結(jié)構(gòu)方程課件

一、為何要用結(jié)構(gòu)方程模型？二、模型原理簡(jiǎn)介三、模型建模四、例子:顧客滿意度模型五、模型解釋一、為何要用結(jié)構(gòu)方程模型？很多社會(huì)、心理研究中所涉及到的變量，都不能準(zhǔn)確、直接地測(cè)量，這種變量稱為潛變量，如工作自主權(quán)、工作滿意度等。這時(shí)，只能退而求其次，用一些外顯指標(biāo)，去間接測(cè)量這些潛變量。如用工作方式選擇、工作目標(biāo)調(diào)整作為工作自主權(quán)（潛變量）的指標(biāo)，以目前工作滿意度、工作興趣、工作樂趣、工作厭惡程度（外顯指標(biāo)）作為工作滿意度的指標(biāo)。傳統(tǒng)的統(tǒng)計(jì)分析方法不能妥善處理這些潛變量，而結(jié)構(gòu)方程模型則能同時(shí)處理潛變量及其指標(biāo)?；貧w分析與結(jié)構(gòu)方程模型一個(gè)回歸分析和結(jié)構(gòu)方程比較的例子：假如有五道題目來測(cè)量外向型性格，還有四道題目來測(cè)量自信。研究自信與外向型性格的關(guān)系。假如是你，你將怎樣來進(jìn)行研究？回歸分析的做法：先分別計(jì)算外向題目的總分（或平均分）和自信題目的總分（或平均分），在計(jì)算兩個(gè)總分的相關(guān)。這樣的計(jì)算所得的兩個(gè)潛變量（性格與自信）的關(guān)系，恰當(dāng)嗎？線性回歸模型及其局限性1）無法處理因變量（Y）多于一個(gè)的情況；2）無法處理自變量（X）之間的多重共線性；3）無法對(duì)一些不可直接測(cè)量的變量進(jìn)行處理，主要是一些主觀性較強(qiáng)的變量進(jìn)行測(cè)量。如幸福感、組織認(rèn)同感、學(xué)習(xí)能力等；4）沒有考慮變量（自變量、因變量）的測(cè)量誤差，以及測(cè)量誤差之間的關(guān)系多元統(tǒng)計(jì)方法中的相關(guān)解決方法針對(duì)1）：路徑分析（PathAnalysis）缺點(diǎn)：分開考察不同的因變量，無法考察因變量之間的關(guān)系且缺少整體的視角

針對(duì)2）：偏最小二乘法（PLS）缺點(diǎn)：相關(guān)理論尚不完善，解釋力較弱。《王惠文，偏最小二乘法理論與應(yīng)用，國防工業(yè)出版社》針對(duì)3）：指標(biāo)賦予權(quán)重，進(jìn)行綜合評(píng)價(jià)，得出一個(gè)量化的指標(biāo)缺點(diǎn)：權(quán)重設(shè)計(jì)，需要相當(dāng)?shù)募记?，通常的方法，如AHP,模糊綜合評(píng)判等方法缺少信度與效度針對(duì)4）：沒有辦法解決結(jié)構(gòu)方程模式結(jié)構(gòu)方程(SEM）可同時(shí)處理一系列或多組自變量與依變量之間關(guān)系。目的:在于考驗(yàn)潛在變量(Latentvariables)與觀察變量(Manifestvariable)之關(guān)系。分析軟件:可透過LISREL、Amos、SAS、Statisitca、SYSTAT加以分析。結(jié)構(gòu)方程模型（SEM）的優(yōu)點(diǎn)

同時(shí)處理多個(gè)因變量容許自變量和因變量含測(cè)量[誤差傳統(tǒng)方法（如回歸）假設(shè)自變量沒有誤差]同時(shí)估計(jì)因子結(jié)構(gòu)和因子關(guān)系容許更大彈性的測(cè)量模型估計(jì)整個(gè)模型的擬合程度[用以比較不同模型]SEM包括:回歸分析、因子分析(驗(yàn)證性因子分析、探索性因子分析)、ｔ檢驗(yàn)、方差分析、比較各組因子均值、交互作用模型、實(shí)驗(yàn)設(shè)計(jì)

StructuralEquationModel，SEMCovarianceStructureModeling，CSMLinearStructuralRelationship，

