会展社会影响尺度的验证性因子分析

时间:2022-07-01 06:29:41

会展社会影响尺度的验证性因子分析

【摘要】引入结构方程模型,运用AMOS 7.0软件对会展社会影响尺度(SISC)进行验证性因子分析研究。从模型界定、模型拟合、模型修正和模型解释4个方面对会展社会影响尺度进行了研究。结果表明,会展社会影响尺度具有较好的内在一致性信度和结构效度。由会展社会影响尺度构建的广交会影响二阶三因素模型拟合度理想,具备理论意义,通过了样本数据的验证。

【关键词】会展社会影响尺度;验证性因子分析;结构效度

【中图分类号】C28 【文献标识码】A 【文章编号】1004-4434(2013)06-0184-07

旅游活动社会影响的研究成果十分丰硕,已有不少学者构建了旅游社会影响尺度。但是,针对会展活动的社会影响尺度研究还比较少见。刘民坤(2010)构建了会展社会影响尺度,本文试图用验证性因子分析(Confirmatory Factor Analysis,CFA)来进一步验证SISC的结构效度。

因子分析(Factor Analysis)是一套用来简化变量、分析变量间的群组关系或寻找变量背后共同的潜在构念的统计技术。因子分析有两种基本形式:探索性因子分析(Exploratory Factor Analysis,EFA)和验证性因子分析(CFA)。

结构方程模型是从理论出发,根据已有的理论研究成果或经验,如按照社会学、心理学、经济学或其他人文社会科学的既有理论设定潜变量及模型结构,通过采集相关数据验证事先构建的关系,称为验证性因子分析。在结构方程模型中,CFA是其测量模型(X模型),CFA分析的数学原理与统计程序,都是结构方程模型的一种特殊应用。CFA可以用来检验抽象概念或潜在变量的存在与否,评估测验工具的项目效度和信效度,并且检验特定理论假设下的因素结构,因此在结构方程模型范式下,CFA经常被独立使用。

一、模型界定

将研究者所关心的变量与参数通过统计模型来描述,进而加以估计分析,即是结构方程模型所有的模型界定。

1 潜变量的设定

通过文献综述了解到,会展社会影响存在如下分类:个人会展社会影响感知和社区会展社会影响感知,而这两个层面的会展社会影响感知又可以区分为积极的个人会展社会影响感知、消极的个人会展社会影响感知以及积极的社区会展社会影响感知和消极的社区会展社会影响感知。这四个方面的影响感知都是潜变量,必须通过一些可观测的变量来测量。

另一方面,本文也从数据出发构建潜变量。通过探索性因子分析构建的会展社会影响尺度(SISC)由3个潜变量构成:个人收益、社区收益和成本感知。

2 可测变量的设定

可测变量是用来度量潜变量的指标,是可以被直接观测或测量的变量。通过文献综述,参照旅游及节事等相近领域的研究结论,结合SISC构建的结果,每个潜变量分别有3个可测变量。个人收益潜变量的可测变量有:广交会“促进了广州居民与参展者的文化交流”、“提高了广州居民的普通话和英语水平”以及“使广州居民的文明程度和好客度增加”。社区收益潜变量的可测变量有:广交会“使广州的市容更漂亮了”、“使广州的公共设施维护得更好了”以及“提升了广州的国际化大都市形象”。成本感知潜变量的可测变量有:“使酗酒、故意破坏等不良行为增加了”、“使展馆附近的噪音和垃圾增加了”以及“使广州房价和租赁成本上涨了”。

3 假设模型结构

根据讨论的潜变量和可测变量的关系,可以建立假设模型如图1。

假设模型的潜在变量和可测变量对应如表1所示。

4 数据采集

2009年2月25日至3月5日,在广州市天河区和海珠区进行了问卷调查,这次调查发放问卷450份,回收367份有效问卷,回收率为81,6%。这次问卷的主要目的是进行验证性因子分析,因此问卷结构完全采用SISC的结论,即3个维度9个测量项目,问卷采用了李克特5分量度。另外,设置了一些人口统计学变量,以供将来进行研究对比。在9个测量项目(X1-X9)中,前6个项目是积极社会影响项目,均值在3.7536-4.0599分之间。其中,得分最高的项目是X6“提升了广州的国际化大都市形象”,得分最低的项目是X1“促进了广州居民与参展者的文化交流”。后3个项目是消极社会影响项目,均值在3.5887-3.8474分之间。其中,得分最高的项目是X8“使展馆附近的噪音和垃圾增加了”,得分最低的项目是X7“使酗酒、故意破坏等不良行为增加了”。这说明,样本中的广州居民最赞同的广交会积极社会影响是对广州城市形象的提升,但是认为广交会产生的主客文化交流效应并不太强。

