美国顾客满意度指数模型(ASCI) (3)

图7-14 数据读入

第三节 模型拟合

一、参数估计方法选择

模型运算是使用软件进行模型参数估计的过程。Amos提供了多种模型运算方法供选择8。可以通过点击View菜单在Analysis Properties（或点击工具栏的

）中的Estimation项选择相应的估计方法。

本案例使用最大似然估计（Maximum Likelihood）进行模型运算，相关设置如图7-15。

图7-15 参数估计选择

二、标准化系数

如果不做选择，输出结果默认的路径系数（或载荷系数）没有经过标准化，称作非标准化系数。非标准化系数中存在依赖于有关变量的尺度单位，所以在比较路径系数（或载荷系数）时无法直接使用，因此需要进行标准化。在Analysis Properties中的Output项中选择Standardized Estimates项（如图7-26），即可输出测量模型的因子载荷标准化系数如表7-5最后一列。

8

详细方法列表参见书后附录一。

图7.16 标准化系数计算

标准化系数是将各变量原始分数转换为Z分数9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；标准化路径系数分别为0.434和0.244，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。

三、参数估计结果的展示

图7-17 模型运算完成图

9

?Z分数转换公式为：Zi?Xi?Xs。

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。

）查

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（看参数估计结果图（图7-18）。

图7-18 参数估计结果图

Amos还提供了表格形式的模型运算详细结果信息，通过点击工具栏中的

来查看。详细信息包括

分析基本情况（Analysis Summary）、变量基本情况（Variable 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10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。

四、模型评价

1．路径系数/载荷系数的显著性

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11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。譬如对于表7.5中“超市形象”潜变量对“质量期望”潜变量的路径系数（第一行）为0.301，其CR值为6.68，相应的p值小于0.01，则可以认为这个路径系数在95%的置信度下与0存在显著性差异。

10

分析基本情况（Analysis Summary）、变量基本情况（Variable Summary）、模型信息（Notes for Model）三部分的详细介绍如书后附录三。 11

潜变量与潜变量间的回归系数称为路径系数；潜变量与可测变量间的回归系数称为载荷系数。

表7-5 系数估计结果

未标准化路

质量期望 质量感知 感知价格 感知价格 感知价格 顾客满意 顾客满意 顾客忠诚 顾客忠诚 a112 a2 a3 a5 a4 a6 a7 a8 a10 a9 a11 a12 a13 a18 a17 a15 a14 a16 a24 a23

<--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <--- <---

超市形象 质量期望 质量期望 质量感知 超市形象 超市形象 感知价格 超市形象 顾客满意 超市形象 超市形象 超市形象 质量期望 质量期望 质量期望 质量期望 质量期望 质量感知 质量感知 质量感知 质量感知 质量感知 顾客满意 顾客满意 感知价格 感知价格 顾客满意 顾客忠诚 顾客忠诚

径系数估计 0.301 0.434 0.329 -0.121 -0.005 0.912 -0.029 0.167 0.5 1 1.008 0.701 1 0.79 0.891 1.159 1.024 1 1.16 0.758 1.101 0.983 1 1.039 1 0.972 1.009 1 1.208

S.E. 0.045 0.057 0.089 0.082 0.065 0.043 0.028 0.101 0.1 0.036 0.048 0.061 0.053 0.059 0.058 0.065 0.068 0.069 0.067 0.034 0.127 0.033 0.092

C.R. 6.68 7.633 3.722 -1.467 -0.07 21.389 -1.036 1.653 4.988 27.991 14.667 12.852 16.906 19.628 17.713 17.911 11.075 15.973 14.777 30.171 7.67 31.024 13.079

P *** *** *** 0.142 0.944 *** 0.3 0.098 *** *** *** *** *** *** *** *** *** *** *** *** *** *** ***

Label par_16 par_17 par_18 par_19 par_20 par_21 par_23 par_22 par_24 par_1 par_2 par_3 par_4 par_5 par_6 par_7 par_8 par_9 par_10 par_11 par_12 par_13 par_14

标准化路径系数估计

0.358 0.434 0.244 -0.089 -0.004 0.878 -0.032 0.183 0.569 0.927 0.899 0.629 0.79 0.626 0.786 0.891 0.816 0.768 0.882 0.563 0.784 0.732 0.886 0.939 0.963 0.904 0.95 0.682 0.846

注:“***”表示0.01 水平上显著，括号中是相应的C.R值，即t值。

表7-6 方差估计

超市形象 z2 z1 z3 z4 z5 e1

方差估计 3.574 2.208 2.06 4.405 0.894 1.373 0.584

S.E. 0.299 0.243 0.241 0.668 0.107 0.214 0.079

C.R. 11.958 9.08 8.54 6.596 8.352 6.404 7.363

P *** *** *** *** *** *** ***

Label par_25 par_26 par_27 par_28 par_29 par_30 par_31

12

凡是a+数字的变量都是代表问卷中相应测量指标的，其中数字代表的问卷第一部分中问题的序号。

e2 e3 e5 e4 e6 e7 e8 e10 e9 e11 e12 e13 e18 e16 e17 e15 e24 e22 e23 e14

0.861 2.675 1.526 2.459 1.245 0.887 1.335 1.759 0.976 3.138 1.926 2.128 1.056 0.42 0.554 0.364 3.413 3.381 1.73 0.981

0.093 0.199 0.13 0.186 0.105 0.103 0.119 0.152 0.122 0.235 0.171 0.176 0.089 0.052 0.061 0.591 0.295 0.281 0.252 0.562

9.288 13.467 11.733 13.232 11.799 8.583 11.228 11.565 7.976 13.343 11.272 12.11 11.832 8.007 9.103 0.616 11.55 12.051 6.874 1.745

*** *** *** *** *** *** *** *** *** *** *** *** *** *** *** 0.538 *** *** *** 0.081

par_32 par_33 par_34 par_35 par_36 par_37 par_38 par_39 par_40 par_41 par_42 par_43 par_44 par_45 par_46 par_47 par_48 par_49 par_50 par_51

注:“***”表示0.01 水平上显著，括号中是相应的C.R值，即t值。

五、模型拟合评价

在结构方程模型中，试图通过统计运算方法（如最大似然法等）求出那些使样本方差协方差矩阵S与理论方差协方差矩阵?的差异最小的模型参数。换一个角度，如果理论模型结构对于收集到的数据是合理的，那么样本方差协方差矩阵S与理论方差协方差矩阵?差别不大，即残差矩阵（??S）各个元素接近于0，就可以认为模型拟合了数据。

模型拟合指数是考察理论结构模型对数据拟合程度的统计指标。不同类别的模型拟合指数可以从模型复杂性、样本大小、相对性与绝对性等方面对理论模型进行度量。Amos提供了多种模型拟合指数（如表

表7-7 拟合指数

指数名称 2?(卡方) 评价标准13 越小越好 大于0.9 小于0.05，越小越好 小于0.05，越小越好 小于0.05，越小越好 大于0.9，越接近1越好 大于0.9，越接近1越好 大于0.9，越接近1越好 越小越好 越小越好 GFI 绝对拟合指数 RMR SRMR RMSEA NFI 相对拟合指数 TLI CFI 信息指数 AIC CAIC 13

表格中给出的是该拟合指数的最优标准，譬如对于RMSEA，其值小于0.05表示模型拟合较好，在0.05-0.08间表示模型拟合尚可（Browne & Cudeck，1993）。因此在实际研究中，可根据具体情况分析。

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新教育文库美国顾客满意度指数模型(ASCI) (3)全文阅读和word下载服务。