速较慢，相对而言，并非当下的旅游营销重点。
第三，要综合考虑多种因素对旅华外国客源市场俱乐部分组的影响。尽管旅华外国客源市场的俱乐部收敛受初始水平和结构特征等多方因素的共同作用，但本文研究依旧证明了地理距离对中国入境旅游客源的重要影响，即距离中国较近的周边客源市场普遍属于俱乐部A。与此同时，本文实证研究结果也说明，在考虑地理因素的基础上，还需进一步关注其他因素对客源市场的作用效果。例如，为扩大中国的入境旅游规模，可加强与经济发展水平较高、人口规模较大、对外开放程度较高的客源市场的经贸合作与人员往来。考虑到文化距离和经济距离的影响，在海外旅游信息传播和市场营销方面，应突出中国的民族文化特色，强调旅游产品的价格优势。签证政策对推动入境旅游增长的作用已得到充分证实，未来可考虑进一步扩大实施72/144小时过境免签政策的国家范围。
总之，本文为旅华外国客源市场的俱乐部收敛研究引入了一种新的实证方法，并从国家整体层面实证考察了旅华外国客源市场的细分结果及其影响因素，具有一定的理论助益和现实意义。不过值得关注的是，在过去20多年中，全球经济和政治发生了多次变化，而新冠疫情的全球蔓延，使得世界经济发展、全球旅游往来、国家之间交往等面临更大的不确定性。在此过程中，所出现的结构断点或对客源市场细分结果产生重要作用。由于篇幅和研究重点所限，本文并未考虑潜在的结构断点对研究结果的影响，未来有必要对此做进一步探索。此外，除国家之外，对于入境旅游而言，省域、城市（特别是重要枢纽城市）已成为我国开展海外营销推广工作的重要载体，未来有必要从这些层面考察旅华外国客源市场的俱乐部收敛特征，从而为不同尺度旅游目的地的市场细分和营销实践提供参考。
参考文献（References）
[1] 唐洁尘， 陈双琴. 中国入境旅游需求弹性估算——基于误差修正模型[J]. 旅游科学， 2017， 31（5）： 65-81. [TANG Jiechen， CHEN Shuangqin. An estimation of demand elasticity of China’s inbound tourism： Based on the error correction model[J]. Tourism Science， 2017， 31（5）： 65-81.]
[2] 王纯阳， 黄福才. 中国入境旅游需求影响因素分析及预测——以外国客源市场为例[J]. 商业经济与管理， 2009（9）： 88-96. [WANG Chunyang， HUANG Fucai. A study on the factors determining the demand for China inbound tourism： Taking foreign source markets as an example[J]. Journal of Business Economics， 2009（9）： 88-96.] [3] 刘欢， 陈晔， 李春晓. 中国入境旅游影响因素及营销策略——基于19个主要客源国市场的实证研究[J]. 社会科学家， 2016（6）： 98-102. [LIU Huan， CHEN Ye， LI Chunxiao. Influencing factors and marketing strategies of China’s inbound tourism： Empirical research based on 19 main source countries[J]. Social Scientist， 2016（6）： 98-102.]
[4] 陈杨， 贾铁飞. 基于市场竞争态的上海国际旅游客源市场分析[J]. 旅游科学， 2007， 21（2）： 13-16; 51. [CHEN Yang， JIA Tiefei. An analysis of Shanghai’s international tourist markets： Based on market competition sate[J]. Tourism Science， 2007， 21（2）： 13-16; 51.]
[5] 樊妍芳， 石培基， 程华. 甘肃省入境旅游客源市场及发展对策研究[J]. 地理与地理信息科学， 2008， 24（6）： 97-101; 107. [FAN Yanfang， SHI Peiji， CHENG Hua. Analysis on inbound tourism market and its development measures of Gansu province[J]. Geography and Geo-Information Science， 2008， 24（6）： 97-101; 107.]
[6] 周彩屏. 基于SSM方法的入境旅游市場客源结构分析——以浙江省为例[J]. 旅游学刊， 2008， 23（1）： 46-51. [ZHOU Caiping. An analysis of tourist structure in the inbound tourism market based on SSM method： Taking Zhejiang province as an example[J]. Tourism Tribune， 2008， 23（1）： 46-51.]
[7] 曹新向， 苗长虹. 20世纪90年代以来河南省入境旅游客源市场结构演化——基于SSM方法的分析[J]. 旅游学刊， 2009， 24（2）： 11-17. [CAO Xinxiang， MIAO Changhong. On the structural evolution of inbound tourism generating market in Henan province since the 1990s： Based on the analysis of SSM[J]. Tourism Tribune， 2009， 24（2）： 11-17.]
[8] 南宇， 杨永春， 史婧. 西北五省区入境旅游客源市场动态演化结构分析研究[J]. 经济地理， 2011， 31（9）： 1558-1565. [NAN Yu， YANG Yongchun， SHI Jing. Analysis on the dynamic evolution of inbound tourism market in the five northwestern provinces[J]. Economic Geography， 2011， 31（9）： 1558-1565.]
[9] 全华， 赵磊， 陈田， 等. 入境旅游客源市场结构实证分析——以江苏省为例[J]. 经济地理， 2012， 32（1）： 146-152. [QUAN Hua， ZHAO Lei， CHEN Tian， et al. An empirical analysis of tourist structure in the inbound tourism market based on SSM model： A case study on Jiangsu province[J]. Economic Geography， 2012， 32（1）： 146-152.]
[10] 刘法建， 陈冬冬， 朱建华， 等. 中国省际入境旅游客源市场结构与互动格局——基于2-模网络分析[J]. 地理科学进展， 2016， 35（8）： 932-940. [LIU Fajian， CHEN Dongdong， ZHU Jianhua， et al. Structure and interaction of China’s inter-provincial inbound tourism market： A2-mode network analysis[J]. Progress in Geography， 2016， 35（8）： 932-940.]
[11] 王克军. 主要客源国对中国入境旅游市场的贡献分析[J]. 旅游学刊， 2017， 32（1）： 32-41. [WANG Kejun. Contribution analysis of inbound tourist source market in China[J]. Tourism Tribune， 2017， 32（1）： 32-41.]
[12] 周成， 冯学钢. 上海入境旅游市场的季节特征、波动周期与发展趋势——基于X-12-ARIMA和HP滤波法[J]. 旅游科学， 2016， 30（6）： 39-53. [ZHOU Cheng， FENG Xuegang. On the seasonal characteristics， fluctuation cycle and development trends of Shanghai’s inbound tourist market： Based on X-12-ARIMA and HP filter methods[J]. Tourism Science， 2016， 30（6）： 39-53.] [13] 孙晓东， 倪荣鑫， 冯学钢. 城市入境旅游及客源市场的季节性特征研究——基于上海的实证分析[J]. 旅游学刊， 2019， 34（8）： 25-39. [SUN Xiaodong， NI Rongxin， FENG Xuegang. Exploring seasonality of urban inbound tourism from the perspective of source market structure： An empirical study on Shanghai China[J]. Tourism Tribune， 2019， 34（8）： 25-39.]
[14] 羅浩， 张瑜璇. 中国的入境旅游客源市场收敛吗？[J]. 旅游学刊， 2018， 33（7）： 28-39. [LUO Hao， ZHANG Yuxuan. Are China’s inbound tourism source markets converging？[J]. Tourism Tribune， 2018， 33（7）： 28-39.]
[15] 刘倩倩， 姚战琪， 周功梅. 旅华外国客源市场时空结构再分析——基于入境休闲旅游者的数据[J]. 热带地理， 2020， 40（1）： 128-136. [LIU Qianqian， YAO Zhanqi， ZHOU Gongmei. Temporal and spatial structure of foreign tourist markets in China’s inbound tourism： A reanalysis based on data from inbound leisure tourist[J]. Tropical Geography， 2020， 40（1）： 128-136.]
[16] NARAYAN P K. Are Australia’s tourism markets converging？ [J] Applied Economics， 2006， 38（10）： 1153-1162.
[17] KOURTZIDIS S A， TZEREMES P， TZEREMES N G， et al. Integration of tourism markets in Australia： An international visitor arrivals’ convergence assessment[J]. Tourism Economics， 2018， 24（7）： 901-907.
[18] NARAYAN P K. Testing convergence of Fiji’s tourism markets[J]. Pacific Economic Review， 2007， 12（5）： 651-663.
[19] LEAN H H， SMYTH R. Are Malaysia’s tourism markets converging？ Evidence from univariate and panel unit root tests with structural breaks[J]. Tourism Economics， 2008， 14（1）： 97-112.
[20] TANG C F. Old wine in new bottles： Are Malaysia’s tourism markets converging？[J]. Asia Pacific Journal of Tourism Research， 2011， 16（3）： 263-272.
[21] LEE C G. The convergence hypothesis for tourism markets： Evidence from Singapore[J]. Tourism Economics， 2009， 15（4）： 875-881.
[22] TAN S H， TAN S K. Are Singapore’s tourism markets converging with structural breaks[J]. Tourism Economics， 2013， 19（1）： 209-216.
[23] YILANCI V， ERIS Z A. Are tourism markets of Turkey converging or not？ A Fourier stationary analysis[J]. Anatoli， 2012， 23（2）： 207-216.
[24] ABBOTT A， DE VITA G， ALTINAY L. Revisiting the convergence hypothesis for tourism markets： Evidence from Turkey using the pairwise approach[J]. Tourism Management， 2012， 33（3）： 537-544.
[25] OZCAN B， ERDOGAN S. Are Turkey’s tourism markets converging： Evidence from the two-step LM and three-step RALS-LM unit root tests[J]. Current Issues in Tourism， 2017， 20（4）： 425-442.
[26] KAPLAN F， OZTURK E， GUNGOR ?. Is the club convergence hypothesis validy for Turkey tourism market[J]. Research in Applied Economics， 2017， 9（3）： 24-30. [27] LIN Z， YOU K， LAU C K， et al. Segmenting global tourism markets： A panel club convergence approach[J]. Annals of Tourism Research， 2019， 75： 165-185.
