旅游移动APP能够持续吸引用户吗?
开篇：润墨网以专业的文秘视角，为您筛选了一篇旅游移动APP能够持续吸引用户吗?范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
[摘 要]在移动互联网背景下，旅游移动app潜在商业价值巨大，相关企业为推广APP应用投入巨大。然而，旅游移动APP的用户是否会受到“强推”式营销策略的影响从而产生持续吸引力并构建顾客忠诚度呢？文章在已有成熟理论的基础上，引入了使用经验、传染性、自我效能3个变量，构建了有调节的中介检验模型。实证结果显示：旅游移动APP用户的感知优势对使用行为的直接效应与中介效应均显著，表明其只是部分通过中介变量作用于使用行为；传染性因素正向影响旅游移动APP用户的感知优势与使用行为，虽分享价值已被利用，但离充分发挥移动客户端营销爆炸性传播力量仍有距离；使用经验对态度与使用意向之间关系以及使用意向与使用行为之间关系的调节效应不显著，自我效能对旅游移动APP用户态度与使用意向之间关系的调节效应显著，而对使用意向与使用行为之间关系的调节效应不显著，旅游移动APP的内容与形式亟待完善。现有补贴、返利、首单立减等营销手段，可短时间引爆市场却尚不能够真正“俘获”用户，如何激发并培育用户的忠诚度仍需探索新的策略。
[关键词]旅游移动APP；有调节的中介；检验模型
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2016）08-0052-09
Doi： 10.3969/j.issn.1002-5006.2016.08.010
引言
移动互联网的高速发展是当今社会进入“互联网+”时代的标志之一。在这一新时代下，电商企业的营销逻辑与传统方式有着较大差异。为了“俘获”用户，电商企业付出了巨额代价，这一现象在旅游移动APP1的推广方面更加明显。众多电商企业推出补贴、返利、首单立减等营销手段，以吸引用户从早期的网络端转移到更加敏捷的移动端，从而获得更多的忠诚用户。然而，这些APP能否持续吸引用户？使用经验较多的用户是否更加忠诚？不同自我效能的用户其使用行为是否存在差异？移动互联网时代的分享价值是否被充分利用？这些问题都有待研究与检验。
已有许多学者对创新性产品的用户使用行为进行了研究，如理理论（theory of reasoned action，TRA）[1]、计划行为理论（theory of planned behavior，TPB）[2]、技术接受理论（technology acceptance model，TAM）[3]、创新扩散理论（innovation diffusion theory，IDT）[4]等，并提出了成熟的研究模式。而旅游移动APP正是移动互联网时代典型的创新性产品之一，为用户提供的是超过普通APP的多元化、一站式的长价值链服务，其价值性更强，省时性、省钱性、便利性的特点更为突出。因此在移动互联网背景下，其用户使用行为的许多方面都非常具有研究价值。本文在上述成熟理论模型的基础上，与移动互联网背景相结合进行创新性探索性研究，引入了使用经验、传染性、自我效能3个变量，构建了有调节的中介检验模型，通过实证数据对相关假设进行检验，以期对其营销效能做出判断并对旅游移动APP的健康有序发展有所裨益。
1 文献综述与研究假设
1.1 感知优势与态度-意向-行为模型
感知优势（perceived advantage）是用户选择使用旅游移动APP的重要原因。Davis于1989年提出的TAM模型中将感知优势分为感知有用性与感知易用性两方面，并且认为行为意图主要受感知有用性影响。后续一些学者将感知优势视为单独构面，认为构面具有内部一致性[5-6]。然而，有学者指出对于创新性产品来说，感知优势应包括其与传统产品的比较优势[7-8]，并将创新性产品的感知优势细分为省时性（time saving）、省钱性（money saving）、便利性（convenience）、产品多样性（product variety）等。对于旅游移动APP来说，其所拥有的比较优势是“俘获”用户的关键。因此，本文选取省时性、省钱性、便利性作为用户对旅游移动APP感知优势的3个维度。虽然态度-意向-行为模型是在TRA、TPB、TAM等理论模型中充分验证过的成熟理论，但在移动互联网背景下，由于互联网公司独特的营销手段对用户消费行为的刺激性极强，某一互联网产品或服务自身独特的优势足以“绑架”用户的使用行为。在这种情况下，态度-意向-行为模型是否仍然成立呢？因此，本文假设如下：
