結(jié)構(gòu)方程模型估計(jì)案例

1、第一節(jié)模型設(shè)定結(jié)構(gòu)方程模型分析過程可以分為模型構(gòu)建、模型運(yùn)算、模型修正以及模型解釋四個步驟。下面以一個2研究實(shí)例作為說明，使用 Amos7軟件進(jìn)行計(jì)算，闡述在實(shí)際應(yīng)用中結(jié)構(gòu)方程模型的構(gòu)建、運(yùn)算、修正與模 型解釋過程。一、模型構(gòu)建的思路本案例在著名的美國顧客滿意度指數(shù)模型 （ASCI）的基礎(chǔ)上，提岀了一個新的模型，并以此構(gòu)建潛變量 并建立模型結(jié)構(gòu)。根據(jù)構(gòu)建的理論模型，通過設(shè)計(jì)問卷對某超市顧客購物服務(wù)滿意度調(diào)查得到實(shí)際數(shù)據(jù)， 然后利用對缺失值進(jìn)行處理后的數(shù)據(jù) 1 2 3進(jìn)行分析，并對文中提岀的模型進(jìn)行擬合、修正和解釋。二、潛變量和可測變量的設(shè)定本文在繼承 ASCI模型核心概念的基礎(chǔ)上，對模型作了一

2、些改進(jìn)，在模型中增加超市形象。它包括顧 客對超市總體形象及與其他超市相比的知名度。它與顧客期望，感知價(jià)格和顧客滿意有關(guān)，設(shè)計(jì)的模型見 表 7-1。模型中共包含七個因素（潛變量）：超市形象、質(zhì)量期望、質(zhì)量感知、感知價(jià)值、顧客滿意、顧客抱怨、 顧客忠誠，其中前四個要素是前提變量，后三個因素是結(jié)果變量，前提變量綜合決定并影響著結(jié)果變量 （Eugene W. Anderson & Claes Fornel，2000殷榮伍，2000）。表7-1設(shè)計(jì)的結(jié)構(gòu)路徑圖和基本路徑假設(shè)設(shè)計(jì)的結(jié)構(gòu)路徑圖基本路徑假設(shè)超市形象顧客忠誠2.1、顧客滿意模型中各因素的具體范疇參考前面模型的總體構(gòu)建情況、國外研究理論和其他行業(yè)

3、實(shí)證結(jié)論，以及小范圍甄別調(diào)查的結(jié)果，模1關(guān)于該案例的操作也可結(jié)合書上第七章的相關(guān)內(nèi)容來看。2本案例是在Amos7中完成的。3見spss數(shù)據(jù)文件“處理后的數(shù)據(jù).sav”質(zhì)量期望顧客抱怨感知價(jià)值”顧客滿意質(zhì)量感知?超市形象對質(zhì)量期望有路徑影響?質(zhì)量期望對質(zhì)量感知有路徑影響?質(zhì)量感知對感知價(jià)格有路徑影響?質(zhì)量期望對感知價(jià)格有路徑影響?感知價(jià)格對顧客滿意有路徑影響?顧客滿意對顧客忠誠有路徑影響?超市形象對顧客滿意有路徑影響?超市形象對顧客忠誠有路徑影響型中各要素需要觀測的具體范疇，見表7-2。表7-2模型變量對應(yīng)表潛變量內(nèi)涵可測變量(一)超市 形象根據(jù)MARTENSEN在固定電話、移動電話、超市等行業(yè)

4、中的調(diào)查研究， 企業(yè)形象是影響總體滿意水平的第 一要素，這里將超市形象要素列為影 響因素，可以從以下幾個方面進(jìn)行觀 測。?某超市總體形象的評價(jià)(a1)?與其它超市相比的形象(a2)?與其它超市相比的品牌知名度(a3)(二)質(zhì)量 期望質(zhì)量期望是指顧客在使用某超市產(chǎn) 品前對其的期望水平。顧客的質(zhì)量期 望會影響顧客價(jià)值，而且質(zhì)量期望還 會顧客感知造成影響.還有學(xué)者指岀，對于顧客期望要素，至少可以從 整體感覺、個性化服務(wù)、可靠性三個 方面來觀測。結(jié)合上述因素，可以從 幾個方面衡量對某超市的質(zhì)量期望。?購物前，對某超市整體服務(wù)的期望(a4)?購物前，期望某超市商品的新鮮程度達(dá)到的水平(a5)?購物前，期

5、望某超市營業(yè)時(shí)間安排合理程度(a6)?購物前，期望某超市員工服務(wù)態(tài)度達(dá)到的水平(a7)?購物前，期望某超市結(jié)賬速度達(dá)到的水平(a8)(三)質(zhì)量 感知質(zhì)量感知和質(zhì)量期望相對應(yīng)，質(zhì)量期 望考慮的是在購買商品前的期望，質(zhì) 量感知是在購買商品后的實(shí)際感受。可以從幾個方面衡量。?購物后，對某超市整體服務(wù)的滿意程度(a9)?購物后，認(rèn)為某超市商品的新鮮程度達(dá)到的水平(a10?購物后，認(rèn)為超市營業(yè)時(shí)間安排合理程度(a11)?購物后，認(rèn)為某超市員工服務(wù)態(tài)度達(dá)到的水平(a12)?購物后，認(rèn)為某超市結(jié)賬速度達(dá)到的水平(a13(四)感知 價(jià)值根據(jù)ANDERSON和FOMELL(EUGENEW.ANDERSON &C

6、LAESFOMELL ，2000)對美國顧 客滿意指數(shù)模型的進(jìn)一步研究，認(rèn)為 對于顧客價(jià)值部分可以從性價(jià)比來 衡量。?您認(rèn)為某超市商品的價(jià)格如何(a14?與其他超市相比，您認(rèn)為某超市商品的價(jià)格如何(a15)(五)顧客 滿意顧客滿意一般可以從三個方面衡量， 一是可以從整體上來感覺； 二是可以 與消費(fèi)前的期望進(jìn)行比較，尋找兩者 的差距；三是可以與理想狀態(tài)下的感 覺比較，尋找兩者的差距。因此，可 以通過以下幾個指標(biāo)衡量。?對某超市的總體滿意程度(a16?和您消費(fèi)前的期望比，您對某超市的滿意程度(a17)?和您心目中的超市比，您對某超市的滿意程度(a18)型中各要素需要觀測的具體范疇，見表7-2。(六

