地理商标涵盖的范围,地理商标计量模型的验证性因子分析

地理商标涵盖的范围

产品命名冠之以地理名称或当地景象名称，产品实体由企业设计特定的包装和标签予以盛装和识别，赋予特定的意义，并由家庭和个人消费的产品，我们称之为包装型消费品的地理商标。在此应该看到，天然产品，尽管大家习惯带有地理名称去称谓，如大同煤炭，但却无法使用特定的包装和标签给予有效识别。没有使用包装和标签的大部分农业和农特产品，以及许多无法使用标签和包装的风味小吃等消费品，不属于小编研究的范围。小编的研究对象是包装型消费品的地理商标。为了阐述方便，小编中没有特别标明的地理商标均指包装型消费品的地理商标。共享的地理商标能够描述的对象为天然产品、农业及农特产品、加工型食品、陶瓷和民间品五类产品。由于天然产品不能用商标元素予以有效识别，因此，小编重点研究除天然产品之外的其他四类共享地理商标。一般意义上的地理商标一定都是地方特产。从各地的特产网页去搜集地理商标是比较方便的。地方特产涵盖的内容非常广泛，猎商网将中华特产区划为１４个类别，即风味小吃、食品、工艺品、陶瓷、玉器、文娱、药材、服饰、果品、饮品、矿产、山野、农业和林业。猎商网对中华特产的区划标准存在重叠和交叉的缺陷，并且区划类别过多，很难显现它们的市场特性，因此经过整理，地理商标能够描述的对象为天然产品、农业及农特产品、加工型食品、陶瓷和民间品五类产品。天然产品包含矿产、山野、药材这些完全依赖当地环境、没有人为因素作用、在长期的生态演化过程中自然形成的产品，如大同煤炭、藏红花。它们的特性和其他地方的煤炭和药材差异较大，并形成特有的品质，这种差异和品质完全是自然因素导致的结果。农业及农特产品是在当地特有的土壤、气候、水、地形等因素的作用下，结合长期积累的技术和管理经验所种植、养殖的产品，如天津小站大米、西湖龙井茶、烟台苹果、库尔勒香梨、吉林人参、兰州百合、吐鲁番葡萄、漳州香蕉、大兴西瓜、新郑大枣、会理石榴、龙游小辣椒、章丘大葱、古田银耳、诏安红星青梅、焉耆红辣椒、建宁通心白、新疆哈密瓜、香港石斑、澳门海虾等。加工型食品是指通过人工的方式改变了农业及农特产品的形态或口味的食品。它与我们的日常生活联络非常密切，并且各地的加工型食品在长期的演化过程中形成了独特的风格，主要包含风味小吃和包装型食品。风味小吃是指那些从当地特有的原料出发，根据当地的风土人情和消费习俗所形成的饮食特色食品。典型的风味小吃有天津油炸蚂蚱、高雄阿麦、上海老婆饼、孔府一品锅、青海松子鱼、卓资山熏鸡、南昌肉松、扬州清炖蟹粉狮子头等。包装型食品是指那些用设计考究的容器或包扎物予以盛装以达到自助推销或美化功能的食品，典型的有金华火腿、山西老陈醋、涪陵榨菜、北京烤鸭、郫县豆瓣酱、道口烧鸡、德州扒鸡等。陶瓷分为建筑陶瓷、日用陶瓷、卫浴陶瓷、工艺陶瓷四大类，在中国比较有名的地理商标是景德镇瓷器、唐山陶瓷、佛山陶瓷、淄博陶瓷等，它们的特点是工业化程度高、单位价值高。再者就是民间品，即运用手工技术和简单的设备，依托民间艺人的隐性知识和技能指导产品生产，生产各环节无法使用明确统一的标准形成工艺流程，依靠感官判断和从业经验来检验产品质量，在这种背景下所生产的产品。