交 通 工 學 大 韓 土 木 學 會 論 文 集
第30卷 第4D 號·2010年 7月 pp. 339~349
관광객의 정보이용이 관광주유행동에 미치는 영향분석
Tourists’ Excursion Behavior Analysis Considering Their Information Usage
김 현*
Kim, Hyun
···
Abstract
The objective of this paper is to develop a structural equations model system for the purpose of tourists’ excursion behaviour analysis with their information usage. A tourist’s excursion behavior defined as activities in the sightseeing region between arriving and leaving time includes indexes with respect to activity’s time use and the number of spots. Additionally, such indexes can be modeled as endogenous variables in the structural equation model system on the assumption that they are influ- enced by the degree of familarity on the sightseeing region, the degree of information usage, and individual attributes. The case study application involves excursion behaviour data such as one-day excursion activity and information usage diary that are observed in the Fuji Five Lakes, Japan. Since the models presented in the paper are available to statistically analyze the cova- riance among the endogenous variables, they have the advantage of effectiveness analysis on information usage in the excur- sion area, compared to the prior approaches such as discrete choice models.
Keywords : Tourist’s excursion behavior, information usage, structural equation model, endogenous variables
···
요 지
본 논문은 관광객의 정보이용을 고려한 관광주유행동 분석 목적으로 구조방정식 시스템을 적용한 모형을 구축하였다. 관광 주유행동은 관광지 도착이후부터 귀가까지를 다루는 것으로 관광지내 활동과 시간, 관광지점수 등의 지표로 설명하고 있다.
이러한 관광주유행동지표들은 상호 상관관계가 있다는 가정에 구조방정식의 내생변수로 취급하였다. 또한 내생변수들은 지역 인지도, 정보이용행동, 개인속성 등에 영향을 받는 것으로 가정하고 있다. 본 모형의 사례분석은 일본 후지 5호 관광지의 관광실태자료를 이용해 수행하였다. 본 연구에서 제안한 관광주유행동 모형은 내생변수간의 공분산관계를 통계적 분석으로 다루는 것이 가능해 기존 이산선택 방법론보다 간단하게 관광지의 정보이용 효과를 분석할 수 있는 장점이 있다.
핵심용어 : 관광주유행동, 정보이용, 구조방정식, 내생변수
···
1. 서 론 1.1 연구의 배경
관광교통계획에서는 관광주유행동1)은 관광교통행동의 고유 한 특징으로 지적되어 일본에서는 1990년대부터 관광지역내 의 교통현상을 표현하기 위한 교통 분포·배분 등을 통합적 으로 다루는 분석모형 연구가 진행되어 왔다. 관광주유행동 모형은 제1목적지선택(destination choice), 체재시간결정
(duration), 관광주유 선택(excursion choice), 그리고 경로 선택(route choice) 등의 의사결정 메커니즘으로 가정하고, 관광객 개인의 활동(activity)에 대해 미시적 시뮬레이션 (micro simulation)기법으로 관광객의 주유행동재현모형을 구 축하였다(森地 등, 1992; 森川 등, 1996; 浦上 등, 2000).
그러나 최근 정보통신분야의 기술반전은 사회·경제·문 화·도시형태·교통 등의 분야에 큰 영향을 미쳐오고 있 다. 이것은 일상생활에 있어 정보 의존도가 크다는 점을 지 적할 수 있다. 일본의 경우 2008년 통계자료에 의하면, 세 대별 컴퓨터 보급률 75%, 인터넷 이용세대 91%, 휴대전화 보급대수 9천만대로 인구당 보급률은 75%에 이르고 있다 (http://www2.ttcn.ne.jp). 또한 VICS(Vehicle Information and Communication System)사업은 서비스 구역을 전국으 로 확장해 차재기(OBU) 보급이 약 2,600만대에 달하고 있 다(http://vics.or.jp). 이러한 정보통신기술 보급은 관광지역에
*정회원·한국교통연구원 부연구위원 (E-mail : [email protected])
1) 관광주유행동(excursion behavior)은 관광객이 관광지역에 도 착한 이후부터 귀가할 때까지 관광지(spot)를 순회하는 다양한 활동(예. 관광명소 방문, 문화 및 생태체험, 쇼핑, 음식 등)으 로 관광지라는 공간적 특성과 주유행동 개시시각 및 완료시 각, 관광지 체재시간과 관광지간 이동시간 등의 시간적 특성 으로 표현된다. 국내에서는 주유행동이라는 용어가 생소하기 때문에 본 논문에서는 관광주유행동으로 표현하였다.
도 실시간 정보수집과 관광객의 정보요구에 적합한 정보제 공을 가능하게 되면서 관광객의 정보이용환경이 크게 변화 되어 왔다. 따라서 정보통신기술은 안전·안심·쾌적한 관 광지원과 관광산업을 크게 변화시킬 것이며, 이 사례는 일 본의 관광지ITS2)와 제주도 텔레메틱스(telematics)사업 등이 해당된다.
관광지ITS 도입은 다양한 관광활동 지원과 이에 필요한 즉시적·예측인 정보제공, 관광지역의 교통수요관리, 그리고 매력 있는 관광지 연출 등에 기여할 것으로 기대된다. 이를 위해 관광지ITS는 정보제공 내용을 어떻게 운영할 것인가에 대한 운영지침과 함께 관광지ITS의 효과를 평가할 수 있는 분석방법이 필요하다. 특히 기존 관광주유행동모형에 정보이 용을 고려할 수 있는 새로운 방법론의 정립이 필요하다.
1.2 연구의 목적
본 연구는 관광·교통·정보통신의 인과구조에 근거한 정 보이용과 관광 및 교통행동분석의 관계를 규명하며, 관광객 의 정보이용이 관광주유행동에 미치는 효과분석을 통해 관 광지ITS의 지역개발의 효과를 밝히고자 한다. 본 연구에서 다루는 정보이용은 여행계획단계와 관광활동실행단계로 구분 하고 있다. 또한 관광객의 정보이용행동은 관광객 개인별로 해당 지역인지도에 의존한다는 점을 고려하고자 한다. 이를 위해 첫째 여행계획 단계의 정보이용에 대한 정량화 방안과 둘째 관광활동 중에 있어 정보이용행동시뮬레이션 모형개발 을 목적으로 한다. 전술한 내용은 일본의 대표적인 관광지인 후지5호지역을 대상으로 실증적 분석을 수행한다.
