1、结构方程模型分析过程应用案例 第一节 模型设 定 结 构方 程模型 分析 过程 可以分 为模型 构建 、模型 运算、 模型 修正 以及模型 解释四 个 步骤。 下 面以一 个 研究实例 作为说 明 ， 使用Amos7 软件 1进行计 算，阐 述在实际 应用中 结 构方程模 型的构 建 、运算、 修 正与模型 解释过 程 。 一、 模型构建 的思路 本案例在 著名的 美 国顾客满 意度指 数 模型(ASCI)的 基础 上， 提出 了一个新 的模型， 并以此构 建潜变 量 并建立模 型结构。 根据构建 的理 论模型， 通过设计 问卷 对某超 市顾客 购 物服务满意 度 调查得 到 实际 数 据，然
2、后 利用对 缺失 值 进行 处理后的数 据 2进行分析， 并 对文中提 出 的模型进 行拟合 、 修正和解 释。 二、 潜变量和 可测变 量 的设定 本文在继 承 ASCI 模型 核心概 念的基 础 上， 对 模型作 了一些 改进， 在模型中 增加超 市 形象。 它 包括顾 客对 超市总体 形象及 与 其他超市 相 比的知名 度。 它 与 顾客期望 ， 感知 价 格和顾客 满意有 关 ， 设计的模 型 见表 1 。 1 本案例是在 Amos7 中完成的。 2 见 spss 数据文件“处理后的数据.sav”。 超市形象 质量期望 质量感知 感知价值 顾客满意 顾客抱怨 顾客忠诚 模型中共 包含七
3、 个 因素(潜 变量)： 超市 形象、质 量期望 、 质量感 知、 感知价 值、 顾 客满意、 顾 客抱怨 、 顾客忠诚 ， 其中 前四个要 素是 前提变量， 后三个 因素是结 果变量， 前提变量 综合决 定 并影响着 结果 变量(Eugene W. Anderson 殷 荣伍，2000) 。 表 1 设计 的结构路 径图和基 本路径假 设 设计的结 构路径 图 基本路径 假设 超 市形象对 质量期望 有 路径影响 质 量期望对 质量感知 有 路径影响 质 量感知对 感知价格 有 路径影响 质 量期望对 感知价格 有 路径影响 感 知价格对 顾客满意 有 路径影响 顾 客满意对 顾客忠诚 有
4、路径影响 超 市形象对 顾客满意 有 路径影响 超 市形象对 顾客忠诚 有路径影响 2.1、顾客满 意模型 中各因素 的具体 范 畴 参考前面 模型的 总 体构建情 况、 国 外研 究理论和 其他行 业 实证结 论， 以及小 范围甄 别 调查的结 果， 模型 中 各要素需 要观测 的 具体范畴 ， 见表 2 。 表 2 模 型变量对应 表 潜变 量 内涵 可测变量 ( 一) 超 市 形 象 根据 MARTENSEN 在 固 定电话、 移动电话 、 超 市等行业 中的调查 研 究 ，企业形 象是影响 总 体满意水平的第一要 素 ，这里将 超市形象 要 素 列为影响 因素，可以 从 以下几个 方面
5、进行 观 测。 某超市总 体形象 的 评价(a1) 与其它超 市相比 的 形象(a2) 与 其它超市 相比的品 牌知名 度 (a3) ( 二) 质 量 期 望 质 量期望是 指顾客在 使 用 某 超市产品 前对其的 期 望水平。 顾客的质 量 期 望会影响 顾客价值 ， 而 且质量期 望还会顾 客 感知造成影响. 还有学 者 指出，对 于顾客期 望 要 素，至少 可以从整 体 感 觉、个性 化服务、 可 靠 性三个方 面来观测 。 结 合上述因 素，可以 从 几 个方面衡 量对某超市 的质量期 望。 购 物前，对 某 超市整 体服务 的 期望(a4) 购 物前，期 望某 超市 商品的 新 鲜程
6、度达到 的 水平(a5) 购 物前，期 望某 超市 营业时 间 安排合理 程度(a6) 购 物前，期 望某 超市 员工服务 态度达到 的水平(a7) 购 物前，期 望某 超市 结账速 度 达到的水平(a8) ( 三) 质 量 感 知 质 量感知和 质量期望 相 对 应，质量 期望考虑 的 是在购买商品前的期 望 ，质量感 知是在购 买 商 品后的 实 际感受。 可 以从几个 方面衡 量 。 购 物后，对 某 超市整 体服务 的 满意程度(a9) 购 物后，认 为某 超市 商品的 新 鲜程度达 到的水平(a10) 购 物后，认 为超市营 业时间 安 排合理程 度(a11) 购 物后，认 为某 超