H1a：旅游移动APP用户的感知优势直接正向影响用户使用行为
H1b：旅游移动APP用户的感知优势通过态度、使用意向的中介作用正向影响用户使用行为
1.2 传染性
传染性（communicability）是行为人周围的环境因素对其行为产生的影响。Fishbein等认为社会群体压力会影响个体的行为表现，个体往往会由于感知到社会压力的存在而表现出与他人期望相一致的行为[9]，这种观点得到了大量实证研究的验证[10-11]。然而，周边的群体压力等传染性因素会促进用户对旅游移动APP等互联网创新产品的优势感知么？因此，本文假设如下：
H2a：传染性因素正向影响旅游移动APP用户的感知优势
H2b：传染性因素正向影响旅游移动APP用户的使用行为
1.3 使用经验
经验（experience）是一个多维度的概念。通过文献回顾发现，为了研究方便，许多学者用行为次数来代替经验[12-15]。由此可见，行为次数可以在较大程度上代表经验的观点被大多数学者所接受。因此，笔者选取用户使用旅游移动APP的次数来代表用户的使用经验。不同的使用经验可能会对态度与使用意向以及使用意向与使用行为的关系产生正向调节作用，这也正是互联网企业采取首单立减、满减等营销策略的原因。如果用户的忠诚度随着使用经验的增加有所提高，那么使用意向与使用行为之间的关系应该受到使用经验的正向调节作用。因此，本文假设如下：
H3a：使用经验正向调节旅游移动APP用户态度与使用意向之间的关系
H3b：使用经验正向调节旅游移动APP用户使用意向与使用行为之间的关系
1.4 自我效能
自我效能（self-efficacy）是个体在自我认识的基础上对自己能力的预期。自我效能是行为学学者着重关注的一个概念，自我效能不同的个体，其最终的行为表现往往也会有所区别[16-18]。目前来看，几乎所有旅游移动APP均为单一的标准化版本，并没有根据用户实际条件与需求情况，量身打造合适的版本。这种情况是否会对用户的使用意向等产生影响呢？因此，本文假设如下：
H4a：自我效能正向调节旅游移动APP用户态度与使用意向之间的关系
H4b：自我效能正向调节旅游移动APP用户使用意向与使用行为之间的关系
据上，本文研究框架见图1。
2 研究设计
2.1 研究样本
笔者在2014年9月15日―11月23日，选择济南的趵突泉、千佛山、动物园、恒隆广场、鲁菜馆等共计20个数据采集地点，在每个地点的APP取票处随机发放25份问卷，总共发放500份问卷，收回问卷407份，回收率为81.4%，剔除回答不完整问卷后最终得到有效问卷336份，问卷有效回收率为67.2%。Bentler和Chow提出样本数应为观察变量的10倍以上[19]，Loehlin认为要得到稳定的结果，样本数应该大于200[20]，因此，本文所收集到的问卷数量满足研究需要。在样本构成中，性别方面，男性占46.1%，女性占53.9%；学历方面，本科以下占40.4%，本科占37%，硕士及以上占22.6%；年龄方面，18～30岁的年轻用户居多，占75.6%，其他年龄段占24.4%；收入方面，3000元以下占31.5%，3000～5000元占49.1%，其他收入水平占19.4%；职业方面，学生占27.7%，私企员工占22.9%，其他占49.4%。
2.2 变量测量
本文所使用的问卷题项均来自知名学者多次使用的成熟量表，问卷采用Likert的五级量表，并根据实际需要对题目内容进行了修改。在问卷发放之前，笔者咨询了相关领域的专家，并进行了小规模的问卷预调研，据此对问卷的部分内容进行了修正，然后在专家审阅通过后确定最终问卷。因此，问卷的内容效度较好。问卷的具体构成如下：
感知优势包括3个维度，其中测量省时性的量表根据Davis [3]、Limayem等[21]和Cho [22]的量表改编；测量省钱性的量表根据Limayem等[21]、Kim等[23]以及Li和Buhalis[24]的量表改编；测量便利性的量表根据Verhoef和Langerak[25]和Limayem等[21]的量表改编。测量态度的量表根据Ajzen和Fishbein[26]的量表改编。测量使用意向的量表根据Grewal等[27]、Teo和Yeong[28]、Bigné等[29]的量表改编。测量使用行为的量表根据Kijsanayotin等[30]的量表改编。测量传染性的量表根据Li和Buhalis[24]、Morrison等[31]的量表改编。测量自我效能的量表根据Vijayasarathy[32]的量表和一般自我效能感量表改编。
