2022年結(jié)構(gòu)方程“AMOS7”的應(yīng)用案例與教程

1、精品資料歡迎下載1應(yīng)用案例第一節(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、模型修正以及模型說明四個(gè)步驟；下面以一個(gè)2爭(zhēng)論實(shí)例作為說明， 使用 amos7 軟件 進(jìn)行運(yùn)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、修正與模型說明過程；一、模型構(gòu)建的思路本案例在聞名的美國(guó)顧客中意度指數(shù)模型asci 的基礎(chǔ)上，提出了一個(gè)新的模型，并以此構(gòu)建潛變量并建立模型結(jié)構(gòu)；依據(jù)構(gòu)建的理論模型，通過設(shè)計(jì)問卷對(duì)某超市顧客購(gòu)物服務(wù)中意度調(diào)查得到實(shí)際數(shù)據(jù)，然后利用對(duì)缺失值進(jìn)行處理后的數(shù)據(jù)3進(jìn)行分析，并對(duì)文中提出的模型進(jìn)行擬合、修正和說明；二、潛變量和可測(cè)變量的設(shè)定本文在繼承 asci 模型核心概念的基礎(chǔ)

2、上，對(duì)模型作了一些改進(jìn)，在模型中增加超市形象；它包括顧客對(duì)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)格和顧客中意有關(guān)，設(shè)計(jì)的模型見 表 7-1 ；模型中共包含七個(gè)因素 潛變量 ：超市形象、質(zhì)量期望、質(zhì)量感知、感知價(jià)值、顧客中意、顧客埋怨、顧客忠誠(chéng)，其中前四個(gè)要素是前提變量，后三個(gè)因素是結(jié)果變量，前提變量綜合打算并影響著結(jié)果變量eugene w. anderson & claes fornell， 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)超市形象質(zhì)量期望質(zhì)量感知顧客埋怨感知價(jià)值顧客中意超市形象對(duì)質(zhì)量期望有路徑影響

3、質(zhì)量期望對(duì)質(zhì)量感知有路徑影響質(zhì)量感知對(duì)感知價(jià)格有路徑影響質(zhì)量期望對(duì)感知價(jià)格有路徑影響感知價(jià)格對(duì)顧客中意有路徑影響顧客中意對(duì)顧客忠誠(chéng)有路徑影響超市形象對(duì)顧客中意有路徑影響超市形象對(duì)顧客忠誠(chéng)有路徑影響顧客忠誠(chéng)2.1 、顧客中意模型中各因素的具體范疇參考前面模型的總體構(gòu)建情形、國(guó)外爭(zhēng)論理論和其他行業(yè)實(shí)證結(jié)論，以及小范疇甄別調(diào)查的結(jié)果，模型中各要素需要觀測(cè)的具體范疇，見表7-2 ；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”；表 7-2模型變量對(duì)應(yīng)表潛變量?jī)?nèi)涵可測(cè)變量一超 市形象依據(jù) martensen在固定電

4、話、移動(dòng)電話、超市等行業(yè)中的調(diào)查爭(zhēng)論， 企業(yè)形象是影響總體中意水平的第 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(gè)方面進(jìn)行觀測(cè)；某超市總體形象的評(píng)判 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(duì)其的期望水平； 顧客的質(zhì)量期望會(huì)影響顧客價(jià)值， 而且質(zhì)量期望仍會(huì)顧客感知造成影響. 仍有學(xué)者指出， 對(duì)于顧客期望要素， 至少可以從整體感覺、 個(gè)性化服務(wù)、 牢靠性三個(gè)方面來觀測(cè)； 結(jié)合上述因素， 可以從幾個(gè)方面衡量對(duì)某超市的質(zhì)量期望；購(gòu)物前，對(duì)某超市整體服務(wù)的期望a4購(gòu)物前，期望某超市商品的新奇程度達(dá)到的水平a5購(gòu)物前，期

5、望某超市營(yíng)業(yè)時(shí)間支配合理程度a6購(gòu)物前，期望某超市員工服務(wù)態(tài)度達(dá)到的水平a7購(gòu)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(duì)應(yīng)， 質(zhì)量期望考慮的是在購(gòu)買商品前的期望，質(zhì)量感知是在購(gòu)買商品后的實(shí)際感受； 可以從幾個(gè)方面衡量；購(gòu)物后，對(duì)某超市整體服務(wù)的中意程度 a9 購(gòu)物后，認(rèn)為某超市商品的新奇程度達(dá)到的水平a10購(gòu)物后，認(rèn)為超市營(yíng)業(yè)時(shí)間支配合理程度 a11 購(gòu)物后，認(rèn)為某超市員工服務(wù)態(tài)度達(dá)到的水平 a12購(gòu)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)值依據(jù) anderson和fomelleugenew.anderson &claesfomell，200

