摘要：了解并有效测度游客满意度是提升主题公园经营管理水平的重要手段。针对当前研究中存在理论模型的适切性缺乏探讨、指标题项对主题公园内涵表征不足等问题，本文基于对案例地的分析讨论，选取欧洲顾客满意度指数(ECSI)模型作为理论基础，并完成以文献查阅、半结构化访谈、访谈编码等质性研究方法为主的题项设计与增删过程，加入拥挤感知、创意构思与设计等维度与题项，最终形成由景区形象、游客期望、感知质量、拥挤感知、感知价值5个维度、44个题项构成的主题公园游客满意度测评量表。结果表明：量表具有良好的信效度，能较有效测度主题公园游客满意度。
关键词：主题公园；游客满意度；量表开发；上海迪士尼乐园；欧洲顾客满意度指数模型
作者：江丙瑞，杨钊，刘翟淳(安徽师范大学地理与旅游学院，安徽芜湖241003)
主题公园作为都市旅游的主要载体，近年来引起学术界和企业界不断关注。它是为了满足旅游者多样化的休闲娱乐需求和选择而建造的一种具有创意性游园线索和策划性活动方式的现代旅游目的地形态[1]15。根据TEA/AECOM发布的全球主题公园2016年度报告，全球排名前10位的主题公园集团总游客量增长率达4.3%，游客量从4.2亿人次提高到4.38亿人次[2]，门票的直接收益和餐饮住宿、交通、商品购物等间接消费带来的经济效益不可估量。而中国继经历20世纪80-90年代过分追求短期效益、盲目开发阶段，2000年后的主题公园建设整体上回归理性，并迎来新一轮建设热潮[3]。当前，我国主题公园的主要盈利来源于门票、餐饮、旅游地产、旅游商品销售，但无论是哪种盈利方式，均建立在游客“游园体验”事件发生的基础上[4]44。因此，游客量决定了主题公园经营绩效，而游客满意度是影响游客量的关键因素之一[5]。此外，随着主题公园客源市场在空间分布上不断呈现的近域化指向[6]40[7]，提高重游率成为主题公园企业拥有持续客源和保持长期盈利的关键，而高重游率仍依赖于游客较为满意的相关体验经历。
当前，主题公园游客满意度视角的实证研究较多，而对量表理论模型的适切性却缺乏探讨，维度与题项缺乏针对性等问题较为突出，量表的可借鉴性和应用性较差。鉴于此，本文以欧洲顾客满意度指数(ECSI)模型为基础，选取上海迪士尼乐园为案例地，运用质性与量化研究相结合的方法，构建由景区形象、游客期望、感知质量、拥挤感知、感知价值5个维度、44个题项构成的主题公园游客满意度测评量表，并通过信效度检验以及量表应用有效性的检验。文末，针对主题公园等级规模、类型以及旅游淡旺季等情况，笔者就量表的采纳程度进行了探讨。
一文献综述与理论模型的确定
(一)文献综述
主题公园是都市旅游中重要的旅游目的地，在其游客满意度研究上，国内外研究者各有侧重。国外研究视角偏微观，注重从体验者的角度探讨游客满意度问题，认为如游客愉悦[8]、喜悦[9-10]等情绪状态能显著正向影响游客满意度和行为意向。Tsang等借鉴服务满意度量表，从有形性、可靠性、响应性、保证性、移情性和礼貌性6个方面设计出主题公园游客服务满意度量表[11]；Dong等则验证得出服务场景的实物性和交际性能有效预测游客评价[12]。当前国内研究多从产品视角探讨影响游客满意度的因素或测评体系。如孙梦阳等从娱乐体验、公园服务、公园环境、引导信息和游乐消费五个方面衡量游客满意度[13]。周雪娇等将游客满意度分为情感表达、旅游功能、场所环境、主题价值、负面评价5个维度[14]。陈燕丽则从旅游体验视角将影视主题公园游客满意度分解为景观体验、设施体验、服务体验、表演欣赏体验、活动参与体验5个方面[15]。田坤跃等从景区服务、旅游景观、景区管理、性价比和基础设施等5个方面总体评价主题公园游客满意度[16]。廉同辉等构建出景区服务、旅游资源、旅游体验、旅游设施、旅游消费等5个游客满意度核心评价指标[17]。郭静静基于ACSI指数模型，从感知要素(娱乐体验、公园服务与管理、公园环境、引导信息、游乐消费和配套设施)、感知价值、总体满意度、游客抱怨、游客忠诚5个方面构建游乐型主题公园的满意度测评体系[18]26。黄细嘉等同样基于ACSI指数模型，从游客预期、感知质量、感知价值、游客满意度、游客抱怨和游客忠诚等6个维度探讨娱乐型主题公园游客满意度[19]。