家庭旅游消费的影响因素分析.docx
《家庭旅游消费的影响因素分析.docx》由会员分享，可在线阅读，更多相关《家庭旅游消费的影响因素分析.docx（13页珍藏版）》请在冰豆网上搜索。
家庭旅游消费的影响因素分析
家庭旅游消费的影响因素分析
摘要
基于2018年中国家庭追踪调查（CFPS）数据，运用logistic模型对家庭出行消费的影响因素进行分析。
研究表明，中低档家庭的旅游消费是现阶段中国家庭旅游消费的主流选择，并有较强的发展趋势。
在二线地区和农村地区家庭旅游消费选择上，旅游消费的基层和中层更为明显。
消费水平与家庭所在地的密切关系是中国家庭旅游消费的显著特征。
家庭净资产、家庭消费支出、家庭总支出、人均家庭纯收入和财产所有权是影响中国家庭旅游消费的重要因素，而且影响中国家庭旅游消费的因素是多方面的。
关键词：
家庭旅游消费；Logitic模型；CFPS
引言
近年来，中国国内游客的数量一直在增加。
根据文化和旅游部的数据，2018年居民旅游消费以9%的速度高速增长，居民国内游客达到15.4亿人次。
居民旅游正呈现出前所未有的生机与活力。
总体来看，居民旅游蓬勃发展，居民旅游需求和旅游消费能力具有较强的发展空间，旅游市场广阔。
随着经济文化水平的提高和居民消费能力的提高，必须引导居民旅游需求，促进旅游需求，以面对更广泛的旅游供给体系。
同时，高度重视居民旅游需求具有重要的政治和社会意义。
居民的旅游活动意味着基本生活条件的改善和精神文化需求的增强，这进一步体现了社会的公平正义。
因此，本研究重点研究家庭旅游需求的影响因素，以期为进一步发展旅游市场提供参考。
1文献回顾
家庭是由个体构成的社会结构的基本单位。
白凯等人认为，广义的旅游家庭包括夫妻、子女、父母等大多数家庭成员，狭义的旅游家庭只包括夫妻和子女。
本研究以中国家庭追踪调查为基础，定义了广义的家庭，包括家庭的所有成员。
目前学术界对家庭旅游的研究较少，主要集中在家庭旅游消费和行为方面的研究，但都对家庭旅游的作用给出了肯定的回答。
家庭旅游可以促进家庭和睦，维持家庭关系，加强家庭沟通，加深家庭成员之间的互动。
陈鑫（2020）等认为家庭旅游可以通过旅游体验提高家庭成员的幸福感。
家庭旅游不仅对家庭有重要意义，而且对进步和社会转型也有重要意义[1]。
旅游需求是旅游领域的研究热点。
在倡导供给侧结构性改革的背景下，从消费者的角度探讨旅游需求侧问题，协调旅游产业供给与需求体系，促进旅游产业转型升级。
需求分为两部分：
意愿和能力。
学者们从旅游需求或旅游意向出发，研究其影响因素。
我国对居民旅游的研究可以追溯到2000年，当时学者们开始探讨旅游市场的重要性。
目前，对居民旅游消费的研究主要集中在消费态度与目的、层次与空间差异、影响因素三个方面。
一些学者以影响因素为重点，研究了单一因素对居民旅游消费的影响。
于凤龙（2020）等通过宏观数据发现，居民旅游消费与收入、消费习惯呈正相关，与消费不确定性呈负相关。
居民旅游消费潜力是否得到释放与城镇化发展水平有关[2]。
杨勇（2020）认为，虽然居民旅游消费的影响取决于其收入来源，但旅游消费的整体效应仍显示出强劲的需求。
更多的学者针对特定地区探索居民或家庭旅游消费的影响因素[3]。
周文丽（2019）发现，经济因素可支配收入和产品价格对消费的影响最大，其次是目的地和服务因素，居民自身意愿和动机的影响较小[4]。
于凤龙等在苏南地区的案例分析中发现，居民旅游消费受家庭经济、教育程度和性别的影响。
中国家庭追踪调查（ChinaFamilyPanelStudies，CFPS）是由北京大学中国社会科学调查中心（chinasocialsciencesurveycenter,isss）组织的一项全国性、大规模的跨领域社会跟踪调查项目。
主要关注中国人口的经济和非经济福利，包括经济活动、教育成果、家庭关系和家庭趋势和健康[5]。