6、0 對(duì)美國(guó)顧客中意指數(shù)模型的進(jìn)一步爭(zhēng)論，認(rèn)為對(duì)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 客中意顧客中意一般可以從三個(gè)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， 查找兩者的差距； 三是可以與抱負(fù)狀態(tài)下的感覺比較，查找兩者的差距；因此，可 以通過以下幾個(gè)指標(biāo)衡量；對(duì)某超市的總體中意程度a16和您消費(fèi)前的期望比，您對(duì)某超市的中意程度a17和您心目中的超市比，您對(duì)某超市的中意程度a18六顧 客埋怨forne 和 wernerfelt （1988 ）的爭(zhēng)論成果， 認(rèn)為顧客中意的增加會(huì)削減顧客的埋怨

7、， 同時(shí)會(huì)增加顧客的忠誠(chéng)， 當(dāng)顧客不中意時(shí)， 他們往往會(huì)挑選埋怨； 對(duì)于埋怨的觀測(cè)， 一般有您對(duì)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(duì)某超市埋怨的頻率（私下埋怨并未告知超市） a20兩種方式，一種是比較正式的形式， 向超市提出正式埋怨，有換貨， 退貨等行為； 另一種是非正式的形式， 顧客會(huì)宣揚(yáng)， 形成群眾對(duì)于該超市的口碑；您認(rèn)為某超市對(duì)顧客投訴的處理效率和成效4 a21七顧 客忠誠(chéng)顧客忠誠(chéng)主要可以從三個(gè)方面表達(dá)： 顧客舉薦意向、 轉(zhuǎn)換產(chǎn)品的意向、 重復(fù)購(gòu)買的意向； 同時(shí)仍有學(xué)者指出顧客忠誠(chéng)可以從顧客對(duì)漲價(jià)的容忍性、 重復(fù)購(gòu)買性兩方面衡量；綜合上述因素，擬從以下

8、幾個(gè)方面衡量顧客忠誠(chéng)；我會(huì)常常去某超市 a22我會(huì)舉薦同學(xué)和伴侶去某超市 a23假如發(fā)覺某超市的產(chǎn)品或服務(wù)有問題后， 能以諒解的心態(tài)主動(dòng)向超市反饋， 求得解決， 并且以后仍會(huì)來超市購(gòu)物 a24三、關(guān)于顧客中意調(diào)查數(shù)據(jù)的收集本次問卷調(diào)研的對(duì)象為居住在某高校校內(nèi)的各類同學(xué)（包括全日制本科生、全日制碩士和博士爭(zhēng)論生），并且近一個(gè)月內(nèi)在校內(nèi)某超市有購(gòu)物體驗(yàn)的同學(xué)；調(diào)查采納隨機(jī)攔訪的方式，并且為防止樣本的同質(zhì)性和重復(fù)填寫，依據(jù)性別和被訪者常常光顧的超市進(jìn)行掌握；問卷內(nèi)容包括7 個(gè)潛變量因子， 24 項(xiàng)可測(cè)指標(biāo)， 7 個(gè)人口變量，量表采納了likert10 級(jí)量度，如對(duì)超市形象的測(cè)量：一、超市形象1 代表

9、“特別差勁” ， 10 代表“特別好”1您對(duì)某超市總體形象的評(píng)判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本次調(diào)查共發(fā)放問卷 500 份，收回有效樣本 436 份；12345678910四、缺失值的處理采納表列刪除法，即在一條記錄中，只要存在一項(xiàng)缺失，就刪除該記錄；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(cè)量結(jié)果（數(shù)據(jù)）一樣性或穩(wěn)固性的程度；一樣性主要反映的是測(cè)驗(yàn)內(nèi)部題目之間的關(guān)系，考察測(cè)驗(yàn)的各個(gè)題目是否測(cè)量了相同

10、的內(nèi)容或特質(zhì)；穩(wěn)固性是指用一種測(cè)量工具（譬猶如一份 問卷）對(duì)同一群受試者進(jìn)行不同時(shí)間上的重復(fù)測(cè)量結(jié)果間的牢靠系數(shù)；假如問卷設(shè)計(jì)合理，重復(fù)測(cè)量的結(jié) 果間應(yīng)當(dāng)高度相關(guān)；由于本案例并沒有進(jìn)行多次重復(fù)測(cè)量，所以主要采納反映內(nèi)部一樣性的指標(biāo)來測(cè)量數(shù) 據(jù)的信度；折半信度（ split-half reliability ）是將測(cè)量工具中的條目按奇偶數(shù)或前后分成兩半，采納 spearman-brown公式估量相關(guān)系數(shù)，相關(guān)系數(shù)高提示內(nèi)部一樣性好；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)并不肯定滿意這一假定，因此信度往往被低估；cronbach 在 1951年提出了一種新

