PRO GRADU -TUTKIELMA

Matematiikan ja tilastotieteen laitos

Tilastotiede

Kesäkuu 2010

Minna Mäntylä

Ryanairin matkustajia koskeva survey-tutkimus

Tampere-Pirkkalan lentokentällä

2

Tampereen yliopisto

Matematiikan ja tilastotieteen laitos

MÄNTYLÄ, MINNA: Ryanairin matkustajia koskeva survey-tutkimus Tampere-Pirkkalan

lentokentällä

Pro gradu -tutkielma, 53 s., 25 liites.

Tilastotiede

Kesäkuu 2010

Tiivistelmä

Niin sanotun halpalentoliikenteen mukaantulo matkailun kansainvälisille markkinoille ja

sen nopeasti kasvava matkustajamäärä vaikuttavat suuresti tämän hetken matkailukohteiden

vetovoimaan ja matkailijoiden motiiveihin matkustaa kohteisiin. Tutkielmassa tuodaan

esiin matkailijoiden motiiveja ja vertaillaan eri kohteiden vetovoimaisuutta sekä eri

ratkaisuihin päätyneiden matkustajien ominaisuuksia tilastollisten menetelmien avulla.

Kyselytutkimusaineisto kerättiin Ryanairin Suomesta lähteviltä matkustajilta Tampere-

Pirkkalan lentokentällä kesän 2009 aikana. Hyväksyttyjä vastauksia saatiin 1 511.

Menetelminä analyysissa käytettiin riippuvuussuhteiden tarkasteluissa χ2-

riippumattomuustestiä, kontingenssikertoimia ja keskiarvotestausta. Logistisella

regressioanalyysilla tarkasteltiin Tampereella ja Pirkanmaalla yöpyneiden matkustajien

ominaisuuksia ja log-lineaarisilla malleilla mallinnettiin muuttujien välistä riippuvuutta.

Henkilökohtaiset asiat ja suomen luonto olivat suurimpia syitä siihen, miksi matkustajat

tulivat matkalle juuri Suomeen. Kaupungit, kunnat ja alueet sekä Suomen luonto olivat

suurimpia vetovoimakohteita, kun taas Suomen hintataso ja Pirkkalan lentokenttään ja

Ryanairiin liittyvät seikat olivat useimmiten matkailijan mainitsemien parannuskohteiden

listalla. Havaittiin myös, että matkailijan mielipiteet ja mieluisimmat aktiviteetit matkan

aikana riippuivat usein matkailijan kansallisuudesta.

Asiasanat: kyselytutkimus, logistinen regressioanalyysi, log-lineaariset mallit, χ2-

riippumattomuustesti

3

Sisältö

1 Johdanto ....................................................................................................................... 5

1.1 Taustaa .................................................................................................................... 5

1.2 Tutkimuksen lähtökohta ......................................................................................... 6

1.3 Tutkielman tavoitteet .............................................................................................. 6

1.4 Tutkielman rakenne ................................................................................................ 7

2 Aineisto ......................................................................................................................... 8

2.1 Aineiston kerääminen ............................................................................................. 8

2.2 Aineiston kuvailu .................................................................................................... 8

3 Kyselyaineiston tilastollinen analyysi ...................................................................... 20

3.1 Tutkimusmenetelmät ............................................................................................ 20

3.1.1 χ2-riippumattomuustesti ja kontingenssikerroin ............................................ 20

3.1.2 Logistinen regressioanalyysi ......................................................................... 21

3.1.3 Log-lineaariset mallit ..................................................................................... 23

4 Tutkimustuloksia ....................................................................................................... 26

4.1 Riippuvuussuhteiden tarkastelua .......................................................................... 26

4.1.1 Matkan syyt ................................................................................................... 26

4.1.2 Majoitustyyppi ............................................................................................... 28

4.1.3 Keskeisimmät vierailukohteet ja aktiviteetit matkalla .................................. 30

4.1.4 Tyytyväisyydet hinta-laatu -suhteisiin, palveluihin ja matkaan yleensä ....... 32

4.2 Logistinen regressio .............................................................................................. 37

4.2.1 Tampereella yöpyneet.................................................................................... 37

4.2.2 Pirkanmaalla yöpyneet .................................................................................. 39

4.3 Log-lineaariset mallit ............................................................................................ 42

4.3.1 Kahden muuttujan log-lineaarinen malli ....................................................... 42

4.3.2 Usean muuttujan log-lineaarinen malli ......................................................... 46

5 Yhteenveto 49

4

Lähdeluettelo 52

A Kyselylomake Ryanairin matkustajille ................................................................... 54

B SPSS: Logistinen regressioanalyysi, Tampereella yöpyneet matkustajat ............ 61

C SPSS: Logistinen regressioanalyysi, Pirkanmaalla yöpyneet matkustajat .......... 65

D SPSS: Log-lineaarinen analyysi, kahden muuttujan mallit .................................. 69

E SPSS: Log-lineaarinen analyysi, usean muuttujan malli ....................................... 74

Kuvioluettelo

Kuvio 2.1. Vastaajien ikäjakauma. ......................................................................................... 8

Kuvio 2.2. Vastaajien kansallisuusjakauma. .......................................................................... 9

Kuvio 2.3. Kotitalouden arvioidut bruttotulot kuukaudessa................................................... 9

Kuvio 2.4. Jakauma vastaajien syistä matkaan..................................................................... 10

Kuvio 2.5. Suomeen tulon syyn jakauma. ............................................................................ 11

Kuvio 2.6. Vastaajien yöpymispaikat maakunnittain jaoteltuna. ......................................... 13

Kuvio 2.7. Kaupungit, joissa matkailijat olivat Suomessa yöpyneet. .................................. 13

Kuvio 2.8. Matkailijoiden keskeisimmät aktiviteetit tai vierailukohteet Suomen matkan

aikana. ................................................................................................................................... 15

Kuvio 2.9. Minimit, mediaanit, maksimit ja kvartiilit tyytyväisyyden summamuuttujalle,

vaikutelmalle hintatasosta ja keskustelunsävylle. ................................................................ 16

Kuvio 2.10. Matkailijoiden mainitsemat parannuskohteet luokiteltuina. ............................. 17

Kuvio 4.1. Matkailijoiden matkojen syyt kansallisuuksien mukaan. ................................... 27

Kuvio 4.2. Matkailijoiden yöpymiskaupunkien jakaumat matkan syiden mukaan. ............. 28

5

1 Johdanto

1.1 Taustaa

Matkoista saadut ja niihin liittyvät kokemukset ovat turistien kannalta osa matkailun

keskeisintä sisältöä (Aho, Honkanen & Saarinen 2001, s. 11). Matkailukokemusten

tutkiminen ja niiden tarkastelu eri puhetapojen ja kertomusten näkökulmasta antaa tietoa

samaan matkailutuotteeseen (esim. matkakohteeseen) liittyvistä tulkinnoista. Näin

pystytään paremmin ymmärtämään kokemusten merkityssisältö ja se, miksi turistit toimivat

niin kuin toimivat ja mitkä heidän omat kokemuksensa matkailusta tai matkakohteesta ovat.

Kokemusmaailman ymmärtämisestä on matkailuelinkeinolle hyötyä turisteille suurien

painoarvojen tunnistamisessa sekä niiden elinkeinon kontrollin ulkopuolella olevien

elementtien kartoittamisessa, joissa kielteisten kokemusten riski on suuri. (Aho et al. 2001,

s. 25)

Matkailijan motiivit ja tarpeet sekä kohdealueen vetovoima matkustamisessa vaikuttavat

matkailijan valitsemiin matkustusreitteihin ja kohdealueisiin (Aho et al. 2001, s.127;

Rämet, Saarinen & Kauppila 2004, s. 17). Nykyään yksi huomionarvoinen matkailijoiden

motiiveihin ja kohdealueen vetovoimaan vaikuttava tekijä on ns. halpalentoliikenne. Alalla

avautunut vapaa kilpailu sekä lentoliikenteen sääntelyn purkaminen ovat aiheuttaneet

halpalentoyhtiöiden mukaantulon markkinoille ja täten suuren kehitystrendin

kansainvälisessä matkailussa. Halpalentoyhtiöiden liikeidea perustuu mahdollisimman

matalaan kustannusrakenteeseen, jonka vuoksi yhtiöiden on mahdollista tarjota

asiakkailleen tavanomaista edullisempia lentolippuja. Tämän johdosta alan markkinoille on

saatu kokonaan uusia asiakasryhmiä kuten esimerkiksi ensikertaa matkustavat henkilöt ja

henkilöt, jotka lähtevät matkalle varta vasten sen edullisuuden tähden sekä lyhyelle

kaupunkilomalle lähteneet matkustajat. (Talonen & Laiho 2004, s. 39)

Tämä kehitystrendi on näkynyt myös Tampereen ja Pirkanmaan kansainvälisessä

matkailussa. Tampere-Pirkkalan lentokentän low cost -terminaalissa vuonna 2003 lennot

aloittanut Ryanair toi vuoden sisällä lentokentälle noin 200 000 uutta matkustajaa ja

vuoteen 2009 mennessä lentokentän matkustajien määrä oli yli kaksinkertaistunut vuoteen

6

2003 verrattuna (Talonen & Laiho 2004, s. 40; Finavia a; Finavia b; Finavia c). Ryanairin

osuus Tampere-Pirkkalan lentokentän matkustajamääristä oli vuonna 2009 70 % (Finavia c;

Sipilä 2010). Tutkielman edetessä huomataankin Tampere-Pirkkalan lentokentältä lähtevien

Ryanairin lentojen edullisuuden olevan yksi vetovoimatekijöistä Suomen matkailussa.

1.2 Tutkimuksen lähtökohta

Kyselytutkimus Ryanairin matkustajille Tampere-Pirkkalan lentokentällä ja tämä tutkielma

ovat osa Tampereen yliopiston Kauppakorkeakoulun Tutkimus- ja koulutuskeskus

Synergosin tuottamaa Market Sensing -projektia. Projektilla kehitetään matkailuyritysten

markkinaherkkyyttä toteuttamalla tutkimuksia osallistuvien yritysten ja arvoketjujen

henkilöstöstä sekä nykyisistä ja mahdollisista asiakkaista. Myös yhteistyö- ja

innovaatioverkoston toiminnat kuuluvat tutkimuksen piiriin. Matkailualan market sensing -

ajattelusta lähtöisin olevien innovaatioprosessien ymmärtäminen sekä niihin yhdistyvän

akateemisen tutkimustiedon roolin hahmottaminen ovat tutkimushankkeen päätavoitteita.

Hankkeeseen osallistuvia yrityksiä ovat Tallink Silja Oy, Airpro Oy (halpalentoliikenne),

Go Tampere Oy, Ikaalisten Kylpylä, Ikaalisten Matkatoimisto sekä Tampereen kaupungin

elinkeinotoimi. Hanke kokonaisuudessaan on TEKES-rahoitteinen ja projektista valmistuu

useita pro gradu -tutkielmia eri painopisteiltä.

1.3 Tutkielman tavoitteet

Tutkimuksen lähtökohtana on halpalentoliikenteen kehityksen vaikutus Tampereen ja

Pirkanmaan matkailuun ja sitä kautta kiinnostus matkailijoiden motiiveihin matkustaa

Suomeen sekä heidän kokemuksiinsa ja näkemyksiinsä heille täällä tarjolla olevista

matkailualan palveluista ja vetovoimatekijöistä. Matkailijoille kohdistetulla

kyselytutkimuksella päästäänkin tutustumaan parhaiten näihin kiinnostuksen kohteisiin ja

näkemään Suomi matkailukohteena heidän näkökulmastaan.

7

Tutkielman tarkoituksena on selvittää tilastollisesta näkökulmasta matkailijoiden käyttämiä

palveluita ja matkailukohteita ja sitä, miten he arvioivat Suomen tarjontaa turisteille.

Tavoitteisiin sisältyy myös analyysi Suomen ja etenkin Pirkanmaan ja Tampereen

vetovoimaisuudesta matkailukohteena sekä eri tekijöiden vaikutukset matkailijan

yöpymispaikan valintaan, kiinnostuksen kohteisiin ja syihin matkustaa Suomeen.

1.4 Tutkielman rakenne

Luvun 1 johdannon jälkeen tutkielmassa tutustutaan aineistoon kertomalla sen keräämiseen

liittyvistä yksityiskohdista ja hahmottamalla sen rakennetta kuvailevan analyysin ja

kuvioiden avulla. Luvussa 2 aineistoa kuvaillaan tutkielman kannalta tärkeimpien ja

mielenkiintoisimpien muuttujien avulla ja hahmotetaan muuttujien jakaumia graafisin

esityksin.

Aineiston esittelyn jälkeen luvussa 3 syvennytään tarkemmin analyyseissa käytettyihin

menetelmiin, joita ovat χ2-riippumattomuustesti ja kontingenssikerroin, logistinen

regressioanalyysi ja log-lineaariset mallit. Teoreettisen osan jälkeen luvussa 4 sovelletaan

edellä mainittuja menetelmiä kyselytutkimuksesta saatuun aineistoon. Menetelmillä

tutkitaan muuttujien välisiä riippuvuussuhteita sekä etsitään parhaita mahdollisia malleja

kuvaamaan aineistoa.

Lukuun 5 on tiivistetty yhteenveto tutkielmasta ja analyysin tuloksista. Lähdeluettelo on

sivulla 52 ja tutkielman lopussa ovat liitteinä kyselytutkimuslomake ja SPSS-ajot valituille

malleille.

8

2 Aineisto

2.1 Aineiston kerääminen

Tutkimus toteutettiin Tampere-Pirkkalan lentokentällä touko–syyskuussa 2009

lomakekyselynä. Lomakkeita jaettiin Ryanairin terminaalissa lähteville ulkomaisille

matkustajille noin yhdeksän vuorokauden ajan joka kuukausi satunnaisotannalla.

Matkustajilla oli mahdollisuus täyttää lomakkeita myös oma-aloitteisesti lomakkeiden

palauttamista varten pystytetyillä pisteillä. Kyselylomakkeiden kielinä olivat englanti, italia

ja saksa. Kielien valinta selittyy Ryanairin lentokohteilla ja oletuksesta, että suurin osa

kohteisiin matkaavista on kyseisen maan kansalainen tai ainakin osaa nimenomaista kieltä.

Yhteistyökumppanina tutkimuksen toteuttamisessa oli Airpro Oy:n henkilökunta. Liitteessä

A on kyselylomakkeen sisältö suomenkielisenä.

2.2 Aineiston kuvailu

Taustamuuttujat

Kyselylomakkeita palautettiin 1 780 kappaletta, joista hyväksyttiin 1 511 (84,9 %).

Vastaajista miehiä oli 57 % ja naisia 43 % (yhteensä n = 1 463). Naimattomia oli 51 %,

naimisissa tai avoliitossa 42 % ja muita 7 % (yhteensä n = 1 437). Nuorin vastaajista oli 7-

vuotias ja vanhin 85-vuotias. Alla olevasta diagrammista (kuvio 2.1) näkyy koko aineiston

ikäjakauma (n = 1 454), josta nähdään, että suurin osa vastaajista oli alle 35-vuotiaita.

Kuvio 2.1. Vastaajien ikäjakauma.

30 29

16 147 4

0

20

40

alle 25 vuotta 25–34 35–44 45–54 55–64 yli 64 vuotta

%

Vastaajien ikäjakauma

9

Vastaajista (n = 1 442) noin 92 % oli eurooppalaisia, joista 22 % oli saksalaisia, 16 %

italialaisia, 14 % brittejä ja 12 % venäläisiä. Briteillä tarkoitetaan tässä tutkielmassa niitä

matkailijoita, jotka ilmoittivat olevansa Yhdistyneen kuningaskunnan kansalaisia.

Ulkomailla asuvia suomalaisia oli 3 % vastaajista. Alla olevasta diagrammista (kuvio 2.2)

nähdään kansallisuusjakauma tarkemmin.

Kuvio 2.2. Vastaajien kansallisuusjakauma.

Kysymykseen vastanneista vastaajista (n = 1 286) noin neljännes ilmoitti olevansa

opiskelija, millä selittyy osin myös kotitalouden bruttotulojakauma, jossa neljännes

vastaajista arvioi kotitaloudessa tienattavan alle 1 000 € kuukaudessa (kuvio 2.3).

Kuvio 2.3. Kotitalouden arvioidut bruttotulot kuukaudessa.

22

1614

12

6 5 3 3 3 2 2

13

0

5

10

15

20

25

%

Vastaajien kansallisuudet

25

17

12 12 12

5 5

13

0

5

10

15

20

25

30

alle 1000 € 1000-2000 € 2001-3000 € 3001-4000 € 4001-6000 € 6001-8000€ 8001-12000€ yli 12000€

%

Vastaajien bruttotulot kuukaudessa

10

Matkailijoiden syyt matkaan sekä kokemukset ja yöpyminen Suomessa

Vastaajat matkustivat suurimmaksi osaksi ystävien ja avio- tai avopuolison kanssa.

Vastaajilla oli mahdollisuus valita yksi tai useampia vaihtoehtoja matkaseurasta ja

tuloksena oli, että 28 % matkusti ainakin ystävän tai ystävien kanssa ja samoin ainakin

avio-tai avopuolison kanssa matkustavia oli 28 %. 20 % vastaajista matkusti ainakin osan

matkasta yksin, 11 % lasten tai lastenlasten kanssa ja 10 % tyttö- tai poikaystävän seurassa.

Muista matkaseuralaisista suurimman osan muodostivat vanhemmat tai isovanhemmat,

työyhteisön jäsen/jäsenet, muut sukulaiset ja yhdistys tai seura. Vastaajat valitsivat

keskimäärin 1,2 matkaseuravaihtoehtoa henkilöä kohden.

Matkan syyn jakauma nähdään alla olevasta kuviosta (kuvio 2.4). Vastaajat valitsivat

keskimäärin 1,1 vaihtoehtoa henkilöä kohden ja kaikista vastaajista (n = 1 593) 48 %

ilmoitti matkansa syyksi vapaa-ajanmatkan. 32 % matkalaisista oli sukulais- tai

tuttavavierailulla ja 14 % työhön liittyvällä matkalla. Läpikulkumatkalla oli 3 % vastaajista.

Muuksi matkan syyksi vastaajat olivat ilmoittaneet muun muassa opiskelun, kalastuksen,

opintomatkan, konsertit, häät, tutkimustyön, Nuorten Olympialaiset, turismin, rallin,

kansanmusiikkifestivaalit sekä interrailin.

Kuvio 2.4. Jakauma vastaajien syistä matkaan.

48

32

7 73

12

0

10

20

30

40

50

60

vapaa-ajanmatka sukulais- tai tuttavavierailu

muu työmatka kokous- tai kongressimatka

läpikulkumatka muu

%

Vastaajien ilmoittama syy matkaan

11

Henkilökohtaiset syyt olivat suurin syy matkustajilla tulla matkalle juuri Suomeen ja heitä

oli 40 % vastaajista. Henkilökohtaiset syyt sisältävät muun muassa seuraavia tekijöitä:

perhe, ystävät, sukulaiset, häät, hautajaiset, muut perhejuhlat, entinen asuinpaikka, kutsu ja

tyttö- tai poikaystävä asuu täällä. Kaikkiaan kysymykseen vastasi 1 247 matkustajaa.

