大学生选乘高铁旅游意愿影响因素分析
来源:用户上传
作者:
摘要：近年来，中国已进入高铁时代。研究大学生选乘高铁旅游意愿影响因素，能够帮助各地开发适合大学生的旅游产品，促进各地旅游业的发展。现搜集了大学生旅游行为的数据，将大学生的旅游行为特征与大学生选乘高铁旅游的意愿结合建立Probit模型，分析出年级对大学生选乘高铁旅游的意愿具有负向影响;旅游距离对大学生选乘高铁旅游的意愿具有负向影响;旅游结伴方式对大学生选乘高铁旅游的意愿有正向影响;每次旅游期望消费金额对大学生选乘高铁旅游的意愿具有正向影响等结论。
关键词：大学生;高铁旅游;Probit模型
中图分类号：F59 文献标识码：A
文章编号：1005-913X（2019）08-0159-02
一、引言
国内学者多聚焦于高铁对于居民旅游行为特征的研究，如王华（2016）以广西五市为例，分析中国西部欠发达地区居民出游的行为特征，发现高铁可以增强沿线居民的旅游欲望和次数，并且从出游半径、出游时间范围、出游目的、出游方式等对居民的出游行为进行实证研究。汪德根（2015）以京沪高铁为例，研究高铁对旅游者目的地选择的影响，发现高铁开通后，旅游的空间距离不再是影响旅游目的地最重要因素，而旅游目的地的交通网络密度、旅游资源禀赋和旅游接待能力成为旅游者目的地选择的重要因素。韦胜（2015）通过独特的视角，通过不同时点高铁余票的数量得出高铁的净客流量，发现了居民乘坐高铁具有两个特征。首先是“周末效应”，表现为周末相对于工作日而言客流量更大。其次是“一日活动圈”，表示在一定数量的旅客进行着一天内的沪宁往返活动，即以中心城市为目的地的一日往返出行特征。
大学生也属于城市居民，但是却有其独特特征。首先，受教育程度高。其次，他们身上还保留着学生的属性，并且还不能做到经济独立。最后，大学生经常外出旅游。对大学生的旅游行为进行数据搜集、分析以及建立模型，试图揭示出大学生这一特殊群体的旅游行为特征以及选乘高铁旅游意愿的影响因素，既可以帮助各地旅游业弄清楚大学生的旅游特点，从而设计出相关的旅游产品，又可以为政府部门提供有针对性的政策建议。
二、计量经济学模型的建立与估计
（一）模型建立
已知在Probit模型中，因变量Y是一个0、1变量，概率Y的大小依赖于各个自变量，即P（Y=1）=f（X），符合大学生选乘高铁旅游意愿为0、1变量，并且其选乘高铁旅游的概率（意愿）与大学生的个人基本特征和旅游行为特征有关。所以，选择Probit模型对大学生选乘高铁旅游意愿进行分析，试图找到影响其决策的因素。
以下为建立的大学生选乘高铁旅游意愿与大学生的各个特征的关系函数。
Y（大学生选乘高铁意愿）=F（个人基本特征，大学生旅游行为特征）+随机干扰项。
对于研究大学生选乘高铁旅游的意愿，结果分为两种情况，当大学生选择“愿意”优先选择高铁旅游时赋值为1，其含义是有选择高铁旅游的意愿，当大学生选择“一般”和“不愿意”时赋值为0，其含义是没有选择高铁旅游的意愿，这样就能够满足模型对二元被解释变量Y的要求。
在Probit模型中，假设存在一个连续的变量Y*，Y*的值取决于各个自变量Xi，则可以得到Probit模型的基本表达形式。
Y*=α+βXi+μ （1）
并有 Y=1，当Y*>0时，大学生有选乘高铁旅游的意愿。0，当Y*<0时，大学生没有选乘高铁旅游的意愿。（2）
式（1）中，μ为随机干扰项，服从标准正太分布，因此影响大学生选乘高铁旅游意愿的二元离散选择模型可以表示如下。
prob（Y=1 | X=x）=prob（Y*>0 | x）
=prob{[μ>α+βx] | X}=1-φ[-（α+βx）]=φ（α+βx）
上式中Φ为标准正态累计分布函数，Y*为不可观测的潜在连续变量，Y则是实际观测到的被解释变量，用来表达大学生是否有选择乘坐高铁旅游的意愿。0表示没有意愿，1表示有意愿。X为影响因子，x为实际观测到的影响因子，主要包括大学生个人基本特征中的性别X1、年级X2、民族X3、家庭年收入X4、生源地X5、专业类别X6、班级成绩排名X7、是否喜欢旅游X8、兼职工资X9、是否单身X10、旅游行为特征中选乘高铁最主要原因X11、每学期旅游次数X12、旅游距离X13、旅游目的地X14、旅游时长X15、旅游结伴方式X16、旅游形式X17、旅游主要花費项目X18、每次旅游期望消费金额X19。因此，大学生选择高铁旅游意愿影响因素Probit模型可以建立如下。
