AMOS教程(详细版)

《AMOS教程(详细版)》由会员分享，可在线阅读，更多相关《AMOS教程(详细版)（35页珍藏版）》请在装配图网上搜索。

1、应用案例有关该案例的操作也可结合书上第七章的有关内容来看。第一节 模型设定 构造方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个环节。下面以一种研究实例作为阐明,使用Amos7软件本案例是在Amos7中完毕的。进行计算，论述在实际应用中构造方程模型的构建、运算、修正与模型解释过程。 一、 模型构建的思路本案例在出名的美国顾客满意度指数模型（ASCI)的基本上,提出了一种新的模型，并以此构建潜变量并建立模型构造。根据构建的理论模型,通过设计问卷对某超市顾客购物服务满意度调查得到实际数据,然后运用对缺失值进行解决后的数据见spss数据文献“解决后的数据.sav”。进行分析,并对

2、文中提出的模型进行拟合、修正和解释。二、 潜变量和可测变量的设定本文在继承SCI模型核心概念的基本上,对模型作了某些改善，在模型中增长超市形象。它涉及顾客对超市总体形象及与其她超市相比的出名度。它与顾客盼望，感知价格和顾客满意有关,设计的模型见表7-。模型中共涉及七个因素(潜变量):超市形象、质量盼望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚,其中前四个要素是前提变量，后三个因素是成果变量,前提变量综合决定并影响着成果变量(ugene .nerson & Cls onell，;殷荣伍，）。表7- 设计的构造途径图和基本途径假设设计的构造途径图基本途径假设超市形象质量盼望质量感知感知价值

3、顾客满意顾客抱怨顾客忠诚 超市形象对质量盼望有途径影响 质量盼望对质量感知有途径影响 质量感知对感知价格有途径影响 质量盼望对感知价格有途径影响 感知价格对顾客满意有途径影响 顾客满意对顾客忠诚有途径影响 超市形象对顾客满意有途径影响 超市形象对顾客忠诚有途径影响2.1、顾客满意模型中各因素的具体范畴参照前面模型的总体构建状况、国外研究理论和其她行业实证结论,以及小范畴甄别调查的成果,模型中各要素需要观测的具体范畴,见表-。表7- 模型变量相应表潜变量内涵可测变量(一) 超市形象根据RTENSEN在固定电话、移动电话、超市等行业中的调查研究，公司形象是影响总体满意水平的第一要素,这里将超市形象

4、要素列为影响因素,可以从如下几种方面进行观测。 某超市总体形象的评价(1） 与其他超市相比的形象(a) 与其他超市相比的品牌出名度(a3)(二) 质量盼望质量盼望是指顾客在使用某超市产品前对其的盼望水平。顾客的质量盼望会影响顾客价值,并且质量盼望还会顾客感知导致影响.尚有学者指出，对于顾客盼望要素，至少可以从整体感觉、个性化服务、可靠性三个方面来观测。结合上述因素,可以从几种方面衡量对某超市的质量盼望。 购物前,对某超市整体服务的盼望(4) 购物前,盼望某超市商品的新鲜限度达到的水平(a5) 购物前,盼望某超市营业时间安排合理限度(a) 购物前，盼望某超市员工服务态度达到的水平(7) 购物前,

5、盼望某超市结账速度达到的水平(a8)(三) 质量感知质量感知和质量盼望相相应,质量盼望考虑的是在购买商品前的盼望,质量感知是在购买商品后的实际感受。可以从几种方面衡量。 购物后，对某超市整体服务的满意限度(a) 购物后，觉得某超市商品的新鲜限度达到的水平(a10) 购物后,觉得超市营业时间安排合理限度(a11) 购物后,觉得某超市员工服务态度达到的水平(a12) 购物后，觉得某超市结账速度达到的水平（a1)(四) 感知价值根据NDERSON和FML(EUENEW.ADON&CLEOMELL，)对美国顾客满意指数模型的进一步研究,觉得对于顾客价值部分可以从性价比来衡量。 您觉得某超市商品的价格如

6、何(a4) 与其她超市相比，您觉得某超市商品的价格如何(a15)(五) 顾客满意顾客满意一般可以从三个方面衡量，一是可以从整体上来感觉;二是可以与消费前的盼望进行比较，寻找两者的差距;三是可以与抱负状态下的感觉比较,寻找两者的差距。因此，可以通过如下几种指标衡量。 对某超市的总体满意限度(a16） 和您消费前的盼望比，您对某超市的满意限度（a17) 和您心目中的超市比，您对某超市的满意限度(a18）(六) 顾客抱怨FRN和 WENRFELT(988)的研究成果,觉得顾客满意的增长会减少顾客的抱怨，同步会增长顾客的忠诚,当顾客不满意时，她们往往会选择抱怨。对于抱怨的观测，一般有两种方式,一种是比

