AMOS結構方程模型修正ppt課件

1、主講：構造方程模型修正構造方程模型修正Structural Equation Modeling12模型擬合指數(shù)和系數(shù)顯著性檢驗固然重要，但對于數(shù)據(jù)分析更重要的是模型結論一定要具有實模型擬合指數(shù)和系數(shù)顯著性檢驗固然重要，但對于數(shù)據(jù)分析更重要的是模型結論一定要具有實際根據(jù)，換言之，模型結果要可以被相關領域知識所解釋。因此，在進展模型修正時主要思索際根據(jù)，換言之，模型結果要可以被相關領域知識所解釋。因此，在進展模型修正時主要思索修正后的模型結果能否具有現(xiàn)實意義或實際價值，當模型效果很差時可以參考模型修正目的對修正后的模型結果能否具有現(xiàn)實意義或實際價值，當模型效果很差時可以參考模型修正目的對模型進展調

2、整。模型進展調整。當模型效果很差時，研討者可以根據(jù)初始模型的參數(shù)顯著性結果和當模型效果很差時，研討者可以根據(jù)初始模型的參數(shù)顯著性結果和Amos提供的模型修正目的提供的模型修正目的進展模型擴展進展模型擴展Model Building或模型限制或模型限制Model Trimming。模型擴展是指經(jīng)過釋放。模型擴展是指經(jīng)過釋放部分限制途徑或添加新途徑，使模型構造更加合理，通常在提高模型擬合程度時運用；模型限部分限制途徑或添加新途徑，使模型構造更加合理，通常在提高模型擬合程度時運用；模型限制是指經(jīng)過刪除或限制部分途徑，使模型構造更加簡約，通常在提高模型可識別性時運用。制是指經(jīng)過刪除或限制部分途徑，使模

3、型構造更加簡約，通常在提高模型可識別性時運用。Amos提供了兩種模型修正目的，其中修正指數(shù)提供了兩種模型修正目的，其中修正指數(shù)Modification Index用于模型擴展，臨界用于模型擴展，臨界比率比率Critical Ratio用于模型限制。用于模型限制。一、修正思緒一、修正思緒3修正指數(shù)修正指數(shù)Modification Index 修正指數(shù)用于模型擴展，是指對于模型中某個受限制的參修正指數(shù)用于模型擴展，是指對于模型中某個受限制的參數(shù)，假設允許自在估計譬如在模型中添加某條途徑，整數(shù)，假設允許自在估計譬如在模型中添加某條途徑，整個模型改良時將會減少的最小卡方值。個模型改良時將會減少的最小卡

4、方值。 運用修正指數(shù)修正模型時，原那么上每次只修正一個參數(shù)，運用修正指數(shù)修正模型時，原那么上每次只修正一個參數(shù)，從最大值開場估算。但在實踐中，也要思索讓該參數(shù)自在估從最大值開場估算。但在實踐中，也要思索讓該參數(shù)自在估計能否有實際根據(jù)。計能否有實際根據(jù)。 假設要運用修正指數(shù)，需求在假設要運用修正指數(shù)，需求在Analysis Properties中的中的Output項選擇項選擇Modification Indices項如圖項如圖-1。其后面的。其后面的Threshold for Modification Indices指的是輸出的開場值。指的是輸出的開場值。二、修正目的二、修正目的圖圖-1 -1

5、修正指數(shù)計算修正指數(shù)計算42. 臨界比率臨界比率Critical Ratio 臨界比率用于模型限制，是計算模型中的每一對待估臨界比率用于模型限制，是計算模型中的每一對待估參數(shù)途徑系數(shù)或載荷系數(shù)之差，并除以相應參數(shù)參數(shù)途徑系數(shù)或載荷系數(shù)之差，并除以相應參數(shù)之差的規(guī)范差所構造出的統(tǒng)計量。在模型假設下，之差的規(guī)范差所構造出的統(tǒng)計量。在模型假設下，CR統(tǒng)計量服從正態(tài)分布，所以可以根據(jù)統(tǒng)計量服從正態(tài)分布，所以可以根據(jù)CR值判別兩值判別兩個待估參數(shù)間能否存在顯著性差別。假設兩個待估參個待估參數(shù)間能否存在顯著性差別。假設兩個待估參數(shù)間不存在顯著性差別，那么可以限定模型在估計時數(shù)間不存在顯著性差別，那么可以限

