EN中文

GEOGRAPHICAL RESEARCH >

2024 , Vol. 43 >Issue 11: 2935 - 2951

DOI: https://doi.org/10.11821/dlyj020231120

Study on regional preferences of drinking leisure consumption: The Libai Index

  • LIU Yi , 1, 2 ,
  • CHEN Hailong , 1 ,
  • CHEN Liaofan 1
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

Received date: 2023-12-12

  Accepted date: 2024-06-20

  Online published: 2024-11-07

Fold

Abstract

Alcohol-based drinking consumption has increasingly become an important part of residents' daily leisure life. There is a geographical tradition cognition that people from northern China would have higher preference for drinking than those from southern China, but geographers have not provided scientific answers for this question yet. Starting from this gap, this study attempts to verify the existence of such a regional preference and further reveal its general impact factors of spatial distribution. This study uses Baidu keyword search indexes and Amap alcohol POI data to represent the alcohol-based drinking preferences in each city of China, by considering the interferences of the size of population, structure of population, average income of the citizens, and the prosperity of urban economies. In order to better understand the research results, this study frames the leisure preference of alcohol-based drinking consumption as the "Libai Index", which is composed of Libai expected consumption index and Libai actual consumption index. The results show that: (1) The sptial distribution of the Libai Index is inconsistent with the geographical tradition cognition of Chinese drinking behavior. The Libai Index does not show obvious north-south and east-west differentiation or follow the geographical distribution of the famous Hu Huanyong Line. The region with the highest preference is not the most economically developed cities like Beijing, Shanghai and Guangzhou, but the Sichuan-Chongqing region with Chengdu and Chongqing as the core. (2) In terms of natural environment, the lower the temperature is, the higher the Libai expected consumption index will be; the lower the temperature and the shorter the sunshine duration are, the higher is the Libai actual consumption index; however, precipitation, humidity and wind speed do not have significant impact on the two Libai indexes. (3) In terms of socio-economic environment, housing price level and night light are significantly positively correlated with the two Libai indexes. The findings of this study correct the traditional misunderstanding of the geographical distribution of alcohol-based drinking preference. It reveals the influence of natural environmental factors such as temperature and sunshine duration and social economic factors such as housing price and night light index on alcohol consumption. This work resonates with the neo-environmental determinism and affirms that this theory still has good explanatory power. At the same time, this paper is also a pro-active attempt for the utilization of multi-structure geo-data.

Key words： drinking leisure consumption; regional consumption preference; neo-environmental determinism; Libai Index; marketing geography

Cite this article

LIU Yi , CHEN Hailong , CHEN Liaofan . Study on regional preferences of drinking leisure consumption: The Libai Index[J]. GEOGRAPHICAL RESEARCH, 2024 , 43(11) : 2935 -2951 . DOI: 10.11821/dlyj020231120

1 引言

从“羽觞随流波”到“一觞一咏，亦足以畅叙幽情”，饮酒休闲行为是人类生活的重要组成部分[1]，酒文化以其悠久的历史和深厚的底蕴在中华传统文化乃至世界文明中占有重要位置。酒类产品不仅是生活日常饮食的组成部分，同时也在特殊事件、节庆活动和社会交往中承担着重要功能，更渗透到文学艺术创作、休闲娱乐、饮食烹饪和养生保健等社会生活的多个领域。与此同时，饮酒消费活动也带来诸多负面影响，特别是过度饮酒不仅会对身体健康造成严重威胁，也会导致社交损伤，增加发生暴力和犯罪行为的概率。因此，了解酒类消费行为的基本属性，对全国当前促进社会经济高质量发展、打造和谐健康社会，有着积极意义。
中国幅员辽阔、人口众多，各地区资源禀赋、经济发展水平、地域文化和传统习俗差异显著，居民对不同类型产品的消费偏好存在空间差异[2,3]。其中酒类的生产就是一个带有高度地域属性的话题，它与产地的气候、水质等自然环境条件有密不可分的关系，例如茅台镇出产的茅台酒。在消费端，大众同样对饮酒存在地域性偏好认知的刻板印象，例如北方人比南方人更能喝酒，或者阴湿寒冷的地方更需要喝酒暖身等等[4⇓-6]。与酒类生产不同，酒类消费几乎可以不受地域环境约束，是具有一定普适性的社会群体性需求。但是社会经济环境也可能影响酒类消费的偏好。这是因为饮酒消费具备较强的社会属性，一方面酒类商品是商务活动和节日庆典等强社交情境下中必不可少的消费品，另一方面在旅游、体育赛事等活动背景下，社交饮酒被作为严肃休闲活动的补充，也承担了部分调节情绪、缓解压力的功能[7]；而当前快节奏、强竞争、高压力的现代化生活方式进一步增加了酒类产品的需求[8,9]。
基于上述考虑，酒类消费的地域性偏好是否真实存在?综合了自然和人文的地域环境差异是否会影响社会群体的饮酒偏好?全球化与现代化冲击下，酒类消费偏好的地域性差异又是否受到社会经济综合环境的影响而瓦解?这是一个需要地理学者予以回答的地理命题。
因此，本研究以城市作为空间单元，在控制经济发展水平和人口结构因素的影响下，结合酒类关键词搜索指数和高德地图酒类POI数据，探测地域偏好分布规律与特征。受诗仙李白启发，本文提出“李白指数”，用于代表酒类休闲消费活动的地域性偏好程度。在理论上，本研究从新环境决定论出发，借助社交媒体互联网所提供的海量多模态新数据，综合自然环境、社会经济因素开展测度。本研究力求提供一种更全面、更客观分析休闲消费地域性偏好的方法，为了解消费需求、把握消费潜力、建立城市休闲谱系、规划合理营销、加强饮酒健康管理以及辅助产业经济、公共管理部门决策提供参考。

