EN中文

地理研究 >

2025 , Vol. 44 >Issue 3: 861 - 875

DOI: https://doi.org/10.11821/dlyj020240550

休闲消费偏好地域性研究：基于地理大数据的实证

  • 刘逸 , 1, 2 ,
  • 陈了凡 1 ,
  • 陈海龙 , 3
展开
  • 1.中山大学旅游学院，广州 510275
  • 2.旅游可持续智能评测技术文化与旅游部重点实验室，珠海 519080
  • 3.华南师范大学旅游管理学院，广州 510006
陈海龙（1992-），女，山东淄博人，博士研究生，研究方向为旅游大数据、旅游地理。E-mail:

刘逸（1980-），男，广东汕头人，博士，副教授，博士生导师，主要研究方向为旅游经济地理、时空大数据、产业升级。E-mail:

收稿日期: 2024-06-20

  录用日期: 2024-12-22

  网络出版日期: 2025-03-04

基金资助

国家自然科学基金项目(42271182)

收起

Regional research on leisure consumption preference: An empirical study based on geographical big data

  • LIU Yi , 1, 2 ,
  • CHEN Liaofan 1 ,
  • CHEN Hailong , 3
Expand
  • 1. School of Tourism, Sun Yat-sen University, Guangzhou 510275, China
  • 2. Key Laboratory of Sustainable Tourism Smart Assessment Technology, Ministry of Culture and Tourism of China, Zhuhai 519080, Guangdong, China
  • 3. School of Tourism Management, South China Normal University, Guangzhou 510006, China

Received date: 2024-06-20

  Accepted date: 2024-12-22

  Online published: 2025-03-04

Fold

摘要

当下国民对美好生活的需求中，消费需求供给的空间匹配矛盾日渐尖锐。个人消费偏好是否存在地域性特征，对细分消费市场空间是否形成显著影响，是解决这一矛盾的核心理论问题。本研究从此问题出发，提出“地域性休闲消费偏好指数”，以290个行政区为基本单元，整合POI和区域统计数据进行测算，识别居民不同类型休闲消费偏好的地域性差异。首先，本研究证实了休闲消费偏好存在地域性分布规律，即居民休闲消费偏好显著受自然与社会综合环境的影响，但是地域性特征不服从经典地理分界线——胡焕庸线的分布；其中，川渝地区、北上广深等一线城市周边区域居民的偏好最高。其次，通过细分不同的休闲消费类型，研究发现自然气候与社会环境因素的影响存在显著差异，其中，自然气候因素对发展型消费影响不显著，对享受型消费影响较大，表现在日照时数、温度、降水等自然气候影响显著，且气候条件越差，人们的享受型休闲消费偏好越高；社会经济因素中的房价存在显著正向影响，即生活压力越大的地方，人们的发展型休闲消费偏好越高。本研究初步证实新环境决定论对地域性休闲消费偏好差异的解释力，为居民休闲消费空间结构挖掘提供新的研究视角，同时也为优化休闲产业空间布局提供建议与参考。

关键词： 休闲消费偏好; 地域性; 新环境决定论; 大数据; 享受型消费; 发展型消费

本文引用格式

刘逸 , 陈了凡 , 陈海龙 . 休闲消费偏好地域性研究：基于地理大数据的实证[J]. 地理研究, 2025 , 44(3) : 861 -875 . DOI: 10.11821/dlyj020240550

Abstract

Toward the growing desire for a better living of the public in China, the spatial matching contradiction between supply and demand of consumption is increasingly sharp. Do the geographical characteristics of individual consumer preferences exert a significant impact on the spatial pattern of the segmented consumer market? This question lies at the very core of understanding and resolving the supply-demand contradiction. Starting from this fundamental query, this in-depth study put forward the innovative "Geo Wanderlust Index"(GWI), which took 290 administrative districts as the basic unit and integrated POI and regional statistical data to measure and identify the regional differences in residents' preferences for different types of leisure consumption. Based on controlling social and economic environment factors, this paper explores the relationship between residents' leisure consumption preference and natural geographical environment factors through a multiple linear regression model. The findings of this study are both fascinating and significant. It firmly confirmed the existence of geo-wanderlust. That is to say, residents' leisure consumption preferences are substantially influenced by the natural and social environments. For instance, residents in the Sichuan and Chongqing regions, as well as those in first-tier cities like Beijing, demonstrate a stronger inclination towards engaging in leisure activities. Interestingly, it was also discovered that regional characteristics do not conform to the traditional distribution demarcated by the classic geographical dividing line - the Hu Huanyong Line. Secondly, by subdividing different types of consumption, it is found that there are significant differences in the impact of natural and social environmental factors; and the worse the climatic conditions, the more people enjoy leisure consumption. For development consumption, the climate impact is not significant, but the social environment factor of housing prices has a significant positive impact, that is, people in areas with greater pressure prefer development leisure consumption. This study preliminarily confirms the explanatory power of neo-environmental determinism on regional differences in leisure consumption preferences, provides a new research perspective for exploring the spatial structure of residents' leisure consumption, as well as suggestions and references for optimizing the spatial layout of leisure industry.

Key words： leisure consumption preference; geographical; neo-environmental determinism; big data; enjoyment consumption; development consumption

1 引言

随着中国特色社会主义进入新时代，我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。其中，旅游休闲作为美好生活的重要组成部分，不仅关乎国家经济发展水平和社会文明程度[1]，也有助于人们放松身心、释放压力，提高生活质量，是提高居民对美好生活获得感的重要抓手。如何精准识别居民旅游休闲需求空间差异的基本特征、分布规律及影响因素，是地理学家需要回答的基本科学问题，是指导城乡休闲基础设施供给、产业投资引导和公共服务配置的理论基础。
目前关于美好生活需求的讨论更多是在社会学领域，如探讨美好生活的要义与需求以及如何提高人民生活的幸福感[2]。社会学领域的学者们将研究重点放在旅游休闲消费的动机、旅游休闲行为特征与选择偏好等方面[3]，如Walker等的研究发现中国人多数为“被动休闲”，西方人则是有意识的“主动休闲”[4]，也有研究对旅游休闲形成的心理机制和个体群体差异进行了揭示[5]；心理学和管理学领域的研究者从旅游休闲感知对旅游休闲消费偏好的影响等视角切入；经济学领域的研究侧重于考虑消费效用最大化的旅游休闲消费选择[6]。总体而言，现有社会科学研究侧重于揭示不同消费背景下群体间消费行为的差异，缺少宏观层面的空间差异探讨和综合分析。关于这一点，地理学领域的相关研究提供了旅游休闲空间视角，将旅游需求定义为旅游者对某一旅游目的地所需求的数量，将影响因素划分为客源地需求和目的地供给[7]71，旅游需求影响实际旅游消费；也有研究对不同群体的休闲空间特点、不同城市休闲水平和差异进行评价[8,9]。然而，以上研究仍未涉及休闲消费偏好的地域差异分析和影响机制探索，尤其是外部自然环境对居民休闲消费的长期影响[10]。
中国的地理区域划分存在两种传统方式：一是胡焕庸线（黑河-腾冲线），它从地形、地势、气候等因素入手，把中国分为东西两侧，既是生态环境、农牧交错和水资源的重要界线，同时也是中国人口密度的分界线[11]69；按照地形、地势整体，又分为东、中、西三级阶梯[12]；按照地理位置、自然和人文地理特点的不同，又分为北方地区、南方地区、西北地区和青藏地区四大地理区域[13]，地形、气候、河流流量、植被等自然环境因素存在明显差异，同时生活方式、生活习惯、文化传统等方面也存在明显差异。二是文化区分界，例如，结合文明部落、耕种方式等要素，并参考考古遗址划分出的四大文化分区：黄河流域文化、长江流域文化、珠江流域文化和北方文化区[14]；以及结合地理环境、历史发展及历史区位的关系划分的东北黑土文化、华北平原文化等十大分区[15]。那么，生活方式中的休闲消费偏好是否会服从这些分区?不同自然地理环境是否会造成休闲消费偏好的地域性差异?地理环境的长期影响下休闲消费偏好会呈现怎样的空间分布规律?当前尚未有充分的研究对这些问题予以回答。
基于此，本研究从当下社会新矛盾点出发，提出地域性休闲消费偏好指数（Geo Wanderlust Index, GWI），用以代表不同地区居民的休闲消费偏好，试图理清居民休闲消费的基本地理格局，包括分布特征和地域分布规律，由此揭示国民消费的基本空间结构和需求态势。本研究有助于促进休闲消费合理转型升级，因地制宜制定相关政策，为改善大众消费条件、创新消费体验场景、营造良好消费氛围提供指导，为资源开发、市场营销和公共管理提供方向思路。

