국립공원 방문객 특성을 이용한 핵심수요시장연구 -인구통계학적 변인과 사회경제학적 변인을 중심으로- Core Demand Market by Visitor's Characteristics of Mountain Types of a National Park -focused on Demographic and Social Economical Factors-원문보기
본 연구는 무등산 국립공원 방문객들의 인구통계학적 특성 및 사회경제학적 특성을 조사하여 공원방문객 수요증진을 위한 마케팅전략차원의 정보제공을 목적으로 수행되었다. 이 연구를 수행하기 위해서는 적절한 모형설정이 중요하다. 이른바 종속변수가 이산확률분포를 가진 이산형 변수일 경우, 연속확률분포의 자료 분석에 적합한 회귀모형을 설정한다면 추정치에 대한 심각한 오류가 발생하기 때문이다. 따라서 본 연구의 자료 분석은 포아송모델을 통해 수행되었으며, 자료의 특성이 과산포를 보였기 때문에 이를 고려할 수 있는 보다 적합한 모델로 음이항 포아송모델을 설정하여 최종적으로 파라미터를 추정하였다. 그 결과, 수요자의 연령, 직업, 방문선호계절, 동반유형, 주 5일 근무제 그리고 선호관광형태 등이 방문객 수요에 긍정적인 역할을 하고 있는 것으로 파악되었으며, 이 주요영향변수들을 바탕으로 국립공원 측에 핵심시장에 대한 특성과 그들을 위한 마케팅 전략 및 정보 등을 제공할 수 있었다.
본 연구는 무등산 국립공원 방문객들의 인구통계학적 특성 및 사회경제학적 특성을 조사하여 공원방문객 수요증진을 위한 마케팅전략차원의 정보제공을 목적으로 수행되었다. 이 연구를 수행하기 위해서는 적절한 모형설정이 중요하다. 이른바 종속변수가 이산확률분포를 가진 이산형 변수일 경우, 연속확률분포의 자료 분석에 적합한 회귀모형을 설정한다면 추정치에 대한 심각한 오류가 발생하기 때문이다. 따라서 본 연구의 자료 분석은 포아송모델을 통해 수행되었으며, 자료의 특성이 과산포를 보였기 때문에 이를 고려할 수 있는 보다 적합한 모델로 음이항 포아송모델을 설정하여 최종적으로 파라미터를 추정하였다. 그 결과, 수요자의 연령, 직업, 방문선호계절, 동반유형, 주 5일 근무제 그리고 선호관광형태 등이 방문객 수요에 긍정적인 역할을 하고 있는 것으로 파악되었으며, 이 주요영향변수들을 바탕으로 국립공원 측에 핵심시장에 대한 특성과 그들을 위한 마케팅 전략 및 정보 등을 제공할 수 있었다.
This research aims to offer the information required for demand increase on marketing strategy level by investigating Mudeungsan visitors' demographic characteristics and social economical variables. To accomplish this study, the proper analyzing model needs to be applied because a grave error of pa...
This research aims to offer the information required for demand increase on marketing strategy level by investigating Mudeungsan visitors' demographic characteristics and social economical variables. To accomplish this study, the proper analyzing model needs to be applied because a grave error of parameters will be led if regression model appropriate for analyzing the data of a continuous probability variable is applied, in case that dependent variable is a discrete random variable which have a discrete probability distribution. Therefore data analysis was performed with Poisson model. However, as the data was showing an overdispersion, parameter was estimated with the Binomial Poisson model able to cover the problem. As a result, some explanatory variables turned out to be significant such as visitor's age, occupation, preferred season to visit, type of company, five days working, and preferring type of tourism. Author could offer to the national park the information about characteristics of core market revealed and marketing strategy for it, based on those influential variables.