总体而言，国内主题公园游客满意度研究主要集中在主题公园各要素的感知研究，如人员服务、娱乐体验、景观设施、园区管理等。尽管如此，已有研究的感知要素中，较少有主题公园主题构思与设计等要素的呈现，而创意设计与展示正是主题公园区别于自然或人文景区的最大特征[20]，且各题项的来源与删减多依靠量化研究的手段；其次，主题公园游客满意度研究中，ACSI指数模型的运用虽然得到了较好的研究结论[18-19]，但即使同为主题公园这一类旅游目的地，仍存在等级规模或类型的较大差异，ACSI指数模型的适用性仍有待商榷。
基于此，寻找适切性较好的理论模型，并充分运用质性方法与量化研究各自优势，对游客满意度测量题项进行有效设计和增删，将是解决上述问题的关键。
(二)理论模型的确定
为有效地展示主题公园游客满意度的成因，本文将选择以因果关系为驱动的欧洲顾客满意度指数(ECSI)模型作为模型基础。首先，该模型增加了“企业形象”维度。已有研究表明，企业形象对顾客忠诚有显著的间接影响[21]。它是企业等级规模达到一定程度后企业文化的外在表现，影响人们对企业产品价值的判断。其次，去掉满意度的结果变量“顾客抱怨”。同样，已有研究结果表明，抱怨处理对顾客满意度和忠诚度没有影响[22]。
本文将继承这一模型，结合主题公园的特殊性，新增外因潜在变量“拥挤感知”。原因在于：已有研究指出，游客容量最大化和资源有效利用是主题公园经营关键，在节假日出游高峰期，乐园拥挤无法避免[23]；此时，游玩拥挤会对游客满意度产生显著影响[24]。初步拟定7个维度：“景区形象”、“游客期望”、“感知质量”、“拥挤感知”、“感知价值”、“游客满意”、“游客忠诚”，其中前5个维度为因，后2个变量为结果变量(作为效标指标)。综上，本文主题公园游客满意度测评结构如图1所示。
width=488，height=191，dpi=110
图1.主题公园游客满意度测评结构
二案例地概况、研究过程与方法
(一)案例地概况
上海迪士尼乐园位于浦东新区川沙新镇，是中国第二个、内地第一个迪士尼乐园。乐园面积为1.16平方千米，度假区总规划面积达7平方千米，历时5年建设，并于2016年6月开园。本文选取上海迪士尼乐园为案例地，原因有三点：一是迪士尼主题乐园综合性强，其发展模式、管理经验对当代主题公园建设与发展具有重要借鉴意义[25]；二是迪士尼乐园在上海落地开园，作为中国内地特大型级①主题公园类型的一大有益补充，将成为中国主题公园发展史上的一个重要里程碑[2]；三是其世界级的品牌形象与旅游综合性同上文提出的游客满意度测评模型较为呼应，游前期望、景区形象等维度能得到有效测度。综合而言，上海迪士尼乐园具有较好的案例代表性。
(二)研究过程与方法
本文主要运用定性与定量相结合的方法：前期运用文献查阅、专家咨询等方法建立量表项目库；中期通过半结构化访谈获取游客感知到的关键要素，从而与前期项目库中的题项进行匹配，增删题项，以此形成主题公园初期量表；后期通过问卷调查获取研究数据，并利用SPSS21.0、AMOS17.0、SIMCA-P13.0等软件检验量表的信效度及有效性，最终完成主题公园游客满意度量表开发。
三量表开发过程与结果
(一)建立项目库
通过文献阅读和整理，整理出两类共49个题项：第一类含27个题项的“感知质量”维度项目库，第二类项目库包含其他4个维度，共有21个题项。为实现初步筛选，本文拟采用专家咨询及打分的方式，请旅游地理、城乡规划、旅游规划管理、企业管理等相关领域的5位专家对各题项的重要性打分，采取“当所有专家都认为某个项目不重要时，才删除题项”的方式提炼项目库。综合打分结果，删除2个题项，并根据专家建议，将“感知质量”维度下各题项初步归纳为5个子维度，即设计与构思、游乐产品体验、景区管理与基础设施、景区服务、购物餐饮消费，同时新增4个题项，具体如下：
①增加潜变量“游客期望”和“感知质量”中的“教育意义期望”和“教育意义”两个题项。从内涵看，主题公园不仅是娱乐场所，也是文化、空间和技术相结合的研究典范[26]21，加之迪士尼乐园的核心产品主要面向亲子市场，因此假定游客含有一定的教育期望，并且其产品具有教育意义。
