韋夷

摘要：智慧農(nóng)業(yè)旅游可依托“動態(tài)云”架構(gòu)將全部數(shù)據(jù)集中在云處理核心完成統(tǒng)一處理，游客能從“云”端獲取計算服務，在現(xiàn)代市場競爭中具有很強的競爭力。首先研究“動態(tài)云”架構(gòu)的智慧農(nóng)業(yè)旅游模型，然后以樣本特征為控制量，“云搜索”動機、“云搜索”成本、個人情景、社會影響力、云網(wǎng)絡信任度、農(nóng)業(yè)教育體驗、感知風險和游客個性化需求為自變量，并設(shè)定研究假定，完成調(diào)研問卷信度和效度分析。通過整體方差、旋轉(zhuǎn)陣列、Pearson相關(guān)度、多元線性回歸分析可知控制變量和自變量均不同程度地影響大眾旅游需求，從而影響“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游發(fā)展水平。

關(guān)鍵詞：“動態(tài)云”架構(gòu);智慧農(nóng)業(yè);旅游;感知風險;回歸分析

中圖分類號：F592;S126 文獻標志碼： A

文章編號：1002-1302（2019）09-0072-07

1 智慧農(nóng)業(yè)旅游概述

1.1 休閑農(nóng)業(yè)旅游向智慧農(nóng)業(yè)旅游過渡的發(fā)展歷程

伴隨知識經(jīng)濟時代的到來，休閑型產(chǎn)業(yè)成為大眾生活和消費的重要模塊，隨之與高科技結(jié)合所產(chǎn)生的智慧農(nóng)業(yè)旅游[1]逐步形成。休閑農(nóng)業(yè)旅游是第一產(chǎn)業(yè)向第三產(chǎn)業(yè)的拓延，并融合了第一、第二和第三產(chǎn)業(yè)，構(gòu)成生態(tài)型、經(jīng)濟型、社會型三位一體的融合。休閑農(nóng)業(yè)旅游便于農(nóng)村交通運輸狀態(tài)的優(yōu)化，同時促進了農(nóng)業(yè)自然生態(tài)環(huán)境保護、農(nóng)業(yè)景觀與基礎(chǔ)建設(shè)，從而提升農(nóng)村民眾的生活水平。而從城市游客角度而言，拓展新的旅游區(qū)間，走入農(nóng)業(yè)大情景中，能夠緩和城市游客過于擁擠的狀況，讓休閑農(nóng)業(yè)借力大自然意境發(fā)展，帶動農(nóng)業(yè)藝術(shù)與鄉(xiāng)土文化品位的最優(yōu)組合，可滿足游客休閑、感知、娛樂與教育需求。隨著各種智能手機軟件（APP）走進民眾生活，通過智能終端定制個性化農(nóng)業(yè)模式，利用網(wǎng)絡平臺發(fā)展農(nóng)業(yè)旅游電子商務，形成區(qū)域化合作的智慧旅游發(fā)展模式等，均構(gòu)成智慧農(nóng)業(yè)旅游的發(fā)展模型。

1.2 “動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游

“動態(tài)云”指資源的獲取可通過動態(tài)模式隨時隨地完成部署和分享，是大規(guī)模的伸縮型數(shù)據(jù)共享核心，其計算資源能夠?qū)崟r而動態(tài)地互享，并構(gòu)建顯著型發(fā)展的服務業(yè)經(jīng)濟規(guī)模[2]?！皠討B(tài)云”架構(gòu)和以農(nóng)業(yè)資源為依托構(gòu)建的地方特色型現(xiàn)代化休閑服務模式綜合可形成智慧農(nóng)業(yè)旅游。

“動態(tài)云”下的智慧農(nóng)業(yè)旅游是在區(qū)域農(nóng)業(yè)發(fā)展的基礎(chǔ)上集娛樂、購物、觀光和健身為一體的現(xiàn)代型數(shù)字化旅游項目，并且成為打造生態(tài)型第三產(chǎn)業(yè)的重要課題，達到經(jīng)濟效益最優(yōu)。在大數(shù)據(jù)科技、云科技、“互聯(lián)網(wǎng)+”和人工智能等現(xiàn)代化數(shù)字策略基礎(chǔ)上構(gòu)建個性化、綜合化旅游體系。為達到該服務目標，目前大量旅游界的龍頭企業(yè)重視并開展智慧農(nóng)業(yè)旅游服務程序的研發(fā)，逐步形成融合各類智慧農(nóng)業(yè)旅游服務如交通、景點、住宿配套訂購，實時追蹤智慧農(nóng)業(yè)旅游區(qū)環(huán)境，得到一手旅游數(shù)據(jù)資源，并個性化地體驗智慧農(nóng)業(yè)旅游服務。