7、市 员工服务 态度达到 的水平(a12) 购 物后，认 为某 超市 结账速 度 达到的水平(a13) ( 四) 感 知 价 值 根据 ANDERSON 和 FOMELL(EUGENEW. ANDERSON&CLAES FOMELL ， 2000)对美 国 顾客满意 指数模 型 的进 一步研究 ，认为 对 于顾 客价值部 分可以 从 性价 比来衡量 。 您 认为某 超市 商品的 价格如何 (a14) 与 其他超市 相比，您 认为某 超 市商品的 价格如 何(a15) ( 五) 顾 客 满 意 顾 客满意一 般可以从 三 个 方面衡量 ，一是可 以 从 整体上来 感觉；二 是 可 以与消费 前的期
8、望 进 行 比较，寻 找两者的 差 距 ；三是可 以与理想 状 态 下的感觉 比较，寻 找 两 者的差距 。因此， 可 以 通过以下 几个指标 衡 量。 对某超市 的总体 满 意程度(a16) 和您 消费前 的期望比 ，您对 某 超市的满 意程度(a17) 和 您心目中 的超市比 ，您对 某 超市的满 意程度(a18) ( 六) 顾 客 抱 怨 FORNE 和 WERNERFELT （1988 ） 的 研究成果 ，认为顾 客 满 意的增加 会减少顾 客 的 抱怨， 同 时会增加 顾 客 的忠诚， 当顾客不 满 意 时，他们 往往会选 择 抱怨。 对于 抱怨的 观 测， 一 般有两种 方式，一
9、种 是 比较正式 的形式， 向 超 市提出正 式抱怨， 有 换 货，退货 等行为； 另 一 种是非正 式的形式 ， 顾 客会宣传 ，形成群 众 对于该超 市的口 碑 。 您对 某 超市 投诉的频 率（包 括 给 超市写投 诉信和直 接向超 市 人员反映 ）(a19) 您对 某 超市 抱怨的频 率（私 下 抱怨并未 告知超 市 ）(a20) 您 认为某 超 市对顾客 投诉的 处 理效率和 效果 33 正向的，采用 Likert10 级量度从“非常低”到“非常高” (a21) ( 七) 顾 客 忠 诚 顾 客忠诚主 要可以从 三 个 方面体现 ：顾客推 荐 意向、 转换 产品的 意 向、 重 复购
10、买的 意向。同 时 还 有学者指 出顾客忠 诚 可 以从顾客 对涨价的 容 忍 性、重复 购买性两 方 面衡量。 综 合上述 因 素， 拟 从以下几 个方面衡 量 顾客忠诚 。 我会经常 去某超市(a22) 我 会推荐同 学和朋友 去某 超市 (a23) 如 果发现某 超市的产 品或服 务 有 问题后， 能以谅解 的心态 主 动向 超市反 馈，求得 解决， 并 且以后还 会来超市 购物(a24) 三、 关于顾客 满意调 查 数据的收 集 本 次问 卷调研 的对象 为居 住在某 大学校 内的 各类学 生（包 括 全 日 制本科 生、全 日制 硕士和 博士研 究生 ） ，并且 近一个 月内 在校内
11、 某 超市有购 物体验 的 学生。 调查 采用随 机拦访的 方式， 并 且为避免 样本 的同质性 和重复 填 写，按照 性别和 被 访者经常 光顾的 超 市进行控 制。 问卷内容 包括7 个 潜变量因 子，24 项 可测指标 ，7 个人 口变 量 ， 量表 采用了 Likert10 级量 度 ，如 对超市 形 象的测量 ： 一、 超市形 象 1 代表 “非常差劲 ” ， 10 代 表“非 常好” 1 您对某超 市总体 形 象的评价 1 2 3 4 5 6 7 8 9 10 2 您认为与其它校内超市相比，某超 市的形象 如何 1 2 3 4 5 6 7 8 9 10 3 您认为与其它校内超市相比
12、，某超 1 2 3 4 5 6 7 8 市品牌知 名度如 何 9 10 本次调查 共发放 问 卷500 份， 收回 有 效样本436 份。 四、 缺失值的 处理 采用表列 删除法 ， 即在一条 记录中 ， 只要存在 一项缺 失 ， 则删除 该记录。 最终得到 401 条 数据， 基于这 部分数据 做分 析。 五、 数据的的信 度 和效度 检验 1 数据的信 度检验 信度（reliability ） 指测量结果（ 数据 ）一致性或稳 定性 的程度。 一致性主 要反映 的 是测验内 部题目 之 间的关系 ， 考察 测验 的各个题 目 是否测量 了相同 的 内容或特 质。 稳定 性是指用 一种测 量
