📈 economics

Study on the Spatial Network Structural Characteristics and Influencing Factors of Tourism Economic Resilience in Cities of the Middle and Lower Reaches of the Yellow River Basin

Este estudo analisa a estrutura da rede espacial e os fatores influenciadores da resiliência econômica do turismo em 39 cidades nas partes média e baixa da bacia do Rio Amarelo de 2010 a 2024, revelando uma rede hierárquica de "núcleo-periferia" impulsionada pela mobilidade populacional, proximidade geográfica, disparidades econômicas e dotações de recursos, ao mesmo tempo em que oferece recomendações de políticas para aumentar a resiliência regional.

Autores originais: Ruijuan Peng, Chaoxin Zhang, Ruijie Li

Publicado 2026-08-13

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ruijuan Peng, Chaoxin Zhang, Ruijie Li

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a economia de uma região como um ecossistema gigante e vivo, muito parecido com um recife de coral ou uma floresta tropical. Assim como um recife saudável pode se curvar em uma tempestade sem quebrar, uma economia "resiliente" é aquela que consegue suportar um golpe — como uma pandemia, um desastre natural ou uma queda súbita no mercado — recuperar-se rapidamente e até aprender a crescer mais forte depois disso. No mundo da geografia e da economia, cientistas estudam como diferentes cidades ajudam ou prejudicam umas às outras durante esses tempos difíceis. Eles não olham apenas para as cidades isoladamente; eles olham para a teia invisível de conexões entre elas. Pense nessas conexões como as raízes de uma floresta: se uma árvore fica doente, as raízes podem ajudá-la a se recuperar se a rede for forte, mas se as raízes forem fracas ou desconectadas, toda a floresta pode sofrer. Este artigo mergulha justamente nessa teia, perguntando: Como as cidades nas partes média e baixa da Bacia do Rio Amarelo, na China, apoiam a recuperação econômica umas das outras, e o que faz essas conexões funcionarem?

Os pesquisadores por trás deste estudo decidiram investigar a "resiliência econômica do turismo" de 3 de 39 cidades ao longo do Rio Amarelo. Eles queriam ver quão bem essas cidades poderiam resistir a choques e se recuperar e, mais importante, como elas estavam ligadas entre si em uma rede espacial gigante. Para fazer isso, eles não apenas adivinharam; eles usaram um conjunto de métodos matemáticos para medir os escores de resilição para cada cidade de 2010 a 2024. Em seguida, utilizaram uma ferramenta estatística de "detetive" chamada modelo VAR para ver se os altos e baixos econômicos de uma cidade poderiam prever os altos e baixos de outra, mapeando efetivamente quem está conversando com quem nesta conversa econômica. Finalmente, usaram uma análise de redes sociais para visualizar tudo, tratando as cidades como personagens em um enorme chat de grupo para ver quem é o influenciador popular, quem é o observador tímido e quem está apenas passando o tempo no canto.

Aqui está o que o estudo realmente descobriu, dividido pela história da rede:

O Panorama Geral: Tendência de Alta, Mas Desigual
Primeiro, a boa notícia: o "escore de resiliência" geral para o turismo nessas cidades tem subido na última década. É como se toda a região estivesse ficando mais apta. No entanto, o artigo aponta que essa aptidão não é compartilhada de forma igual. Algumas cidades são superatletas, enquanto outras ainda estão tentando recuperar o fôlego. Existe uma lacuna significativa entre as fortes e as fracas, criando um campo de jogo desequilibrado.

O Mapa da Rede: Um Clube "Núcleo-Periferia"
Quando os pesquisadores desenharam o mapa de conexões, encontraram 269 links específicos entre as cidades. Mas aqui está o detalhe: a rede não é super densa. Imagine uma festa onde apenas cerca de 18% das conversas possíveis estão realmente acontecendo. Essa é a "densidade da rede" de 0,182. Não é um grupo unido onde todos se conhecem; é mais como um encontro casual.

A estrutura deste encontro é o que o artigo chama de hierarquia "núcleo-periferia".

O Núcleo: Existem 15 cidades "estrela" (incluindo grandes nomes como Xi'an, Zhengzhou, Jinan e Luoyang) que estão no centro da rede. Elas são os centros de distribuição. Têm mais conexões, mais influência e atuam como os principais motores para a recuperação da região.
A Periferia: As outras 24 cidades estão do lado de fora. Elas são mais passivas, recebendo ajuda ou influência do núcleo, mas têm menos poder para enviar influência para fora. Elas são mais vulneráveis porque não estão tão profundamente conectadas à rede.