7、较正式的形式，向超市提出正式抱怨，有换货,退货等行为;另一种是非正式的形式,顾客会宣传，形成群众对于该超市的口碑。 您对某超市投诉的频率（涉及给超市写投诉信和直接向超市人员反映)(a9) 您对某超市抱怨的频率（私下抱怨并未告知超市）(a20) 您觉得某超市对顾客投诉的解决效率和效果正向的，采用Likert10级量度从“非常低”到“非常高”(1) (七) 顾客忠诚顾客忠诚重要可以从三个方面体现:顾客推荐意向、转换产品的意向、反复购买的意向。同步尚有学者指出顾客忠诚可以从顾客对涨价的容忍性、反复购买性两方面衡量。综合上述因素，拟从如下几种方面衡量顾客忠诚。 我会常常去某超市(a22) 我会推荐同窗

8、和朋友去某超市（23) 如果发现某超市的产品或服务有问题后，能以谅解的心态积极向超市反馈,求得解决，并且后来还会来超市购物(a24）三、 有关顾客满意调查数据的收集本次问卷调研的对象为居住在某大学校内的各类学生(涉及全日制本科生、全日制研究生和博士研究生),并且近一种月内在校内某超市有购物体验的学生。调查采用随机拦访的方式,并且为避免样本的同质性和反复填写,按照性别和被访者常常光顾的超市进行控制。问卷内容涉及个潜变量因子,24项可测指标,个人口变量，量表采用了iket0级量度，如对超市形象的测量： 一、超市形象代表“非常差劲”，10代表“非常好”1您对某超市总体形象的评价1 2 3 4 6 7

9、 8 9 02您觉得与其他校内超市相比,某超市的形象如何1 2 3 4 5 6 7 9 03您觉得与其他校内超市相比，某超市品牌出名度如何1 2 3 5 6 7 9 1本次调查共发放问卷500份,收回有效样本36份。四、 缺失值的解决采用表列删除法,即在一条记录中，只要存在一项缺失，则删除该记录。最后得到4条数据，基于这部分数据做分析。五、 数据的的信度和效度检查1.数据的信度检查信度（reliil)指测量成果(数据）一致性或稳定性的限度。一致性重要反映的是测验内部题目之间的关系，考察测验的各个题目与否测量了相似的内容或特质。稳定性是指用一种测量工具(譬犹如一份问卷）对同一群受试者进行不同步间

10、上的反复测量成果间的可靠系数。如果问卷设计合理,反复测量的成果间应当高度有关。由于本案例并没有进行多次反复测量,因此重要采用反映内部一致性的指标来测量数据的信度。折半信度（split-ha elblity)是将测量工具中的条目按奇偶数或前后提成两半，采用Serma-bron公式估计有关系数,有关系数高提示内部一致性好。然而,折半信度系数是建立在两半问题条目分数的方差相等这一假设基本上的，但实际数据并不一定满足这一假定,因此信度往往被低估。Cronb在1951年提出了一种新的措施（Cronbac Alpha系数),这种措施将测量工具中任一条目成果同其她所有条目作比较,对量表内部一致性估计更为谨慎

11、，因此克服了折半信度的缺陷。本章采用SPS16.0研究数据的内部一致性。在naze菜单中选择c下的Rebiity Anasis(如图7）,将数据中在左边方框中待分析的4个题目一一选中，然后点击，左边方框中待分析的个题目进入右边的itm方框中,使用Alh模型（默认）,得到图7-,然后点击o即可得到如表7-3的成果，显示nbacsAlpha系数为.82，阐明案例所使用数据具有较好的信度。图7-1 信度分析的选择图72 信度分析变量及措施的选择表7 信度分析成果Reliabit tatiticsCrobchs AlphN ofIte.92此外,对问卷中每个潜变量的信度分别检查成果如表-4所示操作过程

12、同前，不同的是在图7-14中选入右边方框items中是相应潜变量相应的题目。如对超市形象潜变量，只需要把a1、a2和a3题目选入到右边方框items中即可。从表7-可以看到,除顾客抱怨量表rnaca Apha系数为.55,比较低以外，其他分量表的Alpa系数均在0.7以上，且总量表的Cronbahs Alpa系数达到了0.89,表白此量表的可靠性较高。由信度检查的成果可知顾客抱怨的测量指标的信度远低于0.7,因此在途径图中去掉顾客抱怨因子,即初始模型中涉及6个潜变量、1个可测变量。表4 潜变量的信度检查潜变量可测变量个数CronbchAlpha超市形象30.858质量盼望0.88质量感知50.