3 数据分析和结果
3.1 探索性因子分析
本文的问卷题项均来自国外成熟量表，并且小规模预调研的数据显示效果良好。然而，是否会出现“橘生淮南则为橘，生于淮北则为枳”的现象呢？对此， Kolar和Zabaker[33]建议首先要对数据进行探索性因子分析，删除因子载荷量小于0.6，交叉载荷量大于0.35的题项，Hair等建议此值为0.4[34]。本文按照此方法，利用SPSS19.0进行探索性因子分析，剔除不符合上述条件的题目后，最终因子旋转的结果见表1。分析结果显示，KMO=0.936，χ2近似值为6086.352，Sig.=0.000，解释的总方差为79.861%，表明数据适合做因子分析。从表1中可以看出，同一研究构面内的测量题项经过因子旋转之后均聚到一起，说明量表具有良好的结构效度。
3.2 信度与效度分析
在信度检验方面，本文采用Cronbach’s α系数来检验变量的信度，具体数值见表2。由表2可知，Cronbach’s α系数的值均大于0.8，超过0.7的标准，表明数据具有较好的信度。
在效度分析方面，收敛效度和区分效度是效度检验中应用最广泛的两个检验项目。
在收敛效度的检验中，根据Fornell和Larcker的建议，本文对标准化载荷量、组合信度、平均方差萃取量等指标进行检验[35]。由表2可以看出，标准化载荷量λ均大于0.7，t值均在p
在区分效度的检验中，Fornell和Larcker建议要验证模型具有区分效度，只需验证潜变量AVE值的均方根大于其与其他潜变量的相关系数即可。由表3可知，本文中所有潜变量AVE值的均方根均大于其与其他潜变量的相关系数，说明本文所选取潜变量之间的区分效度效果较好。
3.3 模型的整体拟合度分析
本文借助AMOS17.0对所建立模型进行整体拟合度的检验，整体模型的拟合情况可根据绝对适配度、增值适配度、简约适配度三类指标判断。在绝对适配度指标中，χ2/df =1.462、GFI=0.927、AGFI=0.908、RMR=0.037、RMSEA=0.037；在增值适配度指标中，CFI=0.982、NFI=0.947、TLI=0.980；在简约适配度指标中，PNFI=0.820，PCFI=0.851。根据相关学者提出的标准，所有指标均在相应标准以上，说明整体模型具有良好的适配度。
3.4 假设1与中介效应的检验
由于感知优势是相对于省时性、省钱性、便利性的二阶潜变量，因而在具体分析之前涉及模型选择的问题。Marsh和Hocevar指出，当一阶潜变量有3个时，二阶模型与一阶模型是等价的，而且二阶模型是一阶模型的简化，便于分析潜变量之间的关 系[36]。经验证，一阶模型与二阶模型的拟合度指标完全一致，因此，本文选择二阶模型以便于以下研究的开展。模型的运算结果显示，感知优势对使用行为影响的标准化路径系数为0.28（p
当H1a成立时，感知优势-态度-使用意向-使用行为这一路径仍然显著吗？对此，接下来将检验中介效应。在中介效应的检验中，最常见的是Baron和Kenny在1986年提出的逐步检验法[37]，该方法具有易于理解和操作简便的优点。但一些学者通过模拟研究发现，较之其他方法，逐步回归法的统计效果最差而且无法检验中介效果的显著性[38-39]。Sobel在1982年与1986年先后提出了Sobel Test法来弥补逐步回归法的不足[40-41]，但是Sobel Test法的正态分布等假设条件很难满足，其估计结果往往是有偏的[42-43]。由于Bootstrapping法无需正态分布等假设条件，相关学者通过模拟发现其较之其他方法具有最强的统计效果[44-45]，因此，Hayes建议采用Bootstrapping法[46]。使用Bootstrapping法进行中介效应的检验结果如表4所示，总效应、间接效应、直接效应的Z值均大于1.96，表明利用系数乘积法来估计三种效应均显著；在Bootstrapping中三种效应的Bias-corrected法与Percentile法中的取值区间均不包括0，表明三种效应均显著，因而H1b成立。综上所述，模型中的直接效应、间接效应均显著，即感知优势对使用行为的直接效应显著，感知优势通过态度、使用意向的中介作用对使用行为的间接效应也显著。