本研究從大眾旅游視角，即市場需求著手探討“動態(tài)云”架構(gòu)的智慧農(nóng)業(yè)旅游發(fā)展，對指導其發(fā)展模式和方向有重要的研究意義。

1.3 “動態(tài)云”科技下的旅游產(chǎn)業(yè)

隨著網(wǎng)絡科學、“云”科技和移動通信科技的飛速發(fā)展，產(chǎn)業(yè)間的融合不斷增強，隨之而來的創(chuàng)新并產(chǎn)生了巨大的經(jīng)濟價值?！霸啤笨萍寄軌虿捎眯畔⒓夹g(shù)把各種資源虛擬后進行集中，構(gòu)建浩瀚的資源匯集區(qū)，而該資源匯集區(qū)即為“云”。國外學者Mereu等研究了“動態(tài)云”模型下的旅游電子商務發(fā)展，整個模型包含基礎(chǔ)部分、系統(tǒng)部分、服務部分、訪問部分與監(jiān)管部分，形成了訂單服務、購買服務、存儲服務與銷售服務，并提供了“云”科技支持監(jiān)管服務[3]。Kelaidonis等則采用“云”科技與物聯(lián)網(wǎng)結(jié)合構(gòu)建了基于游客需求的旅游園區(qū)產(chǎn)品遠程供應服務[4]。國內(nèi)學者焦金英結(jié)合云計算和旅游產(chǎn)業(yè)，探究了旅游業(yè)的服務優(yōu)勢[1];金順福等則把“云”科技與P2P技術(shù)相結(jié)合形成智慧農(nóng)業(yè)旅游服務體系[5]。

1.4 智慧農(nóng)業(yè)旅游的發(fā)展

國外對都市農(nóng)業(yè)和休閑農(nóng)業(yè)旅游的開發(fā)較早并進行了大量的研究，農(nóng)業(yè)旅游經(jīng)過數(shù)十年的發(fā)展，并與現(xiàn)代科技結(jié)合形成智慧農(nóng)業(yè)旅游。Fletcher等用旅游乘數(shù)的理念分析智慧農(nóng)業(yè)旅游發(fā)展現(xiàn)狀，并結(jié)合經(jīng)濟發(fā)展狀態(tài)完成智慧農(nóng)業(yè)旅游發(fā)展的動態(tài)預測[6];Mook等則采用社會核算陣列探究旅游行業(yè)對經(jīng)濟發(fā)展的影響[7];Stark等采用收入流轉(zhuǎn)分析方法研究旅游業(yè)的后向經(jīng)濟關(guān)聯(lián)和旅游目的地拓展所拉動的智慧農(nóng)業(yè)旅游經(jīng)濟產(chǎn)業(yè)[8]。國內(nèi)學者張攀春利用投入產(chǎn)出數(shù)學模型得到不同區(qū)域?qū)哟蜗碌闹腔勐糜萎a(chǎn)業(yè)聯(lián)動效益[9];王偉則結(jié)合旅游衛(wèi)星賬戶（TSA）策略研究旅游供需發(fā)展模式，完成國內(nèi)就業(yè)形勢的深度解析[10];王曉敏等結(jié)合主成分分析法探究智慧農(nóng)業(yè)旅游經(jīng)濟與經(jīng)濟發(fā)展間的聯(lián)動影響[11]。

