長三角城市群旅游經濟聯系網絡時空演化特征及驅動因素

朱安琪,曹芳東,周春林,2

(1.南京師范大學地理科學學院,江蘇 南京 210023) (2.南京旅游職業學院,江蘇 南京 211100)

城市群是指城市在成熟階段形成的,以中心城市為核心向周圍城市輻射的多城市集合的空間組織形式[1],城市群集聚形成的一體化區域成為全球經濟發展的動力引擎[2-3],也是中國經濟發展格局中最重要的戰略支撐點[4]. 長江三角洲城市群是中國最具經濟活力、全球影響力、科技創新能力的核心城市群,整體發展水平居全國城市群之首[5]. 旅游經濟在區域社會經濟發展中的作用日趨顯著[6],旅游經濟聯系是旅游業發展過程中旅游要素流動的綜合體現,是城市旅游地之間聯系的主要方式,反映出城市旅游的空間結構特征[7]. 由于地區間存在資源稟賦、經濟條件、交通區位、基礎設施等各方面差異,因此城市旅游經濟發展具有不平衡性[8]. 在尋求城市群融合發展的過程中,基于空間旅游經濟異質性,分析城市間旅游經濟聯系的空間結構特征和時間演變特征有助于提高區域旅游發展水平、加快區域一體化進程.

20世紀60年代,國外學者開始對旅游空間結構進行研究[9],研究內容包括理論研究層面,如Gunn等[10]提出的目的地地帶理論、Dredge[11]提出的旅游目的地空間結構三種節點模式等;還包括實證研究層面,如旅游業空間分布效應[12]、旅游資源的空間結構[13]、旅游空間分布及功能[14]等. 國內學者主要基于核心-邊緣理論[15-16]、點軸理論[17]等對研究案例地進行定量分析,常用方法包括最鄰近指數、地理集中指數、網格維分析、AHP分析等[18-20],但大多基于傳統的屬性數據進行分析. 20世紀50—60年代出現的社會網絡分析法為研究提供了新的視角[21],被廣泛運用于區域經濟[22]、創新[23]、交通[24]、旅游[25]等各方面研究. 社會網絡分析法聚焦于數據的關系特征而非屬性特征,因而被認為是旅游空間研究的絕佳范式[26],利用其對區域的旅游經濟聯系進行空間分析,有助于從新的視角把握各城市節點在網絡中的權力和地位、了解區域整體的集聚和擴散作用等. 有學者對東北地區[27]、津京冀雄城市群[28]、成渝經濟區[29]的旅游經濟聯系網絡的時空演化特征進行了研究,也有部分學者對長三角城市群或部分城市進行了研究[30-32]. 但針對2016年確定的長三角城市群26個城市綜合進行橫向空間布局分析和縱向時間演化分析的文章不多.

2016年5月國務院通過的《長江三角洲城市群發展規劃》中指出:長江三角洲城市群包括上海市;江蘇省的南京、鎮江、揚州、常州、蘇州、無錫、南通、泰州、鹽城;浙江省的杭州、嘉興、湖州、紹興、寧波、舟山、金華、臺州;安徽省的合肥、蕪湖、滁州、馬鞍山、銅陵、池州、安慶、宣城,共計26個城市. 長三角地區利用其得天獨厚的旅游資源、遙遙領先的經濟優勢迅速發展成為旅游產業發達、旅游競爭力突出的旅游領先地區,并成功帶動區內城市以及周邊城市的旅游經濟發展,因此針對該區域的旅游經濟聯系空間結構研究具有鮮明的代表性和重要的示范意義. 因此,本文基于修正引力模型,綜合運用社會網絡分析法、QAP相關性分析和GIS可視化技術,選擇2010年、2013年、2017年三個時間節點,探討長三角城市群26個城市的旅游經濟聯系網絡時空演化特征和驅動因素,有助于長三角城市群優化布局區域旅游資源與生產要素、調控城市間的“競合”關系,從而推進區域動態和諧一體化發展.

1 研究方法與數據來源

1.1 研究方法

1.1.1 修正引力模型

受牛頓萬有引力定律啟發,經濟動力學證明區域經濟聯系存在相互吸引作用,且該作用強度隨距離的增加而衰減[33-35]. 區域旅游經濟聯系量不僅能衡量區域間旅游經濟空間相互作用強度,同時還可反映中心城市對區域旅游經濟的輻射帶動能力,及周邊地區對中心城市的接受能力[36]. 因此本文采用修正引力模型測算區域內城市間旅游經濟聯系度,公式為:

(1)

(2)

Fij=Rij/Ri.