2 酒类休闲消费偏好的地理属性与理论基础

关于休闲消费偏好的形成涉及个体属性、消费习惯、经济文化和地区环境差异等多方面。现有研究对这个话题的探讨大体可分为自然环境、地域文化和社会经济等三个方面。
在自然环境方面，早在《茶酒论》中就反映了茶和酒文化交错路向受到地理环境的影响，清代谢墉在《食味杂咏注》中也提到“南茶北酒”，即物产差异的形成由南北方的地理环境决定。人对环境的感知不只受到温度的影响，环境温度影响人体舒适度[10,11]，在寒冷时通过饮酒能暂时促进血液循环以使身体温暖[12]；日照时长则直接影响一个地方的温度、湿度状况，影响气候舒适度[13]。国外学者在不同国家、不同尺度的空间上做了一定探索，有学者指出消费与气候环境密不可分，如Parker等证实低温环境下需要摄入更多热量、消费更多食物，而酒类产品在这种环境中有较高效用，可为人们提供刺激，在日照较少的环境中促进多巴胺和血清素的分泌[14]；Govind等证明平均温度和日照时数会影响酒类、烟草或者咖啡等享乐型产品的消费[15]；雨天一方面会影响人们的出行意愿、改变活动习惯[16,17]，另一方面又使人们容易产生更多负面情绪[18]，这可能导致消费者做出预测偏差并增加消费支出[19,20]。这种认为气候是产生消费差异驱动力的观点为我们定量测量不同地区酒类消费差异提供了可能性。生物学和医学的研究发现，与酒精有关的紧急就诊次数随温度和日照时间增加而增加，随湿度、降水和风速的增加而减少[21]，根据澳大利亚的研究报告，血清素水平在冬季下降、夏季上升，表明血清素对温度和日照时间敏感，这一点可以解释温度、日照时间和发现的与酒精相关的紧急就诊次数之间的相关性[22]。因此，我们在研究中选取温度、日照、降水、湿度和风速5个自然环境气候要素。然而，地理环境导致的物产差异之下居民的饮酒偏好是否真的存在地域性差异?这种地域性差异又是如何产生的也还尚未有研究涉及。
在地域文化方面，国内关于酒文化的研究多在探讨中西方的酒文化差异、国内南北方酒桌文化的差异、诗与酒的关系分析、茶与酒的文化差异[23,24]，少数研究涉及到酒文化旅游[25,26]。就中西文化对比来说，杨乃济从饮酒方式入手揭示了中国酒文化特有的社会功能和政治功能[4]98。与欧美国家相比，中国人均酒类消费率偏低部分归因于文化传统，即注重适度饮酒以增强体质，或保持情绪的有限波动以促进交往[27]。国外关于酒文化的研究则侧重于不同地域或大洲、不同国家、不同宗教信仰的饮酒模式、习俗所反映的文化差异[28]。Gordon等综合比较了法国、德国、西班牙、瑞典和英国等五个国家的饮酒文化差异，认为文化习俗规范、人口因素和社会经济因素等社会文化背景对饮酒有重要影响，同时指出饮酒模式的同质化和享乐主义饮酒的趋势[29]。Savic等对饮酒文化概念的理解和运用做了考察，根据与酒精相关的模式、实践、使用价值、环境和场合的规范进行阐述，从饮酒文化中所具有的享乐主义维度、功能维度和社会控制模式等角度出发，指出饮酒文化的研究应该同时关注国家或社会的宏观层面和文化实体的微观层面[30]。这些酒类研究中关于地域文化的探讨研究集中于国家、社会、制度宏观层面的差异，少有研究聚焦于社会群体和人类自身的需求。
在社会经济方面，经济学领域中已经有相当多研究涉及价格和收入水平影响酒类消费，其中，需求理论涉及需求曲线、价格弹性和收入弹性，一般来说，需求曲线呈负斜率，价格上升时需求量下降；此外，替代品、互补品以及对未来价格变化的期望和个体偏好也产生影响；消费者行为理论对于人们做出购买决策的思考和行为模式也有许多成熟的概念和理论，如效用理论就假定消费者作为理性人在购买商品和服务时会追求效用最大化等[31]，均为消费提供了基础理论指导，但具体到不同城市之间的消费模式和消费差异，还需要进一步研究分析，如Yusuf等对北京、上海、天津等市居民消费模式的分析发现北京和天津的居民外出就餐、酒类饮料、医疗保健和教育等区域因素占主导的消费活动上存在相似之处，而北京和上海距离较远，所以相似性体现在交通、通讯、文娱消费和水电燃料等项目[32]。Frank等基于北京、上海、武汉、乌鲁木齐等4个城市的居民调查发现，比起亚文化，消费者偏好结构受经济发展差异影响更大[33]。其他研究也有证实，在城市或区域尺度的研究中，经济发展水平和城市化水平是影响消费的主要因素[34]。在国际上，Kossova等的研究对影响俄罗斯不同酒精消费的宏观经济因素进行分析，证实区域经济发展、城市化和失业率与酒精消费存在相关性，且相关性因酒类产品种类不同而存在差异[35]1。Shen等利用电子发票数据对台湾地区的酒类消费进行分析，发现经济发达的北部地区酒类消费金额更高[36]1。Yang等的研究从性别、年龄、婚姻情况、教育水平、收入水平等变量入手，证明家乡的地域因素和所在城市的GDP水平以及失业率是影响酒类消费的重要因素[9]1。城镇化率代表社会经济综合发展环境和城市化水平[37]1,[38]1；Bernstein等的研究发现在较贫困环境中生活的人，相比于建筑状况、住房条件、水源和卫生条件好的环境中的人，饮酒率要高150%[39]，而城镇化率能够相对直接反应这一环境对比[37]1。一个地区的人口年龄结构影响当地的经济发展[38]1,[40]；人的消费储蓄行为会随着年龄变化而改变[41]，有研究通过宏观、微观两种机制来影响居民消费率或储蓄率[42]，有研究在控制其他因素影响的条件下，发现老年人口抚养比越高，城镇居民平均消费倾向也越高，而少儿抚养比对城镇居民影响不显著[43]，关于青年群体对消费的影响还缺少讨论；还有研究结合生命周期假说，发现人口结构影响消费和储蓄[44]。Castillo等对英格兰地区进行研究发现，低社会经济地位的人易产生心理压力，倾向于将饮酒作为一种压力缓解方式[45]1,[46]2；而余露等的研究则持相反观点，在研究中证实酒类消费和闲暇之间为互补关系，即高收入且工作清闲的人才会产生更多的酒类消费，这类人的饮酒行为多以休闲和消遣为主要目的[47]。Yang等和Kossova等的研究认为低收入人群中愤怒、埋怨等负面情绪较大，导致饮酒量上升，同时饮酒量与犯罪率呈正比[9]1,[35]2；然而，在Frank等和Shen等的研究中却发现，有能力负担起充足的非居家酒类消费的是高收入人群[33]1,[36]1。同时，关于房屋价格和消费的关系在两个方面有所体现[48]，其一是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[49]，与此同时，城市高水平房价也带来生活压力[50]1，饮酒也成为一种压力的缓解方式[45]1,[46]3；其二，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，消费倾向以更快速度下降[51]，结合房地产模型，研究发现房价上涨是年轻家庭提高储蓄率的重要原因[52]。另外，城市夜间经济也得到学者关注，且许多研究集中在对饮酒和娱乐产业的研究上[53,54]，丰富的夜间娱乐与频繁的商务社交也会明显提升总体饮酒量[55]。夜间灯光虽然不能直接反映夜间经济，却可以在一定程度上反映当地经济的活跃程度[56]，可以作为指示城市活力的指标[57]1。研究发现，深圳居民夜间消费活动相对活跃，以购物、餐饮和娱乐休闲为主，居民的日常生活和休闲空间因夜间消费得到拓展，同时传统中国城市单元下的生活空间结构相应受影响而改变[58]。城市的宏观发展情况，如城市GDP水平、城镇化率和人口结构一定会影响该区域的休闲消费，而酒类休闲消费在生活压力和城市活力的刺激下又存在何种影响还未有清晰的答案，因此，本研究以房价代表生活压力、夜间灯光指数代表城市活力，探索这两个社会经济因素对居民酒类休闲消费地域特征的影响。
从上述研究中可以看出，学者们已经初步证实了自然环境、地域文化和经济水平这三个维度对饮酒消费的影响，但其中存在一些自我矛盾之处，而这三者如何共同起作用也是尚未探讨的问题[59]。例如，基于自然环境发现越冷越多雨的地方，消费者的饮酒需求会越高，但是这些研究并没有探讨地域文化和社会经济的影响。地域文化的相关研究中仅揭示饮酒差异，对于影响因素并未深究。其次，社会经济方面的许多研究有很多富有卓见的发现但却结论不一。例如究竟是高房价还是低房价人群有着更高的酒类消费偏好?如有研究者认为房价上升导致居民消费增加，而高水平房价带来压力，饮酒是缓解压力的重要方式；另有研究者认为房价上升、消费倾向会下降以提高储蓄，关于房价对饮酒的影响还未得到统一答案。
从上述相互矛盾的研究进展可以看出，饮酒消费行为是受多重因素综合影响下的结果，单独考虑自然环境、地域文化或者经济水平，均不足以充分揭示饮酒偏好的影响机制。古典环境决定论认为人类的身心特征、民族特性、社会组织、文化发展等人文现象受气候、地形和资源等自然条件的支配，完全由自然环境决定，并影响特定人群的文化、智力和社会属性，对环境的决定作用过于夸大和突出[60]。新环境决定论作为对环境决定论的回应和补充，认识到人与环境之间是复杂动态的相互影响关系，反对单一因素完全决定人类发展轨迹的观点，认为人类社会受到多重因素的影响，既承认自然环境的作用，同时也强调经济、技术、文化等社会因素的影响，自然因素与社会因素相互作用决定社会的发展[61]。因此，本研究借助新环境决定论，对居民的酒类休闲消费偏好进行宏观测度，探索地域性分布规律、挖掘居民酒类休闲消费的影响因素。