3.5 传染性的影响检验
传染性对感知优势影响的标准化路径系数为0.46（p
3.6 使用经验的调节效应检验
为了检验用户使用经验对模型中变量之间关系的调节作用，笔者根据Edwards和Lambert的建议，将样本进行分类，进而比较低使用经验组与高使用经验组样本下，态度与使用意向以及使用意向与使用行为之间路径系数的差异[47]。根据运算结果，态度与使用意向之间路径系数差异的p值为0.286，大于0.05，表明使用经验对态度与使用意向之间关系的调节作用不显著；使用意向与使用行为之间路径系数差异的p值为0.418，大于0.05，表明使用经验对使用意向与使用行为之间关系的调节作用不显著。因此，样本数据分析结果不支持H3a与H3b。这表明用户使用旅游移动APP经验的增加，并未造成态度与使用意向以及使用意向与使用行为之间关系的显著变化。
3.7 自我效能的调节效应检验
本文中的另一调节变量自我效能是潜变量，但由于运算操作上比较复杂等原因，潜变量作为调节变量的研究相对较少。Kenny和Judd在1984年最早提出使用带乘积项的结构方程来分析调节变量为潜变量时的调节效应[48]，Ping在1995年与1996年先后提出了潜变量调节效应分析的单一指标法与多重指标法[49-50]。本文采用单一指标法进行分析，即通过自变量与调节变量构造出单一指标潜变量，将运算出的λ与θ值赋予这一潜变量1，通过验证这一潜变量与因变量之间路径系数的显著性，得出潜变量调节效应的显著性。利用上述方法构造出新的潜变量，经过运算得出，态度与自我效能构造出的潜变量与使用意向之间的标准化路径系数为0.1，p=0.008，调节效应显著；使用意向与自我效能构造出的潜变量与使用行为之间的标准化路径系数为0.02，p=0.715，调节效应不显著。因此，样本分析结果支持H4a而不支持H4b。这表明，自我效能对态度与使用意向之间关系的调节作用显著，而对使用意向与使用行为之间关系的调节作用不显著。
综上，本文的最终假设检验结果如图2所示。
4 结论与讨论
本文引入了传染性、使用经验、自我效能3个变量，构建了一个有调节的中介检验模型，通过问卷数据的实证分析，最终得出以下结论：（1）旅游移动APP用户的感知优势会直接促进最终的使用行为，这也为近期相关企业实施疯狂“强推”营销的效果提供了数据佐证，说明旅游移动APP本身的省钱性等优势可以直接吸引用户使用。然而，这种“粗犷”式的策略尽管可以带来大量用户，但用户“粘性”往往会不足。数据显示，感知优势只是部分通过中介变量作用于使用行为，这也体现出用户忠诚度不够的问题。未来针对这一问题，笔者将通过实证数据进一步深入探讨。（2）群体压力等传染性因素不仅可以对旅游移动APP用户的使用行为产生促进作用，还可以让用户更好地感知APP所具有的优势，这正是移动互联网时代分享行为极具价值性的体现。例如，微信等移动社交软件已经成为许多人生活中必要的交流工具之一，旅游移动APP如何有效地通过这些软件来提高分享价值，是值得相关企业深思的问题。（3）旅游移动APP用户使用经验的增加，并没有对态度、使用意向、使用行为的关系产生显著的调节作用。这恰恰说明相关企业“粗犷”式营销策略的不足，虽然用户的使用次数在增加，但并没有带来用户使用意向等方面发生显著转变。因此，单纯的价格战等营销策略很难带来忠诚的用户，相关企业应该寻求有效的新策略。（4）自我效能对态度与使用意向之间的关系产生显著性调节作用，但对使用意向与使用行为之间关系的调节作用不显著。这说明不同自我效能的用户对待旅游移动APP的态度及使用意向并不相同，高自我效能感的用户使用意向较高，而低自我效能感的用户使用意向较低。一些用户做出使用决策可能只是被相关企业诱人的营销策略所吸引，这也是自我效能对使用意向与使用行为之间关系的调节效应不显著的原因。相关企业要想真正维持自我效能较低群体的忠诚度，还需根据这类群体的实际需求，采取提供差异化的APP版本等精准营销策略。
5 创新与展望