13、 工具 （譬如 同 一份问卷 ） 对同 一群 受试者进 行不同 时 间上的重 复测量 结 果间的可 靠 系数。 如 果问卷 设 计合理， 重复测 量 的结果间 应该高 度 相关。 由 于本 案例并没 有进行 多 次重复测 量， 所 以主 要采用反 映内部 一 致性的指 标 来测量数 据的信 度 。 折半信度 （split-half reliability ） 是将测量工具中 的条目 按 奇偶数 或前后分 成两半 ， 采用 Spearman-brown 公式估计 相关系 数，相关 系 数高提示 内部一 致 性好。 然而， 折 半信 度系数是 建立在 两 半问题条 目 分数的方 差相等 这 一假设
14、基 础上的 ， 但 实际数据 并不一 定 满足这一 假 定，因此 信度往 往 被低估。Cronbach 在 1951 年提 出了一 种新的方 法（Cronbachs Alpha 系数） ， 这种 方法将 测量工具 中任一 条 目结果同 其 他所有条 目作比 较 ， 对量表内 部一致 性估计更 为慎重， 因此克服 了折 半信度的缺点。本章采用 SPSS16.0 研究数据的内部一致性。在 Analyze 菜单中选 择 Scale 下的 Reliability Analysis（ 如图 1 ） ，将数 据 中在左边 方框中 待 分析的 24 个题 目一 一选中， 然后点 击 ，左边方 框中待分 析的
15、24 个 题目进入 右边的 items 方框中， 使用 Alpha 模型 （默 认） ， 得到 图 2 ， 然后 点击ok 即可 得到如表 3 的结 果， 显示 Cronbachs Alpha 系数为0.892，说明案 例所使 用 数据具有 较好的信度 。 图 1 信 度分析的选择 图 2 信 度分 析变量及 方法的选择 表3 信 度 分析结果 Reliability Statistics Cronbachs Alpha N of Items .892 24 另外，对 问卷中 每 个潜变量 的信度 分 别检验结 果如表 4 所示 4 表 4 潜 变 量的信度检验 。 从表 4 可 以看到 ，
16、除顾客抱 怨量表Cronbacas Alpha系数为 0.255 ，比 较低以外，其它分量表的Alpha 系数均在 0.7 以上，且总量表的 Cronbachs Alpha 系 数达到了 0.891，表明 此量表 的可靠 性 较高。 由信 度检验的 结果可 知 顾客抱怨 的测量 指 标的信度 远低于 0.7 ，因此在 路 径图中去 掉顾客 抱 怨因子， 即初始 模 型中包括 6 个潜变 量、21 个可 测变量。 潜变量 可测变量 个数 Cronbachs Alpha 4 操作过程同前， 不同的是在图 7-14 中选入右边方框 items 中是相应潜变量对应的题目。 如对超市形象潜变 量，只需要
17、把 a1 、a2 和 a3 题 目选入到右边方框 items 中即 可。 超市形象 3 0.858 质量期望 5 0.889 质量感知 5 0.862 感知价格 2 0.929 顾客满意 3 0.948 顾客抱怨 3 0.255 顾客忠诚 3 0.738 2 数据的效 度检验 效度 （validity ） 指测量工具能 够正确 测 量出所要 测量的 特 质的程 度，分为 内容效 度 （content validity）、 效标效 度（criterion validity ） 和结构效 度（construct validity ）三个主 要类型。 内容效度 也称表 面 效度或逻 辑效度 ， 是
18、指测量目 标与测 量 内容之 间的适合 性与相 符 性。 对内 容效度 常采 用逻辑分 析与统 计 分析相结 合 的 方法 进行 评价 。逻 辑分 析一 般由 研究 者或 专家 评判 所选 题项 是否 “看上去”符合 测 量的目的 和要求 。 准则效度 又称效 标 效度、 实证 效度、 统计效度、 预测效 度或标准 关联效度 ， 是指 用不 同的几种 测量方 式 或不同的 指标对 同 一变量进 行 测 量，并 将其中 的一 种方式 作为准 则（ 效标 ） ， 用其他 的方 式或指 标 与这个准 则作比 较 ， 如果其他 方式或 指标也有 效， 那么 这个测量 即具 备效标 效度 。例如， X