LISREL

latentvariablestructuralmodeling從上述名稱中可以看出，結(jié)構(gòu)方程模型的幾個(gè)本質(zhì)特征是：

結(jié)構(gòu)、協(xié)方差、線性結(jié)構(gòu)方程模型的含義SEM模式的變量種類◎有四種變量種類：2種潛在變量、2種觀察變量。潛在變量被假定為因者，稱為潛在自變量（latentindependentvariable）或稱為外因變量（exogenousvariables）以ξ表示；被假定為果者，稱為潛在因變量（latentdependentvariables）或稱為內(nèi)因變量（endogenousvariable）以η表示。觀察變量屬于潛在自變量ξ的觀察指標(biāo)稱為x變量，也稱為外源指標(biāo)屬于潛在因變量η的觀察指標(biāo)稱為y變量，也稱為內(nèi)生指標(biāo)。潛在自變量ξ與y變量無直接關(guān)系，潛在因變量η與x變量亦沒有直接關(guān)系，而x與y變量亦沒有直接關(guān)系。二、結(jié)構(gòu)方程簡(jiǎn)介1.測(cè)量模式（measurementmodel）：主要描述潛在變量與觀察變量之關(guān)系。2.結(jié)構(gòu)模式（structural

model）：主要描述潛在變量間之因果關(guān)系，可以透過路徑分析的概念進(jìn)行。例子：?jiǎn)T工工作滿意度的測(cè)量概念模型：工作滿意度目前工作滿意度工作興趣工作樂趣工作厭惡程度工作自主權(quán)工作方式選擇工作目標(biāo)調(diào)整工作負(fù)荷工作單調(diào)性任務(wù)完成時(shí)間充裕度工作負(fù)荷輕重工作節(jié)奏快慢工作內(nèi)容豐富程度工作多樣性程度xy二、結(jié)構(gòu)方程簡(jiǎn)介簡(jiǎn)單來說，結(jié)構(gòu)方程模型分為：測(cè)量方程（measurementequation）測(cè)量方程描述潛變量與觀察變量之間的關(guān)系，如工作方式選擇等指標(biāo)與工作自主權(quán)的關(guān)系；工作自主權(quán)工作方式選擇工作目標(biāo)調(diào)整工作滿意度目前工作滿意度工作興趣工作樂趣工作厭惡程度二、結(jié)構(gòu)方程簡(jiǎn)介簡(jiǎn)單來說，結(jié)構(gòu)方程模型分為：測(cè)量方程（measurementequation）測(cè)量方程描述潛變量與觀察變量之間的關(guān)系，如工作方式選擇等指標(biāo)與工作自主權(quán)的關(guān)系；結(jié)構(gòu)方程（structuralequation），描述潛變量之間的關(guān)系，如工作自主權(quán)與工作滿意度的關(guān)系。工作自主權(quán)工作滿意度測(cè)量模式與結(jié)構(gòu)模式之目的測(cè)量模式旨在建立測(cè)量指標(biāo)與潛在變量間之關(guān)系，主要透過驗(yàn)證性因素分析來考驗(yàn)測(cè)量模式的效度。結(jié)構(gòu)模式旨在考驗(yàn)潛在變量間之因果路徑關(guān)系，主要針對(duì)潛在變量進(jìn)行路徑分析，以考驗(yàn)結(jié)構(gòu)模式的適配性。（一）測(cè)量模型對(duì)于指標(biāo)與潛變量（例如兩個(gè)工作自主權(quán)指標(biāo)與工作自主權(quán)）間的關(guān)系，通常寫為以下測(cè)量方程：其中：x——外源指標(biāo)（如兩個(gè)工作自主權(quán)指標(biāo)）組成的向量；

y——內(nèi)生指標(biāo)（如四個(gè)工作滿意度指標(biāo)）組成的向量；

——外因變量（如工作自主權(quán)等）組成的向量；

——內(nèi)因變量（如工作滿意度等）組成的向量；

——外源指標(biāo)與外源變量之間的關(guān)系（如兩個(gè)工作自主權(quán)指標(biāo)與工作自主權(quán)的關(guān)系），是外源指標(biāo)在外因變量上的因子負(fù)荷矩陣；

