开营日志第九篇 | 黄业坚老师“大小数据”混合应用的道与术

编者按：由中山大学旅游学院与香港理工大学酒店及旅游业管理学院联合发起并轮流承办的全国旅游管理博士学术训练营，现已举办五届。博士训练营5届共有近五百名博士受训，本届由中山大学旅游学院负责承办的第五届中国旅游管理博士学术训练营于8月3日-10日在广州召开，有近150名来自全球70所高校的旅游专业博士生参加。本公号将对核心内容做跟踪报道。本文为开营日志第九篇，由黄业坚教授讲授的《大数据和小数据的混合应用》。

黄业坚

中山大学旅游学院教授、博士生导师，现为International Journal of Hospitality Management 副主编，担任JTR、IJCHM、CHQ等6个国际期刊编委，发表国际论文近100篇。

研究方向：研究方向包括文化遗产旅游、目的地品牌、电子旅游及社交媒体、旅游动机、博彩服务及旅游等。

8月9日晚上，博士学术训练营迎来了中山大学旅游学院教授黄业坚老师。黄教授（Wong IpKin Anthony）现为International Journal of Hospitality Management 副主编，担任JTR( Journal of Travel Research)、IJCHM(International Journal of Contemporary Hospitality Management)、CHQ(Cornell hospitality quarterly)等6个国际期刊编委，发表国际论文近100篇，是全球旅游休闲管理领域公开发表成果及影响力上位居前十的学界大咖。研究方向包括文化遗产旅游、目的地品牌、电子旅游及社交媒体、旅游动机、博彩服务及旅游等。

一

主持人寄语

本场讲座由中山大学旅游学院朱宏副教授主持。朱老师指出中大旅游学院作为全国领先的旅游学院，在引进高端人才方面具有很高的标准，黄教授则是通过中山大学“百人计划”引进的行业领军人才。正如学院领导所言，黄教授是旅游研究领域最高产的学者之一，看过黄教授的文章发表记录，很难想象一个学者如何能在这么短的时间内发表如此多高质量的SSCI论文！

今晚是黄教授加盟中山大学旅游学院以来的第一讲，相信黄教授的授课会让学员们收获满满！

二

精彩内容分享

教授通过指出“大、小数据”应用的核心关键（也是此次课程内容的重中之重哦！），以及阐述了二者之间的优劣势差异，并通过5个自身发表的案例作品，多视角的证明了“大、小数据“混合应用的可能性及结合路径。

黄业坚老师在第五届博士训练营第九课上授课

大、小数据的定义

黄教授开场先抛出了当下对“大、小数据”定义的问题，并引用了Cyber-duck上对两者在条件、示例、数据大小等方面的区别说明。随后，黄教授给出了自己的理解。认为“大数据”的数量不是最为重要的，聚合（Aggregation）与分解（disaggregation）才是应用“大数据”的关键！

大、小数据的优劣势

通过对比，黄教授指出相较于“小数据”。

“大数据”的优势在于：

1.部分免费、容易获取。

2.行为数据、单一指标。

3.容易达到统计学显著意义。

“大数据”的劣势在于：

1.难处理、分析。

2.分析结果显著但效应值低。

3.可能没有想要研究的变量。

4.可能需付费或权限才能获取数据。

黄业坚老师在第五届博士训练营第九课上授课

案例1：技术应用

1

研究内容

身份（个人因素）、互动（人际因素）与环境因素如何影响组织中的技术应用。

2

问题所在

在环境因素维度上只找到2个测量指标，与另外两个维度测量指标的数量相差太大，模型构建不理想。

3

“大、小数据融合”解决方案

首先利用问卷调查技术，收集环境因素的2个指标数据；再通过网上资料（US News）、大学官网两种数据获取渠道，获得了相关指标数据。利用分解（disaggregation）原则【考虑原因：权衡大数据的特点之一是容易呈现显著】，完成了SEM模型。

案例2：赌场的企业社会责任研究

1

研究内容

分析企业社会责任与组织绩效之间的影响联系。

2

问题所在

初稿是赌场运营商的企业社会责任的描述性研究，存在的问题是单次问卷调查中仅包括二分类题项。

3

“大、小数据融合”解决方案

将居民对赌场企业社会责任认知的问卷调查与多渠道博彩企业测量指标相结合。其中“大数据”来源于金融时报（Financial Times）以及博彩监管协调局（Gaming Inspection and Coordination Bureau）。利用聚合（aggregation）原则【考虑原因：权衡了样本量小，变量间不容易出现显著性的风险】，完成了回归模型。

