呀诺达雨林文化旅游区游客满意度调研报告

呀诺达雨林文化旅游区游客满意度调研报告经济与管理学院经济统计系调研活动小组2015年10月23日呀诺达雨林文化旅游区游客满意度调研报告【内容摘要】以三亚市“呀诺达雨林文化旅游区”进行调查所获得的数据为依据，采用SPSS软件对基础数据进行处理，分别从描述性统计和因子分析的角度进行研究，比较了各指标平均满意度，对原来九项指标进行了化简，得到了游客的综合满意度，并进行了分析比较，发现不同年龄段、收入层群体的游客满意度存在一定差异，为三亚市旅游进一步发展提供一定的参考依据。【关键词】呀诺达，旅游，满意度，因子分析一、调研背景海南位于热带北部，拥有热带季风气候。其独特的地理和气候造就了其独特的自然景观，而位于三亚市北偏东方向的呀诺达热带雨林更是风景宜人。呀诺达热带雨林是中国唯一地处北纬18度的热带雨林，是海南岛五大热带雨林精品的浓缩，是最具观赏价值的热带雨林资源博览馆，堪称中国钻石级雨林景区。呀诺达热带雨林北连五指山、七仙岭和中部绿色腹地，在景区的观景台可眺望远景，海棠湾岸线、蜈支洲岛、猴岛尽收眼底的景观冲击，形成了与众不同的区位优势。随着2010年1月4日，国务院发布《国务院关于推进海南国际旅游岛建设发展的若干意见》。海南走上了建设国际旅游岛的正轨。作为海南最具观赏性的旅游景区，呀诺达热带雨林每年都会迎来大量中外游客前来观光，给当地的经济发展做出了巨大贡献。游客满意度一直是旅游界的热点话题，为了更好的迎接游客，需要对到呀诺达旅游的游客的感受进行调查研究，并根据游客的感知情况，有的放矢的采取针对性措施进行改进，使呀诺达在国内外旅游市场上的知名度和美誉度进一步提高。二、研究方法（一）指标选择与问卷设计为了考察游客对呀诺达的满意度，按照评价指标和数据的科学性、系统性、代表性等原则，选出影响游客满意度的指标，尽量使各个指标不相关，又能从各个不同角度全面反映旅游情况。结合呀诺达旅游现状，本次问卷调查共列出了9项影响游客满意度的评价指标，依次为：景区厕所分布；景区厕所数量；自然风光的吸引力；旅游体验活动的丰富性；售票服务；餐椅住宿；导游讲解员服务；旅游商品种类丰富性；旅游商品的价格。采用李克特5分质量表测量调查对象的态度，“1”表示“很不满意”，“5”表示“很满意”，即数值越大表明游客对该因素越满意。（二）数据采集在呀诺达旅游景区选择游览完毕的游客随机发放问卷，共发放调查问卷300份，收回问卷296份，回收率98.67％，其中有效问卷296份。（三）研究方法本次数据处理采用SPSS20.0软件分析工具，对所得数据进行描述性分析以及因子分析。因子分析实在众多相关相关因素中求出潜在的起支配作用的少数几个因子来综合反映全部变量的大部分信息，然后根据因子的方差贡献率确定每个因子的影响力，即重要程度。因子分析方法的数学模型意义决定了其在游客满意度分析中的有效性。三、结果分析（一）调查对象基本情况问卷游客的基本特征有：性别比例上，男性游客占45％，女性游客占55％；年龄结构上，14岁以下占3.7％，15—24岁占33.8％，25—44岁占44.3％，45—64岁占14.9％，65岁以上占3.7％；收入层上，目前没有收入的占14.5％，2000元以下占19.9％，2001—3000元占22.3％，3001—5000元占24.3％，5000元以上占18.9％。（二）描述性统计分析根据表1中对游客满意度各影响因素的平均值可知，“旅游体验活动的丰富性”的平均值最大，方差倒数第三，“自然风光的吸引力”的平均值排名第二，而且方差最小。这两个因素是呀诺达旅游区的核心竞争力所在，占据前两名且调查对象内部观点差异较小，由此可以看出，游客对于呀诺达处于比较满意的状态。方差最大的是“旅游商品种类丰富性”，表明调查对象内部观点差异较大，这可能主要因为不同游客接触到的商品不同，而且不同游客对于商品多少的评定标准不一。平均值最低的为“旅游商品的价格”，大概能体现出，景区的商品价格的设定偏高，对于游客而言是其他几个因素中最重要的不足之处。自然风光和体验活动分别收到了好评，而商品价格和商品种类分别出现了不同问题，说明呀诺达旅游景区在玩赏性方面占有一定的优势，但是在旅游市场方面的开发还不够完善，对于游客而言，大多数游客还是以观光为主要目的，对旅游购物需求有限，对旅游中的购物体验不够重视。值得注意的是九个因素的均值都大于3，而方差都小于1，说明从总体来看，呀诺达景区的游客对于景区的各个方面的看法持较好的态度，内部观点虽有差异但是并不大，景区有些小瑕疵但不存在严重的问题。表1各因素的均值与方差平均值方差景区厕所分布3.8006756760.824541915景区厕所数量3.7027027030.738433349自然风光的吸引力3.8885135140.682443885旅游体验活动的丰富性3.9932432430.766055886售票服务3.645270270.853401283餐饮住宿3.5405405410.852588181导游讲解员服务3.6959459460.829271645旅游商品种类丰富性3.5675675680.937792029旅游商品的价格3.0979729730.888673843（三）因子分析1.考察原有变量是否适合进行因子分析（1）反映像相关矩阵观察表2反映像相关矩阵，矩阵中除了主对角元素外，其他大多数元素的绝对值均较小，对角线上元素的值较接近1，说明变量的相关性较强，适合进行因子分析。