(3)

式中,Rij為i、j兩城市間的旅游經濟強度.Pi、Pj分別為城市i、j旅游總人次,萬人次.Vi、Vj分別為旅游總收入,億元. 其中旅游總人次由國內接待人次和入境旅游者接待人次兩部分組成,旅游總收入由國內旅游收入和旅游外匯收入兩部分組成.Dij為i、j兩城市基于道路網絡的最短公路交通距離.Ri為一定區域范圍內,i城市的對外旅游經濟聯系總量.Fij為城市i與城市j之間的旅游經濟聯系隸屬度.

1.1.2 社會網絡分析

社會網絡分析(social network analysis,SNA)是一門專門研究社會關系的學問,其研究對象為“關系數據”而非“屬性數據”,主要用于研究社會結構的模式以及結構的特性和影響[37]. 社會網絡分析主要包括整體網絡結構分析和個體節點結構分析兩部分. 本文利用UCINET軟件對網絡進行中心度分析、網絡密度分析、核心-邊緣分析、凝聚子群分析等,以探究長三角城市群旅游經濟聯系網絡的結構分布及演化特征.

(1)網絡中心度分析

中心性分析是對權利的量化研究,從“關系”的角度出發定量界定權力的,其中“中心度”是對個體行動者權力的量化分析;“中心勢”是對網絡群體權力的量化分析. 點度中心度是指與區域中某城市有直接旅游經濟關系的城市點的數目,城市的點度中心度越大,說明該城市在長三角網絡中的中心地位越高. 中間中心度測量的是行動者對資源控制的程度,城市的中間中心度越高,說明該城市處于越多城市對的捷徑(最短路徑)上,即表示該城市的中介作用越強,引導旅游聯系的控制能力越強、位置越核心. 接近中心度是一種不受他人控制的測度,測量的是網絡中某城市與其他城市的接近程度,城市的接近中心度越高,說明該地與其他城市的聯系程度越緊密.

(2)網絡密度分析

整體網絡密度等于網絡中實際存在的關系總數與理論上最多可能存在的關系總數的比值,用于反映網絡結構的整體緊密程度. 其取值范圍為[0,1],網絡密度越大,影響程度越大,說明網絡對行動者的影響程度越大,網絡節點之間的聯系越緊密.

(3)核心-邊緣分析

核心-邊緣分析是指根據不同城市的核心度,明確城市在整體網絡中的位置,將區域旅游經濟聯系網絡劃分為關系密度較高的核心區和關系密度較低的邊緣區,并分析兩區域的內在聯系.

(4)凝聚子群分析

凝聚子群是一個較為寬泛的概念,凝聚子群分析是指將整體網絡中具有相對較強、直接、緊密、經常的或者積極的關系的行動者劃分為同一子群或者派系[38]. 本文從旅游經濟聯系角度出發研究長三角城市群的子群演化過程,總結長三角地區小團體空間集聚的結構特征.

1.1.3 QAP相關性分析

QAP相關性分析是一種隨機化檢驗方法,以兩個矩陣關系數據的置換為基礎,可以對N×N矩陣進行相關性分析,且可以避免用傳統分析方法可能引起的多重共線性情況[39].

1.2 數據來源

為了保證所有數據的準確性和科學性,研究所涉及的長三角26個城市的各項指標數據來自各省市2010年、2013年、2017年的統計年鑒、旅游業年度報告和國民經濟和社會發展統計公報. 城市間的最短公路距離數據、最短公路交通時間通過百度地圖測算,城市間的直達高鐵動車數量通過12306官方網站查詢.

2 實證結果分析

2.1 旅游經濟聯系度分析

根據公式計算2010—2017年長三角城市群旅游經濟聯系度,并利用ArcGIS軟件對其進行可視化表達(圖1).

從圖1可知,2010年整體旅游經濟聯系強度較低,聯系度排名前三的城市對分別為蘇州—無錫、蘇州—上海、無錫—上海. 共有7對城市的旅游經濟聯系度大于500,其中4對與上海有關,上海為單一顯著增長極. 2013年整體旅游經濟聯系度加強,聯系度最低的3對是銅陵—鹽城、銅陵—舟山、銅陵—臺州. 聯系度最強的城市對是蘇州—無錫、蘇州—上海和杭州—紹興. 聯系度大于500的城市對數量增長至17對,其中8對聯系度大于1 000,形成以上海、杭州、蘇州成為增長極的多核結構. 2017年長三角旅游經濟聯系網絡尤其密集,城市間旅游經濟聯系強度大大提升. 聯系強度最大的城市對為蘇州—無錫,其旅游經濟聯系強度是第二名(杭州—紹興)的兩倍. 24對城市間的聯系度大于1 000,新增南京、無錫、嘉興、湖州、紹興等增長極.