3 数据与方法

本文的研究问题是探索居民酒类休闲消费偏好的地域性分布规律。由于目前尚缺乏可以有效代表文化维度的可量化指标，因此本研究综合新环境决定论，结合研究者在成都和广州的调研和访谈结果，分别从自然环境、社会经济两个维度选取指标变量，对酒类休闲消费的地域性偏好差异进行探测。模型最后出现的残差，可能是由于存在其他未被考虑进来的变量和指标，如区域的文化传统、政策法规、广告营销以及生活方式和个体差异等因素。

3.1 数据选取与处理

为避免新冠疫情的影响，本研究以2019年自然年为单位，以全国城市为对象，对居民酒类休闲消费需求的地域性差异和影响因素进行分析。
解释变量的选取。在自然环境维度，本研究根据刘逸等关于避暑型气候舒适度模型构建的研究框架[62]，同时结合综述中提及已经证实的各要素影响，使用气温、降水量、日照时数、湿度、风速等5个气候要素，气候数据来源于国家气象科学数据中心 ① 。在社会经济维度，结合相关研究成果，采用两个指标：用平均房价代表生活压力[50]4,[63]；用夜间灯光指数代表城市活力[57]2,[64]，平均房价来自中国房地产业协会官方网站 ② ，夜间灯光数据来自中国科学院中国遥感卫星地面站 ③ 的夜间灯光数据集，计算得到各地级市灯光强度平均值。
被解释变量的选取。如何准确测度酒类休闲消费的数据是本研究的重点难题，常规的统计口径中没有单列出酒类行业销售总额。即便是从经济普查数据中获取酒类企业总产出，也无法准确描绘出酒类消费活动的分布，例如茅台酒的销售总额难以代表各地酒类消费的分布，同时，细化到以地级市为单位的销售数据属于企业内部商业机密，获取难度较高。因此，结合本文的研究问题，选取酒类POI和酒类关键词百度搜索指数两类数据分别作为参照。酒类相关设施的POI（Point of Interest），一方面，POI的数量是消费频度和市场规模的真实写照；另一方面，POI代表的是该地区消费环境中经过市场选择后而稳定保留的休闲设施，相对于统计数据更具有客观真实性[65]。将2019年全国城市的酒类相关POI数据代表酒类休闲消费的实际消费，数据来自高德地图，具体POI分类见表1。百度指数可以直观、便捷地反映过去一段时间内用户的兴趣、需求和关注点。依《酒水消费行为白皮书》 ④ 选取酒类基准关键词，采用直接取词法[66]，并利用百度指数相关关键词扩大选取范围，最终确定10个高搜索量关键词（见表1）。通过爬取2019年全国每个城市酒类关键词百度指数搜索数据，计算每日均值，得到该城市的平均搜索指数（Ash），作为居民酒类休闲消费的预期偏好。从上文综述可知，一个城市饮酒消费总量与人口规模和收入水平息息相关,而在本文的初步数据试算中，这两个因素的影响远比地理环境差异更加显着。因此，为了更好地测度地理环境的影响，本研究对POI和搜索指数进行人口规模和人均可支配收入的干扰作用进行消减，得到李白预期指数和李白消费指数，具体计算参见3.2章节。
表1 酒类POI和酒类关键词

Tab. 1 Wine POI and wine keywords

分类 关键词
酒类POI
酒类购物服务 烟酒专卖店
酒类高频消费场所 酒吧 夜总会 KTV 迪厅
酒类关键词
酒水类型 白酒 红酒 黄酒 啤酒
饮酒行为 酒吧 喝酒 解酒
负面后果 戒酒 酗酒 酒精中毒
在控制变量的选取方面，从上述综述可以看出[67,68]，休闲设施POI数据和百度指数搜索数据不可避免地会受到当地城市发展水平和人口结构的影响。城市发展水平较高和人口结构更多以青壮年和中年人为主时，饮酒的基数会更大，而且这个基数比纯粹使用常住人口总量要更准。同理，人均GDP代表着城市居民的经济实力，这是显著影响饮酒偏好的因素。因此，本研究将人均GDP、城镇化率和人口结构作为控制变量。GDP、城镇化率、人口结构均来源于城市统计年鉴 ⑤ ，其中，鉴于城市统计年鉴中人口统计口径原因，选择能够获取到的尽量全的15~59岁 ⑥ 这一年龄段的人口结构比例数据。同时，汇总2019年每个城市的常住人口密度、人均可支配收入等城市基础数据，数据来源于国家统计局和各地政府官网。由于部分城市在不同数据上分别有一定缺值，最后留取328个城市为最终研究对象。变量选取和计算方式具体见表2。
表2 变量解释与描述性统计

Tab. 2 Variable interpretation and descriptive statistics

变量类型 变量名称 测算方式 均值 标准差
被解释变量
预期市场需求 百度搜索指数（Ash） 百度搜索指数日均值 46.584 41.073
实际市场需求 高德POI数量（POI） 高德地图POI 1599.000 1564.564
李白指数 李白预期指数（LEI） 见公式（1） 7.300 5.326
李白消费指数（LAI） 见公式（2） 24.950 20.205
解释变量
自然气候 年平均气温（aat，℃） 平均气温的自然对数 2.640 0.421
年平均降水量（aap，mm） 平均降水量的自然对数 6.778 0.643
年平均日照时长（asd，h） 平均日照时长的自然对数 7.483 0.423
年平均湿度（aah，%） 平均湿度的自然对数 4.218 0.169
年平均风速（aws，m/s） 平均风速的自然对数 1.568 0.194
生活压力 平均房价（ahp，元） 平均房价的自然对数 8.979 0.528
城市活力 夜间灯光指数（nli） 夜间灯光平均强度的自然对数 0.671 0.631
控制变量
经济实力 人均GDP（pGDP，元） GDP除以人口再取自然对数 10.908 0.519
城市水平 城镇化率（urb，%） 城镇化率的自然对数 4.083 0.240
人口结构 15~59岁人口比例（age，%） 人口比例的自然对数 4.137 0.067
工具变量
城市辐射效应
 各地级市与所属省会城市距离（distance，km） 距离的自然对数
 179.589 142.643

3.2 李白指数

本研究将百度搜索指数所代表的预期偏好称为李白预期指数（Libai expected consumption index, LEI），将POI所代表的消费偏好称为李白消费指数（Libai actual consumption index, LAI）。由于这两个数值受到常住人口密度以及人均可支配收入的影响，本研究将常住人口密度数据和人均可支配收入数据进行取自然对数处理，使原本较为分散、跨度较大的人口密度和人均可支配收入数据成为较集中、易分层的数据，将各城市的平均搜索指数和POI数量分别除以统一量纲后的人口密度和可支配收入，实现人口规模和收入水平干扰因素的消减，具体见公式（1）和公式（2）：
L E I = S i   / D i I i
L A I = P i   / D i I i
式中： S i是第i个城市酒类关键词的平均百度搜索指数； P i是第i个城市酒类POI的数量；Di为统一量纲后第i个城市的人口密度；Ii是统一量纲后第i个城市的人均可支配收入。

