正文

sem潜在变量

发布时间：2023-04-07 19:26:53 稿源：创意岭阅读： 61

大家好！今天让创意岭的小编来大家介绍下关于sem潜在变量的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

1、如果存在多重共线性还能用Sem吗
2、感知环境是旅游地的宣传促销手段吗
3、AMOS从模型到分析
4、SEM 结构方程模型

sem潜在变量

一、如果存在多重共线性还能用Sem吗

能。

首先SEM更加灵活，更加综合。传统方法的模型是提前规定的或者说是默认的，而做结构方程的时候，它对变量关系的限制几乎没有，需要你自己根据理论知识设定变量之间的关系。SEM既包含显变量又有潜变量，而传统的方法之分析显变量。在SEM中我们认为误差是存在的，你甚至可以规定不同变量之间误差的关系，但是传统的方法认为误差是没有的。传统方法能够输出变量间关系的直接的显著性检验结果，而SEM没有这样的结果，我们得用拟合指标来评价模型。结构方程模型可以很好地容忍多重共线性。

二、感知环境是旅游地的宣传促销手段吗

一、游客感知环境影响结构模型

(一)理论依据

认知行为理论、理性行为理论、社会交换理论等为解释游客认知与行为奠定了理论基础。认知学派认为,多数情况下,行为和认知是相伴而生的,认知可以改变行为,行为也可以改变认知。游客的行为受旅游过程中对环境的观察和解释的影响。不适宜的行为产生于错误的知觉和解释。理性行为理论由美国学者菲什拜因和阿耶兹于1975年提出,该理论认为个体的行为在某种程度上可以由行为意向合理地推断,而个体的行为意向又是由对行为的态度和主观准则决定的。理性行为理论主要用于分析态度如何有意识地影响个体行为,关注基于认知信息的态度形成过程,其基本假设是认为人是理性的,即游客在对旅游地做出某一行为前会综合各种信息来考虑自身行为的意义和后果。社会交换理论是20世纪60年代由霍曼斯创立,它主张人类一切的社会活动都可以归结为一种交换,人们在社会交换中所结成的社会关系也是一种交换关系。社会交换理论由Long、Perdue和Allen引入旅游学,在旅游地必然存在资源交换,游客用她们的经济资源交换当地居民的友好与服务。认知行为理论、理性行为理论、社会交换理论为解释游客的感知与行为关系奠定了理论基础,在一定程度上解释了游客感知、旅游行为等之间的关系。

(二)模型构建

瑞典学者KarlG.Joreskog与DagSorbom首先提出结构方程模型(StructuralEquationModel-ing,简称SEM),有学者也把它称为潜在变量模型(LatentVariableModels,简称LVM)。它通常被归类于高等统计范畴中,整合了因素分析与路径分析两种统计方法,是从变量间或变量群间的协方差结构出发,积极探讨和反映解释变量(外生观测变量和潜在变量)对被解释变量(内生观测变量和潜在变量)的(直接或间接的)因果关系的分析法。结构方程模型使用广泛,近年来在旅游学上的应用也越来越多。1.概念模型构建模型构建是研究游客感知的重要手段之一。为了定量验证游客对少数民族旅游地环境影响感知的一系列关系与行为,根据以上理论,遵循游客感知锁链规律,借助统计分析软件(SPSS17.0)和结构方程建模软件(AMOS17.0),构建少数民族旅游地游客环境影响感知、满意度以及旅游行为的结构方程模型(图1)。模型中设计了4个潜在变量,即环境影响正面感知、环境影响负面感知、游客满意度以及游客行为,及其相互之间的因果关系。潜在变量列于椭圆形中,观察变量列于长方形中,ξ表示外因潜在变量,η表示内因潜在变量(吴明隆,2010)。其中,β与γ为通径系数。βab表示ηb对ηa的通径系数。γab表示外因潜变量ζb对内因潜变量ηa的通径系数。调查问卷设计基于结构方程模型的构建,结合前人研究成果,模型构建包括4部分:一是游客对旅游地环境影响的正面感知,包含6个观测变量;二是游客对旅游地环境影响的负面感知,包含7个观测变量;三是游客满意度,包含3个观测变量;四是游客行为,包含2个观测变量。共4个潜在变量,18个观测变量,见表1。2.假设提出通过文献梳理,对前人研究成果的总结以及模型的构建,现针对游客环境影响感知研究提出以下5种假设。H1:游客对环境影响的正面感知对游客行为有显着正向关系;H2:游客对环境影响的负面感知对游客行为有着显着反向关系;H3:游客对环境影响的正面感知对游客满意度有显着正向关系;H4:游客对环境影响的负面感知对游客满意度有显着反向关系;H5:游客对旅游地环境的满意度对游客行为有显着正向关系。

