论文部分内容阅读
第一章 引言
1.1课题研究背景
自从改革开放以来,我国旅游业获得高速发展,已经成为我国国民经济的重要产业之一,在我国的经济建设中发挥了巨大作用。但现阶段我国国内旅游业发展的程度还不能很好适应经济发展和人民生活水平提高的需要。旅游业因其较高的投入产出比一级相关产业的巨大带动性,已经成为我国经济发展的支柱性产业之一。其中国内旅游做出了巨大贡献。在我国,由于黄金周制度的实行,使我国拥有世界上规模最大的国内旅游市场,国内旅游收入在国民生产总值中所占比重及第三产业增加值中所占比重有了很大的提高。国内旅游除了在经济发展方面其了重大作用之外,它的发展还有独特的政治意义。它是我国居民收入水平提高和观念改变的产物,直接体现了社会主义精神文明的成果。
总的来说我国旅游业仍处于一种低消费、大众化、低水平的状况,旅游基础设施、服务设施等仍不能适应国内旅游发展速度的要求。随着我国旅游业的发展以及旅游业在第三产业中比重的增加,进一步促进旅游业的繁荣将会对我国经济发展起到巨大的促进作用。因此,我们研究我国国内旅游需求的影响因素,具有积极的现实意义。
1.2课题研究目的
为全面探究我国国内旅游需求的影响因素,本文从全国总体旅游情况和各地区旅游情况进行讨论。本文首先分析2006年至2015年全国旅游发展趋势及主要影响因素。在分析全国总体发展情况下,选取相关指标对国内31个省市自治区旅游发展进行分析,并对全国各地区旅游情况进行分类,评价了影响各类地区旅游发展的主要因素。根据所得結论结合实际,提出可行性建议更好的促进我国国内旅游的发展,为我国经济的发展做出更大的贡献。
1.3文献综述
国内旅游业的发展壮大取决于国民的需求拉动,而产生旅游需求的两点必要条件:一是居民可支配收入的增加,一是可自由支配增加。除此之外,还有许多与旅游业发展相关的社会条件,如人口的特征,职业和教育水平,旅游资源和交通,价格和汇率等,这些条件一起构成了我国国民选择旅游消费的背景[1]。
国内关于旅游需求的研究始于20世纪80年代,国内关于城市居民旅游需求的影响因素、旅游需求的差异和旅游需求的分类三个方面来开展的。大多数学者将国内旅游需求从城市居民和农村居民两部分进行考虑。中国人民等从生活水平、人口规模、文化水平、交通状况的角度选取具有代表性的指标,通过构建评价指标体系,并利用因子分析方法提取了影响城市居民旅游需求的主因子,并利用灰色关联分析方法分析了主因子与城市居民国内旅游需求的关联程度[2]。徐晓娜等对我国主要城市的居民旅游需求进行差异化研究。在此基础上,利用灰色关联分析方法分析了需求差异的主要影响因素[3]。邱洁威等研究了基于农民旅游消费意愿的相关理论,采用浙江省780农民的围观调查数据,分析了影响农户旅游的若干影响因素。农户旅游消费意愿受到旅游程度、外出务工收入、家庭人均收入、是否参加养老保险和意外伤害保险以及电脑和互联网等因素的影响[4]。
综上所述,从研究方法看,国内学者在运用定量分析方法研究旅游需求问题时,多限于使用某一种评价或模型,研究角度与维度单一。从研究内容上看,国内学者的研究多是从城市居民和农村居民的角度进行研究,但大多数文字都没有基于实证分析的结果进一步提出完善的对策建议,而正确完善的对策建议对促进国内旅游需求是至关重要的。
基于以上分析,本文从全国旅游情况和各地区旅游情况两个角度进行考虑,解决了研究角度和维度单一的问题,并综合利用因子分析和灰色关联分析法来具体探讨城市居民国内旅游需求的影响因素。
第二章 全国旅游需求分析
22.1全国旅游需求主成分分析
2.1.1主成分分析的分析步骤
