游客动机与旅游目的地发展 旅行生涯模式TCP理论的拓展和应用Word文档下载推荐.docx
《游客动机与旅游目的地发展 旅行生涯模式TCP理论的拓展和应用Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《游客动机与旅游目的地发展 旅行生涯模式TCP理论的拓展和应用Word文档下载推荐.docx（18页珍藏版）》请在冰豆网上搜索。
但Pearce和Lee提出的游客动机旅行生涯模式（TravelCareerPattern，TCP）理论，相对系统地整理并实证检验了前人研究得出的各种旅游动机，建立起多种动机因素与游客年龄和先前旅游经历之间的动态关系[19]，有望为以上问题提供现实可行的解决途径。
此外，Plog提出的游客心理特征模型结合了目的地生命周期理论，进一步将游客特征与目的地兴衰联系起来[12]。
融合TCP理论和游客心理特征模型，能够利用游客的年龄和旅行经历，简单有效地预测游客的行为偏好特征，从而为目的地规划发展提供可靠依据。
本研究的主要目的在于引用和检验TCP理论并得出游客动机模式，结合游客心理特征模型为目的地规划、营销和管理工作提供理论依据。
一方面通过实证分析，检验TCP理论在中国情境下的适用性，得出中国游客的旅行生涯模式，为TCP理论提供跨文化的补充和支持；
另一方面，在此基础上完善TCP理论的框架，结合游客心理特征模型，为目的地营销和管理者提供一个决策模型，从而更有效地掌握游客需求特征，明确目的地营销和规划的发展目标与实施进度。
一、文献综述
（一）游客动机
动机一直以来都是旅游研究不同领域的热门话题[20]，如休闲度假[1]、旅游心理[3]、旅游发展决策[21]、市场细分[22]、目的地兴衰[12]、游客分类[14]、灾后重建[23]和身体健康[24]等。
Wahab指出，旅游动机是旅游相关研究中不可分割的一部分，也是旅游发展本身的重要基础[25]。
Crompton认为，针对旅游提出的问题中，“什么人、什么时间、什么地方和怎么样”这些都相对比较容易解决，但是“为什么旅游”这个问题却很难回答[1]。
而“为什么旅游”又是游客行为背后的关键因素之一，因而长期以来受到了大量旅游研究者的关注。
（二）旅行生涯模式（TCP）理论
旅行生涯的概念原型是Pearce早期研究得出的旅行生涯阶梯（TravelCareerLadder，TCL）模型[26]。
根据TCL模型，游客的需求动机呈现出层级或阶梯形式，最基础的是放松需求，之后依次是安全保障需求、关系需求、自尊和发展需求，最高层次是自我实现需求。
该概念模型假设人们具有一个类似职业生涯的旅行生涯，背后的核心思想是游客的旅游动机随着旅游经历的积累而变化。
游客随着自身旅行经历的增加，逐渐追求更高层次需求动机的满足。
大部分游客都会系统地经过各个需求阶段，因而可以预测他们的旅游动机模式，一般是沿阶梯逐渐向上，但也有可能稳定在特定的需求层次上，这取决于健康、财务等因素的稳定性或局限性。
Ryan指出，TCL的影响力体现在对该模型的应用已经超越了学术期刊，到达了商业咨询组织的报告中（如向澳大利亚旅游委员会提交的报告），但缺少实证证据支持其理论背后的假设[27]。
几乎在同一时间，Holden针对滑雪旅游者的实证研究在一定程度上支持了TCL模型。
四类滑雪旅游者（按滑雪经历的多少划分）对五个动机需求水平的重视程度存在差异，经历多的游客对各类动机的打分更加明确，不仅更加清楚自身的旅游需求，而且对旅游体验的要求也更高，使满意度相对更低[28]。
在各种支持和反对声中，Pearce和Lee又提出改进完善后的旅行生涯模式（TCP）概念框架[19，29]。
他们通过在西方国家（澳大利亚、英国和其他西方国家）和东方国家（韩国）不同文化情境下的调查，实证检验了TCP理论框架，比较了不同旅行生涯游客群体的动机因素，发现东西方国家之间有高度的一致性[30]。
在得到的14个旅游动机因素中，处于高层次旅行生涯状态的受访者更重视外部导向的动机因素，如目的地涉入和追求自然；