Os Papéis: Quem Faz o Quê?
O estudo dividiu as cidades em quatro "papéis" distintos neste drama econômico, usando um método chamado Análise de Modelo de Bloco:

Transbordamento Líquido (Os Doadores): Estas cidades, como Xi'an, estão constantemente enviando influência positiva para outras, mas não recebem muito de volta. Elas são as doadoras generosas de resiliência.
Transbordamento Bidirecional (Os Intercambistas): Cidades como Zhengzhou e Jinan são as borboletas sociais. Elas dão e recebem em igual medida, criando um fluxo saudável de apoio de ida e volta.
Beneficiário Líquido (Os Recebedores): Estas cidades, como Dezhou e Heze, são aquelas que estão principalmente absorvendo ajuda. Elas recebem mais conexões do que enviam.
Corretor (Os Conectores): Cidades como Shangqiu e Binzhou atuam como pontes. Elas podem não ser as maiores estrelas, mas são os intermediários cruciais que conectam diferentes grupos que, de outra forma, não conversariam entre si.

O "Porquê": O Que Impulsiona as Conexões?
Os pesquisadores então perguntaram: "O que faz essas cidades se conectarem em primeiro lugar?" Eles testaram quatro ideias principais e descobriram que todas as quatro eram impulsionadores significativos, mas uma delas se destacou como a superestrela.

Mobilidade Populacional (O Sistema Circulatório): Este foi o fator mais forte. Quando as pessoas se movem entre as cidades (para viajar, trabalhar ou visitar a família), isso cria um "fluxo" que fortalece o vínculo econômico. É a força vital da rede.
Proximidade Geográfica (A Estrutura Espacial): Estar perto um do outro ainda importa. Mesmo com a tecnologia moderna, vizinhos tendem a ajudar vizinhos mais do que estranhos distantes.
Diferenças Econômicas (A Ordem Hierárquica): Surpreendentemente, cidades com diferentes níveis de riqueza na verdade se conectam mais fortemente. Parece que cidades ricas e pobres se complementam, criando uma escada de apoio em vez de uma barreira.
Diferenças de Recursos (A Gravidade Interna): Cidades com diferentes tipos de atrações turísticas (por exemplo, uma tem montanhas, outra tem história) têm maior probabilidade de se ligar. É a regra do "os opostos se atraem" aplicada ao turismo.

O Que o Artigo NÃO Diz
É importante notar o que este estudo não afirma. Ele não diz que a rede é perfeita ou que as cidades "periféricas" estão condenadas. Ele afirma explicitamente que a densidade da rede é baixa e precisa de melhorias. Também esclarece que, embora tenham encontrado fortes ligações estatísticas (usando um método chamado regressão QAP), estas são associações, não necessariamente provas de que uma cidade causa a recuperação da outra de uma forma direta e mecânica. O estudo sugere que estes são os padrões que observamos, mas não afirma ter resolvido o problema da desigualdade regional.

A Conclusão
Em termos simples, este artigo nos diz que as economias de turismo da Bacia do Rio Amarelo estão ficando melhores em se recuperar, mas ainda estão um pouco desconectadas. As grandes cidades estão fazendo o trabalho pesado, enquanto as menores estão esperando pelo sinal. O ingrediente secreto para tornar toda a região mais forte não é apenas construir mais hotéis; é sobre fazer as pessoas se moverem entre as cidades, aproveitar o fato de que os vizinhos estão próximos e celebrar o fato de que diferentes cidades têm diferentes forças que podem se encaixar como peças de um quebra-cabeça. Os autores sugerem que, se quisermos uma região verdadeiramente resiliente, precisamos parar de tratar as cidades como ilhas e começar a fortalecer as pontes entre os "doadores", os "recebedores" e os "conectores".

Resumo Técnico: Características Estruturais da Rede Espacial e Fatores Influenciadores da Resiliência Econômica do Turismo na Parte Média e Baixa da Bacia do Rio Amarelo

1. Definição do Problema e Contexto de Pesquisa

A Bacia do Rio Amarelo enfrenta riscos sistêmicos decorrentes da fragilidade ecológica, escassez de água e transformações estruturais econômicas. Embora a estratégia nacional de "Proteção Ecológica e Desenvolvimento de Alta Qualidade" tenha elevado a prioridade da região, o setor de turismo — crítico para a estabilidade regional — permanece vulnerável a incertezas multifacetadas, como a volatilidade do mercado e eventos climáticos extremos.

