家庭收入對學生旅游行為的影響研究

鄭朝忠，吳晉峰，石曉騰，段婉粉

（1.陜西師范大學地理科學與旅游學院，陜西西安 710119；2.陜西省旅游信息科學重點實驗室，陜西西安 710119）

據國家教育部統計，2019 年我國各學歷段的在校學生人數高達2.8 億人之多，約占我國總人口的20%［1］。從有關學者近20 年對國內旅游市場的抽樣調查結果來看，學生樣本占調查樣本的比例在20%—30%之間［2－8］。近年來，在國家政策的大力扶持下，研學旅游迅速發展，學生旅游市場前景廣闊［9，10］。收入是影響旅游者消費行為的重要因素［11，12］，對于經濟沒有獨立的學生群體而言，家庭收入是影響其旅游行為的重要因素。

自20 世紀50 年代以后，修學旅游成為學生教育的組成部分［13］，學生旅游研究逐漸受到關注。國內外學生旅游研究內容主要包括學生旅游行為［14－22］及其影響因素［23－35］、學生旅游市場開發與營銷［36－44］、學生旅游市場細分［13，45－48］等方面。①學生旅游行為方面，已有研究主要以大學生為研究對象。如，李麗梅、保繼剛研究發現，大學生的旅游目的地選擇符合距離衰減規律［16］；茍小東、馬耀峰、李富升研究表明，80%的大學生出游距離在800km 范圍以內［17］；Xu、Morgan、Song 研究發現，中英兩國大學生都喜歡海濱度假，但中國學生認為參觀著名景點并了解其他文化和歷史更為重要［22］；毛佳敏、周旗、周毓棟等研究發現，大學生的旅游活動偏好以自然風光為主［15］。②學生旅游行為的影響因素方面，主要研究個體因素、旅游目的地因素和媒介因素的影響。其中，個體因素包括月生活費［23］、旅游動機［24－26］、旅游態度［27，28］、旅游經歷［29］等；旅游目的地因素包括知名度［30］、基礎設施條件［31，32］、安全狀況［33］、旅游產品和服務質量［34］等；媒介因素包括距離［35］等。③學生旅游市場開發與營銷方面，大多數研究在剖析學生旅市場特征的基礎上，提出學生旅游產品開發的建議與市場營銷策略，如加大政府扶持力度［36，37］、開發符合學生需求的多元化、特色化的旅游產品［38，39］、創新營銷理念和策略［40］、提高服務質量［41，42］和加強校企合作［43，44］等。④學生旅游市場細分方面，現有研究主要以旅游動機、年齡等作為市場細分變量。Xu、Morgan、Moital從旅游動機的角度出發，將中英兩國大學生旅游市場細劃分為保守型、狂熱型、冒險型、尋樂型和學習型等5 類［45］；Bicikova 根據旅游動機和年齡等特征，將英國大學生旅游市場細分為海濱度假者、觀光客、中間派和泡吧族等4 類［46］；盧錦豪、黃海平、周雪晴基于旅游動機將我國大學生旅游市場細分為體驗型、從眾型和學習型等3 類［47］；高王景根據旅游動機將我國大學生鄉村旅游市場細分為期望所有型、自然—文化型、自然—鄉村型、被動型等4 類［48］。

盡管學界和業界普遍認為學生是潛力巨大、利潤豐厚的旅游市場［46］，但迄今為止，國內外學生旅游行為研究主要聚焦在大學生群體［49］，對其他學生群體及其家庭收入對學生旅游行為的影響研究相對薄弱。本文以北京、上海、武漢、成都4 個城市的大中小學生群體為例，研究家庭收入對學生旅游行為的影響，以期豐富和深化學生旅游行為研究內容，為學生旅游市場細分、產品開發和精準營銷提供參考依據。

1 數據來源與研究方法

1.1 數據來源

數據來自于國家自然科學基金項目大樣本調查問卷［50］。問卷調查時間為2017 年10 月—2018 年8月，調查對象為北京、上海、武漢、成都城市居民，分別收回有效問卷2077 份、2305 份、1039 份、1618 份，有效率分別為90.30%、92.20%、86.58%、95.18%。由于本文研究的是家庭收入對學生旅游行為的影響，因此從中挑選出職業為學生并已填寫家庭年收入的問卷作為樣本，北京、上海、武漢、成都的樣本量分別為308 份、421 份、197 份、308 份，樣本人口學特征見表1。

