该网站由若干层和若干元素组成，这些元素会影响网站用户的满意度和行为。文采用因子分析方法，探讨影响旅游目的地网站“刚性”的外部因素结构和减少外部因素大小的变量数量。部因素维度变量会影响用户对网站的印象和兴趣。部因素变量与旅游旅行的经验和知识有关。个文件导致的外部因素，包括生产的四个因素一个新的结构更简单的结果，即“旅游目的地，你会不会想参观”，“著名的旅游目的地”，“安全的目的地旅游和网站“和”不“。所访问的旅游目的地中，这些因素在对旅游网站“僵化”的有力评估中发挥最佳作用。[关键词]网站评估;外部因子维度;因子分析;网站“坚持”;旅游目的地：10。
969 / d。版本1673 - 0194. 2017. 01. 081 [中国图书馆分类号] F590。8 [文件识别码] A [商品编号] 1673 - 0194（2017）01-0142-06简介互联网时代网站是许多使用此信息的公司和组织的信息发布系统。站联系网络用户。系人的目的地是说服用户使用产品，服务等。
站推荐。是有一个广为人知的问题是，网站用户的注意力很容易改变，因为用户从一个网站转移到另一个网站很容易。此，重要的是要提高网站的“刚性”，并了解哪些因素改善了“刚性”，以便用户不愿意转移网站。站是一个复杂的系统。有研究侧重于网站的不同方面，例如网站的技术方面，公司服务和网站内容。文对外部因素进行了研究，文献很少研究这方面。了准备站点评估搜索，首先需要使用因子分析方法对收集的数据进行排序和减少。集的材料反映了网络用户如何看待他们与影响他们使用网站的意愿的旅行特征之间的关系。子分析将导致更简单的数据结构，将高度约束的变量转换为公共因子，减少数据范围并提取将用于现场评估研究的公共因子。站评估研究很少使用与旅游目的地网站相关的“粘性”和“外部因素”和“外部因素”，通常是技术维度，服务，适用性等。部因素维度与构建网站无关，但这个维度以心理方式影响用户的行为。
性行为理论假设信任和评价形成与个人行为相关的态度，而其他人，社会信任和动机形成个人一致性的主观规范。人态度是影响行为意图的行为主体规范和个人整合，行为意图影响实际行为。术接受模型基于因果行为理论来理解接受信息技术的用户的行为。技术接受模型中，“外部变量”是初始元素，表示用户的技术接受行为以外部因子变量开始。“外部变量”会影响用户的适用性和可用性。两个因素影响使用态度。际态度会影响信息系统的意图，从而影响实际行为。
部因素是与旅游相关的理论中的重要因素，它解释了游客的行为，例如根据游客的兴趣和动机寻找旅游信息的过程。行的动机受个人，心理学和社会的影响，游客根据个人动机决定旅行安排。响游客参与旅游活动决策的其他因素有各种限制，如时间，预算，信息获取，文化背景，社会地位，
宁波seo优化旅游和旅游经验。究。标和个人偏好代表旅行者的期望并产生相应的选择。此，可以假设外部因素，例如旅游目的地的先验知识，兴趣，旅行体验以及对网站和目的地的感知，影响用户行为和搜索站点的动机。Lee和Kozar研究中使用特定于服务提供者的质量变量是与网站和业务单位成功相关的因素。本研究中，与网站相关的其他三个变量代表了系统的质量，服务质量和信息质量。究人员还使用诸如网站和业务部门的声誉，价格竞争力和品牌知名度等变量来评估网站质量对电子商务成功使用的影响。究人员发现，在选择旅游网站时，管理者和设计师受服务提供商特征质量的影响最大，但服务提供商的功能质量首屈一指。统的质量处于最前沿。行网站的用户在搜索信息的同时检查多个相关网站。是，专家认为，大量的信息和太多的选择都会产生负面影响。如，用户经常快速转移其他网站，不喜欢花时间阅读长文本，这表明搜索行为通常很简单。果用户不满意，请立即离开网页。于不符合客户要求，大量旅游网站已经消失。站的“刚性”代表网站维护用户注意力和兴趣的能力，用户不会立即转移到其他网站，也不会继续浏览网站。页。户的持续关注表明该网站实现了唤起和维持兴趣的目标。