整體而言,城市間的旅游經濟聯系最初相對局限于省會城市之間,或地理位置較為鄰近的經濟發達城市之間,且上海為顯著的單增長極. 說明長三角在旅游發展前期,以上海為首要發展陣地,且游客除了去上海市旅游還會去上海周邊的鄰近城市或者長三角的知名省會城市. 后來旅游經濟聯系網的覆蓋范圍逐漸擴大、網絡密度顯著增加,旅游經濟聯系受到的地域限制逐漸減少,即使是空間非鄰近的城市之間的聯系強度也顯著增強. 除上海外,新增了杭州、蘇州、南京、無錫等增長極,說明在多增長極的帶動作用下,長三角地區的旅游經濟得到了全面顯著的提升.

2.2 聯系網絡的個體節點分析

首先對長三角旅游經濟聯系度進行二值化處理,為保證數據有效性和可比性,經過反復試驗最終選擇以50為閾值(城市之間聯系度低于50的取值為0,相反為1),分別構建長三角地區2010年、2013年、2017年的網絡二分矩陣. 然后利用UCINET分別計算點度中心度、中間中心度、接近中心度,并利用ArcGIS中的反距離權(inverse distance weighted,IDW)插值法對其進行空間插值分析,得到中心度分布圖.

2.2.1 點度中心度

根據圖2可知,2010年長三角地區城市的點度中心度差異顯著,高值區主要集中在上海、蘇州、南京、杭州四大城市;除此之外低值區范圍廣大,甚至鹽城、銅陵、宣城等城市的點度中心度為0. 2013年各城市(除滁州市外)的點度中心度均有提升,尤其是安徽省的合肥、蕪湖、池州、宣城等地的點度中心度有明顯提高,但整體高值區和低值區的范圍未有明顯改變. 2017年高值區范圍擴大,滬寧杭蘇帶動了周邊無錫、常州、湖州、嘉興等城市的發展,逐漸形成了以上海、南京、杭州為頂點的片狀三角核心區域. 原處于低值區的合肥、蕪湖的點度中心度迅速增加,成為旅游經濟聯系網絡中新興的中心城市,但鹽城、滁州、銅陵仍處于地區“凹點”.

整體而言,前期長三角各城市在旅游經濟聯系網絡的地位相差懸殊,兩極分化情況顯著,核心節點城市的輻射作用和帶動能力有限,安徽省各城市在長三角城市群的地位偏低. 后期核心城市的輻射效應逐漸顯現,帶動周邊城市朝組團式發展,且以合肥、蕪湖為主的低值區城市的中心地位呈上升態勢. 逐漸形成以滬寧杭為頂點的片狀三角核心區域以及獨立高值區合肥蕪湖,長三角開始抱團發展,但個別地區的發展停滯影響了長三角地區的旅游經濟一體化發展進程.

2.2.2 中間中心度

從圖3可知,2010—2013年,長三角地區旅游經濟聯系網絡的中間中心度格局呈明顯的“雙核心”結構,上海和南京的中間中心度最高,為資源的核心控制城市. 同時極化效應明顯,城市的資源控制地位懸殊. 2013—2017年,上海、南京的中間中心度驟降,逐漸與周邊的蘇州、杭州等地持平,高值區“由點到面”擴散至以上海和南京為端點的“U”形帶狀地區和合肥,且二者有聯合為中部城市帶的趨勢;同時中間中心度的極差明顯減小,兩極分化態勢得到緩解.

整體而言,前期長三角的中間中心度保持鮮明的“雙核心”結構,上海和南京對長三角大部分城市的旅游經濟聯系有極高的控制能力. 后期各城市對其他城市的經濟聯系控制能力均有提高,主要控制地區從個別城市點轉為中部城市帶,區域平衡發展趨勢顯著. 但江蘇北部、浙江南部以及安徽西南部城市的中間中心度始終較低,長期在長三角旅游經濟聯系網絡中處于被動的控制地位.

