您的位置 首页 > 数码极客

[因子分析法]数据分析的六种基本分析方法

结构方程模型分析流程

一、案例背景

某研究人员想要研究大型体育赛事对于旅游目的地品牌的影响。体育赛事的举办地一般会选择在旅游资源丰富、设施设备完善同时城市形象良好的地方,大型体育赛事的举办会带动当地旅游业的发展,二者之间的关系是相辅相成的。为研究大型体育赛事对于旅游目的地品牌的影响,研究人员共收集到200份问卷,部分数据如下:

二、模型构建

进行结构方程构建,一般需要研究者根据以往的研究成果确定初始研究理论模型,包括模型的测量关系、影响关系、模型潜变量名称的确定等。经过查阅相关文献以及现有研究成果,确定本案例数据理论模型如下图:

从本案例的理论模型来看,共有A1~A4,B1~B2,C1~C3,D1~D2这11个测量项;4个潜变量分别是形象契合度、形象延伸度、品牌认同、旅游目的地形象。

结构方程模型包括两部分结构,分别是测量关系和影响关系。

从测量关系来看,潜变量形象契合度由A1~A4测量;形象延伸度由B1~B2测量;品牌认同由C1~C3测量;旅游目的地形象由D1~D2测量。

从影响关系来看,形象契合度和形象延伸度对品牌认同有影响作用;品牌认同对旅游目的地形象有影响作用。

使用SPSSAU进行结构方程模型构建操作如下:

分析页面右上角的MI指标默认不输出,在后续进行模型调整时可以选择输出,然后根据MI指标进行模型修正。以及中间部分量表二阶结构,当几个潜变量组合后,模型再多一个层次时使用,本次分析并未涉及,不做设置。

在SPSSAU系统中构建模型,SPSSAU默认使用最大似然法对模型进行参数估计,在得到模型参数后,需要对模型的好坏进行评价,包括对模型拟合情况、模型影响关系、模型测量关系分别进行评价。

三、模型评价

(1)模型拟合指标

结构方程最常用模型拟合指标及其标准如下表:

SPSSAU会输出十几种拟合指标,这里仅展示本次分析结果中的最常用指标,见下表:

从模型拟合指标可以看出,卡方自由度比为1.371

(2)影响关系

模型回归系数汇总表格如下:

上表格展示潜变量之间影响关系以及测量关系情况。首先针对影响关系进行分析,从上表可知:形象契合度对于品牌认同会产生显著影响(p=0.004<0.05),标准化回归系数为0.411,说明形象契合度会对品牌认同产生正向影响关系。同理分析可知,形象延伸度会对品牌认同产生显著正向影响关系;品牌认同会对旅游目的地形象产生显著正向影响。

(3)测量关系

从上表格测量关系来看,A1,B1,C1,D1为参照项,不输出指标值。通常来讲,如果测量关系良好,标准化回归系数应该大于0.6,但在上表格中,测量项A1,A3,A4,C2的标准化回归系数均小于0.6,说明模型测量关系并不好。

如果在进行结构方程模型构建之前已经进行过探索性因子分析和验证性因子分析,那么可能已经发现相关测量项测量关系并不好的问题,并做出过调整。

在构建结构方程模型时,如果发现测量关系不好,可以选择将相关测量项删除后再次尝试进行分析。但是此次分析涉及到的变量较多,如果全部删除那么实际研究意义可能会丧失,所以需要使用其他手段进行模型调整。

四、模型调整

构建结构方程模型通常不是一次就能成功的,一般需要经过多次调整。结构方程模型的调整可以分为两大方面,分别是模型调整法和MI指标调整法。模型调整法是直接针对模型进行调整,具体可进行模型拆分、或者放弃结构方程模型的测量关系改用路径分析法。MI指标调整法,是指根据MI指标进行模型调整,包括建立新的协方差关系和影响关系两类。