2 基于新环境决定论的理论框架构建

休闲伴随人类诞生而出现，渗透于人类文明演进的全过程。在西方，最早可追溯到一千多年前的古希腊时期，亚里士多德对休闲进行了哲学阐释，把休闲誉为“一切事物环绕的中心”；1899年Veblen《有闲阶级论》的出现被认为是现代休闲研究的开端，他将休闲定义为属于一个阶级的特权，是身份地位的象征[16]。偏好（preference）最早源于微观经济学，用于描述消费者对商品的满意程度[17]，在旅游休闲特征和偏好方面通常则根据年龄、性别等人口基本特征对消费群体进行划分[18,19]。在物质基础逐渐得到满足的情况下，出于身心愉悦的需要，人们会在闲暇中寻求更高层次的休闲旅游活动以满足精神追求。长此以往，一个区域的人逐渐形成具有地域特征的休闲活动和消费偏好[20,21]。国内外关于消费理论和消费结构已经展开大量研究，凯恩斯提出的消费函数理论代表现代消费理论研究的开端，经济学、营销学中将消费资料分为生存资料、发展资料和享受资料，与其对应的消费行为分为生存型消费、发展型消费和享受型消费[22]，其中生存型消费主要维持物质生活；发展型消费主要是为实现自身发展而进行的开支，相关研究主要从文体教育、人情社交、职业发展等方面入手进行分析[23]；享受型消费则主要是以享乐为目的所进行的消费，在消费过程中，文化娱乐、医疗保健等领域消费占比较高[24]。综合考虑休闲的性质、城市居民休闲消费的种类和目的，本研究对发展型和享受型两类与休闲相关的消费行为进行分析。
古典环境决定论认为人类社会完全由自然环境塑造，人类的身心特征、行为偏好、文化发展等各方面受到气候、地形和资源等自然条件的支配[11]69。然而，这一理论过于夸大突出环境的作用。近代许多研究者逐渐认识到人与环境之间的复杂关系，对古典环境决定论做出质疑和批判，提出或然论、适应论、协调论等思想，认为环境与人之间是动态的相互作用，而社会经济环境所起的作用更大[25]。然而，本文认为自然环境与社会环境的影响是交织的。正如段义孚先生的恋地情结理论所言，自然环境和生活环境均是感官刺激的基础，这些刺激成为意向，让情绪和理念有所寄托，而意向逐渐形成经验，从而决定人的行为[26]。顺应这个逻辑，本研究作者提出以下疑问，人对空间和环境的熟悉以及情感状态是否因资源禀赋、气候条件等自然环境而产生差异?这种受到环境影响下的情感状态又将如何影响其生活状态，乃至休闲方式和消费偏好?不同地域中的人又会因此呈现怎样的休闲消费偏好空间分布规律?
在探究地理环境对人们休闲消费偏好的影响方面，社会学在空间尺度的分析方法上作用有限，经济学、管理学偏重于从收入、交通可达性等社会经济影响视角切入，心理学注重感知、决策的制定，存在一定局限。借助地理学的环境决定论在一定程度上可以帮助我们厘清其中的关系，但是现有研究还缺乏这一方面的详细阐述，也未采用宏观数据量化实证环境对人的影响，对空间分布规律进行阐明。因此，本研究拟基于环境决定论的基本框架，揭示自然和社会因素的综合作用如何发挥影响[27,28]，理论框架如图1所示。
图1 基于新环境决定论的理论框架

Fig. 1 Theoretical framework based on new environmental determinism

在社会经济因素方面，已有研究证实其对居民休闲消费的影响[29]，如人均GDP、社会消费品零售总额分别被视作城市经济发展和零售业发展水平的重要指标，成为城市休闲化和旅游发展评估的重要经济影响因素[30]53；夜间灯光指数衡量城市活力，较高的城市活力可能意味着居民更为丰富的旅游休闲活动种类[31]120；房屋价格和消费的关系在两个方面有所体现[32]1，一方面认为房价上升产生财富效应，促进消费，相关研究通过使用宏观数据表明房价上涨导致居民消费增加，与此同时，城市高水平房价也带来生活压力[33]1；另一方面，房价上升增加购房成本和房屋租金，从而对消费具有抑制作用，结合城市房价趋势和城镇家庭平均消费倾向，尤其是2003年房价快速上升后，消费倾向以更快的速度下降[34]。这些社会经济指标从条件、能力和氛围等方面影响居民的休闲消费。
在自然气候因素方面，气温会直接影响人的温度感知[35]，也会影响人的性格特征和人际交往[36]，从而进一步影响人们的休闲消费偏好与选择[37]。人对冷热环境的感觉还与环境中的空气湿度和风速相关，空气中的湿度影响皮肤表面粘液及汗液中水分的蒸发，影响人体的能量平衡，从而影响到人体体温与舒适感[38]；风速较高时，可以增强换热，加速从人体带走热量影响人体舒适度，这些感知可能影响人们对生活和休闲活动的安排[39]。此外，阴天会减少日照时数，导致不良情绪的产生[40]；而雨天一方面影响人们的出行，增加人们的出行成本[41]，另一方面可能使人们产生更多负面情绪[42]，这可能导致消费者做出预测偏差并增加消费支出[43]。已有文献基本证实自然地理环境通过气候、天气等形式，影响人们休闲消费的内容、节奏和频率。

3 研究设计

本研究先采用空间分析将地域性休闲消费偏好指数可视化，然后采用多元线性回归方法，通过控制社会经济因素的影响，来探究自然地理环境因素对居民休闲消费偏好的具体影响，深度了解不同地域环境下居民的休闲消费需求，掌握居民休闲消费偏好的地域性分布规律，以挖掘休闲消费潜力、为优化城市休闲产业空间布局和营销定位提供参考。