This research aims to offer the information required for demand increase on marketing strategy level by investigating Mudeungsan visitors' demographic characteristics and social economical variables. To accomplish this study, the proper analyzing model needs to be applied because a grave error of parameters will be led if regression model appropriate for analyzing the data of a continuous probability variable is applied, in case that dependent variable is a discrete random variable which have a discrete probability distribution. Therefore data analysis was performed with Poisson model. However, as the data was showing an overdispersion, parameter was estimated with the Binomial Poisson model able to cover the problem. As a result, some explanatory variables turned out to be significant such as visitor's age, occupation, preferred season to visit, type of company, five days working, and preferring type of tourism. Author could offer to the national park the information about characteristics of core market revealed and marketing strategy for it, based on those influential variables.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
다시 말하면, α = 0이라는 귀무가설에 대한 가설검증이 유의한 결과를 얻게 된다면 본 자료는 과산포가 내포되어 있다고 추정될 수 있음으로 음이항 포아송모형(TNB)의 설정에 정당성을 제공해 주게 되는 것이다.
본 연구는 무등산 국립공원 방문객들을 대상으로 그들의 인구통계학적 변인과 사회경제학적 변인을 조사함으로서 국립공원 방문수요를 설명함에 있어서 가장 근원적이고도 중요한 정보를 제공해 줄 수 있는 방문객 특성을 밝혀냄으로써 국립공원 측에 방문활성화를 위한 대안과 마케팅전술운용을 위한 목표시장을 시사해 줄 것으로 기대된다. 더불어 자료 분석 측면에서 볼 때, 종속변수가 가산형으로 나타내어지는 자료의 분석을 위해서는 적절한 모형설정이 모형추정결과에 대한 신뢰성에 매우 큰 영향을 미칠 수 있다.
가설 설정
더불어 본 연구에는 몇 가지 한계점이 지적될 수 있다. 첫째, 설명변수의 선정이 매우 제한적이었다는 것이다. 인구통계적 변인들은 고정적이어서 그렇다 해도 사회경제적 변인의 경우, 다양성을 바탕으로 그것들의 선정이 이루어졌다면 보다 상세하고 의미 있는 결과도출이 가능했을 것이기 때문이다.
제안 방법
더불어 자료 분석 측면에서 볼 때, 종속변수가 가산형으로 나타내어지는 자료의 분석을 위해서는 적절한 모형설정이 모형추정결과에 대한 신뢰성에 매우 큰 영향을 미칠 수 있다. 따라서 본 연구는 개인의 방문수요를 나타내는 비음정수형의 자료 분석에 적합한 포아송 모형을 설정하고 설명변수의 영향력을 추정하였으며, 추정결과에 대한 편이를 제거하는데 보다 우수한 모형으로 음이항모형을 설정을 통해 설명변수의 계수값을 다시 추정하게 된 것이다.
설문지는 [24]의 농촌관광 수요모형에 관한 연구에서 인용되어, 종속변수인 지난 1년 동안의 국립공원 방문 횟수 1문항과, 인구통계적 특성 및 사회경제적 변인들과 관련된 11문항 등 총 12문항으로 구성하였다. 이렇듯 적은 설문문항만으로 설문지를 구성한 이유는 국립공원 관광지를 방문한 관광객들만의 시간에 관여하지 않음으로써 설문의 응답률과 정확성 및 방문객의 편의성을 높이고자 하였기 때문이다.
대상 데이터
본 연구를 위한 자료 수집은 2012년 7월 1일부터 7월 15일까지 약 2주 동안 무등산 방문객들을 대상으로 수집되었다. 설문은 사전에 훈련된 조사원들을 동원하여 무등산 공원 현장에서 수행되었으며, 표본추출방법은 편의표본추출방법이 이용되었다.