Suomalaisen luonnon vetovoima oli matkailijoiden toiseksi suurin syy Suomeen tulolle (32

%). Suomalaisen luonnon vetovoimaksi luokiteltiin muun muassa seuraavia asioita: järvet,

puhdas luonto, kalastus, melonta, uiminen, maaseutu, vaellus, maisemat, talvi, metsät,

kesämökki, aurinko, ulkoilma-aktiviteetit, purjehdus, saaristo, marjat, kävely,

Karhunkierros ja rauha. Kolmas vahva vetovoimatekijä oli suomalaisuuteen liittyvät asiat

(30 %). Suomalaisuuteen liittyviin asioihin luokiteltiin muun muassa sauna,

karjalanpiirakka, ruoka, kieli, historia, turvallisuus, uteliaisuus, ensimmäinen kerta

Suomessa, muumit, lohi, makkara, vieraanvaraisuus, juhannus, design, eri yhtyeet, artistit

ja henkilöt (Nightwish, Ville Valo, Räikkönen, Stratovarius, Children of Bodom), ruisleipä

ja kaunis maa. Seuraavasta kuviosta (kuvio 2.5) nähdään Suomeen tulon syyn

yksiulotteinen jakauma. Tässä kysymyksessä matkailijat mainitsivat keskimäärin 1,8 asiaa

vastaajaa kohden.

Kuvio 2.5. Suomeen tulon syyn jakauma.

40

32

30

20

16

15

15

9

7

0 20 40 60

Henkilökohtaiset syyt (mm. perhe, ystävät, häät)

Suomalaisen luonnon vetovoima (mm. järvet, …

Suomalaisuuteen liittyvät asiat

Irtiotto arjesta

Kulttuuri ja tapahtumat (sis. liikunta ja urheilu)

Työ, opiskelu ja yhdistystoiminta

Matkustamisen helppous ja edullisuus

Matkailukohteet, kaupungit ja alueet

Muu syy

%

Suomeen tulon syy

12

Matkailijat olivat varanneet matkansa pääosin yli 2 kuukautta ennen matkaa tai vähintään

1-2 kuukautta ennen matkan alkua. Vajaa neljännes vastaajista (23 %) varasi matkan alle

kuukautta ennen matkaa ja 7 % lähti matkalle alle viikko varauksen jälkeen. Matkan keston

keskiarvo oli koko aineistossa 12,84 vuorokautta, mutta suuret poikkeavat havainnot

vääristävät jakaumaa. Tämän vuoksi tässä tilanteessa otetaankin huomioon ainoastaan

vastaajat, joiden matkojen kestot ovat olleet korkeintaan 90 vuorokautta, mikä vastaa

suurinpiirtein monien vakuutusyhtiöiden määritelmää lomamatkasta. Tällöin matkan keston

keskiarvoksi saatiin noin kahdeksan vuorokautta. Vapaa-ajan matkailijoilla sekä

sukulaisvierailijoilla keskiarvo oli lähes sama kuin koko aineiston keskiarvo, kun taas

muilla työmatkalaisilla keskiarvo kohosi noin 10 vuorokauteen. Kongressi- ja

kokousmatkalaisilla keskiarvo oli muita pienempi (5,75 vrk).

Vastaajista 46 % yöpyi ainakin yhden yön hotellissa ja 39 % sukulaisten tai tuttavien luona.

Seuraavaksi suurin majoitustyyppi vastaajien keskuudessa oli vaihtoehto ”muu” 18 %.

Näistä vastauksista suurin osa oli hostelleja ja opiskelija-asuntoloita. Vuokramökissä

yöpyneitä oli 11 % ja muita yöpymispaikkoja olivat muun muassa leirintäalue (8 %), laiva

(3 %) ja maatila (2 %). Keskimäärin vastaajat yöpyivät 1,3 eri majoitustyypissä matkansa

aikana.

Yöpymispaikkaa kysyttäessä vastaajilla oli mahdollisuus mainita kuusi eri kaupunkia tai

kuntaa yöpymispaikakseen. Keskimäärin vastauksia saatiin 1,8 vastaajaa kohden.

Vastaukset luokiteltiin maakunnittain ja Pirkanmaalla oli vähintään yhden yön yöpyneitä 64

% vastaajista. Seuraavaksi suosituin yöpymismaakunta oli Uusimaa, jossa yöpyneitä oli 37

% vastaajista. Hämeessä tai Kymenlaaksossa yöpyi ainoastaan 5 % vastaajista. Kuviosta

2.6 nähdään muuttujan koko jakauma. Vertailun ja Tampereen alueen kiinnostuksen vuoksi

yöpymispaikoista tarkasteltiin vielä rinnakkain Tamperetta, Helsinkiä ja muuta maata.

Tässä tilanteessa on otettu huomioon vain yksi vaihtoehto kutakin luokkaa kohden vertailun

helpottamiseksi. Kuviosta 2.7 huomataan, että noin puolet vastaajista yöpyi ainakin yhden

yön Tampereella, mutta vaikka Ryanairin lentokenttä sijaitseekin Tampereen kupeessa,

useimmat matkustajat viettivät yönsä Tampereen ulkopuolella.

13

Kuvio 2.6. Vastaajien yöpymispaikat maakunnittain jaoteltuna.

Kuvio 2.7. Kaupungit, joissa matkailijat olivat Suomessa yöpyneet.

64

37

18

14

11

9

8

6

5

4

3

2

0 10 20 30 40 50 60 70

Pirkanmaa

Uusimaa

Pohjanmaa

Savo, Karjala, Kainuu

Varsinais-Suomi

Keski-Suomi

Lappi

Satakunta

Muu

Päijät-Häme

Häme

Kymenlaakso

%

Maakunta, jossa vastaaja yöpyi matkallaan

32

53

61

0

10

20

30

40

50

60

70

Helsinki Tampere Muu paikkakunta

%

Vastaajien yöpymiskaupungit Suomessa(vain yksi/luokka/vastaaja)

14

Seuraava kuvio 2.8 havainnollistaa matkailijoiden aktiviteetit ja mielenkiinnon kohteet

Suomessa. Vastauksia tähän kysymykseen saatiin 2 733 1 085:ltä vastaajalta eli jokainen

vastaaja mainitsi keskimäärin 2,5 vaihtoehtoa keskeisimmäksi aktiviteetikseen. Kaikki

matkailijat ilmoittivat ainakin yhdeksi keskeisimmäksi vierailukohteekseen kaupungin,

kunnan tai alueen. Luokka sisältää nimensä mukaan eri kunnat ja kaupungit, kaupunkien

alueet esimerkiksi keskustat, torit ja satamat sekä Lapin ja napapiirin. Myös ulkomaiset

kaupungit (mm. Tallinna) luokiteltiin mukaan tähän ryhmään. Puolet vastaajista mainitsi

luonnon ja luontoon liittyvien aktiviteettien olleen keskeisiä asioita loman aikana. Tämä

luokka pitää sisällään selvästi luontoon liittyvät alueet kuten Rauhaniemi, Viikinsaari,

Seurasaari, Pyynikki, Pispala, Saimaa, leirintäalueet, puistot, maaseutu, saaristo, rannikko

ja Itämeri. Näiden lisäksi muun muassa seuraavat luontoon liittyvät aktiviteetit ja kohteet

sisältyvät tähän luokkaan: kalastus, vaellus, purjehdus, veneily, marjanpoiminta, kävely,

melonta, keskiyön aurinko, linnut, luonto, piknik, patikointi, retkeily, joet, mäet, järvet,

mökkeily, uiminen, karhujen tarkkailu ja huskyt.

Matkailukohteet, kulttuurikohteet sekä viihde ja vapaa-aika olivat suurinpiirtein yhtä

suosittuja aktiviteetteja matkailijoiden keskuudessa. Matkailukohteet sisältävät muun

muassa laskettelukeskukset, Turun, Suomen-, Savon ja Hämeen linnat, näkötornit,

eläintarhat, huvipuistot, nähtävyydet, kylpylät, ametistikaivoksen, joulupukin kylän sekä

Haverin kultakaivoksen. Kulttuurikohteisiin luokiteltiin kirkot, museot, oopperat, teatterit,

eduskuntatalo, Presidentinlinna sekä taidenäyttelyt ja –galleriat. Viihde ja vapaa-aika

luokiteltiin sisältämään muun muassa seuraavia asioita: ravintolat, baarit, pubit, juhliminen,

laulaminen, tax free, minigolf, risteilyt, olut, matkustelu, syöminen ja juominen, yöelämä,

tytöt, kahvilat, vapaa-aika, rapujuhlat, markkinat sekä auringonotto ja karaoke.

Vajaa kolmannes vastaajista (27 %) oli viehtynyt suomalaisuuteen liittyviin asioihin,

liikuntaan ja urheiluun tai tapahtumiin. Suomalaisuuteen liittyviin asioihin luokiteltiin

muun muassa juhannus, joulupukki, lohi, makkara, sauna, ruoka, joulu, suomalaiset, laavu,

Alvar Aalto, kauneus, siisteys, muumit, avantouinti ja historia. Liikunta ja urheilu sisältävät

muun muassa geokätkennän, ratsastuksen, hiihdon, pyöräilyn, golfin, stadionit,

vesiurheilun, juoksemisen ja lumilautailun. Urheilutapahtumat, kuten

Veteraaniyleisurheilun MM-kilpailut ja Nuorten Olympialaiset luokiteltiin luokkaan

15

tapahtumat, joka näiden lisäksi sisältää muun muassa erilaiset messut, musiikkifestivaalit,

partiolaisten tapaamisen, Super Rallyn, leirit ja suviseurat.

Ostokset, työ ja opiskelu sekä henkilökohtaiset asiat olivat yhtä suosittuja aktiviteetteja

matkan aikana. Jokainen näistä kolmesta luokasta sai 5 %:n osuuden matkailijoiden

vastauksista. Henkilökohtaisilla asioilla tarkoitetaan tässä tutkimuksessa muun muassa

ystävien tapaamista, perhettä ja sukulaisia, häitä ja muita sukujuhlia, vierailua,

asuntokauppoja ja oleskelua perheen kanssa.

Kuvio 2.8. Matkailijoiden keskeisimmät aktiviteetit tai vierailukohteet Suomen matkan

aikana.

Tyytyväisyys majoituksen ja ravintoloiden hinta-laatu -suhteisiin, palvelun tasoon ja

matkaan yleisesti

Vastaajat olivat suhteellisen tyytyväisiä majoituksen ja ravintolapalveluiden hinta-laatu -

suhteisiin, palvelun tasoon ja matkaan yleisesti. Yleistä tyytyväisyyttä mitattiin neljän

100

51

21

18

17

11

9

7

5

5

5

3

0 20 40 60 80 100 120

Kaupungit, kunnat, alueet

Luonto ja luontoon liittyvät aktiviteetit

Matkailukohteet

Kulttuurikohteet

Viihde ja vapaa-aika

Suomalaisuuteen liittyvät asiat

Liikunta ja urheilu

Tapahtumat

Ostokset, kaupat, tax free

Työ, opiskelu ja yhdistystoiminta

Henkilökohtaiset asiat

Muut asiat

%

Keskeisin aktiviteetti tai vierailukohde matkan aikana

16

edellä mainitun muuttujan summamuuttujalla, josta saatiin keskiarvoksi 7,19. Tässä

käytettiin myös asteikkoa 1–10, missä 1 = hyvin tyytymätön ja 10 = hyvin tyytyväinen. 95

%:n luottamusvälillä yleinen tyytyväisyys palveluun, hintoihin ja matkaan sai arvosanaksi

7,10–7,28. Vastaajien mielestä hintataso Suomessa vaikuttaa suhteellisen kalliilta.

Asteikolla 1–10, missä 1 = hyvin kallis ja 10 = hyvin halpa, hintatason keskiarvoksi saatiin

3,83. 95 %:n luottamusvälillä hintatason vaikutelma liikkuu 3,71 ja 3,95 välillä. Vastaajat

siis mielsivät Suomen hintatason ennemmin kalliiksi kuin halvaksi.

Suomesta matkakohteena puhutaan kuitenkin positiiviseen sävyyn ystäville ja tuttaville.

Keskiarvoksi muodostui 8,00 (1 = hyvin negatiivinen, 10 = hyvin positiivinen) ja 95 %

luottamusvälillä keskustelunsävyn arvosanat olivat 7,90–8,10. Alla oleva kuvio (kuvio 2.9)

havainnollistaa rinnakkain matkailijoiden tyytyväisyyksien jakaumien rakennetta eri

tilanteissa.

Kuvio 2.9. Minimit, mediaanit, maksimit ja kvartiilit tyytyväisyyden summamuuttujalle,

vaikutelmalle hintatasosta ja keskustelunsävylle.

Matkustajien mielipiteet Suomen hintatason kalleudesta ilmenevät myös palveluiden

parannuskohteita kysyttäessä. 35 % vastaajista oli sitä mieltä, että kallis hintataso oli

ainakin yksi asia mihin he kaipasivat parannusta. Selkeä parannuskohde oli myös Pirkkalan

123456789

10

Tyytyväisyys palveluun, hintoihin ja matkaan yleensä

Vaikutelma hintatasosta Suomessa

Keskustelunsävy Suomesta puhuttaessa

Tyytyväisyys ja vaikutelmat Suomesta matkakohteena

17

lentokenttään ja Ryanairiin liittyvät asiat, kuten aikataulut, henkilökunnan ystävällisyys,

terminaali 2 ja tilat lentoasemalla, matkustaminen Pirkkalan lentoasemalle (bussiyhteydet ja

aikataulut) ja informaatio busseista. Kolmas voimakkaasti esiin tullut parannuskohde oli

turisteille kohdistettu matkailuinformaatio. Matkailijat kaipasivat muun muassa lisää

tieviitoituksia, englannin osaamista (bussikuskit), enemmän tietoa englanniksi, opasteita

turistikohteisiin ja supermarketteihin sekä enemmän informaatiopisteitä. Keskimäärin

vastauksia saatiin 1,3 vastaajaa kohden, kun n oli 572. Parannuskohteiden jakauma nähdään

seuraavasta kuviosta 2.10.

Kuvio 2.10. Matkailijoiden mainitsemat parannuskohteet luokiteltuina.

2 % vastaajista oli sitä mieltä, että parannettavaa itse palveluissa ei ollut, mutta

palvelutilanteissa parannusta kaipasi 20 % vastaajista (n = 1 157). Eniten parannusta

matkailijat kaipasivat Pirkkalan lentokenttään ja Ryanairiin liittyviin palveluihin (35 %).

Toiseksi eniten parannusta toivottiin palvelun tasoon (15 %) ja kolmanneksi

matkailuinformaatioon turisteille (11 %). Tämä muuttuja luokiteltiin samoin perustein kuin

edellä mainittu palveluiden parannuskohteet ja havaintojen määrä tässä tapauksessa oli 207.

3526

2311

98

65

43

2

0 10 20 30 40

Hintataso SuomessaPirkkalan lentokenttään ja Ryanairiin liittyvät asiat

Matkailuinformaatio turisteilleKulttuuriset asiat

Palvelut matkailijoilleMajoitus ja ravintolat

Palvelun tasoJulkinen liikenne

Yleinen siisteys ja julkiset tilatMuut asiat

Ei parannettavaa

%

Matkailijoiden mainitsemat parannuskohteet

18

Tiedonhaku ja internetin käyttö

1 306 vastaajasta 84 % käytti internetiä suunnitellessaan matkaa Suomeen. 1 062 näistä

matkustajista oli määritellyt tarkemmin mitä sivustoja he matkan suunnittelussa ja

tiedonhaussa käyttivät ja huomataan, että heistä 63 % suunnitteli matkaansa Ryanairin

internetsivujen avulla. Toiseksi suosituin sivusto oli kohdekaupungin tai -alueen

internetsivut (34 %) ja kolmanneksi suurin luokka oli Suomen maaportaali

(www.visitfinland.com) 27 %:n osuudella. Vastaajat olivat hakeneet tietoa keskimäärin 2,1

sivustolta suunnitellessaan matkaa. Seuraava vaakadiagrammi (kuvio 2.10) havainnollistaa

tilannetta.

Kuvio 2.10. Matkan suunnittelussa käytetyt internetsivustot.

Matkustajilta tiedusteltiin myös heidän tyytyväisyyttään internetistä saamaansa

ennakkoinformaatioon Suomesta ja Tampereen alueesta asteikolla yhdestä kymmeneen.

Suomesta saatuun ennakkotietoon oltiin suhteellisen tyytyväisiä keskiarvolla 7,25 (n =

6334

2719

1613

1188

443

0 10 20 30 40 50 60 70

Ryanairin internetsivutkohdekaupunki/-alueSuomen maaportaali

hotellivarausjärjestelmätyksittäinen matkailukohde/tapahtuma

joku muuinternetin keskustelupalstat/sosiaaliset …

laivayhtiölentoyhtiö

suomalainen matkanjärjestäjä/matkatoimistooman alan kokous-/kongressisivusto

lähtömään matkanjärjestäjä/matkatoimisto

%

Jos matkan suunnittelussa käytettiin internetiä, mitä sivustoja käytettiin?

19

1018). Tampereen alueesta saatuun tietoon oltiin myös tyytyväisiä vaikkakin keskiarvoksi

tuli hieman koko Suomea heikompi 6,88 (n = 875). 326 vastaajaa olivat maininneet myös

kohteita, joista he olisivat halunneet löytää enemmän tietoa internetistä. Eniten tietoa

kaivattiin tapahtumista ja aktiviteeteista (21 %) sekä Suomesta ja suomalaisuudesta (21 %).

Havainnot olivat hyvin tasaisesti jakautuneet ja prosentuaaliset erot eri luokkien kesken

olivat suhteellisen pienet. 20 % vastaajista olisi halunnut lisätietoa majoituksista ja

ravintoloista, 19 % toivoi lisätietoa hinnoista ja aukioloajoista ja 18 % ei löytänyt tarpeeksi

tietoa matkailukohteista ja palveluista matkailijoille. Keskimäärin matkailijat mainitsivat

1,4 kohdetta, joista he olisivat halunneet löytää ennakkotietoa internetistä. Pirkkalan

lentokenttään ja Ryanairiin liittyviin asioihin liittyvä informaatio kiinnosti 15 prosenttia

vastaajista ja julkinen liikenne 13 prosenttia. 8 % toivoi löytäneensä internetistä kaupunkien

ja aluieden karttoja ja sijaintitietoja.

20

3 Kyselyaineiston tilastollinen analyysi

3.1 Tutkimusmenetelmät

Tässä tutkielmassa käytetään tutkimusmenetelminä logistista regressioanalyysia, log-

lineaarisia malleja ja riippuvuustarkasteluissa χ2-testiä sekä keskiarvojen testausta. Tässä

luvussa esitellään menetelmien teoriaa sekä analyysien lähtökohtia ja perusteita.

3.1.1 χ2-riippumattomuustesti ja kontingenssikerroin

χ2-riippumattomuustesti (Chi-Square) mittaa valittujen muuttujien välistä tilastollista

riippuvuutta. Oletuksena eli nollahypoteesina mallissa on, että muuttujat ovat

riippumattomia keskenään. Nollahypoteesi hylätään, jos χ2-testisuureen arvo ylittää annetun

kriittisen arvon. Testisuureen arvo saadaan odotetuista ja havaituista frekvensseistä kaavalla

(3.1) χ2 = ,

missä k = rivien lukumäärä, l = sarakkeiden lukumäärä, Oij= i:nnen rivin j:nnen sarakkeen

havaitu frekvenssi ja Eij = i:nnen rivin ja j:nnen sarakkeen odotettu frekvenssi. Testisuure

(3.1) noudattaa χ2-jakaumaa vapausastein (k-1)(l-1). (Heikkilä 1998, s. 212–213)

P-arvolla määritellään havaittujen ja odotettujen frekvenssien poikkeaman tilastollinen

merkitsevyys eli sattumasta johtuvan riippuvuuden riski. Raja-arvona tässä käytetään

esimerkiksi 5 %:n merkitsevyystasoa. Kun p-arvo on suurempi kuin 0,05, nollahypoteesi

jää voimaan ja muuttujien todetaan olevan riippumattomia toisistaan. (Heikkilä 1998, s.

