当前位置：文档库 › 基于结构方程模型的自驾游客满意度研究_史春云

基于结构方程模型的自驾游客满意度研究_史春云

地理研究

GEOGRAPHICAL RESEARCH

第33卷第4期2014年4月

V ol.33,No.4April,2014

收稿日期：2013-09-02;修订日期：2014-02-22

基金项目：国家自然科学基金项目(41101130，41301134)；河南省社科规划项目(2012BJJ001)

作者简介：史春云(1971-)，女，江苏常州人，博士，教授，研究方向为旅游地理。E-mail:shichunyun@https://www.wendangku.net/doc/5716681782.html,

751-761页

基于结构方程模型的自驾游客满意度研究

史春云1，孙勇1，张宏磊2，刘泽华2，林杰1

（1.江苏师范大学城市与环境学院，徐州221116；2.南京大学国土资源与旅游学系，南京210023）

摘要：随着自驾游的重要性越来越突出，自驾游已成为中国城镇居民节假日出游的主要方式，应当受到旅游研究者的关注。而在游客满意度热点研究中，对自驾游客感知和满意度的研究尚不多见。在中国重大节假日免收小型客车通行费背景下，以大样本问卷调查数据为基础，运用定量统计与建模分析，构建自驾游客感知维度及其对总体满意度影响路径的结构方程模型。基于探索性因子分析发现的自驾游客感知维度，构建四个外生结构变量，应用验证性因子分析和路径分析来检验其对自驾游客总体满意度的影响。研究表明：游客旅行需求、自驾旅行优势对自驾游客总体满意度具有显著影响，其次是目的地的设施与管理，而高速公路对自驾游客总体满意度影响路径的研究假设没有得到支持。对分样本进行的因素恒等性检验揭示，自驾游客感知—满意度模型具有跨样本的稳定性。研究揭示游客选择自驾游方式主要缘于自身需要，追求个体出行的自由和舒适成为自驾游客的主要目标，游客感知与体验应是自驾车旅游系统中的核心要素。

关键词：自驾游；总体满意度；游客感知；结构方程模型；因素恒等性检验DOI:10.11821/dlyj201404014

1引言

自驾游是近年来旅游交通研究的主要方向[1]。自驾游在世界很多地方的重要性越来越突出，在印度和中国已经出现越来越多的私家车主，因此自驾游应当受到旅游交通研究者的关注[2]。国家统计局2012年国民经济和社会发展统计公报显示，年末全国私人轿车5308万辆，比上年末增长22.8%。2012年中国自驾车出游人数达14.2亿人次，占中国居民出游总数的48%，自驾车旅游消费达6470亿元，约占中国居民国内旅游消费总量的30%[3]，自驾车已成为中国城镇居民节假日出游的主要方式[4,5]。2012年9月国务院批转交通运输部等部门重大节假日免收小型客车通行费实施方案，这将是中国自驾游蓬勃发展的一次重大机遇。

自驾游的主体——游客历来是自驾游研究关注的焦点，近年来的研究主要集中在自驾游客的空间行为、决策行为与消费行为等领域。在自驾游客的空间行为研究方面，Liu 等发现南宁市自驾游客的整体空间行为特征符合距离衰减模式[6]；卢松等对黄山市自驾车入游流旅行空间行为进行了分析[4]。对自驾游客决策行为的研究体现在自驾游客对客源地与目的地之间交通线路[7]、旅游目的地[8]和旅行模式[4,9-12]的选择方面，其中多目的地旅行模式的选择与影响因素日益成为该方面的研究热点。在自驾游客消费行为的研究方面，

33卷

地理研究

Downward等研究揭示，在自驾游客和公共交通游客之间存在着不同的花费模式，自驾游客的花费更高[13]。整体看，国内外的自驾游研究处于起步阶段，大多是对自驾游现象的描述与认识，理论性研究不足，对自驾游旅游系统、旅游产业、区域影响缺乏实证研究[14]。

满意度是指游客获得体验后的一种情感状态，与游客到旅游地时本身的社会心理状态有关，如心情、安排和需要。在其他一定的情况下，在设施、安排和服务方面的高质量的供给，很有可能带来高水平的游客满意度[15]。旅游业对顾客满意度的关注主要来自于世界市场上突如其来的激烈的旅游地竞争[16]。在日益激烈的市场竞争条件下，没有满意的游客就没有稳定的规模化游客流[17]。感知质量和满意度的改善将带来游客数量的保持甚至扩张，更有力支持旅游业[15]。在旅游文献中，游客满意度的评价已经出现很多种视角和理论[18]。目前游客满意度的相关研究对象主要集中在餐饮[19,20]、购物[16,21]、接待[22]，以及旅馆[23]、目的地或景区[24-26]和节庆[27]等不同领域，而迄今针对自驾游客满意度的研究还很有限[28]。本研究的目的是了解影响自驾游客感知的维度及其对游客总体满意度的影响，构建基于游客感知的自驾游满意度结构方程模型，为推动中国自驾游发展提供参考。

2研究设计与研究方法

2.1理论框架与问卷设计

参考旅游学界对游客满意度研究的理论模型，针对自驾车游客的特点，研究影响自驾游客总体满意度形成的游客感知维度（图1）。Kozak认为总体满意度水平是解释旅游意愿的最重要的变量之一[29]。Llosa等研究证实，感知/体验实际上已经是答题者在内心将感知与期望进行比较的结果，因此直接分析游客的感知/体验与他们的总体满意度水平将是合适的[30]。一个顾客的总体满意度来自于每个服务交易和对整个服务体验过程的感知，总体满意度不同于任何一个单方面的服务[31]。因此设计总体满意度为单项指标内生结构变量，问题是“您对自驾游的总体满意度”，选项分别为“非常不满意”、“不满意”、“一般”、“满意”与“非常满意”，分别赋值为1~5。

自驾游客总体满意度的影响因素主要从三个方面来考虑，即游客自驾需求、旅游目的地的吸引物、设施与管理水平以及客源地与目的地之间的交通与信息联系（高速公路、网络信息等）。旅游很大程度上是一种接受服务的消费过程，涉及“吃住行游购娱”等各方面的服务要素，都将对游客在旅行过程中的总体满意度和忠诚度产生重要的影响[25]。同时考虑到由于中国高速公路的快速发

展，大大缩短了城乡之间的距离，为

自驾游提供了交通上的便利。因此问

卷设计了游客出行可能的一般需求及

其对自驾游旅行方式的偏好、对旅游

目的地提供的各种设施与服务的要求

以及近年我国高速公路发展对自驾游

的可能影响等。

此外，问卷还设计了自驾游可能带来的游客行为影响变量，如近年出游次数是否趋于增加、对喜欢的自驾

图1自驾游客感知与满意度研究框架

Fig.1The framework of self-drive tourists'perception and

their satisfaction

752

4期史春云等：基于结构方程模型的自驾游客满意度研究

753游目的地是否会重游以及一年内自驾游次数。问卷分为自驾游客基本特征、自驾游感知与满意度问项、旅行线路与消费行为以及人口统计学特征四部分。

2.2数据来源与处理

值中国第一次国庆假期免收小型客车过路费之际，于2012年9月29日-10月2日在上海市人民广场、博物馆等地，针对有自驾游经历的市民和游客发放问卷1000份，回收962份，有效问卷832份，有效率为83.2%。答卷者中，男性略占优势（56.1%）；年龄结构以44岁以下的中青年为主（占91.1%）；文化程度上，本科及以上人数占46.9%，同时小学及以下也占到22.8%；除了仅有2名军人和2名学生外，各类职业人数都有较多分布；客源地来源广泛，除缺少香港、澳门和西藏三地游客外，涉及到其他的31个省市自治区，说明上海市对外来游客具有较大的吸引力。