A literatura existente sobre a resiliência econômica do turismo na Bacia do Rio Amarelo sofre de três limitações primárias:

Lente Reducionista: Estudos predominantes avaliam cidades de forma isolada, negligenciando como as sinergias intermunicipais e as interdependências funcionais moldam a resiliência em rede.
Análise de Rede Estática: Embora existam metodologias de redes espaciais, elas frequentemente falham em capturar vias de transmissão dinâmicas e como características estruturais (ex: hierarquias núcleo-periferia) medeiam a difusão da resiliência.
Fragmentação Analítica: Estudos específicos da bacia raramente integram o cultivo da resiliência, a reconfiguração da rede espacial e a análise de fatores multiníveis em um quadro unificado, limitando a escalabilidade das políticas.

Este estudo aborda essas lacunas investigando a estrutura da rede espacial da resiliência econômica do turismo entre 39 cidades de nível de prefeitura na parte média e baixa da Bacia do Rio Amarelo de 2010 a 2024.

2. Metodologia

A pesquisa emprega um arcabouço quantitativo de múltiplos estágios integrando medição dinâmica, análise de topologia de rede e decomposição de mecanismos.

2.1 Área de Estudo e Dados

Escopo: 39 cidades de nível de prefeitura nos províncias de Shaanxi, Shanxi, Henan e Shandong (parte média e baixa).
Período de Tempo: 2010–2024.
Fontes de Dados: China City Statistical Yearbook, boletins estatísticos municipais, Big Data de Migração da Baidu (feriado do Dia Nacional de 2024) e Baidu Maps.

2.2 Medição da Resiliência Econômica do Turismo

Sistema de Indicadores: Construído com base no framework de resiliência regional de Martin, compreendendo quatro dimensões: Resistência, Recuperação, Reconfiguração e Renovação.
Métricas: 16 indicadores de terceiro nível (ex: receita de turismo, PIB per capita, concessões de patentes, quilometragem de estradas) agregados em 8 indicadores de segundo nível.
Cálculo: O método Entropia-TOPSIS foi utilizado para calcular os escores de resiliência abrangente para cada cidade anualmente.

2.3 Construção da Rede Espacial

Força de Ligação: Um modelo de Vetor Autorregressivo (VAR) foi estabelecido para cada par de cidades.
Teste de Causalidade: Testes de causalidade de Granger (nível de significância de 5%) determinaram a existência e a direção das relações causais entre as séries temporais de resiliência dos pares de cidades.
Geração da Rede: As relações causais significativas formaram uma matriz de correlação espacial direcionada, visualizada e analisada usando NetDraw e UCINET.

2.4 Análise Estrutural e de Mecanismo

Análise de Redes Sociais (SNA): Utilizada para avaliar:
- Características globais: Densidade da rede, eficiência e estrutura núcleo-periferia.
- Características individuais: Centralidade de grau, intermediação e proximidade.
- Modelo de Bloco: Critério de convergência de 0,2 para classificar as cidades em blocos funcionais.
Fatores Influenciadores: Um modelo de regressão de Procedimento de Atribuição Quadrática (QAP) foi aplicado para testar o impacto de quatro variáveis independentes na estrutura da rede:
1. Mobilidade populacional (dados de Migração Baidu).
2. Proximidade geográfica (distância euclidiana).
3. Disparidade de desenvolvimento econômico (diferenças de PIB per capita).
4. Disparidade de dotação de recursos turísticos (contagem de pontos turísticos de nível A).

3. Principais Resultados

3.1 Evolução Temporal da Resiliência

Tendência: Os escores de resiliência abrangente das 39 cidades mostraram uma tendência geral de ascensão de 2010 a 2024.
Fases:
- 2010–2012: Crescimento lento e constante.
- 2013–2019: Fase de crescimento rápido.
- 2019–2024: Tendência de ascensão flutuante, caracterizada por uma fase de "reconfiguração" após os choques induzidos pela pandemia (2019–2022).
Heterogeneidade: Existe um desequilíbrio interno significativo. As capitais provinciais (Xi'an, Zhengzhou, Jinan, Taiyuan) geralmente superaram as demais, com Zhengzhou demonstrando estabilidade notável durante a pandemia devido ao seu papel como hub de transporte e ligações industriais diversificadas.