6、定模型在估計時對這兩個參數(shù)賦以一樣的值。對這兩個參數(shù)賦以一樣的值。 假設要運用臨界比率，需求在假設要運用臨界比率，需求在Analysis Properties中中的的Output項選擇項選擇Critical Ratio for Difference項如項如圖圖-2。二、修正目的二、修正目的圖圖-2 -2 臨界比率計算臨界比率計算5構造方程模型分析過程可以分為模型構建、模型運算、模型修正以及模型解釋四個步驟。構造方程模型分析過程可以分為模型構建、模型運算、模型修正以及模型解釋四個步驟。下面以一個研討實例作為闡明，運用下面以一個研討實例作為闡明，運用Amos7軟件進展計算，重點論述在實踐運用中構造

7、軟件進展計算，重點論述在實踐運用中構造方程模型的修正過程。方程模型的修正過程。 三、案例簡要三、案例簡要61.模型構建的思緒模型構建的思緒 本案例在著名的美國顧客稱心度指數(shù)模型本案例在著名的美國顧客稱心度指數(shù)模型(ASCI)的根底上，提出了一個新的模型，并以此的根底上，提出了一個新的模型，并以此構建潛變量并建立模型構造。根據(jù)構建的實際模型，經(jīng)過設計問卷對某超市顧客購物效構建潛變量并建立模型構造。根據(jù)構建的實際模型，經(jīng)過設計問卷對某超市顧客購物效能稱心度調查得到實踐數(shù)據(jù)，然后利用對缺失值進展處置后的數(shù)據(jù)進展分析，并對文中能稱心度調查得到實踐數(shù)據(jù)，然后利用對缺失值進展處置后的數(shù)據(jù)進展分析，并對文中

8、提出的模型進展擬合、修正和解釋。過程。提出的模型進展擬合、修正和解釋。過程。 2.潛變量和可測變量的設定潛變量和可測變量的設定 本文在承襲本文在承襲ASCI模型中心概念的根底上，對模型作了一些改良，在模型中添加超市籠統(tǒng)。模型中心概念的根底上，對模型作了一些改良，在模型中添加超市籠統(tǒng)。它包括顧客對超市總體籠統(tǒng)及與其他超市相比的知名度。它與顧客期望，感知價錢和顧它包括顧客對超市總體籠統(tǒng)及與其他超市相比的知名度。它與顧客期望，感知價錢和顧客稱心有關，設計的模型見表客稱心有關，設計的模型見表-1。 模型中共包含七個要素模型中共包含七個要素(潛變量潛變量)：超市籠統(tǒng)、質量期望、質量感知、感知價值、顧客稱

9、心、：超市籠統(tǒng)、質量期望、質量感知、感知價值、顧客稱心、顧客埋怨、顧客忠實，其中前四個要素是前提變量，后三個要素是結果變量，前提變量顧客埋怨、顧客忠實，其中前四個要素是前提變量，后三個要素是結果變量，前提變量綜合決議并影響著結果變量。綜合決議并影響著結果變量。三、案例簡要三、案例簡要7.三、案例簡要三、案例簡要超市籠統(tǒng)質量期望質量感知感知價值顧客稱心顧客埋怨顧客忠實設計的結構路徑圖基本路徑假設超市形象對質量期望有路徑影響質量期望對質量感知有路徑影響質量感知對感知價格有路徑影響質量期望對感知價格有路徑影響感知價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

10、對顧客忠誠有路徑影響表表-1設計的構造途徑圖和根本設計的構造途徑圖和根本途徑假設途徑假設 82.1.顧客稱心模型中各要素的詳細范疇顧客稱心模型中各要素的詳細范疇參考前面模型的總體構建情況、國外研討實際和其他行業(yè)實證結論，以及小范圍甄別調查的結參考前面模型的總體構建情況、國外研討實際和其他行業(yè)實證結論，以及小范圍甄別調查的結果，模型中各要素需求觀測的詳細范疇，見表果，模型中各要素需求觀測的詳細范疇，見表-2。三、案例簡要三、案例簡要9.潛變量潛變量內涵可測變量超市形超市形象象根據(jù)MARTENSEN在固定電話、移動電話、超市等行業(yè)中的調查研究，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

11、素列為影響因素，可以從以下幾個方面進行觀測。某超市總體形象的評價(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)質量期質量期望望質量期望是指顧客在使用某超市產(chǎn)品前對其的期望水平。顧客的質量期望會影響顧客價值，而且質量期望還會顧客感知造成影響.還有學者指出，對于顧客期望要素，至少可以從整體感覺、個性化服務、可靠性三個方面來觀測。結合上述因素，可以從幾個方面衡量對某超市的質量期望。購物前，對某超市整體服務的期望(a4)購物前，期望某超市商品的新鮮程度達到的水平(a5)購物前，期望某超市營業(yè)時間安排合理程度(a6)購物前，期望某超市員工服務態(tài)度達到的水平(a7)購物前，期望某超

