AMOS结构方程模型修正经典案例.pdf

《AMOS结构方程模型修正经典案例.pdf》由会员分享，可在线阅读，更多相关《AMOS结构方程模型修正经典案例.pdf（34页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、-AMOSAMOS 构造方程模型修正经典案例构造方程模型修正经典案例第一节第一节模型设定模型设定构造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进展计算，阐述在实际应用中构造方程模型的构建、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)的根底上，提出了一个新的模型，并以此构建潜变量并建立模型构造。根据构建的理论模型，通过设计问卷对*超市顾客购物效劳满意度调查得到实际数据，然后利用对缺失值进展处理后的数据2进展分析，并对文中提出的模型进展拟合、修正和解释。二、潜变量和

2、可测变量的设定本文在继承 ASCI 模型核心概念的根底上，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 7-1。模型中共包含七个因素(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 &ClaesFornell，2000;殷荣伍，2000)。表表 7-17-1设计的构造路径图和根本路径假设设计的构造路径图和根本路径假设设计的构造路径图根本路径假设

3、1本案例是在2见Amos7 中完成的。spss 数据文件“处理后的数据.sav。.z.-超市形象超市形象对质量期望有路径影响质量期望顾客抱怨质量期望对质量感知有路径影响感知价值质量感知顾客满意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顾客忠诚2.1、顾客满意模型中各因素的具体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，以及小围甄别调查的结果，模型中各要素需要观测的具体畴，见表 7-2。表表 7-27-2模型变量对应表模型变量对应表潜变量潜变量( (一

4、一) )超超市市涵根据 MARTENSEN 在固定、移动、超市等行业中的可测变量*超市总体形象的评价(a1).z.-形形象象调查研究，企业形象是影响总体满意水平的第一要素，与其它超市相比的形象(a2)这里将超市形象要素列为影响因素，可以从以下几个与其它超市相比的品牌知名度(a3)方面进展观测。购物前， 对*超市整体效劳的期望(a4)购物前，期望*超市商品的新鲜程度质量期望是指顾客在使用 *到达的水平(a5)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，而且质量期望还购物前，期望*超市营业时间安排合会顾客感知造成影响 .还有理程度(a6)学者指出，对于顾客期望要素，至少可以从整体感觉、

5、个性化效劳、可靠性三个方购物前，期望*超市员工效劳态度到面来观测。结合上述因素，可以从几个方面衡量对 *超达的水平(a7)市的质量期望。购物前，期望*超市结账速度到达的水平(a8)购物后，对*超市整体效劳的满意程度(a9)购物后，认为*超市商品的新鲜程度到达的水平(a10)( (二二) )质质量量期期望望( (三三) )质质量量感感知知质量感知和质量期望相对应，质量期望考虑的是在购购物后，认为超市营业时间安排合置商品前的期望，质量感知是在购置商品后的实际感理程度(a11)受。可以从几个方面衡量。购物后，认为*超市员工效劳态度到达的水平(a12)购物后，认为*超市结账速度到达的水平(a13).z

6、.-根据 ANDERSON 和FOMELL(EUGENEW.ANDERSON&CLAESFOMELL，( (四四) )感感知知价价值值2000)对美国顾客满意指数模型的进一步研究，认为对于顾客价值局部可以从性价比来衡量。对*超市的总体满意程度(a16)( (五五) )顾顾客客满满意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望进展比拟，寻找两者的差距；三是可以与理想状态下的感觉比拟，寻找两者的差距。因此，可以通过以下几个指标衡量。和您消费前的期望比，您对*超市的满意程度(a17)和您心目中的超市比，您对*超市的满意程度(a18)您对*超市投诉的频率包括给超市F

7、ORNE 和 WERNERFELT1988的研究成果，认为写投诉信和直接向超市人员反映顾客满意的增加会减少顾客的抱怨，同时会增加顾客(a19)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，一般有两种方您对*超市抱怨的频率私下抱怨并式，一种是比拟正式的形式，向超市提出正式抱怨，未告知超市(a20)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您认为*超市对顾客投诉的处理效率的口碑。和效果3(a21)您认为*超市商品的价格如何(a14)与其他超市相比，您认为*超市商品的价格如何(a15)( (六六) )顾顾客客抱抱怨怨3正向的，采用 Likert10 级量度