從表1 可知，女性學生的占比略高于男性學生；年齡在18—27 歲的學生占比較大；受教育程度方面，各學歷段均有分布，高中及以下學生約占整個樣本的33.33%；家庭年收入方面，各收入段的學生均有分布。綜上，4 個案例地的樣本具有代表性。

表1 樣本人口學特征

1.2 家庭收入類型的劃分

據2019 年《中國統計年鑒》［51］，不同收入組的人均年可支配收入分別為14386.9 元、24856.5 元、35196.1 元、49173.5 元、84907.1 元，全國平均家庭戶規模為每戶3 人，本文將人均年可支配收入乘以3得到的結果用以表示家庭年總收入，得到各收入組家庭年總收入均值分別為43160.7 元、74569.5元、105588.3 元、147520.5 元、254721.3 元。出于研究需要，學者們通常將中等收入偏下戶、中等收入戶、中等收入偏上戶合并為中等收入群體［52］。結合調查樣本收入分布，本文將家庭年總收入低于8 萬元的確定為低收入家庭，8—15 萬元的確定為中收入家庭，大于15 萬元的確定為高收入家庭。調查樣本中，不同家庭收入學生群體構成見表2。

表2 不同收入家庭學生群體構成

1.3 研究方法

到訪率：到訪率是衡量旅游者目的地選擇行為的重要指標［53］，計算公式為：

式中，Pij表示第i個學生群體對第j個目標景區的到訪率；i 表示不同家庭收入學生群體（1，2，3 分別表示高、中、低收入家庭群體）；j 表示目標景區；Mij表示到訪過第j個目標景區的第i 個學生群體的人數；Ni表示第i個學生群體的總人數。

非參數檢驗：非參數檢驗是一種不依賴于總體分布的統計檢驗方法，相對于參數檢驗，具有數據類型適用范圍廣、穩健性高的優勢［54］。Mann－ Whitney U檢驗（簡稱U 檢驗）和Kruskal－Wallis 檢驗（簡稱K－ W檢驗）是非參數檢驗的常用方法，本文使用SPSS22.0 軟件先對同一案例客源城市不同家庭收入學生群體間的到訪率進行K－ W檢驗。顯著性水平設為0.05，若p 值小于0.05，則認為不同家庭收入學生群體的到訪率存在顯著差異；反之，則不存在顯著差異。若K－ W 檢驗存在顯著差異，采用U 檢驗［22］進行群體間到訪率的兩兩比較。

GIS空間分析：運用IDW 反距離權重插值法對4個案例客源城市不同家庭收入學生群體的到訪率進行空間可視化，以顏色的深淺變化反映到訪率值大小的變化。其中，4 個案例城市的經緯度均采用市政府所在地的經緯度，各目標景區的經緯度以景區旅游服務中心所在地的經緯度代替，經緯度通過百度地圖的API坐標拾取器工具獲取。

2 結果及分析

2.1 不同群體旅游目的地選擇行為

到訪率非參數檢驗結果：運用SPSS22.0 軟件對不同案例地不同收入家庭學生群體的到訪率值進行K－ W 檢驗，以比較同一城市內不同群體的到訪率是否存在顯著差異。為進一步分析各案例城市內部任意兩個群體間的差異，對各案例客源城市內不同群體間的到訪率值進行U 檢驗（表3）。由表3 可知，各案例客源城市到訪率K－W 檢驗得到的p 值均小于0.05，表明各案例客源城市中不同收入家庭學生群體間的到訪率均存在顯著差異。