13、862感知价格2029顾客满意30948顾客抱怨30.255顾客忠诚307382.数据的效度检查效度（alidiy)指测量工具可以对的测量出所要测量的特质的限度,分为内容效度（contntalit)、效标效度(critrovaiy）和构造效度(construt alidity）三个重要类型。内容效度也称表面效度或逻辑效度,是指测量目的与测量内容之间的适合性与相符性。对内容效度常采用逻辑分析与记录分析相结合的措施进行评价。逻辑分析一般由研究者或专家评判所选题项与否“看上去”符合测量的目的和规定。准则效度又称效标效度、实证效度、记录效度、预测效度或原则关联效度，是指用不同的几种测量方式或不同的指标

14、对同一变量进行测量,并将其中的一种方式作为准则（效标），用其她的方式或指标与这个准则作比较，如果其她方式或指标也有效，那么这个测量即具有效标效度。例如，是一种变量,我们使用、两种工具进行测量。如果使用作为准则，并且和高度有关，我们就说也是具有很高的效度。固然，使用这种措施的核心在于作为准则的测量方式或指标一定要是有效的,否则越比越差。现实中，我们评价效标效度的措施是有关分析或差别明显性检查，但是在调查问卷的效度分析中，选择一种合适的准则往往十分困难，也使这种措施的应用受到一定限制。构造效度也称设想效度、建构效度或理论效度,是指测量工具反映概念和命题的内部构造的限度，也就是说如果问卷调查成果可以

15、测量其理论特性，使调查成果与理论预期一致,就觉得数据是具有构造效度的。它一般是通过测量成果与理论假设相比较来检查的。拟定构造效度的基本环节是，一方面从某一理论出发，提出有关特质的假设，然后设计和编制测量并进行施测,最后对测量的成果采用有关分析或因子分析等措施进行分析，验证其与理论假设的相符限度。在实际操作的过程中,前面两种效度（内容效度和准则效度)往往规定专家定性研究或具有公认的效标测量，因而难以实现的，而构造效度便于可以采用多种措施来实现：第一种措施是通过模型系数评价构造效度。如果模型假设的潜变量之间的关系以及潜变量与可测变量之间的关系合理，非原则化系数应当具有明显的记录意义。特别地,通过原

16、则化系数有关原则化系数的解释见本章第五节。可以比较不同指标间的效度。从表7-17可以看出在99的置信度下所有非原则化系数具有记录明显性，这阐明修正模型的整体构造效度较好。 第二种措施是通过有关系数评价构造效度。如果在理论模型中潜变量之间存在有关关系,可以通过潜变量的有关系数来评价构造效度：明显的有关系数阐明理论模型假设成立，具有较好的构造效度。第三种措施是先构建理论模型，通过验证性因子分析的模型拟合状况来对量表的构造效度进行考核。因此数据的效度检查就转化为构造方程模型评价中的模型拟合指数评价。对于本案例,从表7-16可知理论模型与数据拟合较好,构造效度较好。六、 构造方程模型建模构建如图.3的

17、初始模型。图 初始模型构造图7- AsGraphic初始界面图第二节 Amos实现 这部分的操作阐明也可参看书上第七章第二节:Amos实现。一、 A基本界面与工具打开AmGraphics,初始界面如图7-4。其中第一部分是建模区域,默认是竖版格式。如果要建立的模型在横向上占用较大空间，只需选择e菜单中的Intrfae Prerties选项下的Ladscape（如图7.5),即可将建模区域调节为横板格式。图-中的第二部分是工具栏,用于模型的设定、运算与修正。有关工具的具体功能参见书后附录二。图7-5建模区域的版式调节图-6 建立潜变量二、 mo模型设定操作模型的绘制在使用Ao进行模型设定之前,建

18、议事先在纸上绘制出基本理论模型和变量影响关系途径图,并拟定潜变量与可测变量的名称,以避免不必要的返工。有关软件操作如下：第一步,使用建模区域绘制模型中的七个潜变量(如图7-6)。为了保持图形的美观,可以使用先绘制一种潜变量,再使用复制工具绘制其她潜变量，以保证潜变量大小一致。在潜变量上点击右键选择ObecPrris，为潜变量命名（如图7-7）。绘制好的潜变量图形如图7-8。第二步设立潜变量之间的关系。使用来设立变量间的因果关系，使用来设立变量间的有关关系。绘制好的潜变量关系图如图7-9。图7- 潜变量命名图7-8 命名后的潜变量图7- 设定潜变量关系第三步为潜变量设立可测变量及相应的残差变量(

