, 虞虎Risk perception and risk reduction of domestic tourists impacted by haze pollution in Beijing
ZHANGAiping, YUHu收稿日期:2016-06-21
修回日期:2017-03-8
网络出版日期:2017-06-20
版权声明:2017《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (1051KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
近年来全球多个传统旅游接待大国（如中国、埃及、印度）的雾霾污染越来越受到关注,根据世界卫生组织（WHO）2014年的报告[1],亚洲、地中海东部等很多城市PM2.5、PM10浓度持续超标,严重威胁居民及游客身体健康。在中国,雾霾多分布于中东部地区,其中北京、南京、上海等重点旅游城市也尤为严重[2,3]。旅游活动是依赖环境的活动,环境质量是影响旅游决策的一大因素[4,5],随着近年来旅游从“观光”向“休闲度假”的逐步转型,旅游者对目的地环境的关注更将趋于显化。旅游者对环境越是重视,其对环境变化的反应就越强烈,环境因素对旅游决策行为的影响就会越显著[6]。针对雾霾污染的普遍性及环境因素对旅游者影响的重要性,探讨雾霾对旅游决策行为的影响具有重要的理论和实践意义。风险感知是研究决策行为的适宜视角,感知风险理论最初由Bauer提出,并用于解释消费者行为[7];Roehl较早将感知风险理论用于旅游者行为研究,解析了旅游领域中感知风险维度、结构,揭示了该理论在旅游决策方面的研究应用前景[8]。之后研究者们开始注重感知风险与决策行为之间的影响关系,并形成了一系列重要成果,如Sönmez探讨了感知风险水平与出游决策制定之间的关系,发现风险感知水平越高,潜在旅游者出游的可能性越低[9];Maser发现在决策过程中,高风险感知可使潜在旅游者趋于理性,尤其表现在对目的地的信息搜寻方面[10];Kozak研究证实,对于感知到的出游高风险,潜在游客易于形成放弃游览该地等风险规避行为[11]。可见,风险感知可与风险规避行为有效结合,揭示由心理感知到外显行为的作用机理,这一点恰好契合了旅游决策的行为特征[12]。然而,已有研究多针对潜在旅游者,多关注他们的风险感知及风险态度,进而关注“是否放弃游览特定目的地”这一风险完全规避行为的意向,而对风险感知下旅游者施行的实际规避行为关注较少。关于空气污染对旅游决策行为的影响研究方面也表现出同样的特征,****多利用感知风险理论探讨潜在旅游者行为意向,以预估空气污染带来的影响效应,如Zhang等针对旅京潜在游客的雾霾影响感知研究[13];彭建等关于大陆居民的雾霾影响感知、态度与目的地选择意向的研究[14];程励等关于城市居民对雾霾天气的认知以及受认知影响下城市旅游目的地选择倾向的研究[15];李静等基于风险感知探讨了雾霾对游客实际旅游体验的影响[16]。根据已有研究,由于雾霾天气的不稳定性,仅少部分潜在游客确定回避此类目的地,而多数游客倾向于根据天气状况前往游览[13],所以关注雾霾对成行旅游者的实际影响更具实践意义。对于已形成决策、并正在履行计划的到访游客而言,他们感受到雾霾带来的哪些风险?采取了哪些应对措施以确定或降低风险?风险感知与应对策略行为之间存在何种因果关系?这些都有待于探索和揭示。
围绕这些科学问题,以感知风险理论为基础,本研究首先尝试构建到访游客出游风险感知与不完全规避行为之间的理论分析框架,以指导实证研究部分的问卷结构设计,在对问卷数据进行探索性因子分析以解析出游感知风险维度的基础上,结合理论分析框架构建风险感知影响模型,通过模型拟合揭示风险感知与规避行为之间的影响作用机理,同时探索游客群体特征带来的影响。
2 研究方法与数据来源
2.1 理论分析框架
感知风险理论中,消费行为被认为是带有不确定性和不良后果的行为,消费者感知到的不确定性与不良后果即为感知风险,所以感知风险是关于行为潜在产出的不确定和消费可能不满意的函数[17]。在行为决策中,一旦感知到某种不确定性或不良后果的存在,消费者就会产生焦虑,进而努力寻求减少感知风险的方法,如通过改变决策增加结果的确定性或降低损失程度,这种行为的形成随即影响了消费决策过程及结果。Sönmez[9]、Mitchell[18]、程励[15]等****研究证实风险感知水平越高、消费者采取风险规避行为以降低风险的可能性就越大,即风险感知是影响风险规避行为的。从风险规避行为来看,根据消费活动是否受感知风险影响而得以终止,规避行为可划分为完全规避行为、不完全规避行为两类。前者通过停止消费活动,潜在风险可完全规避,故称之为完全规避行为。尽管它规避了所有的潜在风险,但停止消费活动的同时也意味着放弃了利益机会,所以实践中很多消费者选择通过可预见的损失控制实现风险的不完全规避[17]。Maser等****的研究即着眼于不完全规避行为,探讨风险感知水平与信息搜寻行为之间的互动关系[10]。
