پیوندهای مفید
آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 484 |
| تعداد مقالات | 4,712 |
| تعداد مشاهده مقاله | 7,347,498 |
| تعداد دریافت فایل اصل مقاله | 5,492,685 |
شبکه فضایی اقتصاد گردشگری در استانهای ایران(مطالعه موردی: استان کرمان) | ||
| برنامه ریزی و توسعه گردشگری | ||
| مقاله 4، دوره 12، شماره 45، مرداد 1402، صفحه 87-108 اصل مقاله (755.29 K) | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22080/jtpd.2023.25668.3807 | ||
| نویسندگان | ||
| زین العابدین صادقی* 1؛ سید عبدالمجید جلائی2؛ علی اصغر عبدالهی3؛ رضا حسینی مزارعی4 | ||
| 1دانشیار دانشگاه شهید باهنر کرمان | ||
| 2استاد اقتصاد دانشگاه شهید باهنر کرمان، کرمان، ایران. | ||
| 3دانشیارجغرافیا .و برنامه‌ریزی شهری دانشگاه باهنر کرمان، کرمان، ایران. | ||
| 4دانشجوی کارشناس ارشد رشته تجارت الکترونیک دانشگاه باهنر کرمان، کرمان، ایران. | ||
| تاریخ دریافت: 04 تیر 1402، تاریخ بازنگری: 07 مرداد 1402، تاریخ پذیرش: 12 مرداد 1402 | ||
| چکیده | ||
| زمینه و هدف: این مطالعه به بررسی شبکۀ فضایی اقتصاد گردشگر استانهای ایران و تحلیل شبکۀ گردشگری در شهرستان‌های استان کرمان می‌پردازد. روش‌شناسی: در قسمت تحلیل گردشگری مناطق کشور ایران از روش مدل جاذبۀ اقتصاد گردشگری با استفاده از مدل‌های اقتصادسنجی داده‌های تابلویی استفاده شده است. در شبکۀ فضایی اقتصاد گردشگری استان کرمان شاخص‌های شبکه از طریق نرم‌افزار Ucinet استفاده شده است. جامعۀ آماری این تحقیق شامل استانهای ایران و شهرستان‌های استان کرمان می‌باشد. نمونۀ آماری در بخش کشوری، بازۀ زمانی 1398-1390 و در بخش استان کرمان نمونۀ آماری 1400-1397 می‌باشد. یافته‌ها: هرچه فاصلۀ بین دو مقصد گردشگری بیشتر باشد، قدرت ارتباط اقتصاد گردشگری بیشتر می‌شود. به دلیل اینکه از لحاظ اقتصادی شهرها برای رشد اندازۀ خود با شهرهای دیگر رقابت می‌کنند. به عبارت دیگر هرچه فاصله بیشتر باشد، شهر برای اینکه بتواند به صورت مستقل نیازهای ساکنان و گردشگران تأمین کند، نیازمند سرمایه‌گذاری بیشتر و همچنین قدرت ارتباط اقتصادی گردشگری بالاتر است. شهرستان‌های کرمان، جیرفت، کهنوج و رفسنجان دارای بیشترین مرکزیت بینابینی می‌باشند. به عبارت دیگر مقاصدی که دارای مرکزیت بینابینی بالاتری باشند، می‌توانند به عنوان پل ارتباطی یک مقصد با مقصد دیگر عمل کنند و در نتیجه هم باعث پیشرفت خود و هم موجب توسعۀ مقاصد دیگر شوند. نتیجه‌گیری و پیشنهادات: براساس یافته‌های تحقیق هرچه فاصلۀ بین دو مقصد گردشگری بیشتر باشد، قدرت ارتباط اقتصاد گردشگری بیشتر می‌شود. شهرستان‌های کرمان، سیرجان، رفسنجان، جیرفت و بم به عنوان گره‌های هسته دارای پرستیژ کنشگر بالاتری می‌باشد. چون متغیرهای شامل بومگردی، جاذبه‌های گردشگری و تعداد بازدیدکنندگان به عنوان مرکز شبکه هستند؛ به مدیران استان توصیه می‌شود که توسعۀ بومگردی در تمام مناطق استان کرمان مد نظر قرار دهند. از این رو سازمان‌های مرتبط با گردشگری، با توجه به تأثیر بالای جاذبه‌های گردشگری زمینه را برای معرفی و شناساندن جاذبه‌های گردشگری استان به صورت ملی و بین‌المللی فراهم کنند نوآوری و اصالت: نوآوری این مطالعه برآورد مدل جاذبۀ گردشگری برای استانهای ایران و استفاده از تحلیل شبکه در شبکۀ فضایی اقتصاد گردشگری استان کرمان می‌باشد. | ||
| کلیدواژه‌ها | ||
| اقتصاد شبکه؛ اقتصاد گردشگری؛ مدل جاذبه گردشگری | ||
| عنوان مقاله [English] | ||
| The Spatial Network of the Tourism Economy in Iranian Provinces (Case Study: Kerman Province) | ||
| نویسندگان [English] | ||
| Zeinolabedin Sadeghi1؛ Sayyed Abdolmajid Jalaee2؛ AliAsghar Abdollahi3؛ Reza Hosseini mazarei4 | ||
| 1Shahid Bahonar University of Kerman: kerman, IR | ||
| 2International Economy Professor of Economics, Shahid Bahonar University of Kerman, Kerman, Iran | ||
| 3Geography and Urban Planning Assistant Professor, Shahid Bahonar University of Kerman, Kerman, Iran. | ||
| 4Master of Science in E-commerce Shahid Bahonar University of Kerman, Kerman, Iran. | ||
| چکیده [English] | ||