212)

21

χ2-testisuureen avulla pystytään laskemaan luokitteluasteikollisten muuttujien välistä

riippuvuutta kuvaava kontingenssikerroin (Contingency Coefficient). Kertoimen arvo on

aina pienempi kuin 1 mutta suurempi tai yhtä suuri kuin 0. Heikkous kertoimen käytössä on

se, että kertoimia ei voi vertailla keskenään, jos niiden arvot on laskettu eri kokoisista

taulukoista. Kontingenssikerroin lasketaan kaavalla

(3.2) C = ,

missä n = havaintojen lukumäärä. (FSD)

3.1.2 Logistinen regressioanalyysi

Logistinen regressioanalyysi on yleistettyjen lineaaristen mallien (GLM) erikoistapaus,

jossa selitettävän ja selittävän muuttujan välinen riippuvuus ei ole tavallisen

regressioanalyysin tapaan lineaarinen, vaan se noudattaa S-käyrää (Agresti 1996, s. 77;

Hosmer & Lemeshow 2000, s. 5). Se on vakiintunut käytettäväksi malliksi kategoriselle

aineistolle silloin, kun selitettävänä muuttujana on kaksi- tai useampiluokkainen diskreetti

muuttuja (Hosmer & Lemeshow 2000, s. 1). Useimmiten tämä selitettävä muuttuja on

dikotominen eli muuttuja saa kaksi arvoa, joista toinen kuvaa ”onnistumista” ja toinen

”epäonnistumista”. Logistisella regressioanalyysilla mallinnetaankin tämän onnistumisen

todennäköisyyttä. Todennäköisyyksien mallintamiseen käytetään kaavaa:

(3.3) π(x) = ,

22

missä α on vakio, β regressiokerroin ja x selittävä muuttuja. (Agresti 1996, s. 103, 122)

Logistisen regressioanalyysin tuloksia on usein helpointa tulkita vetojen (odds) ja

vedonlyöntisuhteen (odds ratio) avulla. Vedonlyöntisuhteella ennustetaan tapahtuman

todennäköisyyden kasvua tai laskua, kun selittävän muuttujan arvo kasvaa yhdellä

yksiköllä. Tällöin regressiokertoimen β etumerkki kertoo väheneekö vai kasvaako

tapahtuman todennäköisyys. Kun β = 0, vedonlyöntisuhde pysyy samana vaikka selittävän

muuttujan arvo muuttuu. Veto määritellään seuraavasti:

(3.4) odds = = exp(α + βx).

Silloin vedon logaritmi eli

(3.5) logit = log = α + βx

on lineaarinen. Usean selittävän muuttujan logit-malli on muotoa

(3.6) logit = α + ,

missä ovat selittäviä muuttujia ja k selittäjien lukumäärä.

(Agresti 1996, s. 103–107, 122).

23

3.1.3 Log-lineaariset mallit

Log-lineaarisilla malleilla etsitään sopivaa mallia selittämään luokitteluasteikollisten

muuttujien välistä riippuvuutta solufrekvenssien avulla. Kun muuttujat ovat kategorisia ja

toisistaan riippumattomia, kaksisuuntaisen kontingenssitaulukon solujen yhteinen

todennäköisyys noudattaa muotoa

(3.7) πij = πi+ π+j, i = 1,…,I, j = 1,…,J.

Log-lineaarisissa malleissa käytetään solutodennäköisyyksien {πij} sijasta odotettuja

frekvenssejä {μij}, jotka ovat muotoa μij = nπi+ π+j kaikilla i:n ja j:n arvoilla, missä n on

havaintojen lukumäärä. (Agresti 1996, s. 145–146)

Kahden muuttujan (X ja Y) tilanteessa log-lineaarinen riippumattomuuden malli

määritellään seuraavasti:

(3.8) log μij = λ + + ,

missä on luokittelun vaikutus X:ään i. rivillä ja on luokittelun vaikutus Y:hyn j.

sarakkeella. Mitä suuremmat vaikutukset ovat, sitä suuremmat ovat odotetut frekvenssit

kyseisellä rivillä tai sarakkeella. (Agresti 1996, s. 146–147)

Log-lineaarisen mallin hyvyys mitataan χ2-testisuureen (Pearson chi-squared statistic) ja

G2-testisuureen (likelihood-ratio chi-squared statistic) avulla. Testisuureet lasketaan

kaavoilla

24

(3.9) G2 = 2 ,

(3.10.) χ2 = .

Mitä pienempiä testisuureet ovat, sitä paremmin malli sopii aineistoon ja näin ollen

testisuureiden p-arvot kasvavat (Agresti 1996, s. 28–29, s. 154; Mauranen, a.).

Saturoidussa log-lineaarisessa mallissa näkyy myös muuttujien välinen vuorovaikutustermi

ja malli saa muodon

(3.11) log μij = λ + + + ,

missä kuvaa muuttujien X ja Y välistä riippuvuutta ja malli kokonaisuudessaan vastaa

täydellistä havaittujen frekvenssien vastaavuutta odotettuihin frekvensseihin. Saturoitussa

mallissa ovat mukana kaikki IJ parametria ja siten malli sopii aina täydellisesti aineistoon.

(Agresti 1996, s. 148–149)

Kolmen muuttujan tapauksessa malli muodostuu saturoitua kahden muuttujan mallia

vastaavasti siten, että mallissa ovat mukana kaikkien kolmen muuttujan omavaikutukset

sekä yhdysvaikutukset. Täydellinen kolmen muuttujan log-lineaarinen malli näyttää

seuraavalta:

(3.12) log μijk = λ + + + + + + + .

25

Kolmen muuttujan, esimerkiksi (XY, XZ, YZ), yhdysvaikutustermien ehdollinen

vedonlyöntisuhde (conditional odds ratio) θXY(k) kuvaa muuttujien X ja Y välistä yhteyttä

siten, että esimerkiksi 2*2*K -taulukolle suhde näyttää seuraavalta:

(3.13) log θXY(k) = log = + - - ,

missä k = 1, …, K.

Malli 3.13 seuraa mallin 3.12 tapauksesta, jossa ei ole kolmen muuttujan yhdysvaikutusta.

Kuten kaavasta 3.13 huomataan ehdollinen vedonlyöntisuhde ei riipu muuttujasta Z, joten

suhde pysyy samana kaikilla Z:n tasoilla. Samoin määräytyy myös muuttujien X ja Z

vedonlyöntisuhde eli suhde pysyy samana kaikilla Y:n tasoilla. Tämä pätee kaikille kolmen

muuttujan malleille, missä ei ole mukana kolmen tekijän vuorovaikutustermiä. (Agresti

1996, s. 149–152)

Useamman muuttujan tapauksessa malli muodostetaan kahta edellä mainittua tapausta

vastaavasti muuttujien omavaikutuksista ja yhdysvaikutuksista. Mitä useammanasteista

yhdysvaikutus on, sitä hankalampaa on mallin tulkinta. Sen vuoksi suositellaankin

mahdollisimman yksinkertaista mallia, vaikka mallin hyvyystestit osoittaisivatkin

monimutkaisen mallin olevan aineistoon sopivuudeltaan paras. (Agresti 1996, s. 158–162).

26

4 Tutkimustuloksia

Aloitetaan aineiston analysointi riippuvuussuhteiden tarkastelulla, jossa tulkinnan apuna

käytetään χ2-riippumattomuustestiä, kontingenssikertoimia ja keskiarvojen testausta. Tämän

jälkeen etsitään aineistoon sopivia malleja logistisella regressioanalyysilla ja log-

lineaarisilla malleilla. Aineiston analysoinnit suoritettiin SPSS- ja Tixel-ohjelmistoilla.

4.1 Riippuvuussuhteiden tarkastelua

Seuraavissa neljässä alaluvussa tarkastellaan mielenkiintoisimpien muuttujien jakaumia ja

niiden välisiä riippuvuuksia χ2-riippumattomuustestin,

ristiintaulukoiden, p-arvojen ja

kontingenssilukujen avulla. Luvussa 4.1.4 käytetään myös keskiarvojen testausta F-

testisuureen avulla, kun mitataan matkailijoiden tyytyväisyyttä eri ryhmittelymuuttujilla.

Otoksien oletetaan olevan riippumattomia toisistaan, mikä on edellytys sille, että

keskiarvojen testaus voidaan suorittaa (Heikkilä 1998, s. 224). Merkitsevyystasoksi

asetetaan 5 %. Riippuvuuksien tarkasteluissa selitettäviä muuttujia ovat matkan syyt,

majoitustyyppi, keskeisimmät aktiviteetit matkalla sekä matkailijoiden tyytyväisyydet

palveluihin ja matkaan yleensä.

4.1.1 Matkan syyt

Kuviosta 4.1 nähdään matkailijoiden syyt matkalle lähtöön kansallisuuksittain. P-arvon

(0,00) mukaan ero eri kansallisuuksien matkan syiden välillä on tilastollisesti erittäin

merkitsevä, jolloin tulkitaan, että matkailijan mainitsema matkan syy riippuu hänen

kansallisuudestaan. Kontingenssikerroin (0,338) (χ2

= 205,56; df = 20) ilmaisee

riippuvuuden olevan kohtalaista.

27

Kuvio 4.1. Matkailijoiden matkojen syyt kansallisuuksien mukaan.

Kaikista kansallisuuksista suurin osa matkailijoista tuli Suomeen joko vapaa-ajan matkalle

tai sukulais- tai tuttavavierailulle. Briteistä yli 10 % kävi täällä myös kokous- tai

kongressimatkalla. Venäläisistä matkailijoista vajaa 20 % oli Suomessa läpikulkumatkalla,

mikä on huomattavasti enemmän kuin muilla kansallisuuksilla. Pietarin maantieteellinen

läheisyys, sieltä lähtevien lentojen kalliit hinnat ja helppokulkuisuus Suomeen olivat

todennäköisiä syitä sille, miksi niin monet venäläiset olivat ainoastaan läpikulkumatkalla

Suomessa.

Seuraavassa ristiintaulukoinnissa asetettiin yöpymispaikka selitettäväksi muuttujaksi, koska

halutaan tarkastella vaikuttaako matkan syy siihen, missä kaupungissa matkailija on

yöpynyt. Kun tarkastellaan yöpymispaikkaa matkan syyn perusteella, niin

kontingenssikertoimen 0,183 (χ2

= 69,53; df = 10) perusteella voidaan todeta, että matkan

syyllä ja yöpymispaikalla on heikkoa riippuvuutta (p-arvo = 0,00). Käytännössä

yöpymispaikka, esimerkiksi Helsinki, riippuu heikosti siitä, mikä on ollut matkailijan syy

matkustaa Suomeen.

Seuraava kuvio 4.2 havainnollistaa tilannetta graafisesti. Kuviosta nähdään, että

läpikulkumatkalla olleista ja kokous- tai kongressimatkalaisista suurin osa yöpyi

Tampereella. Sukulais- ja tuttavavierailut vetivät matkailijoita oletettavastikin myös

Helsingin ja Tampereen ulkopuolelle. Muulla työmatkalla olleet yöpyivät paljon

0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % 100 %

saksa

britannia

italia

venäjä

muu

Matkan syy kansallisuuksien mukaan

vapaa-ajanmatka sukulais- tai tuttavavierailu kokous- tai kongressimatka

muu työmatka läpikulkumatka muu

28

Tampereella sekä muualla Suomessa. Vapaa-ajan matkalaisten yöpymispaikat olivat

jakautuneet melko tasaisesti vaikka heistäkin suurin osa yöpyi muualla kuin Helsingissä.

Yöpymispaikka- muuttujassa tässä tilanteessa huomioitiin matkailijalta ainoastaan yksi

maininta luokkaa kohden. Esimerkiksi jos henkilö mainitsi yöpyneensä Kotkassa ja

Järvenpäässä, niin luokkaan ’muu kaupunki’ kirjattiin vain yksi havainto. Näin toimittiin

sen vuoksi, että tässä oli kiinnostuksen kohteena ennemminkin yöpymispaikkojen jakauma

kuin vietettyjen öiden määrä eri kaupungeissa.

Kuvio 4.2. Matkailijoiden yöpymiskaupunkien jakaumat matkan syiden mukaan.

4.1.2 Majoitustyyppi

Majoitustyypin ja matkaseuran ristiintaulukoinnista saatiin p-arvoksi 0,00 sekä

kontingenssikertoimeksi 0,321 (χ2

= 239,34; df = 54). Luvuista havaitaan, että matkailijan

matkaseura vaikutti siihen, minkä majoitustyypin matkailija oli valinnut. Kollegoiden

mukana matkustaneista yli 70 % yöpyi hotellissa, kun taas yksin matkustaneista suurin osa

sai majapaikan sukulaisten tai tuttavien luota. Leirintäalueet olivat suhteellisen suosittua

yöpymisaluetta silloin, kun matkaseurana oli muita kuin perheenjäseniä, ystäviä tai

työyhteisön tai yhdistyksen jäseniä. Useimmiten nämä muut matkaseuralaiset olivat

harrastusryhmiä, partiolaisia tai muita ryhmien jäseniä, joiden mukana vastaajat matkallaan

0 % 20 % 40 % 60 % 80 % 100 %

vapaa-ajanmatka

sukulais- tai tuttavavierailu

kokous- tai kongressimatka

muu työmatka

läpikulkumatka

muu

Yöpymiskaupunki matkan syyn mukaan

Helsinki Tampere Muu paikkakunta

29

olivat. He yöpyivät myös paljon muun muassa hostelleissa ja asuntoloissa, jotka kuuluvat

luokkaan ’muu majoitus’. Ystävien ja perheen seurassa matkustettaessa yövyttiin paljon

hotelleissa sekä sukulaisten ja tuttavien luona. Perheen, ystävien ja yhdistyksen jäsenien

kanssa yövyttiin jonkin verran myös vuokramökeissä. Kuviosta 4.3 nähdään miten

majoitustyypit jakautuivat vastaajien ilmoittaman matkaseuran mukaan.

Kuvio 4.3. Majoitustyyppien jakauma sen mukaan kenen kanssa vastaaja on ollut matkalla.

Kuviosta 4.4 voidaan tarkastella tarkemmin eri majoitustyyppien jakaumaa Tampereella,

Helsingissä sekä muualla Suomessa. Kontingenssikertoimen 0,183 (χ2

= 88,31; df = 12) ja

p-arvon (0,00) perusteella matkailijan yöpymiskaupungin valinta vaikutti matkailijan

majoittumistapaan. Kaupunkien sisäiset prosenttiosuudet ylittävät sata prosenttia sen

vuoksi, että vastaajan oli mahdollista mainita useampi kuin yksi matkan aikana käytetty

majoitustyyppi, mutta kaupunkiluokittelussa on huomioitu vastaajalta ainoastaan yksi

havainto luokkaa kohden.

0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % 100 %

avio- tai avopuoliso

lapset tai lapsenlapset

vanhemmat tai isovanhemmat

muut sukulaiset

tyttö- tai poikaystävä

ystävä tai ystävät

työyhteisön jäsen tai jäsenet

yhdistys tai seura

yksin

muu

Majoitustyyppi matkaseuran mukaan

hotelli vuokramökki laiva leirintäalue maatila sukulaiset muu

30

Helsingissä ja Tampereella hotellit olivat suosituimpia yöpymispaikkoja, kun taas muualla

Suomessa yöpyneet yöpyivät useimmiten sukulaisten ja tuttavien luona. Tämä tulos on

oletettavasti linjassa sen kanssa mitä aiemmin havaittiin, että kun matkan syynä oli

sukulais- tai tuttavavierailu, yöpyminen tapahtui pääosin Tampereen ja Helsingin

ulkopuolella. Vaihtoehtoiset yöpymispaikat, kuten hostellit, asuntolat, junat ja omat

asunnot, olivat kolmanneksi suurin majoittumismuoto niin Helsingissä, Tampereella kuin

muuallakin Suomessa.

Kuvio 4.4. Majoitustyypit sen mukaan missä kaupungissa matkailija on yöpynyt.

4.1.3 Keskeisimmät vierailukohteet ja aktiviteetit matkalla

Matkan keskeisimpien vierailukohteiden ja aktiviteettien riippuvuus matkailijan

kansallisuudesta oli kohtalaista (kontingenssikerroin 0,325 ja χ2

= 232,38; df = 44) ja

merkitsevää (p-arvo = 0,00). Tässä tapauksessa yöpymiskaupunkien lailla vastaajalta on

otettu huomioon ainoastaan yksi havainto luokkaa kohden. Esimerkkinä mainitaan tilanne,

jossa vastaaja mainitsi kaksi eri kaupunkia keskeisimmiksi vierailukohteikseen. Tällöin

häneltä on huomioitu ainoastaan yksi havainto luokkaan kaupungit, kunnat ja alueet. Näin

päästään paremmin käsiksi aktiviteettien ja vierailukohteiden yleisempään

0

10

20

30

40

50

60

Helsinki Tampere Muu paikkakunta

%

Majoitustyypit eri yöpymiskaupungeissa

hotelli

vuokramökki

laiva

leirintäalue

maatila

sukulaiset

muu

31

vetovoimaisuuden jakaumaan eikä niinkään kohteiden vierailukerroista koostuvaan

jakaumaan.

Kuviosta 4.5 nähdään muun muassa, että italialaisia kiehtoivat muita enemmän kaupungit,

kunnat ja alueet. Venäläisistä matkailijoista kukaan ei maininnut tapahtumia tai työmatkoja

keskeisimmiksi aktiviteeteikseen. Tämä varmasti selittyy ainakin osin sillä, että suurin osa

kyselyyn vastanneista venäläisistä matkailijoista oli ainoastaan läpikulkumatkalla, jonka

vuoksi oleellisimmat vierailukohteet ja aktiviteetit liittyivät ajomatkan varrelle

sijoittuneisiin kaupunkeihin, nähtävyyksiin ja luontoon sekä ostoshetkiin.

Kuvio 4.5. Keskeisimpien vierailukohteiden ja aktiviteettien jakauma kansallisuuksittain.