本文的创新之处主要有以下两个方面：（1）将传染性、使用经验、自我效能引入旅游移动APP用户使用行为的研究之中，构建了一个有调节的中介检验模型，这是现有成熟理论模型与移动互联网背景相结合所进行的探索性研究。（2）在中介效应的检验中使用了最新的Bootstrapping法，同时，在研究自我效能的调节作用时涉及潜变量调节效应的检验。这些方法在国外发展得已经比较成熟，国内的相关旅游研究还有待跟进。研究结论表明，对于旅游移动APP的用户来说，首单立减等营销手段，并不能真正“俘获”用户，如何保持这些用户的忠诚度仍需探索新的策略。未来，笔者将通过调查问卷对旅游移动APP用户的忠诚度等方面进行实证研究，为相关企业的营销策略优化提供进一步的实证 支撑。
参考文献（References）
[1] Fishbein M， Ajzen I. Belief， Attitude， Intention and Behavior： An Introduction to Theory and Research[M]. Reading， MA： Addison-Wesley， 1975： 335-383.
[2] Ajzen， I. The theory of planned behavior[J]. Organizational Behavior and Human Decision Processes， 1991， 50（2）： 179-211.
[3] Davis F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. QIS Quarterly， 1989， 13（3）： 319-340.
[4] Rogers E M. Diffusion of Innovations （4th ed.）[M]. New York， NY： The Free Press， 1995： 79-85.
[5] Wu J H， Wang S C. What drives mobile commerce？ An empirical evaluation of the revised technology acceptance model[J]. Information & Management， 2005， 42（5）： 719-729.
[6] Lee Y， Kozar K A. An empirical investigation of anti-spyware software adoption： A multitheoretical perspective[J]. Information & Management， 2008， 45（2）： 109-119.
[7] Shin D H. MVNO services： Policy implications for promoting MVNO diffusion[J]. Telecommunications Policy， 2010， 34（10）： 616-632.
[8] Suzanne A， Paulo D. An integrative model of consumers’ intentions to purchase travel online[J]. Tourism Management， 2015， 46： 64-79.
[9] Ajzen I. From Intentions to Actions： A theory of planned behavior[A]. // Kuhl J， Beckman J. Action-control： From Cognition to Behavior[C]. Heidelberg， Germany： Springer， 1985： 11-39.
[10] Chen Chunyan. Impact Study of the Buying Herd Behavior Online of the Students in Vocational Colleges Caused by the Social Networking Sites[D]. Chongqing： Southwest University， 2012. [陈春燕. 社交网站对高职院校学生网络团购从众行为的影响研究[D]. 重庆： 西南大学， 2012.]
