AMOS結(jié)構(gòu)方程模型修正經(jīng)典案例

1、AMOS結(jié)構(gòu)方程模型修正經(jīng)典案例第一節(jié)模型設(shè)定結(jié)構(gòu)方程模型分析過(guò)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(gè)步驟。下面以一個(gè)研究實(shí)例作為說(shuō)明，使用Amos7軟件1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(guò)程。一、模型構(gòu)建的思路本案例在著名的美國(guó)顧客滿意度指數(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)。根據(jù)構(gòu)建的理論模型，通過(guò)設(shè)計(jì)問(wèn)卷對(duì)某超市顧客購(gòu)物服務(wù)滿意度調(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)本案例是在Amos7中完成的。見(jiàn)spss數(shù)據(jù)文件“處理后的數(shù)據(jù).sav進(jìn)行分析，并對(duì)文中提出的模型進(jìn)行擬合、修正和解釋。

2、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)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)格和顧客滿意有關(guān)，設(shè)計(jì)的模型見(jiàn)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、顧客滿意、顧客抱怨、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，前提變量綜合決定并影響著結(jié)果變量(EugeneW.Anderson&ClaesFornell，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)超市形象設(shè)計(jì)的結(jié)構(gòu)路徑圖顧客抱怨質(zhì)量期望顧客滿意感知價(jià)值/-%質(zhì)量感知勺顧

3、客忠誠(chéng)基本路徑假設(shè)超市形象對(duì)質(zhì)量期望有路徑影響質(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)顧客滿意有路徑影響顧客滿意對(duì)顧客忠誠(chéng)有路徑影響超市形象對(duì)顧客滿意有路徑影響超市形象對(duì)顧客忠誠(chéng)有路徑影響2.1、顧客滿意模型中各因素的具體范疇以及小參考前面模型的總體構(gòu)建情況、國(guó)外研究理論和其他行業(yè)實(shí)證結(jié)論范圍甄別調(diào)查的結(jié)果，模型中各要素需要觀測(cè)的具體范疇，見(jiàn)表7-2。表7-2模型變量對(duì)應(yīng)表量變潛涵內(nèi)量變測(cè)可超市形象zv定行曦要Atu固等O第象M在市仙的形屈。4超血平市冋測(cè)EN、，水超,觀NS話矩意將爲(wèi)行M電研滿里因進(jìn)RT動(dòng)查體這響面IA移調(diào)總，影方M、的響

4、素為個(gè)據(jù)話中影要列幾根電業(yè)是一素下3)一、-度-價(jià)象牌-評(píng)形品-的的的、象比比一一二一一二一體市市總超超市它它-超魚(yú)八魚(yú)八-某與與-質(zhì)量期望二zv影望還望三塚對(duì)用望會(huì)期期感性hM;使期望量響客體靠*衡在的期質(zhì)影顧整可詐面。客其量且成于從、纟方望顧對(duì)質(zhì)而造對(duì)以務(wù)。個(gè)期指前的，知，可服測(cè)幾量是品客值感出少化觀從質(zhì)望產(chǎn)顧價(jià)客指至性來(lái)以的期市?？皖櫸?，個(gè)W-可市量超平顧會(huì)學(xué)素、方，超莎熙ZK-響遠(yuǎn)律M-覺(jué)代素熙望程排度到期鮮安態(tài)達(dá)的新間務(wù)度彷勺寸艮束jAnn0nH服品業(yè)工賬體商營(yíng)員結(jié)整市r市曲帀超5)超超超超(a7)熙杲望平望望(a望TJndcndaAnd刑期水期期汗期8,，的，度，水，(auZuZu

