직접적인 관계 본 연구에서는 PLS-SEM 기법을 활용하여 관계를 예측하고 인과관계를 설명하는 통계모델을 구축하는데, 이는 Hair et al. (2019). 이 접근 방식에는 부트스트랩 표준 오류를 도출하기 위해 대체를 통해 원본 샘플에서 수많은 하위 샘플(예: 5000개)을 생성하는 작업이 포함되며, 이는 결국 구조적 경로의 중요성을 테스트하기 위한 T-값을 생성합니다. 부트스트래핑을 사용하면 Chin(1998)의 통찰에 따라 표본 모집단 내에서 분포의 산포, 형태 및 편향을 추정하여스포츠중계 제작 데이터 정규성을 근사화하는 데 도움이 됩니다. 이 분석 결과는 표 4 에 요약되어 있으며 아래 그림 2 와 현재의 직접적인 관계가 설명되어 있습니다. 표 4 직접적인 관계 및 가설 검정 풀 사이즈 테이블 그림 2 그림 2 PLS-SEM-부트스트래핑 결과 전체 크기 이미지 직접적인 관계는 모델 내 두 변수 사이의 직접적인 효과를 나타내며, 직접적인 관계의 크기와 유의성은 분석에서 얻은 경로 계수 또는 경로 가중치를 사용하여 해석할 수 있으며 연구에는 5가지 직접적인 관계가 있습니다. H 1 소셜 미디어 브랜딩(SMB )를 녹색 관광(GT)으로, H 2 소셜 미디어 브랜딩(SMB)을 관광객의 행동(TB)으로, H 3 기술 채택(TA)을 녹색 관광(GT)으로, H 4 기술 채택(TA)을 관광객의 행동( TB), H 5 녹색 관광에 대한 관광객의 행동(TB).