【正文】 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數(shù)。這說(shuō)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。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=。2．間接效應(yīng)(indirect effect)指原因變量通過(guò)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。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 。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。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。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。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(chéng) 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(chéng) 1 a23 顧客忠誠(chéng) *** c a22 顧客忠誠(chéng) *** a 注 :“***”表示 水平上顯著，括號(hào)中是相應(yīng)的 值，即 t 值。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） 。經(jīng)過(guò)反復(fù)比較得到的結(jié)構(gòu)方程模型如圖 730?，F(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 的方差相等圖 730 修正的模型七小于 95%置信水平下的臨界值，說(shuō)明兩個(gè)方差間不存在顯著差異。24對(duì)應(yīng)殘差變量。然后在 Regression weight23,variance24,covariane25輸入相同的英文名稱即可。如果是某兩個(gè)參數(shù)沒(méi)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22一般絕對(duì)值小于 2 認(rèn)為沒(méi)有顯著差異。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。下面考慮根據(jù) Pairwise Parameter Comparisons 來(lái)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(méi)有顯著差異，哪些測(cè)量方程的系數(shù)之間沒(méi)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(méi)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(méi)有顯著差異，對(duì)沒(méi)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。表 715 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 (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。另外 ,從剩下的變量之間 MI值沒(méi)有可以做處理的變量對(duì)了，因此考慮 MI 值修正后的模型如圖 725。但實(shí)際上超市的食品保險(xiǎn)amp。實(shí)際上超市形象和超市品牌知名度之間顯然存在相關(guān)，因此考慮增加e2 與 e3 的相關(guān)性路徑。實(shí)際上消費(fèi)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(guān)，因此考慮增加 e17 與 e18 的相關(guān)性路徑。這也是員工對(duì)顧客的態(tài)度與員工給顧客結(jié)帳的速度之間存在相關(guān)，因此考慮增加 e7 與 e8 的相關(guān)性路徑。 （這里的分析不考慮潛變量因子可測(cè)指標(biāo)的更改，理由是我們?cè)谠O(shè)計(jì)問(wèn)卷的題目的信度很好，而且題目本身的設(shè)計(jì)也不允許這樣做，以下同。從實(shí)際考慮，員工對(duì)顧客的態(tài)度與員工給顧客結(jié)帳的速度，實(shí)際上也確實(shí)存在相關(guān)，設(shè)想，對(duì)顧客而言，超市員工結(jié)帳速度很慢本來(lái)就是一種對(duì)顧客態(tài)度不好的方面；反之，則相反。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。根據(jù)上面提出的如圖 724 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 714。該模型的各個(gè)參數(shù)在 的水平下都是顯著的，另外質(zhì)量感知對(duì)應(yīng)的測(cè)量指標(biāo) a11（關(guān)于營(yíng)業(yè)時(shí)間安排合理程度的打分）對(duì)應(yīng)方程的測(cè)定系數(shù)為 ，比較小，從實(shí)際考慮，由于人大校內(nèi)東區(qū)物美超市的營(yíng)業(yè)時(shí)間從很長(zhǎng)，幾乎是全天候營(yíng)業(yè)在顧客心中，可能該指標(biāo)能用質(zhì)量感知解釋的可能性不大，考慮刪除該測(cè)量指標(biāo)。根據(jù)上面提出的如圖 723 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 713。并且從實(shí)際考慮，在學(xué)校內(nèi)部，學(xué)生一般不會(huì)根據(jù)超市之間在形象上的差別而選擇堅(jiān)持去同一個(gè)品牌的超市，更多的可能是通過(guò)超市形象影響超市滿意等因素進(jìn)而影響到顧客忠誠(chéng)因素。重新估計(jì)模型，結(jié)果如表 712。表 710 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 (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。因此考慮增加從超市形象到質(zhì)量感知的路徑的模型如圖 722。比如，超市形象到質(zhì)量感知的 MI 值為 ，表明如果增加超市形象到質(zhì)量感知的路徑，則模型的卡方值會(huì)大大減小。該模型的各個(gè)參數(shù)在 的水平下都是顯著的，并且從實(shí)際考慮，各因子的各個(gè)路徑也是合理存在的。表 78 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 (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(yùn)用極大似然估計(jì)運(yùn)行的部分結(jié)果如表 79。超市形象對(duì)顧客忠誠(chéng)的路徑先保留。關(guān)于感知價(jià)格的結(jié)構(gòu)方程部分的平方復(fù)相關(guān)系數(shù)為 ，非常小。三、 案例修正對(duì)本章所研究案例，初始模型運(yùn)算結(jié)果如表 78，各項(xiàng)擬合指數(shù)尚可。若兩個(gè)待估參數(shù)間不存在顯著性差異，則可以限定模型在估計(jì)時(shí)對(duì)這兩個(gè)參數(shù)賦以相同的值。圖 720 臨界比率計(jì)算2. 臨界比率（Critical Ratio