5、口王Zu厶U嚴(yán)冃、冃、冃、冃ZHn、冃-、-物4)物達(dá)物理物到物水購(gòu)(a購(gòu)度購(gòu)合購(gòu)達(dá)購(gòu)的量感質(zhì)三對(duì)MC望知面期感感方弐量際葫質(zhì)飯O聊蒯品刃質(zhì)珀是受意程合度到/pruK滿鮮掃態(tài)達(dá)的新安務(wù)度務(wù)的間服速服品時(shí)工賬體商業(yè)員結(jié)整市0)營(yíng)市、帀,刃，的,(a，水，(a后(a后到后度后的后平物度物達(dá)物程物到物水購(gòu)程購(gòu)度購(gòu)理購(gòu)達(dá)購(gòu)的仍型值憾和麗數(shù)討禾冊(cè)8叫NNF指，S01髡r醴嘰艸|心1噩腫鷲)品筍R3正向的，采用Likert10級(jí)量度從“非常低”到“非常高”(五)顧客前者的差距下的感覺(jué)顧客滿意一般可以從三個(gè)方面衡量，一是可以從整體上來(lái)感覺(jué)；二是可以與消費(fèi)的期望進(jìn)行比較，尋找兩滿三是可以與理想意狀態(tài):比較，尋

6、找兩者的差距。因此，可以通過(guò)以下幾個(gè)指標(biāo)衡量。對(duì)某超市的總體滿意程度(a16)和您消費(fèi)前的期望比，您對(duì)某超市的滿意程度(a17)和您心目中的超市比，您對(duì)某超市的滿意程度(a18)(六)顧客抱怨FORNE和WERNERFELT(1988)的研究成果，認(rèn)為顧客滿意的增加會(huì)減少顧客的抱怨，同時(shí)會(huì)增加顧客的忠誠(chéng)，當(dāng)顧客不滿意時(shí)，他們往往會(huì)選擇抱怨。對(duì)于抱怨的觀測(cè)，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(huì)宣傳，形成群眾對(duì)于該超市的口碑。您對(duì)某超市投訴的頻率(包括給超市寫(xiě)投訴信和直接向超市人員反映)(a19)您對(duì)某超市抱怨的頻率(私下抱怨并

7、未告知超市)(a20)您認(rèn)為某超市對(duì)顧客投訴的處理效率和效果3(a21)(七)顧客忠誠(chéng)顧客忠誠(chéng)主要可以從三個(gè)方面體現(xiàn)：顧客推薦意向、轉(zhuǎn)換產(chǎn)品的意向、重復(fù)購(gòu)買(mǎi)的意向。同時(shí)還有學(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(mǎi)性兩方面衡量。綜合上述因素，擬從以下幾個(gè)方面衡量顧客忠誠(chéng)。我會(huì)經(jīng)常去某超市(a22)我會(huì)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(wèn)題后，能以諒解的心態(tài)主動(dòng)向超市反饋，求得解決，并且以后還會(huì)來(lái)超市購(gòu)物(a24)三、關(guān)于顧客滿意調(diào)查數(shù)據(jù)的收集本次問(wèn)卷調(diào)研的對(duì)象為居住在某大學(xué)校內(nèi)的各類(lèi)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(gè)月內(nèi)在校內(nèi)某超市有

8、購(gòu)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(xiě)，按照性別和被訪者經(jīng)常光顧的超市進(jìn)行控制。問(wèn)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，量表采用了LikertlO級(jí)量度，如對(duì)超市形象的測(cè)量：、超市形象1代表“非常差勁”，10代表“非常好”1您對(duì)某超市總體形象的評(píng)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(wèn)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40

9、1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)）一致性或穩(wěn)定性的程度。一致性主要反映的是測(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)量了相同的內(nèi)容或特質(zhì)。穩(wěn)定性是指用一種測(cè)量工具（譬如同一份問(wèn)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)果間的可靠系數(shù)。如果問(wèn)卷設(shè)計(jì)合理，重復(fù)測(cè)量的結(jié)果間應(yīng)該高度相關(guān)。由于本案例并沒(méi)有進(jìn)行多次重復(fù)測(cè)量，所以主要采用反映內(nèi)部一致性的指標(biāo)來(lái)測(cè)量數(shù)據(jù)的信度。折半信度（split-halfreliability）是將測(cè)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)