19、是一 个变 量， 我 们使用 1 X 、 2 X 两种工 具 进行测 量 。如果 使用 1 X 作为准 则，并 且 1 X 和 2 X 高度相 关，我 们就说 2 X 也是 具有很高的 效度。 当 然， 使用这 种方法 的关键在 于作为 准 则的测量 方式 或指标一 定要是 有 效的， 否 则越比 越 差。 现实 中， 我 们 评价效标 效度 的方法是相关分析或差异显著性检验 ， 但是在调 查问 卷的 效度 分析 中， 选择一 个合适 的准则往 往十分 困 难， 也使这 种方法 的应用受 到一 定限制。 结构效度 也称构 想 效度、 建构 效度或 理论效度， 是指测 量工具反 映概念和 命题的
20、 内 部结构的 程度， 也就 是说如果 问卷调 查 结果能够 测 量其理论 特征， 使 调查结果 与理论 预 期一致， 就 认为数 据是具有 结构 效度的。 它 一般是 通过测量 结果与 理 论假设相 比较来 检 验的。确 定 结 构效度的 基本步 骤 是，首先 从某一 理 论出发， 提出关 于 特质的假 设， 然后设计 和编制 测 量并进行 施测， 最后 对测量的 结果采 用 相关分析 或 因子分析 等方法 进 行分析， 验证其 与 理论假设 的相符 程 度。 在实际操 作的过 程 中， 前面 两种效 度 （内容效 度和准 则 效度） 往 往要求专 家定性 研 究或具有 公认的 效 标测量，
21、 因 而难以 实现的， 而 结 构效度便 于可以 采 用多种方 法来实 现 ： 第一种方 法是通 过 模型系数 评价结 构 效度。 如 果模型 假设 的潜变 量之间的 关系以 及 潜变量与 可测变 量 之间的关 系合理 ， 非 标准化系 数 应当具有 显著的 统 计意义。 特别地 ， 通过标准 化系数 5 第二种方 法是通 过 相关系数 评价结 构 效度。 如 果在理 论模 型中潜 可以比较不 同 指标间的 效度。 从 表 17 可 以看出在 99% 的置信 度下所 有 非标准化 系 数具有统 计显著 性 ，这说明 修正模 型 的整体结 构效度 较 好。 5 关于标准化系数的解释见本章第五节。
22、 变 量之 间存 在相 关关 系， 可以 通过 潜变 量的 相关 系数 来评 价结 构效 度：显著 的相关 系 数说明理 论模型 假 设成立， 具有较 好 的结构效 度。 第三种方 法是先 构 建理论模 型， 通 过验 证性因子 分析的 模 型拟合 情况来对 量表的 结 构效度进 行考评 。 因 此数据的 效度检验就 转 化 为结 构方程模 型评价 中 的模型拟 合指数 评 价。对于 本案例 ， 从表 16 可知 理论模型 与数据 拟 合较好， 结构效 度 较好。 六、 结构方程 模型建 模 构建如图 7.3 的 初始 模型。 超市形象 质量期望 质量感知 a1 e1 1 1 a2 e2 1
23、a3 e3 1 a5 e5 1 1 a4 e4 1 a6 e6 1 a7 e7 1 a8 e8 1 a10 e10 1 1 a9 e9 1 a11 e11 1 a12 e12 1 a13 e13 1 顾客满意 感知价格 a18 e18 1 1 a16 e16 1 a17 e17 1 a15 e15 1 1 a14 顾客忠诚 a24 e24 a22 e22 a23 e23 1 1 1 1 z2 1 z4 1 z5 1 z3 1 z1 1 e14 1图 3 初始模型 结构 图 4 Amos Graphics 初始界面图 第二节 Amos 实现 6一、 Amos 基本界 面与工 具 打开 Amos
24、Graphics ，初 始界面 如图 4 。其中第 一部分 是 建模区 域， 默认 是竖版 格 式。 如果 要建立 的 模型在横 向上占 用 较大空间 ， 只 需选择 View 菜单 中的 Interface Properties 选项 下的 Landscape（如 图 7.5 ） ，即 可将建 模区 域调整为 横板格 式 。 图 2 中的 第二部 分 是工具栏 ， 用于 模 型的设定 、 运算 与 修正。 相 关工具的 具体功 能 参见书后 附录二 。 6这部分的操作说明也可参看书上第七章第二节:Amos 实现。 图 5 建模区域 的版式调 整 图 6 建 立潜 变量 二、 Amos 模型设
25、 定操作 1 模型的绘 制 在使用 Amos 进行模型设定 之前， 建 议事先在 纸上绘 制 出基本理论模型 和变量 影 响关系路 径图， 并 确定潜变 量与可 测 变量的名 称， 以避免不 必要的 返 工。相关 软件操 作 如下： 第一步， 使 用 建模区域绘制 模型中 的 七个潜变 量 （如图 6）。 为 了保持图 形的美 观 ， 可以 使用先 绘制 一个潜变 量， 再使 用复制工 具 绘制其他 潜变量， 以保证潜 变量大 小 一致。 在潜 变量上 点击右键 选择 Object Properties， 为潜变量 命名（ 如 图 7 ） 。绘 制好的 潜 变量图形 如 图 8 。 第二步设置
