论文部分内容阅读
摘 要：自驾游的重要性凸显以及自驾车旅游研究的增多，自驾车旅游受到越来越多的旅游研究者的关注。在旅游消费研究中，对自驾车旅行模式的细分市场研究尚不多见。以实地问卷调查数据为基础，采用二项逻辑回归方法，对不同旅行模式自驾车旅游者的消费特征进行研究。研究表明，出游天数和消费总数对自驾车旅游者选择旅游模式的影响非常明显。随着出游天数的增加，自驾车旅游者进行多目的地旅游的概率也会相应增加；花费总数越高的自驾车旅游者进行多目的地旅游的概率越高。采用回归分析方法分别对变量总消费、日均消费以及餐饮、交通、住宿、门票、购物、娱乐和其他消费进行分析，以证明旅行模式对自驾车游客消费的影响，结果揭示，旅行模式是自驾车游客消费的一个重要决定因素。
关键词：自驾车旅游；旅行模式；旅游消费
中图分类号：F590.7 文献标志码：A 文章编号：1673-291X（2015）12-0260-04
近年来，随着私家车数量的不断增多，道路条件的改善，公民休闲时间的增加和消费观念的改变以及旅游心理的日益成熟，集观光、休闲、度假于一体的深层次旅游——自驾车旅游正逐渐成为大众旅游的重要形式。从最初的“Sunday -Drive”发展到后来的“Drive Travel”，自驾车旅游已逐步成为风靡全球的旅游方式。
2013年我国自驾车旅游发展报告指出，2012年我国国内游客中将近46%的游客采取了自驾车出游的旅行方式，即约13.6亿人次为自驾出游，自驾出游人数占散客出游人数的将近一半。在消费方面，一日自驾游人均消费为456元/人·次，500公里以上中长距离过夜自驾游人均消费为764元/人·日，据此保守估算，2012年自驾游游客消费约为10 661.7亿元，相当于2012年国内旅游总收入的46.9%。这还尚未包括自驾游带动的车辆维修保养、保险等消费[1]。2012年9月国务院批转交通运输部等部门重大节假日免收小型客车通行费实施方案，这将是中国自驾游蓬勃发展的一次重大机遇[2]。
一、相关研究综述
目前，学者关于自驾车旅游已经进行了很多相关性研究，主要集中在自驾车旅游基础理论研究，主要包括自驾车旅游的定义、类型等的研究；自驾车旅游市场和游客特征研究；自驾车旅游影响及管理、发展问题及对策研究。在旅游消费方面，国内研究主要涉及旅游消费基础理论研究、旅游消费结构、旅游消费行为研究、旅游消费市场、旅游消费的影响及其影响因素研究；而国外旅游消费研究则侧重于旅游消费的细分市场研究、消费结构研究和影响因素研究。
综合归纳国内外相关研究成果，对自驾车旅游市场的研究最为丰富，但对自驾车旅游细分市场、专项市场的研究较少；在旅游消费中，对自驾车旅游游客消费的研究尚不多见。目前国内外对于自驾车这一细分市场的旅游消费研究并不多，所以对于自驾车旅游消费的研究有待进一步的补充和完善，关于旅行模式与自驾车旅游消费之间的相互关系也有待进一步探讨。
二、研究资料与研究方法
（一）资料来源
本文的基础数据来源于实地的问卷调查，兼顾访谈。选取上海、苏州两地为样本地，私家车出入较为集中的区域为调查地点（上海人民广场、上海博物馆、南京东路、淮海公园、上海图书馆以及苏州博物馆）。调查时值中国第一次国庆假期高速公路免收小型客车过路费，于2012年9月29日至10月2日进行，共发放问卷1 000份，回收问卷973份，回收率97.3%，其中由于关于自驾游消费特征设计为开放型问题，需要游客回忆并进行细致填写，所以相比其他结构型问题项填写率小得多，剔除空白卷，有效问卷444份，有效率44.4%。对调查问卷收集的数据采用社会经济统计分析软件SPSS19.0进行统计分析。
（二）研究方法
本文拟运用二项逻辑回归（Binary Logistic Regression）方法，分析问卷调查数据，以求得自驾车旅游者旅行模式的决定影响因素。然后，采用多元线性回归试分析旅行模式对自驾车游客消费的影响，在总消费、日均消费以及在餐饮、交通、住宿、门票、购物、娱乐和其他消费方面。
1.分析指标