[28] SOLARIN S A， LEAN H H. Nonlinearity convergence of tourism markets in Seychelles[J]. Current Issues in Tourism， 2014， 17（6）： 475-479.
[29] SOLARIN S A. Revisiting the convergence hypothesis of tourism markets： Evidence from South Africa[J]. The Journal of Applied Economic Research， 2014， 8（1）： 77-92.
[30] MERIDA A L， CARMONA M， CONGREADO E， et al. Exploring the regional distribution of tourism and the extent to which there is convergence[J]. Tourism Management， 2016， 57： 225-233.
[31] TIWARI A K. Whether tourist arrivals in India convergent？[J]. Annals of Tourism Research， 2016， 61： 252-255.
[32] SOLARIN S A. Convergence hypothesis in tourism markets and activities in Taiwan[J]. Tourism Economics， 2018， 24（8）： 1037-1044.
[33] 劉迎霞， 覃成林. 区域经济增长空间趋同假说研究新进展[J].经济学动态， 2010（2）： 99-103. [LIU Yingxia， QIN Chenglin. New progress in the research on the convergence hypothesis of regional economic growth[J]. Economics Perspectives， 2010（2）： 99-103.]
[34] BERNARD A， DURLAUF S. Convergence in International Output[J]. Journal of Applied Econometrics， 1995， 10（2）： 97-108.
[35] LI Q， PAPELL D H. Convergence of international output time series evidence for 16 OECD countries[J]. International Review of Economics and Finance， 1999， 8（3）： 267-280.
[36] BARRO R J， SALA-I-MARTIN X. Convergence across states and regions[J]. Brookings Papers on Economic Activity， 1991， 22（1）： 107-182.
[37] HEPSAG A. Testing convergence of tourism markets： Evidence from seasonal unit roots test[J]. Anatolia， 2016， 27（2）： 177-188.
[38] 张伟丽. 区域经济增长俱乐部趋同： 概念、识别及机制[D]. 开封： 河南大学， 2009. [ZHANG Weili. On the Definition， Testing and Mechanism of Club Convergence of Regional Economic Growth[D]. Kaifeng： Henan University， 2009.]
[39] OKAZAKI S， TAYLOR C， DOH J. Market convergence and advertising standardization in the European Union[J]. Journal of World Business， 2007， 42： 384-400.
[40] GRIFFITH D. Understanding multi-level institutional convergence effects on international market segments and global marketing strategy[J]. Journal of World Business， 2010， 45（1）： 59-67.
[41] PHILLIPS P， SUL D. Transition modeling and econometric convergence tests[J]. Econometrica， 2007， 75（6）： 1771-1855.
[42] PHILLIPS P， SUL D. Economic transition and growth[J]. Journal of Applied Econometrics， 2009， 24（7）： 1153-1185. [43] 何一峰. 转型经济下的中国经济趋同研究——基于非线性时变因子模型的实证分析[J]. 经济研究， 2008（7）： 39-51. [HE Yifeng. Economic convergence in transition economy of China： An empirical study with a nonlinear time-varying factor model[J]. Economic Research Journal， 2008（7）： 39-51.]
[44] 孙亚男， 杨名彦， 崔蓉， 等. “一带一路”沿线国家全要素生产率的俱乐部收敛及其动态演进： 兼论“六大经济走廊”框架在缩小国家间经济差距中的作用[J]. 世界经济研究， 2018（8）： 99-111; 137. [SUN Yanan， YANG Mingyan， CUI Rong， et al. Club convergence and dynamic evolution of total factor productivity of the Belt and Road countries： The role of six economic vorridors bridging the gap of B&R countries economy[J]. World Economy Studies， 2018（8）： 99-111; 137.]
[45] ERNST D， DOLNICAR S. How to avoid random market segmentation solutions[J]. Journal of Travel Research， 2018， 57（1）： 69-82.
[46] SCHNURBUS J， HAUPT H， MEIER V. Economic transition and growth： A replication[J]. Journal of Applied Econometrics， 2017， 32（5）： 1039-1042.
[47] 李山， 王铮， 钟章奇. 旅游空间相互作用的引力模型及其应用[J]. 地理学报， 2012， 67（4）： 526-544. [LI Shan， WANG Zheng， ZHONG Zhangqi. Gravity model for tourism spatial interaction： Basic form， parameter estimation， and applications[J]. Acta Geographyica Sinica， 2012， 67（4）： 526-544.]
[48] PAPATHEODOROU A. Why people travel to different places[J]. Annals of Tourism Research， 2001， 28（1）： 164-179.
[49] ZHANG J， JENSEN C. Comparative advantage： Explaining tourism flows[J]. Annals of Tourism Research， 2007， 34（1）： 223-243.
[50] 劉祥艳， 杨丽琼， 吕兴洋. 文化距离对我国出境旅游的影响——基于引力模型的动态面板数据分析[J].旅游科学， 2018， 32（4）： 60-70. [LIU Xiangyan， YANG Liqiong， LYU Xingyang. The impact of cultural distance on China’ s outbound tourism： A dynamic panel data analysis based on the gravity model[J]. Tourism Science， 2018， 32（4）： 60-70.]
[51] 周文丽， 李世平. 基于凯恩斯消费理论的旅游消费与收入关系实证研究[J]. 旅游学刊， 2010， 25（5）： 33-38. [ZHOU Wenli， LI Shiping. An empirical study on the relationship between tourism consumption and income based on Keynes’ consumptive function theory[J]. Tourism Tribune， 2010， 25（5）： 33-38.]
[52] 张宏伟. 中国入境旅游的文化差异效应测度研究——基于引力模型的分析[J]. 财贸研究， 2009， 20（4）： 56-61; 68. [ZHANG Hongwei. The effect of cultural difference on inbound tourism to China： Analysis based on gravity model[J]. Finance and Trade Research， 2009， 20（4）： 56-61; 68.]
Club Convergence in China’s Foreign Tourist Source Market：
Recognition Method and Convergence Factors
LIU Qianqian1， SONG Rui2， ZHOU Gongmei1
（1. University of Chinese Academy of Social Sciences （Graduate School）， Beijing 102488， China; 2. National Academy of Economy Strategy， Chinese Academy of Social Sciences， Beijing 100006， China）
Abstract： With the ongoing continued sluggish growth for China’s inbound tourism， tourism management departments have to formulate global marketing strategies to attract international visitors. It is particularly important to analyze the global market toward formulating a market-oriented destination strategy. Club convergence research can provide a decision-making basis for segmenting the source market and formulating specific market-oriented strategies.
This paper studied club convergence for China’s foreign tourist source market， using data about visitors to China from 139 countries and regions for 1997—2017. Conventional club convergence analysis relies on artificially setting the boundaries of clubs before judging convergence. Thus， subjectivity is strong， and it becomes difficult to effectively identify clubs that meet the convergence hypothesis. The present investigation has merits in examining club convergence for China’s foreign tourist source market. First， we adopted the nonlinear time-varying factor model and clustering algorithm to automatically select and identify convergent clubs in that market. Then， using the ordered logit model， we investigated the factors affecting club grouping and their marginal effects.
The main results were as follows. First， we identified four convergence clubs in China’s foreign tourist source market. We found that when considering the heterogeneity of that market and time-varying rate of convergence， it did not display an overall trend of convergence. In a conventional analysis of Asian and non-Asian countries as well as developed and developing countries， we found that conventional clubs did not satisfy the convergence hypothesis. However， using the nonlinear time-varying factor model and clustering algorithm， we identified four convergent clubs. Each club exerted a major effect on the market basis and development trend; the clubs lacked clear geographic proximity. Second， the convergence clubs were affected by many factors， including the following： the initial number of tourists to China; per capita income level; population size; degree of openness to the outside world; geographic distance; cultural distance; economic distance; whether the source market bordered on China; and whether a transit visa-free policy was implemented. All the factors significantly affected the source market to which the convergence club belonged. From the above findings， we drew the following conclusions. First， previous methods of dividing the customer source market based on geographic or economic factors lacked rationality. We advocate breaking the constraints of conventional geographic divisions or economic development levels. Instead， it is necessary to analyze China’s foreign tourist source markets using the club identification results we obtained; it is important to implement similar marketing strategies or promotional activities when examining source markets in the same convergent club. Second， it is essential to customize and implement appropriate marketing and promotion plans when assessing the source markets of different convergence clubs. Tourism marketing management departments should continue to consolidate and strengthen club A （with high market share）， actively expand and focus on club B （with rapid growth）， enhance research on club C （with insufficient growth momentum） to inject new impetus into the development of its source market， and strive for and steadily develop club D （with small market share and slow growth）. Third， it is necessary to comprehensively consider the influence of various factors on the grouping of China’s foreign tourist source market clubs. It is imperative to consider geographic proximity effects; however， on the basis of geographic factors， it is necessary also to consider the effects of other factors on the source market.
