1. 引言

随着传播媒介的发展与变革，短视频行业崛起。移动终端普及、网络提速加上短视频智能算法“深得人心”，现如今短视频备受资本和用户的青睐。各大平台纷纷效仿推出各自的短视频模式。短视频作为一种社会传播媒介，其中丰富的旅游信息无疑对用户旅游意图和旅游目的地的选择有重大影响，对旅游业的宣传和发展有深远意义。

近年来，旅游成为越来越多人休闲放松、开阔眼界的方式，受疫情影响，各地采取管控政策，人口流动受限。相较于传统的宣传手册等宣传方式，短视频具有短小精悍、吸人眼球等的特点，让人足不出户，便可全方位了解感兴趣的旅游目的地。疫情带来的压抑情绪和各色旅游短视频丰富多彩的内容，极大增加了人们的旅游意愿，也让更多优秀景区被人们所熟知，丰富了用户的选择。

短视频拥有传播速度快、传阅量大等特点，深受大学生群体喜爱。大学生群体作为互联网社交平台互动性较高的一类群体，具有极强的探索精神，对新事物充满好奇，接受新事物的速度较快，向往自由注重精神追求，优秀的旅游短视频内容对大学生这一群体有着极强的吸引力。因此，本研究以大学生群体为对象，通过建立结构方程模型讨论旅游短视频对大学生旅游意愿和旅游旅游目的地的影响。

2. 构建研究模型

2.1. 文献综述与理论模型

2.1.1. 内容感知

短视频的内容是其表达的核心。张可 [1] 等提出网红群体带来的包括吸引力、可信度和受欢迎度在内的个人特质显著影响受众观看短视频的心流体验、旅游态度和旅游目的地的选择。易婷婷 [2] 等提出消费者无法提前对其价值进行准确评估，通过明星的影响力提升内容感知，从而对潜在旅游者的行为意向影响重大。张建强 [3] 等提出随着短视频内容的丰富和形式的创新，越来越多短视频拍摄地受到用户的喜爱。短视频的内容感知对用户的旅游意向和目的地选择有重大影响。

2.1.2. 信息获取

短视频作为信息传播平台，其信息的获取难度和信息获取方式等都非常影响其内容的传播。蒋丽 [4] 表示短视频信息传播渠道的变化打破了传统传播方式的时间及空间限制，促进了旅游文化的传播。短视频的易上手和信息获取容易，极大增加了用户数量和信息传播量，促进了旅游业的发展。

2.1.3. 传播意向

短视频如今备受青睐，越来越多人愿意在各大短视频平台参与互动，分享自己的经历。易婷婷 [2] 等表示用户在游后将自己的感受和经历等发布在平台上，从而实现获取信息、分享体验和人际互动等目的，促进了人们的出游意向。罗润 [5] 等表示短视频信息的接受者也可称为信息的传播者，如此的信息反馈，进一步促进的旅游业的发展。张彩霞 [6] 表示短视频用户既是内容的受众，同时还可以参与内容制作，成为生产者和传播者。由接收者到传播者的转换，促进了用户的信息获取，刺激了用户的出游意向。

2.1.4. 旅游计划

短视频内容的可靠性和丰富性，帮助人们在出游之前更好的做出旅行计划。易婷婷 [2] 等表示明星凭借其自身的影响力来提升旅游目的地的知名度和美誉度，进而对旅游者的出游意愿和出游行为产生影响，为用户出行提供了可行的出游计划。在短视频中获取的旅游信息可以帮助用户有效改善旅游计划，帮助游客合理选择旅游目的地，促进了旅游业发展。

