一、因子分析法

因子分析就通过降维和简化数据的方式，将多个观测变量转换成少数不相关的综合变量指标，从而实现用较少的综合变量表示多个观测变量中各类信息的目的。因此，各综合变量表达的信息不能重叠，即不相关；不相关的综合变量称为因子或主成分，属于某一因子或主成分的多个观测变量之间具有较强的相关性。在因子分析中，测量判定的指标有：

（1）Kaisex-Meyer-Olkin值（KMO值）：反映检验样本的充足性，检验观测变量之间的相关性；KMO值越趋近1表明观测变量之间的相关性程度越高，越适合进行因子分析。美国统计学家小黑尔等提出的判断标准如下：

当KMO值＞0.9时,非常适合；

当0.8＜KMO值＜0.9时,适合；

当0.7＜KMO值0.8时,一般

当0.6＜KMO值＜0.7时,不太适合

当KMO值＜0.6时,不适合

（2）Bartlett’s球形检验：检验相关矩阵是否为单位矩阵，如果为单位矩阵则说明各观测变量之间是相互独立的，这种情况下则不适合进行因子分析；但如果Bartlett’s球形检验的显著性概率P＜0.001，则拒绝原假设，说明各相关矩阵不是单位矩阵，这种情况可以进行因子分析。

本研究中因子分析的主要目的是通过探索性因子分析得到影响乡村社区地方性的构成因子，用提取出的公因子代替旅游扶贫对乡村社区地方性影响的各测量项目，在此基础上进行分析，研究其对当地居民的地方感、满意度和支持度的影响，这样可以有效地避开原变量的共线性问题。

二、比较研究法

比较研究方法有两种，一种是纵向比较法，即历史比较法（Historical Comparison）；另一种是横向比较法，即类型比较法（Typological Comparison）。比较研究法主要是为了对相关事物的同异关系进行比较和对照，从而揭示事物本质的一种思维方式和研究方法。(www.daowen.com)

本书研究中主要采用类型比较法（Typological Comparison）研究四种不同旅游扶贫模式（“景区带村”型、“能人带户”型、“公司+农户”型和“合作社+农户”型）下乡村社区居民对地方性影响感知的差异、地方感的差异以及对旅游扶贫支持度的差异。

三、T检验

独立样本t检验（Independent-Sampales Test）适用于一个名词变量和一个定序变量（数值变量）之间的差异比较。对名词变量要求只能有两个名词数值，对序数变量（数值变量）要求数值取均值是有意义的。

本书研究中对整体样本中不同“性别”和“是否参与旅游经营或旅游相关工作”两个人口学特征进行独立样本t检验。以此来研究不同性别的居民是否对地方性影响感知存在差异；参与和没有参与旅游扶贫的居民是否对地方性影响感知存在差异。

四、方差分析

方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”，是一种假设检验的方法，它是对全部样本观测值的变动进行分解，将某一控制变量下各观测变量之间可能存在的由该因素导致的系统性误差与随机误差加以比较，据此推断各观测变量之间是否存在显著差异。如果存在显著差异，则说明该因素对各组样本的影响是显著的。单因子方差分析是在一个影响因子的不同水平下,对观测变量均值差异显著性的检验。如果F值达到了显著性水平,则进一步用Scheffe进行事后比较。

本书研究中主要针对人口学特征中的学历、年龄、职业、人均年纯收入几个控制变量分别进行方差分析，以此检验不同人口学特征居民群体对地方性影响感知的差异；此外还将四种不同旅游扶贫模式当作一个变量，对其分别赋分进行方差分析，以此检验不同扶贫模式社区居民对旅游扶贫地方性影响感知的差异。

五、结构方程模型

20世纪70年代，瑞典统计学家Karl G.J提出了结构方程模型（Structural Equation Modeling，SEM），结构方程模型将因子内部结构、因子间的因果关系都考虑在内，由于其方便性与功能复合性，结构方程模型在管理学、经济学、心理学、社会学等多种学科领域得到广泛应用。本研究中变量众多、关系复杂，且存在测量误差，采用多元回归分析、因子分析等分析方法都不能揭示各变量之间的真实关系；结构方程模型既能够控制和处理测量变量存在的误差，又能够将变量之间的因果关系很好地反映出来。因此本研究采用结构方程模型对地方性影响、地方感、满意度和支持度之间的关系进行拟合判断。目前，结构方程模型中的参数估计技术有协方差结构分析法、偏最小二乘法两种，这两种方法在应用中各有利弊。

本书主要采用结构方程模型探讨旅游扶贫对乡村社区地方性影响与居民地方感、满意度和支持度之间的关系。