溫泉旅游體驗影響因素研究

王亞輝

（湖南文理學院，湖南 常德 415000）

1 引言

從我國溫泉旅游開發實踐來看，部分溫泉經營者在提高溫泉旅游者的體驗質量上走在了行業前列，如珠海御溫泉度假區率先提出了“御溫泉精細化服務”理念并付諸于行動，獲得了消費者的肯定和廣東省星評委員會的高度贊賞［1］。同時行業的需要催生了《溫泉法》和全國首部溫泉行業標準《溫泉企業服務質量等級劃分與評定》（已于2011年6月1日正式實施）的誕生［2］。但溫泉旅游的理論研究卻顯滯后，且較多地集中在溫泉開發的影響因素分析，如王華等對影響溫泉旅游開發的主要因素進行了歸納：溫泉資源的綜合素質、自然和人文景觀環境、客源市場和交通條件、區域經濟發展水平、溫泉旅游文化特色、空間集聚和競爭以及決策者行為［3］。僅有王亞輝對溫泉旅游體驗影響因素進行了研究［4］。但其以一個溫泉地旅游者為調查對象，缺乏一定的普適性。本文在其基礎上擴大了采樣范圍，旨在對提出的假設影響因素進行驗證并用因子分析法對影響因素進行簡化。

2 研究方法

本研究通過在長沙各大車站及機場對過往旅客現場分發調查問卷獲取基礎數據。

2.1 問卷設計

通過查閱相關資料，調查問卷從“體驗者的期望”、“溫泉地通達性”、“體驗過程”、“溫泉地服務”、“溫泉設施”、“溫泉地管理”、“溫泉地資源”7個方面出發，較全面地設置了30個問題。問卷包括2個方面的內容，首先是個人基本信息部分，包括體驗者的性別、年齡、客源地、學歷、職業等社會人口統計學特征，以及個人性格特征、體驗者的偏好、每年泡溫泉的次數（反映溫泉經歷的豐富程度）、是否來過溫泉地（反映對溫泉地的了解程度）等。該部分要求體驗者根據自己的情況選擇相應選項。第2部分是問卷的核心內容，即溫泉旅游體驗影響因素的測量評價部分，共19個問題，該部分采用李克特五點量表進行測度，1＝很不重要，2＝不重要，3＝一般，4＝重要，5＝很重要。

2.2 問卷發放及回收

本次問卷調查從2011年7月11日持續到7月18日，現場填寫問卷500份，其中有效問卷458份，有效率達91.6%，完成的總體情況較好。

3 數據處理與分析

3.1 問卷信度和KMO值檢驗

優質的調查問卷應該具備一定的信度。信度是指研究資料的可靠性和一致性，用于衡量調查工具的正確性或精確性［5］。從科學觀點來看，一個良好的測量工具應該具有足夠的信度，信度是社會科學研究中重要的判別指標，通過該指標的確認，研究的優劣自然可以體現。根據多位學者的總結，任何測量或量表的信度系數Alpha如果大于0.7時，表示信度系數相當高；若介于0.35～0.7之間，則為可接受信度；低于0.35時，信度較低。本問卷的Alpha系數為0.889，具有較高的信度。

KMO是Kaiser－Meyer－Olkin的取樣適當性，當KMO值愈大時，表示變量間的共同因素愈多，愈適合進行因子分析。一般認為：KMO值在0.9以上，非常適合做因子分析；在0.8～0.9之間，很適合做因子分析；在0.6～0.7之間，不太適合；在0.5～0.6之間很勉強，0.5以下就不適合做因子分析［6］。本研究的 KMO值為0.872，很適合做因子分析。

3.2 得分均值與標準差

為了獲得體驗者對溫泉旅游體驗影響因素認知的一般概括性的模式，剔除不重要的信息，合并重復的信息，筆者采用因子分析法對各影響因素變量進行分析，并通過內部一致性對問卷的信度進行檢驗。首先進行KMO測度和巴特利特球體檢驗（Bartlett＇s Test of Sphericity），檢驗結果見表1。