2.2.3 接近中心度

從圖4可以看出,2010年,鹽城和部分安徽省西南部城市的接近中心度為顯著最低點,除此之外其余城市的接近中心度差別不大,數值普遍較低. 2013年所有城市的接近中心度均顯著提升,且乘數效應下開始出現相對高值區,上海、南京、杭州成為與其他城市聯系最為密切的城市. 2017年蘇州、無錫、湖州等城市在滬寧杭的帶動下快速發展,高值區的范圍由點及面逐步擴散,最終格局與同年的點度中心度格局基本一致,且合肥在長三角西部地區中的核心地位逐步奠定.

整體而言,接近中心度的空間形態變化經歷了“普遍低值”“個別突出”“片狀核心”三個階段,說明隨著長三角旅游經濟的發展,極化效應和擴散效應相繼發揮作用,具有獨立控制和發展能力的城市凸顯,并逐漸呈片狀抱團發展的趨勢,但鹽城、滁州、銅陵等仍為長三角地區的邊緣孤立城市.

2.3 聯系網絡的整體結構分析

2.3.1 核心-邊緣結構及網絡密度分析

根據構建的2010年、2013年、2017年長三角地區旅游經濟聯系網絡二分矩陣,利用UCINET6.0計算網絡的整體網絡密度,并將網絡劃分為核心區和邊緣區如圖5所示,分別計算不同區域的網絡密度如表1所示.

表1 長三角城市群旅游經濟聯系的網絡密度Table 1 Network density of tourism economy connection in the Yangtze River Delta

由圖5可知,2010年由于安徽省未被劃入長三角范圍,皖與江浙滬的經濟聯系較弱,因此江浙滬(除鹽城外)共17個城市都屬于核心區,而安徽省無一城市進入核心區范圍. 2013年核心區新增安徽省省會城市合肥市,核心區范圍擴大. 2017年核心-邊緣格局有明顯改變,浙江省南部的金華、臺州,以及江蘇省北部的泰州、南通從核心區轉為邊緣區,而安徽省的蕪湖則從邊緣區轉為核心區,核心區的范圍縮減至 14個城市.

整體而言,長三角旅游經濟聯系網絡的核心區范圍逐步打破省級行政區劃的界限,從完整連續的東部片區逐漸演化為中部片區,有精簡的趨勢. 安徽省的合肥和蕪湖旅游經濟實力不斷增強,終于在核心區占有一席之地,同時長三角南部和北部的部分城市由于發展較慢,不具有優勢競爭而被轉至邊緣區.

通過表1可知,旅游經濟聯系整體網絡密度呈上升趨勢,2013年較2010年增幅為67.18%,而2017年較2013年的增幅達到96.11%. 進一步分析可知,2010年長三角旅游經濟聯系幾乎都集中在核心區,邊緣區以及核心-邊緣之間的網絡極為稀疏. 2010—2013年,網絡密度的增加主要集中在核心區和邊緣區內部,但增幅有限. 2013—2017年,網絡密度的增加主要集中在核心區和核心-邊緣之間,且核心區的網絡密度接近于1.

整體而言,前期旅游經濟聯系網絡集中在核心區內部,后期旅游經濟聯系范圍不斷向外擴散,核心區內部和核心-邊緣區城市之間的旅游經濟聯系強度大大增加,促進了整體網絡密度的顯著提升,但是邊緣區內部微弱的旅游經濟聯系一直制約著整體網絡的聯系互動.

2.3.2 凝聚子群分析

為進一步了解長三角旅游經濟聯系中的小團體聚集情況,利用UCINET的迭代相關收斂算法對2010年、2013年、2017年網絡進行凝聚子群分析. 分別設置最大分割深度為2和3,將凝聚子群劃分為二級和三級子群,如圖6所示,并分別計算二級子群內部及子群間密度,如表2所示.

表2 長三角城市群旅游經濟聯系網絡的二級凝聚子群密度Table 2 Secondary cohesive group density of tourism economy connection in the Yangtze River Delta

結合圖6和表2可知,2010年由浙江省組成的第Ⅰ子群內部網絡密度一般. 主要由江蘇省和上海市組成的第Ⅱ子群內部網絡密度最大,其內部城市間的旅游經濟聯系最強. 主要由安徽省內部城市組成的第Ⅲ子群和第Ⅳ子群內部網絡密度幾乎為0,其內部城市間的旅游經濟聯系非常微弱. 此外各個子群之間的旅游經濟聯系也較為微弱.

