平昌奥运会期间目的地品牌资产的存量与流量视角：基于两波面板数据的证据

《Journal of Destination Marketing & Management》：A stock-and-flow perspective on destination brand equity across the PyeongChang Olympic period: Evidence from a two-wave panel

　　

• 分波次分析支持在每次观测中采用五状态有序表示。
• 正向平均差异与显著的潜在变化异质性并存。
• 固定标准的RTM零模型重现了净方向残差，但未能重现总体运动。
• 媒体消费与主办评价呈现加性关联。
• 研究结论涉及早期归因于事件层面的响应，而非持久遗产。

1. 引言

体育在地域品牌建设中的意义，尤其是通过举办大型体育赛事的方式，已引起学术界和实务界的高度关注（Getz, 2008；Knott等人, 2017）。城市、地区和各国利用高规格赛事，通过体育手段在国际上定位和推广自身（Duignan, 2021）。此类赛事可能促进城市与经济发展、增强目的地曝光度，并为举办方和举办地创造声誉机会（Getz, 2008；Jakob, 2013）。

国家和地区运用多样化策略，借助体育赛事进行地域品牌建设（Knott等人, 2016）。在更宏观层面，体育大型赛事也可能服务于外交、软实力及声誉目标（Grix & Brannagan, 2024；Richelieu等人, 2025）。本研究聚焦于该更广泛背景下的一个更为具体的问题：目标市场消费者的目的地品牌资产如何在一项大型赛事期间分布。

关于大型赛事与目的地品牌建设的文献记录了显著的品牌机会，同时也指出了在不同地域尺度和受众群体之间结果的不均衡性。国际媒体报道可以增加主办目的地的可见度，并在赛事前、中、后期为传播提供素材（Choe等人, 2020；Knott等人, 2016；Richelieu等人, 2025）。赛事相关的品牌效果并非一律积极。例如，Kim和Choe（2026）报告在平昌冬奥会期间，主办城市品牌的增益比国家品牌更为明显，而Ferreira等人（2022）则识别出主办城市形象与国家形象之间的动态关联。因此，大型赛事前后的目的地品牌资产响应可能因情境而异，且可能被整体市场层面的比较所掩盖。

尽管关于大型赛事品牌的多波次证据仍然有限，但一个同样重要的缺口在于横截面设计和整体赛前期/赛后期比较的主导地位。此类比较能够识别市场层面差异的净方向，但可能掩盖不同受访者之间稳定性、改善与衰退的情况。两波次匹配面板数据虽无法确立完整轨迹或持久遗产，但可以在一个理论上相关的赛前期至赛后期早期区间内，对相同受访者进行比较。由此获得的以人为中心模式仍需在变化中的分类标准、测量误差以及向均值回归的背景下进行审慎评估（Barnett等人, 2005；Nylund-Gibson等人, 2014）。

为应对这一缺口，本研究采用"双重遗产"存量与流量视角，以区分已累积的目的地品牌资产与潜在的强化性和侵蚀性赛事相关更新。先前的目的地品牌资产代表累积存量。媒体消费和主办评价被视为赛事相关候选输入，而强化流和侵蚀流则指代理论化的更新过程，其定义并不依赖于观测到的分数差异或状态重新分类。本研究利用502名美国目标市场受访者围绕平昌2018年冬奥会的双波次匹配数据，追求三个相互关联的目标。第一，考察每次观测时目的地品牌资产的潜在结构，并考虑状态间差异是否更宜由总体水平或各维度间的相对配置来表征。第二，评估整体差异与个体层面异质性的关系，并检验表观的跨波次重构在替代测量误差和向均值回归条件下的稳健性。第三，在控制赛前期水平的基础上，检验媒体消费和主办评价是否与归因于赛事的早期赛后期目的地品牌资产存在关联。

2. 文献回顾与理论框架

2.1. 大型赛事与目的地品牌建设

大型赛事，包括奥林匹克运动会、国际足联世界杯和世博会，以全球可见性、大规模资源投入以及产生社会、经济、空间和文化后果的能力为特征（Getz, 2008；Müller, 2015）。它们通常以预期的遗产效应——包括城市发展、国际声望和目的地品牌建设——作为合理性依据（Horne & Manzenreiter, 2006）。作为战略传播平台，大型赛事增加了目的地曝光度，并可能重塑主办地面向游客、投资者、居民及远距离受众的呈现方式（Grix, 2012；Knott等人, 2017）。

大型赛事的品牌意义取决于提升的注意力如何被解读以及这种解读是否持续。一些研究描述了短暂的事件旅游泡沫，当临时需求和注意力消退时即告消散（Solberg & Preuss, 2007）。另有研究认为，遗产规划和持续的目的地传播可能支持事件后更有利的联想和忠诚度（Chalip & Costa, 2005）。这些观点并非互斥：一场赛事可以产生早期声誉响应，而这种响应未必演变为持久遗产。这种区分使得测量时机对赛事期间证据的解读至关重要（Leopkey & Parent, 2012；Preuss, 2019）。

目标市场异质性进一步使评估复杂化（Tasci等人, 2018）。大型赛事接触通常通过电视、数字媒体、新闻和社交传播实现，无需亲身参与或直接目的地体验（Choe等人, 2020；Knott等人, 2016）。受众在先验知识、媒体接触和主办表现评价方面可能存在差异。匹配面板数据可以揭示整体差异是否伴随个体层面评价的异质性跨波次差异，但持续性证据需要后续波次数据，归因性证据则需要更强的反事实设计。

2.2. 大型赛事背景下的目的地品牌资产

2.2.1. 目的地品牌资产的内容

基于顾客的品牌资产模型将品牌资产定义为从消费者对品牌的认知和评价中衍生的价值（Aaker, 1991；Keller, 1993）。旅游研究将这一逻辑适配于目的地，通过知名度或显著性、联想与形象、感知质量、价值和忠诚度等维度来操作化（Boo等人, 2009；Konecnik & Gartner, 2007；Pike & Bianchi, 2016）。尽管文献中使用"基于顾客的目的地品牌资产""地点品牌资产"和"目的地品牌价值"等不同标签，这些方法都强调消费者认知、评价和意向响应中所反映的价值（Dedeo?lu等人, 2019）。

五个维度相互关联但不可互换。显著性涉及目的地在记忆中的可及性；形象涉及符号性和自我相关的联想；感知质量涉及对目的地供给和基础设施的判断；价值涉及相对于成本而言的收益；态度忠诚度反映偏好、推荐意愿和预期未来到访意向（Boo等人, 2009；Pike & Bianchi, 2016）。这些维度将韩国作为国家目的地品牌加以刻画，在概念上与平昌城市品牌和观测到的游客行为有所区分。

