基于生存模型的旅游者停留時間研究-旅游管理論文

5/5基于生存模型的旅游者停留時間研究-旅游管理論文

一、引言

旅游者停留時間本質(zhì)上也可以理解為一種生存事件。生存模型被證明非常適合持續(xù)事件的模擬分析。雖然生存模型在預(yù)測持續(xù)事件的有效性和可靠性方面已經(jīng)被認(rèn)可，但在旅游方面的應(yīng)用卻不多。國內(nèi)基本還處于空白狀態(tài)，只有夏亞峰、劉開生用生存模型方法研究具有刪失（Censored）數(shù)據(jù)的旅游隨訪問題。國外也是近幾年來有部分的文章開始采用。Kaniovski（2023）等采用了Gamma生存模型分析澳大利亞的住宿業(yè)公司的存活狀況，他們認(rèn)為較大規(guī)模和市場份額會增加存活時間。Barros（2023）等采用可選擇的生存模型分析了在南美洲的葡萄牙游客的逗留時間。可選擇生存模型為Cox模型、Weibull、Logistic模型和非均質(zhì)性的Weibull模型；所用變量為預(yù)算，目的地屬性，社會人口特征，以往的訪問，時間約束和旅游頻率。主要結(jié)論是停留時間受多種決定性因素的影響，并由于特定的旅游目的地而不同。Menezes（2023）等用一個Cox比例風(fēng)險模型和調(diào)研表數(shù)據(jù)分析了亞速爾群島游客逗留的時間。采用的變量是社會人口特征、出行特征、可持續(xù)發(fā)展因素和目的地形象屬性。Martine′z-Garcia（2023）等使用log-logistics和Cox生存模型分析了西班牙低收入旅游的停留時間。采用的變量是國籍，社會經(jīng)濟(jì)特征，職業(yè)，旅行的原因，住宿類型，組織旅游，家庭旅游，旺季，和地理區(qū)域。主要結(jié)論是：風(fēng)險比率相稱比例超過Cox生存模型假設(shè)并不成立，因此，采用了加速生存模型。此外，只有一些變量有顯著性，即旅客的國籍，年齡，教育程度，教育類型，住宿類型，季節(jié)，地理區(qū)域。Gokovali（2023）等應(yīng)用兩種生存模型：Cox模型和Weibull模型，模擬了土耳其博都茹姆市游客逗留時間。所用變量是國籍、年齡、工作類型、社會經(jīng)濟(jì)特點(diǎn)、度假打包類型、過去訪問次數(shù)、質(zhì)量、熱情好客、吸引力、夜間生活、居住水平、形象、推廣和宣傳、以及推薦。主要結(jié)論是，變量可以解釋逗留時間。Hong（2023）等以生存模型分析了旅游者在賭場娛樂的逗留時間。

鑒于國內(nèi)應(yīng)用生存分析研究旅游者停留時間問題還很匱乏，本文擬通過對來大連旅游者的問卷調(diào)查，通過生存模型分析，發(fā)現(xiàn)影響旅游者在一個目的地的停留時間的關(guān)鍵因素。在理論上，可以彌補(bǔ)國內(nèi)外對此領(lǐng)域研究的匱乏，并引入相應(yīng)的研究方法；在現(xiàn)實意義上，可以為當(dāng)?shù)芈糜喂芾碚呷绾螌嵤I銷和管理戰(zhàn)略提供一定的借鑒。

二、實證模型與研究方法

1.模型界定。生存分析是將事件的結(jié)果和出現(xiàn)此結(jié)果所經(jīng)歷的時間結(jié)合起來進(jìn)行分析的統(tǒng)計方法，最早應(yīng)用于醫(yī)學(xué)和生物學(xué)，主要用來分析某種疾病的發(fā)生與患者生存時間以及各種相關(guān)因素之間的關(guān)系。從20世紀(jì)70年代末期開始，國外學(xué)者逐漸將生存分析方法應(yīng)用于經(jīng)濟(jì)領(lǐng)域，主要集中在工作搜尋時間、失業(yè)的持續(xù)和罷工等問題上。近幾年國外的一些學(xué)者開始嘗試用來分析旅游者停留時間的問題。因為，一些常用的統(tǒng)計工具，如線性回歸模型并不適宜做停留時間模擬，因為它沒有考慮到停留長度是一個非負(fù)的變量，因此會導(dǎo)致有偏的估計（Greene，2000）。為了克服這樣的問題，本文采用了生存分析，因為停留時間長度經(jīng)常以過夜天數(shù)來統(tǒng)計的，而這就是一個正數(shù)。