假设输入一个决策表T=(U,C∪D,V,f),其中U为论域X={x1,x2,…,xm},C和D分别为条件属性和决策属性集。需输出条件属性的主成分p={y1,y2,…,yp},主要包括五个步骤,分别是原始数据的标准化处理、计算相关系数矩阵、计算特征值及单位特征向量、计算主成分的方差贡献率和累积方差贡献率以及计算综合得分。
第一步:原始数据的标准化处理。按下列公式进行标准化处理,使每一个属性均值为0,方差为1。
第二步:计算相关系数矩阵,计算第一步中得到的数据集X的相关系数矩阵R。
第三步:计算特征值及单位特征向量。计算R的特征值λi及其对应的单位特征向量li,i=1,2,…m,并将特征值按由大到小的顺序排列。
第四步:计算主成分的方差贡献率和累积方差贡献率。第k个主成分方差
主成分y1,y2…yp的积累方差贡献率为
其中,a1的值最大,说明y1综合信息的能力最强,x1,x2,…,xm主成分p值得选取一般为使得累积方差贡献率≥80%(或特征值大于1)的前p个特征值。
第五步:计算综合得分。利用第j个主成分的信息贡献率,根据综合得分值就可进行综合评价。
2.1.2主成分分析的结果分析
定性考察反映国内旅游发展因素的5项评价指标,可以看出,某些指标之间可能存在较强的相关性,如果直接用这些指标进行综合评价,则必然造成信息重叠的现象,影响评价结果的客观性,因此考虑用主成分进行综合评价。
利用Matlab软件对5个评价指标进行主成分分析,相关系数矩阵的前几个特征根及贡献率见表3。
可以看出,第一个特征根的累积贡献率就达到98%以上,主成分分析效果很好。
画出碎石土如图6所示。
下面选取前3个主成分进行综合评价。特征根对应的特征向量见表4。
由此可地3个主成分分别为
分别以3个主成分的贡献率为权重,构建主成分综合评价模型,即 。
得到国内旅游发展因素的综合评价值以及排序结果,见表5所示。
根据主成分分析结果,得到经济指标中“国民总收入”影响国内旅游发展程度最大,当国民总收入越大,在一定程度上影响了国内旅游业的发展,在很大的程度上促进了国内旅游业的发展。在当前形势下,随着国民总收入的持续、稳定增长,城乡居民收入水平也将不断提高,随之而来的可支配的收入也必将逐步增加,这反映了国内旅游业也会在一定的程度上得到提高。
第三章 各地区旅游需求分析
在分析了全国旅游业近10年发展趋势后,对全国31个省市自治区的旅游需求进行分析。对其进行分类,将具有相同旅游需求特征的省市自治区分为一类。考察不同旅游特征的类之间的主要影响因素的区别。利用因子分析确定影响旅游需求的因子并做出解释。根据灰色关联分析,得出因子与旅游需求之间的具体关系。
33.1因子分析
本文主要依据《中国统计年鉴》(2015)及各地方统计年鉴经整理而得到的数据,以及各地统计年鉴整理而得的数据,以全国31个省份为样本,以12个指标为变量设计原始数据矩阵,对其进行标准化处理,用因子分析中的“方差最大旋转法”,从变量相关矩阵中提取因子,使每个因子集中关系最密切的变量,再进行因子分析。
其结果表明,因子特征值大于1的共有3个,其方差贡献率分别为55.05%、23.61%、17.29%,其累计方差贡献率已达到95.95%,及反映了所有信息的95.95%。这3个公因子可作为评价31个省份(旅游地)旅游需求影响因素的综合变量。根据各个公因子包含的信息,将这3个公因子分别命名为“发展水平因子”、“旅游服务因子”、“旅游吸引因子”。
公因子与原有变量指标之间的相关程度由因子载荷表征。因子载荷量越高,表明该因子包含该指标的信息量越多。由上表公因子的载荷情况看,从众多的指标变量中提取出3个公因子反映的是31个省份作为旅游地旅游需求的主要影响因素。