运用统计软件对调查数据进行初步整理、检查和统计，对于异常数据进行必要的核对、校正和剔除。所有问项数据仅缺失8个指标值，遂用均值替代法进行处理。

2.3研究步骤与方法

当前关于自驾游客感知维度及其与满意度之间关系的文献比较少，本研究分为三个阶段：第一步，对17个自驾游客感知测量变项进行探索性因子分析(exploratory factor analysis,EFA)，以识别游客感知维度，并以此构建结构变量，建立自驾游客满意度理论模型。第二步，对建立的理论模型进行验证性因子分析(confirmatory factor analysis,CFA)和路径分析，以检验自驾游客感知——总体满意度——游客忠诚度之间的关系。第三步，在条件允许的情况下，对经过检验的自驾游客满意度结构方程模型进行因素恒等性检验。SEM原理在理论上存在着的重要盲点就是无法证明某一个模型是绝对正确的，为了能够确认该模型具有的真实性，还需要对此模型进行反复的检验[32]。史春云等对九寨沟和庐山不同旅游地的游客问卷样本进行了复核效度检验和因素恒等性检验[25]。侯杰泰等指出，对于大样本，可用一半的数据建立模型，然后再用另一半对模型进行交互确认，这样可避免最后所得的模型过于依赖样本数据[33]。本研究中原始样本比较大(n=832)，随机抽取其中400个样本构成测度样本，剩余的432个样本作为效度样本，先分别进行验证性因子分析，然后进行不同约束水平下的因素恒等性检验，目的是检验所提出的自驾游客满意度理论模型在不同样本间是否具有稳定性和有效性。

3自驾游客感知维度的探索性因子分析

对17个问项数据进行探索性因子分析，经过方差最大旋转法和主成分提取方法，选取特征值大于1的因子作为潜在变量，并且保留因子载荷大于0.40的变量。取样足够度的KMO度量值为0.861，Bartlett的球形度检验近似卡方值为5723.814(d f=136,Sig.=.000)，反映问卷数据适合因子分析，得到自驾游客感知的四个分析维度（表1）。

对所有问题项进行信度分析，计算得到Cronbach Alpha信度系数，依据变量偏度和峰度在合理范围内[34]、单项与项目整体相关度全部大于0.3、因子信度大于0.5的标准，游客感知与总体满意度测量指标全部符合要求（表1）。但问卷中的三个游客行为变量，“一年内自驾次数”的偏度和峰度值均超过了10，“出游次数”和“重游次数”的信度都过低，因此分析剔除自驾游客的所有行为变量。游客感知与总体满意度共计18个测量指标的标准化信度0.886，说明问卷具有较高的内在一致性。

33卷

地理研究

从各项指标的均值来看，游客对自驾游最满意的是自驾线路的自由，可以自选目的地与往返路线，其次是自驾出行的时间可以自由安排，然后认为自驾出行更舒适、游览更满意等，而对于自驾对资源环境的破坏小、花费更节约以及更安全等观点基本持中立态度，但总体上游客对自驾出游是比较满意的（均值3.673），在实际访谈中游客基本上都表示在条件许可的情况下，会选择自驾游。从标准差来看，大部分在0.830~0.900之间，只有“自驾对资源环境破坏小”、“依赖目的地网络”、“自驾花费节约”、“了解地方文化”等数值较大，反映游客对这几个问题具有一些分歧，而对大部分问题看法比较一致。

结合包括的问题项及其因子载荷，构建自驾游客满意度模型的结构变量（结构方程模型中也称潜变量）：因子1包括了时间自由、旅行线路自由以及餐饮、住宿等感知的7个问题，主要集中在游客出行的一般需求；因子2中的四个问题项主要涉及旅游目的地的设施与管理；因子3主要体现在与其它旅行方式相比的自驾旅行优势；因子4包括两个问题项，分别是高速公路对自驾游出行距离和频率的影响，实际反映的是高速公路对游客自驾出游行为的影响。

表1自驾游客感知维度的探索性因子分析与信度分析

Tab.1EFA and reliability analysis of self-drive tourists'perception 自驾线路自由自驾时间自由自驾餐饮满意自驾住宿满意自驾出行舒适自驾游览满意自驾购物满意景区管理要求地方服务设施地方基础设施目的地网络自驾更安全资源环境破坏小自驾花费节约了解地方文化影响出游次数影响出游距离特征值因子方差贡献率累计方差贡献率Cronbach Alpha 值总体满意度

因子1

0.7570.7540.7200.6790.6690.5840.5350.1530.1410.1620.3250.1520.0500.2470.3070.1350.1473.59421.14021.1400.855

因子20.3120.2630.0180.0910.1730.2860.1980.8500.8250.7750.5890.1160.1140.0280.3220.1100.1122.83316.66437.8030.812

因子3-0.063-0.1230.2280.2860.2960.3390.3350.1050.1450.1680.0140.7490.7150.6800.4250.0850.1182.26413.31951.1220.688

因子40.1660.1960.0640.0780.0850.046-0.0300.0370.0710.1240.0830.1110.193-0.1040.1230.8690.8571.6809.88261.0040.763

公因子方差0.7030.6910.5750.5570.5720.5400.4390.7590.7270.6700.4590.6100.5640.5170.3930.7930.782

单项与整体相关性0.6620.6240.6150.6220.6600.6170.5290.7310.6850.6490.4860.5670.4660.4520.4070.6170.617

0.609

均值3.9333.8743.5153.4843.7163.7183.4873.6353.6443.5723.7003.1203.1013.1033.5983.3393.328

3.673

标准差0.8560.8720.8750.8660.8500.8400.9000.8300.8590.8750.9760.8981.0060.9870.9200.8630.862

0.855

偏度-1.130-1.085-0.273-0.241-0.517-0.578-0.354-0.408-0.514-0.578-0.671-0.139-0.0540.071-0.485-0.453-0.369

-0.490

峰度2.0781.711-0.0220.1450.3570.6730.0540.3230.5440.4790.187-0.117-0.499-0.4500.0750.3330.107

0.536

注：18个指标均为五点李克特量表，1代表非常不赞同（不满意），5代表非常赞同（满意）。

754

4期史春云等：基于结构方程模型的自驾游客满意度研究4自驾游客感知—满意度结构方程模型

4.1模型拟合与修正

依据探索性因子分析结果，建立自驾游客感知—满意度理论模型，一个内生结构变量是游客自驾总体满意度，四个游客自驾感知外生结构变量分别为高速公路影响、游客旅行需求、自驾对目的地的要求和自驾游优势，研究假设四个外生结构变量是游客自驾总体满意度的影响因素（图2）。

原始模型的整体拟合指数大部分达到基本要求，但χ2值过高（表2）。侯杰泰等指出，

注：*表示在0.05水平上显著；***表示在0.001水平上显著。潜变量高速公路影响、游客旅行需求、对目的地要求和自驾旅行优势的组合信度值(CR)与平均方差提取值(A VE)分别为0.68、0.62；0.84、0.43；

0.83、0.56；0.69、0.36

图2自驾游客整体样本感知满意度结构方程模型的标准化解

Fig.2SEM standardized solution of self-drive tourists'satisfaction for whole survey sample

表2自驾游客满意度模型整体拟合指数

Tab.2Goodness-of-fit indicators of self-drive tourists'satisfaction model

拟合指数标准

整体样本原始模型整体样本修正模型测度样本原始模型测度样本修正模型效度样本原始模型效度样本修正模型

绝对拟合指数

χ2

/d f

(1,3)9.14.05.02.65.02.8

GFI >0.900.870.940.850.920.850.92

AGFI >0.900.820.910.800.890.800.89

RMSEA <0.060.0980.0600.1000.0630.1000.065

SRMR <0.080.0510.0430.0550.0470.0530.047

相对拟合指数

NFI >0.900.920.960.920.960.890.94

NNFI >0.900.910.960.920.970.890.95

CFI >0.900.930.970.930.970.910.96

IFI >0.900.930.970.930.970.910.96

RFI >0.900.900.950.900.950.870.93

简约拟合指数PNFI >0.500.760.770.760.770.740.76

PGFI >0.500.640.670.630.660.630.66

注：整体样本（n =832）：原始模型，d f =126，χ2=1141.07(P =0.0)；修正模型，d f =123，χ2=491.52(P =0.0)测度样本（n =400）：原始模型，d f =126，χ2=626.74(P =0.0)；修正模型，d f =123，χ2=315.51(P =0.0)效度样本（n =432）：原始模型，d f =126，χ2=626.74(P =0.0)；修正模型，d f =124，χ2=353.05(P =0.0)

Y 1

755

地理研究

756

33卷直接应用χ2检验推断一个模型是否与数据拟合并不妥当，因为χ2的大小与样本容量有关[33]。修正指数显示有一定的修饰空间，基于解释上的合理性对原始模型进行微调，修正模型对调查数据具有较好的拟合能力，主要表现在外生结构变量的观察指标的测量误差之间具有相关性，其中修正指数最大，即对减少卡方数值贡献最大的是自驾线路自由与自驾时间自由之间、自驾餐饮与住宿之间的相关，其次是自驾购物满意与自驾花费节约之间。实践中，游客在旅游地对住宿与饮食消费水平的选择具有很大的一致性，游客在旅游地旅行过程中饮食与住宿的消费往往是在同一个店内，或者是彼此接近，消费状况趋向相似水平[25]。自驾游中出行时间直接影响到出行线路和目的地的安排，同时自驾旅行时购物是否满意与游客认为花费是否值得存在很大的相关性，因此允许误差相关在实践中是合理的。