prob（Y=1 | Xi）=φ（α0+β1X1+β2X2+…+βnXn+εn）
=φ（α0+β1x1+β2x2+…+βnxn）
上式中prob（Y=1 | Xi）是大学生选择乘坐高铁旅游的概率（意愿）。Xi是自变量，主要指个人基本特征变量和旅游行为特征变量。α0表示常数项，βi表示第i个变量的Probit回归系数，εn为随机扰动项，即其他未包含的自变量的影响。
（二）模型估计
现应用Eviews 7.0软件进行模型运算，采用了极大似然估计法对模型参数进行估计。首先，对数据进行标准化处理，进行第一次模型估计，剔除与Y相关性较小的变量。其次，进行多重共线性检测，选择与其他自变量相关性小的变量进行模型估计，模型结果显示如下。
LR statistic=16.87042>x20.05（4）=9.488，拒绝原假设，意味着第二个模型中Xi的系数不全为零。可以看到X2、X13、X16的Z统计量分别为-2.206718、-2.670113、2.067004，其绝对值都大于C0.025=1.96，意味着在α=0.05的置信水平下，X2、X13、X16对Y是有显著影响的，而X19的Z统计量是1.651587，其绝对值大于C0.05=1.64，表示在α=0.1的置信水平下，X19对Y是有显著性影响的。 三、结论
（一）年级对大学生选乘高铁旅游的意愿具有负向影响
根据模型结果，年级的影响系数为-0.207245，意味着随着年级的上升，大学生乘坐高铁旅游的概率减小了。一般而言，随着大学生年级的上升，其每周的课程数量是减少的，课余时间是增加的，这就使得不同年级的大学生对于时间利用效率的不同。对于低年级的学生来说，课余时间较少，旅游时间就变得较为短缺，那么为了能在旅游地多玩些时间，他们就会选择缩短乘坐交通工具所消耗的时间，此时高铁就是一个好的选择。而对于高年级的学生，课程减少，课余时间较多，旅游时间也较为充裕，他们可以选择速度较慢但价格低很多的普通列车。
（二）旅游距离对大学生选乘高铁旅游的意愿具有负向影响
模型结果显示，旅游距离对大学生选乘高铁旅游意愿的影响系数为-0.319326，表示隨着旅游距离的增加，大学生选择乘坐高铁旅游的概率是减小的。一般而言，随着距离的增加，火车票的价格也是不断增加的，而对于具有相同目的地的高铁和普通列车而言，高铁的票价更贵。所以，当大学生选择在省内或者周边省份旅游时，短距离的车程使得高铁票和普通列车票的差额较小，而当距离大幅度增加后，这种差额会大大增加，此时大学生就不会倾向于购买高铁票，而更可能选择乘坐普通列车。
（三）旅游结伴方式对大学生选乘高铁旅游的意愿有正向影响
在模型中，对旅游结伴方式（X16）的赋值是0=独自一人，1=结伴旅游，而模型结果显示旅游结伴方式的影响系数为0.247164，这表示当结伴方式由独自一人旅游变为结伴旅游时，大学生选乘高铁的概率会显著增加。当大学生选择独自旅游时，有一部分人会享受交通带给他们的感受，比如一部分人会享受慢速度的交通，欣赏沿途的风景，因为在独自旅游时会有更多的注意力放在周围的环境上。而当旅游者结伴旅游时，由于旅游决策要考虑到所有人的感受，而每个人对于慢速交通的容忍程度是不一样的，当一个队伍中有一个人不能接受慢速的交通，则整个队伍就倾向于选择高速且舒适的高铁，而当人数越多时，这样类型的人出现的概率就越大，这就使得大学生结伴旅游时选择高铁的概率增加。
（四）每次旅游期望消费金额对大学生选乘高铁旅游的意愿具有正向影响
根据模型结果，每次旅游期望消费金额的影响系数为0.189477，表示随着旅游期望消费金额的增加，大学生选乘高铁旅游的概率是增加的。很显然，每次旅游期望消费金额与旅游预算是有正相关关系的，当旅游预算上升时，大学生更有能力乘坐票价更贵的高铁，以追求快速和舒适。
参考文献：
[1] 王 华.城市居民出游的高铁选乘行为研究——以广西五市为例[J].社会科学家，2016（5）：15-20.
[2] 汪德根，牛 玉，王 莉.高铁对旅游者目的地选择的影响——以京沪高铁为例[J].地理研究，2015（9）.
[责任编辑：王功巧]
转载注明来源:https://www.xzbu.com/2/view-15010089.htm