关于规避行为的形成机理,Pennings研究发现,由于个体接受风险意愿程度差异的存在,感知风险不足以解释特定消费者行为[19],从感知风险信息到施行规避行为之间存在一种重要的中介变量——风险应对态度,它在风险感知与规避行为之间发挥中介效应[20],风险感知只有与风险应对态度相结合才能有效的解释规避行为。风险感知、风险应对态度、风险不完全规避行为成为消费行为中的连续过程,理论上风险感知水平影响风险应对态度,后者进而影响不完全规避行为。
旅游者作为特殊产品的消费者,同样具备上述风险行为过程[21],但不完全规避行为可能表现在:花大量时间搜寻目的地信息以降低不确定性风险、针对预见风险提前制定应对方案、针对风险特点适时选择出游时间等。由此,可构建“出游风险感知—风险应对态度—不完全规避行为”理论分析框架,如图1。另外,感知、态度、行为可能与旅游者群体属性存在一定联系,已有研究从旅游细分市场层面证实,受出游选择自由性、旅游活动内容等因素的影响,消遣型、差旅型等不同群体旅游者受特定因素的影响存在一定差异[12],因而框架中包含游客群体特征对风险感知、应对态度、规避行为的影响。
显示原图|下载原图ZIP|生成PPT图1游客风险感知与不完全规避行为理论分析框架
-->Figure 1Theoretical framework of risk perception and risk aversion
-->
2.2 问卷设计与调查
基于上述理论框架,研究希望通过问卷调查获取到访游客出游风险感知、风险应对态度、不完全规避行为、游客群体属性特征四个方面的数据资料,故问卷设计围绕这四部分展开:①出游风险感知部分,在参考国内外已有研究成果的基础上,量表融入了旅游六要素,以更全面地考虑雾霾天气带来的出游风险,并在预调研中不断补充、完善题项内容,设计了15个题项;②风险应对态度部分,主要考量个体对于感知风险的重视程度与接受意愿,设计了3个题项;③不完全规避行为部分,包含针对感知风险形成的关注天气信息、针对性选择出游目的地与出行时间等降低风险的行为,设计了4个题项;④游客群体属性部分,除常规的收入、年龄等社会人口统计学特征外,还包含出游目的、拟停留天数、旅游结伴方式等内容,设计了6个题项。问卷①-问卷③均采用李克特5分制量表。在调研时间选择上,依据Zhang等对于北京月度旅游接待量、PM 2.5与PM 10月均浓度的统计分析结果[13],综合考虑旅游季节性特征与雾霾年度分布规律,选取5、6、7、10月份开展调研,其中5月、7月两月为旅游旺季、雾霾“淡”季,6月为旅游平季、雾霾“旺”季,10月为旅游旺季、雾霾“平”季,如此可覆盖多种污染程度影响下的游客样本。调研于2015年展开,主要采用景区定点截访的方式,选取了奥林匹克公园及其森林公园、颐和园等地对游客进行调查。另外,由于本研究主要针对旅京游客,不包括北京市居民,所以在实际调研过程中首先询问受众是否为外地来的游客,在确定游客客源地属性的基础上进一步完成问卷调查及访谈。最终,共发放问卷640份,回收有效问卷573份,总体有效率89.5%,调查样本属性特征统计见表1。
Table 1
表1
表1调查样本属性特征
Table 1The characteristics of the samples（%）
| 统计变量/% | 分类属性/样本比重 |
|---|---|
| 性别 | 男/54.6;女/45.4 |
| 年龄 | 30岁以下/37.7;31~40岁/39.3;41~50 岁/17.6;50岁及以上/5.4 |
| 受教育程度 | 高中及以下/13.8;大专/24.3;本科/43.6;研究生及以上/18.3 |
| 出游目的 | 休闲度假/19.0;观光旅游/54.5;事务出行/26.5 |
| 拟停留天数 | 1~2天/15.7;3~4天/42.8;5~6天/28.6;一周及以上/12.9 |
| 旅游结伴方式 | 独自出行/40.1;与同事结伴出行/18.7;与家人/朋友结伴出行/41.2 |
| 客源地分布 | 山东/10.1;河北/9.6;广东/8.3;河南/7.6;辽宁/7.5;江苏/7.1;上海/6.8;天津/6.7;浙江/5.8;其他/30.5 |
新窗口打开
2.3 数据分析方法
