欢迎来到天天文库
浏览记录
ID:31778365
大小:60.39 KB
页数:9页
时间:2019-01-18
《基于模糊综合评价法夫子庙秦淮风光带游客满意度探究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、基于模糊综合评价法夫子庙秦淮风光带游客满意度探究摘要:游客满意度是近年来国内外学着竞相研究的热门话题。即将到来的2014青奥会将把古城南京送上国际舞台。本研究以夫子庙秦淮风光带作为研究对象,采用SPSS统计软件及模糊数学等研究方法计算出了南京市夫子庙秦淮风光带的游客满意度,归纳总结了夫子庙秦淮风光带目前发展中存在的问题,并针对问题提出了相关发展对策。关键词:夫子庙秦淮风光带;游客满意度;发展对策南京素有“六朝古都、十朝都会”之美誉,悠久的历史带给南京城丰厚的历史遗存。2014年,南京将举办第二届青年奥林匹克运动会。这一国际性赛事盛会在南京召开,必将把古城南京推
2、向国际,作为南京城市代言人的秦淮河,将会被海内外游客所关注。夫子庙秦淮风光带旅游发展至今,景点开发,周边基础设施,旅游产品等已相对成熟。但是制约秦淮河旅游发展的因素依然存在。旅游者是旅游业发展的核心因素,是旅游产品的最终购买者。因此,研究旅游者在旅游过程中的满意度有助于改善夫子庙秦淮风光带现有的旅游产品,对满足游客对秦淮河日益增张的旅游需求,提升秦淮河的旅游形象,提高南京市旅游综合竞争力有非常重要的意义。一.研究设计(一)问卷设计本文为了准确地获取研究数据设计出了《夫子庙秦淮风光带游客满意度调查问卷》,同时对夫子庙景区的游客进行交谈,从而获得夫子庙秦淮风光带游
3、客满意度的第一手资料和统计数据。本文的问卷一共包括两大部分,第一部分是游客个人信息,包括游客性别、学历、年龄、职业、收入、客源地等。第二部分是夫子庙秦淮风光带游客满意度调查。本问卷的重点是第二部分。为了量化该部分问卷结果,本文采用了李克特(Likert)五级量表,用数字来反映游客对夫子庙秦淮风光带的满意程度。在2012年3月期间,笔者共发放问卷205份,有效问卷204份,回收率达99.5%,结果比较满意。(二)数据分析方法运用SPSS18.0对数据进行信度检验、KM0样本测度和巴特利特球形度检验及因子分析。最终通过因子分析,将文章初始构建的模型和指标体系进行修
4、改。(三)模糊综合评价法模糊集合理论(fuzzysets)的概念于1965年由美国自动控制专家查德(L.A.Zadeh)教授提出,用以表达事物的不确定性。模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。模糊数学法首先要确定评价因素集和各因子权重,在此基础之上计算出评价集,通过计算得出项目的隶属度和一级模糊综合评价矩阵和综合评价集,最终算出游客满意度的满意度得分。一.夫子庙秦淮风光带游客满意度模型和指标体系构建(一)模型构建本文以美国顾客满
5、意度指数ACSI模型、欧洲顾客满意度指数模型ECSI为基础,构建了夫子庙秦淮风光带游客满意度模型。该模型中共包括5个变量,分别是顾客预期、顾客感知质量、旅游形象、顾客满意度、顾客忠诚。顾客预期、感知质量、旅游形象决定着游客的满意度,是模型的输入变量。在输入变量的作用下,产生顾客的满意度和顾客忠诚两个结果变量。(二)指标体系构建根据游客满意度模型,在遵循评价指标的全面性、指标的代表性、可测量性、客观合理性等原则之上,结合以往研究顾客满意度的文献,建立夫子庙秦淮风光带游客满意度指标体系。该指标体系主要包含四级指标。一级指标为游客总体满意度,二级指标包括顾客预期、感
6、知质量、旅游形象、顾客满意度、顾客忠诚,三级指标是二级指标的具体化。二.实证研究(一)游客样本分析本文样本随机性较好,能总体反映夫子庙秦淮风光带游客信息。就游客性别来说,性别比例比较均匀,男女比例分别为50.49%、49.51%o从受教育水平来看,大部分游客接受过专科及以上学历。从年龄结构来看,中青年游客是主要客源群,且游客收入以2000-5000元为主。(二)信度检验本文主要采取Cronbacha信度系数进行信度检验。经SPSS18.0分析得总量表的a系数为0.959,说明数据可靠性较高。顾客期望、感知质量、夫子庙秦淮风光带旅游形象、顾客满意、顾客忠诚的a系
7、数分别为0.624,0966,0.868,0.888,0.451o感知质量、顾客满意、夫子庙秦淮风光带旅游形象信度均大于0.7。顾客期望、顾客忠诚a系数均低于0.7,因此,在下面的研究中,剔除这两项因子,本文的研究因子只剩下36个。(三)KM0样本测度和巴特利特球形度检验经SPSS分析,本问卷各变量KM0系数为0.939,巴特利特球形度检验的统计值的显著性概率是0.000,其小于0.05,这说明了这组数据的相关矩阵不是单位矩阵,它们是具有相关性的,同时也说明这组数据是非常适合做因子分析。如表:(四)因子分析本文通过主成分分析法,取特征值大于1的为公因子。经过分
8、析,共有6个公因子的特征值大于1,那么
此文档下载收益归作者所有