12、市結賬速度達到的水平(a8)質質量量感感知知質量感知和質量期望相對應，質量期望考慮的是在購買商品前的期望，質量感知是在購買商品后的實際感受?？梢詮膸讉€方面衡量。購物后，對某超市整體服務的滿意程度(a9)購物后，認為某超市商品的新鮮程度達到的水平(a10)購物后，認為超市營業(yè)時間安排合理程度(a11)購物后，認為某超市員工服務態(tài)度達到的水平(a12)購物后，認為某超市結賬速度達到的水平(a13)表-2模型變量對應表10 問卷調研的對象為居住在某大學校內的各類學生包括全日制本科生、全日制碩士和博士問卷調研的對象為居住在某大學校內的各類學生包括全日制本科生、全日制碩士和博士研討生，并且近一個月內在校

13、內某超市有購物體驗的學生。調查采用隨機攔訪的方式，研討生，并且近一個月內在校內某超市有購物體驗的學生。調查采用隨機攔訪的方式，并且為防止樣本的同質性和反復填寫，按照性別和被訪者經(jīng)常光臨的超市進展控制。問并且為防止樣本的同質性和反復填寫，按照性別和被訪者經(jīng)常光臨的超市進展控制。問卷內容包括卷內容包括7個潛變量因子，個潛變量因子，24項可測目的，項可測目的，7個人口變量，量表采用了個人口變量，量表采用了Likert10級量度，級量度，如對超市籠統(tǒng)的丈量：如對超市籠統(tǒng)的丈量： 三、案例簡要三、案例簡要一、一、 超市形象超市形象1代表代表“非常差勁非常差勁”，10代表代表“非常好非常好”1您對某超市總

14、體形象的評價1 2 3 4 5 6 7 8 9 102您認為與其它校內超市相比，某超市的形象如何1 2 3 4 5 6 7 8 9 103您認為與其它校內超市相比，某超市品牌知名度如何1 2 3 4 5 6 7 8 9 10注：調查共發(fā)放問卷注：調查共發(fā)放問卷500份，收回有效樣本份，收回有效樣本436份。份。11三、案例簡要三、案例簡要圖圖-3 信度分析的選擇信度分析的選擇圖圖-4 信度分析變量及方法的選信度分析變量及方法的選擇擇12三、案例簡要三、案例簡要Reliability StatisticsCronbachsAlphaNofItems.89224表表-3 信度分析結果信度分析結果潛

15、變量可測變量個數(shù)Cronbachs Alpha超市形象30.858質量期望50.889質量感知50.862感知價格20.929顧客滿意30.948顧客抱怨30.255顧客忠誠30.738表表-4 潛變量的信度檢驗潛變量的信度檢驗 13三、案例簡要三、案例簡要超市形象質量期望質量感知a1e111a2e21a3e31a5e511a4e41a6e61a7e71a8e81a10e1011a9e91a11e111a12e121a13e131顧客滿意感知價格a18e1811a16e161a17e171a15e1511a14顧客忠誠a24e24a22e22a23e231111z21z41z51z31z11e

16、141圖圖-5 初始模型構造初始模型構造圖圖-6 Amos Graphics初始界面圖初始界面圖14三、案例簡要三、案例簡要圖圖-7 建模區(qū)域的版式調整建模區(qū)域的版式調整圖圖-8 建立潛變量建立潛變量15三、案例簡要三、案例簡要圖圖-9 潛變量命名潛變量命名圖圖-10 命名后的潛變量命名后的潛變量16三、案例簡要三、案例簡要圖圖- 11 設定潛變量關系設定潛變量關系圖圖-12 設定可測變量及殘差變量設定可測變量及殘差變量17三、案例簡要三、案例簡要圖圖-13 可測變量指定與命名可測變量指定與命名圖圖-14 初始模型設置完成初始模型設置完成18三、案例簡要三、案例簡要圖圖-15 數(shù)據(jù)配置數(shù)據(jù)配置

17、圖圖-16 數(shù)據(jù)讀入數(shù)據(jù)讀入19三、案例簡要三、案例簡要圖圖-17 參數(shù)估計選擇參數(shù)估計選擇圖圖-18 規(guī)范化系數(shù)計算規(guī)范化系數(shù)計算20三、案例簡要三、案例簡要圖圖-19 模型運算完成圖模型運算完成圖圖圖-20 參數(shù)估計結果圖參數(shù)估計結果圖21未標準化路徑系數(shù)估計S.E.C.R.PLabel標準化路徑系數(shù)估計質量期望-超市形象0.3010.0456.68*par_160.358質量感知-質量期望0.4340.0577.633*par_170.434感知價格-質量期望0.3290.0893.722*par_180.244感知價格-質量感知-0.1210.082-1.4670.142par_19-

