amos驗(yàn)證性因子分析報(bào)告步步教程

實(shí)用標(biāo)準(zhǔn)一、 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)超市形象顧客抱怨質(zhì)量期望感知價(jià)值 顧客滿意質(zhì)量感知顧客忠誠

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。二、 結(jié)構(gòu)方程模型建模構(gòu)建如圖7.3的初始模型。文案大全實(shí)用標(biāo)準(zhǔn)e101e91e111e121e131e51e41e61e71e81e11e21e31a10a9a11a12a13a5a4a6a7a8a11a2a311質(zhì)量感知質(zhì)量期望超市形象11z1z2e141a14111感知價(jià)格z3e15a151e17a1711e16a161顧客滿意z41a18e181e23a2311e22a221顧客忠誠z51a24e24圖7-3 初始模型結(jié)構(gòu)圖7-4AmosGraphics 初始界面圖第一節(jié) Amos實(shí)現(xiàn)1一、 Amos模型設(shè)定操作1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)。文案大全實(shí)用標(biāo)準(zhǔn)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 命名后的潛變量文案大全實(shí)用標(biāo)準(zhǔn)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文案大全實(shí)用標(biāo)準(zhǔn)圖7-11 可測變量指定與命名圖7-12 初始模型設(shè)置完成第二節(jié) 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。2Z分?jǐn)?shù)轉(zhuǎn)換公式為：ZiXiX。s文案大全實(shí)用標(biāo)準(zhǔn)一、 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)果圖詳細(xì)信息包括分析基本情況（ AnalysisSummary）、變量基本情況（Variable文案大全實(shí)用標(biāo)準(zhǔn)Summary）、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3了解模型，在模型評價(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)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。表7-5系數(shù)估計(jì)結(jié)果未標(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0.04par_1望-象0.30156.68***60.358質(zhì)量感<--質(zhì)量期0.05par_1知-望0.43477.633***70.434感知價(jià)<--質(zhì)量期0.08par_1格-望0.32993.722***80.244感知價(jià)<--質(zhì)量感0.08-1.460.14par_1格-知-0.1212729-0.089感知價(jià)<--超市形0.060.94par_2格-象-0.0055-0.0740-0.004顧客滿<--超市形0.0421.38par_2意-象0.91239***10.878顧客滿<--感知價(jià)0.02-1.03par_2意-格-0.029860.33-0.032顧客忠<--超市形0.100.09par_2誠-象0.16711.653820.183顧客忠<--顧客滿par_2誠-意0.50.14.988***40.569a15<--超市形10.9273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。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。文案大全實(shí)用標(biāo)準(zhǔn)象<--超市形0.0327.99a2-象1.00861***par_10.899<--超市形0.0414.66a3-象0.70187***par_20.629<--質(zhì)量期a5-望10.79<--質(zhì)量期0.0612.85a4-望0.7912***par_30.626<--質(zhì)量期0.0516.90a6-望0.89136***par_40.786<--質(zhì)量期0.0519.62a7-望1.15998***par_50.891<--質(zhì)量期0.0517.71a8-望1.02483***par_60.816<--質(zhì)量感a10-知10.768<--質(zhì)量感0.0617.91a9-知1.1651***par_70.882<--質(zhì)量感0.0611.07a11-知0.75885***par_80.563<--質(zhì)量感0.0615.97a12-知1.10193***par_90.784<--質(zhì)量感0.0614.77par_1a13-知0.98377***00.732<--顧客滿a18-意10.886<--顧客滿0.0330.17par_1a17-意1.03941***10.939<--感知價(jià)a15-格10.963<--感知價(jià)0.12par_1a14-格0.97277.67***20.904<--顧客滿0.0331.02par_1a16-意1.00934***30.95<--顧客忠a24-誠10.682<--顧客忠0.0913.07par_1a23-誠1.20829***40.846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_26文案大全實(shí)用標(biāo)準(zhǔn)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_37e81.3350.11911.228***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。三、 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 S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S與理論方差協(xié)方差矩陣 差別不大，即殘差矩陣（ S）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)62(卡方)越小越好絕對擬合指數(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。文案大全實(shí)用標(biāo)準(zhǔn)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越好相對擬合指數(shù)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7。如果模型擬合不好，需要根據(jù)相關(guān)領(lǐng)域知識和模型修正指標(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。第三節(jié) 模型修正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)9可以參考模型修正指標(biāo)對模型進(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（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10或限制部分路徑，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。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）11用于模型限制。二、模型修正指標(biāo)121.修正指數(shù)（ModificationIndex）7詳細(xì)請參考 Amos6.0User’sGuide489項(xiàng)。8關(guān)于案例中模型的擬合方法和模型修正指數(shù)詳情也可參看書上第七章第三節(jié)和第四節(jié)。9如模型不可識別，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)。文案大全實(shí)用標(biāo)準(zhǔn)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13。