2.2.2. 大型赛事前后的品牌资产响应

大型赛事可能与目的地品牌资产的若干组成部分相关联。国际媒体报道可以通过向远距离受众展示主办地来增加目的地显著性（Grix, 2012；Knott等人, 2017）。涉及文化、创新或组织绩效的赛事相关叙事可能为目的地形象提供信息（Kaplanidou & Vogt, 2007），而对赛事组织和基础设施的感知可能被纳入质量和价值判断之中。这些关联未必是积极的或持久的：报道可能因受众不同而被差异化解读，期望可能未能满足，且事件后的注意力可能衰减（Solberg & Preuss, 2007；Tasci等人, 2019）。

前后对比研究曾报告主办城市或国家品牌评价在特定方面的改善，尤其是在赛事伴随基础设施建设、象征性叙事和持续目的地传播的情况下（Kim & Choe, 2026；Tasci等人, 2019）。此类证据识别了观测事件期间的差异，但本身不足以确立持久性或因果关系。响应也可能在不同目标市场群体之间有所差异，这强化了在不预设统一市场响应的前提下考察异质性的重要性（Tasci等人, 2018）。

2.3. 目的地品牌资产的存量与流量视角

目的地品牌资产可以被视为一个累积存量，由显著性、形象、感知质量、价值和态度忠诚度组成（Boo等人, 2009；Pike & Bianchi, 2016）。该存量提供了消费者解读新目的地信息的基线。累积并不意味着平滑或均匀增长，且多维度测量既可以按总体提升来组织，也可以按各维度间的相对差异来组织。本研究将有序水平解释和基于配置的解释视为相互竞争的实证可能性，不预设任何一种（Morin & Marsh, 2015）。

赛事相关输入包括媒体接触强度和消费者对主办绩效及其对目的地影响的评估。强化流和侵蚀流指代此类输入可能关联到更优或更差后续评价的理论化过程。"流"指代更新过程本身，而非由观测到的分数差异或向上/向下的状态重新分类所定义。接触本身也无固有的正向方向：相同数量的媒体接触可能因消息内容和消费者评价不同而被差异化解读（Grix, 2012；Llopis-Amorós等人, 2018）。

存量与流量视角允许两种理论上可能的更新方向。有利的赛事相关输入可能与先前目的地品牌资产的维持或强化相关联（Chalip & Costa, 2005；Solberg & Preuss, 2007）。较不利的输入可能伴随削弱。本研究还检验接触是否放大评估与后续评价之间的关联；此类放大被作为可检验的边界条件来处理，而非该视角的假定特征。分析包括媒体消费和相对有利的主办评价，但未单独测量负面媒体内容或侵蚀机制。

早期赛后期响应在概念上也区别于持久遗产。赛后期目的地品牌资产题目有意以"作为主办平昌2018年运动会的结果"为引导语引入。它们捕捉受访者感知的归因于赛事的评价，并不构成赛前期框架的严格相同重复测量。此类响应可能代表潜在遗产形成的早期阶段，但持续性需要后续观测（Leopkey & Parent, 2012；Preuss, 2019）。图1概述了这些区分。

下载：下载高分辨率图片（180KB）下载：下载全尺寸图片
图1. 存量、候选赛事相关输入、早期响应与潜在持久遗产。

2.4. 研究问题与关联性假设

鉴于双波次赛事归因设计，本研究并不假定特定数量的剖面或特定转换率代表目的地品牌资产的真实结构。相反，它回应两个广泛的实证问题：

RQ1 什么潜在结构刻画了赛前期和早期赛后期观测时的目的地品牌资产，所得到的状态主要反映整体资产水平差异还是各维度相对模式的差异？

RQ2 整体差异与个体层面异质性如何共同刻画早期赛后期响应，以及表观个体层面差异在多大程度上对测量误差和向均值回归具有稳健性？

主办评价提供所提出的赛事相关过程中的评价性成分。由于赛事交付和赛事-目的地关联可以进入目的地评价（Kaplanidou & Vogt, 2007；Knott等人, 2016），那些对韩国办赛评价更为有利的受访者在考虑到其赛前期评价后，预计将报告更有利的早期赛后期目的地品牌资产。由于主办评价和赛后期结果同期测量，该预测涉及条件关联而非因果关系。

H1 控制赛前期目的地品牌资产后，更有利的主办评价与更有利的赛事归因早期赛后期目的地品牌资产相关联。

媒体消费表明赛事相关信息进入受访者信息环境的强度。赛事传播对于利用和形成品牌资产至关重要（Knott等人, 2016；Llopis-Amorós等人, 2018），但接触没有固定的评价方向，因此其加性系数在不做方向性假设的前提下予以考察。进一步的命题是，接触可能放大有利评价与后续评价之间的关联。

H2 H1中提出的正向关联在奥林匹克相关媒体消费较高水平时更为强烈。

3. 方法论

3.1. 研究设计与焦点情境

本研究采用围绕平昌2018年冬季奥运会的匹配双波次在线面板数据。该赛事在韩国平昌举办，调查在国家层面评估韩国作为焦点目的地品牌。首次调查在赛事约三个月前进行，第二次在赛事结束约三个月后进行。选择这一间隔旨在保持赛事相关性，同时减少对远距离回顾性回忆的依赖（King等人, 2015；Tasci等人, 2019）。

两波次具有刻意不同的参照框架。基线时，受访者将韩国作为旅游目的地进行评价。在第二波次，实质相同的目的地品牌资产陈述有意以"作为主办平昌2018年运动会的结果"为引导语引入。这种不对称旨在引出受访者的赛事归因评价。赛后期分数被解释为受访者赛事归因的早期赛后期评价，而非客观界定的奥林匹克效应或严格框架相同的重复测量。

3.2. 测量

3.2.1.