11、的方法（ cronbach's alpha 系數(shù)），這種方法將測(cè)量工具中任一條目結(jié)果同其他全部條目作比較，對(duì)量表內(nèi)部一樣性估量更為謹(jǐn)慎，因此克服了折半信度的缺點(diǎn)；本章采納spss16.0爭(zhēng)論數(shù)據(jù)的內(nèi)部4正向的，采納 likert10 級(jí)量度從“特別低”到“特別高”一樣性；在 analyze 菜單中挑選 scale 下的 reliabilityanalysis （如圖 7-1），將數(shù)據(jù)中在左邊方框中待分析的 24 個(gè)題目一一選中， 然后點(diǎn)擊，左邊方框中待分析的24 個(gè)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 即可得到如表 7-3

12、 的結(jié)果，顯示cronbach's 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；圖 7-1信度分析的挑選圖 7-2信度分析變量及方法的挑選表7-3信度分析結(jié)果reliability statistics cronbach's alphan of items.89224另外，對(duì)問卷中每個(gè)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，除顧客埋怨量表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(duì)應(yīng)的題目；如對(duì)超市形象潛變量，只需要把 a1、a2 和 a3 題目選入到右邊方框items 中即可；cro

13、nbacas alpha 系數(shù)為 0.255，比較低以外， 其它重量表的 alpha 系數(shù)均在 0.7 以上，且總量表的 cronbachs alpha 系數(shù)達(dá)到了 0.891，說明此量表的牢靠性較高；由信度檢驗(yàn)的結(jié)果可知顧客埋怨的測(cè)量指標(biāo)的信度遠(yuǎn)低于 0.7，因此在路徑圖中去掉顧客埋怨因子，即初始模型中包括6 個(gè)潛變量、 21 個(gè)可測(cè)變量；表 7-4潛變量的信度檢驗(yàn)潛變量可測(cè)變量個(gè)數(shù)cronbachs alpha超市形象30.858質(zhì)量期望50.889質(zhì)量感知50.862感知價(jià)格20.929顧客中意30.948顧客埋怨30.255顧客忠誠(chéng)30.7382. 數(shù)據(jù)的效度檢驗(yàn)效度（ validit

14、y ）指測(cè)量工具能夠正確測(cè)量出所要測(cè)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(gè)主要類型；內(nèi)容效度也稱表面效度或規(guī)律效度，是指測(cè)量目標(biāo)與測(cè)量?jī)?nèi)容之間的適合性與相符性；對(duì)內(nèi)容效度常采納規(guī)律分析與統(tǒng)計(jì)分析相結(jié)合的方法進(jìn)行評(píng)判；規(guī)律分析一般由爭(zhēng)論者或?qū)＜以u(píng)判所選題項(xiàng)是否“看上去”符合測(cè)量的目的和要求；準(zhǔn)就效度又稱效標(biāo)效度、實(shí)證效度、統(tǒng)計(jì)效度、猜測(cè)效度或標(biāo)準(zhǔn)關(guān)聯(lián)效度，是指用不同的幾種測(cè)量方式或不同的指標(biāo)對(duì)同一變量進(jìn)行測(cè)量，并將其中的一種方式作為準(zhǔn)就（效標(biāo)），用其他的方式

15、或指標(biāo)與這個(gè)準(zhǔn)就作比較，假如其他方式或指標(biāo)也有效，那么這個(gè)測(cè)量即具備效標(biāo)效度；例如，x 是一個(gè)變量，我們使用 x1 、 x2 兩種工具進(jìn)行測(cè)量；假如使用x 1 作為準(zhǔn)就，并且x1 和 x 2 高度相關(guān)，我們就說x 2 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)就的測(cè)量方式或指標(biāo)肯定要是有效的，否就越比越差；現(xiàn)實(shí)中，我們?cè)u(píng)判效標(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，挑選一個(gè)合適的準(zhǔn)就往往特別困難，也使這種方法的應(yīng)用受到肯定限制；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(cè)量工具反映概念和命題的內(nèi)部結(jié)構(gòu)的程度，也就是說假如問卷調(diào)查結(jié)果能夠測(cè)量其理論特點(diǎn)，