Seuraavassa kuviossa (kuvio 4.6) hahmottuu keskeisen aktiviteetin tai vierailukohteen ja

matkan syyn välinen yhteys. Kontingenssikertoimen 0,4 (χ2

= 401,51; df = 55) perusteella

riippuvuus on kohtalaista ja p-arvo 0,00 kertoo vastaajien matkan syyn selittävän

matkailijan keskeisiä tekemisiä matkan aikana. Kaupungit, kunnat ja alueet erottuivat

tässäkin selvästi ensisijaisiksi kokemuksiksi oli matkan syy mikä tahansa. Selkeästi erottuu

myös kokous-, kongressi- tai muulla työmatkalla olleiden ilmoitus työn olleen matkan

0 % 20 % 40 % 60 % 80 % 100 %

saksa

britannia

italia

venäjä

muu

Keskeinen vierailukohde tai aktiviteetti kansallisuuden mukaan

Kaupungit, kunnat, alueet MatkailukohteetTapahtumat Luonto ja luontoon liittyvät aktiviteetitLiikunta ja urheilu Työ, opiskelu ja yhdistystoimintaHenkilökohtaiset asiat KulttuurikohteetSuomalaisuuteen liittyvät asiat Viihde ja vapaa-aikaMuut asiat Ostokset, kaupat, tax free

32

keskeinen tarkoitus kaupunkien, kuntien ja alueiden lisäksi. Vapaa-ajan matkalaiset ja

läpikulkumatkalaiset kiinnostuivat matkailukohteista ja muun matkan syyn valinneet

liikunnasta ja urheilusta. Suomalaisuuteen liittyvät asiat kiehtoivat eniten muulla matkalla

olleita ja sukulais- tai tuttavavierailulla olleita matkustajia. Läpikulkumatkalaiset ja kokous-

tai kongressimatkalaiset valitsivat muita useammin yhdeksi keskeisimmäksi

aktiviteetikseen kulttuurikohteet. Läpikulkumatkalaisille ostokset olivat myös mainittavassa

osassa matkalla Suomeen.

Kuvio 4.6. Keskeisimmät vierailukohteet ja aktiviteetit matkailijan matkan syyn mukaan

tarkasteltuna.

4.1.4 Tyytyväisyydet hinta-laatu -suhteisiin, palveluihin ja matkaan yleensä

Matkailijoiden tyytyväisyyttä mitattiin asteikolla yhdestä kymmeneen (1–10). Vastaajilta

tiedusteltiin tyytyväisyyttä majoituksen ja ravintoloiden hinta-laatu –suhteeseen,

0 % 20 % 40 % 60 % 80 % 100 %

vapaa-ajanmatka

sukulais- tai tuttavavierailu

kokous- tai kongressimatka

muu työmatka

läpikulkumatka

muu

Keskeinen vierailukohde tai aktiviteetti matkan syiden mukaan

Kaupungit, kunnat, alueet MatkailukohteetTapahtumat Luonto ja luontoon liittyvät aktiviteetitLiikunta ja urheilu Työ, opiskelu ja yhdistystoimintaHenkilökohtaiset asiat KulttuurikohteetSuomalaisuuteen liittyvät asiat Viihde ja vapaa-aikaMuut asiat Ostokset, kaupat, tax free

33

suomalaisen palvelun tasoon ja matkaan yleensä sekä mielipidettä keskustelunsävyyn ja

yleiseen hintatasoon. Asteikolla 1–10 tyytyväisyydessä (kuvio 4.7, kohdat 1-4 sekä kuvio

4.8) 1 on erittäin tyytymätön ja 10 erittäin tyytyväinen. Vaikutelmassa hintatasossa (kuvio

4.7, kohta 5) 1 on erittäin kallis ja 10 erittäin halpa ja keskustelunsävyssä (kuvio 4.7, kohta

6) vastaavasti 1 on erittäin negatiivinen ja 10 erittäin positiivinen.

Tyytyväisyys matkaan kansallisuuksien mukaan

Seuraavassa kuviossa (kuvio 4.7), jossa on boxplot-kuviot kuudelle eri tyytyväisyyden

mittarille, havainnollistuu tiivistettynä tyytyväisyyksien mittarit matkailijoiden

kansallisuuksien mukaan. Boxplotissa mustat pisteet kuvaavat havaintojen minimejä ja

maksimeja, laatikon alareuna alakvartiilia, yläreuna yläkvartiilia, musta pieni neliö laatikon

keskellä kuvaa havaintojen mediaania ja ”viikset” eli pystyjanat näyttävät havaintojen

vaihteluvälin (Heikkilä 1998, s. 174).

Yleisellä tasolla voidaan sanoa matkailijoiden olleen suhteellisen tyytyväisiä

kansallisuudesta huolimatta niin majoituksen ja ravintoloiden hinta-laatu -suhteesiin,

palvelun tasoon kuin matkaan yleensä. Eri kansallisuuksien välillä oli testauksessa

kuitenkin eroja siinä miten tyytyväisiä he kyseistä asiaa kohtaan olivat. Keskiarvojen

testauksissa vaiheissa 1–4 kaikissa kansallisuuksien väliset erot olivat tilastollisesti joko

merkitseviä tai erittäin merkitseviä 5 %:n riskitasolla (1: p = 0,0029; 2: p = 0,00; 3: p =

0,00; 4: p = 0,00001).

Kohdassa 1 saksalaisten tyytyväisyys jakautuu hieman isommalle alueelle kuin muilla

kansallisuuksilla. 50 % havainnoista sijoittuu välille [4, 9). Italialaiset vaikuttivat olleen

suhteellisen yksimielisiä majoituksen hinta-laatu -suhteesta, sillä puolet havainnoista

kuuluu välille [6, 8) mediaanin ollessa 7.

Kohdassa 2 mitattiin tyytyväisyyttä ravintoloiden hinta-laatu -suhteeseen ja siihen

saksalaiset vaikuttivat olleen hieman tyytymättömämpiä kuin muiden maiden vastaajat.

Heillä 75 % havainnoista oli pienempiä kuin 7 ja mediaani sai arvon 5. Briteillä ja

34

venäläisillä puolestaan tyytyväisyyden mediaani oli 7 ja 50 % havainnoista sijoittui briteillä

välille [5, 8) ja venäläisillä välille [6, 8).

Kohdasta 3 huomataan, että suomalaisen palvelun tasoon matkailijat olivat hyvinkin

tyytyväisiä. Varsinkin venäläiset pitivät suomalaisesta palvelusta, sillä mediaani heillä oli 9

ja puolet havainnoista sijoittui välille [8,10). Italialaisilla mediaani oli 8, neljännes antoi

arvosanaksi 9 tai 10 ja puolet arvosanoista sijoittui välille [7, 9). Yleinen tyytyväisyys

matkaan nähdään kohdasta 4, jossa kaikilla kansallisuuksilla arvosanat olivat arvojen 7 ja

10 välillä.

Suomea pidettiin yleisesti ottaen kalliina maana, joka näkyy vastaajien vaikutelmissa

hintatasossa (kohta 5). Venäläisten näkemys Suomen hintatasosta oli hieman edullisempi

kuin muiden kansallisuuksien. Puolet venäläisten arvosanoista sijoittui välille [4, 7), kun

taas saksalaisten arvosanoista 50 % sijoittui välille [2, 4). Myös tässä tilanteessa

tyytyväisyyden arvosanat riippuivat matkailijan kansallisuudesta (p = 0,00).

Toisin kuin edellä mainituissa tilanteissa keskustelunsävyssä, kun matkailija puhuu

Suomesta tuttavilleen, ei ollut eroja eri kansallisuuksien välillä (p = 0,18169) ja yleisesti

ottaen keskustelunsävyä pidettiin positiivisena. Kuvion 4.7 kohdasta 6 nähdään, että

arvosanat jakautuivat suhteellisen samankaltaisesti kaikilla kansallisuuksilla ja suurin osa

vastaajista antoi keskustelunsävylle arvosanan 7 tai siitä paremman. Saksalaisista 75 %

antoi arvosanaksi 8, 9 tai 10.

35

Kuvio 4.7. Laatikkojanakuviot eri maiden matkailijoiden tyytyväisyydestä majoitukseen,

palveluihin, ravintoloihin, hintoihin, keskustelun sävyyn ja matkaan yleensä.

Tampereella yöpyneiden tyytyväisyys

Seuraavassa tarkastellaan Tampereella yöpyneiden eri ammattiryhmien edustajien

jakaumaa boxplot-kuvion avulla (kuvio 4.8). Eri tyytyväisyyttä mittaavista muuttujista

(tyytyväisyys majoituksen hinta-laatu -suhteeseen, ravintoloiden hinta-laatu -suhteeseen,

suomalaisen palvelun tasoon ja matkaan yleensä) muodostettiin tyytyväisyyttä kaiken

123456789

10

saksa britannia italia venäjä muu

1. Tyytyväisyys majoituksen hinta-laatu -suhteeseen

123456789

10

saksa britannia italia venäjä muu

2. Tyytyväisyys ravintoloiden hinta-laatu -suhteeseen

123456789

10

saksa britannia italia venäjä muu

3. Tyytyväisyys suomalaisen palvelun tasoon

123456789

10

saksa britannia italia venäjä muu

4. Tyytyväisyys matkaan yleensä

123456789

10

saksa britannia italia venäjä muu

5. Vaikutelma hintatasosta

123456789

10

saksa britannia italia venäjä muu

6. Keskustelunsävy

36

kaikkiaan kuvaava summamuuttuja, joka tiivistää muuttujista saatua informaatiota.

Keskiarvotestauksen perusteella tyytyväisyyden arvosana riippuu vastaajan edustamasta

ammattiryhmästä. Testauksessa käytettiin 5 %:n merkitsevyystasoa ja p-arvoksi saatiin

0,03128.

Työttömillä yleinen tyytyväisyys sai minimissään arvon 4,5 ja mediaani oli 7. Eläkeläisillä

ja johtajilla arvosanat jakautuivat laajemmin asteikolle kuin muilla ammattiryhmillä. Tässä

tulee kuitenkin huomioida se, että tyytyväisyyden arvosanat eivät välttämättä koske

ainoastaan Tampereen aluetta vaikka analyysissa olivat mukana vain Tampereella

yöpyneet, sillä monet matkailijat yöpyivät myös muissa kaupungeissa, tutustuivat Suomeen

laajemmaltikin ja näin ollen antoivat arvosanat tyytyväisyydestä matkasta

kokonaisuudessaan.

Vastaavissa analyyseissa Helsingissä ja muualla Suomessa yöpyneille matkustajille ei

ilmennyt merkitsevyyseroja verrattuna Tampereella yöpyneisiin, joten yöpymiskaupungilla

ei ole mainittavaa merkitystä siihen, miten tyytyväisiä matkailijat palveluihin, hinta-laatu -

suhteisiin ja matkaan olivat.

Kuvio 4.8. Tampereella yöpyneiden matkustajien tyytyväisyysmuuttujien summamuuttujan

jakauma eri ammattiryhmillä.

123456789

10

johtaja tai ylempi

toimihenkilö

asiantuntija yrittäjä työntekijä tai alempi

toimihenkilö

opiskelija eläkeläinen työtön muu

Tampereella yöpyneiden tyytyväisyys kokonaisuudessaan palveluun, hinta-laatu -suhteisiin ja matkaan yleensä

37

4.2 Logistinen regressio

Seuraavaksi analysoidaan aineistoa logistisen regressioanalyysin avulla. Selitettäviksi

muuttujiksi valittiin Tampereella ja Pirkanmaalla yöpyneet matkustajat. Analyyseissa

käytettiin taaksepäin askeltavaa menetelmää, jolloin aluksi olivat mukana kaikki valitut

mahdolliset selittäjät ja jokaisella iterointikierroksella mallista poistettiin automaattisesti se

muuttuja, jolla oli vähiten vaikutusta selitysasteeseen (Agresti 1996, s. 127; Christensen

1997, s. 212–213).

Tässä tutkimuksessa valittiin taaksepäin askeltava menetelmä sen vuoksi, että sen avulla

saavutettiin analyyseissa parhaimmat selitysasteet malleille. Menetelmässä malleihin

otettiin mukaan muuttujat, joiden pistetodennäköisyys oli suurempi kuin 0,01 ja mallista

poistettiin muuttujat, joiden pistetodennäköisyys ylitti 0,05. Alun perin malliin syötetyistä

muuttujista suurin osa oli koodattu dikotomisiksi mallin selkeyttämiseksi ja tulosten

tulkitsemisen helpottamiseksi. Tarkemmat tiedot SPSS-ajoista on annettu liitteissä B ja C.

4.2.1 Tampereella yöpyneet

Ensiksi analysoidaan Tampereella yöpyneitä matkustajia. Viimeisellä iterointikierroksella

malliin jäi vakiotermin lisäksi 11 muuttujaa, joiden p-arvo oli alle 0,05. Merkitään näitä

selittäjiä mallissa seuraavasti: x1 = matkaseurana lapset, x2 = matkaseurana sukulaiset, x3 =

matkan syynä sukulaisvierailu, x4 = majoitustyyppinä hotelli, x5 = majoitustyyppinä laiva, x6

= majoitustyyppinä sukulaiset, x7 = majoitustyyppinä muu majoitus, x8 = majoitus varattiin

paikan päällä, x9 = keskeisin aktiviteetti liikunta ja urheilu, x10 = tyytyväisyys majoituksen

hinta-laatu -suhteeseen ja x11 = tyytyväisyys matkaan yleensä. Kun yöpymisen

todennäköisyydelle estimoitiin logit-malli, saatiin

logit = –1,989–0,809 +2,546 –1,625 –1,504 –

2,230 +0,919 +1,311 +1,192 +1,196 –0,158 +0,342 ,

38

missä on Tampereella yöpymisen todennäköisyys.

Malli tulkitaan siis siten, että todennäköisyys matkailijan yöpymiselle Tampereella

muodostui edellä mainituista tekijöistä α ja x1, x2,…, x11 ja niiden regressiokertoimista.

Esimerkiksi sellaisen matkailijan, joka tuli Suomeen sukulaistensa kanssa, yöpyi hotellissa

ja varasi hotellin paikan päällä sekä oli suhteellisen tyytyväinen matkaansa yleensä

(arvosanalla 6), todennäköisyys Tampereella yöpymiseen oli

= 0,94042 94 %.

Nagelkerken selitysaste mallille oli 30,1 %. Nagelkerken selitysastetta käytetään tässä sen

vuoksi, että se ottaa huomioon sen, että logistisella regressiomallilla ei ole edes teoriassa

mahdollista päästä 100 % selitykseen (Mauranen, b).

Selkeämmin logistista regressioanalyysia kannattaa kuitenkin tulkita vedonlyöntisuhteiden

avulla (ks. taulukko 4.1). Näiden lukujen perusteella esimerkiksi lasten kanssa

matkustavien todennäköisyys yöpyä Tampereella oli 55,5 % pienempi kuin niiden, jotka

matkustivat jossain muussa seurassa. Suomeen sukulaisvierailulle tulleen matkailijan

todennäköisyys yöpyä Tampereella oli 80,3 % pienempi kuin muista syistä Suomeen

tulleiden. Hotellissa yöpyneen matkailijan todennäköisyys yöpyä Tampereella oli yli neljä

kertaa suurempi verrattuna muun yöpymistavan valinneisiin ja sukulaisille majoittuneen

matkailijan todennäköisyys Tampereella yöpymiseen oli noin 2,5-kertainen muualle

majoittuneisiin verrattuna.

Vahvin vaikutus Tampereella yöpymisen todennäköisyyteen oli matkailijoilla, jotka

matkustivat sukulaistensa kanssa. Heidän todennäköisyytensä yöpyä Tampereella oli yli 12

kertaa suurempi kuin muussa seurassa matkustaneiden. Yli kolminkertaisesti muita

todennäköisemmin Tampereella yöpyi ne matkailijat, jotka mainitsivat keskeisimmäksi

aktiviteetikseen liikunnan ja urheilun, valitsivat muun majoituksen (esim. hostellin) sekä

he, jotka varasivat majoituksen vasta paikan päällä.

39

Tyytyväisyydet tulkitaan siten, että aina kun matkailijan tyytyväisyys majoituksen hinta-

laatu -suhteeseen kasvaa yhden yksikön (asteikolla 1–10), todennäköisyys yöpyä

Tampereella laskee 14,6 %. Kun taas tyytyväisyys matkaan yleensä kasvaa yksikön verran,

hänen todennäköisyytensä yöpyä Tampereella kasvaa 59,2 %.

Taulukko 4.1. Logistisen regressiomallin tilastollisesti merkitsevät muuttujat ja niihin

liittyvät regressiokertoimet, p-arvot ja vedonlyöntisuhteet, kun selitettävänä muuttujana on

yöpyminen Tampereella.

Muuttuja p-arvo Vedonlyöntisuhde

(odds ratio)

X1=matkaseurana lapset

X2=matkaseurana sukulaiset

X3=matkan syynä

sukulaisvierailu

X4=majoituksena hotelli

X5=majoituksena laiva

X6=majoituksena sukulaiset

X7=majoituksena muu

majoitus

X8=majoitus varattu paikan

päällä

X9=keskeisin aktiviteetti

liikunta ja urheilu

X10=tyytyväisyys majoituksen

hinta-laatu -suhteeseen

X11=tyytyväisyys matkaan

yleensä

Vakio

-0,809

2,546

-1,625

1,504

-2,230

0,919

1,311

1,192

1,196

-0,158

0,342

-1,989

0,024

0,017

0,000

0,000

0,000

0,027

0,001

0,031

0,028

0,025

0,000

0,004

0,445

12,756

0,197

4,499

0,108

2,506

3,711

3,295

3,308

0,854

1,408

0,137

4.2.2 Pirkanmaalla yöpyneet

Tässä logistisen regressioanalyysin selitettävänä muuttujana oli matkailijan yöpyminen

Pirkanmaalla. Selvitetään mallintamisen avulla, mitkä muuttujat selittivät parhaiten

matkailijan todennäköisyyttä yöpyä Pirkanmaalla. Tässä tilanteessa käytettiin samaa

40

taaksepäin askeltavaa menetelmää kuin edelläkin ja alkuperäiset selittävät muuttujat ovat

pääosin samat näiden kahden eri tilanteen välisen vertailun helpottamiseksi.

Viimeisellä iterointikierroksella malliin hyväksyttiin 12 muuttujaa sekä vakiotermi.

Kaikkien muuttujien p-arvo oli alle 0,05. Muuttujia merkitään mallissa seuraavasti: x1 =

matkaseurana avio- tai avopuoliso, x2 = matkaseurana lapset, x3 = matkaseurana sukulaiset,

x4 = matkan syynä sukulaisvierailu, x5 = Suomeen tulon syynä kulttuuri, tapahtumat ja

liikunta, x6 = majoituksena hotelli, x7 = majoituksena muu majoitus, x8 = keskeisenä

aktiviteettina tapahtumat, x9 = keskeisenä aktiviteettina liikunta ja urheilu, x10 = majoitus

varattiin paikan päällä, x11 = tyytyväisyys matkaan yleensä ja x12 = majoituksena laiva. Kun

yöpymisen todennäköisyydelle estimoitiin logit-malli, saatiin:

logit = –2,276–0,808 +0,942 +2,105 –1,401 –

0,803 +0,992 +1,005 +1,487 +1,354 –1,275 +0,305 –1,287 ,

missä on Pirkanmaalla yöpymisen todennäköisyys.

Nagelkerken selitysaste tässä mallissa oli 26,8 %. Tulkitaan tätäkin mallia selkeämmin

vedonlyöntisuhteiden avulla, joiden luvut löytyvät taulukosta 4.2. Henkilöt, jotka

matkasivat avio- tai avopuolison kanssa, yöpyivät Pirkanmaalla kaksi kertaa

todennäköisemmin kuin muut. Todennäköisyys Pirkanmaalla yöpymiseen taas pieneni 61

%, jos matkaseurana oli lapset. Sukulaisvierailulla olleiden todennäköisyys Pirkanmaalla

yöpymiseen oli 75,4 % pienempi kuin muusta syystä matkalla olleiden. Hotellin

majoitustyypikseen valinneet päätyivät yöpymään Pirkanmaalla yli kaksi kertaa

todennäköisemmin kuin muut matkailijat, kun taas laivalla yöpyneiden todennäköisyys

yöpyä Pirkanmaalla laski 72,4 % muihin verrattuna.