Keywords： inbound tourism; source market; club convergence; convergence factors; nonlinear time-varying factor model
[責任编辑：周小芳;责任校对：宋志伟]
[摘 要]鉴于市场的异质性和资源的有限性，旅游目的地需要对客源市场进行细分。根据俱乐部收敛假说，一个收敛俱乐部即为一个具有相似的初始水平、结构特征和演变趋势的自然细分市场。与人为预先设定俱乐部进行收敛检验不同，文章基于1997—2017年间全球139个国家和地区的旅华人次数据，采用非线性时变因子模型及其聚类算法对旅华外国客源市场进行俱樂部收敛检验和识别，并进一步运用ordered logit模型考察俱乐部收敛的影响因素。研究发现：旅华外国客源市场中共存在4个收敛俱乐部，各俱乐部在市场基础和变化趋势方面具有较大差异，且并未表现出明显的地理邻近或经济相似特征;客源市场的初始旅华人次、人均收入水平、人口规模和对外开放程度，客源市场与中国的地理距离、文化距离和经济距离，客源市场是否与中国接壤、是否施行过境免签政策等因素均显著影响客源市场所属收敛俱乐部的类别。为此，相关部门应当为不同收敛俱乐部中的客源市场制定差异化的营销推广方案，要不断巩固和强化俱乐部A中的客源市场，积极拓展和重点开发俱乐部B中的客源市场，并为俱乐部C注入新的发展动力。
[关键词]入境旅游;客源市场;俱乐部收敛;收敛因素;非线性时变因子模型
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2021）06-0088-15
Doi： 10.19765/j.cnki.1002-5006.2021.06.011
引言
联合国世界旅游组织统计数据显示，2018年中国共接待境外游客1.4亿人次，同比增长1.2%，明显低于同期全球入境旅游人次增速（6%）1。考虑到全球旅游市场的高度竞争性和中国日益增长的国际影响力，提振入境旅游已成为中国从旅游大国迈向旅游强国的关键所在。鉴于客源市场的异质性和资源的有限性，需对入境旅游客源市场进行细分，针对不同细分市场制定差异化的营销策略，方能有效促进入境旅游的增长。
近年来，国内外入境旅游客源市场研究主要集中于旅游需求[1]、影响因素[2-3]、时空结构[4-11]、季节性特征[12-13]和市场收敛假说[14-15]等方面。其中，客源市场收敛假说备受关注。旅游客源市场收敛假说由Narayan于2006年首次提出[16]，此后被用于澳大利亚[17]、斐济[18]、马来西亚[19-20]、新加坡[21-22]、土耳其[23-27]、塞舌尔[28]、南非[29]、西班牙[30]、印度[31]和中国台湾[32]等地的案例研究之中。由于俱乐部收敛检验可为细分旅游客源市场、制定差异化营销策略提供科学依据[27]，因此，本文在既有研究基础上，重点考察旅华外国客源市场的俱乐部收敛情况。
目前，已有研究根据地理和经济因素将中国的入境旅游客源市场划分为4个俱乐部，并通过单位根检验方法考察了不同俱乐部的收敛情况[14]。本文在此基础上，进一步克服人为预先设定俱乐部边界这一局限，充分考虑客源市场的异质性和收敛速度的时变性，对旅华外国客源市场的俱乐部收敛情况进行拓展研究。研究主要围绕两个问题展开：一是旅华外国客源市场是否满足俱乐部收敛假说？二是如果存在不同的收敛俱乐部，那么俱乐部分组的依据是什么？为此，本文将基于1997—2017年间全球139个国家和地区的旅华人次数据，采用非线性时变因子模型及其聚类算法对旅华外国客源市场的收敛俱乐部进行内生识别，并进一步运用ordered logit模型考察各收敛俱乐部的影响因素。
1 文献综述
收敛假说源于新古典经济增长理论。在应用新古典经济增长理论研究跨国经济增长规律时，逐渐形成了多种不同类型的收敛概念，主要包括σ收敛、β收敛、时间序列收敛和俱乐部收敛[33]。σ收敛是指，不同经济体的人均收入的离散程度随时间的推移而逐渐减小，可通过计算不同时点上各经济体人均收入对数的标准差进行衡量。β收敛分为绝对β收敛和条件β收敛，前者是指贫穷经济体和富裕经济体的人均收入随时间的推移而趋于同一个稳态水平，后者是指贫穷经济体和富裕经济体的人均收入随时间的推移而趋于各自的稳态水平，通常采用横截面或面板数据回归分析法对β收敛进行检验。由于σ收敛和β收敛检验将短期变动与长期趋同的特性混合在一起，其研究结论的准确性易受短期冲击影响，故Bernard和Durlauf提出了时间序列收敛的概念[34]，将潜在的短期变动融入趋势函数的确定性成分之中，并采用单位根和协整方法进行收敛检验。Li和Papell进一步将时间序列收敛划分为Bernard-Durlauf收敛、确定性收敛和随机收敛3种类型，其中，Bernard-Durlauf收敛要求相对产出的对数差分序列满足水平平稳，且均值为零;确定性收敛放松了对均值的要求，仅要求相对产出的对数差分序列满足水平平稳;随机收敛继续放松对水平平稳的要求，仅要求相对产出的对数差分序列满足趋势平稳[35]。值得关注的是，上述收敛概念均建立在跨地区检验基础之上，其原假设为无收敛，备择假设为所有经济体均收敛，遗漏了部分经济体收敛的情况。有鉴于此，学者们进一步提出了俱乐部收敛（club convergence）的概念。根据Barro和Sala-I-Martin的定义，俱乐部收敛是指初始水平和结构特征相似的一组经济体的人均收入收敛于相同的稳态[36]，收敛结果是形成收敛俱乐部（convergent club）。 借鉴经济收敛假说，Narayan首创性地提出了旅游客源市场收敛假说。起初，Narayan指出，若一国的国际旅游总人次与来自特定客源市场的国际旅游人次数之间的差异随时间推移而逐渐减小，则说明该客源市场满足收敛假说[16]。由于该定义过于严格，他在第二篇文章中借鉴了随机收敛的概念，将旅游客源市场收敛定义为：一国的国际游客总人次与来自特定国家的国际游客人次数之间的差异趋于平稳[18]。在此基础上，学者们又进一步提出客源市场个体收敛、总体收敛和俱乐部收敛等概念。所谓个体收敛是指，总体市场的旅游人次与某一客源市场的旅游人次的对数差分序列满足趋势平稳，既可通过单变量单位根检验对数差分序列的平稳性对个体收敛性进行判断，也可通过协整检验考察总体市场旅游人次序列与某一客源市场旅游人次序列的协整关系加以判断。所谓总体收敛是指，每个客源市场均满足个体收敛或者客源市场之间满足两两收敛，前者可通过面板单位根方法进行检验，后者可采用成对法加以检验[14]。所谓客源市场的俱乐部收敛是指，初始水平和结构特征相似的一组客源市场满足收敛假说，即组内各客源市场旅游人次的对数差分序列趋于平稳。
近年来，学者们基于不同案例和研究方法对旅游客源市场的收敛情况进行研究，并得出不同結论。Narayan最初采用含有两个及以下结构断点的拉格朗日乘数（Lagrange multiplier，LM）单位根检验方法探索了澳大利亚13个主要旅游客源市场在1991—2003年间的收敛情况[16]，随后又引入协整检验方法，对斐济的8个主要客源市场的收敛性进行检验[18]，发现澳大利亚和斐济均满足客源市场收敛假说。Lean和Smyth延续Narayan的研究方法，基于1995—2005年间的月度旅游人次数据对马来西亚客源市场的收敛性进行检验，发现马来西亚的10个主要旅游客源市场正在收敛[19]。然而，Tang进一步考虑了两个以上结构断点的情况，并运用含有m个结构断点的单位根检验方法重新评估1995—2008年间马来西亚旅游市场的收敛情况后发现，在10个选定的客源市场中仅有5个支持收敛假说[20]。Lee采用传统的Dickey-Fuller单位根检验方法，根据1993—1997年和2003—2007年来自非洲、美洲、欧洲和大洋洲的国际游客人次与来自亚洲的游客人次数之间的差异，研究了新加坡客源市场的收敛性，发现非洲和欧洲与亚洲市场正在趋近，来自美洲和大洋洲的客源存在长期收敛趋势[21]。Tan和Tan则采用由Carrion-i-Silvestre等开发的、最多包含5个结构断点的单位根检验方法，检验了新加坡的15个主要客源市场在1994年1月至2011年6月期间的收敛情况，发现其中12个客源市场支持收敛假说[22]。Yilanci和Eris[23]、Ozcan和Erdogan[25]以及Hepsag[37]基于游客人次的月度数据分析了土耳其主要客源市场的收敛情况。其中，Yilanci和Eris采用无需预先指定结构断点数量和位置的傅立叶平稳性检验方法，Ozcan和Erdogan采用两阶段LM和三阶段RALS-LM单位根检验方法，分别考察了土耳其14个主要旅游市场的收敛性，均得出14个市场中有10个支持收敛假说的结论[23，25]，而Hepsag则通过考虑游客人次差异序列的季节性特征，研究了季节性单位根框架下旅游市场的收敛情况后发现，旅游客源市场仅在1月、3月、4月、5月、7月、9月和10月满足收敛假设[37]。另外，Solarin和Lean运用KSS检验的非线性方法对2000—2010年间塞舌尔15个主要客源市场的收敛性进行检验后发现，除英国和美国以外的13个客源市场均支持收敛假说[28]。
在客源市场收敛研究中，俱乐部收敛日益受到青睐。相比于个体收敛和总体收敛，俱乐部收敛具有同一类型客源市场趋同、不同类型客源市场趋异的特点[38]。恰如Okazaki等所言，一个收敛俱乐部即为一个自然的细分市场[39]，它们具有相似的初始水平、结构特征及演变趋势。因此，俱乐部收敛研究可以帮助目的地管理部门更好地了解客源市场结构[40]，从而为精准细分客源市场并制定差异化营销策略提供科学依据[27]。从研究技术路线来看，如何划分俱乐部是俱乐部收敛研究的关键。目前，大体有两类：一是人为预先设定俱乐部。例如，Abbott等根据人均收入水平、市场供给能力、与目的地的地理距离等因素将旅游客源市场划分为不同俱乐部，并使用成对法研究了土耳其旅游市场的俱乐部收敛情况，其结果并不支持俱乐部收敛假说[24];Solarin根据地域范围，将南非的16个客源市场划分为非洲和非洲以外两个俱乐部，并通过单位根检验和协整检验方法考察了俱乐部内各客源市场的长期趋势，证明南非的旅游客源市场存在俱乐部收敛[29];类似地，罗浩和张瑜璇根据地理距离和经济发展水平，将中国的16个主要客源市场划分为亚洲和非亚洲、发达国家和发展中国家等4个俱乐部，但并未得到中国入境客源市场满足俱乐部收敛的证据[14]。二是根据算法自动识别收敛俱乐部。例如，Merida等运用非线性时变因子模型将西班牙旅游客源市场内生性地划分为3个收敛俱乐部[30];借助相同方法，Kaplan等将土耳其的29个客源市场划分为4个收敛俱乐部[26];Kourtzidis等将澳大利亚的客源市场划分为5个收敛俱乐部[17]。在最新一项研究中，Lin等以2001—2015年间土耳其所接待的全球81个国家和地区的游客人次等数据为基础，识别出了5个收敛俱乐部，并进一步考察了结构断点对俱乐部构成的影响[27]。