表3 不同群體到訪率K－ W檢驗和U檢驗結果

高收入家庭學生群體與中收入家庭學生群體相比，4 個案例地中有3 個城市的到訪率U 檢驗的P值小于0.05，分別是北京、上海、成都；高收入家庭學生群體與低收入家庭學生群體相比，4 個案例中有3 個城市的到訪率U檢驗的P值小于0.05，分別是北京、武漢、成都。中收入家庭學生群體與低收入家庭學生群體相比，4 個案例客源城市中僅有上海和武漢兩個城市的到訪率U 檢驗的P值小于0.05。整體上，4 個案例客源城市內不同群體的到訪率是存在顯著差異的，但各城市內部群體間兩兩比較不一定存在顯著差異。高收入家庭學生群體與中、低收入家庭學生群體到訪率差異更為明顯，中、低收入家庭學生群體間到訪率差異較小。

到訪率距離分布特征：以交通距離為橫坐標，不同家庭收入學生群體對目標景區的到訪率為縱坐標，繪制到訪率距離分布圖（圖1a－ d）。通過“路路通”網站獲取各案例客源城市至目標景區間的最短鐵路里程，百度地圖獲取案例客源城市火車站到目標景區的最短公路里程，以二者之和代表客源城市至目標景區的最短交通距離。同時，為尋找到訪率距離衰減的規律，剔除各案例客源城市到訪率異常高、低值景區，并以各案例客源城市為中心，以100km為一個圈層，繪制圈層平均到訪率距離分布圖并進行擬合（圖1e－ h）。擬合過程中發現e 指數函數擬合效果較好，擬合優度R2介于0.74—0.96之間，相關參數值見表4。

從圖1a－d 可見，4 個城市的黑色曲線都在紅色和綠色曲線之上，說明高收入家庭學生群體的到訪率普遍高于中、低收入家庭的學生群體。此外，各城市不同家庭收入學生群體的到訪率距離分布曲線的起伏形狀具有相似性，高到訪率景區和低到訪率景區具有一致性，說明不同家庭收入學生群體的目的地選擇偏好具有相似性。由表4 可知，高收入家庭學生群體的到訪率均值和中位數值均大于中、低收入家庭的學生群體。學生群體的出游行為受家庭收入水平的影響顯著，家庭收入越高的學生群體，出游力越強，對同一目標景區的到訪率越高。高收入家庭的學生群體比低收入家庭的學生群體到訪率平均值最大相差10 個百分點（北京），最小相差4 個百分點（上海），中位數最大相差8 個百分點（北京），最小相差2 個百分點（上海）。北京和成都不同家庭收入學生群體的到訪率懸殊較大，上海到訪率懸殊較小。

結合圖1e－ h和表4 可見，4 個案例地中，不同家庭收入學生群體的到訪率均隨距離的增加而不斷減小，符合距離衰減規律，并呈e指數衰減。不同家庭收入的學生群體對遠距離目標景區的到訪率較低，對近距離目標景區的到訪率較高。不同家庭收入學生群體的到訪率具體衰減速率不同，家庭收入越高的學生群體，其到訪率距離衰減速率越小，且到 訪率受距離的制約越小。

表4 到訪率描述性統計特征與擬合曲線函數參數值

圖1 不同收入家庭學生群體到訪率距離分布

整體而言，盡管3 種群體的到訪率距離衰減規律一致，但從到訪率均值和中位數、曲線的形狀及衰減速率等方面來看，高收入家庭學生群體與中、低收入家庭學生群體間的差異較大，中、低收入家庭學生群體間則更為接近。

到訪率空間分布格局：通過ArcGIS10.2 軟件繪制各案例客源城市不同家庭收入學生群體的到訪率空間分布圖（圖2）。圖中A、B、C分別表示高、中、低收入家庭的學生群體，以顏色深淺反映到訪率值的大小，紅色越深，表示到訪率越高；反之，綠色越深，表示到訪率越低。同時，為便于比較分析不同群體的到訪率空間分布特征和差異，分別以案例客源城市為中心，繪制半徑為500km、1000km的兩個圓圈。