3.3 地理加权回归

传统线性回归模型只对参数进行“平均”或“全局”估计，当自变量为空间数据且存在空间自相关时则无法满足普通最小二乘法回归模型（OLS模型）的前提假设[69],[70]1。地理加权回归（GWR）是由Fotheringham等[70]1提出的空间变参数模型，是对传统回归模型的空间拓展。它将地理位置要素嵌入到回归参数中，对不同区域的影响进行估计，将落在每个目标要素邻域内的因变量和自变量进行合并，通过分区域估计影响，反映参数在不同区域的空间非平稳性，使得变量之间的关系随着空间位置变化而变化，使结果更加切合实际。基本模型见公式（3）：
y i p = β 0 u i , v i + ∑ j = 1 k β j u i , v i x i j + ε i
式中： y i p为样本点i的偏好指数，其中p=1为李白预期消费指数（LEI），p=2为李白实际消费指数（LAI）； u i , v i是第i个样本空间单元的地理中心坐标；β0 u i , v i为模型在样本点i的常数项； β j u i , v i是样本点i的第j个自变量的回归系数； x i j为样本点i的第j个自变量，自变量分别为第i个城市的年平均气温（aat）、平均年降水量（aap）、年日照时数（asd）、平均湿度（aah）、平均风速（aws）、平均房价（ahp）、夜间灯光指数（nli）、人均GDP（pGDP）、城镇化率（urb）和15~59岁人口比例（age）；εi为样本点i的随机误差项。

4 分析结果

4.1 居民酒类休闲消费偏好的地域性特征

经过统一量纲处理后的李白预期指数（LEI）和李白消费指数（LAI）通过ArcGIS 10.8实现空间可视化，如图1所示。从图1可以看出，直接计算搜索指数（Ash）和POI，酒类休闲消费偏好呈现较为清晰的地域性分布规律，即主要集中在华北平原、东部沿海和川渝地区，传统认知中普遍能喝酒、爱喝酒的北方地区却并未表现出集中、连片的分布特征，说明该区域并不都是高消费偏好地区。
图1 酒类休闲消费偏好的空间分布

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. 1 Distribution of alcohol consumption preference

进行人口与收入干扰因素的消减之后，LEI和LAI指数的地域性空间结构出现明显变化，但北方地区依然不是李白指数最高的区域。整体来看，居民酒类休闲消费偏好的空间分布零散破碎，并未表现出明显完整、集中的地域性特征。高LEI和高LAI指数的城市大多位于气候相对适宜的地区、经济发展较好的省会城市和东部沿海交通便利的地区以及地势相对平缓的地方。与此同时，本文发现偏好特征并未表现出随着纬度升高或者海拔提高而呈现出的规律性变化。这种地域特征说明饮酒偏好可能更多地受到社会经济环境的影响。
对比LEI和LAI的空间分布，得到两个有趣发现：首先，川渝片区整体偏好相对较高，LEI指数最高的是重庆，LAI指数最高的是成都，这两个城市既不是经济最发达的地方，也不是气候条件最恶劣的地方，相对来说，这两个城市因为地形地势反倒是气候条件较为复杂；其他排名靠前的则为经济发达和人口稠密的城市，就指数分布来看，高指数的预期偏好比实际消费的城市分布范围更广、程度更深；其次，无论是实际消费还是预期偏好，排名靠前的城市基本位于胡焕庸线东侧，也就是整体地势相对平缓、经济发展水平较为发达、人口相对稠密的地区，但并不以胡焕庸线为基础分界，这一点，实际消费比预期偏好的表现更加明显，如北上广深杭成渝等经济发达城市位列其中，而西南、西北等地势相对较高、海拔落差较大、经济稍欠发达地区居民的预期偏好和实际消费表现均偏低。

4.2 居民酒类休闲偏好地域性差异的影响因素

为了进一步实证自然和社会综合环境的影响，本研究使用GWR进行量化测度。在使用GWR之前，需要使用莫兰指数对居民酒类休闲消费的预期消费和实际消费进行空间自相关分析，确认其具备分析条件。本研究借助ArcGIS软件中的莫兰指数（Anselin Local Moran's I），对LEI和LAI的空间分布进行分析，结果见图2，得到李白预期指数（LEI）的莫兰指数为0.125，z得分11.823，p<0.01；李白消费指数（LAI）的莫兰指数为0.165，z得分10.372，p<0.01；表明居民酒类休闲消费的预期偏好和实际消费存在显著的空间正相关关系，且具有明显的空间集聚特征，适合于采用地理加权回归（GWR）对其影响因素进行分析。
图2 李白指数的聚类和异常值

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. 2 Clustering and outliers of LEI and LAI

结合莫兰指数的分析结果来看，在经济相对发达地区的预期偏好和实际消费表现比较接近，出现高-高集聚和高-低集聚，存在明显地域性分布。而在经济欠发达地区，预期偏好和实际消费的差异便较为明显。李白预期指数在甘肃、青海、云南、川西地区、西藏东部等地呈现低-低集聚和低-高集聚，也就是本地偏好较低、周边区域偏好也低；在成都、重庆及其周边区域表现出高-低集聚，也就是本地偏好较高、而周边偏好较低。李白消费指数的低值集聚区则更为靠北，分布在四川以北、四川以西南、新疆西部地区；在内蒙古西部、青海西部出现高-低集聚，也就是本地偏好水平高、周边偏好水平低。综合来看，预期偏好和实际消费的空间结构未呈现出显著的地域性分布规律。
本研究分别使用SPSS中的OLS工具和GWR 4.0软件进行计算。具体来说，将统一量纲后的酒类关键词平均搜索指数（Ash）、酒类POI数量和进行人口、收入因素消减后的李白预期指数（LEI）、李白消费指数（LAI）分别与气温（aat）、降水量（aap）、日照时数（asd）、湿度（aah）、风速（aws）、平均房价（ahp）和夜间灯光指数（nli）进行OLS分析，人均GDP（pGDP）、城镇化率（urb）和15~59岁人口比例（age）为控制变量。同时，借助带宽（Bandwidth）、残差平方和（RSS）、赤池信息准则（AICc）、拟合优度（R2）与调整后拟合优度（Adj.R2）等标准对GWR模型与全局回归结果进行报告（见表3）。
表3 OLS描述性统计及GWR 4.0模型计算结果

Tab. 3 OLS descriptive statistics and GWR 4.0 model calculation results

被解释变量 y Ash y LEI y POI y LAI
OLS描述性统计结果
aat -0.139 -1.573* -0.109 -9.173**
aap 0.093 0.003 -0.151 -1.925
asd 0.139 -0.312 -0.110 -5.858*
aah 0.127 -2.603 0.315 -8.973
aws 0.324 -0.850 0.074 -6.947
ahp 1.023*** 7.302*** 0.859*** 23.991***
nli 0.342** 0.965* 0.425*** 6.560**
pGDP -0.230* -0.633 -0.211 -0.309
urb 1.427*** 4.640*** 1.477*** 17.107**
age -4.892*** -7.636* -5.159*** -68.461***
GWR 4.0模型计算结果
Bandwidth 199.204 257.751 112.336 358.265
RSS 255.968 79536.488 588.276 155963.475
AICc 758.934 4512.516 516.432 3019.267
R2 0.687 0.213 0.669 0.453
Adj.R2 0.675 0.206 0.651 0.406

注：***p<0.001，**p<0.05，*p<0.1；表中变量的具体对应指标参见表2。

从OLS模型的结果来看，各因变量的拟合优度R2均大于0.4，拟合效果较好。从GWR 4.0的结果来看，关键词平均搜索指数（Ash）和酒类POI数量的拟合优度R2大于0.6，结果较好；而李白预期指数（LEI）和李白消费指数（LAI）的拟合优度R2小于0.6，结果不如OLS方法得到的拟合结果更优（R2值更大），说明李白指数没有显著受到自变量空间地理位置因素的影响，OLS和GWR 4.0的计算结果和相关影响因素见表4，因此本研究直接采用OLS模型计算得到的影响因素进行分析。
表4 结果比较

