动机、经验和满意度对游客支付意愿和目的地忠诚度的影响——以张家界国家森林公园为例

袁建琼，张璐璐

（中南林业科技大学 a.旅游学院；b.林学院，湖南 长沙 410004）

游客对目的地的忠诚度取决于多种因素。在典型的目的地忠诚度模型中，通常会使用结构方程模型来检查诸如动机、期望、目的地形象、服务质量、感知价值和总体满意度等变量，而另外两个变量：其他目的地的旅游经验以及支付意愿受到的关注较少。

旅游经验指的是访问同一目的地的频率（首次访问者与回头客）或以前在其他目的地的经验（例如，正面或负面）。虽然旅游经验以访问次数来衡量已经被许多学者进行了检验，但是关于其他目的地旅游经验的研究却很少[1-3]。游客很可能会以以前在其他目的地的经验作为参考点来评估他们在当前目的地的经历[4]。换句话说，“当前经历与过去经验之间的差异可以用作评估游客满意度的标准”。从理论上讲，Oliver 的期望确认理论已经被广泛应用于旅游研究领域，但其应用主要限于同一目的地，而很少有研究侧重于不同目的地的经验比较。先前在其他学科中进行的研究已运用社会比较理论来评估一个人的主观幸福感，发现一个人的幸福感或满意度取决于他/她与他人进行比较的方式[5]。因此，可以通过将当前的旅游目的地与之前访问过的类似目的地进行比较来评估游客的满意度。

忠诚度是顾客对所接受产品和服务的态度和行为以及重复使用的信号[6]。目的地忠诚度模型中的行为意向可以通过两个维度来衡量：重访意愿/推荐意愿或支付意愿[7]。尽管在几乎所有关于目的地忠诚度的结构方程模型研究中都检查了重访意向和推荐意向，但只有少数将支付意愿包含在结构方程模型中[8-9]，尽管支付意愿可能比重访意向/推荐意向更能贴切反映游客对目的地的忠诚度，这是因为支付意愿与目的地产品/服务的价格的价值直接相关。

鉴于缺乏对其他目的地经验和支付意愿的研究，本研究首次在目的地忠诚度模型中同时考察了这2 个变量。通过使用二阶结构方程模型包括其他3 个变量：动机、属性满意度和总体满意度，然后将其与多个一阶因子结构方程模型进行比较来实现。大多数研究使用的一阶因子模型要么涉及单独的测量项目[10]，要么来自因子分析的综合评分[11]，而很少有人将高阶结构方程模型与一阶结构方程模型的效果进行比较。此外，就研究方法而言，Koufteros 等[12]认为，二阶结构方程模型能够识别每个一阶结构的贡献并保留其特质。再者，就Anderson 等[13]提出的两阶段因子分析而言，发现探索性因子分析和验证性因子分析的独立样本要求被忽略的现象并不少见[13]。因此，本研究严格遵循两阶段规则，将整个样本分成两部分，一份用于探索性因子分析，另一份用于验证性因子分析。

1 材料与方法

1.1 研究假设的提出

人们经常试图访问自己偏爱的目的地，去从事自己喜欢的活动并实现自己的理想体验[14]。因此，从概念上讲，追求的活动和实现的体验植根于驱使人们出行的动机中。Moutinho[15]将动机定义为需求状态，这种条件会促使个人朝着某些类型的行动施加推动，这些行动被认为可能带来满足感。Cole 等[16]指出，满意度是由于满足了相应的需求或动机的结果。尽管大多数研究表明动机与总体满意度之间存在正相关关系[17]，但也有研究发现这两个变量之间并没有显著关系，甚至它们之间存在着显著的消极关系[18]。例如，在Yoon 等[19]的研究中，虽然推动动机与总体满意度呈正相关，但拉动动机与总体满意度之间的关系却显著为负。而在另一项研究中Battour 等[20]发现拉动和推动动机都与游客的总体满意度显著正相关。这表明这些发现可能是针对于特定样本的。因此，提出本文的研究假设。假设1：更高的动机将导致更高的属性满意度；假设2：更高的动机将导致更高的总体满意度。

