AMOS结构方程模型修正解析.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,二级,三级,四级,五级,*,自制个性化模板,主讲：,结构方程模型修正,Structural Equation Modeling,摘要,1.,修正思路,2.,修正指标,3.,案例摘要,4.,案例修正,5.,最优展示,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，当模型效果很差时可以参考模型修正指标对模型进行调整。,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。,Amos,提供了两种模型修正指标，其中修正指数（,Modification Index,）用于模型扩展，临界比率（,Critical Ratio,）用于模型限制。,一、修正思路,修正指数（,Modification Index,）,修正指数用于模型扩展，是指对于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。,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,-1,）。其后面的,Threshold for Modification Indices,指的是输出的开始值。,二、修正指标,图,-1,修正指数计算,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赋以相同的值。,若要使用临界比率，需要在,Analysis Properties,中的,Output,项选择,Critical Ratio for Difference,项（如图,-2,）。,二、修正指标,图,-2,临界比率计算,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,软件进行计算，重点阐述在实际应用中结构方程模型的修正过程。,三、案例简要,1,.,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，然后利用对缺失值进行处理后的数据进行分析，并对文中提出的模型进行拟合、修正和解释。过程。,2.,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,。,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。,三、案例简要,.,三、案例简要,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,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,表,-1,设计的结构路径图和基本路径假设,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,。,三、案例简要,.,潜变量,内涵,可测变量,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,),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,),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,),感知价值,根据,ANDERSON,和,FOMELL(EUGENEW.ANDERSON&CLAESFOMELL,，,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,),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,),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,(,a21,),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,),1,正向的，,采用,Likert10,级量度,从“非常低”到“非常高”,表,-2,模型变量对应表,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：,三、案例简要,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，某超市品牌知名度如何,1 2 3 4 5 6 7 8 9 10,注：调查共发放问卷,500,份，收回有效样本,436,份。,三、案例简要,图,-3,信度分析的选择,图,-4,信度分析变量及方法的选择,三、案例简要,Reliability Statistics,Cronbachs Alpha,N of Items,.892,24,表,-3,信度分析结果,潜变量,可测变量个数,Cronbachs Alpha,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,表,-4,潜变量的信度检验,三、案例简要,图,-5,初始模型结构,图,-6 Amos Graphics,初始界面图,三、案例简要,图,-7,建模区域的版式调整,图,-8,建立潜变量,三、案例简要,图,-9,潜变量命名,图,-10,命名后的潜变量,三、案例简要,图,-11,设定潜变量关系,图,-12,设定可测变量及残差变量,三、案例简要,图,-13,可测变量指定与命名,图,-14,初始模型设置完成,三、案例简要,图,-15,数据配置,图,-16,数据读入,三、案例简要,图,-17,参数估计选择,图,-18,标准化系数计算,三、案例简要,图,-19,模型运算完成图,图,-20,参数估计结果图,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,-0.029,0.028,-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,-,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,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,-,质量感知,1.16,0.065,17.911,*,par_7,0.882,a11,-,质量感知,0.758,0.068,11.075,*,par_8,0.563,a12,-,质量感知,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,1.208,0.092,13.079,*,par_14,0.846,1,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。