【正文】 otes for Model） 、估計結(jié)果（Estimates ） 、修正指數(shù)（Modification Indices）和模型擬合（Model Fit）六部分。在Analysis Properties 中的 Output 項中選擇 Standardized Estimates 項（如圖 726） ，即可輸出測量模型的因子載荷標準化系數(shù)如表 75 最后一列。為了配置數(shù)據(jù)文件，選擇 File 菜單中的 Data Files（如圖 713） ，出現(xiàn)如圖714 左邊的對話框，然后點擊 File name 按鈕，出現(xiàn)如圖 714 右邊的對話框，找到需要讀入的數(shù)據(jù)文件“”,雙擊文件名或點擊下面的“打開”按鈕，最后點擊圖 714 左邊的對話框中“ok”按鈕，這樣就讀入數(shù)據(jù)了。第二步設(shè)置潛變量之間的關(guān)系。圖 72 中的第二部分是工具欄，用于模型的設(shè)定、運算與修正。第三種方法是先構(gòu)建理論模型，通過驗證性因子分析的模型擬合情況來對量表的結(jié)構(gòu)效度進行考評。它一般是通過測量結(jié)果與理論假設(shè)相比較來檢驗的。對內(nèi)容效度常采用邏輯分析與統(tǒng)計分析相結(jié)合的方法進行評價。圖 71 信度分析的選擇圖 72 信度分析變量及方法的選擇表73 信度分析結(jié)果Reliability StatisticsCronbach39。由于本案例并沒有進行多次重復(fù)測量，所以主要采用反映內(nèi)部一致性的指標來測量數(shù)據(jù)的信度。調(diào)查采用隨機攔訪的方式，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)常光顧的超市進行控制。?您認為某超市商品的價格如何( a14)?與其他超市相比，您認為某超市商品的價格如何(a15)(五) 顧客滿意顧客滿意一般可以從三個方面衡量，一是可以從整體上來感覺；二是可以與消費前的期望進行比較，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。表 72 模型變量對應(yīng)表潛變量 內(nèi)涵 可測變量(一) 超市形象根據(jù) MARTENSEN 在固定電話、移動電話、超市等行業(yè)中的調(diào)查研究，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，可以從以下幾個方面進行觀測。它包括顧客對超市總體形象及與其他超市相比的知名度。 一、 模型構(gòu)建的思路本案例在著名的美國顧客滿意度指數(shù)模型(ASCI)的基礎(chǔ)上，提出了一個新的模型，并以此構(gòu)建潛變量并建立模型結(jié)構(gòu)。表 71 設(shè)計的結(jié)構(gòu)路徑圖和基本路徑假設(shè)設(shè)計的結(jié)構(gòu)路徑圖 基本路徑假設(shè)?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)量感知對感知價格有路徑影響?質(zhì)量期望對感知價格有路徑影響?感知價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、顧客滿意模型中各因素的具體范疇1本案例是在 Amos7 中完成的。可以從幾個方面衡量。同時還有學(xué)者指出顧客忠誠可以從顧客對漲價的容忍性、重復(fù)購買性兩方面衡量。一致性主要反映的是測驗內(nèi)部題目之間的關(guān)系，考察測驗的各個題目是否測量了相同的內(nèi)容或特質(zhì)。本章采用 研究數(shù)據(jù)的內(nèi)部一致性。由信度檢驗的結(jié)果可知顧客抱怨的測量指標的信度遠低于 ，因此在路徑圖中去掉顧客抱怨因子，即初始模型中包括 6 個潛變量、21 個可測變量。當(dāng)然，使用這種方法的關(guān)鍵在于作為準則的測量方式或指標一定要是有效的，否則越比越差。從表 717 可以看出在 99%的置信度下所有非標準化系數(shù)具有統(tǒng)計顯著性，這說明修正模型的整體結(jié)構(gòu)效度較好。圖 74 Amos Graphics 初始界面圖第二節(jié) Amos 實現(xiàn) 6一、 Amos基本界面與工具打開 Amos Graphics，初始界面如圖 74。為了保持圖形的美觀，可以使用先繪制一個潛變量，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。其中 Variable Name 一項對應(yīng)的是數(shù)據(jù)中的變量名（如圖 711） ，在殘差變量上右鍵選擇 Object Properties 為殘差變量命名。圖 715 參數(shù)估計選擇二、 標準化系數(shù)7詳細方法列表參見書后附錄一。iXZs??