②增加潜变量“感知质量”中的“排队分流”题项。在节假日客流高峰期，“排队分流”这一现象将成为游客对乐园管理感受最为直观的视角之一。
③增加潜变量“感知质量”中的“唯一性”题项。其内涵为“我认为乐园的游乐体验项目在其他主题公园体验不到”。迪士尼乐园根源于华特·迪士尼的梦想，它将上游创意版权落实到主题公园产业链实践上：从动画创作、播放，到衍生品销售，最后再到主题公园体验动画情境的再现[27]。因此，可以认为迪士尼乐园能较好地带给游客“独一无二”的游乐体验。
经过初步修正，两类项目库题项共包括50个。其中，“感知质量”维度题项含30个，其他4个维度题项为20个(见表1)。同时，为检验量表效标效度，从游客满意和游客忠诚两方面共增加了4个效标指标。
表1.主题公园游客满意度量表题项来源
width=745，height=434，dpi=110
注：*表明该题项为新增题项。下文涉及的具体题项均以字母代替。
(二)项目再修正与初步提纯
项目再修正与初步提纯阶段，本文以笔者实地调研和半结构化访谈为主要方法。调研团队于2016年8月初前往上海迪士尼乐园，由于华特迪士尼公司管理方严格禁止在核心园区内出现问卷访谈等活动，在取得有游园经历游客同意的情况下，利用手机进行记录并现场录音，主要围绕两个问题开展访谈：一是迪士尼乐园给您印象深刻的方面有哪些(正反两方面)？二是您对本次迪士尼之旅满意吗，为什么？在告知受访者调研目的基础上，鼓励受访者尽可能发挥，各抒己见，每个样本调研时间约10到15分钟。与29名游客访谈后，根据游客回答效果，最终得到25个有效的访谈案例。
通过提炼谈话内容中关键要素，做类属分析。编码分析表明，关联式编码与项目库大部分题项吻合度较高，说明题项设计较为合适。按强度排序，游客感知最明显为建筑、排队、门票、服务、餐饮、时间、拥挤等7个要素。
结合实地观察，根据编码结果与各题项的吻合程度再次增删，修正结果如下：
1.删除题项E4、Q-P6、V6。现有研究已指出，主题公园具备教育性[44]26，但对游客游前是否存在教育期望并未探讨。游客访谈中，调查人员就乐园的教育性问题问询了6名游客，其中5名游客均明确表示“没有考虑主题公园的教育性，只是带小孩来玩”。综上，删除该三个题项。
2.分别删除题项Q-C4和C2。访谈发现，乐园游客较多选择在小吃亭购买餐食，无法针对两个题项做出客观评价，故予以删除。
3.删除题项C1。实地考察发现，迪士尼旅游度假区主要停车场在节假日期间并无拥挤现象，访谈中无游客反映停车位紧缺的情况。故该题项予以删除。
4.增加潜变量“感知质量”中的“商品数量”题项。正如实地观察和游客访谈中所提及的，与迪士尼动漫作品中人物形象相对应的各类商品数量及品种繁多，量表中拟增加“商品数量”这一题项。
综上，通过题项的再修正和提纯，两类项目库题项共45个，其中，第一类项目库题项29个，第二类项目库16个。
(三)数据分析与量表验证
项目库再修正与提纯工作于2016年暑期完成，为保证“拥挤感知”维度的衡量具有“假期”共性，问卷调查定于2016年国庆期间展开。考虑到感知质量是基于顾客对产品或服务质量优劣势做出的判断[45]，故运用游客重要性打分考察“感知质量”项目库29个题项，该部分测度一并纳入满意度问卷中。问卷以李克特五点量表法呈现，“1～5”表示“非常不同意/不重要”到“非常同意/重要”。调研团队采取便利抽样方式，于10月2日至10月5日在上海11号地铁线“迪士尼”站向车上游客发放问卷。为保证数据有效性，在确保游客有游园经历的前提下，向游客发放问卷，并现场回收。调研期间，共发放问卷270份，回收270份，其中测度满意度的有效问卷达254份，有效率为94.1%，测度“感知质量”维度各题项的重要性有效问卷为216份，每份问卷填写时间均在10-20分钟。
利用SPSS21.0软件考察第一类项目库题项的平均值及标准差，29个题项的均值和标准差值在3.950-4.720和0.454-1.033之间，这表明游客对29个题项的重要性认同较高，且不同游客的认知差异不大。随后，对数据进行克伦巴赫(Cronbach’sα)信度分析，信度系数为0.959，表明问卷调查结果具有较好的信度，可做进一步的数据分析。