19、一定要设立残差),可以使用绘制，也可以使用和自行绘制（绘制成果如图7-1）。在可测变量上点击右键选择bjeProperties,为可测变量命名。其中VariableNm一项相应的是数据中的变量名(如图-1),在残差变量上右键选择Objec Proprte为残差变量命名。最后绘制完毕模型成果如图72。图7-1 设定可测变量及残差变量图711 可测变量指定与命名图7-12 初始模型设立完毕2.数据文献的配备Ao可以解决多种数据格式，如文本文档（*.txt),表格文档（*.x、*.wk），数据库文档(.bf、*m）,SPSS文档（*.sav)等。为了配备数据文献，选择File菜单中的ata File

20、s（如图7-3),浮现如图7-4左边的对话框,然后点击Filenm按钮，浮现如图7-右边的对话框,找到需要读入的数据文献“解决后的数据.sav”，双击文献名或点击下面的“打开”按钮,最后点击图7-14左边的对话框中“o”按钮,这样就读入数据了。图73 数据配备 图-1 数据读入第三节 模型拟合一、 参数估计措施选择模型运算是使用软件进行模型参数估计的过程。Ams提供了多种模型运算措施供选择具体措施列表参见书后附录一。可以通过点击ie菜单在Anaysis Poperties（或点击工具栏的）中的Estimatin项选择相应的估计措施。本案例使用最大似然估计(Mximu Likelod）进行模型运

21、算,有关设立如图7-15。图75 参数估计选择二、 原则化系数如果不做选择,输出成果默认的途径系数(或载荷系数)没有通过原则化,称作非原则化系数。非原则化系数中存在依赖于有关变量的尺度单位,因此在比较途径系数(或载荷系数）时无法直接使用，因此需要进行原则化。在Anysis Proeies中的utpt项中选择Sandadied simes项(如图7-6)，即可输出测量模型的因子载荷原则化系数如表7-5最后一列。图.6 原则化系数计算原则化系数是将各变量原始分数转换为Z分数Z分数转换公式为：。后得到的估计成果,用以度量变量间的相对变化水平。因此不同变量间的原则化途径系数(或原则化载荷系数)可以直接

22、比较。从表7-17最后一列中可以看出:受“质量盼望”潜变量影响的是“质量感知”潜变量和“感知价格”潜变量；原则化途径系数分别为0434和0.24,这阐明“质量盼望”潜变量对“质量感知”潜变量的影响限度不小于其对“感知价格”潜变量的影响限度。三、 参数估计成果的展示图717 模型运算完毕图使用Analz菜单下的allt Estaes进行模型运算（或使用工具栏中的），输出成果如图-17。其中红框部分是模型运算基本成果信息,使用者也可以通过点击Ve th upt pth diagra（)查看参数估计成果图（图7-18）。图7-18 参数估计成果图 o还提供了表格形式的模型运算具体成果信息,通过点击工

23、具栏中的来查看。具体信息涉及分析基本状况（Aalysi Smmay）、变量基本状况(VariaeSummry）、模型信息(tes foel）、估计成果(Estims)、修正指数（odifictnndics）和模型拟合(Mdl Fi）六部分。在分析过程中,一般通过前三部分分析基本状况（Analysis Summary）、变量基本状况（Variable Summary）、模型信息（Notes for Model）三部分的具体简介如书后附录三。理解模型,在模型评价时使用估计成果和模型拟合部分，在模型修正时使用修正指数部分。四、 模型评价1途径系数载荷系数的明显性参数估计成果如表-5到表76,模型评价

24、一方面要考察模型成果中估计出的参数与否具有记录意义，需要对途径系数或载荷系数潜变量与潜变量间的回归系数称为途径系数；潜变量与可测变量间的回归系数称为载荷系数。进行记录明显性检查,此类似于回归分析中的参数明显性检查，原假设为系数等于。Aos提供了一种简朴便捷的措施，叫做(ritcalRtio）。CR值是一种记录量,使用参数估计值与其原则差之比构成（如表7-5中第四列）。mos同步给出了CR的记录检查相伴概率p（如表75中第五列)，使用者可以根据值进行途径系数/载荷系数的记录明显性检查。譬如对于表7.5中“超市形象”潜变量对“质量盼望”潜变量的途径系数（第一行）为0.301,其CR值为6.，相应的

