結(jié)構(gòu)方程模型估計(jì)案例

第一節(jié)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2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。一、模型構(gòu)建的思路本案例在著名的美國(guó)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(gòu)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)3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。二、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（EugeneW.Anderson&ClaesFornell，2000;殷榮伍，1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。2本案例是在Amos7中完成的。3見spss數(shù)據(jù)文件“處理后的數(shù)據(jù).sav”

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)路徑圖形象顧客質(zhì)期望量?jī)r(jià)值誠(chéng)顧客滿意顧客忠感知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)路徑圖形象顧客質(zhì)期望量?jī)r(jià)值誠(chéng)顧客滿意顧客忠感知超市形象對(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

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(guó)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(cè)的具體范疇，見表7-2。表7-2模型變量對(duì)應(yīng)表潛變量?jī)?nèi)涵可測(cè)變量(一)超市形象根據(jù)MARTENSEN在固定電話、移動(dòng)電話、超市等行業(yè)1中的調(diào)杳研究，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(cè)。某超市總體形象的評(píng)價(jià)(al)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)(二)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(duì)其的期望$水平。顧客的質(zhì)量期望會(huì)影響顧客價(jià)值，而且質(zhì)量期望還會(huì)顧客感知造成影響?還有學(xué)者指出，對(duì)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(cè)。結(jié)合上述因購(gòu)物前，對(duì)某超市整體服務(wù)的期望(a4)購(gòu)物前，期望某超市商品的新鮮程度達(dá)到的水平(a5)購(gòu)物前，期望某超市營(yíng)業(yè)時(shí)間安排合理程度(a6)購(gòu)物前，期望某超市員工服務(wù)態(tài)度

素，可以從幾個(gè)方面衡量對(duì)某超市的質(zhì)量期望。達(dá)到的水平(a7)購(gòu)物前，期望某超市結(jié)賬速度達(dá)到的水平(a8)(三)質(zhì)量感知質(zhì)量感知和質(zhì)量期望相對(duì)應(yīng)，質(zhì)量期望考慮的是在購(gòu)買商品前的期望，質(zhì)量感知是在購(gòu)買商品后的實(shí)際感受。可以從幾個(gè)方面衡量。購(gòu)物后，對(duì)某超市整體服務(wù)的滿意程度(a9)購(gòu)物后，認(rèn)為某超市商品的新鮮程度達(dá)到的水平(alO)購(gòu)物后，認(rèn)為超市營(yíng)業(yè)時(shí)間安排合理程度(a11)購(gòu)物后，認(rèn)為某超市員工服務(wù)態(tài)度達(dá)到的水平(a12)購(gòu)物后，認(rèn)為某超市結(jié)賬速度達(dá)到的水平(a13)(四)感知價(jià)值根據(jù)ANDERSON和FOMELL(EUGENEW.ANDERSON1&CLAESFOMELL，2000)對(duì)美國(guó)顧客滿意指數(shù)模型的進(jìn)步研究，認(rèn)為對(duì)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)

顧客滿意一般可以從三個(gè)方面衡量，一是可以從整體（五）顧上來感覺；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(duì)某超市的總體滿意程度（al6）和您消費(fèi)前的期望比，您對(duì)某超市的滿意程度顧客滿意一般可以從三個(gè)方面衡量，一是可以從整體（五）顧上來感覺；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(duì)某超市的總體滿意程度（al6）和您消費(fèi)前的期望比，您對(duì)某超市的滿意程度（al7）和您心目中的超市比，您對(duì)某超市的滿意程度（al8）FORNE和WERNERFELT（1988）的研究成果，認(rèn)為顧客滿意的增加會(huì)減少顧客的抱怨，同時(shí)會(huì)增加顧客（六）顧$他們往往會(huì)選擇抱怨。對(duì)于客抱怨的觀測(cè)，一般有兩種方抱式，一種是比較正式的形怨式，向超市提出正式抱怨，的忠誠(chéng)，當(dāng)顧客不滿意時(shí),有換貨，退貨等行為；另一種是非正式的形式，顧客會(huì)宣傳，形成群眾對(duì)于該超市您對(duì)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(duì)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(duì)顧客投訴的處理效率和效果4（a21）的口碑。正向的，采用Likert10級(jí)量度從“非常低”到“非常高”

