区域旅游产业发展潜力测评及显化机制剖析.docVIP

区域旅游产业发展潜力测评及显化机制剖析.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
区域旅游产业发展潜力测评及显化机制剖析

区域旅游产业发展潜力测评及显化机制剖析   内容摘要:本文通过分析旅游产业发展潜力的构成,构建了旅游市场需求拉动力分析模型。应用主成分因子分析法,对我国省级区域的旅游市场需求进行了有效测评,而后根据旅游需求市场相关资料对31个省份进行了综合测评,揭示了各省旅游业发展潜能和潜在优、劣势。基于定量测评结果,结合产业竞争力相关理论、我国旅游产业发展的内在规律以及外部环境影响,有效地阐述了旅游产业发展显化的内在推动原理,将各种影响因子整合成显化机制,有效地将旅游产业的内在潜力发展成为现实的区域竞争力,希望本文的研究可以为区域旅游产业的发展提供一定的理论与实践指导意义。   关键词:旅游产业 发展潜力 因子分析 显化机制   旅游发展潜力与竞争力的区别与联系   根据相关学者对两者之间的定义可以总结出区域旅游产业的未来发展潜力与竞争力是两个平行的概念,它们之间在内涵、区域显性关系、对产业发展的贡献度、研究数据的采集上都有比较大的区别。旅游产业的潜力特征主要描述的是其未来的趋势,主要包括其未来某一段时间内的发展空间、发展前景方向与发展能力,其描述的是未来一段时间内有可能发生的发展潜力与空间;而旅游产业竞争力主要描述的是在同级区域内,相比其他区域而言在旅游资源、服务、基础设施等方面具有的优势,其能有效地吸引更多的游客资源,体现的是在当前时间段内具有的旅游产业发展壮大实力以及产业增长的推动力。分析与认识区域旅游产业发展潜力与竞争力之间的关系,能够帮助旅游产业发展潜力显化,使其向旅游竞争力方向发展,在发展过程中能够阻止各种不利因素的发生,促进区域旅游产业快速发展,提升其在同级区域范围内的竞争力。   区域旅游产业发展潜力测评指标体系构建   在总结前人关于旅游潜力发展测评研究的基础上,本文主要分析了各个省级区域的旅游产业潜力构成,对相关指标进行提炼与筛选,据此构建旅游产业发展潜力测评指标体系,如图1所示。   本文主要选取量化指标进行区域旅游发展潜力测评,旅游产业要素驱动力、环境支撑力因指标数据难以量化,本文不作过多研究。因此本文主要选取区域旅游产业的需求拉动力为主要研究指标体系。旅游发展潜力的指标因素主要有:   旅游需求规模主要包括:国内旅游人数(X11)、入境旅游人数(X12)、国内旅游收入(X13)、旅游外汇收入(X14)。旅游需求增长力指标体系主要包括:国内旅游人数未来的增长率(X15)、入境旅游人数未来的增长率(X16)、国内旅游收入未来的增长率(X17)、旅游外汇收入未来的增长率(X18)。旅游需求层次主要包括:入境游客人均花费(X19)、入境游客停留时间(X20)、国内游客人均花费(X21)。旅游需求多样性主要包括:入境游客主要旅游目的数(X22)、国内游客主要旅游目的数(X23)。   区域旅游产业发展潜力的量化测评   (一)相关评价模型构建   在研究区域旅游发展潜力时,由于测评的指标较多,需要选用一种合适的指标检验方法对其进行测评,因子分析法在进行评价时,可以有效地实现多种指标以及多层指标的相关性评估,因此本文主要采用因子分析法对发展潜力相关指标进行评测。相比于其它方法而言,因子分析法具有避免研究性指标发现线性归一与重复的问题,在采用该方法时,往往具有以下主要步骤:   第一,在运用因子分析之前,需先对评价指标进行相关性检验,以确定因子分析的适用性。本文将KMO值、Bartlett’s统计量作为因子分析适应性标准。KMO∈[0,1]表示选取样本是否适当的变量,其值大小表示相关性的强弱,KMO值越接近1,表示相关性越强,因子分析的适应性越强,反之相关性越弱,因子分析的适应性越差。Bartlett’s是与变量的正态分布性质相关的统计量,表示显著性水平的高低,通常用Bartlett’s值来作为因子分析的适用性判断标准,当Bartlett’s值大于0.05时,表示评价指标中没有不存在共同因素,不宜进行因子分析。   第二,根据求得的相关系数矩阵R,建立特征方程│R-λ│=0,通过求解特征方程得到特征值和特征向量。   第三,在得到各个成分方差贡献率的基础上,求得累计方差贡献率,据此确定特征根以及特征向量的数量K,由此得到K个初始的因子荷载矩阵A`。通常情况下无法确定A`中因子与初始变量的关系,为了确定因子和初始变量的关系,旋转初始荷载矩阵,从而得到含义清晰的因子变量,增强了分析结果的可靠性。旋转后得到较理想的因子载荷矩阵A。   第四,计算各因子得分F。   Fj=αj1X1+αj1X2+……+αjqXq(j=1,2,…,k)   其中,X表示原始变量的个数,F表示因子变量的个数,α表示公共因子的得分系数。   第五,计算模型中相关因子的权重W,并计算得出其评价综合值I:   

文档评论(0)

317960162 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档