基于雷达图的中国省域饭店业竞争力评价

冯晓兵，李勇泉

(华侨大学 旅游学院，福建 泉州 362021)

基于雷达图的中国省域饭店业竞争力评价

冯晓兵，李勇泉

(华侨大学 旅游学院，福建 泉州 362021)

摘要：在综合评价中对多指标系统进行可视化分析是十分必要的。将因子分析和雷达图两种可视化方法结合起来，对中国31个省域饭店业的竞争力进行综合评价和排序，并分析了省域饭店竞争力之间的差异性，探索影响饭店业竞争力的结构因子。

关键词：饭店业；竞争力；雷达图

收稿日期：2014-12-06

作者简介：冯晓兵(1991-)，男，山西晋中人，华侨大学旅游学院2012级硕士研究生，研究方向：旅游企业管理；李勇泉(1977-)，男，福建泉州人，华侨大学研究生院副院长、副教授，研究方向：区域旅游发展战略、旅游企业管理。

中图分类号：F590

文献标识码：识码：A

文章编号：编号：1008-6390(2015)02-0024-05

一、研究背景

在综合评价中对多指标系统进行可视化分析是十分必要的，可视化技术可以直观地显示指标之间的数量关系。目前可视化技术分为两类：一类是对多指标数据进行降维处理，在尽可能多保留原始数据信息的原则下，将高维数据降为二维和一维，此类方法主要有主成分分析、因子分析等；另一类是使高维空间的点与平面上的某种图形对应，要求这些图形能够反映高维数据的某些特点或数据间的某些关系，常用的图形方法有平行坐标法、雷达图等[1]。雷达图能够将复杂系统的多维指标数据直观地在平面上表示，是一种用定量指标较好地反映定性问题的模型工具[2]。因子分析是一种通过显示变量测评潜在变量，通过研究众多变量之间的内部关系探求观测数据中内部结构的统计分析方法[1]。本文将因子分析和雷达图两种方法结合起来，对中国31个省域饭店业的竞争力进行综合评价和排序，并分析区域饭店竞争力之间的差异性，探索影响饭店业竞争力的结构因子。

在饭店业竞争方面的文献中，张琼建立了饭店竞争力评价指标体系，提出利用主成分分析法对饭店的相对竞争力水平进行评价[3]；翁钢民构建了饭店可持续竞争力的“核心能力——产品市场竞争力”组合矩阵，将饭店可持续竞争力分为瘦狗、金牛、幼童和明星四种类型[4]；朱应皋以产业竞争力理论为基础，运用因子多元统计分析法和系统聚类分析法，对中国省域饭店业竞争力进行了定量评价[5]；苏志平采用突变级数法，将中国省域饭店业按竞争力水平分为五类，其中浙江、山东处于一类，宁夏、青海、西藏处于五类[6]；张燕存采用主成分分析法对山东省饭店业的竞争力进行研究，发现山东省的饭店业存在饭店数量扩张已达一定阶段、经营效益偏低等问题[7]。综上所述，目前中国饭店业竞争方面的研究以竞争力指标体系的构建为主，研究方法以多元统计分析法为主(包括主成分分析、因子分析和聚类分析等)，关于区域饭店业竞争的研究较少，雷达图法在饭店业的应用还不多见。

二、研究方法

以2012年《中国旅游统计年鉴》饭店业的统计数据为基础，由于14个指标的计量方式和单位不同，对各个指标数据进行标准化处理，在保留原始数据信息和不改变变量之间相关系数的基础上，消除了量钢的影响。标准化处理的公式

(1)

运用SPSS17.0统计软件，首先对31个省域的14个指标进行因子分析，计算31个省域饭店业的因子得分，得出各省域饭店业竞争力评价的综合值，按照评价值对省域饭店业的竞争力进行排序；然后采用雷达图的方法，对31个区域饭店业的竞争力进行比较，并分别比较各区域在每个因子上的差异，找出影响区域竞争力的结构因子。在绘制雷达图前，采用公式

(2)

对因子分析中提取的因子得分进行“0-1”处理，使每个因子的数据都在[0,1]之间，其中Zij表示第i个区域第j个因子经过“0-1”处理后的数据，xij表示第i个区域第j个因子标准化处理后的数据，xjmin表示在第j个指标上的最小值，xjmax表示在第j个指标上的最大值。