4.2测量模型与结构模型

测量模型中，每个潜变量的观察变项标准化估计值在0.54~0.97，统计上均显著(t-value＞1.96)，个体观察变量信度值(SMC)为0.29~0.93，自驾游优势所包含的四个测量变量的信度值普遍较低，但总体看测量模型比较理想（图2），说明游客感知模型中的观察指标对特定结构变量的影响都是显著的，能够很好地解释相应的潜变量，没有必要剔除任何观测变量。四个外生结构变量的组合信度(CR)为0.68~0.84，说明量表信度得到了比较稳定的测量。四个结构变量的平均方差提取值（A VE）取值在0.36~0.62，其中自驾旅行优势和游客旅行需求略为偏低。一般来说，由于测量本身的特性、外在干扰与测量误差等的影响，社会科学研究者所编制的量表的因素载荷都不会太高[35,36]。

结构模型中，路径系数部分支持研究假设，三个外生结构变量对游客总体满意度的影响路径均达到显著水平。其中，对游客总体满意度影响最为显著的结构变量是游客旅行需求和自驾旅行优势，路经系数分别达到了0.36和0.35（t检验值在0.001水平上显著）。而目的地的管理与设施水平对游客总体满意度影响相对较小，路经系数仅有0.09（t检验值在0.05水平上显著）。高速公路结构变量对总体满意度的影响路径未获得支持，这可能与近年国内对公路的建设投入很大，各级公路的交通路况得到改善有关。有60.17%填写客源地的答卷者来自江浙沪三地，而长三角有着完善的高速公路网络。高速公路对游客自驾出游行为的影响是潜在的和渐变的，自驾游客在选择旅游线路时往往已经充分考虑到公路状况，所以自驾游客在出游体验中很少再受此因子影响。

5自驾游客满意度模型的因素恒等性检验

对测度样本（n=400）和效度样本（n=432）分别进行验证性因子分析，拟合指数较好（表2），修正指数也体现出与整体模型的一致性。双样本独立验证性因子分析结果（表3）显示，各观测变量的因素载荷都在0.53~0.97之间，t检验值均显著，都不支持高速公路结构变量对自驾游客总体满意度的影响路径，不同的是效度样本中，目的地的管理与设施潜变量对游客总体满意度路径未获得支持，而在测度样本中该路径达到0.13（t检验值为0.05水平上显著），略高于整体样本。

跨样本SEM的恒等性检验依据条件限制具有不同的要求：①模型一，跨样本之间除了因素结构假设相等外，没有其他的任何恒等性假设，实际上是两个独立无关联但结构相同的验证性因子分析模型的组合；②模型二，所有观测变量(包括X与Y变量)限制因素负荷恒等，即因素结构在不同样本间被假设为相同，同时因素负荷具有跨样本的恒等限

4期史春云等：基于结构方程模型的自驾游客满意度研究制；③模型三，限制因素负荷的基础上要求测量误差恒等；④模型四，在模型三要求

观测变量因素负荷及其测量误差相等的基础上，限制结构变量间的路径系数恒等，可以视为完全等同模型[32,33]。后三个模型为嵌套（nested models ，又称巢套）模型。由于被估计的参数越来越少，因此自由度越来越大，卡方值也会越来越大。利用卡方差异检验，可以决定新增的限制是否具有显著影响来确定所检验的恒等性是否存在[25]。

从自驾游客感知—满意度结构方程模型的因素恒等性检验拟合指数（表4）可以看出，相对于限定条件所增加的自由度，卡方增量Δχ2均未达到显著水平，其他所有拟合指

表3双样本独立验证性因子分析之参数估计结果

Tab.3Results of CFA for two independent

samples

表4因素恒等性检验的拟合指数

Tab.4Goodness-of-fit of invariant

measurement 757

地理研究

758

33卷数较好，接受恒等性检验的假设，因此所建立的自驾游客感知—满意度结构方程模型具有跨样本的因素恒等性，检验反映模型具有结构形态、因子负荷以及路径上的稳定性和有效性，说明所验证的模型具有跨样本的稳定性，可以适用于不同的样本，模型具有普遍意义。6结论与讨论

研究发现：

（1）探索性因子分析显示，自驾游客感知可以划分为四个维度。在进一步的自驾游客感知—满意度验证性因子分析揭示：游客选择自驾出行方式最根本的原因就是自驾所带来旅行的各种便利和舒适，出行中基本的旅游要素，如餐饮、住宿、出行、游览、购物等更加舒适，旅游线路和时间安排更加自由。相对于传统旅行方式，自身需求更好的满足是自驾游旅行最让游客满意的因素，其次是对自驾方式可能带来的体验影响，如安全性、花费值得、对目的地文化的深入了解以及对资源环境破坏更小等方面，而目的地的管理与设施对游客总体满意度也有一定程度的影响。

研究结果反映游客选择自驾游方式主要缘于自身需要，追求个体出行的自由和舒适成为自驾游客的主要目标，游客感知与体验应是自驾车旅游系统中的核心要素，这提示旅游学界应当逐渐重视对这种富有个性的自由行、自助行游客的研究。当前游客认为自驾游最主要的限制因素不在目的地或者交通方面，而是体现在与游客自身出行有关的两方面：一是假期不合适，二是出行成本太高，如停车费和过路费等。要满足游客自驾游的需求，首先应尽快落实带薪休假制度。其次应尽量降低游客出行费用。中国施行重大节假日免收小型客车通行费将有效降低自驾游成本，提高游客满意度，鼓励自驾车旅行，但今后还应进一步放开或减少交通收费。再次，目的地应注重提高设施和管理水平，迎接自驾游时代的来临。虽然研究发现游客重游意愿并不强烈，对喜欢的旅游地仅有23.3%的游客表示会进行故地重游，而33.0%的游客明确表示不会故地重游。Hui等研究也发现，即使旅游地给许多游客留下深刻的美好印象，他们也很难能再回到同一个旅游地[37]，但游客倾向于接受亲朋好友的推荐和网络信息资源（问卷调查发现，在自驾游客出游信息来源中亲友同事推荐和旅游网络分别占49.3%、49.6%）。旅游地仍然应重视游客满意度，以保证有更多的潜在游客。

（2）因素恒等性检验显示，建立的自驾游客感知与满意度模型具有跨样本的稳定性，模型在满意度的因子维度及路径上均体现出一致性。通过对整体样本进行独立样本t检验和单一方差分析发现，不同性别、不同年龄组、不同文化程度水平的游客在自驾游总体满意度方面不存在显著差异；仅发现收入1001~2000元的总体满意度与更低和更高收入的游客满意度之间存在显著差异，收入更低和更高的自驾游客总体满意度更高，这揭示自驾旅行的游客群体感知具有显著的稳定性，对自驾游客感知与满意度模型的研究具有一定的普适意义和实际参考价值。

研究仅仅建立并验证了自驾游客感知的分析维度及其对总体满意度的影响路径，未能对自驾游客的行为意愿和行为特征展开深入分析，所建立的基于探索性因子分析基础上的自驾游客感知—满意度模型还存在需要改进的地方，部分个体观察变量信度值(SMC)不高，对部分结构变量变异程度解释质量不高（A VE过低）。建议今后对自驾游客的研究应关注以下几方面：首先，由于自驾游客是具有独立个性、新兴的一个特殊群体，结合这种

4期史春云等：基于结构方程模型的自驾游客满意度研究

759特殊性应对自驾游客的行为特征进行深入研究；第二，节假日免收通行费和带薪休假制度的实施，将对自驾游客行为带来怎样的改变？第三，自驾游客最满意的就是自驾中旅游线路的自由（均值达3.933），自驾旅游线路具有怎样的空间模式与目的地特征？游客选择自驾游线路的影响因素有哪些？第四，自驾游客是否具有特殊的消费行为特征？如何评价自驾游客对区域经济的贡献及其对产业的关联带动作用？

参考文献(References)

[1]汪德根,陈田,王金莲,等.1980-2009年国内外旅游研究比较.地理学报,2011,66(4):535-548.[Wang Degen,Chen

Tian,Wang Jinlian,et https://www.wendangku.net/doc/5716681782.html,parison of domestic and overseas tourism research from1980to2009.Acta Geographica Sinica,2011,66(4):535-548.]