26、潜变量 之间的关系。使用 来设置变量间的因 果关 系， 使用 来设置变 量间的相 关关系。 绘制好的 潜变量 关 系图如图 9 。 图 7 潜变量命 名 图 8 命名后的 潜变量 图 9 设定潜变 量关系 第三步为 潜变量 设 置可测变 量及相 应 的残差变 量， 可 以 使 用 绘制， 也可以 使用 和 自行绘 制 （ 绘制 结果如图 10 ） 。 在可 测变量上点击 右键选择 Object Properties ， 为可测变 量命名 。 其中 Variable Name 一项对应的 是数据中 的变量 名 （如图 11 ） ，在 残 差变量上 右键 选择 Object Properties
27、为残 差变量 命名 。最终绘 制完成 模 型结果如 图 12 。 图 10 设定 可测变量及残 差变量 图 11 可测变量指定与命 名 图 12 初始 模型设置完成 2 数据文件 的配置 Amos 可以处理多 种数据格式，如文本文档（*.txt ） ，表 格文档 （*.xls 、*.wk1 ） ， 数据库文 档（*.dbf 、*.mdb）， SPSS 文档 （*.sav） 等。 为了配置 数据文 件 ， 选择 File 菜 单中的 Data Files （如图 13）， 出 现如图 14 左 边的对 话框， 然后 点击 File name 按钮，出现 如图 14 右 边的对话 框， 找到 需要
28、读入 的数据 文 件 “处理后 的数据.sav”,双 击文 件名或点 击下面 的 “ 打开” 按 钮， 最 后点击 图 14 左边 的对话 框中 “ok” 按钮，这 样就读 入 数据了。 图 13 数 据配置 图 14 数 据读入 第三节 模型拟 合 一、 参数估计 方法选 择 模型运算 是使用 软 件进行模 型参数 估 计的过程 。 Amos提供 了多种 模型运算 方法供 选 择 7 。可以通 过点击View 菜单在Analysis Properties （或点击 工具栏 的 ）中的Estimation 项 选择相应 的估计 方 法。 本案例使 用最大 似 然估计 （Maximum Like
29、lihood ） 进 行模型 运算， 相关设置 如图 15 。 7 详细方法列表参见书后附录一。 图 15 参数 估计选择 二、 标准化系 数 如果不做 选择， 输 出结果默 认的路 径 系数 （或 载荷系 数 ） 没有经 过标准化， 称作非 标准化系 数。 非标 准化系数 中存在 依 赖于有关 变量 的尺度单 位，所 以 在比较路 径系数 （ 或载荷系 数）时 无 法直接使 用， 因此需要 进行标 准 化。在 Analysis Properties 中的 Output 项中选择 Standardized Estimates 项（如图 26）， 即可输出 测量模 型 的因子载 荷 标准化系 数
30、如表 5 最后一列 。 图 7.16 标准化系数计算 标 准化系数 是将各变 量原始分 数转换为Z 分数 8 因此不同 变量间 的 标准化路 径系数 （ 或标准化 载荷系 数 ） 可以直接 比 较。从表17 最后一 列中可以 看出： 受 “质量期 望”潜 变 量影响的 是 “质量感 知” 潜变 量和 “感知 价格” 潜变量； 标 准化路 径系数分 别为 0.434 和0.244 ，这 说明“质 量期望 ” 潜变量对 “质量 感 知”潜变 量 的影响程 度大于 其 对“感知 价格” 潜 变量的影 响程度 。 后得 到的估计 结 果，用以 度量变 量 间的相对 变化水 平 。 三、 参数估计 结果
31、的 展 示 8 Z 分数转换公式为： i i XX Z s = 。 图 17 模 型运算完成图 使用 Analyze 菜单下的 Calculate Estimates 进行 模型运 算 （或使 用工 具栏中的 ） ， 输出结 果如图 17 。其中红 框部分是模 型运算 基 本 结果信 息，使 用者 也可以 通过点 击 View the output path diagram （ ）查看 参数估 计 结果图（图 18 ） 。 图 18 参 数估计结果图 Amos 还提供了 表格形式 的模型 运 算详细结 果信息 ， 通 过点击工 具 栏中的 来查看。 详 细 信息包括 分析基 本 情况 （Ana