圖 717 模型運算完成圖使用 Analyze 菜單下的 Calculate Estimates 進行模型運算（或使用工具欄中的 ） ，輸出結(jié)果如圖 717。Amos 同時給出了 CR 的統(tǒng)計檢驗相伴概率 p（如表 75 中第五列） ，使用者可以根據(jù) p 值進行路徑系數(shù)/載荷系數(shù)的統(tǒng)計顯著性檢驗。換S?一個角度，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 與理論方差協(xié)方差矩陣 差別不大，即殘差矩陣（ ）各個元素接S?S?近于 0，就可以認為模型擬合了數(shù)據(jù)。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)。二、 模型修正指標 181. 修正指數(shù)（Modification Index）13詳細請參考 Amos User’s Guide 489 項。但在實際中，也要考慮讓該參數(shù)自由估計是否有理論根據(jù)。若要使用臨界比率，需要在 Analysis Properties 中的 Output 項選擇 Critical Ratio for Difference 項（如圖 720） 。表 79 常用擬合指數(shù)計算結(jié)果擬合指數(shù)卡方值(自由度)CFI NFI IFI RMSEA AIC BCC EVCI結(jié)果 (145) 從表 78 和表 79 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 711 5%水平下不顯著的估計參數(shù)Estimate . . P Label顧客滿意 質(zhì)量期望 .035 .124 par_22顧客忠誠 超市形象 .164 .100 .103 par_21圖 722 修正的模型三除上面表 711 中的兩個路徑系數(shù)在 的水平下不顯著外，該模型其它各個參數(shù)在 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。修改后的模型如圖724。 ）重新估計模型，重新尋找 MI 值較大的，e7 與 e8 的 MI 值較大，為， （雖然 e3 與 e6 的 MI 值等于 ，但它們不屬于同一個潛變量因子，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。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。如果經(jīng)檢驗發(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時限定兩個參數(shù)相等。對應(yīng)的是e22 和 e24 的方差估計，從實際考慮，也可以認為它們的方差相差，則殘差變量 e22 和 e24 上點擊右鍵選擇 Object Properties，出現(xiàn)如圖 729 的選項卡，然后在 Object Properties 選項卡下面的 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。第五節(jié) 模型解釋結(jié)構(gòu)方程模型主要作用是揭示潛變量之間（潛變量與可測變量之間以及可測變量之間）的結(jié)構(gòu)關(guān)系，這些關(guān)系在模型中通過路徑系數(shù)（載荷系數(shù)）來體現(xiàn)。當(dāng)只有一個中介變量時，間接效應(yīng)的大小是兩個路徑系數(shù)的乘積。這說明當(dāng)其他條件不變時， “超市形象”潛變量每提升 1個單位， “質(zhì)量感知”潛變量將間接提升 個單位。 total effects 項（如圖 731） 。根據(jù)上面提出的如圖 730 所示的模型，在 Amos 中運用極大似然估計運行的部分結(jié)果如表 716。圖 726 對應(yīng)因果路徑圖 727 對應(yīng)殘差變量圖 728 對應(yīng)相關(guān)系數(shù)路徑圖 726，圖 727，圖 728。圖 725 修正的模型六根據(jù)上面提出的如圖 725 所示的模型，在 Amos 中運用極大似然估計運行的部分結(jié)果如表 715。重新估計模型，重新尋找 MI 值較大的，e17 與 e18 的 MI 值較大，為，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。表 714 常用擬合指數(shù)計算結(jié)果擬合指數(shù)卡方值(自由度)CFI NFI IFI RMSEA AIC BCC EVCI結(jié)果 (129) 從表 713 和表 714 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。表 712 5%水平下不顯著的估計參數(shù)Estimate . . P Label顧客忠誠 超市形象 .166 .101 .099 par_21