2 基于“動態(tài)云”架構(gòu)的智慧農(nóng)業(yè)旅游

2.1 “動態(tài)云”架構(gòu)內(nèi)部交互模型

“動態(tài)云”架構(gòu)的整體智慧農(nóng)業(yè)旅游模型可分為2類，其一是強數(shù)據(jù)核心、弱客戶端的結(jié)構(gòu)（圖1），其終端用戶均與云處理中心完成互動，并將全部數(shù)據(jù)匯聚到云計算核心系統(tǒng)中。而利用“動態(tài)云”架構(gòu)全部用戶均與云核心完成互動，云核心僅提供中轉(zhuǎn)功能，詳細的數(shù)據(jù)保存和處理則在農(nóng)業(yè)旅游公司終端完成存取，因而弱化了云核心保存和處理信息的能力。對普通用戶而言，并沒有明顯的應用區(qū)別，這是由于用戶并不須要獲得云計算核心詳細架構(gòu)特征。因而在不與普通用戶交互時，該架構(gòu)可從圖2變換為圖1，與普通用戶交互進程中，則復原為圖2的模型，完成“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游體系搭建。

2.2 “動態(tài)云”架構(gòu)下的整體智慧農(nóng)業(yè)旅游體系

2.2.1 整體設(shè)計

在“動態(tài)云”架構(gòu)下搭建智慧農(nóng)業(yè)旅游模型，使個性化定制服務的理念能夠深入到整個智慧旅游體系中。將“動態(tài)云”架構(gòu)下搭建智慧農(nóng)業(yè)旅游模型（圖3）劃分為一云多屏型前端、后端、動態(tài)信息存儲與虛擬化資源等部分分別進行介紹。

2.2.2 一云多屏型前端和后端支持

一云多屏[12]型前端主要涵蓋具有特色農(nóng)業(yè)的吃、住、行、旅游、農(nóng)產(chǎn)品購物與娛樂等幾項基本服務，“動態(tài)云”所服務的目標主要包括游客、景點、酒店、政府等幾個部分，如圖4所示。后端支持的主要工作是完成系統(tǒng)感知、技術(shù)支持和數(shù)據(jù)資源處理等，在“動態(tài)云”體系下以網(wǎng)絡科技為基礎(chǔ)完成資源整合形成數(shù)據(jù)互享。

2.2.3 動態(tài)信息存儲

動態(tài)信息存儲就是將用戶端信息保存在云數(shù)據(jù)處理核心中，在客戶端口應用的同時，用作服務提供給其他客戶。游客能夠通過云測算核心獲取信息，并對應游客的農(nóng)產(chǎn)品或旅游產(chǎn)品條形碼得到相關(guān)數(shù)據(jù)。將農(nóng)業(yè)旅游公司與旅游配套農(nóng)產(chǎn)品服務公司的終端存儲力動態(tài)地組合在云服務核心中，并完成數(shù)據(jù)的編解碼，能夠緩解服務核心的壓力。

“動態(tài)云”架構(gòu)下的數(shù)據(jù)處理，實質(zhì)上是客戶端在處理數(shù)據(jù)的過程中，將服務提供給其他客戶端的過程。游客體驗休閑農(nóng)業(yè)的過程中，所購置的農(nóng)產(chǎn)品能夠追溯到從生產(chǎn)到銷售全過程的數(shù)據(jù)，如農(nóng)業(yè)旅游地的數(shù)據(jù)、當?shù)鼐频陻?shù)據(jù)、物流行業(yè)數(shù)據(jù)、相關(guān)農(nóng)產(chǎn)品企業(yè)數(shù)據(jù)，在“動態(tài)云”架構(gòu)下均依據(jù)相應算法完成協(xié)調(diào)和通信?！皠討B(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游數(shù)據(jù)處理過程比云處理核心按照各個環(huán)節(jié)處理數(shù)據(jù)效率高。

2.2.4 虛擬化資源

“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游體系中的虛擬化資源，即完成客戶端設(shè)備、程序和信息的相關(guān)虛擬化，并將各部分資源通過抽象、繼承和組合方式搭建通用接口，完成資源虛擬化[13]。即游客登入該資源時，感覺是由云服務中心提供的而非客戶端資源。當服務中心或農(nóng)產(chǎn)品企業(yè)登入數(shù)據(jù)時，也感覺是云服務中心提供數(shù)據(jù)，因而能夠保證數(shù)據(jù)完整度。

