| 论文摘要：应用统计学中的因子分析模型，对黑龙江省12个城市的旅游发展状况进行因子分析，从而得到12个城市的因子得分，从综合得分可以看出，黑龙江12城市的旅游发展动力综合实力很不平衡，大部分城市的旅游发展动力综合实力得分为负值，表明黑龙江省总体旅游发展动力水平较低，同时也说明黑龙江省旅游发展动力系统具有巨大的开发潜力。
论文关键词：旅游,发展动力,因子分析,黑龙江
黑龙江是一片充满古朴、原始、神奇色彩的土地。在旅游资源上具有四大优势，即地理气候优势、生态景观优势、边境区位优势和地域文化优势。世界旅游组织专家把黑龙江旅游总体形象定位为：黑龙江——中国旅游“COOL(酷)”省，在此基础上，又确定了四季旅游产品形象，即春天活力世界、夏天清凉世界、秋天多彩世界、冬天冰雪世界。近年来，其黑龙江省旅游已成为全国旅游业发展的亮点和焦点。黑龙江省旅游业虽然起步较晚,但在省委、省政府的高度重视下,所以发展速度很快。黑龙江旅游发展的目标是，不断壮大旅游支柱产业,到2010年,旅游总收入相当于全省GDP的7%以上,实现从旅游资源大省向旅游经济强省的跨越。黑龙江省旅游在迅速发展的同时，也存在一些亟需解决的问题，如旅游资源盲目开发、经营粗放、旅游的强关联带动作用未充分发挥等。这些问题的解决有利于黑龙江省内各区域找到自己发展旅游的动力所在，从而有的放矢的发展自己的旅游，减少盲目性，能更进一步明确目标、节约资源，提高效率。因此，对黑龙江省旅游业发展进行定性与定量研究，对指导黑龙江省旅游发展都具有重要的理论和实践意义。
1黑龙江省旅游发展及研究的现状
近年来黑龙江省旅游发展较快。以2008年为例，全国共接待国际旅游人数13002.74万人次，比上年增长-1.4%，黑龙江省共接待国际旅游人数2006116人，比上年增长41.86%，旅游外汇全国收入总额408.43亿美元，比上年增长-0.03%，黑龙江省旅游外汇86995万美元，比上年增长35.36%；全国共接待国内旅游人数17.12亿人次，比上年增长6.3%，黑龙江省共接待国内旅游人数8353万人次，比上年增长28.21%，全国国内旅游收入8749.3亿元，比上年增长12.5%，黑龙江省国内旅游收入502亿元，比上年增长32.11%。因此，黑龙江省无论国际旅游还是国内旅游发展的速度都超过全国旅游发展的速度。
目前对黑龙江省各个城市的旅游研究还是分散的，没有把黑龙江省内12城市旅游放在一起进行多指标综合评价，从而找出各个城市的旅游发展过程中所存在的问题。目前国内外关于多指标综合评价的方法很多，根据权重确定方法的不同，这些方法大致可分为两类：一类是定性分析法，如层次分析法、德尔菲法等，多是采用综合咨询评分的定性方法，这类方法因受到人为因素的影响，往往会夸大或降低了某些指标的作用，致使排序的结果不能完全真实地反映事物间的现实关系；另一类是定量分析法，即根据各指标间的相关关系或各项指标值的变异程度来确定权数，避免了人为因素带来的偏差，如主成分分析法、因子分析法等本文通过因子分析法的运用能更加明了影响区域旅游发展的综合因子。
2相关文献综述
国内学者相关研究，彭华（1999），汕头城市旅游可持续发展驱动机制研究；保继刚，刘雪梅．广东城市海外旅游发展动力因子量化分析；张悦，城市旅游发展的动力因子量化及研究；李亚,任敬,冯莹（2004）旅游地发展因子分析与研究，文章以旅游地生命周期理论为支撑,揭示旅游地演化规律,从内部因素和外部因素两方面分析影响旅游地发展的基本因子,为旅游地更好地发展提出调控的基本对策；楼海淼,孙秋碧（2005）基于因子分析的我国各省经济活力评价研究，运用因子分析方法,将评价经济活力的十二个指标归纳为三个因子,对我国各省的经济活力状况进行综合评价研究；黄明凤，张静（2006）因子分析在制定西部各省市区旅游业发展策略中的应用，本文运用多元统计方法中的因子分析，对西部各地区旅游业发展状况作出科学的评价；孙颖玲，王哲（2008）基于因子分析法的新疆自治区旅游竞争力研究；丁爱玲,刘富刚（2008）基于因子分析的山东省区域旅游竞争力定量评价研究，文中构建了一个评价区域旅游竞争力的多维指标体系,利用因子分析方法对指标体系进行定量分析,借助层次聚类分析方法将17个城市分为三个等级,并分析其竞争优势与劣势,提出增强旅游竞争力的相应对策；翁钢民,贾苗苗,徐晓娜（2010）河北省滨海旅游发展动力系统的因子分析，通过对河北省滨海旅游发展现状的分析,探讨其滨海旅游发展的动力系统,运用因子分析法对该省滨海旅游发展动力因子进行量化计算,根据计算结果对提取的主因子进行解释并提出相关建议,以期推动河北省滨海旅游的科学发展。本文通过黑龙江省旅游发展动力的因子分析，为进一步指导黑龙江省旅游发展提供科学依据。
3因子分析的基本思想与基本方法
因子分析(FactorAnalysis)是多元统计分析的一个重要分支，最初由SPearman于1904年提出。该统计方法的主要目的是浓缩数据，通过对诸多变量的相关性研究，可以用假想的少数几个变量，来表示原来变量的主要信息。根据相关性大小把变量分组，使得同组内的变量之间相关性较高，不同组的变量之间相关性较低。每组变量代表一个基本结构，这个基本结构称为主因子或公共因子。 1/3 1 2 3 下一页 尾页 |