16、使調(diào)查結(jié)果與理論預(yù)期一樣，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(cè)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，第一從某一理論動(dòng)身，提出關(guān)于特質(zhì)的假設(shè)，然后設(shè)計(jì)和編制測(cè)量并進(jìn)行施測(cè)，最終對(duì)測(cè)量的結(jié)果采納相關(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)就效度）往往要求專家定性爭(zhēng)論或具有公認(rèn)的效標(biāo)測(cè)量，因而難以實(shí)現(xiàn)的，而結(jié)構(gòu)效度便于可以采納多種方法來實(shí)現(xiàn)：第一種方法是通過模型系數(shù)評(píng)判結(jié)構(gòu)效度；假如模型假設(shè)的潛變量之間的關(guān)系以及潛變量與可測(cè)變量6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；特殊地，通過標(biāo)準(zhǔn)化系數(shù)可以比較

17、不同指標(biāo)間的效度；從表 7-17 可以看出在 99%的置信度下全部非標(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；其次種方法是通過相關(guān)系數(shù)評(píng)判結(jié)構(gòu)效度；假如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(píng)判結(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形來對(duì)量表的結(jié)構(gòu)效度進(jìn)行考評(píng)；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(píng)判中的模型擬合指數(shù)評(píng)判；對(duì)于本案例，從表7-16 可知理論模型與數(shù)據(jù)擬合較好，結(jié)構(gòu)效度較好；6關(guān)于標(biāo)準(zhǔn)化系數(shù)的說明見本章第五節(jié)；六、結(jié)構(gòu)方程模型建模構(gòu)建如圖 7.3 的初

18、始模型；e101a10e9 1 a91e111a11e121a12e13 1a13e5 1 a5e4 1 a41e6 1 a6e7 1 a7e8 1 a8e1 1a1 1e2 1 a2e3 1 a3質(zhì)量感知1質(zhì)量期望1超市形象z1z2e14 e151a1411a151感知價(jià)格z31e171a171e16 e18a16 11a18顧客中意z41e231e221e24a23 a22 1a241顧客忠誠(chéng)z5圖 7-3初始模型結(jié)構(gòu)圖 7-4amos graphics 初始界面圖7其次節(jié)amos實(shí)現(xiàn)一、 amos基本界面與工具打開 amos graphics ，初始界面如圖 7-4；其中第一部分是建模區(qū)

19、域，默認(rèn)是豎版格式；假如要建立的模型在橫向上占用較大空間，只需挑選view 菜單中的 interface properties 選項(xiàng)下的 landscape（如圖 7.5），即可將建模區(qū)域調(diào)整為橫板格式；圖 7-2 中的其次部分是工具欄，用于模型的設(shè)定、運(yùn)算與修正；相關(guān)工具的具體功能參見書后附錄二；圖 7-5建模區(qū)域的版式調(diào)整二、 amos模型設(shè)定操作圖 7-6建立潛變量7 這部分的操作說明也可參看書上第七章其次節(jié):amos 實(shí)現(xiàn)；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出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(cè)變量的名稱，以防止不必要的返工；相關(guān)軟

20、件操作如下：第一步，使用建模區(qū)域繪制模型中的七個(gè)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(gè)潛變量，再使用復(fù)制工具繪制其他潛變量，以保證潛變量大小一樣；在潛變量上點(diǎn)擊右鍵挑選object properties，為潛變量命名（如圖7-7 ）；繪制好的潛變量圖形如圖7-8；其次步設(shè)置潛變量之間的關(guān)系；使用來設(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 ；圖 7-7潛變量命名圖 7-8命名后的潛變量圖 7-9設(shè)定潛變量關(guān)系第三步為潛變量設(shè)置可測(cè)變量及相應(yīng)的殘差變量，可以使用繪制，也可以使用和自行繪制（繪制結(jié)果如圖 7-10）；在可測(cè)變量上點(diǎn)擊右鍵

21、挑選object properties，為可測(cè)變量命名；其中variablename 一項(xiàng)對(duì)應(yīng)的是數(shù)據(jù)中的變量名（如圖7-11），在殘差變量上右鍵挑選object properties 為殘差變量命名；最終繪制完成模型結(jié)果如圖7-12；圖 7-10設(shè)定可測(cè)變量及殘差變量圖 7-11可測(cè)變量指定與命名圖 7-12初始模型設(shè)置完成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(kù)文檔（ *.dbf 、*.mdb ）， spss 文檔（ *.sav）等；為了配置數(shù)據(jù)文件，挑選file 菜單中的 data files（如圖

