旅游学结构方程模型应用研究综述，本文主要内容关键词为：方程论文,模型论文,结构论文,旅游学论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
结构方程模型(SEM)是评价理论模型与经验数据一致性的新型统计分析方法，在心理学、教育学、卫生统计、市场营销学等研究领域已得到了广泛应用[1]。虽然结构方程模型只是近年才应用在旅游学上，但由于其特有的分析优势，已逐渐受到众多学者的关注。本文通过搜索《Annals of Tourism Research》、《Tourism Management》、《Journal of Travel Research》、《Tourism Analysis》、《Journal of Business Research》等国外旅游学权威期刊和国内CNKI收录期刊，得到将SEM应用于旅游学领域的文献35篇。经过梳理与总结，对SME的应用研究主题、主要潜变量、应用步骤与基本方法进行了综述，以期推进结构方程模型在旅游学上的应用。
1 SEM原理与优点
SEM程序主要具有验证性功能，研究者利用一定的统计手段，对复杂的理论模型进行处理，并根据模型与数据关系的一致性程度，对理论模型做出适当地评价，从而证实或证伪研究者事先假设的理论模型[2]。SEM可同时估计测量变量和潜变量之间的关系(测量模型)，以及潜变量之间的关系(结构模型)，之所以流行是因为它在模型中同时结合了验证性因子和回归分析[3]。结构方程模型主要具有以下优点[4]：①可同时考虑和处理多个因变量。②容许自变量和因变量含有测量误差，而目前一般应用的主成分评价法、因子分析法、数据包络分析法、层次分析法、多因素综合评价法、模糊曲线法等统计分析方法的共同缺点是假定所有的变量都能直接测量没有误差、变量之间只有单向的因果关系等，而这些假设在现实中都是很难满足的[2]。③与因子分析相似，SEM容许潜变量(不能直接测量或观测的变量)由多个观测指标构成，并可同时估计各指标的信度和效度，与探索性因子分析不同的是：在因子分析中观测变量可在任何或所有的因子上载荷，且因子数目是受到限制的；而当使用SEM时，使用验证性因子分析(CFA)，观测变量在特定因子上载荷[5]。④SEM可采用比传统方法更有弹性的测量模式，如某个观测指标可同时从属于两个潜变量，但在传统方法中一个指标大多只依附于某一个因子变量。⑤研究者可设计出潜变量之间的关系，并估计整个模型与数据的拟合程度。
2 在旅游学中的应用现状
研究者一般选择的变量多是通过李克特问卷量表获得数据，也有个别应用答题者个人统计特征为观测变量，如经济收入、社会地位等。根据调查研究对象可以划分为游客、居民和业者三类。在35篇相关文献中，除1篇为方法介绍外，其余26篇为有关游客感知与行为的研究，7篇为有关居民感知与态度的研究，1篇是针对旅游业从业者的研究，因此游客感知与行为的研究是当前SEM在旅游学领域的应用热点。
2.1 游客感知与行为的研究
SEM对于游客的研究相对较多，研究范围表现出既广泛又相对集中的特点。由于游客旅行体验中对产品和服务质量的感知与对价值的感知、满意度和忠诚度之间具有相关关系，由此形成一个质量—价值—满意度—忠诚度链[19]，这是SEM用于游客感知与行为研究的焦点。
感知质量—感知价值—满意度—忠诚度链的研究：在26篇有关游客感知和行为的论文中，有18篇研究游客在目的地体验的感知质量与其满意度之间的关系，并进一步研究这种感知和满意度对其旅游过后的重游行为和推荐意愿之间的关系(表1)。这18篇论文通过不同的案例、不同的外生变量或全部、或部分地验证了这条感知质量—感知价值—满意度—忠诚度链的存在。如Murphy认为，环境、服务要素是目的地产品的两个次组成部分，对游客的感知质量、感知价值、重游意愿有显著影响[8]；Oh发现，实际价格及其正负价格不公正对游客感知价格、感知质量与感知价值之间具有显著相关关系[15]；Yoon发现，旅游“推—拉”动机、游客满意度与对目的地忠诚度之间存在着重要的关系[17]；Lee则证实，旅游地功能价值、整体价值和情感价值对满意度、推荐意愿具有影响[22]。