图1　饭店业竞争力评价指标体系

在饭店业竞争力评价指标的选取过程中，通过文献综述的方法，提取相关文献中出现频率较高的指标。饭店业的竞争力应该从当前经营业绩和潜在发展能力两方面进行评价[8]。张佑印从规模经济、收入、税率和利润4类11个指标来评价旅游企业的经济竞争力，具体包括固定资产值、从业人员、企业数、营业收入、利润、人均固定资产原值、税金、人均实现利税、利润率、全员劳动生产率、人均实现利润等11个主要指标[9]。以这11个指标为基础，结合中国旅游局统计年鉴的数据进行修改，把指标体系分为行业规模、行业收入、行业效益和行业发展能力4个维度，具体包括14个指标，行业规模包括固定资产原值、企业数、客房数和床位数；行业收入包括营业收入、利润和税金；人均固定资产原值、人均实现利税、全员劳动生产率和每间客房年收入反映行业的效益；利润率、人均实现利润和从业人员数反映行业的发展能力。

三、研究内容

(一)因子分析

1.条件检验

在进行因子分析前进行取样适当性度量(KMO)和Bartlett球形检验，观察KMO抽样适度测定值和巴特利特球度检验值，KMO值为0.729，巴特利特球度检验近似卡方值为957.877，自由度为91，显著性水平=0.000<0.001，说明相关矩阵不是单位矩阵，指标之间具有相关性，可以做因子分析。

表1　KMO和Bartlett检验

表2　因子解释原有变量总方差

2.因子提取

因子提取时，采用主成分分析法和特征值大于等于1的限定，旋转方法使用方差最大法。根据因子分析的原理，当累计贡献率大于80%时，表明几个公因子集中反映了原始变量的大部分信息，且各公因子之间相互独立，前3个因子的累计贡献率达到93.067%，说明提取的3个公因子可以反映14个指标的原始值的信息。

表3反映的是公因子与原始指标的相关性，相关系数越大表明该指标在某公因子上越重要。将原来的14个指标通过降维，简化成3个公因子：F1命名为“行业规模与收入”，可以反映固定资产原值、营业收入、税金、从业人员、企业数、床位数和客房数7个指标；F2命名为“行业盈利能力”，可以反映利润、利润率、人均利税和人均实现利润4个指标；F3命名为“行业发展效益”，可以反映人均固定资产原值、全员劳动生产率和每间客房年收入3个指标。

表3　旋转后的因子得分矩阵

3.因子得分

于2013年4—6月在宁波市奉化区采用整群随机抽样方法随机抽取2个街道 （镇），每个街道（镇）抽取1个居委会（行政村），抽取的居委会（行政村）内65岁以下的已婚妇女为调查对象，采集子宫颈脱落细胞样本进行HPV检测。所有调查对象均知情同意，共采集778份样本，样本来源者年龄23~65岁，中位年龄为45岁。

用回归法计算因子得分，得到各区域饭店业竞争力对应公因子的分值；再以各公因子的方差贡献率为权重进行线性加权求和，得到中国31个省域饭店业的竞争力评价值。Y为竞争力综合值，Fi为某区域饭店在该载荷上的得分，λi表示Fi载荷的贡献率，计算公式

(3)

采用聚类分析，按照竞争力将31个区域分为五类，第一类是竞争力强的区域，包括广东、北京；第二类属于竞争力较强的区域，包括浙江、上海、山东、江苏和海南；第三类是属于竞争力一般的区域，包括福建、四川、湖南、云南；第四类是竞争力较弱的区域，包括辽宁、安徽、河北、陕西、新疆、重庆、广西、湖北、江西、黑龙江、贵州、河南、甘肃、山西和内蒙古；第五类是竞争力弱的区域，包括吉林、青海、西藏、天津和宁夏。