发展水平因子的特征值是6.0913,其贡献率为55.05%。该因子既包括反映人口特征的年末常住人口、大专及以上文化程度人數、高中文化程度人数、初中文化程度人数;反映交通运输水平的旅客周转量、客运量、公路里程。
旅游服务因子的特征值为2.6129,其贡献率为23.61%。该因子包括了旅行社个数、星级饭店数以及居民消费水平。这些指标共同反映了该地区可提供的旅游服务水平。
旅游吸引因子的特征值为1.9132,贡献率为95.95%。在国民出行旅游时会考虑该地区旅游吸引力可从景区吸引力和出行便捷度两个方面考虑。所以该因子包括了作为反映景区吸引力的旅游景区数和反映出行便捷度的铁路运营里程。
3.2灰色关联分析
因子分析是多元统计分析中一种有效的降维方法,它为我们提供了一种将复杂实务简化的方法,但因子分析不能直接反应“公因子”与分析目标的相关性,也就是说各类影响因子与旅游需求的相关度还不明确。同时由于本文构建的指标体系是一定经验基础上建立的假设模型,因此,所选指标是否与分析目标有关、有多大关系,很难得知。为了有效地研究各地区旅游需求的主要影响因素,本文引入灰色关联分析法,这是一种有效处理不确定变量相关关系的方法。在影响旅游需求的众多因素中,许多因素之间的关系是灰色的,即人们难以确定影响各地区旅游需求的主要因素。
利用全国2014年各地区接待入境过夜游客人数及平均停留天数用来表示国民对各地区旅游需求,本文只取入境过夜游客作为考虑对象,具体情况如表7所示。根据灰色关联度分析的思路和要求,将Y1(接待游客数)、Y2(平均停留天数)作为因变量。以X1(发展水平因子)、X2(旅游服务因子)、X3(旅游吸引因子)作为自变量,其计算公式为:
步骤一:对原始数据做初始化
步骤二:计算灰色关联系数
步骤三:计算灰色加权关联度
从对31个省市自治区旅游需求影响因素进行的关联分析来看,3个影响因子对旅游需求的影响是显著的,只是从接待人数和停留天数两方面与影响因素的关联性而言略有区别。
经计算得到,接待人数是反映旅游需求的第一指标,它与各影响因素的灰色关联次序依次是:旅游服务因子(0.831)、发展水平因子(0.8237)和旅游吸引因子(0.805)。可以看出,31个省市接待游客人数与旅游服务因子的关联最为密切,表明各地区所提供的旅游服务水平,包括旅行社个数、居民消费水平和星级饭店数为影响该地区接待游客人数最主要的因素。
接待人数Y1与三个因子发展水平因子F1、旅游服务因子F2、旅游吸引因子F3之间的具体关系表达式为
游客平均停留天数与各因素的灰色关联次序依次是服务因子(0.8367)、旅游吸引因子(0.8083)和发展水平因子(0.7959)。在31个省市自治区中服务因子仍是影响游客停留天数最主要的因素。其次为旅游吸引因子,当旅游地拥有较多景区数并具有出行方便的交通设备时,使得旅游停留天数增加。
旅客停留天数Y2与三个因子发展水平因子F1、旅游服务因子F2、旅游吸引因子F3之间的具体关系表达式为
根据以上分析,各地区旅游需求受该地服务水平因子影响最显著。则表明为提高全国各地区旅游需求,地方应该增加对旅行社、星级饭店的打造并进行监管。当今社会游客出游普遍对旅游服务水平具有较高的要求,只有在打造成具有优良旅游服务水平的省市才能更好的推动旅游行业的发展。
第四章 总结
44.1全国旅游需求分析结论
主成分分析中对5个影响因素进行综合评价,根据主成分分析结果,得到经济指标中“国民总收入”影响国内旅游需求程度最大,在当前形势下,随着国民总收入的持续、稳定增长,城乡居民收入水平也将不断提高,随之而来的可支配的收入也必将逐步增加,这反映了国内旅游业也会在一定的程度上得到提高。