8、从“非常低到“非常高.z.-我会经常去*超市(a22)顾客忠诚主要可以从三个我会推荐同学和朋友去*超市(a23)方面表达：顾客推荐意向、转换产品的意向、重复购置的意向。同时还有学者指出如果发现*超市的产品或效劳有问题顾客忠诚可以从顾客对涨价的容忍性、重复购置性两后，能以谅解的心态主动向超市反方面衡量。综合上述因素，拟从以下几个方面衡量顾应，求得解决，并且以后还会来超客忠诚。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*大学校的各类学生包括全日制本科生、全日制硕士和博士研究生 ，并且近一个月在校*超市有购物体验的学生。调查采用随机拦访的方式， 并且为防止样本的同质性和

9、重复填写，按照性别和被访者经常光临的超市进展控制。问卷容包括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：1 1 代表“非常差劲，代表“非常差劲，1010 代表代表一、一、超市形象超市形象“非常好“非常好1234567891您对*超市总体形象的评价10您认为与其它校超市相比， *超市的形象1234567892如何10( (七七) )顾顾客客忠忠诚诚您认为与其它校超市相比， *超市品牌知1234567893名度如何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.z.-采用表列删除法，即在一条记录中，只

10、要存在一项缺失，则删除该记录。最终得到 401 条数据，基于这局部数据做分析。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部题目之间的关系， 考察测验的各个题目是否测量了一样的容或特质。稳定性是指用一种测量工具譬如同一份问卷对同一群受试者进展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展屡次重复测量，所以主要采用反映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 Sp

11、earman-brown 公式估计相关系数，相关系数高提示部一致性好。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根底上的，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拟，对量表部一致性估计更为慎重，因此克制了折半信度的缺点。本章采用 SPSS16.0 研究数据的部一致性。在 Analyze 菜单中选择 Scale下的 Reliability Analysis如图 7-1 ，将数据中在左边方框中待分析的 24 个题目一一选中，然后

12、点击，左边方框中待分析的 24 个题目进入右边的 items 方框中，使用 Alpha 模型默认 ，得到图7-2，然后点击ok 即可得到如表 7-3 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。图图 7-17-1信度分析的选择信度分析的选择.z.-图图 7-27-2信度分析变量及方法的选择信度分析变量及方法的选择表表7-37-3信度分析结果信度分析结果Reliability StatisticsReliability StatisticsCronbachs AlphaN of Items.89224另外，对问卷中每个潜变量的信度分别检验结

13、果如表 7-4 所示4。从表7-4 可以看到，除顾客抱怨量表 Cronbacas Alpha 系数为 0.255，比拟低以外，其它分量表的Alpha系数均在0.7以上， 且总量表的Cronbachs Alpha系数到达了0.891，说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。表表 7-47-4潜变量的信度检验潜变量的信度检验潜变量超市形象质量期望质量感知感知价格顾客满意顾客抱怨顾客忠诚2数据的效度检验4操作过程同前，不同的是在图可测变量个数3552333Cronbachs

14、 Alpha0.8580.8890.8620.9290.9480.2550.7387-14 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，只需要把 a1、a2 和 a3 题目选入到右边方框 items 中即可。.z.-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，分为容效度 content validity 、 效标效度 criterion validity 和构造效度 construct validity三个主要类型。容效度也称外表效度或逻辑效度， 是指测量目标与测量容之间的适合性与相符性。 对容效度常采用逻辑分析与统计分析相结合的方法进展评价

15、。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展测量， 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拟，如果其他方式或指标也有效，则这个测量即具备效标效度。例如，X是一个变量，我们使用X、1如果使用X1作为准则，并且X1和X2高度相关，我们就说X2X2两种工具进展测量。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

16、在调查问卷的效度分析中，选择一个适宜的准则往往十分困难，也使这种方法的应用受到一定限制。构造效度也称设想效度、 建构效度或理论效度， 是指测量工具反映概念和命题的部构造的程度， 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，就认为数据是具有构造效度的。它一般是通过测量结果与理论假设相比拟来检验的。确定构造效度的根本步骤是，首先从*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展施测，最后对测量的结果采用相关分析或因子分析等方法进展分析，验证其与理论假设的相符程度。在实际操作的过程中，前面两种效度容效度和准则效度往往要求专家定.z.-性研究或具有公认的效标测量，因

17、而难以实现的，而构造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构造效度。 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可以比拟不同指标间的效度。从表 7-17 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构造效度较好。第二种方法是通过相关系数评价构造效度。 如果在理论模型中潜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构造效度：显著的相关系数说明理论模型假设成立，具有较好的构造效度。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

