旅游统计数据一直是行业长期关注的焦点问题，也是引导旅游业实现高质量发展的关键和难点之一。国务院印发的《“十四五”旅游业发展规划》明确提出了健全旅游统计指标体系、提高旅游统计准确性和科学性、深化旅游统计应用以及大数据支持决策等的要求。尽管我国旅游主管部门按照联合国世界旅游组织推荐的《2008年旅游统计国际建议》和《旅游卫星账户建议的方法框架2008》修订了我国旅游统计调查制度，规范了我国的旅游统计工作，但由于官方发布的统计数据出现调查结果与实际情况有偏离，从而受到学界和业界的质疑，比如国内旅游统计数据的“横向不可比、纵向不可加”“国内游客统计口径太过宽泛”等，以上对旅游统计数据的质疑可归因于认知偏差、学科背景不同、调查方法局限等。近年来，我国在旅游统计方法上已经开始尝试运用大数据技术，但大数据在旅游统计中的应用尚未发挥出其全样本、客观性、多样性及多维度的全部潜力，仍然处于辅助工具的地位。当前讨论的旅游活动边界主要是从“惯常环境”到“流动的惯常环境”“跨境的惯常环境”的一元情景，但对公务出差人员或国际航班机组人员等类似移动性较复杂的群体，利用工作之外的休闲时间购物或是前往街区、景点游玩活动是否属于旅游统计的范畴，工作之外的旅游活动边界如何认定等问题，目前尚未有共识。显然，在旅游统计中，哪些活动属于旅游范畴等问题还有待进一步讨论。因此，本文聚焦于惯常与非惯常二元情景，以旅游人数统计所面临的问题为切入点，深入探讨我国旅游统计的困境，提出从旅游者行为视角反向推导旅游活动边界的优化思路，以期对未来大数据运用于旅游统计中的工作有所启发。
依据文化和旅游部发布的《全国文化文物和旅游统计调查制度》以及《全国假日旅游统计调查制度》，目前我国的旅游统计指标体系主要包括以下5个维度（表1）：一是以抽样调查方式为主的旅游市场统计，包括入境旅游、出境旅游和国内旅游统计；二是以企业上报方式为主的旅游行业统计；三是地方旅游接待统计；四是旅游人才和教育专项统计；五是假日旅游统计，目前的假日旅游统计使用的是结合位置数据计算与精确短信推送调查的方式。
1.2 旅游统计核算方法
2000年，原国家旅游局采纳了与国际相匹配的旅游卫星账户计算方法以评估旅游行业的规模和作用，其分类标准依据《国民经济行业分类》（GB/T4754-2017）进行。这一分类标准自1984年发布以来经历了4次修正。新版中它将国民经济分为20个门类、97个大类、473个中类和1382个小类。相较于2011年的版本，新增了1个大类、41个中类和288个小类。这种分类方式是对全国经济活动的基础划分，主要应用于国家的统计和宏观调控任务。然而，旅游业作为一个特殊的经济产业，按照传统分类标准进行核算难以反映像旅游业这种横跨不同门类和行业的服务业的特点。为了促进旅游业的快速发展，同时也为了更科学地界定旅游及其相关产业的统计范围，国家统计局发布《国家旅游及相关产业统计分类（2018）》，也是目前一直沿用的核算分类标准。分类将旅游及相关产业划分为3个层级；第一层包括旅游出行、住宿、餐饮、旅游游览、旅游购物、旅游娱乐及旅游综合服务等9个大类；第二层为中类，具体划分为27个；第三层为小类，共划分为65个。值得注意的是，与2015版相比，大类、中类数目未变，而在小类上，将“旅行社服务”“旅游管理服务”和“其他旅行社相关服务”合并为1个小类（表2）。旅游业主要按照需求方定义，因此旅游产业统计主要测量旅游消费在相关行业的占比，常用的测量方法包括：投入—产出分析法、制定旅游附属（卫星）账户、经济普查、旅游企业网上直报系统、国民经济产业分类统计、大数据统计应用。
2006年，原国家旅游局和国家统计局启动国家级旅游卫星账户研究编制工作，其成果《中国旅游卫星账户编制与研究》由中国统计出版社于2010年公开出版，但这一成果并未在旅游统计部门推广应用。
