文档介绍：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(&ClaesFornell,2000;殷荣伍,2000。12关于该案例的操作也可结合书上第七章的相关内容来看。本案例是在Amos7中完成的。3见spss数据文件“”。、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、(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-halfreliability)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(Cronbach'sAlpha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。。在Analyze菜单中选择Scale下的ReliabilityAnalysis(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Cronbach',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表7-3信度分析结果7-4所示5。从表7-4可以看到,除顾客抱怨量表Cronbaca’,比较低以外,,且总量表的Cronbach’,表明此量表的可靠性较高。,因此在路径图中去掉顾客抱怨因子,即初始模型中包括6个潜变量、21个可测变量。表7-(validity)指测量工具能够正确测量出所要测量的特质的程度,分为内容效度(contentvalidity)、效标效度(criterionvalidity)和结构效度(constructvalidity)