18、对量表的构造效度进展考评。 因此数据的效度检验就转化为构造方程模型评价中的模型拟合指数评价。对于本案例，从表 7-16 可知理论模型与数据拟合较好，构造效度较好。六、构造方程模型建模构建如图 7.3 的初始模型。图图 7-37-3 初始模型构造初始模型构造图图 7-4Amos Graphics7-4Amos Graphics 初始界面图初始界面图第二节第二节AmosAmos 实现实现6 6一、Amos 根本界面与工具翻开 Amos Graphics，初始界面如图7-4。其中第一局部是建模区域，默认是5关于标准化系数的解释见本章第五节。6这局部的操作说明也可参看书上第七章第二节:Amos 实现。

19、.z.-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 7-2 中的第二局部是工具栏，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。图图 7-57-5建模区域的版式调整建模区域的版式调整图图 7-67-6建立潜变量建立潜变量二、Amos 模型设定操作1模型的绘制在使用 Amos 进展模型设定之前，建议事先在纸上绘制出根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，以防止不必要的返工。相关软件操作如下：第一步，使用 建

20、模区域绘制模型中的七个潜变量如图7-6 。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 7-7 。绘制好的潜变量图形如图 7-8。第二步设置潜变量之间的关系。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 7-9。图图 7-77-7潜变量命名潜变量命名图图 7-87-8命名后的潜变量命名后的潜变量图图 7-97-9设定潜变量关系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.z.-以使用和自行绘制绘

21、制结果如图 7-10 。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 7-11 ，在残差变量上右键选择 Object Properties 为残差变量命名。最终绘制完成模型结果如图 7-12。图图 7-107-10设定可测变量及残差变量设定可测变量及残差变量图图 7-117-11可测变量指定与命名可测变量指定与命名图图 7-127-12初始模型设置完成初始模型设置完成2数据文件的配置Amos 可以处理多种数据格式， 如文本文档 *.t*t ， 表格文档 *.*ls、 *.wk1 ，数据库文档*.db

22、f、*.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 7-13 ， 出现如图 7-14左边的对话框，然后点击 File name 按钮，出现如图 7-14 右边的对话框，找到需要读入的数据文件 “处理后的数据.sav,双击文件名或点击下面的 “翻开按钮，最后点击图 7-14 左边的对话框中“ok按钮，这样就读入数据了。图图 7-137-13数据配置数据配置图图 7-147-14数据读入数据读入第三节第三节模型拟合模型拟合一、参数估计方法选择模型运算是使用软件进展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

23、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。7详细方法列表参见书后附录一。.z.-本案例使用最大似然估计Ma*imum Likelihood进展模型运算，相关设置如图 7-15。图图 7-157-15 参数估计选择参数估计选择二、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，所以在比拟路径系数或载荷系数时无法直接使用，因此需要进展标准化。在 AnalysisProperties 中的 Output 项中选择 Standard

24、ized Estimates 项如图 7-26 ，即可输出测量模型的因子载荷标准化系数如表 7-5 最后一列。图图 7.167.16标准化系数计算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后得到的估计结果，用以度量变量间的相对变化水平。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拟。从表7-17 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。三、参数估计结果的展示图图 7-177-17模型运算完成图

25、模型运算完成图使用 Analyze 菜单下的 Calculate Estimates 进展模型运算或使用工具栏中的 ，输出结果如图 7-17。其中红框局部是模型运算根本结果信息，使用者也8Z分数转换公式为：Z Xi X。is.z.-可以通过点击View the output path diagram 查看参数估计结果图 图 7-18 。图图 7-187-18参数估计结果图参数估计结果图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。详细信息包括分析根本情况Analysis Summary 、变量根本情况VariableSummary 、模型信息Notes for

26、Model 、估计结果Estimates 、修正指数Modification Indices和模型拟合Model Fit六局部。在分析过程中，一般通过前三局部9了解模型，在模型评价时使用估计结果和模型拟合局部，在模型修正时使用修正指数局部。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 7-57-5 到表 7-67-6，模型评价首先要考察模型结果中估计出的参数是否具有统计意义，需要对路径系数或载荷系数10进展统计显著性检验，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 CRCritical Ratio 。CR 值是一个 Z 统计量，使