通过SPSS21.0软件将254份数据约按6：4比例进行随机抽样：样本一为150份，样本二为104份。首先，利用样本一数据对“感知质量”维度下29个题项进行探索性因子分析；接着，以新的子维度代替“感知质量”维度原题项，并同其他维度的题项完成整体量表的探索性因子分析；最后，运用验证性因子分析衡量模型结构的稳定性。
1.样本特征
根据回收的有效问卷分析被试群体的样本人口学特征。其中，男性占36.1%，女性占63.9%，且84.3%的游客年龄均在18-44岁之间，实际上，根据对调研现场的观察，幼童、青少年等群体皆不在少数。受教育程度普遍较高，大学专科以上学历占73.9%，较大程度上保证了被调查者对问卷内容的理解。职业构成上，学生占比最多，达31.8%，其次是职员或工人，占比15.7%；其中，选择其他职业的游客占比13.6%；企事业管理人员、专业技术人员、教育工作者等职业占比38.9%。可见，职业构成广泛，未出现某类职业的集中趋向。
2.项目与总体间的相关分析
探索性因子分析前，本文通过SPSS21.0软件计算项目与整体的相关系数。按照删除与整体相关系数小于0.4的项目，且以删除该项目能提高整体相关系数的原则，发现45个题项均满足以上原则，说明题项与整体的相关系数均较大。
3.探索性因子分析
探索性因子分析中，题项筛选主要依据两个标准：旋转因子矩阵中因子载荷值小于0.5，或者在两个因子上的载荷值均大于0.5的题项删除[46]90；因子只包括一个题项的亦予以删除[47]。删除后的结果如表2所示。
表2.整体量表的探索性因子分析旋转成份矩阵
width=698，height=604，dpi=110
(1)“感知质量”子维度的探索性因子分析
探索性因子分析结果中，KMO值为0.927(>0.900)，巴特勒(Barlett’s)球形检验的显著性为0.000<0.050，表明相关系数矩阵非单位矩阵，变量间具有相关性，适合因子分析[48]。
本文采用主成分分析方法对数据进行探索性因子分析，经方差最大正交旋转处理后抽取特征值大于1的公共因子。经两次探索性因子分析迭代，在遵循题项筛选原则的基础上删除题项“Q-M1”，各题项实现较好的聚类，解释总方差达76.792%，概括了28个题项7成以上信息，其中题项“Q-M8”重新聚类到“景区服务”子维度。因子抽取过程中，题项聚类的变化不大，因此公因子命名仍沿用原有的子维度名称。接下来，以5个子维度代表“感知质量”维度的新题项，参与整体量表的探索性因子分析。
(2)量表整体探索性因子分析
根据探索性因子分析结果，KMO值为0.889(>0.800)，巴特勒(Barlett’s)球形检验的显著性为0.000<0.050，表明相关系数矩阵非单位矩阵，变量间具有相关性，适合因子分析。
根据初拟定的5个维度，采取“因子的固定数量为5”主成分分析方法进行探索性因子分析。经一次方差最大正交旋转处理后，各题项实现了较好的聚类(见表2)，解释总方差达72.073%，概括了21个题项7成以上信息，可以认为这5个因子代表了题项大多数信息。至此，形成了由5个维度、44个题项(含“感知质量”维度下的28个题项)构成的主题公园游客满意度正式测评量表。
4.验证性因子分析
利用AMOS17.0软件对样本二数据进行验证性因子分析。根据探索性因子分析结果，将5个新维度作为潜变量，21个题项作为观察变量构造模型。前人研究指出，当研究变量符合正态分布情形，每个观察变量5个样本已足够[49]。一般情况下，观察变量偏度(Skewness)绝对值≤2，峰度(Kurtosis)绝对值≤5范围内样本数据可以认为呈正态分布[50]。从分析结果看，所有观察变量的偏度绝对值处于0.013-1.261范围，峰度绝对值处于0.014-1.078范围，符合正态分布，说明104个被试数据能接受，可进行验证性因子分析。