22、7-13），顯現(xiàn)如圖 7-14 左邊的對(duì)話框，然后點(diǎn)擊 file name 按鈕， 顯現(xiàn)如圖 7-14 右邊的對(duì)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，最終點(diǎn)擊圖7-14 左邊的對(duì)話框中“ ok”按鈕，這樣就讀入數(shù)據(jù)了；圖 7-13數(shù)據(jù)配置精品資料歡迎下載圖 7-14數(shù)據(jù)讀入第三節(jié)模型擬合一、參數(shù)估量方法挑選模型運(yùn)算是使用軟件進(jìn)行模型參數(shù)估量的過程；amos供應(yīng)了多種模型運(yùn)算方法供挑選8；可以通過點(diǎn)擊view 菜單在 analysis properties （或點(diǎn)擊工具欄的）中的 estimation 項(xiàng)挑選相應(yīng)的估量方法；本案例使用最

23、大似然估量（maximum likelihood ）進(jìn)行模型運(yùn)算，相關(guān)設(shè)置如圖7-15；二、標(biāo)準(zhǔn)化系數(shù)圖 7-15參數(shù)估量挑選假如不做挑選，輸出結(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)中存在依靠于有關(guān)變量的尺度單位，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)中挑選 standardized estimates 項(xiàng)（如圖 7-26），即可輸出測(cè)量模型的因子載荷標(biāo)準(zhǔn)化系數(shù)如表7-5 最終一列；8具體方法列表參見書后附錄一；圖 7.16標(biāo)準(zhǔn)化系數(shù)運(yùn)算9標(biāo)準(zhǔn)化系數(shù)是將各變量

24、原始分?jǐn)?shù)轉(zhuǎn)換為z 分?jǐn)?shù) 后得到的估量結(jié)果，用以度量變量間的相對(duì)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 最終一列中可以看出：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)”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”潛變量對(duì)“質(zhì)量感知”潛變量的影響程度大于其對(duì)“感知價(jià)格”潛變量的影響程度；三、參數(shù)估量結(jié)果的展現(xiàn)圖 7-17模型運(yùn)算完成圖z9z 分?jǐn)?shù)轉(zhuǎn)換公式為：ix ix ；s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

25、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 （）查看參數(shù)估量結(jié)果圖（圖7-18）；圖 7-18參數(shù)估量結(jié)果圖10amos 仍供應(yīng)了表格形式的模型運(yùn)算具體結(jié)果信息，通過點(diǎn)擊工具欄中的來查看；具體信息包括分析基本情形（ analysis summary ）、變量基本情形（ variable summary）、模型信息（ notes for model ）、估量結(jié)果（ estimates）、修正指數(shù)（ modification indices ）和模型擬合（ model fit ）六部分；在分析過程中，一般通過前三部分明白模型， 在模型

26、評(píng)判時(shí)使用估量結(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(píng)判1路徑系數(shù) / 載荷系數(shù)的顯著性11參數(shù)估量結(jié)果如表 7-5 到表 7-6，模型評(píng)判第一要考察模型結(jié)果中估量出的參數(shù)是否具有統(tǒng)計(jì)意義，需要對(duì)路徑系數(shù)或載荷系數(shù)進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)， 這類似于回來分析中的參數(shù)顯著性檢驗(yàn)，原假設(shè)為系數(shù)等于； amos 供應(yīng)了一種簡(jiǎn)潔便利的方法，叫做cr（ criticalratio ）；cr 值是一個(gè) z 統(tǒng)計(jì)量，使用參數(shù)估量 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），使用者可以依據(jù) p 值進(jìn)行路徑系數(shù) / 載荷

27、系數(shù)的統(tǒng)計(jì)顯著性檢驗(yàn)；譬如對(duì)于表7.5 中“超市形象” 潛變量對(duì)“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 ， 就可以認(rèn)為這個(gè)路徑系數(shù)在95%的置信度下與0 存在顯著性差異；10分析基本情形（ analysis summary ）、變量基本情形（ variable summary）、模型信息（ notes for model ）三部分的具體介紹如書后附錄三；11潛變量與潛變量間的回來系數(shù)稱為路徑系數(shù)；潛變量與可測(cè)變量間的回來系數(shù)稱為載荷系數(shù)；表 7-5未標(biāo)準(zhǔn)化路系數(shù)估量結(jié)果標(biāo)準(zhǔn)化路徑徑系數(shù)估量s.e.c.r.plabel系數(shù)估

28、量質(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0.4340.0577.633*par_170.434感知價(jià)格<-質(zhì)量期望0.3290.0893.722*par_180.244感知價(jià)格<-質(zhì)量感知-0.1210.082-1.4670.142par_19-0.089感知價(jià)格<-超市形象-0.0050.065-0.070.944par_20-0.004顧客中意<-超市形象0.9120.04321.389*par_210.878顧客中意<-感知價(jià)格-0.0290.028-1.0360.3par_23-0.032顧