,表,-5,系数估计结果,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,e1,0.584,0.079,7.363,*,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,e11,3.138,0.235,13.343,*,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_50,e14,0.981,0.562,1.745,0.081,par_51,表,-6,方差估计,三、案例简要,指数名称,评价标准,1,绝对拟合指数,(,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,1,越好,信息指数,AIC,越小越好,CAIC,越小越好,1,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。,表,-7,拟合指数,对本章所研究案例，初始模型运算结果如,表,-8,，各项拟合指数尚可。但从模型参数的显著性检验,（,如表,-9,）,中可发现可以看出，无论是关于感知价格的测量方程部分还是关于结构方程部分（除与质量期望的路径外），系数都是不显著的。关于感知价格的结构方程部分的平方复相关系数为,0.048,，非常小。,四、案例修正,表,-8,常用拟合指数计算结果,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,1031.4(180),0.866,0.842,0.866,0.109,1133.441,1139.378,2.834,四、案例修正,表,-9,系数估计结果,1,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。,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,-0.029,0.028,-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,注,:“*”,表示,0.01,水平上显著，括号中是相应的,C.R,值，即,t,值。,另外，从实际的角度考虑，通过自身的感受，某超市商品价格同校内外其它主要超市的商品价格的差别不明显，因此，首先考虑将该因子在本文结构方程模型中去除，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路径先保留。修改的模型如图,-21,。,四、案例修正,图,-21,修正的模型二,根据上面提出的图,-21,提出的所示的模型，在,Amos,中运用极大似然估计运行的部分结果如表,-10,。,四、案例修正,表,-10,常用拟合指数计算结果,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,819.5(145),0.883,0.862,0.884,0.108,909.541,914.278,2.274,从表,-11,和表,-12,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。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。,四、案例修正,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,1031.4(180),0.866,0.842,0.866,0.109,1133.441,1139.378,2.834,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,819.5(145),0.883,0.862,0.884,0.108,909.541,914.278,2.274,表,-11,常用拟合指数计算结果,表,-12,常用拟合指数计算结果,下面考虑通过修正指数对模型修正，通过点击工具栏中的来查看模型输出详细结果中的,Modification Indices,项可以查看模型的修正指数（,Modification Index,）结果，双箭头（“,”,）部分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间增加一条相关路径至少会减少的模型的卡方值；单箭头（“,-”,）部分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。比如，超市形象到质量感知的,MI,值为,179.649,，表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，超市形象的确会影响到质量感知，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径的模型如图,-22,。,四、案例修正,图,-22,修正的模型三,四、案例修正,根据上面提出的图,-22,所示的模型，在,Amos,中运用极大似然估计运行的部分结果如表,-13,、表,-14,。,四、案例修正,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,510.1(144),0.936,0.914,0.937,0.080,602.100,606.942,1.505,表,-13,常用拟合指数计算结果,表,-14 5%,水平下不显著的估计参数,从表,-12,和表,-13,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。