18、0.089感知價格-超市形象-0.0050.065-0.070.944par_20-0.004顧客滿意-超市形象0.9120.04321.389*par_210.878顧客滿意-感知價格-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0.50.14.988*par_240.569a1-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-質量期望10.79a4-質量期望0.7

19、90.06112.852*par_30.626a6-質量期望0.8910.05316.906*par_40.786a7-質量期望1.1590.05919.628*par_50.891a8-質量期望1.0240.05817.713*par_60.816a10-質量感知10.768a9-質量感知1.160.06517.911*par_70.882a11-質量感知0.7580.06811.075*par_80.563a12-質量感知1.1010.06915.973*par_90.784a13-質量感知0.9830.06714.777*par_100.732a18-顧客滿意10.886a17-顧客滿意

20、1.0390.03430.171*par_110.939a15-感知價格10.963a14-感知價格0.9720.1277.67*par_120.904a16-顧客滿意1.0090.03331.024*par_130.95a24-顧客忠誠10.682a23-顧客忠誠1.2080.09213.079*par_140.846表表-5 系數(shù)估計結果系數(shù)估計結果22方差估計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_28z40.89

21、40.1078.352*par_29z51.3730.2146.404*par_30e10.5840.0797.363*par_31e20.8610.0939.288*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*par_39e90.9760.1227.976*par_40e113.1380.23

22、513.343*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_50e140.9810.5621.7450.081par_51表表-6 方差估計方差估計23三、案例簡要三、案例簡要

23、指數(shù)名稱指數(shù)名稱評價標準評價標準1絕對擬合指數(shù)(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RMSEA小于0.05，越小越好相對擬合指數(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越好信息指數(shù)AIC越小越好CAIC越小越好1表格中給出的是該擬合指數(shù)的最優(yōu)規(guī)范，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。因此在實踐研討中，可根據(jù)詳細情況分析。表表-7 擬合指數(shù)擬合指數(shù)24對本章所研討案例，初始模型運算結果如表對本章

24、所研討案例，初始模型運算結果如表-8，各項擬合指數(shù)尚可。但從模型參數(shù)的顯著性檢，各項擬合指數(shù)尚可。但從模型參數(shù)的顯著性檢驗如表驗如表-9中可發(fā)現(xiàn)可以看出，無論是關于感知價錢的丈量方程部分還是關于構造方程部分中可發(fā)現(xiàn)可以看出，無論是關于感知價錢的丈量方程部分還是關于構造方程部分除與質量期望的途徑外，系數(shù)都是不顯著的。關于感知價錢的構造方程部分的平方復相關除與質量期望的途徑外，系數(shù)都是不顯著的。關于感知價錢的構造方程部分的平方復相關系數(shù)為系數(shù)為0.048，非常小。，非常小。 四、案例修正四、案例修正表-8常用擬合指數(shù)計算結果擬合指數(shù)擬合指數(shù)卡方值卡方值(自由度自由度)CFINFIIFIRMSEAA

25、ICBCCEVCI結果結果1031.4 (180)0.8660.8420.8660.1091133.4411139.3782.83425四、案例修正四、案例修正表-9系數(shù)估計結果未標準化路徑未標準化路徑系數(shù)估計系數(shù)估計S.E.C.R.PLabel標準化路徑系標準化路徑系數(shù)估計數(shù)估計質量期望- 超市形象0.3010.0456.68*par_160.358質量感知-質量期望0.4340.0577.633*par_170.434感知價格-質量期望0.3290.0893.722*par_180.244感知價格-質量感知-0.1210.082-1.4670.142par_19-0.089感知價格-超市形

26、象-0.0050.065-0.070.944par_20-0.004顧客滿意-超市形象0.9120.04321.389*par_210.878注:“*表示0.01程度上顯著，括號中是相應的C.R值，即t值。26另外，從實踐的角度思索，另外，從實踐的角度思索，經(jīng)過本身的感受，某超市經(jīng)過本身的感受，某超市商品價錢同校內外其它主商品價錢同校內外其它主要超市的商品價錢的差別要超市的商品價錢的差別不明顯，因此，首先思索不明顯，因此，首先思索將該因子在本文構造方程將該因子在本文構造方程模型中去除，并且添加質模型中去除，并且添加質量期望和質量感知到顧客量期望和質量感知到顧客稱心的途徑。超市籠統(tǒng)對稱心的途徑。