主成分分析都得到国内旅游需求受国民总收入影响最大。当国民收入增加时,人们才会考虑提高自己的生活品质,相应国民出游率也会增加。此结论与实际情况也是相符的,近十年来国民经济状况不断改善,旅游业逐年发展,其产值在第三产业所占比重也越来越大。
主成分分析主要通过“降维”的手段来实现对其结果是把多个指标归约为少数的几个指标,该少数几个指标表现形式一般为原来指标体系中的某几个指标线性组合。
4.2各地区旅游需求分析结论
因子分析研究国民对各地区旅游需求,将12个指标归结为发展水平因子、旅游服务因子和旅游吸引因子,从这三个方面进行对各地旅游需求的讨论
灰色关联分析在聚类分析和因子分析上更加进一步研究3个因子对各地区接待入境过夜游客人数及平均停留天数的影响。结果表明,各地区旅游需求受3个影响因子的影响是显著的,只是从接待人数和停留天数两方面与影响因素的关联性而言略有区别。并给出了接待游客人数、停留天数关于三个因子的表达式。其中,接待游客人数与旅游服务因子的关联最为密切,其次是发展水平因子。影响游客停留天数最主要的因素仍是服务因子,其次为旅游吸引因子。当旅游地拥有较多景区数并具有出行方便的交通设备时,使得旅游停留天数增加。
【参考文献】
[1] 关勇,麻永建,朱诚. 我国国内旅游需求影响因素分析及规模预测[J]. 河南科学,2007,03:513-516.
[2] 翁钢民,徐晓娜,尚雪梅. 我国城市居民国内旅游需求影响因素分析[J]. 城市问题,2007,04:31-35.
[3] 徐晓娜,翁钢民. 城市居民旅游需求差异影响因素的灰色关联分析[J]. 资源开发与市场,2007,01:21-24.
[4] 中国人民共和国国家统计局.中国统计年鉴[Z].北京:北京统计出版社,2010-2019.
[5] 中国旅游统计年鉴编委会.中国统计年鉴[Z].北京:中国统计出版社,2019.
1.1课题研究背景
自从改革开放以来,我国旅游业获得高速发展,已经成为我国国民经济的重要产业之一,在我国的经济建设中发挥了巨大作用。但现阶段我国国内旅游业发展的程度还不能很好适应经济发展和人民生活水平提高的需要。旅游业因其较高的投入产出比一级相关产业的巨大带动性,已经成为我国经济发展的支柱性产业之一。其中国内旅游做出了巨大贡献。在我国,由于黄金周制度的实行,使我国拥有世界上规模最大的国内旅游市场,国内旅游收入在国民生产总值中所占比重及第三产业增加值中所占比重有了很大的提高。国内旅游除了在经济发展方面其了重大作用之外,它的发展还有独特的政治意义。它是我国居民收入水平提高和观念改变的产物,直接体现了社会主义精神文明的成果。
总的来说我国旅游业仍处于一种低消费、大众化、低水平的状况,旅游基础设施、服务设施等仍不能适应国内旅游发展速度的要求。随着我国旅游业的发展以及旅游业在第三产业中比重的增加,进一步促进旅游业的繁荣将会对我国经济发展起到巨大的促进作用。因此,我们研究我国国内旅游需求的影响因素,具有积极的现实意义。
1.2课题研究目的
为全面探究我国国内旅游需求的影响因素,本文从全国总体旅游情况和各地区旅游情况进行讨论。本文首先分析2006年至2015年全国旅游发展趋势及主要影响因素。在分析全国总体发展情况下,选取相关指标对国内31个省市自治区旅游发展进行分析,并对全国各地区旅游情况进行分类,评价了影响各类地区旅游发展的主要因素。根据所得結论结合实际,提出可行性建议更好的促进我国国内旅游的发展,为我国经济的发展做出更大的贡献。
1.3文献综述
国内旅游业的发展壮大取决于国民的需求拉动,而产生旅游需求的两点必要条件:一是居民可支配收入的增加,一是可自由支配增加。除此之外,还有许多与旅游业发展相关的社会条件,如人口的特征,职业和教育水平,旅游资源和交通,价格和汇率等,这些条件一起构成了我国国民选择旅游消费的背景[1]。