10、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(wèn)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（CronbachsAlpha系數(shù)），這種方法將測(cè)量工具中任一條目結(jié)果同其他所有條目作比較，對(duì)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SPSS16.0研究數(shù)據(jù)的內(nèi)部一致性。在Analyze菜單中選擇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

11、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的結(jié)果，顯示CronbachsAlpha系數(shù)為0892，說(shuō)明案例所使用數(shù)據(jù)具有較好的信度。5邑15.00?am35.m4.DD號(hào)*.Qj4.0075.00孑600gD.03io50J111Q.DO3.00估U15nT匿耳1*易H1t圖7-6建立潛變量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(chēng)，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(gè)潛變量（如圖7-6）。為了保持圖形的美觀，可以

12、使用先繪制一個(gè)潛變量，再使用復(fù)制工具巴繪制其他潛變量，以保證潛變量大小一致。在潛變量上點(diǎn)擊右鍵選擇ObjectProperties，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H來(lái)設(shè)置變量間的因果關(guān)系，使用來(lái)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7-9oTextParantetersColorsFormatVisibilityFontslyleVariable且am色S.etDefault圖7-7潛變量命名二Ttiut宅：Filft些7詳細(xì)方法列表參見(jiàn)書(shū)后附錄一。圖7-14數(shù)據(jù)讀入第三節(jié)模型擬合圖7-13數(shù)據(jù)配置一、參數(shù)估計(jì)方法選擇模型運(yùn)算

13、是使用軟件進(jìn)行模型參數(shù)估計(jì)的過(guò)程。Amos提供了多種模型運(yùn)算方法供選擇7?？梢酝ㄟ^(guò)點(diǎn)擊View菜單在AnalysisProperties（或點(diǎn)擊工具欄的）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)（MaximumLikelihood）進(jìn)行模型運(yùn)算，相關(guān)設(shè)置如圖7-15。圖7-15參數(shù)估計(jì)選擇tidnIj；Numcrical|ElasOutput|BootstrEip!Formutations|Xandom#Title標(biāo)準(zhǔn)化系數(shù)如果不做選擇，輸出結(jié)果默認(rèn)的路徑系數(shù)（或載荷系數(shù)）沒(méi)有經(jīng)過(guò)標(biāo)準(zhǔn)化,稱(chēng)作非標(biāo)準(zhǔn)化系數(shù)。非標(biāo)準(zhǔn)化系數(shù)中存在依賴(lài)于有關(guān)變量的尺度單位，所以在比較路徑系

14、數(shù)（或載荷系數(shù)）時(shí)無(wú)法直接使用，因此需要進(jìn)行標(biāo)準(zhǔn)化。在AnalysisProperties中的Output項(xiàng)中選擇StandardizedEstimates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)8后得到的估計(jì)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最后一列中可以看出：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)格”潛變量；標(biāo)準(zhǔn)化路徑系數(shù)分別為0.434和0.244，這說(shuō)明“質(zhì)量期望”潛變量對(duì)“質(zhì)量感知”潛變量的

15、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)估計(jì)結(jié)果的展示8z分?jǐn)?shù)轉(zhuǎn)換公式為:XXszi船陽(yáng)的錚IShjmLsLIErsinnIEkkm.gwsbwkumdQLrtmurtHhanfariru-aulala日哼irvriini；衛(wèi)匕止誦至嵋bbl?suitHcdjslillLALSaL-OTL.1j31JBHTK專(zhuān)Bllls-i-rwdtLTlj.JtpiJtCfci-jq,ua=Bl勺SLJj.itEDhurwnjiilvsiTvdiiElwiAkncihlhl.atn&rnullniuihTI血匚ULrs.f生旺3D31.J圖7-17模型運(yùn)算完成圖使用Analyze菜單下的Cal

16、culateEstimates進(jìn)行模型運(yùn)算（或使用工具欄中的昭；），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(guò)點(diǎn)擊Viewtheoutputpathdiagram（|）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(guò)點(diǎn)擊工具欄中的土二來(lái)查看。詳細(xì)信息包括分析基本情況（AnalysisSummary）、變量基本情況(VariableSummary)、模型信息(NotesforModel)、估計(jì)結(jié)果(Estimates)、修正指數(shù)(ModificationIndices)和模型擬合(ModelFit)六部