Tab. 4 Comparison of results

被解释变量 负向影响因素 正向影响因素 结果更优
y Ash
温度		 房价、夜间灯光指数 GWR
y LEI 房价、夜间灯光指数 OLS
y POI 温度、日照时长 房价、夜间灯光指数 GWR
y LAI 房价、夜间灯光指数 OLS
平均搜索指数（Ash）、POI、李白预期指数（LEI）和李白消费指数（LAI）分别作因变量时，在对应1%、5%和10%水平下有不同的显著相关自变量。具体来说，酒类关键词平均搜索指数（Ash）和酒类POI数量的实际分布与自然环境因素不存在相关性，李白预期指数与温度呈负相关关系，李白消费指数则与温度、日照时长呈负相关关系。而社会经济维度中的平均房价和夜间灯光指数与4个被解释变量均为显著正相关。
从结果来看，自然环境维度中，温度越低，李白预期指数越高，当地人越容易进行酒类关键词的搜索，人们越想喝酒；而自然环境中温度越低、日照时长越短，当地人则越容易产生实际的酒类消费，这一点与医学类相关研究中已经证实的温度、日照时长影响血清素含量以及酒精使用障碍更多发生在冬季的结果相一致，而降水、湿度和风速等因素对酒类预期消费和实际消费均不产生实际影响。社会经济维度中，房价水平、夜间灯光与李白指数呈显著正相关，即居民的生活压力越大、城市活力越强，当地人越容易进行酒类产品的预期搜索和实际消费。

4.3 内生性检验

由于解释变量平均房价、夜间灯光指数和被解释变量POI之间可能存在反向因果关系，即社会经济维度对POI和李白指数影响的回归分析中可能存在内生性问题，进而导致回归模型有偏的可能性。因此，在进行影响效应分析时，将地区经济发展水平、城镇化率和人口结构等作为控制变量。其中，经济发展水平用人均GDP来表示，以期尽量解决因遗漏变量导致的干扰项与解释变量相关的问题。同时，本研究借鉴张勋等[71]的思路，采用工具变量法对可能出现的计量偏差进行估计，选择全国各地级市与所属各省会城市的距离（distance）作为工具变量，并对距离进行取自然对数处理，进行内生性检验。胡歆韵等[72]已经证实，省会城市的辐射效应能带动周边城市的发展，跟省会城市距离越近，地区相对更加发达，房价水平和夜间灯光水平也相应更高，该工具变量满足相关性假设；而该距离并不会因酒类POI设施的多少或者李白指数的高低而改变，也满足外生性假设。因此该因素适合作为工具变量。
本研究先采用Hausman检验模型是否存在内生变量，然后采用两阶段最小二乘法（2SLS）进行回归，再使用对弱工具变量更不敏感的有限信息最大似然法（LIML）进行检验，以保证稳健性。对POI、搜索指数Ash、李白指数（LEI和LAI）分别进行以上三个检验，此处报告酒类POI与夜间灯光指数的检验结果，从表5第一列未使用夜间灯光指数的最小二乘法（ols_no_nli）和第二列使用夜间灯光指数的最小二乘法（ols_with_nli）可以看到选取的距离（distance）工具变量与夜间灯光指数（nli）具有相关性，通过1%的显著性检验；F值高于10，故不存在弱工具变量问题。第三列的二阶段回归结果显示夜间灯光指数（nli）在1%水平显著，且第四列中LIML系数估计值与2SLS的结果几乎一致，印证不存在弱工具变量。该结果表明夜间灯光指数对酒类关键词百度搜索指数、酒类POI和李白指数为正向影响，通过内生性检验。
表5 工具变量估计结果

Tab. 5 IV results

模型检验 最小二乘法
ols_no_nli		 最小二乘法
ols_with_nli		 两阶段最小二乘法
2SLS		 有限信息最大似然法
LIML
aat -0.028 -0.109 -0.366* -0.366*
aap -0.265* -0.151 0.206 0.206
asd -0.117 -0.110 -0.085 -0.085
aah 0.835 0.315 -1.312 -1.312
aws -0.041 0.074 0.433 0.433
ahp 1.039*** 0.859*** 0.297 0.297
nli — 0.425*** 1.755*** 1.755***
pGDP -0.012 -0.211 -0.833*** -0.833***
urb 1.501*** 1.477*** 1.405*** 1.405***
age -4.672*** -5.159*** -6.683*** -6.683***
R2 0.408 0.431 0.204 0.204

注：***p<0.001，**p<0.05，*p<0.1；表中变量的具体对应指标参见表2。

整体来说，从李白指数的特征描述和定量测度结果来看，单纯的自然地理环境和社会经济环境均无法单独解释居民酒类休闲偏好的地域性差异，需要结合两者综合进行分析。当自然环境不那么舒适，如寒冷、晴天较少或者日照时长较短，且生活压力较大的时候，居民对饮酒消费的期望和实际行动都较高，且城市活力越大时，当地居民也更容易进行酒类搜索和实际消费，这是经济因素之外，得到的居民酒类休闲消费的地域性偏好结果。

