amos_验证性因子分析步步教程.pdfVIP

应用案例 1 第一节 模型设定 结构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 释四个步骤。下面以一个研 究实例作为说明,使用 Amos7软件 2进行计算,阐述 在实际应用中结构方程模型的构建、运算、修正与模 型解释过程。 一、 模型构建的思路 本案例在著名的美国顾客满意度指数模型 (ASCI的基础上, 提出了一个新的 模型, 并以此构建潜变量并建 立模型结构。 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 后利用对缺失值进行处理后 的数据 3进行分析,并对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 ASCI 模型核心概念的基础上,对模型作了一些改进,在模型中 增加超市形象。 它包括顾客对 超市总体形象及与其他超市相比的知名度。 它与顾 客期望,感知价格和顾客满意有关,设计的模型见表 7- 1。 模型中共包含七个因素 (潜变量 :超市形象、质量期望、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 是结果变量,前提变量综合决定并影响着结果变量 (Eugene W. Anderson Claes Fornell , 2000; 殷荣伍, 2000 。 1关于该案例的操作也可结合书上第七章的相关内容来看。 2本案例是在 Amos7中完成的。 3见 spss 数据文件“处理后的数据 .sav ” 。 2.1、顾客满意模型中各因素的具体范畴 参考前面模型的总体构建情况、 国外研究理论和其他行业实证结论, 以及小 范围甄别调查的结果,模型中 各要素需要观测的具体范畴,见表 7-2。 三、 关于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 (包括全日制本科生、 全日制硕士和博士研究生 ,并 且近一个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 重复填写, 按照性别和被 访者经常光顾的超市进行控制。问卷内容包括 7个潜变量因子, 24项可测指标, 4正向的,采用 Likert10级量度从“非常低”到“非常高” 本次调查共发放问卷 500份,收回有效样本 436份。 四、 缺失值的处理 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 终得到 401条数据,基于这部分数 据做分析。 五、 数据的的信度和效度检验 1.数据的信度检验 信度(reliability 指测量结果(数据一致性或稳定性的程度 。一致性主要 反映的是测验内部题目之间的关 系, 考察测验的各个题目是否测量了相同的内容 或特质。 稳定性是指用一种测量工具 (譬如同一份问卷 对同一群受试者进行不 同时间上的重复测量结果间的可靠系数。 如果问卷设计合理, 重复测量的结果间 应该高度相关。 由于本案例并没有进行多次重复测量, 所以主要采用反映内部一 致性的指标来测量数据 的信度。 折半信度(split-half reliability是将测量工具中的条目按奇偶数或前后分成 两半, 采用 Spearman-brown 公式 估计相关系数, 相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 等这一假设基础上的, 但实际数据并不一定满足这一假定,因此信度往往被低估。 Cronbach 在 1951年 提 出了一种新的方法(Cronbachs Alpha系数 , 这种方法将测量工具中任一条目 结果同其他所有条目作比较, 对量表内部一致性估计更为慎重, 因此克服了折半 信度的缺点。本章采用 SPSS16.0研究数据的内部一致 性。在 Analyze 菜单中选 择 Scale 下的 Reliability Analysis (如图 7-1 ,将数据中在左边方框中待分析的 24 个题目一一选中,然后点击 ,左边方框中待分析的 24个题目进入右边的 items 方框中,使用 Alpha 模型(默认 ,得到图 7-2,然后点击 ok 即可得到如表 7-3的结果, 显示 Cronbachs Alpha系数为 0.892, 说明案例所使用数 据具有较好 的信度。 图 7-1 信度分析的选择 图 7-2 信度分析变量及方法的选择 7-4所示 5。从表 7-4可以看到,除顾客抱怨量表 Cronbaca ’ s Alpha 系数为 0.255,比较低以外,其它 分量表的 Alpha 系数均在 0.7以上,且总量表的 Cronbach ’ s Alpha 系数达到了 0.8