在二项逻辑回归分析中，因变量为旅行模式（按游客游览目的地的多少，将旅行模式分为两类：单目的地旅行模式和多目的地旅行模式）；自变量为：出游天数、花费总数、客源地—目的地距离（O-D距离）以及调查问卷涉及的被调查者的主要信息，包括性别、年龄、文化程度、平均月收入和职业。具体分析指标及其量化情况（见表1）。
2.分析步骤
第一步，分别对各自变量因素进行卡方检验，检验其显著性效果。第二步，选用卡方检验p值小于0.05的影响因子进一步纳入二项逻辑回归分析，采用逐步筛选策略（forward：wald）建立逻辑回归模型，其变量进入标准为P<0.15，变量被剔除标准为P>0.2。最后，运用回归分析统计检验旅行模式对自驾车旅游总消费、日均消费以及餐饮、交通、住宿、门票、购物、娱乐和其他消费的影响。
三、结果分析
（一）自驾车游客旅行模式选择的logistic回归分析
在444个选定样本案例中，SPSS19.0进行二项逻辑回归时自动对案例进行处理，其中375个案例包括在分析中，缺失案例为69个，分析率84.5%。换句话说，剔除缺失案例，Logistic回归的实际有效样本数为375。在二项逻辑回归分析模型的建构过程中，需要判断模型拟合的优劣[3]。模型拟合优度统计量Cox & SnellR2为0.275，Nagelkerke R2为0.368，说明拟合优度良好。Hosmer-Lemeshow检测表中的Sig.值为0.190，接受了方程对数据拟合良好的零假设，也说明整个回归模型的拟合度较好。
利用回归模型得出的预测值和实际数据比较，在206位选择单目的地旅行模式的自驾车游客预测中，预测准确率为81.1%；在169位选择多目的地旅行模式的自驾车游客预测中，预测准确率为66.3%；模型总的正确预测概率为74.4%。由此可见，构建的二项逻辑模型预测效果比较理想，可作为实际的预测应用。 根据上述分析可以得到以下结论：
1.出游天数和花费总数对自驾车游客选择旅游模式的影响非常明显。随着出游天数的增加，自驾车游客进行多目的地旅游的概率也会相应增加；花费总数越高的自驾车游客进行多目的地旅游的概率越高。
2.客源地与目的地（O-D）之间的距离对自驾车游客选择旅行模式的影响是不显著的，但不排除他们之间有相关性可能。
3.旅游者的人口统计学特征对自驾车旅行模式选择的影响是不显著的。其中各个年龄阶段对自驾车旅行模式的选择的影响存在差异。总的来说，年龄与自驾车游客旅行模式的选择正相关，即年龄越大的自驾车游客选择多目的地的可能性越大。但是由其Sig.值可知，年龄对其影响是不显著的。
（二）自驾车游客消费影响因素的回归分析
以上的分析表明，旅行模式可能决定自驾车游客消费。这可能是旅行模式影响其与其他相关变量的结果，如游客的人口统计学特征、出行特征等。换句话说，如果对游客的人口统计学特征和出行特征变量进行控制，旅行模式的影响是否仍然存在？要回答这个问题，以统计证明旅行模式对自驾车旅游消费的影响，采用回归分析方法，分别对变量总消费、日均消费、餐饮消费、交通消费、住宿消费、门票消费、购物消费、娱乐消费以及其他消费进行分析。自变量包括旅行模式、O-D距离、出游天数以及自驾车游客的人口统计学特征（年龄、性别、文化水平、收入和职业）。为了剔除每个自变量与因变量之间的潜在干扰（自变量之间可能的相关性引起的），计算所有自变量的偏相关系数。偏相关系数起着“显示器”的作用，它可以显示当其他自变量被控制时被考虑的自变量与因变量之间的相关性[4]。
回归模型结果（见表3）显示：旅行模式对总消费、日均消费、交通消费、住宿消费、门票消费以及购物消费有着显著的影响。O-D之间的距离对总消费、日均消费、餐饮消费、交通消费和购物消费的影响显著。出游天数对自驾车旅游消费的影响十分明显，其中对总消费、日均消费和餐饮、交通、住宿、门票的消费影响显著，对购物消费和其他也具有一定显著性的影响。特别地，出游天数与日均消费显著负相关，这说明出游天数少的旅游日均消费反而高，这与史春云对世博旅游线路研究发现“游客在目的地区域内的日花费与旅行天数存在显著负线性关系”[5] 一致。然而，在解释大多数的自变量为人口统计学变量时是不显著的，除了年龄对总消费、日均消费、交通、以及门票的消费有显著影响；文化对日均消费以及购物、娱乐消费存在影响。偏相关系数表明，当其他变量控制时，旅行模式变量与模型中的变量的影响仍然显著，这意味着，旅行模式是自驾车游客消费的一个重要决定因素。此外，这一结果也验证了O-D距离和出游天数同样是自驾车游客消费的重要影响因素。