Sukulaiset matkaseurana vaikuttivat tässäkin vahvimmin Pirkanmaalla yöpymisen

todennäköisyyteen, sillä se on yli kahdeksankertainen siihen matkailijaan nähden, jolla oli

matkaseurana muita kuin sukulaisia. Matkailijat, jotka olivat kiinnostuneita tapahtumista

aktiviteettina, viettivät yönsä Pirkanmaalla yli nelinkertaisesti todennäköisemmin kuin

41

muista aktiviteeteista kiinnostuneet ja liikunnasta ja urheilusta kiinnostuneet melkein

nelinkertaisesti muita todennäköisemmin. Kun matkailijan syy tulla Suomeen oli kulttuuri,

tapahtumat ja liikunta, todennäköisyys yöpyä Pirkanmaalla laski 55,2 % verrattuna muista

syystä tänne tulleisiin. Pirkanmaalla yöpyivät yli kolme kertaa todennäköisemmin ne, jotka

varasivat majoituksen paikan päällä verrattuna etukäteen varanneisiin matkailijoihin.

Tyytyväisyyden mittari tulkitaan siten, että aina kun matkailijan tyytyväisyys matkaan

yleensä kasvaa yhdellä yksiköllä (asteikolla 1–10), kasvaa hänen todennäköisyytensä yöpyä

Pirkanmaalla 47,3 %.

Taulukko 4.2. Logistisen regressiomallin tilastollisesti merkitsevät muuttujat ja niihin

liittyvät regressiokertoimet, p-arvot ja vedonlyöntisuhteet, kun selitettävänä muuttujana on

yöpyminen Pirkanmaalla.

Muuttuja p-arvo Vedonlyöntisuhde

(odds ratio)

X1=matkaseurana avio- tai

avopuoliso

X2=matkaseurana lapset

X3=matkaseurana sukulaiset

X4=matkan syynä

sukulaisvierailu

X5=Suomeen tulon syynä

kulttuuri, tapahtumat ja

liikunta

X6=majoituksena hotelli

X7=majoituksena muu

majoitus

X8=keskeisenä aktiviteettina

tapahtumat

X9=keskeisenä aktiviteettina

liikunta ja urheilu

X10=majoitus varattu paikan

päällä

X11=tyytyväisyys matkaan

yleensä

X12=majoituksena laiva

Vakio

0,808

-0,942

2,105

-1,401

-0,803

0,992

1,005

1,487

1,354

1,275

0,305

-1,287

-2,276

0,008

0,016

0,015

0,000

0,038

0,001

0,007

0,022

0,017

0,021

0,000

0,001

0,001

2,243

0,390

8,204

0,246

0,448

2,695

2,731

4,425

3,873

3,578

1,356

0,276

0,103

42

Molemmissa edellä tutkituissa malleissa oli useita samoja tilastollisesti merkitseviä

muuttujia, mutta esimerkiksi tapahtumat keskeisimpänä aktiviteettina lisäsi matkailijan

todennäköisyyttä yöpyä Pirkanmaalla, mutta ei Tampereella. Varovasti voidaankin pohtia,

johtuivatko erot tapahtumien sijainnista, kulkuyhteyksistä tapahtumiin,

majoitusmahdollisuuksista kaupungissa tapahtumien aikaan vai muista syistä, jotka johtivat

siihen, että kesäajan tapahtumat eivät vaikuttaneet matkailijan valintaan yöpyä Tampereella

matkansa aikana.

Avio- tai avopuolison kanssa matkanneilla oli suurempi todennäköisyys yöpyä

Pirkanmaalla kuin muussa seurassa matkanneilla, mutta Tampereella yöpymiseen avio- tai

avopuolison seuralla ei ollut vaikutusta. Matkailijan valinnalla majoittua sukulaisilleen ei

ollut vaikutusta Pirkanmaalla yöpymiseen, mutta taas Tampereella yöpymisen

todennäköisyyteen se vaikutti 2,5-kertaisesti muun majoittumisvaihtoehdon valinneisiin

verrattuna. Tiivistetysti voidaan todeta, että Tampeella yövyttiin sukulaisten luona

todennäköisemmin muussa seurassa kuin avio- tai avopuolison seurassa, kun taas

laajemmalti Pirkanmaalla avio- tai avopuolisot yöpyivät yhdessä todennäköisimmin joko

hotellissa tai muussa majoituksessa (mm. hostellit, oma asunto).

4.3 Log-lineaariset mallit

Log-lineaarisilla malleilla mallinnetaan aineiston muuttujien välistä riippumattomuutta.

Menetelmä sopii tähän kyselyaineistoon, koska suurin osa aineiston muuttujista on

luokitteluasteikollisia.

4.3.1 Kahden muuttujan log-lineaarinen malli

Aineistosta etsittiin SPSS-ajoilla tilastollisesti merkitseviä kahden muuttujan log-lineaarisia

malleja, joista valittiin kolme tarkempaa analyysia varten. Analyysit suoritettiin siten, että

ensin valittiin malliin tilastollisesti merkitsevät termit taaksepäin askeltavalla menetelmällä

43

saturoidusta mallista alkaen, joiden löytymisen jälkeen haettiin termeille selkeämmät

parametriestimaatit yleisellä log-lineaarisella SPSS-mallinnuksella. Muuttujista

muodostettiin useita kahden muuttujan log-lineaarisia malleja, joissa missään ei ollut

muuttujien välillä yhdysvaikutusta eli ne noudattivat log-lineaarista riippumattomuusmallia

(3.8). Tämä tarkoittaa käytännössä sitä, että muuttujien solufrekvenssit eivät vaikuttaneet

toisen muuttujan solufrekvensseihin vaan ne olivat täysin riippumattomia toisistaan.

Muodostetuista malleista valittiin analyysin esimerkeiksi kolme, jotka sopivat Pearsonin

testisuureen (3.10) perusteella hyvin aineistoon. Kaikkien kolmen mallin molemmissa

ajoissa iterointikertoja oli korkeintaan 10 ja merkitsevyystasona käytettiin 5 %:a. SPSS-ajot

eivät lue malliin mukaan muuttujan referenssiluokkia, sillä niitä vasten verrataan luokkien

parametriestimaateilla vaikutuksen muutosta siirryttäessä luokasta toiseen (Garson 2010, s.

9). SPSS:stä tulostuu parametriestimaattien lisäksi myös standardoidut parametriestimaatit

(Z), jotka ovat parametriestimaatteja jaettuna hajonnoillaan. Kaikkien kolmen mallin

merkitsevien termien parametriestimaatit, standardoidut estimaatit sekä merkitsevyydet

nähdään taulukosta 4.3. SPSS-ajojen tulosteet kokonaisuudessaan ovat annettu liitteessä D.

Ensimmäisessä mallissa termeiksi valittiin muuttujat S = Käytettiinkö internetiä matkan

suunnittelussa (kyllä/ei) ja V = Kuinka kauan etukäteen matka varattiin (alle viikkoa

aiemmin, alle kuukautta aiemmin, 1–2 kuukautta etukäteen tai yli 2 kuukautta etukäteen).

Mallin χ2-testisuure sai p-arvon 0,289 eli malli sopi hyvin aineistoon. Malliksi muodostui

= + + .

Esimerkkitilanteessa, jossa vastaaja käytti internetiä matkan suunnittelussa ja varasi

matkansa alle kuukautta ennen matkaa, estimoidun solufrekvenssin logaritmi on

+ + = 4,346 + 1,639 – 0,490 = 5,495

44

ja odotettu solufrekvenssi on = 243,47.

Taulukosta 4.3 nähdään termeille myös standardoitujen estimaattien arvot (Z). Z:n arvo

kertoo, miten voimakkaasti termi vaikuttaa malliin. Mitä suurempi Z:n arvo on, sitä

enemmän sen poistaminen mallista heikentää mallin selitysastetta (Garson 2010, s. 8).

Standardoitujen estimaattien perusteella huomataan, että muuttujan Käytettiinkö internetiä

matkan suunnittelussa luokka 1 (kyllä) sai suurimman Z:n arvon ja täten sen poisto mallista

vaikuttaisi eniten mallin hyvyyteen.

Toisessa mallissa muuttujina olivat O = Keskeisin aktiviteetti ostokset, kaupat ja tax free

(kyllä/ei) ja I = Ikä (alle 25-vuotias, 25–34, 35–44, 45–54, 55–64 ja yli 64-vuotias). Tämän

mallin χ2-testisuure sai p-arvon 0,606, joten malli on hyvä. Malliin otettiin

merkitsevyyksien perusteella muuttujien kaikki luokat referenssiluokkia lukuunottamatta.

Hyväksytty malli näyttää seuraavalta:

= + + .

Tapauksessa, jossa matkailija oli 55–64 -vuotias eikä pitänyt ostosten tekoa keskeisimpänä

aktiviteettinaan matkan aikana, estimoidun solufrekvenssin logaritmiksi saatiin

= + + = 0,794 + 0,632 = 1,426

ja odotetuksi solufrekvenssiksi = 4,16.

Kolmannessa tapauksessa malliin valikoituivat muuttujat P = Yöpymispaikkana Pirkanmaa

(kyllä/ei) ja L = Keskeisin aktiviteetti: Luonto ja luontoon liittyvät aktiviteetit (kyllä/ei).

Mallin χ2-testisuureen p-arvo oli 0,643 eli saatu malli sopi hyvin aineistoon. Tässä

tapauksessa malli näyttää seuraavalta:

45

= + +

ja log-lineaarisen mallin estimoidun solufrekvenssin logaritmiksi tuli 5,543 silloin, kun

matkailija yöpyi muualla kuin Pirkanmaalla ja keskeisin aktiviteetti hänellä oli jokin muu

kuin luontoon liittyvät asiat. Odotettu solufrekvenssi oli täten = 255,44.

Taulukko 4.3. Kaksisuuntaisten log-lineaaristen mallien parametriestimaatit, standardoidut

estimaatit ja merkitsevyydet

Parametri Estimaatti Standardoitu

estimaatti (Z)

Merkitsevyys (Sig.)

Vakio λ1 4,346 55,683 0,000

-1,664 -14,472 0,000

-0,490 -6,582 0,000

1,639 21,742 0,000

Vakio λ2 0,794 3,921 0,000

1,986 12,069 0,000

1,973 11,979 0,000

1,386 8,036 0,000

1,253 7,160 0,000

0,632 3,308 0,001

2,889 20,859 0,000

Vakio λ3 5,382 92,078 0,000

-0,375 -5,802 0,000

0,536 8,149 0,000

46

4.3.2 Usean muuttujan log-lineaarinen malli

Useiden SPSS-ajojen jälkeen löytyi malli, joka selitti hyvin muuttujien

frekvenssivaihteluita. Muuttujat valittiin malliin taaksepäin askeltavalla menetelmällä.

Löydetyssä mallissa olivat mukana muuttujat M = kansallisuus maittain (Saksa, Britannia,

Italia, Venäjä ja muut), K = parannuskohteena kulttuuriset asiat (kyllä/ei), R =

parannuskohteena Pirkkalan lentokenttään ja Ryanairiin liittyvät asiat (kyllä/ei), PT =

parannuskohteena palvelun taso (kyllä/ei), P = parannuskohteena palvelut matkailijoille

(kyllä/ei) ja S = sukupuoli. Liitteessä E on tarkemmat tiedot analyysin SPSS-tulostuksesta.

Taulukosta 4.4 nähdään mallin termit, niiden χ2-testisuureet, vapausasteet, p-arvot ja

iterointikerrat. Huomataan, että kaikki termit olivat tilastollisesti merkitseviä ja näin ollen

olivat mallissa mukana. Tämän jälkeen merkitseville termeille ajettiin SPSS:llä erikseen

yleinen log-lineaarinen mallinnus (general loglinear analysis), jolla saatiin esiin

parametriestimaatit termeille. Taulukossa 4.5 on esitetty mallin termien tilastollisesti

merkitsevät parametriestimaatit, standardoidut estimaatit (Z) ja merkitsevyydet (p-arvo).

Itse malli sai p-arvokseen 0,845, mikä kertoo mallin sopineen aineistoon ja selittäneen

hyvin muuttujien frekvenssivaihtelut. Mallissa on päävaikutukset muuttujista S, P ja PT

sekä muuttujien M ja K sekä M ja R yhdysvaikutukset. Tämä tarkoittaa tilannetta, jossa

naispuolinen matkailija ei maininnut parannusehdotukseksi palvelun tasoa eikä palveluja

matkailijoille, mutta jonka kansalaisuus vaikutti hänen mielipiteeseensä kulttuuristen

asioiden sekä Pirkkalan lentokenttään ja Ryanairiin liittyvien asioiden parantamisesta. Log-

lineaariseksi malliksi saatiin:

= + + + + + + + + + + + +

+ + .

47

Taulukon 4.5 sarakkeelta Z nähdään kunkin termin standardoidut estimaatit. Huomataan,

että palvelun taso ja palvelut matkailijoille parannusehdotuksina tuottivat suurimmat

standardoidut estimaatit ja näin ollen olivat tärkeimpiä muuttujia tässä mallissa.

Taulukko 4.4. Log-lineaarinen malli kuuden muuttujan tapauksessa

Mallin termit χ2 Vapausasteet Merkitsevyys Iterointikerrat

M*K

M*R

PT

S

P

9,864

23,997

515,323

6,535

453,387

4

4

1

1

1

0,043

0,000

0,000

0,011

0,000

2

2

2

2

2

Malli χ2 Vapausasteet Merkitsevyys

(T, S, P, M*K,

M*R)

124,960 142 0,845

48

Taulukko 4.5. Usean muuttujan log-lineaarisen mallin parametriestimaatit, standardoidut

estimaatit ja merkitsevyydet.

Parametri Estimaatti Standardoitu

estimaatti (Z)

Merkitsevyys (Sig.)

Vakio λ -4,405 -12,976 0,000

-0,218 -2,549 0,011

2,755 15,348 0,000

2,422 15,570 0,000

1,506 4,516 0,000

-1,026 -2,082 0,037

2,222 7,512 0,000

-0,945 -1,979 0,048

-1,886 -2,682 0,007

2,351 10,048 0,000

1,199 4,932 0,000

0,448 2,374 0,018

1,856 5,459 0,000

2,367 3,920 0,000

1,231 7,806 0,000

49

5 Yhteenveto

Tässä tutkielmassa sovellettiin tilastollisia menetelmiä kyselytutkimusaineistoon, joka

kerättiin Ryanairin Suomesta lähteviltä matkustajilta kesän 2009 aikana Tampere-Pirkkalan

lentokentällä. Tutkielman tarkoituksena oli kartoittaa matkailijoita kiinnostavia

matkailukohteita ja aktiviteetteja sekä heidän kokemuksiaan ja näkemyksiään Suomen

tarjonnasta matkailijoille. Käsiteltävä aineisto oli hyvin laaja, joten tämä tutkielma rajoittui

tutkimaan matkailijoiden syitä matkustamiseen, heidän kokemuksiaan matkan aikana sekä

heidän arviointejaan palveluista, tarjonnasta ja parannuskohteista. Kiinnostuksen kohteina

olivat myös Tampereen ja Pirkanmaan vetovoimat yöpymiskaupunkeina. Aineisto koostui

pääosin luokitteluasteikollisista muuttujista, joiden vuoksi analyysin menetelmiksi

valikoituivat kuvailevan analyysin lisäksi logistinen regressioanalyysi, log-lineaariset mallit

sekä χ2-riippumattomuustesti ja kontingenssikerroin.

Aineiston kuvailuvaiheessa huomattiin, että matkustajat tulivat Suomeen pääasiassa

henkilökohtaisten syiden kuten häiden tai sukulaisten vuoksi sekä suomalaisen luonnon ja

suomalaisuuteen liittyvien asioiden vetovoimasta. Luonto ja siihen liittyvät aktiviteetit

olivat selkeästi kärkisijoilla myös matkailijoiden mainitsemissa keskeisimmissä

aktiviteeteissa. Kaupungit ja kunnat myös kiehtoivat Suomessa olleita matkustajia.

Matkailijoiden ehdotuksia parannuskohteiksi olivat muun muassa kallis hintataso sekä

Pirkkalan lentokenttään ja Ryanairiin liittyvät asiat.

Riippuvuuksia tutkielmassa tutkittiin χ2-riippumattomuustestillä, kontingenssikertoimilla ja

keskiarvotestauksilla. Riippuvuutta löytyi muun muassa eri kansallisuuksien ja matkan

syiden välillä. Matkailijan yöpymiskaupunki riippui myös hänen matkansa syystä.

Majoitustyyppi riippui taas siitä, missä seurassa vastaaja oli matkalle lähtenyt sekä siitä,

missä kaupungissa matkustaja yöpyi. Keskeiset vierailukohteet ja aktiviteetit riippuivat

matkailijan kansallisuudesta ja matkan syistä.

Matkailijan kansallisuus vaikutti myös siihen, miten tyytyväinen matkailija oli majoituksen

hinta-laatu -suhteeseen, ravintoloiden hinta-laatu -suhteeseen, suomalaiseen palvelun

tasoon ja hintatasoon. Kaiken kaikkiaan matkailijat olivat suhteellisen tyytyväisiä

50

matkaansa vaikkakin hintatasoa pidettiin kalliina. Tampereella yöpyneiden yleinen

tyytyväisyys riippui jonkin verran matkailijan ammatillisesta asemasta, mutta

tyytyväisyydessä eri kaupunkien kesken ei ollut havaittavaa eroa.

Yöpymiskaupunkien vetovoimia tutkittiin logistisella regressioanalyysilla etsien niille

parhaita mahdollisia malleja selittämään yöpymisen todennäköisyyttä kyseisellä alueella.

Huomattiin, että useat samat muuttujat selittävät yöpymisiä molemmissa, Tampereella ja

Pirkanmaalla, mutta eroavaisuuksiakin löytyi. Esimerkiksi tapahtumat matkailijan

keskeisimpinä aktiviteetteina eivät vaikuttaneet Tampereella yöpymisen

todennäköisyyteen, mutta Pirkamaalla yöpymiseen ne vaikuttivat positiivisesti. Mallin

muodostamisen lisäksi tuloksia tulkittiin vedonlyöntisuhteiden avulla, joista huomattiin

muun muassa se, että sukulaisten oleminen vastaajan matkaseurana nostatti huimasti

todennäköisyyttä yöpyä niin Tampereella kuin Pirkanmaallakin.

Log-lineaarisilla malleilla tutkittiin muuttujien riippumattomuuksia odotettujen ja

havaittujen solufrekvenssien kautta. Tutkielmassa esiteltiin kolme yksinkertaista kahden

muuttujan log-lineaarista mallia, joissa tutkittiin ainoastaan muuttujien omavaikutuksia.

Esimerkkinä otettiin mukaan myös yksi usean muuttujan malli, jossa on mukana muuttujien

omavaikutusten lisäksi myös niiden yhdysvaikutuksia. Kahden muuttujan tilanteissa

löydetyt mallit sopivat hyvin aineistoon ja muuttujien omavaikutukset olivat merkitseviä.

Usean muuttujan esimerkkitapauksessa saatiin merkitseväksi malliksi sellainen tilanne, että

naispuolinen matkailija mainitsee parannusehdotukseksi jonkun muun asian kuin palvelun

tason tai palvelut matkailijoille, mutta hänen kansalaisuutensa vaikuttaa hänen

mielipiteeseensä kulttuuristen asioiden sekä Pirkkalan lentokenttään ja Ryanairiin liittyvien

asioiden parantamisesta.