| Context and Purpose: This study investigates the spatial network of the tourism economy in urban areas of Iran and analyzes the tourism network in Kerman province. Design/methodology/approach: In the analysis of tourism in different regions of Iran, the gravity model of the tourism economy is employed using econometric panel data models. In the spatial network of the tourism economy in Kerman province, network indices are calculated using Ucinet software. The statistical population of this research includes the provinces of Iran and the counties of Kerman province. The statistical samples in the national and Kerman province sections are from 2011 to 2018 and 2018 to 2021, respectively. Findings: The findings of the study reveal that the greater the distance between two tourist destinations, the stronger the economic connection in tourism becomes. This is because cities compete with each other economically to sustain their growth. In other words, the longer the distance, the more investment and higher economic connectivity a city requires to independently meet the needs of its residents and tourists. The cities of Kerman, Sirjan, Rafsanjan, Jiroft, and Bam, as core nodes, have a higher level of influential prestige and a greater impact on indicators compared to dependent nodes. They can act as core nodes and contribute to the progress and increased collaboration with neighboring cities. Conclusion: Given that variables such as ecotourism, tourist attractions, and visitor numbers are central to the network, provincial managers are advised to prioritize the development of ecotourism in all areas of Kerman province. Therefore, relevant tourism organizations should create opportunities for promoting and introducing the tourist attractions of the province nationally and internationally, considering the significant impact of tourist attractions. Originality/value: One of the originalities of this study is the estimation of the gravity model of tourism for urban areas in Iran and the utilization of network analysis in the spatial network of the tourism economy in Kerman province. | ||
| کلیدواژه‌ها [English] | ||
| Network economics, Tourism economy, Gravity model of tourism | ||
| مراجع | ||
|
Abdulazeez, Saif-Alyousfi, Asish Saha, Asish Saha. Do tourism receipts affect bank profitability? Analytical evidence from 85 tourism economies. International Business and Finance 58 (2021) 101437 bahmani, P., & namamian, F. (2020). Designing a Model of Urban Tourism Economy with Structural-Interpretive Approach. Urban Structure and Function Studies, 7(25), 157-177. doi: 10.22080/usfs.2020.17545.1891 Gan, C., Voda, M., Wang, K., Chen, L., & Ye, J. (2021). Spatial network structure of the tourism economy in urban agglomeration: A social network analysis. Journal of Hospitality and Tourism Management, 47, 124-133. He, H., Shen, L., Du, X., & Liu, Y. (2023). Analysis of temporal and spatial evolution of tourism resource carrying capacity performance in China. Ecological Indicators, 147, 109951. Kim, Y. R., Williams, A. M., Park, S., & Chen, J. L. (2021). Spatial spillovers of agglomeration economies and productivity in the tourism industry: The case of the UK. Tourism management, 82, 104201 Konstantakis, K. N., Soklis, G., & Michaelides, P. G. (2017). Tourism expenditures and crisis transmission: A general equilibrium GVAR analysis with network theory. Annals of Tourism Research, 66, 74-94. Nepal, R., Al Irsyad, M. I., & Nepal, S. K. (2019). Tourist arrivals, energy consumption and pollutant emissions in a developing economy–implications for sustainable tourism. Tourism Management, 72, 145-154. Saghaii, M., Javanbakht, Z., & Eslami, A. (2018). The research of “Tourism spatial text destinations network “in Golestan province (Post-Structural Reading). Geographical Planning of Space, 8(29), 201-226. Sepehri, Mohammad Mehdi, & Babayi, Edris. (2015). Tourism Destinations Network Analysis, Social Network Analysis Approach. Production And Operations Management, 6(1 (10) ), 21-34. Sid. Https://Sid.Ir/Paper/217506/En Tahmasebi, A., & zavarniya, m. (2020). Network Analysis of Organizational Cooperation in Tourism Destination Management. Social Studies in Tourism, 15(8), 0-0. Retrieved from http://rimag.ricest.ac.ir/fa/Article/35884 Wang, Z., Liu, Q., Xu, J., & Fujiki, Y. (2020). Evolution characteristics of the spatial network structure of tourism efficiency in China: A province-level analysis. Journal of Destination Marketing & Management, 18, 100509 | ||
|
آمار تعداد مشاهده مقاله: 259 تعداد دریافت فایل اصل مقاله: 231 |
||