3 樣本獲取、游客需求分析下的研究假定

3.1 樣本獲取

本研究采用問卷調(diào)研模式，考察“動態(tài)云”架構(gòu)下的都市農(nóng)業(yè)旅游區(qū)，以沈陽（精品都市農(nóng)業(yè)旅游線路）、開封（可望莊園都市農(nóng)業(yè)旅游）、無錫（吳文化都市農(nóng)業(yè)旅游線路）、北京（國際都市農(nóng)業(yè)旅游）等4個地區(qū)的游客為例，發(fā)放調(diào)研問卷研究游客需求，共發(fā)放6 000份問卷，回收率為91.8%，其中有效問卷共計5 274份，游客的基本信息如表1，并假定H1：統(tǒng)計參數(shù)不同的游客對“動態(tài)云”架構(gòu)下的大眾旅游需求存在明顯差異。

3.2 游客需求分析下的研究假定

綜合上文給出的“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游體系特征，以游客性別、年齡、學歷、個人收益、休閑時間（除周末外）為本研究的測控變量，并以“云搜索”動機、“云搜索”成本、個人情景因子、社會影響力因子、云網(wǎng)絡信任度、農(nóng)業(yè)教育體驗因子、感知風險因子、游客個性化需求等為自變量，“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游發(fā)展為因變量?；诖耍o出“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)大眾旅游需求模型（圖5）。

3.2.1 “云搜索”動機

“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游體系下，游客的“云搜索”動機主要劃分為以目標為搜索的功利型動機和以娛樂為目標的體驗型搜索動機。若在動態(tài)搜索進程中，游客對有用度、娛樂度、創(chuàng)新度得到越大的滿足，則其對旅游服務越滿意。數(shù)據(jù)有用性主要包括游客能夠通過搜索得到有用數(shù)據(jù);數(shù)據(jù)獲取便捷度則指游客通過“動態(tài)云”架構(gòu)得到智慧農(nóng)業(yè)旅游數(shù)據(jù)是否容易;目的明確度則指游客可否在搜索過程中達到需求。基于此，本研究設(shè)置如表2所示問卷題項。并作出假定H2：“云搜索”動機對大眾旅游需求產(chǎn)生正向影響。

3.2.2 “云搜索”成本

在經(jīng)濟學的理念下，數(shù)據(jù)搜索開銷主要指消費者能夠以較低的成本買入市場上所需求的商品而付出的金錢、時間和精力。本研究的“云搜索”成本即指游客參與智慧農(nóng)業(yè)旅游獲得信息所付出的金錢、時間和精力。往往成本越低，游客搜索數(shù)據(jù)時間越長，所獲取數(shù)據(jù)越完整?；诖耍O(shè)置如表3所示問卷題項。并作出假定H3：“云搜索”成本對大眾旅游需求產(chǎn)生負向影響。

3.2.3 個人情景因子

個人情景因子主要指在網(wǎng)絡基礎(chǔ)環(huán)境下游客在移動終端的操作所完成的應用研究。終端能夠給游客提供個性化服務，并及時推送智慧農(nóng)業(yè)旅游地、酒店和農(nóng)產(chǎn)品等數(shù)據(jù)。個人情景因子更加側(cè)重于個人方位定制和興趣點。設(shè)置如表4所示問卷題項，并作出假定H4：個人情景因子對“動態(tài)云”架構(gòu)下的大眾旅游需求產(chǎn)生正向影響。

3.2.4 社會影響力因子

社會影響力起源于心理學科，即指由于其他人的影響所帶來身心的轉(zhuǎn)變，從而對個人行為產(chǎn)生作用。本研究主要指游客在制定旅游決策的過程中受到周圍環(huán)境的影響，例如他人對“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游的體驗描述、觀點、愛好均對游客制定旅游決策產(chǎn)生影響。本研究設(shè)置如表5所示問卷題項并作出假定H5：社會影響力因子對“動態(tài)云”架構(gòu)下的大眾旅游需求產(chǎn)生正向影響。

3.2.5 云網(wǎng)絡信任度

云網(wǎng)絡信任度指游客對云計算網(wǎng)絡科技的信任程度，包含對網(wǎng)絡數(shù)據(jù)穩(wěn)定度和可靠度的認同。在本研究中，云網(wǎng)絡信任度主要包含游客對“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游數(shù)據(jù)的信任度。在旅游過程中遇到的各種問題，游客可依賴“動態(tài)云”體系得到相關(guān)信息和指導。本研究設(shè)置如表6所示問卷題項，并作出假定H6：云網(wǎng)絡信任度對“動態(tài)云”架構(gòu)下的大眾旅游需求產(chǎn)生正向影響。

