旅游动机对旅游者重游意向的影响研究

旅游动机对旅游者重游意向的影响研究

1旅游动机与旅游者重游意向无论游客的旅游动机有多不同，旅游业的动机是游客重游的动力，这是旅游目的地运营商根据自身特点开展正确营销的基础。虽然国内外对于旅游动机的研究较早,一些关于旅游动机的理论框架已经基本形成并且被普遍认同。丹(Dann)和李(Lee)等认为旅游动机主要包括推力和拉力两大因素,即“推—拉”理论(push_pulltheory),“推”是由旅游者自身引起的内在因素,“拉”是和目的地旅游吸引物相联系的外在因素。顾森思(Goossens)提出享乐旅游动机模型,又称为“倾向—刺激—反应”模型。琼斯(Gnoth)提出了旅游动机的期待价值理论(expectancyvaluetheory)。Iso-Ahola提出了“逃—寻”二分法旅游动机模型,“逃”指离开日常环境的愿望,“寻”指通过去相对照的旅游环境获得内在心理回报的愿望,等等。然而针对旅游动机与旅游者重游意向关系方面的研究较少,更多的文献关注于游客满意度与重游或目的地忠诚关系的研究。奥派曼(Oppermann)研究了满意与重游的关系,他认为:“高度满意的游客依然有可能不会重游,因为他们可能想看新的东西。相反,不太满意的游客也可能会重游,因为熟悉的旅游地会有较小的风险”。索门兹(Sonmez)和格瑞非(Graefe)在他们的研究中发现过去的目的地旅游经历会增加旅游者重游的意图,古德曲(Goodrich)认为,过去的旅游经历影响行为意图,过去的旅游经历会比从外部获得的信息对未来的旅游决策的影响更大。贝罗(Bello)和艾德洲(Etzel)得出结论“与其它的消费行为不同,即满意会导致重复购买,非常有吸引力的旅游目的地可能会阻碍重游行为,因为熟悉会降低或消除新奇感”。黄福才、黄颖华通过对内地访港旅游者的问卷调研,探讨了目的地忠诚与旅游质量、感知价值、满意之间的作用机理。汪侠、梅虎探讨旅游地顾客忠诚的度量指标和驱动因素。邵炜的研究认为那些短途的,以市场开发为导向,以休闲度假旅游产品为主的旅游目的地,形成游客忠诚有较大的可能性。然而,旅游产品的体验性特征使熟悉的产品对游客的吸引力会降低,因此满意在很多情况下并不能使旅游者重游。事实上,旅游动机是引起旅游重游行为的重要因素,国内学者已有这方面的实证研究,但对什么样的旅游动机会引起旅游者重游意向目前还缺乏深入研究。因此本文尝试从旅游动机的角度出发,探析旅游者旅游动机与目的地重游之间的作用机理。通过对国内游客旅游动机及重游意愿的实证研究,比较不同旅游者个体因素形成的旅游动机差异,识别旅游动机与重游意愿间的关系,以期帮助旅游地针对不同的细分市场采取营销战略、吸引游客重游,也为游客目的地忠诚领域的进一步研究提供参考。2同意程度问卷和因子分析本项研究在问卷设计时,首先通过在旅游网站、北京几大5A级旅游景区和身边同学朋友等小范围内的个人访谈,了解旅游者外出旅游的动机,提取频次较高的关键词作为旅游动机问卷的初始题项。在初始题项提取完成后,参考近年来国内外一些旅游动机研究者对动机因子提取的相关研究成果[14,15,16,17,18,19,20,21,22,23,24,25,26,27](见表1),并参照张宏梅和陆林总结的近年国内外不同研究者旅游动机研究中常用的测度语句,根据研究的需要,对测度语句进行了修改和增补,最终制定了测度项目27个(具体内容见表3“删除题项”和表4“题项”一栏),完成问卷的设计。问卷主要包括两个部分,第一部分为27个陈述项目,列出了引发旅游动机的主要因素。这部分采用李克特(LIK-ERT)5级量表方式设计,要求回答者在题项后标明他们的同意程度(1=非常不同意、2=不同意、3=中立、4=同意、5=非常同意)。问卷第二个部分包括回答者的人口统计特征的四个方面的题项和是否有重游计划的一个题项(1=是,0=否)。鉴于旅游动机会对旅游目的地的选择产生影响,即选择某一特定目的地的游客可能会倾向于相似的动机。因此,本研究不采用固定旅游目的地发放问卷的方式,而是通过同学和朋友共40人,通过网上发放问卷,要求这40人每人完成10份问卷的填写,并要求问卷的填写者在客源地、年龄、收入、学历方面尽可能形成一定差异,问卷根据被调研者的最近一次旅游经历填写。问卷发放时间集中于2009年8月份—10月份,共发放问卷400份,回收386份,其中有效问卷337份。回收率和有效率分别为96.5%和87.3%。