（七）顧客忠誠(chéng)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(gòu)買顧的意向。同時(shí)還有學(xué)者指出顧客忠誠(chéng)可以從顧客對(duì)漲價(jià)的容忍性、重復(fù)購(gòu)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（七）顧客忠誠(chéng)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(gòu)買顧的意向。同時(shí)還有學(xué)者指出顧客忠誠(chéng)可以從顧客對(duì)漲價(jià)的容忍性、重復(fù)購(gòu)買性兩方面衡量。綜合上述因素,擬從以下幾個(gè)方面衡量顧我會(huì)經(jīng)常去某超市(a22)我會(huì)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(dòng)向超市反饋，求得解決，并且以后還會(huì)來超市購(gòu)物(a24)客忠誠(chéng)。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(gòu)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(cè)指標(biāo)，7個(gè)人口變量，量表采用了LikertlO級(jí)量度，如對(duì)超市形象的測(cè)量：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本次調(diào)查共發(fā)放問卷500份，收回有效樣本436份。四、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。五、數(shù)據(jù)的的信度和效度檢驗(yàn)1?數(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。一致性主要反映的是測(cè)驗(yàn)內(nèi)部題目之間的關(guān)系，考察測(cè)驗(yàn)的各個(gè)題目是否測(cè)量了相同的內(nèi)容或特質(zhì)。穩(wěn)定性是指用一種測(cè)量工具（譬如同一份問卷）對(duì)同一群受試者進(jìn)行不同時(shí)間上的重復(fù)測(cè)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(cè)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(cè)量，所以主要采用反映內(nèi)部一致性的指標(biāo)來測(cè)量數(shù)據(jù)的信度。折半信度（split-halfreliability）是將測(cè)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(cè)量工具中任一條目結(jié)果同其他所有條目作比較，對(duì)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)擊二，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Reliab訂ityStatisticsCronbach'sAlphaNofItems.89224另外，對(duì)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5。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'sAlpha系數(shù)達(dá)到了0.891，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。表7-4潛變量的信度檢驗(yàn)、潛變量可測(cè)變量個(gè)數(shù)Cronbach'sAlpha超市形象30.8585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(duì)應(yīng)的題目。如對(duì)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。TOC\o"1-5"\h\z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(chéng)30.7382.數(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(construetvalidity)內(nèi)容效度也稱表面效度或邏輯效度，是指測(cè)量目標(biāo)與測(cè)量?jī)?nèi)容之間的適合性與相符性。對(duì)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(píng)價(jià)。邏輯分析一般由研究者或?qū)＜以u(píng)判所選題項(xiàng)是否“看上去”符合測(cè)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(cè)效度或標(biāo)準(zhǔn)關(guān)聯(lián)效度，是指用不同的幾種測(cè)量方式或不同的指標(biāo)對(duì)同一變量進(jìn)行測(cè)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(cè)量即具備效標(biāo)效度。例如，x是一個(gè)變量，我們使用X、X兩種工具進(jìn)行測(cè)量。如果使用X作為121準(zhǔn)則，并且X和X高度相關(guān)，我們就說X也是具有很高的效度。當(dāng)然，使用這種方法的關(guān)122鍵在于作為準(zhǔn)則的測(cè)量方式或指標(biāo)一定要是有效的，否則越比越差。現(xiàn)實(shí)中，我們?cè)u(píng)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(cè)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(cè)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(cè)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(cè)量并進(jìn)行施測(cè)，最后對(duì)測(cè)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(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)：第一種方法是通過模型系數(shù)評(píng)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(cè)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)6可以比較不同指標(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。第二種方法是通過相關(guān)系數(shù)評(píng)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(píng)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(duì)量表的結(jié)構(gòu)效度進(jìn)行考評(píng)。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)。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。六、結(jié)構(gòu)方程模型建模6關(guān)于標(biāo)準(zhǔn)化系數(shù)的解釋見本章第五節(jié)。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初始界面圖第二節(jié)Amos實(shí)現(xiàn)7一、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建立潛變量二、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,7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)。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H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(cè)變量及相應(yīng)的殘差變量，可以使用弋產(chǎn)繪制，也可以使用一和"自行繪制（繪制結(jié)果如圖7T0）。在可測(cè)變量上點(diǎn)擊右鍵選擇ObjectProperties，為可測(cè)變量命名。其中VariableName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(cè)變量及殘差變量圖7-11可測(cè)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(kù)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(duì)話框，然后點(diǎn)擊Filename按鈕，出現(xiàn)如圖7-14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7-14左邊的對(duì)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)讀入第三節(jié)模型擬合一、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8?？梢酝ㄟ^點(diǎn)擊View菜單在AnalysisProperties（或點(diǎn)擊工具欄的11蟹閱）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7T5。圖7-15參數(shù)估計(jì)選擇二、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(wú)法直接使用，因此需要進(jìn)行標(biāo)準(zhǔn)化。在Analysis8詳細(xì)方法列表參見書后附錄