5 结论与讨论

为探寻酒类休闲消费是否存在地域分布规律并发现其影响因素，本研究以328个地级市为基本单元，使用酒类关键词百度搜索指数、酒类POI数据及城市基础数据，构建李白指数，使用GWR模型进行探测，主要得到以下结论：第一，李白指数的分布特征与传统文化中对国人饮酒行为的地域认知不一致，李白指数未呈现明显的南北、东西或者遵循胡焕庸线的地理分布特征，这一发现打破了以往对饮酒偏好地理分布的迷思，说明有必要提出新的测度指数来刻画酒类消费的市场结构与规律。根据本研究创立的李白指数发现，居民酒类休闲消费偏好最高的地区并不是经济最发达的北上广，也不是气候条件最为恶劣或者最适宜的地区，而是以成都、重庆为核心的川渝地区，属于自然环境条件较为复杂，同时又有相对较好的社会经济发展条件、城市活力较强的区域。整体来看，传统的北上广组团和东部沿海地区，作为全国经济最发达、人口最密集、城市化水平相对较高的地区，李白指数偏高；而高海拔、经济相对落后的内陆地区李白指数偏低。第二，单纯的地理环境或者社会经济条件均无法充分解释居民酒类休闲偏好的差异，需要结合两者共同分析。自然环境维度中，温度越低，李白预期指数越高，当地人越容易进行酒类关键词的搜索，人们越想喝酒；而自然环境中温度越低、日照时长越短，当地人则越容易产生实际的酒类消费，而降水、湿度和风速等因素对酒类预期消费和实际消费均不产生实际影响。社会经济维度中，房价水平、夜间灯光与李白指数呈显著正相关，即居民的生活压力越大、城市活力越强，当地人越容易进行酒类产品的预期搜索和实际消费。
整体来说，就是受经济发展水平影响之外，在气候相对复杂、生活压力越大、城市活力越强的地方，当地居民饮酒休闲消费偏好更加明显，更具有地域性分布特征。本研究的探索式分析，打破了一直以来关于南北方饮酒偏好的传统认知，证实饮酒休闲消费地域性差异的存在，发现一项重要消费行为的地域分布规律及其环境影响因素，并将其与重要地理分界线——胡焕庸线进行比较，是对新环境决定论的一次积极运用，证实新环境决定论对消费行为的解释力，在理论和科学知识维度上有鲜明贡献，既丰富了人文地理学学科的理论体系，也推进了地理学在消费行为研究领域的研究价值。此外，虽然本研究在方法上没有重大创新，但在应用维度开辟了新的解决方案和处理思路，即通过爬取百度搜索指数和高德地图POI，是可获得性和时效性更强、地域覆盖面更广的多模态数据，将这些数据进行统一量纲处理，可以解决酒类消费体量巨大、渠道复杂难以精确统计的难题，这种方法相比于使用统计年鉴和消费调查的传统方式而言，效率更高、普适性更广，且更具有实时性和动态性。本研究不仅从经济地理角度为市场营销、商业投资提供了基础支撑，还为产业经济、公共管理部门提供了决策参考，可帮助决策者准确认识地域差异的存在、针对地区实情加强饮酒健康管理，同时也为市场营销领域的研究提供了参考。
本研究仍存在三点不足：第一，本研究尚未能将文化因素有效地纳入研究框架之中，并开展测度。一个地方的居民在长期历史发展过程中所积淀、发展下来的地域文化因素不可避免地对其休闲消费偏好会存在潜移默化的影响。一方面，文化因素从精神层面影响消费需求，如某些文化重视家庭和社区活动，而其他文化则可能更倾向于个人娱乐和探险；另一方面，文化因素从物质层面影响消费供给，历史沿革、独特地域等因素遗留下大量文化旅游休闲资源，继而影响休闲目的地的选择、休闲方式和时间等。然而这些因素对消费偏好的影响错综复杂，而且很难证实现有可用的数据类型中哪些可以代表文化因素，目前也尚未出现有说服力的研究或者算法模型，可以对文化因素进行量化。因此本研究目前只能停留在自然环境因素和社会经济因素这个层面对“新环境决定论”的影响展开测度。第二，使用百度搜索指数和酒类POI数量来衡量酒类消费不可避免地会与真实消费情况有所出入，数据代表性还有一定提升空间；另外，本研究以自然影响因素中的气候要素、社会经济因素中的房价和夜间灯光指数作为关键变量，从理论基础来看，结合过往研究，以上三者均是影响休闲消费的重要因素，但不免仍有所欠缺，未来将会考虑探索更多社会消费大环境中的影响因素，以更全面地解释休闲消费的宏观地域差异。第三，在研究方法上，酒类产品作为广泛流行的消费品，影响此类产品消费偏好的因素复杂，难以在地区层面全面的量化统计，还需进一步深挖、细化。最后，本研究对饮酒偏好保持价值中立，仅从科学角度对其规律性做出探讨，并无赞成或者支持高频度饮酒的价值取向。需要进一步严肃指出，已经有大量研究证实，过量饮酒不仅影响身体健康、造成机体多方面损伤，还会破坏人际关系、造成经济损失，同时也给社会治安带来不安定因素。切记小酌怡情，大饮伤身。

真诚感谢二位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。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
江丽容, 刘首昌. 中西饮酒文化差异探析. 中北大学学报(社会科学版), 2010, 26(4): 33-38.

[Jiang Lirong, Liu Shouchang. On the difference between Chinese and western drinking culture. Journal of North University of China (Social Science Edition), 2010, 26(4): 33-38.]

[2]
申玉铭, 邱灵, 任旺兵, 等. 中国服务业空间差异的影响因素与空间分异特征. 地理研究, 2007, 25(6): 1255-1264.

[Shen Yuming, Qiu Ling, Ren Wangbing, et al. Analysis on influenting factors and characteristics of spatial disparity in Chinese service industry. Geographical Research, 2007, 25(6): 1255-1264.]

[3]
杜晓娟, 甄峰, Cao Jason. 南京市居民购物行为的影响因素和空间效应: 基于四种商品的对比研究. 地理研究, 2017, 36(5): 957-971.

DOI

[Du Xiaojuan, Zhen Feng, Cao Jason. Influential factors and spatial effects of individuals' shopping behavior in Nanjing: A comparative study on four types of goods. Geographical Research, 2017, 36(5): 957-971.]. DOI: 10.11821/dlyj201705012.

[4]
杨乃济. 中西酒文化比较. 北京联合大学学报, 1994, 4(1): 84-99.

[Yang Naiji. Comparison between the alcoholic drink culture in China and in the western countries. Journal of Beijing Union University, 1994, 4(1): 84-99.]

[5]
萧家成. 论中华酒文化及其民族性. 民族研究, 1992, 16(5): 38-47.

[Xiao Jiacheng. On Chinese wine culture and its nationality. Ethno-National Studies, 1992, 16(5): 38-47.]

[6]
萧家成. 传统文化与现代化的新视角: 酒文化研究. 云南社会科学, 2000, 20(5): 57-64.

[Xiao Jiacheng. A new perspective of traditional culture and modernization: A study of wine culture. Social Sciences in Yunnan, 2000, 20(5): 57-64.]

[7]
Moran R, Gallant K A. What's a drink with friends? A qualitative systematic synthesis of social drinking as leisure. Leisure Sciences, 2020, 42(5-6): 465-481. DOI: https://doi.org/10.1080/01490400.2018.1483853.

[8]
Sayette M A. Does drinking reduce stress? Alcohol Research & Health, 1999, 23(4): 250.

[9]
Yang T, Barnett R, Peng S, et al. Individual and regional factors affecting stress and problem alcohol use: A representative nationwide study of China. Health & Place, 2018, 51(1): 19-27. DOI: https://doi.org/10.1016/j.healthplace.2018.02.008.

[10]
周后福. 气候变化对人体健康影响的综合指标探讨. 气候与环境研究, 1999, 4(1): 121-126.

[Zhou Houfu. Discussion in synthetic index of climatic change influence on human health. Climatic and Environmental Research, 1999, 4(1): 121-126.]

[11]
闫业超, 岳书平, 刘学华, 等. 国内外气候舒适度评价研究进展. 地球科学进展, 2013, 28(10): 1119-1125.

DOI

[Yan Yechao, Yue Shuping, Liu Xuehua, et al. Advances in assessment of bioclimatic comfort conditions at home and abroad. Advances in Earth Science, 2013, 28(10): 1119-1125.]

DOI

[12]
Freund B J, O'brien C, Young A J. Alcohol ingestion and temperature regulation during cold exposure. Journal of Wilderness Medicine, 1994, 5(1): 88-98. DOI: https://doi.org/10.1580/0953-9859-5.1.88.

[13]
徐大海, 朱蓉. 人对温度、湿度、风速的感觉与着衣指数的分析研究. 应用气象学报, 2000, 15(4): 430-439.

[Xu Dahai, Zhu Rong. The sensation of human to temperature & humility & wind speed and the clothing. Journal of Applied Meteorological Science, 2000, 15(4): 430-439.]

[14]
Parker P M, Tavassoli N T. Homeostasis and consumer behavior across cultures. International Journal of Research in Marketing, 2000, 17(1): 33-53. DOI: https://doi.org/10.1016/S0167-8116(00)00006-9.

[15]
Govind R, Garg N, Sun W. Geographically varying effects of weather on tobacco consumption: Implications for health marketing initiatives. Health Marketing Quarterly, 2014, 31(1): 46-64. DOI: https://doi.org/10.1080/07359683.2014.874854.

PMID

[16]
Spinney J E, Millward H. Weather impacts on leisure activities in Halifax, Nova Scotia. International Journal of Biometeorology, 2011, 55(2): 133-145. DOI: https://doi.org/10.1007/s00484-010-0319-z.

PMID

[17]
Becken S, Wilson J. The impacts of weather on tourist travel. Tourism Geographies, 2013, 15(4): 620-639. DOI: https://doi.org/10.1080/14616688.2012.762541.

