影响变量的评价

影响变量的评价_会展活动对主办城市的社会影响研究

第三节　影响变量的评价

一、影响变量及研究假设提出

(一)性别

性别(Pizam和Pokela，1985; Ritchie，1988; Mason和Cheyne，2000; Chen，2000; Wang和Pfister，2008)已被认为可能导致居民的旅游影响感知差异。

作为人口统计学变量中的最基本的一个，性别是否会对居民的会展社会影响产生作用呢?男性的收益感知更强烈，还是女性对成本感知更容忍?本研究试探性提出一个假设:

假设1:性别变量对居民的会展社会影响感知有显著影响。

(二)出生地或居住地

文献暗示出生地影响对旅游业的态度(Brougham和Butler，1981; Davis，Allen和Cosenza，1988; Um和Crompton，1987)。Goudy(1977)发现出生地也影响居民对社区变化和开发的态度。英国巴斯的案例研究验证了出生地是社会人口统计学因素中影响最显著的(Haley等，2005)。因此，提出第二条假设:

假设2:是否出生或居住在广州对居民会展社会影响感知有显著影响。

(三)居住期限

旅游影响文献表明居住在社区时间越长的居民，他们对旅游者和旅游业的态度越消极(Allen等，1988; Brougham和Butler，1981; Liu和Var，1986; Sheldon和Var，1984; Um和Crompton，1987; Mansfeld，1992; Stynes和Stewart，1993; Ryan和Montomery，1994; McCool和Martin，1994; Brunt和Courtney，1999; Cavus和Tanrisevdi，2003)。社区开发文献暗示，新到居民(跟老居民一样)也被发现对增长的社区开发持消极态度(Goudy，1977; Patton和Stabler，1979; Ayers和Potter，1989)。还有研究(Liu和Var，1986; Allen等，1988; Allen等，1993; Clements、Schultz和Limerick，1993)总结到居住期限长短与旅游感知不存在显著关系。

考虑到大部分的研究验证了居住期限变量和居民影响感知的显著关系，提出第三条假设:

假设3:在广州居住时间与广州居民对广交会的社会影响感知显著相关。

(四)居住地与会展中心的距离

在旅游影响文献中，揭示了都市和乡村居民以及他们的居住地与旅游中心的距离解释了态度中的一些变化(Belisle和Hoy，1980; Murphy和Andressen，1988; Pearce，1980; Sheldon和Var，1984; Tyrrell和Spaulding，1984)。总体来说，乡村居民和那些居住地离旅游中心较远的居民，对旅游者和旅游业更冷漠。然而，Belisle和Hoy(1980)发现居住地与旅游中心越远，他们对旅游业的态度越消极。类似地，提出第四条假设:

假设4:居住地与会展中心的距离和广州居民的会展社会影响感知显著相关。

(五)职业

针对职业与居民旅游影响感知的关系研究不太多。苏勤和林炳辉(2004)以及刘德秀和秦远好(2008)进行了相关研究，并确认了职业不同导致居民的旅游影响感知差异。

由于广交会是贸易类的展览会，参与其中或从中受益的广州居民可能具有一定的职业特征，所以本研究假定，不同职业的居民可能会持有不同的会展社会影响观点。这引出了本研究的第五条假设:

假设5:职业变量与广州居民的会展社会影响感知显著相关。

(六)年龄

尽管年龄变量对居民旅游社会影响的方向和强度没有统一的意见，但是研究(Murdock和Shriner，1979; Rojek等，1975; Belisle和Hoy，1980; Allen等，1988; Weaver和Lawson，2001; Wang和Pfister，2008)认为它能解释对当地社区变化和开发中的一些态度差异。不同年龄阶段的广州居民会对广交会的社会影响感知上，呈现出显著的区别吗?本研究提出第六条假设:

假设6:年龄与广州居民的广交会社会影响感知显著相关。

(七)文化程度

大量学者(Belisle和Hoy，1980; Kim，1986; Husbands，1989; Caneday和Zeiger，1991; Haralambopoulos和Pizam，1996; Hsu，1998; Teve等，2002; Wang和Pfister，2008)讨论了文化程度或受教育程度对居民旅游影响感知的作用，得出的结论也有差异。文化程度不同的居民，看待广交会社会影响可能会通过不同的视角，因此提出第七条假设:

假设7:文化程度变量和广州居民的广交会社会影响感知显著相关。

(八)收入

至于收入变量和居民旅游影响的感知之间的关系，国内外学者的观点也是有所差异。有学者确认了两者之间的显著关系(Haralambopoulas和Pizam，1996;苏勤、林炳辉，2004;杨兴柱、陆林，2005;欧阳润平、王立，2006;张文、何桂培，2008)，也有学者(谌永生等，2005;陈金华、周灵飞，2008)证明了两者之间关系不明显。本研究提出第八条假设:

假设8:收入变量和广州居民的广交会社会影响感知显著相关。

(九)是否为广交会工作

本研究假定，直接为广交会工作的广州居民比其他居民更加了解广交会产生的社会影响，他们对广交会的社会影响感知或许与其他居民有较大区别。因此，提出第九条假设:

假设9:直接为广交会工作的广州居民更强烈地感知广交会的社会影响。

(十)是否在会展业或旅游业工作

依靠旅游相关行业就业的居民(或者他们的亲属、朋友和邻居)已被发现对旅游业和旅游者更加有好感(Liu和Var，1986; Milman和Pizam，1988; Murphy，1980，1983; Pizam，1978; Pizam和Pokela，1985; Thomason，Crompton和Kamp，1979; Tyrrell和Spaulding，1984)。类似地，本研究提出第十条假设:

假设10:在相关行业工作和广州居民的广交会社会影响感知显著相关。

之所以用到“会展业或旅游业”，是考虑到两个行业有着千丝万缕的关系，比如不少旅行社、酒店和景区都从事会展活动经营，两者很难完全区别开。

(十一)与参展者的接触程度

Brougham和Butler(1981)发现与旅游者的接触程度(在本研究中被操作化为与参展者的接触多不多)影响居民对旅游业和旅游者的态度。本研究提出第十一条假设:

假设11:与参展者的接触程度和广州居民的广交会社会影响感知显著相关。

二、影响变量的评估

为了评价11个影响变量在正式样本中对居民的广交会影响感知的作用，将这些独立变量用典型相关分析和多元回归模型进行了检验。

(一)影响变量与公共因子的典型相关分析

为了开始检查多变量关系，使用了典型相关分析(MANOVA)。典型相关分析即在求出一组X变量(自变量或称控制变量)与一组Y变量(因变量)间是否有显著的关系(吴明隆，2000)。在本研究中，控制变量(X变量)为问卷中的B1－B11等11个人口统计学变量，效标变量(Y变量)为会展社会影响尺度的3个公共因子:个人收益、社区收益和成本感知。

1.典型相关系数的检验

典型相关系数的显著性检验有两种:一种是整体检验，另一种是维度递减检验。

(1)整体检验。

整体检验是同时检验所有的典型相关系数，看是否有一个是显著的，即对总体的典型相关程度有推断意义。

整体多元检验表中提供四种指标，包括Pillai统计值、Hotelling统计值、W ilks统计值以及Roy统计值。SPSS中对于Roy统计值没有提供检验的显著水平。SPSS提供的Roy统计值即为最大的一个典型相关系数值的平方。按照一般常规，如果一个分析中最大的典型相关系数值的平方小于0.1，那么就可以认为没有一个典型相关是显著的(Pedhazur，1982)。Roy统计值检验就是这种经验检验，它所取的值就是最大典型相关的平方。如果它没有超过0.1，就用不着考虑其他典型相关系数了。多元检验的零假设是，模型中所有对应典型变量的典型相关系数等于0。表3－20中显示，Roys统计量为0.14943，超过了0.1，并且其他3个指标的显著水平小于0.05，表明两组变量(11个影响变量和3个公共因子)显著相关。

表3－20　MANOVA输出中的整体多元检验结果

(2)维度递减检验。

维度递减检验(Dimensions Reduction Test)检验的是从本行所对应的典型相关系数及其以后的所有典型相关系数(见表3－21)。

表3－21　MANOVA输出的维度递减检验结果

维度递减检验可以提供每对变式典型相关是否显著的信息。每行的检验是对此行及其以后各行所对应的典型相关系数的多元检验。如果有一行维度递减检验不显著，即说明以后各行的典型相关均不显著。F值的显著性水平表明，拒绝了检验的零假设，即各行的表中各行的典型相关均显著。

2.典型相关系数和特征值

典型相关系数(Cannonical Correlation)就是两组中对应的两个典型变量之间的简单相关系数。但是，典型相关系数实际上并不是观测变量之间的相关，而是典型变式之间的相关(郭志刚，1999)。典型相关系数的平方的实际意义是一对典型变量之间的共享方差在两个典型变量各自方差中的比例。研究中的第一典型函数之间共享方差为14.9%，第二典型函数共享方差为6.9%，第三典型函数共享方差为5.2%。特征值可以理解为等价于各维度对观测变量总方差代表作用的指标，它的值越大说明代表作用越大。实际上，表3－22第三列将其转换为解释作用比例。即第一典型函数代表了观测变量57.571%的变化，3个维度的典型函数完全代表了观测变量的全部变化。