Tässä tutkielmassa saatiin tilastollisen analyysin avulla tietoa Suomeen ja Tampereen

alueelle saapuvan matkustajakunnan rakenteesta sekä matkustajien motiiveista matkustaa

juuri Suomeen. Kerätyssä aineistossa olisi laajasti mielenkiintoisia aiheita tutkittavaksi ja

analysoitavaksi jatkossakin. Matkailijoiden kokemukset ja näkemykset antavat

suomalaisille matkailualan yrittäjille konkreettista tietoa Suomen matkailutarjonnan

vetovoimasta sekä kehittämiskohteista. Varsinkin halpalentoliikenteen yleistyessä on

tärkeää pohtia, mitkä tekijät matkailijoita Suomessa kiehtovat, mitä asioita tulisi kehittää ja

51

mihin maihin ja keihin markkinointia kannattaisi suunnata, että Suomen vetovoima

matkailukohteena vahvistuisi.

Lopuksi haluan kiittää ohjaajaani professori Erkki Liskiä arvokkaista neuvoista ja

erinomaisesta ohjauksesta. Erityiskiitokset kuuluvat myös Tutkimus- ja koulutuskeskus

Synergosin johtajalle Harri Taloselle, jonka ansiosta sain mahdollisuuden osallistua

tutkimuksen eri vaiheisiin sekä toteuttaa pro gradu -tutkielman tekemisen

mielenkiintoisesta aiheesta. Kiitokset myös läheisilleni tuesta ja ymmärryksestä projektin

aikana.

52

Lähdeluettelo

Agresti, A. (1996), An Introduction to Categorical Data Analysis, John Wiley & Sons, Inc.,

New York.

Aho, S., Honkanen, A. & Saarinen, J. (2001), Matkailuelämykset tutkimuskohteina,

Suomalaisen matkailututkijaverkoston 10-vuotisjulkaisu, Lapin Yliopistopaino, Rovaniemi.

Christensen, R. (1997), Log-Linear Models and Logistic Regression, Springer-Verlag New

York, Inc., New York.

Heikkilä, T. (1998), Tilastollinen tutkimus, Edita Prima Oy, Helsinki.

Hosmer, D. W. & Lemeshow, S. (2000), Applied Logistic Regression, John Wiley & Sons,

Inc, New York.

Rämet, J., Saarinen, J. & Kauppila, P. (2004). ”Matkailijat maantieteellisen tutkimuksen

kohteena: matkailijatyyppien ja kohdealueiden suhde ja muutos”. Terra 116:1, 17–22.

Talonen, H. & Laiho, M. (2004), ”Pirkanmaan matkailun ennakoiva kilpailuanalyysi”,

Pirkanmaan TE-keskuksen julkaisuja 12. Tampereen yliopisto: Liiketaloudellinen

tutkimus- ja koulutuskeskus, Tampere.

Verkkolähteet:

Finavia a, matkustajamäärät lentoasemittain vuonna 2003, luettu 21.1.2010.

http://www.finavia.fi/vuosikertomukset/2003/fi/lentoasemat_2003.html

Finavia b, matkustajamäärät lentoasemittain vuonna 2004, luettu 21.1.2010.

http://www.finavia.fi/vuosikertomukset/2004/fi/lentoasemat2004.html

Finavia c, matkustajamäärät lentoasemittain vuonna 2009, luettu 21.1.2010.

http://www.finavia.fi/files/finavia2/matkustajat_pdf/Matkustajat_lentoasemittain_suo-

fi.pdf%201209

53

FSD. Menetelmäopetuksen tietovaranto. KvantiMOTV, ”Korrelaatio ja riippuvuusluvut”,

luettu 11.5.2010.

http://www.fsd.uta.fi/menetelmaopetus/korrelaatio/korrelaatio.html#kontingenssi

Garson, D. ”Log-Linear, Logit, and Probit Models”, luettu 14.5.2010.

http://faculty.chass.ncsu.edu/garson/PA765/logit.htm

Mauranen, K., a, ”Log-lineaarisista malleista”, luettu 4.12.2009.

http://www.uku.fi/~mauranen/spss/jatko/loglinlogit10.html

Mauranen, K., b, ”Regressioanalyysistä”, luettu 19.5.2010.

http://www.uku.fi/~mauranen/spss/jatko/regressioanalyysi.html

Sipilä, Markku <markku.sipila@airpro.fi> 2010, sähköpostiviesti Tampere-Pirkkalan

lentokentän terminaali 2:n Station Managerilta Markku Sipilältä 22.1.2010.

54

Liite A

Kyselylomake Ryanairin matkustajille

TAMPEREEN YLIOPISTON KAUPPAKORKEAKOULU

TUTKIMUS JA KOULUTUSKESKUS

SYNERGOS

Luottamuksellinen

Matkailijatutkimus Tampere-Pirkkalan lentokentällä

Palautus laatikkoon lähtöportille

Matkailijatutkimuksella pyritään selvittämään matkailijoiden käyttämiä palveluita ja arvioita suomalaisesta

matkailutarjonnasta. Tämä kysely on osa laajaa tutkimushanketta, jonka avulla kehitetään matkailun toimintaedellytyksiä

Tampereen seudulla. Voitte palauttaa kyselyn lähtöportilla sijaitsevaan laatikkoon. Kaikkien vastanneiden kesken

arvotaan viikonloppumatka majoituksineen Ryanairilla Tampereelle sekä tuotepalkintoja.

Vastatkaa kysymyksiin rastittamalla/ympyröimällä oikea vaihtoehto ja/tai kirjoittamalla vastauksenne sille varattuun

tilaan. Monivalintakysymyksissä valitkaa vain yksi vaihtoehto, ellei muuta ole ilmoitettu. Jokainen vastaus käsitellään

Tampereen yliopiston kauppakorkeakoulun Tutkimus- ja koulutuskeskus Synergosissa ehdottoman luottamuksellisesti.

Tutkimustulokset laaditaan siten, etteivät yksittäisen vastaajan antamat vastaukset ole niistä yksilöitävissä.

A. TAUSTATIEDOT

A1. Ikänne? _______vuotta _______vuotta

A2. Sukupuolenne? A)Nainen B)Mies

A3. Siviilisäätynne? A)Naimaton B)Naimisissa / avoliitossa C)Eronnut D)Leski E)Muu

A4. Kansallisuutenne?

A5. Asuinkaupunkinne? _________________Asuinmaanne?_________________

A6. Arvioikaa koko kotitaloutenne keskimääräiset bruttokuukausitulot vuoden 2009 aikana? (ennen verotusta)

A)alle 1 000 € B)1 000–2 000 € C)2 001–3 000 € D)3 001–4 000 €

E)4 001–6 000 € F)6 001–8 000 € G)8 001–12 000€ H)yli 12 000 €

55

A7. Ammattiasemanne?

A)Johtaja/ylempi toimihenkilö

B)Asiantuntija

C)Yrittäjä

D)Työntekijä/ toimihenkilö

E)Opiskelija

F)Eläkeläinen

G)Työtön

H)Muu

A7. Kuinka monta kertaa olette käynyt Suomessa viimeisen kolmen vuoden aikana (mukaan lukien tämä matka)?

_________________ kertaa

A8. Kuinka monta kertaa olette tehnyt ulkomaanmatkan lentokoneella viimeisen vuoden (12 kk) aikana (mukaan lukien tämä matka)?

_________________ kertaa

B. ARVIO TÄSTÄ MATKASTANNE SUOMEEN

B1. Miten saavuitte Suomeen? A)Lentäen B)Laivalla C)Junalla D)Omalla autolla E)Linja-autolla F)Muulla tavalla

B2. Mihin kohteeseen lennätte nyt Tampereelta?

A)Bremen B)Frankfurt C)Dublin D)Lontoo, Stansted E)Milano/Bergamo F)Riika

B3. Kenen kanssa matkustatte? (Voitte valita yhden tai useamman vaihtoehdon)

A)Avio- tai avopuolison kanssa B)Lapsen tai lasten kanssa C)Vanhempien tai isovanhempien kanssa

D)Muiden sukulaisten kanssa E)Tyttö- tai poikaystävän kanssa F)Ystävän tai ystävien kanssa

G)Työyhteisön jäsenen tai jäsenten kanssa H)Yhdistyksen tai seuran kanssa I)Yksin

J)Muussa seurassa, missä?______________________

B4. Mitkä seuraavista olivat PÄÄASIALLISET kulkuvälineenne liikkuessanne Suomessa? (1-2 vaihtoehtoa)

A)Oma auto B)Vuokra-auto C)Linja-auto D)Juna E)Lentokone F)Laiva

G)Jokin muu, mikä? _____________

B5. Miten luonnehtisitte nykyisen matkanne päätarkoitusta?

A)Vapaa-ajanmatka B)Sukulais- tai tuttavavierailu C)Kokous- tai kongressimatka D)Muu työmatka

E)Läpikulkumatka F)Muu

56

B6. Nimetkää 1-3 tärkeintä syytä, miksi tulitte tällä matkalla nimenomaan Suomeen?

1._______________ 2. _______________ 3. _______________

B7. Miten maksoitte matkanne?

A)Maksoin/maksoimme matkani/matkamme itse B)Työnantajani maksoi matkani

C)Yhdistykseni/järjestöni maksoi matkani D)Sain matkan lahjaksi

E)Jotenkin muuten, miten? _______________

B8. Kuinka paljon käytitte rahaa henkeä kohden tällä matkallanne? (mukaan lukien majoitus, mutta ei

lentoja)_____€/hlö

B9. Kuinka paljon ennen matkalle lähtöä varasitte lennot?

A)Alle viikko B)Alle kuukausi C)1–2 kuukautta D)Yli 2 kuukautta

B10. Mikä oli matkanne kesto Suomessa? _____vuorokautta

B11. Rastittakaa, mitä majoitustyyppejä käytitte matkallanne Suomessa ja montako vuorokautta yövyitte

kussakin majoitustyypissä?

majoitustyyppi vuorokautta

A)Hotelli _____

B)Vuokramökki _____

C)Sukulaiset/tuttavat _____

D)Leirintäalue(teltta tai mökki) _____

E)Maatilamajoitus _____

F)Laiva _____

G)Muu, mikä?____________________ _____

B12. Millä paikkakunnilla yövyitte matkallanne? Kirjoittakaa paikkakunnan nimi/nimet.(Suomen kartta on

takasivulla.)

– _______________ – _______________ –_______________ –_______________

–_______________

B13. Mistä varasitte matkanne maksulliset majoituspalvelut?

A)Internetistä Ryanairin tai siihen linkitetyn sivuston kautta (Ryanairin oma sivusto tai Booking.com)

B)Internetistä jonkun muun välittäjän varaussivuston kautta, minkä?_____________________

C)Internetistä (sähköposti/sähköinen varausjärjestelmä) suoraan majoituksen tuottajalta

D)Puhelimella suoraan majoituksen tuottajalta

E)Matkatoimistosta

57

F)Vasta paikan päällä Suomessa

G)Muulla tavoin, miten?________________________________

B14. Mitkä olivat mielestänne matkanne keskeisimmät vierailukohteet/aktiviteetit? (Voitte nimetä 1-5 keskeisintä

kohdetta/aktiviteettia)

1. _______________ 2. _______________ 3. _______________ 4. _______________

5. _______________

B15. Mitä erityisiä asioita/ tekemistä Suomessa suosittelisitte ystävillenne/tuttavillenne tämän matkanne

perusteella?

–____________________________

–____________________________

–____________________________

B16. Kuinka tyytyväinen olette seuraaviin asioihin Suomessa tämän matkan perusteella?(Asteikolla 1-10, jossa 1=

erittäin tyytymätön, 10 = erittäin tyytyväinen)

a) majoituksen hinta-laatusuhde 1 2 3 4 5 6 7 8 9 10

b) ravitsemuspalveluiden hinta-laatusuhde 1 2 3 4 5 6 7 8 9 10

c) suomalainen asiakaspalvelutaso 1 2 3 4 5 6 7 8 9 10

d) matkanne kokonaisuudessaan 1 2 3 4 5 6 7 8 9 10

B17. Mikä on mielikuvanne Suomen yleisestä hintatasosta? (Asteikolla 1-10, jossa 1=erittäin kallis, 10=erittäin halpa)

1 2 3 4 5 6 7 8 9 10

B18. Kun keskustelette ystävienne kanssa, niin kuinka negatiivisesti tai positiivisesti tulette puhumaan

Suomesta matkakohteena? (Asteikolla 1-10, jossa 1=erittäin negatiivisesti, 10=erittäin positiivisesti)

1 2 3 4 5 6 7 8 9 10

B19. Mitä erityistä kehitettävää havaitsitte palveluissa matkailijoille Suomessa tämän matkanne perusteella?

_____________________________________________________________________________________________

_____________________________________________________________________________________________

_____________________________________________________________________________________________

___________________________

B20. Oliko matkallanne joitain erityisiä palvelutilanteita, jotka olisi voitu hoitaa paremmin?

ei

kyllä, mitä?

________________________________________________________________________________________________

58

C. TIEDONHANKINTA JA INTERNETIN KÄYTTÖ

C1. Mitkä seuraavista tiedonlähteistä vaikuttivat matkapäätökseenne saapua Suomeen? Voitte valita yhden tai

useamman vaihtoehdon. Jos olitte työmatkalla, voitte siirtyä seuraavaan kysymykseen C2.

A)Omat aiemmat matkailukokemukset

B)Ystävien tai sukulaisten suosittelut

C)Mainosten ja esitteiden antamat virikkeet

D)Lehtiartikkelit, radio tai tv

E)Ryanairin www-sivut

F)Internetin keskustelupalstat/ sosiaaliset verkostot (esim. Facebook, MySpace jne.)

G)Muu internet-sivusto

H)Messut ja näyttelytapahtumat

I)Muu tiedonlähde, mikä?____________________________

C2. Käytittekö internetiä suunnitellessanne matkaanne Suomeen?

A)kyllä B)en, voitte siirtyä kysymykseen D1

C3. Mikäli käytitte internetiä hakiessanne tietoa Suomesta matkakohteena, niin mitä sivustoja käytitte? Voitte

valita yhden tai useamman vaihtoehdon.

A)Ryanairin internetsivuja

B)Suomen maaportaali (www.visitfinland.com)

C)Kohdekaupunki/-alue (esim. www.helsinki.fi / www.tampere.fi)

D)Yksittäinen matkailukohde/tapahtuma

E)Lähtömaanne matkanjärjestäjä/matkatoimisto

F)Suomalainen matkanjärjestäjä/matkatoimisto (esim. www.gotampere.fi)

G)Internetin keskustelupalstat/ sosiaaliset verkostot jne.(esim. Facebook, MySpace jne.)

H)Laivayhtiö (esim. www.tallinksilja.com, www.vikingline.fi)

I)Lentoyhtiö (esim. www.finnair.fi)

J)Hotellivarausjärjestelmät (esim. www.booking.com, www.hotels.com)

K)Oman alan kokous-/kongressisivusto

L)Joku muu, mikä?_______________________

59

C4. Kuinka tyytyväinen olette internetistä saamaanne ennakkoinformaatioon(Asteikolla 1-10, jossa 1= erittäin

tyytymätön, 10 = erittäin tyytyväinen)

a)Suomesta?

1 2 3 4 5 6 7 8 9 10

b)Tampereen alueesta?

1 2 3 4 5 6 7 8 9 10

C5. Mitkä olivat tällä matkalla mahdollisesti sellaisia asioita, joista olisitte halunneet etukäteen löytää enemmän

tietoa internetistä? Voitte nimetä 1-3 keskeisintä asiaa.

1. ____________________________ 2. ____________________________ 3. ____________________________

C6. Onko teillä hyviä kokemuksia sellaisista kaupunkien tai alueiden internetsivustoista, joilta matkailijan on

helppo löytää tarvitsemaansa informaatiota? Nimetkää tällaiset kaupungit/alueet.

– ____________________________________________________________________________________

D. TIEDONHANKINTA JA INTERNETIN KÄYTTÖ

D1. Miten todennäköisenä pidätte sitä, että tulette a) Tampereen seudulle b) muualle Suomeen uudestaan

seuraavan kolmen vuoden aikana? Valitkaa sopiva vaihtoehto asteikolta 1-10, jossa 1 = pidän uudelleen saapumista

erittäin epätodennäköisenä, 10 = pidän uudelleen saapumista erittäin todennäköisenä.

a) Tampereen seudulle

1 2 3 4 5 6 7 8 9 10

b) muualle Suomeen

1 2 3 4 5 6 7 8 9 10

D2. Mitä erityisesti haluaisitte kokea (nähdä tai tehdä) Suomessa, jos matkustaisitte Suomeen uudelleen? Voitte

nimetä 1-3 aktiviteettia, kohdetta tai muuta kokemisen arvoista asiaa.

–____________________________ –____________________________ –____________________________

D3. Mitä erityisesti haluaisitte kokea (nähdä tai tehdä) Suomen lähialueilla (Luoteis-Venäjä, Viro, Ruotsi), jos

matkustaisitte Suomeen uudelleen? Voitte nimetä 1-3 aktiviteettia, kohdetta tai muuta kokemisen arvoista asiaa.

–____________________________ –____________________________ –____________________________

D4. Jos tekisitte 4-7 vuorokauden kesäisen kiertomatkan Suomessa ja/tai lähialueilla, niin mitkä 1–3 kohdetta

seuraavista haluaisitte siihen liittää?

A)Kylpylä

B)Mökkivuorokausi/vuorokaudet järven rannalla

C)Kansallispuisto

D)Laivaristeily Tukholmaan (SWE) tai Tallinnaan(EST)

E)Vierailu Pietarissa(RUS)

60

F)Vierailu Suomen pääkaupungissa Helsingissä

G)Vierailu muussa kaupungissa, missä?______________________

H)Huvipuisto

I)Jokin luontoaktiviteetti, mikä?_____________________

J)Sisävesiristeily Suomen järvillä

K)Ostosmatkailukohteet

L)Kulttuuritapahtuma tai festivaali, mikä?__________________________

M)Museo-, taidenäyttely- ja kulttuurikohde

N)Muu, mikä?________________________________

D5. Mikä seuraavista kulkuvälineistä pidätte teille sopivimpana vaihtoehtona kiertomatkojen tekoon Suomessa?

A)Oma auto B)Vuokra-auto C)Linja-auto D)Juna

E)Jokin muu, mikä? ___________________

Mikäli haluatte osallistua kaikkien vastanneidein kesken suoritettavaan arvontaan, jossa on pääpalkintona

viikonloppumatka Tampereelle (lennot, hotelli, ko. hetken tarjonnan mukaan oheisohjelmaa, esim. konserttilippu)

sekä muita tuotepalkintoja, niin kirjoittakaa yhteystietonne alle. Voittajille ilmoitetaan henkilökohtaisesti.

Yhteystietoja ei käytetä muuhun tarkoitukseen kuin arvonnan suorittamiseen eikä niitä yhdistetä antamiinne

vastauksiin.

Nimi:_____________________

Katuosoite:____________________

Postitoimipaikka ja -numero:_______________

Maa:______________

Puhelinnumero:____________ tai sähköpostiosoite:______________

KIITOS VAIVANNÄÖSTÄNNE JA ARVOKKAASTA TUTKIMUSAVUSTANNE!