2.2. 研究假设

基于上述分析，本文提出以下假设：

H1：旅游计划和传播意念呈正相关

H2：内容感知和传播意念呈正相关

H3：传播意念和信息获取呈正相关

H4：旅游计划正向影响旅游意向

H5：内容感知正向影响旅游意向

H6：内容感知正向影响目的地选择

H7：传播意向正向影响目的地选择

H8：信息获取正向影响旅游计划

H9：信息获取正向影响目的地选择

路径假设后，得下图1研究模型。

2.3. 变量选择

本文在确定潜变量后，参考最近几年的国内外有关文献，对不可直接测量的潜变量赋予测量变量构建测量模型。采用真诚度、参考度、共同利益、可信度4个测量变量对用户对短视频的内容感知进行度量；采用展示欲、推荐度、自制欲、分享欲、评价5个测量变量对用户旅游参观后对满意的短视频或目的地是否有信息传播意向进行度量；采用易上手、方便检索、信息可得、计划改善、使用轻松5个测量变量对用户使用短视频程序时获取信息的感知进行度量；采用简单化、计划质量、实用性、可靠性4个测量变量对观看短视频后，用户旅游计划是否有所改善进行度量；采用安全性、美丽、友好、愉快、住宿、饮食、交通、质量8个测量变量对用户观看短视频后是否有旅游意向进行度量；采用喜爱度、匹配度、偏爱度3个测量变量对用户观看短视频后的目的地选意向选择进行调查。对各个测量变量进行编号，方便后续数据分析，各变量关系如表1所示。并画出相应结构方程模型结构图，见下图2。

2.4. 问卷设计

在确定各变量关系后，本文采用经典量表对问卷进行设计。题项包括：短视频用户对短视频内容的感知题4道；短视频用户在观看短视频并认同视频内容的前提下对利用短视频进行信息传播的意向题5道；短视频用户在各个平台通过短视频的信息获取的可操作性题5道；用户通过观看短视频对自己旅行计划的改善题4道；用户观看短视频后的旅游意向题8道；用户观看短视频后目的地选择题3道。

3. 统计分析与模型检验

通过查阅文献，安敏 [7] 认为观测变量的个数越少，缺失值越少，则需要的样本量越少。对于一个有10个观测变量(潜变量)的模型而言，若数据分布不是正态分布但不存在缺失值，则最低样本量为315。本研究为6个观测变量，且不存在缺失值。麦忠海 [8] 认为潜变量个数小于等于7个时经验样本为200~300个。综上所述，本研究共发放382份问卷，经人工筛查，收回的有效问卷为372份。

3.1. 样本描述性统计

样本性别、收入、每日短视频使用时长等统计指标如下表2所示。

由表2可知，回收的有效问卷中，男生频数为172，占总人数的46.23%。女生的频率为200，所占的百分比为53.77%。

在未来十二个月有旅行计划的人频数为221，占总人数的59.41%，几乎占到六成。没有旅行计划的人频数为81，不确定的人频数为70，所占百分比分别为21.77%和18.82%几乎各占两成。受疫情影响，大部分大学生计划在疫情局势好转时旅游。

在被调查的大学生中，有166人每日短视频观看时长小于一小时，占总人数的44.62%。短视频观看时长大于等于一小时小于三小时的频数为160，所占百分比为43%。观看时长大于等于三小时的为46人，所占百分比为12.36%。大部分大学生可以合理控制观看短视频时间，把握在一小时内，但仍有约12%的大学生没日短视频观看时长超过3小时。

在372名大学生中，生活费或收入小于2000元的频数为291，占总人数的78.22%。收入大于等于2000元小于5000元，大于等于5000元小于10,000元和超过10,000元的频数分别为16.67%、2.69%、2.42%。近乎八成的大学生生活费或收入在2000元以内，超过九成在5000元以内，超过万元的仅有不足四十分之一。

由样本数据，得到如下图3所示饼状图：

3.2. 信效度检验

3.2.1. 信度分析

本研究建立了包含29个提项的总量表，为了保证量表内部的一致性，在进行探索性因子分析之前，首先利用样本372份数据，通过计算量表内部一致性信度系数Cronbach’s Alpha (克朗巴哈系数法)值进行内部一致性检验。

公式(1)见下：

$\alpha =\left(\frac{k}{1-k}\right)\left(1-\frac{{\displaystyle {\sum }_{i=1}^k{s}_i^2}}{s_x^2}\right)$ (1)

其中：k为题量， $s_i^2$ 为第i题得分方差， $s_x^2$ 为总得分方差。

从下表3中可以看出，六个观测变量的Cronbach’s Alpha都大于0.75，有较好的测量信度，通过信度检验。

3.2.2. 效度检验

在效度分析前，需对样本数据进行KMO和Barlett球形检验，测度数据是否适合进行效度检验。

KMO计算公式见下公式(2)：

$KMO=\frac{{\displaystyle \sum {\displaystyle {\sum }_{i\ne j}{r}_{ij}^2}}}{{\displaystyle \sum {\displaystyle {\sum }_{i\ne j}{r}_{ij}^2}}+{\displaystyle \sum {\displaystyle {\sum }_{i\ne j}{r}_{ij\cdot 1,2,\cdots ,k}^2}}}$ (2)