相较而言，人为预先设定俱乐部的方法可分析邻近地理区域或相似经济水平的客源市场之间是否存在收敛，但它仅仅考虑了经济或地理等某一方面相似的情况，难以满足俱乐部收敛概念中提出的“初始水平和结构特征相似”的前提条件，这在一定程度上降低了俱乐部识别的科学性。而基于数据驱动的内生俱乐部识别方法，克服了经济、地理等人为设定的局限性，可基于历史经验数据对客源市场的收敛俱乐部进行内生识别，使俱乐部的划分结果更为合理。非线性时变因子模型是目前用于俱乐部收敛研究的主要识别方法之一，它由Phillips和Sul提出并改进[41-42]，已被广泛应用于俱乐部收敛和聚类研究，其中，以经济学文献居多，在旅游类文献中应用较少[27]。相比于传统方法，非线性时变因子模型的优势体现在以下4个方面：第一，该模型能够充分考虑客源市场的个体异质性，允许个体异质性随时间而变动，且不需要关于数据平稳性的任何假设[43];第二，当客源市场存在“短期发散、长期收敛”的趋势时，以往经典的收敛检验方法会错误地拒绝收敛，而该模型可以全面准确地识别出收敛特征;第三，该模型不存在内生性问题导致的估计偏差和不一致的问题，能有效克服协整检验对个体间存在渐进协动性时具有较低解释力的局限[44];第四，该模型适用于样本量大、跨期时间长的面板数据，可避免使用单一时点的横截面数据进行聚类研究时所产生的随机影响[45]。需要指出的是，尽管基于数据导向的内生识别具有“让数据说话”的客观性，但其仍属于统计意义上的分析结果，需要研究者 结合现实环境赋予识别结果以意义，从而使“让数据说话”和“跟常识比对”有效结合，以更好地解释现实。 在上述研究基础上，本文旨在考察旅华外国客源市场的俱乐部收敛情况，并尝试从方法、内容和数据3个方面对现有研究进行拓展。第一，在方法上，本文采用非线性时变因子模型自动筛选和识别旅华外国客源市场的收敛俱乐部。如前文所述，目前，仅有部分学者采用该方法研究了西班牙、土耳其和澳大利亚旅游市场的俱乐部收敛情况，尚未有学者以中国为案例开展类似研究。第二，在内容上，尽管已有少数研究对旅游客源市场的收敛俱乐部进行了识别，但尚未对俱乐部的收敛因素进行考察。鉴于此，本文将运用ordered logit模型对俱乐部收敛的影响因素进行探讨，从而为制定针对性的营销策略提供更为深刻的见解。第三，在数据上，本研究以139个旅华外国客源市场作为研究样本，可更好地展现中国入境旅游市场的全貌，对全面而有效地制定入境旅游策略更具指导意义。
2 研究方法与数据来源
本文以1997—2017年间全球139个国家和地区的旅华人次数据作为实证依据，并基于Phillips和Sul提出的非线性时变因子模型及其聚类算法，对旅华外国客源市场的收敛俱乐部进行内生识别[41-42]。
2.1 研究方法
2.1.1 log t检验
首先，用ITRit表示第i个客源市场第t年的旅华人次数据，ITRit可以分解为：
[ITRit=δiμt+εit] （1）
式（1）中，μt为公共因子，εit为扰动项，δi反映了公共因子μt和系统部分ITRit的异质性距离。尽管δi体现了个体异质性，但是这种异质性不随时间而改变，因此，需要将扰动项εit融入系数中，得到时变的因子表达式：
[ITRit=δiμt+εitμtμt=δitμt] （2）
式（2）中，δit是一个时变参数，包含了随机成分εit，表示时变因子的载荷系数。由于δit可以有各自的时间路径，因此，式（2）被称为非线性时变因子 模型。
对于任意客源市场i，若δit收敛于常数δ，即[limt→∞δit=δ]，则说明客源市场满足收敛假说。为了检验δit的收敛性，需要构建一个半参数模型：
[δit=δi+σiξitL（t）-1t-α] （3）
式（3）中，δi为仅与客源市场i的特质相关且不随时间而变化的常数项;σi为异质性的规模参数且σi>0;ξ服从iid（0，1）分布且与t具有弱相关性;L（t）是一个缓慢变化的函数，且满足当t→∞时，L（t）→∞;α为衰减率，α≥0意味着收敛假说成立，且α越大，收敛速度越快。基于上述定义，收敛性检验被转化为对如下原假设（H0）和备择假设（H1）的检验：
H0：δi=δ且α≥0
H1：对于任意i满足δi≠δ，或者α<0
原假设意味着所有客源市场的旅华人次均满足收敛假说，而备择假设意味着至少有一个客源市场的旅华人次与其他客源市场不收敛，此时可能全部客源市场的旅华人次均不收敛，也有可能部分客源市场满足俱乐部收敛。检验客源市场收敛性的具体步骤如下：
首先，定义相对转移系数hit（relative transition coef?cient）：
[hit=ITRitN-1i=1NITRit=δitN-1i=1Nδit] （4）
[Ht=1Ni=1Nhit-12] （5）
式（4）中，hit反映了第i个客源市场的旅华人次与平均旅华人次的离散程度及其随时间的变化趋势，而式（5）中Ht为hit在第t年的截面方差。当原假设（H0）成立时，hit趋近于1，Ht趋近于0。
其次，构造横截面方差比率H1/Ht，并对下式进行回归：
[logH1Ht-2 log Lt=a+b log t+ut] （6）
其中，L（t）=log（t），t=[γT]、[γT]+1、……、T，且γ>0，γ为决定起始时间t的参数，由于本文中T=21<50，故另γ=0.3。[a]为原假设中α的估计值，[b]为[logt ]的拟合系数，且[b=2a]。
最后，使用[b]和HAC标准误1对原假设α≥0进行单侧T检验。T检验的回归统计量t的极限分布为：
[tb=（b-b）sb-1?N（0，1）] （7）
式（7）中，[s2b=lvarεtt=γTTlogt-1T-γT+1t=γTTlog2-1，]且[lvarεt]是由回归残差形成的常規HAC估计。若t<?1.65，则说明在5%的显著性水平下可以拒绝原假设H0。Phillips和Sul[41-42]将上述检验方法称为log t检验。
2.1.2 俱乐部的聚类过程
为了寻找收敛俱乐部，Phillips和Sul开发了一种由数据驱动的聚类算法[41-42]，具体如下：
（1）截面数据排序。对各客源市场最后一段时间的旅华人次（ITRit）的均值按照从高到低的顺序进行排序，旅华人次的时间跨度参数f的取值为1/3。排序依据为：
[T-[Ta]-1t=Ta+1TITRit， a=1-f， f=1/3] （8）
（2）形成核心小组。首先，基于已经排序的面板数据，以ITRit均值最高的k个客源市场为基础，依次加入其他客源市场，作为俱乐部的备选组Gk（2≤k≤N）;然后，对每个备选组进行log t检验，并计算统计量tk=t（Gk）;接下来，根据如下标准，筛选出包含k*个客源市场的核心组Gk*：
[k*=argmaxktk，s.t.mintk>-1.65] （9）
也就是说，每次向备选组中加入一个客源市场，便计算其tk值，直至tk<-1.65。前k个客源市场共组成（k-1）个备选组，选择其中最大的tk值作为核心组Gk*，也就是maxk{tk}所对应的备选组。如果k=2时满足tk<-1.65条件，则去除第一个客源市场，对剩余客源市场重复上述步骤，直至tk<-1.65。如果一直没有满足tk<-1.65条件，则说明客源市场是发散的，不存在核心组Gk*。 （3）筛选小组成员。首先，令[Gck*]为核心组Gk*的互补集，每次将[Gck*]中的一个客源市场加入Gk*中，然后进行log t检验，将该回归的t统计量表示为[t]。若[t]>c（c为设定的临界值，c=0），则将该客源市场留在核心组Gk*，反之，则不包含在核心组Gk*中。类似地，将[Gck*]中的所有客源市场均按照上述步骤依次检验，核心组Gk*的成员与新加入的成员共同构成第一个收敛俱乐部。然后，继续对第一个收敛俱乐部进行log t检验，并确保整个组的[tb]>-1.65。如果[tb]≤?1.65，则提高临界值c，以提高log t检验的判断力，并重复此步骤，直至第一个收敛俱乐部的[tb]> -1.65。
（4）算法停止规则。对[Gck*]中未进入第一个收敛俱乐部的所有客源市场做log t检验，若[tb]>-1.65，则说明上述剩余客源市场形成第二个收敛俱乐部。若[tb]≤-1.65，则对上述剩余客源市场重复步骤（1）～步骤（3）的操作，以确定是否存在更小的收敛俱乐部。
2.1.3 俱乐部的整合方法
由于聚类过程中形成的收敛俱乐部是在提高了临界值c的条件下得到的，因此，不同俱乐部在5%的显著性水平下仍有收敛的可能，有必要把[tb]>-1.65的俱乐部进行合并。借鉴Schnurbus等[46]的观点，将俱乐部加以合并，具体如下：假设共有M个收敛俱乐部，即Club1，…，ClubM。依次对每两个相邻的俱乐部进行log t检验，共得到（M-1）个tm值。如果t满足tm>-1.65且tm>tm+1，则说明两组可以合并为一组;反之，则继续保留原俱乐部。另外，如果最后两组的tm>-1.65，则合并为同一个俱乐部。
2.2 数据来源
本文以入境外国游客人次数作为基础数据。根据数据的可得性和完整性，研究选择的时间段为1997—2017年，研究样本共包括全球139个国家和地区。根据2017年的统计数据，样本中覆盖的入境外国游客人次占入境外国游客总人次的98.3%。另外，由于我国港澳台地区的巨大客源量在一定程度上会掩盖中国入境旅游客源市场的结构特征，故本文不考虑来自港澳台地区的入境旅游人次数，仅聚焦于旅华外国客源市场的情况。具体数据来源于联合国世界旅游组织发布的Yearbook of Tourism Statistics。
3 收敛俱乐部的识别结果
3.1 总体收敛性的检验
在识别收敛俱乐部之前，首先对139个旅华外国客源市场的旅游人次数进行log t检验，以判断客源市场的总体收敛情况。检验结果显示，[b]值为-0.50，[tb]值为-34.92（小于-1.65），即在5%的显著性水平下可以拒绝总体收敛的原假设。上述结果表明，在考虑客源市场异质性和收敛速度时变性的情况下，旅华外国客源市场未表现出明显的总体收敛趋势。
3.2 传统俱乐部的检验
