[摘 要] 網(wǎng)站由多層面、多元素組成，這些都影響網(wǎng)站用戶的滿意度和相關行為。本文采用因子分析方法，探查影響旅游目的地網(wǎng)站“黏性”的外部因素結(jié)構(gòu)及減少外部因素維度的變量數(shù)量。外部因素維度變量影響用戶對網(wǎng)站的印象和興趣。外部因素變量跟旅游者旅游經(jīng)驗和知識有關。本文的研究結(jié)果達到新的更簡單的外部因素結(jié)構(gòu)，其包含輸出四個因子，即“不想去的旅游地”“有名氣性的旅游地”“旅游地與和網(wǎng)站的安全性”和“沒去過的旅游地”，這些因子對旅游網(wǎng)站“黏性”的強力評價起最好的作用。

[關鍵詞] 網(wǎng)站評價；外部因素維度；因子分析；網(wǎng)站“黏性”；旅游目的地

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 01. 081

[中圖分類號] F590.8 [文獻標識碼] A [文章編號] 1673 - 0194（2017）01- 0142- 06

0 引 言

互聯(lián)網(wǎng)網(wǎng)時代網(wǎng)站是傳播信息的系統(tǒng)，不同企業(yè)和組織使用網(wǎng)站聯(lián)系網(wǎng)絡用戶。聯(lián)系目的地是說服用戶使用網(wǎng)站推薦的產(chǎn)品，服務等。但是有一個普遍承認的問題，即網(wǎng)站用戶的關注很容易變化，因為用戶從一個到另一個網(wǎng)站的轉(zhuǎn)移很容易。 因此，重要是提高網(wǎng)站“黏性”及了解什么因素提高“黏性”，這樣用戶才會不愿意轉(zhuǎn)移網(wǎng)站。

網(wǎng)站是一種復雜的系統(tǒng)，已有的研究關注網(wǎng)站不同的方面，例如網(wǎng)站跟技術有關的方面、企業(yè)服務方面、網(wǎng)站內(nèi)容方面等。本文針對外部因素開展研究，文獻在這方面很少研究。

為了準備隨著地網(wǎng)站評價研究 ，首先需要對收集的數(shù)據(jù)，利用因子分析方法進行排序、削減。收集的材料反映網(wǎng)絡用戶的知覺如何跟旅游有關的特點影響他們的意愿使用網(wǎng)站。因子分析會得到數(shù)據(jù)更簡單的結(jié)構(gòu)，使強相關的變量形成公共因子，減少數(shù)據(jù)范圍，提取的公共因子將在網(wǎng)站評價研究使用。

1 旅游目的地網(wǎng)站“黏性”與相關“外部因素”

“外部因素”維度很少利用在網(wǎng)站評價研究中，研究者平常針對另外的網(wǎng)站維度，比如技術維度、服務維度、適用性等。外部因素維度與網(wǎng)站構(gòu)建沒無關，但本維度從心理方面影響用戶的行為。

因果行為理論（Theory of Reasoned Action）假定信任和評價形成個人行為有關的態(tài)度，而且其他人、社會信任和動機形成個人遵從的主觀規(guī)范。個人態(tài)度為行為和個人遵從的主觀規(guī)范影響行為的意向，而且行為的意向影響真實的行為。技術接受模型（Technology Acceptance Model）基于因果行為理論理解用戶接受信息技術的行為。在技術接受模型中，“外部變量”是初始元素，表示用戶技術接受行為從外部因素變量開始?！巴獠孔兞俊庇绊懹脩舾兄倪m用性和是否方便使用，而且這兩個因素影響使用的態(tài)度，并實用的態(tài)度影響信息系統(tǒng)使用的意向，進而影響真實的行為。

外部因素是旅游相關理論重要的因素，此解釋旅游者行為，比如搜索旅行信息過程依據(jù)旅游者為旅游有興趣和動機。旅游動機被個人、心理和社會影響，旅游者按照個人的動機決定旅游安排。其他影響旅游者的決定參加旅游活動的因素是各種各樣的限制，比如時間、財政預算， 可得到信息、文化背景、社會地位、已得到旅行和搜索經(jīng)驗。 個人目標和偏愛代表旅游者的期望并造成相應的選擇。因此可以假定外部因素，即旅游目的地先驗知識、興趣、旅游經(jīng)驗和感知的網(wǎng)站和旅游目的地的名氣影響用戶行為和動機搜索網(wǎng)站。

