文化距离是否重要？基于决策树机器学习探索国际旅行者的目的地选择

本文通过机器学习技术（GLMM tree）分析UNWTO大数据，揭示了文化距离与目的地选择之间存在异质性关系（正向、负向、凹形、凸形），并依据霍夫斯泰德文化维度将具有相似模式的国家分组。研究为理解国际旅游行为提供了新视角，解决了现有文献中的争议。

　　

Highlight

本研究通过决策树机器学习方法，系统分析了文化距离与国际旅行者目的地选择之间的复杂关系。研究发现，这种关系并非单一模式，而是呈现出多样性（包括正向、负向、凹形和凸形），并且这些模式可以通过霍夫斯泰德的文化维度进行有效分组。

Literature review

本节首先对文化距离与国际旅行者目的地选择之间的关系进行了理论阐释，随后讨论了霍夫斯泰德的六个文化维度如何影响旅行者的目的地选择。

Method

我们对现有文献的回顾表明，文化距离与目的地选择之间的关系是异质性的，并随着客源国的文化特质而变化。文化是一种相当复杂的社会现象。理论上，六个文化变量中的每一个以及它们的交互项都可能调节文化距离与目的地选择之间的关系。在单一的线性模型中捕捉所有这些调节效应将需要过多的高阶交互项。

Implications

本研究增进了我们对国际旅游的理解。这对学术文献和旅游业都至关重要。本节阐述了研究的意义，并以研究的局限性及对未来研究的建议作为结尾。

Conclusion

一刀切的分析可能会掩盖国际目的地选择的异质性，并导致对国际旅游的误解。本研究分析了来自多个国家的游客数据，以理解国际游客在文化距离方面的目的地选择。本研究提供了文化特征对游客目的地选择影响的证据。当考虑文化距离和文化特质时，这些关联可能会发生变化。