amos-驗(yàn)證性因子分析步步教程

1、精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)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)一、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(Eugene W. Anderson & Claes Fornell，2000;殷榮伍

2、，2000)。表表 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(píng)價(jià)中的模型擬合指數(shù)評(píng)價(jià)數(shù)據(jù)的效度檢驗(yàn)就轉(zhuǎn)化為結(jié)構(gòu)方程模型評(píng)價(jià)中的模型擬合指數(shù)評(píng)價(jià)。對(duì)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。二、結(jié)構(gòu)方程模型建模構(gòu)建如圖 7.3 的初始模型。精選優(yōu)質(zhì)文檔-傾情

3、為你奉上專心-專注-專業(yè)超市形象質(zhì)量期望質(zhì)量感知a1e111a2e21a3e31a5e511a4e41a6e61a7e71a8e81a10e1011a9e91a11e111a12e121a13e131顧客滿意感知價(jià)格a18e1811a16e161a17e171a15e1511a14顧客忠誠(chéng)a24e24a22e22a23e231111z21z41z51z31z11e141圖圖 7-3 初始模型結(jié)構(gòu)初始模型結(jié)構(gòu)圖圖 7-4 Amos Graphics 初始界面圖初始界面圖第一節(jié)第一節(jié)AmosAmos 實(shí)現(xiàn)實(shí)現(xiàn)1 11 這部分的操作說(shuō)明也可參看書(shū)上第七章第二節(jié):Amos 實(shí)現(xiàn)。精選優(yōu)質(zhì)文檔-傾情為你

4、奉上專心-專注-專業(yè)一、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，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 Object Properties，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(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)

5、系圖如圖 7-9。圖圖 7-7 潛變量命名潛變量命名圖圖 7-8 命名后的潛變量命名后的潛變量精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖圖 7-9 設(shè)定潛變量關(guān)系設(shè)定潛變量關(guān)系第三步為潛變量設(shè)置可測(cè)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(cè)變量上點(diǎn)擊右鍵選擇 Object Properties，為可測(cè)變量命名。其中 Variable Name 一項(xiàng)對(duì)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 Object Properties 為殘差變量命名。最終繪制完成模型結(jié)果如圖 7-12。圖圖 7-10 設(shè)定可測(cè)變量及殘差變量設(shè)定可

6、測(cè)變量及殘差變量精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖圖 7-11 可測(cè)變量指定與命名可測(cè)變量指定與命名圖圖 7-12 初始模型設(shè)置完成初始模型設(shè)置完成 第二節(jié)第二節(jié)模型擬合模型擬合標(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)2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”潛變量的影響程度大于其對(duì)“感知價(jià)格”潛變量的影響程度。2Z 分?jǐn)?shù)轉(zhuǎn)換

7、公式為：。iiXXZs精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)一、參數(shù)估計(jì)結(jié)果的展示圖圖 7-17 模型運(yùn)算完成圖模型運(yùn)算完成圖使用 Analyze 菜單下的 Calculate Estimates 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(guò)點(diǎn)擊 View the output path diagram（）查看參數(shù)估計(jì)結(jié)果圖（圖7-18） 。圖圖 7-18 參數(shù)估計(jì)結(jié)果圖參數(shù)估計(jì)結(jié)果圖詳細(xì)信息包括分析基本情況（Analysis Summary） 、變量基本情況（Variable 精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)S

8、ummary） 、模型信息（Notes for Model） 、估計(jì)結(jié)果（Estimates） 、修正指數(shù)（Modification Indices）和模型擬合（Model Fit）六部分。在分析過(guò)程中，一般通過(guò)前三部分3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。二、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)4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(jiǎn)單便捷的方法，叫做 CR（Critic

9、al Ratio） 。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)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。表表 7-5 系數(shù)估計(jì)結(jié)果系數(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0.3

10、010.0456.68*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(chéng)-超市形象0.1670.1011.6530.098par_220.183顧客