在Lee和Kozar研究使用的是服務提供者特征質(zhì)量（vendor-specific quality）變量，是跟網(wǎng)站和企業(yè)單位成功有關的因素。在此研究還有其他的三個網(wǎng)站方面變量， 代表系統(tǒng)質(zhì)量、服務質(zhì)量和信息質(zhì)量。研究者也把變量，即網(wǎng)站和企業(yè)單位名氣、價格競爭性和認識為評價如何網(wǎng)站質(zhì)量影響電子商務成功使用。研究者發(fā)現(xiàn)選擇旅游網(wǎng)站的時候經(jīng)理者和設計者被服務提供者特征的質(zhì)量影響最大，但對顧客來說服務提供者特征質(zhì)量占第二位，系統(tǒng)質(zhì)量占第一位 。

旅游網(wǎng)站的用戶在搜索一段信息的時候會同時檢查幾個相關網(wǎng)站。 但是，相關學者認為大量的信息以及過多的選擇會造成負面的影響，比如用戶常?？斓霓D(zhuǎn)移其他的網(wǎng)站， 不喜歡花時間閱讀長的文本，表示搜索行為常常是很簡單的。如果互聯(lián)網(wǎng)用戶不滿意，就馬上離開網(wǎng)頁。大量旅游網(wǎng)站因為沒有達到顧客的要求，所以消失了。

網(wǎng)站“黏性”代表網(wǎng)站保持用戶者注意和興趣的能力，并且用戶不會馬上轉(zhuǎn)移到其他的網(wǎng)站，繼續(xù)瀏覽網(wǎng)站。用戶持續(xù)的注意就表示網(wǎng)站達到引起和維持興趣的目標。網(wǎng)站“黏性”反映了網(wǎng)站成功度， 是網(wǎng)站成功的一部分。

圖1所述為這研究按照旅游地網(wǎng)站成功評價模型。旅游地網(wǎng)站是一種被正式管理/營銷組織推薦的旅游目的地的網(wǎng)站。本文主要針對影響網(wǎng)站“黏性”的外部因素進行優(yōu)化研究。

2 研究構(gòu)架和研究問題

2.1 研究構(gòu)架

網(wǎng)站外部因素與跟網(wǎng)站系統(tǒng)、服務沒有直接關，但理解潛在旅游者的經(jīng)驗和興趣、網(wǎng)站設計者和旅游目的地的名氣對網(wǎng)站成功，吸引瀏覽網(wǎng)站推薦的信息很重要。在本文使用的變量引用了因果行為理論、技術接受模型、 Lee和 Kozar （2006）的服務提供者特征質(zhì)量變量和旅游動機知識。變量分為三個子維度，即①旅游者先前知識、興趣和經(jīng)驗；②旅游點的特征；③網(wǎng)站名氣性。變量名表示短的在本文章下面使用的變量名字，而且在個人經(jīng)歷/國家特征/網(wǎng)站的列提供的全變量的意義（如表1）。不過本研究針對用戶意愿繼續(xù)使用旅游網(wǎng)站行為。

2.2 研究目標和問題

本研究主要的目標是通過對調(diào)查數(shù)據(jù)的處理，完成影響旅游目的地網(wǎng)站“黏性”的外部因素結(jié)構(gòu)及減少外部因素維度的變量數(shù)量。研究的主要的問題如下：

（1）分析外部因素的數(shù)據(jù)結(jié)構(gòu)，是否可以得到與初始不一樣的新的子維度？

（2）分析后得到的新子維度可以表現(xiàn)出什么信息？

（3）什么變量重要，且應該在隨后研究使用？什么在隨后的研究需要去除？

3 研究數(shù)據(jù)獲取

3.1 調(diào)查問卷

本研究使用116份中國人自己填寫的問卷，回答以前使用旅游網(wǎng)站搜索旅游信息的相關情況，從2015年3月到7月把收到問卷。采用“自選擇”抽樣辦法，問卷在街頭和www.wenjuan.com網(wǎng)站發(fā)放。

問卷含有兩個部分。第一部分關于人口信息，第二部分含有研究問題表。使用7數(shù)字的測量尺度，從0到6，“0”表示沒有影響，因而意愿程度不改變，“3”表示影響不大，因而意愿程度不大，“6” 表示影響最大，意愿最大。回答選擇還有“不知道”選擇，為了確保如果不太明確或不知道意思的時候不必選擇數(shù)字，因而不影響回答正確。但是在www.wenjuan.com網(wǎng)站收到的問卷的測量尺度有一點差別，因為網(wǎng)站設計要求不可以加上“不知道”選擇，所以回答者，如果不知道，或不太清楚怎么回答，可留下空，不填問題表。

3.2 被調(diào)查者分析

調(diào)查含有在街上收到的問卷為86%， 在線收到的問卷14%。50%回答者是女人，50% 是男人。大部分被調(diào)查者是年輕人，18～35歲，占88%。36～60歲人為10%，其中58%學生，26%企業(yè)員，4%政府員，12%其他。86%有打算在未來去旅游，88%以前沒旅游過。本研究被調(diào)查者比較了解上網(wǎng)，10%回答者總是使用網(wǎng)站為搜索旅游信息，47%常常使用網(wǎng)站，42%很少使用網(wǎng)站。