表1 總體假設影響因素KMO測度和巴特利特球體檢驗

從表1可以看出，KMO樣本測度值為0.872，這說明該組數據很適合做因子分析（＞0.8），同時可以看到，表中巴特利特球體檢驗的X2的統計值顯著性概率是0.000，小于1%，說明數據相關陣不是單位陣，具有相關性，也說明該數據適合做因子分析。溫泉旅游體驗影響因素重要性的總體信度系數Alpha為0.9082，19個假設影響因子的得分均值、標準差及兩個維度的信度統計結果見表2。

表2 假設影響因素的得分均值、標準差及信度系數

從表2可以看出，體驗者對溫泉旅游體驗各影響因素的打分普遍較高（滿分為5分，得分越高，認可度越大），在19項因素中，平均分均在3分以上，說明這些假設因素具有一定的重要性，可以作為溫泉旅游體驗的正式影響因素，鑒于這些因素集中性很強，說明體驗者的意見趨于一致，同時各因素的標準差均小于1，因此各因素都可以進入接下來的因子分析以簡化這些因素。

3.3 因子分析

因子分析僅對除個人內在因素（如年齡、性別等）之外的其他19項影響因子進行分析，對分析的結果進行說明或修正，并進行內部一致性檢驗，最終把這19項具體因素歸成若干個大類。具體數據分析過程如下：首先進行KMO測度和巴特利特球體檢驗（Bartlett＇s Test of Sphericity），目的是檢驗數據是否適合做因子分析，檢驗結果見表3。

表3 體驗者自身因素KMO測度和巴特利特球體檢驗結果

從表3可以看出，KMO樣本測度值為0.753，這說明該組數據適合做因子分析（＞0.7）。表中巴特利特球體檢驗的X2的統計值顯著性概率是0.000，小于1%，說明數據相關陣不是單位陣，具有相關性，也說明該數據適合做因子分析。通過因子分析得到旋轉后的因子負荷矩陣（表4）和碎石圖（圖1）。

表4 影響因素旋轉因子負荷矩陣

圖1 影響因素表現特征值的碎石圖

如圖1所示，代表主成份的5個特征值都大于1，并且從第5個開始以后驟減，表明這5個成份是可以取代所有指標的。通過因子分析得到特征值及累計解釋方差（表5）。由于前5個主成分總共解釋總方差的68.268%，因此用5個主因子代替19個變量，可以概括原始變量所包含的將近7成的信息，由此，可初步認為，這5個因子能夠解釋大部分變量，概括絕大部份信息。其他重要指標，如累計變量解釋、信度等的分析結果見表6。

表5 影響因素特征根植及累計解釋方差

表6 因子分析及信度檢驗結果

從表6來看，各影響因素經因子分析產生的5大主成分的累計解釋變量為68.268%，這說明它們涵蓋了原有指標的大部分信息，而且各指標變量因子負荷比較高（＞0.5），說明了各成分中的原始指標具有顯著相關性。同時，各分量表的Alpha系數均大于0.7，表明調查數據可以接受使用?？偭勘?9項指標的信度系數為0.885，表明具有較高的信度。關于各因子的命名，考慮到各具體影響因素，將其分別命名為：“活動內容的豐富度及服務”、“安全及食宿沐浴條件”、“溫泉水質及周邊環境”、“溫泉經歷及自我調節能力”、“體驗者的溫泉知識”。

5 結語

通過數據處理與分析及主成分因子提取法，將19個具體影響因素萃取成5個主因子作為本文的結論（表7）。

當然，本研究未考慮體驗者的人口統計學特征是否對溫泉旅游體驗有影響，所以本結論僅作為一個探索性的結論，還有待進一步完善。

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 華，彭 華.溫泉旅游開發的主要影響因素綜合分析［J］.旅游學刊，2004（5）：51～55.

［4］王亞輝.溫泉旅游體驗影響因素研究——以灰湯溫泉為例［D］.長沙：湖南師范大學，2009.

［5］盧紋岱.SPSS for Windows統計分析［M］.北京：電子工業出版社，2002.

［6］馬慶國.管理統計——數據獲取、統計原理、SPSS工具與應用研究［M］.北京：科學出版社，2002.