国内关于旅游需求的研究始于20世纪80年代,国内关于城市居民旅游需求的影响因素、旅游需求的差异和旅游需求的分类三个方面来开展的。大多数学者将国内旅游需求从城市居民和农村居民两部分进行考虑。中国人民等从生活水平、人口规模、文化水平、交通状况的角度选取具有代表性的指标,通过构建评价指标体系,并利用因子分析方法提取了影响城市居民旅游需求的主因子,并利用灰色关联分析方法分析了主因子与城市居民国内旅游需求的关联程度[2]。徐晓娜等对我国主要城市的居民旅游需求进行差异化研究。在此基础上,利用灰色关联分析方法分析了需求差异的主要影响因素[3]。邱洁威等研究了基于农民旅游消费意愿的相关理论,采用浙江省780农民的围观调查数据,分析了影响农户旅游的若干影响因素。农户旅游消费意愿受到旅游程度、外出务工收入、家庭人均收入、是否参加养老保险和意外伤害保险以及电脑和互联网等因素的影响[4]。
综上所述,从研究方法看,国内学者在运用定量分析方法研究旅游需求问题时,多限于使用某一种评价或模型,研究角度与维度单一。从研究内容上看,国内学者的研究多是从城市居民和农村居民的角度进行研究,但大多数文字都没有基于实证分析的结果进一步提出完善的对策建议,而正确完善的对策建议对促进国内旅游需求是至关重要的。
基于以上分析,本文从全国旅游情况和各地区旅游情况两个角度进行考虑,解决了研究角度和维度单一的问题,并综合利用因子分析和灰色关联分析法来具体探讨城市居民国内旅游需求的影响因素。
第二章 全国旅游需求分析
22.1全国旅游需求主成分分析
2.1.1主成分分析的分析步骤
假设输入一个决策表T=(U,C∪D,V,f),其中U为论域X={x1,x2,…,xm},C和D分别为条件属性和决策属性集。需输出条件属性的主成分p={y1,y2,…,yp},主要包括五个步骤,分别是原始数据的标准化处理、计算相关系数矩阵、计算特征值及单位特征向量、计算主成分的方差贡献率和累积方差贡献率以及计算综合得分。
第一步:原始数据的标准化处理。按下列公式进行标准化处理,使每一个属性均值为0,方差为1。
第二步:计算相关系数矩阵,计算第一步中得到的数据集X的相关系数矩阵R。
第三步:计算特征值及单位特征向量。计算R的特征值λi及其对应的单位特征向量li,i=1,2,…m,并将特征值按由大到小的顺序排列。
第四步:计算主成分的方差贡献率和累积方差贡献率。第k个主成分方差
主成分y1,y2…yp的积累方差贡献率为
其中,a1的值最大,说明y1综合信息的能力最强,x1,x2,…,xm主成分p值得选取一般为使得累积方差贡献率≥80%(或特征值大于1)的前p个特征值。
第五步:计算综合得分。利用第j个主成分的信息贡献率,根据综合得分值就可进行综合评价。
2.1.2主成分分析的结果分析
定性考察反映国内旅游发展因素的5项评价指标,可以看出,某些指标之间可能存在较强的相关性,如果直接用这些指标进行综合评价,则必然造成信息重叠的现象,影响评价结果的客观性,因此考虑用主成分进行综合评价。
利用Matlab软件对5个评价指标进行主成分分析,相关系数矩阵的前几个特征根及贡献率见表3。
可以看出,第一个特征根的累积贡献率就达到98%以上,主成分分析效果很好。
画出碎石土如图6所示。
下面选取前3个主成分进行综合评价。特征根对应的特征向量见表4。
由此可地3个主成分分别为
分别以3个主成分的贡献率为权重,构建主成分综合评价模型,即 。
得到国内旅游发展因素的综合评价值以及排序结果,见表5所示。
