基于离散选择模型的无景点旅游实证研究*

郭艳芳,宋保平,卢 璐,马 骞

（陕西师范大学 旅游与环境学院,陕西 西安 710062）

一、引言

无景点旅游作为一种新兴的旅游方式,已经成为人们出游方式的重要选择之一。尽管无景点旅游属于休闲游的一种表现形式,但是它与自助游、背包游等休闲游有所不同,它不再局限为到著名景点或热点城市的游览,而是选择在某个地点留下来,随心而游,品味民风民俗,感受郊野气息[1]。作为一种深度体验的旅游方式,无景点旅游是重视游览过程中的切身体验,在乡郊野外或城市大街小巷品味品尝小吃、感受民风民俗,或者到旅游目的地的免费公园或博物馆游览的一种新兴旅游方式[2]。无景点旅游作为一个全新的研究领域,目前旅游学界对此的研究性文献还十分有限,而且主要侧重于定性研究,如伍延基等针对无景点旅游的理论解释与实践意义进行了较为系统的阐述[3]。然而,这种纯粹的定性描述无法更深层次地描述无景点旅游的特质,也不能更好地将其与传统的游览景点的旅游方式区别开来。此外,新闻媒体对无景点旅游的描述和介绍虽然较多,但更多的是以报道性的新闻形式出现[4-5],并没有进行深入的探索与分析。基于以上原因,本文从实证研究的视角对无景点旅游进行分析,利用离散选择模型,采用第一手选择意愿数据,构建基于游客特征的无景点旅游方式选择模型,探讨游客选择无景点旅游的影响因素。

二、研究方法和模型构建及数据处理

（一）研究方法

本文以对无景点旅游这种新兴旅游方式有所了解的旅游者为研究对象,通过设计调查问卷,将之投放到网上展开抽样调查,以此来采集被调查的旅游者选择无景点旅游的意愿性数据。通过数据的采集和总体分析,得出相应的分析结果。

本文利用二元Logistic离散选择模型进行相关分析。Logistic离散选择模型在旅游学中的应用是指其可以用来求得游客做出某个选择的概率,它是由McFadden以随机效用假设为前提所提出来的[6]。本文利用该模型来求出游客选择无景点旅游的概率。它侧重于研究不同因素对个体选择行为过程的影响,得出的结果是一个概率,研究的是个体的一种意愿,在本文中具体指的是游客中有多少人愿意选择无景点旅游而不是实际有多少人进行无景点旅游。与其他模型相比,该模型由于在设定假设条件时要求较低,因此其适用范围更广,而模型不要求数据呈现正态分布,与旅游研究中的一些现实情况正好吻合[7]。基于以上原因,针对游客是否选择无景点旅游这种意愿,本文将采用离散选择模型中的二元Logistic离散选择模型来对其进行实证研究。

（二）模型构建

1.模型假设

结合调查问卷的问题设置,本文设定因变量Y为二元分类变量,即“游客是否进行无景点旅游”,取值为0和1。Y取值为0,代表游客不会选择无景点旅游的游览方式;Y取值为1,代表游客会选择无景点旅游的游览方式。同时,设定x1,x2,x3,…xn为可能影响游客选择进行无景点旅游的自变量,具体到本研究是指性别、年龄、学历、职业、月收入、旅游花费、无景点旅游时间等因子。

2.模型建立

本文采用的是二元Logistic离散选择模型,它运用逻辑概率分布函数,如果设定Y=1的概率为p的话,那么Y=0的概率则为1-p。对应数学中的贝努利试验的特点,可以将Y看为贝努利模型。这里的概率 Y指的是上述因子如性别、年龄、学历、职业、月收入、旅游花费、无景点旅游时间等变量的函数。本文通过对p/（1-p）取自然对数得In（p/（1-p））,即对p作logit转换,记为 logitp,则 logitp的取值范围介于―∞到﹢∞之间。以logitp作为因变量,建立线性回归方程:

对其进行变形可得:

上述变形后的模型即为Logistic回归模型,该模型的误差项服从的是二项分布,因此,根据二元Logistic离散选择模型的特点,本研究在拟合时将采用最大似然估计法进行参数估计[6]。模型中参数βi为二元Logistic回归系数,当其他自变量取值保持不变时,该自变量的取值每增加一个单位所引起Y=1时与Y=0时的概率比的自然对数值的变化量;而参数α是常数项,当自变量取值全为0时,Y=1与Y=0时的概率比的自然对数值。

3.模型检验

根据上述分析,本文将采用二元Logistic离散选择模型的最大似然估计法进行研究,将搜集的样本数据假设为（xj 1,xj2,…xjn;Yj）,其中j=1,2,…m,则