访问同一目的地的频率作为旅游经验（即初次访问者与回头客）已在旅游文献中得到了广泛的验证，但发现却参差不齐。例如，虽然在某些研究中发现初次访问者比回头客的满意度和/或忠诚度低得多[1]，但在其他一些研究中也有相反的结果出现[21]。另外，还有学者发现初次访问者和回头客两个变量之间没有显著差异[22]。以上研究在满意度和忠诚度上差异的解释各不相同。直觉上，如果个人对之前的访问感到不满意，则不太可能再次访问目的地，这意味着往往回头客更加会感到满意。但是，有些人认为回头客比初次访问者更不容易满足，因为他们往往会由于以前的经验而对目的地寄予更高的期望[21]。结果，回头客的旅游体验结果和期望之间的消极不一致可能比初次访问者更容易出现，从而导致满意度降低。这在某种程度上，与经济学界提出的“边际效用递减定律”的概念相一致，即对同一目的地的额外访问可能会减少满意度。因此，旅游经验可能是一把“双刃剑”，它会对满意度产生有利或不利的影响。因此，提出本文的研究假设。假设3：访问频率与属性满意度呈显著正相关；假设4：访问频率与总体满意度呈显著正相关。

应该注意的是，还有许多其他因子可能会影响初次访问者和回头客的满意度，包括服务供应商情况、其他游客和小组成员的关系、目的地发展状况和目的地属性等。毫无疑问，如果一个人在目的地体验越满意，那么他或她将更有可能重新访问或向他人推荐。但是，满意度可能不是个人重访同一目的地的唯一原因。其他因子，例如具有相似特征或出行距离的替代品的可获得性、感知的风险和安全性、依恋、熟悉度、团队组成和感官印象，以及在其他旅游目的地的经验等也可能会影响个人重访目的地的可能性[23-24]。根据过去在其他目的地的经验，Yoon 等[19]发现，与其他访问过的类似地点的正面比较与总体满意度呈正相关，这进一步导致了目的地忠诚度。Weaver等[25]的另一项研究也检验了以前的旅行经验对满意度的影响，但与Yoon 等不同，在他们的研究中使用了之前旅行的国家数量，而不是与当前目的地进行经验比较。尽管如此，也发现以以前访问的国家数量来衡量的旅游经验与目的地忠诚度呈正相关。因此，提出本文的研究假设。假设5：与其他旅游目的地的正面比较将导致更高的属性满意度水平；假设6：与其他旅游目的地的正面比较将导致更高的总体满意度水平。

目的地由各种单独的属性组成，这些属性共同影响总体满意度。总体满意度一直是许多研究的研究重点，一些研究使用结构方程模型检查了属性满意度和总体满意度之间的关系，发现属性满意度能对总体满意度做出显著肯定的预测[18]。因此，提出本文的研究假设7：属性满意度与总体满意度呈显著正相关。

满意度和支付意愿之间关系的检验可以通过“关注社会交换的公平性”的公平理论来证明[26]。也就是说，如果客户从交换中获得了很高的满意度，他将愿意支付更多。在旅游相关文献中，与支付意愿相关的满意度已在以前的研究中使用不同的统计方法进行了检验，包括logit 回归，Tobit模型和结构方程模型等。除少数研究外，其余大部分研究结果都已表明了2 个变量之间的显著正相关关系。Disegna 等[27]发现对目的地不同特征的满意也对产生不同支出类别中的支出意愿产生积极影响。还有其他几项研究都检验了满意度与支出之间或支付意愿与服务质量之间的关系。例如，国内学者在研究中国参展者满意度与支出之间的关系时，发现“酒店、食品和景点”以及“设施”的满意度较高将导致更多支出[28]。Dean 等[29]从服务质量度量的5 个维度探究了客户愿意为旅行服务支付更多费用的意愿，结果发现，可靠性、保证性和有形性与支付更多的意愿之间的关系最大。Disegna 等[27]的报告称，对景观的满意度提高约一个单位会导致游客总支出增长7.6%，而对价格的满意度提高一单位会导致总支出增长约7%。因此，提出本文的研究假设。假设8：属性满意度与忠诚度显著正相关；假设9：属性满意度与支付意愿呈显著正相关；假设10：总体满意度与忠诚度呈显著正相关；假设11：总体满意度与支付意愿呈显著正相关。