本文运用极大似然估计法，并采用绝对拟合指标、相对拟合指标和简约拟合指标验证模型的拟合情况。主要拟合指标如下：χ2/df=1.303，GFI=0.847，RMR=0.062，RMSEA=0.054，CFI=0.960，PGFI=0.612。其中，已有专家提出，当GFI[51]>0.8，0.05<RMSEA[52]<0.08，RMR[53]<0.1时，表明模型拟合基本良好。整体而言，模型与数据拟合度较好。数据检验结果见表3，临界比率值最小为5.845，表明所有估计参数值均达到0.001的显著性水平，即5个新维度与21个题项间关系存在且稳定；R2值均大于0.3，表明数据结构效度较好；各维度的组合信度和平均方差抽取量分别介于0.812-0.909和0.497-0.668之间，根据已有文献推荐的分别大于0.6和0.5的要求[53]，除“感知价值”维度的AVE值略小于0.5，其他维度均能满足这一要求，表明聚合效度较高；同时各项目之间的相关系数在-0.017～0.747②，均满足低于0.85的要求[54]，说明区分效度较高。
表3.验证性因子分析结果
width=745，height=592，dpi=110
注：***表示在0.001水平上显著。
5.信效度检验结果分析
(1)根据信度分析结果，量表总体信度为0.909，新提取因子的Cronbach’sα值处于0.756-0.899之间，表明量表内部一致性良好。
(2)效度检验
前人研究认为，量表各维度的测量题项通过深度访谈、概念化操作、文献查阅等方法来设计，其产生合适的结构变量的测量题项已基本决定了测量内容效度[55]122。本文通过构建主题公园游客满意度验证性因子分析模型，对量表的结构稳定性进行衡量。根据表3、表4数据显示的拟合效果，本文具有良好的结构效度。为检验量表的效标关联效度，本文采用游客满意和游客忠诚题项的均值作为效标，运用皮尔森(pearson)相关分析来检验量表的效标关联效度。五个因子汇总得分与两个效标的得分之间的相关系数分别为0.801、0.751，说明量表题项汇总得分与两效标题项均值分别呈现显著正相关。因此，可以认为该量表具有良好的效标关联效度，反映出量表有较高的可信度。
综合上述模型参数、拟合指数和信效度检验结果，表明主题公园游客满意度测评量表各维度在构思上达到较好效果；前期经过题项与总体间的相关分析、探索性因子分析生成的正式量表，具备较好测评主题公园游客满意度的功能。
四量表的有效性检验
为了解量表的有效性，采取以下分析步骤。首先，将未拆分的254个个案，通过无权重的均值分析，将测量题项转为由景区形象、游客期望、感知质量、拥挤感知、感知价值和游客满意度六个维度构成的一个信息无损的新量表。由于各维度属于特定的类型，结合前人研究，可以认为各个维度间相互独立[56]。其次，对新量表采取信度分析，克伦巴赫系数(Cronbach’sα)为0.876，说明新量表的内部一致性良好。内容效度基于收获数据和调研小组的内部讨论，认为符合逻辑判断，效度较好。最后，因为各维度间的多重相关性较强，基于此，拟采用偏最小二乘回归法。
利用SIMCA-P13.0软件进行自动拟合，系统根据交叉有效性必须≥0.098的原则，此时交叉有效性Q2(cum)=0.584(见表4)，确定主成分个数为2，即得到最佳的PLS回归模型。此时R2X(cum)=0.691，R2Y(cum)=0.601，表示模型对自变量的信息提取率为69.1%，提取的两个主成分能解释60.1%的因变量信息，说明PLS回归模型的累计解释能力和交叉有效性较好。同时，根据经验标准，一个预测能力较好的预测模型，其R2Y和Q2Y均要大于0.5，且R2-Q2<0.3(见表4)。由此可知，上述模型满足经验标准，由量表题项构建的5个维度对满意度的预测能力较好。
表4.PLS回归的交叉有效性检验
width=674，height=88，dpi=110
五结论与讨论
(一)研究结论
主题公园游客满意度测评工具具备一定的应用性。文章以ECSI模型为基础，从满意度因果关系出发，探讨主题公园游客满意度的维度和题项构成，以此构建主题公园游客满意度测评量表。量表的有效性检验结果表明，该量表能较为有效地预测满意度，这为主题公园游客满意度评价和经营管理水平的提高提供了一套可供参考的分析工具。
