旅游目的地竞争很大程度上是形象竞争^[1]。旅游者往往基于目的地形象而非客观实际作出目的地选择^[2]，而且他们更愿意选择拥有良好形象的目的地^[3]。因此，目的地营销组织（destination marketing organization，简称DMO）努力宣传推广旅游目的地及其旅游产品和服务，希望在旅游者心中树立积极的、有吸引力的目的地形象^[4]。然而，旅游者接收形象未必与DMO投射形象一致^[5]，且会通过难忘体验（memorable tourism experience）影响其重游意愿^[6]。提高旅游者接收形象（perceived image）与DMO投射形象（projected image）的一致性成为提升目的地形象营销效果的客观需要，对其进行有效测量对于DMO根据市场接收形象有针对性地完善投射形象、做好目的地形象营销和管理具有重要的研究意义^{[7, 8]}。

旅游目的地形象（tourist destination image）是一个复合多维的概念。既可从形象主体的角度划分为旅游者接收形象和DMO投射形象^[9]，也可从形象信息来源的角度划分为原生形象（organic image）、引致形象（induced image）和复合形象（complex image）^[10]，还可从功能联系的角度划分为认知形象（cognitive image）、情感形象（affective image）和整体形象（total image）^[11]。其中，认知形象是旅游者对目的地特征属性（characteristic attributes）的认识和评价，是塑造情感形象和意动形象（conation image）的重要基础^[12]，对旅游者形成目的地整体形象和独特形象（unique image）起着关键作用。深入研究旅游目的地形象的认知规律是DMO正确开展旅游目的地形象策划、营销和管理工作的基础^[13]。认知是个人心理过程的起始阶段，是心理活动的基础，也是行为和情感产生的基础；既是行为产生的起点，也是行为最终结果的检验^[14]。改变认知形象具有“擒贼先擒王”的效果，DMO通常会根据对目的地的自我认知进行产品和服务设计，并面向目标市场做形象投射，期望旅游者形成与之一致的认知形象，不断提升形象营销效果。因此，以认知形象为切入点，探究旅游者接收形象与DMO投射形象的一致性测量方法，具有重要的学术意义和实践价值。本文提出一种新的旅游者接收形象与DMO投射形象一致性的测量方法，并以杭州和西安两个全国著名且较早开展了目的地形象营销的城市为案例目的地进行验证。

投射—接收形象（projected-perceived image）最早是Kotler和Barich针对目的地营销提出的极具实践操作性的形象框架^[9]。投射形象是官方旅游组织、媒体、旅行社、旅游中间商等创造的^[15]、以营销为目的^[16]、期望在旅游者心中树立的目的地形象^{[17, 18]}。它的出现弥补了以往的研究仅从旅游者的角度看待形象的不足。与之对应的是接收形象，指旅游者通过理解、认识和阐释投射形象而形成的关于目的地的独特心理建构或表征^[19]。Tasci和Garnter发现如果DMO建构了一个不切实际的形象，目的地的形象最终会受损^[19]。此外，Koltringer和Dickinge认为目的地形象建构成功的评价标准是投射形象与接收形象的一致性^[20]。因此，两者间的一致性相当重要^[21]，并且在很大程度上反映了旅游者对目的地营销工作的认可程度。

关于接收形象和投射形象一致性的研究步骤一般为分别测量投射形象和接收形象，然后进行对比。常用的形象测量和分析方法可分为结构法和非结构法^[22]。结构法测量一般以问卷调查法为主，分析方法包括结构方程模型、因子分析法等^{[17, 23-25]}。如Grosspietsch采用问卷调查法测量旅游地投射形象和旅游者接收形象，先通过查询文献结合案例地的现实情况确定结构化测评的测项，然后请被调查者在李克特量表内评分，得出每个测项的分值^[17]。非结构法的测量数据一般采用自由联想法记录被访者对旅游地形象的描述^[26]或分析来自于访谈法和互联网的资料，方法包括内容分析法等^[27-32]。如程圩等利用内容分析法对官方照片与旅游者摄影照片中的内容、时间和地理位置进行对比^[27]；再如Duan等人^[29-31]、刘雨潇^[33]、Stepchenkova和Zhan等^[34]利用网络用户生成内容（user generated content，简称UGC）数据和对在地旅游者的访谈资料^[29]进行图片和文本的对比分析。Sun, Ryan和Pan^[35]，Khan^[36]，Mak^[8]，Marine-Roig和Anton Clavé^[37]应用博客或在线旅行评述（travel blogs or online travel reviews，简称OTRs）对比分析投射形象和接收形象。