3.1 休闲业态的选取

休闲有广义和狭义的区分。广义休闲涵盖了除工作和家务以外的消遣型活动，包括旅游、娱乐、运动等；而狭义上的休闲则更关注日常休闲，有相对明确的时空边界，即居民在一天24小时内在城区及周边郊区范围内完成的休闲活动[44]。日常休闲在时间和空间尺度上与强调暂时性移居的旅游[7]1和强调户外活动的游憩[45]做出了区分，更为关注居民在本地及周边区域进行的短期性、经常性的消遣型活动，包括室内和室外。本研究主要关注居民的日常休闲消费活动。由于现有官方统计口径的旅游休闲数据中，缺乏以客源地为单位的游客出行数据，而其他出行数据或在空间尺度上不匹配，或因部分渠道数据缺失而不具有代表性，因此本研究主要选择休闲产业相关数据进行初步分析。鉴于数据量和研究篇幅，本研究结合实际情况，选取较为普遍且代表性较强的六类休闲消费业态作为研究对象，从休闲消费的目的入手，分为“享受型休闲消费”（洗浴推拿、茶馆、棋牌室）和“发展型休闲消费”（体育休闲、展馆、影剧院）两个维度，涵盖餐饮休闲、康体休闲、娱乐休闲、文化休闲等常见休闲业态，以减弱人口流动对居民休闲消费偏好带来的干扰影响。

3.2 数据来源与处理

本研究选取2019自然年作为一个完整周期进行分析，尽可能削弱疫情或短期爆发事件对居民休闲消费的干扰，以期更为客观地呈现居民在长期平稳状态下的休闲消费偏好情况；同时，也对2017年和2023年的数据进行收集，与2019年结果进行比较，作为稳健性检验。在研究区域上，覆盖中国31个省（自治区、直辖市），不包含港澳台地区，共计367个基本单元，包括4个直辖市、333个地级行政单元（包括293个地级市、7个地区、30个自治州和3个盟）和30个省直辖县级行政单位，由于部分地区数据获取不完全，最终采用全国290个城市（包括4个直辖市和286个地级市）的数据进行分析。
本研究采用POI、夜间灯光指数、官方统计和社交媒体等多源异构数据。其中，POI数据来自高德地图①，包含业态名称、地址、经纬度、所属类别等字段信息，综合筛选后保留2,184,120条数据；夜间灯光指数（NPP/VIIRS）和气温、日照时数等自然地理数据分别来自地理空间数据云②、美国国家海洋和大气管理局（NOAA）下设的国家环境信息中心（NCEI）③；人均可支配收入、人均国内生产总值（下文简称人均GDP）、社会消费品零售总额、人口密度等数据来自各省市的统计年鉴④以及国民经济和社会发展统计公报⑤；房价数据来源于58同城⑥和安居客⑦等国内领先房源信息网站。由于自然地理原始数据是来自气象观测站点的逐日指标，但研究中的时间尺度是以一个自然年为单位的，因此本研究基于气象站点的经纬度和逐日气象数据，采用反距离权重法插值法得到全国范围的逐日气象指标栅格图，结合全国行政区的行政边界数据和指标栅格图，统计出每个行政区域的逐日气象指标值，然后逐步计算逐月和逐年的值，从而获得研究所需的自然地理数据。

3.3 变量说明

在被解释变量的选取方面，由于居民日常休闲消费数据缺乏常规统计口径，具体消费金额又涉及商家机密难以获取，因此本研究选择采用POI数据作为地域性休闲消费偏好的代理指标。当一个休闲消费设施在城市空间出现时，代表其所在位置存在一定频度的消费需求，POI数量越多，说明市场需求更加旺盛。当它作为POI出现在高德地图时，代表它是该地区消费环境经过市场选择稳定保留下来的休闲设施，能够代表所在位置的真实消费需求规模[46]。这类POI数据当前在旅游休闲研究领域已得到广泛应用[47,48]。消费偏好是指在不考虑预算约束的前提下，消费者对于产品和服务的喜欢和愿意消费的程度。不管是从研究还是常识来看，我们都不难发现收入水平和人口规模对居民休闲消费偏好存在直接且显著的影响[49]，而在初步数据试算中，本研究也发现这两个因素的影响比其他环境因素更加显著。因此，为了更好地测度地理环境的影响，本研究参考高斯两步移动搜索法中结合人口数量和空间距离因素得到某领域内城市绿地人均占有量的思路[50]，在地域性休闲消费偏好指数的计算中对人口密度和收入水平的干扰进行了处理[51]。具体来说，以行政区为基本单元，整合休闲产业POI数据和人口密度、人均可支配收入数据进行计算，以得到同等收入水平、相同人口密度条件下的POI数量，公式如下：
G W I i j = S i j l n P j l n R j
式中： G W I i j是第 j个行政区第i类休闲产业的地域性休闲消费偏好指数； S i j是第 j个行政区第 i种休闲POI数量； P j是第 j个行政区的人口密度； R j是第 j个行政区的人均可支配收入。
在控制变量的选取方面，结合城市居民休闲的流动性特点，也参照以往研究，本研究选取人均GDP、社会消费品零售总额、房价和夜间灯光指数，分别代表个人生产消费能力[52]、城市整体消费趋势[30]53、城市生活压力[32]1,[33]1和城市休闲娱乐生活的活跃程度[31]121等四方面主要影响因素，指标选取如图2所示。
图2 指标选取示意

Fig. 2 Schematic of indicator selection

3.4 多元线性回归分析

为探究居民不同类型休闲消费偏好的地域性差异，本研究对地域性休闲消费偏好指数的影响因素进一步挖掘。其中，各变量描述性统计结果见表1，变量之间的方差膨胀因子均小于10，可排除多重共线性的影响。
表1 变量描述性统计结果

Tab. 1 Descriptive statistics of variables

变量类别 变量 样本量 平均值 标准差 方差膨胀因子
被解释变量 洗浴推拿休闲消费偏好（xtGWI） 290 40.090 32.030
茶馆休闲消费偏好（cgGWI） 290 10.610 22.050
棋牌室休闲消费偏好（qpsGWI） 290 4.796 8.572
体育休闲消费偏好（tyGWI） 290 13.970 18.510
展馆休闲消费偏好（zgGWI） 290 1.569 3.046
影剧院休闲消费偏好（yjyGWI） 290 2.113 2.116
解释变量
自然气候 日照时数（asd, h） 290 1969.000 532.800 5.806
相对湿度（rh, %） 290 68.860 10.980 8.870
平均降水量（aap, mm） 290 988.400 534.600 3.966
平均风速（aws, m/s） 290 4.886 0.944 1.700
平均气温(at, ℃） 290 14.920 5.156 3.095
控制变量
个人生产消费能力 人均GDP（pGDp, 元） 290 63295.000 36018.000 2.161
城市整体消费趋势 社会消费品零售总额（trscg, 万元） 290 1385.130 2000.490 2.816
休闲娱乐活跃程度 夜间灯光指数（nli） 290 2.474 2.286 2.907
城市生活压力 房价（ahp, 元） 290 8762.000 6699.000 3.610
采用普通最小二乘法（OLS）回归进行计算，这一分析方式将自然地理因素和社会经济因素放在同一维度进行横向分析，既可以更客观地衡量自然地理因素对地域性休闲消费偏好指数的影响，又能使回归模型中的显著影响因素能更拟合地反映居民对某一类休闲的消费偏好，具体计算公式如下：
y i = β 0 + ∑ j = 1 n   x i j β j + ε i ,       ( i = 1 ,   2 ,   … ,   m ) ,   ε i ~ N 0 ,   σ 2
式中： y i代表某一类休闲消费的地域性休闲消费偏好指数； β 0为常数项； x i j为样本点 i的第 j个自变量，也就是第 i个城市的平均气温、平均降水量、日照时数、相对湿度、平均风速；第 i个城市的人均GDP、社会消费品零售总额、夜间灯光指数、房价等社会经济环境因素作为控制变量一并计算； β j为第 j个自变量的回归系数； ε i为样本点 i的随机误差项。