二、游客感知环境影响实证研究

(一)研究区域

我国将大力推进生态文明建设。西南少数民族地区(桂、黔、滇、川、渝、藏)多属于“老、少、边、穷”地区,旅游资源丰富,旅游业已成为促进当地发展的重要产业。少数民族地区生态环境脆弱,旅游导致的负面影响将更为严重和明显。而目前,国内“主客”感知研究主要集中于九寨沟、黄山、阳朔等风景名胜区,对少数民族地区研究欠缺,导致对民族旅游地发展演进规律的认识不足,制约我国旅游业可持续发展。因此,选择西南少数民族地区作为研究点具有较强的典型性和特殊性,见表2。充分考虑案例地的典型性、代表性、示范性、可比性、以及特征的差异性,在我国少数民族人口排名前列的广西、贵州两省选取三个少数民族村寨旅游点进行研究,分别是贵州省黔东南州西江千户苗寨(以下简称西江,A地),广西壮族自治区桂林市龙胜各族自治县平安壮族平安梯田景区(以下简称平安,B地)以及广西壮族自治区桂林市龙胜各族自治县大寨瑶族大寨梯田景区(以下简称大寨,C地)。

(二)研究方法

1.问卷设计与调查2012年7月至10月先后在三个案例地进行多次调查,在三地发放游客感知问卷942份,总共回收有效问卷876份,有效率为92.99%。问卷分两部分:第一部分就游客对旅游业发展对当地所造成的环境影响、社会文化影响、经济影响、游客满意度、旅游行为等进行评估,此部分均采用李克特七点等距量表(按赞同程度由低至高分别赋1~7分,要求游客按照“非常不同意”、“很不同意”、“不同意”“、中立”、“同意”、“很同意”、“非常同意”7个选项对每一个问题给出主观态度判断);第二部分是被访者的人口统计特征以及社会属性。依据本文研究主旨,主要选取游客对旅游地环境影响感知进行研究论证。

2.样本描述性统计分析抽样数据与雷山县旅游局、龙胜县旅游局统计数据基本情况相吻合,见表3。从年龄方面看,游客主要分布于21-49年龄段,分别是81.90%、78.40%、84.60%,大寨比例相对较高;学历方面,主要聚集在大专、本科学历,其中西江比例最高,达77.20%;收入情况看,多数游客收入集中在1000-8000元之间,1000-3000元之间比例相差不多,3000-5000元之间西江比较最高40.3%,5000-8000元之间西江比例相比平安、大寨比较较小,相差10.00%左右;职业方面,政府公职人员、企事业管理人员、专业文教技术人员、学生与其他的比重较大。

3.问卷数据常态与信度检验运用SPSS17.0软件对调研数据进行整理、检查和统计,对于异常数据进行必要的校正和剔除,并对缺省的数据采用样本分析均值替代法进行处理,然后对数据常态及题项的信度、效度进行检验分析。表4显示所有观测变量的偏度—S—<3、峰度—K—<8,即各观测变量评价值均属常态(邱皓政,2003),个项———总量修正系数均大于0.3,符合结构方程建模要求。表5所显示结构变量与观测变量标准化Alpha(α)系数均大于0.7,因此获取的数据具有较高的内在信度。模型中18个观测变量删除后Alpha(α)值变小,因此变量全部予以保留。对模型中所有18个观测变量进行重复度量的方差分析,西江、平安、大寨的结果分别是F=40.439、P<0.0001,F=31.194、P<0.0001,F=35.704、P<0.0001,显然量表的重复度量效果良好。用ANOVA方差检测法对数据进行差异性分析,首先分别对三个案例地正面感知6个题项以及负面感知7个题项的数据进行Leneve方差齐性检验,结果均显示sig>0.05,说明三组数据均满足方差齐性的前提条件,适合进行单因素方差分析。综合分析游客对环境影响正面感知的6个题项,发现除了X3、X6两选项分值显示较低(Mx3=4.107、Mx6=4.313),被访者保持中立外,其余四项分值均在5.000以上,可见游客对旅游给当地环境造成的正面影响感知度较强。对题项进行差异性分析,其中5个题项相伴概率α小于显着水平0.05,拒绝零假设,即三地明显感知差异。题项分别为:“X1旅游促进旅游地环境美化和景观塑造α=0.000”“、X2旅游改善城镇面貌α=0.025”、“X3旅游促进生态环境保护α=0.004”、“X4旅游提升民族区域建设的休闲和景观功能α=0.023”、及“X6改善旅游地自然环境质量(绿化、植被、原始森林等)α=0.000”。在满足方差齐性条件下,采用S-N-K(Student-Newman-Keuls)检验法进行单因素方差多重比较,分析结果表明,三个案例中西江在所有具有明显差异的5个题项中均值均高于其它案例地,同时标准方差也都是最小的,即游客的感知差异小。游客对旅游地环境影响的负面感知7个题项的评价分值多介于4.000~5.000之间,说明游客虽然对旅游产生的负面环境影响有所察觉,但并不认为负面影响因旅游而产生,即游客并不认为自行的言行举止会对旅游地产生负面的环境影响,这种认知与其后的行为倾向与选择有着潜在联系,也反应出游客对旅游给当地带来的环境负面影响感知度较弱。对案例地做差异性分析发现有3项差异明显,分别是X9、X10、X13。采用S-N-K检验,结果表明西江在所有具有明显差异的3个题项中均值均低于其它案例地。以上分析显示,西江在旅游环境管理及民族区域建设上较到位,值得借鉴。贵州省政府“取其精华,去其糟粕”,积累国内外旅游景区成长经验,对西江千户苗寨进行科学的统一规划。基础设施和服务设施得到极大的改善和提升。保护旅游区自然环境,走以人为本的绿色环保、健康休闲的可持续发展之路。游客行为η2包括两个观测变量,“Y4您是否愿意为保护旅游地环境增强自身环保意识M=5.131”,与“Y5您是否愿意为保护旅游地环境以身作则M=5.065”,表明游客为保护旅游地的环境愿意增强自身的环保意识与行为。差异性分析发现,女性较男性更倾向于增强环保意识与行为自律(M男=5.083,M女=5.241);年龄方面,40-59岁之间的游客分值较高(M(40-49)=5.240、M(50-59)=5.793),中年人更关注环保与行为自律;收入在2000-8000之间的游客分值均在5.000以上,相对集中;职业方面,分值较高的集中在专业文教技术人员(M=5.212)、服务销售商贸(M=5.200)、企事业管理人员(M=5.170)、学生(M=5.166)。研究结果有助于识别生态环保意识良好与不足的细分群体。