迄今为止，学界对旅游者接收形象和DMO投射形象的比较研究经历了从理论推断到实证研究的发展历程。最初，研究者仅在理论上推断二者是有差距的。开始实证研究后，大多数研究使用定性推断的方法来界定接收形象与投射形象是否一致，因为不同测量方式下测量的结果（如投射形象的主题词词频和接收形象的结构化分值）不可以进行直接比较，所以只能进行接收形象和投射形象关系的定性推断。部分研究者尝试使用更加科学的数理统计方法验证旅游者接收形象关键词词频与旅游地投射形象关键词词频是否有显著差距^[38]，但这种方法仅适用于使用同一种测量方法获取同一类数据的前提下。还有学者尝试通过分析DMO在某媒体投放广告对旅游产出的影响来检验旅游地形象的投射效果，这种方法将所有旅游经济产出完全归功于某单一媒体的旅游形象广告，可能放大单一旅游形象广告的经济效应^[39]。

综上，现有研究集中在验证接收形象和投射形象的差距是否存在，对接收形象与投射形象差距的量化研究还处于探索阶段。虽然Marine-Roig和Ferrer-Rosell首次提出了基于非结构化测量目的地形象差距的定量测量方法，采用组合分析法（compositional analysis）比较接收形象和投射形象在网页上所占的比值大小，定量描述接收形象与投射形象差距的大小^[38]，但此方法仅适用于对文本内容进行分析的研究，无法用于结构化测量认知形象的情境。鉴于此，本文尝试提出在结构化测量目的地认知形象情境下的旅游者接收形象与DMO投射形象一致性的定量测评方法，致力于补充学界相关研究的不足，同时为业界开展目的地形象营销效果测评提供具有操作性的方法。

鉴于旅游目的地形象是一个复合多维的概念，投射形象和接收形象均可从认知形象、情感形象和意动形象等不同维度进行研究，本文把接收形象与投射形象一致性语境下的认知形象一致性命名为旅游目的地认知形象匹配度（matching degree of tourist destination cognitive image），以区别于接收形象与投射形象一致性语境下情感形象或意动形象的一致性。旅游目的地认知形象匹配度是旅游者对DMO投射出的目的地特征属性（attributes）理性评判的结果。鉴于“旅游者了解的目的地形象维度越完整、每个维度的属性越丰富，其对目的地的形象拼图结果越接近目的地实际情况”^[40]，本文从属性匹配度、维度匹配度和整体匹配度三个方面对认知形象匹配度进行测量。由于问卷调查法是最常用的认知形象数据收集方法，李克特量表是最常用的量表，本研究将调查问卷中设置为问项的目的地特征属性作为DMO投射形象（反映DMO对目的地的认知形象），用被调查者打分结果衡量旅游者接收形象（反映旅游者对投射形象的接收程度），用被调查者实际打分值占理论上的最高值（李克特量表选项数，选项数为5，则理论上的最高值为5；选项数为7，则理论上的最高值为7）的百分比测量接收形象与投射形象之间的差距。

属性匹配度（attribute matching degree）指投射形象中某个具体的目的地特征属性被旅游者感知和认可的程度，计算公式为：

(1)

式中，M_a表示认知形象属性匹配度，表示问卷调查中第i个目的地特征属性的得分均值，σ表示评分值标准差，P表示给该目的地特征属性评分的被调查者人数占被调查者总人数的比例，简称人气指数^[41]，L表示李克特量表选项数。M_a的取值范围为0—100%，值越大，说明该目的地特征属性被旅游者感知和认可的程度越高，值越小，说明旅游者对该目的地特征属性不够熟悉，或者感知和认可程度较差。

之所以采用人气指数和标准差对旅游地特征属性得分均值进行修正（修正后的值简称肯定指数），是因为被调查者对旅游地属性的认识和评价存在人际差异，相同均值的属性被感知和认可的程度存在个体偏差。被调查者对目的地不同属性的熟悉程度不同，对不熟悉的属性不进行评分，导致不同属性的人气指数不同。而且，即使是在均值相同的情况下，对不同属性评不同分值的人数比例也是不同的。只有评分均值高且标准差小的情况，才说明被调查者对该属性感知和认可的一致性程度较好，认知形象属性匹配度更高。