2.3.1 探索性因子分析为尽可能全面考量雾霾天气影响下游客的感知风险内容,问卷设计伊始并未考虑感知风险维度,然而维度划分对于分析旅游决策行为及其作用机理又具有重要作用[20],因而在获取调查数据资料后,研究采用探索性因子分析方法识别感知风险维度。识别过程中依托SPSS软件,采用最大方差法实现因子旋转,主因子提取标准采用默认的特征值方式。同时,为保障后续数据分析的信效度,删除了载荷系数小于0.5或提取共同度小于0.4的题项[21]。另外,因子分析过程中形成了系数矩阵,研究利用系数实现了题项权重赋值,从而计算形成个案各主因子得分,并与游客群体属性进行相关分析,以探索游客群体特征带来的影响。
2.3.2 结构方程模型
基于量表数据,揭示多变量之间的影响关系可采用回归分析或结构方程模型方法,而后者由于整合了因子分析功能,所以适用于包含多维度的复杂变量研究[21]。本质上,结构方程模型（SEM）是基于变量的协方差矩阵,来分析变量之间关系的线性统计建模技术,本研究将运用此模型方法建构雾霾天气影响下游客出游风险感知、风险应对态度与不完全规避行为之间的影响关系。
结构方程模型的应用中,初始模型的设定是研究的重要环节,模型设定必须基于充分的理论推导和理论假设,如此才能使拟合形成的路径系数具备解释性意义。本研究实证部分的思路遵从前文所构建的理论框架（图1）,即总体上以风险应对态度作为中介变量,探讨由出游风险感知到风险不完全规避行为的影响关系,但由于感知风险维度需要探索,待维度确立后方可构建初始模型。因而,在本研究的初始模型构建过程中,将通过文献回归、理论推导进一步完善理论假设。
3 结果及分析
3.1 风险感知维度识别
问卷调查过程中,游客对于题项能够较好地理解和感知,这也确保了数据的有效性。通过初步的数据描述性统计,各题项均值明显大于3.0（表2）,表明量表结构、方向设计是较合理的,后续分析无需数据转换。Table 2
表2
表2雾霾影响下旅游者出游风险感知因子分析结果
Table 2Analytical results of exploratory factor on perception of travel risks impacted by haze pollution
| 潜变量 | 测量题项 | 因子载荷 | 贡献率/% | 均值 | 标准差 |
|---|---|---|---|---|---|
| 出游风险感知 | |||||
| 身体风险感知 | X1对人体具有伤害 | 0.647 | 22.133 | 4.46 | 0.820 |
| X2威胁旅游者健康 | 0.701 | 4.48 | 0.757 | ||
| X3有交通安全隐患 | 0.693 | 4.29 | 0.722 | ||
| 功能风险感知 | X4不利于景观欣赏 | 0.640 | 18.216 | 3.99 | 0.805 |
| X5不利于旅游摄影 | 0.655 | 3.70 | 0.936 | ||
| X6阻碍户外休闲娱乐 | 0.771 | 3.74 | 0.811 | ||
| X7降低旅游体验质量 | 0.720 | 3.96 | 0.790 | ||
| 心理风险感知 | X8破坏旅游心情 | 0.744 | 14.015 | 3.34 | 0.969 |
| X9难以放松身心 | 0.813 | 3.85 | 0.846 | ||
| X10难以获得享受和满足 | 0.599 | 3.51 | 0.937 | ||
| 成本风险感知 | X11浪费金钱成本 | 0.676 | 10.762 | 3.68 | 0.955 |
| X12浪费时间成本 | 0.675 | 3.31 | 0.924 | ||
| X13浪费旅游机会 | 0.602 | 3.60 | 0.918 | ||
| 风险应对态度 | Y1不愿承受出游风险 | 3.92 | 0.780 | ||
| Y2重视雾霾出游风险 | 3.84 | 0.862 | |||
| Y3有意降低出游风险 | 3.79 | 0.834 | |||
| 不完全规避行为 | Z1查询空气质量信息 | 3.97 | 0.801 | ||
| Z2结合空气信息选择时间 | 3.55 | 0.943 | |||
| Z3已备有应对方案及设备 | 3.32 | 0.819 | |||
| Z4计划灵活以便调整 | 3.66 | 0.847 |
新窗口打开