27、用参数估计值与其标准差之比构成如表 7-57-5 中第四列 。Amos 同时给出了 CR 的统计检验相伴概率p如表 7-57-5 中第五列 ，使用者可以根据p值进展路径系数/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，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。表表 7-57-5 系数估计结果系数估计结果9分析根本情况Analysis Summary 、变量根本情况Variable Summary 、模型信息Notes for Model三局部的详细介绍如

28、书后附录三。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。.z.-未标准化路径系数质量期望-超市形象0.3010.0456.68*par_16估计S.E.C.R.PLabel标准化路径系数估计0.358质量感知感知价格感知价格感知价格顾客满意顾客满意顾客忠诚顾客忠诚质量期-望质量期-望质量感-知超市形-象超市形-象感知价-格超市形-象顾客满-意0.4340.0570.3290.089-0.1210.082-0.0050.0650.9120.043-0.0290.0280.1670.1010.50.1.7.633*3.722*-1.4670.142-0.0

29、70.94421.389*-1.0360.31.6530.0984.988*z.par_170.434par_180.244par_19-0.089par_20-0.004par_210.878par_23-0.032par_220.183par_240.569-超市形a111-象超市形a2-象超市形a3-象质量期a5-望质量期a4-望质量期a6-望质量期a7-望质量期a8-望质量感a10-知质量感a9a11-知1.160.7580.06517.9110.06811.075*par_7par_80.8820.56310.7681.0240.05817.713*par_60.8161.1590.

30、05919.628*par_50.8910.8910.05316.906*par_40.7860.790.06112.852*par_30.62610.790.7010.04814.667*par_20.6291.0080.03627.991*par_10.89910.927-质量感11但凡 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局部中问题的序号。.z.-知质量感a12-知质量感a13-知顾客满a18-意顾客满a17-意感知价a15-格感知价a14-格顾客满a16-意顾客忠a24-诚顾客忠a23-诚1.2080.09213.079*par_140.84610.682

31、1.0090.03331.024*par_130.950.9720.1277.67*par_120.90410.9631.0390.03430.171*par_110.93910.8860.9830.06714.777*par_100.7321.1010.06915.973*par_90.784注:“*表示0.01 水平上显著，括号中是相应的 C.R值，即t 值。表表 7-67-6 方差估计方差估计方差估计S.E.C.R.PLabel.z.超市形象3.574z22.208z12.06z34.405z40.894z51.373e10.584e20.861e32.675e51.526e42.459

32、e61.245e70.887e81.335e101.759e90.976e113.138e121.926e132.128e181.056e160.42e170.554-0.29911.9580.2439.080.2418.540.6686.5960.1078.3520.2146.4040.0797.3630.0939.2880.19913.4670.1311.7330.18613.2320.10511.7990.1038.5830.11911.2280.15211.5650.1227.9760.23513.3430.17111.2720.17612.110.08911.8320.0528.00

33、70.0619.103.z.*par_25*par_26*par_27*par_28*par_29*par_30*par_31*par_32*par_33*par_34*par_35*par_36*par_37*par_38*par_39*par_40*par_41*par_42*par_43*par_44*par_45*par_46-e15e24e22e23e140.3643.4133.3811.730.9810.5910.2950.2810.2520.5620.61611.5512.0516.8741.7450.538*0.081par_47par_48par_49par_50par_51

34、注:“*表示0.01 水平上显著，括号中是相应的 C.R值，即t 值。五、模型拟合评价在构造方程模型中，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，如果理论模型构造对于收集到的数据是合理的，则样本方差协方差矩阵S与理论方差协方差矩阵差异不大，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论构造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展度量。Amos 提供了多种模型拟合指数如表表表 7-77-7拟合指数拟合指数指数名称

35、指数名称2(卡方)评价标准评价标准1212越小越好大于 0.9小于 0.05，越小越好绝对拟合指数GFIRMR12表格中给出的是该拟合指数的最优标准， 譬如对于 RMSEA， 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。.z.-SRMRRMSEANFI相对拟合指数TLICFIAIC信息指数CAIC小于 0.05，越小越好小于 0.05，越小越好大于 0.9，越接近 1 越好大于 0.9，越接近 1 越好大于 0.9，越接近 1 越好越小越好越小越好7-77-7供使用者选择13。

36、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展模型修正。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展模型合理性讨论。即便拟合指数没有到达最优，但一个能够使用相关理论解释的模型更具有研究意义。第四节第四节模型修正模型修正1414一、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，在进展模型修正时主要考虑修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