4 结果分析

4.1 居民休闲消费偏好的地域性差异

借助ArcGIS10.8软件，采用自然断点法将地域性休闲消费偏好指数（GWI）划分为5种值域，对不同休闲消费的地域性休闲消费偏好指数（GWI）空间分布特征进行分析，得到其空间分值和可视化结果（如图3）。从空间分值的基本情况来看，地域性休闲消费偏好指数（GWI）的最高值出现在茶馆业态，高值区临界值为319.36；最低临界值出现在展馆业态为1.34。
图3 享受型和发展型消费的地域性休闲消费偏好指数分布

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS（2020）4619）绘制，底图边界无修改。

Fig. 3 Distribution of enjoyment consumption GWI and development consumption GWI

从全国范围各类休闲业态的整体空间分布结果（表2）来看，川渝地区和北上广等一线城市居民各类休闲消费的地域性休闲消费偏好指数（GWI）总体水平最为突出，结合各类休闲消费偏好指数排行榜，发现成都各类地域性休闲消费偏好指数（GWI）排名均稳居全国前十位。
表2 各类地域性休闲消费偏好指数排名前10的城市

Tab. 2 The top 10 cities in terms of GWI by leisure sector

排名 洗浴推拿 茶馆 棋牌室 体育休闲 展馆 影剧院
城市 GWI 城市 GWI 城市 GWI 城市 GWI 城市 GWI 城市 GWI
1 成都 229.83 成都 319.36 武汉 68.82 北京 183.80 北京 48.35 北京 19.90
2 北京 177.96 重庆 117.98 杭州 63.85 上海 147.90 上海 8.87 上海 17.49
3 上海 173.28 绵阳 95.48 沈阳 44.30 广州 102.60 广州 8.25 广州 10.66
4 苏州 156.22 拉萨 66.85 广州 44.14 成都 85.25 成都 8.21 成都 9.15
5 重庆 132.69 德阳 62.27 宁波 41.58 杭州 74.59 杭州 6.40 杭州 9.07
6 西安 130.11 长沙 57.95 上海 34.65 武汉 68.67 西安 6.30 长沙 9.01
7 青岛 123.31 乐山 47.62 长沙 33.41 深圳 62.68 青岛 6.30 苏州 7.98
8 郑州 122.96 北京 43.60 嘉兴 32.74 西安 56.15 南京 5.37 武汉 7.80
9 无锡 119.24 昆明 40.21 苏州 32.07 郑州 52.94 天津 4.88 深圳 7.43
10 广州 117.10 武汉 37.93 成都 31.87 苏州 52.76 武汉 4.79 西安 7.18
从各休闲消费业态的空间分布来看，享受型休闲消费的地域性休闲消费偏好指数（GWI）各有特点。居民洗浴推拿休闲消费偏好指数整体在东北地区、华北地区和西南地区等出现较高值（如图3a），排名最为靠前的为成都、北京、上海和苏州。高值区与长期以来形成洗浴文化的区域高度重合，一方面，可能是因为这些区域不仅将洗浴推拿作为清洁方式，更将其视为一种休闲和生活方式，以此来放松身心、实现健康追求；另一方面，经济发展较好的城市，居民的消费能力较强，对于各种休闲疗养的需求可能开发更多。居民棋牌室休闲消费偏好指数整体在长三角地区、珠三角地区、西南地区和东北地区等出现较高值（如图3c），排名最为靠前的为武汉、杭州、沈阳和广州。西南地区和东北地区在一年中可能有较多气温较低的时间，棋牌室这种室内休闲可能更为当地人所偏好；长三角和珠三角地区人口密集，经济发达，相对而言消费市场广阔，棋牌室等休闲消费是常见的消遣选择。居民茶馆休闲消费偏好指数整体呈现以川渝地区为代表的西南地区集聚分布特征（如图3b），排名领先的是成都和重庆，属于该区域经济最发达的城市，周围地形变化复杂或者本地地形变化多样，同时气候条件相对复杂，一年中阴雨天较多，晴天较少，人们对于喝茶这种闲适且祛湿的休闲方式十分青睐。
相对来说，以体育休闲、展馆和影剧院为代表的发展型休闲消费的地域性休闲消费偏好指数分布从空间上看具有较强的相似性，整体呈现较为破碎的分布特征，在直辖市和省会城市等特大城市分散出现较高值（如图3d~图3f），排名前五的城市均为北京、上海、广州、成都和杭州，这些经济发展水平高的都市区域，人们普遍生存压力较大，精神追求较丰富，愿意为运动、看展看剧等发展型休闲消费付出精力和成本。
基于图3可以得到两个基础发现：第一，地域性休闲消费偏好指数分布不服从传统以胡焕庸线为界东高西低的分布特征，而是依地形地势整体呈现为三大片区，即东北-华北平原区、川渝-长江流域带、华南片区，这三大片区具有较好的水土资源，虽然气候环境较为复杂，有明显的低温或高湿环境，但生产资料相对丰富、生活资料也较为富足，较为特殊的是川渝一带，在几类休闲娱乐的地域性休闲消费偏好指数中也具有较好的表现；第二，享受型和发展型休闲消费的地域性休闲消费偏好指数分布也存在一定差异，享受型休闲消费偏好呈现明显的气候影响下的分区域集聚特征，发展型休闲消费偏好高值分布则更为块状化，与城市经济发展和居民压力水平有可能存在较强的影响关系。

4.2 基准回归和稳健性检验

结合空间分析的可视化结果，推测不同业态受到不同地理环境的影响，接下来运用Stata 17.0软件进行最小二乘法（OLS）回归分析地域性休闲消费偏好指数（GWI）的影响因素。在基准回归基础上，本研究将从以下几方面进行稳健性检验。第一，由于基准回归中使用2019年的截面数据，为验证上述结果的稳健性，选取间隔年2017年和未受到疫情影响的2023年数据进行比较。第二，部分偏远地区的某类休闲业态POI数量为0，因此被解释变量中存在部分观测值为0，其余被解释变量观测值均大于0，满足受限因变量模型条件，本研究使用Tobit模型代替原模型进行稳健性检验。在控制变量后，稳健性检验结果与基准回归结果基本一致，表明模型结果具有稳健性（见表3），其中，N为样本量，表示有290个城市；r2为回归模型拟合优度指标，越接近1拟合效果越好；F为统计量，值越大代表预测力越强；cons为常数项，var为残差方差。此外，传统研究将气候等自然地理变量视作外生环境变量[53]，本研究中的解释变量均为自然地理环境指标，本身为外生变量，被解释变量中的休闲POI均对日照时数等自然地理变量本身并无影响，因此本研究的解释变量不存在内生性。
表3 基准回归及稳健性检验结果