17、分。在分析過(guò)程中，一般通過(guò)前三部分9了解模型，在模型評(píng)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(píng)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(píng)價(jià)首先要考察模型結(jié)果中估計(jì)出的10類(lèi)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(jiǎn)單便捷的方法，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)，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(duì)于表7.5中“超市形象”潛變量對(duì)“質(zhì)

18、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(gè)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)化標(biāo)準(zhǔn)化路徑系數(shù)路徑系估計(jì)S.E.C.R.PLabel數(shù)估計(jì)質(zhì)量期超市形望象0.3010.0456.68*par_160.358質(zhì)量感質(zhì)量期知望0.4340.0577.633*par_170.434感知價(jià)質(zhì)量期格望0.3290.0893.722*par_180.244感知價(jià)質(zhì)量感格知-0.1210.082-1.4670.142par_19-0.089感知價(jià)超市形格象-0.0050.065-0.070.944par_20

19、-0.004顧客滿超市形意象0.9120.04321.389*par_210.878顧客滿感知價(jià)意格-0.0290.028-1.0360.3par_23-0.032顧客忠超市形誠(chéng)象0.1670.1011.6530.098par_220.183顧客忠顧客滿誠(chéng)意0.50.14.988*par_240.569al11超市形10.927分析基本情況(AnalysisSummary)、變量基本情況(VariableSummary)、模型信息(NotesforModel)三部分的詳細(xì)介紹如書(shū)后附錄三。潛變量與潛變量間的回歸系數(shù)稱(chēng)為路徑系數(shù)；潛變量與可測(cè)變量間的回歸系數(shù)稱(chēng)為載荷系數(shù)。凡是a+數(shù)字的變量都是代

20、表問(wèn)卷中相應(yīng)測(cè)量指標(biāo)的，其中數(shù)字代表的問(wèn)卷第一部分中問(wèn)題的序號(hào)。象超市形a2-象1.0080.03627.991*par_10.899超市形a3-象0.7010.04814.667*par_20.629質(zhì)量期a5-望10.79質(zhì)量期a4-望0.790.06112.852*par_30.626質(zhì)量期a6-望0.8910.05316.906*par_40.786質(zhì)量期a7-望1.1590.05919.628*par_50.891質(zhì)量期a8-望1.0240.05817.713*par_60.816質(zhì)量感a10-知10.768質(zhì)量感a9-知1.160.06517.911*par_70.882質(zhì)量感a1

21、1-知0.7580.06811.075*par_80.563質(zhì)量感a12-知1.1010.06915.973*par_90.784質(zhì)量感a13-知0.9830.06714.777*par_100.732顧客滿a18-意10.886顧客滿a17-意1.0390.03430.171*par_110.939感知價(jià)a15-格10.963感知價(jià)a14-格0.9720.1277.67*par_120.904顧客滿a16-意1.0090.03331.024*par_130.95顧客忠a24-誠(chéng)10.682顧客忠a23誠(chéng)1.2080.09213.079*par140.846注：“*”表示0.01水平上顯著，括

22、號(hào)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_28z40.8940.1078.352*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

23、*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_40e113.1380.23513.343*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_46e150.3640.5910.61

24、60.538par_47e243.4130.29511.55*par_48e223.3810.28112.051*par_49e231.730.2526.874*par_50e140.9810.5621.7450.081par51汪：“*”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)價(jià)在結(jié)構(gòu)方程模型中，試圖通過(guò)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)方差矩陣匕的差異最小的模型參數(shù)。換一個(gè)角度，如果理論模型結(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

25、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(lèi)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)性與絕對(duì)性等方面對(duì)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(chēng)評(píng)價(jià)標(biāo)準(zhǔn)12絕對(duì)擬合指數(shù)辿卡方）越小越好GFI大于0.912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)際研究中，可根據(jù)具體情況分析。RMR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(duì)擬合指數(shù)TNFI大于0