1.2 调查地概况

张家界国家森林公园位于湖南省西北部，面积为4 810 hm2，距张家界市区约30 km，距省会长沙市385 km。作为1982年由国务院确定的中国首个国家森林公园，以成千上万的石英砂岩柱而闻名，这些柱岩从谷底延伸到天空，高度50～300 m。该公园动植物丰富，文化和历史资源丰富，几个独特的民族已经在该地区生活了数千年。

该公园与两个相邻的自然保护区（索溪峪自然保护区和天子山自然保护区）相结合，于1992年被联合国教科文组织列为世界遗产，名为“武陵源风景名胜区”。随着其越来越受到国内外游客的欢迎，该公园每年吸引数百万游客，他们通过在该地区的消费为当地和地区的经济发展和增长做出了巨大贡献。

1.3 问卷调查和测量

根据参考文献中的发现来设计调查问卷。该问卷收集了以下信息：游客的出行特征（包括以往的访问次数和对其他类似目的地的访问次数）、动机、属性满意度、总体满意度和目的地忠诚度。游客旅游动机是根据游憩体验偏好量表（REP）中采用的18 个项目进行衡量的[30]，而使用14 个项目来衡量对自然/文化资源、客户服务、门票、安全和保障、购物、食品和公园管理的属性满意度[31]。总体满意度由一个项目“我对公园的总体体验感到满意”来衡量，这一项总结性度量已被应用在许多其他研究中。最后，目的地忠诚度是通过3个项目来衡量，反映了游客重游公园的意愿及其推荐意愿。WTP 是通过要求受访者回答一个问题“如果不用购买门票，愿意花多少钱进入公园”来衡量。

1.4 数据收集

2018年10月在张家界国家森林公园进行了现场问卷调查，该调查由中南林业科技大学的研究生和本科生完成。他们根据以前的相关研究选择了罗古塔、黄石寨、金鞭溪步道和天子山贺龙公园4 个采样点进行调查以减少对受访者旅游体验的干扰从而使调查能够顺利进行。他们向受访者简要介绍了自己和调查目的，若一位游客不愿意参与，则联系下一位。

1.5 数据分析

在进行数据分析之前，对数据进行筛选。从受访者那里收集的577 份问卷中，有17 份不完整被删除，样本大小减少到560份后进行进一步分析。数据进行筛选后，所有变量的缺失率均低于2%，这被认为是无关紧要的。此外，还检验了用于测量动机、属性满意度和目的地忠诚度的观测变量的数据偏度和峰度。正态性评估表明，对于偏度和峰度，所有内生变量的绝对值分别小于2 和3，这表明该数据不会“极度”偏离正态分布，因此适合进行结构方程模型分析。

数据分析包括4 个步骤，并使用SPSS 21.0 和AMOS 23.0 软件进行分析。

第一步，将整个数据随机分为大小相等的两个部分（n1=271 和n2=289），然后进行探索性因子分析（EFA），以探索第1 个数据集的度量的因子结构（n1=271），然后使用第2 个数据集（n2=289）进行验证性因子分析（CFA），以确认从EFA 获得的因子结构。与许多其他旅游研究不同，在该研究中，同时使用了所有35 个不同构成的项目（即18 个动机、14 个属性满意度和3 个忠诚度）进行EFA，而不是针对每个单独结构下的项目进行EFA。根据Hair 等[32]的研究，对于验证性因子分析，每个参数至少需要5 个观测值。因此，289 份样本大于所需的（5×35=175）样本大小，因此适合进行验证性因子分析。