[18]
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(1): 54-59. DOI: https://doi.org/10.1016/j.trd.2013.02.008.

[19]
Buchheim L, Kolaska T. Weather and the psychology of purchasing outdoor movie tickets. Management Science, 2017, 63(11): 3718-3738. DOI: https://doi.org/10.1287/mnsc.2016.2524.

[20]
Conlin M, O'Donoghue T, Vogelsang T J. Projection bias in catalog orders. American Economic Review, 2007, 97(4): 1217-1249.

[21]
Pires D, Ambar Akkaoui M, Laaidi K, et al. Impact of meteorological factors on alcohol use disorders: A study in emergency departments. Chronobiology International, 2022, 39(3): 456-459.

[22]
Lambert G W, Reid C, Kaye D M, et al. Effect of sunlight and season on serotonin turnover in the brain. The Lancet, 2002, 360(9348): 1840-1842. DOI: https://doi.org/10.1016/S0140-6736(02)11737-5.

[23]
葛景春. 诗酒风流: 试论酒与酒文化精神对唐诗的影响. 河北大学学报(哲学社会科学版), 2002, 32(2): 59-64.

[Ge Jingchun. The influence of liquor drinking and the spirit of liquor culture on tang poetry. Journal of Hebei University (Philosophy and Social Science), 2002, 32(2): 59-64.]

[24]
潘斌. 茶酒争胜与文化张力: 以《茶酒论》为中心的考察. 贵州大学学报(社会科学版), 2022, 40(2): 30-36.

[Pan Bin. The competition between tea and wine and its cultural tension: An investigation centered on tea and wine. Journal of Guizhou University(Social Sciences), 2022, 40(2): 30-36.]. DOI: 10.15958/j.cnki.gdxbshb.2022.02.04.

[25]
万辉. 酒文化旅游资源类型分析: 以中国白酒为例. 社会科学家, 2006, 21(S1): 215-216.

[Wan Hui. Analysis of tourism resource types of wine culture: Taking Chinese liquor as an example. Social Scientist, 2006, 21(S1): 215-216.]

[26]
姚明广. 酒文化旅游资源开发浅析: 以河南省为例. 人民论坛, 2011, 18(34): 102-103.

[Yao Mingguang. Analysis on the development of wine culture tourism resources: Taking Henan province as an example. People's Tribune, 2011, 18(34): 102-103.]. DOI: 10.16619/j.cnki.rmlt.2011.34.001.

[27]
Pettigrew S, Charters S. Alcohol consumption motivations and behaviours in Hong Kong. Asia Pacific Journal of Marketing and Logistics, 2010, 22(2): 210-221. DOI: https://doi.org/10.1108/13555851011026953.

[28]
Mandelbaum D G. Alcohol and culture. Current Anthropology, 1965, 6(3): 281-293. DOI: https://doi.org/10.1086/200597.

[29]
Gordon R, Heim D, MacAskill S. Rethinking drinking cultures: A review of drinking cultures and a reconstructed dimensional approach. Public health, 2012, 126(1): 3-11. DOI: https://doi.org/10.1016/j.puhe.2011.09.014.

PMID

[30]
Savic M, Room R, Mugavin J, et al. Defining "drinking culture": A critical review of its meaning and connotation in social research on alcohol problems. Drugs: Education, Prevention and Policy, 2016, 23(4): 270-282. DOI: https://doi.org/10.3109/09687637.2016.1153602.

[31]
Gallet C A. The demand for alcohol: A meta-analysis of elasticities. Australian Journal of Agricultural and Resource Economics, 2007, 51(2): 121-135. DOI: https://doi.org/10.1111/j.1467-8489.2007.00365.x.

[32]
Yusuf F, Brooks G. Demographics and consumption patterns in urban China. Population Research and Policy Review, 2010, 29(1): 5-17. DOI: https://doi.org/10.1007/s11113-009-9154-5.

[33]
Frank B, Abulaiti G, Enkawa T. Regional differences in consumer preference structures within China. Journal of Retailing and Consumer Services, 2014, 21(2): 203-210. DOI: https://doi.org/10.1016/j.jretconser.2013.12.001.

[34]
Foster S, Held L, Gmel G, et al. Geographical variation in the prevalence of heavy drinking in young Swiss men. European Journal of Public Health, 2016, 26(5): 850-855. DOI: https://doi.org/10.1093/eurpub/ckv247.

[35]
Kossova T, Kossova E, Sheluntcova M. Investigating the volume and structure of alcohol consumption in Russian regions. Journal of Economic Studies, 2017, 44(2): 266-281. DOI: https://doi.org/10.1108/JES-07-2015-0118.

[36]
Shen Chien-wen, Loung Thai-Ha, Chien Li-An, et al. Big data visualization of the alcohol expenses in Taiwan. Leisure Notes in Computer Science, 2018, 10943(1): 213-222. DOI: https://doi.org/10.1007/978-3-319-93803-5_20.

[37]
Pateman T. Rural and urban areas: Comparing lives using rural/urban classifications. Regional Trends, 2011, 43(1): 11-86. DOI: https://doi.org/10.1057/rt.2011.2.

[38]
徐建炜, 徐奇渊, 何帆. 房价上涨背后的人口结构因素: 国际经验与中国证据. 世界经济, 2012, 35(1): 24-42.

[Xu Jianwei, Xu Qiyuan, He Fan. Demographic factors behind rising house prices: International experience and evidence from China. The Journal of World Economy, 2012, 35(1): 24-42.]. DOI: 10.19985/j.cnki.cassjwe.2012.01.003.

[39]
Sudhinaraset M, Wigglesworth C, Takeuchi D T. Social and cultural contexts of alcohol use: Influences in a social-ecological framework. Alcohol Research: Current Reviews, 2016, 38(1): 35-45.

[40]
保罗·舒尔茨. 人口结构和储蓄: 亚洲的经验证据及其对中国的意义. 经济学(季刊), 2005, 4(3): 991-1018.

[Paul S. Demographics and savings: Empirical evidence from Asia and its implications for China. China Economic Quarterly, 2005, 4(3): 991-1018.]

[41]
陈国进, 李威, 周洁. 人口结构与房价关系研究: 基于代际交叠模型和我国省际面板的分析. 经济学家, 2013, 25(10): 40-47.

[Chen Guojin, Li Wei, Zhou Jie. Research on the relationship between population structure and housing price: based on the intergenerational overlap model and the analysis of China's provincial panel. Economist, 2013, 25(10): 40-47.]. DOI: 10.16158/j.cnki.51-1312/f.2013.10.002.

[42]
李文星, 徐长生, 艾春荣. 中国人口年龄结构和居民消费: 1989—2004. 经济研究, 2008, 43(7): 118-129.

[Li Wenxing, Xu Changsheng, Ai Chunrong. The lmpacts of population age structure on household consumption in China: 1989-2004. Economic Research Journal, 2008, 43(7): 118-129.]

[43]
王宇鹏. 人口老龄化对中国城镇居民消费行为的影响研究. 中国人口科学, 2011, 25(1): 64-73+112.

[Wang Yupeng. The impact of population aging on urban household's consumption behavior in China. Chinese Journal of Population Science, 2011, 25(1): 64-73+112.]

[44]
Modigliani F, Cao S L. The Chinese saving puzzle and the life-cycle hypothesis. Journal of economic literature, 2004, 42(1): 145-170. DOI: https://doi.org/10.1257/002205104773558074.

[45]
Castillo J M, Jivraj S, Fat L N. The regional geography of alcohol consumption in England: Comparing drinking frequency and binge drinking. Health & Place, 2017, 43(1): 33-40. DOI: https://doi.org/10.1016/j.healthplace.2016.11.007.