[11] Cheng Zhiyu， Wang Chaohui. Research on consumer resource-saving brand innovation from customer value perspective[J]. Academic Exchange， 2013， （4）： 94-97. [程志宇，王朝晖. 顾客价值视角下消费者资源节约型品牌创新研究[J]. 学术交流， 2013，（4）： 94-97.]
[12] Heung V， Qu H， Chu R. The relationship between vacation factors and socio-demographic and traveling characteristics： The case of Japanese leisure travelers[J]. Tourism Management， 2001， 22（3）： 259-269.
[13] Baloglu S. Image variations of Turkey by familiarity index： Informational and experiential dimensions[J]. Tourism Management， 2001， 22（2）： 127-133.
[14] Huang S S， Hsu C H C. Effects of travel motivation， past experience， perceived constraint， and attitude on revisit intention[J]. Journal of Travel Research， 2009， 48（1）： 29-44.
[15] Lv Xingyang， Xu Hong， Liu Yuqing. An empirical study of the impact of tourists’ power on their satisfaction： Mediating effect of perceived control and moderating effect of consumption experience[J]. Tourism Science， 2014， 28（5）： 41-53.[吕兴洋，徐虹，刘宇青. 旅游者权力对旅游者满意影响的实证研究――感知控制的中介作用及消费经验的调节作用[J]. 旅游科学， 2014， 28（5）： 41-53.]
[16] Pavlou P A， Fygenson M. Understanding and predicting electronic commerce adoption： An extension of the theory of panned behavior[J]. Management Information Systems Quarterly， 2006， 30（1）： 115.
[17] Wendelien V， Hans V， Mieke V H. Transcending the gender dichotomy in educational gender gap research： The association between gender identify and academic self-efficacy[J]. Contemporary Educational Psychology， 2014， 39（4）： 369-378.
[18] Wu Weixing， Shen Tao， Ren Xiaocan. Self-efficacy and investor participation in stock market[J]. The Theory and Practice of Finance and Economics， 2014， 35（1）： 45-51. [吴卫星，沈涛，任小璨. 自我效能与股票市场投资者参与[J]. 财经理论与实践， 2014， 35（1）： 45-51.]
[19] Bentler P M， Chou C P. Practical issues in structural modeling[J]. Sociological Methods & Research， 1987， 16（1）： 78-117.
[20] Loehlin J C. Latent Variable Models： An Introduction to Factor， Path， and Structural Analysis （the 2nd Edition.）[M]. Hillsdale， NJ： Lawrence Erlbaum Associates， 1992： 40-47.
[21] Limayem M， Khalifa M， Frini A. What makes consumers buy from internet？ A longitudinal study of online shopping[J]. Systems， Man and Cybernetics， 2000， 30（4）： 421-432.
[22] Cho J. Likelihood to abort an online transaction： Influences from cognitive evaluations， attitudes， and behavioral variables[J]. Information & Management， 2004， 41（7）， 827-838.
[23] Kim M J， Chung N， Lee C K. The effect of perceived trust on electronic commerce： Shopping online for tourism products and services in South Korea[J]. Tourism Management， 2011， 32（2）： 256-265.
[24] Li L， Buhalis D. E-Commerce in China： The case of travel[J]. International Journal of Information Management， 2006， 26（2）： 153-166.
[25] Verhoef P C， Langerak F. Possible determinants of consumers’ adoption of electronic grocery shopping in the Netherlands[J]. Journal of Retailing and Consumer Services， 2001， 8（5）： 275-285.
[26] Ajzen I， Fishbein M. Understanding Attitudes and Predicting Social Behavior[M]. Englewood Cliffs， NJ： Prentice Hall， 1980： 13-27.
[27] Grewal D， Monroe K B， Krishnan R. The effects of price-comparison advertising on buyers’ perceptions of acquisition value， transaction value， and behavioral intentions[J]. The Journal of Marketing， 1998， 62（2）： 46-59.
[28] Teo T S H， Yeong Y D. Assessing the consumer decision process in the digital marketplace[J]. Omega， 2003， 31（5）： 349-363.
