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：