人的空间移动是旅游现象最显著的、最容易被观察到的特征，但这种空间移动是否属于旅游，是由需求方个体的动机和行为来定义的，这是旅游统计中面临的底层逻辑困境。旅游人数出现“纵向不可加、横向不可比”的现象，就是这一困境的表现。如将2018年和2019年各省级行政区国内旅游人数数据累加分别达到149.6亿人次和170.3亿人次（表3），而对比文化和旅游部公布的同期全年国内旅游人数仅为55.39亿人次和60.06亿人次。这说明旅游统计数据“纵向不可加、横向不可比”的现象长期存在，旅游统计数据的不准确性不利于我国的旅游学术研究，也影响了基于这些数据得出的结论和预测的准确性和科学性。
按照联合国世界旅游组织的定义：旅游是指1个人离开惯常环境前往其他地方，时间为24h以上，不超过1年，且主要动机并非在访问地寻求经济效益的活动。而国内旅游的时间上限为6个月，主要动机同样不是为了在目的地获取经济效益。进一步地，游客基于地域分为国际游客和国内游客。对于国内游客，根据是否旅行超过6h但不超过24h以及是否超过10km的距离来确定是否为一日游游客（表4）。对于国际游客，则时长不应超过1年。然而，定义与真实统计之间会存在差异。例如上班地点与居住地不在同一城市的居民，他们日常通勤也有可能超过6h及10km，但在统计时，如果他们被归为一日游游客，则无疑会导致统计数据与实际情况出现偏差。
当前官方公布的旅游统计数据中，其旅游统计方法在操作性定义中做了进一步的改进，将惯常环境定义为住所周边和职学地周边一定距离范围内构成的空间集合，利用空间聚类算法确定更优的40km半径作为以居所为中心的惯常空间。可见，该方法在新的统计方法和技术手段上有所突破，在很大程度上提高了旅游活动识别的准确性，使得惯常环境不同区域之内的通勤等非旅游活动的出行被有效地排除，但在调查方法方面存在样本覆盖范围小、颗粒度较粗等局限性，具体表现为：主要采用计算机辅助电话调查的方式，调查时点上是让受访者回忆季度出游及其花费，受被调查人员心情的影响，调查结果的准确性无法保证。进一步地，通过抽样调查，按照常住人口比例将样本分配给各个城市，随后依据样本中的出游率来估算全面的国内旅游人数，该推算方法忽略了城乡居民出游能力的差异导致的统计偏差问题。
从统计口径层面来看，由于旅游数据可以分为两种不同统计口径，即“出游”和“接待”，因此需要注意其不同的特点。在国家层面，每年的国内旅游人数计入“出游”统计，这代表数据统计的角度是基于1次完整的旅游行为。换句话说，只有当游客离开其惯常环境并返回到惯常环境时，才被计为1次旅游。而地方层面的国内游客和假日统计则属于“接待统计”，这种统计视角更关注旅游活动在地域上的分布。具体来说，游客在1次完整的出游中可能会穿越多个省份或市区，从而形成多个区域性的接待统计。这意味着在1个省份或城市的统计中，同1位游客可能会被计数多次。因此，省域旅游接待人数合计通常会大于全国出游人数，“纵向不可加”并不一定是反常现象，不能简单地将“出游”统计与“接待”统计进行直接比较，甚至不同地域级别的接待数据也不能简单地对比。根据旅游行业的实际情况和实证经验，全国省域接待游客人数之和与全国出游人数的差距不应超过30%；若超过30%，则需要有其他方法获得的数据进一步比对校验。
横向不可比性主要源于旅游统计的科学性问题，要讨论其科学性，就必须考虑其可比性的多个方面，包括测算时期、测算所用概念、国家或地区产业结构、测算方法与口径以及测算指标的可比性等。在实践中，不同地区的测算通常在不同时间段进行。即使除时间不同之外，其他要素都相同，测算数据将无法进行横向比较。因此，旅游统计的科学性应当表现在以下方面：（1）相关旅游统计概念应保持一致性和可操作性；（2）旅游统计方法和指标设定的合理性；（3）旅游统计研究和实践应遵循规范性原则。这样才能进一步讨论可比性。