[29] Bigné E， Sanz S， Ruiz C， et al. Why some Internet users don’t buy air tickets online[A]// Gretzel U， Law R， Fuchs M. Informationand Communication Technologies in Tourism 2010[C]. New York， NY： Springer-Verlag/Wien， 2010： 209-221.
[30] Kijsanayotin B， Pannarunothai S， Speedie S M. Factors influencing health information technology adoption in Thailand’s community health centers： Applying the UTAUT model[J]. International Journal of Medical Informatics， 2009， 78（6）： 404-416.
[31] Morrison A M， Jing S， O’Leary J T， et al. Predicting usage of the Internet for travel bookings： An exploratory study[J]. Information Technology & Tourism， 2001， 4（1）： 15-30.
[32] Vijayasarathy L R. Predicting consumer intentions to use on-line shopping： The case for an augmented technology acceptance model [J]. Information & Management， 2004， 41（6）： 747-762.
[33] Kolar T， Zabkar V. A consumer-based model of authenticity： An oxymoron or the foundation of cultural heritage marketing？ [J]. Tourism Management， 2010， 31（5）： 652-664.
[34] Hair J， Anderson R， Tatham R， et al. Multivariate Data Analysis （the 5th ed.）[M]. Upper Saddle River， NJ： Prentice Hall， 1998： 677-679.
[35] Fornell C， Larcker D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research， 1981， 18（1）： 39-50.
[36] Marsh H W， Hocevar D. Application of confirmatory factor analysis to the study of self-concept： First and higher order factor models and their invariance across groups[J]. Psychological Bulletin， 1985， 97（3）： 562-582.
[37] Baron R M， Kenny D A. The moderator-mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations[J]. Journal of Personality and Social Psychology， 1986， 51（6）： 1173-1182.
[38] MacKinnon D P， Lockwood C M， Hoffman J M， et al. A comparison of methods to test mediation and other intervening variable effects[J]. Psychological Methods， 2002， 7（1）： 83-104.
[39] Fritz M S， MacKinnon D P. Required sample size to detect the mediated effect[J]. Psychological Science， 2007， 18（3）： 233-239.
[40] Sobel M E. Asymptotic confidence intervals for indirect effects in structural equation models[J]. Sociological Methodology， 1982， 13： 290-312.
[41] Sobel M E. Some new results on indirect effects and their standard errors in covariance structure models[J]. Sociological Methodology， 1986， 16： 159-186.
[42] Bollen K A， Stine R. Direct and indirect effects： Classical and bootstrap estimates of variability[J]. Sociological Methodology， 1990， 20（1）： 115-140.
[43] Stone C A， Sobel M E. The robustness of estimates of total indirect effects in covariance structure models estimated by maximum[J]. Psychometrika， 1990， 55（2）： 337-352.
[44] Cheung G W， Lau R S. Testing mediation and suppression effects of latent variables[J]. Organizational Research Methods， 2008， 11： 296-325.
[45] MacKinnon D P. Introduction to Statistical Mediation Analysis[M]. Mahwah， NJ： Lawrence Erlbaum Associates， 2008： 173-192.
[46] Hayes A F. Beyond Baron and Kenny： Statistical mediation analysis in the new millennium[J]. Communication Monographs， 2009， 76（4）： 408-420.
[47] Edwards J R， Lambert L S. Methods for integrating moderation and mediation： A general analytical framework using moderated path analysis[J]. Psychological Methods， 2007， 12（1）： 1-22.
[48] Kenny D A， Judd C M. Estimating the nonlinear and interactive effects of latent variables[J]. Psychological Bulletin， 1984， 96（1）： 201-210.
[49] Ping Jr R A. A parsimonious estimating technique for interaction and quadratic latent variables[J]. Journal of Marketing Research， 1995， 32（4）： 336-347.
[50] Ping Jr R A. Latent variable interaction and quadratic effect estimation： A two-step technique using structural equation analysis[J]. Psychological Bulletin， 1996， 119（1）： 166-175.