61

Liite B

SPSS: Logistinen regressioanalyysi, Tampereella yöpyneet matkustajat

Block 1: Method = Backward Stepwise (Conditional)

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 143,900 74 ,000

Block 143,900 74 ,000

Model 143,900 74 ,000

Step 59(a)

Step -3,782 1 ,052

Block 87,019 11 ,000

Model 87,019 11 ,000

a A negative Chi-squares value indicates that the Chi-squares value has decreased from the previous step.

Model Summary

Step -2 Log

likelihood Cox & Snell R Square

Nagelkerke R Square

1 315,272(a) ,336 ,460

59 372,152(b) ,219 ,301

a Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001. b Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.

Classification Table(a)

Observed

Predicted

Yöpymispaikka Tampere

Percentage Correct ei kyllä

Step 1 Yöpymispaikka Tampere

ei 82 44 65,1

kyllä 21 205 90,7

Overall Percentage 81,5

Step 59 Yöpymispaikka Tampere

ei 63 63 50,0

kyllä 23 203 89,8

Overall Percentage 75,6

a The cut value is ,500

Variables in the Equation

62

B S.E. Wald df Sig. Exp(B)

Step 1(a)

aviopuoliso ,419 ,498 ,708 1 ,400 1,521

lapset -1,289 ,508 6,444 1 ,011 ,275

vanhemmat 1,097 ,905 1,469 1 ,226 2,996

sukulaiset1 4,312 1,516 8,085 1 ,004 74,588

seurustelukumppani -,307 ,281 1,188 1 ,276 ,736

ystävä -,109 ,494 ,049 1 ,825 ,896

kollega ,097 1,457 ,004 1 ,947 1,102

yhdistys1 -,687 1,066 ,415 1 ,519 ,503

yksin -,435 ,644 ,456 1 ,500 ,647

A7.Ammattiasema 5,497 7 ,600

A7.Ammattiasema(1) ,004 ,636 ,000 1 ,995 1,004

A7.Ammattiasema(2) ,713 ,665 1,150 1 ,284 2,040

A7.Ammattiasema(3) -,973 ,863 1,271 1 ,260 ,378

A7.Ammattiasema(4) -,260 ,653 ,159 1 ,690 ,771

A7.Ammattiasema(5) -,035 ,625 ,003 1 ,956 ,966

A7.Ammattiasema(6) -,107 1,058 ,010 1 ,919 ,898

A7.Ammattiasema(7) -,371 1,153 ,104 1 ,747 ,690

A1.Ikä -,009 ,018 ,232 1 ,630 ,991

vapaa_ajan_matka -,241 ,616 ,154 1 ,695 ,785

sukulaisvierailu -2,127 ,643 10,932 1 ,001 ,119

kokous ,430 ,946 ,207 1 ,649 1,538

muu_työmatka -,502 1,013 ,246 1 ,620 ,605

läpikulkumatka -1,679 ,970 2,997 1 ,083 ,187

muu_matka ,040 ,749 ,003 1 ,957 1,041

matkailukohteet_kaupungit ,620 ,570 1,186 1 ,276 1,860

kulttuuri_tapahtumat_liikunta -,742 ,536 1,911 1 ,167 ,476

työ_opiskelu -,010 ,791 ,000 1 ,990 ,990

henkilökohtaiset_asiat ,526 ,503 1,092 1 ,296 1,692

luonnon_vetovoima -,426 ,436 ,955 1 ,328 ,653

helppous_ja_edullisuus ,473 ,611 ,601 1 ,438 1,605

irtiotto -,220 ,427 ,267 1 ,606 ,802

suomalaisuus ,712 ,380 3,517 1 ,061 2,039

muu_syy ,099 ,582 ,029 1 ,865 1,104

B9.Kuinkakauanetukäteenmatkavarattiin ,036 ,181 ,040 1 ,842 1,037

B10.Matkankestokork.1v

-,002 ,005 ,212 1 ,645 ,998

hotelli 1,268 ,565 5,032 1 ,025 3,554

laiva2 -3,148 ,957 10,811 1 ,001 ,043

leirintäalue ,750 ,876 ,733 1 ,392 2,116

maatila ,822 1,630 ,254 1 ,614 2,274

sukulaiset2 ,890 ,649 1,884 1 ,170 2,435

muu_majoitus ,988 ,637 2,406 1 ,121 2,687

63

internet_ryanair ,664 ,551 1,455 1 ,228 1,943

internet_muu_välittäjä 1,047 ,724 2,094 1 ,148 2,849

internet_majoitus ,343 ,656 ,273 1 ,601 1,409

puhelin_majoitus 1,190 1,255 ,899 1 ,343 3,286

matkatoimisto ,573 1,339 ,183 1 ,669 1,774

paikan_päällä 2,284 ,882 6,706 1 ,010 9,821

kaupungit_alueet1 -,053 ,392 ,018 1 ,892 ,948

matkailukohteet1 -,316 ,457 ,477 1 ,490 ,729

tapahtumat1 1,272 ,713 3,186 1 ,074 3,570

luonto1 ,177 ,405 ,191 1 ,662 1,194

liikunta_urheilu1 1,815 ,776 5,471 1 ,019 6,140

työ_opiskelu1 ,616 ,957 ,414 1 ,520 1,851

kulttuurikohteet1 -,071 ,540 ,017 1 ,895 ,931

suomalaisuus1 ,473 ,727 ,423 1 ,516 1,604

muut_asiat1 1,932 1,285 2,261 1 ,133 6,902

ostokset1 ,867 ,741 1,369 1 ,242 2,380

B16a.Tyytyväisyysmajoituksenhintalaatusuhteeseen

-,140 ,094 2,248 1 ,134 ,869

B16b.Tyytyväisyysravintoloidenhintalaatusuhteeseen

,031 ,086 ,129 1 ,720 1,031

B16c.Tyytyväisyyssuomalaisenpalveluntasoon -,037 ,114 ,109 1 ,741 ,963

B16d.Tyytyväisyysmatkaanyleensä ,483 ,154 9,818 1 ,002 1,621

B17.Vaikutelmahintatasosta ,013 ,074 ,030 1 ,863 1,013

B18.Keskustelunsävy -,079 ,122 ,425 1 ,515 ,924

omat_kokemukset ,270 ,389 ,480 1 ,488 1,310

suosittelut -,809 ,416 3,786 1 ,052 ,445

mainokset_esitteet ,498 ,814 ,375 1 ,541 1,646

lehdet_tv_radio -,353 ,757 ,217 1 ,641 ,703

ryanair_wwwsivut -,159 ,510 ,096 1 ,756 ,853

internet_keskustelut -1,334 ,626 4,538 1 ,033 ,264

muu_internetsivusto ,435 ,506 ,738 1 ,390 1,545

messut_näyttelyt ,608 ,877 ,481 1 ,488 1,838

muu_tiedonlähde -,439 ,495 ,786 1 ,375 ,645

C2.Käytettiinköinternetiämatkaasuunnitellessa 1,345 1,059 1,615 1 ,204 3,840

C4a.TyytyväisyysinternetistäsaatuunennakkoinformaatioonSuom -,145 ,142 1,047 1 ,306 ,865

64

C4b.TyytyväisyysinternetistäsaatuunennakkotietoonTampereen ,070 ,132 ,278 1 ,598 1,072

Constant -3,326 1,966 2,861 1 ,091 ,036

Step 59(a)

lapset -,809 ,359 5,061 1 ,024 ,445

sukulaiset1 2,546 1,063 5,742 1 ,017 12,756

sukulaisvierailu -1,625 ,362 20,119 1 ,000 ,197

hotelli 1,504 ,343 19,201 1 ,000 4,499

laiva2 -2,230 ,564 15,637 1 ,000 ,108

sukulaiset2 ,919 ,417 4,865 1 ,027 2,506

muu_majoitus 1,311 ,401 10,675 1 ,001 3,711

paikan_päällä 1,192 ,553 4,645 1 ,031 3,295

liikunta_urheilu1 1,196 ,545 4,812 1 ,028 3,308

B16a.Tyytyväisyysmajoituksenhintalaatusuhteeseen

-,158 ,071 5,026 1 ,025 ,854

B16d.Tyytyväisyysmatkaanyleensä ,342 ,088 15,166 1 ,000 1,408

Constant -1,989 ,695 8,200 1 ,004 ,137

a Variable(s) entered on step 1: aviopuoliso, lapset, vanhemmat, sukulaiset1, seurustelukumppani, ystävä, kollega, yhdistys1, yksin, A7.Ammattiasema, A1.Ikä, vapaa_ajan_matka, sukulaisvierailu, kokous, muu_työmatka, läpikulkumatka, muu_matka, matkailukohteet_kaupungit, kulttuuri_tapahtumat_liikunta, työ_opiskelu, henkilökohtaiset_asiat, luonnon_vetovoima, helppous_ja_edullisuus, irtiotto, suomalaisuus, muu_syy, B9.Kuinkakauanetukäteenmatkavarattiin, B10.Matkankestokork.1v, hotelli, laiva2, leirintäalue, maatila, sukulaiset2, muu_majoitus, internet_ryanair, internet_muu_välittäjä, internet_majoitus, puhelin_majoitus, matkatoimisto, paikan_päällä, kaupungit_alueet1, matkailukohteet1, tapahtumat1, luonto1, liikunta_urheilu1, työ_opiskelu1, kulttuurikohteet1, suomalaisuus1, muut_asiat1, ostokset1, B16a.Tyytyväisyysmajoituksenhintalaatusuhteeseen, B16b.Tyytyväisyysravintoloidenhintalaatusuhteeseen, B16c.Tyytyväisyyssuomalaisenpalveluntasoon, B16d.Tyytyväisyysmatkaanyleensä, B17.Vaikutelmahintatasosta, B18.Keskustelunsävy, omat_kokemukset, suosittelut, mainokset_esitteet, lehdet_tv_radio, ryanair_wwwsivut, internet_keskustelut, muu_internetsivusto, messut_näyttelyt, muu_tiedonlähde, C2.Käytettiinköinternetiämatkaasuunnitellessa, C4a.TyytyväisyysinternetistäsaatuunennakkoinformaatioonSuom, C4b.TyytyväisyysinternetistäsaatuunennakkotietoonTampereen.

65

Liite C

SPSS: Logistinen regressioanalyysi, Pirkanmaalla yöpyneet matkustajat

Block 1: Method = Backward Stepwise (Conditional)

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 140,609 76 ,000

Block 140,609 76 ,000

Model 140,609 76 ,000

Step 60(a)

Step -3,254 1 ,071

Block 74,814 12 ,000

Model 74,814 12 ,000

a A negative Chi-squares value indicates that the Chi-squares value has decreased from the previous step.

Model Summary

Step -2 Log

likelihood Cox & Snell R Square

Nagelkerke R Square

1 301,249(a) ,329 ,461

60 367,043(b) ,191 ,268

a Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.

b Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.

Classification Table(a)

Observed

Predicted

Yöpymispaikka Pirkanmaa

Percentage Correct ei kyllä

Step 1 Yöpymispaikka Pirkanmaa

ei 68 45 60,2

kyllä 21 218 91,2

Overall Percentage 81,3

Step 60 Yöpymispaikka Pirkanmaa

ei 46 67 40,7

kyllä 23 216 90,4

Overall Percentage 74,4

a The cut value is ,500

66

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step 1(a)

aviopuoliso 1,558 ,585 7,090 1 ,008 4,752

lapset -,864 ,537 2,592 1 ,107 ,421

vanhemmat 2,533 1,128 5,046 1 ,025 12,597

sukulaiset1 4,033 1,466 7,563 1 ,006 56,418

seurustelukumppani 1,311 ,745 3,099 1 ,078 3,710

ystävä ,915 ,610 2,251 1 ,133 2,498

yhdistys1 -,599 1,101 ,296 1 ,586 ,549

yksin ,090 ,700 ,017 1 ,897 1,095

muu -37,996 40192,971 ,000 1 ,999 ,000

A7.Ammattiasema 6,045 7 ,535

A7.Ammattiasema(1) -,259 ,673 ,148 1 ,700 ,772

A7.Ammattiasema(2) ,818 ,719 1,295 1 ,255 2,265

A7.Ammattiasema(3) -,472 ,842 ,315 1 ,575 ,624

A7.Ammattiasema(4) -,495 ,671 ,544 1 ,461 ,610

A7.Ammattiasema(5) ,245 ,653 ,140 1 ,708 1,277

A7.Ammattiasema(6) -,537 1,066 ,254 1 ,614 ,584

A7.Ammattiasema(7) ,212 1,210 ,031 1 ,861 1,236

A1.Ikä ,007 ,020 ,122 1 ,727 1,007

vapaa_ajan_matka -,310 ,646 ,230 1 ,631 ,734

sukulaisvierailu -1,906 ,655 8,458 1 ,004 ,149

kokous 1,532 ,903 2,876 1 ,090 4,627

muu_työmatka -,034 ,961 ,001 1 ,972 ,967

läpikulkumatka -1,419 1,009 1,977 1 ,160 ,242

muu_matka -,188 ,793 ,056 1 ,812 ,828

matkailukohteet_kaupungit ,722 ,582 1,538 1 ,215 2,058

kulttuuri_tapahtumat_liikunta -,857 ,553 2,400 1 ,121 ,424

työ_opiskelu -,370 ,764 ,234 1 ,628 ,691

henkilökohtaiset_asiat -,310 ,521 ,356 1 ,551 ,733

luonnon_vetovoima -,216 ,455 ,224 1 ,636 ,806

helppous_ja_edullisuus -,138 ,647 ,046 1 ,831 ,871

irtiotto ,178 ,451 ,156 1 ,693 1,195

suomalaisuus ,420 ,386 1,184 1 ,277 1,521

muu_syy -,285 ,592 ,232 1 ,630 ,752

B9.Kuinkakauanetukäteenmatkavarattiin -,086 ,192 ,203 1 ,652 ,917

B10.Matkankestokork.1v -,003 ,005 ,296 1 ,586 ,997

hotelli 1,107 ,628 3,110 1 ,078 3,025

leirintäalue ,260 ,933 ,078 1 ,780 1,297

maatila -,096 2,000 ,002 1 ,962 ,908

sukulaiset2 ,883 ,712 1,540 1 ,215 2,419

67

muu_majoitus ,880 ,702 1,574 1 ,210 2,412

kaupungit_alueet1 -,278 ,411 ,456 1 ,500 ,758

matkailukohteet1 -,610 ,484 1,588 1 ,208 ,543

tapahtumat1 1,801 ,759 5,639 1 ,018 6,057

luonto1 ,197 ,416 ,223 1 ,637 1,218

liikunta_urheilu1 1,749 ,761 5,275 1 ,022 5,747

työ_opiskelu1 ,668 ,930 ,516 1 ,473 1,951

henkilökohtaiset_asiat1 1,561 ,778 4,022 1 ,045 4,762

kulttuurikohteet1 -,032 ,531 ,004 1 ,951 ,968

suomalaisuus1 ,526 ,712 ,546 1 ,460 1,693

viihde_vapaaaika1 1,034 ,567 3,328 1 ,068 2,812

muut_asiat1 1,422 1,361 1,092 1 ,296 4,146

ostokset1 ,553 ,787 ,495 1 ,482 1,739

internet_ryanair ,461 ,556 ,686 1 ,407 1,586

internet_muu_välittäjä 1,337 ,766 3,043 1 ,081 3,807

internet_majoitus ,146 ,662 ,049 1 ,825 1,157

puhelin_majoitus 1,228 1,373 ,799 1 ,371 3,414

matkatoimisto ,620 1,413 ,193 1 ,661 1,859

paikan_päällä 2,719 ,943 8,323 1 ,004 15,169

B16a.Tyytyväisyysmajoituksenhintalaatusuhteeseen

-,025 ,092 ,073 1 ,787 ,975

B16b.Tyytyväisyysravintoloidenhintalaatusuhteeseen

-,008 ,089 ,008 1 ,931 ,992

B16c.Tyytyväisyyssuomalaisenpalveluntasoon ,039 ,114 ,115 1 ,734 1,040

B16d.Tyytyväisyysmatkaanyleensä ,443 ,147 9,032 1 ,003 1,557

B17.Vaikutelmahintatasosta -,014 ,076 ,033 1 ,856 ,986

B18.Keskustelunsävy -,160 ,123 1,711 1 ,191 ,852

omat_kokemukset ,404 ,404 1,000 1 ,317 1,498

suosittelut -,654 ,419 2,439 1 ,118 ,520

mainokset_esitteet ,165 ,824 ,040 1 ,841 1,180

lehdet_tv_radio -,647 ,741 ,762 1 ,383 ,524

ryanair_wwwsivut -,556 ,533 1,090 1 ,297 ,573

internet_keskustelut -1,458 ,647 5,081 1 ,024 ,233

muu_internetsivusto ,806 ,534 2,273 1 ,132 2,238

messut_näyttelyt ,258 ,866 ,089 1 ,766 1,294

muu_tiedonlähde -,500 ,507 ,972 1 ,324 ,607

C2.Käytettiinköinternetiämatkaasuunnitellessa 1,077 1,098 ,963 1 ,327 2,936

68

C4a.TyytyväisyysinternetistäsaatuunennakkoinformaatioonSuom -,185 ,147 1,587 1 ,208 ,831

C4b.TyytyväisyysinternetistäsaatuunennakkotietoonTampereen ,186 ,144 1,681 1 ,195 1,205

laiva2 -2,373 ,884 7,206 1 ,007 ,093

Constant -4,058 2,090 3,770 1 ,052 ,017

Step 60(a)

aviopuoliso ,808 ,307 6,940 1 ,008 2,243

lapset -,942 ,390 5,846 1 ,016 ,390

sukulaiset1 2,105 ,869 5,868 1 ,015 8,204

sukulaisvierailu -1,401 ,332 17,753 1 ,000 ,246

kulttuuri_tapahtumat_liikunta -,803 ,387 4,303 1 ,038 ,448

hotelli ,992 ,309 10,270 1 ,001 2,695

muu_majoitus 1,005 ,373 7,257 1 ,007 2,731

tapahtumat1 1,487 ,649 5,247 1 ,022 4,425

liikunta_urheilu1 1,354 ,567 5,694 1 ,017 3,873

paikan_päällä 1,275 ,553 5,318 1 ,021 3,578

B16d.Tyytyväisyysmatkaanyleensä ,305 ,075 16,479 1 ,000 1,356

laiva2 -1,287 ,396 10,567 1 ,001 ,276

Constant -2,276 ,685 11,025 1 ,001 ,103

a Variable(s) entered on step 1: aviopuoliso, lapset, vanhemmat, sukulaiset1, seurustelukumppani, ystävä, yhdistys1, yksin, muu, A7.Ammattiasema, A1.Ikä, vapaa_ajan_matka, sukulaisvierailu, kokous, muu_työmatka, läpikulkumatka, muu_matka, matkailukohteet_kaupungit, kulttuuri_tapahtumat_liikunta, työ_opiskelu, henkilökohtaiset_asiat, luonnon_vetovoima, helppous_ja_edullisuus, irtiotto, suomalaisuus, muu_syy, B9.Kuinkakauanetukäteenmatkavarattiin, B10.Matkankestokork.1v, hotelli, leirintäalue, maatila, sukulaiset2, muu_majoitus, kaupungit_alueet1, matkailukohteet1, tapahtumat1, luonto1, liikunta_urheilu1, työ_opiskelu1, henkilökohtaiset_asiat1, kulttuurikohteet1, suomalaisuus1, viihde_vapaaaika1, muut_asiat1, ostokset1, internet_ryanair, internet_muu_välittäjä, internet_majoitus, puhelin_majoitus, matkatoimisto, paikan_päällä, B16a.Tyytyväisyysmajoituksenhintalaatusuhteeseen, B16b.Tyytyväisyysravintoloidenhintalaatusuhteeseen, B16c.Tyytyväisyyssuomalaisenpalveluntasoon, B16d.Tyytyväisyysmatkaanyleensä, B17.Vaikutelmahintatasosta, B18.Keskustelunsävy, omat_kokemukset, suosittelut, mainokset_esitteet, lehdet_tv_radio, ryanair_wwwsivut, internet_keskustelut, muu_internetsivusto, messut_näyttelyt, muu_tiedonlähde, C2.Käytettiinköinternetiämatkaasuunnitellessa, C4a.TyytyväisyysinternetistäsaatuunennakkoinformaatioonSuom, C4b.TyytyväisyysinternetistäsaatuunennakkotietoonTampereen, laiva2.