四、结论与讨论
1.二项逻辑回归显示，出游天数和花费总数显著影响自驾车游客旅行模式的选择。出游天数越多、旅游消费越高，自驾车游客进行多目的地旅游的可能性越大。根据其建立的二项逻辑模型，可以对自驾车游客采取的旅行模型进行预测。
2.回归分析结果显示，旅行模式是影响自驾车游客消费的一个重要决定因素。旅行模式对自驾车游客总消费、日均消费、以及交通、住宿、门票、购物的消费有显著影响。这一结果说明，自驾车游客采取何种旅行方式，或者说参观目的地的多少对旅游消费的影响是显著的，特别是在交通、住宿、门票和购物消费方面。
研究主要从旅行模式（单目的地和多目的地）视角，探究自驾车旅行模式的影响因素，并分析旅行模式对自驾车消费的影响。对于自驾车消费的研究，主要根据旅游业“吃、住、行、游、购、娱”六大构成要素方面以及总的和日均的消费，探寻其影响因素。本文侧重自驾车旅游消费的影响因素研究，而未涉及具体的消费者行为及行为特征研究，这将是今后研究重点和方向。
参考文献：
[1] 中国网，http：//news.China.com.cn/2014-01/08/content_31123919.htm.
[2] 史春，孙勇，张宏磊，等.基于结构模型的自驾游客满意度研究[J].地理研究，2014，（4）.
[3] 孙梦阳，赵晓燕，曹芙蓉.娱乐主题公园游客满意度研究——以北京为例[J].江西财经大学学报，2010，（1）：46-51.
[4] Wang，D.Tourist Behaviour and Repeat Visitation to Hong Kong [J].Tourism Geographies，2004，（1）：99-118.
[5] 史春云.旅行模式对目的地旅游经济影响的空间差异——以长三角世博旅游线路为例[J].旅游学刊，2013，（6）：102-110.
[责任编辑 王玉妹]
关键词：自驾车旅游；旅行模式；旅游消费
中图分类号：F590.7 文献标志码：A 文章编号：1673-291X（2015）12-0260-04
近年来，随着私家车数量的不断增多，道路条件的改善，公民休闲时间的增加和消费观念的改变以及旅游心理的日益成熟，集观光、休闲、度假于一体的深层次旅游——自驾车旅游正逐渐成为大众旅游的重要形式。从最初的“Sunday -Drive”发展到后来的“Drive Travel”，自驾车旅游已逐步成为风靡全球的旅游方式。
2013年我国自驾车旅游发展报告指出，2012年我国国内游客中将近46%的游客采取了自驾车出游的旅行方式，即约13.6亿人次为自驾出游，自驾出游人数占散客出游人数的将近一半。在消费方面，一日自驾游人均消费为456元/人·次，500公里以上中长距离过夜自驾游人均消费为764元/人·日，据此保守估算，2012年自驾游游客消费约为10 661.7亿元，相当于2012年国内旅游总收入的46.9%。这还尚未包括自驾游带动的车辆维修保养、保险等消费[1]。2012年9月国务院批转交通运输部等部门重大节假日免收小型客车通行费实施方案，这将是中国自驾游蓬勃发展的一次重大机遇[2]。
一、相关研究综述
目前，学者关于自驾车旅游已经进行了很多相关性研究，主要集中在自驾车旅游基础理论研究，主要包括自驾车旅游的定义、类型等的研究；自驾车旅游市场和游客特征研究；自驾车旅游影响及管理、发展问题及对策研究。在旅游消费方面，国内研究主要涉及旅游消费基础理论研究、旅游消费结构、旅游消费行为研究、旅游消费市场、旅游消费的影响及其影响因素研究；而国外旅游消费研究则侧重于旅游消费的细分市场研究、消费结构研究和影响因素研究。
