IBMSPSSAMOS结构方程模型教程

图7-20 临界比率计算2.临界比率（CriticalRatio）临界比率用于模型限制，是计算模型中的每一对待估参数（路径系数或载荷系数）之差，并除以相应参数之差的标准差所构造出的统计量。在模型假设下,CR统计量服从正态分布，所以可以根据CR值判断两个待估参数间是否存在显著性差异。若两个待估参数间不存在显著性差异，则可以限定模型在估计时对这两个参数赋以相同的值。若要使用临界比率，需要在AnalysisProperties中的Output项选择CriticalRatioforDifference项（如图7-20）。案例修正对本章所研究案例，初始模型运算结果如表7-8,各项拟合指数尚可。但从

模型参数的显著性检验（如表7-5）中可发现可以看出，无论是关于感知价格的测量方程部分还是关于结构方程部分（除与质量期望的路径外），系数都是不显著的。关于感知价格的结构方程部分的平方复相关系数为0.048,非常小。另外，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它主要超市的商品价格的差别不明显，因此，首先考虑将该因子在本文的结构方程模型中去除，并且增加质量期望和质量感知到顾客满意的路径。超市形象对顾客忠诚的路径先保留。修改的模型如图7-21o表7-8 常用拟合指数计算结果拟合指卡方CFINFIIFIRMSEAAICBCCEVCI数值（自由度）结果1031.40.8660.8420.866 0.109 1133.4411139.3782.834（180）

根据上面提出的图7-21提出的所示的模型，在Amos中运用极大似然估计运行的部分结果如表7-9o表7-9 常用拟合指数计算结果拟合指卡方值CFINFIIFIRMSEAAICBCCEVCI数（自由度）结果819.5 0.8830.8620.884 0.108 909.541914.2782.274（145）从表7-8和表7-9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。该模型的各个参数在0.05的水平下都是显著的，并且从实际考虑，各因子的各个路径也是合理存在的。来查看模型输下面考虑通过修正指数对模型修正，通过点击工具栏中的出详细结果中的ModificationIndices项可以查看模型的修正指数（Modification来查看模型输Index）结果，双箭头“<-->”）部分是残差变量间的协方差修正指数，表示如果在两个可测变量的残差变量间增加一条相关路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，表示如果在两个变量间增加一条因果路径至少会减少的模型的卡方值。比如，超市形象到质量感知的MI值为179.649,表明如果增加超市形象到质量感知的路径，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，一个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。因此考虑增加从超市形象到质量感知的路径的模型如图7-22。表7-10根据上面提出的图7-22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7-10、表7-11表7-10拟合指数卡方值（自CFI由度）NFIIFIRMSEAAIC BCCEVCI结果510.1(144)0.9360.9140.9370.080602.100606.9421.505从表7-9和表7-10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。表7-115%水平下不显著的估计参数EstimateS.E.C.R. P Label顾客满意<质量期望-.054.035 -1.540 .124par_22顾客忠诚< 超市形象.164.1001.632 .103par_21常用拟合指数计算结果国叵国Ie-1D3>iGrmipriuuJhe-c国叵国Ie-1D3>iGrmipriuuJhe-cIsInpui图7-22修正的模型三除上面表7-11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7-12。表7-12 5%水平下不显著的估计参数EstimateS.E.C.R.PLabel顾客忠诚<超市形象 TT66 .701 1.652 7099par_21从表7-12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005。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TOC\o"1-5"\h\z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 7-23。根据上面提出的如图7-23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7-13。表7-13 常用拟合指数计算结果拟合指 卡方值 CFI NFIIFI RMSEAAICBCC EVCI数（自由度）结果515.1 0.936 0.913 0.936 0.080 603.117607.749 1.508(146)从表7-10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7-24。根据上面提出的如图7-24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7-14。

表7-14 常用拟合指数计算结果拟合指 卡方值 CFI NFIIFI RMSEAAIC BCCEVCI数 (自由度)结果 401.3 0.951 0.930 0.951 0.073 485.291 489.4801.213(129)从表7-13和表7-14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。I.:u*uvTgLrri.lt- VIMDi；；- rGhcmimI.:u*uvTgLrri.lt- VIMDi；；- rGhcmimnmA?¥KI;In>ut丁.-I*nujibvTtk>1±]D5.1u*rrz-ii]Dfi.uvrwdc-lOT.iwdtlTiwt图7-23修正的模型四雷一So靖chlllBlGkqupFdubeEIilE4iu.tLili £L幡£,1oyi-kLvz4i-'jls口u5£叮ElPffaulilMill叮ElPffaulilMillUrurtK-idardixBiltri3*3*:图7-24修正的模型五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。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，则模型的卡方值会减小较多。实际上超市形象和超市品牌知名度之间显然存在相关，因此考虑增加e2与e3的相关性路径。重新估计模型，重新寻找MI值较大的，e10与e12的MI值较大，为5.222,表明如果增加a10与a12之间的残差相关的路径，则模型的卡方值会减小较多。但实际上超市的食品保险&日用品丰富性与员工态度之间显然不存在相关，因此不考虑增加e10与e12的相关性路径。另外，从剩下的变量之间MI值没有可以做处理的变量对了，因此考虑MI值修正后的模型如图7-25。