Tab. 3 Results of baseline regression and the robustness test

洗浴推拿 茶馆 棋牌室
2019年 2017年 2023年 Tobit 2019年 2017年 2023年 Tobit 2019年 2017年 2023年 Tobit
asd 0.001 -0.002 -0.073 -0.073 -0.014*** -0.022*** -0.377*** -0.377*** -0.000 -0.004** -0.064** -0.069**
（0.005） （0.004） （0.108） （0.127） （0.004） （0.007） （0.128） （0.116） （0.001） （0.002） （0.027） （0.033）
rh 0.210 0.228 0.370 0.370 -0.264 -0.355* -0.275 -0.275 0.005 -0.118 0.156 0.163
（0.306） （0.222） （0.416） （0.541） （0.169） （0.197） （0.404） （0.495） （0.072） （0.103） （0.108） （0.139）
aap -0.007* -0.012** -0.252*** -0.252** 0.002 -0.008** -0.282** -0.282*** 0.004*** 0.006*** -0.030 -0.032
（0.004） （0.005） （0.092） （0.108） （0.003） （0.004） （0.136） （0.099） （0.001） （0.002） （0.020） （0.028）
aws -1.549 -3.433*** -2.272 -2.272 -1.743 -1.657 -2.130 -2.130 -0.470 -0.073 -1.183 -1.059
（1.403） （1.220） （3.570） （4.657） （1.612） （1.526） （2.171） （4.259） （0.508） （0.562） （0.920） （1.201）
at -0.369 -0.280 0.128 0.128 -0.898** -0.145 0.808** 0.808 -0.401*** -0.574*** -0.507*** -0.516**
（0.396） （0.327） （0.625） （0.934） （0.438） （0.340） （0.392） （0.854） （0.108） （0.164） （0.178） （0.240）
pGDP 0.000 -0.000 0.000* 0.000 0.000 0.000 0.000** 0.000 0.000*** 0.000 0.000*** 0.000***
（0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000）
trscg 0.000*** 0.000*** 0.005 0.005*** 0.000** 0.000** 0.003 0.003*** 0.000*** 0.000*** 0.001 0.001***
（0.000） （0.000） （0.005） （0.001） （0.000） （0.000） （0.003） （0.001） （0.000） （0.000） （0.001） （0.000）
nli -0.375 0.338 0.745** 0.745** 0.942 -0.064 -0.222 -0.222 0.348 0.220* 0.213* 0.222***
（0.987） （0.230） （0.374） （0.306） （0.922） （0.148） （0.330） （0.280） （0.492） （0.130） （0.121） （0.079）
ahp -0.001 -0.000 0.002 0.002*** -0.001 -0.001 0.001 0.001 -0.000 -0.000 0.000 0.000***
（0.000） （0.000） （0.001） （0.001） （0.001） （0.001） （0.001） （0.000） （0.000） （0.000） （0.000） （0.000）
cons 26.994 24.469 23.444 23.444 71.778*** 89.648*** 101.335*** 101.335** 2.704 15.995* 7.869 8.159
（25.042） （22.118） （42.344） （51.924） （24.326） （31.666） （36.339） （47.484） （5.764） （9.079） （11.176） （13.369）
var 2023.049*** 1691.847*** 134.049***
（168.005） （140.500） （11.168）
N 290 290 290 290 290 290 290 290 290 290 290 290
r2 0.668 0.908 0.357 0.322 0.379 0.187 0.480 0.629 0.343
F 18.886 85.431 11.812 3.602 3.574 2.799 6.044 12.713 6.397
体育休闲 展馆 影剧院
2019年 2017年 2023年 Tobit 2019年 2017年 2023年 Tobit 2019年 2017年 2023年 Tobit
asd 0.002 -0.002 -0.034 -0.034 -0.000 -0.000 -0.004 -0.004 -0.000 -0.001*** -0.013* -0.013
（0.002） （0.002） （0.069） （0.082） （0.000） （0.000） （0.003） （0.004） （0.000） （0.000） （0.007） （0.008）
rh -0.180 -0.386*** -0.075 -0.075 -0.063** 0.019 0.001 0.001 -0.023 -0.034*** -0.021 -0.021
（0.121） （0.124） （0.296） （0.347） （0.025） （0.046） （0.020） （0.019） （0.014） （0.010） （0.026） （0.035）
aap 0.005*** 0.005** -0.085 -0.085 0.001*** -0.001 -0.006 -0.006 0.001*** 0.001** -0.008 -0.008
（0.001） （0.002） （0.064） （0.069） （0.000） （0.001） （0.004） （0.004） （0.000） （0.000） （0.007） （0.007）
aws -1.103* -1.262* -2.052 -2.052 -0.335* -0.248 0.084 0.084 -0.066 -0.016 -0.297 -0.297
（0.575） （0.756） （2.687） （2.985） （0.191） （0.220） （0.217） （0.160） （0.062） （0.049） （0.224） （0.301）
at -0.422*** -0.437*** -0.278 -0.278 -0.063** -0.067 -0.016 -0.016 -0.058*** -0.029** -0.026 -0.026
（0.157） （0.168） （0.458） （0.599） （0.030） （0.057） （0.026） （0.032） （0.018） （0.014） （0.038） （0.060）
pGDP -0.000 -0.000*** 0.000 0.000 -0.000 -0.000* 0.000 0.000 -0.000 -0.000** 0.000* 0.000
（0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000）
trscg 0.000*** 0.000*** 0.004 0.004*** 0.000*** 0.000 0.000 0.000*** 0.000*** 0.000*** 0.000 0.000***
（0.000） （0.000） （0.003） （0.001） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000）
体育休闲 展馆 影剧院
2019年 2017年 2023年 Tobit 2019年 2017年 2023年 Tobit 2019年 2017年 2023年 Tobit
nli -0.186 0.002 0.296 0.296 -0.552 0.004 -0.008 -0.008 -0.023 0.009 0.007 0.007
（0.709） （0.184） （0.242） （0.196） （0.356） （0.031） （0.013） （0.011） （0.070） （0.013） （0.023） （0.020）
ahp 0.001* 0.001*** 0.003*** 0.003*** 0.000 0.000** 0.000*** 0.000*** 0.000* 0.000*** 0.000*** 0.000***
（0.000） （0.001） （0.001） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000） （0.000）
cons 16.126 29.423*** 23.321 23.321 6.384*** -0.109 -0.005 -0.005 3.182*** 3.278*** 5.158* 5.158
（10.131） （10.252） （30.581） （33.278） （2.125） （3.459） （2.301） （1.788） （1.144） （0.930） （2.654） （3.353）
var 830.935*** 2.400*** 8.437***
（69.005） （0.199） （0.701）
N 290 290 290 290 290 290 290 290 290 290 290 290
r2 0.846 0.920 0.564 0.604 0.736 0.643 0.847 0.939 0.485
F 31.794 76.620 14.635 4.729 32.536 8.538 31.431 91.064 16.346