尽管旅华外国客源市场不存在全球范围内的总体收敛，但这并不可排除其存在俱乐部收敛的可能，故需要进一步进行俱乐部收敛检验。首先，本文按照传统的人为预先设定俱乐部的方式进行检验。由于经济发展水平和地理距离对中国的入境旅游流量具有重要影响，因此，本文按照经济因素将客源市场划分为发达国家和发展中国家两个俱乐部，按照地理因素将客源市场划分为亚洲国家和非亚洲国家两个俱乐部，并分别对上述4个传统俱乐部进行log t检验。由表1可知，传统划分标准下的4个俱乐部内部拟合得到的t值均远远小于-1.65，在5%的水平下拒绝了收敛的原假设，即按照是否为发达国家、是否为亚洲国家所划分的俱乐部不满足收敛假说，这与罗浩和张瑜璇的研究结果一致[14]。这说明，尽管传统俱乐部的划分在一定程度上体现了客源市场在地理和经济方面的相似性，但并不能准确反映客源市场的内在联系和相似度，是否为发达国家、是否为亚洲国家都无法满足客源市场俱乐部收敛的判断标准。
3.3 收敛俱乐部的识别
为寻找收敛俱乐部，笔者运用聚类算法对旅华外国客源市场中的收敛俱乐部进行内生识别，结果如表2所示。
首先，基于log t检验和聚类算法，旅华外国客源市场被划分为8个初始俱乐部（Club1～Club8）。其中，前7个初始俱乐部内部拟合得到的t值均大于-1.65，说明各初始俱乐部内部的客源市场满足收敛假说。换言之，Club1～Club7为收敛组，共包含138个客源市场;Club8为发散组，仅包含1个客源市场。
按照俱乐部的整合标准，对上述7个收敛组进行合并后形成更大的收敛俱乐部。根据每个相邻的初始俱乐部的检验结果，将Club2和Club3合并为俱乐部B，将Club5、Club6和Club7合并为俱乐部D，Club1和Club4直接被用来形成单独的俱乐部A和俱乐部C。也就是说，通过聚类算法进行内生识别和合并后，最终共得到4个收敛俱乐部，即俱乐部A、俱乐部B、俱乐部C和俱乐部D，分别由19个、44个、44个和31个客源市场组成1。各收敛俱乐部中包含的客源市场情况如图1所示。2
为进一步探究这4个收敛俱乐部的动态变化特征，可对各收敛俱乐部的相对转移路径进行考察。首先，采用组内均值的合并方式，分别对上述4个收敛俱乐部进行组内合并;然后，基于相对转移系数hit，绘制1997—2017年各俱乐部的相对转移路径，从而反映各俱乐部旅华人次相对于平均值的变动趋势。一般地，旅华人次高于平均水平的俱乐部，其相对转移系数会大于1;旅华人次低于平均水平的俱乐部，其相对转移系数会小于1。1997—2017年间各收敛俱乐部的相对转移路径如图2所示。
结合俱乐部识别结果（图1）和动态演进趋势（图2）可见：俱乐部A中的客源市场基础较好，旅华人次遥遥领先，是入境旅游稳定发展的基础和关键所在。俱乐部A中既包括印度、印度尼西亚、日本、韩国、老挝、马来西亚、蒙古国、缅甸、菲律宾、新加坡、泰国和越南等距离中国较近的周边客源市场，也包括澳大利亚、加拿大、法国、德国、俄罗斯、英国和美国等远程客源市场。在研究期内，俱乐部A的相对转移系数均大于1.38，远远高于平均水平，体现了俱乐部A具有旅华人次多、市场份额高的特点。俱乐部A的相对转移路径呈现平稳下滑趋势，说明该类市场所占份额逐渐减少，从侧面反映了旅华外国客源市场的集中度正在降低。 俱乐部B中的客源市场基础相对较弱，但发展速度较快，是未来开拓的重点领域。俱乐部B既包括意大利、西班牙等高收入国家，也包括土耳其、墨西哥等中高收入国家，还包括尼泊尔等中低收入国家和苏丹等低收入国家;既包括柬埔寨等近程客源市场，也包括一些远程客源市场，如欧洲的波兰、美洲的墨西哥和非洲的南非等。从相对转移路径来看，1997年俱乐部B的相对转移系数约为0.95，之后一直呈平稳上升趋势，在2006年超过平均水平（相对转移系数为1.00），并持续增长至1.04。可见，尽管俱乐部B中的客源市场其旅华人次数相对较少，但增长潜力大且速度快。
俱乐部C中的客源市场基础相对较弱，且增长动力不足，需采取有效措施为该类客源市场发展注入新的动力。具体来看，俱乐部C中的成员多为远程客源市场，大多分布在欧洲与中亚地区（21个）、中东与北非地区（8个）、撒哈拉以南非洲地区（7个）和拉丁美洲与加勒比海地区（6个），其中，超过7成的客源市场属于高收入或中高收入国家。从相对转移路径来看，研究期内，俱乐部C的相对转移系数接近于1但增长非常缓慢（处于0.97～0.98之间），说明该类客源市场的旅华人次略低于平均水平且增长乏力。俱乐部C中多为地理距离远、经济水平高的客源市场，旅华人次接近平均水平，增长速度较慢。
俱乐部D中的客源市场旅华人次数普遍较低，且增长速度缓慢，在所有客源市场中处于落后地位。这类客源市场大多分布在拉丁美洲与加勒比海地区以及撒哈拉以南非洲地区，地理距离是其来华旅游的最大障碍。从相对转移路径来看，俱乐部D的相对转移系数从1997年的0.82持续下跌至2017年的0.77，说明该类客源市场占旅华外国客源市场的份额不断减少。
根据各收敛俱乐部中所包含的成员可知，属于同一收敛俱乐部的客源市场与传统的亚洲和非亚洲的地理划分情况差异较大，也与发达国家和发展中国家的划分有所不同。它们是完全根据各客源市场每年的旅华人次数据内生决定的。为了更清楚地展示各俱乐部成员的经济水平和地理位置情况，可根据世界银行世界发展指标数据库中经济发展水平和地理亚区的划分标准，对其做进一步考察。结果显示：从客源市场的经济发展水平来看，俱乐部A中包括9个高收入国家、4个中高收入国家和6个中低收入国家;从客源市场的地理分布来看，俱乐部A中包括12个东亚与太平洋国家、4个欧洲与中亚国家、两个北美国家和1个南亚国家。俱乐部B、俱乐部C和俱乐部D的情况与俱乐部A类似，不再赘述。从中可见，每个收敛俱乐部中的客源市场在经济发展水平或地理分布方面并无明显的相似性。这在一定程度上说明，仅仅基于经济或者地理等单一指标对俱乐部进行划分缺乏合理性，也从侧面说明，影响旅华外国客源市场俱乐部收敛的因素是复杂的，需对其影响因素做进一步探索。
4 俱乐部收敛的影响因素
前文通过聚类算法得到了旅华外国客源市场的4个收敛俱乐部，这是“让数据说话”得到的结论。接下来的问题是，究竟是哪些因素决定了某客源市场属于某收敛俱乐部呢？以下基于ordered logit模型对俱乐部收敛的影响因素做进一步探究。
4.1 变量选取
根据俱乐部收敛概念和理论，本文主要考虑两方面影响因素：初始水平和结构特征。初始水平方面，本文将1997年各客源市场的初始旅华人次作为衡量指标;结构特征方面，根据旅游引力模型，客源地的“出游力”、目的地的“吸引力”以及客源地与目的地的“空间阻尼”是影响国际旅游流量的重要因素[47]，但考虑到目的地为各客源市场提供的旅游产品是无差异的[48-49]，因此，本文重点关注“出游力”和“空间阻尼”对俱乐部分组的影响。其中，客源地的“出游力”主要包括人均收入水平、人口规模、对外开放程度等因素，客源地与目的地的“空间阻尼”包括地理距离、文化距离和经济距离等广义距离因素。另外，参考扩展的贸易引力模型，本文进一步添加了两个虚拟变量，即客源地与目的地是否接壤、客源地是否施行过境免签政策。
4.2 模型设定
鉴于俱乐部A～俱乐部D的平均旅华人次呈现下降趋势，本文基于收敛俱乐部的识别结果构建有序离散变量（club），即分别用数值1～4表示俱乐部A～俱乐部D，具体地，俱乐部A取值为1，俱乐部B取值为2，依此类推。接下来，建立如下ordered logit模型：
[club*= β1lnitr0+β2lnpgdp+β3lnpop+β4open+β5lngeo+ β6culture+β7economic+β8contig+β9visa+ε]（10）
其中，club*是与被解释变量“收敛俱乐部club”相对应的潜变量，当club*≤α1时，club取1;当α1≤club*≤α2时，club取2;当α2≤club*≤α3时，club取3;当club*>α3时，club取4;α1、α2、α3为待估计的参数（也称为门槛值或切点），且满足α1<α2<α3。lnitr0表示初始旅华人次;lnpgdp表示人均收入水平;lnpop表示人口规模;open表示对外开放程度;lngeo表示地理距离;culture表示文化距离;economic表示经济距离;contig为虚拟变量，表示客源市场是否与中国接壤;visa同为虚拟变量，表示是否施行过境免签政策。β1～β9为回归系数，若β>0，则随着解释变量数值的增加，club*在较高类别上发生的概率增大。ε为模型的扰动项，服从均值为0且方差为π2/3的logit分布。
上述各变量的描述性统计特征、衡量指标及数据来源如表3所示。
4.3 实证结果分析
Ordered logit回归结果显示，伪R2=0.4342，Wald统计量为1591.65，对应的p值为0.0000，整體回归模型中所有系数的联合显著性较高，这说明ordered logit回归模型是有效的。切点α1、α2和α3的估计值分别为-28.6756、-25.2359和-21.0567。由于ordered logit回归是采用最大似然估计的非线性模型，其估计系数（β）仅能体现解释变量对俱乐部划分的影响方向，而不具有边际效应的含义，为此，本文进一步计算了各解释变量在均值处的边际效应，具体结果见表4。 回归结果表明，初始旅华人次（lnitr0）的系数为负，且在1%水平上显著，初始旅华人次在均值处每增加1%，客源市场属于俱乐部A和俱乐部B的概率将分别增加1.01%和5.64%，而属于俱乐部C和俱乐部D的概率将分别下降6.33%和0.32%。这说明初始旅华人次越高的客源市场，归属于平均旅华人次高的俱乐部的可能性越大。这与前文中对各收敛俱乐部的分析结果一致，俱乐部A中的客源市场，旅华人次较高，市场基础较好;而俱乐部D中的客源市场，旅华人次普遍较低，市场基础较差。
人均收入水平（lnpgdp）的系数为负，且在1%水平上显著，人均收入水平在均值处每增加1%，客源市场属于俱乐部A和俱乐部B的概率将分别增加1.69%和9.44%，而属于俱乐部C和俱乐部D的概率将分别减少10.60%和0.53%。这意味着客源市场的人均收入水平越高，其属于平均旅华人次高的俱乐部的概率越大，这与大多数研究收入与旅游需求关系的文献结论具有异曲同工之处，即收入水平是影响旅游需求的基本因素，与旅游需求存在正相关关系[51]。换言之，根据旅游需求理论，人均收入水平提高是产生旅游需求的基础条件，那些具备一定的经济基础和支付能力的客源市场，其来华旅游需求更旺盛，来华旅游规模有可能更大。