ri]s固式％iJ♦ri]s固式％iJ♦■中SJLUCLG工口“FdlA&e-E1EiTl^lit■jack]UI.uhiwdcQ*W"P.odfflOJ.U"TwdtliM.w*■jl扣1口5iwRjh+fr1口也**JujOe-lQl।ajuUd±TI.UA图7-25修正的模型六根据上面提出的如图7-25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7-15o表745 常用拟合指数计算结果拟合指数卡方值（自由度）CFINFIIFIRMSEAAICBCCEVCI结果281.9(125)0.9720.9510.9720.056373.877378.4650.935从表7-14和表7-15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。下面考虑根据PairwiseParameterComparisons来判断对待估计参数的设定，即判断哪些结构方程之间的系数没有显著差异，哪些测量方程的系数之间没有显著差异，哪些结构方程的随机项的方差之间没有显著差异，哪些测量方程的随机项的方差之间的之间没有显著差异，对没有显著差异的相应参数估计设定为相等，直到最后所有相应的criticalratio都大于2为止。通过点击工具栏中的।—I来查看模型输出详细结果中的PairwiseParameterComparison项可以查看临界比率（CriticalRatio）结果，其中par_1到par_46代表模型中46个待估参数，其含义在模型参数估计结果表（如表7-5,7-6）中标识。根据CR值的大小19,可以判断两个模型参数的数值间是否存在显著性差异。如果经检验发现参数值间不存在显著性差异，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显著差异，并且根据经验也是如此，则可在相应的认为相等的参数对应的路径或残差变量上点击右键选择ObjectProperties，然后出现如图7-11的选项卡，选择parameters项，如19一般绝对值小于2认为没有显著差异。

图7-26对应因果路径图7-27对应残差变量图7-28对应相关系数路径图7-26,图7-27,图7-28。然后在Regressionweight?。,variance2i,8丫a112口。22输入相同的英文名称即可。比如从图7-25修正的模型六输出的临界比率结果中发现20对应因果路径。21对应残差变量。22对应相关系数路径。绝对值最小的是par_44和par_45对应的-0.021,远远Inpu*t口fflO回幽Q_ldcr-ar,ftfiiLyie 口中15UticIq.sv7r1Inpu*t口fflO回幽Q_ldcr-ar,ftfiiLyie 口中15UticIq.sv7r1图7-29设置e22和e24的方差相等⑪*|TCbLkl^C»licit BlBcdo-ltT;3工口町口nijabrr1fiHputDnUhTrtieQ曲।aGrc<«x<mint"I⑪*|TCbLkl^C»licit BlBcdo-ltT;3工口町口nijabrr1fiHputDnUhTrtieQ曲।aGrc<«x<mint"IUh4r出心皿工兔合Ek.u'ik-jui.uaMdeiUL.»■NJ03.UH:KjCidtlMdl*:Mif］口工»■加烟U*Ajode-lLlT.AM■ritim口utpu~i£回飞RE2图7-30修正的模型七小于95%置信水平下的临界值，说明两个方差间不存在显著差异。对应的是e22和e24的方差估计，从实际考虑，也可以认为它们的方差相差，则残差变量e22和e24上点击右键选择ObjectProperties，出现如图7-29的选项卡，然后在ObjectProperties选项卡下面的variance中都输入“丫2”，最后关掉窗口即可设置e22和e24的方差相等。经过反复比较得到的结构方程模型如图7-30。根据上面提出的如图7-30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7-16。表7-16 常用拟合指数计算结果拟合指卡方值CFINFIIFIRMSEAAICBCCEVCI数（自由度）结果295.9 0.9730.9480.973 0.051 345.909348.4020.865（146）从表7-15和表7-16可以看出，卡方值虽然增大了一些，但自由度大大增加了，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0.01的水平下都仍然是显著的，各方程的对应的测定系数相对而言增大了很多。四、最优模型参数估计的展示表7-17 最优模型各路径系数估计未标准化标准化路径系数路径系估计S.E.C.R.PLabel数估计质量期超市形望<象0.3530.03111.495***bb0.384质量感超市形知<象0.7230.02331.516***aa0.814质量感质量期知<望0.1290.0353.687***par_160.134顾客满质量感意<知0.7230.02331.516***aa0.627顾客满超市形意<象0.3530.03111.495***bb0.345顾客忠顾客满诚<意0.7230.02331.516***aa0.753超市形a1<象10.925超市形a2<象1.0420.0252.853***b0.901超市形a3<象0.7280.03620.367***d0.631质量期a5<望10.836质量期a4<望0.7280.03620.367***d0.622质量期a6<望0.8720.02633.619***a0.808质量期a7<望1.0420.0252.853***b0.853