Properties中的Output項(xiàng)中選擇StandardizedEstimates項(xiàng)（如圖7-26）,即可輸出測(cè)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)9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。三、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

中的啦），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（'I）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1分?jǐn)?shù)轉(zhuǎn)換公式為: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10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。四、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)11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(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(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7-5系數(shù)估計(jì)結(jié)果10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。11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)。未標(biāo)準(zhǔn)化未標(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)量期超市形望<---象0.3010.0456.68***par_160.358質(zhì)量感質(zhì)量期知<---望0.4340.0577.633***par_170.434感知價(jià)質(zhì)量期格<---望0.3290.0893.722***par_180.244感知價(jià)質(zhì)量感格<---知-0.1210.082-1.4670.142par_19-0.089感知價(jià)超市形格<---象-0.0050.065-0.070.944par_20-0.004顧客滿超市形意<象0.9120.04321.389***par_210.878顧客滿感知價(jià)意<---格-0.0290.028-1.0360.3par_23-0.032顧客忠超市形誠(chéng)<---象0.1670.1011.6530.098par_220.183顧客忠顧客忠誠(chéng)<---意0.50.14.988***par_240.569a112<---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_50.891顧客滿12凡是a+數(shù)字的變量都是代表問卷中相應(yīng)測(cè)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(hào)。

質(zhì)量期a8<---望l.0240.05817.713***par_60.816a10<---質(zhì)量感知l0.768a9<——質(zhì)量感知1.160.06517.911***par_70.882all<——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_110.939al5<---感知價(jià)格10.963al4<---0.9720.1277.67***par_120.904感知價(jià)

顧客滿a16<---意1.0090.03331.024***par_130.95顧客忠a24<——誠(chéng)10.682顧客忠a23<——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_31

e20.86l0.0939.288***par_32e32.6750.19913.467***par_33e5l.5260.1311.733***par_34e42.4590.18613.232***par_35e61.2450.10511.799***par_36e70.8870.1038.583***par_37e81.3350.11911.228***par_38e101.7590.152■11.565***par_39e90.9760.1227.976***par_40ell3.1380.23513.343***par_41e121.9260.17111.272***par_42e132.1280.17612.11***par_43e181.0560.08911.832***par_44e160.420.0528.007***par_45el70.5540.0619.103***par_46el50.3640.5910.6160.538par_47

e243.4130.29511.55***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(hào)中是相應(yīng)的C.R值，即t值。五、模型擬合評(píng)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S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(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S與理論方差協(xié)方差矩陣E差別不大，即殘差矩陣（Z-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)。表7-7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)性等方面對(duì)理論模型進(jìn)行度量。Amos表7-7擬合指數(shù)