2013年,第Ⅰ子群由上海、蘇南部分城市、浙北部分城市構成,該子群涵蓋了包括滬寧杭在內的12個較為發達的城市,因此成為空間范圍最大、網絡密度最大、實力最強的凝聚子群. 第Ⅱ子群由浙南的部分城市和蘇北的鹽城構成,該子群內部網絡密度一般. 第Ⅲ子群和第Ⅳ子群在安徽省內部,位于皖北子群的內部聯系以及位于皖南、皖北兩個子群之間的聯系皆略有增強.

2017年,第Ⅰ子群由浙江省和上海、蘇州、無錫組成,第Ⅱ子群由除南京外的江蘇省其余城市組成,第Ⅲ子群由南京和皖北較為發達的城市組成,第Ⅳ子群由安徽省的剩余城市組成. 前三個子群內部的網絡密度都趨近于1,說明其內部城市間的旅游經濟聯系錯綜復雜、緊密相關. 第Ⅳ子群內部的網絡密度由0提升至0.5,說明其內部城市間的孤立狀態被打破,城市間的旅游經濟聯系逐漸建立并穩步提升. 各子群之間的網絡密度均有較為明顯的提升,但是第Ⅳ子群和第Ⅰ、Ⅱ子群之間的旅游經濟聯系仍然有待進一步加強.

整體而言,從各子群的空間結構看,同子群城市的地理位置跨度減小,空間集聚現象漸趨明顯,凝聚子群的內部結構逐漸穩定,抱團發展模式逐漸成熟. 從各子群的網絡密度看,各子群內部和各子群之間的網絡密度都有了非常顯著的提升,長三角凝聚子群的發展模式由“龍頭引領”轉為“并駕齊驅”,發展階段從“強弱失衡”過渡到“強強穩定”. 從各子群的組成城市看,蘇州、無錫與上海始終聯系緊密,且三者有脫離蘇南,與浙北聯合發展的跡象,反映出滬寧聯系減弱、滬杭聯系增強的趨勢. 此外南京作為江蘇省會城市,有跨越省級區劃界限與皖東北組團發展的趨勢.

2.4 旅游經濟聯系網絡的影響因素分析

2.4.1 指標選取

區域旅游經濟聯系網絡的形成和演變不僅會受到城市旅游人次、旅游收入和空間距離的影響,同時也會受到網絡節點城市間各種社會、經濟、交通等要素的共同作用,不同的影響因素輻合驅動著旅游經濟聯系網絡的優化或者重組. 借鑒以往學者的研究成果[25、39];結合長三角的實際情況,選取3類變量對長三角旅游經濟聯系隸屬度的形成進行驅動因素分析:①城市發展水平. 城市的經濟發展水平、基礎設施建設、對外開放水平、居民生活水平等將對該城市的旅游接待能力、旅游消費能力和旅游吸引力產生重要影響. ②旅游發展水平. 城市的旅游產業發展、旅游資源稟賦、旅游服務設施等各方面情況是影響當地旅游經濟的直接因素,也是影響游客對旅游目的地選擇的決定性因素. ③交通便捷程度. 城市間的交通便利度不僅會對城市間的合作往來、經濟聯系產生重要影響,同時也會影響游客對旅游目的地的選擇. 因此本文基于以上3類變量,共選取10個指標進行分析,如表3所示.

城鄉發展規劃應緊緊圍繞“人”的中心，由面向經濟發展轉向面向社會發展，實現經濟、社會、空間和生態環境協調發展新格局，建設保障社會公平正義的新制度。要多謀民生之利，多解民生之憂，解決好人民最關心和最現實的問題，努力讓人民過上更好生活。

為了更加準確地體現城市之間的旅游經濟聯系在該城市的旅游經濟聯系總量當中的地位,研究采用旅游經濟聯系隸屬度作為因變量[25]. 同時,由于城市間各指標層面的差異才是促使兩地產生旅游經濟聯系的真正原因,因此研究以10個指標層面的差值矩陣為自變量,并首先對差值矩陣進行極差標準化以消除量綱影響.

