表了吸引性指标；η为待估计的未知参数；ε为一误差向量；而f为R×1的带有ecbr的向量，其中br为区域r的可接近性指标，c为待定参数。
我们做如下合理假设：某区域的吸引性是由周围区域的吸引性所共同确定的。这样，所谓“外流”效应，可以依照一个空间联结性矩阵C加以考虑，即
只要能对这个空间外流模式，实施某种经验性的估算，即可预测旅游流的行为。
上述各式中所表达的旅游流t，可以考虑成对旅游事业所汇集的需求，而吸
(二)区域指标的隐性吸引性
前面所论述的，主要是讨论如何确定优先吸引性指标，以便服务于对旅游行为的解释和预测。而另外一种经常运用的概念，是对旅游者或风景区域大小吸引性的计算和评价。它以某种真实的行为为前提，并由此预测旅游者的空间移动过程。其主要根据是：使用现时段以前的历史记录结果，推断和制定一个风景区的隐性吸引性，从而确定出区域的吸引性指标。
隐性吸引性基本上是根据传统的引力模型和熵模型推演出来的。一个区域的吸引性大小，可以看作为旅游流的强弱。在此，距离因子将是一个很重要的影响因子。通过空间分配模式的处理，旅游流和风景区的隐性吸引力，可简单地表达为：
式中，tkr为从区域k(=1，2，…，k)到区域r(=1，2，…，R)的旅游者数目；dkr为区域k到r的距离；ar为区域r的隐性吸引力指标；β为距离摩阻系数。
显然，上式只是一种静态模式的反映，随着条件的变化，随着时间的推移，此式只有变成一种动态的方式，才能充分显示出它的巨大意义。
我们对上式进行对数转换处理，并采用最小二乘法进行估算，于是只要得出tkr和dkr之间的对应系列(所观测到的数据)，隐性吸引性指数a即可被经验地断定，并以矩阵的方式写成：
式中T为K×R阶的矩阵，矩阵中要素为tkr；△也是一个K×R阶的矩阵，
满足空间附加条件的又一个说明是：
式中tk为：
该附加条件如写成矩阵形式，即为