26、9，越接近1越好LI大于09，越接近1越好CFI大于09，越接近1越好信息指數(shù)AIC越小越好CAIC越小越好7-7)供使用者選擇13。如果模型擬合不好，需要根據(jù)相關(guān)領(lǐng)域知識(shí)和模型修止指標(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(wèn)題的背景知識(shí)進(jìn)行模型合理性討論。即便擬合指數(shù)沒(méi)有達(dá)到最優(yōu)，但一個(gè)能夠使用相關(guān)理論解釋的模型更具有研究意義。第四節(jié)模型修正14一、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(duì)于數(shù)據(jù)分析更重要的是模型結(jié)論一定要具有理論依據(jù)，換言之，模型結(jié)果要可以

27、被相關(guān)領(lǐng)域知識(shí)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)15可以參考模型修正指標(biāo)對(duì)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(ModelBuilding)或模型限制(ModelTrimming)。模型擴(kuò)展是指通過(guò)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(guò)刪除16或限制部分路徑，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。Amos提供了兩種模型修正指標(biāo)，其中修正指數(shù)(ModificationIndex)用于模型擴(kuò)展

28、，臨界比率(CriticalRatio)17用于模型限制。二、模型修正指標(biāo)18修正指數(shù)(ModificationIndex)詳細(xì)請(qǐng)參考Amos6.0UsersGuide489項(xiàng)。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(shū)上第七章第三節(jié)和第四節(jié)。如模型不可識(shí)別，或擬合指數(shù)結(jié)果很差。譬如可以刪除初始模型中不存在顯著意義的路徑。17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。18無(wú)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)。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(duì)于模型中某個(gè)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

29、徑），整個(gè)模型改良時(shí)將會(huì)減少的最小卡方值19。使用修正指數(shù)修改模型時(shí)，原則上每次只修改一個(gè)參數(shù)，從最大值開(kāi)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AnalysisProperties中的Output項(xiàng)選擇ModificationIndices項(xiàng)（如圖7-19）。其后面的ThresholdforModificationIndices指的是輸出的開(kāi)始值20。即當(dāng)模型釋放某個(gè)模型參數(shù)時(shí)，卡方統(tǒng)計(jì)量的減少量將大于等于相應(yīng)的修正指數(shù)值只有修正指數(shù)值大于開(kāi)始值的路徑才會(huì)被輸出，一般默認(rèn)開(kāi)始值為4。圖7-20臨界比率計(jì)算臨界比率（CriticalRatio）臨界比

30、率用于模型限制，是計(jì)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)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(gè)待估參數(shù)間是否存在顯著性差異。若兩個(gè)待估參數(shù)間不存在顯著性差異，則可以限定模型在估計(jì)時(shí)對(duì)這兩個(gè)參數(shù)賦以相同的值。若要使用臨界比率，需要在AnalysisProperties中的Output項(xiàng)選擇CriticalRatioforDifference項(xiàng)（如圖7-20）。三、案例修正對(duì)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)可以看出，無(wú)論是關(guān)于感知價(jià)格的測(cè)

31、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(guò)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，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(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)計(jì)算結(jié)果擬合指卡方CFINFIIFIRMSEAAICBCCEVCI數(shù)值（自由度）結(jié)果1031.40.8660.8420.8660.1091133.4411139.3782.834（10）也sEeu

32、uoimbesEsLnyucgDriTauliadd：圖7-21修正的模型二ZHDddiWjw心1DH*inilDnwr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）CFINFIIFIRMSEAAICBCCEVCI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(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)

