AMOS结构方程模型修正说课.ppt

根据上面提出的图-22所示的模型，在Amos中运用极大似然估计运行的部分结果如表-13、表-14。 四、案例修正 1.505 606.942 602.100 0.080 0.937 0.914 0.936 510.1(144) 结果 EVCI BCC AIC RMSEA IFI NFI CFI 卡方值(自由度) 拟合指数 表-13 常用拟合指数计算结果 表-14 5%水平下不显著的估计参数 从表-12和表-13可以看出，卡方值减小了很多，并且各拟合指数也都得到了改善，但与理想的拟合指数值仍有差距。 par_21 .103 1.632 .100 .164 超市形象 --- 顾客忠诚 par_22 .124 -1.540 .035 -.054 质量期望 --- 顾客满意 Label P C.R. S.E. Estimate 除上面表-14中的两个路径系数在0.05的水平下不显著外，该模型其它各个参数在0.01水平下都是显著的，首先考虑去除p值较大的路径，即质量期望到顾客满意的路径。重新估计模型，结果如表-15。 四、案例修正 表-15 5%水平下不显著的估计参数 par_21 .099 1.652 .101 .166 超市形象 --- 顾客忠诚 Label P C.R. S.E. Estimate 从表-15可以看出，超市形象对顾客忠诚路径系数估计的p值为0.099，仍大于0.05。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个品牌的超市，更多的可能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。考虑删除这两个路径的模型如图-23。 根据上面提出的如图-23所示的模型，在AMOS中运用极大似然估计运行的部分结果如表-16。 四、案例修正 1.508 607.749 603.117 0.080 0.936 0.913 0.936 515.1 (146) 结果 EVCI BCC AIC RMSEA IFI NFI CFI 卡方值(自由度) 拟合指数 表-16 常用拟合指数计算结果 图-23 修正的模型四 从表-13和表-16可以看出，卡方值几乎没变，并且各拟合指数几乎没有改变，但模型便简单了，做此改变是值得的。该模型的各个参数在0.01的水平下都是显著的，另外质量感知对应的测量指标a11（关于营业时间安排合理程度的打分）对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，可能该指标能用质量感知解释的可能性不大，考虑删除该测量指标。修改后的模型如图-24。 四、案例修正 图-24 修正的模型五 根据上面提出的如图-24所示的模型，在Amos中运用极大似然估计运行的部分结果如表-17。 四、案例修正 1.213 489.480 485.291 0.073 0.951 0.930 0.951 401.3 (129) 结果 EVCI BCC AIC RMSEA IFI NFI CFI 卡方值(自由度) 拟合指数 从表-16和表-17可以看出，卡方值减小了很多，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0.01的水平下都仍然是显著的，各方程的对应的测定系数增大了。 表-17 常用拟合指数计算结果 下面考虑通过修正指数对模型修正，e12与e13的MI值最大，为26.932，表明如果增加a12与a13之间的残差相关的路径，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，实际上也确实存在相关，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。因此考虑增加e12与e13的相关性路径。（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很好，而且题目本身的设计也不允许这样做，以下同。） 重新估计模型，重新寻找MI值较大的，e7与e8的MI值较大，为26.230，（虽然e3与e6的MI值等于26.746，但它们不属于同一个潜变量因子，因此不能考虑增加相关性路径，以下同）表明如果增加a7与a8之间的残差相关的路径，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相关，因此考虑增加e7与e8的相关性路径。 四、案例修正 重新估计模型，重新寻找MI值较大的，e17与e18的MI值较大，为13.991，表明如果增加a17与a18之间的残差相关的路径，则模型的卡方值会减小较多。实际上消费前的满意度和与心中理想超市比较的满意度之间显然存在相关，因此考虑增加e17与e18的相关性路径。 重新估计模型，重新寻找MI值较大的，e2与e3的MI值较大，为11.088，表明如果增加a2与a3之间的残差相关的路径，则模型的