29、客忠誠(chéng)<-超市形象0.1670.1011.6530.098par_220.183顧客忠誠(chéng)<-顧客中意0.50.14.988*par_240.569a112<-超市形象10.927a2<-超市形象1.0080.03627.991*par_10.899a3<-超市形象0.7010.04814.667*par_20.629a5<-質(zhì)量期望10.79a4<-質(zhì)量期望0.790.06112.852*par_30.626a6<-質(zhì)量期望0.8910.05316.906*par_40.786a7<-質(zhì)量期望1.1590.05919.628*par_50.

30、891a8<-質(zhì)量期望1.0240.05817.713*par_60.816a10<-質(zhì)量感知10.768a9<-質(zhì)量感知1.160.06517.911*par_70.882a11<-質(zhì)量感知0.7580.06811.075*par_80.563a12<-質(zhì)量感知1.1010.06915.973*par_90.784a13<-質(zhì)量感知0.9830.06714.777*par_100.732a18<-顧客中意10.886a17<-顧客中意1.0390.03430.171*par_110.939a15<-感知價(jià)格10.963a14<-感知

31、價(jià)格0.9720.1277.67*par_120.904a16<-顧客中意1.0090.03331.024*par_130.95a24<-顧客忠誠(chéng)10.682a23<-顧客忠誠(chéng)1.2080.09213.079*par_140.846注: “* ”表示 0.01 水平上顯著，括號(hào)中是相應(yīng)的 c.r 值，即 t 值；表 7-6方差估量方差估量s.e.c.r.plabel超市形象3.5740.29911.958*par_25z22.2080.2439.08*par_26z12.060.2418.54*par_27z34.4050.6686.596*par_28z40.8940.10

32、78.352*par_29z51.3730.2146.404*par_30e10.5840.0797.363*par_3112凡是 a+數(shù)字的變量都是代表問卷中相應(yīng)測(cè)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(hào)；e20.8610.0939.288*par_32e32.6750.19913.467*par_33e51.5260.1311.733*par_34e42.4590.18613.232*par_35e61.2450.10511.799*par_36e70.8870.1038.583*par_37e81.3350.11911.228*par_38e101.7590.15211.565*

33、par_39e90.9760.1227.976*par_40e113.1380.23513.343*par_41e121.9260.17111.272*par_42e132.1280.17612.11*par_43e181.0560.08911.832*par_44e160.420.0528.007*par_45e170.5540.0619.103*par_46e150.3640.5910.6160.538par_47e243.4130.29511.55*par_48e223.3810.28112.051*par_49e231.730.2526.874*par_50e140.9810.5621

34、.7450.081par_51注: “* ”表示 0.01 水平上顯著，括號(hào)中是相應(yīng)的 c.r 值，即 t 值；五、模型擬合評(píng)判在結(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）求出那些使樣本方差協(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(gè)角度，假如理論模型結(jié)構(gòu)對(duì)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(gè)元素接近于 0，就可以認(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(duì)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)可以從模型復(fù)雜性、樣本大小、相對(duì)性與肯定性等方面對(duì)理論模型進(jìn)行度量；amos 供應(yīng)了多種模

35、型擬合指數(shù)（如表表 7-7擬合指數(shù)指數(shù)名稱評(píng)判標(biāo)準(zhǔn) 13gfi大于0.9rmr小于0.05，越小越好srmr小于0.05，越小越好rmsea小于0.05，越小越好2 卡方越小越好肯定擬合指數(shù)相對(duì)擬合指數(shù)信息指數(shù)nfi大于 0.9，越接近 1 越好tli大于 0.9，越接近 1 越好cfi大于 0.9，越接近 1 越好aic越小越好caic越小越好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(duì)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)際爭(zhēng)論中，可依據(jù)具體情形分析；147-7

36、）供使用者挑選 ；假如模型擬合不好，需要依據(jù)相關(guān)領(lǐng)域?qū)W問和模型修正指標(biāo)進(jìn)行模型修正；需要留意的是，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，并不能作為判定模型是否成立的唯獨(dú)依據(jù)；擬合優(yōu)度高的模型只能作為參考，仍需要依據(jù)所爭(zhēng)論問題的背景學(xué)問進(jìn)行模型合理性爭(zhēng)論；即便擬合指數(shù)沒有達(dá)到最優(yōu)，但一個(gè)能夠使用相關(guān)理論說明的模型更具有爭(zhēng)論意義；15第四節(jié)模型修正一、模型修正的思路16模型擬合指數(shù)和系數(shù)顯著性檢驗(yàn)當(dāng)然重要，但對(duì)于數(shù)據(jù)分析更重要的是模型結(jié)論肯定要具有理論依據(jù)， 換言之，模型結(jié)果要可以被相關(guān)領(lǐng)域?qū)W問所說明；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)模型成效很差

