温泉旅游体验影响因素研究

王亚辉

（湖南文理学院，湖南 常德 415000）

1 引言

从我国温泉旅游开发实践来看，部分温泉经营者在提高温泉旅游者的体验质量上走在了行业前列，如珠海御温泉度假区率先提出了“御温泉精细化服务”理念并付诸于行动，获得了消费者的肯定和广东省星评委员会的高度赞赏［1］。同时行业的需要催生了《温泉法》和全国首部温泉行业标准《温泉企业服务质量等级划分与评定》（已于2011年6月1日正式实施）的诞生［2］。但温泉旅游的理论研究却显滞后，且较多地集中在温泉开发的影响因素分析，如王华等对影响温泉旅游开发的主要因素进行了归纳：温泉资源的综合素质、自然和人文景观环境、客源市场和交通条件、区域经济发展水平、温泉旅游文化特色、空间集聚和竞争以及决策者行为［3］。仅有王亚辉对温泉旅游体验影响因素进行了研究［4］。但其以一个温泉地旅游者为调查对象，缺乏一定的普适性。本文在其基础上扩大了采样范围，旨在对提出的假设影响因素进行验证并用因子分析法对影响因素进行简化。

2 研究方法

本研究通过在长沙各大车站及机场对过往旅客现场分发调查问卷获取基础数据。

2.1 问卷设计

通过查阅相关资料，调查问卷从“体验者的期望”、“温泉地通达性”、“体验过程”、“温泉地服务”、“温泉设施”、“温泉地管理”、“温泉地资源”7个方面出发，较全面地设置了30个问题。问卷包括2个方面的内容，首先是个人基本信息部分，包括体验者的性别、年龄、客源地、学历、职业等社会人口统计学特征，以及个人性格特征、体验者的偏好、每年泡温泉的次数（反映温泉经历的丰富程度）、是否来过温泉地（反映对温泉地的了解程度）等。该部分要求体验者根据自己的情况选择相应选项。第2部分是问卷的核心内容，即温泉旅游体验影响因素的测量评价部分，共19个问题，该部分采用李克特五点量表进行测度，1＝很不重要，2＝不重要，3＝一般，4＝重要，5＝很重要。

2.2 问卷发放及回收

本次问卷调查从2011年7月11日持续到7月18日，现场填写问卷500份，其中有效问卷458份，有效率达91.6%，完成的总体情况较好。

3 数据处理与分析

3.1 问卷信度和KMO值检验

优质的调查问卷应该具备一定的信度。信度是指研究资料的可靠性和一致性，用于衡量调查工具的正确性或精确性［5］。从科学观点来看，一个良好的测量工具应该具有足够的信度，信度是社会科学研究中重要的判别指标，通过该指标的确认，研究的优劣自然可以体现。根据多位学者的总结，任何测量或量表的信度系数Alpha如果大于0.7时，表示信度系数相当高；若介于0.35～0.7之间，则为可接受信度；低于0.35时，信度较低。本问卷的Alpha系数为0.889，具有较高的信度。

KMO是Kaiser－Meyer－Olkin的取样适当性，当KMO值愈大时，表示变量间的共同因素愈多，愈适合进行因子分析。一般认为：KMO值在0.9以上，非常适合做因子分析；在0.8～0.9之间，很适合做因子分析；在0.6～0.7之间，不太适合；在0.5～0.6之间很勉强，0.5以下就不适合做因子分析［6］。本研究的 KMO值为0.872，很适合做因子分析。

3.2 得分均值与标准差

为了获得体验者对温泉旅游体验影响因素认知的一般概括性的模式，剔除不重要的信息，合并重复的信息，笔者采用因子分析法对各影响因素变量进行分析，并通过内部一致性对问卷的信度进行检验。首先进行KMO测度和巴特利特球体检验（Bartlett＇s Test of Sphericity），检验结果见表1。

