amos模型修正.ppt

模型修正 近似誤差的平方根 RMSEA 近似誤差的平方根 rootmeansquareerrorofapproximation 習(xí)慣上 RMSEA取值小于0 05 表明相對于自由度模型擬合了數(shù)據(jù) 另外 建議在90 的置信度下 如果RMSEA取值小于0 08 則可認(rèn)為近似誤差是合理的 或者說在置信水平0 01下不能拒絕這一假設(shè) RMSEA評價指標(biāo)近年來越來越受到重視 數(shù)據(jù)與觀測變量 這是以預(yù)測變量的標(biāo)準(zhǔn)差及相關(guān)系數(shù)讀入 Amos會自動將之轉(zhuǎn)換為協(xié)方差矩陣 以便進一步分析 所建立的模型A如圖所示 執(zhí)行之后 所產(chǎn)生的輸出報表如下 模型A 模型A輸出報表 ChiSquare 71 544 P 0 000 應(yīng)拒絕此模型 同時 RMSEA 0 11 0 05 換句話說 此模型不能配合數(shù)據(jù) 因此我們必須加以修正 我們修正的目標(biāo)是 ChiSquare減少 p值增加 在Amos中 點選View AnalysisProperties 在對話框中點選Output 并勾選修正指標(biāo) 執(zhí)行后 產(chǎn)生的修正指標(biāo)如下 ParChange是指當(dāng)模型改變時 對應(yīng)變量間關(guān)系的變化情況 從上表中 可看到M I 值 其中以40 91為最大 這是指 如果建立eps1與eps3的關(guān)聯(lián) 將使ChiSquare減少40 91 如前述 使減少增加 是我們修正模型的主要目標(biāo) M I 的含義 基于以上的了解 我們可以再建立一個模型 稱為模型B 模型B的輸出報表如下 我們可以看出 ChiSquare 6 383 比原先的模型A減少了65 16 Probabilitylevel 0 271已經(jīng)不在拒絕區(qū)域之內(nèi) 同時 RMSEA 0 02 0 05 所以我們可以了解 經(jīng)過修正之后的模型B是合理的可用于分析的模型 同時 在修正指標(biāo)的輸出報表中 M I ParChange也沒有數(shù)據(jù)顯示 表示沒有再調(diào)整的必要 值得提醒的是 我們在建立eps1與eps3的關(guān)聯(lián)時 會使ChiSquare大幅減少 這是統(tǒng)計上的意義 在理論上 實物上要注意此二者的關(guān)系是合乎邏輯的 現(xiàn)在我們再舉一個 不順的例子 說明如何以M I 來逐步判斷模型擬合度的情形 點擊Analyze CalculateEstimates Amos提出警告 點擊Proceedwiththeanalysis 之后如圖所示 在輸出的系數(shù)值方面 ChiSquare為956 207 p 0 0000 05 更證實了模型與數(shù)據(jù)擬合度非常低 在ModificationIndices中 我們看到M i 值最大的是225 06 這是指 如果建立e6與e7的關(guān)聯(lián) 將使ChiSquare減少225 06 在輸出的報表中 M I 值最大的是e8與服務(wù)質(zhì)量的關(guān)系29 5 但是要注意的是我們不能在誤差與潛在變量之間建立關(guān)系 因為如果在其建立關(guān)系就會違反SEM假設(shè) 殘差與現(xiàn)在變量無關(guān) 所以要選第二大的數(shù)據(jù) 我們?nèi)绻4與e11之間的關(guān)系 將使ChiSquare減少15 95 我們在e6和e7之間建立關(guān)系之后 所得到的的輸出如下 RMSEA 0 11 顯然有進步 但是仍然 0 05 在e4與e11建立關(guān)系后 所輸出的報表如下 RMSEA仍然維持在0 11