停留時間長度可以用一個非負(fù)的隨機(jī)變量T代替。生存函數(shù)（SurvivalDistributionFunction，簡稱SDF）的定義為隨機(jī)變量T越過時點(diǎn)t的概率。當(dāng)t=0時，生存函數(shù)取值為1，隨著時間推移（t逐漸增大），生存函數(shù)的取值逐漸減小，因此，生存函數(shù)是時間t的單調(diào)地減函數(shù)。生存函數(shù)的表達(dá)式可以寫做：

S（t）=pr（T?叟t）（1）

與生存函數(shù)緊密相關(guān)的還有累積分布函數(shù)（CumulativeDistributionFunction，簡稱CDF），概率密度函數(shù)（Pro-babilityDensityFunction，簡稱PDF）和風(fēng)險函數(shù)（HazardFuntion）。累積分布函數(shù)表示隨機(jī)變量T未超過時間點(diǎn)t的概率，表達(dá)式可以寫做：

風(fēng)險函數(shù)一般標(biāo)記為h（t），定義為f（t）/S（t），表示隨機(jī)變量T已至?xí)r間點(diǎn)t的條件下，在接下來的一瞬間所關(guān)心的時間發(fā)生的概率。根據(jù)風(fēng)險函數(shù)的定義有：

其中F（t）是旅游者停留時間的分布函數(shù)，即旅游者在既定時間離開目的地的概率，而f（t）則旅游者停留時間的概率密度函數(shù)，因此：f（t）=dF（t）dt

從式（4）中可以看出，如果機(jī)會函數(shù)的數(shù)值越高，則說明旅游者的停留時間越短；機(jī)會函數(shù)值越低，停留時間越長。由式（4）可得：

h（X（t），t）=H0（t）exp[X（t）′?茁]（5）

在初始條件F（0）=0的情況下，解此微分方程，可得：

2.參數(shù)估計。顯然，對以上方程進(jìn)行估計的關(guān)鍵在于對機(jī)會函數(shù)h（t）的設(shè)定。經(jīng)濟(jì)學(xué)家們一般采用兩種方法對此加以處理。

（1）參數(shù)法。這種方法假定旅游停留時間(機(jī)會函數(shù))服從于一種已知的理論分布，從而對其進(jìn)行估計。常見的分布類型包括指數(shù)分布、Weibull（威布爾分布）和對數(shù)正態(tài)分布等，而使用最為頻繁的是Weibull分布式（7），其中?茁是影響各因素向量X所對應(yīng)的系數(shù)。?琢是風(fēng)險比系數(shù)，反映離開目的地的條件概率如何隨著停留時間的延長而變化。

h（X（t），t）=exp[X（t）′]?琢t?琢-1，a?叟0（7）

（2）半?yún)?shù)法。在參數(shù)法中，如果對搜尋時間分布的設(shè)定有誤，那么估計的準(zhǔn)確性將會下降。因此一些半?yún)?shù)的估計方法近年來得到了快速的發(fā)展，這些方法不需要知道機(jī)會函數(shù)的具體形式，而是將離開目的地的概率建模在時間t上的基準(zhǔn)概率h0。和影響因素向量X的函數(shù)之上，其中最常見的半?yún)?shù)方法是Cox比例風(fēng)險模型，即：

h（X（t），t）=H0（t）exp[X（t）′?茁]（8）

此時的基準(zhǔn)概率h0是指一個觀測值的所有X變量都等于0的概率，Cox模型以非參數(shù)回歸方式對這個風(fēng)險做出估計，并得到式（8）中?茁的最大似然估計值，作為各影響因素的風(fēng)險比系數(shù)，如果?茁大于1，則意味著該因素將導(dǎo)致旅游者停留時間的延長，反之則使停留時間縮短。

考慮到以上兩種方法各有優(yōu)缺點(diǎn)，為了穩(wěn)健起見，本文分別使用Cox風(fēng)險比例模型和Weibull模型，對旅游者停留時間的影響因素進(jìn)行了半?yún)?shù)和參數(shù)估計。