37、時(shí)可以參考模型修正指標(biāo)對(duì)模型進(jìn)行調(diào)整；17當(dāng)模型成效很差時(shí)，爭(zhēng)論者可以依據(jù)初始模型的參數(shù)顯著性結(jié)果和amos 供應(yīng)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使模型結(jié)構(gòu)更加簡(jiǎn)潔，通常在提高模型可識(shí)別性時(shí)使用；或限制部分路徑，18amos 供應(yīng)了兩種模型修正指標(biāo)， 其中修正指數(shù) （ modification index ）用于模型擴(kuò)展， 臨界比率（critical ratio） 用于模型限制；19二、模型修正指標(biāo)1.

38、 修正指數(shù)（ modification index ）圖 7-19修正指數(shù)運(yùn)算修正指數(shù)用于模型擴(kuò)展，是指對(duì)于模型中某個(gè)受限制的參數(shù)，如容許自由估量（譬如在模型中添加某14具體請(qǐng)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如模型不行識(shí)別，或擬合指數(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(gè) 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無論是依據(jù)修正指數(shù)仍是臨界比率進(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)；條路徑），整個(gè)模型改良時(shí)將會(huì)削減的最小

39、卡方值20；使用修正指數(shù)修改模型時(shí)，原就上每次只修改一個(gè)參數(shù)，從最大值開頭估算；但在實(shí)際中，也要考慮讓該參數(shù)自由估量是否有理論依據(jù)；如要使用修正指數(shù)， 需要在 analysis properties 中的 output 項(xiàng)挑選 modification indices項(xiàng)（如圖 7-19）；其后面的 threshold for modification indices指的是輸出的開頭值21；圖 7-20臨界比率運(yùn)算2. 臨界比率 （ critical ratio ）臨界比率用于模型限制，是運(yùn)算模型中的每一對(duì)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)造出的統(tǒng)計(jì)量；在模型假設(shè)

40、下，cr 統(tǒng)計(jì)量聽從正態(tài)分布，所以可以依據(jù)cr 值判定兩個(gè)待估參數(shù)間是否存在顯著性差異；如兩個(gè)待估參數(shù)間不存在顯著性差異，就可以限定模型在估量時(shí)對(duì)這兩個(gè)參數(shù)賦以相同的值；如要使用臨界比率，需要在analysis properties 中的 output 項(xiàng)挑選 critical ratio for difference項(xiàng)（如圖7-20）；三、案例修正對(duì)本章所爭(zhēng)論案例， 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)覺可以看出， 無論是關(guān)于感知價(jià)格的測(cè)量方程部分仍是關(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

41、程部分的平方復(fù)相關(guān)系數(shù)為0.048 ，特別?。涣硗?， 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)外其它主要超市的商品價(jià)格的差別不明顯，因此， 第一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)量感知到顧客中意的路徑；超市形象對(duì)顧客忠誠(chéng)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)運(yùn)算結(jié)果擬合指數(shù)卡方值 自由度 cfinfiifirmseaaicbccevci結(jié)果1031.4 1800.8660.8420.8660.1091133.4411139.3782.83420即當(dāng)模型釋放某個(gè)模型參數(shù)時(shí)，卡方統(tǒng)計(jì)量的削減量將大于等于相應(yīng)的修正指數(shù)值；21只有修正指數(shù)

42、值大于開頭值的路徑才會(huì)被輸出，一般默認(rèn)開頭值為4；圖 7-21修正的模型二依據(jù)上面提出的圖 7-21 提出的所示的模型，在amos 中運(yùn)用極大似然估量運(yùn)行的部分結(jié)果如表7-9；表 7-9常用擬合指數(shù)運(yùn)算結(jié)果擬合指數(shù)卡方值 自由度 cfinfiifirmseaaicbccevci結(jié)果819.5 1450.8830.8620.8840.108909.541914.2782.274從表 7-8 和表 7-9 可以看出，卡方值減小了許多，并且各擬合指數(shù)也都得到了改善，但與抱負(fù)的擬合指數(shù)值仍有差距；該模型的各個(gè)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(gè)路徑也是合理存在的；下面考慮通