본 연구를 위한 자료 수집은 2012년 7월 1일부터 7월 15일까지 약 2주 동안 무등산 방문객들을 대상으로 수집되었다. 설문은 사전에 훈련된 조사원들을 동원하여 무등산 공원 현장에서 수행되었으며, 표본추출방법은 편의표본추출방법이 이용되었다. 총 600부의 설문지가 배포되고 590부를 회수하여 성실한 답변으로 판단된 555부를 기초분석에 활용하였으며, 하지만 인용프로그램의 특성을 충족시키기 위해 그중에서 단 한 개의 결측치도 포함되지 않은 478명의 응답자들만의 자료를 설정된 수요모델에 투입하였다.
설문은 사전에 훈련된 조사원들을 동원하여 무등산 공원 현장에서 수행되었으며, 표본추출방법은 편의표본추출방법이 이용되었다. 총 600부의 설문지가 배포되고 590부를 회수하여 성실한 답변으로 판단된 555부를 기초분석에 활용하였으며, 하지만 인용프로그램의 특성을 충족시키기 위해 그중에서 단 한 개의 결측치도 포함되지 않은 478명의 응답자들만의 자료를 설정된 수요모델에 투입하였다.
데이터처리
추정결과에 대한 평가는 신뢰성 검정은 이론적 검정과 통계적 검정으로 이루어진다. 이 중 이론적 검증은 파라미터의 부호가 이론적으로 예상된 부호와의 일치성을 관찰하며, 통계적 검정은 각각의 독립변수에 대하여 t검정을 수행하며, 전체모형에 대해서는 우도검정(likelihood test)을 한다. 모형의 적합도를 의미하는 Model x2 값은 1162.
추정결과에 대한 평가는 신뢰성 검정은 이론적 검정과 통계적 검정으로 이루어진다. 이 중 이론적 검증은 파라미터의 부호가 이론적으로 예상된 부호와의 일치성을 관찰하며, 통계적 검정은 각각의 독립변수에 대하여 t검정을 수행하며, 전체모형에 대해서는 우도검정(likelihood test)을 한다.
이론/모형
본 연구에서는 α에 대한 가설검정방법을 선택해서 수행하였다.
성능/효과
또한 여름을 선호할수록 국립공원을 자주 방문하고 있으며, 직장동료와 함께 또는 동호회 모임 같은 동반유형이 국립공원 수요에 긍정적인 영향을 미치고 있었다. 그리고 주 5일 근무제를 실시하는 직종에 근무하거나, 혼합형(일반관광형태+체험관광)관광형태를 선호할수록 국립공원을 자주 찾고 있는 것으로 추정되었다.
따라서 절단된 음이항 포아송모형의 추정결과[표 4-3]를 통해서 과산포 파라미터 α의 유의성을 확인한 결과, 1% 유의수준에서 유의함으로서 본 자료는 과산포를 내포하고 있다고 추정됨으로 PT모형보다는 TNB모형의 추정결과를 제시함이 옳다는 결론을 얻게 되었다.
이 밖에 휴가분산제를 실시하는 직장종사자들이 18%를 차지하고 있었으며, 성장지역으로 도시지역에서 성장한 응답자들이 39%를 차지하고 있었다. 마지막으로 선호관광형태에 대한 질문에 있어서, 혼합형 즉, 일반적인 관광과 체험관광형태가 혼재된 관광유형을 선호하는 응답자들이 각각의 분리된 관광형태를 선호하는 응답자들보다 비율(44%)상으로 많이 차지하고 있었다.
설명변수의 유의성을 중심으로 추정결과를 설명하자면, 인구통계학적 변수에서는 연령(AGE)변수가 유의수준 5%내에서 중요한 변수로 분석되었으며, 사회경제적 변인 중에서는 직업(OCCUPA, 유의수준 5%, 음의 방향), 선호계절(SEASON, 유의수준 5%, 양의방향), 동반유형(COMPANY, 유의수준 1%, 양의방향), 주 5일 근무제(FIVE, 유의수준 10%, 양의방향), 그리고 선호관광형태(PRETOUR, 유의수준 1%, 양의방향) 등의 변수들이 방문객들의 국립공원 방문수요를 설명하는데 중요한 역할을 하는 것으로 추정되었다.
