【正文】 （譬如在模型中添加某條路徑） ，整個模型改良時將會減少的最小卡方值 19。17這個 CR 不同于參數(shù)顯著性檢驗中的 CR，使用方法將在下文中闡明。15如模型不可識別，或擬合指數(shù)結(jié)果很差。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。模型擴展是指通過釋放部分限制路徑或添加新路徑，使模型結(jié)構(gòu)更加合理，通常在提高模型擬合程度時使用；模型限制是指通過刪除 16或限制部分路徑，使模型結(jié)構(gòu)更加簡潔，通常在提高模型可識別性時使用。因此，在進行模型修正時主要考慮修正后的模型結(jié)果是否具有現(xiàn)實意義或理論價值，當模型效果很差時 15可以參考模型修正指標對模型進行調(diào)整。即便擬合指數(shù)沒有達到最優(yōu)，但一個能夠使用相關(guān)理論解釋的模型更具有研究意義。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)。RMR 小于 ，越小越好SRMR 小于 ，越小越好RMSEA 小于 ，越小越好NFI 大于 ，越接近 1 越好TLI 大于 ，越接近 1 越好相對擬合指數(shù)CFI 大于 ，越接近 1 越好AIC 越小越好信息指數(shù)CAIC 越小越好77）供使用者選擇 13。 Cudeck ，1993） 。不同類別的模型擬合指數(shù)可以從模型復雜性、樣本大小、相對性與絕對性等方面對理論模型進行度量。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)。表 76 方差估計方差估計 . . P Label超市形象 *** par_25z2 *** par_26z1 *** par_27z3 *** par_28z4 *** par_29z5 *** par_30e1 *** par_31e2 *** par_32e3 *** par_33e5 *** par_34e4 *** par_35e6 *** par_36e7 *** par_37e8 *** par_38e10 *** par_39e9 *** par_40e11 *** par_41e12 *** par_42e13 *** par_43e18 *** par_44e16 *** par_45e17 *** par_46e15 par_47e24 *** par_48e22 *** par_49e23 *** par_50e14 par_51注 :“***”表示 水平上顯著，括號中是相應的 值，即 t 值。11凡是 a+數(shù)字的變量都是代表問卷中相應測量指標的，其中數(shù)字代表的問卷第一部分中問題的序號。表 75 系數(shù)估計結(jié)果未標準化路徑系數(shù)估計 . . P Label標準化路徑系數(shù)估計質(zhì)量期望 超市形象 *** par_16 質(zhì)量感知 質(zhì)量期望 *** par_17 感知價格 質(zhì)量期望 *** par_18 感知價格 質(zhì)量感知 par_19 感知價格 超市形象 par_20 顧客滿意 超市形象 *** par_21 顧客滿意 感知價格 par_23 顧客忠誠 超市形象 par_22 顧客忠誠 顧客滿意 *** par_24 a111 超市形1 9分析基本情況（Analysis Summary） 、變量基本情況（Variable Summary） 、模型信息（Notes for Model ）三部分的詳細介紹如書后附錄三。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。Amos 提供了一種簡單便捷的方法，叫做 CR（Critical Ratio） 。在分析過程中，一般通過前三部分 9了解模型，在模型評價時使用估計結(jié)果和模型擬合部分，在模型修正時使用修正指數(shù)部分。圖 718 參數(shù)估計結(jié)果圖 Amos 還提供了表格形式的模型運算詳細結(jié)果信息，通過點擊工具欄中的來查看。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。從表717 最后一列中可以看出：受“質(zhì)量期望”潛變量影響的是“質(zhì)量感知”潛變量和“感知價格”潛變量；標準化路徑系數(shù)分別為 和 ，這說明“質(zhì)量期望”潛變量對“質(zhì)量感知”潛變量的影響程度大于其對“感知價格”潛變量的影響程度。