首先,对问卷27个题项进行探索性因子分析,因子提取使用主成分分析法,因子旋转使用方差极大法。通过因子分析揭示旅游动机的维度,从而将大量的题项缩减为能够高度反应基本信息的少量因子。在因子选择方面,根据学者凯瑟(Kaiser)的观点,保留特征根大于1,因子载荷大于0.5的题项。其次,本文主要目的是研究旅游动机对重游可能性的影响,对于因变量是二分类变量(0或1)的情况下,logistic回归分析较为适合,在logistic回归分析中,一事件的发生概率可被直接估计出来。Logistic回归模型可以写成如下形式:ln(P)=B0+B1(X1)+B2(X2)+……+Bn(Xn)。其中,P为某事件的发生概率,取值范围0—1,1-P为该事件的不发生概率,将比数P/(1-P)取自然对数得ln(P/(1-P)),即为ln(P);模型中参数B0是常数项,表示自变量取值全为0时,比数(P=1与P=0的概率之比)的自然对数值,参数B1,…,Bn称为logistic回归系数,表示当其他自变量取值保持不变时,该自变量取值增加一个单位引起比数自然对数值的变化量。经过变换,通常也将logistic模型写做如下形式:本研究中,因变量就是旅游者在“您是否有计划将来再次来此地重游”题项上选择“是”与“否”的比数(P=1与P=0的概率之比),自变量则是各因子算术平均数得分(对因子所包含题项得分的加总平均得到)。logistic回归分析具体形式如下:其中,e=自然对数底;z=B0+B1(X1)+B2(X2)+…+Bn(Xn);B0=常数项;B1,…,Bn=各自变量的回归系数;X1,…,Xn=各因子算术平均数得分。如果估计得出的重游的概率小于0.5,那么就说明旅游者不会选择重游,如果估计得出的重游的概率大于0.5,则说明旅游者会选择重游。3结果分析3.1因子分析方法表2反映了被调查者的基本情况,从中可以看出样本的随机性比较理想,具有良好的内容效度囊括了调研群体不同年龄层次、不同文化程度、不同收入阶层的各类人员,男女比例相当,年龄结构以中青年为主,主要集中在25—55岁(占样本总数的72.1%);被调查者的学历以中等学历为主,主要集高中、中专和大专、大学学历之间(占样本总数的85.1%),收入以中等收入(2000—5000元)阶层为主(占样本总数的70%)。在进行因子分析之前对27个题项进行KMO统计量分析和巴特利特球型检验,以检验样本数据是否适合做因子分析,结果显示KMO值为0.743。大于0.7,说明因子分析效果较好。巴特勒球形检验显著性概率为0.000,代表量表有共同因素存在,适合作因子分析。因子分析采用主成分萃取方法提取公因子,并使用方差最大化正交旋转法对提取的公因子进行旋转,得到旋转后的因子负荷矩阵。通过分析发现“探亲访友并顺便旅游”和“公务出差并顺便旅游”两个在所有因子上的载荷均低于0.5的题项,为了提高因子分析的结果,将该项剔除,并对其余25个题项再次进行KMO统计量分析和巴特利特球形检验。此时的KMO值为0.837,巴特利特球形检验的显著性概率仍是0.000,说明适宜做因子分析(见表3)。3.2调查问卷的信效度和效度根据上述方法,再次进行因子分析。剩余25个题项在单一维度的因子负荷均大于0.5,表明量表具有良好的收敛效度和单维度性。通过因子分析的主成分提取,获得六项旅游动机公因子,分别是命名为:“休闲度假动机”、“学习提高动机”、“探新求异动机”、“获取声望动机”、“感情交流动机”和“外界刺激动机”。3个公因子的累计贡献率为71.98%,克朗巴哈α信度系数水平都达到0.5以上的可接受水平。该部分总体信度系数为0.853,具有较高的内在一致性(表3)。第一公因子为“休闲度假动机”,与调查问卷中序号为18、1、13、2、14、15的6个变量高度相关,其方差贡献率达19.62%,说明,相比之下,这是各因子中所含信息量比重最多的重要因子;第二公因子为“学习提高动机”,与调查问卷中序号为16、3、17、6、4的5个变量高度相关,其方差贡献率达16.495%,处于第二位,说明该因子所含信息量也较多;第三公因子是“获取声望动机”,与调查问卷中序号为5、8、10、12的4个变量高度相关,其方差贡献率为12.272%;余下的3个公因子依次为“探新求异动机”、“感情交流动机”和“外界刺激动机”,方差贡献率分别为8.949%,7.455%和7.189%(见表4)。