25、值不不小于01，则可以觉得这个途径系数在%的置信度下与0存在明显性差别。表75 系数估计成果未原则化途径系数估计SE.C.R.PLabel原则化途径系数估计质量盼望-超市形象0.01006.68*pr_0.358质量感知-质量盼望.40.0577.633*par_170.43感知价格-质量盼望0.3290.083.22*ar_1824感知价格-质量感知-0.121002-.70.142par_19-.9感知价格-超市形象0050.065-070.944par_0-00顾客满意-超市形象.9120.2.8*pa10.88顾客满意-感知价格-.0.028.0.3par_23-0.032顾客忠诚-超

26、市形象010.1011.60.098ar22.183顾客忠诚-顾客满意50.488*par0.591但凡a+数字的变量都是代表问卷中相应测量指标的，其中数字代表的问卷第一部分中问题的序号。-超市形象1.927a2-超市形象10080.3271*r_899a3-超市形象0.70104814.6*par2695-质量盼望10.79a4-质量盼望0.79.12852*pr_30.26a6-质量盼望0.890.516.96*par_40.786a-质量盼望1.159.599.628*pr_50.81a8-质量盼望.00817.713*par_60.86a1-质量感知10.768a-质量感知.160.0

27、6517.911*ar_.882a-质量感知.78.0811.07*a_851-质量感知1.10106915.93*ar_90.78413-质量感知.980.0714.77*ar0.32a18-顾客满意10.88a-顾客满意1.0390340171*pa_110.93a15-感知价格0.63a14-感知价格097.2777*r_12.90a16-顾客满意1.0090.0331.024*par1095a24-顾客忠诚10682a3-顾客忠诚12080.9213.79*par_140.846注:“*”表达0.0 水平上明显,括号中是相应的C.R值,即t值。表7 方差估计方差估计S.CR.PLab超

28、市形象3.57402991.95*ar_252.08.249.08*r_26z.060218.5*ar27z34.450.68.596*par_2840.94.078.32*p_9z51373.2146.404*par_30105840.797363*pa_312.609.2*par_32e32.0.1913.67*par_33e51.560.131.73*par34e42.4591863232*ar_5e61.4.151179*ar36e7870.1038.53*pa_e81350.1911.228*p_8e101.7501211.55*p39.76122.96*ar_113.180.235

29、133*pr_41121926.1711172*par_4232180.17611*par_318150.91132*par_4e10.420.0807*ar_45170.540.619.10*par_46e150360.5910616038pr_47e4130.511.55*pr_8e2.3810.812.051*par_49e23.73.52.874*par0e140.980.561.7450081p_51注:“*”表达0.0水平上明显，括号中是相应的CR值，即t值。五、 模型拟合评价在构造方程模型中，试图通过记录运算措施(如最大似然法等）求出那些使样本方差协方差矩阵与理论方差协方差矩阵的

30、差别最小的模型参数。换一种角度，如果理论模型构造对于收集到的数据是合理的，那么样本方差协方差矩阵与理论方差协方差矩阵差别不大，即残差矩阵（）各个元素接近于0，就可以觉得模型拟合了数据。模型拟合指数是考察理论构造模型对数据拟合限度的记录指标。不同类别的模型拟合指数可以从模型复杂性、样本大小、相对性与绝对性等方面对理论模型进行度量。Amos提供了多种模型拟合指数（如表表-7 拟合指数指数名称评价原则表格中给出的是该拟合指数的最优原则，譬如对于RMSEA，其值不不小于0.05表达模型拟合较好，在0.05-0.08间表达模型拟合尚可（Browne & Cudeck，1993）。因此在实际研究中，可根据

31、具体状况分析。绝对拟合指数(卡方）越小越好GFI不小于.9RR不不小于005，越小越好SRMR不不小于0.05，越小越好RMSEA不不小于05，越小越好相对拟合指数NFI不小于.,越接近越好TLI不小于0.9,越接近1越好I不小于0,越接近1越好信息指数AIC越小越好CA越小越好-7）供使用者选择具体请参照Amos 6.0 Users Guide 489项。如果模型拟合不好,需要根据有关领域知识和模型修正指标进行模型修正。需要注意的是，拟合指数的作用是考察理论模型与数据的适配限度，并不能作为判断模型与否成立的唯一根据。拟合优度高的模型只能作为参照，还需要根据所研究问题的背景知识进行模型合理性讨

32、论。即便拟合指数没有达到最优，但一种可以使用有关理论解释的模型更具有研究意义。第四节 模型修正有关案例中模型的拟合措施和模型修正指数详情也可参看书上第七章第三节和第四节。一、 模型修正的思路模型拟合指数和系数明显性检查固然重要,但对于数据分析更重要的是模型结论一定要具有理论根据，换言之,模型成果要可以被有关领域知识所解释。因此,在进行模型修正时重要考虑修正后的模型成果与否具有现实意义或理论价值，当模型效果很差时如模型不可辨认，或拟合指数成果很差。可以参照模型修正指标对模型进行调节。当模型效果很差时，研究者可以根据初始模型的参数明显性成果和Ams提供的模型修正指标进行模型扩展(Moel uldi