圖 標準化系數(shù)計算標準化系數(shù)是將各變量原始分數(shù)轉(zhuǎn)換為 Z 分數(shù) 8后得到的估計結(jié)果，用以度量變量間的相對變化水平。非標準化系數(shù)中存在依賴于有關(guān)變量的尺度單位，所以在比較路徑系數(shù)（或載荷系數(shù)）時無法直接使用，因此需要進行標準化。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?？梢酝ㄟ^點擊 View 菜單在 Analysis Properties（或點擊工具欄的）中的 Estimation 項選擇相應的估計方法。圖 713 數(shù)據(jù)配置 圖 714 數(shù)據(jù)讀入第三節(jié) 模型擬合一、 參數(shù)估計方法選擇模型運算是使用軟件進行模型參數(shù)估計的過程。圖 710 設定可測變量及殘差變量圖 711 可測變量指定與命名圖 712 初始模型設置完成2．數(shù)據(jù)文件的配置Amos 可以處理多種數(shù)據(jù)格式，如文本文檔（*.txt） ，表格文檔（*.xls 、*.wk1 ） ，數(shù)據(jù)庫文檔（*.dbf、*.mdb） ，SPSS 文檔（*.sav）等。其中 Variable Name 一項對應的是數(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 77 潛變量命名圖 78 命名后的潛變量圖 79 設定潛變量關(guān)系第三步為潛變量設置可測變量及相應的殘差變量，可以使用 繪制，也可以使用 和 自行繪制（繪制結(jié)果如圖 710） 。使用 來設置變量間的因果關(guān)系，使用來設置變量間的相關(guān)關(guān)系。繪制好的潛變量圖形如圖 78。為了保持圖形的美觀，可以使用先繪制一個潛變量，再使用復制工具 繪制其他潛變量，以保證潛變量大小一致。圖 75 建模區(qū)域的版式調(diào)整圖 76 建立潛變量二、 Amos模型設定操作1．模型的繪制在使用 Amos 進行模型設定之前，建議事先在紙上繪制出基本理論模型和變量影響關(guān)系路徑圖，并確定潛變量與可測變量的名稱，以避免不必要的返工。相關(guān)工具的具體功能參見書后附錄二。如果要建立的模型在橫向上占用較大空間，只需選擇 View 菜單中的 Interface Properties 選項下的 Landscape（如圖 ） ，即可將建模區(qū)域調(diào)整為橫板格式。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。六、 結(jié)構(gòu)方程模型建模構(gòu)建如圖 的初始模型。因此數(shù)據(jù)的效度檢驗就轉(zhuǎn)化為結(jié)構(gòu)方程模型評價中的模型擬合指數(shù)評價。如果在理論模型中潛變量之間存在相關(guān)關(guān)系，可以通過潛變量的相關(guān)系數(shù)來評價結(jié)構(gòu)效度：顯著的相關(guān)系數(shù)說明理論模型假設成立，具有較好的結(jié)構(gòu)效度。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。如果模型假設的潛變量之間的關(guān)系以及潛變量與可測變量之間的關(guān)系合理，非標準化系數(shù)應當具有顯著的統(tǒng)計意義。確定結(jié)構(gòu)效度的基本步驟是，首先從某一理論出發(fā)，提出關(guān)于特質(zhì)的假設，然后設計和編制測量并進行施測，最后對測量的結(jié)果采用相關(guān)分析或因子分析等方法進行分析，驗證其與理論假設的相符程度。結(jié)構(gòu)效度也稱構(gòu)想效度、建構(gòu)效度或理論效度，是指測量工具反映概念和命題的內(nèi)部結(jié)構(gòu)的程度，也就是說如果問卷調(diào)查結(jié)果能夠測量其理論特征，使調(diào)查結(jié)果與理論預期一致，就認為數(shù)據(jù)是具有結(jié)構(gòu)效度的。當然，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。例如， 是一個變量，我們X使用 、 兩種工具進行測量。邏輯分析一般由研究者或?qū)＜以u判所選題項是否“看上去”符合測量的目的和要求。內(nèi)容效度也稱表面效度或邏輯效度，是指測量目標與測量內(nèi)容之間的適合性與相符性。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