본 연구 결과를 요약하면 다음과 같다. 연령(AGE)에 있어서 40/50/60대가 20/30대에 비해서 국립공원 방문이 자주 이루어지고 있음을 의미하며, 직업군의 경우에는 전문직과 자영업자가 그 밖의 직업군에 비해서 국립공원을 덜 방문하고 있는 것으로 추정되었다. 또한 여름을 선호할수록 국립공원을 자주 방문하고 있으며, 직장동료와 함께 또는 동호회 모임 같은 동반유형이 국립공원 수요에 긍정적인 영향을 미치고 있었다.
종속변수인 지난 1년간의 국립공원 방문횟수의 평균은 약 5회로 나타났는데, 일반적인 현상으로 인정하기에는 무리가 있을 것이다. 따라서 그 까닭을 추정해보면 응답자들 중 무등산 근교지역에 거주하면서 매주 또는 매일 고정적으로 방문하는 응답자들이 포함되었기 때문인 것으로 판단된다.
성별에 있어서는 여성이 남성(41%)보다 많이 선정되었으며, 연령대를 보면 40대, 50대, 60대가 전체 표본들 중에서 67%를 차지하고 있는 것으로 파악되었다. 직업군을 살펴보면, 전문직과 자영업자가 전체 25%를 차지하고 있었으며, 소득수준은 평균 417만원 그리고 교육 년 수는 평균 12.21년으로 일반적인 교육수준은 고졸학력으로 조사되었다.
후속연구
따라서 추후 연구에서는 본 연구에서 투입된 설명변수 이외에 현재의 관광흐름에 대한 설명이 가능한 변수들의 고찰에 더욱더 많은 노력을 투자해야 할 것으로 판단된다. 둘째, 본 연구의 일반화문제에 있어서 특정 개념이 아닌 방문객 행태를 설명하는 인구통계적 특성 및 사회경제적변인의 경우, 연구대상의 지역적 위치와 특성에 따라 차이가 있을 수 있음으로 본 연구의 결과로 모든 국립공원 방문객의 행태를 설명하기에는 어려움이 있을 것이다.
하지만 이러한 어메너티(amenity)는 공원 환경을 훼손할 위험이 매우 큼으로 유지 및 관리가 무엇보다 중요하다. 따라서 최대한의 공원시설허용과 최대한의 규제를 동시에 수행해야 현대관광의 패러다임인 지속가능한 관광을 실현할 수 있을 것으로 사료된다.
인구통계적 변인들은 고정적이어서 그렇다 해도 사회경제적 변인의 경우, 다양성을 바탕으로 그것들의 선정이 이루어졌다면 보다 상세하고 의미 있는 결과도출이 가능했을 것이기 때문이다. 따라서 추후 연구에서는 본 연구에서 투입된 설명변수 이외에 현재의 관광흐름에 대한 설명이 가능한 변수들의 고찰에 더욱더 많은 노력을 투자해야 할 것으로 판단된다. 둘째, 본 연구의 일반화문제에 있어서 특정 개념이 아닌 방문객 행태를 설명하는 인구통계적 특성 및 사회경제적변인의 경우, 연구대상의 지역적 위치와 특성에 따라 차이가 있을 수 있음으로 본 연구의 결과로 모든 국립공원 방문객의 행태를 설명하기에는 어려움이 있을 것이다.
또한 이들의 선호방문계절은 여름철(SEASON, 5% 유의수준, 양의 방향)로 분석되었는데, 공원 측에서는 여름철에 이용될 수 있는 다양한 컨텐츠 발굴에 많은 노력을 기울여야 할 것이다. 예를 들면, 공원 내 계곡의 청결성, 이용 가능한 계곡주변의 적절한 쉼터마련 같은 것들이다.