指數(shù)名稱評(píng)價(jià)標(biāo)準(zhǔn)13絕對(duì)擬合指數(shù)2（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(duì)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14。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。13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。14詳細(xì)請(qǐng)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(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。第四節(jié)模型修正15一、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)16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(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17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15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)。16如模型不可識(shí)別，或擬合指數(shù)結(jié)果很差。17譬如可以刪除初始模型中不存在顯著意義的路徑。于模型擴(kuò)展，臨界比率(CriticalRatio)迪用于模型限制。二、模型修正指標(biāo)191.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(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20。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21。18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。19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)。20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。21只有修正指數(shù)值大于開始值的路徑才會(huì)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(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)（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(duì)顧客忠誠(chéng)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

表7-8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。來查看模型輸F面考慮通過修正指數(shù)對(duì)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(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-.054.035-1.540.124-.054.035-1.540.124par_22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)量期望顧客忠.164.1001.632.103顧客忠.164.1001.632.103par_21誠(chéng)<---超市形象圖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(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(chéng)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)果擬合指卡方值CFINFIIFIRMSEAAICBCCEVCI數(shù)（自由度）結(jié)果515.10.9360.9130.9360.080603.117607.7491.508(146)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(jiǎn)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(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。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)果擬合指卡方值CFINFIIFIRMSEAAICBCCEVCI數(shù)(自由度)結(jié)果401.30.9510.9300.9510.073485.291489.4801.213(129)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(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)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el2與el3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)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elO與el2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(duì)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(duì)應(yīng)的測(cè)定系數(shù)增大了。下面考慮根據(jù)PairwiseParameterComparisons來判斷對(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)沒有顯著差異，哪些測(cè)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(cè)量方程的隨機(jī)項(xiàng)的方差之間的之間沒有顯著差異，對(duì)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I一1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_l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22,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(duì)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)，如圖7-26對(duì)應(yīng)因果路徑圖7-27對(duì)應(yīng)殘差變量圖7-28對(duì)應(yīng)相關(guān)系數(shù)路徑圖7—26，圖7—27，圖7-28。然后在Regressionweight23,variance24,covariane25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(duì)值最小的是par_44和par_45對(duì)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修正的模型七22—般絕對(duì)值小于2認(rèn)為沒有顯著差異。23對(duì)應(yīng)因果路徑。24對(duì)應(yīng)殘差變量。25對(duì)應(yīng)相關(guān)系數(shù)路徑。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(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。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(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S.E.C.R.PLabel路徑系數(shù)路徑系估計(jì)估計(jì)數(shù)估計(jì)質(zhì)量期超市形望質(zhì)量感<---象超市形0.3530.03111.495***bb0.384知<——象0.7230.02331.516***aa0.814質(zhì)量感質(zhì)量期知<——望0.1290.0353.687***par_160.134顧客滿質(zhì)量感意<——知0.7230.02331.516***aa0.627顧客滿超市形意<——象0.3530.03111.495***bb0.345顧客忠顧客滿誠(chéng)<——意0.7230.02331.516***aa0.753超市形al<——象10.925超市形a2<---象1.0420.0252.853***b0.901超市形a3<---象0.7280.03620.367***d0.631質(zhì)量期a5<---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0.872p0.02633.619***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***a0.6770.861a18<---0.861顧客滿

顧客滿a17<---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)方差估相關(guān)系數(shù)估計(jì)S.E.C.R.PLabel計(jì)e12<-->e130.6990.0729.658***r20.32e7<-->e80.6990.0729.658***r20.46e18<-->e170.2770.055.568***r10.289

e2<-->e30.2770.055.568***r10.178注:“*