基于层次聚类分析的中国大陆地区星级饭店分类初探

摘要：自改革开放以来，我国大陆地区的旅游产业蓬勃发展，从而带动了星级饭店的发展。本文主要通过《中国旅游统计年鉴》中涉及星级饭店的相关数据，对中国大陆地区星级饭店进行了层次聚类分析，得出主要的聚类群。

关键词：星级饭店；层次聚类分析；中国大陆地区

中图分类号：F59 文献标志码：A 文章编号：1674-9324（2014）45-0062-02

一、引言

根据《中国旅游统计年鉴》的数据，截至到2011年底，仅国际旅游而言，中国大陆地区入境过夜游客人数达到5758.07万人次，世界排名第三；而国际旅游创造的外汇收入达到484.64亿美元，世界排名第四。以北京为例，根据《2013年北京旅游统计年鉴》的数据，截至2012年年底，境内旅游的人数就高达22，634万人次，旅游收入达3301.3亿元，比2011年增长了15.3%；而入境旅游人数达500.9万人次，旅游入境旅游外汇收入达51.5亿美元。旅游业已经由最初的“资源导向型”发展到现在的“市场导向型”。大到一个国家，小到一个城市，必须有效提升其旅游竞争力，保持自身资源利用的可持续性、产业发展的活力与市场的吸引力，这样才能在激烈的市场竞争中求生存，谋发展。星级饭店是旅游产业中不可或缺的重要方面，截至2011年年底，中国大陆地区共有星级酒店11，676家，具体参见表1。

旅游服务人员作为旅游餐饮业发展的重要人力资本，地位非常重要。截至2011年年底，我国旅游业从业人数已达2，044，001人，其中，就职于星级饭店人数达1，542，751人，就职于旅行社人数达299，755人，就职于旅游景区人数达201，495人（数据来源于《2011年中国旅游统计年鉴》）。

二、模型选择

层次聚类分析又叫系统聚类分析，是一种多元数理统计方法。它事先并未设定样本分类的标准，而是通过对样本和变量数据的不同特征指标值进行差异程度计算，根据变量或样本间不同的差异程度大小重新结合分类，产生一个更有效的类。其优点在于可以对分类变量进行聚类，实现过程如下。

将各组数据作为独立的一类（设为n类），按照所定义的距离计算各数据点之间的距离，形成一个距离阵。

将距离最近的两组数据并为一类，从而形成“n-1”个类别，计算新产生的类别与其他各个类别之间的距离或相似度，形成新的距离阵。

接着将距离最近的两个类别合并，一直重复该步骤直到所以数据被合并为一个类别为止。

三、实证分析

由于本文中的各指标值有不同的量纲，本文对数据进行无量纲化处理（标准化处理Z-score），然后再进行计算。

本文的数据来自《2012年中国旅游统计年鉴》，数据以各地区为类别，主要计算采用SPSS21.0及Excel2010等辅助工具进行。

1.数据的初步分析。首先对数据进行初步分析。从表2可以看到各个指标的数量级各不相同，平均值从0.596603～7467175626，标准差从0.0560754～7261245.453，本文进行了无量纲化处理。

2.结果分析。通过多次聚类可得到如图1所示的谱系图，在此只给出最后结果。

谱系图中将聚类过程直观表现出来，类间最大距离算做相对距离为25，其余距离均换算成与之相比的相对距离大小。

从表3可以看出，将31个地区分为三类相对合适，同时，本文给出了分类后的统计描述，见表4。

四、结论

综上所述，根据层次聚类分析结果及分析，本文将中国内地31个省市分为三类。

第一类省市为北京、江苏、浙江、山东。从原始数据上看，这几个省市均属于著名的旅游省市且经济发达，各项指标比较接近，处于偏上位置。

第二类省市包括天津、河北、四川、山西、内蒙古、辽宁、吉林、黑龙江、上海、安徽、福建、江西、河南、湖北、湖南、广西、海南、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。从数据上看，这些省市既包括东部较为发达的城市，又包括西部城市。其中，上海市如果分为四类的话，则归入第四类；归为三类的话，则归入第二类。这里我们采用了三类的归法。

第三类省市有广东。广东省作为东部沿海的发达省，流动人口庞大，来参观旅游、住店的人众多。

参考文献：

[1]国家旅游局.中国旅游统计年鉴[M].北京：中国旅游出版社，2012.

[2]北京市旅游局.北京旅游统计年鉴[M].北京：中国旅游出版社，2013.

[3]杨维忠，张甜.SPSS统计分析与行业应用案例详解[M].北京：清华大学出版，2011.

[4]吴明隆.问卷统计分析实务——SPSS操作与应用[M].重庆大学出版社，2011.

课题项目：天津外国语大学滨海外事学院院级教改立项“立足涉外高端酒店管理人才培养，提升核心竞争力”的阶段性成果

作者简介：石梅华（1981-），女，河北衡水人，讲师，管理学硕士，从事旅游与酒店管理、组织行为与人力资源、社会保障研究。