站的“刚性”反映了网站的成功，也是网站成功的一部分。1显示了该研究的成功评估模型，根据旅游目的地的网站。游目的地网站是官方管理/营销机构推荐的网站。文重点介绍优化影响网站“刚性”的外部因素。究框架和研究问题研究框架网站的外部因素与网站系统和服务没有直接关系，但了解潜在游客的经验和兴趣是有用的，这样网页设计师和目的地的声誉就会吸引网站推荐的信息。要的。文中使用的变量是指因果行为理论，技术接受模型，服务提供商功能质量变量以及Lee和Kozar（2006）的知识。量分为三个子维度，即旅游者以前的知识，兴趣和经验，旅游景点的特征和场地的声誉。量的名称表示本文中使用的变量的简称，以及个人经验/国家特征/网站专栏中显示的完整变量的含义（参见表1）。而，该研究继续使用旅行网站的行为以响应用户的意愿。标和研究问题，本研究的主要目的是完成对影响旅行目的地的网站的“刚性”和通过治疗减轻外部因素的大小的变量数的外部因素的结构调查数据。研究的主要问题是：分析外部因素的数据结构，你能得到一个与第一个不同的新子维度吗？哪些变量很重要，应该在后续研究中使用？在随后的研究中应该删除什么？关于获取研究数据的调查问卷本研究使用了中国人自己完成的116份调查问卷来回答以前使用旅游网站搜索旅游信息的情况。查问卷于2015年3月至7月收到。用“自选”抽样方法，调查问卷在街道和www.wenjuan.com上分发。卷包含两部分。一部分涉及人口信息，第二部分涉及研究问题。
用7位数字，从0到6，“0”表示没有效果，所以意志的程度不会改变，“3”表示影响不大，所以程度意志不是很好，“6”意味着影响最大，意志最大。答案中也有“不知道”的选择，以确保如果你不清楚或不知道它的含义，你不必选择数字，这不会影响答案。是，www.wenjuan.com上收到的调查问卷的规模有点不同，因为网站设计要求不能添加“不知道”的选择，所以如果你不这样做，那么被访者不知道或不知道如何回答，你可以留下来。天空下，不要把问题填满桌面。访者表示，该调查包含86％的街头收到的问卷，14％的问卷在线收到。50％的受访者是女性，50％是男性。多数受访者是18至35岁的年轻人，占88％。36至60岁人口为10％，其中58％为学生，26％为企业会员，4％为政府成员，12％为其他人。86％计划未来旅行，88％以前从未旅行过。
这项研究中，受访者更熟悉互联网，10％仍然使用该网站搜索旅游信息，47％经常使用网站，42％很少使用网站。据分析方法本文档使用SPSS17.0统计软件以执行该R型因子的因子分析的探索性分析是多变量统计分析的方法，其主要目标是澄清结构和变量的相互依赖。子分析方法可以减少数据的维数，同时最小化数据中的信息损失。个分析的核心问题是如何构建阶乘变量以及如何命名它们。子分析的过程如下：研究问题和分析目标的确定，因子设计分析，因子分析的先前测试，因素的提取和总充足性的确定，转换因子和他们的解释，结构的确认和因子分析的结果。
集的数据不包含超过10％的缺失数据。据Hair（2011）的研究结果，如果缺失的数据不超过10％，可以用所有方法替换和补充，在本研究中，缺失的数据被平均值取代。使用因子分析，必须至少有50个观察值，观察数量必须大于变量数量，最好是10比1，大量3比1.研究中有12个变量。“愿意留在现场”，观察次数超过50次。子分析的预测试为了确定样本是否适合因子分析，首先计算相关系数矩阵，然后进行测试KMO（Kaiser-Meyer-Olkin），Bartlett的球形度测试和样本的适当测量（Sampling Adequacy Measure，MSA）。算的相关系数矩阵表示为0.00和0.01显着性水平的p值，26％变量的系数值均大于0.27，即存在强相关性，即可以连续检查变量进行因子分析。
据Bartlett的球形测试，相应的相关概率（Sig）为0.00，小于0.05显着性阈值，这允许变量之间的相关性，这适合于分析。乘。KMO测试的值在0和1之间。越接近1，变量之间的相关性越强：变量非常合适，低于0.5的值非常不合适。观察的12个变量是每KMO测试0.667，适用于因子分析。
始变量样本的验证适当的测量（MSA）具有小于0.5的变量值，即变量“不安全”不适合并且必须被取消。二次计算11个原始变量系数，没有“无担保”变量，先决条件分析：在0.00和0.01显着性水平p值29％，变量系数值大于0 27，经由巴特0.710点值KMO球形烈测试计算相应的概率助理（SIG）等于0.00和测量的适合于样品的变量的值（MSA）是大于0.5。果表明可以进行因子分析。子提取因子分析中的一个重要问题是提取因子的数量应该是多少，主要方法用于提取因子。了提取适当的因子并解释原始变量的最佳构造，有必要注意几个重要的标准：公因子具有接近1的特征值。同因子的数量最好通过超过60％的累积解释的累积方差获得。取公因子以获得最合适的结构。先检查11个变量的砾石图（图2），然后简单地检查曲率点，以指出3个常见因素应该是合适的。确定共同因素的数量，检查第三和第四个共同因素的结果。