注：括号内为稳健标准误；*p<0.1、**p<0.05、***p<0.01；所有变量均为当年对应值；表中具体变量的对应指标参见表1。

从回归结果看，洗浴推拿、茶馆、棋牌室、体育休闲、展馆和影剧院六类休闲业态地域性休闲消费偏好指数（GWI）的OLS回归均成立（如表3）。结合稳健性检验，判断是否为稳健的显著性结果标准是有至少3次显著关系成立。研究发现自然环境因素中的降水量、日照时数和气温要素对各类享受型休闲消费产生不同程度的影响。具体来说，洗浴推拿休闲消费偏好指数受到平均降水量的显著负向影响，表明降水量越少的地方相对越干燥，人们越喜欢在洗浴推拿方面进行休闲消费；茶馆休闲消费偏好指数受日照时数和平均降水量的显著负向影响，即日照时数越少、降水越少的地方，人们对于喝茶这种闲适的休闲消费更为青睐，尤其川渝地区有很多室外茶摊，露天环境里喝茶聊天成为一种生活方式；棋牌室休闲消费偏好指数受到日照时数和平均气温的显著负向影响，即日照时数越少，平均气温越低的地方，黑夜较长且环境较为寒冷，人们对于棋牌室这种室内的休闲消费较多。社会经济环境因素中的社会消费品零售总额对各类地域性休闲消费偏好指数的正向影响显著，说明宏观经济运行状况越好的区域，人们对于享受型和发展型休闲消费都有较高的需求；房价对于体育休闲、展馆和影剧院等发展型消费的地域性休闲消费偏好指数具有显著正向影响，说明在经济发展水平较好且人们生活压力较大的地方，人们更喜欢进行与自我发展成长相关的活动，更倾向于在运动休闲、看展看剧等方式上付出时间和精力。
整体来看，不论是享受型消费还是发展型消费，都受到社会消费品零售总额的显著正向影响；其中，洗浴推拿等享受型休闲消费更容易受到日照时数等各类自然地理环境因素的显著影响，并且自然地理环境越恶劣的地方，人们的享受型休闲消费偏好更高；体育休闲等发展型休闲消费偏好不会受到自然因素的显著影响，但会受到房价这种社会经济因素的显著影响，并且房价越高生活压力越大的地方，人们的发展型休闲消费偏好更高。

5 结论与讨论

本研究应用地理空间多源异构数据积极探索居民休闲消费偏好的测度方法，从全国城市尺度刻画了我国居民休闲消费偏好的空间分布格局和地域性差异，主要得到以下结论：
第一，本研究初步证实休闲消费偏好存在地域性分布规律，即居民休闲消费偏好显著受自然与社会综合地理环境的影响，但这种地域性特征不服从经典自然地理分界线——胡焕庸线为界的分布，同时也跟传统文化地理分区存在差异。整体来看，地域性休闲消费偏好指数（GWI）较高的地区相对集中在国内三大片区，即东北-华北平原区、川渝-长江流域带和华南片区，其中成都、重庆为代表的川渝地区、以北上广深为代表的一线城市区域的居民具有最高的休闲消费偏好，即“更爱玩”。这三大区域在自然地理环境上，具有较好的水土资源，虽然气候环境较为复杂，有明显的低温或高湿环境，但生产资料相对丰富、生活资料较为富足，城市居民在资金和自由时间充足的前提下，日常休闲活动更加频繁，拥有更丰富的休闲娱乐消费。这是对新环境决定论的一次有益运用和验证。
第二，本研究细分不同类型的休闲消费发现，自然与社会环境因素的影响存在显著差异。其中，自然环境因素对享受型消费影响较大，表现在日照时数、气温、降水量等自然气候影响显著，且气候条件越差，人们的享受型休闲消费偏好越高；对发展型消费来说，自然气候影响不显著，社会经济因素中的房价存在显著正向影响，即生活压力越大的地方人们的发展型休闲消费偏好越高。
本研究主要有两方面的贡献。在理论上，本研究是新环境决定论对休闲消费行为地域性差异解释力的一次积极运用，初步证实地域性休闲消费偏好的存在，发现休闲消费偏好的空间分布规律并不完全服从以胡焕庸线为界的分布，地域性休闲消费偏好最集中的是川渝地区，其次才是经济发达的北上广城市组团，这一点，相比于当前国内大多研究依然采用胡焕庸线来分析区域差异[11]69，该研究至少提醒研究者，需要进一步校验胡焕庸线在消费领域是否有效。在方法上，本研究创立地域性休闲消费偏好指数（GWI），准确刻画了休闲偏好与休闲消费行为之间的联系，在一定程度上解决了全国尺度心理数据不易获取的难点，在进一步证实高非凡等[54]研究中所说商业休闲设施和公共休闲设施能够很好地反映心理压力情况的同时，也更加拓展了休闲消费领域的研究深度和广度。同时，研究采用多源异构数据，包括城市基础数据、城市地图底图GIS数据、休闲设施POI数据，在数据使用中统一量纲，解决了传统问卷调查法效率低、成本高的问题，也避免了主观评估的误差可能。
本研究的主要启示是，一个城市在发展型消费和享受型消费两类休闲业态的发展上需要分别考虑自然环境因素和社会发展水平的影响力，宏观经济运行良好、当地人具有一定生活压力的情况下，可以借势支持演艺、展馆、运动节事产业的发展，实现居民个体发展和经济带动的双赢；相对而言自然地理环境较差，但消费力尚可的城市更多可以考虑培育享受型消费休闲产业的发展，为居民美好生活提供空间。
本研究因获取数据有限，仅选择了6个代表性业态进行分析，未来可以补充更多休闲业态进行分析，以更全面认识居民休闲消费偏好的地域分布规律。此外，本研究重在分析自然环境因素对居民休闲消费偏好的影响，未对社会经济因素的影响进行深究，未来可以采用地域综合环境进行具体分析，揭示地域环境的影响机制。在实际行业发展中，本研究的发现有助于全面了解居民的休闲需求和消费偏好，注意挖掘本地居民的休闲消费潜力和休闲消费偏好，开拓休闲消费产品和市场，打造多样性、差异化休闲产业布局，完善本地区休闲消费特色空间，为各地休闲产业的发展提供方向性指导建议。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，评审专家对本文的理论讨论、变量选取和结论讨论等方面的修改意见，使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
中国旅游研究院文化和旅游部数据中心. 中国休闲发展年度报告2023. 北京: 旅游教育出版社, 2023: 1-5.

[China Tourism Academy (Data Center of the Ministry of Culture and Tourism). China Leisure Development Annual Report 2023. Beijing: Tourism Education Press, 2023: 1-5.]

[2]
张铮. 新时代社会文化新需求分析. 人民论坛, 2020, 27(20): 133-135.

[Zhang Zheng. Analysis of new social and cultural demands in the new era. People's Forum, 2020, 27(20): 133-135.]

[3]
Pritchard A, Kharouf H. Leisure consumption in cricket: Devising a model to contrast forms and time preferences. Leisure Studies, 2016, 35(4): 438-453.

[4]
Walker G J, Wang X. The meaning of leisure for Chinese/Canadians. Leisure Sciences, 2008, 31(1): 1-18.

[5]
Kim D, Jang S. Symbolic consumption in upscale cafés: Examining Korean gen Y consumers' materialism, conformity, conspicuous tendencies, and functional qualities. Journal of Hospitality & Tourism Research, 2017, 41(2): 154-179.

[6]
Dane G, Arentze T A, Timmermans H J, et al. Simultaneous modeling of individuals' duration and expenditure decisions in out-of-home leisure activities. Transportation Research Part A: Policy and Practice, 2014, 70: 93-103.

[7]
保继刚, 楚义芳. 旅游地理学. 北京: 高等教育出版社, 2012: 71-72.

[Bao Jigang, Chu Yifang. Tourism Geography. Beijing: Higher Education Press, 2012: 71-72.]

[8]
曹新向, 苗长虹, 陈玉英, 等. 休闲城市评价指标体系及其实证研究. 地理研究, 2010, 29(9): 1695-1705.

[Cao Xinxiang, Miao Changhong, Chen Yuying, et al. Leisure city evaluation indicator system and its empirical research. Geographical Research, 2010, 29(9): 1695-1705.]