质量期a8<望0.8720.02633.619***a0.731质量感a10<知10.779质量感a9<知1.1590.03632.545***c0.914质量感a12<知1.0420.0252.853***b0.777质量感a13<知0.8720.02633.619***a0.677顾客满a18<意10.861顾客满a17<意1.0420.0252.853***b0.919顾客满a16<意1.0420.0252.853***b0.963顾客忠a24<诚10.706顾客忠a23<诚1.1590.03632.545***c0.847顾客忠a22<—诚0.8720.02633.619***a0.656注；“***”表示0.01水平上显著，括号中是相应的T#值，即“直。表7-18最优模型相关性路径系数估计协力差估相关系数估计S.E.C.R.PLabel计e12<-->e130.6990.0729.658***r20.32e7<-->e80.6990.0729.658***r20.46e18<-->e170.2770.055.568***r10.289e2<-->e30.2770.055.568***r10.178注；“***”表示0.01水平上显著，括号中是相应版太值，即“直。表7-19最优模型方差估计方差估计S.E.C.R.PLabel超市形象3.4610.27512.574***par_17z22.4980.21911.42***par_18z10.6450.0857.554***par_19z40.4110.0626.668***par_20z51.4470.1778.196***par_21e51.2630.07816.217***v3e42.4580.12519.59***v5e61.1890.07316.279***v6e71.1890.07316.279***v6e81.9440.10917.84***v7e101.7730.11914.904***v1e90.7260.05214.056***v4e121.9440.10917.84***v7e132.4580.12519.59***v5e181.2630.07816.217***v3e170.7260.05214.056***v4e243.3670.19817.048***v2e223.3670.19817.048***v2e231.7730.11914.904***v1e10.5830.0747.876***par_22e20.8710.08610.13***par_23e32.7810.19714.106***par_24e160.3140.0466.863***par_25注；"***”表示0.01水平上显著，括号中是相应的T#值，即“直。第四节模型解释结构方程模型主要作用是揭示潜变量之间（潜变量与可测变量之间以及可测变量之间）的结构关系，这些关系在模型中通过路径系数（载荷系数）来体现。若要输出模型的直接效应、间接效应以及总效应，需要在AnalysisProperties中的Output项选择Indirect,direct&totaleffects项（如图7-31）。对于修正模型，Amos输出的中各潜变量之间的直接效应、间接效应以及总效应如表7-20。.直接效应（directeffect）指由原因变量（可以是外生变量或内生变量）到结果变量（内生变量）的直接影响，用原因变量到结果变量的路径系数来衡量直接效应。比如利用表7-17最后一列的结果，超市形象到质量期望的标准化路径系数是0.814，则超市形象到质量感知的直接效应是0.814。这说明当其他条件不变时，“超市形象”潜变量每提升1个单位，“质量期望”潜变量将直接提升0.698个单位。.间接效应（indirecteffect）指原因变量通过影响一个或者多个中介变量，对结果变量的间接影响。当只有一个中介变量时，间接效应的大小是两个路径系数的乘积。比如利用表7-17最后一列的结果，超市形象到质量期望的标准化路径系数是0.384，质量期望到质量感知的标准化路径系数是0.134，则超市形象到质量感知的间接效应就是0.384X0.134=0.051o这说明当其他条件不变时，“超市形象”潜变量每提升1个单位，“质量感知”潜变量将间接提升0.385个单位。.总效应（totaleffect）由原因变量到结果变量总的影响，它是直接效应与间接效应之和。比如利用表7-17最后一列的结果，超市形象到质量感知的直接效应是0.814，超市形象到质量感知的间接效应是0.051，则超市形象到质量感知的总效应为0.814+0.051=0.865。这说明当其他条件不变时，“超市形象”潜变量每提升1个单位，“质量感知”潜变量总共将提升0.865个单位。

OutputEitinionNumerzca.1BLBqcdstrap