從圖2 可以看出，不同家庭收入學生群體的到訪率值均表現為以客源城市為中心向四周逐漸遞減的空間分布格局，距離客源城市越遠，景區的到訪率相對越低。此外，不同家庭收入學生群體均在距客源城市較遠的地方出現到訪率“飛地”現象，即對距離客源城市較遠的個別景區依然保持較高到訪率。各案例客源城市高到訪率“飛地”主要出現在京津冀、長三角、關中和海南等交通發達、經濟發展水平高、城市密集且高A 級景區密度較高的區域［55］，家庭收入越高的學生群體，其高到訪率“飛地”現象越明顯，且出現的“飛地”多為高知名度、高吸引力的景區，如北京故宮、上海東方明珠等?？梢?，不同家庭收入學生群體的目的地選擇均符合距離擇近、景點擇高、經濟擇富的“三擇［56］”特點。

圖2 不同收入家庭學生群體到訪率空間分布

就同一客源城市而言，不同家庭收入學生群體的高到訪率空間（連續紅色、橙色區域）大小不同。高收入家庭的學生群體紅色、橙色區域最多，高到訪率空間最大，中收入家庭的學生群體次之，低收入家庭的學生群體紅色、橙色區域最少，高到訪率空間最小。在距客源城市500km 范圍內，北京、上海、成都不同家庭收入的學生群體主要以紅色和橙色區域為主，高到訪率空間差異不大，僅在500km邊緣區域伴有少量黃色和綠色。武漢高收入家庭的學生群體紅色、橙色區域最多，高到訪率空間最大；中收入家庭的學生群體以黃色區域居多，高到訪率空間較小；低收入家庭的學生群體綠色區域占比最大，高到訪率空間最小。

在距客源城市500—1000km 范圍內，北京、武漢、成都均表現為家庭收入越高的學生群體，紅色、橙色區域越多，高到訪率空間越大。上海高收入家庭的學生群體以黃色區域居多，高到訪率空間較?。恢械褪杖爰彝サ膶W生群體以綠色區域為主，高到訪率空間很小。在距客源城市1000km 以外，北京、成都高收入家庭的學生群體以黃色、綠色區域為主，但仍存在大量紅色和橙色區域，高到訪率空間擴展到1000km以外；中低收入家庭的學生群體主要以黃色、綠色區域為主，高到訪率空間較小。上海、武漢高收入家庭的學生群體以黃色和淺綠色區域為主，而中低收入家庭的學生群體則以深綠色區域居多。綜合來看，高收入家庭學生群體的高到訪率空間范圍較中低、收入家庭的學生群體更大。

到訪率累積曲線：為分析不同家庭收入學生群體的出游空間結構差異，分別將4 個案例客源城市高、中、低收入家庭學生群體的到訪率數據進行匯總，以交通距離為橫軸，累積到訪率、斜率為縱軸繪制到訪率累積曲線和斜率圖（圖3）。圖中以豎線將累積到訪率曲線分割為不同的部分，粗線標出累積到訪率達80%［57］對應的位置。

從圖3可見，以交通距離衡量，高、中、低收入家庭學生群體的累積到訪率達80%的位置分別為距高客源城市1999km、1882km、1944km 處，接近2000km。累積到訪率隨出游距離的增加呈階段性變化，斜率值分布曲線相應波動，出游空間并不連續。以第一個斜率極高值出現的位置衡量核心出游空間邊界，高收入家庭學生群體的斜率曲線在距客源城市1327km處出現第一個斜率極高值，中低收入家庭學生群體的斜率曲線均在距客源城市1112km 處出現第一個斜率極高值，高收入家庭學生群體的核心出游空間比中低收入家庭的學生群體大約200km。

圖3 不同收入家庭學生群體到訪率累積曲線和斜率分布

2.2 不同群體旅游活動類型偏好

為了分析不同家庭收入學生群體的旅游活動類型偏好差異，本文分別將4 個案例客源城市高、中、低收入家庭學生群體對不同旅游活動類型的占比進行匯總，求出不同群體間各類旅游活動類型占比的差值，并繪制出旅游活動類型占比差值圖（圖4）。從圖4 可見，高—中、高—低、中—低分別代表高收入家庭與中收入家庭、高收入家庭與低收入家庭、中收入家庭與低收入家庭學生群體間不同旅游活動類型占比的差值。