27、超市籠統(tǒng)對顧客忠實途徑先保管。修顧客忠實途徑先保管。修正的模型如圖正的模型如圖-21。四、案例修正四、案例修正圖-21修正的模型二27根據(jù)上面提出的圖根據(jù)上面提出的圖-21提出的所示的模型，在提出的所示的模型，在Amos中運用極大似然估計運轉的部分結果如表中運用極大似然估計運轉的部分結果如表-10。四、案例修正四、案例修正表表-10 常用擬合指數(shù)計算結果常用擬合指數(shù)計算結果擬合指數(shù)擬合指數(shù)卡方值卡方值(自由度自由度)CFINFIIFIRMSEAAICBCCEVCI結果結果819.5 (145)0.8830.8620.8840.108909.541914.2782.27428從表從表-11和表和

28、表-12可以看出，卡方值減小了很多，并且各擬合指數(shù)也都得到了改善，但與理想的可以看出，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)在擬合指數(shù)值仍有差距。該模型的各個參數(shù)在0.05的程度下都是顯著的，并且從實踐思索，各因的程度下都是顯著的，并且從實踐思索，各因子的各個途徑也是合理存在的。子的各個途徑也是合理存在的。四、案例修正四、案例修正擬合指擬合指數(shù)數(shù)卡方值卡方值(自自由度由度)CFINFIIFIRMSEAAICBCCEVCI結果結果1031.4 (180)0.8660.8420.8660.1091133.4411139.3782.834擬合指

29、擬合指數(shù)數(shù)卡方值卡方值(自自由度由度)CFINFIIFIRMSEAAICBCCEVCI結果結果819.5 (145)0.8830.8620.8840.108909.541914.2782.274表-11常用擬合指數(shù)計算結果表-12常用擬合指數(shù)計算結果29下面思索經(jīng)過修正指數(shù)對模型修正，經(jīng)過點擊工具欄中的來查看模型輸出詳細結果中的下面思索經(jīng)過修正指數(shù)對模型修正，經(jīng)過點擊工具欄中的來查看模型輸出詳細結果中的Modification Indices項可以查看模型的修正指數(shù)項可以查看模型的修正指數(shù)Modification Index結果，雙箭頭結果，雙箭頭“部分是殘差變量間的協(xié)方差修正指數(shù)，表示假設在

30、兩個可測變量的殘差變量間部分是殘差變量間的協(xié)方差修正指數(shù)，表示假設在兩個可測變量的殘差變量間添加一條相關途徑至少會減少的模型的卡方值；單箭頭添加一條相關途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部分是變量間的回歸權重修正指數(shù)，表示假設在兩個變量間添加一條因果途徑至少會減少的模型的卡方值。比如，重修正指數(shù)，表示假設在兩個變量間添加一條因果途徑至少會減少的模型的卡方值。比如，超市籠統(tǒng)到質量感知的超市籠統(tǒng)到質量感知的MI值為值為179.649，闡明假設添加超市籠統(tǒng)到質量感知的途徑，那么模，闡明假設添加超市籠統(tǒng)到質量感知的途徑，那么模型的卡方值會大大減小。從實踐思索，超市籠統(tǒng)確實會影

31、響到質量感知，想象，一個具有型的卡方值會大大減小。從實踐思索，超市籠統(tǒng)確實會影響到質量感知，想象，一個具有良好品牌籠統(tǒng)的超市，人們難免會對感到它的商質量量較好；反之，那么相反。因此思索良好品牌籠統(tǒng)的超市，人們難免會對感到它的商質量量較好；反之，那么相反。因此思索添加從超市籠統(tǒng)到質量感知的途徑的模型如圖添加從超市籠統(tǒng)到質量感知的途徑的模型如圖-22。 四、案例修正四、案例修正30圖圖-22 修正的模型三修正的模型三四、案例修正四、案例修正31根據(jù)上面提出的圖根據(jù)上面提出的圖-22所示的模型，在所示的模型，在Amos中運用極大似然估計運轉的部分結果如表中運用極大似然估計運轉的部分結果如表-13、表

32、表-14。四、案例修正四、案例修正擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCCEVCI結果510.1(144)0.9360.9140.9370.080602.100606.9421.505表表-13 常用擬合指數(shù)計算結果常用擬合指數(shù)計算結果 表表-14 5%程度下不顯著的估計參數(shù)程度下不顯著的估計參數(shù) 從表從表-12和表和表-13可以看出，卡方值減小了很多，并且各擬合指數(shù)也都得到了改善，但與理想可以看出，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。的擬合指數(shù)值仍有差距。EstimateS.E.C.R.PLabel顧客滿意-質量期望-.054