2. 기존 연구의 고찰 2.1 관광교통과 모델링
관광은 여가시간 중 일상 생활권으로부터 벗어나 체험, 학 습, 친지 및 친우 방문, 휴양, 놀이 등 다양한 활동을 시행 하는 것으로 정의된다(日本觀光協會編, 1995). 관광여행은 관 광을 목적으로 자택에서 출발해 자택으로 돌아오는 전체의 이동과 체재를 말한다. 따라서 관광교통은 출발지에서 관광 지까지 이동하는 접근교통(access traffic), 관광지 내의 이동 과 체재시간을 표현하는 주유교통(excursion traffic), 관광지 에서 출발지로 이동하는 귀가교통(egress traffic) 등으로 구 분 할 수 있다. 이러한 관광통행 전체는 관광을 목적으로 한 이동과 체재로 일련의 통행고리(trip chain)로 표현된다 (Nishii et al., 2005).
관광교통은 통행고리에 공간적 요소를 결합시키면 그림 1 과 같다. 관광행동의 의사결정은 먼저 어느 관광지역을 여행 할 것인가를 표현하는 관광지역 선택문제와, 선택한 관광지 역까지 어떻게 이동할 것인가에 대한 수단선택문제로 집약 된다. 상기 두 가지 의사결정의 경우 전자는 관광OD로, 후 자는 접근교통량으로 나타난다. 다음은 관광지역과 그 곳까 지 이동하면, 해당 관광지역에 있어 어느 관광지(spot)를 첫
번째로 방문할 것인가와 그 곳에서 어느 정도 시간을 소비 할 것인가를 결정해야 하는 데, 이는 제1목적지선택 문제와 체재시간 문제에 해당된다. 그리고 다음 관광지를 추가할 것 인지 아니면 귀가할 것인지를 결정하는 문제로 이는 주유행 동선택문제에 해당된다. 이상과 같은 의사결정문제는 그림 2 와 같이 관광지역내의 관광활동과 체재시간 그리고 교통이 결합된 의사결정에 해당된다.
2.2 기존문헌 고찰
관광주유행동에 관한 기존 연구들은 ①다양한 관광 패턴에 대해 관광루트로 파악하는 분야와, ②관광행동 출발시각결정 행동에 대해 비효용 최소화로 파악하는 분야, 그리고 ③다단 계 선택행동으로 파악하는 분야로 분류된다. 이러한 각 분석 방법에서는 몇 가지의 제약과 함께 효용 최대화 행동을 선 택하고 있다. 먼저 ①은 1일 관광활동시간과 관광의 기점과 종점을 조건으로 결정된 시간 중에서 가장 큰 효용의 경로 를 선택한다는 가설에 근거하고 있다(田村,1998). ②는 목적 지와 이용교통수단을 조건으로 설정하여 목적지와 수단선택 각 단계에서 비효용의 합이 최소화 되도록 도착시각과 출발 시각을 선택하는 분석방법으로 목적지가 고정된 경우에 해 당된다(角知憲 등, 1991; 藤地 등, 1992; 伊藤 등, 1997).
③은 주유행동을 목적지 선택과 경로선택의 연속적인 시스 템으로 파악하는 것으로 각 단계에 있어 효용을 최대화하는 다단계 모델로 정식화하고 있다(森地 茂 등, 1992; 岡本 등, 1992). 또한 森川高行 등(1996)은 여행계획단계를 고려한 모 2) 일본 관광지ITS는 지역ITS에 위치하는 것으로 국가차원의
ITS 인프라 정비를 지역으로 확장하는 단계로, 관광지역의 경 우 특유의 문제점과 다양한 요구(needs)에 대응하기 위해 보 다 세부적인 정보제공시스템의 구축을 목표로 하고 있다.
그림 1. 관광교통의 구분
그림 2. 주유행동 의사결정 메커니즘
형 개발과 평가에 근거해 여행계획 단계의 정보역할에 대해 강조하고 있다. 특히 정보이용을 고려하는 관광주유행동에 관한 연구는 관광지 P&BR(Park and Bus Ride)시행에 따 른 정보제공에 관한 연구(高山純 등, 1996)와 관광지 주차안 내시스템설치에 따른 관광객 행동변화의 시뮬레이션 분석(佐 木 등, 2000) 등이 있고, 加治屋, 山際(2003)는 관광객에게 휴대전화 정보제공시스템을 개발해 정보제공이 관광객 주유 행동에 미치는 영향을 분석하고 있다.
2.3 기존연구와 본 연구의 차별성
이상 관광객의 주유행동을 다루는 기존연구에서는 관광의 희소성, 개인행동의 동기에 대한 다양성 등이 존재하기 때문 에 소수표본으로 모형구축이 가능한 이산선택(discrete choice)모형을 적용하여 왔다(森地 등, 1992, 森川 등, 1996, 浦上 등, 2000). 그러나 이산선택모형의 적용은 관광목적지 에 대한 선택지 규모 설정과 선택지 집합의 형성, 그리고 선택지간 유사성 등의 문제점 개선이 필요하다(Train, 1998;
Ben-Akiva and Lerman, 1985).
본 연구에서는 Train(1998)과 Ben-Akiva and Lerman (1985)가 제기한 이산선택 문제에서 벗어나 정보이용과 관광 주유행동간의 관련성에 근거한 구조방정식을 이용한 점이 기 존 연구와 차별성에 해당된다.
3. 정보이용을 고려한 주유행동의 개념적 모형 기존 여러 연구(예. 森川 등, 1992; 西野 등, 2000)들이 목적지 분석의 선택지집합의 모호함을 개선하는 방안들을 제 시하고 있다. 이러한 사례로 荒木 등(1995)도 구조방정식을 이용한 관광통행 발생빈도 예측모형을 연구하였다. 이는 관 광통행의 발생빈도 예측만을 대상으로 하고 있으나, 빈도에 영향을 미치는 시간과 공간적 제약과 정보이용은 고려하지 못하고 있다.