对于探索性因子分析，使用主成分分析（使用方差极大旋转和特征值大于等于1.00 的特征值来识别潜在因子）来获取潜在因子。使用Kaiser-Meyer-Olkin（KMO）抽样充分性量度和Bartlett球形度检验对数据进行因子分析的适当性进行了检验。KMO 临界值为0.50，用于确定某个因子的项目，而载荷差为0.15，则用于检测和分离交叉载荷。此外，克朗巴赫（Cronbach）的alpha值为0.70，用作衡量因子可靠性的阈值。

第二步，使用验证性因子分析测试测量模型。使用χ2/df（χ2值与自由度的比率）和其他指标例如RMSEA（近似均方根误差），CFI（比较拟合指数），IFI（增量拟合指数），NFI（标准拟合指数）和RFI（相对拟合指数）来评估模型的拟合度。具体来说，χ2/df比率最高为5 被认为是可以接受的，而小于3 则表明拟合更好。RMSEA 小于0.05表示较好的拟合度，介于0.05～0.10 之间的表明拟合度合理，大于0.10 的表明拟合度差[33]。另外，通常认为CFI，IFI，NFI 和RFI 大于0.90 是可接受的，并且大于0.95 的值被认为是更合适的[34]。

使用3 个参数评估模型构造的可靠性和有效性：组合信度（CR），平均方差抽取量（AVE）和最大共享方差（MSV）。如果CR ＞0.70，则构造体具有良好的内部一致性；如果AVE ＞0.5，则构造体具有良好的收敛效度；如果AVE ＞MSV，则构造体具有良好的判别效度[35]。

第三步，以旅游经验和动机作为前提变量，使用二阶SEM来检验旅游经验、动机、属性满意度、总体满意度和忠诚度之间的关系。

第四步，检验了几个一阶结构方程模型，并将其与二阶结构方程模型进行了比较。

2 结果与分析

2.1 受访者的社会人口学特征和出行信息

表1 列出了受访者的社会人口统计学特征和出行信息。从整个样本量来看，男女比例差异不大，占比分别为46.9%和53.1%。大多数受访者为18～24 岁年龄段的年轻人，占总数的38.4%。受访者的受教育程度普遍较高，并且具有大学学历的占比高达63.5%。在年收入方面，其中42.4%的受访者年收入低于12 000 元（人民币）。此外，大多数受访者是初次访问者（79.0%）和过夜者（98.2%），并参观了与该公园类似的其他目的地（58.2%）。在与去过的其他目的地比较时，有75.4%的人认为张家界更好，其中好得多（25.6%），较好（49.8%），而21.1%的人认为相差无几，只有一小部分受访者（3.5%）认为该公园更差。

表1 受访者的社会人口统计学特征†Table 1 Socio-demographic characteristics of the participants

2.2 测量项目的探索性因子分析

表2 列出了同时分析的所有35 个项目的探索性因子分析结果。总共获得了8 个因子，其中4个因子是动机（享受自然和放松、健身、当地真实性和归属感），3个因子是属性满意度（服务质量，公园管理和旅游资源），另一个因子是忠诚度。这8 个因子共同解释了总方差的67.56%。KMO为0.90，P＜0.001，表明因子分析的数据非常合适。此外，每个因子的Cronbachα值都大于0.70，范围为0.74～0.89，表明其具有良好的构造可靠性。

表2 所有构造体组合的探索性因子分析的摘要结果（n=271）†Table 2 Summary of exploratory factor analysis for all combined constructs(n=271)

2.3 测量模型分析

表3列出了验证性因子分析的组合信度（CR）、平均方差抽取量（AVE）和最大共享方差（MSV）。除“公园管理”（AVE 为0.45）以外，所有其他因子的CR 均高于0.70，并且AVE 均高于0.50。根据Fornell 和Larcker（1981）的研究，如果CR高于0.70，则接近0.50 的AVE 仍然足够[30]。最后，对于所有4 个动机因子，3 个满意度因子中的2 个（“公园管理”除外）和1 个忠诚度度量，AVE 始终大于或接近MSV。因此，该模型具有良好的组合信度，并且具有可接受的收敛效度和判别效度。

表3 组合信度、平均方差抽取量和最大共享方差Table 3 Combination reliability,average variance extraction,and maximum shared variance