人口规模（lnpop）的系数为负，且在1%的水平上显著，人口规模在均值处每增加1%，客源市场属于俱乐部A和俱乐部B的概率将分别增加6.59%和36.70%，而属于俱乐部C和俱乐部D的概率将分别减少41.21%和2.07%。这说明人口规模对客源市场的来华旅游情况具有显著影响，客源市场的人口规模越大，其属于平均旅华人次高的俱乐部的概率就越大。人口规模反映了国际旅游的潜在供给能力，人口规模越大的客源市场趋向于产生更多的来华旅游者。即使该客源市场的整体出游率不高，其来华旅游规模也可能较大。
对外开放程度（open）的系数为负，且在1%的水平上显著，对外开放程度在均值处每增加1个单位，客源市场属于俱乐部A和俱乐部B的概率将分别增加0.03%和0.17%，而属于俱乐部C和俱乐部D的概率将分别减少0.19%和0.01%。这说明客源市场的对外开放程度越高，其属于平均旅华人次高的俱乐部的可能性越大。这是因为，一国或地区的对外开放为其国际旅游发展创造了良好的客观条件。通常来讲，客源市场的对外开放程度越高，其跨越国境或边境的贸易活动就越频繁，国际旅游规模就越大，该客源市场归属于平均旅华人次数较高的俱乐部的可能性就越大。
地理距离（lngeo）的系数为正，且在1%的水平上显著，地理距离在均值处每增加1%，客源市场属于俱乐部A和俱乐部B的概率将分别减少4.66%和25.97%，而属于俱乐部C和俱乐部D的概率将分别增加29.16%和1.47%。这说明客源市场与中国的地理距离越远，其属于平均旅华人次低的俱乐部的可能性就越大，即遵循距离衰减规律。可见，地理距离仍然是影响中国入境旅游流的重要因素，它会直接影响到旅游者的交通成本和停留时间。随着地理距离的增加，因地理距离而产生的旅游行为阻力不断增强，客源市场的来华旅游人次逐渐下降，归属于平均旅华人次较低的俱乐部的概率逐渐增大。
文化距离（culture）的系数为负，且在1%的水平上显著，文化距离在均值处每增加1个单位，客源市场属于俱乐部A和俱乐部B的概率将分别增加0.43%和2.38%，而属于俱乐部C和俱乐部D的概率将分别减少2.67%和0.13%。这说明客源市场与中国的文化距离越大，其属于平均旅华人次高的俱乐部的可能性越大。文化距离对国际旅游流的影响比较复杂，较大的文化距离可能会提升异域文化对旅游者的吸引力，也可能会增加跨文化交流障碍[52]。究竟是文化差异性还是文化相同性更能吸引国际旅游者，目前尚无定论。本文研究表明，文化的差异性使客源市场属于平均旅华人次数较高的俱乐部的可能性更大。
经济距离（economic）的系数为负，且在1%的水平上显著，经济距离在均值处每增加1个单位，客源市场属于俱乐部A和俱乐部B的概率将分别增加0.05%和0.30%，而属于俱乐部C和俱乐部D的概率将分别减少0.33%和0.02%。这说明客源市场与中国的经济距离越大，其属于平均旅华人次高的俱乐部的可能性就越大。经济距离主要体现为相对价格，包括消费价格指数（CPI）和相对汇率两个方面，客源地与中国的相对价格越高，意味着对客源市场而言中国旅游产品的价格越低，越有助于客源市场来华旅游需求的增加。
对于是否接壤（contig）和是否施行过境免签政策（visa）而言，其系数在1%的水平上均显著为正;具体而言，相比于与中国接壤的客源市场，不与中国接壤的客源市场属于俱乐部A和B的概率将分别减少2.97%和26.70%，而属于俱乐部C和俱乐部D的概率将分别增加27.01%和2.66%;相比于施行过境免签政策的客源市场，未施行过境免签政策的客源市场属于俱乐部A和俱乐部B的概率将分别减少1.46%和9.85%，而属于俱乐部C和俱乐部D的概率将分别增加10.67%和0.64%。这说明接壤有助于双边的贸易往来，实施免签政策提升了跨境旅游的便利化程度，均有助于客源市场来华旅游规模的增加。不与中国接壤、不施行过境免签政策的国家归属于平均旅华人次低的俱乐部的可能性更大。
另外，为了检验回归结果的稳健性，本文进一步采用ordered probit模型进行重新估计。模型估计结果显示，Wald统计量为2081.06（p值为0.0000），伪R2为0.4420，切点α1、α2和α3的估计值分别为 -16.1933、-14.2029和-11.8247。从回归系数来看（表4），尽管回归系数的拟合值有细微差异，但是回归系数的符号和显著性均很接近，说明上述回歸结果是稳健的。
综上可知，客源市场的俱乐部分组并非受单一因素的影响，而是初始水平和结构特征等多方面因素共同作用的结果。其中，客源市场的初始旅华人次，客源市场的人均收入水平、人口规模和对外开放程度等“出游力”因素，客源市场与中国的地理距离、文化距离和经济距离等“空间阻尼”因素，客源市场是否与中国接壤、是否施行过境免签政策，均在一定程度上显著影响客源市场所属收敛俱乐部的类别。 5 结论与启示
传统的俱乐部收敛研究是在人为预先设定俱乐部的基础上进行收敛性判断，难以满足俱乐部收敛概念中“初始水平和结构特征相似”的前提条件，其识别方法和研究结论的科学性有待商榷。本文采用Phillips和Sul[41-42]提出的非线性时变因子模型及其聚类算法，自动筛选并识别出客源市场中的收敛俱乐部;进一步地，为探索各收敛俱乐部的分组依据，运用ordered logit模型考察了影响俱乐部分组的因素及其边际效应。
本文的实证研究发现：其一，旅华外国客源市场存在4个收敛俱乐部。在考虑客源市场异质性和收敛速度时变性的情况下，旅华外国客源市场不存在总体收敛趋势;按照是否为亚洲国家、是否为发达国家标准划分的传统俱乐部也不满足收敛假说;运用非线性时变因子模型及其聚类算法对旅华外国客源市场进行内生识别后，共得到了4个收敛俱乐部，各俱乐部在市场基础和发展趋势方面具有较大差异，且未表现出明显的地理邻近或经济相似特征。其二，收敛俱乐部受到初始水平和结构特征等多方面因素的共同影响。客源市场的初始旅华人次、人均收入水平、人口规模和对外开放程度，客源市场与中国的地理距离、文化距离和经济距离，客源市场是否与中国接壤、是否施行过境免签政策等因素，均显著影响客源市场所属收敛俱乐部的类别。
上述结论对现实发展有如下启示。第一，针对同一收敛俱乐部中的客源市场，可制定和实施类似的营销策略。在国际旅游客源市场竞争日益激烈、中国入境旅游增长持续低迷的背景下，必须制定有效的营销策略。本文研究发现，旅华外国客源市场不存在总体收敛，简单的“一刀切”策略是不合理的，必须考虑客源市场的个体异质性，采取差异化营销策略。然而，在资源和精力的有限约束下，对每个客源市场分别采取定制化的營销策略也不现实[30]。因此，需对旅华外国客源市场进行细分，从而为不同细分市场制定兼具针对性和差异性的营销策略。目前，中国入境旅游营销将东北亚、东南亚、南亚、西欧和北美视为重点市场，将中亚、西亚、东欧、非洲和南美等视为有待培育的潜在市场1。这种市场细分的结果是，简单地按照地理区划执行同一个营销策略。本文研究结果证实，以往按照单一的地理或经济因素对客源市场进行俱乐部划分的方式缺乏合理性，应综合考虑初始水平和结构特征等多方面因素的作用。为此，需要基于前文中的俱乐部识别结果对旅华外国客源市场进行细分（图1），对同一收敛俱乐部中的客源市场制定或实施类似的营销策略和促销活动。
第二，针对不同收敛俱乐部中的客源市场，定制和实施相宜的营销推广方案。本文研究发现，俱乐部A中的客源市场具有旅华人次多、市场份额高的特点，是旅华外国客源市场健康持续发展的根本保障。相关部门应不断巩固和强化俱乐部A中的客源市场，对其进行持续深入的市场需求调研，及时准确把握其需求特征和变化趋势，促进其可持续增长。俱乐部B中的客源市场基础较弱，但增长速度较快，是提高客源市场多样性的重点领域。相关部门应对此类客源市场进行积极拓展和重点开发，不断挖掘和激发其来华旅游潜力。俱乐部C中的客源市场基础较弱，且增长动力不足，相关部门需加强对该类客源市场的调研，为其发展注入新的动力。俱乐部D中的客源市场在旅华外国客源市场中占据份额较小，且增速较慢，相对而言，并非当下的旅游营销重点。
第三，要综合考虑多种因素对旅华外国客源市场俱乐部分组的影响。尽管旅华外国客源市场的俱乐部收敛受初始水平和结构特征等多方因素的共同作用，但本文研究依旧证明了地理距离对中国入境旅游客源的重要影响，即距离中国较近的周边客源市场普遍属于俱乐部A。与此同时，本文实证研究结果也说明，在考虑地理因素的基础上，还需进一步关注其他因素对客源市场的作用效果。例如，为扩大中国的入境旅游规模，可加强与经济发展水平较高、人口规模较大、对外开放程度较高的客源市场的经贸合作与人员往来。考虑到文化距离和经济距离的影响，在海外旅游信息传播和市场营销方面，应突出中国的民族文化特色，强调旅游产品的价格优势。签证政策对推动入境旅游增长的作用已得到充分证实，未来可考虑进一步扩大实施72/144小时过境免签政策的国家范围。
总之，本文为旅华外国客源市场的俱乐部收敛研究引入了一种新的实证方法，并从国家整体层面实证考察了旅华外国客源市场的细分结果及其影响因素，具有一定的理论助益和现实意义。不过值得关注的是，在过去20多年中，全球经济和政治发生了多次变化，而新冠疫情的全球蔓延，使得世界经济发展、全球旅游往来、国家之间交往等面临更大的不确定性。在此过程中，所出现的结构断点或对客源市场细分结果产生重要作用。由于篇幅和研究重点所限，本文并未考虑潜在的结构断点对研究结果的影响，未来有必要对此做进一步探索。此外，除国家之外，对于入境旅游而言，省域、城市（特别是重要枢纽城市）已成为我国开展海外营销推广工作的重要载体，未来有必要从这些层面考察旅华外国客源市场的俱乐部收敛特征，从而为不同尺度旅游目的地的市场细分和营销实践提供参考。
参考文献（References）
[1] 唐洁尘， 陈双琴. 中国入境旅游需求弹性估算——基于误差修正模型[J]. 旅游科学， 2017， 31（5）： 65-81. [TANG Jiechen， CHEN Shuangqin. An estimation of demand elasticity of China’s inbound tourism： Based on the error correction model[J]. Tourism Science， 2017， 31（5）： 65-81.]