3.2.6 農(nóng)業(yè)教育體驗因子

游客在“動態(tài)云”架構(gòu)下體驗智慧農(nóng)業(yè)旅游，不僅讓游客深入到自然風光中感知農(nóng)業(yè)知識教育，體驗花開、結(jié)果的自然風情。對某種農(nóng)產(chǎn)品或動植物感興趣的游客也可以在旅途結(jié)束后，通過“動態(tài)云”架構(gòu)繼續(xù)獲得更多農(nóng)業(yè)知識。本研究設(shè)置如表7所示問卷題項并作出假定H7：農(nóng)業(yè)教育體驗因子對“動態(tài)云”架構(gòu)下的大眾旅游需求產(chǎn)生正向影響。

3.2.7 感知風險因子

“動態(tài)云”架構(gòu)下體驗智慧農(nóng)業(yè)旅游中的感知風險也是從心理學中援引出來的，將智慧農(nóng)業(yè)旅游中的感知風險因子分為財務型、身體型、心理型。財務型即游客在旅游中可能購置到的與實際價值差別很大的旅游商品;身體型即參與“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游可能帶來的人身安全威脅;心理型即擔心自身隱私被泄露。本研究設(shè)置如表8所示問卷題項，并作出假定H8：感知風險因子對“動態(tài)云”架構(gòu)下的大眾旅游需求產(chǎn)生負向影響。

3.2.8 游客個性化需求

每個人都是獨立的個體，當接受服務時，往往有不同的感知。通過“動態(tài)云”架構(gòu)體驗智慧農(nóng)業(yè)旅游，往往能夠滿足不同游客的個性化需求?；诖?，本研究作出假定H9：游客個性化需求對“動態(tài)云”架構(gòu)下的大眾旅游需求產(chǎn)生正向影響。并設(shè)置如表9所示問卷題項。

4 數(shù)據(jù)分析

4.1 調(diào)研問卷信度和效度分析

信度值為測量表或問卷量表內(nèi)部的常見指標，信度最常用的關(guān)聯(lián)參數(shù)為皮爾遜積差相關(guān)參數(shù)，該相關(guān)系數(shù)的區(qū)間為 [-1，0] 和[0，1]，當其值為1或-1時，其關(guān)聯(lián)度越高，由于正和負為關(guān)聯(lián)的方向，若該值為正，則是正線性關(guān)聯(lián)，反之為負線性關(guān)聯(lián)。而效度指標表示有效性，問卷調(diào)研值即表明調(diào)研目標的效度，其指標包含內(nèi)容效度和構(gòu)造效度等參數(shù)。

4.1.1 信度研究

本研究選取SPSS 19.0作為數(shù)據(jù)校驗程序，分析得到數(shù)據(jù)信度指標。信度常選擇內(nèi)部信度量，即Cronbach α參數(shù)，若信度判定α參數(shù)在0.6～1.0之間，則為高可信度，若α<0.30，則表示拒絕。信度判別指標如表10所示。針對得到的5 274份有效問卷采用SPSS 19.0進行Cronbach α參數(shù)的信度檢驗，結(jié)果如表11所示。通過問卷的信度指標校驗可得，問卷的整體Cronbach α參數(shù)值為0.779，其他Cronbach α參數(shù)值均高于0.700，因而本問卷的信度較為可信。

4.1.2 效度分析

本研究進行因素分析首先完成Bartlett以及KMO樣本結(jié)果校驗，Bartlett校驗的標準參量即χ2的統(tǒng)計結(jié)果概率值低于0.05，KMO樣本結(jié)果校驗的參量高于0.5時，本研究選取結(jié)構(gòu)解析式模型，調(diào)查問卷的效度指標最主要考量結(jié)構(gòu)效度。效度判別指標如表12所示。

KMO樣本測試結(jié)果若高于0.7則很適應因子解析，采用SPSS 19.0完成樣本信息的給入和整合，試驗所得KMO結(jié)果為0.848，Bartlett檢驗的結(jié)果為0.000 1，其值小于0.05，因而該結(jié)果通過了效度校驗，本研究的試驗結(jié)果具有優(yōu)秀的效度標準。

4.2 驗證假設(shè)