4.测量模型分析检验显示所有误差方差均为正数,因果模型符合基本适配标准(吴明隆,2010)。模型运用极大似然法对三个案例地的数据分别进行单个样本以及综合样本参数估计,分析观测变量对游客满意度以及旅游行为的影响,结果t值均>1.96,观测变量因子载荷均显着,P<0.001,达到显着水平。表明观测变量对特定结构变量的影响是显着的。

5.结构模型分析首先对结构模型的潜在变量以及所对应的基础实测数据进行模型验证以及拟合度分析,由表6可见,无论是综合数据还是单个案例地数据,均达到理想标准,表明模型的拟合度良好,具有跨样本的稳定性与有效性,保证了研究结果的效度与信度。其次,采用验证性因素分析对因子分析的结果进行信度检验,对各结构变量的信度系数、测量误差进行计算,得到潜在变量的组合信度以及平均方差抽取量(averagevarianceextracted,简称AVE)。结果显示,潜在变量的组合信度值在0.60以上,AVE值除了正面影响6个题项AVE为0.3106,其余均在0.50以上(负面影响AVE值0.5056、游客满意度AVE值0.5642、游客行为AVE值0.5188)。模型内在质量基本达标,模型的测量变量收敛效果良好。结构模型预先假设结论的成立与否均由标准化路径系数来体现,标准化系数越大表示在相互关系中的影响越大,反之则

三、AMOS从模型到分析

一般我们论文分析有很多个题项时，也就是多变量时，建立SEM结构化方程时，如果没有坚实的理论基础支撑，不清楚那些变量分为一个组时，题项对应哪个因子。一般可以先用EFA再在此基础上用 CFA。（探索性因素分析用spss软件做，验证性因素分析用amos软件。）探索性因子分析可以实现用少量因子反映大量问卷题目的信息，从而实现降低维度，便于分析的目的，并对因子命名用于后续分析。

前面的SPSS分析方法-因子分析中，也提到因子分析的前提条件： KMO检验和巴特利特检验：用于检查变量间的偏相关性，取值在0-1之间。KMO值越接近于1，因子分析效果就好。一般KMO值0.9以上极适合做因子分析，0.8以上适合做因子分析，0.7以上尚可，0.6以上勉强度可以，0.5以上不适合，0.5以下非常不适合。实际运用中，在0.7以上，效果比较好；在0.5以下时，不适合应用因子分析。

Bartlett 球形检验： P<0.05,不服从球形检验，应拒绝各权变量独立的假设，即变量间有较强相关；P>0.05时，服从球形检验，各变量相互独立，不能做因子分析。

接下来我们建立SEM模型。

一、画好路径图

打开AMOS，按照我们做EFA分好的题项或者根据理论分好的题项设计路径图。

二、读取数据文件

因为SPSS14.0版本以后已经将AMOS整合到SPSS内，所以一般我们数据以SPSS存储来分析比较兼容，不容易出问题。当然，在读取数据之前，我们要对数据的完整性问题做处理。

步骤：1、在工具箱中选择“Select data file(s)”图示，或者点菜单栏File-Data Files

2、勾选【Files Name】，然后选择分析的后缀名.sav数据文件读入

3、可以看到读入文件成功，数据样本145个

4、点击OK，结束数据读入，也可点击View Data阅览数据

二、命名变量名称

前面我们建立了路径图，但其中的潜在变量和观察变量以及相关误差都还没命名，和关联数据。