Amos-驗(yàn)證性因子分析報(bào)告步步教程81238

..應(yīng)用案例關(guān)于該案例的操作也可關(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。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(gè)步驟。下面以一個(gè)研究實(shí)例作為說明,使用Amos7軟件本案例是在Amos7中完成的。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。本案例是在Amos7中完成的。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)見spss數(shù)據(jù)文件"處理后的數(shù)據(jù).sav"。進(jìn)行分析,并對文中提出的模型進(jìn)行擬合、修正和解釋。見spss數(shù)據(jù)文件"處理后的數(shù)據(jù).sav"。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(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,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)設(shè)計(jì)的結(jié)構(gòu)路徑圖基本路徑假設(shè)超市形象超市形象質(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)實(shí)證結(jié)論,以及小范圍甄別調(diào)查的結(jié)果,模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)涵可測變量超市形象根據(jù)Martensen在固定、移動、超市等行業(yè)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(gè)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>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)者指出,對于顧客期望要素,至少可以從整體感覺、個(gè)性化服務(wù)、可靠性三個(gè)方面來觀測。結(jié)合上述因素,可以從幾個(gè)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>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?？梢詮膸讉€(gè)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>感知價(jià)值根據(jù)Anderson和Fomell<EugeneW.Anderson&ClaesFomell,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>顧客滿意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(gè)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>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。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市<a20>您認(rèn)為某超市對顧客投訴的處理效率和效果正向的,采用Likert10級量度正向的,采用Likert10級量度從"非常低"到"非常高"顧客忠誠顧客忠誠主要可以從三個(gè)方面體現(xiàn)：顧客推薦意向、轉(zhuǎn)換產(chǎn)品的意向、重復(fù)購買的意向。同時(shí)還有學(xué)者指出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(gè)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>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(gè)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(gè)潛變量因子,24項(xiàng)可測指標(biāo),7個(gè)人口變量,量表采用了Likert10級量度,如對超市形象的測量：一、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。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。數(shù)據(jù)的的信度和效度檢驗(yàn)1．?dāng)?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(gè)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-halfreliability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)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〔Cronbach'sAlpha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SPSS16.0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Cronbach'sAlpha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ReliabilityStatisticsCronbach'sAlphaNofItems.89224另外,對問卷中每個(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)1、a2和a3題目選入到右邊方框items中即可。。從表7-4可以看到,除顧客抱怨量表Cronbaca’sAlpha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)1、a2和a3題目選入到右邊方框items中即可。表7-4潛變量的信度檢驗(yàn)潛變量可測變量個(gè)數(shù)Cronbach’sAlpha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顧客滿意30.948顧客抱怨30.255顧客忠誠30.7382．?dāng)?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〔contentvalidity、效標(biāo)效度〔criterionvalidity和結(jié)構(gòu)效度〔constructvalidity三個(gè)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,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(gè)準(zhǔn)則作比較,如果其他方式或指標(biāo)也有效,那么這個(gè)測量即具備效標(biāo)效度。例如,是一個(gè)變量,我們使用、兩種工具進(jìn)行測量。如果使用作為準(zhǔn)則,并且和高度相關(guān),我們就說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(gè)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,首先從某一理論出發(fā),提出關(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)關(guān)于標(biāo)準(zhǔn)化系數(shù)的解釋見本章第五節(jié)?？梢员容^不同指標(biāo)間的效度。從表7-17可以看出在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。關(guān)于標(biāo)準(zhǔn)化系數(shù)的解釋見本章第五節(jié)。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。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。結(jié)構(gòu)方程模型建模構(gòu)建如圖7.3的初始模型。圖7-3初始模型結(jié)構(gòu)圖7-4AmosGraphics初始界面圖Amos實(shí)現(xiàn)這部分的操作說明也可參看書上第七章第二節(jié):Amos實(shí)現(xiàn)。Amos基本界面與工具打開AmosGraphics,初始界面如圖7-4。其中第一部分是建模區(qū)域,默認(rèn)是豎版格式。如果要建立的模型在橫向上占用較大空間,只需選擇View菜單中的InterfaceProperties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中的第二部分是工具欄,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(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。在可測變量上點(diǎn)擊右鍵選擇ObjectProperties,為可測變量命名。其中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ObjectProperties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)定可測變量及殘差變量圖7-11可測變量指定與命名圖7-12初始模型設(shè)置完成2．?dāng)?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DataFiles〔如圖7-13,出現(xiàn)如圖7-14左邊的對話框,然后點(diǎn)擊Filename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。圖7-13數(shù)據(jù)配置....圖7-14數(shù)據(jù)讀入模型擬合參數(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)算方法供選擇詳細(xì)方法列表參見書后附錄一。?？梢酝ㄟ^點(diǎn)擊View菜單在AnalysisProperties〔或點(diǎn)擊工具欄的中的Estimation詳細(xì)方法列表參見書后附錄一。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AnalysisProperties中的Output項(xiàng)中選擇StandardizedEstimates項(xiàng)〔如圖7-26,即可輸出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)Z分?jǐn)?shù)轉(zhuǎn)換公式為：Z分?jǐn)?shù)轉(zhuǎn)換公式為：。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,這說明"質(zhì)量期望"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。參數(shù)估計(jì)結(jié)果的展示圖7-17模型運(yùn)算完成圖使用Analyze菜單下的CalculateEstimates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,通過點(diǎn)擊工具欄中的來查看。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六部分。在分析過程中,一般通過前三部分分析基本情況〔AnalysisSummary、變量基本情況〔VariableSummary、模型信息〔NotesforModel三部分的詳細(xì)介紹如書后附錄三。了解模型,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)介紹如書后附錄三。