张晓玲+张宁

摘 要：从江苏省客源市场影响因素之间的动态相关性关系出发，选取2005-2014年的统计数据，运用SPSS19.0软件，基于主成分分析方法，实证分析解决江苏省客源市场中相互关联并带有相同变化趋势的多个影响因素变量之间的多重共线性问题，从而把握江苏省未来客源市场的发展趋势，为相关决策提供理论依据。

关键词：客源；影响因素；主成分分析

中图分类号： F590 文献标识码： A 文章编号： 1673-1069（2016）28-170-3

1 研究综述

某目的地的旅游客源市场一般划分为国内客源市场和入境客源市场两大部分。对客源市场的研究不仅可以了解旅游市场的需求特点，而且也是目的地的发展规模、发展水平和旅游竞争力的重要指标。

近年来国外客源市场研究的焦点主要集中在两个方面：

一是客源市场的预测，不是以单个旅游目的地区预测为主，更多的是分析区域之间客源流动的流量变化、预测模型及方法，用复杂的数理模型来预测客源市场的变化；

二是研究客源市场的空间变化规律，分析旅游者在国内的空间位移以及分布特征。

目前国内专家学者对客源市场给予了较大的关注，研究焦点集中于客源市场的时空结构、空间分布特征以及数理模型等方面[1-5]。但是对国内客源市场影响因素方面的研究探讨的较少。

本文基于主成分分析，利用降维的方法将多个指标用少数几个相互独立的综合指标来代替，实证分析江苏省客源市场的影响因素。

2 主成分分析的基本思想

主成分分析是Hotelling于1993年首先提出的.主成分分析是根据各指标之间的相互联系，利用降维的方法将多个指标转换为少数几个相互独立的指标，从而使研究由繁变简的一种统计方法。该方法是利用“降维”的思想，基于少量信息损失的前提下把多个变量转化为几个综合变量，称为主成分。每个主成分均是原始变量的线性组合，并且各个主成分之间是相互独立，该特点使得主成分比原始变量具有某些更优越的性质。主成分分析的结果不是研究的最终结论，而应该在主成分分析结果的基础上继续采用其他统计方法来解决实际问题。主成分分析的目的是用几个综合变量去解释原始数据中的大部分信息，这些变量就是利用主成分分析法得到的重要性指标。

3 数据来源和特征描述

国内客源市场的发展水平在一定的时空背景下是反映区域旅游经济发展水平的重要指标，而其高低程度是衡量一个地区经济发展的关键指标。江苏省地处我国东部沿海经济发达地区，是长江经济带的重要组成部分，经济发达、旅游资源丰富，吸引了海内外游客前来参观游览。国内旅游客源人数也从2005年的1625.32万人次增长到2014年的57113.32万人次[6]，10年间国内客源量增长3.5倍多，居于全国领先地位，江苏已成为旅游大省。但是随着各省都在大力发展旅游业，旅游业竞争激烈同时游客对旅游需求也逐渐走向多样化和个性化，江苏省要想一直保持领先的地位，就迫切需要了解影响客源市场的主要因素。

影响国内客源市场的诸多因素主要分为经济指标、社会指标和旅游企业指标三大类。本文将“江苏省客源人数”作为因变量，选取经济指标、社会指标和旅游企业指标中的细分变量作为自变量[7]。本文考虑的经济指标包括“人均GDP、居民消费价格总指数、城镇居民消费水平、农村居民消费水平、可支配收入和基础设施投资”；社会指标包括“客运量、旅游院校数量、旅游院校学生数量”；旅游企业指标有“旅游饭店个数、星级饭店营业收入、旅行社单位数、旅行社组团人数和旅游业从业人数”。

选取2005-2014 年连续10年的江苏省客源市场的统计数据[8-9]，所选取的数据来源《江苏省统计年鉴》和《中国旅游年鉴》。

利用SPSS19.0 统计软件提供的回归分析方法作为辅助手段，在对数据进行主成分分析的基础上，实证分析多个变量之间的多重共线性问题。

4 因子分析

根据主成分分析的方法，以2005-2014年江苏省接待国内旅游人数的数据作为因变量。指标体系设：人均GDP（万元）用x1变量表示、居民消费价格总指数用x2表示、城镇居民消费水平（元）用x3表示、农村居民消费水平（元）用x4表示、可支配收入（元）用x5表示、基础设施投资（万元）用x6表示、客运量（人）用x7表示、旅游院校数量（个）用x8表示、旅游院校学生数量（人）由x9表示、旅游饭店数量（个）用x10变量表示、星级饭店营业收入（万元）用x11表示、旅行社单位数（家）x12表示、旅行社组团人数（人）x13表示、旅游业从业人数（人）x14表示。原始变量为14，样本容量为10。