3.3旅游动机对重游概率的影响要探讨旅游动机对旅游重游可能性的影响,由于结果只有“是”和“否”两种可能,对于因变量是二分类变量(0或1,即“是”或“否”)的情况下,logistic回归分析较为适合。基于对logistic回归的文献回顾,在做logistic回归分析时,主要基于以下原则和方法。第一,在模型变量选择时采用逐步进入方程法;第二,以假定参数为基础作似然比概率检验,向前逐步选择自变量;第三,在模型建立过程中,采用向前选择和向后排除法,P≤0.05进入和P≥0.10移除变量。旅游动机对重游概率的影响的Logistic回归模型如下:其中,e=自然对数底;z=B0+B1(X1)+B2(X2)+…+Bn(Xn);X1=休闲度假动机;X2=学习提高动机;X3=探新求异动机;X4=获取声望动机;X5=感情交流动机;X6=外界刺激动机;B0=常数项;B1,…,B6=各自变量的回归系数。从表5、表6的logistic回归结果可以看出,有四个变量进入模型,包括“休闲度假动机”(X1)、“学习提高动机”(X2)、“探新求异动机”(X3)和“获取声望动机”(X4)。根据分析得出的各个变量的回归系数,可以将旅游动机对重游概率影响的logistic回归模型的方程写做如下形式:ln(Y)=-2.690+0.705X1+0.932X2-0.838X3-0.683X4。从表5可以看出,旅游者的“休闲度假动机”(X1)和“学习提高动机”(X2)与重游之间存在显著的正相关性;“探新求异动机”(X3)和“获取声望动机”(X4)与旅游者重游之间存在显著的负相关性。而本研究中自变量的变化由Likert五级量表测量,因此自变量和因变量之间的关系的强弱则可以由自变量回归系数来解释,即系数绝对值越大,则因变量变化受自变量的变化影响越显著,系数的正负则代表着影响的方向。而“感情交流动机”(X5)与“外界刺激动机”(X6)与旅游者选择重游与否没有显现出显著的相关性。方程中各个自变量的系数可以解释为:保持其它的自变量不变的情况下,当旅游者的“休闲度假动机”(X1)每增加一个单位,旅游者选择“重游”与选择“不重游”之概率比的自然对数值将提高0.705个单位;当“学习提高动机”(X2)增加一个单位,旅游者选择“重游”与选择“不重游”之概率比的自然对数值将提高0.932个单位。相反,当保持其他自变量不变的情况下,当旅游者“探新求异的动机”(X3)提高一个单位,旅游者选择“重游”与选择“不重游”之概率比的自然对数值将降低0.838个单位;同样,当“声望动机”(X4)提高一个单位,选择“重游”与选择“不重游”之概率比的自然对数值将降低0.683个单位。旅游者选择重游与否的概率可以通过logistic回归模型进行估计:其中:Z=-2.690+0.705X1+0.932X2-0.838X3-0.683X4当旅游者对“休闲度假动机”(X1)和“学习提高动机”(X2)两个重游的正相关因素的选择均为5(非常同意),并且对“探新求异动机”(X3)和“声望动机”(X4)两个重游的负相关性因素选择为1(非常不同意)时,将数值带入方程可以得出,旅游者重游的概率为98.15%。相反,当两个重游的正相关因素得分均为1,两个重游负相关影响因素的得分为5时,通过计算可以得知,旅游者重游的概率则小于0.1%。利用此4个旅游动机变量的logistic回归模型对原旅游者的重游意向“您是否有计划在将来再次来此地旅游”进行判断。对于“否”选项判断17项正确,19项错误,也就是将本来游客选择“否”的选项判断为“是”的有19项,正确率为47.2%;对于“是”选项的判断13项误判,288项正确,正确率为95.7%,总体判断准确率为91.0%(见表7)。4旅游地策略建议本文在文献回顾、相关研究成果和专家建议的基础上,对旅游者的旅游动机进行了问卷测量设计,以旅游动机测量问卷为基础,基于网上调查数据,对旅游者的旅游动机和重游意向之间的关系进行了研究。研究发现:旅游者旅游动机对重游意向存在显著的影响,并且不同的旅游动机与旅游者重游意向存在差异。在本文设计的调查问卷提取的六项旅游动机中,“休闲度假动机”和“学习提高动机”对旅游者的重游意向有着正向影响,重游概率随着这两个动机的提高而增大;“探新求异动机”与“获取声望动机”对旅游者的重游意向有负面影响,重游概率随着两方面动机的增高而减小;而“感情交流动机”与“外界刺激动机”与旅游者重游意向没有显著影响。结合本研究的结论,本文对旅游地提出如下策略建议