目的地品牌资产

问卷包含21个目的地品牌资产题项，改编自Pike和Bianchi（2016）。为与保留的潜在剖面解决方案保持一致，主要的人本中心分析使用了与混合分析相同的18项分析集：3个显著性题项、3个品牌形象题项，以及感知质量、品牌价值和态度忠诚各4个题项。支持性分析材料记录了21个实际施测题项与18项分析集之间的区别；未进行21项敏感性分析。

各维度得分为其保留题项的均值，目的地品牌资产总体得分则等权平均五个维度得分。所有题项均采用七点同意量表（1 = 强烈不同意，7 = 强烈同意）。较高的数值表示更有利的评价。忠诚度被解读为态度性的，因为题项测量的是偏好、推荐和计划访问，而非观察到的重复行为。

3.2.2. 事件相关暴露与评价

奥运相关媒体消费在赛后波次测量，包含五个题项，涵盖电视和数字观看、音频广播、报纸或在线结果追踪、团队网站或社交媒体，以及在体育酒吧观看。其均值代表暴露强度而非信息基调（Cronbach's alpha = .784）。

主办评价通过三个主要题项测量，涉及对平昌2018的成功感知及其对韩国国际理解和韩国作为旅游目的地发展的贡献（alpha = .805）。媒体消费和主办评价在形成交互作用前已标准化。

媒体消费、主办评价和事件归因结果均在赛后波次测量。因此，在基线调整后，它们被视为同期相关变量，并不暗示时间有序的中介变量或理论更新过程的直接测量。

3.2.3. 其他测量

赛前调查包含使用改编自Sousa和Bradley（2006）的题项来测量美国和韩国之间的感知相似性。两个波次均收集了性别、年龄和家庭收入，以支持匹配和样本描述。之前的访问经历和奥运观看也被记录，但实际前往韩国或参加赛事均非资格筛选条件。

3.3. 数据收集与分析样本

基于美国的成年人通过亚马逊Mechanical Turk招募。嵌入的注意力检查、使用IP信息进行美国地理位置验证以及响应时间筛选被用于保障数据质量。第一波获得1133个有效响应，第二波获得591个。记录通过Mechanical Turk标识符关联，形成502名受访者的匹配分析面板。完成两次调查的参与者在第一波2.50美元的报酬之外，还获得了额外5美元的激励。

匹配样本中38.0%为男性（n = 191），61.4%为女性（n = 308），0.6%未披露（n = 3）。25-34岁受访者构成最大群体（36.1%），其次是35-44岁（24.1%）、45-54岁（16.3%）和55-64岁（12.2%）。约半数受访者报告家庭年收入在25,000至75,000美元之间。仅有19名受访者（3.8%）在过去五年内访问过韩国。样本被描述为基于美国的目标市场受访者或消费者；这些受访者不应被解读为韩国访客、近期有目的地体验的游客或奥运参赛者。

流失检查比较了匹配与未匹配的第一波受访者。在性别、家庭收入或五个目的地品牌资产维度上未发现显著差异。然而，年龄分布在两组之间存在显著差异（χ2 = 53.929, df = 6, p < .001）。这种年龄相关的流失限制了最终面板相对于原始第一波样本的代表性，在解释结果的普适性时予以考虑。

3.4. 分析策略

分析策略围绕两个实质性问题组织：每次观察时目的地品牌资产的潜在结构，以及跨观察时差异的本质与稳健性。主要的人本中心分析使用18项分析集中的五个目的地品牌资产维度复合指标。由于两次观察使用了不同的回答框架，所有跨观察结果均被解读为赛前基线与事件归因的赛后早期反应之间的比较，而非将两次观察视为框架相同的重复测量。

在人本中心阶段，使用Mplus 8.6分别在每波估计潜在剖面模型，以刻画每次观察时目的地品牌资产状态的分布。这些状态按总体质心高度排序以供报告，但不假设它们代表了语义不变或定性不同的消费者类型。在每波分别估计了一至六个状态的模型，使用大量多重启动初始化，随后进行了聚焦的四状态与五状态验证。信息准则、自助法似然比检验、熵、最小状态规模、平均后验概率以及自助法分区稳定性被综合考虑。质心变异还被分解为总体状态高度、维度效应和残差状态与维度交互形状，以区分基于水平与基于配置的解释（Morin & Marsh, 2015）。

为描述两次观察之间的关系，分析结合了总体配对比较与分类及概率加权摘要。配对均值、95%置信区间和Cohen's dz描述了总体差异。分别估计的波次特异性众数赋值被交叉制表为描述性重新分配。作为固定锚点的敏感性检查，基于赛前状态均值、状态比例和合并的对角线组内方差构建的分类器被应用于两次观察。重构的高斯成员权重通过2000次配对自助法重复，对配对观察进行组合，以总结稳定、上升、下降、总变化和净状态关联量。

联合五状态连续潜在马尔可夫模型作为预指定的敏感性分析在LMest中添加（Bartolucci et al., 2017）。该模型估计了五个状态特定的均值向量以及跨两次观察的共同组内协方差矩阵，同时赛后期指标允许每个目的地品牌资产维度一个对所有状态共同的加性偏移。初始状态和状态间转移概率通过最大似然法联合估计，因此潜在状态不确定性进入似然函数，而非以众数赋值为条件。使用五自由度似然比检验和计数五个共同偏移参数一次的BIC，将偏移模型与否则相同的无偏移模型进行比较。此敏感性分析中状态数量固定为五，未用于重新开启状态数量选择；使用了一个确定性启动和25个随机启动，且该模型未被视为分波主要剖面的替代，因为它重新估计了状态测量结构，且赛后观察使用了有意的事件归因框架。

为补充分类摘要的连续证据，分析使用了可靠变化指数和两波潜在差异分数模型。可靠变化使用波次特异性的内部一致性估计和双侧1.96截断（Jacobson & Truax, 1991）。潜在差异模型使用五维度复合指标作为指标，约束对应负荷和截距在跨观察间相等，允许匹配指标残差相关，并使用具有完全信息估计的稳健最大似然（McArdle, 2009）。其均值、方差和与赛前因子的协方差描述的是两次观察的潜在差异，而非增长轨迹或因果事件效应。该模型被视为补充性敏感性分析，而非个体变化的确定性表征。

测量与误差相关检查被用于限定人本中心和连续结果的解释。题项层面的纵向相似性使用保留的18项测量规格，独立于潜在状态可比性进行检查。共同方法敏感性通过将纵向特质模型与包含正交波次特异性未测量潜在方法因子的模型进行比较来评估（Podsakoff et al., 2012）。此外，固定标准的条件回归到均值模拟将五状态参考几何固定，仅允许观察到的维度特异性共同期偏移，假设除这些偏移外无人特异性状态变化，并生成了500个蒙特卡洛参考分布。此基准评估在指定误差条件下残差重新分类是否超过条件零假设；它并不穷尽地代表非经典测量误差或回答框架效应（Barnett et al., 2005）。