5 缺失值的处理

在进行验证性因子分析之前,利用SPSS 15.0对CFA样本的缺失值做了适当的处理。如果对样本对缺失值不做适当的处理,就可能产生“非正定矩阵”(nonpositive definitive matrices)的问题,AMOS可能无法识别模型。本次研究中缺失值的替换方法采用“序列均值”替换方法(某题项所有答题者数值的平均值)。

6 模型识别的t规则

在结构方程模型中,模型的待估参数由模型结构中对方差一协方差决定。t规则识别法是指:

t≤1/2(p+q)(p+q+1)

式中,t是待估计的参数的个数;p是内生可测变量的个数;q是外生可测变量的个数。t规则识别法是模型能否被识别对一个必要而非充分条件。

在假设模型(图1)中,t就等于3+12+6=21。

又由于假设模型有9个观测变量,9个内生变量。因此,CFA样本提供的共变异矩阵之资料点数=1/2x(9+9)×(9+9+1)=171。

t=21

这说明从模型识别的t规则来看,假设模型是有可能被识别的。

7 数据的信度和效度检验

克朗巴赫α系数为0.739,说明本文中所使用的数据具有较好的信度。效度(validity)指测量工具能够正确测量出所要测量的特质的程度,分为内容效度(content validity)、效标效度(criterion validity)和结构效度(construct validity)三个主要类型。内容效度和效标效度往往通过专家定性研究或具有公认的效标测量加以判定,结构效度可以通过模型系数来评价。如果模型假设的潜变量之间的关系以及潜变量与可测变量之间的关系合理,非标准化系数应当具有显著的统计意义。从表2可以看出在99%的置信水平下,所有非标准化系数具有统计显著性,说明模型所使用数据的整体结构效度较好。

二、模型拟合

1 参数估计方法选择

模型拟合主要是对模型参数进行估计和对模型进行评价,可以通过AMOS 7.0软件实现。本案例使用最大似然估计(maximum likelihood)模型参数。

2 参数估计结果的展示

AMOS提供了表格形式的模型运算结果详细信息,假设模型的卡方值为29.757,显著性水平为,193(即p>0.05),这表明假设模型的卡方值比较小,并且通过了卡方检验。

3 模型评价

(1)路径系数,载荷系数的显著性

潜变量与潜变量间的回归系数称为路径系数,潜变量与可测变量间的回归系数称为载荷系数。参数估计结果见表2、表3和表4。如表2中“个人收益”潜变量对“X3”观测变量的路径系数为1.047,其CR值为8.773,相应的p值小于0.001,则可以认为这个路径系数在95%的置信度下与0存在显著性差异。因为该路径系数为0的概率小于0.1%,没有理由认为其会为0,结果拒绝原假设。同理,从表2中可以看出,除了X1、X4和X7的系数被固定为1以外,个人收益对于X2(提高了广州居民的普通话和英语水平)和X3(使广州居民的文明程度和好客度增加),社区收益对于X5(使广州的公共设施维护得更好了)和X6(提升了广州的国际化大都市形象),以及成本感知对于X8(使展馆附近的噪音和垃圾增加了)和X9(使广州房价和租赁成本上涨了)具有显著性的影响(p

在表2中发现,在潜在变量与各观察变量之间的路径系数中(例如“个人收益”与“X1”之间;“社区收益”与“X4”之间;“成本感知”与“X7”之间)有3个观察变量出现“1”,其余的观察变量则没有。这个“1”表示识别性,也就是在非标准化的估计值中,作为解释的基准。识别性的问题就是等化的问题,所谓“等化”就是将潜在变量的测量单位与观察变量的测量单位设为相同。

以表2中所呈现对非标准化系数为例,在对“个人收益”这个潜在变量的解释中,以“X1”对“个人收益”的影响为基准(也就是为1),“X2”对“个人收益”的影响为1.590,“X3”对“个人收益”的影响为1.047,可见“X2”(提高了广州居民的普通话和英语水平)对“个人收益”的影响最大。

(2)模型拟合程度评价

表3列出了预设模型、饱和模型和独立模型三种模型的拟合指数。

Amos是以卡方统计量(X2)来进行检验的,一般以卡方值的显著性水平p>.05作为判断,即模型具有良好的拟合度。但是卡方统计量容易受到样本大小影响,因此除了卡方统计量外,还需同时参考其他拟合度指标。表4列举了国内外学者较常使用的拟合指数。