①计算特征值和方差贡献表

从采集的数据来看，共有14个变量（见表1），但是有些变量之间存在相关性的，并且各变量对江苏省客源市场影响的程度也是不一样的，故可采用主成分分析法。

表1为特征值和方差贡献表，“合计”列为14个变量所对应的特征根，“方差的%”列为各变量的方差贡献率，“累积%”列为累积方差贡献率。系统提取了3个主成分，解释了近89.113% 的变量总方差，故可以选取前3个主成分进行分析。

同时，我们也可以结合碎石图（略）中特征值曲线的拐点和特征值来看，也前3个主成分的折线坡度较陡，而后面就逐渐趋于平缓，进一步说明了取前3个主成分为宜。

②计算因子载荷矩阵（略）和旋转后的因子载荷矩阵（表2）

将因子载荷镇进行最大方差正交旋转，得正交因子矩阵。由表2可以看出，大部分变量在人均GDP、居民消费价格总指数、城镇居民消费水平三大主成分上都有较高载荷，说明这三大主成分基本反映了这些变量的信息，所以利用三个新变量代替原来的14个变量。

③计算综合主成分得分（表3）。根据表1中第一、二、三主成分贡献率达到89.113%，计算出综合得分函数的公式为

分析表3可知江苏省客源市场的诸多影响因素中，经济指标中的可支配收入是决定性因素，客运量、旅行社组团人数、旅游业从业人数、饭店营业收入、饭店数影响程度逐渐递减。

5 结论

利用表1的结果对因子载荷矩阵进行分类，这样不仅能够得出变量的分类情况，还可以对样本的分类含义的深刻理解。第一主成分反映了可支配收入作为决定性因素的地位。旅游者的经济状况决定了旅游活动，特别是个人可支配收入的多少是客源市场发展的关键。10年间，江苏居民的可支配收入基本以两位数的高速度增长，带来旅游活动的半径也不断增大，省外比例逐年增长，由观光游览向注重休闲体验方向发展。这些都对客源市场规模的扩大和旅游产业的发展产生积极影响；同时对旅游客运量、旅游业从业人数、旅游饭店数、旅行社数的增加也起到正向的促进作用。

主成分中客运量自2005年以来也基本保持两位数的增长速度。据此可以看出江苏省的旅游客运量的变化明显，高铁客运发展迅猛，占旅游客运总量的比例逐年大幅度提高；而民航运输在客运量比例中也逐年提高；但在由于民航的误点率和高铁建设速度的加快等问题，高铁将成为江苏省客源的主要出行方式之一，同时由于自驾游市场的兴起，公路客运量也在逐渐增长。

从总体上看，江苏省星级饭店的增长速度略低于游客增长的速度，因而可以看出，江苏省星级饭店的供给在旅游旺季出现了结构性的紧缺，主题型饭店和市场细分明确的饭店紧缺，因此造成这部分市场的供给不足。旅行社的数量虽然这10年间也出现了较快的增长，但是私家车的普及、高铁线路的延伸、在线旅游预订的实现，使自助游客成为旅行人群的主力军，也使旅行社组团人数出现了下滑趋势。旅行社的转型升级也迫在眉睫。

参 考 文 献

[1] 靳诚，陆玉麒，范黎丽.江苏国内旅游客源市场空间结构研究[J].经济地理，2010（12）：2104-2108.

[2] 要轶丽，郑国.西安及其毗邻地区国内客源市场空间结构分析[J].地理与地理信息科学，2005，21（1）.

[3] 闾平贵，汪德根，魏向东.“时空压缩”与客源市场空间结构演变[J].经济地理，2009，29（3）.

[4] 王伟红.河南省入境和国内游客的空间聚集性分析[J].经济地理，2009（6）：1011-1017.

[5] 马耀峰，李永军.中国入境后旅游流的空间分布研究[J].人文地理，2001，16（6）：35-44.

[6] 国家统计局.中国统计年鉴（2004-2013）[M].北京：中国统计出版社.

[7] 李景初，基于主成分分析的河南省国内旅游市场影响因素研究[J].生态经济，2014（12）：104-115.

[8] 江苏省统计局.江苏统计年鉴（2004-2013）[M].北京：中国统计出版社.

[9] 中国旅游年鉴（2004-2013）[M].北京：中国统计出版社.