在进行风险感知维度识别前,根据因子分析要求,研究首先对相关表征变量进行检验。首先检验KMO值 0.781,大于0.700,Bartlett 球形检验P值0.000,小于0.050的检验水准,表明数据相关性良好,适合进行探索性因子分析。初次因子分析发现,15个变量降维为4个主因子,累计贡献率63.052%;其中,“雾霾降低餐饮住宿品质”、“雾霾阻碍旅游购物开展”最大载荷均小于0.5,为了改善因子分析结果,剔除这2个变量。
研究对风险感知部分13个变量进行再次检验和分析,KMO值0.749,Bartlett 球形检验P值为0.000,依然提取了4个主因子,累计贡献率65.126%。第一主因子贡献率22.133%,在“对人体具有伤害、威胁旅游者健康、具有交通等安全隐患”上具有较高载荷,表征了游客感知的“身体风险”;第二主因子贡献率18.216%,在“不利于景观欣赏、不利于旅游摄影、阻碍户外休闲娱乐、降低旅游体验质量”载荷系数较高,反映旅游体验价值实现的“功能风险”;第三主因子贡献率14.015%,在“破坏旅游心情、难以放松身心、难以获得享受和满足”上载荷较高,表征游客的“心理风险”;第四个主因子贡献率10.762%,在“浪费金钱成本、浪费时间成本、浪费旅游机会”上载荷较高,反映游客感知的“成本风险”。
从表2中各题项的均值来看,风险感知方面,身体风险感知维度各题项得分最高,分值介于4.29~4.46,调研过程中多数游客对雾霾带来的健康威胁表示担心,且有游客甚至表示自抵京一刻开始,就明显感觉空气质量不佳、呼吸不畅,尽管这可能一定程度上受心理因素的作用,但仍表明游客对于身体健康风险最为关注,感知水平最高。功能风险感知各题项得分介于3.70~3.96,感知水平较高,意味着功能风险成为除身体风险外的第二大类风险,调研中发现游客充分认识到雾霾与空气能见度之间的相互关系,大多数游客直接通过空气能见度来判断当日的雾霾污染程度,而空气能见度对于旅游观赏和体验具有直接的影响,由此游客从易于被感知和识别的空气能见度着手,充分感受到雾霾对旅游功能实现的负面影响。心理、成本风险感知的各题项分值分别介于3.34 ~3.85、3.31~3.68,风险感知水平不及身体和功能维度,并且结合各题项得分标准差可看出样本得分的离散程度较高,即受众个体对于这两类风险的感知水平存在较明显分异,调研过程中确实发现并非所有的游客都关注对情绪或出游成本的影响,游客对相关提项答案的选择差异较大,尤其是因事务出行的游客对成本就不够敏感。风险应对态度各题项得分较高（3.79~3.92）,表明游客较重视雾霾带来的出游风险,并有意降低这些风险;不完全规避行为方面,题项的得分存在较大差异（3.32~3.97）,即游客施行的具体规避行为与施行程度具有一定差异。
3.2 风险感知影响模型构建
根据因子分析结果,旅游者感知到雾霾带来的旅游风险包含4个维度:身体风险、功能风险、心理风险、成本风险。已有相关研究中,Roehl根据旅游者体验提炼出金钱财务、身体健康、心理需求、期望满足、时间成本等8个维度的风险[7],这套风险维度得到广泛认可,****常结合研究主题,从中选择适宜的风险维度用于风险感知水平测度[22]。本研究结合雾霾影响识别的4类维度依然没有脱离Roehl的风险范围,其中功能风险与Roehl的期望满足内容相同,成本风险涵盖了金钱财务、时间成本等内容,所以维度划分结果是可靠的,这也为结构模型构建奠定了良好基础。安全、健康是旅游出行最基本的需求,所以旅游者对于涉及安全、健康的风险问题都会加倍关注[22]。已有不少研究指出雾霾污染对公众带来的健康威胁,特别是对于呼吸系统、心血管系统危害较大[23],所以程德年等****调查发现多数旅游者对此类风险重视程度较高,“积极防范”是首选应对策略[24]。而旅游者“积极防范”意识强度及行动积极性是与风险重视程度分不开的,后者的形成又以游客对风险的感、认知为基础。
由于雾霾带来的健康隐患,游客开展户外活动时很可能有所顾忌,同时雾霾天气伴随的还有空气能见度的下降,这给游客景观欣赏、摄影、户外休闲都会带来不同程度的影响[15],所以整体旅游体验质量都会有所下降,这同时也意味着游客为此次行程付出的时间、金钱、难得的旅游机会等成本没有得到应有的回报。出游行为本质上属于消费行为[20],在消费行为层面,功能风险感知、成本风险感知是影响消费态度及行为意向的重要因素[7]。
旅游者在身体健康遭受威胁的同时,也伴随着情感上的紧张和恐惧,所以旅游者在感到危险或威胁时,心理上首先就会形成对目的地的负面印象[25],原本希望通过旅游出行获得身心放松、精神愉悦的心理诉求自然难以满足。动机和需求受到特定因素的负面影响,旅游者在决策和行为中自然会考虑这一特定因素,并可能形成针对性决策、策略。
以图1的风险感知与不完全规避行为理论框架为基础,结合上述分析,构建结构方程模型的初始模型（图2）,模型中包括五个假设:
显示原图|下载原图ZIP|生成PPT图2雾霾影响下出游风险感知初始模型
-->Figure 2Initial model of perception of travel risks impacted by haze pollution
-->
H1:身体风险感知对风险应对态度有显著的正向影响;
H2:功能风险感知对风险应对态度有显著的正向影响;
H3:心理风险感知对风险应对态度有显著的正向影响;
H4:成本风险感知对风险应对态度有显著的正向影响;
H5:风险应对态度对风险不完全规避行为有显著的正向影响。
3.3 风险感知影响模型分析
3.3.1 拟合优度及模型修正将数据代入初始模型运算后,8项拟合优度指数中CFI、AGFI、NFI、TLI 4项指标接近、但未达标（表3）,可以通过模型的局部微调提升拟合优度,修正参数（Modification Index）指示“X11浪费金钱成本”、“X12浪费时间成本”与“X13浪费旅游机会”变量的残差分别建立相关后,卡方值可降低28.004、76.931以上,因而研究通过剔除“X13浪费旅游机会”以改善模型拟合优度。重新建模并运算后,各项拟合优度指数均达标,说明模型拟合结果良好。
Table 3
表 3
表 3雾霾影响下出游风险感知模型拟合度检验
Table 3Test result of goodness-of-fit indices in the model of perception of travel risks impacted by haze pollution
| CMIN/DF（卡方自由度比） | RMSEA（近似误差均方根） | RMR （残差均方根） | GFI（拟合优度指数） | CFI（比较拟合优度指数） | NFI（规范拟合指数） | AGFI（调整拟合优度指数） | TLI（非规范拟合指数） | |
|---|---|---|---|---|---|---|---|---|
| 理想值 | 2.000~5.000 | <0.080 | <0.050 | >0.900 | >0.900 | >0.900 | >0.900 | >0.900 |
| 初始模型 | 4.190 | 0.077 | 0.044 | 0.904 | 0.895 | 0.878 | 0.893 | 0.893 |
| 修正模型 | 3.368 | 0.065 | 0.040 | 0.922 | 0.916 | 0.901 | 0.904 | 0.913 |
新窗口打开
3.3.2 信效度检验
信效度检验方面,观测变量总体信度Cronbach's Alpha 值0.790,大于0.7的检验水准,说明量表整体信度良好,同样对各潜变量进行信度分析发现（表4）,Cronbach's Alpha 值均大于0.7,说各潜变量内部一致性较好。从外生观测变量的标准化因子载荷来看,系数介于0.54~0.92,大于0.4的一般水准,表明各个维度的外生观测变量能够较好的表征信息;组合信度（CR）介于0.738~0.820之间,均大于0.7;平均变异抽取量（AVE）方面,除了“心理风险感知”潜变量为0.492,略小于0.5的指定标准外,其余达到要求,说明模型整体上信度、效度良好。
Table 4
表4
表4雾霾影响下出游风险感知模型信效度检验
Table 4Test results of reliability and validity model of perception of travel risks impacted by haze pollution
| 潜变量 | 观察变量 | 标准化因子载荷 | 信度 | CR | AVE |
|---|---|---|---|---|---|
| 出游风险感知 | |||||
| 身体风险感知 | X1对人体具有伤害 | 0.76 | 0.807 | 0.810 | 0.514 |
| X2威胁旅游者健康 | 0.70 | ||||
| X3有交通安全隐患 | 0.79 | ||||
| 功能风险感知 | X4不利于景观欣赏 | 0.66 | 0.790 | 0.793 | 0.535 |
| X5不利于旅游摄影 | 0.80 | ||||
| X6阻碍户外休闲娱乐 | 0.75 | ||||
| X7降低旅游体验质量 | 0.77 | ||||
| 心理风险感知 | X8破坏旅游心情 | 0.65 | 0.752 | 0.776 | 0.492 |
| X9难以放松身心 | 0.79 | ||||
| X10难以获得享受和满足 | 0.90 | ||||