32、lysis Summary ） 、 变量基本 情况 （Variable Summary ） 、 模型信息 （Notes for Model ） 、估 计结果（Estimates） 、修正指 数（Modification Indices ）和 模型拟合 （Model Fit） 六部 分。 在 分析过 程中 ， 一般通过 前三部分 9了解模型 ， 在模型评 价时使 用 估计结果 和模型 拟 合部分， 在模型 修正 时使用修 正 指数部分 。 四、 模型评价 1 路径系数/ 载 荷 系数的显 著性 参数估计 结果如表 5 到表 6 ， 模型 评 价首 先要考 察模型 结 果中估 计出的参 数是否 具
33、 有统计意 义， 需要 对路径系 数或载 荷 系数 109 分析基本情况（Analysis Summary ） 、变量基本情况（Variable Summary ） 、模型信息（Notes for Model ）三 部分的详细介绍如书后附录三。 进行统 计显著性 检验， 这 类似于回 归分析 中 的参数显 著性检 验 ， 原假设为 系 数等于 。 Amos 提供 了一种简 单便捷 的 方法， 叫做CR （Critical Ratio）。 CR值是一 个Z 统计 量， 使用参 数估计 值与其标 准差之 比 构成 （如表 5 中第四列 ） 。Amos 同时给出 了CR的 统 计检验相 伴概率p （
34、如 表 5 中第 五 列 ） ，使 用者可以根 据p 值进 行路径系数/ 载荷系 数的统计显 著性 检 验。 譬如对 于表7.5 中“ 超 市形象” 潜 变量对 “质 量期望 ” 潜变量的 路径系数 （ 第一行 ） 为0.301，其 CR 值为 6.68，相 应 的 p 值小 于 0.01， 10 潜变量与潜变量间的回归系数称为路径系数；潜变量与可测变量间的回归系数称为载荷系数。 则可以认 为这个 路 径系数在95% 的 置信 度下与0 存在显 著 性差异。 表 5 系 数 估计结果 未标准 化路径 系数估 计 S.E. C.R. P Label 标准化 路径系 数估计 质量 期望 - 超市形
35、 象 0.301 0.045 6.68 * par_16 0.358 质量 感知 - 质量期 望 0.434 0.057 7.633 * par_17 0.434 感知 价格 - 质量期 望 0.329 0.089 3.722 * par_18 0.244 感知 价格 - 质量感 知 -0.121 0.082 -1.467 0.142 par_19 -0.089 感知 价格 - 超市形 象 -0.005 0.065 -0.07 0.944 par_20 -0.004 顾客 满意 - 超市形 象 0.912 0.043 21.389 * par_21 0.878 顾客 满意 - 感知价 格 -0
36、.029 0.028 -1.036 0.3 par_23 -0.032 顾客 忠诚 - 超市形 象 0.167 0.101 1.653 0.098 par_22 0.183 顾客 忠诚 - 顾客满 意 0.5 0.1 4.988 * par_24 0.569 a1 11 - 超市形 象 1 0.927 a2 - 超市形 象 1.008 0.036 27.991 * par_1 0.899 a3 - 超市形 象 0.701 0.048 14.667 * par_2 0.629 a5 - 质量期 望 1 0.79 a4 - 质量期 望 0.79 0.061 12.852 * par_3 0.626
37、 a6 - 质量期 望 0.891 0.053 16.906 * par_4 0.786 a7 - 质量期 望 1.159 0.059 19.628 * par_5 0.891 a8 - 质量期 望 1.024 0.058 17.713 * par_6 0.816 a10 - 质量感 知 1 0.768 a9 - 质量感 1.16 0.065 17.911 * par_7 0.882 11 凡是 a+数字的变量都是代表问卷中相应测量指标的，其中数字代表的问卷第一部分中问题的序号。 知 a11 - 质量感 知 0.758 0.068 11.075 * par_8 0.563 a12 - 质量感