[2]Hudson S.Drive tourism:Trends and emerging markets.Tourism Management,2012,33(5):1288-1289.

[3]中国旅游新闻网.https://www.wendangku.net/doc/5716681782.html,/viewnews/2013/05/19/eMUAjuwpsKashl35wXNl0.shtml.[China Travel

News.https://www.wendangku.net/doc/5716681782.html,/viewnews/2013/05/19/eMUAjuwpsKashl35wXNl0.shtml.]

[4]卢松,吉慧,蔡云峰.黄山市自驾车入游流旅行空间行为研究.地理研究,2013,32(1):179-190.[Lu Song,Ji Hui,

Cai Yunfeng.A study on the spatial travel behavior of self-driving tourists into Huangshan City.Geographical Research,2013,32(1):179-190.]

[5]北京绿维创景规划设计院自驾游课题组.我国自驾游发展研究.中国旅游报,2010:4-23.[Beijing New Dimension

Planning Design Institute research group of self-driving tour.The study on self-driving tour in China.China Tourism News,2010:4-23.]

[6]Liu Y,Zhang Y,Nie L.Patterns of self-drive tourists:The case of Nanning City,China.Tourism Management,2012,

33(1):225-227.

[7]Taplin J H E,Qiu M.Car trip attraction and route choice in Australia.Annals of Tourism Research,1997,24(3):624-

637.

[8]Mcfarlane B L.Recreation specialization and site choice among vehicle-based campers.Leisure Sciences,2004,26(3):

309-322.

[9]Lue C C,Crompton J L,Stewart W P.Evidence of cumulative attraction in multidestination recreational trip decisions.

Journal of Travel Research,1996,35(1):41-49.

[10]Connell J,Page S J.Exploring the spatial patterns of car-based tourist travel in Loch Lomond and Trossachs National

Park,Scotland.Tourism Management,2008,29(3):561-580.

[11]Zilinger M.Tourist routes:A time-geographical approach on German car-tourists in Sweden.Tourism Geographies,

2007,9(1):64-83.

[12]Smallwood C B,Beckley L E,Moore S A.An analysis of visitor movement patterns using travel networks in a large

marine park,north-western Australia.Tourism Management,2012,33(3):517-528.

[13]Downward P,Lumsdon L.Tourism Transport and Visitor Spending:A study in the North York Moors National Park,

UK.Journal of Travel Research,May2004,42:415-420.

[14]于海波,吴必虎.国外自驾游研究进展.旅游学刊,2011,26(3):55-61.[Yu Haibo,Wu Bihu.Progress about the study

of overseas self-driving travel.Tourism Tribune,2011,26(3):55-61.]

[15]Baker D A.Crompton J L.Quality,satisfaction and behavioral intentions.Annals of Tourism Research,2000,27(3):

785-804.

[16]Wong J,Law R.Differences in shopping satisfaction levels:A study of tourists in Hong Kang.Tourism Management,

2003,24(4):401-410.

[17]董观志,杨凤影.旅游景区游客满意度测评体系研究.旅游学刊,2005,20(1):27-30.[Dong Guanzhi,Yang Fengying.

A study on the evaluation system of tourist satisfaction degree in tourist area.Tourism Tribune,2005,20(1):27-30.]

[18]Yoon Y,Uysal M.An examination of the effects of motivation and satisfaction on destination loyalty:A structural

model.Tourism Management,2005,26(1):45-56.

[19]Yuksel A,Yuksel F.Measurement of tourist satisfaction with restaurant services:A segment-based approach.Journal of

Vacation Marketing,2002,9(1):52-69.

地理研究

760

33卷[20]张涛.饮食旅游动机对游客满意度和行为意向的影响研究.旅游学刊,2012,27(10):78-84.[Zhang Tao.A study on

the effects of food tourism motivation on tourism satisfaction and behavioral intention.Tourism Tribune,2012,27(10): 78-84.]

[21]Yüksel A,Yüksel F.Shopping risk perceptions:Effects on tourists'emotions,satisfaction and expressed loyalty

intentions.Tourism Management,2007,28(3):703-713.

[22]Millan A,Esteban A.Development of a multiple-item scale for measuring customer satisfaction in travel agencies

services.Tourism Management,2004,25(5):533-546.

[23]Choi T Y,Chu R.Levels of satisfaction among Asian and Western travelers.International Journal of Quality and

Reliability Management,2000,17(2):116-131.

[24]汪侠,顾朝林,梅虎.旅游景区顾客的满意度指数模型.地理学报,2005,60(5):807-8161.[Wang Xia,Gu Chaolin,

Mei Hu.Tourist attraction customer satisfaction index model.Acta Geographica Sinica,2005,60(5):807-816.]

[25]史春云,张捷,尤海梅.游客感知视角下的旅游地竞争力结构方程模型.地理研究,2008,27(3):703-714.[Shi

Chunyun,Zhang Jie,You Haimei.Structural equation model for tourism destination competitiveness from tourists' perceptional perspectives.Geographical Research,2008,27(3):703-714.]

[26]史春云,刘泽华.基于单纯感知模型的游客满意度.旅游学刊,2009,24(4):51-55.[Shi Chunyun,Liu Zehua.Tourists'

satisfaction based on perception-only model.Tourism Tribune,2009,24(4):51-55.]

[27]马凌,保继刚.感知价值视角下的传统节庆旅游体验:以西双版纳傣族泼水节为例.地理研究,2012,31(2):269-

278.[Ma Ling,Bao Jigang.A study on tourist experience of traditional festivals from the perspective of perceived value:An example from Dai ethnic group's Water Splashing Festival in Xishuangbanna,China.Geographical Research,2012,31(2):269-278.]

[28]Denstadli J M,Jacobsen J K S.The long and winding roads:Perceived quality of scenic tourism routes.Tourism

Management,2011,32(4):780-789.

[29]Kozak M.Repeaters'behavior at two distinct destinations.Annals of Tourism Research,2001,28(3):784-807.

[30]Llosa S,Chandon J,Orsingher C.An empirical study of SERVQUAL dimensionality.Service Industries Journal,1998,

18:16-44.

[31]Um S,Chon K,Ro Y.Antecedents of revisit intention.Annals of Tourism Research,2006,33(4):1141-1158.

[32]邱皓政.结构方程模式:LISREL的理论、技术与应用.台北市:双叶书廊有限公司,2005.[Qiu Haozheng.Structural

Equation Modeling:The Theory,Technology and Application of LISREL.Taipei:Double Leaf Book Co.Ltd.,2005.] [33]侯杰泰,温忠麟,成子娟.结构方程模型及其应用.北京:教育科学出版社,2004:90-119.[Hou Jietai,Wen Zhonglin,

Cheng Zijuan.Structural Equation Model and its Applications.Beijing:Educational Science Publishing House,2004: 90-119.]

[34]史春云,张捷,张宏磊,等.旅游学结构方程模型应用研究综述.资源开发与市场,2008,24(1):63-66.[Shi Chunyun,

Zhang Jie,Zhang Honglei,et al.Review of application research on structural equation model of tourism science.

Resource Development&Market,2008,24(1):63-66.]

[35]邱皓政.结构方程模型的原理与应用.北京:中国轻工业出版社,2012:101.[Qiu Haozheng.Theory and Application

of Structural Equation Modeling.Beijing:China Light Industry Press,2012:101.]

[36]Zhang H,Zhang J,Cheng S,et al.Role of constraints in Chinese calligraphic landscape experience:An extension of a

leisure constraint model.Tourism Management,2012,33(6):1398-1407.

[37]Hui T K,Wan D,Ho A.Tourists'satisfaction,recommendation and revisiting Singapore.Tourism Management,2007,

28(4):965-975.