37、15可以参考模型修正指标对模型进展调整。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13详细请参考 Amos 6.0 User s 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。15如模型不可识别，或拟合指数结果很差。.z.-供的模型修正指标进展模型扩展 Model Building 或模型限制 Model Trimming 。模型扩展是指通过释放局部限制路径或添加新路径， 使模型构造更加合理，通常在提高模型拟合程度时使用；模型限制是指通过删除16或限制局部路径，使模型构造更加简洁，通常在提高模型可识别性时

38、使用。Amos 提供了两种模型修正指标，其中修正指数Modification Inde*用于模型扩展，临界比率Critical Ratio17用于模型限制。二、模型修正指标181. 修正指数Modification Inde*图图 7-197-19修正指数计算修正指数计算修正指数用于模型扩展，是指对于模型中*个受限制的参数，假设容许自由估计譬如在模型中添加*条路径 ，整个模型改进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， 从最大值开场估算。但在实际中，也要考虑让该参数自由估计是否有理论根据。假设要使用修正指数，需要在Analysis Properties

39、中的 Output 项选择Modification Indices 项如图 7-19 。其后面的 Threshold for Modification Indices指的是输出的开场值20。图图 7-207-20临界比率计算临界比率计算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说明。18无论是根据修正指数还是临界比率进展模型修正，都要以模型的实际意义与理论依据为根底。19即当模型释放*个模型参数时，卡方统计量的减少量

40、将大于等于相应的修正指数值。20只有修正指数值大于开场值的路径才会被输出，一般默认开场值为 4。.z.-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。 假设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赋以一样的值。假设要使用临界比率，需要在 Analysis Properties 中的 Output 项选择 CriticalRatio for Difference 项如图 7-20 。三、案例修正对本章所研究案例，初始模型运算结果如表 7-8，各项拟合指数尚可。但从

41、模型参数的显著性检验如表 7-5中可发现可以看出，无论是关于感知价格的测量方程局部还是关于构造方程局部除与质量期望的路径外 ，系数都是不显著的。关于感知价格的构造方程局部的平方复相关系数为 0.048，非常小。另外，从实际的角度考虑，通过自身的感受，*超市商品价格同校外其它主要超市的商品价格的差异不明显，因此， 首先考虑将该因子在本文的构造方程模型中去除，并且增加质量期望和质量感知到顾客满意的路径。超市形象对顾客忠诚的路径先保存。修改的模型如图7-21。表表 7-87-8常用拟合指数计算结果常用拟合指数计算结果拟合指数卡 方 值( 自 由度)结果1031.4(180).z.CFINFIIFIR

42、MSEAAICBCCEVCI0.8660.8420.8660.1091133.4411139.3782.834-图图 7-217-21修正的模型二修正的模型二根据上面提出的图 7-21 提出的所示的模型， 在 Amos 中运用极大似然估计运行的局部结果如表 7-9。表表 7-97-9 常用拟合指数计算结果常用拟合指数计算结果拟合指数结果卡方值(自由度)819.5 (145)0.8830.8620.8840.108909.541914.2782.274CFINFIIFIRMSEAAICBCCEVCI从表 7-8 和表 7-9 可以看出，卡方值减小了很多，并且各拟合指数也都得到了改善，但与理想的拟

43、合指数值仍有差距。该模型的各个参数在 0.05 的水平下都是显著的，并且从实际考虑，各因子的各个路径也是合理存在的。下面考虑通过修正指数对模型修正，下面考虑通过修正指数对模型修正，通过点击工具栏中的通过点击工具栏中的来查看模型输来查看模型输出详细结果中的出详细结果中的 ModificationModification IndicesIndices 项可以查看模型的修正指数项可以查看模型的修正指数ModificationModificationInde*Inde*结果，双箭头结果，双箭头 “局部是残差变量间的协方差修正指数，表示如局部是残差变量间的协方差修正指数，表示如果在两个可测变量的残差变量

44、间增加一条相关路径至少会减少的模型的卡方值；果在两个可测变量的残差变量间增加一条相关路径至少会减少的模型的卡方值；单箭头单箭头 “-局部是变量间的回归权重修正指数，表示如果在两个变量间局部是变量间的回归权重修正指数，表示如果在两个变量间增加一条因果路径至少会减少的模型的卡方值。增加一条因果路径至少会减少的模型的卡方值。 比方，超市形象到质量感知的MI 值为 179.649，说明如果增加超市形象到质量感知的路径，则模型的卡方值会大大减小。从实际考虑，超市形象确实会影响到质量感知，设想，一个具有良好品牌形象的超市，人们难免会对感到它的商品质量较好；反之，则相反。因此考虑增加从超市形象到质量感知的路