33、.035-1.540.124par_22顧客忠誠-超市形象.164.1001.632.103par_2132除上面表除上面表-14中的兩個途徑系數(shù)在中的兩個途徑系數(shù)在0.05的程度下不顯著外，該模型其它各個參數(shù)在的程度下不顯著外，該模型其它各個參數(shù)在0.01程度程度下都是顯著的，首先思索去除下都是顯著的，首先思索去除p值較大的途徑，即質量期望到顧客稱心的途徑。重新估計模值較大的途徑，即質量期望到顧客稱心的途徑。重新估計模型，結果如表型，結果如表-15。四、案例修正四、案例修正表-155%程度下不顯著的估計參數(shù)EstimateS.E.C.R.PLabel顧客忠誠-超市形象.166.1011.65

34、2.099par_21從表從表-15可以看出，超市籠統(tǒng)對顧客忠實途徑系數(shù)估計的可以看出，超市籠統(tǒng)對顧客忠實途徑系數(shù)估計的p值為值為0.099，仍大于，仍大于0.05。并且從實踐。并且從實踐思索，在學校內部，學生普通不會根據(jù)超市之間在籠統(tǒng)上的差別而選擇堅持去同一個品牌的超市，思索，在學校內部，學生普通不會根據(jù)超市之間在籠統(tǒng)上的差別而選擇堅持去同一個品牌的超市，更多的可以是經(jīng)過超市籠統(tǒng)影響超市稱心等要素進而影響到顧客忠實要素。思索刪除這兩個途徑更多的可以是經(jīng)過超市籠統(tǒng)影響超市稱心等要素進而影響到顧客忠實要素。思索刪除這兩個途徑的模型如圖的模型如圖-23。33根據(jù)上面提出的如圖根據(jù)上面提出的如圖-2

35、3所示的模型，在所示的模型，在AMOS中運用極大似然估計運轉的部分結果如表中運用極大似然估計運轉的部分結果如表-16。四、案例修正四、案例修正擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCCEVCI結果515.1 (146)0.9360.9130.9360.080603.117607.7491.508表-16常用擬合指數(shù)計算結果圖圖-23 修正的模型四修正的模型四34從表從表-13和表和表-16可以看出，卡方值幾乎沒變，并可以看出，卡方值幾乎沒變，并且各擬合指數(shù)幾乎沒有改動，但模型便簡單了，且各擬合指數(shù)幾乎沒有改動，但模型便簡單了，做此改動是值得的。該模型的各個參數(shù)在做此改動是

36、值得的。該模型的各個參數(shù)在0.01的的程度下都是顯著的，另外質量感知對應的丈量目程度下都是顯著的，另外質量感知對應的丈量目的的a11關于營業(yè)時間安排合理程度的打分對關于營業(yè)時間安排合理程度的打分對應方程的測定系數(shù)為應方程的測定系數(shù)為0.278，比較小，從實踐思，比較小，從實踐思索，由于人大校內東區(qū)物美超市的營業(yè)時間從很索，由于人大校內東區(qū)物美超市的營業(yè)時間從很長，幾乎是全天候營業(yè)在顧客心中，可以該目的長，幾乎是全天候營業(yè)在顧客心中，可以該目的能用質量感知解釋的可以性不大，思索刪除該丈能用質量感知解釋的可以性不大，思索刪除該丈量目的。修正后的模型如圖量目的。修正后的模型如圖-24。四、案例修正四

37、、案例修正圖圖-24 修正的模型五修正的模型五35根據(jù)上面提出的如圖根據(jù)上面提出的如圖-24所示的模型，在所示的模型，在Amos中運用極大似然估計運轉的部分結果如表中運用極大似然估計運轉的部分結果如表-17。四、案例修正四、案例修正擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCCEVCI結果401.3 (129)0.9510.9300.9510.073485.291489.4801.213從表從表-16和表和表-17可以看出，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。該模可以看出，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)在型的各個參數(shù)在0.

38、01的程度下都依然是顯著的，各方程的對應的測定系數(shù)增大了。的程度下都依然是顯著的，各方程的對應的測定系數(shù)增大了。表-17常用擬合指數(shù)計算結果36下面思索經(jīng)過修正指數(shù)對模型修正，下面思索經(jīng)過修正指數(shù)對模型修正，e12與與e13的的MI值最大，為值最大，為26.932，闡明假設添加，闡明假設添加a12與與a13之間的殘差相關的途徑，那么模型的卡方值會減小較多。從實踐思索，員工對之間的殘差相關的途徑，那么模型的卡方值會減小較多。從實踐思索，員工對顧客的態(tài)度與員工給顧客結帳的速度，實踐上也確實存在相關，想象，對顧客而言，超顧客的態(tài)度與員工給顧客結帳的速度，實踐上也確實存在相關，想象，對顧客而言，超市員