7、)顧客 抱怨FORNE 和 WERNERFELT (1988 )的研究成果，認(rèn)為顧客滿意的增加會 減少顧客的抱怨，同時(shí)會增加顧客的 忠誠，當(dāng)顧客不滿意時(shí)， 他們往往會?您對某超市投訴的頻率(包括給超市寫投訴信和 直接向超市人員反映)(a19?您對某超市抱怨的頻率(私下抱怨并未告知超選擇抱怨。對于抱怨的觀測，一般有 兩種方式，一種是比較正式的形式， 向超市提出正式抱怨， 有換貨，退貨 等行為；另一種是非正式的形式，顧 客會宣傳，形成群眾對于該超市的口 碑。市）（a2g?您認(rèn)為某超市對顧客投訴的處理效率和效果4（a21）（七）顧客 忠誠顧客忠誠主要可以從三個方面體現(xiàn)：顧客推薦意向、轉(zhuǎn)換產(chǎn)品的意向、

8、重 復(fù)購買的意向。同時(shí)還有學(xué)者指岀顧 客忠誠可以從顧客對漲價(jià)的容忍性、 重復(fù)購買性兩方面衡量。綜合上述因 素，擬從以下幾個方面衡量顧客忠 誠。?我會經(jīng)常去某超市（a22?我會推薦同學(xué)和朋友去某超市 （a23?如果發(fā)現(xiàn)某超市的產(chǎn)品或服務(wù)有問題后，能以諒解的心態(tài)主動向超市反饋，求得解決，并且以后還會來超市購物（a24三、關(guān)于顧客滿意調(diào)查數(shù)據(jù)的收集本次問卷調(diào)研的對象為居住在某大學(xué)校內(nèi)的各類學(xué)生（包括全日制本科生、全日制碩士和博士研究生），并且近一個月內(nèi)在校內(nèi)某超市有購物體驗(yàn)的學(xué)生。調(diào)查采用隨機(jī)攔訪的方式，并且為避免樣本的同質(zhì)性和重復(fù)填寫，按照性別和被訪者經(jīng)常光顧的超市進(jìn)行控制。問卷內(nèi)容包括7個潛變量

9、因子，24項(xiàng)可測指標(biāo)，7個人口變量，量表采用了 LikertIO級量度，如對超市形象的測量：、超市形象1代表“非常差勁” ，10代表“非常好”1您對某超市總體形象的評價(jià)123456789102您認(rèn)為與其它校內(nèi)超市相比，某超市的形象如何123456789103您認(rèn)為與其它校內(nèi)超市相比，某超市品牌知名度如何12345678910本次調(diào)查共發(fā)放問卷 500份，收回有效樣本436份四、缺失值的處理采用表列刪除法，即在一條記錄中，只要存在一項(xiàng)缺失，則刪除該記錄。最終得到401條數(shù)據(jù)，基于這部分?jǐn)?shù)據(jù)做分析。五、數(shù)據(jù)的的信度和效度檢驗(yàn)1 數(shù)據(jù)的信度檢驗(yàn)信度（reliability）指測量結(jié)果（數(shù)據(jù)）一致性或

10、穩(wěn)定性的程度。一致性主要反映的是測驗(yàn)內(nèi)部題目之 間的關(guān)系，考察測驗(yàn)的各個題目是否測量了相同的內(nèi)容或特質(zhì)。穩(wěn)定性是指用一種測量工具（譬如同一份 問卷）對同一群受試者進(jìn)行不同時(shí)間上的重復(fù)測量結(jié)果間的可靠系數(shù)。如果問卷設(shè)計(jì)合理，重復(fù)測量的結(jié) 果間應(yīng)該高度相關(guān)。由于本案例并沒有進(jìn)行多次重復(fù)測量，所以主要采用反映內(nèi)部一致性的指標(biāo)來測量數(shù) 據(jù)的信度。折半信度（split-half reliability）是將測量工具中的條目按奇偶數(shù)或前后分成兩半，采用Spearman-brown公式估計(jì)相關(guān)系數(shù)，相關(guān)系數(shù)高提示內(nèi)部一致性好。然而，折半信度系數(shù)是建立在兩半問題條目分?jǐn)?shù)的方 差相等這一假設(shè)基礎(chǔ)上的，但實(shí)際數(shù)據(jù)

11、并不一定滿足這一假定，因此信度往往被低估。Cronbach在1951年提出了一種新的方法（Cronbachs Alpha系數(shù)），這種方法將測量工具中任一條目結(jié)果同其他所有條目作4正向的，采用Likert10級量度從“非常低”到“非常高”比較，對量表內(nèi)部一致性估計(jì)更為慎重，因此克服了折半信度的缺點(diǎn)。本章采用SPSS16.C研究數(shù)據(jù)的內(nèi)部一致性。在 Analyze菜單中選擇 Scale下的Reliability Analysis （如圖7-1），將數(shù)據(jù)中在左邊方框中待分析的f，左邊方框中待分析的24個題目進(jìn)入右邊的items方框中，使用 Alpha模型（默認(rèn)），得到圖7-2，然后點(diǎn)擊ok即可得到如

12、表7-3的結(jié)果，顯示Cronbachs Alpha系數(shù)為0.892， 說明案例所使用數(shù)據(jù)具有較好的信度。jfe titQvh Ir-s-EifcffTnzc弓 UAie:Add-m：(Jdp1日昌E1*1plmplm StoiStoiAl12L L： sOsO11DAll15mg9LQQ9LQQ7 7 0000QQQQiODiOD2QDMDMDBCDBCD10001000googoo900900BODBOO$ao$ao3s.cows.oos.ooq.oaICOOICOOaooaooBQDB.ODB.OD?co10io.tnio.tn91IJ91IJ300300sensen?0DBOOBOOfi

13、4JT7rmrm0.00.00 05JOO5ir5ir5.DDt.oot.ooG4 JDJDi-a.roa.roamamBiJiBiJi6CD?CD血7EmEm尬T9dLT9dL初葩UodtlUodtlVtaK!MKKi5VtaK!MKKi5fTBfTB輕HeqwtslmHeqwtslmHeurflNrjgrtg:HeurflNrjgrtg:百la.imla.imgoogooamHOD4 DOIDUOaMoOwilYOwilYt10ldOOldOOElEl JUJUroorooB.0D1DLQD1DJJD9ElDO7?oa?oaGCD7 003QD丄xmxmig5 5 0000羯沖1 1ioi

14、ioi oaoa1W1W4QQBJQDBJQD1-iomiom|茴腳聲咻TwtfTwtfVlil-PATtVlil-PATt iTdiiTdi UriHtW*UriHtW*6(Ji6(Ji700tootoo133 3 0000TnsSoriMTnsSoriM%oa%oa5W5W300JWJW113 3 DODOSirvMISirvMIMuriDticniHMMuriDticniHM r r4ng|4L34ng|4L3_ _g*oo*oogoogoo300300aaoaao20090090017B.00B.00CiinirsiCiinirsi1010.0010.00ia.oaia.oaKLOaK