中国民间文艺家协会于２００４年６月在北京举办了“首届中国民间工艺品博览会”，首次对中国的民间品进行了分类，共计８类，依次是：①雕塑类，包含石雕、奇石、玉雕、木雕、根雕、金属雕、微雕、彩石镶嵌、泥塑、面塑、古旧木雕家具等；②书画剪纸类，包含木版年画、农民画、漆画、内画、烙画、卵石画、布贴画、麦杆画、剪纸、风筝、彩灯、彩蛋等；③编织刺绣类，包含织锦、刺绣、抽纱、花边、绢人、草编、竹编、中国结等；④服装饰品类，包含民族传统服装、唐装、中山装、帽子、头饰、首饰、蜡染、蓝印花布制品、扎染等；⑤民间陶瓷类，包含钧瓷、汝瓷、定瓷、官瓷、各种艺术陶瓷、黑陶以及用紫砂、黄砂、澄泥烧制的各种艺术品等；⑥文房四宝，包含各类笔墨纸砚，如端砚、歙砚、湖笔、宣纸等；⑦个人收藏，如集邮、古旧字画等；⑧民族民间乐器，如古筝、葫芦丝、马头琴、琵琶、二胡等。民间品最大的特点是工业化程度非常低，生产工艺很难标准化。典型的民间品有潍坊风筝、无锡惠山泥人、扬州漆器、洛阳唐三彩、北京绢花、蜀绣、五台山石砚、陕西民间剪纸等。

地理商标计量模型的验证性因子分析

ＡｎｄｅｒｓｏｎａｎｄＧｅｒｂｉｎｇ（１９８８）认为，在测试结构方程模型以前，研究者首先应该评估它的测量模型（验证性因子分析），即验证性因子分析（ＣｏｎｆｉｒｍａｔｏｒｙＦａｃｔｏｒＡｎａｌｙｓｉｓ，ＣＦＡ）是检验结构方程（ＳｔｒｕｃｔｕｒａｌＥｑｕａｔｉｏｎＭｏｄｅｌ，ＳＥＭ）研究的基础和前提。这个两阶段分析程序被其后的许多学者应用在营销研究领域，现在已被大家所广泛接受和认可。验证性因子分析用以描述观测指标怎样反映潜变量和假设构念，测量观测指标的信度和效度，也可用以描述潜变量与观测变量的关系。小编使用ＬＩＳＲＥＬ８．８０软件极大似然估计程序（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄ，ＭＬ），以表６．８中的相关系数矩阵作为输入矩阵，对图６．１模型中的４个潜变量进行验证性因子分析，可得到表６．９的数据结果。关于模型是否与数据拟合的问题，其核心是比较再生协方差Ｅ和样本协方差Ｓ的差异。大多数基于拟合函数的拟合指数反映这两个矩阵之间的差异。一般评判计量模型和数据的拟合指标有１３个，具体见表６．９。拟合指标能够鉴定验证模型和数据的拟合程度。关于这些指标的识别，有以下两个看法：（１）一般情况下，常用的估计方法得到χ２渐近服从卡方分布。给定显著水平，假如χ２值大于对应的临界值，标明Ｅ和Ｓ差异过大，模型和数据拟合不好；反之，假如χ２值小于对应的临界值，表明模型与数据拟合较好。χ２检验是测量验证模型（ｈｙｐｏｔｈｅｓｉｚｅｄｍｏｄｅｌ）和协方差没有约束的替代模型之间的似然统计值。通常依据ｐ值的经验法则（一些研究者使用ｐ值小于０．０５，或者更大的标准０．１０）来决定是否拒绝验证模型。然而，χ２检验对样本量大小的敏感性提出了一些潜在的问题。也就是说，随着样本量的增加，拒绝验证模型（不管这个模型是真或假）的概率随之增加。因此，显著的χ２检验可能拒绝了对样本量敏感的验证模型而接受了1个无效模型（ｉｎｖａｌｉｄｍｏｄｅｌ）（ＢａｇｏｚｚｉａｎｄＹｉ，１９８８）。在实际的研究中，一般不把它作为拒绝验证模型的关键指标（ＬｉｎａｎｄＨｓｉｅｈ，２０１１；Ｓｏｈｅｔａｌ．，２００９）。因此，在模型比较中，许多学者提出χ２／ｄｆ更有参考价值。关于χ２／ｄｆ值在多大的范围内模型和数据拟合比较好的问题，存在较大争议。ＣａｒｍｉｎｅｓａｎｄＭｃＩｖｅｒ（１９８１）认为，χ２／ｄｆ值在２．０～３．０之间，模型和数据的拟合程度是能够接受的。