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)出的參數(shù)是否具有統(tǒng)計(jì)意義,需要對路徑系數(shù)或載荷系數(shù)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)。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〔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(gè)路徑系數(shù)在95%的置信度下與0存在顯著性差異。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)。表7-5系數(shù)估計(jì)結(jié)果未標(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0.3010.0456.68***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顧客滿意<---超市形象0.9120.04321.389***par_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0.50.14.988***par_240.569a1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。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。<---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_50.891a8<---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<---顧客滿意10.886a17<---顧客滿意1.0390.03430.171***par_110.939a15<---感知價(jià)格10.963a14<---感知價(jià)格0.9720.1277.67***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***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_46e150.3640.5910.6160.538par_47e243.4130.29511.55***par_48e223.3810.28112.051***par_49e231.730.2526.874***par_50e140.9810.5621.7450.081par_51注:"***"表示0.01水平上顯著,括號中是相應(yīng)的C.R值,即t值。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〔如最大似然法等求出那些使樣本方差協(xié)方差矩陣與理論方差協(xié)方差矩陣的差異最小的模型參數(shù)。換一個(gè)角度,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)方差矩陣與理論方差協(xié)方差矩陣差別不大,即殘差矩陣〔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)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。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。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7-7供使用者選擇詳細(xì)請參考Amos6.0User’詳細(xì)請參考Amos6.0User’sGuide489項(xiàng)。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(gè)能夠使用相關(guān)理論解釋的模型更具有研究意義。模型修正關(guān)于案例中模型的擬合方法和模型修正指數(shù)詳情關(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)。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)如模型不可識別,或擬合指數(shù)結(jié)果很差。可以參考模型修正指標(biāo)對模型進(jìn)行調(diào)整。如模型不可識別,或擬合指數(shù)結(jié)果很差。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譬如可以刪除初始模型中不存在顯著意義的路徑?；蛳拗撇糠致窂?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。譬如可以刪除初始模型中不存在顯著意義的路徑。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,臨界比率〔CriticalRatio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。用于模型限制。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。模型修正指標(biāo)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)。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)。1.修正指數(shù)〔ModificationIndex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(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徑,整個(gè)模型改良時(shí)將會減少的最小卡方值即當(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。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。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指的是輸出的開始值只有修正指數(shù)值大于開始值的路徑才會被輸出,一般默認(rèn)開始值為4。。只有修正指數(shù)值大于開始值的路徑才會被輸出,一般默認(rèn)開始值為4。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7-21。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>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)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)擊工具欄中的來查看模型輸出詳細(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〔"<-->"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。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<自由度>CFINFIIFIRMSEAAICBCCEVCI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.PLabel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)EstimateS.E.C.R.PLabel顧客忠誠<---超市形象.166.1011.652.099par_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0.05。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)果擬合指數(shù)卡方值<自由度>CFINFIIFIRMSEAAICBCCEVCI結(jié)果515.1<146>0.9360.9130.9360.080603.117607.7491.508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)果擬合指數(shù)卡方值<自由度>CFINFIIFIRMSEAAICBCCEVCI結(jié)果401.3<129>0.9510.9300.9510.073485.291489.4801.213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。圖7-23修正的模型四圖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?！策@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。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<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值的大小一般絕對值小于2認(rèn)為沒有顯著差異。,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對應(yīng)因果路徑。,variance對應(yīng)殘差變量。,covariane對應(yīng)相關(guān)系數(shù)路徑。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和對應(yīng)因果路徑。對應(yīng)殘差變量。對應(yīng)相關(guān)系數(shù)路徑。圖7-29設(shè)置e22和e24的方差相等圖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"v2”,最后關(guān)掉窗口即可設(shè)置e22和e24的方差相等。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(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。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0.7230.02331.516***aa0.814質(zhì)量感知<---質(zhì)量期望0.1290.0353.687***par_160.134顧客滿意<---質(zhì)量感知0.7230.02331.516***aa0.627顧客滿意<---超市形象0.3530.03111.495***bb0.345顧客忠誠<---顧客滿意0.7230.02331.516***aa0.753a1<---超市形象10.925a2<---超市形象1.0420.0252.853***b0.901a3<---超市形象0.7280.03620.367***d0.631a5<---質(zhì)量期望10.836a4<---質(zhì)量期望0.7280.03620.367***d0.622a6<---質(zhì)量期望0.8720.02633.619***a0.808a7<---質(zhì)量期望1.0420.0252.853***b0.853a8<---質(zhì)量期望0.8720.02633.619***a0.731a10<---質(zhì)量感知10.779a9<---質(zhì)量感知1.1590.03632.545***c0.914a12<---質(zhì)量感知1.0420.0252.853***b0.777a13<---質(zhì)量感知0.8720.02633.619***a0.677a18<---顧客滿意10.861a17<---顧客滿意1.0420.0252.853***b0.919a16<---顧客滿意1.0420.0252.853***b0.963a24<---顧客忠誠10.706a23<---顧客忠誠1.1590.03632.545***c0.847a22<---顧客忠誠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)e12<-->e130.6990.0729.658***r20.32e7<-->e80.6990.0729.658***r20.46e18<-->e170.2770.05