39、工結帳速度很慢本來就是一種對顧客態(tài)度不好的方面；反之，那么相反。因此思索市員工結帳速度很慢本來就是一種對顧客態(tài)度不好的方面；反之，那么相反。因此思索添加添加e12與與e13的相關性途徑。這里的分析不思索潛變量因子可測目的的更改，理由是的相關性途徑。這里的分析不思索潛變量因子可測目的的更改，理由是我們在設計問卷的標題的信度很好，而且標題本身的設計也不允許這樣做，以下同。我們在設計問卷的標題的信度很好，而且標題本身的設計也不允許這樣做，以下同。重新估計模型，重新尋覓重新估計模型，重新尋覓MI值較大的，值較大的，e7與與e8的的MI值較大，為值較大，為26.230，雖然，雖然e3與與e6的的MI值等

40、于值等于26.746，但它們不屬于同一個潛變量因子，因此不能思索添加相關性途徑，但它們不屬于同一個潛變量因子，因此不能思索添加相關性途徑，以下同闡明假設添加以下同闡明假設添加a7與與a8之間的殘差相關的途徑，那么模型的卡方值會減小較多。之間的殘差相關的途徑，那么模型的卡方值會減小較多。這也是員工對顧客的態(tài)度與員工給顧客結帳的速度之間存在相關，因此思索添加這也是員工對顧客的態(tài)度與員工給顧客結帳的速度之間存在相關，因此思索添加e7與與e8的相關性途徑。的相關性途徑。四、案例修正四、案例修正37重新估計模型，重新尋覓重新估計模型，重新尋覓MI值較大的，值較大的，e17與與e18的的MI值較大，為值較

41、大，為13.991，闡明假設添加，闡明假設添加a17與與a18之間的殘差相關的途徑，那么模型的卡方值會減小較多。實踐上消費前的稱心之間的殘差相關的途徑，那么模型的卡方值會減小較多。實踐上消費前的稱心度和與心中理想超市比較的稱心度之間顯然存在相關，因此思索添加度和與心中理想超市比較的稱心度之間顯然存在相關，因此思索添加e17與與e18的相關性的相關性途徑。途徑。重新估計模型，重新尋覓重新估計模型，重新尋覓MI值較大的，值較大的，e2與與e3的的MI值較大，為值較大，為11.088，闡明假設添加，闡明假設添加a2與與a3之間的殘差相關的途徑，那么模型的卡方值會減小較多。實踐上超市籠統(tǒng)和超市品之間的

42、殘差相關的途徑，那么模型的卡方值會減小較多。實踐上超市籠統(tǒng)和超市品牌知名度之間顯然存在相關，因此思索添加牌知名度之間顯然存在相關，因此思索添加e2與與e3的相關性途徑。的相關性途徑。四、案例修正四、案例修正38重新估計模型，重新尋覓重新估計模型，重新尋覓MI值較大值較大的，的，e10與與e12的的MI值較大，為值較大，為5.222，闡明假設添加，闡明假設添加a10與與a12之之間的殘差相關的途徑，那么模型的間的殘差相關的途徑，那么模型的卡方值會減小較多。但實踐上超市卡方值會減小較多。但實踐上超市的食品保險的食品保險&日用品豐富性與員工日用品豐富性與員工態(tài)度之間顯然不存在相關，因此不態(tài)度

43、之間顯然不存在相關，因此不思索添加思索添加e10與與e12的相關性途徑。的相關性途徑。另外另外,從剩下的變量之間從剩下的變量之間MI值沒有值沒有可以做處置的變量對了，因此思索可以做處置的變量對了，因此思索MI值修正后的模型如圖值修正后的模型如圖-25。四、案例修正四、案例修正圖圖7-25 修正的模型五修正的模型五39根據(jù)上面提出的如圖根據(jù)上面提出的如圖-25所示的模型，在所示的模型，在Amos中運用極大似然估計運轉的部分結果如表中運用極大似然估計運轉的部分結果如表-18。四、案例修正四、案例修正擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCCEVCI結果281.9 (125)0

44、.9720.9510.9720.056373.877378.4650.935表-18常用擬合指數(shù)計算結果從表從表-17和表和表-18可以看出，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?？梢钥闯?，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)在該模型的各個參數(shù)在0.01的程度下都依然是顯著的，各方程的對應的測定系數(shù)增大了。的程度下都依然是顯著的，各方程的對應的測定系數(shù)增大了。 40下面思索根據(jù)下面思索根據(jù)Pairwise Parameter Comparisons來判別對待估計參數(shù)的設定，即判別來判別對待估計參數(shù)的設定，即判別哪些構造方程之間的系數(shù)沒有顯著差別，哪