본 연구의 모형은 정보이용을 고려한 관광행동의 개념적인 접근으로서 그림 3에 제시하고 있는 바와 같이 관광지점수 (N_spots), 관광지역내의 활동시간(D_activity) 및 이동시간 (D_travel), 관광개시시각(T_starting), 관광완료시각(T_ending) 등 5개 내생변수와, 각 내생변수에 영향을 미치는 외생변수 인 개인속성, 지역인지도, 관광행동 중 정보이용 등의 개념 적 관련성에 근거하고 있다. 때문에 관광행동의 5개 지표는 외생변수뿐만 아니라 내생변수가 미치는 영향에 따라 다르 게 나타난다. 이를 설명하는 모형구조가 관광지역내 관광활 동시작부터 귀가하는 시점까지의 관광주유행동패턴을 재현하 는 것에 해당된다. 여기서 변수간의 다양한 상관관계를 고려 하였다. 관광객 개인의 정보이용을 고려한 관광주유행동패턴 을 재현하는 모형 시스템은 그림 3의 인과구조 관계로 표현 하였다. 내생변수의 정의는 다음과 같다.
1) 관광지점 수(N_spots): 관광지역에 도착 한 후, 관광활 동 시작시점부터 귀가 할 때까지 관광지역에서 방문한 관광 지점, 식당, 토산품점, 관람관 등의 관광활동에 대한 지점 수 2) 관광지내 활동시간(D_activity): 관광지점에서 소비한 총 활동시간
3) 이동시간(D_travel): 관광지점간 이동에 소요된 시간
4) 관광주유행동 개시시각(T_starting): 관광지역에 도착한 시각으로 관광행동이 시작된 시각
5) 관광주유행동 완료시각(T_ending): 관광지역을 벗어나 는 시각으로 실제 해당 관광지역에서 관광이 완료된 시각
개념적 모형에서 가정한 각 항목들 간의 주요 관계를 보 면 다음과 같다.
내생변수 : 각 내생변수간의 인과관계는 양방향의 인과관 계를 가지고 있으며 양 또는 음의 부호를 갖는 것으로 가 정하였다. 즉 관광활동의 공간적 특성을 표현하는 N_spots과 시간적 특성을 표현하는 D_activity, D_travel, T_starting, T_ending 등이 상호 영향을 미치는 것으로 가정한 것이다.
예를 들면, 관광지점수와 활동시간의 인관관계를 보면 관광 지점수가 증가하면 활동시간이 증가 또는 감소하며, 또한 관 광지점수와 활동시간의 인관관계는 양방향의 인과관계를 가 지고 관광지점수가 증가하면 활동시간과 이동시간이 증가한 다(김현 등, 2006).
내생변수와 지역인지 수준 및 정보이용 : 내생변수들과 지역인지 수준의 인과관계는 일방향의 인과관계를 가지고 있으며 양 또는 음의 부호를 갖는다. 이는 관광객이 갖는 지역인지수준 및 정보이용에 따라 관광행동 개시시각, 종료 시각을 빠르게 하거나 느리게 하며, 관광지점수와 관광지점 의 체계시간, 그리고 이동시간이 증가 또는 감소한다는 것을 의미한다. 다시 말하면, 지역인지수준 및 정보이용과 관광행 동은 대체 또는 보완관계를 지닐 수 있다.
내생변수와 개인속성 : 예를 들면, 성별·연령·여행형 태·여행계획시 정보이용 유무 등은 관광지역 인지도(예. 교 통망, 관광자원 등), 관광중 정보이용 유무 등에 양 또는 음의 인과관계를 가지고 있다고 가정하였다.
이러한 모형 시스템 구축은 행동론의 기반이 결여되어 있 지만, 주유행동관련 변수들간 공분산관계를 직접적·통계적 분석이 가능하게 되었고, 비교적 간소한 방법으로 정보이용에 관한 주유행동 특성 분석이 가능하게 된다. 이상의 관점에서 본 연구의 주유행동 모형 개발은 구조방정식 시스템을 이용 하는 새로운 시도에 해당되며, 현재 정보이용 환경 아래에서 관광객 개인의 정보이용을 고려할 수 있는 특징이 있다.
그림 3. 관광주유행동분석에 관한 인과구조 모델
4. 구조방정식 모형의 정식화
본 모형 시스템에서는 그림3과 같은 인과관계를 근거로 내 생변수로 표현하는 관광행동 패턴의 재현, 지역인지수준 모 형, 그리고 정보이용 패턴 재현 등 3개 서브모형으로 구성 하였다. 또한 각각의 서브모형은 측정방정식과 구조방정식으 로 정식화 할 수 있다.
4.1 주유행동패턴 재현모형(sub-model 1)
정보이용을 고려할 수 있는 주유행동패턴 모형은 측정방정 식과 구조방정식으로 정식화가 가능하다. 본 연구의 제안 모 형은 식 (1)~식 (5)의 측정방정식과 측정방정식을 내생변수 로 취급한 구조방정식 식 (6)으로 정식화하였다. 또한 관광 주유행동지표들을 내생화하는 데 있어 N_spots, T_starting, T_ending 등은 이산변수로 D_activity과 D_travel은 음의 값이 없는 조건을 고려한 0(zero)을 중심으로 한 센서링 (Censoring) 변수로 사용하였다.
측정방정식(Measurement equations)
(1)
(2)
(3)
(4)
(5)
여기서, Z1*~Z5*는 내생변수에 해당하는 N_spots, D_
activity, D_travel, T_starting, T_ending의 각각에 대한 잠 재변수 벡터이며, θij는 피설명변수 i, j번째 threshold값
구조방정식(Structural equation)
(6)
Z* : Z1*~Z5*의 잠재내생변수벡터
χ2j:개인속성, 여행형태, 지역인지수준, 주유중 정보 이용 패턴 등 외생변수 벡터
ζ : 다항정규분포를 따르는 오차항 벡터 B2, Γ2:미지 파라메타 행렬
4.2 지역인지수준 모형(sub-model 2)
지역 인지수준 모형은 도로교통에 대한 인지수준(η_traffic) 과 관광자원에 대한 인지수준(η_spots)이라는 사전 정보력 요인을 고려하여 측정방정식 식 (7), 구조방정식 식 (8)과 식 (9)로 정식화하였다3).