11、忠誠(chéng)-顧客滿意0.50.14.988*par_240.569超市形3分析基本情況（Analysis Summary） 、變量基本情況（Variable Summary） 、模型信息（Notes for Model）三部分的詳細(xì)介紹如書(shū)后附錄三。4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(cè)變量間的回歸系數(shù)稱為載荷系數(shù)。5凡是 a+數(shù)字的變量都是代表問(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)。精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)象a2-超市形象1.0080.03627.991*par_10.899a3-超市形象0.7010.04814.667*par_20.629

12、a5-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_100.732

13、a18-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(chéng)10.682a23-顧客忠誠(chéng)1.2080.09213.079*par_140.846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。表表 7-6 方差估計(jì)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_26

14、精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)z12.060.2418.54*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

15、.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_49e231.73

16、0.2526.874*par_50e140.9810.5621.7450.081par_51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。三、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)方差矩陣與理論方差協(xié)方差矩陣的差異最小的模型參數(shù)。換S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SS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(duì)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(duì)性與絕對(duì)性等方面

17、對(duì)理論模型進(jìn)行度量。Amos 提供了多種模型擬合指數(shù)（如表表表 7-7 擬合指數(shù)擬合指數(shù)指數(shù)名稱指數(shù)名稱評(píng)價(jià)標(biāo)準(zhǔn)評(píng)價(jià)標(biāo)準(zhǔn)6(卡方)2越小越好絕對(duì)擬合指數(shù)GFI大于 0.96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。精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)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NFI大于 0.9，越接近 1 越好TLI大于 0.9，越

18、接近 1 越好相對(duì)擬合指數(shù)CFI大于 0.9，越接近 1 越好AIC越小越好信息指數(shù)CAIC越小越好7-7）供使用者選擇7。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(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。第三節(jié)第三節(jié)模型修正模型修正8 8一、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

19、要可以被相關(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)9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（Model Building）或模型限制（Model Trimming） 。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10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)（Modification Ind

20、ex）用于模型擴(kuò)展，臨界比率（Critical Ratio）11用于模型限制。二、模型修正指標(biāo)121. 修正指數(shù)（Modification Index）7詳細(xì)請(qǐng)參考 Amos 6.0 Users Guide 489 項(xiàng)。8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)。9如模型不可識(shí)別，或擬合指數(shù)結(jié)果很差。10譬如可以刪除初始模型中不存在顯著意義的路徑。11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。12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)。精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖圖 7-19

21、修正指數(shù)計(jì)算修正指數(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徑） ，整個(gè)模型改良時(shí)將會(huì)減少的最小卡方值13。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 Analysis Properties 中的 Output 項(xiàng)選擇Modification Indices 項(xiàng)（如圖 7-19） 。其后面的 Threshold for Modification Indices指的是輸出的開(kāi)始值14。13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

22、等于相應(yīng)的修正指數(shù)值。14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。精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖圖 7-20 臨界比率計(jì)算臨界比率計(jì)算2. 臨界比率（Critical Ratio） 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 Analysis Properties 中的 Ou

23、tput 項(xiàng)選擇 Critical Ratio for Difference 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)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

24、象對(duì)顧客忠誠(chéng)的路徑先保留。修改的模型如圖 7-21。表表 7-8 常用擬合指數(shù)計(jì)算結(jié)果常用擬合指數(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圖圖 7-21 修正的模型二修正的模型二精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)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。表表 7-9 常用擬合指數(shù)計(jì)算結(jié)果常用擬合指數(shù)計(jì)算結(jié)果擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCCEVC

25、I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(guò)修正指數(shù)對(duì)模型修正，通過(guò)點(diǎn)擊工具欄中的來(lái)查看模型輸出詳細(xì)結(jié)果中的 Modification Indices 項(xiàng)可以查看模型的修正指數(shù)（Modification 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(cè)變量的殘差變量間增加一

26、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 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。表表 7-10 常用擬合指數(shù)計(jì)

27、算結(jié)果常用擬合指數(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。表表 7-11 5%水平下不顯著的估計(jì)參數(shù)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(chéng)-超市形象.164.1001.632.103par_21精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)

28、圖圖 7-22 修正的模型三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。表表 7-12 5%水平下不顯著的估計(jì)參數(shù)水平下不顯著的估計(jì)參數(shù)EstimateS.E.C.R.PLabel顧客忠誠(chéng)-超市形象.166.1011.652.099par_21從表 7-12 可以看出，超市形象對(duì)顧客忠誠(chéng)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(huì)根據(jù)超市之間在形象上的差別而選擇堅(jiān)持