38、知 1.101 0.069 15.973 * par_9 0.784 a13 - 质量感 知 0.983 0.067 14.777 * par_10 0.732 a18 - 顾客满 意 1 0.886 a17 - 顾客满 意 1.039 0.034 30.171 * par_11 0.939 a15 - 感知价 格 1 0.963 a14 - 感知价 格 0.972 0.127 7.67 * par_12 0.904 a16 - 顾客满 意 1.009 0.033 31.024 * par_13 0.95 a24 - 顾客忠 诚 1 0.682 a23 - 顾客忠 诚 1.208 0.092
39、13.079 * par_14 0.846 注: “* ” 表示 0.01 水平上 显著， 括 号中是相 应的 C.R 值，即 t 值。 表 6 方 差估计 方差估计 S.E. C.R. P Label 超市形象 3.574 0.299 11.958 * par_25 z2 2.208 0.243 9.08 * par_26 z1 2.06 0.241 8.54 * par_27 z3 4.405 0.668 6.596 * par_28 z4 0.894 0.107 8.352 * par_29 z5 1.373 0.214 6.404 * par_30 e1 0.584 0.079 7.3
40、63 * par_31 e2 0.861 0.093 9.288 * par_32 e3 2.675 0.199 13.467 * par_33 e5 1.526 0.13 11.733 * par_34 e4 2.459 0.186 13.232 * par_35 e6 1.245 0.105 11.799 * par_36 e7 0.887 0.103 8.583 * par_37 e8 1.335 0.119 11.228 * par_38 e10 1.759 0.152 11.565 * par_39 e9 0.976 0.122 7.976 * par_40 e11 3.138 0.
41、235 13.343 * par_41 e12 1.926 0.171 11.272 * par_42 e13 2.128 0.176 12.11 * par_43 e18 1.056 0.089 11.832 * par_44 e16 0.42 0.052 8.007 * par_45 e17 0.554 0.061 9.103 * par_46 e15 0.364 0.591 0.616 0.538 par_47 e24 3.413 0.295 11.55 * par_48 e22 3.381 0.281 12.051 * par_49 e23 1.73 0.252 6.874 * par
42、_50 e14 0.981 0.562 1.745 0.081 par_51 注: “* ” 表示 0.01 水平上 显著， 括 号中是相 应的 C.R 值，即 t 值。 五、 模型拟合 评价 在结构方 程模型 中 ，试图通 过统计 运 算方法（ 如最大 似 然法等） 求出那些使样本方差协方差矩阵 S 与理论方差协方差矩阵 的差异最 小的模型 参数。 换 一个角度， 如果理 论模型结 构对于 收 集到的数 据是 合理的，那么样本方差协方差矩阵 S 与理论方差协方差矩阵 差别不 大， 即残差 矩阵 （ S ） 各个元素 接近于0 ， 就可以认 为模型 拟合了 数据。 模型拟合指 数 是 考 察理
43、论结 构模型 对 数据拟合 程度的 统 计指标。 不同类别 的模型 拟 合指数可 以从模 型 复杂性、 样 本大小、 相对性与 绝 对性等方 面对理 论 模型进行 度量。 Amos 提供了 多种模 型拟 合指数 （如 表 表 7 拟合指 数 指数名 称 评价标 准 12 绝对拟合 指数 2 ( 卡方) 越小越好 GFI 大于 0.9 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 相对拟合 指数 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