表3－22　MANOVA输出的典型相关系数及其他统计指标

3.典型系数

典型系数(Canonical Coefficient)是观测变量转换为典型变式的权数，相当于回归系数。由于各观测变量是用不同量纲测量的，因此粗典型系数(Raw Coefficient)之间没有可比性，应该用标准化的典型系数(见表3－23)。

4.典型负载系数

典型负载系数也被称为结构相关系数，它是典型变量与本组的观测变量之间的两两简单相关系数。本研究中的相关结果见表3－23。

5.冗余指数

冗余指数是一组观测变量总方差中与一个变式所共享的比例。这一比例能够反映自变量组各典型变式对于因变量组所有观测变量的解释能力。详见表3－23。

表3－23　人口统计学变量与居民社会影响感知的典型相关分析摘要表

从以上典型相关分析摘要表中可以发现:

(1)三个典型相关系数均达0.05以上的显著水平，第一个典型相关系数ρ₁= 0.387(p＜0.001);第二个典型相关系数ρ₂= 0.263(p＜0.001);第三个典型相关系数ρ₃= 0.229(p＜0.001)。研究中的11个自变量，主要通过三个典型因素影响到因变量，即居民的个人收益感知、社区收益感知和成本感知。

(2)自变量的第一个典型因素(χ₁)，可以说明因变量的第一个典型因素(η₁)总方差量的14.9%，而因变量的第一个典型因素(η₁)，又可解释因变量方差的4.802%，自变量与因变量重叠部分为32.134%，因而，自变量通过第一对典型因素(χ₁与η₁)，可以解释自变量总方差量的32.134%。

(3)自变量的第二个典型因素(χ₂)，可以说明自变量的第二个典型因素(η₂)总方差量的6.9%，而因变量的第二个典型因素(η₂)，又可解释因变量方差的2.302%，自变量与因变量重叠部分为33.275%，因而，自变量通过第二对典型因素(χ₂与η₂)，可以解释自变量总方差量的33.275%。

(4)自变量的第三个典型因素(χ₃)，可以说明自变量的第三个典型因素(η₃)总方差量的5.2%，而因变量的第三个典型因素(η₃)，又可解释因变量方差的1.808%，自变量与因变量重叠部分为34.591%，因而，自变量通过第三对典型因素(χ₃与η₃)，可以解释自变量总方差量的34.591%。

(5)自变量和因变量在第一个至第三个典型因素的重叠部分，共计100.000%。换言之，性别、居住地、居住年限等11个自变量通过第一个、第二个和第三个典型因素说明了个人收益感知、社区收益感知和成本感知3个感知维度总方差的100.000%;而这三个典型因素可以直接解释广州居民社会影响感知总方差的27.0%。

(6)三组典型相关以第一个典型相关较大，可见11个自变量主要是由第一典型因素影响11个自变量。11个自变量中与第一个典型因素(χ₁)的相关较高者是B7文化程度，其结构系数为－0.732;另外，B6年龄、B9是否直接为广交会工作、B2居住地、B11与参展者的接触程度、B10是否在会展业或旅游业工作以及B4居住地或工作地与琶洲展馆的车程6个自变量也与第一个典型因素存在一定相关关系，它们的结构系数分别为0.447、－0.381、0.352、－0.328、－0.308和0.267。在因变量中，与第一个典型因素(η₁)的关系较密切者是公共因子3成本感知，结构系数为0.823。而公共因子2社区收益感知与第一个典型系数也有中等相关关系存在，其结构系数为0.453。

(二)影响变量和公共因子的多元回归分析

在典型相关分析之后用多元回归分析来达成解释和预测的目的。

从文献中提取的影响变量用SPSS15.0的“enter”多元回归分析方法进行分析，决定它们在解释SISC中识别的三个因子的方差中的独特贡献。“listwise”命令用来处理含缺失值的个案。这个程序确保研究者为每个相关系数使用同一样本进行工作。这个程序虽然没有得出足够大的r²值，但是更真实地反映了数据中固有的关系属性。尽管listwise删除降低了样本规模，但是一个小样本却比一个更大的样本更难以获取统计上的显著性(Jendrek，1985)。因此，listwise命令得出的是最保守的显著性估计。