69

Liite D

SPSS: Log-lineaarinen analyysi, kahden muuttujan mallit

1. Käytettiinkö internetiä matkaa suunnitellessa? Kuinka kauan etukäteen matka

varattiin?

Convergence Infor mationa

C2.

Käytettiinköinternetiämatkaasuunnitellessa,

B9.Kuinkakauanetukäteenmatkavarattiin

0

,000

,389

Generating Class

Number of Iterations

Max. Dif ference

betw een Observed

and Fitted Marginals

Convergence Criterion

Statistics for the f inal model after Backw ard Elimination.a.

Data Inform ation

1292

270

1292

8

0

0

2

4

Valid

Missing

Weighted Valid

Cases

Def ined Cells

Structural Zeros

Sampling Zeros

Cells

Käytettiinkö internetiä

matkaa suunnitellessa?

Kuinka kauan etukäteen

matka varattiin?

Categories

N

Goodness-of-Fit Tes tsa,b

3,755 3 ,289

3,598 3 ,308

Likelihood Ratio

Pearson Chi-Square

Value df Sig.

Model: Poissona.

Design: Constant + B9.

Kuinkakauanetukäteenmatkavarattiin + C2.

Käytettiinköinternetiämatkaasuunnitellessa

b.

Cell Counts and Res iduals

80,000 6,2% 75,372 5,8% 4,628 ,533

242,000 18,7% 243,701 18,9% -1,701 -,109

371,000 28,7% 365,133 28,3% 5,867 ,307

389,000 30,1% 397,794 30,8% -8,794 -,441

10,000 ,8% 14,628 1,1% -4,628 -1,210

49,000 3,8% 47,299 3,7% 1,701 ,247

65,000 5,0% 70,867 5,5% -5,867 -,697

86,000 6,7% 77,206 6,0% 8,794 1,001

Kuinka kauan etukäteen

matka varattiin?

alle v iikko

alle kuukaus i

1-2 kuukautta

yli 2 kuukautta

alle v iikko

alle kuukaus i

1-2 kuukautta

yli 2 kuukautta

Käytettiinkö internetiä

matkaa suunnitellessa?

ky llä

ei

Count %

Observed

Count %

Expected

Residuals

Std.

Residuals

70

Step Summ ary

C2.

Käytettiink

öinterneti

ämatkaas

uunnitelle

ssa*B9.

Kuinkaka

uanetukät

eenmatka

varattiin

,000 0 .

C2.

Käytettiink

öinterneti

ämatkaas

uunnitelle

ssa*B9.

Kuinkaka

uanetu

3,755 3 ,289 2

C2.

Käytettiink

öinterneti

ämatkaas

uunnitelle

ssa, B9.

Kuinkaka

uanetukät

eenmatka

varattiin

3,755 3 ,289

C2.

Käytettiink

öinterneti

ämatkaas

uunnitelle

ssa

644,169 1 ,000 2

B9.

Kuinkaka

uanetukät

eenmatka

varattiin

337,239 3 ,000 2

C2.

Käytettiink

öinterneti

ämatkaas

uunnitelle

ssa, B9.

Kuinkaka

uanetukät

eenmatka

varattiin

3,755 3 ,289

Generating Classc

1Deleted Ef fect

Generating Classc

1

2

Deleted Ef fect

Generating Classc

Stepb

0

1

2

Effects Chi-Squarea

df Sig.

Number of

Iterations

For 'Deleted Ef fec t', this is the change in the Chi-Square af ter the ef fec t is deleted f rom the model.a.

At each s tep, the ef fec t w ith the largest s ignif icance level for the Likelihood Ratio Change is deleted, provided

the s ignif icance level is larger than ,050.

b.

Statistics are displayed for the best model at each s tep af ter step 0.c.

71

2. Keskeisin aktiviteetti: Ostokset, kaupat ja tax free ja Luokiteltu ikä-muuttuja

Convergence Informationa,b

10

,00100

,00034c

,00020

5

Maximum Number

of Iterations

Converge Tolerence

Final Maximum

Absolute Dif ference

Final Maximum

Relative Difference

Number of Iterations

Model: Poissona.

Design: Constant + B9.

Kuinkakauanetukäteenmatkavarattiin + C2.

Käytettiinköinternetiämatkaasuunnitellessa

b.

The iteration converged because the maximum

absolute changes of parameter estimates is

less than the spec if ied convergence criterion.

c.

Parameter Es timatesb,c

4,346 ,078 55,683 ,000 4,193 4,499

-1,664 ,115 -14,472 ,000 -1,889 -1,438

-,490 ,074 -6,582 ,000 -,636 -,344

-,086 ,066 -1,292 ,196 -,216 ,044

0a

. . . . .

1,639 ,075 21,742 ,000 1,492 1,787

0a

. . . . .

Parameter

Constant

[B9.

Kuinkakauanetukäteen

matkavarattiin = 1]

[B9.

Kuinkakauanetukäteen

matkavarattiin = 2]

[B9.

Kuinkakauanetukäteen

matkavarattiin = 3]

[B9.

Kuinkakauanetukäteen

matkavarattiin = 4]

[C2.

Käytettiinköinternetiäma

tkaasuunnitellessa = 1]

[C2.

Käytettiinköinternetiäma

tkaasuunnitellessa = 2]

Estimate Std. Error Z Sig. Low er Bound Upper Bound

95% Conf idence Interval

This parameter is set to zero because it is redundant.a.

Model: Poissonb.

Design: Constant + B9.Kuinkakauanetukäteenmatkavarattiin + C2.

Käytettiinköinternetiämatkaasuunnitellessa

c.

Data Inform ation

1044

518

1044

12

0

0

2

6

Valid

Missing

Weighted Valid

Cases

Def ined Cells

Structural Zeros

Sampling Zeros

Cells

Keskeinen

vierailukohde/aktiviteetti:

os tokset, kaupat, tax f ree

Ikä

Categories

N

72

Step Summ ary

ostokset1

*luokika,000 0 .

ostokset1

*luokika3,617 5 ,606 2

ostokset

1, luokika3,617 5 ,606

ostokset1 1016,458 1 ,000 2

luokika 373,001 5 ,000 2

ostokset

1, luokika3,617 5 ,606

Generating Classc

1Deleted Ef fect

Generating Classc

1

2

Deleted Ef fect

Generating Classc

Stepb

0

1

2

Effects Chi-Squarea

df Sig.

Number of

Iterations

For 'Deleted Ef fec t', this is the change in the Chi-Square af ter the ef fec t is deleted f rom the model.a.

At each s tep, the ef fec t w ith the largest s ignif icance level for the Likelihood Ratio Change is deleted, provided

the s ignif icance level is larger than ,050.

b.

Statistics are displayed for the best model at each s tep af ter step 0.c.

Convergence Informationa,b

10

,00100

,00026c

,00033

6

Maximum Number

of Iterations

Converge Tolerence

Final Maximum

Absolute Dif ference

Final Maximum

Relative Difference

Number of Iterations

Model: Poissona.

Design: Constant + luokika + ostokset1b.

The iteration converged because the maximum

absolute changes of parameter estimates is

less than the spec if ied convergence criterion.

c.

Goodness -of-Fit Tes tsa,b

3,617 5 ,606

3,371 5 ,643

Likelihood Ratio

Pearson Chi-Square

Value df Sig.

Model: Poissona.

Design: Constant + luokika + ostokset1b.

Parameter Es timatesb,c

,794 ,203 3,921 ,000 ,397 1,191

1,986 ,165 12,069 ,000 1,663 2,308

1,973 ,165 11,979 ,000 1,650 2,296

1,386 ,173 8,036 ,000 1,048 1,724

1,253 ,175 7,160 ,000 ,910 1,596

,632 ,191 3,308 ,001 ,257 1,006

0a . . . . .

2,889 ,139 20,859 ,000 2,618 3,161

0a . . . . .

Parameter

Constant

[luokika = 1]

[luokika = 2]

[luokika = 3]

[luokika = 4]

[luokika = 5]

[luokika = 6]

[ostokset1 = 0]

[ostokset1 = 1]

Estimate Std. Error Z Sig. Low er Bound Upper Bound

95% Conf idence Interval

This parameter is set to zero because it is redundant.a.

Model: Poissonb.

Design: Constant + luokika + ostokset1c.

73

3. Yöpymispaikkana Pirkanmaa ja Keskeinen aktiviteetti: Luonto ja luontoon liittyvät aktiviteetit

Cell Counts and Res iduals

288,000 27,6% 289,879 27,8% -1,879 -,110

282,000 27,0% 286,090 27,4% -4,090 -,242

161,000 15,4% 159,149 15,2% 1,851 ,147

141,000 13,5% 139,256 13,3% 1,744 ,148

77,000 7,4% 74,838 7,2% 2,162 ,250

40,000 3,8% 39,787 3,8% ,213 ,034

18,000 1,7% 16,121 1,5% 1,879 ,468

20,000 1,9% 15,910 1,5% 4,090 1,025

7,000 ,7% 8,851 ,8% -1,851 -,622

6,000 ,6% 7,744 ,7% -1,744 -,627

2,000 ,2% 4,162 ,4% -2,162 -1,060

2,000 ,2% 2,213 ,2% -,213 -,143

Ikä

alle 25 vuotta

25-34

35-44

45-54

55-64

yli 64 vuotta

alle 25 vuotta

25-34

35-44

45-54

55-64

yli 64 vuotta

Keskeinen

vierailukohde/aktiviteetti:

os tokset, kaupat, tax f ree

ei

ky llä

Count %

Observed

Count %

Expected

Residuals

Std.

Residuals

Step Summ ary

Pirkanma

a*luonto1,000 0 .

Pirkanma

a*luonto1,215 1 ,643 2

Pirkanma

a, luonto1,215 1 ,643

Pirkanma

a34,258 1 ,000 2

luonto1 68,806 1 ,000 2

Pirkanma

a, luonto1,215 1 ,643

Generating Classc

1Deleted Ef fect

Generating Classc

1

2

Deleted Ef fect

Generating Classc

Stepb

0

1

2

Effects Chi-Squarea

df Sig.

Number of

Iterations

For 'Deleted Ef fect', this is the change in the Chi-Square af ter the ef fect is deleted f rom the model.a.

At each s tep, the ef fect w ith the largest s ignif icance level for the Likelihood Ratio Change is deleted, provided

the s ignif icance level is larger than ,050.

b.

Statistics are displayed for the best model at each s tep af ter step 0.c.

Data Inform ation

994

568

994

4

0

0

2

2

Valid

Missing

Weighted Valid

Cases

Def ined Cells

Structural Zeros

Sampling Zeros

Cells

Yöpymispaikka

Pirkanmaa

Keskeinen

vierailukohde/aktiviteetti:

luonto ja luontoon liittyvät

aktiviteetit

Categories

N

Goodness -of-Fit Tes tsa,b

,215 1 ,643

,215 1 ,643

Likelihood Ratio

Pearson Chi-Square

Value df Sig.

Model: Poissona.

Design: Constant + Pirkanmaa + luonto1b.

74

Convergence Informationa,b

10

,00100

1,3E-006c

1,6E-006

4

Maximum Number

of Iterations

Converge Tolerence

Final Maximum

Absolute Dif ference

Final Maximum

Relative Difference

Number of Iterations

Model: Poissona.

Design: Constant + Pirkanmaa + luonto1b.

The iteration converged because the maximum

absolute changes of parameter estimates is

less than the spec if ied convergence criterion.

c.

Parameter Es timatesb,c

5,382 ,058 92,078 ,000 5,267 5,497

-,375 ,065 -5,802 ,000 -,501 -,248

0a . . . . .

,536 ,066 8,149 ,000 ,407 ,664

0a . . . . .

Parameter

Constant

[Pirkanmaa = 0]

[Pirkanmaa = 1]

[luonto1 = 0]

[luonto1 = 1]

Estimate Std. Error Z Sig. Low er Bound Upper Bound

95% Conf idence Interval

This parameter is set to zero because it is redundant.a.

Model: Poissonb.

Design: Constant + Pirkanmaa + luonto1c.

Cell Counts and Res iduals

252,000 25,4% 255,468 25,7% -3,468 -,217

153,000 15,4% 149,532 15,0% 3,468 ,284

375,000 37,7% 371,532 37,4% 3,468 ,180

214,000 21,5% 217,468 21,9% -3,468 -,235

Keskeinen

vierailukohde/aktiviteetti:

luonto ja luontoon liittyvät

aktiviteetitei

ky llä

ei

ky llä

Yöpymispaikka

Pirkanmaa

ei

ky llä

Count %

Observed

Count %

Expected

Residuals

Std.

Residuals

75

Liite E

SPSS: Log-lineaarinen analyysi, usean muuttujan malli

Hierarchical Loglinear Analysis Step Summary

Step(b) Effects Chi-Square(a) df Sig. Number of Iterations Step(b)

Deleted Effect

1

Maa_Kansallisuusluokittelu*kulttuuriset_asiat

9,864 4 ,043

2

Maa_Kansallisuusluokittelu*ryanair_lentokenttä

23,997 4 ,000

3

palvelun_taso 515,323 1 ,000

4

A2.Sukupuoli 6,535 1 ,011 2

5

palvelut 453,387 1 ,000 2

7 Generating Class(c)

Maa_Kansallisuusluokittelu*kulttuuriset_asiat

, Maa_Kansallisuusluokittelu*ryanair_lentoken

ttä, palvelun_taso, A2.Sukupuoli, palvelut

124,960 ,142 0,845 2

a For 'Deleted Effect', this is the change in the Chi-Square after the effect is deleted from the model. b At each step, the effect with the largest significance level for the Likelihood Ratio Change is deleted, provided the significance level is larger than ,050. c Statistics are displayed for the best model at each step after step 0.

76

Parameter Estimates(b,c)

Parameter Estimate Std. Error Z Sig.

Constant -4,405 ,339 -12,976 ,000

[A2.Sukupuoli = 1] -,218 ,086 -2,549 ,011

[A2.Sukupuoli = 2] 0(a) . . .

[palvelun_taso = 0] 2,755 ,180 15,348 ,000

[palvelun_taso = 1] 0(a) . . .

[palvelut = 0] 2,422 ,156 15,570 ,000

[palvelut = 1] 0(a) . . .

Data Inform ation

552

1010

552

160

0

101

5

2

2

2

2

2

Valid

Missing

Weighted Valid

Cases

Def ined Cells

Structural Zeros

Sampling Zeros

Cells

Kansallisuus maittain

Sukupuoli

Parannuskohde:

Pirkkalan lentokenttään ja

Ryanairiin liittyvät as iat

Parannuskohde: palvelut

matkailijoille

Parannuskohde: palvelun

taso

Parannuskohde:

kulttuuriset as iat

Categories

N

Convergence Informationa,b

10

,00100

3,2E-006c

4,7E-006

8

Maximum Number

of Iterations

Converge Tolerence

Final Maximum

Absolute Dif ference

Final Maximum

Relative Difference

Number of Iterations

Model: Poissona.

Design: Constant + A2.Sukupuoli + palvelun_

taso + palvelut + Maa_Kansallisuusluokittelu *

kulttuuriset_asiat + Maa_

Kansallisuusluokittelu * ryanair_lentokenttä

b.

The iteration converged because the maximum

absolute changes of parameter estimates is

less than the spec if ied convergence criterion.

c.

Goodness -of-Fit Tes tsa,b

124,960 142 ,845

114,348 142 ,957

Likelihood Ratio

Pearson Chi-Square

Value df Sig.

Model: Poissona.

Design: Constant + A2.Sukupuoli + palvelun_taso +

palvelut + Maa_Kansallisuusluokittelu * kulttuuriset_

as iat + Maa_Kansallisuus luokittelu * ryanair_

lentokenttä

b.

77

[Maa_Kansallisuusluokittelu = 1] * [kulttuuriset_asiat = 0]

1,506 ,333 4,516 ,000

[Maa_Kansallisuusluokittelu = 1] * [kulttuuriset_asiat = 1]

-1,026 ,493 -2,082 ,037

[Maa_Kansallisuusluokittelu = 2] * [kulttuuriset_asiat = 0]

2,222 ,296 7,512 ,000

[Maa_Kansallisuusluokittelu = 2] * [kulttuuriset_asiat = 1]

-,053 ,411 -,129 ,897

[Maa_Kansallisuusluokittelu = 3] * [kulttuuriset_asiat = 0]

,600 ,410 1,466 ,143

[Maa_Kansallisuusluokittelu = 3] * [kulttuuriset_asiat = 1]

-,945 ,478 -1,979 ,048

[Maa_Kansallisuusluokittelu = 4] * [kulttuuriset_asiat = 0]

-,670 ,638 -1,050 ,294

[Maa_Kansallisuusluokittelu = 4] * [kulttuuriset_asiat = 1]

-1,886 ,703 -2,682 ,007

[Maa_Kansallisuusluokittelu = 5] * [kulttuuriset_asiat = 0]

2,351 ,234 10,048 ,000

[Maa_Kansallisuusluokittelu = 5] * [kulttuuriset_asiat = 1]

0(a) . . .

[Maa_Kansallisuusluokittelu = 1] * [ryanair_lentokenttä = 0]

1,199 ,243 4,932 ,000

[Maa_Kansallisuusluokittelu = 1] * [ryanair_lentokenttä = 1]

0(a) . . .

[Maa_Kansallisuusluokittelu = 2] * [ryanair_lentokenttä = 0]

,448 ,189 2,374 ,018

[Maa_Kansallisuusluokittelu = 2] * [ryanair_lentokenttä = 1]

0(a) . . .

[Maa_Kansallisuusluokittelu = 3] * [ryanair_lentokenttä = 0]

1,856 ,340 5,459 ,000

78

[Maa_Kansallisuusluokittelu = 3] * [ryanair_lentokenttä = 1]

0(a) . . .

[Maa_Kansallisuusluokittelu = 4] * [ryanair_lentokenttä = 0]

2,367 ,604 3,920 ,000

[Maa_Kansallisuusluokittelu = 4] * [ryanair_lentokenttä = 1]

0(a) . . .

[Maa_Kansallisuusluokittelu = 5] * [ryanair_lentokenttä = 0]

1,231 ,158 7,806 ,000

[Maa_Kansallisuusluokittelu = 5] * [ryanair_lentokenttä = 1]

0(a) . . .

a This parameter is set to zero because it is redundant. b Model: Poisson c Design: Constant + A2.Sukupuoli + palvelun_taso + palvelut + Maa_Kansallisuusluokittelu * kulttuuriset_asiat + Maa_Kansallisuusluokittelu * ryanair_lentokenttä