여기서 지역인지수준을 측정하기 위해 ①관광지 자원에 대 한 인지수준(η_spots), ②도로교통에 대한 인지수준(η_traffic) 의 잠재변수(Latent variables)를, 식 (8)과 식 (9)의 SEM으 로 표현하였다. 한편 인지수준에 대한 측정방정식은 식 (7) 과 같이 5단계 평가 기준을 이용하여 식 (8)로 표현한 잠재 변수를 측정하였다4).
측정방정식(Measurement equations)
(7)
여기서, yj:인지도 항목 j의 주관적 평가 값 yj* : yj을 규정하는 인지수준(잠재변수) αj1~αj4:인지측정 항목 j에 대한 threshold값5) 구조방정식(Structural equations)
(8)
(9)
여기서, η_traffic : 도로교통에 대한 인지수준(잠재변수) η_spots : 관광지 자원에 대한 인지수준(잠재변수)
χ1j:개인속성, 여행형태, 사전정보이용유무 등 외생변수 벡터
N_spots
1 if z1*<θ11 2 if θ11≤z1*<θ12 3 if θ12≤z1*<θ13 4 if θ13≤z1*<θ14 5 if θ14≤z1*<θ15 6 if θ15≤z1*<θ16
≥7 if θ16≤z1*
⎩⎪
⎪⎪
⎪⎪
⎪⎨
⎪⎪
⎪⎪
⎪⎪
⎧
=
D_activity 0 if z2*<0 z2* if z2*≥0
⎩⎪
⎨⎪
⎧
=
D_travel 0 if z3*<0 z3* if z3*≥0
⎩⎪
⎨⎪
⎧
=
T_starting
1 if z4*<θ41 2 if θ41≤z4*<θ42 3 if θ42≤z4*<θ43 4 if z4*≤θ43
⎩⎪
⎪⎪
⎨⎪
⎪⎪
⎧
=
T_ending
1 if z4*<θ51 2 if θ51≤z5*<θ52 3 if θ52≤z5*<θ53 4 if z5*≤θ53
⎩⎪
⎪⎪
⎨⎪
⎪⎪
⎧
=
z*=B2z*+Γ2χ2j+ζ
yj
1 if yj*<αj1 2 if αj1≤yj*<αj2 3 if αj2≤yj*<αj3 4 if αj3≤yj*<αj4 5 if α4≤yj*
⎩⎪
⎪⎪
⎪⎨
⎪⎪
⎪⎪
⎧
=
η–traffic
η–spots B1η–traffic
η–spots +Γ1χ1j+ζ
=
y1 y2 y3 y4 y5
λ11 0 λ21 0 λ31 0 0 λ42 0 λ52
η–traffic η–spots
ε1 ε2 ε3 ε4 ε5 +
=
3) 공분산 구조방정식(SEM, Structural Equation Modeling)으로 정식화한 것으로, 관광객이 여행계획 단계에서 수집한 정보가 지역인지도에 미치는 영향을 정식화 한 것이다.
4) 식 (8)의 잠재변수의 경우 ①관광지 자원에 대한 인지수준(η_
spots)은 자연 명승지(y1), 오락시설(y2), 레포츠시설(y3) 등에 대한 인지도를, ②도로교통에 대한 인지수준(η_traffic)은 관광 지내 도로망·주차정보(y4)와 관광지내 혼잡구간 인지도(y5)를 도입하였다.
5) threshold값 산정은 PRELIS2.0을 이용한 ordered response probit model로 추정.
y1:자연명승지에 대한 인지도 y2:오락시설에 대한 인지도 y3:레포츠시설에 대한 인지도
y4:지역내 도로망·주차정보에 대한 인지도 y5:관광지역내 혼잡구간에 대한 인지도
4.3 정보이용패턴 재현 모형(sub-model 3)
정보이용패턴 재현 모형은 관광객의 정보이용 패턴을 재현 하기 위한 것이며, 또한 현재와 다른 정보이용 패턴 변화를 반영하기 위한 부분에 해당된다. 여기에서 연령, 성별, 방문 빈도, 여행행태 등 개인속성, 그리고 관광주유 중 이용하는 정보내용을 고려한 모형을 구축하고, 이때 기본정보(Inf_ex1), 접근교통정보(Inf_ex2), 관광지점 정보(Inf_ex3), 지역내의 도 로·교통정보(Inf_ex4) 등의 정보이용 빈도를 측정방정식 식 (10)~식 (13)으로 정식화하고, 각 정보이용관계에 대해 구조 방정식 식 (14)로 정식화한다. 또한 관광주유 중 이용한 정 보내용 빈도를 내생화 이산변수로 취급하였다.
측정방정식(Measurement equations)
(10)
(11)
(12)
(13)
여기서, ~ 는 내생변수인 Inf_ex1, Inf_ex2, Inf_
ex3, Inf_ex4 각각에 대한 잠재변수 벡터이며, θex ij는 피 설명변수 i, j번째의 threshold값이다.
구조방정식(Structural equation)
(14) : ~ 을 요소로 하는 잠재변수 행렬 χ3j:주유행동 타이밍별 정보이용, 개인속성, 여행형
태, η_traffic, η_spots 등 외생변수 벡터 ζ : 다항정규분포를 따르는 오차항 벡터
5. 사례연구
5.1 사례연구의 개요
본 연구에서는 정식화한 구조방정식 시스템 모형의 모수를
추정하기 위해 일본 대표 관광지 후지산(富士山)과 그 주변 에 5개 호수가 있는 후지5호(富士五湖)지역을 사례연구 대상 으로 하고 있다. 이곳은 동경(東京)에서 서측으로 약 100km 에 위치하고 있는 일본 대표적인 자연경승지형 관광지로 봄 에는 신록, 여름에는 피서와 후지산 등반, 가을에는 단풍 등 풍부한 관광자원으로 연간 1,600만인의 관광객이 방문하고 있는 곳이다.
