城市老旧小区改造居民满意度影响因素结构方程研究方法

城市老旧小区改造居民满意度影响因素结构方程研究方法一、研究变量的选取与维度划分（一）潜变量的确定在城市老旧小区改造居民满意度研究中，潜变量的选取是构建结构方程模型的基础。通常从改造内容、实施过程、结果感知三个核心维度出发，确定潜变量体系。改造内容维度主要涵盖硬件设施改造和公共服务提升两个方面。硬件设施改造包括房屋本体修缮、基础设施更新等，房屋本体修缮涉及屋面防水、外墙保温、楼道翻新等项目，基础设施更新则包含给排水管网改造、供电线路升级、道路修缮、停车位增设等内容。公共服务提升包括社区养老服务设施完善、托育服务场所建设、社区卫生服务站升级、文化活动中心打造等。这些改造内容直接关系到居民的居住品质和生活便利性，是影响居民满意度的重要物质基础。实施过程维度聚焦于改造项目的执行环节，主要包括沟通参与机制、施工管理水平和政策宣传力度。沟通参与机制体现为居民在改造方案制定、项目实施过程中的参与程度，以及与改造方、社区居委会的沟通渠道是否畅通。施工管理水平涉及施工工期控制、施工质量监管、施工噪音与扬尘污染防控等方面，直接影响居民在改造期间的生活体验。政策宣传力度则关系到居民对改造政策的知晓程度、对改造资金来源和使用情况的了解，以及对改造预期效果的认知。结果感知维度是居民对改造完成后实际效果的主观评价，主要包括居住环境改善感知、生活质量提升感知和社区归属感增强感知。居住环境改善感知体现在小区绿化美化、环境卫生状况改善、噪音污染降低等方面。生活质量提升感知涉及出行便利性提高、休闲娱乐设施完善、日常服务获取便捷度提升等内容。社区归属感增强感知则表现为居民对社区的认同感、自豪感提升，以及邻里互动增多、社区凝聚力增强等。（二）观测变量的设计观测变量是对潜变量的具体测量，需要具有可操作性和代表性。针对上述潜变量，设计相应的观测变量。对于改造内容维度的潜变量，房屋本体修缮的观测变量可设置为“屋面防水效果满意度”“外墙保温效果满意度”“楼道翻新质量满意度”等；基础设施更新的观测变量包括“给排水管网改造效果满意度”“供电线路升级稳定性满意度”“道路修缮平整度满意度”“停车位增设数量合理性满意度”等。公共服务提升的观测变量有“社区养老服务设施完善程度满意度”“托育服务场所便利性满意度”“社区卫生服务站服务质量满意度”“文化活动中心功能丰富度满意度”等。实施过程维度的观测变量中，沟通参与机制的观测变量为“改造方案制定过程中居民参与程度”“与改造方沟通渠道畅通性”“社区居委会协调工作满意度”等；施工管理水平的观测变量包括“施工工期控制合理性”“施工质量监管严格程度”“施工噪音污染防控效果”“施工扬尘污染防控效果”等；政策宣传力度的观测变量有“改造政策知晓程度”“改造资金来源与使用情况了解程度”“改造预期效果认知清晰度”等。结果感知维度的观测变量，居住环境改善感知的观测变量设置为“小区绿化美化效果满意度”“环境卫生状况改善满意度”“噪音污染降低效果满意度”等；生活质量提升感知的观测变量包括“出行便利性提高程度”“休闲娱乐设施完善满意度”“日常服务获取便捷度提升满意度”等；社区归属感增强感知的观测变量有“对社区的认同感提升程度”“邻里互动增多情况”“社区凝聚力增强感知”等。二、数据收集方法与样本选取（一）问卷设计问卷是收集居民满意度数据的主要工具，其设计质量直接影响数据的有效性和可靠性。问卷通常包括三个部分：第一部分为受访者基本信息，包括性别、年龄、家庭人口数、在小区居住年限、房屋产权性质等，用于分析不同特征居民对老旧小区改造满意度的差异。第二部分为观测变量测量题项，采用李克特五级量表进行设计，从“非常不满意”到“非常满意”分别赋值1-5分，让受访者对各个观测变量进行评价。第三部分为开放式问题，邀请受访者对老旧小区改造提出意见和建议，以便深入了解居民的潜在需求和关注点。在问卷设计过程中，需要进行预调研，选取部分老旧小区居民进行试填写，根据预调研结果对问卷题项进行优化调整，删除表述不清、区分度低的题项，确保问卷的信度和效度。同时，要注意问卷题项的语言通俗易懂，符合居民的认知水平，避免使用专业术语和复杂句式，提高问卷的回收率和有效率。（二）样本选取样本选取应遵循随机性和代表性原则，确保样本能够反映不同类型老旧小区居民的真实情况。首先，根据城市老旧小区的建成年代、地理位置、改造规模和改造内容等特征，将老旧小区划分为不同类型，如建成于上世纪80年代的小区、位于城市核心区的小区、进行全面改造的小区、仅进行基础设施改造的小区等。然后，从每种类型的小区中随机抽取一定数量的居民作为样本。