【正文】 表中給出的均是標準化后的參數(shù) ,直接效應就是模型中的路徑系數(shù)。3．總效應(total effect)由原因變量到結果變量總的影響，它是直接效應與間接效應之和。2．間接效應(indirect effect)指原因變量通過影響一個或者多個中介變量，對結果變量的間接影響。對于修正模型，Amos 輸出的中各潛變量之間的直接效應、間接效應以及總效應如表 720。表 719 最優(yōu)模型方差估計方差估計 . . 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，括號中是相應的 值，即 t 值。表 716 常用擬合指數(shù)計算結果擬合指數(shù)卡方值(自由度)CFI NFI IFI RMSEA AIC BCC EVCI結果 (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） 。現(xiàn)絕對值最小的是 par_44 和 par_45 ，遠遠圖 729 設置 e22 和 e24 的方差相等圖 730 修正的模型七小于 95%置信水平下的臨界值，說明兩個方差間不存在顯著差異。然后在 Regression weight22,variance23,covariane24輸入相同的英文名稱即可。根據(jù) CR 值的大小 21，可以判斷兩個模型參數(shù)的數(shù)值間是否存在顯著性差異。表 715 常用擬合指數(shù)計算結果擬合指數(shù)卡方值(自由度)CFI NFI IFI RMSEA AIC BCC EVCI結果 (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。但實際上超市的食品保險amp。實際上消費前的滿意度和與心中理想超市比較的滿意度之間顯然存在相關，因此考慮增加 e17 與 e18 的相關性路徑。 （這里的分析不考慮潛變量因子可測指標的更改，理由是我們在設計問卷的題目的信度很好，而且題目本身的設計也不允許這樣做，以下同。該模型的各個參數(shù)在 的水平下都仍然是顯著的，各方程的對應的測定系數(shù)增大了。該模型的各個參數(shù)在 的水平下都是顯著的，另外質量感知對應的測量指標 a11（關于營業(yè)時間安排合理程度的打分）對應方程的測定系數(shù)為 ，比較小，從實際考慮，由于人大校內東區(qū)物美超市的營業(yè)時間從很長，幾乎是全天候營業(yè)在顧客心中，可能該指標能用質量感知解釋的可能性不大，考慮刪除該測量指標。并且從實際考慮，在學校內部，學生一般不會根據(jù)超市之間在形象上的差別而選擇堅持去同一個品牌的超市，更多的可能是通過超市形象影響超市滿意等因素進而影響到顧客忠誠因素。表 710 常用擬合指數(shù)計算結果擬合指數(shù)卡方值( 自由度)CFI NFI IFI RMSEA AIC BCC EVCI結果 (144) 從表 79 和表 710 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。比如，超市形象到質量感知的 MI 值為 ，表明如果增加超市形象到質量感知的路徑，則模型的卡方值會大大減小。表 78 常用擬合指數(shù)計算結果擬合指數(shù)卡方值(自由度)CFI NFI IFI RMSEA AIC BCC EVCI結果 (180) 18圖 721 修正的模型二根據(jù)上面提出的圖 721 提出的所示的模型，在 Amos 中運用極大似然估計運行的部分結果如表 79。關于感知價格的結構方程部分的平方復相關系數(shù)為 ，非常小。若兩個待估參數(shù)間不存在顯著性差異，則可以限定模型在估計時對這兩個參數(shù)賦以相同的值。19即當模型釋放某個模型參數(shù)時，卡方統(tǒng)計量的減少量將大于等于相應的修正指數(shù)值。使用修正指數(shù)修改模型時，原則上每次只修改一個參數(shù)，從最大值開始估算。16譬如可以刪除初始模型中不存在顯著意義的路徑。Amos 提供了兩種模型修正指標，其中修正指數(shù)（ Modification Index）用于模型擴展，臨界比率（Critical Ratio ） 17用于模型限制。第四節(jié) 模型修正 14一、 模型修正的思路模型擬合指數(shù)和系數(shù)顯著性檢驗固然重要，但對于數(shù)據(jù)分析更重要的是模型結論一定要具有理論依據(jù)，換言之，模型結果要可以被相關領域知識所解釋。如果模型擬合不好，需要根據(jù)相關領域知識和模型修正指標進行模型修正。Amos 提供了多種模型擬合指數(shù)（如表表 77 擬合指數(shù)指數(shù)名稱 評價標準 12(卡方)2?越小越好絕對擬合指數(shù) GFI 大于 12表格中給出的是該擬合指數(shù)的最優(yōu)標準，譬如對于 RMSEA，其值小于 表示模型擬合較好，在 間表示模型擬合尚可（Browne amp。五、 模型擬合評價在結構方程模型中，試圖通過統(tǒng)計運算方法（如最大似然法等）求出那些使樣本方差協(xié)方差矩陣 與理論方差協(xié)方差矩陣 的差異最小的模型參數(shù)。10潛變量與潛變量間的回歸系數(shù)稱為路徑系數(shù)；潛變量與可測變量間的回歸系數(shù)稱為載荷系數(shù)。CR 值是一個 Z 統(tǒng)計量，使用參數(shù)估計值與其標準差之比構成（如表 75 中第四列） 。詳細信息包括分析基本情況（Analysis Summary） 、變量基本情況（Variable Summary） 、模型信息（ Notes for Model） 、估計結果（Estimates ） 、修正指數(shù)（Modification Indices）和模型擬合（Model Fit）六部分。三、 參數(shù)估計結果的展示8Z 分數(shù)轉換公式為： 。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。本案例使用最大似然估計（Maximum Likelihood）進行模型運算，相關設置如圖 715。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。在可測變量上點擊右鍵選擇 Object Properties，為可測變量命名。第二步設置潛變量之間的關系。相關軟件操作如下：第一步，使用 建模區(qū)域繪制模型中的七個潛變量（如圖 76） 。圖 72 中的第二部分是工具欄，用于模型的設定、運算與修正。超 市 形 象質 量 期 望質 量 感 知a1e111 a2e21 a3e31a5e5 11 a4e41 a6e61 a7e71 a8e81a10e10 11 a9e91 a11e111 a12e121 a13e131顧 客 滿 意感 知 價 格a18e18 11 a16e161 a17e171a15e15 11 a14顧 客 忠 誠a24e24 a22e22 a23e23 1111z21z41z51z31z11e141圖 73 初始模型結構5關于標準化系數(shù)的解釋見本章第五節(jié)。第三種方法是先構建理論模型，通過驗證性因子分析的模型擬合情況來對量表的結構效度進行考評。特別地，通過標準化系數(shù) 5可以比較不同指標間的效度。它一般是通過測量結果與理論假設相比較來檢驗的。如果使用 作為準則，并且 和 高度相關，1X2 1X12我們就說 也是具有很高的效度。對內容效度常采用邏輯分析與統(tǒng)計分析相結合的方法進行評價。，表明此量表的可靠性較高。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 信度分析結果Reliability StatisticsCronbach39。s Alpha 系數(shù) ） ，這種方法將測量工具中任一條目結果同其他所有條目作比較，對量表內部一致性估計更為慎重，