[9]
赵莹, 柴彦威, Dijst M. 行为同伴选择的社会文化效应研究: 中国北京与荷兰乌特勒支的比较. 地理科学, 2014, 34(8): 946-954.

[Zhao Ying, Chai Yanwei, Dijst M. A study on the socio-cultural effects of behavioural peer choice: A comparison between Beijing, China and Utrecht, the Netherlands. Scientia Geographica Sinica, 2014, 34(8): 946-954.]

[10]
Spinney J E, Millward H. Weather impacts on leisure activities in Halifax, Nova Scotia. International Journal of Biometeorology, 2011, 55(2): 133-145.

[11]
黄园淅, 杨波. 从胡焕庸人口线看地理环境决定论. 云南师范大学学报(哲学社会科学版), 2012, 44(1): 68-73.

[Huang Yuanxi, Yang Bo. Geo-environmental determinism from Hu Huanyong's demographic line. Journal of Yunnan Normal University(Philosophy and Social Science Edition), 2012, 44(1): 68-73.]

[12]
史培军, 王季薇, 张钢锋, 等. 透视中国自然灾害区域分异规律与区划研究. 地理研究, 2017, 36(8): 1401-1414.

[Shi Peijun, Wang Jiwei, Zhang Gangfeng, et al. Perspective on China's natural disaster regional differentiation law and zoning research. Geographical Research, 2017, 36(8): 1401-1414.]

[13]
胡娟, 王欣, 赵英刚, 等. 中国南方冰雪旅游发展空间拓展研究. 西南大学学报(自然科学版), 2023, 45(11): 115-127.

[Hu Juan, Wang Xin, Zhao Yinggang, et al. Research on spatial expansion of ice and snow tourism development in southern China. Journal of Southwest University(Natural Science Edition), 2023, 45(11): 115-127.]

[14]
王宏凯. 教材中中国文明起源问题的探讨. 教材通讯, 1993, 15(1): 13-14.

[Wang Hongkai. Discussion on the origins of Chinese civilisation in textbooks. Teaching Materials Newsletter, 1993, 15(1): 13-14.]

[15]
吴志斌, 屈雅红, 徐燕明. 中国美丽乡村的时空分异特征及影响因素分析: 基于文化地理的视角. 福建论坛(人文社会科学版), 2020, 40(8): 47-59.

[Wu Zhibin, Qu Yahong, Xu Yanming. Analysis of spatial and temporal differentiation characteristics and influencing factors of China's beautiful villages: Based on the perspective of cultural geography. Fujian Forum(Humanities and Social Sciences Edition), 2020, 40(8): 47-59.]

[16]
凡勃伦. 有闲阶级论:关于制度的经济研究. 北京: 中央编译局, 2015: 40.

[Veblen TB. The Theory of the Leisure Class: An Economic Study of Institutions. Beijing: Central Compilation and Translation Bureau, 2015: 40.]

[17]
程珊. 管理层风险偏好与审计风险. 南京: 南京财经大学硕士学位论文, 2022.

[Cheng Shan. Management risk appetite and audit risk. Nanjing: Master Dissertation of Nanjing University of Finance & Economics, 2022.]

[18]
徐雨晨, 张海洲, 陆林. 国际休闲研究综述: 基于Journal of Leisure Research、Leisure Sciences、Leisure Studies的统计分析. 旅游学刊, 2019, 34(3): 134-148.

[Xu Yuchen, Zhang Haizhou, Lu Lin. An overview of international leisure research : A statistical analysis based on Journal of Leisure Research, Leisure Sciences, and Leisure Studies. Tourism Tribune, 2019, 34(3): 134-148.]

[19]
罗琴, 林岚, 刘群, 等. 国际休闲研究热点演变特征及主要内容述评:基于1969—2019年三大英文期刊分析. 旅游论坛, 2022, 15(5): 87-112.

[Luo Qin, Lin Lan, Liu Qun, et al. A review of the evolutionary characteristics and main contents of international leisure research hotspots: Based on the analysis of three major english journals from 1969-2019. Tourism Forum, 2022, 15(5): 87-112.]

[20]
刘逸, 陈銮, 刘子惠, 等. 基于同位模式的休闲产业空间集聚特征研究. 旅游学刊, 2022, 37(2): 94-104.

[Liu Yi, Chen Luan, Liu Zihui, et al. A study on the spatial agglomeration characteristics of leisure industry based on the co-location model. Tourism Tribune, 2022, 37(2): 94-104.]

[21]
李莉, 侯国林, 夏四友, 等. 成都市休闲旅游资源空间分布特征及影响因素. 自然资源学报, 2020, 35(3): 683-697.

[Hou Guolin, Xia Siyou, et al. Characteristics of spatial distribution of leisure tourism resources and influencing factors in Chengdu. Journal of Natural Resources, 2020, 35(3): 683-697.]

[22]
杨潇, 金晓彤. 发展型消费的影响因素: 基于新生代农民工与同龄城市青年的比较研究. 农业技术经济, 2016, 35(5): 60-70.

[Yang Xiao, Jin Xiaotong. Influential factors of developmental consumption: A comparative study based on the new generation of migrant workers and urban youth of the same age. Journal of Agrotechnical Economics, 2016, 35(5): 60-70.]

[23]
吴磊. 当代中国青年消费研究综述: 基于CiteSpace知识图谱分析. 新生代, 2021, 50(1): 45-53.

[Wu Lei. An overview of research on youth consumption in contemporary China-analysis based on CiteSpace knowledge mapping. New Generation, 2021, 50(1): 45-53.]

[24]
饶育蕾, 冀希, 许琳. 享受型消费是否提高了居民幸福感? 基于中国家庭追踪调查CFPS的实证分析. 消费经济, 2019, 35(2): 13-24.

[Rao Yulei, Ji Xi, Xu Lin. Does enjoyment consumption improve residents' happiness? An empirical analysis based on the Chinese family tracking survey CFPS. Consumer Economics, 2019, 35(2): 13-24.]

[25]
Hartshorne R. The nature of geography: A critical survey of current thought in the light of the past. Annals of the Association of American Geographers, 1939, 29(3): 173-412.

[26]
段义孚. 恋地情结. 北京: 商务印书馆, 2017: 49.

[Tuan Yi-Fu. Topophilia. Beijing: The Commercial Press, 2017: 49.]

[27]
Peet R. The social origins of environmental determinism. Annals of the Association of American Geographers, 1985, 75(3): 309-333.

[28]
Sluyter A. Neo-environmental determinism, intellectual damage control, and nature/society science. Antipode, 2003, 35(4): 813-817.

[29]
徐巧玲. 城乡劳动者就业质量与休闲消费不平等. 消费经济, 2022, 38(4): 39-50.

[Xu Qiaoling. Employment quality and leisure consumption inequality of urban and rural workers. Consumer Economics, 2022, 38(4): 39-50.]

[30]
刘松, 楼嘉军. 城镇居民休闲消费潜力影响因素及其空间异质性. 地域研究与开发, 2022, 41(2): 52-56+83.

[Liu Song, Lou Jiajun. Influencing factors of urban residents' leisure consumption potential and its spatial heterogeneity. Geographic Research and Development, 2022, 41(2): 52-56+83.]

[31]
雷依凡, 路春燕, 苏颖, 等. 基于多源夜间灯光数据的城市活力与城市扩张耦合关系研究: 以海峡西岸城市群为例. 人文地理, 2022, 37(2): 119-131.