图 1以李克特五点量表为例，绘制了15种可能出现的不同属性评分人数结构比例情况，简称为李克特五点量表评分结构图谱。图 1中的15类情况，以3分为界，可以划分为三大类，其中，第1、2、7三种形状类型评分均值大于3，标准差较小；第3、8、9、15四种形状类型评分均值为3，标准差大小不同；第4、5、6、10、11、12、13、14八种形状类型评分均值小于3，标准差大小不同。显然，均值大于3的三种情况反映出被调查者对目的地特征属性持肯定态度，均值等于3的四种情况反映出被调查者对目的地特征的态度中庸，均值小于3的八种情况反映出被调查者对目的地特征属性持否定态度。

图 1(Fig. 1)

图 1 李克特五点量表评分结构图谱 Fig.1 The Score Structure Map of 5-point Likert Scale

维度匹配度指旅游者对目的地认知形象特定维度中所有目的地特征属性的感知和认可程度。衡量方法为：首先用李克特量表选项数L为半径画圆，用目的地特征属性总数将圆面划分为相同面积的扇形区；然后将该维度所有目的地特征属性的肯定指数从大到小排序，以相邻的肯定指数值为边依次绘制三角形（之所以进行排序，是因为每个维度中三角形面积大小与排序有关，只有将维度属性肯定指数按从大到小排序后才能保证三角形面积为唯一值）；最后用该维度所有三角形面积的总和占该维度所有目的地特征属性所占据的扇形区面积（理论上该维度所有三角形面积的最大值）的百分数衡量维度匹配度，计算公式为：

(2)

式中，M_d表示维度匹配度，m表示该维度目的地特征属性个数，r_n表示某个目的地特征属性肯定指数，r_n+1表示按数值排序与r_n相邻的另外一个目的地特征属性的肯定指数，L表示李克特量表选项数，M表示目的地特征属性总数，θ表示扇形区夹角，其取值为360°除以目的地特征属性总数M（之所以除以M，是为了将一个完整的圆面按照属性总数划分为面积相等的扇形，保证拥有不同属性数的维度匹配度计算所使用的分母计算口径一致）。M_d取值范围为0—100%，值越大，说明该维度形象营销效果越好；值越小，说明该维度形象营销效果越差。

整体匹配度指旅游者对DMO投射的目的地认知形象整体的感知和认可程度。衡量方法为：首先用李克特量表选项数L为半径画圆，用目的地特征属性总数将圆面划分为相同面积的扇形区；然后将所有目的地特征属性肯定指数从大到小排序，以相邻的肯定指数值为边依次绘制三角形（之所以进行排序，同样是因为三角形面积大小与排序有关，属性肯定指数按从大到小排序后保证三角形面积为唯一值）；最后用所有三角形面积总和占圆面积（理论上的三角形面积的最大值）的百分数衡量整体匹配度，计算公式为：

(3)

式中，M_o表示整体匹配度，r_n表示某个目的地特征属性肯定指数，r_n+1表示按数值排序与r_n相邻的另外一个目的地特征属性的肯定指数，L表示李克特量表选项数，M表示目的地特征属性总数，θ表示扇形区夹角，其取值仍为360°除以目的地特征属性总数M。M_o取值范围为0—100%，值越大，说明DMO投射的目的地认知形象得到了旅游者的普遍感知和认可，认知形象营销效果较好；值越小，说明认知形象营销效果越差。

研究数据来自关于西安和杭州国内旅游形象的调查问卷。反映DMO投射形象的目的地特征属性测量题项通过对西安和杭州旅游规划文本及旅游市场营销资料的内容进行分析后提取、充分征求专家意见后确定。被调查者打分值反映旅游者接收形象。打分采用李克特五点量表，1代表非常反对，2代表反对，3代表不好说，4代表同意，5代表非常同意。无应答代表对题项不了解。为了便于对比，两个案例城市特征属性测量题项均选择了46个。问卷调查时间为2014—2015年，调查地点为西安、郑州、上海、杭州、南京、成都、北京、广州和武汉等9个城市，调查对象为当地居民。调查问卷分两种，一种由到访过西安和杭州的人填写，一种由没有到访过西安和杭州的人填写。样本量按照各城市人口的万分之一确定，抽样方法为简单便利抽样。共发放问卷13500份，回收有效问卷10843份，有效问卷回收率80.32%。从中筛选出曾到访过杭州和西安的被调查者填写的问卷（剔除了杭州和西安本地人填写的关于本地形象的问卷）作为研究样本，其中关于杭州旅游形象的样本3122份，关于西安旅游形象的样本2803份。样本人口统计学特征见表 1。