果表明，三个常见因素不合适（如表2所示），并提取了三个常见因子：大于1的特征值等于1.1，但累积解释的方差不适合53％。外，五个变量的公共点等于或小于0.5，即提取的公因子不合适。果在0.983处提取4个公因子的第4个公因子的特征值，则累积解释方差为62％。而，“一般设计可信度”变量的方差具有0.485的方差贡献率，小于0.5，这意味着变量的方差贡献率不合适。此，确定取消变量并留下10个变量。量的KMO值为0.709，Bartleigh球面测试计算相应的伴随概率（Sig）等于0.00。取3个共同因素是不合适的，因为累积解释方差仅为57％。必要提取4个公因子系数，也就是说公因子数是令人满意的，特征值接近1且等于0.951，变量的公共值大于0.570，累积解释方差为66％，即4个共同因素可能导致66％的方差。了继续因子分析，确定应用10个变量并提取4个共同因子。2显示了常见和解释的方差变量的结果。3和表4中显示了旋转矩阵和解释因子控制。子旋转简化了因子结构，并提供了更简单和更有意义的公因子。了旋转公因子，应用程序属于正交旋转子类型：具有Kaiser归一化的最大方差方法。同因子通过正交旋转中的子类彼此独立。有共同的相关性。大方差法（Varimax）是一种常用的方法，可以最大化每个因子的负荷平方的方差总数。了保持公因子的简单构造，必须考虑以下条件：可变载荷必须大于±0.5，即载荷±0.5表示实际意义和载荷±0.7表示结构定义明确;检查变量是否有明显的交叉负载;检查矩阵包含没有工作负载的变量。
量分析的结果表明，每个变量至少有一个重要负荷，并且有两个变量，即变量“未知国家”和“当前国家”具有交叉负荷。（参见表3）因此，对于良好的因子结构，决定用交叉负载取消变量，并且还需要再次指定因子模型。虑一些因子模型，即取消一个变量（“未知国家”或“活跃国家”），两个变量，减少和增加公共因子的数量，然后选择4个共同因子来留下8个变量。子分析的结果是可接受的，具有KMO值为0.659的四个公因子，Bartlett球形测试计算相应的伴随概率（Sig）等于0.00并且变量公共性大于0.63。一个因素的旋转的特征值是方差的18.309％，第二个是-18.005％，第三和第四％的-17.468 -17.218％，也就是说，四个共同因素解释总方差为71.001％。（见表4）。合理地解释了该因子模型的真实和统计意义。4中的八个变量的结果表示所有变量之间无意义的交叉负载，每个公共因子具有两个高值负载和非常清晰的因子结构。一个因素模型因子名“不想在旅游目的地去”包含变量：“不想在国内走” - 国家由网站推荐的旅程是未知的很多人以及n不是很多人想去的地方。（收费 - 0.815，强）; “不要前往感兴趣的国家” - 您对网站推荐的旅行国家感兴趣。是，没有计划去那里。
（充电 - 0.795，强）第二个名称的因素“著名的旅游胜地”包含变量：“我想要去的国家” - 许多人在旅行的国家推荐的网站推荐，并希望去那里（充电 - 0.889，强大）和“国家名牌” - 网站推荐的旅游国家的声誉。（充电 - 0.740，强）第三个因素“网站安全与旅游”包含变量：“安全支付” - 安全旅行的国家注册通过网站（费用 - 0.829，强）“信誉高设计“ - 网站设计师非常可信。（充电 - 0.766，强）第四名因素“目的地旅游未访问”包含变量：“Unknown国家” - 推荐的网站而国旅是你看到的第一次全国（负载 - 0.850，强“知道这个国家。 - 你去由网站推荐的该国，但还没有了（费用 - 0.742强）结论本文的研究表明，因子分析法进行。少初始数据和一个新的简单的结构，留下四个公共因素，每个具有两个变量。因素的说明功率接近和四个因素解释涉及71％。四个因素是重要的使旅游网站的用户继续使用旅游网站。
句话说，网站的“粘性”强度，评价起到很好的作用，是可以用于的变量随后的研究。一个因素可以属于旅游者不愿意旅行的子维度，即“不想去旅游目的地”的因素。二个因素“已知的旅游目的地”可以是旅游地的特征的子维度。三个因素“旅游目的地和网站的安全性”可以被视为安全的一个子维度。四因素“未访问的旅游目的地”可以属于旅游体验的子维度。外，根据因素分析的结果，四个变量不会在后续的研究，即“不安全的国家”，“陌生的国家”，“信誉设计”拿来主义“国家的业务。"
本文转载自
宁波seo优化www.leseo.net
补充词条：
宁波谷歌seo
宁波网站seo
宁波seo优化公司
宁波网站优化推广
宁波seo排名