[46]
Roche A, Kostadinov V, Fischer J, et al. Addressing inequities in alcohol consumption and related harms. Health Promotion International, 2015, 30(2): 20-35. DOI: https://doi.org/10.1093/heapro/dav030.

[47]
余露, 周海燕, 李伟. 中国酒类消费实证分析. 价格月刊, 2014, 447(8): 92-94.

[Yu Lu, Zhou Haiyan, Li Wei. An empirical analysis of China's alcohol consumption. Prices Monthly, 2014, 447(8): 92-94.]

[48]
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. Housing price changes and urban consumption in China. The Journal of World Economy, 2011, 34(10): 21-34.]. DOI: 10.19985/j.cnki.cassjwe.2011.10.003.

[49]
宋勃. 房地产市场财富效应的理论分析和中国经验的实证检验: 1998—2006. 经济科学, 2007, 29(5): 41-53.

[Song Bo. Theoretical analysis of wealth effect in real estate market and empirical test of Chinese experience: 1998-2006. Economic Science, 2007, 29(5): 41-53.]. DOI: 10.19523/j.jjkx.2007.05.004.

[50]
Zhang Y, Yao E. Exploring elderly people's daily time-use patterns in the living environment of Beijing, China. Cities, 2022, 129(1): 103838. DOI: https://doi.org/10.1016/j.cities.2022.103838.

[51]
谢洁玉, 吴斌珍, 李宏彬, 等. 中国城市房价与居民消费. 金融研究, 2012, 35(6): 13-27.

[Xie Jieyu, Wu Binzhen, Li Hongbin, et al. Housing price and household consumption in Chinese cities. Journal of Financial Research, 2012, 35(6): 13-27.]

[52]
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 does housing price affect household saving rate and wealth lnequality? Economic Research Journal, 2011, 46(10): 25-38.]

[53]
Measham F, Moore K. Repertoires of distinction: Exploring paterns of weekend polydrug use within local leisure scenes across the English night time economy. Criminology & Criminal Justice, 2009, 9(4): 437-464. DOI: https://doi.org/10.1177/1748895809343406.

[54]
Karen H, Mark B, Gayle W, et al. Alcohol, drugs, sex and violence: Health risks and consequences in young British holidaymakers to the Balearics. Adicciones, 2009, 21(4): 265-278.

PMID

[55]
Lockshin L, Corsi A M, Cohen J, et al. West versus east: Measuring the development of Chinese wine preferences. Food Quality and Preference, 2017, 56(B): 256-265. DOI: https://doi.org/10.1016/j.foodqual.2016.02.014.

[56]
毛中根, 龙燕妮, 叶胥. 夜间经济理论研究进展. 经济学动态, 2020, 49(2): 103-116.

[Mao Zhonggen, Long Yanni, Ye Xu. Research progress on night-time economy. Economic Perspectives, 2020, 49(2): 103-116.]

[57]
陈世莉, 陈浩辉, 李郇. 夜间灯光数据在不同尺度对社会经济活动的预测. 地理科学, 2020, 40(9): 1476-1483.

DOI

[Chen Shili, Chen Haohui, Li Xun. The ability of nighttime imagery in monitoring economic activity in different scales. Scientia Geographica Sinica, 2020, 40(9): 1476-1483.]. DOI: 10.13249/j.cnki.sgs.2020.09.009.

[58]
柴彦威, 尚嫣然. 深圳居民夜间消费活动的时空特征. 地理研究, 2005, 24(5): 803-810.

[Chai Yanwei, Shang Yanran. The study on the temporal-spatial characteristics of the consumer activities of Shenzhen residents at night. Geographical Research, 2005, 24(5): 803-810.]

[59]
Li R, Wang D, Chen J, et al. Regional differences in smoking, drinking, and physical activities of Chinese residents. Asia-Pacific Journal of Public Health, 2015, 27(2): NP230-NP239. DOI: https://doi.org/10.1177/1010539512437604.

[60]
Peet R. The social origins of environmental determinism. Annals of the Association of American Geographers, 1985, 75(3): 309-333. DOI: https://doi.org/10.1111/j.1467-8306.1985.tb00069.x.

[61]
Sluyter A. Neo-environmental determinism, intellectual damage control, and nature/society science. Antipode, 2003, 35(4): 813-817. DOI: https://doi.org/10.1046/j.1467-8330.2003.00354.x.

[62]
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.]. DOI: 10.13471/j.cnki.acta.snus.2019.03.003.

[63]
Huang Xiankai, Zhang Lifeng, Ding Yusi. The Baidu Index: Uses in predicting tourism flows: A case study of the Forbidden city. Tourism Management, 2017, 58(1): 301-306. DOI: https://doi.org/10.1016/j.tourman.2016.03.015.

[64]
徐康宁, 陈丰龙, 刘修岩. 中国经济增长的真实性: 基于全球夜间灯光数据的检验. 经济研究, 2015, 50(9): 17-29+57.

[Xu Kangning, Chen Fenglong, Liu Xiuyan. The truth of China economic growth: Evidence from global night-time light data. Economic Research Journal, 2015, 50(9): 17-29+57.]. DOI: CNKI:SUN:JJYJ.0.2015-09-003.

[65]
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.

DOI

[Li Jiangsu, Liang Yan, Wang Xiaorui. Spatial clustering analysis of service industries in Zhengdong new district based on POI data. Geographical Research, 2018, 37(1): 145-157.]. DOI: 10.11821/dlyj201801011.

[66]
孙毅, 吕本富. 网络搜索与经济行为相关性研究综述. 管理评论, 2011, 23(7): 72-77.

[Sun Yi, Lv Benfu. A review of researches on the correlation between lnternet search and economic behavior. Management Review, 2011, 23(7): 72-77.]. DOI: 10.14120/j.cnki.cn11-5057/f.2011.07.008.

[67]
于秀芝, 贾丰硕, 秦捷. 人口结构变化对区域消费市场规模的影响: 基于改进模型的实证. 商业经济研究, 2023, 42(18): 61-64.

[Yu Xiuzhi, Jia Fengshuo, Qin Jie. The impact of demographic change on regional consumption market size: An empirical study based on an improved model. Journal of Commercial Economics, 2023, 42(18): 61-64.]

[68]
罗栋. 连片特困地区消费市场规模对金融减贫的门槛效应研究: 基于2009—2015年武陵山片区31个贫困县数据的分析. 消费经济, 2017, 33(3): 39-46.

[Luo Dong. Threshold effects of consumption market size on financial poverty reduction incontiguous poverty area: An analysis of 31 poverty counties in wu ling mountain area from 2009 to 2015. Consumer Economics, 2017, 33(3): 39-46.]

[69]
Brunsdon C, Fotheringham A S, Charlton M. Spatial nonstationarity and autoregressive models. Environment and Planning A, 1998, 30(6): 957-973. DOI: https://doi.org/10.1068/a300957.

[70]
Fotheringham A S, Brunsdon C, Charlton M. Geographically weighted regression: The analysis of spatially varying relationships. John Wiley & Sons, 2002, 13(1): 1-25.

[71]
张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长. 经济研究, 2019, 54(8): 71-86.

[Zhang Xun, Wan Guanghua, Zhang Jiajia, et al. Digital economy, financial inclusion, and inclusive growth. Economic Research Journal, 2019, 54(8): 71-86.]

[72]
胡歆韵, 杨继瑞, 郭鹏飞. 夜间经济对居民消费及其结构升级的影响研究. 当代经济科学, 2022, 44(3): 28-40.

[Hu Xinyun, Yang Jirui, Guo Pengfei. Study on the influence of night economy on residents' consumption and its structural upgrading. Modern Economic Science, 2022, 44(3): 28-40.]

Options
Outlines

/

〈 〉