15、LOa&00&00EQDB.OOB.OO19E(HE(HM4.004.00gnjgnj40D40DBODBODBOOenoeno193.03.00 0ICOICOJ00J00l.CO22002002.02.00 0j.(Ms.iris.irilOD2.002.0007 IDOJ J mmooooooSCO9 9別OOOO3W3WSODSOD9.009.009QD1D.OOTurri時(shí)mmAmAm5A5 5qrmqrm5 5Amjnn圖7-1 信度分析的選擇圖7-2信度分析變量及方法的選擇表7-3信度分析結(jié)果Reliability StatisticsCronbachs AlphaN of It

16、ems.89224另外，對問卷中每個潛變量的信度分別檢驗(yàn)結(jié)果如表7-4所示5。從表7-4可以看到，除顧客抱怨量表24個題目一一選中，然后點(diǎn)擊Cronbaca s Alpha系數(shù)為0.255,比較低以外，其它分量表的Alpha系數(shù)均在0.7以上，且總量表的Cronbach sAlpha系數(shù)達(dá)到了 0.891，表明此量表的可靠性較高。由信度檢驗(yàn)的結(jié)果可知顧客抱怨的測量指標(biāo)的信度遠(yuǎn)低于0.7,表7-4因此在路徑圖中去掉顧客抱怨因子，即初始模型中包括潛變量的信度檢驗(yàn)6個潛變量、21個可測變量。潛變量可測變量個數(shù)Cronbach s Alpha超市形象30.858質(zhì)量期望50.889質(zhì)量感知50.862

17、感知價(jià)格20.929顧客滿意30.948顧客抱怨30.255顧客忠誠30.7382數(shù)據(jù)的效度檢驗(yàn)效度(validity)指測量工具能夠正確測量出所要測量的特質(zhì)的程度，分為內(nèi)容效度(content validity)、效標(biāo)效度(criterion validity)和結(jié)構(gòu)效度(construct validity)三個主要類型。內(nèi)容效度也稱表面效度或邏輯效度，是指測量目標(biāo)與測量內(nèi)容之間的適合性與相符性。對內(nèi)容效度常采用邏輯分析與統(tǒng)計(jì)分析相結(jié)合的方法進(jìn)行評價(jià)。邏輯分析一般由研究者或?qū)＜以u判所選題項(xiàng)是否“看上去”符合測量的目的和要求。準(zhǔn)則效度又稱效標(biāo)效度、實(shí)證效度、統(tǒng)計(jì)效度、預(yù)測效度或標(biāo)準(zhǔn)關(guān)聯(lián)效度，

18、是指用不同的幾種測量方式或不同的指標(biāo)對同一變量進(jìn)行測量，并將其中的一種方式作為準(zhǔn)則(效標(biāo))，用其他的方式或指標(biāo)與這個準(zhǔn)則作比較，如果其他方式或指標(biāo)也有效，那么這個測量即具備效標(biāo)效度。例如，X是一個變量，我們使用X,、X2兩種工具進(jìn)行測量。如果使用X作為準(zhǔn)則，并且乂和X2高度相關(guān)，我們就說 X2也是具有很高的效度。當(dāng)然，使用這種方法的關(guān)鍵在于作為準(zhǔn)則的測量方式或指標(biāo)一定要是有效的，否則越比越差?，F(xiàn) 實(shí)中，我們評價(jià)效標(biāo)效度的方法是相關(guān)分析或差異顯著性檢驗(yàn)，但是在調(diào)查問卷的效度分析中，選擇一個 合適的準(zhǔn)則往往十分困難，也使這種方法的應(yīng)用受到一定限制。結(jié)構(gòu)效度也稱構(gòu)想效度、建構(gòu)效度或理論效度，是指測量

19、工具反映概念和命題的內(nèi)部結(jié)構(gòu)的程度，也就是說如果問卷調(diào)查結(jié)果能夠測量其理論特征，使調(diào)查結(jié)果與理論預(yù)期一致，就認(rèn)為數(shù)據(jù)是具有結(jié)構(gòu)效度 的。它一般是通過測量結(jié)果與理論假設(shè)相比較來檢驗(yàn)的。確定結(jié)構(gòu)效度的基本步驟是，首先從某一理論岀 發(fā)，提岀關(guān)于特質(zhì)的假設(shè)，然后設(shè)計(jì)和編制測量并進(jìn)行施測，最后對測量的結(jié)果采用相關(guān)分析或因子分析 等方法進(jìn)行分析，驗(yàn)證其與理論假設(shè)的相符程度。在實(shí)際操作的過程中，前面兩種效度(內(nèi)容效度和準(zhǔn)則效度)往往要求專家定性研究或具有公認(rèn)的效標(biāo)測量，因而難以實(shí)現(xiàn)的，而結(jié)構(gòu)效度便于可以采用多種方法來實(shí)現(xiàn)：第一種方法是通過模型系數(shù)評價(jià)結(jié)構(gòu)效度。如果模型假設(shè)的潛變量之間的關(guān)系以及潛變量與可測變

20、量之間的關(guān)系合理，非標(biāo)準(zhǔn)化系數(shù)應(yīng)當(dāng)具有顯著的統(tǒng)計(jì)意義。特別地，通過標(biāo)準(zhǔn)化系數(shù)6可以比較不同指標(biāo)間的效度。從表7-17可以看岀在99%的置信度下所有非標(biāo)準(zhǔn)化系數(shù)具有統(tǒng)計(jì)顯著性，這說明修正模型的整體 結(jié)構(gòu)效度較好。第二種方法是通過相關(guān)系數(shù)評價(jià)結(jié)構(gòu)效度。如果在理論模型中潛變量之間存在相關(guān)關(guān)系，可以通過潛變量的相關(guān)系數(shù)來評價(jià)結(jié)構(gòu)效度：顯著的相關(guān)系數(shù)說明理論模型假設(shè)成立，具有較好的結(jié)構(gòu)效度。第三種方法是先構(gòu)建理論模型，通過驗(yàn)證性因子分析的模型擬合情況來對量表的結(jié)構(gòu)效度進(jìn)行考評。5操作過程同前，不同的是在圖7-14中選入右邊方框items中是相應(yīng)潛變量對應(yīng)的題目。如對超市形象潛變量，只需要把a(bǔ)l、a2和a