[2] 王纯阳， 黄福才. 中国入境旅游需求影响因素分析及预测——以外国客源市场为例[J]. 商业经济与管理， 2009（9）： 88-96. [WANG Chunyang， HUANG Fucai. A study on the factors determining the demand for China inbound tourism： Taking foreign source markets as an example[J]. Journal of Business Economics， 2009（9）： 88-96.] [3] 刘欢， 陈晔， 李春晓. 中国入境旅游影响因素及营销策略——基于19个主要客源国市场的实证研究[J]. 社会科学家， 2016（6）： 98-102. [LIU Huan， CHEN Ye， LI Chunxiao. Influencing factors and marketing strategies of China’s inbound tourism： Empirical research based on 19 main source countries[J]. Social Scientist， 2016（6）： 98-102.]
[4] 陈杨， 贾铁飞. 基于市场竞争态的上海国际旅游客源市场分析[J]. 旅游科学， 2007， 21（2）： 13-16; 51. [CHEN Yang， JIA Tiefei. An analysis of Shanghai’s international tourist markets： Based on market competition sate[J]. Tourism Science， 2007， 21（2）： 13-16; 51.]
[5] 樊妍芳， 石培基， 程华. 甘肃省入境旅游客源市场及发展对策研究[J]. 地理与地理信息科学， 2008， 24（6）： 97-101; 107. [FAN Yanfang， SHI Peiji， CHENG Hua. Analysis on inbound tourism market and its development measures of Gansu province[J]. Geography and Geo-Information Science， 2008， 24（6）： 97-101; 107.]
[6] 周彩屏. 基于SSM方法的入境旅游市場客源结构分析——以浙江省为例[J]. 旅游学刊， 2008， 23（1）： 46-51. [ZHOU Caiping. An analysis of tourist structure in the inbound tourism market based on SSM method： Taking Zhejiang province as an example[J]. Tourism Tribune， 2008， 23（1）： 46-51.]
[7] 曹新向， 苗长虹. 20世纪90年代以来河南省入境旅游客源市场结构演化——基于SSM方法的分析[J]. 旅游学刊， 2009， 24（2）： 11-17. [CAO Xinxiang， MIAO Changhong. On the structural evolution of inbound tourism generating market in Henan province since the 1990s： Based on the analysis of SSM[J]. Tourism Tribune， 2009， 24（2）： 11-17.]
[8] 南宇， 杨永春， 史婧. 西北五省区入境旅游客源市场动态演化结构分析研究[J]. 经济地理， 2011， 31（9）： 1558-1565. [NAN Yu， YANG Yongchun， SHI Jing. Analysis on the dynamic evolution of inbound tourism market in the five northwestern provinces[J]. Economic Geography， 2011， 31（9）： 1558-1565.]
[9] 全华， 赵磊， 陈田， 等. 入境旅游客源市场结构实证分析——以江苏省为例[J]. 经济地理， 2012， 32（1）： 146-152. [QUAN Hua， ZHAO Lei， CHEN Tian， et al. An empirical analysis of tourist structure in the inbound tourism market based on SSM model： A case study on Jiangsu province[J]. Economic Geography， 2012， 32（1）： 146-152.]
[10] 刘法建， 陈冬冬， 朱建华， 等. 中国省际入境旅游客源市场结构与互动格局——基于2-模网络分析[J]. 地理科学进展， 2016， 35（8）： 932-940. [LIU Fajian， CHEN Dongdong， ZHU Jianhua， et al. Structure and interaction of China’s inter-provincial inbound tourism market： A2-mode network analysis[J]. Progress in Geography， 2016， 35（8）： 932-940.]
[11] 王克军. 主要客源国对中国入境旅游市场的贡献分析[J]. 旅游学刊， 2017， 32（1）： 32-41. [WANG Kejun. Contribution analysis of inbound tourist source market in China[J]. Tourism Tribune， 2017， 32（1）： 32-41.]
[12] 周成， 冯学钢. 上海入境旅游市场的季节特征、波动周期与发展趋势——基于X-12-ARIMA和HP滤波法[J]. 旅游科学， 2016， 30（6）： 39-53. [ZHOU Cheng， FENG Xuegang. On the seasonal characteristics， fluctuation cycle and development trends of Shanghai’s inbound tourist market： Based on X-12-ARIMA and HP filter methods[J]. Tourism Science， 2016， 30（6）： 39-53.] [13] 孙晓东， 倪荣鑫， 冯学钢. 城市入境旅游及客源市场的季节性特征研究——基于上海的实证分析[J]. 旅游学刊， 2019， 34（8）： 25-39. [SUN Xiaodong， NI Rongxin， FENG Xuegang. Exploring seasonality of urban inbound tourism from the perspective of source market structure： An empirical study on Shanghai China[J]. Tourism Tribune， 2019， 34（8）： 25-39.]
[14] 羅浩， 张瑜璇. 中国的入境旅游客源市场收敛吗？[J]. 旅游学刊， 2018， 33（7）： 28-39. [LUO Hao， ZHANG Yuxuan. Are China’s inbound tourism source markets converging？[J]. Tourism Tribune， 2018， 33（7）： 28-39.]
[15] 刘倩倩， 姚战琪， 周功梅. 旅华外国客源市场时空结构再分析——基于入境休闲旅游者的数据[J]. 热带地理， 2020， 40（1）： 128-136. [LIU Qianqian， YAO Zhanqi， ZHOU Gongmei. Temporal and spatial structure of foreign tourist markets in China’s inbound tourism： A reanalysis based on data from inbound leisure tourist[J]. Tropical Geography， 2020， 40（1）： 128-136.]
[16] NARAYAN P K. Are Australia’s tourism markets converging？ [J] Applied Economics， 2006， 38（10）： 1153-1162.
[17] KOURTZIDIS S A， TZEREMES P， TZEREMES N G， et al. Integration of tourism markets in Australia： An international visitor arrivals’ convergence assessment[J]. Tourism Economics， 2018， 24（7）： 901-907.
[18] NARAYAN P K. Testing convergence of Fiji’s tourism markets[J]. Pacific Economic Review， 2007， 12（5）： 651-663.
[19] LEAN H H， SMYTH R. Are Malaysia’s tourism markets converging？ Evidence from univariate and panel unit root tests with structural breaks[J]. Tourism Economics， 2008， 14（1）： 97-112.
[20] TANG C F. Old wine in new bottles： Are Malaysia’s tourism markets converging？[J]. Asia Pacific Journal of Tourism Research， 2011， 16（3）： 263-272.
[21] LEE C G. The convergence hypothesis for tourism markets： Evidence from Singapore[J]. Tourism Economics， 2009， 15（4）： 875-881.
[22] TAN S H， TAN S K. Are Singapore’s tourism markets converging with structural breaks[J]. Tourism Economics， 2013， 19（1）： 209-216.