表 1(Tab. 1

表 1 样本特征 Tab.1 Characteristics of Samples

表 1 样本特征 Tab.1 Characteristics of Samples

杭州和西安认知形象属性匹配度计算结果见表 2（打星号的属性指被纳入维度匹配度计算的属性）和图 2。为了便于比较和观察属性匹配度与人气指数、标准差之间的关系，表 2列出了每个属性的人气指数和被调查者评分值的标准差。

表 2(Tab. 2

表 2 认知形象属性匹配度和人气指数 Tab.2 Values of Cognitive Image Attribute Matching Degrees and Popularity Index

表 2 认知形象属性匹配度和人气指数 Tab.2 Values of Cognitive Image Attribute Matching Degrees and Popularity Index

图 2(Fig. 2)

图 2 认知形象属性匹配度计算旗帜图 Fig.2 Ranking of Cognitive Image Attribute Matching Degree Values

杭州46个属性中，“知名度很高”“西湖风景秀丽”“城市很漂亮”三个属性匹配度为100%；“越剧很好听”的匹配度最低，只有51.54%；有18个属性的匹配度值超过了平均值（74.35%），中位数为71.30%，标准差是0.14，变异系数是0.19。西安46个属性中，“知名度很高”“城市历史悠久”“文化氛围浓厚”三个属性匹配度为100%；“出租车服务好”匹配度最低，只有51.28%；也有18个属性匹配度值超过了平均值（69.07%），但中位数为64.38%，标准差为0.15，变异系数为0.21。从属性匹配度看，杭州好于西安，但两个城市都有提升空间，特别是西安，有16个属性匹配度低于60%，占全部属性的35%。

5925名被调查者对两个城市92个特征属性评分人数结构比例仅出现了3种类型且每一种类型中都有均值特别接近的情况（图 3），如西安的“知名度很高”“兵马俑很令人震撼”“城市历史悠久”三个属性评分人数结构比例均为单调递增型，对应图 1第1种情况，均值接近；“物价水平很低” “夜生活很丰富”“旅游电子商务发达”评分人数结构比例均为正态分布型，对应图 1第2种情况；“钟鼓楼印象深刻” “佛教祖庭大寺众多”“丝绸之路起点”三个属性评分人数结构比例均为正偏态型，对应图 1第7种情况。这个结果反映出被调查者对于杭州和西安旅游目的地特征属性的评价整体上持正面态度，形象营销效果较好。

图 3(Fig. 3)

图 3 目的地特征属性评分人数结构比例 Fig.3 Distribution of the Number of People Scoring for the Destination Attributes

每种类型评分人数结构比例包含的属性见表 3。从表 3可见，杭州有7个、西安有11个属性的评分结构属于单调递增型；杭州有8个、西安有10个属性的评分结构属于正态分布型；正偏态型是出现数量最多的评分结构类型，杭州有31个属性属于该类型，占全部属性数的67%，西安有25个属性属于该类型，占全部属性数的54%。结合表 2和表 3可见，第一类评分结构属性均为旅游者高度认可的属性，匹配度值较高；第二类评分结构属性是旅游者持认可态度但认可度较低的属性，匹配度值较低；第三类评分结构属性也是旅游者持认可态度但认可度居中的属性，匹配度值大小也居中。

表 3(Tab. 3

表 3 按三种不同评分类型图统计的目的地特征属性 Tab.3 Destination Attributes Counted by Three Different Scoring Types Map

表 3 按三种不同评分类型图统计的目的地特征属性 Tab.3 Destination Attributes Counted by Three Different Scoring Types Map

为了验证属性匹配度计算公式的科学性，分别绘制了属性得分均值与人气指数、得分均值与标准差、标准差与人气指数的两两相关关系图（图 4）。从图 4可见，属性评分均值与人气指数具有正相关关系，无论杭州还是西安，均表现为人气指数越高，属性得分均值越高。属性得分均值与标准差的关系更加密切，无论杭州还是西安，都表现为得分均值越高，标准差越小，呈现线性关系，杭州、西安拟合曲线的拟合优度分别达到0.76和0.68。标准差与人气指数具有负相关关系，无论杭州还是西安，都表现为人气指数越大，标准差越小，即打分的人越多，不同人之间的看法越一致。结合表 3、图 3和图 4，说明本研究采用标准差和人气指数对属性得分均值进行修正是合理的，属性匹配度计算公式可靠。