33、路徑也是合理存在的。下面考慮通過(guò)修正指數(shù)對(duì)模型修正，通過(guò)點(diǎn)擊工具欄中的醞來(lái)查看模型輸出詳細(xì)結(jié)果中的ModificationIndices項(xiàng)可以查看模型的修正指數(shù)（ModificationIndex）結(jié)果，雙箭頭（“一”）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(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)減少的模型的卡方值；單箭頭（“一-）部分是變量間的回歸權(quán)重修正指數(shù)，表示如果在兩個(gè)變量間增加一條因果路徑至少會(huì)減少的模型的卡方值。比如，超市形象到質(zhì)量感知的MI值為179.649，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(huì)大大減小。從實(shí)際考慮，超市形象的確會(huì)影響到質(zhì)量感知，設(shè)想

34、，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，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。表7-10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。顧客滿意顧客忠誠(chéng)-054-質(zhì)量期望164-超市形象6.100.035-1.540.124par_221.632.103par_21擬合指數(shù)卡方值（自由度）CFINFIIFIRMSEAlAICBCCEVCI結(jié)果510.1(144)0.9360.9140.9370.080602.100606.9421.505從表7-9和表7-10可以看出，卡方值減小了

35、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常用擬合指數(shù)計(jì)算結(jié)果圖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，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)EstimateSE.CRPLabel顧客忠誠(chéng)T.wtmndel?.w?I百rb從表7-10和表7-13可以看出，卡方值幾乎沒(méi)變，并且各擬合指數(shù)幾乎沒(méi)有改變，但模型便簡(jiǎn)單了，做此改變

36、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)間安排合理程度的打分）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)量感知解釋的可能性不大，考慮刪除該測(cè)量指標(biāo)。修改后的模型如圖7-24。根據(jù)上面提出的如圖7-24所示的模型，在Amos中運(yùn)用極大似然估計(jì)運(yùn)行的部分結(jié)果如表7-14。表7-14常用擬合指數(shù)計(jì)算結(jié)果擬合指卡方值CFINFIIFIRMSEAAICBCCEVCI數(shù)(自由度)結(jié)果401.30.9510.9300.9510.073485.291489

37、.4801.213(129)從表7-13和表7-14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(gè)參數(shù)在001的水平下都仍然是顯著的，各方程的對(duì)應(yīng)的測(cè)定系數(shù)增大了。ILliUi.Ltiifr(PT1?-図ff-fF屛吁芯“st.sl:ztii圖7-23修正的模型四_H_jIhull.|lstlaadlDlPMir3DdfilO2.aawnodslOBiumMQdfclN.aiia他訊時(shí)FacdfflWisw*iiijscfe-l?.ua圖7-24修正的模型五下面考慮通過(guò)修正指數(shù)對(duì)模型修正,e12與e13的MI值最大，為26.932,表明如果增加a12與a13之間的殘

38、差相關(guān)的路徑，則模型的卡方值會(huì)減小較多。從實(shí)際考慮，員工對(duì)顧客的態(tài)度與員工給顧客結(jié)帳的速度，實(shí)際上也確實(shí)存在相關(guān)，設(shè)想，對(duì)顧客而言，超市員工結(jié)帳速度很慢本來(lái)就是一種對(duì)顧客態(tài)度不好的方面；反之，則相反。因此考慮增加e12與e13的相關(guān)性路徑。（這里的分析不考慮潛變量因子可測(cè)指標(biāo)的更改，理由是我們?cè)谠O(shè)計(jì)問(wèn)卷的題目的信度很好，而且題目本身的設(shè)計(jì)也不允許這樣做，以下同。）重新估計(jì)模型，重新尋找MI值較大的，e7與e8的MI值較大，為26.230,（雖然e3與e6的MI值等于26.746，但它們不屬于同一個(gè)潛變量因子，因此不能考慮增加相關(guān)性路徑，以下同）表明如果增加a7與a8之間的殘差相關(guān)的路徑，則模型