基线调整的连续模型被用于检验提出的事件相关输入。使用调查响应，赛后目的地品牌资产以其赛前对应物、标准化媒体消费、标准化三题主办评价及其交互项进行回归，使用HC3异方差一致性标准误。这些变量在赛后波次同期测量（见表1）。

4. 发现

4.1. 测量证据与共同方法敏感性

保留的18项五维度测量模型在人本中心分析之前通过纵向构型CFA进行评估。模型可接受，且表现出良好的稳健拟合：χ2(531) = 968.779, CFI = .969, TLI = .964, RMSEA = .044, SRMR = .037。表2报告了每次观察中保留题项的标准化负荷。所有负荷均为正值且统计显著。由于赛后题组使用了有意的事件归因引导语，这些结果支持了测量模型的统计质量，但未确立两个回答框架的语义等价性。

表1. 调查设计与核心测量

| 测量 | 赛前波次 | 赛后波次 |
|---|---|---|
| 目的地品牌资产 | 对韩国的一般评价；21项施测；保留18项分析集 | 相同领域，带有有意的奥运归因引导语；保留18项分析集 |
| 国家感知相似性 | 七项 | 未施测 |
| 媒体消费 | 未施测 | 五项 |
| 主办评价 | 未施测 | 三项 |
| 人口统计与匹配 | 性别、年龄、收入、Mechanical Turk ID | 性别、年龄、收入、Mechanical Turk ID |

表2. CFA标准化负荷

| 构念 | 测量 | 赛前 | 赛后 |
|---|---|---|---|
| 品牌/显著性 | 该目的地的特征很快浮现在我脑海中 | 0.673 | 0.689 |
| | 当我想到国际假期时，该目的地立刻浮现在我脑海中 | 0.858 | 0.908 |
| | 我看过很多推广该目的地的广告 | 0.713 | 0.749 |
| 品牌形象 | 该目的地适合我的个性 | 0.893 | 0.898 |
| | 该目的地的形象与我的自我形象一致 | 0.888 | 0.881 |
| | 访问该目的地反映了我的身份 | 0.913 | 0.909 |
| 感知质量 | 高质量的住宿 | 0.896 | 0.854 |
| | 高水平的清洁度 | 0.861 | 0.872 |
| | 高水平的个人安全 | 0.795 | 0.814 |
| | 高质量的基础设施 | 0.892 | 0.886 |
| 品牌/价值 | 该目的地提供合理的价格 | 0.850 | 0.858 |
| | 考虑到旅行成本，访问该目的地我将获得超过所花价值的回报 | 0.878 | 0.890 |
| | 与我所获得的利益相比，访问该目的地的费用是一笔划算的交易 | 0.871 | 0.882 |
| | 访问该目的地提供极佳的性价比 | 0.906 | 0.922 |
| 品牌/忠诚 | 该目的地将是我度假的首选 | 0.901 | 0.902 |
| | 我会推荐他人访问该目的地 | 0.858 | 0.842 |
| | 我打算将来访问该目的地 | 0.866 | 0.864 |
| | 该目的地比其他目的地提供更多的利益 | 0.847 | 0.802 |

注：标准化负荷来自纵向构型规格；所有保留负荷均统计显著。

保留题项负荷在赛前从.673到.913，赛后从.689到.922。构念信度在赛前从.795到.930，赛后从.828到.937；AVE分别从.566到.806和从.620到.803。五维度复合指标的Cronbach's alpha在赛前从.785到.928，赛后从.825到.936。这些结果提供了令人满意的收敛和内部一致性证据。

区分效度使用Fornell-Larcker比较和AVE-MSV/ASV诊断进行检查（表3）。证据并非对每个维度都一致具有决定性：显著性构念在两个波次中MSV值均高于AVE，且赛前忠诚度构念也勉强低于AVE-MSV标准。最大的相关涉及显著性、形象和忠诚度。因此，我们将这些结果视为在逐步增加限制条件下提供统计跨波可比性的部分证据，而非语义等价性的证据。这种保守解读与剖面的有序水平解读一致。

表3. 信度与区分效度诊断

赛前数据：
F1 品牌显著性 (0.752)
F2 品牌形象 0.774 (0.898)
F3 感知质量 0.576 0.656 (0.862)
F4 品牌价值 0.522 0.636 0.591 (0.876)
F5 态度忠诚 0.821 0.870 0.689 0.722 (0.868)
平均方差提取量(AVE) 0.566 0.806 0.743 0.768 0.754
构念信度(CR) 0.795 0.926 0.920 0.930 0.925
最大共享方差(MSV) 0.674 0.757 0.475 0.521 0.757
平均共享方差(ASV) 0.469 0.547 0.397 0.387 0.606

赛后数据：
F1 品牌显著性 (0.787)
F2 品牌形象 0.803 (0.896)
F3 感知质量 0.482 0.562 (0.857)
F4 品牌价值 0.602 0.686 0.542 (0.888)
F5 态度忠诚 0.811 0.847 0.564 0.724 (0.853)
平均方差提取量(AVE) 0.620 0.803 0.734 0.789 0.728
构念信度(CR) 0.828 0.925 0.917 0.937 0.914
最大共享方差(MSV) 0.657 0.717 0.318 0.524 0.717
平均共享方差(ASV) 0.474 0.537 0.290 0.413 0.554

注：括号内对角线值为AVE的平方根；非对角线值为标准化潜在相关。下方行报告AVE、CR、MSV和ASV。

18项纵向测量模型还在构型、度量、标度和严格约束下进行了估计（表4）。在受约束的规格之间，CFI和RMSEA的变化幅度不大，但缩放似然比检验显著且度量SRMR变化相对较大。这些结果在逐步增加限制条件下提供了统计跨波可比性的部分证据，但未确立两个回答框架之间的语义等价性。

表4. 纵向测量不变性诊断

| 模型 | 稳健χ2(df) | 稳健CFI | 稳健RMSEA | BIC | ΔCFI | ΔRMSEA | ΔSRMR | 缩放Δχ2(df), p |
|---|---|---|---|---|---|---|---|---|
| 构型 | 968.78(531) | 0.969 | 0.044 | 50743.982 | — | — | — | — |
| 度量 | 1036.28(549) | 0.966 | 0.046 | 50704.945 | ?0.003 | +0.002 | +0.031 | 76.74(18), < .001 |
| 标度 | 1114.92(562) | 0.962 | 0.048 | 50713.757 | ?0.005 | +0.002 | 0.000 | 88.71(13), < .001 |
| 严格 | 1202.99(580) | 0.956 | 0.051 | 50731.640 | ?0.006 | +0.003 | +0.004 | 70.25(18), < .001 |