三、問卷設(shè)計與數(shù)據(jù)收集

1.變量選擇。通過對文獻(xiàn)閱讀可知，一般認(rèn)為，旅游者停留時間的長短，跟旅游者個人的收入、閑暇時間、旅游動機(jī)、目的地特征等因素相關(guān)。因此，本文參考國內(nèi)外對旅游停留時間相關(guān)研究問卷的基礎(chǔ)上生成本研究調(diào)查問卷，最終確定旅游者的人口統(tǒng)計特征、出行特征、出行特征、滿意度等四個維度作為影響因素進(jìn)行研究。其中，停留時間作為因變量；人口統(tǒng)計特征包括年齡、性別、受教育程度；出行特征包括出行動機(jī)和出行方式；消費(fèi)特征包括住宿質(zhì)量、消費(fèi)金額、旅游次數(shù)；對目的地態(tài)度包括對目的地服務(wù)滿意度、旅游項目和景觀滿意度、氣候及環(huán)境滿意度。本文采用三種變量類型，連續(xù)變量（停留時間、年齡）、分類變量（性別、出行動機(jī)、出行方式）和定性變量（教育程度、重游次數(shù)、消費(fèi)、住宿質(zhì)量、滿意度）。

2.問卷發(fā)放。問卷發(fā)放選擇于2023年國國慶長假期的后最后兩天內(nèi)，此期間是大連的旅游旺季，因為最后兩天游客的旅游多數(shù)已接近尾聲，因此所確定的旅游停留時間基本上接近真實；發(fā)放地點(diǎn)主要在大連的市的兩個主要景區(qū)――虎灘公園和星海廣場，因為這兩個景區(qū)一般屬于來大連必去的，這樣會盡可能地使受調(diào)研群體更趨于合理；問卷共發(fā)放500份，采用現(xiàn)場指導(dǎo)游客填寫并現(xiàn)場回收方式，盡可能保證問卷的有效性?；厥盏?00份問卷經(jīng)核查后具備有效性問卷共467份，有效率為93.4%。

四、研究結(jié)果

我們使用計量軟件Statal0.0對Cox模型和Weibull模型分別進(jìn)行了估計，相關(guān)結(jié)果詳見表2，各項指標(biāo)顯示兩個模型不僅整體效果良好，而且估計結(jié)果在總體上也都是一致的。在這里選擇了用風(fēng)險比來和標(biāo)準(zhǔn)差表示Cox模型和Weibull模型的估計結(jié)果，如果風(fēng)險比大于1則表示此因素對旅游者的停留時間具有正向影響，相反，如果小于1則表示有負(fù)向影響?？梢钥闯鲇绊懧糜握咄Ａ魰r間的因素具有以下特點(diǎn)。

在人口統(tǒng)計特征方面，旅游者年齡與受教育水平都對停留之間產(chǎn)生一定的影響，并在10%的水平是統(tǒng)計顯著的。在性別上，男性與女性與旅游停留時間之間不存在顯著的關(guān)系。從表2可以看出，隨著年齡的增長旅游者的停留時間也相應(yīng)延長，這可能因為個人收入隨著年齡的增長而增加，從而具有了一定的消費(fèi)基礎(chǔ)，并且在進(jìn)入退休階段的人更傾向于度假而不是觀光旅游。從而導(dǎo)致了旅游時間的增長；受教育程度方面，停留時間隨著旅游者受教育程度增加而增加，這一方面說明，受教育程度會影響收入情況，從而導(dǎo)致了消費(fèi)能力的增加，另一方面也可能由于受教育程度較高的人更傾向于深度的旅游形式而不是走馬觀花式的觀光旅游。

在消費(fèi)特征方面，消費(fèi)水平與停留時間具有5%顯著水平的正相關(guān)性，可以說較長的停留時間為消費(fèi)提供了空間。而游客住宿設(shè)施水平重游次數(shù)與停留時間之間不存在顯著關(guān)系，這與我們一般認(rèn)為的重游者一般會選擇長時間的度假旅游的觀點(diǎn)并不一致。這可能因為重游者除了度假游客外，同時也包含大量的學(xué)習(xí)會議等出差的游客，這部分游客一般具有時間較短的特征。

在出行特征角度看，不同的旅游動機(jī)對旅游時間具有顯著影響。相比于休閑度假動機(jī)，學(xué)習(xí)會議動機(jī)的旅游者對停留時間具有負(fù)向影響，在1%水平上顯著，而探親訪友旅游者對停留時間具有正向影響，在5%水平上顯著，從風(fēng)險比上可以看出，探親訪友旅游者停留時間最長，休閑度假旅游者次之。會議旅游者最短。從出行方式上，隨團(tuán)出行游客比個體游客停留時間要短，在1%水平上顯著，這可能與跟團(tuán)旅游者更傾向于觀光旅游的形式有關(guān)。

從旅游者的旅游滿意度看，旅游者對目的地服務(wù)質(zhì)量、景觀項目、環(huán)境天氣的滿意程度均對停留時間分別在5%、10%、10%的顯著水平上具有正向影響。也就是說，旅游