螢火蟲(chóng)旅游的影響因素分析

潘文超 廖小萱 陳諾 林婷 楊鏗 鐘海峰 彭春蘭

摘要：本文采用分位數(shù)回歸方法，對(duì)游客進(jìn)行螢火蟲(chóng)旅游的影響因素分析并做出總結(jié)，最后為螢火蟲(chóng)生態(tài)旅游的發(fā)展提供策略與建議。

關(guān)鍵詞：螢火蟲(chóng)旅游;分位數(shù)回歸;影響因素

一、引言

目前，國(guó)內(nèi)關(guān)于螢火蟲(chóng)旅游的研究文獻(xiàn)相對(duì)較少，雖然有一些學(xué)者研究螢火蟲(chóng)旅游產(chǎn)業(yè)的開(kāi)發(fā)，但多以鄉(xiāng)村地區(qū)的螢火蟲(chóng)旅游開(kāi)發(fā)策略為主，鮮少有研究進(jìn)行螢火蟲(chóng)旅游的影響因素分析，且數(shù)據(jù)分析方法少有創(chuàng)新之舉。本文使用分位數(shù)回歸分析方法，以珠江三角洲為例子，研究螢火蟲(chóng)旅游的影響因素，并為珠江三角洲一帶螢火蟲(chóng)旅游產(chǎn)業(yè)的開(kāi)發(fā)提供建議。

二、數(shù)據(jù)來(lái)源與變量描述

1.研究區(qū)域概況

珠江三角洲城市群包括廣州、佛山、肇慶、清遠(yuǎn)、云浮、韶關(guān)、深圳、東莞、惠州、汕尾、河源、珠海、中山、江門、陽(yáng)江，是中國(guó)人口集聚最多、創(chuàng)新能力最強(qiáng)、綜合實(shí)力最強(qiáng)的三大城市群之一。2015年1月26日，世界銀行報(bào)告顯示，珠江三角洲超越日本東京，成為世界人口和面積最大的城市群。

2.數(shù)據(jù)來(lái)源

本文以影響游客螢火蟲(chóng)旅游意愿的因素為主線設(shè)計(jì)了調(diào)查問(wèn)卷。主要內(nèi)容包括：第一部分為基本信息，包括性別、年齡、個(gè)人收入、受教育程度、情感狀況等;第二部分為對(duì)螢火蟲(chóng)旅游的熟悉程度;第三部分為游客進(jìn)行螢火蟲(chóng)旅游的支付意愿;第四部分為游客對(duì)螢火蟲(chóng)旅游的感受，包括對(duì)環(huán)境因素、服務(wù)因素、景點(diǎn)因素、規(guī)則因素等方面的評(píng)價(jià)。

此次調(diào)查覆蓋了從10歲到80歲的人群，樣本的地區(qū)分布覆蓋整個(gè)珠三角地區(qū)。團(tuán)隊(duì)于2019年9、10月在線上大量收集問(wèn)卷，并前往云臺(tái)花園等熱門旅游地區(qū)對(duì)不同年齡段游客進(jìn)行了問(wèn)卷調(diào)查。一共回收1193份問(wèn)卷，其中825份電子問(wèn)卷，通過(guò)檢驗(yàn)有效性和控制問(wèn)卷填寫(xiě)時(shí)長(zhǎng)剔除無(wú)效問(wèn)卷后，收回1078份有效問(wèn)卷，問(wèn)卷有效率為90.4%。

3.變量選取與描述

本文對(duì)游客進(jìn)行螢火蟲(chóng)旅游的意愿進(jìn)行分析，因此設(shè)因變量 Y 為游客進(jìn)行螢火蟲(chóng)旅游的最大支付意愿，以性別、年齡、個(gè)人收入、教育程度、情感狀況、對(duì)螢火蟲(chóng)的熟悉程度、交通條件、環(huán)境因素、文創(chuàng)產(chǎn)品、昆蟲(chóng)豐富度、基礎(chǔ)設(shè)施豐富度、游覽方式、規(guī)則嚴(yán)苛度為自變量（為分類變量）。

三、實(shí)證分析

1.分位數(shù)回歸模型原理

本文根據(jù) 1078 份調(diào)查問(wèn)卷的數(shù)據(jù)，將調(diào)查對(duì)象進(jìn)行螢火蟲(chóng)旅游的支付意愿作為因變量，其他13個(gè)變量因子作為自變量，使用Stata15軟件進(jìn)行分位數(shù)回歸分析，分別在10%、50%及90%分位數(shù)下對(duì)解釋變量作回歸。

個(gè)人因素：由表1可知，在不同權(quán)重下旅游者性別和年齡狀況對(duì)螢火蟲(chóng)旅游意愿影響不同。處于條件分布10%和50%的位次的旅游者性別和年齡狀況對(duì)螢火蟲(chóng)旅游意愿不具影響。對(duì)于性別，在90%的位次條件下，性別在10%的顯著度下顯著，女性相比男性螢火蟲(chóng)旅游意愿較強(qiáng)。處于條件分布90%位次的旅游者，年齡與螢火蟲(chóng)旅游意愿呈負(fù)相關(guān)。對(duì)于收入水平和教育程度，不管條件分布如何，對(duì)螢火蟲(chóng)旅游意愿影響程度均較高，即收入水平和教育程度與螢火蟲(chóng)旅游意愿呈正相關(guān)。對(duì)于情感狀況，不管條件分布如何，對(duì)螢火蟲(chóng)旅游意愿均無(wú)顯著影響。在10%的位次條件下，對(duì)螢火蟲(chóng)的熟悉度在1%的顯著水平下對(duì)螢火蟲(chóng)旅游意愿產(chǎn)生影響，對(duì)螢火蟲(chóng)的熟悉度與螢火蟲(chóng)旅游意愿呈正相關(guān)。