45、些丈量方程的系數(shù)之間沒有顯著差別，哪些哪些構造方程之間的系數(shù)沒有顯著差別，哪些丈量方程的系數(shù)之間沒有顯著差別，哪些構造方程的隨機項的方差之間沒有顯著差別，哪些丈量方程的隨機項的方差之間的之間構造方程的隨機項的方差之間沒有顯著差別，哪些丈量方程的隨機項的方差之間的之間沒有顯著差別，對沒有顯著差別的相應參數(shù)估計設定為相等沒有顯著差別，對沒有顯著差別的相應參數(shù)估計設定為相等,直到最后一切相應的直到最后一切相應的critical ratio都大于都大于2為止。經(jīng)過點擊工具欄中的來查看模型輸出詳細結果中的為止。經(jīng)過點擊工具欄中的來查看模型輸出詳細結果中的Pairwise Parameter Compar

46、ison項可以查看臨界比率項可以查看臨界比率Critical Ratio結果，其中結果，其中par_1到到par_46代表模型中代表模型中46個待估參數(shù)，其含義在模型參數(shù)估計結果表如表個待估參數(shù)，其含義在模型參數(shù)估計結果表如表-8，-10中標中標識。根據(jù)識。根據(jù)CR值的大小，可以判別兩個模型參數(shù)的數(shù)值間能否存在顯著性差別。假設經(jīng)檢值的大小，可以判別兩個模型參數(shù)的數(shù)值間能否存在顯著性差別。假設經(jīng)檢驗發(fā)現(xiàn)參數(shù)值間不存在顯著性差別，那么可以思索模型估計時限定兩個參數(shù)相等。驗發(fā)現(xiàn)參數(shù)值間不存在顯著性差別，那么可以思索模型估計時限定兩個參數(shù)相等。 四、案例修正四、案例修正41假設是某兩個參數(shù)沒有顯著差別

47、，并且根據(jù)閱歷也是如此，那么可在相應的以為相等的參數(shù)假設是某兩個參數(shù)沒有顯著差別，并且根據(jù)閱歷也是如此，那么可在相應的以為相等的參數(shù)對應的途徑或殘差變量上點擊右鍵選擇對應的途徑或殘差變量上點擊右鍵選擇Object Properties，然后出現(xiàn)如圖，然后出現(xiàn)如圖-11的選項卡，選的選項卡，選擇擇parameters項，如圖項，如圖-26，圖，圖-27，圖，圖-28。 四、案例修正四、案例修正圖圖-26 對應因果途徑對應因果途徑圖圖-27 對應殘差變量對應殘差變量圖圖-28 對應相關系數(shù)途徑對應相關系數(shù)途徑42然后在然后在Regression weight, variance, covarian

48、e輸入一樣的英文稱號即可。比如從圖輸入一樣的英文稱號即可。比如從圖-25修正的模型六輸出的臨界比率結果中發(fā)現(xiàn)絕對值最小的是修正的模型六輸出的臨界比率結果中發(fā)現(xiàn)絕對值最小的是par_44和和par_45對應的對應的-0.021，遠遠小于，遠遠小于95%置信程度下的臨界值，闡明兩個方差間不存在顯著差別。對應的是置信程度下的臨界值，闡明兩個方差間不存在顯著差別。對應的是e22和和e24的方差估計，從實踐思索，也可以以為它們的方差相差，那么殘差變量的方差估計，從實踐思索，也可以以為它們的方差相差，那么殘差變量e22和和e24上點擊右鍵選擇上點擊右鍵選擇Object Properties，出現(xiàn)如圖，出現(xiàn)

49、如圖-29的選項卡，然后在的選項卡，然后在Object Properties選項卡下面的選項卡下面的variance中都輸入中都輸入“v2，最后關掉窗口即可設置，最后關掉窗口即可設置e22和和e24的方的方差相等。經(jīng)過反復比較得到的構造方程模型如圖差相等。經(jīng)過反復比較得到的構造方程模型如圖-30。四、案例修正四、案例修正43四、案例修正四、案例修正圖圖-29 設置設置e22和和e24的方差的方差相等相等圖圖-30 修正的模型七修正的模型七44根據(jù)上面提出的如圖根據(jù)上面提出的如圖-30所示的模型，在所示的模型，在Amos中運用極大似然估計運轉的部分結果如表中運用極大似然估計運轉的部分結果如表-19。四、案例修正四、案例修正擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCCEVCI結果295.9 (146)0.9730.9480.9730.051