,Estimate,S.E.,C.R.,P,Label,顾客满意,-,质量期望,-.054,.035,-1.540,.124,par_22,顾客忠诚,-,超市形象,.164,.100,1.632,.103,par_21,除上面表,-14,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,-15,。,四、案例修正,表,-15 5%,水平下不显著的估计参数,Estimate,S.E.,C.R.,P,Label,顾客忠诚,-,超市形象,.166,.101,1.652,.099,par_21,从表,-15,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，在学校内部，学生一般不会根据超市之间在形象上的差别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,-23,。,根据上面提出的如图,-23,所示的模型，在,AMOS,中运用极大似然估计运行的部分结果如表,-16,。,四、案例修正,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,515.1(146),0.936,0.913,0.936,0.080,603.117,607.749,1.508,表,-16,常用拟合指数计算结果,图,-23,修正的模型四,从表,-13,和表,-16,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,，比较小，从实际考虑，由于人大校内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,-24,。,四、案例修正,图,-24,修正的模型五,根据上面提出的如图,-24,所示的模型，在,Amos,中运用极大似然估计运行的部分结果如表,-17,。,四、案例修正,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,401.3(129),0.951,0.930,0.951,0.073,485.291,489.480,1.213,从表,-16,和表,-17,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。,表,-17,常用拟合指数计算结果,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,，表明如果增加,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，因此不能考虑增加相关性路径，以下同）表明如果增加,a7,与,a8,之间的残差相关的路径，则模型的卡方值会减小较多。这也是员工对顾客的态度与员工给顾客结帐的速度之间存在相关，因此考虑增加,e7,与,e8,的相关性路径。,四、案例修正,重新估计模型，重新寻找,MI,值较大的，,e17,与,e18,的,MI,值较大，为,13.991,，表明如果增加,a17,与,a18,之间的残差相关的路径，则模型的卡方值会减小较多。实际上消费前的满意度和与心中理想超市比较的满意度之间显然存在相关，因此考虑增加,e17,与,e18,的相关性路径。,重新估计模型，重新寻找,MI,值较大的，,e2,与,e3,的,MI,值较大，为,11.088,，表明如果增加,a2,与,a3,之间的残差相关的路径，则模型的卡方值会减小较多。实际上超市形象和超市品牌知名度之间显然存在相关，因此考虑增加,e2,与,e3,的相关性路径。,四、案例修正,重新估计模型，重新寻找,MI,值较大的，,e10,与,e12,的,MI,值较大，为,5.222,，表明如果增加,a10,与,a12,之间的残差相关的路径，则模型的卡方值会减小较多。但实际上超市的食品保险,&,日用品丰富性与员工态度之间显然不存在相关，因此不考虑增加,e10,与,e12,的相关性路径。另外,从剩下的变量之间,MI,值没有可以做处理的变量对了，因此考虑,MI,值修正后的模型如图,-25,。,四、案例修正,图,7-25,修正的模型五,根据上面提出的如图,-25,所示的模型，在,Amos,中运用极大似然估计运行的部分结果如表,-18,。,四、案例修正,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,281.9(125),0.972,0.951,0.972,0.056,373.877,378.465,0.935,表,-18,常用拟合指数计算结果,从表,-17,和表,-18,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。,下面考虑根据,Pairwise Parameter Comparisons,来判断对待估计参数的设定，即判断哪些结构方程之间的系数没有显著差异，哪些测量方程的系数之间没有显著差异，哪些结构方程的随机项的方差之间没有显著差异，哪些测量方程的随机项的方差之间的之间没有显著差异，对没有显著差异的相应参数估计设定为相等,直到最后所有相应的,critical ratio,都大于,2,为止。通过点击工具栏中的来查看模型输出详细结果中的,Pairwise Parameter Comparison,项可以查看临界比率（,Critical Ratio,）结果，其中,par_1,到,par_46,代表模型中,46,个待估参数，其含义在模型参数估计结果表（如表,-8,，,-10,）中标识。根据,CR,值的大小，可以判断两个模型参数的数值间是否存在显著性差异。如果经检验发现参数值间不存在显著性差异，则可以考虑模型估计时限定两个参数相等。,四、案例修正,如果是某两个参数没有显著差异，并且根据经验也是如此，则可在相应的认为相等的参数对应的路径或残差变量上点击右键选择,Object Properties,，然后出现如图,-11,的选项卡，选择,parameters,项，如图,-26,，图,-27,，图,-28,。