侯杰泰等（２００４）认为，当χ２／ｄｆ值在２．０～５．０之间时，能够接受模型。（２）近似误差（ＥｒｒｏｒｏｆＡｐｐｒｏｘｉｍａｔｉｏｎ）指数包含ＳＲＭＲ、ＲＭＲ、ＲＭＳ、ＲＭＳＥＡ、ＭＳＥＡ和ＲＭＳＥＡＰ。一般而言，近似误差指数越小越好。通常情况下，使用的评价指标是ＳＲＭＲ、ＲＭＲ和ＲＭＳＥＡ。ＨｕａｎｄＢｅｎｔｌｅｒ（１９９８）的研究发现，标准化残差均方根（ＳＲＭＲ）对误设模型敏感，推荐的界值是０．０８，即当ＳＲＭＲ大于０．０８时，模型拟合得不好。ＲＭＲ反映残差的大小，其值越小，标明模型的适配越佳。若分析矩阵为相关矩阵，则ＲＭＲ必须低于０．０５，最好低于０．０２５；若以协方差矩阵作为分析矩阵，可依标准化ＲＭＲ（ＳＲＭＲ），其值应小于０．０５。近似均方根残差（ＲＭＳＥＡ）被人们广泛使用，与ＲＭＲ相比，ＲＭＳＥＡ受样本量Ｎ的影响较小，对参数过少的误设模型稍微敏感一些（ＭａｒｓｈａｎｄＢａｌｌａ，１９９４）。Ｓｔｅｉｇｅｒ（１９９０）认为，ＲＭＳＥＡ低于０．１标明好的拟合，低于０．０５标明非常好的拟合，低于０．０１标明非常出色的拟合。相对拟合指数（ｃｏｍｐａｒａｔｉｖｅｆｉｔｉｎｄｅｘ）是通过将理论模型（Ｍｔ）和基准模型（ｂａｓｅｌｉｎｅｍｏｄｅｌ）比较得到的统计量。考虑到一系列嵌套（ｎｅｓｔｅｄ）模型（ＢｅｎｔｌｅｒａｎｄＢｏｎｅｔｔ，１９８０；林文莺和侯杰泰，１９９５）Ｍｎ......Ｍｔ......Ｍｓ，其中Ｍｎ为虚模型（ｎｕｌｌｍｏｄｅｌ），是限制最多、拟合得最不好的模型，Ｍｓ为饱和模型，拟合程度最好，Ｍｔ介于两者之间。相对拟合指数就是将理想模型与虚模型进行比较，看看拟合程度改进了多少。相对拟合指数一般常用的指标有７个，即规范拟合指数（ＮＦＩ）、不规范拟合指数（ＮＮＦＩ）、比较拟合指数（ＣＦＩ）、增量拟合指数（ＩＦＩ）、拟合优度指数（ＧＦＩ）、调整后的拟合优度指数（ＡＧＦＩ）和相对拟合指数（ＲＦＩ）。这些指标的取值范围是０～１。学术界一般认为，这７个指标大于０．９０，就表明模型和数据的拟合程度比较好。从表６．９中的数据能够看到，除了χ２／ｄｆ值不在理想的界值内，所有指标都在规定的模型与数据拟合较好的数值范围内，ｐ值大于０．１，ＮＦＩ、ＮＮＦＩ、ＣＦＩ、ＩＦＩ、ＧＦＩ、ＡＧＦＩ、ＲＦＩ这７个指标均大于０．９０，尤其残差均方根（ＲＭＲ）小于０．０２５，近似均方根残差（ＲＭＳＥＡ）小于０．０１，说明概念模型与数据的拟合程度很高。ＢａｇｏｚｚｉａｎｄＹｉ（１９８８）认为重要的模型基本适配标准是：①不能有负的误差方差；②误差方差必须达到显著性水平；③估计参数之间的相关绝对值不能太接近１；④因子负荷量不能太低（＜０．５）或太高（＞０．９５）；⑤不能有很大的标准误（ＢａｇｏｚｚｉａｎｄＹｉ，１９８８）。当不符合上述标准时，标明模型可能有系列误差（ｓｐｅｃｉｆｉｃａｔｉｏｎｅｒｒｏｒ）、辨认问题或输入有误；当符合上述标准时，方可检验整体模型拟合标准及模型内在结构拟合程度。通过计算结果输出的数据能够看出，验证性因子分析的结果符合ＢａｇｏｚｚｉａｎｄＹｉ（１９８８）提出的模型基本适配标准，结合构念测量的可靠性分析和有效性分析，以及计量模型和数据之间的拟合指标，能够进行概念模型的结构方程分析。此外，关于各变量之间的共线性问题，在相关系数矩阵表６．８中，最高者为０．７６９，未大于０．８，说明共线性问题不是非常严重。