| 成本风险感知 | X11浪费金钱成本 | 0.81 | 0.709 | 0.738 | 0.536 |
| X12浪费时间成本 | 0.92 | ||||
| 风险应对态度 | Y1不愿承受出游风险 | 0.88 | 0.806 | 0.820 | 0.608 |
| Y2重视雾霾出游风险 | 0.54 | ||||
| Y3有意降低出游风险 | 0.73 | ||||
| 不完全规避行为 | Z1查询空气质量信息 | 0.70 | 0.801 | 0.812 | 0.584 |
| Z2结合空气信息选择时间 | 0.74 | ||||
| Z3已备有应对方案及设备 | 0.68 | ||||
| Z4计划灵活以便调整 | 0.81 |
新窗口打开
3.3.3 模型拟合结果分析
修正模型拟合结果见表5、图3。身体风险感知对游客风险应对态度具有显著的正向影响（P<0.01）,假设H1成立,且在风险感知中影响系数最大,身体风险感知每增加1个单位,风险规避态度增加0.41个单位,表明游客对于前往雾霾地出游过程中,最为关注的还是雾霾所带来的身体健康方面的隐患,调研过程中也发现游客对于身体健康方面的风险感知最为强烈,游客感知的身体健康风险对旅游决策具有最大效应的影响,这也体现了马斯洛需要层次论的基本内容,身体健康与安全是旅游者最基本的需求。
Table 5
表5
表5雾霾影响下出游风险感知模型影响路径系数
Table 5Estimated results of structural relationship model of perception of travel risks impacted by haze pollution
| 影响路径 | 标准化系数 | 非标准化系数 | P | 结果 |
|---|---|---|---|---|
| 身体风险感知→风险规避态度 | 0.38 | 0.41 | *** | 支持H1 |
| 功能风险感知→风险规避态度 | 0.27 | 0.31 | *** | 支持H2 |
| 心理风险感知→风险规避态度 | 0.17 | 0.14 | *** | 支持H3 |
| 成本风险感知→风险规避态度 | 0.07 | 0.04 | 0.24 | 不支持H4 |
| 风险规避态度→不完全规避行为 | 0.45 | 0.50 | *** | 支持H5 |
新窗口打开
显示原图|下载原图ZIP|生成PPT图3风险感知影响修正模型拟合结果|||注:图中0.07~0.92的数值为标准化后的影响路径系数。
-->Figure 3Modified model of perception of travel risks
-->
功能风险感知对形成风险规避态度也具有显著的正向作用（P<0.01）,影响效应也较大,路径标准化系数0.27,假设H2成立。调研过程中,游客能够清楚认识到雾霾对空气能见度的明显影响,再加上暴露于雾霾空气中带来的身体健康隐患,旅游活动开展将受到限制,旅游体验质量将大打折扣,这些都会影响旅游出行的功能实现,因而游客将重视雾霾天气的影响,并形成规避风险的态度及外显行为。
心理风险感知对风险规避态度具有显著的正向影响,显著性P<0.01,标准化系数0.17,假设H3成立,表明游客感知到的“雾霾天气破坏心理、情绪的风险”将一定程度上促使游客形成规避态度与规避行为,这与国内****的研究结论是一致的,旅游存在的心理风险与出游目的、出游动机背道而驰,针对这类风险,游客将积极调整决策、计划以降低风险。
成本风险感知对风险规避态度的正向作用微弱,未通过显著性检验（P=0.24）,假设H4得不到支持,表明降低经济、时间成本方面的风险,不一定会降低风险规避态度与意向;风险规避态度对风险规避行为具有正向的影响效应,显著性P<0.01,H5假设成立,标准化系数0.45,非标准化系数0.50,规避态度每提高1个单位,规避行为提高0.50个单位。这表明游客针对感知风险形成的规避态度与外显规避行为具有较强的一致性。
3.4 游客群体特征与潜变量的相关分析
为探索游客群体特征对出游风险感知、应对态度与不完全规避行为的影响,研究拟通过计算各主因子得分与量化游客群体属性,利用Person相关性分析方法进行评估。主因子得分方面,以探索性因子分析过程中获取的因子系数矩阵为权重,通过指标值的加权求和计算获取;游客群体属性的量化依据见表6,可量化形成包含2~5个数值的分类型变量。群体属性量化值与6个潜在变量的相关性分析结果见表7。Table 6
表6
表6游客群体属性数据量化依据
Table 6Quantitative criteria of tourists' attribute