45、径的模型如图 7-22。根据上面提出的图 7-22 所示的模型，在 Amos 中运用极大似然估计运行的局部结果如表 7-10、表 7-11。.z.-表表 7-107-10 常用拟合指数计算结果常用拟合指数计算结果拟合指数结果卡方值(自由度)510.1(144)0.9360.9140.9370.080602.100606.9421.505CFINFIIFIRMSEAAICBCCEVCI从表 7-9 和表 7-10 可以看出，卡方值减小了很多，并且各拟合指数也都得到了改善，但与理想的拟合指数值仍有差距。表表 7-115%7-115%水平下不显著的估计参数水平下不显著的估计参数Estimate-.0

46、54.164S.E.035.100C.R.-1.5401.632P.124.103Labelpar_22par_21顾客满意-质量期望顾客忠诚-超市形象图图 7-227-22修正的模型三修正的模型三除上面表 7-11 中的两个路径系数在 0.05 的水平下不显著外，该模型其它各个参数在 0.01 水平下都是显著的，首先考虑去除 p 值较大的路径，即质量期望到顾客满意的路径。重新估计模型，结果如表 7-12。表表 7-125%7-125%水平下不显著的估计参数水平下不显著的估计参数Estimate.166S.E.101C.R.1.652P.099Labelpar_21顾客忠诚-超市形象从表 7-

47、12 可以看出，超市形象对顾客忠诚路径系数估计的 p 值为 0.099，仍大于 0.05。并且从实际考虑，在学校部，学生一般不会根据超市之间在形象上的差异而选择坚持去同一个品牌的超市， 更多的可能是通过超市形象影响超市满意等因素进而影响到顾客忠诚因素。考虑删除这两个路径的模型如图 7-23。根据上面提出的如图 7-23 所示的模型，在 AMOS 中运用极大似然估计运行.z.-的局部结果如表 7-13。表表 7-137-13 常用拟合指数计算结果常用拟合指数计算结果拟合指数结果卡方值(自由度)515.1 (146)0.9360.9130.9360.080603.117607.7491.508CF

48、INFIIFIRMSEAAICBCCEVCI从表 7-10 和表 7-13 可以看出，卡方值几乎没变，并且各拟合指数几乎没有改变，但模型便简单了，做此改变是值得的。该模型的各个参数在 0.01 的水平下都是显著的，另外质量感知对应的测量指标 a11关于营业时间安排合理程度的打分对应方程的测定系数为 0.278，比拟小，从实际考虑，由于人大校东区物美超市的营业时间从很长，几乎是全天候营业在顾客心中，可能该指标能用质量感知解释的可能性不大，考虑删除该测量指标。修改后的模型如图 7-24。根据上面提出的如图 7-24 所示的模型， 在 Amos 中运用极大似然估计运行的局部结果如表 7-14。表表

49、7-147-14 常用拟合指数计算结果常用拟合指数计算结果拟合指数结果卡方值(自由度)401.3 (129)0.9510.9300.9510.073485.291489.4801.213CFINFIIFIRMSEAAICBCCEVCI从表 7-13 和表 7-14 可以看出，卡方值减小了很多，并且各拟合指数都得到了较大的改善。该模型的各个参数在 0.01 的水平下都仍然是显著的，各方程的对应的测定系数增大了。图图 7-237-23修正的模型四修正的模型四图图 7-247-24修正的模型五修正的模型五.z.-下面考虑通过修正指数对模型修正，e12 与 e13 的 MI 值最大，为 26.932，

50、说明如果增加 a12 与 a13 之间的残差相关的路径，则模型的卡方值会减小较多。从实际考虑， 员工对顾客的态度与员工给顾客结帐的速度， 实际上也确实存在相关，设想， 对顾客而言， 超市员工结帐速度很慢本来就是一种对顾客态度不好的方面；反之，则相反。因此考虑增加 e12 与 e13 的相关性路径。 这里的分析不考虑潜变量因子可测指标的更改，理由是我们在设计问卷的题目的信度很好，而且题目本身的设计也不允许这样做，以下同。 重新估计模型，重新寻找 MI 值较大的，e7 与 e8 的 MI 值较大，为 26.230，虽然 e3 与 e6 的 MI 值等于 26.746，但它们不属于同一个潜变量因子，