44、1 越好 信息指数 AIC 越小越好 CAIC 越小越好 7 ）供使用者选择 13 需要注意 的是， 拟合 指数的作 用是考 察 理论模型 与数据 的 适配程 度， 并不能 作为判 断模型是 否成立 的 唯一依据。 拟合优 度高的模 型只 能 作为 参考 ，还 需要 根据 所研 究问 题的 背景 知识 进行 模型 合理 性讨 论。 即便拟 合指数 没有达到 最优， 但 一个能够 使用相 关 理论解释 的模 型更具有研 究 意义。 。如果模型拟合不 好，需要根据相关 领域知识 和 模型修正 指标进 行 模型修正 。 第四节 模型修 正 1412 表格中给出的是该拟合指数的最优标准， 譬如对于 R
45、MSEA ， 其值小于 0.05 表示模型拟合较 好， 在 0.05-0.08 间表示模型拟合尚可（Browne & Cudeck ，1993） 。因此在实际研究中，可根据具体情况分析。 13 详细请参考 Amos 6.0 Users Guide 489 项。 14 关于案例中模型的拟合方法和模型修正指数详情也可参看书上第七章第三节和第四节。 一、 模型修正 的思路 模型拟合 指数和 系 数显著性 检验固 然 重要， 但 对于数 据分 析更重 要的是模 型结论 一 定要具有 理论依 据 ， 换言之， 模型 结果 要可以被 相 关领域知 识所解 释 。 因此， 在进行 模型 修正时主 要考虑 修
46、 正后的模 型 结果是否 具有现 实 意义或理 论价值 ， 当模型效 果很差时 15 当模型效 果很差 时， 研究者可 以根据 初 始模型的 参数显 著 性结果 和Amos 提 供的模 型 修正指标 进行模 型 扩展 （Model Building）或 模 型 限 制（Model Trimming）。 模型 扩展 是 指通 过释 放部 分限 制路 径或添 加新路径 ，使模 型 结构更加 合理， 通 常在提高 模型拟 合 程度时使 用； 模型限制 是指通 过 删除 可以参考 模 型修正指 标对模 型 进行调整 。 16 Amos 提供了两种模型修正指标，其中修正指数（Modification I
47、ndex）用于 模型扩 展，临界 比率（Critical Ratio ） 或限制 部分路 径， 使模 型结构 更 加简洁， 通 常在提高 模型可 识 别性时使 用。 17用于模 型限制。 二、 模型修正 指标 181. 修正指数 （Modification Index） 15 如模型不可识别，或拟合指数结果很差。 16 譬如可以删除初始模型中不存在显著意义的路径。 17 这个 CR 不同于参数显著性检验中的 CR，使用方法将在下文中阐明。 18 无论是根据修正指数还是临界比率进行模型修正，都要以模型的实际意义与理论依据为基础。 图 19 修 正指数计算 修正指数 用于模 型 扩展， 是指 对于
48、模 型中某个 受限制 的 参数， 若 容许自由 估计（ 譬 如在模型 中添加 某 条路径 ） ，整 个模型 改良时将 会减少 的 最小卡方值 19 使用修正 指数修 改 模型时， 原 则上每 次只修改 一个参 数 ， 从最大 值开始估 算。 但在 实际中， 也 要考虑 让该参数 自由估 计 是否有理 论根 据。 。 若要使用 修正指 数 ，需要在Analysis Properties中的Output 项选择 Modification Indices 项 （如图 19 ） 。 其后 面的Threshold for Modification Indices指 的是输 出 的开始值 2019 即当模
49、型释放某个模型参数时，卡方统计量的减少量将大于等于相应的修正指数值。 。 20 只有修正指数值大于开始值的路径才会被输出，一般默认开始值为 4 。 图 20 临 界比率计算 2. 临界比率（Critical Ratio ） 临界比率用于 模型限制， 是计算 模型中的 每一对 待 估参数 （路 径 系数或载 荷系数） 之差， 并除 以相应 参数之差 的标准 差 所构造出 的统 计量。在 模型假 设 下，CR 统 计量服 从正态分 布，所 以 可以根据 CR 值判断两 个待估 参 数间是否 存在显 著 性差异。 若两个 待估 参数间不 存 在 显著 性差 异， 则可 以限 定模 型在 估计 时对 这两 个参 数