21、3題目選入到右邊方框items中即可。6關(guān)于標(biāo)準(zhǔn)化系數(shù)的解釋見本章第五節(jié)。因此數(shù)據(jù)的效度檢驗(yàn)就轉(zhuǎn)化為結(jié)構(gòu)方程模型評價(jià)中的模型擬合指數(shù)評價(jià)。對于本案例，從表 模型與數(shù)據(jù)擬合較好，結(jié)構(gòu)效度較好。六、結(jié)構(gòu)方程模型建模構(gòu)建如圖7.3的初始模型。7-16可知理論a1 11*e5e4e6e7e8,1 1 1 1-._.-1e11 e21 e31Ia7 d | ai 11i31超市形象1z11e14 1 a14 1e15.0151感知價(jià)格 :J*-1e17 1 71e16a16 1顧客滿意卜e18a18 鼻z41e23 亍“23 e22a22 1顧客忠誠e24 -峠幻* 1z5圖7-3初始模型結(jié)構(gòu)IWP*e

22、10e9e11 e12e13_1 1.11 1質(zhì)量感知z2z3質(zhì)量期望 riaAli-T H* 1； I ftpUrtid: t J a =Ar wly-e i 仝叮L 圖7-8命名后的潛變量、Amos模型設(shè)定操作1 .模型的繪制在使用Amos進(jìn)行模型設(shè)定之前，建議事先在紙上繪制岀基本理論模型和變量影響關(guān)系路徑圖，并確 定潛變量與可測變量的名稱，以避免不必要的返工。相關(guān)軟件操作如下：第一步，使用建模區(qū)域繪制模型中的七個潛變量（如圖7-6）。為了保持圖形的美觀，可以使用先繪制一個潛變量，再使用復(fù)制工具臼繪制其他潛變量，以保證潛變量大小一致。在潛變量上點(diǎn)擊右鍵選擇Object Properties

23、，為潛變量命名（如圖7-7）。繪制好的潛變量圖形如圖7-8。第二步設(shè)置潛變量之間的關(guān)系。使用K 4來設(shè)置變量間的因果關(guān)系，使用來設(shè)置變量間的相關(guān)關(guān)系。繪制好的潛變量關(guān)系圖如圖7-9。Hrirln. I 1 L irr*a rrrildpit I 富 J ETTjpiiil圖7-6 建立潛變量圖7-7潛變量命名魚i 匕營TsakvH*JfiiJrKI I * IhgrUi1E)W圖7-9設(shè)定潛變量關(guān)系第三步為潛變量設(shè)置可測變量及相應(yīng)的殘差變量，可以使用-=繪制，也可以使用I* I和3自行繪制（繪制結(jié)果如圖7-10）。在可測變量上點(diǎn)擊右鍵選擇Object Properties，為可測變量命名。其中

24、VariableName 一項(xiàng)對應(yīng)的是數(shù)據(jù)中的變量名（如圖7-11），在殘差變量上右鍵選擇 Object Properties為殘差變量命名。廬帀用歸* jXgf*g .B1FE XwJ i Llta h Tito- I -1-圖7-13 數(shù)據(jù)配置最終繪制完成模型結(jié)果如圖7-12。If圖7-10設(shè)定可測變量及殘差變量圖7-13 數(shù)據(jù)配置圖7-12初始模型設(shè)置完成o c凸1 ffl器o鳥0n鬣E0B圖7-11可測變量指定與命名up- HHi.lb t買2-空貿(mào)圖7-13 數(shù)據(jù)配置2 數(shù)據(jù)文件的配置Amos可以處理多種數(shù)據(jù)格式，如文本文檔（*.txt），表格文檔（*.xls、*.wk1）,數(shù)據(jù)庫文

25、檔（*.dbf、*.mdb）， SPSS文檔（*.sav）等。為了配置數(shù)據(jù)文件，選擇File菜單中的Data Files（如圖7-13）,出現(xiàn)如圖7-14左邊的對話框，然后點(diǎn)擊File name按鈕，出現(xiàn)如圖7-14右邊的對話框，找到需要讀入的數(shù)據(jù)文件“處理后的數(shù)據(jù).saV雙擊文件名或點(diǎn)擊下面的“打開”按鈕，最后點(diǎn)擊圖7-14左邊的對話框中“ ok”按鈕，這樣就讀入數(shù)據(jù)了。OlutBUiil pt*JEFCI ； viiiF nub.r j * 初序HlELIE： |士LGw bnlpit lodi tlupu. Hdf；二 T卄山 Tvqilii i.N* IM圖7-14 數(shù)據(jù)讀入第三節(jié)模型

26、擬合一、參數(shù)估計(jì)方法選擇模型運(yùn)算是使用軟件進(jìn)行模型參數(shù)估計(jì)的過程。Amos提供了多種模型運(yùn)算方法供選擇8?？梢酝ㄟ^點(diǎn)擊View菜單在 Analysis Properties （或點(diǎn)擊工具欄的 T :）中的Estimation項(xiàng)選擇相應(yīng)的估計(jì)方法。本案例使用最大似然估計(jì)（Maximum Likelihood ）進(jìn)行模型運(yùn)算，相關(guān)設(shè)置如圖7-15。8詳細(xì)方法列表參見書后附錄一。衛(wèi)怦右密3|打幵收i HRSG JI|宙 J g祖覚三| 回吁圖7-15參數(shù)估計(jì)選擇二、標(biāo)準(zhǔn)化系數(shù)如果不做選擇，輸岀結(jié)果默認(rèn)的路徑系數(shù)（或載荷系數(shù)）沒有經(jīng)過標(biāo)準(zhǔn)化，稱作非標(biāo)準(zhǔn)化系數(shù)。非標(biāo) 準(zhǔn)化系數(shù)中存在依賴于有關(guān)變量的尺度單

27、位，所以在比較路徑系數(shù)（或載荷系數(shù)）時(shí)無法直接使用，因此需要進(jìn)行標(biāo)準(zhǔn)化。在 Analysis Properties中的Output項(xiàng)中選擇 Standardized Estimates項(xiàng)（如圖7-26,即可輸 岀測量模型的因子載荷標(biāo)準(zhǔn)化系數(shù)如表7-5最后一列。圖7.16標(biāo)準(zhǔn)化系數(shù)計(jì)算標(biāo)準(zhǔn)化系數(shù)是將各變量原始分?jǐn)?shù)轉(zhuǎn)換為Z分?jǐn)?shù)9后得到的估計(jì)結(jié)果，用以度量變量間的相對變化水平。因此不同變量間的標(biāo)準(zhǔn)化路徑系數(shù)（或標(biāo)準(zhǔn)化載荷系數(shù)）可以直接比較。從表7-17最后一列中可以看岀：受“質(zhì)量期望”潛變量影響的是“質(zhì)量感知”潛變量和“感知價(jià)格”潛變量；標(biāo)準(zhǔn)化路徑系數(shù)分別為0.434和0.244，這說明“質(zhì)量期望”