CFPS跟踪和收集来自个人、家庭和社区的数据，为学术研究和公共政策分析提供数据基础。
由于CFPS所形成的数据库具有全局性、连续性和基础性等特点，越来越受到学者们的关注。
目前已有基于CFPS数据的家庭旅游消费研究报告。
研究变量主要集中在社会人口属性因素上，经济制约因素主要是家庭收入因素较少[6]。
由于CFPS调查的是同一家庭的多个成员，因此家庭成员的年龄、性别、种族、婚姻状况、教育、就业状况、职业类型等不反映整个家庭的特征。
而经济上的制约被看作是家庭的基本单位，显示出全体家庭的水平。
研究方法主要有叙述性分析和线性回归分析。
对于家庭旅游消费的解释分析过于简单，线性回归分析的应用较为广泛，但其局限性较大[7]。
研究数据的选择主要以一个横断面数据为基础，数据的选择来自数据库。
2数据来源及研究方法
2.1数据来源
本研究数据来源于2018年中国家庭跟踪调查（CFPS）。
CFPS数据覆盖25个省、市、自治区，占中国人口的95%。
2018年共收集了14239份CFPS家庭样本，其中收集了6752份家庭样本。
在个人层面共采集了32,548个样本，其中15,969个样本来自。
本研究以家庭生计资本和出行需求为研究对象，对家庭样本和个体样本进行指标筛选、样本剔除、指标整合和样本组合，最终整理出3645个家庭样本。
2.2指标选取
参考以往的研究报告，结合本研究的实际情况，本研究从CFPS数据库中选取家庭旅游消费支出作为因变量。
选取所有家庭净收入、人均家庭净收入、工资性收入、财产所有权性质、家庭净资产、抵押贷款总额、居民消费支出、交通通讯支出、家庭总支出、居住地、社区性质、家庭人口规模作为自变量。
表2-1变量名称和数据处理
变量
描述
家庭旅游消费
1代表<2000，即基础档消费；2代表2000≤~<10000，即中档消费；3代表≥10000，即高档消费
全部家庭纯收入
1代表<81000，2代表81000≤~<162000，3代表≥162000
人均家庭纯收入
1代表<16500，2代表16500≤~<27000，3代表27000≤~<39000，4代表≥39000
工资性收入
1代表<10，2代表10≤~<28800，3代表28800≤~<117600，4代表≥117600
家庭净资产
1代表<780000，2代表780000≤~<1870000，3代表1870000≤~<3970000，4代表≥3970000
总房贷
1代表<400000，2代表≥400000
家庭总支出
1代表<88440，2代表≥88440
居民消费性支出
1代表<73560，2代表≥73560
交通通讯支出
购买、维修其他各种交通工具、通讯工具及配件的费用
家庭人口规模
1代表1个人，2代表2个人，3代表3个人，4代表4个人，5代表5个人，6代表6个人，7代表7个人，8代表8个人及以上
住房所有权性质
1代表家庭对住宅公房（家庭）、2代表部分产权出租房屋,3以家庭为代表其他房屋,4代表家庭住宅廉租住房以"5代表家人亲戚住宅6以家庭为代表住宅租赁商品房,7代表家庭成员的完全产权住房
社区性质
0代表农村，1代表城市城镇
所在地区
1是指所在地区人均gdp达平均值2倍以上的一线地区。
2表示所在地区的人均gdp虽然不低于平均值，但低于平均值的2倍以下，即指二线地区。
3是指低于平均值的地区，即第三线地区
2.3研究方法
多元logistic回归主要用于预测受多种因素影响的事件发生的概率。
它的基本假设不同于其他多元分析，不需要符合正态分布的假设。
但如果自变量为正态分布，则结果更可靠。
与一般的回归分析不同，Logistic回归的因变量为离散变量。
本研究采用多元logistic回归方法考察各变量对中国家庭旅游消费支出的影响。