3.2 Características da Estrutura da Rede Espacial

Conectividade: Foram identificadas 269 relações causais significativas entre as 39 cidades.
Densidade e Eficiência: A densidade da rede é de 0,182 (abaixo de 0,5), indicando baixa conectividade geral e margem para melhorias. A eficiência da rede é de 0,397, sugerindo redundância limitada, mas efeitos de transbordamento concentrados.
Estrutura Núcleo-Periferia: A rede exibe uma estrutura hierárquica distinta.
- Núcleo (15 cidades): Inclui Xi'an, Zhengzhou, Jinan e Luoyang. Estes nós possuem alta centralidade, forte controle de recursos e atuam como hubs estratégicos.
- Periferia (24 cidades): Inclui cidades como Xianyang, Yuncheng, Zibo e Jinzhong, caracterizadas por menor conectividade e maior vulnerabilidade a choques externos.

3.3 Papéis Individuais e Modelos de Bloco

Centralidade: 23 cidades excedem a centralidade de grau relativo média. Binzhou, Dateng e Zhengzhou ocupam os postos mais altos.
- Efeito de Sucção (Siphon Effect): Cidades como Binzhou e Datong possuem maior grau de entrada (in-degree) do que de saída (out-degree), indicando que são mais influenciadas por outras do que influenciam.
- Efeito de Transbordamento (Spillover Effect): Cidades como Zhengzhou e Xi'an possuem maior grau de saída, exercendo maior influência na rede.
Classificação pelo Modelo de Bloco: As 39 cidades foram divididas em quatro blocos funcionais:
1. Transbordamento Líquido (Bloco 1): ex: Xi'an, Xinzhou. Geram fortes efeitos de transbordamento líquido.
2. Transbordamento Bidirecional (Bloco 2): ex: Zhengzhou, Jinan. Interação equilibrada; transbordamento mútuo.
3. Beneficiário Líquido (Bloco 3): ex: Dezhou, Heze. Recebem principalmente transbordamentos externos.
4. Intermediário/Broker (Bloco 4): ex: Shangqiu, Binzhou. Atuam como intermediários conectando diferentes blocos com fraca coesão interna.

3.4 Fatores Influenciadores (Regressão QAP)

A regressão QAP confirmou que quatro fatores impulsionam significativamente a formação da rede espacial (todos $p < 0,05$ ):

Mobilidade Populacional ( $\beta = 0,173$ ): O impulsionador mais forte, atuando como o "sistema circulatório" da rede para o fluxo de conhecimento e recursos.
Proximidade Geográfica ( $\beta = 0,165$ ): Uma força estrutural fundamental, fornecendo a "moldura espacial".
Diferenças de Dotação de Recursos Turísticos ( $\beta = 0,129$ ): Atua como "gravidade interna", onde a heterogeneidade impulsiona a complementaridade funcional.
Disparidades de Desenvolvimento Econômico ( $\beta = 0,105$ ): Molda uma "ordem hierárquica" através de transferência de gradiente e complementaridade funcional, em vez de dificultar a formação da rede.

4. Significância e Contribuições

O artigo reivindica três contribuições primárias para a literatura e a prática política:

Framework Teórico: Avança um arcabouço analítico integrado de três dimensões (medição dinâmica, topologia de rede, decomposição de mecanismo) que vai além do isolamento jurisdicional para analisar a resiliência em rede.
Inovação Metodológica:
- Propõe um modelo de associação de resiliência aprimorado baseado em interdependência funcional (VAR-Granger) em vez de simples adjacência geográfica.
- Aplica inovadoramente a regressão QAP para testar rigorosamente hipóteses de nível de rede, mitigando a multicolinearidade e preservando as estruturas de dependência espacial.
Relevância Política: O estudo fornece um framework de "diagnóstico estrutural $\rightarrow$ análise de mecanismo $\rightarrow$ desenho de caminhos". Ele identifica papéis específicos (transbordamento, intermediário, beneficiário) para as cidades, permitindo intervenções políticas diferenciadas.

5. Limitações e Direções Futuras

Os autores reconhecem diversas limitações:

Escopo de Indicadores: O índice composto pode não capturar totalmente a adaptabilidade institucional, a capacidade de governança ou as nuances do comportamento do turista.
Interpretação de Causalidade: As relações VAR-Granger indicam associações estatísticas e ligações temporais, mas não provam definitivamente mecanismos causais diretos.
Não Linearidade: O modelo QAP identifica fatores associados, mas não revela totalmente mecanismos não lineares complexos.
Generalização: Os achados são específicos para a parte média e baixa da Bacia do Rio Amarelo e podem não se aplicar diretamente a outras regiões com contextos institucionais diferentes.

Sugere-se que pesquisas futuras incorporem fontes de dados dinâmicos (dados de plataformas online, informações de nível empresarial) e integrem abordagens econométricas espaciais ou configuracionais para explorar ainda mais os caminhos causais.