| 属性 | 赋值 |
|---|---|
| 年龄 | 1=30岁及以下;2=31~40岁;3=41~50岁;4=50岁以上 |
| 受教育程度 | 1=高中及以下;2=大专;3=本科;4=研究生及以上 |
| 出游目的 | 1=休闲度假;2=观光出行;3=事务出行 |
| 拟停留天数 | 1=1~2天;2=3~4天;3=5~6天;4=一周及以上 |
| 结伴方式 | 1=独自一人;2=与同事结伴;3=与家人/朋友结伴 |
新窗口打开
Table 7
表7
表7游客群体特征与潜变量相关性
Table 7Correlation of tourists' attribute and latent variables
| 年龄 | 受教育程度 | 出游目的 | 拟停留天数 | 结伴方式 | |
|---|---|---|---|---|---|
| 身体风险感知 | 0.13* | -0.12* | 0.02 | 0.05 | -0.16** |
| 功能风险感知 | 0.02 | 0.05 | -0.20** | 0.12* | -0.06 |
| 心理风险感知 | 0.04 | 0.05 | -0.14* | -0.04 | -0.02 |
| 成本风险感知 | -0.02 | -0.03 | -0.04 | 0.04 | -0.03 |
| 风险应对态度 | 0.07 | -0.10* | -0.29** | 0.10* | -0.08 |
| 不完全规避行为 | 0.06 | -0.07 | -0.12* | 0.17** | -0.05 |
新窗口打开
表7中多个相关系数在10%的显著性水平上显著,表明游客群体特征对游客风险感知、风险态度与规避行为着实存在影响。年龄与身体风险感知呈现显著的正相关性,即年龄较大的游客越重视雾霾对其身体的影响。实际上在空气污染造成的身体影响方面,年龄越小的人群越为敏感,但分析表明他们却不及年长者重视雾霾带来的身体风险,一方面这可能源于不同的健康态度,另一方面也可能与出游动机强度有关,调研过程中发现以观光旅游为目的的年少者较多首次旅京,旅京愿望较为强烈。
受众教育程度与身体风险感知、风险应对态度呈现较为显著的负相关性,即学历较高的游客风险感知水平与重视程度均较低。风险感知易于受到外部信息的影响,近年来雾霾污染受到媒体的广泛关注和传播,媒介信息甚至引发了部分居民的恐慌,在这种信息环境中高学历游客应该更能够客观的看待雾霾带来的出游风险。另外,青年人往往具备较高的学历,年龄与风险的正相关、受教育程度与风险的负相关也从侧面相互验证了游客群体属性特征的影响。
以休闲度假、观光旅游为目的属于消遣型旅游者,而其余则为事务型旅游者,调研发现后者多为商务旅游者及探亲访友旅游者。事务型旅游者出游受目标事务的影响,在出游选择自由性上,往往不及消遣型游客自由,所以理论上受目的地环境因素的影响不及消遣型旅游者显著。从相关性分析结果来看,出游目的与身体、成本风险感知未显著相关,说明事务型旅游者同样感知到雾霾带来的身体和成本风险,且感知水平与消遣型无明显差异。但休闲度假、观光旅游、事务出行三类旅游者在功能风险感知、心理风险感知差异显著,总体上消遣型旅游者风险感知水平更高,因而形成了更强的风险态度,并积极施行风险不完全规避行为。
拟停留天数与多数潜变量都呈现正相关,与功能风险、风险态度、风险规避较为显著,即停留时间越长,游客风险感知水平越高,对风险也越为重视。在旅游计划中,停留时长很大程度上受出游目的及其后续旅游活动安排和组织的影响,所以与出游目的的相关性结果较为相近。另外,结伴方式与身体风险显著负相关,与其他潜变量微弱负相关表明,有无同伴结伴出行对于游客风险感知也具有一定的影响,同伴可共同“分担”风险,降低风险感知水平。
4 结论与讨论
4.1 结论
作为备受关注的环境事件,雾霾对潜在旅游者出游决策的影响固然是存在的,也得到了一些****关注,但京沪宁等重大城市由于其重要的政治、经济、文化地位,即便在雾霾天也有不少游客到访,因此有必要探讨这些游客的心理及行为形成机理。本研究以感知风险理论为基础,以问卷调查为数据来源,通过探索性因子分析、结构方程模型等方法,探讨雾霾影响下到访游客的风险感知要素及其与游客风险不完全规避行为的相互关系,研究表明:（1）雾霾影响下的游客感知风险涉及身体风险、功能风险、心理风险及成本风险四个维度。在风险感知强度方面,身体风险感知水平最高,其次为功能风险,最后是心理和成本风险,所以游客最为关注的还是雾霾天气对于身体健康和旅游功能实现带来的影响。既然很多旅游者采取不完全规避行为,今后在目的地危机管理中应注重雾霾天气预报和信息发布工作,以指导风险不完全规避旅游者出行,并降低身体与功能感知风险。同时,通过发布空气质量信息以引导游客出行可能影响日度旅游接待量,甚至导致旅游季节性“峰”、“谷”的转移,据此需要优化旅游各类资源配置,以提升游客新高峰旅游接待能力和服务水平。