條路徑），整個(gè)模型改良時(shí)將會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)。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)量的減少量將大于等于相應(yīng)的修正指數(shù)值。14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。文案大全實(shí)用標(biāo)準(zhǔn)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）。三、 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)果擬合指卡方CFINFIIFIRMSEAAICBCCEVCI數(shù)值(自由度)結(jié)果1031.0.860.840.860.1091133.441139.372.834626184(180)文案大全實(shí)用標(biāo)準(zhǔn)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 卡方值 CFI NFI IFI RMSEA AIC BCC EVCI數(shù)(自由度)結(jié)果 819.5 0.88 0.86 0.88 0.108 909.54 914.27 2.27(145) 3 2 4 1 8 4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 Modification Indices 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 卡方值 CFI NFI IFI RMSEA AIC BCC EVCI數(shù)(自由度)結(jié)果510.1(140.930.910.930.080602.10606.941.504)647025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-.054.035-1.540.124par_22意<---質(zhì)量期望顧客忠.164.1001.632.103par_21誠<---超市形象文案大全實(shí)用標(biāo)準(zhǔn)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)Estimate S.E. C.R. P Label顧客忠誠 <--- 超市形象 .166 .101 1.652 .099 par_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。 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7-13 常用擬合指數(shù)計(jì)算結(jié)果擬合指 卡方值 CFI NFI IFI RMSEA AIC BCC EVCI數(shù)(自由度)結(jié)果515.10.930.910.930.080603.11607.741.50(146)636798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)行的文案大全實(shí)用標(biāo)準(zhǔn)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 NFI IFI RMSEA AIC BCC EVCI數(shù)(自由度)結(jié)果401.30.950.930.950.073485.29489.481.21(129)101103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 修正的模型四文案大全實(shí)用標(biāo)準(zhǔn)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。文案大全實(shí)用標(biāo)準(zhǔn)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 卡方值 CFI NFI IFI RMSEA AIC BCC EVCI數(shù)(自由度)結(jié)果 281.9 0.97 0.95 0.97 0.056 373.87 378.46 0.93(125) 2 1 2 7 5 5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15一般絕對值小于 2認(rèn)為沒有顯著差異。文案大全實(shí)用標(biāo)準(zhǔn)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Regressionweight16,variance17,covariane18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16對應(yīng)因果路徑。17對應(yīng)殘差變量。18對應(yīng)相關(guān)系數(shù)路徑。文案大全實(shí)用標(biāo)準(zhǔn)發(fā)現(xiàn)絕對值最小的是 par_44和par_45對應(yīng)的-0.021，遠(yuǎn)遠(yuǎn)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)掉窗口即可文案大全實(shí)用標(biāo)準(zhǔn)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 CFI NFI IFI RMSEA AIC BCC EVCI數(shù)(自由度)結(jié)果295.90.970.940.970.051345.90348.400.86(146)383925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0.0311.49望-象0.35315***bb0.384質(zhì)量感<--超市形0.0231.51知-象0.72336***aa0.814質(zhì)量感<--質(zhì)量期0.03par_1知-望0.12953.687***60.134顧客滿<--質(zhì)量感0.0231.51意-知0.72336***aa0.627顧客滿<--超市形0.0311.49意-象0.35315***bb0.345顧客忠<--顧客滿0.0231.51誠-意0.72336***aa0.753<--超市形a1-象10.925<--超市形52.85a2-象1.0420.023***b0.901<--超市形0.0320.36a3-象0.72867***d0.631<--質(zhì)量期a5-望10.836<--質(zhì)量期0.0320.36a4-望0.72867***d0.622<--質(zhì)量期0.0233.61a6-望0.87269***a0.808<--質(zhì)量期52.85a7-望1.0420.023***b0.853文案大全實(shí)用標(biāo)準(zhǔn)<--質(zhì)量期0.0233.61a8-望0.87269***a0.731<--質(zhì)量感a10-知10.779<--質(zhì)量感0.0332.54a9-知1.15965***c0.914<--質(zhì)量感52.85a12-知1.0420.023***b0.777<--質(zhì)量感0.0233.61a13-知0.87269***a0.677<--顧客滿a18-意10.861<--顧客滿52.85a17-意1.0420.023***b0.919<--顧客滿52.85a16-意1.0420.023***b0.963<--顧客忠a24-誠10.706<--顧客忠0.0332.54a23-誠1.15965***c0.847<--顧客忠0.0233.61a22-誠0.87269***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Labe相關(guān)系數(shù)估計(jì)S.E.C.R.Pl計(jì)<--0.07e12>e130.69929.658***r20.32<--0.07e7>e80.69929.658***r20.46<--e18>e170.2770.055.568***r10.289<--e2>e30.2770.055.568***r10.178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7-19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***v5文案大全實(shí)用標(biāo)準(zhǔn)e61.1890.07316.279***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.