2.4 结构模型测量与评价

2.4.1 二阶因子模型评价

基于探索性因子分析的分析结果发现，动机有4 个基本因子，属性满意度有3 个基本因子。在动机和满意度方面存在次级量表，因此需要在结构方程模型中包含一个二级因子（图1）。拟合指标方面（表5），χ2/df值为2.01，小于3，表示数据非常适合该模型。其他拟合指数也显示出良好的模型拟合度（RMSEA=0.059;NFI=0.86;IFI=0.92;TLI=0.90;CFI=0.92）。伽玛系数代表外生因子（即动机和满意度）对内生因子的回归，表明健身（伽玛=0.81）比其他3 个因子解释了更多的动机变化，公园管理（伽玛=0.98）解释了与其他2 个因子相比，满意度差异更大（图1）。

结果还表明，动机显著影响属性满意度（P＜0.001），但对总体满意度的影响并不显著（P＞0.05）。尽管以访问频率来衡量的旅游经验对属性满意度的影响不大，也不影响总体满意度，但其他目的地的过去经验对属性满意度却有显著影响（P＜0.001），尽管它对总体满意度的影响也并不大。应该注意的是，由于属性满意度可以显著预测总体满意度（P ＜0.001），因此，动机和其他目的地的旅游经验均可以间接影响总体满意度”。

表4 结构方程模型的标准路径系数†Table 4 Standardized path coefficients for structural equation model

2.4.2 一阶因子模型评价

同时研究了4 个一阶因子模型，包括：1）使用图1 中的因子项目的平均值（M1）；2）使用表2 中来自探索性因子分析的因子项目的平均值（M2）；3）使用了图1 中因子的原始项目（M3）；4）使用表1 中的所有原始项目（M4）。M1 和M2 的SEM结果分别显示在图2和图3中。出于篇幅考虑，未针对M3 和M4 以图形方式显示SEM 结果。

图1 二阶因子SEM（M）Fig.1 Second-order factor SEM(M)

图2 调整因子均值的一阶因子SEM(M1)Fig.2 First-order factor SEM involving adjusted factor means(M1)

图3 包含原始因子均值的一阶因子SEM(M2)Fig.3 First-order factor SEM involving original factor means(M2)

表5 列出了二阶因子模型和所有4 个一阶因子模型的模型拟合指数。尽管二阶因子模型与2个因子均值相关的一阶因子模型（M1 和M2）之间的拟合指数（如NFI，IFI，TLI 和CFI）具有一定可比性，但二阶因子模型在χ2/df和RMSEA 方面的的表现优于两个一阶因子模型。此外，二阶因子模型的各拟合指标要比表中两个项目相关模型（M3 和M4）好得多。M3 和M4 的χ2/df大于3，RMSEA 接近或大于0.10，NFI，IFI，TLI 和CFI小于0.80，拟合最差。为了提高模型拟合度，一种常见的方法是删除具有较低因子载荷或载荷差较小的变量。按照这种方法，在两个与项目相关的模型中仅保留了5 个动机项目和5 个满意度项目，以实现与二阶因子模型相当的模型拟合指数。这意味着必须从M4 中删除13 个（或72.2%）动机项目和9 个（或64.3%）满意度项目，从而导致大量信息丢失。

表5 评估指标的比较†Table 5 Comparison of assessment indices

值得注意的是，尽管模型拟合指数在二阶因子模型和两个一阶因子模型（M1 和M2）之间有所不同，但模型与模型之间任何2 个给定变量与相关显著性水平之间的关系幅度是相似的。这种一致性交叉验证了是过去其他目的地的经验直接影响属性满意度并通过属性满意度间接影响总体满意度，而不是访问频率。

3 结论与讨论

3.1 结论

为了测量涉及访问者旅游经验（具有相同目的地以及与其他类似目的地）的目的地忠诚度模型和他们的行为意图（重访意向/推荐意向和支付意愿），使用以下方法构建并测试了二阶结构方程模型，数据来自2018年在张家界国家森林公园进行的560 名游客的面对面现场调查。模型中还包括其他3 个变量：动机、属性满意度和总体满意度。通过实证分析得出以下主要结论：