处于低层次旅行生涯状态的受访者更重视内部导向的动机因素，如个人发展、浪漫、关系（安全感）和独立自主；
其他动机因素在高低两个层次群体中不存在显著的差异。
最终，他们把这些动机因素归为两类：
一类是在所有游客中普遍存在的最重要的动机因素，分别是新奇、逃离/放松和关系强化；
另一类是对所有受访者来说都不太重要的动机因素，如怀旧、刺激、隔离和社会认同。
Paris和Teye运用TCP理论得出了背包游客的两类核心动机和随经历变化的四类动机[31]。
Panchal和Pearce针对Spa游客的研究，又进一步在先前TCP理论得到的14个动机因子中加入了健康动机[24]。
在经过二十多年的发展后，Pearce完整报告了TCP理论包含的3个动机层次，其中每一层都由不同的旅游动机组成。
最重要的普遍动机（如新奇、逃离/放松、关系强化）位于核心层；
中间层是较为重要的旅游动机，从内部导向的旅游动机（如自我实现）转变为外部导向的动机（如自然和目的地涉入）；
最外层由相对稳定但不太重要的一般动机组成（如怀旧、隔离、社会认同）[30]。
TCP理论不仅整合并实证检验了其他许多动机研究中所提出的旅游动机的多维度概念[22，3234]，还从动态发展的角度解释了不同年龄、不同经历游客的动机模式。
它不仅深化了旅游动机领域的理论认识，也更好地建立起了理论研究和旅游经营者实践运用之间的联系。
但在理解和预测游客特征时，TCP仍有提升空间，尤其需要建立游客动机与旅游目的地发展之间的联系，从而可以更加简单清晰地利用年龄和旅游经历来判断游客的动机和行为。
（三）游客心理特征模型
游客心理特征模型是游客动机与目的地旅游发展联系最紧密的理论。
Plog研究发现不坐飞机的人具有较少出游、缺乏安全感和控制感等个性倾向，他把这些游客定义为“自向中心型”游客，把与之相对的富有冒险精神并充满自信的游客定义为“异向中心型”游客。
两个极端类型中间又包含“近自向中心型”、“中性混合型”和“近异向中心型”三类游客，从而在此基础上提出著名的游客心理特征模型[12]。
随后Plog对该模型加以修正，认为旅游经历较少的自向中心型也可被称作依赖型，经历丰富的异向中心型也可被称作冒险型[35]，与游客特征对应的依次是呈正态分布曲线的目的地发展阶段。
从Plog提出的正态发展曲线可以看出，大部分目的地从建立、成熟到衰退都遵循一个可预期但又无法控制的发展模式。
每个阶段目的地会吸引不同心理特征的游客群体，由这些游客决定目的地的特征和成功与否[35]。
在发展初期吸引冒险型游客，随着目的地的成熟逐步趋向于吸引依赖型的游客。
在大量中性混合型游客到来的时候，目的地发展最为成熟，也最难控制。
而冒险型和依赖型游客最集中的前后两个阶段特征最明显，也最容易控制。
对大部分目的地来说，理想的游客心理特征应该位于近冒险型的中间某个位置。
如果目的地的规划者理解这个心理特征曲线，就有可能在市场推广和产品开发等方面努力，控制旅游发展并保持理想的市场地位。
有学者指出，尽管Plog的理论在旅游研究中非常著名，特别是目的地相关的领域，但对理解旅游动机或预测游客行为帮助不大[36]。
批评者指出，该理论太难应用于实际，因为在不同情况下游客的旅游动机也不一样[15]。
McKercher认为每个目标市场都与目的地有着独特的关系，而目的地可能同时存在于Plog提出的正态曲线的多个阶段[37]。
由此可以看出，在游客心理特征模型的基础上，补充游客动机模式的相关内容，有可能为游客的动机和行为特征以及目的地的规划和可持续发展提供系统的理论与实践指导。
二、研究设计
本研究采用了TCP理论的动机测量量表，包含71个具体的测量问项。
尽管Pearce建议在本研究中引用原始量表，但考虑到原始测量项的来源主要是国外的研究，为了确保研究不会遗漏国内游客区别于国外游客的独特动机因素，因此在最终确定这些动机测量项之前，又对浙江大学管理学院旅游管理专业的本科生、研究生做了焦点组访谈，并在杭州西湖和西溪湿地两个著名景区对国内游客做了深入访谈。