4.2.1 整體方差解釋

采用回歸分析驗證“3.2節(jié)”給出的假設(shè)，在進行回歸分析之前，先完成數(shù)據(jù)的處理。如表13所示，30個參量被提取為9個大于1的公共變量即被控制變量和自變量（分別為被調(diào)研樣本的統(tǒng)計參數(shù)、“云搜索”動機、“云搜索”成本、個人情景因子、社會影響力因子、云網(wǎng)絡信任度、農(nóng)業(yè)教育體驗因子、感知風險因子、游客個性化需求），其結(jié)果為 4.128、2.891、2.527、2.075、1.851、1.371、1.263、1.062、1.078，采用累積方差分析可知，9個公共參數(shù)的整體方差為 78.81%，即9組公共變量能夠表示78.81%的數(shù)據(jù)。因而，9組公共變量能夠體現(xiàn)樣本的大量數(shù)據(jù)，從參數(shù)自身特征而言，適合完成回歸解析。

4.2.2 旋轉(zhuǎn)陣列

利用最大方差完成對參數(shù)載荷的旋轉(zhuǎn)陣列分析，利用整合后的旋轉(zhuǎn)陣列進行自變量的得分分析，對各參量進行歸類。表14給出整合后的旋轉(zhuǎn)陣列，為便于分析，

將載荷低于0.5的值作忽略處理，并依據(jù)參量旋轉(zhuǎn)陣列的數(shù)據(jù)得到量表中題項和9個公共參量間的關(guān)系。

4.2.3 參量的Pearson相關(guān)度分析

本研究選取Pearson相關(guān)度分析方案，通過SPSS 19.0獲得大眾旅游需求與被調(diào)研樣本的統(tǒng)計參數(shù)、“云搜索”動機、“云搜索”成本、個人情景因子、社會影響力因子、云網(wǎng)絡信任度、農(nóng)業(yè)教育體驗因子、感知風險因子和游客個性化需求間的Pearson相關(guān)度完成分析。從而體現(xiàn)“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游發(fā)展狀態(tài)。由表15可知，1個被控變量和8個自變量均與大眾旅游需求存在各種程度的關(guān)聯(lián)。從解析值而言，各參量和大眾旅游需求存在不同程度的差別，大眾旅游需求和被控變量間的關(guān)聯(lián)度最大，為0.512，其次是游客個性化需求，為0.498，云網(wǎng)絡信任度的Pearson相關(guān)度為0.435，“云搜索”成本的Pearson相關(guān)度為0.423，個人情景因子的Pearson相關(guān)度為0.386，社會影響力因子的Pearson相關(guān)度為0.245，農(nóng)業(yè)教育體驗因子的Pearson相關(guān)度為0.237。此外，“云搜索”成本和感知風險因子分別與大眾旅游需求呈負相關(guān)。

4.2.4 多元線性回歸分析

利用多元線性回歸[14]方案完成被控變量、自變量和因變量的關(guān)聯(lián)分析，從而確定各個參量和因變量間的數(shù)量關(guān)聯(lián)，構(gòu)建多元線性解析模式如下：

Y=B0+BMM+B1T1+B2T2+B3T3+B4T4+B5T5+B6T6+B7T7+B8T8+E。（1）

式中：Y為因參量，即大眾旅游需求（代表“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游發(fā)展水平）;M為被控變量;T1、T2、T3、T4、T5、T6、T7、T8表示自變量;B0表示回歸常數(shù);BM、B1、B2、B3、B4、B5、B6、B7、B8表示回歸參數(shù);E為隨機偏差。T1為“云搜索”動機，T2為“云搜索”成本，T3為個人情景因子，T4為社會影響力因子，T5為云網(wǎng)絡信任度，T6為農(nóng)業(yè)教育體驗因子，T7為感知風險因子，T8為游客個性化需求。

表16中采用SPSS 19.0測算樣本信息的回歸參數(shù)，1個被控變量和8個自變量非標準系數(shù)分別為0.362、0.526、0.435、-0.278、0.375、0.238、0.451、0.251、-0.351、0.462、0.078，各變量的標準系數(shù)分別為0.315、0.573、0.452、0.091、0.353、0.252、0.467、0.289、0.067、0.452、0.069，從回歸分析值可得，權(quán)值越高表明因參數(shù)產(chǎn)生的貢獻越高。