验证结果如表4所示，KMO值为0.928，超过0.9适合做因子分析，Barlett球形检验卡方值为5925.285，显著性水平为0.000 < 0.001，即统计检验显著，说明该维度适合进行效度分析。

因子负荷矩阵与方差贡献率。对样本进行探索性因子分析，通过主成分分析的方法提取因子，详情见下表5，提取六个主成分，累计方差贡献率达到了64.532%，说明能够较为充分地反映原始数据；通过正交旋转法提取的共同因子，最终提取其中一个。因子组成与模型中的假设提出是一致的，说明本调查有较好的结构效度。

3.3. 模型适配度检验

把数据导入Amos中运行，测算出相关指标如下表6~10所示，可得Chi-square = 1353.662，DF = 368，Chi/DF = 3.678，GFI = 0.790，AGFI = 0.752，RMSEA = 0.085。Chi/DF为3.678处于可接受区间，反映样本共变异数矩阵和模型共变异数矩阵相似度的指标GFI和AGFI均接近0.8，反映模型差异性的指标RMSEA为0.085，处于可以接受的区间，认为该模型的结构效度可以接受。

3.4. 模型修正与调整

在结构方程模型中，每个测量模型的适配的平均对整体模型的适配度较大影响，如果想要优化模型整体适配度，核心是对模型中每个潜变量所对应的测量模型进行优化。

因子载荷量一般大于0.5认为可以被接受，经Amos软件计算可得，该模型的因子载荷量均达到0.5，有超过一般的因子载荷量超过0.6，认为适配度良好。

Amos输出结果中修正指标部分表如下表11所示：

表中M.I为修正后卡方的变化量(−)，Par Change为修正后参数的变化量(+)，由图可知，如将旅游计划与信息获取相互关联，可以较大的减少卡方数值，减少模型差异，增加相关参数，因此对模型进行调整：

增加假设H10：旅游计划和信息获取呈正相关。同理对残差e9、e10和e16、e17也同样建立关联，重新带入Amos进行数据分析。

由上图4参数可知，模型参数Chi-square = 1186.605有所下降，DF = 365，Chi/DF = 3.251也有所下降，数据结果更加合理，GFI = 0.814 > 0.8，AGFI = 0.779有所上升，模型相似度指标有所上升，模型差异性指标RMSEA = 0.078 < 0.8。相比如调整前，模型各项参数指标都更加优化。

4. 结构方程模型分析

4.1. 假设检验

在评价SEM拟合度之前，必须先通过违犯估计检查，来判定估计系数是否超过了可接受范围。分析非标准化系数，误差项的估计系数全为正数，再分析非标准化因子负荷量是否显著。

如下表12所示，内容感知对旅游意向、内容感知对目的地选择、信息获取对旅游意向、信息获取对目的地选择、传播意向对目的地选择等的P值均为***，表明在0.01的水平下具备显著性，则拒绝原假设。旅游计划对旅游意向的P值为0.566，大于0.01，水平显著。

4.2. 路径系数分析

对该模型的标准化系数进行分析。下表13展示了路径节点的回归系数，可以理解为一个最小二乘法一元线性回归，通常只需要观察p值与标准化路径系数，确定该路径是否存在直接的线性影响。由文献可知，标准化因子载荷量 > 0.6 (0.7以上理想，探索性问卷为0.5)，不能过于接近1 (原则上不超过0.95)，该路径系数均满足条件。测量模型的SMC大于0.36，该模型基本满足要求可以接受。结构模型的显著性强度作如下判断：SMC在0.19左右为显著性小，0.33左右显著性一般，0.67左右显著性大。

由路径分析可知：

基于配对项内容感知对旅游意向，显著性P值为***，水平上呈现显著性，则拒绝原假设，因此此路径有效，其影响系数为0.299。

基于配对项内容感知对目的地选择，显著性P值为***，水平上呈现显著性，则拒绝原假设，因此此路径有效，其影响系数为0.359。

基于配对项信息获取对旅游意向，显著性P值为***，水平上呈现显著性，则拒绝原假设，因此此路径有效，其影响系数为0.613。

基于配对项信息获取对目的地选择，显著性P值为***，水平上呈现显著性，则拒绝原假设，因此此路径有效，其影响系数为0.446。

基于配对项传播意向对目的地选择，显著性P值为***，水平上呈现显著性，则拒绝原假设，因此此路径有效，其影响系数为0.268。

4.3. 模型拟合指标评价

表14展示了模型的相关拟合指标，在模型的修正与调整中已对其进行优化。

比较多个模型运用卡方和自由df度对比(Chi/DF)，卡方值越小越好，自由度越多，模型越简单。

拟合优度指数(GFI)：主要是运用判定系数和回归标准差，检验模型对样本观测值的拟合程度。其值在0~1之间，愈接近0表示拟合愈差。CFI ≥ 0.8，认为模型拟合较好。