综合归纳国内外相关研究成果，对自驾车旅游市场的研究最为丰富，但对自驾车旅游细分市场、专项市场的研究较少；在旅游消费中，对自驾车旅游游客消费的研究尚不多见。目前国内外对于自驾车这一细分市场的旅游消费研究并不多，所以对于自驾车旅游消费的研究有待进一步的补充和完善，关于旅行模式与自驾车旅游消费之间的相互关系也有待进一步探讨。
二、研究资料与研究方法
（一）资料来源
本文的基础数据来源于实地的问卷调查，兼顾访谈。选取上海、苏州两地为样本地，私家车出入较为集中的区域为调查地点（上海人民广场、上海博物馆、南京东路、淮海公园、上海图书馆以及苏州博物馆）。调查时值中国第一次国庆假期高速公路免收小型客车过路费，于2012年9月29日至10月2日进行，共发放问卷1 000份，回收问卷973份，回收率97.3%，其中由于关于自驾游消费特征设计为开放型问题，需要游客回忆并进行细致填写，所以相比其他结构型问题项填写率小得多，剔除空白卷，有效问卷444份，有效率44.4%。对调查问卷收集的数据采用社会经济统计分析软件SPSS19.0进行统计分析。
（二）研究方法
本文拟运用二项逻辑回归（Binary Logistic Regression）方法，分析问卷调查数据，以求得自驾车旅游者旅行模式的决定影响因素。然后，采用多元线性回归试分析旅行模式对自驾车游客消费的影响，在总消费、日均消费以及在餐饮、交通、住宿、门票、购物、娱乐和其他消费方面。
1.分析指标
在二项逻辑回归分析中，因变量为旅行模式（按游客游览目的地的多少，将旅行模式分为两类：单目的地旅行模式和多目的地旅行模式）；自变量为：出游天数、花费总数、客源地—目的地距离（O-D距离）以及调查问卷涉及的被调查者的主要信息，包括性别、年龄、文化程度、平均月收入和职业。具体分析指标及其量化情况（见表1）。
2.分析步骤
第一步，分别对各自变量因素进行卡方检验，检验其显著性效果。第二步，选用卡方检验p值小于0.05的影响因子进一步纳入二项逻辑回归分析，采用逐步筛选策略（forward：wald）建立逻辑回归模型，其变量进入标准为P<0.15，变量被剔除标准为P>0.2。最后，运用回归分析统计检验旅行模式对自驾车旅游总消费、日均消费以及餐饮、交通、住宿、门票、购物、娱乐和其他消费的影响。
三、结果分析
（一）自驾车游客旅行模式选择的logistic回归分析
在444个选定样本案例中，SPSS19.0进行二项逻辑回归时自动对案例进行处理，其中375个案例包括在分析中，缺失案例为69个，分析率84.5%。换句话说，剔除缺失案例，Logistic回归的实际有效样本数为375。在二项逻辑回归分析模型的建构过程中，需要判断模型拟合的优劣[3]。模型拟合优度统计量Cox & SnellR2为0.275，Nagelkerke R2为0.368，说明拟合优度良好。Hosmer-Lemeshow检测表中的Sig.值为0.190，接受了方程对数据拟合良好的零假设，也说明整个回归模型的拟合度较好。
利用回归模型得出的预测值和实际数据比较，在206位选择单目的地旅行模式的自驾车游客预测中，预测准确率为81.1%；在169位选择多目的地旅行模式的自驾车游客预测中，预测准确率为66.3%；模型总的正确预测概率为74.4%。由此可见，构建的二项逻辑模型预测效果比较理想，可作为实际的预测应用。 根据上述分析可以得到以下结论：
1.出游天数和花费总数对自驾车游客选择旅游模式的影响非常明显。随着出游天数的增加，自驾车游客进行多目的地旅游的概率也会相应增加；花费总数越高的自驾车游客进行多目的地旅游的概率越高。
2.客源地与目的地（O-D）之间的距离对自驾车游客选择旅行模式的影响是不显著的，但不排除他们之间有相关性可能。