28、潛變量對“質(zhì)量感知”潛變量的影響程度大于其對“感知價(jià)格”潛變量的 影響程度。三、參數(shù)估計(jì)結(jié)果的展示9Z分?jǐn)?shù)轉(zhuǎn)換公式為:ZiXi XHJ d LUI i k rin-iiab n E 3 上 EEgg圖7-17模型運(yùn)算完成圖使用Analyze菜單下的Calculate Estimates進(jìn)行模型運(yùn)算（或使用工具欄中的 ），輸出結(jié)果如圖7-17。其中紅框部分是模型運(yùn)算基本結(jié)果信息，使用者也可以通過點(diǎn)擊View the output path diagram（ I）查看參數(shù)估計(jì)結(jié)果圖（圖 7-18）圖7-18參數(shù)估計(jì)結(jié)果圖Amos還提供了表格形式的模型運(yùn)算詳細(xì)結(jié)果信息，通過點(diǎn)擊工具欄中的分析基本情況

29、（Analysis Summary、變量基本情況（Variable Summary、模型信息（Notes for Model）、估計(jì)Pfltine ourrpur= ft * JGfl lP rf斤EIW AFIf評第碣 st wit nod-l iniKLftHU 呼Herati:n IZVSIHIIJTI uai snr J HV* dA-VT 1-irJWlIIJChvEfc fr 】申d嚼 SewrlM-址HJ讀餾黑luiiBliBtljdninliiui.站g bchlaiMlVr It Mif rtpirt Oiiq,u.4J：i9 1F 譽(yù)二來查看。詳細(xì)信息包括hil* L.Jl

30、-1 的打 by環(huán) I!R tiallthllI 7 第 3 142132* 1.24 .他 1.33.% 的 2Jia血二QL.血*iHJiiF prrmi* i/hBck f:i LFiDrjijie e儀 Ahi IIX AE 旨窟如t EPHtota-Lt tnd 1HiniK LCKt 3 DS.II丄Ulli 朋BCMev*dMpdeijOl M址可后冊癒售4盤Mill ihodel linlAl-ZSLTlX4n B art: loti IFn LKUM IMU fechii d結(jié)果(Estimates)、修正指數(shù)(Modification Indices)和模型擬合(Model

31、 Fit)六部分。在分析過程中，一般10通過前三部分 了解模型，在模型評價(jià)時(shí)使用估計(jì)結(jié)果和模型擬合部分，在模型修正時(shí)使用修正指數(shù)部分。四、模型評價(jià)1 路徑系數(shù)/載荷系數(shù)的顯著性參數(shù)估計(jì)結(jié)果如表7-5到表7-6,模型評價(jià)首先要考察模型結(jié)果中估計(jì)岀的參數(shù)是否具有統(tǒng)計(jì)意義，需11要對路徑系數(shù)或載荷系數(shù)進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)，這類似于回歸分析中的參數(shù)顯著性檢驗(yàn)，原假設(shè)為系數(shù)等于。Amos提供了一種簡單便捷的方法，叫做CR (Critical Ratio)。CR值是一個Z統(tǒng)計(jì)量，使用參數(shù)估計(jì)值與其標(biāo)準(zhǔn)差之比構(gòu)成(如表 7-5中第四列)。Amos同時(shí)給出了 CR的統(tǒng)計(jì)檢驗(yàn)相伴概率 p (如表7-5中第五 列)

32、，使用者可以根據(jù)P值進(jìn)行路徑系數(shù)/載荷系數(shù)的統(tǒng)計(jì)顯著性檢驗(yàn)。譬如對于表7.5中“超市形象”潛變量對“質(zhì)量期望”潛變量的路徑系數(shù)(第一行)為 0.301，其CR值為6.68，相應(yīng)的p值小于0.01，則 可以認(rèn)為這個路徑系數(shù)在 95%的置信度下與0存在顯著性差異。表7-5系數(shù)估計(jì)結(jié)果未標(biāo)準(zhǔn)化路標(biāo)準(zhǔn)化路徑徑系數(shù)估計(jì)S.E.C.R.PLabel系數(shù)估計(jì)質(zhì)量期望超市形象0.3010.0456.68*par_160.358質(zhì)量感知質(zhì)量期望0.4340.0577.633kkkpar_170.434感知價(jià)格質(zhì)量期望0.3290.0893.722kkkpar_180.244感知價(jià)格質(zhì)量感知-0.1210.082

33、-1.4670.142par_19-0.089感知價(jià)格超市形象-0.0050.065-0.070.944par_20-0.004顧客滿意超市形象0.9120.04321.389kkkpar_210.878顧客滿意感知價(jià)格-0.0290.028-1.0360.3par_23-0.032顧客忠誠超市形象0.1670.1011.6530.098par_220.183顧客忠誠顧客滿意88kkkpar_240.569a112超市形象10.927a2超市形象1.0080.03627.991kkkpar_10.899a3超市形象0.7010.04814.667kkkpar_20.629a5

34、質(zhì)量期望10.79a4質(zhì)量期望0.790.06112.852kkkpar_30.626a6質(zhì)量期望0.8910.05316.906kkkpar_40.786a7質(zhì)量期望1.1590.05919.628kkkpar_50.891a8質(zhì)量期望1.0240.05817.713kkkpar_60.816a10質(zhì)量感知10.768a9質(zhì)量感知1.160.06517.911kkkpar_70.882a11質(zhì)量感知0.7580.06811.075kkkpar_80.563a12質(zhì)量感知1.1010.06915.973kkkpar_90.784a13質(zhì)量感知0.9830.06714.777kkkpar_100

35、.732a18顧客滿意10.88610分析基本情況(Analysis Summary、變量基本情況(Variable Summa、模型信息(Notes for Model)三部 分的詳細(xì)介紹如書后附錄三。11潛變量與潛變量間的回歸系數(shù)稱為路徑系數(shù)；潛變量與可測變量間的回歸系數(shù)稱為載荷系數(shù)。12凡是a+數(shù)字的變量都是代表問卷中相應(yīng)測量指標(biāo)的，其中數(shù)字代表的問卷第一部分中問題的序號。a17顧客滿意1.0390.03430.171*par_110.939a15感知價(jià)格10.963a14感知價(jià)格0.9720.1277.67kkkpar_120.904a16顧客滿意1.0090.03331.024kkk