43、過修正指數(shù)對(duì)模型修正，通過點(diǎn)擊工具欄中的來查看模型輸出具體結(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)，表示假如在兩個(gè)可測(cè)變量的殘差變量間增加一條相關(guān)路徑至少會(huì)削減的模型的卡方值；單箭頭（“< ”）部分是變量間的回來權(quán)重修正指數(shù)，表示假如在兩個(gè)變量間增加一條因果路徑至少會(huì)削減的模型的卡方值；比如，超市形象到質(zhì)量感知的mi 值為 179.649，說明假如增加超市形象到質(zhì)量感知的路徑，就模型的卡方值會(huì)大大減?。粡膶?shí)際考慮，超市形象的確會(huì)影響到質(zhì)量感

44、知，設(shè)想，一個(gè)具有良好品牌形象的超市，人們難免會(huì)對(duì)感到它的商品質(zhì)量較好；反之，就相反；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；依據(jù)上面提出的圖 7-22 所示的模型，在 amos 中運(yùn)用極大似然估量運(yùn)行的部分結(jié)果如表7-10、表 7-11；表 7-10擬合指數(shù)卡方值 自由度 cfi常用擬合指數(shù)運(yùn)算結(jié)果nfiifirmseaaicbccevci結(jié)果510.11440.9360.9140.9370.080602.100606.9421.505從表 7-9 和表 7-10 可以看出，卡方值減小了許多，并且各擬合指數(shù)也都得到了改善，但與抱負(fù)的擬合指數(shù)值仍有差距；表 7-115% 水平

45、下不顯著的估量參數(shù)estimates.e.c.r.plabel顧客中意<-質(zhì)量期望-.054.035-1.540.124par_22顧客忠誠(chéng)<-超市形象.164.1001.632.103par_21圖 7-22修正的模型三除上面表 7-11 中的兩個(gè)路徑系數(shù)在0.05 的水平下不顯著外，該模型其它各個(gè)參數(shù)在0.01 水平下都是顯著的，第一考慮去除表 7-12p 值較大的路徑，即質(zhì)量期望到顧客中意的路徑；重新估量模型，結(jié)果如表5% 水平下不顯著的估量參數(shù)7-12；estimates.e.c.r.plabel顧客忠誠(chéng)<-超市形象.166.1011.652.099par_21從表

46、7-12 可以看出，超市形象對(duì)顧客忠誠(chéng)路徑系數(shù)估量的p 值為 0.099，仍大于 0.05；并且從實(shí)際考慮，在學(xué)校內(nèi)部，同學(xué)一般不會(huì)依據(jù)超市之間在形象上的差別而挑選堅(jiān)持去同一個(gè)品牌的超市，更多的可能是通過超市形象影響超市中意等因素進(jìn)而影響到顧客忠誠(chéng)因素；考慮刪除這兩個(gè)路徑的模型如圖7-23；依據(jù)上面提出的如圖 7-23 所示的模型，在amos 中運(yùn)用極大似然估量運(yùn)行的部分結(jié)果如表7-13；表 7-13常用擬合指數(shù)運(yùn)算結(jié)果擬合指數(shù)卡方值 自由度 cfinfiifirmseaaicbccevci結(jié)果515.1 1460.9360.9130.9360.080603.117607.7491.508從表

47、 7-10 和表 7-13 可以看出，卡方值幾乎沒變，并且各擬合指數(shù)幾乎沒有轉(zhuǎn)變，但模型便簡(jiǎn)潔了，做此轉(zhuǎn)變是值得的； 該模型的各個(gè)參數(shù)在0.01 的水平下都是顯著的， 另外質(zhì)量感知對(duì)應(yīng)的測(cè)量指標(biāo)a11（關(guān)于營(yíng)業(yè)時(shí)間支配合理程度的打分）對(duì)應(yīng)方程的測(cè)定系數(shù)為0.278，比較小，從實(shí)際考慮，由于人大校內(nèi)東區(qū) 物美超市的營(yíng)業(yè)時(shí)間從很長(zhǎng)，幾乎是全天候營(yíng)業(yè)在顧客心中，可能該指標(biāo)能用質(zhì)量感知說明的可能性不大， 考慮刪除該測(cè)量指標(biāo)；修改后的模型如圖7-24；依據(jù)上面提出的如圖 7-24 所示的模型，在amos 中運(yùn)用極大似然估量運(yùn)行的部分結(jié)果如表7-14；表 7-14常用擬合指數(shù)運(yùn)算結(jié)果擬合指數(shù)卡方值 自由度 cfinfiifirmseaaicbccevci結(jié)果401.3 1290.9510.9300.9510.073485.291489.4801.213從表 7-13 和表 7-14 可以看出