令p表示某种事件成功的概率，受因素x影响，p与x的关系为：
上式是Logistic回归模型，β是回归系数，k是因素x的项数。
发生比率Exp（β）是回归系数β以e为底的自然幂指数，是事件的发生频数与不发生频数的比值，用于衡量自变量对因变量的影响程度，Exp（β）<1说明发生比减少，Exp（β）1说明发生比不变，Exp（β）>1说明发生比增加。
3结果分析
家庭旅游基本、中档、高档消费比例分别为42.1%、41.7%和16.2%，说明家庭旅游基本、中档消费是被调查对象家庭旅游消费的主要选择，如下表所示。
3.1变量类别分布分析
表3-1各变量频次分析
变量类别
占比/%
家庭旅游消费1
42.1
家庭旅游消费2
41.7
家庭旅游消费3
16.2
全部家庭纯收入1
50.8
全部家庭纯收入2
33.1
全部家庭纯收入3
16.1
工资性收入1
19.7
工资性收入2
13.6
工资性收入3
53.6
工资性收入4
13.1
人均家庭纯收入1
24.3
人均家庭纯收入2
27.3
人均家庭纯收入3
17.4
人均家庭纯收入4
31.0
人均家庭纯收入5
家庭净资产1
66.0
家庭净资产2
18.3
家庭净资产3
8.9
家庭净资产4
6.8
总房贷1
95.0
总房贷2
5.0
居民消费性支出1
55.4
居民消费性支出2
44.6
住房所有权性质1
3.8
住房所有权性质2
1.9
住房所有权性质3
3.0
住房所有权性质4
1.0
住房所有权性质5
5.1
住房所有权性质6
8.4
住房所有权性质7
76.7
家庭总支出1
53.7
家庭总支出2
46.3
社区性质0
26.3
社区性质1
73.7
所在地区1
17.8
所在地区2
30.1
所在地区3
52.1
家庭人口规模1
10.6
家庭人口规模2
19.2
家庭人口规模3
30.3
家庭人口规模4
15.2
家庭人口规模5
13.9
家庭人口规模6
6.8
家庭人口规模7
1.9
家庭人口规模8
1.9
从住房所有权性质看，完全拥有住房权利的家庭占76.7%。
在社区性质方面，城市住户占73.7%。
从区域来看，三线地区的家庭比例为52.1%，在所有受访者中较高。
在家庭规模方面，三口之家所占比例最高，达到30.3%。
第二、三、四、五种家庭规模分别为二人家庭、四人家庭、五人家庭和单人家庭。
3.2共线性检测
将Logistic回归的相关变量直接带入线性回归模型进行共线性检验，得到容差或方差膨胀因子。
公差小于0.1或方差膨胀因子大于10表明该变量存在共线性。
本研究中，耐受性远远大于0.1，方差膨胀因子小于10。
各研究变量间无多重共线性。
3.3自变量验证
将选取的变量代入多变量Logistic回归模型，剔除显著性水平大于0.05的变量。
重建回归方程，并进行显著性检验，直至方程中各变量均显著。
其余变量的最终结果及其显著性检验结果见下表。
表3-2自变量显著性检验
变量
降阶模型的-2倍对数概似值
卡方
自由度
P值
截距
1629.512a
居民消费性支出
1670.402
40.890
2
0.000
家庭总支出
1638.969
9.457
2
0.009
家庭净资产
1677.069
47.557
6
0.000
人均家庭纯收入
1766.475
136.963
6
0.000
所在地区
1647.671
18.159
4
0.001
社区性质
1667.101
37.589
2
0.000
住房所有权性质
1657.584
28.072
12
0.005
注a代表降阶模型等于最终模型
多元Logistic回归模型拟合度分析结果如表3-3所示。
2018年研究最终纳入的模型拟合效果优于常数项模型（1629.512<2645.133）。
此外，似然比检验结果表明，最终模型的改进具有统计学意义（P<0.001），模型通过检验。