1）属性满意度能显著预测总体满意度，即在属性级别获得较高满意度的游客更有可能获得较高的总体满意度。

2）动机能显著正向影响属性满意度但对总体满意度的影响并不大。

3）访问频率对属性满意度和总体满意度均未产生显著影响。

4）目的地比较对属性满意度具有显著正向影响并能通过属性满意度间接影响总体满意度。

5）属性满意度和总体满意度均与忠诚度呈显著正相关，但是两者对支付意愿的影响均不显著。

3.2 讨论

以前在其他目的地的经验（目的地比较）对属性满意度产生了显著积极的影响。也就是说，认为当前在公园中的体验比以前在其他目的地中的体验更好的访问者更有可能在属性级别上感到满意。这一发现支持了Yoon 等[19]的研究结果。但对总体满意度的影响不大，尽管这种关系是积极的。由于属性满意度对总体满意度产生了显著且积极的影响，因此可以调节过去在其他目的地的经验对总体满意度的影响。另外，该研究结果支持社会比较理论，这有助于将相对/比较满意度理论应用于旅游目的地。本研究发现访问频率对属性满意度和总体满意度都没有显著影响，该发现与其他大多数人并不一致，他们发现回头客比初次访问者更满意或更忠诚，但这一发现与Zeinali 等[22]的研究结果一致。这表明初次访问者和回头客对他们在公园中的偏好都同样满意，因此边际效用递减规律不适用于游览公园的人们，这是因为公园主要由自然景点构成，这些景点在全球范围内在地质上都是独一无二的。与过去在其他目的地的经验一样，动机对属性满意度产生了重大而积极的影响，而对总体满意度的直接影响并不显著，但它可通过属性满意度间接影响总体满意度。而动机并没有直接影响总体满意度，这一发现与Albayrak 等[36]的研究一致[17]。另外，本研究还证实了Schofield 的论点，即动机与总体满意度这两个变量是间接相关的。尽管总体满意度与属性满意度对重访意愿/推荐意愿的影响是显著且积极的（P＜0.001），但两者对支付意愿的影响并不显著。这表明访问者可能倾向于作出关于某个目的地的正面评价，而被要求付款时则表现有些保守。因此，目的地忠诚度的不对称信念可能是存在的，受访者行为意向的衡量方式不同，得出的结果也可能不同。从管理上讲，属性满意度/总体满意度和支付意愿之间的关系不大，这表明公园的门票价格比游客预期的要高得多，所以即使游客获得的满意度高，他们也不愿多付钱。应该指出的是，大多数国内的旅游目的地都依赖门票作为其经济收入的主要来源。“门票经济”在一定程度上影响了游客在目的地其他服务/产品上的支出，从而减少了对周边社区的经济贡献。多年来一直受到学者的批评。中国旅游研究院的一项研究表明，超过90%的被调查者认为5A 级旅游区的门票应该在100 元以内，接近于本研究结果的平均支付意愿金额（111 元）。

尽管这项研究是首次使用二阶结构方程模型同时检验两种类型的旅游经验、动机和支付意愿的研究，但它并非没有局限性。首先，动机对属性满意度和总体满意度的影响的性质可能取决于其衡量的时机。也就是说，在体验前，现场和体验后测得的动机可能会不同地影响属性满意度或总体满意度[17]。因此，未来的研究需要在不同场合测量动机以充分了解动机对属性满意度或总体满意度的影响。其次，在检查目的地忠诚度模型时，还有许多其他因子（依恋、感官印象、替代品、群体组成、感知的风险/安全性，熟悉度等）可能会发挥作用。因此，应谨慎对待本研究的结果。再次，虽然在本研究中将先前在其他目的地的经验作为结构方程模型中的先行变量进行了考察，但并未检查重访以前访问过的类似目的地或访问以前从未访问过的其他类似目的地的行为意图。公园好的经验可能会鼓励其将来去其他类似的目的地。因此，未来的研究需要包括这种行为意图，以便更好地了解过去在其他目的地的经验及其对忠诚度的影响。