4期史春云等：基于结构方程模型的自驾游客满意度研究

761 Study on the self-drive tourists'satisfaction based on

structural equation model

SHI Chunyun1,SUN Yong1,ZHANG Honglei2,LIU Zehua2,LIN Jie1

(1.College of Urban and Environmental Sciences,Jiangsu Normal University,Xuzhou,Jiangsu221009,China;

2.Department of Land Resources and Tourism Science,Nanjing University,Nanjing210093,China) Abstract:With the rapid development of drive tourism in many parts of the world,self-drive travel has become a favorite of urban residents in China for their holiday,and thus warrants serious research investigation.Studies on the tourist satisfaction have been one of the foci of tourism research for years,but the self-drive tourists'perception and their overall satisfaction have not been thoroughly addressed.Given the context of free passage to small passenger cars during our major holidays,the self-drive tourists'perception and overall satisfaction theoretical model is constructed through modeling methods based on survey data.The model is based on the assumption that small passenger vehicles are waived highway tolls during major holidays.Four dimensions are found according to exploratory factor analysis of the self-drive tourists'perception.Then,theoretical model assumes that these four exogenesis latent variables influence the tourists'satisfaction.Confirmatory factor analysis of total sample model suggests that tourists'travel demands,self-drive advantages,destinations facilities and management have significant positive influences on tourists'overall satisfaction.Results show that the drive experience plays a critical role in the drive tourism system,while the correlation between highway availability and overall satisfaction is not supported.Invariance measurement of the calibration sample and validation sample shows that the self-drive tourists'perception and satisfaction theoretical model shows stability and validity between different samples.

Therefore,in light of these findings,we can make several recommendations.First,in order to develop self-drive tourism,we should give some fascinating itineraries.Then,we should reduce the travel expenses for self-drive tourists as much as possible.Free passage to small passenger cars during major holidays will reduce the travel costs effectively and will help to increase the self-drive tourists'overall satisfaction,which will lead to more self-drive trips.Finally,destination managers should improve the quality of related infrastructure facilities and services for self-drive.

Key words:self-drive trip;overall satisfaction;tourists'perception;structural equation model; invariance measurement

结构方程模型及其应用

結構方程程模型型及其應新增資應用資料

目錄內容頁數引言 2 I. 第9.1版的改動 3 - 4 II. 章節內的新增資料第一章 5 第三章 6 – 8 第十二章 9 – 10 第十四章 11 – 17 III. 附录內的新增資料 19 1

引言自2005，為方便普通話及廣東話的學生，修習香港中文大學我所任教的結構方程課程，我製做了一個含有2種方言的網上課程，其後我亦將整個課程放在個人網頁(https://www.wendangku.net/doc/5716681782.html,)免費讓公眾使用。網上課程更精簡地解釋重點，尤其是對本書最艱深的部份（第三、四章），幫助最大。學員先看綱上課程，再參考書本內容，必感事半功倍。主要参考文獻： du Toit, S., du Toit, M., Mels, G., & Cheng, Y. (n.d.). LISREL for Windows: SIMPLIS syntax files. Lincolnwood, IL: Scientific Software International, Inc. (available https://www.wendangku.net/doc/5716681782.html,/lisrel/techdocs/SIMPLISSyntax.pdf) J?reskog, K.G. & S?rbom, D. (1999). LISREL 8: User’s Reference Guide. Lincolnwood, IL: Scientific Software International, Inc. J?reskog, K.G. & S?rbom, D. (1999). Structural Equation Modeling with the SIMPLIS Command Language. Lincolnwood, IL: Scientific Software International, Inc. Scientific Software International (SSI) (2012). LISREL 9.1 Release Notes. Lincolnwood, IL: The Author. (available from https://www.wendangku.net/doc/5716681782.html,/lisrel/LISREL_9.1_Release_Notes.pdf) 2

结构方程sem模型案例分析

结构方程SEM模型案例分析什么是SEM模型? 结构方程模型（Structural equation modeling, SEM）是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内，SEM大量的应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中. 顾客满意度就是顾客认为产品或服务是否达到或超过他的预期的一种感受。结构方程模型（SEM）就是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。如下图：图: SEM模型的基本框架在模型中包括两类变量：一类为观测变量，是可以通过访谈或其他方式调查得到的，用长方形表示；一类为结构变量，是无法直接观察的变量，又称为潜变量，用椭圆形表示。各变量之间均存在一定的关系，这种关系是可以计算的。计算出来的值就叫参数，参数值的大小，意味着该指标对满意度的影响的大小，都是直接决定顾客购买与否的重要因素。如果能科学地测算出参数值，就可以找出影响顾客满意度的关键绩效因素，引导企业进行完善或者改进，达到快速提升顾客满意度的目的。 SEM的主要优势第一，它可以立体、多层次的展现驱动力分析。这种多层次的因果关系更加符合真实的人类思维形式，而这是传统回归分析无法做到的。SEM根据不同属性的抽象程度将属性分成多层进行分析。第二，SEM分析可以将无法直接测量的属性纳入分析，比方说消费者忠诚度。这样就可以将数据分析的范围加大，尤其适合一些比较抽象的归纳性的属性。第三，SEM分析可以将各属性之间的因果关系量化，使它们能在同一个层面进行对比，同时也可以使用同一个模型对各细分市场或各竞争对手进行比较。

★作业(全模型3)：结构方程模型和路径分析的区别

★作业(全模型3)：结构方程模型和路径分析的区别-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

★数据分析的类型 1、以变量为中心的分析（R研究）：探索性因子分析、验证性因子分析、回归分析、结构方程模型分析等 2、以人为中心的分析（S研究）：聚类分析、判别分析等 ★因子载荷因子载荷a（ij）的统计意义就是第i个变量与第j个公共因子的相关系数，即表示X（i）依赖F（j）的份量（比重）。统计学术语称作权，心理学家将它叫做载荷，即表示第i个变量在第j个公共因子上的负荷，它反映了第i个变量在第j个公共因子上的相对重要性。在因子分析中，通常只选其中m个(m

AMOS结构方程模型分析

A M O S结构方程模型分析 Document serial number【LGGKGB-LGG98YT-LGGT8CB-LGUT-

Amos模型设定操作在使用AMOS进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。 1.绘制潜变量使用建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties，为潜变量命名。 2.为潜变量设置可测变量及相应的残差变量使用绘制。在可测变量上点击右键选择Object Properties为可测变量命名。其中Variable Name对应的是数据的变量名，在残差变量上右键选择Object Properties为残差变量命名。 3.配置数据文件，读入数据 File——Data Files——File Name——OK。 4.模型拟合 View——Analysis Properties——Estimation——Maximum Likelihood。 5.标准化系数 Analysis Properties——Output——Standardized Estimates——因子载荷标准化系数。 6.参数估计结果 Analyze——Calculate Estimates。红色框架部分是模型运算基本结果信息，点击View the Output Path Diagram查看参数估计结果图。 7.模型评价点击查看AMOS路径系数或载荷系数以及拟合指标评价。路径系数/载荷系数的显着性模型评价首先需要对路径系数或载荷系数进行统计显着性检验。模型拟合指数模型拟合指数是考察理论结构模型对数据拟合程度的统计指标。拟合指数的作用是考察理论模型与数据的适配程度，并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考，还需要根据所研究问题的背景知识进行模型合理性讨论。指数名称评价标准1 绝对拟合指2 (卡方)越小越好

结构方程模型的应用及分析策略

结构方程模型的应用及分析策略侯杰泰成子娟 (香港中文大学教育学院东北师范大学教育学院，130024) 摘要:差不多所有心理、教育、社会等概念，均难以直接准确测量，结构方程(SEM，Structural Equation Modelling)提供一个处理测量误差的方法，采用多个指标去反映潜在变量，也令估计整个模型因子间关系，较传统回归方法更为准确合理。本文主要用一系列有关学习动机的虚拟例子，指出每个问题的主要分析策略，以展示SEM在教育及心理学可以应用的研究范畴。文内探讨的方法包括：验证性因素、高阶因子、路径及因果分析、多时段(multiwave)设计、单形模型(Simple Model)、及多组比较等。关键词结构方程验证性因素分析路径及因果分析高阶因子多组比较结构方程(SEM,Structural Equation Modelling)、协方差结构模型(Covariance Structure Modelling、LISREL)等类似名词已渐流行，并成为一种十分重要的数据分析技巧；在大学高等学位研究课程，它是多变量分析(multivariate analysis)的重要课题；比较重要的社会、教育、心理期刊，也早已特开专栏介绍(如：候，1994；Connell & Tanaka,1987;Joreskog & Sorbom,1982)；可见SEM在统计学中所建立的声望及崇高地位是无容置疑的。本文主要用一系列有关学习动机的虚拟例子，来指出每个问题的主要分析策略，以展示结构方程模型在教育及心理学可以应用的研究范畴。一、结构方程：优点及拟合概念 1.数学模式很多社会、心理等变项，均不能准确地及直接地量度，这包括智力、社会阶层、学习动机等，我们只好退而求其次，用一些外项指标(observable indicators)，去反映这些潜伏变项。例如：我们以学生父母教育程度、父母职业及其收入(共六个变项)，作为学生家庭社经地位(潜伏变项)的指标，我们又以学生中、英、数三科成绩(外显变项)，作为学业成就(潜伏变项)的指标。简单来说SEM可分测量(measurement)及潜伏变项(latent variable)两部分。测量部分就是求出六个社经指标与社经地位(或三科成绩与学业成就)(即外显指标与潜伏变项之间)的关系：而潜伏变项部分则指社经地位与学业成就(即潜伏变项与潜伏变项间)的关系。指标(外显变项)含有随机(或系统)性的量度上误差，但潜伏变项则不含这些部份。SEM可用以下矩阵方程表示(Bollen,1989;Joreskog & Sorbom,1993)： η=βη+Γξ+ζ

