基本信息

---

下载

文档摘要

---

基于机器学习方法的旅游就业韧性影响因素研究

摘要

在全球旅游业面临多重不确定性冲击的背景下，旅游就业韧性成为保障旅游劳动力市场稳定、推动旅游业高质量复苏的核心议题。传统研究多采用线性回归方法探究旅游就业的影响机制，难以捕捉变量间复杂的非线性关系与交互效应。本文以旅游就业韧性为研究对象，基于韧性理论、劳动经济学与旅游危机管理理论，构建涵盖个体特征、企业属性、区域环境与外部冲击的四维分析框架，利用中国31个省（自治区、直辖市）2010-2024年面板数据，采用随机森林、XGBoost等机器学习方法，结合SHAP可解释性技术，系统识别旅游就业韧性的关键影响因素及其作用路径。研究结果表明：第一，我国旅游就业韧性整体呈现东高西低、梯度递减的空间分布特征，且在疫情冲击下表现出显著的区域异质性；第二，区域经济发展水平、产业结构高级化、数字经济发展、文旅产业规模、社会保障水平是影响旅游就业韧性的五大核心因素，其贡献度合计超过65%；第三，各影响因素对旅游就业韧性的作用呈现明显的非线性特征与门槛效应，数字经济与产业结构的交互效应最为显著；第四，高韧性群体与低韧性群体的影响机制存在本质差异，高韧性地区更依赖数字经济与创新驱动，低韧性地区更依赖传统旅游资源与政策扶持。本文突破传统计量模型的局限，为旅游就业韧性研究提供了新的方法论视角，研究结论可为政府制定差异化就业扶持政策、提升旅游劳动力市场抗风险能力