| 表5 KMO测度和巴特利特球体检验结果
|
KMO样本测度
|
.919
|
|
巴特利特球体检验
|
Approx.Chi-Square
|
1219.118
|
|
|
自由度df
|
190
|
|
|
显著性概率Sig.
|
.000
|
从表中我们可以看到KMO值为0.919，这说明该组数据是适合做因子分析的(>0.7)。
图1 表现特征值的碎石图
通过SPSS因子分析可得到特征根值(见表6)，以及表现特征值的碎石图(见图1)发表论文。按照特征根大于1的标准,可以提取3个因子,这3个因子可解释的变异为57.442%,碎石图(图1)显示,因子提取的结果还是比较理想（由于本文属于探索性文章，所以可以接受）。旋转后的因子提取结果如图1所示(screen plot表示碎石图,componentnumber表示因子数,eigenvalue表示特征值)。
表6 特征根值及累计解释方差说明的总方差
|
成分 始特征值 提取平方和载入 旋转平方和载入
|
|
合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 %
|
|
1 9.249 46.243 46.243 9.249 46.243 46.243 4.459 22.294 22.294
|
|
2 1.237 6.186 52.429 1.237 6.186 52.429 4.107 20.537 42.831
|
|
3 1.003 5.013 57.442 1.003 5.013 57.442 2.922 14.611 57.442
|
|
4 .960 4.802 62.244
|
|
5 .859 4.294 66.538
|
|
6 .769 3.847 70.384
|
|
7 .712 3.561 73.945
|
|
8 .668 3.340 77.285
|
|
9 .614 3.068 80.353
|
|
11 .506 2.529 85.733
|
|
12 .455 2.275 88.008
|
|
13 .423 2.113 90.121
|
|
14 .404 2.019 92.140
|
|
15 .339 1.694 93.834
|
|
16 .327 1.633 95.468
|
|
17 .265 1.327 96.794
|
|
18 .254 1.271 98.066
|
|
19 .211 1.053 99.119
|
|
20 .176 .881 100.000
|
|
提取方法：主成分分析。
|
表6的分析显示，20个因素被萃取为3个大因子，同时，表现各成分特征值的碎石图说明这3大主成分都在特征值大于1的位置上。因为前11个主成分共解释总方差的57.442%，所以可初步认为用3大因子代替20个因素变量是比较合理的，可以概括原始变量所包含的六成信息。
对当地休闲渔业旅游的评价项目经过因子分析，剔除了4个因素后，浓缩为3大类因子（因子分析，剔除过程本文略）旅游论文，我们发现F1大类因子、F2大类因子的信度系数a﹥0.8，一致性良好，而F3大类因子的信度系数a=0.631，由于我们本次进行的是探索性研究，虽然F3大类因子的信度偏低，但尚在可接受的范围之内，我们把三大类公共因子所涉及的影响因素归类，重新命名。
所以因子分析得出图2如下：
 
图2休闲渔业旅游满意度的评价表
（四） 休闲渔业旅游参与情况与评价因子Logistic回归分析
由于这3个因子能解释大部分的差异,所以笔者用这些因子的得分来代替原来的项目做分析。笔者发现在有效问卷中，有27份问卷在回答“您近一年到当地旅游的次数?”这一问题时回答了“0”，本研究在进行数据归类时，经过仔细分析，结合被调查对象对其他问题的回答，将“没去过”的赋值为“0'，其他去过多次的情况的赋值为“+1”，运用二项Logistic回归进行分析。
首先进行模型拟和优度检验(Hosmer and Lemeshow Test)，如表7所示:
表7模型拟和优度检验
|
步骤
|
卡方
|
Df
|
Sig.
|
|
1
|
9.931
|
8
|
.270
|
根据上表，sig.值>0.05，通过了拟和优度检验，说明该模型可以采用。
表8 预测分类表(a)
|
|
预测
|
|
|
去过与否情况
|
准确百分率
|
|
被观察项
|
没去过
|
去过
|
|
|
步骤1
|
去过与否
情况
|
没去过
|
4
|
23
|
14.8
|
|
去过
|
0
|
273
|
100.0
|
|
|
总体百分率
|
|
|
92.3
|
从预测分类表(ClassifivationTable)中可以看出，总体百分率为92.3%，说明模型的正确分类能力为92.3%。
表9 方程中的变量
|
步骤1
|
|
B
|
标准误差
|
Wald
|
Df
|
Sig
|
幂值Exp
|
|
|
关键特色
|
.811
|
.245
|
10.993
|
1
|
.001
|
2.249
|
|
|
旅游资源
评价
|
-.076
|
.210
|
.132
|
1
|
.716
|
.927
|
|
|
基础设施
服务评价
|
.620
|
.219
|
8.036
|
1
|
.005
|
1.860
|
|
|
常数
|
2.759
|
.278
|
98.378
|
1
|
.000
|
15.787
|
从表9可以看出，关键特色、基础设施服务评价、常数对是否去过当地旅游回归显著，可以作为自变量放入回归方程。回归系数分别为:0.811, 0.620,2.759。这里每个数都大于零，说明是否去当地旅游与关键特色、基础设施服务评价、常数成正相关。由上表所示的计算结果，可得Logistic回归方程为:
Logistic(P)=In2.759 + 0.811*关键特色+0.620*基础设施服务评价，P表示是否去过当地。
该研究结论表明是否去当地旅游与关键特色、基础设施服务评价、常数成正相关，这对政府根据目标市场制定有针对性的营销计划和降低营销成本具有一定的现实意义。
参考文献：
[1]楼筱环.浙江省休闲渔业旅游产品设计———以舟山为例[J].中国渔业经济,2006（12）:35
[2]方靓.湖泊旅游区度假消费及其影响因素研究—以千岛湖为例[D]．硕士学位论文，浙江大学，2005
[3]周丹.城市职业女性参与休闲运动的影响因素研究[D]．硕士学位论文，浙江大学，2007
[4]孙娴娴.湖州太湖旅游度假区发展湖泊型休闲渔业旅游的初步研究[J].特区经济,2008（1）:25
2/2 首页 上一页 1 2 |