圖4 不同收入家庭學生群體旅游活動類型占比差值

從圖4 可見，不同家庭收入學生群體的旅游活動類型偏好存在較大差異。高收入家庭和中收入家庭的學生群體相比，高收入家庭的學生群體更喜歡美食、溫泉度假類活動，中收入家庭的學生群體更喜歡欣賞自然風光。高收入家庭和低收入家庭的學生群體相比，高收入家庭的學生群體更喜歡探訪文物古跡類活動，低收入家庭的學生群體更喜歡欣賞自然風光、逛主題公園或游樂場。與中收入家庭的學生群體相比，低收入家庭的學生群體更喜歡美食、逛主題公園或游樂場。整體來看，高收入家庭的學生群體更喜歡海濱度假、溫泉度假和探訪文物古跡，低收入家庭的學生群體更喜歡觀賞自然風光、逛主題公園或去游樂場。

2.3 不同群體旅游交通方式選擇行為

已有研究表明，自駕車、火車（含高鐵）和飛機是我國居民國內旅游時采用的最主要的3 種交通方式［50］。為了分析不同家庭收入學生群體出游時對這3 種交通方式的選擇情況，本文統計了4 個案例地不同群體選擇不同交通方式出游的比例（表5）。同時，為了反映不同家庭收入學生群體在不同距離圈層內出游時，選擇各種交通方式的比例及其變化情況，以各案例地為中心，以100km 為一個圈層，分別計算不同距離圈層內各群體訪問不同目標景區時選擇各種交通方式的比例，并以交通距離為橫坐標，以圈層內3 種交通方式的占比為縱坐標，繪制了不同家庭收入學生群體旅游交通方式選擇比例距離分 布圖（圖5）。

圖5 不同收入家庭學生群體旅游交通方式選擇比例距離分布

表5 不同收入家庭學生群體旅游交通方式選擇比例

由表5 可知，不同家庭收入學生群體旅游交通方式的選擇比例不同。從橫向上對比，高收入家庭學生群體選擇飛機和自駕出游的比例要大于中低收入家庭學生群體，中低收入家庭學生群體選擇火車出游的比例要大于高收入家庭學生群體。從縱向上對比，高收入家庭學生群體選擇自駕出游的比例最高，其次是飛機，火車最低，選擇自駕和飛機出游的比例之和超過70%；中低收入家庭學生群體選擇火車出游的比例最高，自駕次之，飛機最低，選擇火車和自駕出游的比例之和超過70%。從圖5 可知，不同群體的旅游交通方式選擇行為均會在客源城市周圍產生躍遷現象，但不同群體旅游交通方式躍遷帶的位置不同。高收入家庭學生群體在0—800km 范圍內以自駕為主要交通方式，800—1300km 范圍內以火車為主要交通方式，1300km以外以飛機為主要交通方式。中低收入家庭學生群體在0—500km 范圍內以自駕為主要交通方式，500—1800km 范圍內以火車為主要交通方式，1800km以外沒有穩定的主要交通方式，這主要與中低收入學生群體對遠距離目標景區的到訪人數少有關，個別人交通方式的變化即會導致交通方式的比例發生非常大的變化。高收入家庭學生群體以自駕出游為主的出游空間比中低收入家庭學生群體大300km，且在1300km外便以飛機為主要交通方式。

3 結論與討論

3.1 結論

主要結論：①不同家庭收入學生的高到訪率空間大小不同。家庭收入越高的學生，高到訪率空間范圍越大，在距客源地較遠的地方出現的“飛地”較多。學生80%的出游距離在距客源城市交通距離2000km范圍內，高收入家庭學生的核心出游空間為交通距離1300km，中、低收入家庭學生的核心出游空間為1100km，高收入家庭學生的核心出游空間比中低收入家庭的學生大200km。②雖然不同家庭收入學生的旅游目的地選擇偏好具有相似性，但是旅游活動類型偏好不同。不同家庭收入學生群體的旅游目的地選擇均符合“距離擇近、景點擇高、經濟擇富”的“三擇”特點。高收入家庭的學生更偏好海濱度假、溫泉度假和探訪文物古跡，低收入家庭的學生更偏好觀賞自然風光、逛主題公園或去游樂場。③旅游主交通方式高收入家庭學生為自駕和飛機，中低收入家庭學生為火車和自駕。高收入家庭學生以自駕出游為主的出游空間比低收入家庭學生大300km，且在1300km外便以飛機為主要交通方式，而中低收入家庭學生選擇火車出游的距離范圍比高收入家庭學生大800km。④家庭收入可作為學生旅游市場細分變量。以家庭年收入15 萬元為界，我國學生旅游市場可劃分為高收入家庭和中低收入家庭兩個細分市場。