表2反映像相关矩阵反映像矩阵景区厕所分布景区厕所数量自然风光的吸引力旅游体验活动的丰富性旅游商品种类丰富性旅游商品的价格售票服务餐饮住宿导游讲解员服务反映像协方差景区厕所分布.492-.320-.060-.044-.103.089.217-.090-.019景区厕所数量-.320.485.027-.046.080-.158-.149.027.012自然风光的吸引力-.060.027.780-.194-.139-.061-.152.057.079旅游体验活动的丰富性-.044-.046-.194.784-.010-.112-.038-.017-.059旅游商品种类丰富性-.103.080-.139-.010.776-.191-.049-.105-.042旅游商品的价格.089-.158-.061-.112-.191.649-.068.018-.173售票服务.217-.149-.152-.038-.049-.068.680-.190-.100餐饮住宿-.090.027.057-.017-.105.018-.190.872-.076导游讲解员服务-.019.012.079-.059-.042-.173-.100-.076.842反映像相关景区厕所分布.441a-.656-.097-.071-.168.157.376-.138-.030景区厕所数量-.656.529a.044-.075.130-.281-.260.042.019自然风光的吸引力-.097.044.700a-.248-.179-.086-.209.069.097旅游体验活动的丰富性-.071-.075-.248.816a-.013-.158-.053-.021-.073旅游商品种类丰富性-.168.130-.179-.013.709a-.269-.068-.128-.052旅游商品的价格.157-.281-.086-.158-.269.711a-.102.024-.234售票服务.376-.260-.209-.053-.068-.102.564a-.247-.132餐饮住宿-.138.042.069-.021-.128.024-.247.647a-.089导游讲解员服务-.030.019.097-.073-.052-.234-.132-.089.751aa.取样足够度度量(MSA)（2）巴特利球度检验和KMO检验由表3可知，巴特利球度检验统计量的观测值为516.264，相应的概率p值接近0。如果显著性水平α为0.05，由于概率p值小于显著性水平α，应拒绝零假设，认为相关系数矩阵与单位阵有显著差异。同时KMO值为0.887，根据Kaiser给出的KMO度量标准可知，原有变量可以进行因子分析。表3巴特利球度检验和KMO检验2.提取因子（1）初始分析根据原有变量，采用主成分分析法提取因子并选取特征根值大于1的特征根。分析结果如表4所示。可以看到，“旅游商品种类丰富性”、“导游讲解员服务”等变量的信息丢失较为严重（近65％），因此本次因子提取的总体效果并不理想。表4因子分析的初始解（一）KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。.618Bartlett的球形度检验近似卡方516.264df36Sig..000（2）重新提取重新指定提取特征根的标准，指定提取七个因子。分析结果如表5所示。由此可知，此时所有变量的共同度均较高，各个变量的信息丢失都较少。因此本次因子提取的总体效果理想。表5因子分析的初始解（二）（3）方差贡献率公因子方差初始提取景区厕所分布1.000.856景区厕所数量1.000.744自然风光的吸引力1.000.670旅游体验活动的丰富性1.000.488售票服务1.000.562餐饮住宿1.000.519导游讲解员服务1.000.479旅游商品种类丰富性1.000.356旅游商品的价格1.000.525提取方法：主成分分析公因子方差初始提取景区厕所分布1.000.891景区厕所数量1.000.894自然风光的吸引力1.000.939旅游体验活动的丰富性1.000.970旅游商品种类丰富性1.000.913旅游商品的价格1.000.817售票服务1.000.879餐饮住宿1.000.948导游讲解员服务1.000.997提取方法：主成份分析。由表6可知，指定提取七个因子，七个因子共解释了原有变量总方差的91.644％。总体上，原有变量的信息丢失较少，因子分析效果较理想。表6因子解释原有变量总方差的情况解释的总方差成份初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%12.67429.71229.7122.67429.71229.7121.65918.43518.43521.47316.36346.0751.47316.36346.0751.25413.93432.36931.05211.69157.7661.05211.69157.7661.20813.41745.7874.90710.07667.842.90710.07667.8421.07211.91157.6975.8279.19277.034.8279.19277.0341.03711.52769.2256.7107.89084.924.7107.89084.9241.02511.39380.6187.6056.72091.644.6056.72091.644.99211.02691.6448.4955.50297.1469.2572.854100.000提取方法：主成份分析。表7为因子载荷矩阵，由表可知，7个变量在第一个因子上的载荷都很高，意味着他们与第1个因子的相关程度高，第一个因子很重要。表7因子载荷矩阵成份矩阵a成份1234567旅游商品的价格.703-.173-.027-.330-.145-.232-.328景区厕所数量.608.597.133-.118.231-.288-.012旅游体验活动的丰富性.608.042-.342-.098.244.557-.319景区厕所分布.421.814.123.098-.067.020.146售票服务.518-.538.065.071.426-.357.047自然风光的吸引力.541-.107-.605.254.056.020.448餐饮住宿.389-.161.584.600.128.218-.075导游讲解员服务.469-.270.431-.512-.142.281.396旅游商品种类丰富性.574-.145-