5.2 정보이용과 주유행동의 특성 5.2.1 조사방법
본 모형 적용에 필요한 내용은 개인속성, 여행형태, 정보 이용 및 주유행동실태 등에 관한 것이다. 개인속성에 대한 항목은 여행자 속성 별 차이를 비교할 수 있는 항목으로 성 별과 연령, 거주지, 방문빈도, 지역인지도 등을 포함하였다.
또한 정보이용관련 내용은 관광객이「어느 시점에」,「무슨 내용의 정보를」,「어떤 수단으로」,「무슨 활동을 위해 정보 를 이용 했나」 등으로 구성하였다. 특히 주유행동 항목은 표 1과 같이 관광지 도착 및 출발시각, 방문한 관광지, 관 광지 활동 등으로 구성하였다(김현 등, 2006).
5.2.2 조사개요
조사개요는 가을 관광시즌을 고려해 2003년10월에 시행하 였고, 우편회수방법을 이용하여 설문조사지 약 3,000부를 배 부하였고, 유효 회답지는 611부로 회수율 21%였다. 모형 추 정에 적용한 표본 수는 각 모형추정 단계에서 필요한 자료 의 결손이 없는 것만을 사용하였다6). 한편 정보이용패턴 모 Inf_ex1 0 if Nex1* <θex1
≥1 if Nex1* ≥θex1
⎩⎪
⎨⎪
⎧
=
Inf_ex2 0 if Nex2* <θex2
≥1 if Nex2* ≥θex2
⎩⎪
⎨⎪
⎧
=
Inf_ex3
0 if Nex3* <θex31 1 if θex31≤Nex3* ≤θex32 2 if θex32≤Nex3* ≤θex33 3 if θex33≤Nex3* ≤θex34
≥4 if Nex3* ≥θex34
⎩⎪
⎪⎪
⎪⎨
⎪⎪
⎪⎪
⎧
=
Inf_ex4
0 if Nex4* <θex41 1 if θex41≤Nex4* ≤θex42
≥1 if Nex4* ≥θex42
⎩⎪
⎪⎨
⎪⎪
⎧
=
Nex1* Nex4*
Nex* =B3Nex* +Γ3χ3j+ζ
Nex* Nex1* Nex4*
그림 4. 사례연구대상지역
표 1. 주유행동관련 자료
행동지표 설명
시 간
관광지도착 (T_starting) 및 귀가시각(T_ending)
조사 당일에 후지5호 관광지 이외 지 역에서 후지5호 관광지에 도착/출발한 시각
총체재시간
(D_activity) 도착시각-귀가시각
총이동시간(D_travel) 관광지점간 이동시간의 총합 관광지점 평균
체재시간 관광지점 한 개소 당 체재시간으로(총 체재시간-이동시간)/관광지점 수로 정의 관광지점 수(N_spots) 관광, 식사, 쇼핑 등을 목적으로 방문
한 관광지점 수
형에서는 관광주유행동중 가장 정보이용이 활발한 관광객 자 료(172)만을 사용하였다. 왜냐하면 관광지 정보이용에 따른 효과를 분석하기 위한 것으로 현재 정보이용이 없는 관광객 의 정보이용 패턴을 재현해야 하기 때문이다.
5.2.3 정보이용 현황
관광메커니즘별로 정보이용유무 등을 집계한 결과는 표 3 에 제시하고 있다. 이 결과 약 90%의 관광객이 1회 이상 정보를 이용하였고, 구체적으로 스케줄링시점 80%, 관광여 행 중 약 70%, 두 시점 모두 이용이 약 60%에 해당된다.
이 결과는 후지5호 지역을 여행하는 관광객의 정보이용이 높은 것으로 평가할 수 있다.
통행고리에 따른 정보이용률은 표 4에 제시하고 있으며, 이 결과로부터 시사점은 다음과 같다. 첫째, 관광객이 후지5 호 지역에 체재시 정보이용비율은 4개 모든 관광지에서
15% 전후이다. 이것은 평균적으로 7개 정도의 관광시설을 방문할 때 1회 정도의 정보이용태도를 의미한다. 관광지별로 는 후지산(富士山)이 18.3%로 가장 높다. 둘째, 관광지 이동 패턴별 정보이용률은 대부분 20% 이상으로 관광지 체재시 점과 관광지 내부 이동과 비교해 정보이용률이 높다. 이것은 관광행동에 있어 정보이용의 특징은 체재할 때 보다 이동할 때 정보이용이 높다는 점을 시사하고 있다.
5.2.4 주유행동현황
정보이용 집단별 주유행동 지표에 대해 비교한 결과는 표 5에 제시하고 있다. 이 결과 집단1(이동시 정보수집형)은 도 착시각분포가 평균적인 경향이 있으나 귀가시각 분포는 타 집단보다 빠르게 진행되고 있고, 귀가 의사결정은 여행 스케 줄시점에 결정하는 비율과 주유행동 중에 결정하는 비율이 높다. 또한 주유스케일이 타 집단보다 작다. 집단2(체제시 정 보수집형)는 도착시각 분포가 타 집단보다 늦고, 귀가시각 분포는 평균적이며, 주유스케일은 평균적이다. 또한 귀가 의 사결정은 주유행동 중에 결정하는 비율이 높다. 집단3(이동 과 체제시 정보수집형)은 도착시각 분포가 타 그룹보다 가장 빠르고, 귀가시각 분포는 평균적이며, 귀가 의사결정은 사전 결정형이 50%정도에 해당된다. 또한 타 집단보다도 평균방 문 관광지점수가 평균이하 이나 주유스케일은 가장 크다.
집단4(정보 비수집형)는 관광지역의 체재시간과 이동시간이 가장 길며, 귀가 의사 결정은 사전결정형이 많고, 평균 관광 지점수는 많가 반면 주유스케일이 평균적이다.
이상의 군집분석결과 정보를 이용하는 집단과 이용하지 않 은 집단의 관광지역의 체재시간, 이동시간, 의사결정시점, 관 광지점수, 주유스케일 등의 지표에서 차이가 있으며, 정보이 용집단별로는 의사결정시점에서 가장 큰 차이를 보이고 있 다. 이 결과는 정보이용의 패턴에 따라 관광주유행동이 다르 다는 것을 명시적으로 시사하고 있다.