36、par_130.95a24顧客忠誠10.682a23顧客忠誠1.2080.09213.079kkkpar_140.846注: “ * ”表示0.01水平上顯著，括號中是相應(yīng)的C.R值，即t值。表7-6方差估計(jì)方差估計(jì)S.E.C.R.PLabel注：“* ”表示0.01水平上顯著，括號中是相應(yīng)的C.R值，即t值。五、模型擬合評價(jià)在結(jié)構(gòu)方程模型中，試圖通過統(tǒng)計(jì)運(yùn)算方法（如最大似然法等）求岀那些使樣本方差協(xié)方差矩陣S與理論方差協(xié)方差矩陣的差異最小的模型參數(shù)。換一個角度，如果理論模型結(jié)構(gòu)對于收集到的數(shù)據(jù)是合理的，那么樣本方差協(xié)方差矩陣S與理論方差協(xié)方差矩陣差別不大，即殘差矩陣（S）各個元素接近于o,就

37、可以認(rèn)為模型擬合了數(shù)據(jù)。模型擬合指數(shù)是考察理論結(jié)構(gòu)模型對數(shù)據(jù)擬合程度的統(tǒng)計(jì)指標(biāo)。不同類別的模型擬合指數(shù)可以從模型超市形象3.5740.299z22.2080.243z12.060.241z34.4050.668z40.8940.107z51.3730.214e10.5840.079e20.8610.093e32.6750.199e51.5260.13e42.4590.186e61.2450.105e70.8870.103e81.3350.119e101.7590.152e90.9760.122e113.1380.235e121.9260.171e132.1280.176e181.0560.08

38、9e160.420.052e170.5540.061e150.3640.591e243.4130.295e223.3810.281e231.730.252e140.9810.56211.958k-k-kpar_259.08kkkpar_268.54kkkpar_276.596kkkpar_288.352kkkpar_296.404kkkpar_307.363kkkpar_319.288kkkpar_3213.467kkkpar_3311.733kkkpar_3413.232kkkpar_3511.799kkkpar_368.583kkkpar_3711.228kkkpar_3811.565kk

39、kpar_397.976kkkpar_4013.343kkkpar_4111.272kkkpar_4212.11kkkpar_4311.832kkkpar_448.007kkkpar_459.103kkkpar_460.6160.538par_4711.55*par_4812.051kkkpar_496.874kkkpar_501.7450.081par 51復(fù)雜性、樣本大小、相對性與絕對性等方面對理論模型進(jìn)行度量。Amos提供了多種模型擬合指數(shù)(如表表7-7擬合指數(shù)指數(shù)名稱評價(jià)標(biāo)準(zhǔn)13 14 152(卡方)越小越好GFI大于0.9RMR小于0.05,越小越好SRMR小于0.05,越小越好絕對

40、擬合指數(shù)RMSEA小于0.05,越小越好NFI大于0.9,越接近1越好TLI大于0.9,越接近1越好相對擬合指數(shù)CFI大于0.9,越接近1越好AIC越小越好信息指數(shù)CAIC越小越好147-7)供使用者選擇。如果模型擬合不好，需要根據(jù)相關(guān)領(lǐng)域知識和模型修正指標(biāo)進(jìn)行模型修正。需要注意的是，擬合指數(shù)的作用是考察理論模型與數(shù)據(jù)的適配程度，并不能作為判斷模型是否成立的 唯一依據(jù)。擬合優(yōu)度高的模型只能作為參考，還需要根據(jù)所研究問題的背景知識進(jìn)行模型合理性討論。即 便擬合指數(shù)沒有達(dá)到最優(yōu)，但一個能夠使用相關(guān)理論解釋的模型更具有研究意義。一、模型修正的思路模型擬合指數(shù)和系數(shù)顯著性檢驗(yàn)固然重要，但對于數(shù)據(jù)分析更

41、重要的是模型結(jié)論一定要具有理論依據(jù)，換言之，模型結(jié)果要可以被相關(guān)領(lǐng)域知識所解釋。因此，在進(jìn)行模型修正時(shí)主要考慮修正后的模型結(jié)果是 否具有現(xiàn)實(shí)意義或理論價(jià)值，當(dāng)模型效果很差時(shí)16 17可以參考模型修正指標(biāo)對模型進(jìn)行調(diào)整。當(dāng)模型效果很差時(shí)，研究者可以根據(jù)初始模型的參數(shù)顯著性結(jié)果和Amos提供的模型修正指標(biāo)進(jìn)行模型擴(kuò)展(Model Building)或模型限制(Model Trimming )。模型擴(kuò)展是指通過釋放部分限制路徑或添加新路17徑，使模型結(jié)構(gòu)更加合理，通常在提高模型擬合程度時(shí)使用；模型限制是指通過刪除或限制部分路徑，使模型結(jié)構(gòu)更加簡潔，通常在提高模型可識別性時(shí)使用。Amos提供了兩種模型

42、修正指標(biāo)，其中修正指數(shù)(Modification Index )用于模型擴(kuò)展，臨界比率(CriticalRatio) 18用于模型限制。二、模型修正指標(biāo)191.修正指數(shù)(Modification Index)13表格中給出的是該擬合指數(shù)的最優(yōu)標(biāo)準(zhǔn)，譬如對于RMSEA，其值小于0.05表示模型擬合較好，在0.05-0.08間表示模型擬合尚可(Browne & Cudeck，1993)。因此在實(shí)際研究中，可根據(jù)具體情況分析。14詳細(xì)請參考 Amos 6.0 User s Guide 489 項(xiàng)。15關(guān)于案例中模型的擬合方法和模型修正指數(shù)詳情也可參看書上第七章第三節(jié)和第四節(jié)。16如模型不可識別，或擬

43、合指數(shù)結(jié)果很差。17譬如可以刪除初始模型中不存在顯著意義的路徑。18這個CR不同于參數(shù)顯著性檢驗(yàn)中的CR，使用方法將在下文中闡明。19無論是根據(jù)修正指數(shù)還是臨界比率進(jìn)行模型修正，都要以模型的實(shí)際意義與理論依據(jù)為基礎(chǔ)。第四節(jié)模型修正15圖7-19修正指數(shù)計(jì)算修正指數(shù)用于模型擴(kuò)展，是指對于模型中某個受限制的參數(shù)，若容許自由估計(jì)（譬如在模型中添加某條路徑），整個模型改良時(shí)將會減少的最小卡方值20o使用修正指數(shù)修改模型時(shí)，原則上每次只修改一個參數(shù)，從最大值開始估算。但在實(shí)際中，也要考慮讓該參數(shù)自由估計(jì)是否有理論根據(jù)。若要使用修正指數(shù)，需要在 Analysis Properties中的Output項(xiàng)選擇