33、ng)或模型限制（Modl Trimg）。模型扩展是指通过释放部分限制途径或添加新途径，使模型构造更加合理，一般在提高模型拟合限度时使用;模型限制是指通过删除譬如可以删除初始模型中不存在明显意义的途径。或限制部分途径，使模型构造更加简洁，一般在提高模型可辨认性时使用。m提供了两种模型修正指标,其中修正指数（Modification ndex）用于模型扩展,临界比率(ritical Raio)这个CR不同于参数明显性检查中的CR，使用措施将在下文中阐明。用于模型限制。二、 模型修正指标无论是根据修正指数还是临界比率进行模型修正，都要以模型的实际意义与理论根据为基本。. 修正指数(Modifati

34、o Inex)图7-19 修正指数计算修正指数用于模型扩展，是指对于模型中某个受限制的参数，若容许自由估计(譬如在模型中添加某条途径),整个模型改良时将会减少的最小卡方值即当模型释放某个模型参数（即增长途径）时，卡方记录量的减少量将不小于等于相应的修正指数值。使用修正指数修改模型时,原则上每次只修改一种参数,从最大值开始估算。但在实际中，也要考虑让该参数自由估计与否有理论根据。若要使用修正指数,需要在nayis roprtes中的Outpu项选择MdificaionIndes项（如图-9)。其背面的Threshold fo Modificaion Indces指的是输出的开始值只有修正指数值不

35、小于开始值的途径才会被输出，一般默认开始值为4。图7-20 临界比率计算2 临界比率（Citcl Raio） 临界比率用于模型限制，是计算模型中的每一看待估参数（途径系数或载荷系数）之差,并除以相应参数之差的原则差所构造出的记录量。在模型假设下,CR记录量服从正态分布,因此可以根据CR值判断两个待估参数间与否存在明显性差别。若两个待估参数间不存在明显性差别,则可以限定模型在估计时对这两个参数赋以相似的值。若要使用临界比率，需要在nalysis Properties中的Outpu项选择Crtial Rtio for Difference项（如图7-2）。三、 案例修正对本章所研究案例,初始模型运

36、算成果如表7-8，各项拟合指数尚可。但从模型参数的明显性检查（如表-5）中可发现可以看出，无论是有关感知价格的测量方程部分还是有关构造方程部分（除与质量盼望的途径外）,系数都是不明显的。有关感知价格的构造方程部分的平方复有关系数为0.48,非常小。此外，从实际的角度考虑,通过自身的感受,某超市商品价格同校内外其他重要超市的商品价格的差别不明显,因此,一方面考虑将该因子在本文的构造方程模型中清除，并且增长质量盼望和质量感知到顾客满意的途径。超市形象对顾客忠诚的途径先保存。修改的模型如图721。表-8 常用拟合指数计算成果拟合指数卡方值(自由度）CFINFIIIMAACBCEVI成果1031.4

37、(180)0.6.8408660.109113344119.372.34图721 修正的模型二根据上面提出的图71提出的所示的模型,在mos中运用极大似然估计运营的部提成果如表7-9。表-9 常用拟合指数计算成果拟合指数卡方值（自由度）CIIFMEAICBCEVCI成果819. (14)0.830.86208840.10899514282.24从表7-8和表-9可以看出，卡方值减小了诸多，并且各拟合指数也都得到了改善，但与抱负的拟合指数值仍有差距。该模型的各个参数在0.0的水平下都是明显的，并且从实际考虑，各因子的各个途径也是合理存在的。下面考虑通过修正指数对模型修正，通过点击工具栏中的来查看

38、模型输出具体成果中的Modificain Idices项可以查看模型的修正指数(odiicaton ndex）成果,双箭头（“”)部分是残差变量间的协方差修正指数,表达如果在两个可测变量的残差变量间增长一条有关途径至少会减少的模型的卡方值;单箭头（“-”）部分是变量间的回归权重修正指数,表达如果在两个变量间增长一条因果途径至少会减少的模型的卡方值。例如，超市形象到质量感知的MI值为179.649,表白如果增长超市形象到质量感知的途径，则模型的卡方值会大大减小。从实际考虑，超市形象的确会影响到质量感知,设想，一种具有良好品牌形象的超市，人们难免会对感到它的商品质量较好；反之,则相反。因此考虑增长