環(huán)境因素：處于條件分布10%和50%位次的旅游者，交通條件與螢火蟲(chóng)旅游意愿呈正相關(guān)。對(duì)于環(huán)境因素，不管條件分布如何，對(duì)螢火蟲(chóng)旅游意愿影響程度均較高，即環(huán)境狀況與螢火蟲(chóng)旅游意愿呈正相關(guān)。

服務(wù)因素和景點(diǎn)因素：文創(chuàng)產(chǎn)品、昆蟲(chóng)豐富度對(duì)于螢火蟲(chóng)旅游意愿沒(méi)有顯著影響?；A(chǔ)設(shè)施和游覽方式與螢火蟲(chóng)旅游意愿呈正相關(guān)。

規(guī)則因素：規(guī)則嚴(yán)苛度在條件分布的10%位次上對(duì)螢火蟲(chóng)旅游意愿產(chǎn)生影響，為1%的顯著度。規(guī)則嚴(yán)苛度與螢火蟲(chóng)旅游意愿呈負(fù)相關(guān)。

四、政策建議

粵港澳大灣區(qū)由香港、澳門特別行政區(qū)與珠三角九市組成，是中國(guó)開(kāi)放程度最高、經(jīng)濟(jì)活力最強(qiáng)的區(qū)域之一?；诖吮尘芭c需求影響因素分析問(wèn)卷調(diào)查，對(duì)螢火蟲(chóng)旅游市場(chǎng)提出以下建議。

1）整合旅游資源，提高游覽價(jià)值

有效利用粵港澳大灣區(qū)發(fā)展帶來(lái)的溢出效應(yīng)，需要其在提高游覽中的美學(xué)和科學(xué)價(jià)值的同時(shí)，改善旅游資源的集群狀況。如將螢火蟲(chóng)生態(tài)觀光旅游、體驗(yàn)式旅游與農(nóng)業(yè)生態(tài)旅游相結(jié)合，體現(xiàn)地區(qū)特色。

3）整合一、二、三產(chǎn)業(yè)資源，實(shí)現(xiàn)產(chǎn)業(yè)聯(lián)動(dòng)發(fā)展

延長(zhǎng)夜游螢火蟲(chóng)旅游業(yè)的產(chǎn)業(yè)鏈，打通“吃、住、行、游、購(gòu)、娛”等各旅游要素的聯(lián)動(dòng)性，提高第三產(chǎn)業(yè)服務(wù)能力。同時(shí)整合第一產(chǎn)業(yè)資源，構(gòu)建當(dāng)?shù)靥厣獻(xiàn)P。由于螢火蟲(chóng)對(duì)環(huán)境敏感的特性，其棲息地環(huán)境條件好，可以通過(guò)樹(shù)立當(dāng)?shù)匚灮鹣x(chóng)品牌農(nóng)產(chǎn)品，利用網(wǎng)絡(luò)平臺(tái)，使當(dāng)?shù)氐摹稗r(nóng)副產(chǎn)品”成為螢火蟲(chóng)旅游的新型“周邊”產(chǎn)品。

參考文獻(xiàn)：

[1] 曹成全.螢火蟲(chóng)在特色農(nóng)業(yè)和鄉(xiāng)村旅游中的應(yīng)用[J].生物資源，2019，41（04）：376-379.

[2] 羅丹.環(huán)境議題中的議程流動(dòng)研究[D].武漢大學(xué)，2018.

[3] 陳政頤.基于RMP模型的螢火蟲(chóng)主題鄉(xiāng)村旅游產(chǎn)品開(kāi)發(fā)研究[D].中南林業(yè)科技大學(xué)，2016.

[4] 李芳.試論昆蟲(chóng)旅游的科普價(jià)值——以臺(tái)灣地區(qū)南投縣埔里鎮(zhèn)桃米社區(qū)為例[J].科普研究，2014，9（04）：81-84.

[5] 付新華.故鄉(xiāng)的微光[J].中國(guó)科技信息，2013（20）：50.

[6] 徐貴陽(yáng).“螢火蟲(chóng)”的品牌故事[J].中國(guó)質(zhì)量與品牌，2005（01）：62-64.

[7] Vighneswara Swamy，M.Dharani，F(xiàn)umiko Takeda.Investor attention and Google Search Volume Index：Evidence from an emerging market using quantile regression analysis[J].Research in International Business and Finance，2019，50.

[8] Nikitina Larisa，Paidi Rohayati，F(xiàn)uruoka Fumitaka.Using bootstrapped quantile regression analysis for small sample research in applied linguistics：Some methodological considerations.[J].PloS one，2019，14（1）.

[9] Cameron Walker.High Country Rescue[J].National Parks，2017，91（1）.

[10] Erkki M?ntymaa，Liisa Tyrv?inen，Artti Juutinen，Mikko Kurttila.Importance of forest landscape quality for companies operating in nature tourism areas[J].Land Use Policy，2019.

（作者單位：廣東外語(yǔ)外貿(mào)大學(xué)）