6. 모형 추정 및 정보이용 효과 분석
모형추정결과는 지역인지수준 모형, 주유행동패턴 모형, 정 보이용패턴 모형 순으로 제시하였다.
6)여기서 지역인지수준과 주유행동패턴모형에 사용한 표본 수는 각각 568, 431임.
표 2. 조사개요
조사목적 관광지 주유행동과 정보이용행동조사
조사시기 2003년10월18~19일, 25~26일 (토·일요일) 조사대상 관광객(그룹 및 단체여행인 경우 그 대표)
조사방법 우편회수방식
배부장소 가와구찌(河口)호 야마나카 (山中)호
나루사와 (鳴澤) 휴게소
가와구찌 (河口)역 소계
배부수 560 935 1,193 200 2,888
회답수 103 165 287 56 611
회수율(%) 18.4 17.6 24.1 28.0 21.2
표 3. 관광메커니즘에 따른 정보이용률
a) 도착시각누적비율이 80%가 되는 시각 b) 귀가시각 누적비율이 80%가 되는 시각
표 5. 정보이용그룹별 주유행동지표 비교
행동지표 집단1 집단2 집단3 집단4
도착시각a) 12시 12시 10시 12시 귀가시각b) 15시 16시 16시 16시 총 체재시간 252분 254분 259분 291분 총 이동시간 88분 86분 95분 122분 귀가시각
결정
사전결정형 34.8% 29.4% 50.0% 59.3%
접근시점 16.3% 8.2% 15.2% 14.0%
주유행동중 48.9% 62.4% 34.8% 26.7%
관광지점수(개소) 3.32 3.40 3.18 4.54 방문한 관광지구수 2.17 2.16 2.14 2.06 주유스케일c) 0.73 1.17 1.70 1.12 표 4. 통행고리(trip chain)별 정보 이용률
체제(%) 구분 이동(%)
A1 A2 A3 A4
14.7 A1: 가와구찌 호 14.1*) 26.1 28.6 14.8 11.8 A2: 야마나카 호 15.7 17.7*) 25.0 26.5 18.3 A3: 후지산 29.6 12.0 16.7*) 11.5 13.5 A4: 모토스 호 21.3 10.3 30.8 15.7*) 주: *은 해당 관광지내에서 이동할 경우의 정보 이용률
6.1 지역인지수준 모형(sub-model 2)
지역인지수준모델에 대한 Γ1, Λy 등 파라메타 추정에 앞 서 식 (9)의 타당성을 분석하기 위해 확인적 인자분석을 실 시하여 도로교통 인지수준(η_traffic)과 관광지점 인지수준 (η_spots)을 확인하였다. 또한 식 (7)의 측정방정식은 독립된 모델로 ordered-response probit model로 추정하였다. 추정 된 threshold값과 공분산행렬을 이용하여 구조방정식의 파라 메타를 추정하였으며, 이때 GLS(Generalized Least Squared) 추정방법을 적용하였다. 모형추정의 두 절차는 PRELIS2.0과 LISREL8의 패케이지 소프트웨어에서 지원되고 있다 (Jöresokog and Sörbom, 1993).
지역인지수준 모형의 추정결과는 표 6에 제시하고 있다.
그 결과를 보면 χ2(74.51)값이 크기 때문에 지역인지수준 모 형이 통계적으로 귀무가설이 기각되었다. 그러나 여기서 일 반적으로 표본 크기가 큰 경우는 χ2이 매우 크게 나타나는
경향이 있다고 알려져 있기 때문에 표본 크기 200 이상인 모형의 검정은 χ2값만으로 판단하기는 어렵다(Thomas F.
Golob, 2003). 이 경우의 모형 검정은 χ2값보다 모형 설명 력 지표에 근거해 종합적으로 판단하는 것이 바람직하다(배 병렬, 2003). 표 7의 모형 설명력은 GFI(0.98)과 AGFI (0.93)8)이 충분히 높고 간명도지표(CFI=0.98)가 0.9 이상이 며 RMSEA가 0.058이기 때문에 모형 설명력은 충분히 확 보하고 있다.
Γ1에 대한 파라메터 추정결과, 지역인지수준은 고령의 남 성인 관광객 일수록 높고, 여행계획 단계에서 취득한 정보는 도로교통 인지수준(η_traffic)에는 영향을 미치지는 못하지만 관광지점의 인지수준(η_spots)을 높이는 데 영향을 미치고 있다. 이상 결과에 따라 그림 3의 인과구조 모형 중 지역인 지수준(sub-model-2)은 여행계획 시점에 수집한 정보에 의해 높아진다는 점을 알 수 있다. 또한 관광객 각 개인의 지역 인지수준은 본 서브 모형을 통해 계량화된다.
6.2 주유행동패턴 재현모형 (sub-model 2)
주유행동패턴 모형은 표 6의 파라메타를 이용한 지역인지 수준(η_spots, η_traffic) 계산 값, 개인속성, 공간적 제약, 주유 중 정보이용 태도 등을 고려하였다. 주유행동패턴 모형 구조방정식 Γ2, B2의 파라메타 추정은 GLS(Generalized Least Squared)방법을 적용했고, 그 결과는 표 7와 표89)에 제시하고 있다. 먼저 관광주유행동 패턴 재현 모형의 표본규 모(431)가 200 이상임에도 불구하고 χ2(43.3)값이 충분히 낮 아 귀무가설(H0)이 기각되지 않았다. 또한 GFI(0.99)와 AGFI(0.96)가 충분히 높기 때문에 본 모형의 통계력과 자료 설명력이 충분히 높다.
ordered responsed probit모형과 본 연구에서 제안한 구조 방정식 모형 추정에 대한 설명력을 비교해 보면, 본 연구에 서 제안한 구조방정식 모형 시스템이 ordered-response probit model과 Tobit model보다 N_spots, D_activity, D_
travel의 중상관계수가 각각 0.37, 0.36, 0.69로 더 높게 나 타났다. 이는 내생변수 상호 관련성을 고려한 모형구축이 타 당하다는 점을 의미한 것으로 구조방정식 모형은 ordered- response probit model과 Tobit model보다 설명력이 우수 하다.