案例3：文物古迹宣传

1

研究内容

文化相似性是否带来对目的地文化遗产更有利的态度。

2

问题所在

大量杂乱的历时性调查数据如何与“大数据”相结合。

3

“大、小数据融合”解决方案

在文化相似性测量指标选取上，借助霍夫斯泰德的文化指数（Hofsted e  s culture index）的四个构面：权力距离、个人主义、男性气质、不确定规避进行聚合，得出一个综合指数。最终构建多层线型模型、分类回归模型与调查问卷中的“小数据”进行关系的建立。

黄业坚老师在第五届博士训练营第九课上授课

案例4：何时何地去旅游？

1

研究内容

【前提】关于旅游的两种对立观点：

（1）游客寻求各种方式发展旅游，因此愿意到访更多的旅游目的地。

（2）游客的资源有限，出行受限制。

【目的】协调关于游客旅行决策的两种对立研究观点（目的地的选择、需求）

2

问题所在

如何利用新的数据融合方式，去研究以往没能研究到的旅游问题，发现新的研究研究结论，对话经典的旅游理论。

3

“大、小数据融合”解决方案

采用多层次设计，通过多源数据融合，纵向研究评估三个出境游市场中游客旅行频率之间的关系。最终协调了上述两种对立观点，从新的角度解释了目的地周期理论和普洛格的心理人格理论，以及发展了皮尔斯的旅行生涯模型，同时影响了距离衰减理论。

案例5：旅游动机和行为的时变模型

1

研究内容

（1）旅游动机及其影响如何随时间而变化？

（2）旅游动机的变化如何影响游客行为？

（3）经济因素的变化如何解释旅游动机和旅游参与度对游客行为影响的变化？

2

“大、小数据融合”解决方案

休闲旅行动机的时变模型提出了一个新的旅游研究视角，可了解不同时期、不同社会阶层的旅游动机和游客行为的改变动态。通过对跨时间的微观和宏观多层次旅游系统进行整合。

黄教授结语

大数据不一定好，小数据未必不好。

两者都有局限性，应该正确利用数据。（回答研究问题、完善旅游研究文献、发展新理论）

三

营员提问

Q1. 有一篇文章您用了“失业率”作为变量指标，您为何考虑这个指标表征经济因素，而不选用其他指标？

上海财经大学博士生 任明丽

黄教授：这是个很好的问题。我认为学术研究最重要的还是理论基础，指标的选用只是一种抽象的代表，能够说明问题，言之有理，选之有理即可。

Q2. 您今天带来的案例研究都是以“数据驱动”为导向，从数据分析结果中发现问题，然后去找理论中的缺失，这种“从下而上”的思路方式是否科学？

中山大学博士生 张子昂

黄教授：其实在做数据搜集、分析前，脑海中已经积累了大量的理论，数据的出现能够与脑海中浮现的理论做碰撞，产生好的想法，所以还是理论主导研究。

Q3. 您今天呈现的一个案例学术研究，恰巧我也在关注，想请黄老师给点建议，如何在您做的基础上创新？

中山大学博士生 王龙杰

黄教授：首先需要强调理论积累的重要性！尤其是交叉理论的积累不是一朝一夕完成的，还是强调大家应该多积累各个交叉学科的文献和理论，这样的话自然而然会产生新的想法。

Q4. 您课上提到的一次性调研很难得出变量间因果关系，而现在我们很多的研究都是基于一次性调研，如何去解决这个问题。

河南工业大学老师 乔光辉

黄教授：其实现在很多文献已经提出一次性问卷调查的问题了，也有一些解决方法，可以多去找找这些文献。其次，你提的这个问题，不是一个致命性问题，你只要做的严谨一点，文章还是有价值的。此外，现在很多期刊已经明确不接受这种一次性调研的论文了，大家今后要多加注意。

现场听课照片

1

现场听课照片

2

四

主持人结语

01

朱宏副教授做最后总结发言。她首先感谢了黄教授带着脚伤上讲台，并且连续站了近三个小时做报告的专注及敬业精神！她评论道黄教授通过自己的研究提供了5个教学案例，并对每一个案例做了深入浅出的剖析，从中可以看出黄教授学术研究功底之深，尤其对一些平淡的文章，能够妙手回春，达到了一种鬼斧神工的境界，让大家受益匪浅。

---

排版：李新龙

摄影：徐雨晨 

撰稿人：张子昂 

校正：张子昂 、徐文月

本届往期精彩内容呈现：

获取更多训练营的课程内容，请长按下方图片关注公号获取。