,四、案例修正,图,-26,对应因果路径,图,-27,对应残差变量,图,-28,对应相关系数路径,然后在,Regression weight,variance,covariane,输入相同的英文名称即可。比如从图,-25,修正的模型六输出的临界比率结果中发现绝对值最小的是,par_44,和,par_45,对应的,-0.021,，远远小于,95%,置信水平下的临界值，说明两个方差间不存在显著差异。对应的是,e22,和,e24,的方差估计，从实际考虑，也可以认为它们的方差相差，则残差变量,e22,和,e24,上点击右键选择,Object Properties,，出现如图,-29,的选项卡，然后在,Object Properties,选项卡下面的,variance,中都输入“,v2”,，最后关掉窗口即可设置,e22,和,e24,的方差相等。经过反复比较得到的结构方程模型如图,-30,。,四、案例修正,四、案例修正,图,-29,设置,e22,和,e24,的方差相等,图,-30,修正的模型七,根据上面提出的如图,-30,所示的模型，在,Amos,中运用极大似然估计运行的部分结果如表,-19,。,四、案例修正,拟合指数,卡方值,(,自由度,),CFI,NFI,IFI,RMSEA,AIC,BCC,EVCI,结果,295.9(146),0.973,0.948,0.973,0.051,345.909,348.402,0.865,表,-19,常用拟合指数计算结果,从表,-18,和表,-19,可以看出，卡方值虽然增大了一些，但自由度大大增加了，并且各拟合指数都得到了较大的改善（,NFI,除外）。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相对而言增大了很多。,五、最优模型参数估计的展示,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,-,超市形象,0.353,0.031,11.495,*,bb,0.384,质量感知,-,超市形象,0.723,0.023,31.516,*,aa,0.814,质量感知,-,质量期望,0.129,0.035,3.687,*,par_16,0.134,顾客满意,-,质量感知,0.723,0.023,31.516,*,aa,0.627,顾客满意,-,超市形象,0.353,0.031,11.495,*,bb,0.345,顾客忠诚,-,顾客满意,0.723,0.023,31.516,*,aa,0.753,a1,-,超市形象,1,0.925,a2,-,超市形象,1.042,0.02,52.853,*,b,0.901,a3,-,超市形象,0.728,0.036,20.367,*,d,0.631,a5,-,质量期望,1,0.836,a4,-,质量期望,0.728,0.036,20.367,*,d,0.622,a6,-,质量期望,0.872,0.026,33.619,*,a,0.808,a7,-,质量期望,1.042,0.02,52.853,*,b,0.853,a8,-,质量期望,0.872,0.026,33.619,*,a,0.731,a10,-,质量感知,1,0.779,a9,-,质量感知,1.159,0.036,32.545,*,c,0.914,a12,-,质量感知,1.042,0.02,52.853,*,b,0.777,a13,-,质量感知,0.872,0.026,33.619,*,a,0.677,a18,-,顾客满意,1,0.861,a17,-,顾客满意,1.042,0.02,52.853,*,b,0.919,a16,-,顾客满意,1.042,0.02,52.853,*,b,0.963,a24,-,顾客忠诚,1,0.706,a23,-,顾客忠诚,1.159,0.036,32.545,*,c,0.847,a22,-,顾客忠诚,0.872,0.026,33.619,*,a,0.656,表,-20,最优模型各路径系数估计,五、最优模型参数估计的展示,表,-21,最优模型相关性路径系数估计,估计,协方差估计,S.E.,C.R.,P,Label,相关系数估计,e12,e13,0.699,0.072,9.658,*,r2,0.32,e7,e8,0.699,0.072,9.658,*,r2,0.46,e18,e17,0.277,0.05,5.568,*,r1,0.289,e2,e3,0.277,0.05,5.568,*,r1,0.178,五、最优模型参数估计的展示,表,-22,最优模型方差估计,方差估计,S.E.,C.R.,P,Label,超市形象,3.461,0.275,12.574,*,par_17,z2,2.498,0.219,11.42,*,par_18,z1,0.645,0.085,7.554,*,par_19,z4,0.411,0.062,6.668,*,par_20,z5,1.447,0.177,8.196,*,par_21,e5,1.263,0.078,16.217,*,v3,e4,2.458,0.125,19.59,*,v5,e6,1.189,0.073,16.279,*,v6,e7,1.189,0.073,16.279,*,v6,e8,1.944,0.109,17.84,*,v7,e10,1.773,0.119,14.904,*,v1,e9,0.726,0.052,14.056,*,v4,e12,1.944,0.109,17.84,*,v7,e13,2.458,0.125,19.59,*,v5,e18,1.263,0.078,16.217,*,v3,e17,0.726,0.052,14.056,*,v4,e24,3.367,0.198,17.048,*,v2,e22,3.367,0.198,17.048,*,v2,e23,1.773,0.119,14.904,*,v1,e1,0.583,0.074,7.876,*,par_22,e2,0.871,0.086,10.13,*,par_23,e3,2.781,0.197,14.106,*,par_24,e16,0.314,0.046,6.863,*,par_25,THANK,YOU!,主讲,：,王东峰,第,二,组,此课件下载可自行编辑修改，供参考！,感谢您的支持，我们努力做得更好！,