图 4(Fig. 4)

图 4 属性得分均值、标准差、人气指数的相关关系 Fig.4 Correlation between Attribute Scores, Standard Deviation, and Popularity Index

首先应用探索性因子分析法分别对杭州和西安46个属性变量进行降维。信度分析显示：46个属性变量的Cronbach's Alpha值杭州为0.957，西安为0.954，说明各变量之间有较强的内部一致性。效度分析结果显示：杭州样本因子分析的KMO值为0. 951，总方差解释率为53.273%，方差近似值(Approx. Chi-Square)为23912.303，自由度df值为435，Sig. 值为0.000；西安样本因子分析的KMO值为0.944，总方差解释率为53.078%，方差近似值为19544.416，自由度df值为435，Sig.值为0.000，说明分析数据总体呈正态分布，适合进行因子分析。

利用因子分析法分别对旅游者认知的旅游目的地特征属性进行主成分分析，提取特征属性变量中特征值大于1的因子，剔除因子载荷小于0.40的特征属性变量并进行最大方差旋转，用未限定因子法分别提取出5个公因子，并按照公因子属性的实际内容为公因子命名，杭州和西安共有的公因子命名为“旅游吸引物”“旅游基础设施”“旅游环境”和“当地氛围”，杭州特有的公因子命名为“地方发展”，西安特有的公因子为“地方美食”，见表 4。需要强调的是降维过程中两个城市分别有16个属性因达不到分维条件被删除，这一方面反映出维度划分结果会导致维度匹配度计算结果产生系统误差；另一方面也说明两个城市存在较多不被旅游者熟悉和认可的属性，需对投射形象予以调整、丰富各维度特征属性并进一步改善旅游产品和服务，根据市场认知形象调整形象营销策略。

表 4(Tab. 4

表 4 认知形象因子分析结果 Tab.4 Results of Factor Analysis of Cognitive Image

表 4 认知形象因子分析结果 Tab.4 Results of Factor Analysis of Cognitive Image

根据杭州和西安各个维度属性分别绘制维度匹配度计算扇形图（图 5），并在此基础上按照公式（2）计算各个维度匹配度值（表 5）。结合表 5和图 5可见，无论杭州还是西安，都以地方氛围维度匹配度最高，杭州达到90%，西安达到83%；杭州旅游基础设施维度匹配度最低，仅有40%；西安旅游环境维度匹配度最低，仅有33%。相较于地方氛围维度，两个城市的其他四个维度匹配度值都低于60% 且数值差别不大。从维度匹配度计算扇形图可以直观地看到，旅游者对同为历史文化名城的两个城市的形象认知特点具有相似性；对旅游吸引物、旅游环境、旅游基础设施抱有很高的期望，两个城市还需要在这些维度加强建设，努力增加令旅游者感兴趣的特征属性；相较于杭州，西安维度匹配度较差，反映出西安目的地建设和形象营销工作还需努力。由此可见，维度匹配度计算扇形图不仅可为DMO认识不同维度形象营销效果提供直观、定量和可比较的方法，而且可为DMO认识旅游目的地认知形象维度饱满度（可从认知形象包含维度数和每个认知维度包含特征属性数两个层面进行衡量，认知维度数越大且每个维度包含的特征属性越多，维度越饱满越高）提供定量方法。

图 5(Fig. 5)

图 5 认知形象维度匹配度计算扇形图 Fig.5 Fan-shaped Chart for Dimension Matching Degree of the Cognitive Image

表 5(Tab. 5

表 5 认知形象维度匹配度值 Tab.5 Dimension Matching Degree Value of the Cognitive Image

表 5 认知形象维度匹配度值 Tab.5 Dimension Matching Degree Value of the Cognitive Image

根据杭州和西安46个属性的肯定指数分别绘制整体匹配度计算蜗牛图（图 6），并在此基础上按照公式（3）计算整体匹配度值。结果为：杭州整体匹配度值65.90%，西安整体匹配度值62.69%，两个城市相差3.21个百分点，说明认知形象营销效果杭州整体好于西安。整体匹配度计算蜗牛图既可直观地反映同一个旅游目的地不同特征属性被旅游者群体接收和认可的对比情况，也可直观地反映不同旅游目的地相同特征属性被旅游者群体接收和认可的对比情况，为DMO直观地发现自己及其与竞争对手之间的差距和不足提供可视化的工具。