表1 总体假设影响因素KMO测度和巴特利特球体检验

从表1可以看出，KMO样本测度值为0.872，这说明该组数据很适合做因子分析（＞0.8），同时可以看到，表中巴特利特球体检验的X2的统计值显著性概率是0.000，小于1%，说明数据相关阵不是单位阵，具有相关性，也说明该数据适合做因子分析。温泉旅游体验影响因素重要性的总体信度系数Alpha为0.9082，19个假设影响因子的得分均值、标准差及两个维度的信度统计结果见表2。

表2 假设影响因素的得分均值、标准差及信度系数

从表2可以看出，体验者对温泉旅游体验各影响因素的打分普遍较高（满分为5分，得分越高，认可度越大），在19项因素中，平均分均在3分以上，说明这些假设因素具有一定的重要性，可以作为温泉旅游体验的正式影响因素，鉴于这些因素集中性很强，说明体验者的意见趋于一致，同时各因素的标准差均小于1，因此各因素都可以进入接下来的因子分析以简化这些因素。

3.3 因子分析

因子分析仅对除个人内在因素（如年龄、性别等）之外的其他19项影响因子进行分析，对分析的结果进行说明或修正，并进行内部一致性检验，最终把这19项具体因素归成若干个大类。具体数据分析过程如下：首先进行KMO测度和巴特利特球体检验（Bartlett＇s Test of Sphericity），目的是检验数据是否适合做因子分析，检验结果见表3。

表3 体验者自身因素KMO测度和巴特利特球体检验结果

从表3可以看出，KMO样本测度值为0.753，这说明该组数据适合做因子分析（＞0.7）。表中巴特利特球体检验的X2的统计值显著性概率是0.000，小于1%，说明数据相关阵不是单位阵，具有相关性，也说明该数据适合做因子分析。通过因子分析得到旋转后的因子负荷矩阵（表4）和碎石图（图1）。

表4 影响因素旋转因子负荷矩阵

图1 影响因素表现特征值的碎石图

如图1所示，代表主成份的5个特征值都大于1，并且从第5个开始以后骤减，表明这5个成份是可以取代所有指标的。通过因子分析得到特征值及累计解释方差（表5）。由于前5个主成分总共解释总方差的68.268%，因此用5个主因子代替19个变量，可以概括原始变量所包含的将近7成的信息，由此，可初步认为，这5个因子能够解释大部分变量，概括绝大部份信息。其他重要指标，如累计变量解释、信度等的分析结果见表6。

表5 影响因素特征根植及累计解释方差

表6 因子分析及信度检验结果

从表6来看，各影响因素经因子分析产生的5大主成分的累计解释变量为68.268%，这说明它们涵盖了原有指标的大部分信息，而且各指标变量因子负荷比较高（＞0.5），说明了各成分中的原始指标具有显著相关性。同时，各分量表的Alpha系数均大于0.7，表明调查数据可以接受使用。总量表19项指标的信度系数为0.885，表明具有较高的信度。关于各因子的命名，考虑到各具体影响因素，将其分别命名为：“活动内容的丰富度及服务”、“安全及食宿沐浴条件”、“温泉水质及周边环境”、“温泉经历及自我调节能力”、“体验者的温泉知识”。

5 结语

通过数据处理与分析及主成分因子提取法，将19个具体影响因素萃取成5个主因子作为本文的结论（表7）。

当然，本研究未考虑体验者的人口统计学特征是否对温泉旅游体验有影响，所以本结论仅作为一个探索性的结论，还有待进一步完善。

表7 主因子萃取

［1］http：／／www.00800.com.cn／web／company／News＿view.aspx？nid＝184.

［2］http：／／www.ywqinfoplatform.com／listshow.aspx？sid＝1＆pid＝7＆id＝494.

［3］王 华，彭 华.温泉旅游开发的主要影响因素综合分析［J］.旅游学刊，2004（5）：51～55.

［4］王亚辉.温泉旅游体验影响因素研究——以灰汤温泉为例［D］.长沙：湖南师范大学，2009.

［5］卢纹岱.SPSS for Windows统计分析［M］.北京：电子工业出版社，2002.

［6］马庆国.管理统计——数据获取、统计原理、SPSS工具与应用研究［M］.北京：科学出版社，2002.