39、的卡方值會(huì)減小較多。這也是員工對(duì)顧客的態(tài)度與員工給顧客結(jié)帳的速度之間存在相關(guān)，因此考慮增加e7與e8的相關(guān)性路徑。重新估計(jì)模型，重新尋找MI值較大的，e17與e18的MI值較大，為13.991，表明如果增加a17與a18之間的殘差相關(guān)的路徑，則模型的卡方值會(huì)減小較多。實(shí)際上消費(fèi)前的滿意度和與心中理想超市比較的滿意度之間顯然存在相關(guān)，因此考慮增加e17與e18的相關(guān)性路徑。重新估計(jì)模型，重新尋找MI值較大的，e2與e3的MI值較大，為11.088，表明如果增加a2與a3之間的殘差相關(guān)的路徑，則模型的卡方值會(huì)減小較多。實(shí)際上超市形象和超市品牌知名度之間顯然存在相關(guān)，因此考慮增加e2與e3的相關(guān)性路

40、徑。重新估計(jì)模型，重新尋找MI值較大的，e10與e12的MI值較大，為5.222，表明如果增加a10與a12之間的殘差相關(guān)的路徑，則模型的卡方值會(huì)減小較多。但實(shí)際上超市的食品保險(xiǎn)&日用品豐富性與員工態(tài)度之間顯然不存在相關(guān)，因此不考慮增加e10與e12的相關(guān)性路徑。另外,從剩下的變量之間MI值沒(méi)有可以做處理的變量對(duì)了，因此考慮MI值修正后的模型如圖7-25。21一般絕對(duì)值小于2認(rèn)為沒(méi)有顯著差異。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。擬合指數(shù)卡方值（自由度）CFINFIIFIRMSEAAICBCCEVCI結(jié)果281.9(

41、125)0.9720.9510.9720.056373.877378.4650.935表7-15常用擬合指數(shù)計(jì)算結(jié)果從表7-14和表7-15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(gè)參數(shù)在0.01的水平下都仍然是顯著的，各方程的對(duì)應(yīng)的測(cè)定系數(shù)增大了。下面考慮根據(jù)PairwiseParameterComparisons來(lái)判斷對(duì)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(méi)有顯著差異，哪些測(cè)量方程的系數(shù)之間沒(méi)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(méi)有顯著差異，哪些測(cè)量方程的隨機(jī)項(xiàng)的方差之間的之間沒(méi)有顯著差異，對(duì)沒(méi)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

42、相應(yīng)的criticalratio都大于2為止。通過(guò)點(diǎn)擊工具欄中的巒誕來(lái)查看模型輸出詳細(xì)結(jié)果中的PairwiseParameterComparison項(xiàng)可以查看臨界比率（CriticalRatio）結(jié)果，其中par_1到par_46代表模型中46個(gè)待估參數(shù)，其含義在模型參數(shù)估計(jì)結(jié)果表（如表7-5，7-6）中標(biāo)識(shí)。根據(jù)CR值的大小21，可以判斷兩個(gè)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(gè)參數(shù)相等。如果是某兩個(gè)參數(shù)沒(méi)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)為相等的參數(shù)對(duì)應(yīng)的路徑或殘差變量上點(diǎn)擊右鍵選擇ObjectProperti

43、es，然后出現(xiàn)如圖7-11的選項(xiàng)卡，選擇parameters項(xiàng)，如岡Fontsizeaxui?tyleijrientatianHorisorrtalSetD-efult7.ObjectPropeiticsTeKtParamet；.jlorsForn：wrisibilityOrientationjHorixntal圖7-26對(duì)應(yīng)因果路徑TextParapetersColorsFtimat(lsibili+y.Fnntriseandstyle二爲(wèi)ObjtsctPropertiesEIiRefularaOrientationHorizQntil圖7-27對(duì)應(yīng)殘差變量ObjectPropertiesT

44、extPariniSttiS:ColorsFormatVisibilityCovariance圖7-28對(duì)應(yīng)相關(guān)系數(shù)路徑圖7-26，圖7-27，圖7-28。然后在Regressionweight22,variance23,covariane24輸入相同的英文名稱(chēng)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)對(duì)應(yīng)因果路徑。對(duì)應(yīng)殘差變量。對(duì)應(yīng)相關(guān)系數(shù)路徑。絕對(duì)值最小的是par_44和par_45對(duì)應(yīng)的-0.021，遠(yuǎn)遠(yuǎn)3HHK!T：比/)窖二nrulite隅13qaHaorlairrHthAad*i!-AJ!lhlVT4OdR脣Inputdfmflrrdiudj工上d上生七正毗Icdc

