IBMSPSSAMOS結(jié)構(gòu)方程模型教程

圖7-20 臨界比率計(jì)算2.臨界比率（CriticalRatio）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）。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)可以看出，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)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7-21o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1031.40.8660.8420.866 0.109 1133.4411139.3782.834（180）

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7-9o表7-9 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819.5 0.8830.8620.884 0.108 909.541914.2782.274（145）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)路徑也是合理存在的。來查看模型輸下面考慮通過修正指數(shù)對模型修正，通過點(diǎn)擊工具欄中的出詳細(xì)結(jié)果中的ModificationIndices項(xiàng)可以查看模型的修正指數(shù)（Modification來查看模型輸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(gè)可測變量的殘差變量間增加一條相關(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(gè)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(gè)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。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表7-10擬合指數(shù)卡方值（自CFI由度）NFIIFIRMSEAAIC BCCEVCI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. P Label顧客滿意<質(zhì)量期望-.054.035 -1.540 .124par_22顧客忠誠< 超市形象.164.1001.632 .103par_21常用擬合指數(shù)計(jì)算結(jié)果國叵國Ie-1D3>iGrmipriuuJhe-c國叵國Ie-1D3>iGrmipriuuJhe-cIsInpui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7-12 5%水平下不顯著的估計(jì)參數(shù)EstimateS.E.C.R.PLabel顧客忠誠<超市形象 TT66 .701 1.652 7099par_21從表7-12可以看出，超市形象對顧客忠誠路徑系數(shù)估計(jì)的p值為0.099,仍大于005。并且從實(shí)際考慮，在學(xué)校內(nèi)部，學(xué)生一般不會根據(jù)超市之間在形象上的差別而選擇堅(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滿TOC\o"1-5"\h\z意等因素進(jìn)而影響到顧客忠誠因素?？紤]刪除這兩個(gè)路徑的模型如圖 7-23。根據(jù)上面提出的如圖7-23所示的模型，在AMOS中運(yùn)用極大似然估計(jì)運(yùn)行的部分結(jié)果如表7-13。表7-13 常用擬合指數(shù)計(jì)算結(jié)果擬合指 卡方值 CFI NFIIFI RMSEAAICBCC EVCI數(shù)（自由度）結(jié)果515.1 0.936 0.913 0.936 0.080 603.117607.749 1.508(146)從表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)幾乎沒有改變，但模型便簡單了，做此改變是值得的。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)量感知對應(yīng)的測量指標(biāo)a11(關(guān)于營業(yè)時(shí)間安排合理程度的打分)對應(yīng)方程的測定系數(shù)為0.278，比較小，從實(shí)際考慮，由于人大校內(nèi)東區(qū)物美超市的營業(yè)時(shí)間從很長，幾乎是全天候營業(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 CFI NFIIFI RMSEAAIC BCCEVCI數(shù) (自由度)結(jié)果 401.3 0.951 0.930 0.951 0.073 485.291 489.4801.213(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。I.:u*uvTgLrri.lt- VIMDi；；- rGhcmimI.:u*uvTgLrri.lt- VIMDi；；- rGhcmimnmA?￥KI;In>ut丁.-I*nujibvTtk>1±]D5.1u*rrz-ii]Dfi.uvrwdc-lOT.iwdtlTiwt圖7-23修正的模型四雷一So靖chlllBlGkqupFdubeEIilE4iu.tLili ￡L幡￡,1oyi-kLvz4i-'jls口u5￡叮ElPffaulilMill叮ElPffaulilMillUrurtK-idardixBiltri3*3*:圖7-24修正的模型五下面考慮通過修正指數(shù)對模型修正，e12與e13的MI值最大，為26.932,表明如果增加a12與a13之間的殘差相關(guān)的路徑，則模型的卡方值會減小較多。從實(shí)際考慮，員工對顧客的態(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，對顧客而言，超市員工結(jié)帳速度很慢本來就是一種對顧客態(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指標(biāo)的更改，理由是我們在設(shè)計(jì)問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(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值沒有可以做處理的變量對了，因此考慮MI值修正后的模型如圖7-25。