——內(nèi)生指標(biāo)與內(nèi)生變量之間的關(guān)系（如四個(gè)工作滿意度指標(biāo)與工作滿意度的關(guān)系），是內(nèi)生指標(biāo)在內(nèi)因變量上的因子負(fù)荷矩陣；例子：?jiǎn)T工工作滿意度的測(cè)量概念模型：工作滿意度目前工作滿意度工作興趣工作樂趣工作厭惡程度工作自主權(quán)工作方式選擇工作目標(biāo)調(diào)整工作負(fù)荷工作單調(diào)性任務(wù)完成時(shí)間充裕度工作負(fù)荷輕重工作節(jié)奏快慢工作內(nèi)容豐富程度工作多樣性程度xy（二）結(jié)構(gòu)模型對(duì)于潛變量間（如工作自主權(quán)與工作滿意度）的關(guān)系，通常寫成如下結(jié)構(gòu)方程：其中：B——內(nèi)因變量間的關(guān)系（如其它內(nèi)因變量與工作滿意度的關(guān)系）；

——外因變量對(duì)內(nèi)因變量的影響（如工作自主權(quán)對(duì)工作滿意度的影響）；

——結(jié)構(gòu)方程的殘差項(xiàng)，反映了在方程中未能被解釋的部分。潛變量間的關(guān)系，即結(jié)構(gòu)模型，是研究的興趣重點(diǎn)，所以整個(gè)分析也稱結(jié)構(gòu)方程模型。三、建模過程（1）模型建構(gòu)（modelspecification）（2）模型擬合（modelfitting）（3）模型評(píng)價(jià)（modelassessment）（4）模型修正（modelmodification）一、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(duì)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(duì)缺失值進(jìn)行處理后的數(shù)據(jù)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。（1）模型建構(gòu)（modelspecification）（1）模型建構(gòu)（modelspecification）二、潛變量和可測(cè)變量的設(shè)定設(shè)計(jì)的結(jié)構(gòu)路徑圖基本路徑假設(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)顧客忠誠有路徑影響（1）模型建構(gòu)（modelspecification）二、潛變量和可測(cè)變量的設(shè)定（1）模型建構(gòu)（modelspecification）三、 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(duì)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。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，量表采用了Likert10級(jí)量度，如對(duì)超市形象的測(cè)量：一、超市形象1代表“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12345678910四、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(cè)量結(jié)果（數(shù)據(jù)）一致性或穩(wěn)定性的程度。Cronbach'sAlpha系數(shù)≥0.7表明此量表的可靠性較高。由信度檢驗(yàn)的結(jié)果可知顧客抱怨的測(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抱怨因子，即初始模型中包括6個(gè)潛變量、21個(gè)可測(cè)變量。（1）模型建構(gòu)（modelspecification）2．?dāng)?shù)據(jù)的效度檢驗(yàn)效度（validity）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（contentvalidity）、效標(biāo)效度（criterionvalidity）和結(jié)構(gòu)效度（constructvalidity）三個(gè)主要類型。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(cè)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)（1）模型建構(gòu)（modelspecification）五、結(jié)構(gòu)方程模型建模六、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，以避免不必要的返工。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。（1）模型建構(gòu)（modelspecification）為了配置數(shù)據(jù)文件，選擇File菜單中的DataFiles（如圖1），出現(xiàn)如圖2左邊的對(duì)話框，然后點(diǎn)擊Filename按鈕，出現(xiàn)如圖2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，最后點(diǎn)擊圖2左邊的對(duì)話框中“ok”按鈕，這樣就讀入數(shù)據(jù)了。一、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?？梢酝ㄟ^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。（2）模型擬合（modelfitting）二、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)（如右圖），即可輸出測(cè)量模型的因子載荷標(biāo)準(zhǔn)化系數(shù)表的最后一列。（2）模型擬合（modelfitting）使用Analyze菜單下的CalculateEstimates進(jìn)行模型運(yùn)算使用者也可以通過點(diǎn)擊Viewtheoutputpathdiagram查看參數(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。（2）模型擬合（modelfitting）（3）模型評(píng)價(jià)（modelassessment）一、路徑系數(shù)/載荷系數(shù)的顯著性參數(shù)估計(jì)結(jié)果如下表，模型評(píng)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(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)，這類似于回歸分析中的參數(shù)顯著性檢驗(yàn)。