注：稳健拟合统计来自18项纵向模型。Δ值相对于前一个约束较少的模型；缩放似然比检验用于描述性模型比较。

共同方法敏感性通过18项未测量潜在方法因子模型进行评估。自由负荷方法因子规格可接受，并将稳健拟合改善至CFI = .987, TLI = .983, RMSEA = .030, SRMR = .030（相对于特质模型，ΔCFI = .017, ΔRMSEA = ?.014）。按波次等负荷的方法因子规格也可接受（CFI = .975, TLI = .971, RMSEA = .040, SRMR = .058；ΔCFI = .006, ΔRMSEA = ?.004）。共同方法评估作为保留的18项规格内的敏感性比较来报告，而非声称不存在共同方法方差。

方法因子方差不容忽视。在自由负荷18项模型下，赛前方法因子R2的中位数为.409，赛后为.367，最大题项层面值分别为.882和.919。

添加方法因素改变了某些项目层面的实质载荷和跨波潜在相关。共同方法结果是对实质解释的限定而非推翻。保留 18 项特质规范用于主要的人本中心分析，方法因素结果作为测量证据的重要限定。

4.2. 事件前数据中的有序状态

使用保留的五维复合变量，对单独波次潜在剖面模型进行了一到六个状态的估计。表 5 报告了事件前的枚举情况。信息准则通过五个状态得到改善，而六个状态的 LMR 和 BLRT 测试不显著 (.205 和 .198)；熵在保留的解决方案中保持较高。保留五状态解决方案作为主要的人本中心规范，随后通过四对五状态的验证提供聚焦的稳健性检查。

表 5. 一到六个状态剖面结构的拟合统计量——事件前数据。

| 状态数量 | 对数似然 | AIC | BIC | SABIC | LMR | BLRT | 熵 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | ?4435.43 | 28890.86 | 48933.05 | 08901.30 | 9 | —— | 1.000 |
| 2 | ?3982.82 | 37997.64 | 68065.14 | 38014.35 | 8.000 | .000 | .837 |
| 3 | ?3761.51 | 37567.02 | 67659.83 | 57590.00 | 6.007 | .006 | .860 |
| 4 | ?3672.25 | 27400.50 | 57518.62 | 57429.75 | 1.033 | .031 | .859 |
| 5 | ?3622.63 | 17313.26 | 37456.69 | 57348.77 | 6.017 | .016 | .843 |
| 6 | ?3594.43 | 07268.85 | 97437.60 | 37310.64 | 0.205 | .198 | .851 |

注。AIC = 赤池信息准则；BIC = 贝叶斯信息准则；SABIC = 样本调整 BIC；LMR = Lo-Mendell-Rubin 测试；BLRT = 自举似然比测试。单状态行是描述性基线，不适用 LMR 和 BLRT。

保留的事件前解决方案包含五个有序状态：C1 (n = 53, 10.6%), C2 (n = 150, 29.9%), C3 (n = 184, 36.7%), C4 (n = 78, 15.5%), 和 C5 (n = 37, 7.4%)。平均得分在所有五个维度上从 C1 到 C5 普遍上升。C1 和 C2 代表相对较低的水平，C3 代表中等水平，C4 和 C5 代表目的地品牌资产的高和很高水平。表 6 报告了保留的事件前分配的观察均值和标准差。

表 6. 潜在剖面均值和标准差——事件前数据。

| 波次/状态 | n (%) | 显著性 | 品牌形象 | 感知质量 | 品牌价值 | 态度忠诚 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 事件前 C1 (非常低) | 53 (10.6) | 1.522 (.568) | 1.289 (.494) | 2.330 (1.093) | 1.811 (.778) | 1.193 (.313) |
| 事件前 C2 (低) | 150 (29.9) | 1.853 (.690) | 2.000 (.778) | 4.013 (1.061) | 3.708 (.814) | 1.942 (.632) |
| 事件前 C3 (中等) | 184 (36.7) | 2.592 (.875) | 3.326 (.833) | 4.796 (.903) | 4.130 (.799) | 3.522 (.538) |
| 事件前 C4 (高) | 78 (15.5) | 3.731 (1.111) | 4.530 (.953) | 5.590 (.812) | 4.984 (.891) | 4.926 (.715) |
| 事件前 C5 (很高) | 37 (7.4) | 5.405 (1.098) | 6.045 (.802) | 6.432 (.470) | 6.007 (.630) | 6.385 (.532) |

注。条目为保留模态分配的观察 M (SD)。状态按总体目的地品牌资产提升程度排序；标签描述资产水平，而非定性上不同的消费者画像。

4.3. 事件归因事件后数据中的有序状态

对事件归因的事件后数据估计了相同的一到六个状态枚举（表 7）。六个状态的 LMR 和 BLRT 测试不显著 (.454 和 .445)，熵从五状态模型的 .849 下降到六状态模型的 .799。保留五状态解决方案用于主要的人本中心描述，单独报告聚焦的四对五状态验证。

表 7. 一到六个状态剖面结构的拟合统计量——事件后数据。

| 状态数量 | 对数似然 | AIC | BIC | SABIC | LMR | BLRT | 熵 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | ?4255.04 | 88530.09 | 58572.28 | 18540.54 | 1 | —— | 1.000 |
| 2 | ?3811.91 | 87655.83 | 77723.33 | 47672.54 | 9.000 | .000 | .857 |
| 3 | ?3643.68 | 57331.36 | 97424.17 | 87354.34 | 9.006 | .006 | .832 |
| 4 | ?3572.05 | 87200.11 | 67318.23 | 77229.36 | 3.016 | .015 | .851 |
| 5 | ?3510.60 | 57089.21 | 07232.64 | 27124.72 | 4.002 | .002 | .849 |
| 6 | ?3493.19 | 37066.38 | 57235.12 | 97108.16 | 6.454 | .445 | .799 |

注。统计数据使用与表 5 相同的定义。

保留的事件后解决方案也包含五个有序状态：C1 (n = 32, 6.4%), C2 (n = 153, 30.5%), C3 (n = 194, 38.6%), C4 (n = 98, 19.5%), 和 C5 (n = 25, 5.0%)。广泛的从低到高的排序得到了复制，尽管状态的位置和大小不被假定为形式上不变。表 8 报告了保留的事件后分配的观察均值和标准差。