Yj的概率密度函数进一步可以表示为:

Yj的极大似然函数为:

则对数似然函数为:可得到参数估计值即为α,β1,β2,…,βn

（三）数据来源和处理

本文数据来源于2009年10月至11月之间网上问卷调查资料,以在专业的问卷调查网站上采集到的第一手意愿性数据为基础。本次调查共采集到153份调查问卷,剔除10份无效问卷,最终有效问卷数量为143份。由于二元Logistic回归模型的运用对于搜集的样本量有一定的要求,一般情况下将统计量较少的其中一类因变量除以10就是该类模型可以解释的自变量个数,但是具体仍须结合实际及分析效果来确定[8]。对本文来讲,样本量为143个,其中67个人选择不进行无景点旅游,因此可以选择67÷10=6.7约7个自变量。为了使对无景点旅游选择产生影响的解释变量更为有效,同时参考样本中其他变量及数据分析效果,当选择的自变量数目为12个时,研究分析效果比较理想。假设这些影响要素决定着旅游者是否选择无景点旅游这种游览方式,它们的共同作用决定了个体进行无景点旅游概率的大小。

表1 二项Logistic回归的变量及其编码解释

（四）模型参数检验

本文运用spss17.0软件中的二元Logistic回归方法进行分析,采用其中的逐步回归法,采用极大似然估计法的概率检验,即以p＜0.05为标准,逐渐引入对因变量影响显著的自变量,例如性别、年龄、学历、职业、月收入、旅游花费、无景点旅游时间等自变量,发现模型经过20次迭代和5轮优化拟合后收敛,从而得到优化后的模型。当不含哑元变量时,二元Logistic模型表示为:

由上述方程可知,自变量 X5即税后月收入和X12即网络利用程度对模型的影响较为显著,通过其系数大小可得,X5即税后月收入对游客是否选择无景点旅游的概率影响更大。

1.模型精度变化

本文运用spss17.0进行分析,发现经过5轮优化,分别引入“X6一年内旅游次数、X9旅游出行交通工具、X12网络利用程度、X3文化程度、X5税后月收入”等5个影响显著的自变量后,Cox和Snell的R2及Nagelkerke的R2分别为0.507和0.566（如表2）。Cox和 Snell的 R2以及 Nagelkerke的R2检验都是Logistic回归方程的拟合优度检验,其中,Nagelkerke的R2是修正的Cox和Snell的R2,都反映了方程对因变量解释的程度,一般情况下,Nagelkerke的R2的取值范围在0至1之间,取值越接近于1,说明方程的拟合优度越高;而取值越接近于0,说明方程的拟合优度越低[8]。在本研究中该值为0.566,由上述可知本研究结果较为理想。在模型优化过程中发现模型的预测准确率上升到了75.5%（如表3）,说明之前所引入的自变量比较显著地改善了预测模型的效果。

表2 5轮优化后模型拟合度

表3 模型优化过程中预测准确率变化情况

2.模型拟合优度检验

同时,根据对之前引入模型的5个变量作移出的显著性检验可以发现,移出这5个变量后,该模型发生了显著性改变,借此可以说明这些变量都对模型具有显著性影响,因此可以得出结论:现在的模型拟合良好（表4）。

3.模型参数检验

在引入了5个变量后,得到了建立模型所需参数及其显著性检验结果（表5）。

表4 模型拟合优度检验

表5 5轮优化后模型参数及其显著性

三、结果分析与解释

一年内旅游次数X6,其Wald检验的结果p=0.010,说明该变量对因变量的影响效果显著,统计学意义明显。表中的exp（B）表示自变量的低水平和高水平相比,导致因变量向高水平发展的强度,即排除其他因素的作用,每年旅游次数在2-3次和3次以上的旅游者可能进行无景点旅游的概率是每年旅游次数在1次以内的旅游者的1.027和1.139倍。也就是说,每年旅游次数在3次以上的旅游者进行无景点旅游的概率最高,每年2-3次的次之,每年1次以内的最低,具体概率比为1.139∶1.027∶1。这种差异可以与旅游者的职业类型相联系,抽样结果显示,学生、公务员和教师等职业选择可能进行无景点旅游的概率较高。无景点旅游的自主性较强,学生时间较为宽裕,但是经济能力受限,因此可能进行无景点旅游的概率较高。此外,公务员和教师工作稳定,休闲时间比较固定,一年内旅游次数较多,同时由于平时工作压力较大,因此在有选择的情况下,他们进行无景点旅游的概率就相对较高。