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（如下表中第四列）。Amos同時(shí)給出了CR的統(tǒng)計(jì)檢驗(yàn)相伴概率p（如下表中第五列），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)。模型擬合結(jié)果輸出未標(biāo)準(zhǔn)化路徑系數(shù)估計(jì)S.E.C.R.PLabel質(zhì)量期望<---超市形象0.3010.0456.68***par_16質(zhì)量感知<---質(zhì)量期望0.4340.0577.633***par_17感知價(jià)格<---質(zhì)量期望0.3290.0893.722***par_18感知價(jià)格<---質(zhì)量感知-0.1210.082-1.4670.142par_19感知價(jià)格<---超市形象-0.0050.065-0.070.944par_20顧客滿意<---超市形象0.9120.04321.389***par_21顧客滿意<---感知價(jià)格-0.0290.028-1.0360.3par_23顧客忠誠<---超市形象0.1670.1011.6530.098par_22顧客忠誠<---顧客滿意0.50.14.988***par_24（3）模型評(píng)價(jià)（modelassessment）二、模型擬合評(píng)價(jià)規(guī)范擬合指數(shù)（NFI），不規(guī)范擬合指數(shù)（NNFI），比較擬合指數(shù)（CFI），增量擬合指數(shù)（IFI），擬合優(yōu)度指數(shù)（GFI），調(diào)整后的擬合優(yōu)度指數(shù)（AGFI），相對(duì)擬合指數(shù)（RFI），均方根殘差（RMR），近似均方根殘差（RMSEA）等指標(biāo)用來衡量模型與數(shù)據(jù)的擬合程度。學(xué)術(shù)界普遍認(rèn)為在大樣本情況下：NFI、NNFI、CFI、IFI、GFI、AGFI、RFI大于0.9，RMR小于0.035，RMSEA值小于0.08，表明模型與數(shù)據(jù)的擬合程度很好。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。（3）模型評(píng)價(jià)（modelassessment）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（3）模型評(píng)價(jià)（modelassessment）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)。如果模型擬合不好，需要根據(jù)相關(guān)領(lǐng)域知識(shí)和模型修正指標(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。（4）模型修正（modelmodification）一、模型修正的思路當(dāng)模型效果很差時(shí)，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，臨界比率（CriticalRatio）用于模型限制。模型修正指標(biāo)1.修正指數(shù)（ModificationIndex）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徑），整個(gè)模型改良時(shí)將會(huì)減少的最小卡方值。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)。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(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)。模型擬合結(jié)果輸出未標(biāo)準(zhǔn)化路徑系數(shù)估計(jì)S.E.C.R.PLabel質(zhì)量期望<---超市形象0.3010.0456.68***par_16質(zhì)量感知<---質(zhì)量期望0.4340.0577.633***par_17感知價(jià)格<---質(zhì)量期望0.3290.0893.722***par_18感知價(jià)格<---質(zhì)量感知-0.1210.082-1.4670.142par_19感知價(jià)格<---超市形象-0.0050.065-0.070.944par_20顧客滿意<---超市形象0.9120.04321.389***par_21顧客滿意<---感知價(jià)格-0.0290.028-1.0360.3par_23顧客忠誠<---超市形象0.1670.1011.6530.098par_22顧客忠誠<---顧客滿意0.50.14.988***par_24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模型修正模型修正擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCC結(jié)果819.5(145)0.8830.8620.8840.108909.541914.278根據(jù)上面提出的所示的模型，在Amos中運(yùn)用極大似然估計(jì)運(yùn)行的部分結(jié)果如下表。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(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（“<---”）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，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。擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCCEVCI結(jié)果510.1(144)0.9360.9140.9370.080602.10606.9421.505最優(yōu)模型參數(shù)估計(jì)的展示未標(biāo)準(zhǔn)化路徑系數(shù)估計(jì)S.E.C.R.P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***0.384質(zhì)量感知<---超市形象0.7230.02331.516***0.814質(zhì)量感知<---質(zhì)量期望0.1290.0353.687***0.134顧客滿意<---質(zhì)量感知0.7230.02331.516***