表 8. 潜在剖面均值和标准差——事件归因事件后数据。

| 波次/状态 | n (%) | 显著性 | 品牌形象 | 感知质量 | 品牌价值 | 态度忠诚 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 事件后 C1 (非常低) | 32 (6.4) | 1.667 (.908) | 1.375 (.597) | 3.641 (1.456) | 1.555 (.523) | 1.266 (.426) |
| 事件后 C2 (低) | 153 (30.5) | 2.231 (.775) | 2.100 (.671) | 4.440 (.828) | 3.675 (.714) | 2.423 (.858) |
| 事件后 C3 (中等) | 194 (38.6) | 3.192 (1.035) | 3.653 (.638) | 4.925 (.874) | 4.151 (.702) | 3.611 (.699) |
| 事件后 C4 (高) | 98 (19.5) | 4.544 (.893) | 4.912 (.638) | 5.694 (.696) | 5.314 (.744) | 5.036 (.702) |
| 事件后 C5 (很高) | 25 (5.0) | 6.133 (.726) | 6.453 (.526) | 6.510 (.593) | 6.220 (.808) | 6.600 (.510) |

注。条目为保留模态分配的观察 M (SD)。状态按总体目的地品牌资产提升程度排序；标签描述资产水平，而非定性上不同的消费者画像。

聚焦的四对五状态验证在两个波次上均支持五状态（表 9）。与四状态相比，五状态在事件前后的 BIC、样本量调整 BIC 和 ICL 较低，自举似然比测试在两个波次上均显著 (p = .001)。分类质量可接受，尽管自举分割稳定性适中。证据支持五状态作为可辩护的代表，而非唯一真实的人口分割。

表 9. 保留五个有序目的地品牌资产状态的证据。

| 波次 | Delta BIC/SABIC/ICL | BLRT p | 熵 | 最小状态/平均 PP | 自举 ARI 中位数 [2.5%, 97.5%] | 恢复 ARI/一致性 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 事件前 | ?61.9/?81.0/?34.9 | .001 | .841 | 7.6%/.883 | .802 [.383, .946] | .987/99.4% |
| 事件后 | ?85.6/?104.6/?62.5 | .001 | .847 | 5.2%/.880 | .841 [.462, .943] | .992/99.6% |

注。Delta 等于五状态减去四状态统计量；负信息准则支持五状态。EEI 指定特定状态均值和共同对角协方差。ARI 括号内为自举百分位范围。

状态提升解释了事件前 84.8% 和事件后 85.1% 的质心变化；残余的状态 - 维度形状仅解释了 4.0% 和 5.0%。五个状态提供了总体目的地品牌资产水平的有序概率表示，不应被解释为五个定性上不同的消费者画像。图 2 使这种主要为平行的排序可见。

下载：下载高分辨率图像 (443KB)
下载：下载全尺寸图像
图 2. 事件前后的保留有序目的地品牌资产状态。

4.4. 总体差异和跨波状态关联

事件前总体目的地品牌资产为 3.511 (SD = 1.195)，事件归因事件后测量为 3.851 (SD = 1.111)，产生配对差异 .340 (95% CI [.264, .416], dz = .391)。所有五个维度的差异均为正值，范围为从品牌价值的 .140 到显著性的 .570。由于有意的事件后归因词干，这些数量描述的是通用事件前基线与事件归因事件后评估之间的对比，而不是严格的框架相同的重复测量效应。

在预指定的联合五状态敏感性分析中，允许特定维度的共同后期位移改善了拟合，相对于否则相同的无位移模型，似然比卡方 (5) = 44.269, p < .001。当五个共同位移被计算一次时，BIC 从 14268.790 降低到 14255.614。估计的共同位移为：显著性 .419，品牌形象 .114，感知质量 .243，品牌价值?.045，态度忠诚 .043。联合模型分配了 .736 的模型隐含概率质量给稳定性，.211 给向上状态关联，.053 给向下状态关联（总非对角质量 = .264）。

特定波次模态显示 50.4% 稳定分配，26.7% 向上重新分配，22.9% 向下重新分配。这些是分别从单独估计的波次特定分类器中得出的描述性结果。将相同的事件前锚点应用于两个观察产生了 .505 稳定概率质量，.349 向上质量，.146 向下质量；总非对角质量为 .495，平均期望状态差异为 .263。特定波次模态和固定锚点概率加权摘要在跨波重新分配的方向性分配上存在差异，表明报告的图案对分类参考以及硬分配与软分配的使用都很敏感。表 10 比较了这些不同的变化摘要方式。

表 10. 总体差异和个体水平状态关联诊断。

| 面板/度量 | 事件前/参考 | 事件后/估计 | 差异/比较 | dz/备注 |
| :--- | :--- | :--- | :--- | :--- |
| 面板 A | | | | |
| 显著性 | 2.643 (1.342) | 3.212 (1.430) | .570 [.462, .678] | .463 |
| 品牌形象 | 3.102 (1.527) | 3.420 (1.457) | .317 [.204, .431] | .245 |
| 感知质量 | 4.546 (1.391) | 4.924 (1.078) | .378 [.270, .487] | .306 |
| 品牌价值 | 4.030 (1.276) | 4.170 (1.215) | .140 [.042, .238] | .125 |
| 态度忠诚 | 3.233 (1.576) | 3.526 (1.466) | .293 [.190, .397] | .248 |
| 总体 | 3.511 (1.195) | 3.851 (1.111) | .340 [.264, .416] | .391 |
| 面板 B | 联合五状态敏感性 | | | |
| 共同后期位移 | 稳定 .736 | | | |
| 向上状态关联质量 | | | = .211 | |
| 向下状态关联质量 | | | = .053 | |
| 总 | | | .264 | |
| 面板 C | 稳定概率质量 | 固定事件前锚点 | .505 [.469, .542] | 概率质量 |
| 向上概率质量 | 固定事件前锚点 | .349 [.315, .387] | | 概率质量 |
| 向下概率质量 | 固定事件前锚点 | .146 [.120, .172] | | 概率质量 |
| 总非对角质量 | 固定事件前锚点 | .495 [.458, .531] | | 概率质量 |
| 期望状态差异 | 固定事件前锚点 | .263 [.197, .336] | | 状态单位 |
| 面板 D | 正阈值超越 | n = 86 | 17.1% | 经验可靠性 RCI > 1.96 |
| 无阈值超越差异 | n = 391 | 77.9% | | 经验可靠性 |RCI| ≤ 1.96 |
| 负阈值超越 | n = 25 | 5.0% | | 经验可靠性 RCI < ?1.96 |