表3-3模型拟合情况
模型
-2倍对数概似值
卡方
自由度
P值
仅截距
2645.133
最终
1629.512
1015.621
34
0.000*
注*代表P＜0.001
拟合优度分析结果见表3-4。
本研究纳入的2018年数据的Pearson卡方显著性P值为0.877，大于0.05，说明原假设有效，模型拟合通过检验。
表3-4拟合优度检验
项目
卡方
自由度
P值
相关系数
882.071
932
0.877
离差
934.715
932
0.469
3.4变量检验
采用SPSS22.0软件对通过显著性检验的自变量进行多元Logistic回归分析，检验各自变量在主效应模式下对因变量的影响，各自变量的统计检定值见表3-5。
表3-5家庭旅游消费回归分析
家庭旅游消费1
家庭旅游消费2
回归系数
（p值）
发生比
回归系数
（p值）
发生比
人均家庭纯收入1
2.097（0.000）
8.143
1.192（0.000）
3.295
人均家庭纯收入2
1.429（0.000）
4.176
1.005（0.000）
2.731
人均家庭纯收入3
0.466（0.009）
1.594
0.453（0.003）
1.574
人均家庭纯收入4
0b
0b
家庭净资产1
1.559（0.000）
4.755
0.872（0.000）
2.393
家庭净资产2
0.944（0.003）
2.571
0.823（0.000）
2.278
家庭净资产3
0.675（0.038）
1.964
0.418（0.054）
1.519
家庭净资产4
0b
0b
住房所有权性质1
0.470（0.232）
1.600
0.306（0.424）
1.358
住房所有权性质2
0.068（0.887）
1.071
0.396（0.356）
1.486
住房所有权性质3
0.188（0.623）
1.207
-0.028（0.938）
0.972
住房所有权性质4
-0.186（0.000）
0.830
-0.192（0.000）
0.825
住房所有权性质5
-0.129（0.650）
0.879
-0.371（0.167）
0.690
住房所有权性质6
0.931（0.001）
2.536
0.631（0.016）
1.880
住房所有权性质7
0b
0b
居民消费性支出1
1.347（0.000）
3.846
0.733（0.000）
2.081
居民消费性支出2
0b
0b
家庭总支出1
0.633（0.004）
1.884
0.302（0.148）
1.353
家庭总支出2
0b
0b
交通通讯支出
社会性质0
0.912（0.000）
2.489
0.418（0.022）
1.518
社区性质1
0b
0b
地区1
-0.140（0.482）
0.870
-0.164（0.333）
0.848
地区2
0.564（0.000）
1.757
0.404（0.008）
1.497
地区3
0b
0b
截距
-2.458（0.000）
-0.651（0.003）
注b表示此参数是冗余的，设为零；家庭旅游消费多元Logistic回归分析时以高档旅游消费为参考
4结论与启示
4.1结论
中国家庭旅游消费呈现强劲势头。
在研究样本中，基础旅游消费和中档旅游消费占总量的83.9%，基础旅游消费的发生率高于中档旅游消费，但两者的发生率均大于1。
基础旅游消费和中档旅游消费是现阶段我国家庭旅游消费的主流选择。
旅游消费的基础和中级水平在二线家庭和农村家庭的选择上更为明显。
人口社会属性指数显示，农村家庭选择基础和中档旅游消费可能性高于城市家庭，二线地区家庭选择基础和中档旅游消费可能性高于三线家庭，而一线地区家庭选择依据和中档旅游消费可能性差异不显著。
消费水平与家庭所在地的密切关系是中国家庭旅游消费的显著特征。
