【正文】 由度) CFI NFI IFI RMSEA AIC BCC EVCI結(jié)果 (125) 從表 714 和表 715 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 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) Pairwise Parameter Comparisons 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critical ratio 都大于 2 為止。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 Pairwise Parameter Comparison 項(xiàng)可以查看臨界比率（Critical Ratio）結(jié)果，其中 par_1 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 75，76 ）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 Object Properties，然后出現(xiàn)如圖 711 的選項(xiàng)卡，選擇 parameters 項(xiàng)，如圖 726 對(duì)應(yīng)因果路徑圖 727 對(duì)應(yīng)殘差變量22一般絕對(duì)值小于 2 認(rèn)為沒有顯著差異。圖 728 對(duì)應(yīng)相關(guān)系數(shù)路徑圖 726，圖 727，圖 728。然后在 Regression weight23,variance24,covariane25輸入相同的英文名稱即可。比如從圖 725 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 ，遠(yuǎn)遠(yuǎn)圖 729 設(shè)置 e22 和 e24 的方差相等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。圖 730 修正的模型七小于 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 Object Properties，出現(xiàn)如圖729 的選項(xiàng)卡，然后在 Object Properties 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 730。根據(jù)上面提出的如圖 730 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 716。表 716 常用擬合指數(shù)計(jì)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 (146) 從表 715 和表 716 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 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 717 最優(yōu)模型各路徑系數(shù)估計(jì)未標(biāo)準(zhǔn)化路徑系數(shù)估計(jì) . . P Label標(biāo)準(zhǔn)化路徑系數(shù)估計(jì)質(zhì)量期望 超市形象 *** bb 質(zhì)量感知 超市形象 *** aa 質(zhì)量感知 質(zhì)量期望 *** par_16 顧客滿意 質(zhì)量感知 *** aa 顧客滿意 超市形象 *** bb 顧客忠誠 顧客滿意 *** aa a1 超市形象 1 a2 超市形象 *** b a3 超市形象 *** d a5 質(zhì)量期望 1 a4 質(zhì)量期望 *** d a6 質(zhì)量期望 *** a a7 質(zhì)量期望 *** b a8 質(zhì)量期望 *** a a10 質(zhì)量感知 1 a9 質(zhì)量感知 *** c a12 質(zhì)量感知 *** b a13 質(zhì)量感知 *** a a18 顧客滿意 1 a17 顧客滿意 *** b a16 顧客滿意 *** b a24 顧客忠誠 1 a23 顧客忠誠 *** c a22 顧客忠誠 *** a 注 :“***”表示 水平上顯著，括號(hào)中是相應(yīng)的 值，即 t 值。表 718 最優(yōu)模型相關(guān)性路徑系數(shù)估計(jì)協(xié)方差估計(jì) . . P Label 相關(guān)系數(shù)估計(jì)e12 e13 *** r2 e7 e8 *** r2 e18 e17 *** r1 e2 e3 *** r1 注 :“***”表示 水平上顯著，括號(hào)中是相應(yīng)的 值，即 t 值。表 719 最優(yōu)模型方差估計(jì)方差估計(jì) . . P Label超市形象 *** par_17z2 *** par_18z1 *** par_19z4 *** par_20z5 *** par_21e5 *** v3e4 *** v5e6 *** v6e7 *** v6e8 *** v7e10 *** v1e9 *** v4e12 *** v7e13 *** v5e18 *** v3e17 *** v4e24 *** v2e22 *** v2e23 *** v1e1 *** par_22e2 *** par_23e3 *** par_24e16 *** par_25注 :“***”表示 水平上顯著，括號(hào)中是相應(yīng)的 值，即 t 值。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(cè)變量之間以及可測(cè)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)。若要輸出模型的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)，需要在 Analysis Properties 中的 Output 項(xiàng)選擇Indirect , direct amp。 total effects 項(xiàng)（如圖 731） 。對(duì)于修正模型，Amos 輸出的中各潛變量之間的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)如表 720。1．直接效應(yīng)(direct effect)指由原因變量（可以是外生變量或內(nèi)生變量）到結(jié)果變量（內(nèi)生變量）的直接影響，用原因變量到結(jié)果變量的路徑系數(shù)來衡量直接效應(yīng)。比如利用表 717 最后一列的結(jié)果，超市形象到質(zhì)量期望的標(biāo)準(zhǔn)化路徑系數(shù)是 ，則超市形象到質(zhì)量感知的直接效應(yīng)是 。這說明當(dāng)其他條件不變時(shí)， “超市形象”潛變量每提升 1 個(gè)單位， “質(zhì)量期望”潛變量將直接提升 個(gè)單位。2．間接效應(yīng)(indirect effect)指原因變量通過影響一個(gè)或者多個(gè)中介變量，對(duì)結(jié)果變量的間接影響。當(dāng)只有一個(gè)中介變量時(shí)，間接效應(yīng)的大小是兩個(gè)路徑系數(shù)的乘積。比如利用表 717 最后一列的結(jié)果，超市形象到質(zhì)量期望的標(biāo)準(zhǔn)化路徑系數(shù)是 ，質(zhì)量期望到質(zhì)量感知的標(biāo)準(zhǔn)化路徑系數(shù)是 ，則超市形象到質(zhì)量感知的間接效應(yīng)就是=。這說明當(dāng)其他條件不變時(shí)， “超市形象”潛變量每提升 1 個(gè)單位， “質(zhì)量感知”潛變量將間接提升 個(gè)單位。 （）3．總效應(yīng)(total effect)由原因變量到結(jié)果變量總的影響，它是直接效應(yīng)與間接效應(yīng)之和。比如利用表 717 最后一列的結(jié)果，超市形象到質(zhì)量期望的直接效應(yīng)是 ，超市形象到質(zhì)量感知的間接效應(yīng)是 ，則超市形象到質(zhì)量感知的總效應(yīng)為 +=。這說明當(dāng)其他條件不變時(shí)， “超市形象”潛變量每提升 1 個(gè)單位， “質(zhì)量感知”潛變量總共將提升 個(gè)單位。圖 731 輸出模型的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)表 720 模型中各潛在變量之間的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)（標(biāo)準(zhǔn)化的結(jié)果）超市形象 質(zhì)量期望 質(zhì)量感知 顧客滿意質(zhì)量期望（直接效應(yīng)）***()（間接效應(yīng)）（總效應(yīng)） 質(zhì)量感知（直接效應(yīng)）***()***()（間接效應(yīng)） （總效應(yīng)） 顧客滿意（直接效應(yīng)）***()***()（間接效應(yīng)） （總效應(yīng)） 顧客忠誠（直接效應(yīng)）***()（間接效應(yīng)） （總效應(yīng)） 注 :“***”表示 水平上顯著，括號(hào)中是相應(yīng)的 值，即 t 值。表中給出的均是標(biāo)準(zhǔn)化后的參數(shù) ,直接效應(yīng)就是模型中的路徑系