英国赴华度假旅游市场的逐步回归分析，本文主要内容关键词为：英国论文,旅游市场论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
对于英国赴华度假旅游市场，笔者曾就市场的细分等问题在《旅游学刊》和《旅游调研》上做过一番探讨。在运用因素分析和组群分析（或称聚类分析）对各细分市场进行特征辨识时，大量未被认知的特征得以披露。运用组群分析的方法，根据英国赴华度假旅游者的社会经济特征，人口统计特征和旅行特征所做的分类，展示了这些旅游者在评估其不同的度假活动项目时的显著差异。为了进一步明确这些关系，更准确地识别这些社会经济，人口统计和旅行变量（这些变量可以被用来“预测”旅游者的度假活动预期），本文拟运用逐步回归法对此做更深层次的探讨。
逐步回归技术的思路是每次在一个回归预测方程式中只加入一个变量。在每一步中，被选中的变量是与因变量存在最大偏相关关系分的那一个，前提是此前被选中的各变量的保留在方程式中。如果只有那些对因变量的方差具有最大解释能力的变量进入方程式，那么便得到了一个“精简的”预测方程式，它提供了一个通过最少显著变量来解释方程差的最佳途径。本文对各因素值(Factor Slores)与相应的社会经济、人口统计和旅行特征等变量间关系的分析便是依照这一过程进行的。分析的结果见表1。在表中的每一栏，是最后回归方程的偏回归分数，在方程式中包括了最后一个显著预测变量。在这个分析中，并非所有变量都被列入表中，只有那些至少进入一个方程式，或至少与一个因变量有显著的简单相关关系的变量才被列入。在这里，需要注意的是，特别、旅游方式以及所有职业和家庭结构变量都是虚拟变量(dummy variables)，其回归系数按虚拟变量定义的类别对回归常数（regression constant，即回归方程的平移）予以调整。
在这17个自变量中，只有9个至少进入了七个回归方程式中的一个。这些变量对方程式的显著贡献按其顺序排列为年龄（分别对因素Ⅱ、因素Ⅴ、因素Ⅵ和因素Ⅶ有显著贡献），特别（分别对因素Ⅰ、Ⅱ、Ⅲ有显著贡献），高级管理人员和行业专家（因素Ⅰ和Ⅴ），离婚、分居与丧偶（因素Ⅴ和Ⅵ），与伴偶及未成年子女生活（因素Ⅰ和Ⅶ），旅行方式（因素Ⅱ和Ⅳ），学生（因素Ⅰ）和停留夜数（因素Ⅴ）。这些变量是用来预测由七个因素定义的需求活动模式的显著变量。很有趣的是，这些变量中没有包括家庭年收入和受教育水平这两个看似重要的变量。这说明，从这两个变量预测任何一种旅游需求，在给定的约束条件下（例如，旅游市场：英国旅游者；旅游目的地：中国），其有效性是不充分的。
逐步回归分析——预测模型最后结果
表1
注：* 表示95%的显著水平
** 表示99%的显著水平
＋或－表示变量与因变量有显著的简单正（＋）或负（－）相关关系，但这些变量未进入预测方程式()括号中的数值为标准误
从表1中我们能获得的启示至少是：
1、对于男性旅游者来说，“山水风光旅游”（因素Ⅰ）较不重要。与此同时，这一倾向也表现在学生、高级管理人员与行业专家，以及与未成年子女生活的夫妇。
2、“健身运动旅游”（因素Ⅱ）对于男性旅游者和散客来说较为重要，但是，毫不奇怪，这种重要性随着年龄的增长而衰减。
3、“文化艺术旅游”（因素Ⅲ）对于教师和女性旅游者来说显然较为重要。
4、对“城市观光购物娱乐”（因素Ⅳ）的反应散客与组合旅游者有很大差别，前者认为较不重要，而后者正相反。
5、“摄外摄像及访古旅游”（因素Ⅴ）的重要性随年龄增长和停留时间的延长而衰减，而且对于社会高层人士以及那些离婚、分居或丧偶的人来说也不甚有吸引力。
6、“社会旅游”（因素Ⅵ）对于老年人以及离婚、分居或丧偶的旅游者来说没有多大吸引力。
7、最后，随着年龄的增长和未成年子女的增加，“品尝中国食品——美食旅游”的吸引力也在降低。
表1中除了列出了各显著偏回归方程式的系数外，还列出了与因变量有显著的简单相关关系的一些自变量以及这种关系的性质。这些自变量只是因为彼此间存在着多元共残性(multi-colinearitg)的关系才没有相应进入任何方程式。表1中所展示的这些简单相关关系表明：
1、“年龄”，“离婚、分居或丧偶”，以及“单身”这些变量，与“山水风光旅游”有着正相关关系。
2、“离婚、分居或丧偶”这一变量与“健身运动旅游”呈负相关。
3、“年龄”与“文化艺术旅游”和“城市观光购物娱乐”呈负相关。
4、“社会旅游”对教师和已婚者来说较有吸引力，但对男性和独自生活的旅游者来说又不然。
5、学生往往对“美食旅游”打分偏高。
表1中最后一行所列的数据是预测方程式对方差的解释水平(R[2])。如果仅从这些数值来判断预测方程式的价值的话可能会令人觉得失望，因为这些数值稍显偏低。但是，考虑到自变量和因变量的原始测量中我们的赋值较为粗糙，加之在预测模型中大量采用了虚拟变量，尤其是在变量间明显存在的多元共残性等事实，要期望方差的解释水平很高是不现实的。象现在这样能够得到如此显著的、有解释力的并能辨识出如此有用的相关关系的分析结果已经令人欣慰了。这些结论对我们在其它文章中运用因素分析和组群分析所得出的结论有很大的补充价值，并且提供了更多的启示，因此有助于中国的旅游决策者们形成更为有效的市场营销策略。