从访谈结果可以发现，经常被提及的旅游动机是好奇心驱动和休闲放松，但被提及的出游因素远远没有达到TCP所涵盖的需求内容。
因此，本研究最终在Pearce的建议和访谈结果的支持下，完整引用了TCP理论的动机量表。
这样做的好处是在国内游客对自身动机需求还不是非常明确的时候获取到更加详细的动机信息，从而更全面地进行跨文化比较。
本研究主要通过问卷调查的方式收集游客信息，采用方便样本抽样法。
数据收集历时近三个月，从2013年6月初到8月中旬。
为保证游客特征、数量和出游方式的平衡性，本研究选择杭州西湖景区、西溪国家湿地公园和3家国际青年旅舍为抽样地点。
调查对象包括团队游客和自由行游客。
受访者需要在5点Likert量表（从非常不重要到非常重要给出1—5的打分）的问卷中，指出他们对71个休闲旅游动机描述项的重视程度。
共发放问卷779份，回收713份，回收率为915%，其中640份（898%）为有效问卷。
最终收集到的有效样本数据，将通过SPSS20进行描述性统计、探索性因子分析、聚类分析、判别分析、交叉列联表分析、独立样本t检验和多元方差分析（MANOVA），来获取旅游动机和旅游经历的相关信息。
三、结果与讨论
（一）样本总体情况
所有640位受访者中，男性游客占401%，女性游客占599%。
受教育程度普遍较高，以本科学历的游客为主，占514%，硕士以上学历的游客占187%。
月收入大都在8000元以下，占867%。
一半以上游客的国内旅游经历相对比较丰富，占507%，而有出国旅游经历的游客则相对较少，占352%。
大部分是年龄低于30岁的年轻游客，占722%，31岁以上的游客占278%。
具体情况如表1所示：
（二）游客动机分析
根据探索性因子分析寻找71个动机测量项背后的潜在因子，在特征值大于1的条件下，分析得出14个因子维度，保留了载荷大于040的测量项来解释所属的因子[38]。
结果显示，KMO值为094，最终解释的总方差量为6730%。
各因子的内部一致性通过Cronbachsα系数来反映。
Baloglu和McCleary认为，这是使用最普遍的信度测量方法[39]。
通常认为α系数大于070是可靠的[4041]。
但在测量项数量较少的时候，可以适当降低α系数的要求到060或050[4243]。
结果显示14个动机维度中，有13个动机维度的α系数大于070，说明大部分动机维度的内部一致性都很强。
只有独立自主这一动机维度α系数略低于070（α=064）。
由于这个动机维度只有2个测量项，因此对该结果予以保留。
具体结果如表2所示，从中可以看出自然、新奇和自我实现是最重要的三种出游动机，而独立自主、社会认同和浪漫是最不重要的出游动机。
这个结果与TCP理论中的动机重要性排名非常接近。
表2根据因子均值排序的因子分析结果
因子动机测量项均值载荷因子动机测量项均值载荷
M32：
探索未知事物3850553
M34：
寻找意想不到的惊喜3810617
1.自然M21：
欣赏风景44007288.刺激M33：
接触新鲜刺激的东西3760663
（Mean=427）M23：
更好地享受自然4330853（Mean=347）M38：
寻找震撼的难忘体验3550750
（Exp.=50%）M22：
贴近自然4300815（Exp.=69%）M37：
获得大胆的冒险经历3410786
（α=089）M24：
跟自然融为一体4110754（α=091）M35：
率性而为3390482
M36：
体验时尚潮流的场所308
0640
M39：
危险中寻求深刻体验2980717
2.新奇M3：
感受地方的特殊氛围43906929.隔离M59：
感受开放的空间3900500
（Mean=410）M2：
体验不同的事物4330760（Mean=336）M58避免人际间的压力3520656
（Exp.=40%）M4：
满足个人兴趣3990589（Exp.=36%）M62：