结构方程模型案例

结构方程模型（Structural Equation Modeling，SEM) 20世纪——主流统计方法技术：因素分析回归分析 20世纪70年代：结构方程模型时代正式来临结构方程模型是一门基于统计分析技术的研究方法学，它主要用于解决社会科学研究中的多变量问题，用来处理复杂的多变量研究数据的探究与分析。在社会科学及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。SEM能够对抽象的概念进行估计与检定，而且能够同时进行潜在变量的估计与复杂自变量/因变量预测模型的参数估计。结构方程模型是一种非常通用的、主要的线形统计建模技术，广泛应用于心理学、经济学、社会学、行为科学等领域的研究。实际上，它是计量经济学、计量社会学与计量心理学等领域的统计分析方法的综合。多元回归、因子分析和通径分析等方法都只是结构方程模型中的一种特例。结构方程模型是利用联立方程组求解，它没有很严格的假定限制条件，同时允许自变量和因变量存在测量误差。在许多科学领域的研究中，有些变量并不能直接测量。实际上，这些变量基本上是人们为了理解和研究某类目的而建立的假设概念，对于它们并不存在直接测量的操作方法。人们可以找到一些可观察的变量作为这些潜在变量的“标识”，然而这些潜在变量的观察标识总是包含了大量的测量误差。在统计分析中，即使是对那些可以测量的变量，也总是不断受到测量误差问题的侵扰。自变量测量误差的发生会导致常规回归模型参数估计产生偏差。虽然传统的因子分析允许对潜在变量设立多元标识，也可处理测量误差，但是，它不能分析因子之间的关系。只有结构方程模型即能够使研究人员在分析中处理测量误差，又可分析潜在变量之间的结构关系。简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。” 目前，已经有多种软件可以处理SEM，包括：LISREL，AMOS, EQS, Mplus. 结构方程模型包括测量方程（LV和MV之间关系的方程，外部关系）和结构方程（LV之间关系的方程，内部关系），以ACSI模型为例，具体形式如下：

结构方程模型的应用(基础篇)

本文由ｓｆｙｍｍ８８贡献ｐｄｆ文档可能在ＷＡＰ端浏览体验不佳。建议您优先选择ＴＸＴ，或下载源文件到本机查看。结构方程模型的应用 ——基础篇董圣鸿Ｅｍａｉｌ：ｓｈｄｏｎｇ＠ｓｉｎａ１００．ｃｏｍ江西师范大学教育学院一、结构方程模型的含义一、结构方程模型的含义（续１） η　＝　Ｂη　＋　Γξ　＋　ζ 一、结构方程模型的含义（续２）ｘ　＝　Λ　ｘξ　＋　δ 一、结构方程模型的含义（续３）ｙ　＝　Λ　ｙη　＋　ε 二、结构方程模型的八个矩阵三、结构方程模型分析的逻辑原理三、结构方程模型分析的逻辑原理（续１）１００名学生在９个不同学科间的相关系数三、结构方程模型分析的逻辑原理（续２）９个不同学科间的相关系数的衍生矩阵三、结构方程模型分析的逻辑原理（续３）检查模型的准确性和简洁性　拟合优度指数（ｇｏｏｄｎｅｓｓ　ｏｆ　ｆｉｔ　ｉｎｄｅｘ），简称为拟合指数、ＮＮＦＩ、　ＣＦＩ　ｄｆ＝［不重复元素，　ｐ（ｐ＋１）／２］　–　［估计参数］　在前面例子　ｄｆ　＝９　ｘ　１０／２　–　２１　＝　２４四、结构方程模型分析的步骤确定理论模型　收集数据资料　获得协方差矩阵或相关矩阵　Ｌｉｓｒｅｌ分析的数据源相关系数＝协方差／（标准差×标准差）也可以从原始数据出发进行计算　构造路径图　将路径图的结构翻译为计算机语言，交给计算机运算　画路径图的方式　写命令程序的方式五、绘制路径图的规则五、绘制路径图的规则（续１）五、绘制路径图的规则（续２）六、绘制路径图进行分析的方法例１：　２５．０７０４　４　ｉｎｄｉｃｔｏｒｓ，　１　Ｆａｃｔｏｒ　１２．４３６３　２８．２０２１１１．７２５７　９．２２８１　２２．７３９０　２０．７５１０　１１．９７３２　１２．０６９２　２１．８７０７六、绘制路径图进行分析的方法例２：　６　ｉｎｄｉｃｔｏｒｓ，　ｕｎｃｏｒｒｅｌａｔｅｄ　２　Ｆａｃｔｏｒ（６Ｆ４．２）　１００　７３　１００　７０　６８　１００　５８　６１　５７　１００　４６　４３　４０　３７　１００　５６　５２　４８　４１　７２　１００七、写Ｌｉｓｒｅｌ程序进行分析的方法Ｌｉｓｒｅｌ程序包含下面六类指令。在Ｌｉｓｒｅｌ程序　中，各类指令依下述次序编排：标题指令句　输入格式（ＤＡｔａ）　一般分析格式　模型指令格式（Ｍｏｄｅｌ）　其他模型设定格式　输出格式七、写Ｌｉｓｒｅｌ程序进行分析的方法（续１）例１：　Ａｎａｌｙｓｉｓ　ｏｆ　Ｒｅａｄｅｒ　Ｒｅｌｉａｂｉｌｉｔｙ　ｉｎ　Ｅｓｓａｙ　Ｓｃｏｒｉｎｇ　Ｖｏｔａｗ＇ｓ　Ｄａｔａ　Ｃｏｎｇｅｎｅｒｉｃ　ｍｏｄｅｌ　ｅｓｔｉｍａｔｅｄ　ｂｙ　ＭＬ　ＤＡ　ＮＩ＝４　ＮＯ＝１２６　ＭＡ＝ＣＭ　ＬＡ　ＯＲＩＧＰＲＴ１　ＷＲＩＴＣＯＰＹ　ＣＡＲＢＣＯＰＹ　ＯＲＩＧＰＲＴ２　ＣＭ　２５．０７０４　１２．４３６３　２８．２０２１　１１．７２５７　９．２２８１　２２．７３９０　２０．７５１０　１１．９７３２　１２．０６９２　２１．８７０７　ＭＯ　ＮＸ＝４　ＮＫ＝１　ＬＸ＝ＦＲ　ＰＨ＝ＳＴ　ＬＫ　Ｅｓａｙａｂｉｌ　ＰＤ　ＯＵ

《结构方程模型及其应用》

《结构方程模型及其应用》内容简介侯杰泰，香港中文大学教育心理系教授、系主任。主要研究方向为学习动机，应用统计和香港语文政策。曾多次在北京、上海、南京、长春、广州等地举办的地区或全国性结构方程分析研习班上讲学。在社会、心理、教育、经济、管理、市场等研究的数据分析中，当今称得上前沿的几个统计方法中，应用最广、研究最多的恐怕非结构方程分析莫属。它包含了方差分析、回归分析、路径分析和因子分析，弥补了传统回归分析和因子分析的不足，可以分析多因多果的联系、潜变量的关系，还可以处理多水平数据和纵向数据，是非常重要的多元数据分析工具。本书是国内第一本系统介绍结构方程模型和LISREL的著作。阐述了结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、输出结果的解释和模型评价。《结构方程模型及其应用》还讨论了一些与结构方程模型有关的专题，是一本由初级至中上程度的结构方程分析著作，可作为有关专业高年级本科生和研究生的教科书及应用工作者的参考书。目录序第一部分结构方程模型入门第一章引言