ri]s固式％iJ?ri]s固式％iJ?■中SJLUCLG工口“FdlA&e-E1EiTl^lit■jack]UI.uhiwdcQ*W"P.odfflOJ.U"TwdtliM.w*■jl扣1口5iwRjh+fr1口也**JujOe-lQl?ajuUd±TI.UA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7-15o表745 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281.9(125)0.9720.9510.9720.056373.877378.4650.935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，各方程的對應(yīng)的測定系數(shù)增大了。下面考慮根據(jù)PairwiseParameterComparisons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criticalratio都大于2為止。通過點(diǎn)擊工具欄中的?—I來查看模型輸出詳細(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。根據(jù)CR值的大小19,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)對應(yīng)的路徑或殘差變量上點(diǎn)擊右鍵選擇ObjectProperties，然后出現(xiàn)如圖7-11的選項(xiàng)卡，選擇parameters項(xiàng)，如19一般絕對值小于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)路徑圖7-26,圖7-27,圖7-28。然后在Regressionweight?。,variance2i,8丫a112口。22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)20對應(yīng)因果路徑。21對應(yīng)殘差變量。22對應(yīng)相關(guān)系數(shù)路徑。絕對值最小的是par_44和par_45對應(yīng)的-0.021,遠(yuǎn)遠(yuǎn)Inpu*t口fflO回幽Q_ldcr-ar,ftfiiLyie 口中15UticIq.sv7r1Inpu*t口fflO回幽Q_ldcr-ar,ftfiiLyie 口中15UticIq.sv7r1圖7-29設(shè)置e22和e24的方差相等?*|TCbLkl^C?licit BlBcdo-ltT;3工口町口nijabrr1fiHputDnUhTrtieQ曲?aGrc<?x<mint"I?*|TCbLkl^C?licit BlBcdo-ltT;3工口町口nijabrr1fiHputDnUhTrtieQ曲?aGrc<?x<mint"IUh4r出心皿工兔合Ek.u'ik-jui.uaMdeiUL.?■NJ03.UH:KjCidtlMdl*:Mif］口工?■加煙U*Ajode-lLlT.AM■ritim口utpu~i￡回飛RE2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(gè)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“丫2”，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。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)果擬合指卡方值CFINFIIFIRMSEAAICBCCEVCI數(shù)（自由度）結(jié)果295.9 0.9730.9480.973 0.051 345.909348.4020.865（146）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(gè)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)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0.3530.03111.495***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<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a5<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0.8720.02633.619***a0.731質(zhì)量感a10<知10.779質(zhì)量感a9<知1.1590.03632.545***c0.914質(zhì)量感a12<知1.0420.0252.853***b0.777質(zhì)量感a13<知0.8720.02633.619***a0.677顧客滿a18<意10.861顧客滿a17<意1.0420.0252.853***b0.919顧客滿a16<意1.0420.0252.853***b0.963顧客忠a24<誠10.706顧客忠a23<誠1.1590.03632.545***c0.847顧客忠a22<—誠0.8720.02633.619***a0.656注；“***”表示0.01水平上顯著，括號中是相應(yīng)的T#值，即“直。表7-18最優(yōu)模型相關(guān)性路徑系數(shù)估計(jì)協(xié)力差估相關(guān)系數(shù)估計(jì)S.E.C.R.PLabel計(jì)e12<-->e130.6990.0729.658***r20.32e7<-->e80.6990.0729.658***r20.46e18<-->e170.2770.055.568***r10.289e2<-->e30.2770.055.568***r10.178注；“***”表示0.01水平上顯著，括號中是相應(yīng)版太值，即“直。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_19z40.4110.0626.668***par_20z51.4470.1778.196***par_21e51.2630.07816.217***v3e42.4580.12519.59***v5e61.1890.07316.279***v6e71.1890.07316.279***v6e81.9440.10917.84***v7e101.7730.11914.904***v1e90.7260.05214.056***v4e121.9440.10917.84***v7e132.4580.12519.59***v5e181.2630.07816.217***v3e170.7260.05214.056***v4e243.3670.19817.048***v2e223.3670.19817.048***v2e231.7730.11914.904***v1e10.5830.0747.876***par_22e20.8710.08610.13***par_23e32.7810.19714.106***par_24e160.3140.0466.863***par_25注；"***”表示0.01水平上顯著，括號中是相應(yīng)的T#值，即“直。第四節(jié)模型解釋結(jié)構(gòu)方程模型主要作用是揭示潛變量之間（潛變量與可測變量之間以及可測變量之間）的結(jié)構(gòu)關(guān)系，這些關(guān)系在模型中通過路徑系數(shù)（載荷系數(shù)）來體現(xiàn)。若要輸出模型的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)，需要在AnalysisProperties中的Output項(xiàng)選擇Indirect,direct&totaleffects項(xiàng)（如圖7-31）。對于修正模型，Amos輸出的中各潛變量之間的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)如表7-20。.直接效應(yīng)（directeffect）指由原因變量（可以是外生變量或內(nèi)生變量）到結(jié)果變量（內(nèi)生變量）的直接影響，用原因變量到結(jié)果變量的路徑系數(shù)來衡量直接效應(yīng)。比如利用表7-17最后一列的結(jié)果，超市形象到質(zhì)量期望的標(biāo)準(zhǔn)化路徑系數(shù)是0.814，則超市形象到質(zhì)量感知的直接效應(yīng)是0.814。這說明當(dāng)其他條件不變時(shí)，“超市形象”潛變量每提升1個(gè)單位，“質(zhì)量期望”潛變量將直接提升0.698個(gè)單位。.間接效應(yīng)（indirecteffect）指原因變量通過影響一個(gè)或者多個(gè)中介變量，對結(jié)果變量的間接影響。當(dāng)只有一個(gè)中介變量時(shí)，間接效應(yīng)的大小是兩個(gè)路徑系數(shù)的乘積。比如利用表7-17最后一列的結(jié)果，超市形象到質(zhì)量期望的標(biāo)準(zhǔn)化路徑系數(shù)是0.384，質(zhì)量期望到質(zhì)量感知的標(biāo)準(zhǔn)化路徑系數(shù)是0.134，則超市形象到質(zhì)量感知的間接效應(yīng)就是0.384X0.134=0.051o這說明當(dāng)其他條件不變時(shí)，“超市形象”潛變量每提升1個(gè)單位，“質(zhì)量感知”潛變量將間接提升0.385個(gè)單位。.總效應(yīng)（totaleffect）由原因變量到結(jié)果變量總的影響，它是直接效應(yīng)與間接效應(yīng)之和。比如利用表7-17最后一列的結(jié)果，超市形象到質(zhì)量感知的直接效應(yīng)是0.814，超市形象到質(zhì)量感知的間接效應(yīng)是0.051，則超市形象到質(zhì)量感知的總效應(yīng)為0.814+0.051=0.865。這說明當(dāng)其他條件不變時(shí)，“超市形象”潛變量每提升1個(gè)單位，“質(zhì)量感知”潛變量總共將提升0.865個(gè)單位。

OutputEitinionNumerzca.1BLBqcdstrap