样本量的确定需要考虑结构方程模型的拟合要求，一般来说，样本量应至少为观测变量数量的5-10倍，以保证模型估计的准确性和稳定性。同时，要考虑到问卷回收率的问题，适当扩大样本选取范围，确保最终有效样本量满足研究需求。在样本选取过程中，可以采用实地发放问卷、线上问卷调研相结合的方式，提高样本收集的效率和覆盖面。对于一些行动不便的老年居民，可以采用入户访谈的方式收集数据，确保样本的代表性。（三）数据收集过程控制在数据收集过程中，需要加强质量控制，确保数据的真实性和有效性。首先，对调研人员进行专业培训，使其熟悉问卷内容和调研流程，掌握与居民沟通的技巧，能够准确解答居民的疑问，引导居民认真填写问卷。其次，在实地发放问卷时，调研人员要向居民说明调研目的和意义，争取居民的理解和支持，提高居民的配合度。对于线上问卷调研，要通过社区微信群、业主论坛等渠道进行广泛宣传，同时设置一定的激励措施，如发放小礼品、参与抽奖等，提高问卷回收率。在数据收集完成后，要对问卷进行初步审核，剔除无效问卷，如填写不完整、答案明显矛盾、所有题项选择同一答案的问卷。然后，将有效问卷数据录入到统计分析软件中，进行数据清理和预处理，为后续的结构方程模型分析做好准备。三、结构方程模型的构建与识别（一）模型的理论假设提出基于上述研究变量的选取和维度划分，结合已有研究成果和实际调研情况，提出结构方程模型的理论假设。直接影响假设：假设改造内容维度对居民满意度具有直接正向影响，即硬件设施改造越完善、公共服务提升越到位，居民满意度越高；实施过程维度对居民满意度具有直接正向影响，沟通参与机制越健全、施工管理水平越高、政策宣传力度越大，居民满意度越高；结果感知维度对居民满意度具有直接正向影响，居住环境改善感知、生活质量提升感知、社区归属感增强感知越明显，居民满意度越高。中介作用假设：假设结果感知维度在改造内容维度、实施过程维度与居民满意度之间起到中介作用。改造内容的完善和实施过程的规范，通过提升居民的居住环境改善感知、生活质量提升感知和社区归属感增强感知，进而提高居民满意度。也就是说，改造内容和实施过程并非直接决定居民满意度，而是通过影响居民对改造结果的主观感知，间接作用于居民满意度。调节作用假设：考虑到居民个体特征的差异，假设居民的年龄、居住年限、家庭收入水平等变量在改造内容、实施过程与结果感知之间起到调节作用。例如，老年居民可能更关注房屋本体修缮和社区养老服务设施完善，而年轻居民可能更注重小区智能化改造和休闲娱乐设施建设；居住年限较长的居民对小区的感情更深，可能对改造的期望更高，对改造过程中的问题也更为敏感；家庭收入水平较高的居民可能对改造质量和品质有更高的要求，而家庭收入水平较低的居民可能更关注改造的成本和实用性。（二）模型的构建根据提出的理论假设，构建城市老旧小区改造居民满意度影响因素结构方程模型。模型分为测量模型和结构模型两个部分。测量模型用于描述潜变量与观测变量之间的关系，通过因子分析方法，验证观测变量对潜变量的测量效度。在测量模型中，每个潜变量由多个观测变量来测量，观测变量的因子载荷表示观测变量对潜变量的解释程度，因子载荷越大，说明观测变量对潜变量的代表性越强。通过验证性因子分析，检验测量模型的信度和效度，包括组合信度（CR）、平均方差提取（AVE）等指标，确保测量模型的合理性和有效性。结构模型用于描述潜变量之间的因果关系，通过路径分析方法，检验理论假设是否成立。在结构模型中，潜变量之间的路径系数表示变量之间的影响强度和方向，路径系数为正表示正向影响，路径系数为负表示负向影响，路径系数的绝对值越大，说明影响强度越强。通过结构方程模型估计，得到各个路径系数的估计值，并进行显著性检验，判断理论假设是否得到数据支持。（三）模型的识别模型识别是结构方程模型分析的重要环节，只有当模型可识别时，才能进行参数估计和假设检验。模型识别的判断标准主要包括t法则和过度识别检验。t法则是指模型中待估计的参数数量应小于等于观测变量的协方差矩阵中独立元素的数量。对于具有p个观测变量的模型，协方差矩阵中独立元素的数量为p(p+1)/2。待估计的参数包括因子载荷、路径系数、误差方差等。当待估计参数数量小于等于协方差矩阵独立元素数量时，模型可能是可识别的；当待估计参数数量大于协方差矩阵独立元素数量时，模型是不可识别的。过度识别检验是在模型可识别的基础上，检验模型的拟合优度。常用的过度识别检验指标包括卡方值（χ²）、自由度（df）、卡方自由度比（χ²/df）、拟合优度指数（GFI）、调整拟合优度指数（AGFI）、比较拟合指数（CFI）、塔克-刘易斯指数（TLI）、均方根误差近似（RMSEA）等。一般来说，χ²/df应小于3，GFI、AGFI、CFI、TLI应大于0.9，RMSEA应小于0.08，说明模型拟合效果较好。