表3－24～表3－26列出了每个影响变量的Beta值、t统计量和p值，它们表示影响变量对3个公共因子的作用。

表3－24　影响变量对SISC公共因子1“社区收益”的作用^a

a.对于公共因子1，R= 0.229，r²= 0.052，F= 2.786，p= 0.002。

b.表示p＜0.05，即达到显著性水平。

公共因子1社区收益的多元相关系数为0.229，其判定系数r²为0.052，表明11个影响变量能联合预测广州居民对广交会社会影响的感知中5.2%的方差。标准化的Beta系数显示两个变量对居民的广交会社会影响感知有显著作用:“居住年限”和“文化程度”。由于“居住年限”的Beta值为－0.139，“文化程度”的Beta值为－0.096，这表明:在广州居住年限越长的居民对广交会社会影响的感知越消极;文化程度越高的居民，对于广交会社会影响的感知越消极。

表3－25　影响变量对SISC公共因子2“成本感知”的作用^a

a.对于公共因子2，R= 0.225，r²= 0.050，F= 2.677，p= 0.002。

b.表示p＜0.05，即达到显著性水平。

表3－25显示:公共因子2成本感知的多元相关系数为0.225，其判定系数r²为0.050，表明11个影响变量能联合预测广州居民对广交会社会影响的感知中5.0%的方差。根据Beta系数，仅有1个影响变量对居民的广交会社会影响有显著作用:居住地。在问卷的编码过程中，“居住地”为海珠区的居民编码为“1”，天河区编码为“2”，广州其他区为“3”，越秀区为“4”。“居住地”独立变量对公共因子2成本感知的Beta值为0.096，表明海珠区居民对广交会社会影响的正面感知最弱，负面感知最强;天河区和广州其他区居民对广交会社会影响的正面感知相对较弱，负面感知相对较强;而越秀区的居民对广交会的正面感知最强，负面感知最弱。海珠区是广交会当前的展馆所在地，海珠区居民可能正是广交会社会成本的直接承担者。而越秀区是广交会历史上流花路展馆的所在地，举办广交会的时间最长。越秀区居民对广交会的认知可能是理性和深刻的;另外，随着展馆搬迁到琶洲，很大程度上缓解了越秀区特别是流花路附近的交通压力。所以，海珠区居民对广交会社会影响负面感知最强，而越秀区的居民对广交会社会影响正面感知最强是可以理解的。

表3－26　影响变量对SISC公共因子3“个人收益”的作用^a

a.对于公共因子3，R= 0.240，r²= 0.057，F= 3.069，p= 0.001。

b.表示p＜0.05，即达到显著性水平。

公共因子3(成本感知)的判定系数为0.057，表明影响变量能联合预测广州居民对广交会社会影响的感知的5.7%的方差。Beta系数显示了3个变量对居民广交会社会影响有显著作用:性别、收入以及是否在会展业或旅游业工作。“性别”在问卷中的编码是“男性”为“1”，“女性”为“2”。Beta值为0.098，表明女性的个人收益感知强于男性;“月均实际收入”变量对“个人收益”感知有显著影响，表现在居民的月均实际收入越高，对“个人收益”感知越弱;“是否在会展业或旅游业工作”变量的编码是:“1”代表“是”，“2”代表“不是”，Beta值表明，在相关行业工作的居民的个人收益感知比不在相关行业内工作的居民感知更强烈。

表3－27提供了11条假设的验证情况。从表中可以看到，性别、居住地、居住年限、文化程度、收入以及是否在相关行业工作6个影响变量与广州居民的广交会社会影响感知显著相关，即相应的6条假设被接受。

表3－27　影响变量与居民会展社会影响感知的假设验证

或许对于广州居民样本而言，最令人惊奇的发现是居民的居住地与会展中心的距离以及与参展者的接触对于居民的广交会社会影响感知并没有多大的影响。按照假设，居住地距离广交会展馆越近的居民，可能对广交会的社会影响感知更加强烈。但是，多元回归分析的结果并未支持该假设。可能的解释是琶洲展馆的所在地尚在发展之中，周围的住宅、公司及学校比较少，尚未形成中央商务区、交通等诸多方面的压力尚未显现。除此之外，政府相关部门采取了诸如交通疏导等有效措施，致使距离变量对于居民的广交会社会影响感知的作用并不明显。

另外，多元回归分析结果表明，与参展者接触的多少对于居民的会展社会影响感知基本没有影响，可能的解释是调查样本中仅有18.1%的广州居民表示与参展者接触较多，绝大部分的广州居民与广交会的参展者接触很少，甚至没有机会接触。因此，有理由推测样本规模可能影响了对这一假设的检验。

本节得出的结论是:第一，这些影响变量或独立变量对于3个公公因子的r²值均很低，表明独立变量对于会展社会影响感知的作用很弱;第二，对11条假设的验证表明，只有性别、出生地、居住时间长短、文化程度、收入和相关行业工作6个变量与会展社会影响感知显著相关。