3.旅游者的人口统计学特征对自驾车旅行模式选择的影响是不显著的。其中各个年龄阶段对自驾车旅行模式的选择的影响存在差异。总的来说，年龄与自驾车游客旅行模式的选择正相关，即年龄越大的自驾车游客选择多目的地的可能性越大。但是由其Sig.值可知，年龄对其影响是不显著的。
（二）自驾车游客消费影响因素的回归分析
以上的分析表明，旅行模式可能决定自驾车游客消费。这可能是旅行模式影响其与其他相关变量的结果，如游客的人口统计学特征、出行特征等。换句话说，如果对游客的人口统计学特征和出行特征变量进行控制，旅行模式的影响是否仍然存在？要回答这个问题，以统计证明旅行模式对自驾车旅游消费的影响，采用回归分析方法，分别对变量总消费、日均消费、餐饮消费、交通消费、住宿消费、门票消费、购物消费、娱乐消费以及其他消费进行分析。自变量包括旅行模式、O-D距离、出游天数以及自驾车游客的人口统计学特征（年龄、性别、文化水平、收入和职业）。为了剔除每个自变量与因变量之间的潜在干扰（自变量之间可能的相关性引起的），计算所有自变量的偏相关系数。偏相关系数起着“显示器”的作用，它可以显示当其他自变量被控制时被考虑的自变量与因变量之间的相关性[4]。
回归模型结果（见表3）显示：旅行模式对总消费、日均消费、交通消费、住宿消费、门票消费以及购物消费有着显著的影响。O-D之间的距离对总消费、日均消费、餐饮消费、交通消费和购物消费的影响显著。出游天数对自驾车旅游消费的影响十分明显，其中对总消费、日均消费和餐饮、交通、住宿、门票的消费影响显著，对购物消费和其他也具有一定显著性的影响。特别地，出游天数与日均消费显著负相关，这说明出游天数少的旅游日均消费反而高，这与史春云对世博旅游线路研究发现“游客在目的地区域内的日花费与旅行天数存在显著负线性关系”[5] 一致。然而，在解释大多数的自变量为人口统计学变量时是不显著的，除了年龄对总消费、日均消费、交通、以及门票的消费有显著影响；文化对日均消费以及购物、娱乐消费存在影响。偏相关系数表明，当其他变量控制时，旅行模式变量与模型中的变量的影响仍然显著，这意味着，旅行模式是自驾车游客消费的一个重要决定因素。此外，这一结果也验证了O-D距离和出游天数同样是自驾车游客消费的重要影响因素。
四、结论与讨论
1.二项逻辑回归显示，出游天数和花费总数显著影响自驾车游客旅行模式的选择。出游天数越多、旅游消费越高，自驾车游客进行多目的地旅游的可能性越大。根据其建立的二项逻辑模型，可以对自驾车游客采取的旅行模型进行预测。
2.回归分析结果显示，旅行模式是影响自驾车游客消费的一个重要决定因素。旅行模式对自驾车游客总消费、日均消费、以及交通、住宿、门票、购物的消费有显著影响。这一结果说明，自驾车游客采取何种旅行方式，或者说参观目的地的多少对旅游消费的影响是显著的，特别是在交通、住宿、门票和购物消费方面。
研究主要从旅行模式（单目的地和多目的地）视角，探究自驾车旅行模式的影响因素，并分析旅行模式对自驾车消费的影响。对于自驾车消费的研究，主要根据旅游业“吃、住、行、游、购、娱”六大构成要素方面以及总的和日均的消费，探寻其影响因素。本文侧重自驾车旅游消费的影响因素研究，而未涉及具体的消费者行为及行为特征研究，这将是今后研究重点和方向。
参考文献：
[1] 中国网，http：//news.China.com.cn/2014-01/08/content_31123919.htm.
[2] 史春，孙勇，张宏磊，等.基于结构模型的自驾游客满意度研究[J].地理研究，2014，（4）.
[3] 孙梦阳，赵晓燕，曹芙蓉.娱乐主题公园游客满意度研究——以北京为例[J].江西财经大学学报，2010，（1）：46-51.
[4] Wang，D.Tourist Behaviour and Repeat Visitation to Hong Kong [J].Tourism Geographies，2004，（1）：99-118.
[5] 史春云.旅行模式对目的地旅游经济影响的空间差异——以长三角世博旅游线路为例[J].旅游学刊，2013，（6）：102-110.
[责任编辑 王玉妹]