（2）风险感知影响模型经过修正、拟合后,结果良好,提出的多数假设得以验证。到访游客应对雾霾风险的态度主要受身体、功能、心理三方面风险感知水平的影响,拟合模型呈现的影响效应由大到小依次为身体风险感知、功能风险感知和心理风险感知。即游客不仅在身体风险、功能风险方面的感知水平较高,感知带来的影响效应也较大,若不能够采取有效措施降低这两方风险,再多的旅游发展举措也很难实施并获得收益。成本风险感知的影响微弱,不显著,但对于旅游影响因素而言,旅游成本也是重要组成部分。
（3）游客群体属性特征对风险感知、应对态度与不完全规避行为的影响也得以验证。相关分析表明,年龄、受教育程度、出游目的、拟停留天数、结伴方式等因素都具有一定的影响,尤其是出游目的,以及在一定程度上受出游目的决定的拟停留天数,对游客风险应对态度、不完全规避行为具有显著的影响。这提示我们,若关注雾霾等环境因素对游客行为的影响论题,应从不同的旅游细分市场着手,环境因素对不同细分市场游客的影响存在较大差异。而基于此,在旅游市场由“观光”向“休闲度假”转型背景下,雾霾等环境问题对目的地旅游业的影响更令人担忧,根本解决途径还是在于减少污染物排放,改善空气质量。
4.2 讨论
尽管学术界针对雾霾天气影响下旅游者风险感知与规避行为的研究尚鲜见,但从风险感知对决策行为的影响研究来看,本研究得出的影响关系结论与Maser[9]、Kozak[10]的结论多数相近,但出游成本方面的影响效应有所出入,以往研究显示具有显著影响,而本研究虽正向、但不显著,究其原因很可能与本研究样本特征有关。本研究获取了消遣型、差旅型等多种游客样本,从表7的分析结果来看,风险应对态度与出游目的、拟停留天数等多数群体属性特征都具有较高的相关性,即以群体属性特征来划分形成的细分样本下,风险应对态度得分存在一定差异,然而成本风险感知则与各群体属性特征均无显著相关,恰恰统计模型根植于样本间数据的异质性,由此导致成本风险感知对风险应对态度的影响效应不够显著。通过本研究发现,“感知-态度-行为”经典范式能够与感知风险理论有效的结合,并用于揭示目的地环境影响下游客的行为及机理,这将有助于丰富旅游者风险感知、旅游者行为相关主题的涉猎丰度。利用相关理论结合案例地调研而形成的研究结果,也具有一定的实践意义。学界关于雾霾对旅游者行为的影响已有多篇成果,与之相比,本研究的不同之处在于:一是着重关注成行旅游者的感知与行为,而非潜在旅游者,由此形成的分析结论更能反映雾霾对旅游的影响实况;二是已有研究较少关注到市场细分带来的影响差异,而旅游市场状况是旅游发展水平及雾霾影响程度的重要表征,基于市场细分的影响研究有助于制定针对性策略;三是与以往研究相比,实现了对雾霾影响下旅游者风险感知维度的系统化解析,发现除身体和功能风险外,心理和成本风险也是重要的感知风险构成。
研究尚有不足:一是问卷选择指标数量有限,据此构建的风险感知评价指标体系可能不够全面;二是实证调查样本采集点较少,抽样获取的数据不能完全反映旅京游客的风险感知、风险应对态度与不完全规避行为的水平;三是受样本总量的影响,研究未根据游客群体属性特征建立多群组模型,这些都有待于后续研究来逐步完善。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | |
| [2] | [J]. [J]. |
| [3] | [J]. [J]. |
| [4] | [J]. |
| [5] | [J]. [J]. |
| [6] | [J]. |
| [7] | [C]. |
| [8] | [J]. |
| [9] | [J]. |
| [10] | [J]. |
| [11] | [J]. |
| [12] | [J]. [J]. |
| [13] | [J]. |
| [14] | [J]. [J]. |
| [15] | [J]. [J]. |
| [16] | [J]. [J]. |
| [17] | [J]. [J]. |
| [18] | [J]. |
| [19] | [J]. |
| [20] | [J]. [J]. |
| [21] | [J]. [J]. |
| [22] | [J]. [J]. |
| [23] | [J]. [J]. |
| [24] | [J]. [J]. |
| [25] | [J]. [J]. |
| [26] | [J]. |
