第十四章 结构方程模型与路径分析.ppt

编辑ppt 图14-18 Amos Output窗口 图14-19 参数摘要表 图14-20 模型纪录窗口 图14-21 未标准化的回归系数估计值 图14-22 标准化的回归系数估计值 图14-23 模型配合度指针摘要 表14-3 行动加值服务的衡量模型分析表 表14-4 行动加值服务的结构模型分析表 除了图14-17与表14-3与表14-4外，所有AMOS还需报告卡方值与其它配合度的指标，在本例中，卡方值为37.668，df为17，P为.003，亦即模型不成立，此外，GFI为.885，AGFI为.757，皆代表观察数据与理论模型并不配合。 从表14-3的CFA模型中，只有使用意愿的模型较佳。 从表14-4的结构模型分析表中，可知两个回归系数皆未达显著水平，故而造成整个SEM模型并不配合的现象。在SEM模型中，模型不成立的情形相当普遍，除非研究主题是相当成熟的主题。 第四节 路径分析与结构方程模型范例 一、学生期末成绩的路径分析 二、3G系统采用意愿的路径分析 三、CRM系统采用意愿的路径分析 四、其它范例 五、孤立感的结构方程模型 图14-24 影响期末成绩的饱和模型路径图(标准化估计) 一、学生期末成绩的路径分析 表14-5 学生期末成绩的饱和模型路径系数分析表 图14-25 影响期末成绩的修正模型路径图(标准化估计) 表14-6 学生期末成绩的修正模型路径系数分析表 表14-7 学生期末成绩的饱和模型的效果分析表 饱和模型间接效果分析： 上机时间?期初成绩＝-.816*.-.920＝.752 计算机能力?期末成绩＝-.920*1.177＝-1.083 上机时间?期末成绩＝（-.816*.730＋-.030*1.177） ＋（ -.816*-.920*1.177）＝.254 表14-8 学生期末成绩的修正模型的效果分析表 修正模型间接效果分析： 上机时间?期初成绩＝-.816*.-.896＝.732 计算机能力?期末成绩＝-.896*.686＝-.615 上机时间?期末成绩＝-.816*-.896*.686＝.502 二、3G系统采用意愿的路径分析 图14-26 影响3G通讯系统采用意愿的原始模型路径图 (标准化估计) 图14-27 影响3G通讯系统采用意愿的修正模型路径图(标准化估计) 表14-9 3G通讯系统采用意愿的饱和模型路径系数分析表 表14-10 3G通讯系统采用意愿的饱和模型的效果分析表 图14-28 CRM绩效的SEM 研究架构 公司规模虽然不能直接影响CRM绩效，但透过CRM实施程度，公司规模还是可以间接影响CRM绩效。 三、CRM系统采用意愿的 路径分析 表14-9 CRM实施绩效的结构模型分析表 表14-10 CRM实施绩效的结构模型分析表 图14-29 工作绩效的回归分析图 四、其它范例— 工作绩效的路径分析模型 四、其它范例—工作绩效的结构方程模型 图14-30 具有潜在变量的工作绩效回归分析图(1/2)  图14-30 具有潜在变量的工作绩效回归分析图(2/2) 回归系数输出可知四个潜在变量的衡量模型皆成立。 外生变量知识与价值观对内生变量工作绩效有显著影响，但满意度对绩效则无显著影响。 图14-31 学术表现与吸引力相互影响的非递归路径模型(1/2) 四、其它范例—工作绩效的结构方程模型 图14-31 学术表现与吸引力相互影响的非递归路径模型(2/2) GPA愈高则学术表现愈佳、学术表现愈佳则表现愈有自信故愈有吸引力、评等愈高也愈有吸引力。 至于，身高与体重对吸引力则没有显著影响。 图14-32 孤立感的结构方程模型图 五、孤立感的结构方程模型 图14-33 修正指标的参考输出 将eps1 -- eps3加到模型中，至少可降低卡方值40.911，而形成模型B。 图14-34 未标准化的回归系数估计值之输出 图14-35 eps1与eps3关系分析之输出 加上eps1 -- eps3后，可得到下列参数估计值，两者间关系的共变量为1.886且达显著水平，相关系数.382，这表示eps1与eps3两者间确实有高度相关。 故模型A假设两者间没有相关，而造成模型不成立，但模型B加上两者间的相关，而使得模型B成立。 二、路径分析模型 路径分析是对一组可观测变量间线性系统方程组的因果关系式，也可看成是多组复回归方程式组合而成。 图14-3可以利用下列三组线性回归方程式表示之： 路径模型既可以用结构方程组的形式来表示，也可以用路径图来表示。 图14-3 六个变量的路径分析假设模型 路径模型的假设 路径分析是