44、 Modification Indices項(xiàng)（如圖 7-19） 其后面的Threshold for Modification Indices指的是輸出的開始值 21。圖7-20臨界比率計(jì)算2.臨界比率（Critical Ratio）20即當(dāng)模型釋放某個模型參數(shù)時(shí)，卡方統(tǒng)計(jì)量的減少量將大于等于相應(yīng)的修正指數(shù)值。21只有修正指數(shù)值大于開始值的路徑才會被輸岀，一般默認(rèn)開始值為4o臨界比率用于模型限制，是計(jì)算模型中的每一對待估參數(shù)（路徑系數(shù)或載荷系數(shù)）之差，并除以相應(yīng)參數(shù)之差的標(biāo)準(zhǔn)差所構(gòu)造岀的統(tǒng)計(jì)量。在模型假設(shè)下，CR統(tǒng)計(jì)量服從正態(tài)分布，所以可以根據(jù)CR值判斷兩個待估參數(shù)間是否存在顯著性差異。若兩個待

45、估參數(shù)間不存在顯著性差異，則可以限定模型在估計(jì)時(shí)對 這兩個參數(shù)賦以相同的值。若要使用臨界比率，需要在 Analysis Properties中的Output項(xiàng)選擇 Critical Ratio for Difference項(xiàng)（如圖 7-20）。三、案例修正對本章所研究案例，初始模型運(yùn)算結(jié)果如表 7-8,各項(xiàng)擬合指數(shù)尚可。但從模型參數(shù)的顯著性檢驗(yàn)（如 表7-5）中可發(fā)現(xiàn)可以看岀，無論是關(guān)于感知價(jià)格的測量方程部分還是關(guān)于結(jié)構(gòu)方程部分（除與質(zhì)量期望的路徑外），系數(shù)都是不顯著的。關(guān)于感知價(jià)格的結(jié)構(gòu)方程部分的平方復(fù)相關(guān)系數(shù)為0.048，非常小。另外，從實(shí)際的角度考慮，通過自身的感受，某超市商品價(jià)格同校內(nèi)

46、外其它主要超市的商品價(jià)格的差別不明顯， 因此，首先考慮將該因子在本文的結(jié)構(gòu)方程模型中去除，并且增加質(zhì)量期望和質(zhì)量感知到顧客滿意的路徑。超市形象對顧客忠誠的路徑先保留。修改的模型如圖7-21。表7-8常用擬合指數(shù)計(jì)算結(jié)果擬合指數(shù)卡方值（自由度）CFINFIIFIRMSEAAICBCCEVCI結(jié)果1031.4 (180)0.8660.8420.8660.1091133.4411139.3782.834圖7-21修正的模型二根據(jù)上面提出的圖7-21提出的所示的模型，在Amos中運(yùn)用極大似然估計(jì)運(yùn)行的部分結(jié)果如表7-9。表7-9常用擬合指數(shù)計(jì)算結(jié)果擬合指數(shù)卡方值（自由度）CFINFIIFIRMSEAA

47、ICBCCEVCI結(jié)果819.5 (145)0.8830.8620.8840.108909.541914.2782.274從表7-8和表7-9可以看岀，卡方值減小了很多， 并且各擬合指數(shù)也都得到了改善，但與理想的擬合指數(shù)值仍有差距。該模型的各個參數(shù)在0.05的水平下都是顯著的，并且從實(shí)際考慮，各因子的各個路徑也是合理存在的。下面考慮通過修正指數(shù)對模型修正，通過點(diǎn)擊工具欄中的匪I來查看模型輸岀詳細(xì)結(jié)果中的Modification Indices項(xiàng)可以查看模型的修正指數(shù)（ Modification Index）結(jié)果，雙箭頭（“ ”部分是殘差變量間的協(xié)方差修正指數(shù)，表示如果在兩個可測變量的殘差變量間

48、增加一條相關(guān)路徑至少會減少的模型的 卡方值；單箭頭（“-”部分是變量間的回歸權(quán)重修正指數(shù)，表示如果在兩個變量間增加一條因果路徑至 少會減少的模型的卡方值。比如，超市形象到質(zhì)量感知的Ml值為179.649表明如果增加超市形象到質(zhì)量感知的路徑，則模型的卡方值會大大減小。從實(shí)際考慮，超市形象的確會影響到質(zhì)量感知，設(shè)想，一個具 有良好品牌形象的超市，人們難免會對感到它的商品質(zhì)量較好；反之，則相反。因此考慮增加從超市形象 到質(zhì)量感知的路徑的模型如圖7-22。根據(jù)上面提出的圖7-22所示的模型，在Amos中運(yùn)用極大似然估計(jì)運(yùn)行的部分結(jié)果如表7-10、表7-11表7-10常用擬合指數(shù)計(jì)算結(jié)果擬合指數(shù) 卡方值

49、（自由度）CFI NFI IFI RMSEA AICBCC EVCI結(jié)果510.1（144）0.9360.9140.9370.080602.100606.9421.505從表7-9和表7-10可以看岀，卡方值減小了很多，并且各擬合指數(shù)也都得到了改善，但與理想的擬合指 數(shù)值仍有差距。表7-115%水平下不顯著的估計(jì)參數(shù)EstimateS.E.C.R.PLabel顧客滿意-質(zhì)量期望-.054.035-1.540.124par_22顧客忠誠 j i Ijipikl匚 ft |0-14 (li . fI k ya 10*Xpu h Qti. SL 也J凸四 宙丁 K O近 卡ED k圖7-22修正的模

50、型三除上面表7-11中的兩個路徑系數(shù)在 0.05的水平下不顯著外，該模型其它各個參數(shù)在 0.01水平下都是顯 著的，首先考慮去除p值較大的路徑，即質(zhì)量期望到顧客滿意的路徑。重新估計(jì)模型，結(jié)果如表7-12。表7-125%水平下不顯著的估計(jì)參數(shù)EstimateS.E.C.R.PLabel顧客忠誠-r飛I 乂仆1匚恥二丄l業(yè)也MSBhiJkiSCiiS. *#L-li (jLit 11 w* |Lgp n 曲皿叢沾JjMjaiiG 靜1 顯圖7-25修正的模型六根據(jù)上面提出的如圖7-25所示的模型，在Amos中運(yùn)用極大似然估計(jì)運(yùn)行的部分結(jié)果如表7-15。表7-15常用擬合指數(shù)計(jì)算結(jié)果擬合指數(shù)卡方值（