当然,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。

三、模型修正

为了进一步验证模型的合理性,对样本数据采用AMOS 7.0软件进行一阶单因素(模型1)、一阶三因素(模型2)、二阶三因素(模型3)验证性分析。一阶单因素模型(模型1)是未对广州居民的广交会社会影响感知进行任何维度的假设,假定9个测量项目都归属于一个维度:“广交会影响”;一阶三因素模型(模型2)即SISC提出的3个潜变量或维度,9个测量项目的模型,假定9个测量项目分属3个潜变量;二阶三因素模型(模型3)是SISC基础上的改良,假定在居民广交会社会影响感知的3个维度(潜变量)之间,存在有共同的、更高阶的潜变量:广交会影响感知。

结果显示,模型1未能通过检验,拟合度较差,而模型2、模型3的拟合指数达到了要求(见图2、图3、图4、表8)。

图2“一阶单因素结果模型”由1个潜变量——广交会社会影响以及9个可测变量构成。也就是说,9个测量项目只建构了一个潜在因素。而对这个潜在因素没有做任何维度的划分。假定这个一阶单因素结构模型的目的,就是要与探索性因子分析中得出的一阶三因素结构模型(如图3所示)对比,选择其中拟合程度较好的模型。

图3即是SISC的路径图。它与图4的区别在于,后者是一个高阶结构模型,即在初阶潜变量(个人收益、社区收益和成本感知)之间,存在有共同的、更高阶的潜变量。图4中二阶三因素模型表示,广州居民对广交会社会影响的个人收益感知、社区收益感知以及成本感知构成了广交会的总体社会影响。

在Amos 7.0软件中,分别对3个结构模型进行拟合,将拟合指数整理成表5。

从表5中可以清晰地看出,模型1既未通过卡方检验,拟合指数又较差,应该舍弃。而模型2和模型3都通过了卡方检验,并且各项拟合指数都比较理想。考虑到模型的简效性和直观性,研究选择模型3“二阶三因素模型”为3个模型中的最佳模型。

四、模型解释

1 因果效应

(1)直接效应

直接效应是指由原因变量(可以是外生变量或内生变量)到结果变量(内生变量)的直接影响,用原因变量到结果变量的路径系数衡量直接效应。如图4中“广交会影响”潜变量对“个人收益”潜变量的直接效应系数为1.12,这说明当其他条件不变时,“广交会影响”潜变量每提升1个单位,“个人收益”潜变量将提升了1.12个单位。

(2)间接效应

指原因变量通过影响一个或者多个中介变量,对结果变量的间接影响。研究中的模型比较简单,没有中介变量,因此也不存在间接效应。

2 标准化系数

标准化系数是将各变量原始分数转换为z分数后得到的估计结果,用以度量变量间的相对变化水平。因此不同变量间的标准化路径系数(或标准化载荷系数)可以直接比较。模型的标准化系数如表6所示。

表6中,Estimate为标准化系数(标准化因素载荷),该值可以比较相对影响力。在整个模型中,可以发现,“X8”(使展馆附近的噪音和垃圾增加了)对“成本感知”的影响最大,标准化因素载荷达到,975;“X1”(促进了广州居民与参展者的文化交流)对“个人收益”的影响最小,标准化因素载荷为,585。受“个人收益”潜变量影响的是“X1、X2和X3”等3个可测变量,标准化载荷系数分别是,585、864、623。这意味着“个人收益”潜变量对X2的影响程度大于其对X1和X3的影响程度。受“社区收益”潜变量影响的是“X4、X5和X6”,标准化载荷系数分别是,876,915和852。这说明社区收益感知对广州市容、公共设施维护和国际化大都市形象的影响程度均强烈。另外,“成本感知”潜变量对“X7、X8和X9”的标准化载荷系数分别是,764,975和766。

值得说明的是,由于在探索性因子分析中3个潜变量进行了正交旋转,即3个潜变量之间没有不相关,没有构建结构关系。因此。在本研究中也就没有标准化路径系数。

至此,验证性因子分析已经验证了已提出的假设模型(即构建的SISC)是具有较强的结构效度的。

五、结论与讨论

通过问卷调查,运用CFA对构建的量表(即SISC)进行了验证。样本数据表明,SISC具有较好的内在一致性信度和结构效度。由SISC构建的广交会影响感知模型拟合度理想,具备理论意义,通过了样本数据的验证。本论文运用CFA方法对SISC进行了验证,验证结果表明SISC具有较好的信效度。

在验证了会展社会影响尺度之后。需要进一步对会展社会影响进行控制。比如,要从居民视角进行会展策划,在评估会展主办机构的策划是否成功的标准中,加入居民满意度的评价。要加强居民与参展者的交流,这种交流有利于主客双方加深对彼此文化、传统、价值观念的了解,有利于主客双方的相互理解和尊重。

上一篇:回忆里的旅程 下一篇:寻访台湾历史的原乡