根据主成分分析结果,得到经济指标中“国民总收入”影响国内旅游发展程度最大,当国民总收入越大,在一定程度上影响了国内旅游业的发展,在很大的程度上促进了国内旅游业的发展。在当前形势下,随着国民总收入的持续、稳定增长,城乡居民收入水平也将不断提高,随之而来的可支配的收入也必将逐步增加,这反映了国内旅游业也会在一定的程度上得到提高。
第三章 各地区旅游需求分析
在分析了全国旅游业近10年发展趋势后,对全国31个省市自治区的旅游需求进行分析。对其进行分类,将具有相同旅游需求特征的省市自治区分为一类。考察不同旅游特征的类之间的主要影响因素的区别。利用因子分析确定影响旅游需求的因子并做出解释。根据灰色关联分析,得出因子与旅游需求之间的具体关系。
33.1因子分析
本文主要依据《中国统计年鉴》(2015)及各地方统计年鉴经整理而得到的数据,以及各地统计年鉴整理而得的数据,以全国31个省份为样本,以12个指标为变量设计原始数据矩阵,对其进行标准化处理,用因子分析中的“方差最大旋转法”,从变量相关矩阵中提取因子,使每个因子集中关系最密切的变量,再进行因子分析。
其结果表明,因子特征值大于1的共有3个,其方差贡献率分别为55.05%、23.61%、17.29%,其累计方差贡献率已达到95.95%,及反映了所有信息的95.95%。这3个公因子可作为评价31个省份(旅游地)旅游需求影响因素的综合变量。根据各个公因子包含的信息,将这3个公因子分别命名为“发展水平因子”、“旅游服务因子”、“旅游吸引因子”。
公因子与原有变量指标之间的相关程度由因子载荷表征。因子载荷量越高,表明该因子包含该指标的信息量越多。由上表公因子的载荷情况看,从众多的指标变量中提取出3个公因子反映的是31个省份作为旅游地旅游需求的主要影响因素。
发展水平因子的特征值是6.0913,其贡献率为55.05%。该因子既包括反映人口特征的年末常住人口、大专及以上文化程度人數、高中文化程度人数、初中文化程度人数;反映交通运输水平的旅客周转量、客运量、公路里程。
旅游服务因子的特征值为2.6129,其贡献率为23.61%。该因子包括了旅行社个数、星级饭店数以及居民消费水平。这些指标共同反映了该地区可提供的旅游服务水平。
旅游吸引因子的特征值为1.9132,贡献率为95.95%。在国民出行旅游时会考虑该地区旅游吸引力可从景区吸引力和出行便捷度两个方面考虑。所以该因子包括了作为反映景区吸引力的旅游景区数和反映出行便捷度的铁路运营里程。
3.2灰色关联分析
因子分析是多元统计分析中一种有效的降维方法,它为我们提供了一种将复杂实务简化的方法,但因子分析不能直接反应“公因子”与分析目标的相关性,也就是说各类影响因子与旅游需求的相关度还不明确。同时由于本文构建的指标体系是一定经验基础上建立的假设模型,因此,所选指标是否与分析目标有关、有多大关系,很难得知。为了有效地研究各地区旅游需求的主要影响因素,本文引入灰色关联分析法,这是一种有效处理不确定变量相关关系的方法。在影响旅游需求的众多因素中,许多因素之间的关系是灰色的,即人们难以确定影响各地区旅游需求的主要因素。
利用全国2014年各地区接待入境过夜游客人数及平均停留天数用来表示国民对各地区旅游需求,本文只取入境过夜游客作为考虑对象,具体情况如表7所示。根据灰色关联度分析的思路和要求,将Y1(接待游客数)、Y2(平均停留天数)作为因变量。以X1(发展水平因子)、X2(旅游服务因子)、X3(旅游吸引因子)作为自变量,其计算公式为:
步骤一:对原始数据做初始化
步骤二:计算灰色关联系数
步骤三:计算灰色加权关联度