以往主题公园游客满意度量表开发多采取量化为主、质性为辅的手段，题项的删减主要通过量化研究的结果来判断。而事实上，文献查询、专家咨询、实地观察、游客访谈与编码等系列质性研究方法能有助于研究者更为全面的了解事物[57]。因此，本文采用质性方法与量化研究相结合的量表开发策略。通过多种质性研究方法的运用，设计形成初期量表；随后借助量化研究，对事物可量化的内容进行测量和计算，以达到对事物的把握[57]。而量表的信效度检验结果、实际应用的有效性检验，均表明这一量表开发策略较为适宜可行。
(二)研究讨论
主题公园的建设与运营是较为完全的市场行为，不同等级规模、不同类型的主题公园在量表构建上有较大的区别。另外，不同出游阶段，其游客满意度量表构架也存在差异。
1.不同规模主题公园游客满意度量表构建的区别
欧洲顾客满意度指数模型(ECSI)是由美国顾客满意度指数模型发展而来，两种指数模型均建立在期望-不一致模型上。已有满意度研究指出，期望—不一致模型的应用要有预测性期望作为前提[58]。迪士尼乐园作为世界性主题公园，品牌知晓度和美誉度高；其次，本文调研时间距上海迪士尼开园较短，重游者少，游客的新鲜感尚在。基于这两点可以判断，游客对上海迪士尼乐园具有一定的预测性期望。而对于方特、欢乐谷等国内主题公园品牌，全国各地布局广泛，客源市场近域化程度高，经历开业期的短暂游客高峰后，基本以周边市场人群的重游为主，游客是否有游前期望需要进一步探讨。此时，ECSI模型能否采纳则需谨慎。
2.不同类型主题公园游客满意度量表构建的区别
不同类型主题公园游客满意度问卷题项构成上主要区别在于“感知质量”维度的题项，在考虑主题公园的普遍性价值题项的同时，需增加符合与本主题公园特色的独特价值题项。
3.不同时间段下量表构建的区别
主题公园具有明显的假日经济现象。本文的游客访谈阶段及问卷调查均在节假日期间展开，且上海迪士尼乐园因刚开业，一度受到大众热议追捧，拥挤不可避免，这也将对游客体验产生直接且明显的影响，相应地，游客对景区分流和排队管理工作有直观感受。因此，拥挤感知是否采纳，需根据出行时间和旅游地实际情况作出判断。
(三)研究启示
1.理论启示
本文从量表开发视角展开对主题公园游客满意度的实证研究，以期对现有主题公园游客满意度研究加以补充。尽管已有研究开始关注产品以外的游客体验情感，并强调其对满意度的重要影响作用[58]，但从社会认知理论视角出发，游客认知受个人、环境和行为持续交互作用的影响，在双向互动的因果关系中，游客对游玩体验持有的态度其实已是个体情绪与所处环境作用后的结果[59]131。因此，游客对各题项做出的评价，各题项“1-5”的分值选择代表游客的综合态度取向，是游客认知与情感的复杂结果，而非完全基于客观事实作出的无情绪倾向的评价。因此，本文主要从迪士尼乐园产品层面开发形成的游客满意度量表，仍具备一定的科学性和应用性。
2.实践启示
主题公园管理者可参考上文提出的量表开发过程和具体题项设计时需考虑的细节，科学合理地制定游客满意度测评工具。尽管删除了Q-P6题项，但不乏主题公园游乐产品教育性突出案例。如已有研究者对方特东方神画的教育性问题同游客访谈，结果显示，该主题公园的中国传统文化表征明显，游客对景区内非物质文化遗产等内容感知较为强烈[44]。因此，应根据实际情况考虑是否保留。
(四)研究局限与未来研究方向
本文还存在几点不足。第一，问卷数量略显不足。地铁上发放问卷时间点较固定(下午4-8点时间段有游园经历的乘客较多)，且在车厢内晃荡、人群拥挤等情况下，因乘坐时间较短，不少游客拒填问卷。因此，问卷数量相对于庞大的迪士尼游客群而言略显不足。第二，本文最终得到的量表由44个题项构成。其中，“感知质量”维度由28个题项构成，其他维度题项均只有3-5个，相比之下题项偏少，一定程度上制约了量表的信度和效度。上述研究局限需要在今后的研究中不断加以完善。
基于以上讨论，在以后的研究中，笔者认为可从以下几个方面考虑：第一，在本文量表开发的基础上，着手进行其他类型主题公园满意度属性的探索，如演艺类、影视类主题公园等；第二，适当增加情感维度的测项，如已有研究证明“高兴”[9]、“情感表达”[14]、“游客信任”[28]等维度能更好地解释满意度的成因。