51、自由度）CFINFIIFIRMSEAAICBCCEVCI結(jié)果281.9 (125)0.9720.9510.9720.056373.877378.4650.935從表7-14和表7-15可以看岀，卡方值減小了很多，并且各擬合指數(shù)都得到了較大的改善。該模型的各個參數(shù)在0.01的水平下都仍然是顯著的，各方程的對應(yīng)的測定系數(shù)增大了。下面考慮根據(jù)Pairwise ParameterComparisons來判斷對待估計(jì)參數(shù)的設(shè)定，即判斷哪些結(jié)構(gòu)方程之間的系數(shù)沒有顯著差異，哪些測量方程的系數(shù)之間沒有顯著差異，哪些結(jié)構(gòu)方程的隨機(jī)項(xiàng)的方差之間沒有顯著差異，哪些測量方程的隨機(jī)項(xiàng)的方差 之間的之間沒有顯著差異，對沒

52、有顯著差異的相應(yīng)參數(shù)估計(jì)設(shè)定為相等，直到最后所有相應(yīng)的 critical ratio都大于2為止。通過點(diǎn)擊工具欄中的厘匝來查看模型輸出詳細(xì)結(jié)果中的Pairwise Parameter Comparison 可以查看臨界比率（Critical Ratio）結(jié)果，其中par_1到par_46代表模型中46個待估參數(shù)，其含義在模型參數(shù)估22計(jì)結(jié)果表（如表7-5，7-6）中標(biāo)識。根據(jù) CR值的大小，可以判斷兩個模型參數(shù)的數(shù)值間是否存在顯著性 差異。如果經(jīng)檢驗(yàn)發(fā)現(xiàn)參數(shù)值間不存在顯著性差異，則可以考慮模型估計(jì)時(shí)限定兩個參數(shù)相等。如果是某 兩個參數(shù)沒有顯著差異，并且根據(jù)經(jīng)驗(yàn)也是如此，則可在相應(yīng)的認(rèn)為相等的參

53、數(shù)對應(yīng)的路徑或殘差變量上 點(diǎn)擊右鍵選擇 Object Properties，然后出現(xiàn)如圖 7-11的選項(xiàng)卡，選擇 parameters項(xiàng)，女口KvdjeLUG J. CEuLip-丄dlkJ-CiL I 1 LbfUt22般絕對值小于2認(rèn)為沒有顯著差異。圖7-26對應(yīng)因果路徑圖7-27對應(yīng)殘差變量圖7-28對應(yīng)相關(guān)系數(shù)路徑.23.24.25.圖7-26,圖7-27,圖7-28。然后在Regression weight，variance , covariane輸入相同的英文名稱即可。比如從圖7-25修正的模型六輸出的臨界比率結(jié)果中發(fā)現(xiàn)絕對值最小的是par_44和par_45對應(yīng)的-0.021，遠(yuǎn)

54、遠(yuǎn)23對應(yīng)因果路徑。24對應(yīng)殘差變量。25對應(yīng)相關(guān)系數(shù)路徑圖7-30修正的模型七小于95%置信水平下的臨界值，說明兩個方差間不存在顯著差異。對應(yīng)的是e22和e24的方差估計(jì)，從實(shí)際考慮，也可以認(rèn)為它們的方差相差，則殘差變量e22和e24上點(diǎn)擊右鍵選擇 Object Properties,出現(xiàn)如圖7-29的選項(xiàng)卡，然后在 Object Properties選項(xiàng)卡下面的variance中都輸入“ v2”最后關(guān)掉窗口即可設(shè)置e22和e24的方差相等。經(jīng)過反復(fù)比較得到的結(jié)構(gòu)方程模型如圖7-30。wi tIhlialpttrMdtlOli flAW n.ridfel02. 3Bir adBLfidL n

55、yadnLCM. XXTH* ihacfcLC? . - “dm :乂 3LT3.BTI 匚層設(shè)置e22和e24的方差相等圖 7-29根據(jù)上面提出的如圖 7-30所示的模型，在Amos中運(yùn)用極大似然估計(jì)運(yùn)行的部分結(jié)果如表7-16。表7-16常用擬合指數(shù)計(jì)算結(jié)果擬合指數(shù)卡方值（自由度）CFINFIIFIRMSEAAICBCCEVCI結(jié)果295.9 (146)0.9730.9480.9730.051345.909348.4020.865從表7-15和表7-16可以看出，卡方值雖然增大了一些，但自由度大大增加了，并且各擬合指數(shù)都得到了較 大的改善（NFI除外）。該模型的各個參數(shù)在 0.01的水平下都

56、仍然是顯著的，各方程的對應(yīng)的測定系數(shù)相對而言增大了很多。四、最優(yōu)模型參數(shù)估計(jì)的展示表7-17最優(yōu)模型各路徑系數(shù)估計(jì)未標(biāo)準(zhǔn)化路徑系數(shù)估計(jì)S.E.C.R.PLabel標(biāo)準(zhǔn)化路徑系數(shù)估計(jì)質(zhì)量期望超市形象0.3530.03111.495*bb0.384質(zhì)量感知超市形象0.7230.02331.516kkkaa0.814質(zhì)量感知質(zhì)量期望0.1290.0353.687kkkpar_160.134顧客滿意質(zhì)量感知0.7230.02331.516kkkaa0.627顧客滿意超市形象0.3530.03111.495kkkbb0.345顧客忠誠顧客滿意0.7230.02331.516kkkaa0.753a1超市形

57、象10.925a2超市形象1.0420.0252.853kkkb0.901a3超市形象0.7280.03620.367kkkd0.631a5質(zhì)量期望10.836a4質(zhì)量期望0.7280.03620.367kkkd0.622a6質(zhì)量期望0.8720.02633.619kkka0.808a7質(zhì)量期望1.0420.0252.853kkkb0.853a8質(zhì)量期望0.8720.02633.619kkka0.731a10質(zhì)量感知10.779a9質(zhì)量感知1.1590.03632.545kkkc0.914a12質(zhì)量感知1.0420.0252.853kkkb0.777a13質(zhì)量感知0.8720.02633.619kkka0.677a18顧客滿意10.861a17顧客滿意1.0420.0252.853kkkb0.919a16顧客滿意1.0420.0252.853kkkb0.963a24顧客忠誠10.706a23顧客忠誠1.1590.03632.545kkkc0.847a22顧客忠誠0.8720.02633.619kkka0.656注: “ * ”表示0.01水平上顯著， 括號中是相應(yīng)的C.R 值，即t值。表 7-18最優(yōu)模型相關(guān)性路徑系數(shù)估計(jì)協(xié)方差估計(jì)S.E.C.R.PLabel相關(guān)系數(shù)估計(jì)e12e130.6990.0729.658*r20.32e7e80.699