4 數(shù)據(jù)分析方法

本文利用SPSS17.0 軟件統(tǒng)計進行探索性R-類型因子分析。

因子分析是一種多元數(shù)據(jù)統(tǒng)計分析方法，主要分析目的是明晰變量的結(jié)構(gòu)和相互關系 。因子分析方法可以把數(shù)據(jù)的維數(shù)降低，同時又盡量不損失數(shù)據(jù)中的信息。本分析核心問題是：如何構(gòu)造因子變量及如何對因子變量進行命名解釋 。

因子分析過程如下：

（1）確定研究問題和分析目標；

（2）設計因子分析；

（3）因子分析前提條件檢驗；

（4）提取因子和確定總的契合度；

（5）旋轉(zhuǎn)因子及其對它們的解釋；

（6）確認因子分析結(jié)構(gòu)和結(jié)果。

收集的數(shù)據(jù)含有缺失數(shù)據(jù)不超過10%。按照Hair（2011） 等的研究結(jié)果，如果缺失數(shù)據(jù)不超過10%的，缺失數(shù)據(jù)可以利用所有的辦法進行替換、填補，在本研究缺失數(shù)據(jù)被平均值替換。

為了使用因子分析有效，最少應有50份觀測數(shù)據(jù)，且觀測數(shù)量應該超過變量數(shù)量，最好為10比1 ，不少3比1。 本研究為“愿意停留在網(wǎng)站”有12個變量，觀測數(shù)量超過50份。

4.1 因子分析前提條件檢驗

為了確定是否樣本合適做因子分析，首先需要計算相關系數(shù)矩陣、進行KMO（Kaiser-Meyer-Olkin）檢驗，巴特利特球形檢驗（Bartlett test of sphericity）和樣本合適測量（Measure of Sampling Adequacy，MSA）。

計算相關系數(shù)矩陣表現(xiàn)在0.00 和0.01 顯著性水平p 值，26%變量系數(shù)值均大于0.27，即有變量為強相關，就是可以繼續(xù)檢查變量適合做因子分析。

通過巴特利特球形檢驗計算相應的伴隨概率（Sig）為0.00，小于顯著性水平0.05， 因此變量之間存在相關關系，合適做因子分析。

KMO檢驗的取值在0和1之間，值越接近1表示變量間的相關性越強，就是變量非常合適，0.5 以下表示極不合適。本觀測12個變量通過KMO檢驗得到0.667，適合做因子分析。檢查原始變量樣本合適測量（MSA）有一個變量值小于0.5，即“不安全性”變量不合適，應該取消。

第二次計算11個原始變量系數(shù)，不含有“不安全性”變量，分析前提條件：

在0.00 和0.01 顯著性水平p 值29%、變量系數(shù)值均大于0.27、KMO值得到0.710 分、通過巴特利特球形檢驗計算相應的伴隨概率（Sig）為0.00、樣本合適測量（MSA）變量值都大于0.5，結(jié)果表示可以進行因子分析。

4.2 因子提取

因子分析重要的問題之一是提取因子數(shù)量應該多少，為了抽取因子利用主成方法。

為了抽取合適的因子及說明原始變量最好的構(gòu)造，應該注意幾個重要的準則，即：

（1）公共因子的特征值接近于1。

（2）公共因子數(shù)量最好得到60%以上累計解釋的總方差。

（3）查看碎石圖里特征根變化趨于平穩(wěn)點（建議查看K， K-1 和 K+1 公共因子數(shù)量， 即K-在碎石圖特征根變化趨于平穩(wěn)點）。

（4）抽取公共因子獲得最合適的結(jié)構(gòu)。

首先查看11個變量的碎石圖（圖2），僅看彎曲點表明3個公共因子應該合適。

為了確定公共因子數(shù)量，查看第3和第4個公共因子的結(jié)果。

結(jié)果顯示3個公共因子不合適（如表2），提取3個公共因子、特征值大于1是1.1可是累計解釋的方差得到不合適的53%。再者5個變量共同度為0.5以下， 即提取的公因子不合適。

如果提取4個公因子第4個公共因子特征值于0.983，累計解釋的方差為62%?？墒恰霸O計可信度一般”變量的方差貢獻率為0.485， 不到0.5，就是變量的方差貢獻率不合適，因此確定取消本變量，留下10個變量。

10個變量KMO值得到0.709，巴特利特球形檢驗計算相應的伴隨概率（Sig）為 0.00。提取3個公因子不合適，由于累計解釋的方差僅為57%。提取4個公因子系數(shù)都合適，即公因子數(shù)量滿意，特征值靠近1為0.951，變量共同度都大于0.570，累計解釋的方差為66%，就是4個公因子可以解釋66% 方差。