从对31个省市自治区旅游需求影响因素进行的关联分析来看,3个影响因子对旅游需求的影响是显著的,只是从接待人数和停留天数两方面与影响因素的关联性而言略有区别。
经计算得到,接待人数是反映旅游需求的第一指标,它与各影响因素的灰色关联次序依次是:旅游服务因子(0.831)、发展水平因子(0.8237)和旅游吸引因子(0.805)。可以看出,31个省市接待游客人数与旅游服务因子的关联最为密切,表明各地区所提供的旅游服务水平,包括旅行社个数、居民消费水平和星级饭店数为影响该地区接待游客人数最主要的因素。
接待人数Y1与三个因子发展水平因子F1、旅游服务因子F2、旅游吸引因子F3之间的具体关系表达式为
游客平均停留天数与各因素的灰色关联次序依次是服务因子(0.8367)、旅游吸引因子(0.8083)和发展水平因子(0.7959)。在31个省市自治区中服务因子仍是影响游客停留天数最主要的因素。其次为旅游吸引因子,当旅游地拥有较多景区数并具有出行方便的交通设备时,使得旅游停留天数增加。
旅客停留天数Y2与三个因子发展水平因子F1、旅游服务因子F2、旅游吸引因子F3之间的具体关系表达式为
根据以上分析,各地区旅游需求受该地服务水平因子影响最显著。则表明为提高全国各地区旅游需求,地方应该增加对旅行社、星级饭店的打造并进行监管。当今社会游客出游普遍对旅游服务水平具有较高的要求,只有在打造成具有优良旅游服务水平的省市才能更好的推动旅游行业的发展。
第四章 总结
44.1全国旅游需求分析结论
主成分分析中对5个影响因素进行综合评价,根据主成分分析结果,得到经济指标中“国民总收入”影响国内旅游需求程度最大,在当前形势下,随着国民总收入的持续、稳定增长,城乡居民收入水平也将不断提高,随之而来的可支配的收入也必将逐步增加,这反映了国内旅游业也会在一定的程度上得到提高。
主成分分析都得到国内旅游需求受国民总收入影响最大。当国民收入增加时,人们才会考虑提高自己的生活品质,相应国民出游率也会增加。此结论与实际情况也是相符的,近十年来国民经济状况不断改善,旅游业逐年发展,其产值在第三产业所占比重也越来越大。
主成分分析主要通过“降维”的手段来实现对其结果是把多个指标归约为少数的几个指标,该少数几个指标表现形式一般为原来指标体系中的某几个指标线性组合。
4.2各地区旅游需求分析结论
因子分析研究国民对各地区旅游需求,将12个指标归结为发展水平因子、旅游服务因子和旅游吸引因子,从这三个方面进行对各地旅游需求的讨论
灰色关联分析在聚类分析和因子分析上更加进一步研究3个因子对各地区接待入境过夜游客人数及平均停留天数的影响。结果表明,各地区旅游需求受3个影响因子的影响是显著的,只是从接待人数和停留天数两方面与影响因素的关联性而言略有区别。并给出了接待游客人数、停留天数关于三个因子的表达式。其中,接待游客人数与旅游服务因子的关联最为密切,其次是发展水平因子。影响游客停留天数最主要的因素仍是服务因子,其次为旅游吸引因子。当旅游地拥有较多景区数并具有出行方便的交通设备时,使得旅游停留天数增加。
【参考文献】
[1] 关勇,麻永建,朱诚. 我国国内旅游需求影响因素分析及规模预测[J]. 河南科学,2007,03:513-516.
[2] 翁钢民,徐晓娜,尚雪梅. 我国城市居民国内旅游需求影响因素分析[J]. 城市问题,2007,04:31-35.
[3] 徐晓娜,翁钢民. 城市居民旅游需求差异影响因素的灰色关联分析[J]. 资源开发与市场,2007,01:21-24.
[4] 中国人民共和国国家统计局.中国统计年鉴[Z].北京:北京统计出版社,2010-2019.
[5] 中国旅游统计年鉴编委会.中国统计年鉴[Z].北京:中国统计出版社,2019.