图 6(Fig. 6)

图 6 认知形象整体匹配度计算蜗牛图 Fig.6 Snail-shaped Chart for Overall Matching Degree of the Cognitive Image

针对认知形象是旅游目的地形象核心概念、被学界研究最多且主要采用李克特量表对目的地特征属性进行结构化测量、用因子分析法进行降维分析的客观实际，本文提出了认知形象匹配度概念及属性匹配度、维度匹配度和整体匹配度计算公式，用于对旅游者接收形象与DMO投射形象之间的一致性进行定量评价，并以杭州和西安为例进行了实证分析，主要结论与讨论如下：

（1）从属性匹配度、维度匹配度和整体匹配度三个方面对旅游者感知的旅游目的地认知形象与DMO投射的认知形象一致性进行测量是合适和可行的，也是有意义的。采用本文提出的测量方法可以定量测评旅游者对旅游目的地的接收形象与DMO投射形象之间的一致性程度，无论是属性匹配度、维度匹配度还是整体匹配度都有一个精确值，既可用于定量评价目的地自身形象营销效果，也可用于与其他目的地形象营销效果进行对比。

（2）属性匹配度旗帜图、维度匹配度计算扇形图和整体匹配度计算蜗牛图可以帮助DMO直观地认识和了解目的地建设和形象营销工作中存在的短板和问题。从属性匹配度看，虽然两个城市变异系数仅相差0.02，但是具体属性的匹配度差别较大，说明两个案例目的地城市都需要根据各自属性匹配度进行目的地建设和管理。从维度匹配度层面相比较，杭州和西安均以地方氛围维度匹配度最高，分别为90% 和83%，两者相差7个百分点，相较于地方氛围维度，两个城市的其他四个维度匹配度值都低于60% 且数值差别介于4—10个百分点之间，说明两个城市都需要在维度饱满度上下功夫。从整体匹配度层面比较，杭州和西安的整体匹配度分别为65.90% 和62.96%，仅相差3.21个百分点，差距不大，但是距离100%差距均较大，说明两个案例目的地城市都需加大形象营销的力度。

（3）提高旅游目的地知名度和旅游者熟悉度是改善旅游目的地形象营销效果的关键，提升旅游服务质量和水平是改善旅游目的地市场认知形象的捷径。从本文的数据结果可见，各特征属性的得分均值与人气指数正相关，说明旅游者对目的地越熟悉，越容易持肯定态度，投射形象越容易得到旅游者接收和认可，通过市场营销提高目的地知名度和旅游者熟悉度非常重要。从维度匹配度看，旅游者对旅游吸引物、旅游环境、旅游基础设施维度抱有很高的期望，提高目的地旅游服务质量和水平可以直接提高认知形象维度饱满度，进而提高维度匹配度和整体匹配度，是提高形象营销效果的捷径。

本研究提出的认知形象匹配度概念及属性匹配度、维度匹配度和整体匹配度计算公式，不仅为DMO定量评价投射形象与接收形象的一致性提供了具有可操作性的方法，而且为DMO准确评价目的地形象建构成功与否、合理评估目的地形象营销效果优劣，提供了具有多目的地横向对比性和同目的地不同营销阶段纵向对比性的定量方法，还可以帮助DMO正确认识目的地旅游产品和服务设计、形象营销和管理方面存在的不足和问题，及时进行形象修复和营销策略调整，保持积极的目的地形象。需要特别说明的是，本研究使用了2014—2015年期间受国家自然科学基金资助、由笔者课题组采集的杭州和西安国内旅游形象调查问卷数据，虽然能验证测量方法的有效性，但有关西安和杭州旅游形象本身的研究结果因为数据时效性的原因指导实践可能有一定局限，可为两个城市接收形象与投射形象一致性的历史变迁研究提供依据。其次，被调查者均为中国城市居民，国际旅游者的目的地形象认知没有纳入研究范围，本文提出的测量方法是否适用于国际旅游形象匹配度研究有待验证。另外，本研究仅提出了用结构法测量目的地认知形象匹配度的计算方法，非结构法测量目的地认知形象匹配度的计算方法还有待深入研究。