网络利用程度 X12,其 Wald检验结果 p=0.031,达到了统计学的显著性,即旅游者网络利用的程度越高,进行无景点旅游的概率越高。无景点旅游是一种自主性很强的新兴旅游方式,旅游者在此过程中可以自由掌握和安排自己的食住行游购娱,而实现这些项目的捷径就是通过网络的作用,因此,那些网络利用程度高的旅游者选择进行无景点旅游的概率更高。

文化程度X3,其Wald检验结果p=0.000,说明该变量对因变量的影响效果显著,统计学意义明显。文化程度不同的旅游者进行无景点旅游的概率有较为明显的差别,具体表现为高中及以下、大专、本科、硕士及以上旅游者选择无景点旅游的概率比为1∶1.018∶1.129∶1.773,即硕士及以上学历的旅游者选择无景点旅游的概率最高,其次是本科学历和大专学历的旅游者,高中及以下学历的旅游者选择无景点旅游的概率最低。旅游者的学历越高,他们对自然和社会的理解力与感悟力越强,对于旅游的要求相对也越高,于是倾向于追求更为灵活自主和体验性更强的无景点旅游。

旅游出行交通工具X9,其Wald检验结果p=0.028,也达到了统计学的显著性,即选择自驾车和旅游专线公交出行的旅游者进行无景点旅游的概率最高,而选择自行车出行的旅游者进行无景点旅游的概率最低。具体表现为,选择自行车、公共交通、团体包车、自驾车、旅游专线公交、其他交通工具进行无景点旅游的概率之比为0.628∶1.038∶1.036∶1.132∶1.901∶1。出行交通工具的便利程度直接影响着旅游者的选择,自驾车和旅游专线公交的直达性和目的性很强,可以节约旅游者的时间成本和体力成本,而抽样调查结果也显示,旅游者选择无景点旅游主要是追求其自主性和便捷性,这点正好与自驾车和旅游专线公交的特性相吻合。自行车作为出行交通工具,因为受到行程距离远近的限制,所以选择其作为交通工具的旅游者进行无景点旅游的概率最低。

税后月收入X5,其Wald检验结果p=0.019,也达到了统计学的显著性,即从总体样本来看,旅游者的税后月收入越高,选择无景点旅游的概率越高。对于税后月收入越高的旅游者来说,他们在旅游方式的选择上空间越大。抽样结果显示,选择无景点旅游的旅游者在旅游过程中的花费比较高,相对旅游过程中低消费的旅游者来说,他们的选择空间更大,因此税后月收入高的旅游者选择无景点旅游的概率更高。

四、结语

本文以在网站上采集到的意愿数据为依据,构建了旅游者选择无景点旅游概率的二元Logistic回归模型,系统地分析了旅游者进行无景点旅游的影响因素,是对无景点旅游研究的一个延伸和拓展,而且对于无景点旅游这种新兴旅游方式的推广和发展具有很强的现实意义。传统的计量经济模型一般选择的是较为集中的理性角度,而离散选择模型将其落脚到多属性变量视角,将研究领域拓展到多属性对个体的选择行为概率的影响[9]。本文在社会调查的基础上对无景点旅游进行实证研究,同时通过构建二元Logistic回归模型来研究旅游者对无景点旅游这种新兴旅游方式的选择意愿,这些既有利于推进无景点旅游的研究,也为旅游目的地地区发展无景点旅游提供了理论和实践指导。

[1] 辛红玲.十一国庆将来临,专家建议选择“无景点”旅游[EB/OL].http://news xinhuanet com/travel/2007-09/13/content_6711122.htm.

[2] 郭艳芳等.大学生无景点旅游体验影响因素实证研究[J].北京第二外国语学院学报,2010,（7）:75-79.

[3] 伍延基,王计平,曾海洋.无景点旅游的理论解释与实践意义[J].旅游科学,2008,22（4）:28-31.

[4] 胡静.“无景点”不走寻常路[N].消费日报,2007-09-20（02）.

[5] 韩导勤.“无景点”渐成休闲主流[N].中国旅游报,2007-11-5（10）.

[6] Kenneth Train.Discrete Choice Methods with Simulation[M].Cambridge:Cambridge University Press,2003.

[7] 赵现红.基于游客特性的旅游目的地离散选择实证研究[J].旅游学刊,2009,24（12）:60-65.

[8] 张文彤.SPSS11统计分析教程（高级篇）[M].北京:北京希望电子出版社,2002:92.

[9] Benedetto J,Anthony C,David B.A comprehensive review of the tourism forecasting literature[J].Journal of Travel Research,1987,26（2）:28-39.