家庭旅游消费影响因素的多样性特征凸显。
首先，现阶段中国的家庭收入越来越多元化。
虽然工资收入是普遍的，但它不是影响旅游消费的唯一因素。
家庭人均纯收入和家庭净资产已成为衡量家庭收入的重要指标和影响旅游消费的重要因素。
其次，旅游正成为中国居民家庭生活的重要组成部分。
有必要从家庭消费结构完整性的角度来分析各消费类型的影响。
家庭总支出和居民消费支出已逐渐成为影响旅游消费的重要因素。
第三，家庭人口规模尚未成为影响旅游消费的重要因素，这可能是由于我国家庭收入的持续增加以及家庭汽车和高铁的普及，解决了以往家庭出游的诸多问题，削弱了家庭人口规模的影响。
最后，房屋所有权本质上分为所有权和租赁两类。
在本研究中，抵押贷款总额不是一个显著的影响因素，这反映了中国拥有完整住房的家庭具有一定的经济实力，抵押贷款总额对家庭旅游消费没有显著的影响。
不同类型租房家庭的旅游消费也不同。
商品房租赁家庭旅游消费的发生率明显高于廉租房家庭。
由此可见，家庭旅游消费的影响因素日益多元化。
4.2启示
家庭旅游消费的强劲趋势是旅游业发展的契机。
各级政府要继续加大政策引导和投资力度，旅游企业要继续加强相关旅游产品的开发，满足家庭旅游消费的多样化需求。
在消费升级和旅游市场结构调整的背景下，旅游企业应关注基本的家庭旅游消费市场，不断增加和完善相应的旅游产品。
在大众旅游深入发展的新阶段，影响家庭旅游消费的因素越来越多元化。
旅游相关部门和学者需要关注和研究新的影响因素，以便更好地解读和预测我国家庭旅游消费的新趋势。
4.3不足
鉴于现有的CFPS数据，本研究仅选择了一个数据库，研究深度有所欠缺。
未来，随着CFPS数据库的不断丰富，可以选择年份较长、周期较长的数据进行研究。
CFPS是一个综合性的数据库，不是专门针对家庭旅游消费的调查。
指标设计没有针对性，选择的影响因素较少。
如果不能从现有的数据来判断家庭的生命周期，可能就不能完全解释家庭旅游消费的内涵。
CFPS数据库中有大量的家庭没有旅游消费，因此无法真正了解他们的旅游消费现状和潜在的旅游需求。
参考文献
1陈鑫.中国城镇家庭旅游消费的特征及影响因素——基于中国家庭追踪调查（CFPS）数据的实证分析J.浙江树人大学学报（人文社会科学）,2020（5）.
2于凤龙,孙月.家庭旅游消费的收入效应研究——基于CFPS数据J.商业时代,2020,000（008）:
73-76.
3杨勇,胡玉坤,杨胜运,等.农村家庭收入来源,家庭特征与旅游消费——基于中国家庭追踪调查（CFPS）数据的微观分析J.旅游学刊,2020,035（001）:
47-62.
4周文丽.旅游对居民工作满意度的影响——基于CFPS2016数据的研究J.贵州社会科学,2019,000（007）:
150-159.
5孙根紧、王丹、丁志帆.互联网使用与居民旅游消费——来自中国家庭追踪调查的经验证据J.财经科学,2020,No.392（11）:
87-99.
6刘志华,孙梦阳.城市家庭儿童数量对家庭旅游消费的影响研究J.商业经济,2017,000（007）:
21-22.
7罗蓉、彭楚慧、李勇辉.互联网使用会促进家庭旅游消费吗?
——基于"两阶段消费者意愿——行为转换理论"的分析J.消费经济,2020,v.36;No.207（05）:
59-69.
8李慧兰,张龙,靳取.家庭特征、地区差异与陕西省家庭旅游消费——基于分层线性模型的研究J.知识经济,2018,481（22）:
30-32.
9兰青,鲁兴虎.都市老年群体互联网使用差异及其影响因素探究——基于CFPS2016数据的实证研究J.软科学,2019,033（001）:
104-108.
10赵明天,李国柱.家庭生活消费水平与消费倾向的影响因素——基于CFPS数据的分析J.农村经济与科技,2019,030（011）:
153-155.
升级会员 