与旅行动机有关的游客感知和行为研究：Swanson[24,25]检验了游客旅行动机、旅行活动安排和游客人口统计学特征与纪念品消费(纪念品产品、产品特性、商店特性)之间的关系。Reisinger[26]研究了美国、澳大利亚两个青年游客市场对目的地特性的重要性、旅行动机与对目的地特性感知之间的关系。路径模型分别用于每个市场，以检验假设路径并评价两个模型中的异同点，结果强调了比较不同国际游客市场的必要性。Funk[27]研究了来参观澳大利亚黄金海岸马拉松跑步项目比赛的国际游客动机，SEM分析揭示了参与动机主要是社会心理动机，以及基于文化体验和知识学习构成的文化教育动机。
网络利用与旅行实现的研究：在线旅行社区被认为是因特网营销和旅游业电子商务的核心。Wang[28]的研究结果显示，在线旅行社区的参与主要受社会和享乐利益驱动，同时对该旅行社区的贡献水平可由与动机有关的手段、功效、期望3个变量来解释。Kaplanidou[29]利用SEM研究了网站利用率对旅客的影响，其中包含了消费者特征，结果显示视觉动机和旅行信息功能很重要，网站利用率是到目的地旅行意愿的重要预测变量。此外，Neal[30]建立了休闲旅游服务的一种满意度测量模型，研究结果表明旅行经历对生活满意度有着重要的影响。Mazanec[31]则利用SEM探讨了感知利益、是否对欧洲统一货币有信心与游客选择团队旅行产品的偏好之间的路径关系。
2.2 旅游地居民感知与行为的研究
由于理解当地社区对旅游开发的感知，了解他们对旅游业发展态度及其影响因素，对能否成为一个有竞争力的旅游地非常重要[32]。因此，最常构建的内生变量就是居民对社区旅游开发的态度，即居民对社区旅游开发影响的感知与其对旅游开发态度之间是否存在相关关系是结构方程模型在旅游社区居民研究中的重点(表2)。
Lindberg[33]研究发现，经济净收益和认知影响对居民态度的影响大于感知犯罪率和审美的影响，结果支持人口统计学变量通过价值间接影响态度。Ko[3]基于732个韩国重要的国内旅游目的地居民问卷数据，发现居民对社区的满意度与旅游影响的正面感知和负面感知紧密相关，并直接影响到居民对旅游开发的态度。Gursoy[32]调查了美国弗吉尼亚州周围5个县的游憩区域的居民，研究显示接待社区对旅游业的支持态度受对旅游业的关注程度、经济价值感知、基于资源的收益、感知成本和旅游开发利益的影响。Yoon[34]研究发现，经济和文化感知是影响居民对旅游开发支持态度的最重要影响因素，而社会和环境影响与整体影响为负相关，说明居民对环境和文化影响的感知倾向于不支持旅游开发。Yoon[35]通过646份维吉尼亚州利益主体的随机调查发现，旅游利益主体对旅游吸引物/资源开发的偏好受旅游开发影响和地方依赖的共同作用，利益主体对旅游吸引物/资源开发的偏好越多，他们就越可能去支持诸如营销、目的地管理等目的地竞争战略，但也发现并不像原先假设旅游利益主体由于从旅游开发中受益，尤其是经济和文化方面受益，所以才去支持提升目的地竞争力战略。杨兴柱[36]的农户参与旅游决策行为概念模型认为，农户对开发基础认知、地方认同感、旅游影响感知3个外生变量影响农户参与旅游开发的态度，并和农户参与能力一起影响农户参与决策，而参与决策最终影响农户的旅游开发偏好与参与行为。与过去绝大多数居民感知研究都是基于在一个特定的时间内或在旅游开发过后得出的简单映像不同，Lee调查比较了博彩业开发前后居民感知与行为的差异[37]。
2.3 旅游业从业者的研究
由于许多旅游业就业者日益面临不断增加的工作压力，尤其是工作和休闲之间的冲突，Wong[38]抽样选取380名旅游业的服务人员，研究了工作压力变量之间的关系及其与工作—休闲冲突之间的关系。结果显示，工作需求、工作调节和管理上的支持对工作—休闲冲突存在着显著、直接的影响。总体上可能存在的样本数量和问卷调查上的困难，目前对旅游业者的研究还很少。
3 SEM应用步骤与要求
