结构方程模型简介及其旅游学领域的应用

LOGO结构方程模型简介及其在旅游学领域的应用一、为何要用结构方程模型二、结构方程模型的结构三、结构方程模型优点四、实例分析五、注意事项六、参考文献这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。如用游客旅行体验中对产品和服务质量的感知、对价值的感知作为满意度和忠诚度（潜变量）的指标，用旅游涉入、目的地吸引力、旅游功能作为游客地方感（潜变量）的指标。旅游学研究中所涉及到的许多变量，都不能准确、直接地测量，这种变量称为潜变量，如游客旅行体验中的满意度、忠诚度等。传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型则能同时处理潜变量及其指标。一、为何要用结构方程模型RealityRealityIdentityCreativity一个回归分析和结构方程比较的例子：线性回归模型及其局限性假如有三个变量（感知质量、感知价值、旅游动机）来测量游客旅行体验中的满意度的，还有三个变量（重游行为、正面口碑宣传、向他人推荐）来测量游客忠诚度的，研究满意度与忠诚度之间的关系，该怎样来进行研究？回归分析的做法：先分别计算满意度变量的总分（或平均分）和忠诚度变量的总分（或平均分），再计算两个总分的相关值。公式：y=b0+b1x1+b2x2+ε1）无法处理因变量（Y）多于一个的情况局限性2）无法处理自变量（X）之间的多重共线性3）无法对一些不可直接测量的变量进行处理，主要是一些主观性较强的变量进行测量，如感知质量、感知价值等。4）没有考虑变量（自变量、因变量）的测量误差，以及测量误差之间的关系DescriptionofthecontentsDescriptionofthecontents二、结构方程模型的结构简单来说，结构方程模型分为测量方程与结构方程测量方程（measurementequation）描述潜变量与指标之间的关系，如游客对总成本的感知、游客对总价值的感知、游客对价格价值比的感知等指标与游客感知价值的关系；结构方程（structuralequation），描述潜变量之间的关系，如游客感知价值与游客满意度的关系游客对总成本的感知游客对总价值的感知游客对价格价值比的感知游客感知价值与期望中旅游地的比较总体满意度与理想中旅游地的比较游客满意度22233x3x4y3y421β1211x1x2x111y1y2121244γ21γ22x21y11y21x12x22y12y22外源变量(X)內生变量(Y)潜变量观测变量观测变量外源观测变量外源潜变量内生潜变量内生观测变量内生观测变量外源观测变量全模型结构22233x3x4y3y421β1211x1x2x111y1y2121244γ21γ22x21y11y21x12x22y12y22■结构模型方程■y变量测量模型方程yy■x变量测量模型方程xx全模型结构yxyx对于指标与潜变量（例如三个游客感知价值指标与游客感知价值、三个游客满意度指标与游客满意度）间的关系，通常写为以下测量方程：（一）测量模型对于潜变量间（如游客感知价值与游客满意度）的关系，通常写成如下结构方程：其中：B——内生潜变量间的关系（如其它内生潜变量与游客满意度的关系）；Γ——外源潜变量对内生潜变量的影响（如游客感知价值对游客满意度的影响）；ζ——结构方程的残差项，反映了在方程中未能被解释的部分。B潜变量间的关系，即结构模型，是研究的兴趣重点，所以整个分析也称结构方程模型。（二）结构模型三、结构方程模型的优点同时处理多个因变量容许自变量和因变量含测量误差[传统方法（如回归）假设自变量没有误差]同时估计因子结构和因子关系容许更大弹性的测量模型估计整个模型的拟合程度[用以比较不同模型]SEM包括:回归分析、因子分析(验证性因子分析、探索性因子分析)、ｔ检验、方差分析、比较各组因子均值、交互作用模型、实验设计理论假设，概念模型的提出：有多种因素影响到游客满意度，下列几个因素最为重要：感知质量、感知价值、旅游动机。