마지막으로 본 연구의 타당성확보차원에서 국립공원과 관련된 지금까지의 선행연구를 살펴볼 필요가 있다. 기존연구들은 주로 관광자원이 아닌 산림자원의 측면에서 수행되어졌는데, 그것들도 대부분 수요자 특성보다는 공급자 입장에서 이루어졌다.
질의응답
핵심어
질문
논문에서 추출한 답변
계량경제모델은 언제 적용될 수 있나요?
계량경제모델은 사회과학 전반에 걸쳐 광범위하게 활용되고 있으며, 그것의 높은 효용성 또한 많은 학자들에 의해서 논의되고 평가되고 활용되고 있다지만 관광학 분야에서는 특정 연구자들[10-13]에 의해서만 활용되고 있기 때문에 그것의 효용성은 다소 제한적이다 라고 말할 수 있을 것이다. 일반적으로 계량경제수요모델은 종속변수가 ‘0’과 양의정수로 이루어 졌을 때 적용될 수 있는데, 예를 들면 이산형(‘0’과 ‘1’)일 경우에는 로짓모델과 프로빗 모델이 설정되며, ‘0’을 포함한 서열정수(0, 1, 2, 3, 4, 등)로 이루어졌을 경우에는 서열 프로빗 모델이 선택된다.
우리나라의 국립공원은 현재까지 총 몇개 인가요?
우리나라의 국립공원에 대한 대략적인 개요를 살펴보면, 현재까지 총 20곳이 지정되어 그것들의 점유면적은 6,580,821km2에 이르고 있으며 전 국토면적의 6.58%[1]의 넓이를 차지하고 있다.
소비자 행동을 결정짓는 가장 기본적인 영향요인은 무엇인가요?
인구통계학적 변인과 사회경제학적 변인은 소비자 행동을 결정짓는 가장 기본적인 영향요인으로서, 모든 관련연구에서, 특히 계량경제모델이 활용된 연구에서 공통적으로 선택되고 있는 변인이다. 다시 말하면, 일반적으로 소비자의 관광행태는 관광이라는 하나의 무형적이고 가시적인 속성을 지닌 상품을 구매하는 의사결정과정에서 보여 지는 정신적x육체적 행동과정이며, 인구통계학적요인, 사회적요인(가정 및 생활양식, 준거집단, 사회계층, 문화 및 하위문화), 심리적요인(동기, 학습, 성격, 태도) 그리고 관광지 특성요인 등의 영향을 받아 다양하고 복잡하게 나타난다는 것이다(최송열x최종탁).
참고문헌 (27)
http;//www.knps.or.kr
C. E. Wu, An exploratory study of Taiwanese senior's travel motivations and travel behavior, Manhattan: Kansas State University Press, 2003.
김영우, "방한 일본 여성관광객의 에스테틱 동기가 관광지 선택속성, 만족, 행동의도 간의 영향관계", 컨벤션연구, 제6권, 제2호, pp.107-131.
P. D. Allison, Logistic regression using the SAS system: Theory and application, SAS Institute Inc, 1999.
M. Creel and J. Loomis, "Theoretical and empirical advantages of truncated count data estimators for analysis of deer hunting in California," American Journal of Agricultural Economics, Vol.72, pp.434-441, 1990.
J. Englin and J. S. Shonkwiler, "Modeling recreation demand in the presence of unobservable travel costs: Toward a travel price model," Journal of environmental economics and management, Vol.29, pp.368-377, 1995.
S. Gurmu and P. Trivedi, "Excess zeros in count models for recreational trips," Journal of Business and Economics Statistics, Vol.14, No.4, pp.469-477, 1996.
P. Fix, J. Loomis, and R. Eichhorn, "Endogenously chosen travel costs and the travel cost model: An application to mounting biking at Moab, Utah., Applied Economics, Vol.32, No.10, pp.1227-1238, 2000.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.