通常SEM在旅游学上的应用具体可以划分为以下几类：①文献梳理。根据研究目的，对相关文献进行梳理，为潜变量的选择和理论模型的建立以及潜变量的测量变项设计做准备。②理论模型界定。建立潜变量之间理论联系的结构模型，提出模型假设。此模型称之为“理论模型”，通常可以按照规范先绘制路径图。③模型识别。即数据满足参数估计的条件是否充分。如果模型不识别，就不可能得到模型的参数。识别所必须的条件是估计参数少于或等于样本协方差矩阵中观测变量的数目[5]。④选择测量变项与实地搜集资料。在估计和解释SEM结果以及样本误差估计时，样本规模是很重要的因素。虽然没有明确的样本规模要求，建议规模为100—200，200为临界值，但与估计参数相比，样本数必须足够大，一般是估计参数的5倍，最低不能低于50[5]。当样本量大于200时，卡方统计就不再是一个很好的拟合指标，对最大似然估计技术就较敏感[39]。⑤数据分析与处理。首先在使用结构方程模型进行分析之前必须对数据的常态性进行检验说明，可利用SPSS、PRELIS程序进行。一般应分别进行单项和多变项的偏态(skewness)与峰度(kurtosis)或显著性检验。当偏态系数｜S｜＞3、峰度系数｜K|＞10、显著性考验｜Z｜＞1.96，可视为非常态。对非常态数据可通过变形，如取对数等方法进行转换[40]，然后对问卷进行信度检验。一般采用Cronbach Alpha信度系数法，其中单项与项目整体相关度通常要大于0.3，如果小于0.3且删除后单项Alpha系数小于整体的Alpha系数，则该项目仍可视为可信，可保留[22,34]；计算潜变量的信度和整体信度一般要大于0.7以上才较理想。对变项较多的数据，一般先进行探测性因子分析，常用主成分分析方法以减少变项数目，但也有通过因子分析来确定观测变量与潜变量之间的特定关系。一个模型一般最多包括20个变量(5—6个潜变量，每个包含3—4个观测指标)。变量数目过多就会产生解释上和统计显著性上的困难[5,19,22]。保留因子载荷大于0.40的变量，并对所有包含在一个因子中的项目计算得到一个组合因子，以组合因子作为潜变量的测量指标。该方法有助于减少在验证性因子分析中的共线性或指标间误差的相关性问题[17]。⑥模型估计。LISREL共提供了7种参数估计的方法，但最常用的是最大似然估计[5]，其假设前提是多变量常态分布。该方法需要较多的样本数量，一般要求样本数最低为100。首先进行测量模型的估计，目的是通过验证性因子分析方法检验模型中各观测变量与潜变量之间的关系，观测变量是否正确地测量其潜变量，检验是否存在观测变量在其它潜变量上也有载荷，不同的观测变量之间是否存在相关性。同时对个体变量信度过小或共线性较多的变项进行删除，以保证每个指标通常只包含在一个潜变量中[32]。一般如果t≥1.96，说明观测变量对潜变量的表示/解释是有效的[25]。当每个潜变量的观测指标满足3个条件：复相关系数R2大于0.50、标准化参数估计值在0.50—0.95、统计上显著(0.05水平上的显著)时，即说明测量模型比较理想[39]。其次进行结构模型的估计与信度和效度的检验，目的是通过验证性因子分析检验整体模型是否支持理论模型和假设路径。Fornell[41]建议，理想的潜变量的组合信度应大于0.6[24]，收敛效度要求平均变异抽取量大于0.5。判别效度以潜变量的平均变异抽取量与该潜变量和其它潜变量的相关系数的平方之间的比较结果来判断，即潜变量的平均变异抽取量的平方根要大于该潜变量与其它潜变量的相关系数[38]。⑦整体模型拟合检验。通常单一的指标不能说明模型的整体拟合程度，因此对整体模型的拟合检验通常使用绝对拟合指数、相对拟合指数、简约拟合指数来分别进行评价(表3)，分别代表模型在不同方面的拟合。从表1和表2中所列出的拟合指数可以看出，结构方程模型在旅游学上的应用日益严谨与完善。⑧模型修正。由于实际的样本数据与理论模型会存在一定的差距，因此常常要根据修正指数和期望改善值来对模型进行修正，但应以理论为基础，以能做出合理的解释为修正模型的前提，一般不提倡纯粹为拟合数据而修正模型。
4 结论与展望
从目前已有的研究成果来看，与国外结构方程模型在旅游学上的应用已成为旅游学研究的热点相比，国内的相关方面才刚刚起步，论文发表数量极少；从结构方程模型应用的研究对象看，游客感知与行为研究是热点，而对旅游地社区居民和经营业者的感知与态度的应用研究偏少；从应用空间上看，大多数只针对于某个特定的旅游地，缺少对比研究，因此建立的模型有待于验证与推广研究；从研究时段上看，无论是对游客还是旅游社区的研究，都局限于特定的时间段上，缺少长期的和动态的跟踪调查研究，而这对于理解模型对旅游地成长和发展的预测性具有重要意义。