내생변수 상호관련성에 대해 그림5에 제시하고 있다. 시간 제약 내생변수인 주유행동개시시각(T_starting)과 주유행동완 료시각(T_ending)은 관광활동시간(D_activity)와 관광지점수 (N_spots)에만 영향을 미치고 있다. 이는 시간제약에 따라 관광지점 수(N_spots)와 관광활동시간(D_activity)이 결정된 표 6. 지역인지수준에 대한 모형 추정 결과a
η_spots η_traffic
R2 c Coef. t-value Coef. t-value
Λy
y1 1.00b 0.68
y2 0.39 8.51 0.20
y3 -0.52 -3.84 1.14 6.69 0.25
y4 1.00* 0.85
y5 0.99 30.00 0.83
η_spots η_traffic
Coef. t-value Coef. t-value
Γ1
Male_dummy 0.13 3.25 0.25 8.37
Age 0.15 4.09 0.07 2.26
Fre. 0.62 9.70 0.52 16.92 Indi._dummyd 0.08 2.44 - -
Typee - - -0.10 -4.23
Inf_1 - - - -
Inf_2 0.08 3.02 - -
Inf_3 0.17 5.45 - -
Inf_4 - - 0.05 2.17
R2 c 0.39 0.54
threshold
측정변수 α1 α2 α3 α4
y1 -1.706 -0.748 0.241 1.077 y2 -1.260 -0.177 0.796 1.745 y3 -0.521 0.370 1.159 1.908 y4 -1.046 -0.309 0.573 1.410 y5 -0.552 0.106 0.731 1.541
aSample size=568, χ2=74.51, GFI=0.98, AGFI=0.93, CFI=0.98, RMSEA=0.058
b각 파라메터의 잠재변수 스케일을 고정하기 위해 1.0으로 고정
c관측값과 예측값의 중상관계수(Multiple correlation coefficent)
d개인여행=1, 그 외 =0
e지역내 체재형=1, 통과형=2, 당일체재형=3, 전일체재형=4
f여행계획 기본정보 이용횟수
f여행계획 접근교통정보 이용횟수
f여행계획 관광지점정보 이용횟수
f여행계획 지역내 도로교통정보 이용횟수
8) 구조방정식에서 적합지수(GFI;goodness of fit index)은 일반 적으로 0(무적합)~1(완벽한 적합) 사이의 값을 갖는다. 이 값 은 관측행렬과 재생행렬 간의 잔차 자승의 합으로서 회귀분석 에서의 R2와 비슷한 것으로 보편적 권장수용수준은 0.9이상이 다. 또한 조정적합지수(AGFI: adjusted goodness of fit index)는 GFI를 확장시킨 것으로서 추가적 모수를 포함 것에 대한 벌칙함수를 고려한 것이며, GFI를 모형내의 자유도를 이 용하여 조정한 값이다. 이 값의 권장수용수준은 0.9 이상이다.
9) N_spots, D_activity, D_travel의 측정방정식 θij는 독립된 ordered-response probit model과 Tobit model로 추정하였다.
다는 기존연구(예. Furuya et. al., 1993; 田村, 1998)와 동 일한 설명이다. 또한 N_spots가 D_activity에 부(-)의 영향을 미치고 있다는 것은 관광지점 수가 증가하면 총체재시간제
약 때문에 관광지점의 평균 체재시간이 줄어들 것을 설명하 고 있다. 특히 이동시간(D_travel)이 N_spots에 정(+)의 영 향만 있다는 것은 관광지점 수가 증가하면서 이동시간이 증 표 7. 주유행동패턴 모형 추정 결과a
표 8. Ordered Probit과 Tobit 모형 추정결과
변수명 모수 추정값 [t-통계량]
N_spot b D_travel D_activity T_startingc T_endingd 변수명 N_spot D_travel D_activity
Г2
male_dummy 0.33
[7.68] male_dummy -0.10
[-2.12]
-0.21 [-3.90]
stay_dummy -0.08 [-2.47]
-0.20
[-4.52] stay_dummy -0.18
[-3.80]
frequency frequency 0.14
[2.89]
type 0.12
[5.33]
0.15
[4.26] type -0.62
[-5.52]
D_a1 e 0.41 [9.03]
-0.17 [-3.91]
0.14
[2.99] D_a1 e 0.29
[6.87]
0.23 [5.05]
D_a2 e 0.29
[9.85] D_a2 e
D_a3 e 0.24
[6.18]
-0.12 [-3.96]
-0.30 [-7.01]
0.12
[ 2.72] D_a3 e 0.43
[9.78]
0.14 [2.84]
Inf_eg1 f Inf_eg1 f -0.10
[-2.42]
Inf_ex1 g -0.08
[-3.08] Inf_ex1 g 0.12
[2.88]
0.11 [2.30]
Inf_ex3 h 0.07 [2.24]
0.13
[2.89] Inf_ex3 h 0.30 [6.45]
0.12 [2.76]
-0.11 [-2.51]
Inf_ex4 i Inf_ex4 i 0.09
[1.97]
Inf_a3 j Inf_a3 j 0.12
[2.64]
Inf_a4 k -0.04
[-2.84] Inf_a4 k -0.09
[-2.01]
Inf_4 l 0.04
[2.22] Inf_4 l
η_spot -0.12 [-2.97]
-0.23
[-5.28] η_spot -0.12
[-2.56]
0.16 [2.93]
0.14 [2.82]
η_traffic 0.24
[9.29] η_traffic
B2
N_spot 0.64
[13.51]
-0.15 [-4.59]
D_travel D_activity
T_starting -0.81 [-8.98]
-0.72 [-22.62]
T_ending 0.37 [7.12]
0.80 [35.40]
중상관계수(R2) 0.37 0.36 0.69 0.21 0.10 0.15 0.32 0.15
a Sample size=431, χ2=43.33, GFI=0.99, AGFI=0.96, RMSEA=0.028
b N_spot 측정방정식의 threshold(θ)값, θ11=-1.183, θ12=-0.487, θ13=0.149, θ14=0.740, θ15=1.116, θ16=1.352
c T_starting 측정방정식의 threshold(θ)값, θ51=-0.725, θ52 =-0.044, θ53=0.615
d T_ending 측정방정식의 threshold(θ)값, θ61=-0.391, θ62 =0.226, θ53=0.852
e 죤A1을 방문한 경우=1, 그 외=0, 죤 A2을 방문한 경우=1, 그 외 =0, 죤 A3를 방문한 경우=1, 그 외 =0
f 귀가 시점에서 관광시설정보를 이용한 경우=1, 그 외=0, g 주유 중 기본정보를 이용한 경우=1, 그 외=0,
h 주유 중 관광시설 정보이용이 4회 이상=4, 3회 =3, 2회=2, 1회=1, 이용 무 =0
i 주유 중 도로교통정보 이용이 2회 이상=2, 1회=1, 무=0
j 접근 시 관광시설정보 이용 1회 이상=1, 그 외=0
i 접근 시 도로교통정보 이용 1회 이상=1, 그 외=0
l 여행계획 수립 단계 도로교통정보 이용 1회 이상=1, 그 외=0
가되는 상황을 설명하는 것이다. 관광주유행동패턴 재현모형 은 내생변수의 관계를 잘 설명하고 있다고 판단된다.