享受一个人的状态3410534
（α=075）M1：
好玩3730645（α=076）M60：
远离人多的环境3320735
M61：
远离家庭2610620
M56：
丰富内心精神世界4130786
3.自我实现M53：
感受内心的平和401080210.怀旧
（Mean=391）M52：
对生活有新的认识3960696（Mean=322）M63：
回忆过去的美好时光3240861
（Exp.=63%）M57：
感受和平与安宁3890600（Exp.=29%）M64：
寻找过去的记忆3170855
（α=089）M54：
更好地认识自己3880683（α=093）
M55：
变得有创造力3620508
续表2
M26：
体验不同的文化4290538M48：
认识兴趣相似的人3650482
4.自我发展M28：
增加对旅游地的了解412060011.关系M49：
让自己处在人群中3170656
（目的地涉入）M30：
观察旅游地的人和事4090638（安全感）M47：
与敬重的人在一起3090666
（Mean=390）M25：
学习新的事物3980516（Mean=317）M50：
需要时随时有人3060708
（Exp.=53%）M27：
认识各种不同的人3900727（Exp.=54%）M51：
寻找归属感2970716
（α=087）M29：
与当地人交谈3670785（α=088）M46：
寻找安全感2900651
M31：
被当地文化事件吸引3360454
M10：
享受自由自在的时间4170584
M5：
休息和放松4140574
5.逃离/放松M7：
暂别重复无聊的日常生活400058812.独立自主
（Mean=389）M6：
缓解日常心理压力3990764（Mean=303）M20：
用自己的方式做事3550723
（Exp.=54%）M9：
让头脑休息一下3920736（Exp.=26%）M19：
不用对任何人负责2510792
（α=083）M11：
缓解日常的生理压力3510644（α=064）
M8：
摆脱生活中的要求和束缚3470684
M45：
运用锻炼天赋和技能3830713
6.自我发展M44：
提升个人技能375075513.社会认同M67：
与人分享技能和知识3300411
（个人发展）M40：
发展个人的兴趣爱好3710628（Mean=303）M68：
展示能力和勇气3160651
（Mean=365）M18：
变得独立3710473（Exp.=41%）M69：
得到别人的认可3050705
（Exp.=76%）M43：
增强自信3600770（α=088）M70：
引领潮流2630602
（α=091）M41：
明晰自己的能力3490756M71：
告诉别人自己在旅游2840745
M42：
获得成就感3440708
M16：
增强与家人朋友的关系3870726
7.关系强化M13：
与家人朋友一起做事359074914.浪漫
（Mean=351）M15：
增强与身边人的关系3500779（Mean=287）M65：
寻找浪漫关系2940749
（Exp.=58%）M17：
与外地的家人朋友联系3450658（Exp.=27%）M66：
跟异性在一起2810809
（α=086）M14：
跟能够欣赏我的人一起3330691（α=085）
M12：
与身边的人一起做事3200749
注：
6730%的方差得到解释，剔除因子载荷小于040的测量项；
KMO值为094；
Mean表示均值，Exp.表示方差解释量。
为了找到每个受访者的旅游动机在14个空间维度中的位置，完成后续的进一步分析，在进行因子分析的同时还用安德森鲁宾（AndersonRubin）方法计算了各个因子的得分，并且保存为14个新的变量。
这些新变量是均值为0、标准差为1的标准化数据。
从因子分析结果看，中国游客对自我发展（个人发展）、自我实现、独立自主和隔离四个动机维度的具体看法与西方游客存在差异。
