文档介绍：amos_验证性因子分析步步教程
一、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)。表
因此数据的效度检验就转化为结构方程模型评价中的模型拟合指数评价。对于本案例,从表7-16可知理论模型与数据拟合较好,结构效度较好。
二、结构方程模型建模
。
1
图7-3 初始模型结构
图7-4 Amos Graphics初始界面图
第一节 Amos实现1
一、
1
Amos模型设定操作
这部分的操作说明也可参看书上第七章第二节:Amos实现。
2
在使用Amos进行模型设定之前,建议事先在纸上绘制出基本理论模型和变量影响关系路径图,并确定潜变量与可测变量的名称,以避免不必要的返工。相关软件操作如下: 第一步,使用建模区域绘制模型中的七个潜变量(如图7-6)。为了保持图形的美观,
可以使用先绘制一个潜变量,再使用复制工具绘制其他潜变量,以保证潜变量大小一致。在潜变量上点击右键选择Object Properties,为潜变量命名(如图7-7)。绘制好的潜变量图形如图7-8。
第二步设置潜变量之间的关系。使用来设置变量间的因果关系,使用来设置变量间的相关关系。绘制好的潜变量关系图如图7-9。
图7-7 潜变量命名
图7-8 命名后的潜变量
3
图7-9 设定潜变量关系
第三步为潜变量设置可测变量及相应的残差变量,可以使用绘制,也可以使用
和自行绘制(绘制结果如图7-10)。在可测变量上点击右键选择Object Properties,为可测变量命名。其中Variable Name一项对应的是数据中的变量名(如图7-11),在残差变量上右键选择Object Properties为残差变量命名。最终绘制完成模型结果如图
7-12。
图7-10 设定可测变量及残差变量
4
图7-11 可测变量指定与命名
图7-12 初始模型设置完成
第二节模型拟合
标准化系数是将各变量原始分数转换为Z分数2后得到的估计结果,用以度量变量间的相对变化水平。
因此不同变量间的标准化路径系数(或标准化载荷系数)可以直接比较。从表7-17最后一列中可以看出:受“质量期望”潜变量影响的是“质量感知”潜变量和“感知价格”潜变量;,这说明“质量期望”潜变量对“质量感知”潜变量的影响程度大于其对“感知价格”潜变量的影响程度。
2Z分数转换公式为:Z=Xi-X。
is-
5
一、参数估计结果的展示
图7-17 模型运算完成图
使用Analyze菜单下的Calculate Estimates进行模型运算(或使用工具栏中的),输出结果如图7-17。其中红框部分是模型运算基本结果信息,使用者也可以通过点击View the output path diagram(
7-18)。
)查看参数估计结果图(图
图7-18 参数估计结果图
详细信息包括分析基本情况(Analysis Summary)、变量基本情况(Variable
6
Summary)、模型信息(Notes for Model)、估计结果(Estimates)、修正指数(Modification Indices)和模型拟合(Model Fit)六部分。在分析过程中,一般通过前三部分3了解模型,在模型评价时使用估计结果和模型拟合部分,在模型修正时使用修正指数部分。
二、模型评价
参数估计结果如表7-5到表7-6,模型评价首先要考察模型结果中估计出的参数是否具有统计意义,需要对路径系数或载荷系数4进行统计显著性检验,这类似于回归分析中的参数显著性检验,原假设为系数等于。Amos提供了一种简单便捷的方法,叫做CR(Critical Ratio)。CR值是一个Z统计量,使用参数估计值与其标准差之比构成(如表7-5中第四列)。Amos同时给出了CR的统计检验相伴概率p(如表7-5中第五列),使用者可以根据p值进行路径系数/载荷系数的统计显著性检验。“超市形象”潜变量对“质量