2.4.2 結果分析

根據表3可知,所有因素均通過了0.01水平下的顯著性檢驗,說明這些因素與旅游經濟聯系的相關性較強. 且除最短公路交通時間為負向制約因素外,其余因素皆為正向驅動因素. ①城市發展水平變量檢驗結果說明,旅游經濟聯系主要集中于人口和空間城市化水平、經濟發展水平、對外開放水平、居民生活水平較高的城市之間,如長三角地區的旅游經濟聯系主要集中于上海、蘇南、浙北等社會經濟發展水平相對較高的城市之間. ②旅游發展水平變量檢驗結果說明,城市的旅游資源越豐富、旅游服務設施越完善、旅游產業發展水平越高,城市對外旅游經濟聯系越強. 且隨著城市旅游發展,三者的影響程度都逐漸降低,城市的旅游資源稟賦漸成為相對重要的影響因素. ③交通便捷程度變量檢驗結果說明,城市間的公路交通時間越長,越阻礙城市間旅游經濟聯系的發展,而城市間直達鐵路交通越便捷,越促進城市間旅游經濟聯系的加強.

表3 長三角旅游經濟聯系網絡的影響因素分析Table 3 Influencing factors of the tourism economic contact network in the Yangtze River Delta

整體而言,不同年份的主要影響因素有所不同,且所有指標的影響因子都呈下降趨勢. 說明隨著城市的發展,長三角旅游經濟聯系網絡逐漸受到城市發展水平、旅游發展水平和交通便捷程度之外的因素的影響. 交通層面的公路、鐵路交通發展情況一直是影響長三角旅游經濟聯系的主要因素,而居民生活水平對旅游經濟聯系的影響程度相對較小.

3 結論

本文基于修正引力模型,利用社會網絡分析法、QAP相關性分析和GIS空間可視化對長三角城市群2010年、2013年、2017年的旅游經濟聯系進行分析,探究其網絡結構的時空演化特征和驅動因素. 研究結果表明:

(2)從網絡個體節點的分析結果來看,前期,以極化效應為主,滬寧杭在與其他城市的聯系最多,處于網絡的中心地位. 上海和南京的對旅游聯系的橋梁控制作用極大. 可進入性較好、對外聯系緊密的城市逐漸凸顯. 后期,極化效應減弱,擴散效應加強,在滬寧杭的帶動作用下,逐漸形成以東部片狀三角核心區以及中部新興核心區合肥,長三角旅游經濟聯系網絡中,城市逐漸以抱團式追求均衡發展. 未來應當有意識地引導東部三角核心區和中部新興核心區旅游經濟的聯結融合,形成貫穿東西的帶狀核心片區,由此帶動整個長三角的旅游經濟聯系發展.

(3)從網絡整體結構分析結果來看,核心區和邊緣區的界線逐漸打破省級行政區劃的限制. 原本處于核心區的蘇北、浙南部分城市轉至邊緣區,而邊緣區的合肥、蕪湖憑實力挺進核心區. 核心區內部及核心-邊緣區之間旅游經濟聯系的大幅增加促進了整體聯系網絡密度的明顯上升,但邊緣區內部的微弱聯系制約了整體網絡的聯系互動. 為促進長三角整體網絡的互動,未來應將發展重點放在增加邊緣區內部的旅游經濟聯系上,讓處于邊緣區的城市之間建立旅游經濟往來.

各子群的空間集聚現象漸趨明顯,內部結構逐漸穩定,抱團發展模式逐漸成熟,且上蘇錫有脫離蘇南,與浙北聯合發展的跡象,南京有與皖東組團發展的趨勢. 未來旅游經濟發展的策略應當基于目前的子群模式進行引導,結合各城市不同的發展定位,制定相應的旅游促進措施. 例如目前南京與上海、杭州的旅游經濟聯系略有減弱,與合肥的聯系增強,未來應當結合南京的城市定位和發展計劃,制定相應的城市合作策略及旅游發展規劃.

(4)從聯系網絡的影響因素分析結果來看,城市發展水平、旅游發展水平和交通便捷程度會對長三角的旅游經濟聯系產生顯著的驅動作用,其中交通便捷度的影響程度相對較大. 說明為促進長三角旅游經濟聯系一體化,應當進一步完善公路、鐵路交通設施,縮短交通花費時間,尤其要加強邊緣區城市的交通設施建設,以方便其與其他城市建立旅游經濟聯系,從而提升邊緣區內部的聯系網絡密度.

目前研究使用的修正引力模型考慮的相關因素較少,仍具有局限性,因此后續研究可繼續對引力模型進行修正提升,將交通系統、旅游質量、地區經濟直接考慮入公式內,進一步提升旅游經濟聯系測度的準確性. 此外研究涉及的三類驅動因素的影響程度逐漸下降,說明長三角的旅游經濟聯系逐漸受到更多因素的影響,例如城市網絡關注度、科技發展水平、城市及景區的知名度等,后續研究可進一步進行拓展分析.