進一步完成回歸模型的擬合值檢驗，如表17所示。

在多元線性回歸模型中，結(jié)合判別參數(shù)和回歸標準差校驗擬合模型，得到回歸模型特點，表中所獲取的回歸量R為0.805，R2為0.648， 調(diào)節(jié)之后的R2為0.645。模型擬合度檢

結(jié)合表16中得出的被控參量、常值、自變量及隨機偏差的多元回歸非標準參量，可具體化多元線性回歸方程（1），如方程（2）所示：Y=0.362+0.526M+0.435T1-0.278T2+0.375T3+0.238T4+0.435T5+0.251T6-0.351T7+0.462T8+0.078。（2）

采用SPSS 18.0對9個變量進行多元化回歸解析，可獲得影響大眾旅游需求（代表“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游發(fā)展水平）的重要級別，自變量各個參量的影響重要度（考量絕對值）由高到低分別為游客個性化需求、云網(wǎng)絡信任度、“云搜索”動機、個人情景因子、感知風險因子、“云搜索”成本、農(nóng)業(yè)教育體驗因子、社會影響力因子。

4.2.5 假定驗證

基于以上分析，給出假定驗證，如表18所示。在不同的被調(diào)研樣本的統(tǒng)計參數(shù)下，“云搜索”動機、“云搜索”成本、個人情景因子、社會影響力因子、云網(wǎng)絡信任度、農(nóng)業(yè)教育體驗因子、 感知風險因子和游客個性化需求均不同程度地影響大眾旅游需求，從而影響“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游發(fā)展水平。

5 總結(jié)和建議

5.1 總結(jié)

智慧農(nóng)業(yè)旅游在互聯(lián)網(wǎng)、云計算等先進科技[15-16]的基礎(chǔ)上，規(guī)避現(xiàn)有旅游服務不能滿足游客需求的不足，可將數(shù)據(jù)全方位傳送到服務終端中完成數(shù)據(jù)交互，從而在資源應用的過程中達到高效化。首先研究“動態(tài)云”架構(gòu)的智慧農(nóng)業(yè)旅游發(fā)展研究的意義，分析“動態(tài)云”架構(gòu)的智慧農(nóng)業(yè)旅游構(gòu)成，包括“動態(tài)云”架構(gòu)內(nèi)部交互模型、整體設(shè)計模式、一云多屏型前端和后端支持、動態(tài)信息存儲和虛擬化資源，進而完成樣本獲取、游客需求分析下的研究假定，基于樣本統(tǒng)計特征、“云搜索”動機、“云搜索”成本、個人情景因子、社會影響力因子、云網(wǎng)絡信任度、農(nóng)業(yè)教育體驗因子、感知風險因子和游客個性化需求設(shè)計研究假定。

對數(shù)據(jù)進行預處理分析，分析調(diào)研問卷信度和效度。采用整體方差解釋、旋轉(zhuǎn)陣列、Pearson相關(guān)度分析和多元線性回歸分析驗證假設(shè)。研究結(jié)果表明，控制變量和自變量均不同程度地影響大眾旅游需求，從而影響“動態(tài)云”架構(gòu)下的智慧農(nóng)業(yè)旅游發(fā)展水平。

5.2 建議

5.2.1 提升“動態(tài)云”技術(shù)和智慧農(nóng)業(yè)旅游發(fā)展對接度

構(gòu)建旅游服務配套企業(yè)、農(nóng)產(chǎn)品企業(yè)、物流企業(yè)、當?shù)卣鄬釉茖芋w系。系統(tǒng)對數(shù)據(jù)及時處理并完成加密，實現(xiàn)數(shù)據(jù)的訪問和修改，完成信息虛擬化。當有需求時，數(shù)據(jù)依據(jù)一定的準則被查詢和調(diào)出。同時把各個企業(yè)數(shù)據(jù)納入“動態(tài)云”中，完成云的拓展，進而在全國范圍內(nèi)利用“動態(tài)云”技術(shù)搭建智慧農(nóng)業(yè)旅游發(fā)展模型。

