信度检验是用来捡测各项指标数据的可靠程度的，通过信度检验可以反映出各项指标数据受随机误差影响的程度。本文利用组合信度检验公式对指标的信度进行检测。组合信度方法的检验公式如下：

其中，CR表示组合信度，λ表示的是观测变量在潜在变量上的标准化参数（因子负载量）；θ表示的是指标变量的误差变异量。

组合信度结果在0.9以上的为很好，0.8－0.9为较好，0.7－0.8为一般，0.5－0.7为通过，低于0.5以下则表示未通过组含信度检验。

依据组合检验方法，根据检验结果可知其中（TSQ）和（LV）的组合信度系数CR值均大于0.9，很好的通过了组合信度检验，（PA）和（TS）的组合信度系数介于0.8—0.9之间，较好的通过了假设检验。具体检验结果见表5-2。

表5-2 各变量组合信度检验结果

在进行效度检验时，运用KMO检验进行因子之间相关性大小的检验和运用Bartlett球形检验对各个变量之间的独立性进行检验，在通过检验的基础上进行因子分析。首先就是构造因子变量，然后运用旋转方法使因子变量具有可解释性，在这里采用的是极大方差法进行因子旋转，最后就是计算因子变量得分。在进行因子提取时，提取标准以特征值大于1作为提取标准，检验的具体结果见表5-3。可以看出所涉及的每个变量的效度检验值都通过了检验的标准，表明本文所设计的变量具有可靠性，通过了效度检验。

由表5-3可以看出，在研究中，Cronbach’s α系数值均大于0.50，属于可接受的范围，由此可以看出量表数据具有较好的信度。KMO值在大于0.80，能很好地支持量表数据进行因子分析，Bartlett's 球形检验显著性水平均在0.000，拒绝 Bartlett's 球形检验零假设，各个观测变量的因子载荷均大于0.4并达到了统计显著水平，表明研究所获得的量表数据具有较好的效度。

信度检验是用来捡测各项指标数据的可靠程度的，通过信度检验可以反映出各项指标数据受随机误差影响的程度。本文利用组合信度检验公式对指标的信度进行检测。组合信度方法的检验公式如下：

其中，CR表示组合信度，λ表示的是观测变量在潜在变量上的标准化参数（因子负载量）；θ表示的是指标变量的误差变异量。

组合信度结果在0.9以上的为很好，0.8－0.9为较好，0.7－0.8为一般，0.5－0.7为通过，低于0.5以下则表示未通过组含信度检验。

依据组合检验方法，根据检验结果可知其中（TSQ）和（LV）的组合信度系数CR值均大于0.9，很好的通过了组合信度检验，（PA）和（TS）的组合信度系数介于0.8—0.9之间，较好的通过了假设检验。具体检验结果见表5-2。

表5-2 各变量组合信度检验结果

在进行效度检验时，运用KMO检验进行因子之间相关性大小的检验和运用Bartlett球形检验对各个变量之间的独立性进行检验，在通过检验的基础上进行因子分析。首先就是构造因子变量，然后运用旋转方法使因子变量具有可解释性，在这里采用的是极大方差法进行因子旋转，最后就是计算因子变量得分。在进行因子提取时，提取标准以特征值大于1作为提取标准，检验的具体结果见表5-3。可以看出所涉及的每个变量的效度检验值都通过了检验的标准，表明本文所设计的变量具有可靠性，通过了效度检验。

在研究中，通过调查问卷进行调查获得的样本数据信息即可直接观测的显变量，在结构方程模型图示中，用椭圆形图标来表示；无法通过调查问卷直接获取的变量称为潜变量，只能通过间接推测的方式获得，在结构方程模型图示中，用长方形图标来表示；残差项用圆形表示。在确定变量的性质以后，可以将旅游演艺游客服务质量对忠诚度影响中的各项变量进行归类，其中，TSQ是内生变量，PA、TS是中间变量，LV是外生变量。基于此，研究构结构方程模型（见图5-1）。

图5-1显示了的结构方程模型，在构建的结构方程模型中可以看出。其中，外生显变量共8项，包括：TSQ11、TSQ12、TSQ21、TSQ22、TSQ31、TSQ32、TSQ41、TSQ42。内生显变量18项，包括：TS11、TS12、TS13、TS21、TS22、TS23、TS31、TS32、TS33、PA11、PA12、PA21、PA22、LV11、LV12、LV13、LV21、LV22。外生潜变量4项：TSQ1、TSQ2、TSQ3、TSQ4。内生潜变量7项，包括TS1、TS2、TS3、PA1、PA2、LV1、LV2。

通过对结构方程中的变量性质进行识别和划分，构建出测量模型。为了进一步构建出结构方程式，需要对相关的变量进行设定。根据研究所构建的初始结构方程模型中的相关内容，（TSQ）、（TSQ1）、（TSQ2）（TSQ3）、（TSQ4）是外生潜变量，分别用ζTSQ、ζTSQ1、ζTSQ2、ζTSQ3、ζTSQ4来表示。（TS）、（TS1）、（TS2）、（TS3）、（PA）、（PA1）、（PA2）、（LV）、（LV1）、（LV2）是内生潜变量，分别用ηTS、ηTS1、ηTS2、ηTS3、ηPA、ηPA1、ηPA2、ηLV、ηLV1、ηLV2、ηLV3来表示。由此，构建出观测模型方程式：

在构建出观测模型方程式的基础上，根据结构模型的一般形式：

其中，代表内生潜变量，代表内生潜变量之间的关系系数，代表内生潜变量受外生潜变量的影响系数，代表外生潜变量，代表残差项。

在结构方程实证检验中，根据研究提出的研究假设与概念模型设定，用γ1、γ2、γ3分别表示TSQ对TS、PA、LV的作用路径。用β4表示TS对LV的作用路径，用β5、β6分别表示PA对TS与LV的作用路径。构建结构模型的方程式表达如下：

根据上述模型设定，研究进一步对影响的结构方程模型进行参数估计，包括绝对拟合指数和相对拟合指数的估计[]，估计结果见表5-4.

由表5-3可以看出，在绝对拟合指数中，卡方与自由度的比值为1.597，小于3.0，实际的样本数据和构建模中的协方差矩阵之间适配度较高。误差的均方根RMSEA观测值为0.048，误差均方和平方根为0.020，依照假设建立的模型适配度较好。在相对拟合指数当中，NFI、CFI、IFI、RFI都介于0.90～1.00之间，模型具有较好的匹配度。综合来看，研究依照假设所构架的结构方程模型与量表数据形成了较好地匹配度，各指标的观测值均符合拟合标准。为了进一步识别各个变量之间构建的路径系数，研究进一步对结构方程模型中的各路径系数进行测度，详细结构见表5-5。

由表5-5可以看出，在研究的结构方程模型中，结构方程模型的各个路径系数均出现显著的状态，各标准化路径系数均大于0.20，其效果都在可以接受的范围内，较好地通过了显著性检验。由此，我们可以确定所构建的结构方程模型是最终的结构方程模型（见图5-2）。

---