注。Panel A 比较事件前得分与有意事件归因的事件后得分。Panel B 报告来自预指定的联合五状态潜在马尔可夫敏感性分析的模型隐含概率质量，具有共同特定维度后期位移；它重新估计了状态结构，与以下诊断不直接可比。Panel C 使用具有固定事件前锚点的重构高斯隶属权重；值为概率质量摘要，而非受访者百分比、原始后验概率或潜在转移估计。Panel D 在非相同反应框架下应用可靠变化指数阈值。

基于可靠变化指数的可靠性阈值敏感性分析提供了更保守的个体水平基准。在经验可靠性假设下，17.1% 在正方向上超过阈值，5.0% 在负方向上超过阈值，77.9% 显示无阈值超越的总体差异。状态重新分配比阈值超越的连续分数差异更广泛，这是预期的，因为这两个摘要回答了不同的问题。

条件固定参考模拟产生了两部分结果（表 11）。在保持五状态标准固定并针对观察到的特定维度共同时期位移进行条件化后，观察到的总运动量为 .492，相比零假设均值为 .161 和 95% 零假设范围 [.129, .191]（双侧 p = .004）。观察到的向上 (.251) 和向下 (.241) 运动，以及向中心 (.251) 和向外 (.203) 运动，均超过了其相应的仅错误零假设范围（所有双侧 p = .004）。相比之下，残余净状态单位差异为 .036，并保持在零假设范围 [-.035, .038] 内（双侧 p = .076）。因此，指定的仅错误过程未能重现固定标准下的双向重新分类量，而小的残余净状态单位差异仍与条件零假设兼容。

表 11. 条件固定标准回归均值模拟。

| 统计量 | 观察值 | 零假设均值 | 95% 零假设范围 | 双侧 p |
| :--- | :--- | :--- | :--- | :--- |
| 稳定 | .508 | .839 | [.809, .871] | .004 |
| 向上 | .251 | .080 | [.060, .106] | .004 |
| 向下 | .241 | .081 | [.056, .106] | .004 |
| 总运动 | .492 | .161 | [.129, .191] | .004 |
| 向中心 | .251 | .079 | [.058, .104] | .004 |
| 向外 | .203 | .081 | [.059, .106] | .004 |
| 净状态单位差异 | .036 | ?.001 | [-.035, .038] | .076 |

注。条件零假设使用了 500 次蒙特卡洛重复，固定五状态标准，并针对观察到的特定维度共同时期位移进行条件化。它假设除这些位移外没有特定人的状态变化，并根据估计的协方差结构生成状态内变异。有限模拟 p 值为双侧。该基准不穷尽非经典错误、反应框架效应或替代状态定义。

两波潜在变化（潜在差异分数）模型收敛，产生了稳健的 CFI = .963, TLI = .956, RMSEA = .084, 和 SRMR = .069，缩放卡方 (37) = 152.840, p < .001。平均潜在差异为正 (.291, SE = .040, 95% CI [.211, .370], p < .001)，其方差显著 (.554, SE = .066, 95% CI [.425, .682], p < .001)。事件前因子与潜在差异呈负相关 (r = ?.434, p < .001)，表明较高的初始评估与较少正面或更多负面的差异相关（见表 12）。尽管增量拟合指数可接受，但 RMSEA 为 .084，强化了该模型作为补充敏感性分析而非个体变化的决定性代表的角色。这种图案支持平均正差异和个体间异质性，而负基线 - 差异关联仍与收敛和回归均值过程兼容。

表 12. 两波潜在变化（潜在差异分数）敏感性分析。

| 参数 | 估计值 | SE | 95% CI | p |
| :--- | :--- | :--- | :--- | :--- |
| 平均潜在差异 | .291 | .040 | [.211, .370] | <.001 |
| 潜在差异方差 | .554 | .066 | [.425, .682] | <.001 |
| 事件前水平/差异相关 | ?.434 | -- | <.001 | |

注。使用稳健最大似然，具有相等对应载荷和截距以及相关的匹配指标残差。模型拟合：缩放卡方 (37) = 152.840, 稳健 CFI = .963, 稳健 TLI = .956, 稳健 RMSEA = .084, 和 SRMR = .069。

4.5. 事件相关物

在使用主要三项主办国评价得分的基线调整模型中，事件前目的地品牌资产与其事件归因事件后对应物强相关 (b = .556, HC3 SE = .030, p < .001)。媒体消费显示正向基线调整关联 (b = .171, HC3 SE = .035, p < .001)，主办国评价也是 (b = .292, HC3 SE = .045, p < .001)。媒体消费与主办国评价的交互作用不显著 (b = .036, HC3 SE = .042, p = .390)。模型解释了事件后得分方差的 63.0%（表 13）。H1 得到支持，而 H2 未得到支持。

表 13. 事件归因事件后目的地品牌资产的基线调整相关物。

| 预测变量 | b (HC3 SE), 95% CI | p |
| :--- | :--- | :--- |
| 事件前品牌资产 | .556 (.030), [.497, .615] | <.001 |
| 媒体消费 | .171 (.035), [.103, .240] | <.001 |
| 主办国评价 | .292 (.045), [.203, .381] | <.001 |
| 媒体×主办国评价 | .036 (.042), [?.046, .118] | .390 |

注。条目为具有 HC3 标准误的非标准化系数。媒体消费和主办国评价已标准化；目的地品牌资产得分保持在原始计量单位。R-squared = .630。事件预测变量和结果在第二波次测量。

5. 结论与启示

5.1. 研究总结与结论

本研究考察了平昌奥运期间目的地品牌资产，使用了来自 502 名美国目标市场受访者的匹配观察。四对五状态验证在两个观察点上均支持五状态。由于约 85% 的质心变化反映了总体提升，而仅 4-5% 反映了剖面形状，因此这些剖面最好被解释为有序的目的地品牌资产状态，而非定性上不同的消费者类型。

总体和人本中心摘要提供了互补信息。事件归因事件后得分平均比事件前得分高 0.340 分。潜在差异模型估计平均差异为正 0.291，且具有显著的个体间变异性。联合五状态、固定锚点和可靠变化分析产生了不同的估计，因为它们处理了跨波差异的不同方面并不同地处理了分类不确定性。因此，不应将它们视为个体转变的可互换度量。

在条件固定标准基准下，指定的仅错误过程未能重现观察到的总双向重新分类量，而小的残余净状态单位差异仍与条件零假设兼容。负基线 - 差异关联仍与收敛和回归均值过程兼容。这些发现最好被描述为伴随显著个体间异质性的正早期事件归因平均差异，而不是均匀改善或经验证的因果转变。主办国评价和媒体消费与早期事件后得分呈正相关，但它们的交互作用不显著。