[23] YILANCI V， ERIS Z A. Are tourism markets of Turkey converging or not？ A Fourier stationary analysis[J]. Anatoli， 2012， 23（2）： 207-216.
[24] ABBOTT A， DE VITA G， ALTINAY L. Revisiting the convergence hypothesis for tourism markets： Evidence from Turkey using the pairwise approach[J]. Tourism Management， 2012， 33（3）： 537-544.
[25] OZCAN B， ERDOGAN S. Are Turkey’s tourism markets converging： Evidence from the two-step LM and three-step RALS-LM unit root tests[J]. Current Issues in Tourism， 2017， 20（4）： 425-442.
[26] KAPLAN F， OZTURK E， GUNGOR ?. Is the club convergence hypothesis validy for Turkey tourism market[J]. Research in Applied Economics， 2017， 9（3）： 24-30. [27] LIN Z， YOU K， LAU C K， et al. Segmenting global tourism markets： A panel club convergence approach[J]. Annals of Tourism Research， 2019， 75： 165-185.
[28] SOLARIN S A， LEAN H H. Nonlinearity convergence of tourism markets in Seychelles[J]. Current Issues in Tourism， 2014， 17（6）： 475-479.
[29] SOLARIN S A. Revisiting the convergence hypothesis of tourism markets： Evidence from South Africa[J]. The Journal of Applied Economic Research， 2014， 8（1）： 77-92.
[30] MERIDA A L， CARMONA M， CONGREADO E， et al. Exploring the regional distribution of tourism and the extent to which there is convergence[J]. Tourism Management， 2016， 57： 225-233.
[31] TIWARI A K. Whether tourist arrivals in India convergent？[J]. Annals of Tourism Research， 2016， 61： 252-255.
[32] SOLARIN S A. Convergence hypothesis in tourism markets and activities in Taiwan[J]. Tourism Economics， 2018， 24（8）： 1037-1044.
[33] 劉迎霞， 覃成林. 区域经济增长空间趋同假说研究新进展[J].经济学动态， 2010（2）： 99-103. [LIU Yingxia， QIN Chenglin. New progress in the research on the convergence hypothesis of regional economic growth[J]. Economics Perspectives， 2010（2）： 99-103.]
[34] BERNARD A， DURLAUF S. Convergence in International Output[J]. Journal of Applied Econometrics， 1995， 10（2）： 97-108.
[35] LI Q， PAPELL D H. Convergence of international output time series evidence for 16 OECD countries[J]. International Review of Economics and Finance， 1999， 8（3）： 267-280.
[36] BARRO R J， SALA-I-MARTIN X. Convergence across states and regions[J]. Brookings Papers on Economic Activity， 1991， 22（1）： 107-182.
[37] HEPSAG A. Testing convergence of tourism markets： Evidence from seasonal unit roots test[J]. Anatolia， 2016， 27（2）： 177-188.
[38] 张伟丽. 区域经济增长俱乐部趋同： 概念、识别及机制[D]. 开封： 河南大学， 2009. [ZHANG Weili. On the Definition， Testing and Mechanism of Club Convergence of Regional Economic Growth[D]. Kaifeng： Henan University， 2009.]
[39] OKAZAKI S， TAYLOR C， DOH J. Market convergence and advertising standardization in the European Union[J]. Journal of World Business， 2007， 42： 384-400.
[40] GRIFFITH D. Understanding multi-level institutional convergence effects on international market segments and global marketing strategy[J]. Journal of World Business， 2010， 45（1）： 59-67.
[41] PHILLIPS P， SUL D. Transition modeling and econometric convergence tests[J]. Econometrica， 2007， 75（6）： 1771-1855.
[42] PHILLIPS P， SUL D. Economic transition and growth[J]. Journal of Applied Econometrics， 2009， 24（7）： 1153-1185. [43] 何一峰. 转型经济下的中国经济趋同研究——基于非线性时变因子模型的实证分析[J]. 经济研究， 2008（7）： 39-51. [HE Yifeng. Economic convergence in transition economy of China： An empirical study with a nonlinear time-varying factor model[J]. Economic Research Journal， 2008（7）： 39-51.]
[44] 孙亚男， 杨名彦， 崔蓉， 等. “一带一路”沿线国家全要素生产率的俱乐部收敛及其动态演进： 兼论“六大经济走廊”框架在缩小国家间经济差距中的作用[J]. 世界经济研究， 2018（8）： 99-111; 137. [SUN Yanan， YANG Mingyan， CUI Rong， et al. Club convergence and dynamic evolution of total factor productivity of the Belt and Road countries： The role of six economic vorridors bridging the gap of B&R countries economy[J]. World Economy Studies， 2018（8）： 99-111; 137.]
[45] ERNST D， DOLNICAR S. How to avoid random market segmentation solutions[J]. Journal of Travel Research， 2018， 57（1）： 69-82.
[46] SCHNURBUS J， HAUPT H， MEIER V. Economic transition and growth： A replication[J]. Journal of Applied Econometrics， 2017， 32（5）： 1039-1042.
[47] 李山， 王铮， 钟章奇. 旅游空间相互作用的引力模型及其应用[J]. 地理学报， 2012， 67（4）： 526-544. [LI Shan， WANG Zheng， ZHONG Zhangqi. Gravity model for tourism spatial interaction： Basic form， parameter estimation， and applications[J]. Acta Geographyica Sinica， 2012， 67（4）： 526-544.]
[48] PAPATHEODOROU A. Why people travel to different places[J]. Annals of Tourism Research， 2001， 28（1）： 164-179.
[49] ZHANG J， JENSEN C. Comparative advantage： Explaining tourism flows[J]. Annals of Tourism Research， 2007， 34（1）： 223-243.
[50] 劉祥艳， 杨丽琼， 吕兴洋. 文化距离对我国出境旅游的影响——基于引力模型的动态面板数据分析[J].旅游科学， 2018， 32（4）： 60-70. [LIU Xiangyan， YANG Liqiong， LYU Xingyang. The impact of cultural distance on China’ s outbound tourism： A dynamic panel data analysis based on the gravity model[J]. Tourism Science， 2018， 32（4）： 60-70.]
[51] 周文丽， 李世平. 基于凯恩斯消费理论的旅游消费与收入关系实证研究[J]. 旅游学刊， 2010， 25（5）： 33-38. [ZHOU Wenli， LI Shiping. An empirical study on the relationship between tourism consumption and income based on Keynes’ consumptive function theory[J]. Tourism Tribune， 2010， 25（5）： 33-38.]
[52] 张宏伟. 中国入境旅游的文化差异效应测度研究——基于引力模型的分析[J]. 财贸研究， 2009， 20（4）： 56-61; 68. [ZHANG Hongwei. The effect of cultural difference on inbound tourism to China： Analysis based on gravity model[J]. Finance and Trade Research， 2009， 20（4）： 56-61; 68.]
Club Convergence in China’s Foreign Tourist Source Market：
Recognition Method and Convergence Factors
LIU Qianqian1， SONG Rui2， ZHOU Gongmei1
（1. University of Chinese Academy of Social Sciences （Graduate School）， Beijing 102488， China; 2. National Academy of Economy Strategy， Chinese Academy of Social Sciences， Beijing 100006， China）
Abstract： With the ongoing continued sluggish growth for China’s inbound tourism， tourism management departments have to formulate global marketing strategies to attract international visitors. It is particularly important to analyze the global market toward formulating a market-oriented destination strategy. Club convergence research can provide a decision-making basis for segmenting the source market and formulating specific market-oriented strategies.
This paper studied club convergence for China’s foreign tourist source market， using data about visitors to China from 139 countries and regions for 1997—2017. Conventional club convergence analysis relies on artificially setting the boundaries of clubs before judging convergence. Thus， subjectivity is strong， and it becomes difficult to effectively identify clubs that meet the convergence hypothesis. The present investigation has merits in examining club convergence for China’s foreign tourist source market. First， we adopted the nonlinear time-varying factor model and clustering algorithm to automatically select and identify convergent clubs in that market. Then， using the ordered logit model， we investigated the factors affecting club grouping and their marginal effects.
The main results were as follows. First， we identified four convergence clubs in China’s foreign tourist source market. We found that when considering the heterogeneity of that market and time-varying rate of convergence， it did not display an overall trend of convergence. In a conventional analysis of Asian and non-Asian countries as well as developed and developing countries， we found that conventional clubs did not satisfy the convergence hypothesis. However， using the nonlinear time-varying factor model and clustering algorithm， we identified four convergent clubs. Each club exerted a major effect on the market basis and development trend; the clubs lacked clear geographic proximity. Second， the convergence clubs were affected by many factors， including the following： the initial number of tourists to China; per capita income level; population size; degree of openness to the outside world; geographic distance; cultural distance; economic distance; whether the source market bordered on China; and whether a transit visa-free policy was implemented. All the factors significantly affected the source market to which the convergence club belonged. From the above findings， we drew the following conclusions. First， previous methods of dividing the customer source market based on geographic or economic factors lacked rationality. We advocate breaking the constraints of conventional geographic divisions or economic development levels. Instead， it is necessary to analyze China’s foreign tourist source markets using the club identification results we obtained; it is important to implement similar marketing strategies or promotional activities when examining source markets in the same convergent club. Second， it is essential to customize and implement appropriate marketing and promotion plans when assessing the source markets of different convergence clubs. Tourism marketing management departments should continue to consolidate and strengthen club A （with high market share）， actively expand and focus on club B （with rapid growth）， enhance research on club C （with insufficient growth momentum） to inject new impetus into the development of its source market， and strive for and steadily develop club D （with small market share and slow growth）. Third， it is necessary to comprehensively consider the influence of various factors on the grouping of China’s foreign tourist source market clubs. It is imperative to consider geographic proximity effects; however， on the basis of geographic factors， it is necessary also to consider the effects of other factors on the source market.
Keywords： inbound tourism; source market; club convergence; convergence factors; nonlinear time-varying factor model
[責任编辑：周小芳;责任校对：宋志伟]