為了繼續(xù)因子分析，按照上面說明的結(jié)果，確定應用10個變量，提取4個公共因子。表2顯示變量共同和解釋的方差的結(jié)果。

4.3 旋轉(zhuǎn)和解釋因子

旋轉(zhuǎn)成分矩陣檢查見表3和表4。因子旋轉(zhuǎn)簡化因子結(jié)構(gòu)和提供更簡單和有意義的公共因子。

為了旋轉(zhuǎn)公共因子運用屬于正交旋轉(zhuǎn)亞類型：具有Kaiser標準化的最大方差法。

通過正交旋轉(zhuǎn)亞類型的方法公共因子互相獨立沒有公共的相關。最大方差法（Varimax）是一個常用的方法，此方法最大化各個因子載荷平方的方差的總數(shù)。

為了保持公共因子簡單的構(gòu)造應該考慮下面的條件：

（1）變量載荷該大于±0.5，即±0.5 載荷表明有實用意義及±0.7載荷表明結(jié)構(gòu)定義明確的；

（2）檢查是否變量有意義的交叉負載；

（3）檢查是否矩陣含有沒有實用的載荷的變量。

10個變量分析結(jié)果表明每個變量最少有一個有意義的載荷，同時有兩個變量，就是“沒名氣國”和“去過的國”變量有交叉負載。（如表3）因此為了良好因子結(jié)構(gòu)，決定取消有交叉負載的變量，亦需要重新指定因子模型。

考慮幾個因子模型，即取消一個變量（“沒名氣國”或者“去過的國”）、兩個變量、減少和增加公共因子數(shù)量，最終決定選擇4個公共因子留下8個變量。

這4個公共因子KMO值為0.659，因此因子分析結(jié)果是可以接受的，巴特利特球形檢驗計算相應的伴隨概率（Sig）為 0.00， 變量共同度都超過0.63。第一個因子的旋轉(zhuǎn)特征值解釋18.309%方差，第二個為-18.005%，第三個為-17.468%，第四個為-17.218%，即四個公共因子總共解釋71.001%方差。（如表4）

此因子模型實際和統(tǒng)計意義也有合理的解釋。表4輸出的8個變量的結(jié)果表示全變量之間沒有意義的交叉負載，每個公共因子有兩個有高值的負載，因子結(jié)構(gòu)非常明晰。

4.4 因子模型

（1）第一個因子名稱“不想去旅游目的地”含有變量：

“不想去國”- 網(wǎng)站推薦的旅游國家不是很多人都知道的也不是很多人想去的。（負載- 0.815，強）；

“不要去興趣國” - 您以前對網(wǎng)站推薦的旅游國家有了解興趣。可是沒有打算去那里旅游。（負載- 0.795，強）

（2）第二個因子名稱“有名氣性的旅游目的地”含有變量：

“都想去國”- 網(wǎng)站推薦的旅游國家很多人都知道并想去的 （負載- 0.889，強）

和“名氣性國”- 網(wǎng)站推薦的旅游國家的名氣性。（負載- 0.740，強）

（3）第三個因子名稱“旅游目的地和網(wǎng)站的安全性”含有變量：

“安全性國”-網(wǎng)站推薦的旅游國家安全性 （負載- 0.829，強）

“設計可信度高”-網(wǎng)站設計者可信度高。（負載- 0.766，強）

（4）第四個因子名稱“沒去過的旅游目的地”含有變量：

“不熟悉國”-網(wǎng)站推薦的旅游國家是您第一次見到的國家 （負載- 0.850，強）

“要去熟悉國”-您以前想去在網(wǎng)站推薦的國家旅游?？墒沁€沒去過。（負載- 0.742，強）

5 結(jié) 語

本文的研究表明，因子分析導致初始數(shù)據(jù)降低，并得出了新的更簡單的結(jié)構(gòu)，留下4個公共因子，每個因子含2個變量。每個因子解釋能力接近，四個因子解釋相關于71% 。

此四個因子對旅游網(wǎng)站用戶意愿繼續(xù)使用旅游網(wǎng)站的強力， 換句話說網(wǎng)站“黏性”力度，評價起很好的作用，是可以在隨后研究中使用的變量。

第一個因子可以屬于旅游者的沒意愿去旅游的子維度，即“不想去旅游目的地”的因子。

第二個因子“有名氣性的旅游目的地”可以屬于旅游點的特征的子維度。

第三個因子“旅游目的地和網(wǎng)站的安全性”可以認為屬于安全性子維度。

第四個因子“沒去過的旅游目的地”可以屬于旅游者旅游經(jīng)驗子維度。

另外，按照因子分析結(jié)果在隨后的研究將不再使用四個變量 ，就是“不安全性國”“沒名氣國”“設計可信度一般” “去過的國”。