지역인지 수준에 대해 고찰해 보면 도로교통 인지수준 (η_traffic)은 D_travel에 정(+)의 영향을, 관광지인지수준 (η_spots)은 관광지점수(N_spots)와 주유행동개시시각(T_
starting)에 부(-)의 영향을 미치는 것으로 확인되었다. 이것은 해당 지역의 도로·교통 인지수준이 높을수록 관광지에 대 한 인지도가 높기 때문에 유명한 관광지는 도로교통 혼잡과 무관하게 관광행동을 한다고 볼 수 있으며, 관광지에 대한 인지수준이 높을수록 많은 관광주유보다 계획 목적지만 관 광하는 경향을 설명하는 것이다.
관광주유 중 정보이용에 대해 보면, 기본정보(inf_ex1)는 N_spots에 부(-)의 영향을, 관광정보(inf_ex3)는 N_spots과 T_ending에 정(+)의 영향을 미치고 있었다. 이것은 주유 중 기본정보를 이용하게 되면 관광 방문지점 수가 감소되며, 관 광정보이용은 주유교통을 유발시키거나 귀가시각을 변경하는 경향을 표현하고 있다. 또한 여행계획 시점의 지역내 도로교 통 정보(inf_4)와 접근 시점(access)의 지역내 도로교통 정보 (inf_a4)는 D_activity에 각각 부(-)와 정(+)의 영향을 미치고 있다. 이는 여행계획시점의 도로교통정보이용이 계획된 관광 을 위한 것으로 활동시간을 최소로 하고 있다는 것으로 해 석되는 반면, 관광지역에 접근할 때 이용하는 관광지역의 도 로교통정보는 지역내 이동을 최소화한 시간을, 관광활동에 이용하는 경향으로 해석 할 수 있다. 이상 정보이용에 착안 한 시사점은 동일한 정보이용 내용이라도 정보이용시점에 따 라 주유행동 또는 관광행동에 미치는 영향이 다르다는 것을 알 수 있었다.
6.3 정보이용패턴 재현모형 (sub-model 3)
정보이용패턴 재현 모형 구축을 위해 표본 595개 중 관광 주유행동 중에 정보이용이 높은 표본 172개를 추출하여 식 (10)~식 (14)의 파라메타를 추정하였다. 이때 관광주유행동패 턴 모형 추정결과 통계적으로 유의했던 기본정보(inf_ex1)와
관광시설 정보(inf_ex3), 그리고 접근시 이용한 도로교통정보 (inf_a4) 각각을 종속변수로 하는 ordered-respond probit model0) 추정결과는 표 10에, 구조방정식 모형 추정 결과는 표 9에 제시하고 있다.
정보이용패턴재현모형 추정결과, χ2=13.2(df=28) 값이 충 분히 낮아 해당 모형의 귀무가설(H0)이 기각되지 않았다. 또 한 GFI(0.93)와 AGFI(0.90)가 충분히 높아, 모형의 통계력 과 자료 설명력이 검증되었다. 한편 기본정보(inf_ex1)와 관 광지점정보(inf_ex3)의 중상관계수는 0.72, 0.23이며, ordered probit모형의 경우 0.55, 0.33으로 나타났다. 이는 정보이용 빈도의 상호관계를 고려한 정보이용패턴 재현 모형이 반드 시 우수하다고는 할 수 없지만 구조방정식모형을 이용할 경 우 그림 6과 같이 관광주유 중 이용한 정보내용(Contents)에 대해 기본정보(inf_ex1), 접근교통정보(inf_ex2), 관광지점정 보(inf_ex3) 등의 내생변수 오차항간 관련성을 고려할 수 있 고, 정보내용간 관련성에 의한 정보이용행동을 고려할 수 있 는 장점이 있다.
내생변수(B3)의 추정결과, 접근교통정보(inf_ex2)의 이용이 증가하면 관광지점정보(inf_ex3)와 지역내 도로 및 교통정보 (inf_e4)의 이용이 증가하는 경향이 있다. 이것은 어떤 관광 지 혹은 활동을 실행하기 전에 먼저 접근 및 귀가에 필요한 정보를 참조하고, 그 결과에 따라 지역내 도로교통정보와 관 광지 정보를 이용하는 경향을 표현하고 있다. 결론적으로 관 광객은 먼저 관광지 접근 및 귀가정보를 이용한 후 관광지 역 도로교통정보와 관광지 정보를 이용하는 패턴에 대해 설 명하고 있다.
접근교통정보(inf_ex2)의 이용은 관광지점수(N_spots)가 많 을수록 감소하고, 관광지역 보다는 그 이외 관광지를 주유하 는 경향이 있다. 이는 관광활동 범위가 광역적으로 넓은 경 우를 의미한 것으로 이때 접근과 귀가에 대한 정보를 많이 그림 5. 정보이용과 관광주유행동 지표와의 관계
10) 이 추정은 측정방정식 식 (10)과 식 (12), 그리고 구조방정 식 식 (14)를 추정할 때 B3을 0(zero)로 한 모형이다. 단 접근시 이용한 도로교통정보(inf_a4)는 모형은 식 (10)과 도 일하게 추정하였다.
그림 6. 내생변수간 관계