29、去同一個(gè)品牌的超市，更多的可能是通過(guò)超市形象影響超市滿意等因素進(jìn)而影響到顧客忠誠(chéng)因素。考慮刪除這兩個(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。表表 7-13 常用擬合指數(shù)計(jì)算結(jié)果常用擬合指數(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(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，做此改變是值得的。該模型的各個(gè)參數(shù)在

30、 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。精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)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。表表 7-14 常用擬合指數(shù)計(jì)算結(jié)果常用擬合指數(shù)計(jì)算結(jié)果擬合指數(shù)卡方值(自由度)CFINFIIFIRMSEAAICBCCEVCI結(jié)果401.3

31、(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(duì)應(yīng)的測(cè)定系數(shù)增大了。圖圖 7-23 修正的模型四修正的模型四精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖圖 7-24 修正的模型五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)

32、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，則模型的卡方值會(huì)減小較多。這也是員工對(duì)

33、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

34、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(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。精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖圖 7-25 修正的模型六修正的模型六根據(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

35、部分結(jié)果如表 7-15。表表 7-15 常用擬合指數(shù)計(jì)算結(jié)果常用擬合指數(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(duì)應(yīng)的測(cè)定系數(shù)增大了。下面考慮根據(jù) Pairwise Parameter Comparisons 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

36、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,直到最后所有相應(yīng)的 critical ratio 都大于 2 為止。通過(guò)點(diǎn)擊工具欄中的來(lái)查看模型輸出詳細(xì)結(jié)果中的 Pairwise Parameter Comparison 項(xiàng)可以查看臨界比率（Critical Ratio）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15，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

37、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 Object Properties，然后出現(xiàn)如圖 7-11 的選項(xiàng)卡，選擇 parameters 項(xiàng)，如15一般絕對(duì)值小于 2 認(rèn)為沒(méi)有顯著差異。精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)圖圖 7-26 對(duì)應(yīng)因果路徑對(duì)應(yīng)因果路徑圖圖 7-27 對(duì)應(yīng)殘差變量對(duì)應(yīng)殘差變量圖圖 7-28 對(duì)應(yīng)相關(guān)系數(shù)路徑對(duì)應(yīng)相關(guān)系數(shù)路徑圖 7-26，圖 7-27，圖 7-28。然后在 Regression weight16,variance17,co

38、variane18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)16對(duì)應(yīng)因果路徑。17對(duì)應(yīng)殘差變量。18對(duì)應(yīng)相關(guān)系數(shù)路徑。精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)現(xiàn)絕對(duì)值最小的是 par_44 和 par_45 對(duì)應(yīng)的-0.021，遠(yuǎn)遠(yuǎn)圖圖 7-29 設(shè)置設(shè)置 e22 和和 e24 的方差相等的方差相等圖圖 7-30 修正的模型七修正的模型七小于 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 Object Properties

39、，出現(xiàn)如圖 7-29 的選項(xiàng)卡，然后在 Object Properties 選項(xiàng)卡下面的 variance 中都輸入“v2” ，最后關(guān)掉窗口即可精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)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。表表 7-16 常用擬合指數(shù)計(jì)算結(jié)果常用擬合指數(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.

40、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(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)的展示表表 7-17 最優(yōu)模型各路徑系數(shù)估計(jì)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

41、-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(chéng)-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*b0.853精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)a8-質(zhì)量期望0.8

42、720.02633.619*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(chéng)10.706a23-顧客忠誠(chéng)1.1590.03632.545*c0.847a22-顧客忠誠(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

43、C.R值，即t值。表表 7-18 最優(yōu)模型相關(guān)性路徑系數(shù)估計(jì)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)e12e130.6990.0729.658*r20.32e7e80.6990.0729.658*r20.46e18e170.2770.055.568*r10.289e2e30.2770.055.568*r10.178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。表表 7-19 最優(yōu)模型方差估計(jì)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

44、_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*v1精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)e90.7260.05214.056*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*v1e10.583