如果模型拟合效果不佳，需要对模型进行修正，如删除不显著的路径、增加合理的路径等，直到模型达到可识别且拟合效果良好的状态。四、模型估计与检验（一）参数估计方法选择结构方程模型的参数估计方法主要包括最大似然估计（ML）、广义最小二乘估计（GLS）和加权最小二乘估计（WLS）等。在实际应用中，最大似然估计是最常用的方法，具有良好的统计性质，当数据服从多元正态分布时，最大似然估计能够得到无偏、有效的参数估计值。最大似然估计的基本思想是通过寻找一组参数估计值，使得样本数据的似然函数达到最大值。在结构方程模型中，似然函数是基于观测变量的协方差矩阵构建的，通过迭代算法求解似然函数的最大值，得到因子载荷、路径系数、误差方差等参数的估计值。在使用最大似然估计时，需要对数据的正态性进行检验，如果数据不服从正态分布，可能会导致参数估计偏差和假设检验结果不准确。此时，可以考虑对数据进行转换，或者采用稳健最大似然估计（MLR）等方法，提高参数估计的可靠性。（二）模型拟合度检验模型拟合度检验是判断模型与数据是否匹配的重要步骤，通过一系列拟合指标来评估模型的优劣。除了上述提到的χ²/df、GFI、AGFI、CFI、TLI、RMSEA等指标外，还可以使用标准化残差均方根（SRMR）等指标。χ²值是衡量模型预测的协方差矩阵与样本协方差矩阵之间差异的指标，χ²值越小，说明模型拟合效果越好。但χ²值受样本量影响较大，当样本量较大时，即使模型与数据之间的差异很小，χ²值也可能显著，因此需要结合χ²/df进行判断。χ²/df在1-3之间通常认为模型拟合较好，大于3则说明模型拟合效果不佳。GFI和AGFI是衡量模型对数据的整体拟合程度的指标，GFI表示模型能够解释的协方差比例，AGFI是对GFI的调整，考虑了模型的复杂度。GFI和AGFI的值越接近1，说明模型拟合效果越好，一般认为大于0.9时模型拟合良好。CFI和TLI是比较拟合指数，通过将所检验的模型与独立模型（变量之间无任何关系的模型）进行比较，评估模型的拟合优度。CFI和TLI的值大于0.9时，说明模型拟合效果较好，大于0.95时表示模型拟合非常好。RMSEA是衡量模型近似误差的指标，考虑了模型的复杂度，RMSEA的值越小，说明模型拟合效果越好。一般认为RMSEA小于0.08时模型拟合良好，小于0.05时模型拟合非常好。SRMR是标准化残差的均方根，反映了模型预测值与观测值之间的平均差异，SRMR的值越小，说明模型拟合效果越好，一般认为SRMR小于0.08时模型拟合良好。（三）假设检验与模型修正在模型拟合度检验通过后，需要对理论假设进行检验，即对结构模型中的路径系数进行显著性检验。常用的检验方法是t检验，通过计算路径系数的t值和p值，判断路径系数是否显著不为0。当p值小于0.05时，认为路径系数显著，理论假设得到支持；当p值大于0.05时，认为路径系数不显著，理论假设未得到支持。对于未得到支持的理论假设，需要分析原因，可能是理论假设本身存在问题，也可能是数据收集过程中存在偏差，或者是模型设定不合理。此时，需要对模型进行修正，如删除不显著的路径、增加新的路径、调整潜变量的维度划分等。在模型修正过程中，要结合理论分析和实际情况，避免过度修正导致模型失去理论意义。同时，每次修正后都要重新进行模型拟合度检验和假设检验，确保修正后的模型既符合数据特征，又具有理论合理性。五、多群组分析与结果讨论（一）多群组分析的应用多群组分析是结构方程模型的重要扩展，用于比较不同群组之间模型参数的差异，探讨人口统计学特征、小区特征等变量对居民满意度影响机制的调节作用。常见的群组划分依据包括居民的年龄、性别、居住年限、家庭收入水平、小区建成年代、小区地理位置、改造规模等。在多群组分析中，首先需要建立无约束模型，即允许不同群组的模型参数自由估计；然后建立约束模型，即对不同群组的部分或全部参数进行约束，如约束路径系数相等、因子载荷相等、误差方差相等；最后通过比较无约束模型和约束模型的拟合度差异，判断约束条件是否成立，即不同群组之间的模型参数是否存在显著差异。例如，以居民年龄为群组划分依据，将居民分为青年组（18-35岁）、中年组（36-59岁）和老年组（60岁及以上），比较不同年龄组居民在改造内容、实施过程对结果感知的影响，以及结果感知对居民满意度的影响是否存在差异。可能发现老年居民对房屋本体修缮和社区养老服务设施完善的关注度更高，这些因素对其满意度的影响强度更大；而年轻居民对小区智能化改造和休闲娱乐设施建设更为看重，相关因素对其满意度的影响更为显著。（二）研究结果的讨论与启示通过结构方程模型分析和多群组分析，得到