39、从超市形象到质量感知的途径的模型如图7-2。 根据上面提出的图72所示的模型，在Aos中运用极大似然估计运营的部提成果如表7-0、表7-11。表7-0 常用拟合指数计算成果拟合指数卡方值（自由度)CNFIISEAAICBCCEVCI成果1.1(14）.360409370.80602.100606.915从表7-和表-10可以看出,卡方值减小了诸多，并且各拟合指数也都得到了改善，但与抱负的拟合指数值仍有差距。表7-11 5%水平下不明显的估计参数EstiatS.R.PLabl顾客满意质量盼望.054.01.54.124par_2顾客忠诚-超市形象164101.63213ar21图7-22 修正的

40、模型三除上面表71中的两个途径系数在.05的水平下不明显外，该模型其他各个参数在0.01水平下都是明显的，一方面考虑清除值较大的途径,即质量盼望到顾客满意的途径。重新估计模型，成果如表7-1。表712 5水平下不明显的估计参数stiateS.E.R.PLb顾客忠诚-超市形象.166.1011.652.09pa_21从表7-12可以看出，超市形象对顾客忠诚途径系数估计的p值为0.09，仍不小于0.0。并且从实际考虑,在学校内部，学生一般不会根据超市之间在形象上的差别而选择坚持去同一种品牌的超市,更多的也许是通过超市形象影响超市满意等因素进而影响到顾客忠诚因素。考虑删除这两个途径的模型如图7-3。

41、根据上面提出的如图723所示的模型,在AS中运用极大似然估计运营的部提成果如表-13。表713 常用拟合指数计算成果拟合指数卡方值(自由度)CFFIMSEAAICBCEVCI成果5.1 (146)9360130930.08063.1170.749108从表710和表7-13可以看出，卡方值几乎没变,并且各拟合指数几乎没有变化,但模型便简朴了，做此变化是值得的。该模型的各个参数在.0的水平下都是明显的，此外质量感知相应的测量指标a11（有关营业时间安排合理限度的打分)相应方程的测定系数为0.278，比较小,从实际考虑,由于人大校内东区物美超市的营业时间从很长,几乎是全天候营业在顾客心中,也许该指

42、标能用质量感知解释的也许性不大,考虑删除该测量指标。修改后的模型如图-24。根据上面提出的如图7-24所示的模型,在mos中运用极大似然估计运营的部提成果如表-14。表14 常用拟合指数计算成果拟合指数卡方值(自由度)FINFIIFIRMSEAACBCCEVCI成果41. (12)0.9510930.9510.0748.4801.13从表7-13和表-4可以看出,卡方值减小了诸多,并且各拟合指数都得到了较大的改善。该模型的各个参数在.01的水平下都仍然是明显的，各方程的相应的测定系数增大了。图7-23 修正的模型四图7-4 修正的模型五下面考虑通过修正指数对模型修正，e12与1的MI值最大,为

43、6.932,表白如果增长a12与a之间的残差有关的途径，则模型的卡方值会减小较多。从实际考虑，员工对顾客的态度与员工给顾客结帐的速度,事实上也的确存在有关,设想,对顾客而言,超市员工结帐速度很慢本来就是一种对顾客态度不好的方面;反之,则相反。因此考虑增长e与e3的有关性途径。(这里的分析不考虑潜变量因子可测指标的更改，理由是我们在设计问卷的题目的信度较好,并且题目自身的设计也不容许这样做,如下同。）重新估计模型,重新寻找MI值较大的，e7与8的M值较大,为2.20，（虽然e3与6的MI值等于276，但它们不属于同一种潜变量因子，因此不能考虑增长有关性途径,如下同）表白如果增长a与a8之间的残差

44、有关的途径，则模型的卡方值会减小较多。这也是员工对顾客的态度与员工给顾客结帐的速度之间存在有关，因此考虑增长e7与8的有关性途径。重新估计模型，重新寻找值较大的，17与18的MI值较大,为.991,表白如果增长a17与a18之间的残差有关的途径,则模型的卡方值会减小较多。事实上消费前的满意度和与心中抱负超市比较的满意度之间显然存在有关,因此考虑增长e17与e18的有关性途径。重新估计模型，重新寻找M值较大的，e与e3的I值较大,为.08,表白如果增长a与a3之间的残差有关的途径，则模型的卡方值会减小较多。事实上超市形象和超市品牌出名度之间显然存在有关，因此考虑增长e2与e3的有关性途径。重新估

45、计模型,重新寻找MI值较大的,e1与e的MI值较大,为52，表白如果增长a10与12之间的残差有关的途径，则模型的卡方值会减小较多。但事实上超市的食品保险&日用品丰富性与员工态度之间显然不存在有关,因此不考虑增长e10与e2的有关性途径。此外，从剩余的变量之间M值没有可以做解决的变量对了，因此考虑I值修正后的模型如图-25。图725 修正的模型六根据上面提出的如图7-2所示的模型,在Ao中运用极大似然估计运营的部提成果如表-1。表-5 常用拟合指数计算成果拟合指数卡方值（自由度)CINFIIFIRSEACCEV成果21.9 (125）0.972.9510.72.056373.87737460.