一、描述数据二、具体例子展示准确与简洁的考虑三、探索性与验证性因子分析比较第二章结构方程模型简介一、结构方程模型的重要性二、结构方程模型的结构三、结构方程模型的优点四、结构方程模型包含的统计方法五、路径图的图标规则六、结构方程分析软件包七、LISIREL操作入门第二部分结构方程模型应用第三章应用示范I：验证性因子分析和全模型一、验证性因子分析二、多质多法模型三、全模型四、高阶因子分析第四章应用示范II：单纯形和多组模型一、单纯形模型二、多组验证性因子分析三、多组分析：均值结构模型四、回归模型

AMOS-结构方程模型分析

Amos模型设定操作在使用AMOS进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图, 并确定潜变量与可测变量的名称，以避免不必要的返工。 1. 绘制潜变量使用*■建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties为潜变量命名。 2. 为潜变量设置可测变量及相应的残差变量使用绘制。在可测变量上点击右键选择Object Properties为可测变量命名。对应的是数据的变量名，在残差变量上右键选择Object Properties为残差变量命名。￡炭Object Properties Test Par：iJTL 已七已工乞 | Colors | For mat ] Visibility | Set Default Undo 实施影响其中Variable Name Font size Font style Text | Parameters | Colors | Forniat | Visibility | Set Default

3. 配置数据文件，读入数据 File ----- Data Files ---- File Name ----- OK Edit View Diagram Analyze Tools Plugins Help ^ew New 空ith Template... Open... Retrieve Backup... 4. 模型拟合 View --- An alysis Properties ------ E stimation ----- M aximum Likelihood View Di 曰Analyze Tools Plugins Helf =3S Interface Properties,,, Ctrl+I 彳 &盟 ,3也齊 ________________ ￡trl^A ____ | u 〔口 d ；色严*。严尽六旨甘;日亡厂丄c Est ijnation Numerical Bias | Output | Bootstrap | Permut at ions | Randan # | Tit le Discrepancy 厂 Estimate means intercepts C Generalized least squares 5. 标准化系数 An alysis Properties --- Output ------ S ta ndardized Estimate —因子载荷标准化系数。 0切Ed Properties T 辭dt |Paiajietei ：E | Colors | Fornat | Visibility | Font style Font size Variable nanne | Regular Variable label Save Save As... Save As Templat?... Ctrl+S Files.. Ctd + D |J * Maximujii lxkElihuucl arid n n Hr Analysis Pro 卩亡门咯

结构方程模型的研究进展与应用

结构方程模型的研究进展与应用结构方程模型是一种融合了因素分析和路径分析的多元统计技术，是社会科学研究中的一个非常好的方法，下面是搜集的一篇研究结构方程模型应用的，供大家阅读参考。引言从大量事件样本进行统计分析，由事件的表象获得本质性的事件规律，是科研人员特别是管理工作者常见的研究工作方法，也是很有效的科学研究方法。统计分析方法众多，深浅不一，效果各异。对于复杂事件而言，其牵涉的层面复杂，影响和制约因子众多，这些影响或制约因子往往又非孤立，而是相互牵涉、相互影响。故需要剖析事件的内在层面结构关系，分析事件的影响显在因子，并构建一定的结构方程模型，进而挖掘出事件的影响潜在因子，综合分析并构建一个或若干个事件发展的判断指标，且设定某一程度的判断标准，判断事件的发展动态。这样的统计分析方法就是结构方程模型。结构方程模型因其优越性得到飞快的发展和广泛的应用。 1 结构方程模型的研究 1.1 基本概念、思想及本质阐述人们对于结构方程模型(StructuralEquationModeling简称为 SEM)的概念的阐述也是变化的，有从含糊到明确、由片面到全面、由肤浅到不断深入、由定格到扩充和发展的过程。 20 世纪二三十年代，结构方程模型思想刚刚起源、萌芽时，起初确定为由 Sewll Wright[1]最初提出了路径分析的概念，这种路径分析当时还没有定义为结构方程模型。之后的数十年中，对于路径分析的方法和内涵不断扩充与展开。直到 20 世纪 70 年代，一些学者以 Joreskog 和 Wiley 为代表，将因子分析和路径分析等统计方法加以整合，明确提出结构方程模型的概念[2],结构方程模型的概念明确提出后，立即得到迅猛发展，内容进一步充实，方法扩充，针对实际研究对象的具体模式不断涌现，应用的范围迅速扩展。早期的结构方程模型跟数学中的数理统计方法不是很融合，结合不大，也没有注重数理统计方法的重要性和运用的实效性。结构方程模型所包含的内容也很少，结构较为简单，方法较为单一，所列出的影响因子较少，全为显性因子，对于潜在因子的重视和提出要求是在 21 世纪初的事情了。进入 21 世纪后，人们对于结构方程模型的内在本质进一步明确，对其内涵进一步加以扩充，其模型结构图的构建越来越复杂，因子越列越多，潜在因子被明确提出并作为结构方程模型必须要求的内容。如今明确阐述结构方程模型为当代行为和社会领域量化研究

结构方程模型案例汇总-共18页

结构方程模型( Structural Equation ，SEM) Modeling 20 世纪——主流统计方法技术：因素分析回归分析 20 世纪70 年代：结构方程模型时代正式来临结构方程模型是一门基于统计分析技术的研究方法学，它主要用于解决社会科学研究中的多变量问题，用来处理复杂的多变量研究数据的探究与分析。在社会科学及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。SEM能够对抽象的概念进行估计与检定，而且能够同时进行潜在变量的估计与复杂自变量/ 因变量预测模型的参数估计。结构方程模型是一种非常通用的、主要的线形统计建模技术，广泛应用于心理学、经济学、社会学、行为科学等领域的研究。实际上，它是计量经济学、计量社会学与计量心理学等领域的统计分析方法的综合。多元回归、因子分析和通径分析等方法都只是结构方程模型中的一种特例。结构方程模型是利用联立方程组求解，它没有很严格的假定限制条件，同时允许自变量和因变量存在测量误差。在许多科学领域的研究中，有些变量并不能直接测量。实际上，这些变量基本上是人们为了理解和研究某类目的而建立的假设概念，对于它们并不存在直接测量的操作方法。人们可以找到一些可观察的变量作为这些潜在变量的“标识”，然而这些潜在变量的观察标识总是包含了大量的测量误差。在统计分析中，即使是对那些可以测量的变量，也总是不断受到测量误差问题的侵扰。自变量测量误差的发生会导致常规回归模型参数估计产生偏差。虽然传统的因子分析允许对潜在变量设立多元标识，也可处理测量误差，但是，它不能分析因子之间的关系。只有结构方程模型即能够使研究人员在分析中处理测量误差，又可分析潜在变量之间的结构关系。简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。” 目前，已经有多种软件可以处理SEM，包括：LISREL，AMOS, EQS, Mplus. 结构方程模型包括测量方程（LV和MV之间关系的方程，外部关系）和结构方程

AMOS结构方程模型修正经典案例

AMOS结构方程模型修正经典案例第一节模型设定结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用 Amos7 软件1进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。一、模型构建的思路本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据2进行分析，并对文中提出的模型进行拟合、修正和解释。二、潜变量和可测变量的设定本文在继承 ASCI 模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。模型中共包含七个因素 (潜变量 )：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍， 2000)。表 7-1设计的结构路径图和基本路径假设设计的结构路径图基本路径假设超市形象顾客抱怨质量期望感知价值顾客满意质量感知顾客忠诚超市形象对质量期望有路径影响质量期望对质量感知有路径影响质量感知对感知价格有路径影响质量期望对感知价格有路径影响感知价格对顾客满意有路径影响顾客满意对顾客忠诚有路径影响超市形象对顾客满意有路径影响超市形象对顾客忠诚有路径影响 2.1 、顾客满意模型中各因素的具体范畴 1本案例是在Amos7 中完成的。 2见 spss数据文件“处理后的数据 .sav”。

使用AMOS解释结构方程模型

AMOS输出解读惠顿研究惠顿数据文件在各种结构方程模型中被当作经典案例，包括AMOS 和LISREL。本文以惠顿的社会疏离感追踪研究为例详细解释AMOS的输出结果。AMOS同样能处理与时间有关的自相关回归。惠顿研究涉及三个潜变量，每个潜变量由两个观测变量确定。67疏离感由67无力感（在1967年无力感量表上的得分）和67无价值感（在1967年无价值感量表上的得分）确定。71疏离感的处理方式相同，使用1971年对应的两个量表的得分。第三个潜变量，SES（社会经济地位）是由教育（上学年数）和SEI(邓肯的社会经济指数)确定。解读步骤 1.导入数据。 AMOS在文件ex06-a.amw中提供惠顿数据文件。使用File/Open，选择这个文件。在图形模式中，文件显示如下。虽然这里是预定义模式，图形模式允许你给变量添加椭圆，方形，箭头等元素建立新模型