自联合国世界旅游组织于1999年开始在旅游定义中使用“惯常环境”来代替“常住地”“居住地”之类的概念后，国外学者对“惯常环境”在统计上的应用，提出了操作性概念。史蒂芬·史密斯认为它不包括日常旅行或离家近的旅行概念，并介绍了加拿大以80km作为旅游门槛距离的历史，指出这一数值并非是从实证分析得出的，而是一种妥协平衡的结果。研究还对将国民家庭旅游的门槛距离减半至40km或加倍至160km两种做法进行了实证研究，结果显示降低门槛距离将大量低价值旅行视为旅游，不符合联合国世界旅游组织对旅游的定义。罗伯特·戈韦尔等认为从多个视角重新构建和重置了传统观点的“惯常环境”，提出了“惯常的感知与距离并非是线性关系”的观点，这代表工作环境与日常居住环境可以不在同一个行政区域内，异地性并不是旅游的绝对条件。国内学者张凌云将惯常环境进一步区分为“流动惯常环境”“跨境惯常环境”等概念。在此基础上，也有相关学者基于心理认知层面探讨新兴旅游业态下旅游者的心理以及行为，尝试完善“惯常环境”与“非惯常环境”理论层面的建构，尽管在实际统计工作中难以操作和推广，但从理论的角度出发，学术定义为我们界定旅游活动提供了思路，即更准确的划分应是让旅游者决定用何种时间和地点的数据来划分惯常环境和旅游、旅行的界限。目前信息技术和大数据的迅猛发展为解决复杂问题提供了全新的思路和工具，包括改进数据收集方法、变革数据分析方法、改变数据表现形式等方面，其中大数据的兴起是信息技术广泛应用的产物，将其整合到旅游统计中已经成为不可避免的趋势。国外已经在大数据旅游统计方面积累了实际应用经验，如西班牙通过交通环路和交通控制摄像头的数据来估算入境游客的数量；爱沙尼亚中央银行长期通过移动定位数据收集跨境统计信息等。相较于传统抽样调查以及网上填报的方法，大数据的旅游统计方法有着客观性、多样性、多维度以及非结构性等特点，这些方法能够处理各种不同来源的海量数据，通过高效的数据解析技术挖掘其中的内在规律，有效地弥补了传统抽样调查在估计精度方面的不足。一方面，利用大数据捕捉到的数据来源和游客旅游消费、旅游游览等活动，切实记录了联网的交易、到达地点、停留时间等，使游客游览记录有迹可循；另一方面，过去很难从游客需求方面获取准确的数量和收入数据，旅游统计通常局限于从供给侧获取汇总的宏观信息。随着移动网络的广泛应用，现在可以从需求侧进行统计，实现多样性、多维度的数据收集（表5），如社交媒体上带有地理标签的数据以及健康与活动应用提供的数据，能够补充传统信令数据在路径记录上的不足，有效地弥补了依赖单一数据源可能导致的信息缺失。在多维数据收集基础上再进行数据清洗、处理数据颗粒度和数据脱敏等步骤，将能够获得比依赖传统抽样调查方法更精确的数据。
学界对于非惯常环境既是地理空间概念、更是心理行为概念已初步达成共识，并通过聚焦旅游者行为，揭示旅游的本质和特殊性。由于行为可观察和测量，旅游活动首先表征为外在身体行为。如流动性较频繁的机组乘务人员这一类特殊性质工作人群利用休息时间购物或者观光游览，他们的服饰由正式职业装变为休闲便装，显然后者的行为表现才可被认为是进入了非惯常环境，才能纳入统计范畴。因此，旅游者表征的决策、消费和交往等行为为大数据手段获取需求端数据提供了线索，一定程度上补充了以时间颗粒度和空间颗粒度处理数据的方式。通过回顾已有文献，结合旅游“食住行游购娱”六大系统要素，将非惯常环境下的行为分为旅游目的地、旅游消费、旅游社交和其他异化等行为，并梳理其行为特征（表6）。
总的来说，在大数据的时代背景下，我国的旅游统计正迎来新的发展契机和挑战。一方面，借助于大数据技术，能够不断优化旅游业数据统计质量；另一方面，大数据涉及数据种类众多且类型复杂，这给旅游业数据统计工作带来了挑战。然而，正是因为数据的多样性和复杂性，我们有机会提高数据的深度和广度。未来政府、学界和企业需共同努力，尝试实现多维度和多模态数据源的互联互通，通过跨界合作，推动旅游统计相关理论和调查方法实现创新和突破，逐步建立和完善一套适合中国国情的旅游统计理论体系。作者：邓媛元，北京联合大学旅游学院硕士研究生；张公鹏，北京联合大学旅游学院教授；张凌云，中国社会科学院旅游研究中心特约研究员，《旅游学刊》执行主编原文刊载于《旅游论坛》2024年第6期，参考文献略???
注：转载请注明作者及出处
点我访问原文链接
最新动态