表4　饭店业竞争力综合值及排名

(二)雷达图分析

1.饭店业竞争力总体比较雷达图

图2～图5是中国省域饭店业竞争力的总体分布雷达图和在三个公因子上得分的差异雷达图(经过对各个区域竞争力因子得分值进行“0-1”处理)。由图2可以清晰的看到，中国饭店业竞争力较强的几个区域，主要是广东、北京、浙江、上海、山东和江苏，这几个区域在雷达图上的得分都在0.5以上，这几个区域也是中国经济发展水平较高的区域，这也说明了中国饭店业的竞争力与区域经济发展水平有着密切的联系；海南、福建、四川、湖南和云南属于竞争力一般的区域，这几个区域的旅游资源丰富，旅游业发达，带动了当地饭店业的发展。图3表示的是各个区域在F1因子“行业规模与收入”得分上的差异，F1因子的贡献率为45.974%，可以反映14个指标中的7个，对饭店业竞争力的影响起着重要作用，广东、山东、北京、浙江和江苏在这个因子上的得分具有比较明显的优势，在行业规模收入上竞争力很强，说明这几个区域的饭店业发展已较为成熟，已经形成了一定的规模，且行业收入也较好，其他省与这几个区域在“行业规模与收入”因子上有较大的差距，这几个区域的饭店业竞争力在全国中名列前茅。图4和图5表示的是各个区域在F2“行业盈利能力”因子和F3“行业发展效益”因子上的得分差异，这两个因子的贡献率分别为25.761%和21.332%，在F2因子上得分较多的是海南、上海、黑龙江、福建和北京，这几个区域在行业盈利能力上具有竞争力；北京、吉林、上海和浙江在F3因子上有优势，饭店业的发展效益良好。北京在饭店业竞争力评价的三个因子上都具有较高的得分，因此竞争力综合值也较高，在全国排名第二；广东得益于其在“行业规模与收入”的优势，综合排名第一；浙江在“行业规模与收入”和“行业发展效益”两项因子得分上均排名第四，综合竞争力排名第三；上海虽然饭店业的规模与收入一般，但是其饭店业的“行业盈利能力”和“行业发展效益”得分较高，在这两项得分上分列第二、第三，综合竞争力排名第四。

图2

图3

图4

图5

2.饭店业竞争力分类比较雷达图

图6

图7

图8

四、结语

饭店业是中国旅游业的三大支柱产业之一，是区域旅游收入的主要来源之一，区域饭店业竞争力强弱在一定程度影响着区域旅游业的发展。构建饭店业的竞争力评价体系，对中国31个省域饭店业竞争力进行客观的评价，有利于明确省域饭店业在全国范围内的定位，从而更好地促进区域饭店业的发展。将因子分析和雷达图两种可视化的方法结合起来研究中国31个省域饭店业的竞争力发现，中国饭店业按照竞争力可以分为强、较强、一般、弱和较弱5个层次，其中广东与北京饭店业的竞争力最强，浙江、上海、山东、江苏和海南的饭店业在全国范围内具有一定的优势，福建、四川、湖南、云南属于竞争力一般的区域，吉林、青海、天津、宁夏和西藏的饭店业竞争力最弱。在对31个省域饭店业进行总体评价后，还分别探讨了31个省域饭店业在“行业规模与收入”“行业盈利能力”和“行业发展效益”上存在的差异，最后通过雷达图的形式将各区域饭店业竞争力构成结构的差异性表达出来，为区域饭店业的发展指明了方向。

参考文献：

[1]王德青,万永波,王翔,狄让丽.基于主成分的改进雷达图及其在综合评价中的应用[J].数理统计与管理,2010,29(5):883-889.

[2]刘文远,李芳,洪文学.基于多维数据雷达图表示的图形分类器研究[J].计算机工程及应用,2007,43(22):161-162.

[3]张琼,欧蕾.饭店竞争力评价研究[J].燕山大学学报:哲学社会科学版,2005,6(8):129-130.

[4]翁钢民,赵黎明,杨秀平.饭店可持续竞争力的测评及应用研究[J].北京理工大学学报:社会科学版,2005,7(6):38-41.

[5]朱应皋,周艳,朱志伟.我国省域饭店业竞争力评价研究[J].社会科学家,2009(2):91-95.

[6]苏志平,顾平.基于绩效的省域饭店业竞争力评价研究[J].财会通讯,2012(1):120-122.

[7]张燕存.山东省饭店业竞争力分析[J].产业与科技论坛,2009,8(12):90-94.

[8]刁琳,姚艳红.饭店竞争力评价体系及其应用[J].湖南大学学报:社会科学版,2002,16(2):67-70.

[9]张佑印,马耀峰.区域旅游企业经济竞争力量化分析[J].干旱区资源与环境,2008,22(7):158-163.

[责任编辑刘江南]

Evaluation of Chinese provincial hotel industry competitiveness based on radar graphby FENG Xiao-bing, LI Yong-quan p. 24

To evaluate and sort the hotel industry competitiveness of China’s 31 provinces and cities, this paper combines factor analysis with radar graph analysis. The paper analyzes the differences of hotels competitiveness among the 31 regions, and explores the structure factors affecting the hotel industry competitiveness.

Key words: hotel industry; competitiveness; radar graph

Cultural export and soft power construction in social networks in new media era: a comparative study of Chinese and South Korean cultural industryby XU Shuang p. 45

In the background of globalization and informatization, the cultural soft power plays a key role in enhancing the core competitiveness of the country. Along with the rapid development of world social networks, the social network media is playing more and more important role in the international cultural exchange. Around the cultural soft power, all over the world carry out competitions in social media. To occupy our own discourse channels of China, international social network has become a major platform.

Key words: new media; social network; cultural export; soft power