原TCP理论把“变得独立”这一测量项放在独立自主这一动机维度[19]，而中国的样本数据则将其放在自我发展（个人发展）的动机维度中。
另外，西方国家把“变得有创造力”这一测量项放在自我发展（个人发展）这一动机维度里，而本研究则将其归入自我实现这一动机维度里。
由此可以推断，中国游客把“变得有创造力”视为与自我发展（个人发展）不一样的表现，将其等同于自我实现的一个方面。
中国游客在自我实现这个动机维度上也与国外游客差别较大。
不仅在“变得有创造力”这一表述上有分歧，而且对“感受和平与安宁”这一表述也与西方游客观点不同。
在国外游客看来，这应属于隔离动机，而中国游客则认为这是自我实现的一个方面。
另外，“远离家庭”这一测量项没有得到国外数据的支持，但中国得以保留，可以看出中国游客对家庭的认识有别于国外游客。
与时下家庭旅游迅速发展[44]、希望通过旅游来增进家人之间的感情[45]的情况形成对比，有些游客的目的在于远离家庭，从中可以看出部分游客期望通过旅游来解决或缓解家庭生活中存在的问题与冲突。
根据TCP理论对14个动机维度的排序，分别对三个实证研究的动机因素赋值。
以均值高低排序依次赋值，最重要的为14，往后依次减小，排在最后的为1。
最后把每个动机因素在三个研究中的得分加总，按得分从高到低重新排序，得到最后的综合排序。
除了自然和关系（安全感）两个动机因素，研究结果非常清晰地呈现了TCP理论中的动机模式原型。
三个实证研究共同验证了TCP理论的跨文化适用性。
新奇和逃离/放松始终都是最重要的旅游动机。
从1972年Cohen把动机研究带入旅游动机研究开始[46]，新奇这一动机因素就已经作为出游行为背后的主要因素，受到旅游研究者的广泛关注，并且有许多探索性研究[1，20，4748]。
如果寻找新奇是一种对刺激的追求，那么逃离/放松就是远离过度刺激的需求[3]。
Mannell和IsoAhola的研究认为，逃离日常责任和压力是休闲旅游的主要动机[49]，得到了许多研究者的支持[1，5052]。
（三）游客动机与旅行经历水平
TCP理论认为游客的旅游经历和年龄共同影响出游动机，在形成旅游动机模式的过程中共同发挥作用。
因此，本研究用国内旅游经历、出国旅游经历和年龄三个变量来测量旅游经历水平。
对样本数据进行K均值聚类分析以对不同的旅游经历水平进行分组。
在分析之前先把三个变量转换成0—1的标准化数据，结果将样本分成了数量基本一致的两类，第一类有313人（499%），第二类有314人（511%）（排除存在缺失值的13个样本）。
如表3所示，将两类游客分别命名为高旅游经历水平群体和低旅游经历水平群体：
前者的国内和出国旅游经历都比较多，年龄较小；
后者的国内和出国旅游经历都比较少，年龄较大。
表3聚类分析结果
变量高旅游经历水平（N=313）低旅游经历水平（N=314）AVOVASignificanceLevel
国内旅游经历092059000
出国旅游经历083053000
年龄058070000
为了确定哪个预测变量对区分高低水平的贡献最大，本文又对国内旅游经历、出国旅游经历和年龄三个变量进行了判别分析。
在判别分析之前，先用皮尔逊相关（Pearsoncorrelation）检验三个旅游经历变量之间的相关性。
结果显示三个变量的相关性都比较低，R值在006—026之间，可以认为这三个变量适合作为预测变量进行判别分析。
本研究采用了默认的判别分析方法，在观测变量较少而研究者又希望将所有变量都作为判别变量时，可以一次将所有的变量都放到函数中[53]。
因此，这三个变量被同时包含在分析中来估计判别函数。
判别函数的结果显示特征值为339，函数代表了100%的解释变量，典型相关系数为088，反映出函数与组间差异有很强的相关性。
相关的平方是077，说明两个旅游经历水平群体之间77%的差异得到了解释。
WilksLambda值很小（023），说明两类之间的区分度非常好。
对Wil
升级会员 