调整后的拟合优度指数(AGFI)：取值在0~1之间，越接近1，模型整体拟合越好。AGFI = 0.779接近0.8，认为模型整体拟合度良好。

近似误差均方根(RMSEA)：一般情况下，RMSEA在0.08以下，越接近于0，模型越准确。RMSEA = 0.078 < 0.8，认为模型准确度较好。

4.4. 模型结论

经过结构方程模型拟合分析可知，拟合优度指数大于0.8，近似误差均方根小于0.8，模型整体拟合优度良好。分析模型的路径系数可知，内容感知和信息获取对旅游意向有显著性影响，两者对旅游意向的影响系数分别为0.299和0.613；内容感知、信息获取和传播意向均对旅游目的地选择有显著性影响，三者对旅游目的地选择的影响系数分别为0.395、0.446和0.268。

5. 结论与建议

5.1. 结论

本文通过实际情况，依据相关文献构建模型、提出假设。将旅游计划、内容感知、传播意向、信息获取、旅游意向和目的地选择作为研究变量，设计量表，发放问卷。采用描述性统计、信度分析、效度分析、结构方程模型对问卷收集数据进行分系，通过SPSS、Amos等程序进行计算，得出以下结论：

通过结构方程模型的计算，可知大学生用户对短视频内容的感知、短视频信息的获取会影响旅游意向。其中信息的获取影响系数较大，可知易上手、信息方便检索等体验感更好的短视频程序或软件对大学生这一群体旅游意向的影响较大。潜变量中对短视频内容的感知、短视频程序信息的获取、和作为信息传播者的传播意向对用户目的地的选择有显著性影响。同样，其中影响系数最大的因素为信息的获取。综上所述，信息易得、可操作性强的短视频程序或软件会较大程度的影响大学生用户的旅游意向和目的地的选择。

5.2. 建议

受疫情影响，目前旅游业挑战与机遇并存。新媒体作为当今时代最为重要的信息媒介，为信息传播提供了巨大推动力。虽然新媒体目前并未完善，仍在发展与变革当中，双方都应把握机会，在困境中突破发展。

1) 旅游地或旅游企业要注重短视频营销。短视频如今作为大多数人每日不可少的“快餐”，已经在信息传播中其重要作用，旅游地和旅游公司，应通过这一宝贵平台投其所好。持续输出优质视频，吸引大学生和更多群体前去旅游。

2) 旅游短视频制作者应与时俱进、不断创新。大学生这一群体向往新奇的事物，重复的内容容易导致受众审美疲劳，相关视频的制作者也应该不断接受新鲜事物，创新视频内容和形式，传递新颖短视频信息。

3) 灵活运用平台互动方式。可以及时利用评论区与用户互动，也可以定时安排直播，通过直播和话题，充分带动互动氛围，与用户建立长期稳定的互动关系，激发大家的兴趣与旅游意向。

4) 优化用户体验，鼓励用户传播 [6]。视频制作者应开动脑筋，利用丰富有趣的线上或线下活动，减低旅游精良信息传播门槛，鼓励用户将自己喜欢的内容分享给身边的人，打破平台壁垒，完成传播闭环，促进旅游业发展。

5) 输出优质视频内容，传递高效信息。本研究揭示了信息传递对大学生旅游意图和旅游目的地选择的重要影响。视频制作者要站在信息接收者角度，有所选择的进行内容输出，提升视频质量，做到精准提供信息，有效提供信息。

致谢

想说的有很多，却又觉得什么都说不明白，既是百感交集，又是哑口无言。想了又想，是要写点什么的。感谢是说不完的，有那么多的家人朋友们啊，我都十分的感谢你们，谢谢你们的帮助，谢谢你们的支持。尤其是超级爱我的老张同志和我那几个兄弟，在任何时候你们都从不吝啬爱和夸夸，包容我那么多。我怎能如此幸运。我想我能做的，只有让自己变得更好、再好一点，在之后的日子里倾注的爱更多、再多一点。我会怀着无尽的感激和爱，变得更加优秀，希望有一天我能成为你们的骄傲。最后，我要大声告诉你们，我爱死你们了！

参考文献