5.2.2 打造智慧農(nóng)業(yè)旅游品牌

在“一帶一路”戰(zhàn)略的基礎(chǔ)下，智慧農(nóng)業(yè)旅游應當凸顯地方農(nóng)業(yè)特色，構(gòu)建當?shù)氐膶倨放?。而區(qū)域之間的旅游項目應相互合作。構(gòu)成例如某一鄉(xiāng)村開展生態(tài)園采摘，鄰近鄉(xiāng)村開展休閑型智慧農(nóng)業(yè)旅游或養(yǎng)生型農(nóng)業(yè)旅游，形成功能區(qū)分的區(qū)域農(nóng)業(yè)組合體。各個區(qū)域的智慧農(nóng)業(yè)旅游應當存在區(qū)分和聯(lián)系并且互相補充，吸引消費者的同時利用“動態(tài)云”架構(gòu)發(fā)展當?shù)匚幕?/p>

5.2.3 增進游客的情感感知

在當代社會物產(chǎn)資源高度發(fā)達的狀態(tài)下，游客更重視情感的愉悅與精神上的滿足。智慧農(nóng)業(yè)旅游可通過景點設(shè)置與服務參與體驗，并通過“動態(tài)云”架構(gòu)下的先進科技激發(fā)游客熱情。在服務和體驗上增加個性化農(nóng)業(yè)服務板塊贏得游客的價值性認同。

參考文獻：

[1]焦金英. 智慧農(nóng)業(yè)旅游“云”服務平臺構(gòu)建研究[J]. 農(nóng)業(yè)經(jīng)濟，2017（7）：34-36.

[2]宋 衡. 面向供需平衡的云資源分配與定價機制研究[D]. 揚州：揚州大學，2016：18-23.

[3]Mereu S，Susnik J，Trabucco A，et al. Operational resilience of reservoirs to climate change，agricultural demand，and tourism：a case study from Sardinia[J]. Science of The Total Environment，2015，543（Pt B）：1028-1038.

[4]Kelaidonis D，Vlacheas P，Stavroulaki V，et al. Cloud Internet of things framework for enabling services in smart cities[M]//Designing， Developing and Facilitating Smart Cities. Springer International Publishing，2017.

[5]金順福，王晨飛，陳玲玲，等. Cloud-P2P云存儲結(jié)構(gòu)的模型建立與性能分析[J]. 通信學報，2015，36（3）：2015077.

[6]Fletcher J E，Snee H. Tourism multiplier effects[J]. Tourism Marketing & Management Handbook，1989：529-531.

[7]Mook L，Machokoto R. Social accounting[M]//Global encyclopedia of public administration，public policy and governance. Berlin：Springer，2018.

[8]Stark O，Kosiorowski G，Jakubek M. An adverse social welfare consequence of a rich-to-poor income transfer：a relative deprivation approach[Z]. Discussion Papers 264176，2017.

[9]張攀春. 資源稟賦的空間分布差異與貴州大數(shù)據(jù)農(nóng)業(yè)發(fā)展模式選擇[J]. 江蘇農(nóng)業(yè)科學，2016，44（6）：1-5.

[10]王 偉. TSA測量旅游就業(yè)的必要性[J]. 北方經(jīng)貿(mào)，2006（9）：96-98.

[11]王曉敏，鄧春景. 基于“互聯(lián)網(wǎng)+”背景的我國智慧農(nóng)業(yè)發(fā)展策略與路徑[J]. 江蘇農(nóng)業(yè)科學，2017，45（6）：312-315.

[12]汪文斌. 從一云多屏到多屏互動——中國網(wǎng)絡電視臺臺網(wǎng)融合的探索與實踐[J]. 電視研究，2014（10）：20-21.

[13]邵維專，呂光宏. 網(wǎng)絡功能虛擬化資源配置及優(yōu)化研究綜述[J]. 計算機應用研究，2017，35（2）：321-326.

[14]張景陽，潘光友. 多元線性回歸與BP神經(jīng)網(wǎng)絡預測模型對比與運用研究[J]. 昆明理工大學學報（自然科學版），2013，38（6）：61-67.

[15]程宏杰，朱震宇，陳 澤. 農(nóng)業(yè)物聯(lián)云的設(shè)計與實現(xiàn)[J]. 江蘇農(nóng)業(yè)科學，2017，45（3）：179-183.

[16]郭建鑫，張峻蜂. 新型城鎮(zhèn)化背景下農(nóng)民對互聯(lián)網(wǎng)應用采納決策的實證分析[J]. 江蘇農(nóng)業(yè)科學，2017，45（21）：325-329.