5.2. 理论启示

一个理论启示涉及目的地品牌资产的人本中心解释。人本中心解决方案可以反映总体水平差异以及维度之间的构型差异 (Morin & Marsh, 2015)。在本分析中，五状态解决方案得到了枚举和聚焦四对五状态验证的支持，但质心分解显示其主要代表有序水平，剖面形状归因的变异相对较小。

本研究采用以人为中心（person-centered）分析方法，其价值在于刻画了目的地品牌资产连续体上位置异质性的分布，并揭示了聚合均值背后的分布结构。由此产生的一个相关推论涉及用于刻画跨波差异的不同量的区分。聚合均值捕捉了观测到的对比的总体方向，而五状态联合模型则在共同位移结构下汇总了概率质量。固定锚点分析（fixed-anchor analysis）评估了在共同标准下的再分配情况。可靠变化分析（reliable-change analysis）则将明确的误差阈值应用于个体差异（Jacobson & Truax, 1991），潜在差异模型（latent-difference model）估计连续差异的均值和方差（McArdle, 2009; Willett, 1989）。这些量反映了观测到的跨波模式的不同方面，它们并非可互换的个体转变估计量。将它们综合考虑有助于做出更谨慎的解释，避免将任何单一估计值视为真实的个体转变率。

研究结果也为双重遗产视角（Dual-Legacy perspective）中的一些选定要素提供了有限的经验接触。事件前的目的地品牌资产代表了积累存量（accumulated stock），而举办地评价（hosting appraisal）和媒体消费则是候选的事件相关输入。两者均显示出与事件后早期反应之间存在正向的加性关联，但提出的曝光与评价交互效应未得到支持。此外，向下的再分配本身并不能证明存在侵蚀性流量。该视角的贡献在于区分了先验存量、事件相关输入、理论推断的更新和观测到的反应，而非暗示增强性和侵蚀性更新机制在经验上得到了验证（Chalip & Costa, 2005; Preuss, 2019）。

进一步的理论区分涉及事件归因的早期反应与持久的事件遗产之间的差异。观测到的评分在两个反应框架之间有所不同，但仅凭一次事件后早期观察无法确立这些差异是否持续存在、衰减，还是由举办地导致的。因此，未来研究应考察早期反应何时发展为持久的遗产，而不应将两种结果视为等价（Leopkey & Parent, 2012; Preuss, 2019）。

**5.3 管理启示**

目的地营销机构应在使用聚合品牌追踪的同时，补充净方向（net direction）、毛再分配（gross redistribution）、可靠个体差异（reliable individual difference）以及连续的人间异质性（continuous between-person heterogeneity）等指标。在本研究数据中，观测到的和潜在的均值对比均为正值，但残差净状态方向无法与仅含条件误差的基准区分开来，且77.9%的受访者未超过可靠变化阈值。同时报告这些量将提供一个比依赖单一均值或众数状态表更具信息量的监测体系（Rust et al., 2021; Tasci et al., 2018）。

由于五个状态主要代表有序的资产水平，它们应被用作描述性监测层级，而非作为不同的消费者画像或状态特异性干预的自动依据（Morin & Marsh, 2015）。关于定向传播的决策需要活动层面或实验证据来表明哪些信息关联着后续的运动。

媒体触达率和举办地评价也应分别监测。两者均与事件后早期评分呈正向关联，但它们的交互作用不显著。因此，管理者不应假定更大的媒体曝光自动放大有利的事件评价。相反，管理者可以将媒体触达、信息内容、举办地评价以及后续的目的地评价作为独立指标进行跟踪（Knott et al., 2016; Llopis-Amorós et al., 2018）。

**5.4 政策启示**

对大型活动品牌政策的评估应区分沟通产出、早期品牌反应和持久遗产成果。媒体触达或立即的事件归因增长不应单独被视为持久品牌遗产的证据。遗产评估应考虑多个成果领域和适当的时间跨度（Leopkey & Parent, 2012; Preuss, 2019; Thomson et al., 2019）。

为实施这一方法，目的地管理机构应建立监测协议，在各波次中保留措辞完全一致的核心结果测量，并分别评估感知的事件归因。该协议应包括事件前基线、事件后早期评估以及至少一个后续跟踪。在可行情况下，还应包括比较目的地或受众群体，并将调查指标与媒体内容、搜索活动、访问或其他行为数据相关联。这些程序将有助于决策者区分临时的事件相关反应与更持久的品牌成果，而不应将两者中的任何一个视为自动因果（King et al., 2015; Tasci et al., 2019）。

**5.5 局限性与未来研究**

尽管本研究为目的地品牌资产提供了见解，但仍应承认一些局限性。首先，样本仅由美国居民组成，限制了推广性。其次，两波同一受访者的设计仅捕捉了一次从事件前到事件后早期的比较，未能捕捉到事件遗产的完整发展过程。未来研究应纳入更多事件后波次，以考察持续性、衰减和可能的复苏。由于事件后条目使用了刻意的事件归因引导语，未来研究应保留措辞完全一致的核心测量，并分别评估事件归因。第三，与单方法调查研究的同类问题一样，共同方法偏差无法完全排除。尽管未测的潜在方法因素分析提供了敏感性评估，但方法方差并不微不足道。相当大的方法因素方差进一步提醒人们不要将精细的跨波差异纯粹解释为实质性的心理变化。可靠变化、固定标准模拟和潜在差异结果还依赖于关于信度、协方差结构以及数据生成过程的假设（Barnett et al., 2005; Jacobson & Truax, 1991; McArdle, 2009）。两波潜在差异模型也应谨慎解读，因为尽管增量拟合指标可接受，但RMSEA为.084，表明绝对拟合不理想。第四，尽管测量的社会经济人口学变量与观测到的再分配模式关联不显著，但未来工作应考察更丰富的心理人口学和媒体曝光变量。由于在各观测点分别估计的画像，众数交叉表不应被解释为误差调整后的转移矩阵（Nylund-Gibson et al., 2014）。跨大型活动、客源市场和活动场景的比较研究应纳入后续行为结果，如访问、倡导和信息分享，以评估双重遗产框架的更广泛范围。

**作者贡献声明（CRediT）**

Yeongbae Choe：写作 – 审阅与编辑，写作 – 初稿撰写，方法论，形式分析，概念化。Hany Kim：写作 – 审阅与编辑，写作 – 初稿撰写，方法论，概念化。

Yeongbae Choe | Hany Kim