45、lflTsfi-r&upniuhertYTib*EDibiTKCiltliijCltrl_.,ftbjPmrcrriBB圖7-29設(shè)置e22和e24的方差相等四HlAMDg中DmfuJlaTextFdiPbti護(hù)|Colors|F*ra-a.t,Viisibilitj-1L1*射十Ewitrzeatidstyle-CLtraerrtati&f1soJ*lliltEt】比忖Umriiif奄:垃電鎧E3喊人芻K件.耳口七ingoirtgtH4d?lQlr3A孑odsdQSisiw北口d?103iuw3adrlL4.aav3Qi1e10.qboJbIM,anaorfalOIidlOl.-avnp礙戈

46、niDt1】左屠甲T+科JiirimFiOl-tlljl.CH.VAode-1口耳屮訶ie-id.p103-?vnlfsod-BiiOfl.OTVMd-e丄anhLicUIEINmMW111圖7-30修正的模型七小于95%置信水平下的臨界值，說(shuō)明兩個(gè)方差間不存在顯著差異。對(duì)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ObjectProperties，出現(xiàn)如圖7-29的選項(xiàng)卡，然后在ObjectProperties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(guò)反復(fù)比較得到的結(jié)構(gòu)方程模

47、型如圖7-30。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)卡萬(wàn)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，卡萬(wàn)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(gè)參數(shù)在0.01的水平下都仍然是顯著的，各萬(wàn)程的對(duì)應(yīng)的測(cè)定系數(shù)相對(duì)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

48、系數(shù)估計(jì)SECRPLabel標(biāo)準(zhǔn)化路徑系數(shù)估計(jì)質(zhì)量期超市形望-象0.3530.03111.495*bb0.384質(zhì)量感超市形知-象0.7230.02331.516*aa0.814質(zhì)量感質(zhì)量期知-望0.1290.0353.687*par_160.134顧客滿質(zhì)量感意-知0.7230.02331.516*aa0.627顧客滿超市形意-象0.3530.03111.495*bb0.345顧客忠顧客滿誠(chéng)-意0.7230.02331.516*aa0.753超市形a1-象10.925超市形a2-象1.0420.0252.853*b0.901超市形a3-象0.7280.03620.367*d0.631質(zhì)量期a

49、5-望10.836質(zhì)量期a4-望0.7280.03620.367*d0.622質(zhì)量期a6-望0.8720.02633.619*a0.808質(zhì)量期a7-望1.0420.0252.853*b0.853質(zhì)量期a8-望質(zhì)量感0.8720.02633.619*a0.731a10-知質(zhì)量感10.779a9-知質(zhì)量感1.1590.03632.545*c0.914a12-知質(zhì)量感1.0420.0252.853*b0.777a13-知顧客滿0.8720.02633.619*a0.677a18-意顧客滿10.861a17-意顧客滿1.0420.0252.853*b0.919a16-意顧客忠1.0420.0252.

50、853*b0.963a24-誠(chéng)顧客忠10.706a23-誠(chéng)顧客忠1.1590.03632.545*c0.847a22誠(chéng)0.8720.02633.619*a0.656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7-18最優(yōu)模型相關(guān)性路徑系數(shù)估計(jì)協(xié)方差估相關(guān)系數(shù)估計(jì)S.E.C.R.PLabel計(jì)e12e130.6990.0729.658*r20.32e7e80.6990.0729.658*r20.46e18e170.2770.055.568*r10.289e2e30.2770.055.568*r10.178注：“*”表示001水平上顯著，括號(hào)中是相應(yīng)的C.R值，即t值。表7-19最優(yōu)模型方差估計(jì)方差估計(jì)S.E.C.R.PLabel超市形象3.4610.27512.574*par_17z22.4980.21911.42*par_18z10.6450.0857.554*par_19z40.4110.