旅游管理专业 09级01班

9

5。

表5 月收入水平比例结构

Table. 5 Month income proportion structure

样本数 比重（%） 有效比重（%）

有效样本 1000以下 22 22.0 25.5

1001-2000 18 18.0 20.3 2001-3000 18 18.0 20.3 3001-4000 14 14.0 16.0 4001-5000 9 9.0 10.1 5000以上 7 7.0 7.9 合计 88 88.0 100.0

缺失样本 12 12.0 合计 100 100.0

4.3旅游者听取导游讲解后的景区总体形象感知分析 4.3.1旅游者调查分析

对凤凰游客调查显示，来凤凰的游客中，集中分布在湖南省内，占了总客源量的62%，距离较近的湖北、重庆、贵州占了总量的15%，其它地区访问率不高。数据表明，凤凰古城的主要客源市场集中在湖南周边地区，主要还是距离因素，凤凰古城可进入性相对较差。被调查者中，以学生(21. 0% )和企事业单位职工(40.0%)居多，占了总数的绝大多数。出游的动机中，对古城的自然环境和民族风情占了绝对的优势[5]。 4.3.2旅游者信息获取调查分析

来凤凰之前，游客对凤凰的了解主要通过广播电视(30.5% )、报刊书籍(9.0%)、因特网(26.5% )、朋友介绍(18.5%)、旅行社(15.5%)等多种途径，并且游客觉得获取凤凰的旅游信息相对容易，凤凰古城的旅游营销力度较大，信息渠道多样和畅通。

第9页共18页

旅游管理专业 09级01班 10

旅行社朋友介绍因特网报刊书籍广播电视15.50.50&.50%9.000.50%百分比（%）0.00.00 .000.00@.00%

图1. 凤凰旅游信息获取渠道

Fig. 1The phoenix travel information acquisition channel

4.3.3对凤凰古城最突出印象

据调查显示，游客在听取导游讲解后对凤凰古城最突出的印象为历史悠久的湘西古镇(30.0%)、自然环境优美的小镇(29.0%)。听取导游讲解后他们认为最能代表凤凰古城旅游形象的景点是虹桥(34.6% )、沱江(37.2% )、沈从文故居(13.7%)。

210%历史悠久的湘西古镇自然环境优美的小镇少数民族风情20)%沈从文故乡图2. 对凤凰古城最突出印象

Fig.2 The impression of the ancient city of phoenix the most prominent

第10页共18页

旅游管理专业 09级01班 11

37.50@.005.000.600.00%.00 .00.70.00%8.00.00%5.00%0.00%系列15%3.20%2%沱江沈从文故居熊希龄故居朝阳宫凤凰大桥虹桥图3. 最能代表凤凰古城旅游形象的景点

Fig.3 To represent the phoenix ancient city tourism image of the scenic spot

4.4旅游形象要素测评与评价

对调查问卷中旅游形象要素进行描述统计分析，比较指定变量的描述统计

量，包括均值、标准差、综合、观测量数、方差等一系列单变量描述统计[6]。

本次调查在旅游形象要素中选取9个要素，回答采用李克特5级量表，让游客进行打分（5、4、3、2、1），了解导游讲解后游客对其形象的感知度，见表6.

表6 游客对凤凰古城旅游形象感知度

Tab.6 Visitors to the ancient city of phoenix tourist image perception

旅游形象要素 凤凰的历史文化 凤凰的风土人情 凤凰的历史名人 凤凰古城氛围 凤凰的文物古迹 凤凰的餐饮美食 景区服务质量 景区硬件设施 景点特色

均值

方差

4.065 4.364 3.292 3.734 4.146 4.154 3.292 3.286 4.146

第11页共18页

其他0.489 0.535 0.647 0.968 0.639 0.584 0.647 1.547 0.639

旅游管理专业 09级01班 12

以上表可以看出游客听取导游讲解后对凤凰古城的旅游形象要素均值相对较高，方差大部分相对较低，表明导游讲解发挥很大作用使得旅游者普遍对凤凰古城的旅游形象感觉良好，一致性较强，稳定性较强。 4.4.1古城旅游形象要素因子分析

本文采用SPSS17.0对问卷数据进行因子分析，从主成分分析入手，主成分分析是采取一种数学降维的方法[7]。将调查问卷中具有代表性的9个凤凰古城旅游形象要素题目作为分析因子，用SPSS12.0作出因子分析。调查问卷需要一定的效度和信度，本文通过检验问卷的信度来证明此问卷的有效性。进行因子分析时，因子数目通常采用Kaiser准则和Cattell进行挑选。在Kaiser准则的应用中，当因素分析的题项数低于30时，题量平均共性应该在0.70以上。在其KMO统计量值中，若KMO在0.90以上，极适合进行因素分析，在0.80以上，适合进行因素分析。

本问卷的KMO为0.814（表7）,由于本问卷的受试样本分布均匀，因此，该问卷的信度已较高，是适合进行因素分析的，同时在Bartlettr的球形度检验中的显著性概率是.000,也说明该问卷是适合作因子分析的。

表7 凤凰古城旅游形象要素的KMO和Bartlett检验

Tab.7 The ancient city of phoenix KMO and Bartlett test of tourism image elements

KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 Bartlett 的球形度检验 近似卡方 df .814 228.654 36 Sig. .000

本文采取主成分分析法，经过方差最大旋转处理，保留特征值大于1，因子载荷大于0.5对所有变量进行重新提取[8]。由表8可知，前2个主成分总共解释总方差的55.228%，因此用2个因子代替9个指标，可以概括原始变量所包含的一半以上信息，由此认为这2大因子能解释大部分变量，概括大部分信息。

第12页共18页