46、5从表-和表715可以看出,卡方值减小了诸多,并且各拟合指数都得到了较大的改善。该模型的各个参数在0.1的水平下都仍然是明显的,各方程的相应的测定系数增大了。下面考虑根据airwiParamee Comparss来判断看待估计参数的设定，即判断哪些构造方程之间的系数没有明显差别，哪些测量方程的系数之间没有明显差别,哪些构造方程的随机项的方差之间没有明显差别,哪些测量方程的随机项的方差之间的之间没有明显差别,对没有明显差别的相应参数估计设定为相等,直到最后所有相应的critalrati都不小于2为止。通过点击工具栏中的来查看模型输出具体成果中的Parwis Paeter Coprso项可以查看临

47、界比率(Critia Ratio)成果，其中p_到par_46代表模型中46个待估参数,其含义在模型参数估计成果表(如表7-,-6)中标记。根据值的大小一般绝对值不不小于2觉得没有明显差别。，可以判断两个模型参数的数值间与否存在明显性差别。如果经检查发现参数值（途径系数值)间不存在明显性差别,则可以考虑模型估计时限定两个参数相等。如果是某两个参数没有明显差别,并且根据经验也是如此，则可在相应的觉得相等的参数相应的途径或残差变量上点击右键选择Oject Prie，然后浮现如图7-11的选项卡,选择aramees项，如图7-26 相应因果途径图7-27 相应残差变量图-28 相应有关系数途径图7-

48、6，图727，图。然后在Reresioneit相应因果途径。,varianc相应残差变量。,covare相应有关系数途径。输入相似的英文名称即可。例如从图7-2修正的模型六输出的临界比率成果中发现绝对值最小的是pa4和pr45相应的-0.21,远远图7-29 设立e22和e24的方差相等图7-30 修正的模型七不不小于9%置信水平下的临界值，阐明两个方差间不存在明显差别。相应的是2和e24的方差估计，从实际考虑,也可以觉得它们的方差相差，则残差变量e2和e24上点击右键选择Objt Propertis,浮现如图7-的选项卡,然后在ObjectPropertie选项卡下面的vaace中都输入“v

49、”,最后关掉窗口即可设立e22和e24的方差相等。通过反复比较得到的构造方程模型如图73。根据上面提出的如图7-0所示的模型,在Amos中运用极大似然估计运营的部提成果如表716。表7-16 常用拟合指数计算成果拟合指数卡方值(自由度）CFINFIFIMSECBCCEVCI成果29.9 (6)09730980.9730.5145.909348.420.5从表1和表716可以看出,卡方值虽然增大了某些,但自由度大大增长了,并且各拟合指数都得到了较大的改善(NFI除外)。该模型的各个参数在0.1的水平下都仍然是明显的，各方程的相应的测定系数相对而言增大了诸多。四、 最优模型参数估计的展示表17 最

50、优模型各途径系数估计未原则化途径系数估计S.E.C.R.PLab原则化途径系数估计质量盼望-超市形象03530.11495*b0.384质量感知-超市形象0.2300233.516*aa.84质量感知-质量盼望0.129.035.87*par_160.4顾客满意-质量感知0.7230.031.16*aa0.62顾客满意-超市形象0.3.111.45*b0.4顾客忠诚-顾客满意0.730.0231.516*0.531-超市形象.92a-超市形象040.025.853*b0.91a3-超市形象0.720.60.367*0.631a-质量盼望1.836a4-质量盼望0.280036036*d0622

51、a6-质量盼望.8720.0263.619*a0.87-质量盼望1.042.022.85*b0.853a-质量盼望.87200633.19*0.31-质量感知17a9-质量感知1.1.3632.54*c0914a12-质量感知1040.0252.83*b0713-质量感知0.8720.0233.619*a0.67a18-顾客满意10.86a17-顾客满意1.04222853*b0.1a6-顾客满意140.0252.5*b0.963a4顾客忠诚1.763-顾客忠诚1.159.03632.*c0.84a2-顾客忠诚0.70.023361*0注:“*”表达0.1 水平上明显，括号中是相应的R值,即值。表7- 最优模型有关性途径系数估计协方差估计S.CR.PLabe有关系