3.2 討論

本文以北京、上海、武漢、成都4 個案例地為例，對不同家庭收入水平學生群體的旅游目的地選擇行為、旅游活動類型偏好和出游交通方式選擇行為等進行了對比研究，發現不同收入家庭學生群體的景區到訪率均符合距離衰減規律，這與已有的研究發現大學生的旅游目的地選擇符合距離衰減規律一致［16］。不同的是，本文發現學生群體對目標景區的到訪率呈指數衰減。家庭收入越高的學生群體，到訪率距離衰減速率越小，出游行為受距離約束較小，這也驗證了白倩文、吳晉峰、羅維等的研究結論［58］。本文還發現80%的學生群體出游距離在距客源城市2000km范圍內，這與已有的研究發現80%的大學生出游距離在800km 范圍以內不同［17］，說明學生群體的出游空間得到了大幅擴展。研究還發現，不同家庭收入學生群體的核心出游空間也不相同，高收入家庭學生群體的核心出游空間要比中低收入家庭的學生群體多200km。

本文發現，雖然不同家庭收入學生群體的旅游目的地選擇偏好具有相似性，均喜歡選擇近距離、高級別和發達地區的景區出游，符合“距離擇近、景點擇高、經濟擇富”的“三擇”特點，與非學生旅游者的旅游目的地選擇行為具有一致性［56，58］，但是不同家庭收入學生的旅游活動類型偏好存在差異，高收入家庭的學生更喜歡海濱度假、溫泉度假和探訪文物古跡，低收入家庭的學生更喜歡觀賞自然風光、逛主題公園或去游樂場，這說明家庭收入水平不僅影響到學生的旅游活動類型偏好，也影響了學生的旅游需求層次。

本文發現不同家庭收入學生群體的旅游交通方式偏好不同，高收入家庭學生群體多選擇飛機和自駕出游，中低收入家庭學生群體選擇火車出游的比例更高。通常，旅游預算會影響人們對交通工具的選擇［59］，飛機和自駕的經濟成本更高［60］，高收入家庭的學生群體擁有更好的經濟支持，因此選擇飛機和自駕出游的比例更高，中低收入家庭學生群體則多選擇火車出游。本文還發現，不同家庭收入學生群體選擇火車、飛機和自駕3 種交通方式出游時會產生旅游交通方式躍遷現象，進一步證明了旅游交通方式躍遷現象［50］是客觀存在的。

綜上，無論是在旅游目的地選擇行為和旅游活動類型偏好方面，還是在旅游交通方式選擇行為方面，高收入家庭學生群體與中低收入家庭學生群體間的行為差異均較大，高收入家庭學生是相對獨立的群體，而中低收入家庭學生群體間的行為表現更為接近，不同家庭收入水平的學生群體基本可細分為兩類。本文認為，除旅游動機［45］、年齡［12］等學生旅游市場細分變量以外，家庭收入可以作為學生旅游市場細分的變量，并根據家庭收入水平的不同，將國內學生旅游市場分為高收入家庭和中低收入家庭兩個細分市場。

本文仍存在一些不足：首先，本文僅選取了北京、上海、武漢和成都4 個城市的學生群體作為研究對象，地級市、縣級市等其他級別城市的學生群體是否也具有同樣的旅游行為表現，是未來需要進一步考慮的。其次，本文沒有對不同學歷段的學生進行區分，后續需要對不同年齡和不同受教育程度學生的旅游行為進行比研究。第三，本文僅對不同家庭收入學生群體的旅游目的地選擇行為、旅游活動類型偏好和旅游交通方式選擇行為等進行了初步探索，未來有待對其旅游動機、旅游心理等其他方面做進一步研究。