(1)模型调整法

在本案例中,模型的测量关系不好,有4个测量项的标准化回归系数均小于0.6,所以可以选择放弃模型的测量关系,改用路径分析法。路径分析法是结构方程模型的一种特例,其完全不考虑测量关系,只研究影响关系。

操作可分为以下两步:①将潜变量变为显变量;②建立路径分析模型

①潜变量变为显变量

量表类数据,通常取平均值。在本案例中,形象契合度这一潜变量使用A1~A4这4个测量项表示,那么取这4个的平均值,作为显变量即可。同理,可以将形象延伸度、品牌认同、旅游目的地形象进行显变量处理。SPSSAU中使用生成变量功能操作如下:

②建立路径分析模型

在SPSSAU系统中选择【路径分析】,建立路径分析模型如下:

首先看路径分析模型拟合指标,见下表:

从上表可以看出,本次分析模型卡方自由度为1.997<3,其他指标也都在标准范围内,说明模型拟合较好,模型可靠性强。

接下来看模型的影响关系情况,见下表:

从上表可以看出,形象契合度和形象延伸度会对品牌认同产生显著正向影响,同时品牌认同对旅游目的地形象有着显著正向影响,模型影响关系构建良好。最终构建路径分析模型如下:

以上是使用模型调整法中的改用路径分析法进行模型调整,除此之外,模型调整法还包括模型拆分法、线性回归法,具体分析可以查看SPSSAU帮助手册说明。

(2)MI指标调整法

当模型各项拟合指标不达标时,可以使用MI指标调整法。MI指标调整法是让SPSSAU输出MI修正指标建议值,根据MI值判断变量之间的共变性,当变量之间MI值较大时,需要在二者之间增加路径,进行模型扩展,反复操作,直至得到最优模型。

让SPSSAU系统输出MI指标,可以根据专业知识进行MI指标大小的选择,一般选择MI>10进行输出,操作 :

输出结果如下:

一般MI值>20,说明二者之间具有较强的关系,可考虑建立二者之间的协方差关系。

从上表可以看出,B2与C1之间的MI值为10.226,意味着如果B2与C1之间建立协方差关系,那么卡方值可以减少10.226,可以考虑建立二者之间的协方差关系(因为本案例数据较好,这里仅作演示说明)。SPSSAU操作如下:

建立B2与C1之间的协方差关系后,再次进行分析,模型拟合指标如下:

从上表可以看到,模型卡方自由度比由开始的1.997降低为1.124,其余指标也有小幅度变化。如果模型拟合指标仍不达标,可继续根据MI指标建立协方差关系或者影响关系。本次分析模型各项指标均已达标,分析最终建立模型如下:

完整MI指标调整法请查看帮助手册:

五、总结

本文想要通过结构方程模型研究大型体育赛事对旅游目的地品牌的影响,经过模型检验,发现模型的测量关系并不好,所以最终舍弃模型的测量关系,仅保留模型的影响关系,即单纯使用路径分析进行研究。研究发现,形象契合度和形象延伸度对品牌认同均产生显著的正向影响;同时品牌认同对旅游目的地形象产生显著的正向影响。

结构方程模型同时考虑了测量模型以及影响模型,因此在近年的研究中使用越来越广泛。当模型拟合不好时,可以使用MI指标调整法进行模型修正;当无论如何模型指标都不达标时,可以选择使用模型调整法,改用其他方法进行研究,如路径分析、回归分析等。

参考文献:大型体育赛事对旅游目的地品牌的影响研究-王晶

责任编辑: 鲁达

1.内容基于多重复合算法人工智能语言模型创作,旨在以深度学习研究为目的传播信息知识,内容观点与本网站无关,反馈举报请
2.仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证;
3.本站属于非营利性站点无毒无广告,请读者放心使用!

“因子分析法,数据分析的六种基本分析方法,spss论文分析报告带数据,spss数据分析,论文数据分析怎么做spss”边界阅读