因此，假设：假设1：游客感知质量对游客满意度有显著的正向影响。有较高感知质量的游客，将具有较高的游客满意度。假设2：游客感知价值对游客满意有显著的正向影响。有较高感知价值的游客，将具有较高的游客满意度。假设3：旅游动机对游客满意度有显著的正向影响。相关研究表明,旅游动机与旅游地游客满意度之间存在着相关关系。四、实例分析：游客满意度的测量游客满意度总体满意度与理想中旅游地的比较与期望中旅游地的比较游客感知质量餐饮住宿交通游览娱乐购物游客感知价值旅游动机游客对总成本的感知游客对总价值的感知游客对价格价值比的感知推的因素（6个）拉的因素（6个）xy（1）模型构建与实地搜集资料整体环境模型参数的估计模型计算（lisrel统计软件）表1标准化路径系数（N=347）变量变量间关系游客满意度标准化路径系数t检验值游客感知质量ε1—η10.53游客感知价值ε3—η10.54旅游动机ε2—η10.13注:在0.05水平上显著（2）模型拟合（modelfitting）结构方程的解是否恰当,相关系数应在+1和-1之间变量变量间关系游客满意度标准化路径系数游客感知质量ε1—η10.53游客感知价值ε3—η10.54旅游动机ε2—η10.13（3）模型评价（modelassessment）（-1，+1）参数与预计模型的关系是否合理，与模型假设是否相符假设1：游客感知质量对游客满意度有显著的正向影响+√假设2：游客感知价值对游客满意有显著的正向影响+√假设3：旅游动机对游客满意度有显著的正向影响+不显著检验不同类型的整体拟合指数，（各项拟合优度指标是否达到要求）；卡方值与自由度之比在2：1到3：1之间是可以接受的，RMSEA值小于0.08，GFI、AGFI、NFI、NNFI大于0.9，表明模型与数据的拟合程度很好。(4)整体模型拟合检验（1）依据理论或有关假设，提出一个或数个合理的先验模型；（2）在原先模型的基础上，一般检查t值、标准化残差、修正指数来修改模型：首先删掉t的绝对值最小的路径，重新对模型进行拟合，重复这一步直到t值通过检验；接着，参考理论依据，添加MI值最大的路径，进行模型拟合。（5）模型修正（modelmodification）（一）样本容量问题对于样本大小问题，一个公认的结论是：被试人数越多越好，即样本越大越好。大多数模型需要至少100至200个被试（Boomsma(1982)）。当N不够大时，不要担心每个因子的指标太多。反之，应尝试以更多的指标测量每个因子。一般而言，每个因子应至少有3个指标。另一方面，当N不够大时，指标数量也不应太多（Nunnally建议被试人数是指标的10倍）。一般来说，SEM适用于大样本的分析，若要追求稳定的分析结果，低于200个样本数是不鼓励的。五、注意事项（二）处理小样本方法Marsh和Hau（1999）通过研究建议：若有可能，尽量增加样本数量；如果样本很小，应当采用更多高信度的指标。因此，在小样本条件下是鼓励增加指标数量的。（三）数据预处理在SEM之前要先作信度效度的检验，看CITC（标准化因子载荷）和阿尔法系数（综合信度）是否满足要求，若在删除CITC小于0.4的项目后，Alpha有提高的话，就要删除；否则不能删除。如此循环检验，直到得到比较满意的Alpha值（一般在0.7以上为佳）。这一步很关键，规范量表的项目信度。此外，因子载荷数值的理想水平为0.71，一般大于0.6，0.5均可；路径系数要在-1~1之间。[1]汪侠,梅虎.旅游地顾客忠诚模型及实证研究[J].旅游学刊,2006,21(10):33-38.[2]汪侠,顾朝林,梅虎.旅游景区顾客的满意度指数模型[J].地理学报,2005,60(5):907-816.[3]史春云,张捷,张宏磊等.旅游学结构方程模型应用研究综述[J].资源开发与市场,2008,24(1):63-66.六、参考文献LOGO