2.模型识别。潜变量的方差和与它关联的回归系数取决于变量的测量单位，但刚开始谁知道呢。比如说要估计误差的回归系数同时也估计误差的方差，就好像说“我买了10块钱的黄瓜，然后你就推测有几根黄瓜，每根黄瓜多少钱”，这是不可能实现的，因为没有足够的信息。如何告诉你“我买了10块钱的黄瓜，有5根”，你便可以推出每根黄瓜2块钱。对潜变量，必须给它们指定一个数值，要么是与潜变量有关的回归系数，要么是它的方差。对误差项的处理也是一样。一旦做完这些处理，其它系数在模型中就可以被估计。在这里我们把与误差项关联的路径设为1，再从潜变量指向观测变量的路径中选一条把它设为1。这样就给每个潜变量设置了测量尺度，如果没有这个测量尺度，模型是不确定的。有了这些约束，模型就可以识别了。注释：设置的数值可以是1，也可以是其它数，这些数对回归系数没有影响，但对误差有影响，在标准化的情况下，误差项的路径系数平方等于它的测量方差。 3.解释模型。模型设置完毕后，在图形模式中点击工具栏中计算估计按钮运行分析。点击浏览文本按钮。输出如下。蓝色字体用于注解，不是AMOS输出的一部分。 Title Example6,Model A:Exploratory analysis Stability of alienation, mediated by ses.Correlations,standard deviations and means from Wheaton et al.(1977). 以上是标题，全是英文，自己翻译去吧，没有什么价值，一堆垃圾。 Notes for Group(Group number1) The model is recursive. Sample size=932

作业：结构方程模型和路径分析的区别

结构方程模型估计案例

结构方程模型估计案例 Prepared on 22 November 2020

应用案例1 第一节模型设定结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。一、模型构建的思路本案例在着名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。二、潜变量和可测变量的设定本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。表7-1 设计的结构路径图和基本路径假设、顾客满意模型中各因素的具体范畴参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2。表7-2 模型变量对应表 1关于该案例的操作也可结合书上第七章的相关内容来看。 2本案例是在Amos7中完成的。 3见spss数据文件“处理后的数据.sav”。

1什么是结构方程模型

1什么是结构方程模型？结构方程模型是应用线性方程表示观测变量与潜变量之间，以及潜在变量之间关系的一种多元统计方法，其实质是一种广义的一般线性模型。 ?結構方程模式(Structural Equation Models，簡稱SEM)，早期稱為線性結構方程模式(Linear Structural Relationships，簡稱LISREL)或稱為共變數結構分析(Covariance Structure Analysis)。 ?主要目的在於考驗潛在變項(Latent variables)與外顯變項(Manifest variable, 又稱觀察變項)之關係，此種關係猶如古典測驗理論中真分數(true score)與實得分數(observed score)之關係。它結合了因素分析(factor analysis)與路徑分析(path analysis)，包涵測量與結構模式。 ? 1.1介绍潜在变量与观察变量的概念 ?（1）很多社会、心理研究中所涉及到的变量，都不能准确、直接地测量，这种变量称为潜变量，如工作自主权、工作满意度等。 ?（2）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。如用工作方式选择、工作目标调整作为工作自主权（潜变量）的指标，以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度（外显指标）作为工作满意度的指标。 ?（3）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。（4）书上第7页观测变量：能够观测到的变量(路径图中以长方形表示) 潜在变量：难以直接观测到的抽象概念，由测量变量推估出来的变量（路径图中以椭圆形表示）内生变量：模型总会受到任何一个其他变量影响的变量（因变量；路径图会受到任何一个其他变量以单箭头指涉的变量外生变量：模型中不受任何其他变量影响但影响其他变量的变量（自变量；路径图中会指向任何一个其他变量，但不受任何变量以单箭头指涉的变量）中介变量：当内生变量同时做因变量和自变量时，表示该变量不仅被其他变量影响，还可能对其他变量产生影响。内生潜在变量：潜变量作为内生变量外生观测变量：外生潜在变量的观测变量外生潜在变量：潜变量作为外生变量外生观测变量：外生潜在变量的观测变量中介潜变量：潜变量作为中介变量中介观测变量：中介潜在变量的观测变量 1.2介绍测量模型与结构模型的概念（书上第9页）

结构方程Amos操作Word案例

超市形象质量期望质量感知感知价值顾客满意顾客抱怨顾客忠诚应用案例1 第一节模型设定结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。一、模型构建的思路本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。二、潜变量和可测变量的设定本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。表7-1 设计的结构路径图和基本路径假设设计的结构路径图基本路径假设超市形象对质量期望有路径影响质量期望对质量感知有路径影响质量感知对感知价格有路径影响质量期望对感知价格有路径影响感知价格对顾客满意有路径影响顾客满意对顾客忠诚有路径影响超市形象对顾客满意有路径影响超市形象对顾客忠诚有路径影响 2.1、顾客满意模型中各因素的具体范畴参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2。 1关于该案例的操作也可结合书上第七章的相关内容来看。 2本案例是在Amos7中完成的。 3见spss数据文件“处理后的数据.sav”。

结构方程模型方法与应用王济川

第一章绪论 1.1 模型表述 1.1.1 测量模型 1.1.2 结构模型 1.1.3 模型表达方程 1.2 模型识别 1.3 模型估计 1.4 模型评估 1.5 模型修正附录1.1 将总体方差／协方差表达为模型参数的函数附录1.2 结构方程模型的最大似然函数第二章验证性因子分析模型 2.1 验证性因子分析模型基础知识 2.2 连续观察标识的验证性因子分析模型 2.3 非正态与删截连续观察标识的验证性因子分析模型2. 3.1 非正态性检验 2.3.2 非正态数据的验证性因子分析模型 2.3.3 删截标识的验证性生因子分析模型 2.4 分类观察标识的验证性因子分析模型 2.5 高阶验证性因子分析模型附录2.1 BSI-18量表附录2.2 条目可靠度附录2.3 Cronbacha系数附录2.4 分类结局测量的连接函数和概率计算第三章结构方程模型 3.1 MIMIC模型 3.2 结构方程模型 3.3 单标识变量中测量误差的校正 3.4 检验涉及潜变量的交互作用

附录3.1 测量误差的影响第四章潜发展模型 4.1 线性潜发展模型 4.2 非线性潜发展模型 4.3 多结局测量发展过程的线性潜发展模型 4.4 两部式潜发展模型 4.5 分类结局测量的潜发展模型第五章多组模型 5.1 多组验证性因子分析模型 5.1.1 多组一阶验证性因子分析模型 5.1.2 多组二阶验证性因子分析模型 5.2 多组结构方程模型 5.3 多组潜发展模型第六章结构方程建模的样本量估计 6.1 结构方程模型样本量估计的经验法则 6.2 satorra-Saris法估计样本量 6.2.1 应用satorra-Saris法估计CFA模型的样本量 6.2.2 应用satorra-Saris法估计LGM模型的样本量 6.3 蒙特卡罗模拟法估计样本量 6.3.1 蒙特卡罗模拟法估计CFA模型的样本量 6.3.2 蒙特卡罗模拟法估计LGM模型的样本量 6.3.3 蒙特卡罗模拟法估计具有协变量的LGM模型样本量 6.3.4 蒙特卡罗模拟法估计具有协变量和缺失值的LGM模型样本量6.4 基于模型拟合统计量／指标的SEM样本量估计参考文献

基于结构方程模型的自驾游客满意度研究_史春云

结构方程模型及其应用

结构方程sem模型案例分析

★作业(全模型3)：结构方程模型和路径分析的区别

AMOS结构方程模型分析

结构方程模型的应用及分析策略

结构方程模型案例

结构方程模型的应用(基础篇)

《结构方程模型及其应用》

AMOS-结构方程模型分析

结构方程模型的研究进展与应用

结构方程模型案例汇总-共18页

AMOS结构方程模型修正经典案例

最新★结构方程模型要点资料

使用AMOS解释结构方程模型

作业：结构方程模型和路径分析的区别

结构方程模型估计案例

1什么是结构方程模型

结构方程Amos操作Word案例

结构方程模型 方法与应用 王济川

结构方程模型方法与应用王济川