[Lei Yifan, Lu Chunyan, Su Ying, et al. A study on the coupled relationship between urban vitality and urban expansion based on multi-source nighttime lighting data: A case study of the West Coast city cluster. Human Geography, 2022, 37(2): 119-131.]

[32]
况伟大. 房价变动与中国城市居民消费. 世界经济, 2011, 34(10): 21-34.

[Kuang Weida. Changes in house prices and consumption of Chinese urban residents. The Journal of World Economy, 2011, 34(10): 21-34.]

[33]
Zhang Y, Yao E. Exploring elderly people's daily time-use patterns in the living environment of Beijing, China. Cities, 2022, 129: 103838.

[34]
陈彦斌, 邱哲圣. 高房价如何影响居民储蓄率和财产不平等. 经济研究, 2011, 46(10): 25-38.

[Chen Yanbin, Qiu Zhesheng. How high housing prices affect residents' savings rates and property inequality. Economic Research Journal, 2011, 46(10): 25-38.]

[35]
王润源, 程绍文. 基于数字足迹的广州市旅游者时空行为特征研究. 资源开发与市场, 2022, 38(10): 1264-1271.

[Wang Runyuan, Cheng Shaowen. Study on the spatial-temporal behavior characteristics of tourists in Guangzhou based on digital footprints. Resource Development & Market, 2022, 38(10): 1264-1271.]

[36]
Wei W, Lu J G, Galinsky A D, et al. Regional ambient temperature is associated with human personality. Nature Human Behaviour, 2017, 1(12): 890-895.

[37]
Barnett L A. Accounting for leisure preferences from within: The relative contributions of gender, race or ethnicity, personality, affective style, and motivational orientation. Journal of Leisure Research, 2006, 38(4): 445-474.

[38]
刘逸, 陈海龙, 陈了凡, 等. 基于UGC的气候环境对游客情感的影响研究. 人文地理, 2023, 38(5): 146-153+90.

[Liu Yi, Chen Hailong, Chen Liaofan, et al. Research on the impact of climate environment on tourists' emotion based on UGC. Human Geography, 2023, 38(5): 146-153+90.]

[39]
刘逸, 卢展晴, 陈欣诺. 避暑旅游气候舒适度模型构建与应用. 中山大学学报(自然科学版), 2019, 58(3): 22-31.

[Liu Yi, Lu Zhanqing, Chen Xinnuo. The climate comfort model for evaluating heat-avoiding resorts in China. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2019, 58(3): 22-31.]

[40]
Simonsohn U. Weather to go to college. The Economic Journal, 2010, 120(543): 270-280.

[41]
Becken S, Wilson J. The impacts of weather on tourist travel. Tourism Geographies, 2013, 15(4): 620-639.

[42]
Miranda-Moreno L F, Lahti A C. Temporal trends and the effect of weather on pedestrian volumes: A case study of Montreal, Canada. Transportation Research Part D: Transport and Environment, 2013, 22: 54-59.

[43]
Buchheim L, Kolaska T. Weather and the psychology of purchasing outdoor movie tickets. Management Science, 2017, 63(11): 3718-3738.

[44]
赵莹, 柴彦威, 桂晶晶. 中国城市休闲时空行为研究前沿. 旅游学刊, 2016, 31(9): 30-40.

[Zhao Ying, Chai Yanwei, Gui Jingjing. Research frontiers of leisure spatio-temporal behaviour in Chinese cities. Tourism Tribune, 2016, 31(9): 30-40.]

[45]
刘德谦. 也论休闲与旅游. 旅游学刊, 2006, 21(10): 12-19.

[Liu Deqian. Also on leisure and tourism. Tourism Tribune, 2006, 21(10): 12-19.]

[46]
李江苏, 梁燕, 王晓蕊. 基于 POI 数据的郑东新区服务业空间聚类研究. 地理研究, 2018, 37(1): 145-157.

[Li Jiangsu, Liang Yan, Wang Xiaorui. Research on spatial clustering of service industry in Zhengdong New Area based on POI data. Geographical Research, 2018, 37(1): 145-157.]

[47]
刘逸, 吴雪涵, 许汀汀. 城市休闲产业聚类模式APM算法模型开发与校验. 旅游学刊, 2024, 39(4): 40-52.

[Liu Yi, Wu Xuehan, Xu Tingting. Development and verification of APM algorithm for mapping urban leisure industrial clusters. Tourism Tribune, 2024, 39(4): 40-52.]

[48]
薛冰, 李京忠, 肖骁, 等. 基于兴趣点(POI)大数据的人地关系研究综述: 理论、方法与应用. 地理与地理信息科学, 2019, 35(6): 51-60.

[Xue Bing, Li Jingzhong, et al. A review of point-of-interest(POI)-based big data research on human-land relationships: Theory, methods and applications. Geography and Geographic Information Science, 2019, 35(6): 51-60.]

[49]
徐文成, 薛建宏, 毛彦军. 偏好与消费能力对居民消费行为的影响研究: 基于新凯恩斯DSGE模型的模拟分析. 中央财经大学学报, 2016, 36(6): 97-103.

[Xu Wencheng, Xue Jianhong, Mao Yanjun. Research on the influence of preference and consumption ability on residents' consumption behaviour: A simulation analysis based on the New Keynesian DSGE model. Journal of Central University of Finance and Economics, 2016, 36(6): 97-103.]

[50]
仝德, 孙裔煜, 谢苗苗. 基于改进高斯两步移动搜索法的深圳市公园绿地可达性评价. 地理科学进展, 2021, 40(7): 1113-1126.

[Tong De, Sun Yiyu, Xie Miaomiao. Evaluation of green space accessibility based on improved Gaussian two-step floating catchment area method: A case study of Shenzhen city, China. Progress in Geography, 2021, 40(7): 1113-1126.]

[51]
刘逸, 陈海龙, 陈了凡. 饮酒休闲消费偏好的地域特征研究: 李白指数. 地理研究, 2024, 43(11): 2935-2951.

[Liu Yi, Chen Hailong, Chen Liaofan. Study on regional preferences of drinking leisure consumption: The Libai Index. Geographical Research, 2024, 43(11): 2935-2951.]

[52]
张爱霞, 马斌斌, 卢家旺, 等. 基于POI数据挖掘的兰州市休闲旅游空间格局及其驱动机制研究. 干旱区资源与环境, 2022, 36(11): 200-208.

[Zhang Aixia, Ma Binbin, Lu Jiawang, et al. Study on spatial pattern of leisure tourism and its driving mechanism in Lanzhou city based on POI data mining. Arid Zone Resources and Environment, 2022, 36(11): 200-208.]

[53]
黄实磊, 吴翌琳. 信任格局视角下普遍信任和特殊信任对个体创业的影响研究: 兼论地区信任模式的作用. 经济与管理研究, 2023, 44(11): 104-124.

[Huang Shilei, Wu Yilin. A study on the effects of universal and special trust on individual entrepreneurship under the perspective of trust pattern: Another study on the role of regional trust pattern. Economic and Management Research, 2023, 44(11): 104-124.]

[54]
高非凡, 刘逸, 李志刚. 中国城市居民心理压力程度时空格局及与休闲设施供给的关系. 地球信息科学学报, 2024, 26(2): 530-541.

[Gao Feifan, Liu Yi, Li Zhigang. Spatial and temporal patterns of psychological stress among urban residents in China and its relationship with the supply of leisure facilities. Journal of Geo-Information Science, 2024, 26(2): 530-541.]

Options
文章导航

/

〈 〉