结构方程模型分析过程应用案例资料下载.pdf

结构方程模型分析过程应用案例资料下载.pdf

《结构方程模型分析过程应用案例资料下载.pdf》由会员分享，可在线阅读，更多相关《结构方程模型分析过程应用案例资料下载.pdf（53页珍藏版）》请在冰点文库上搜索。

表表1设计设计的结构路径图和基本路径假的结构路径图和基本路径假设设设计的结构路径图基本路径假设超市形象对质量期望有路径影响质量期望对质量感知有路径影响质量感知对感知价格有路径影响质量期望对感知价格有路径影响感知价格对顾客满意有路径影响顾客满意对顾客忠诚有路径影响超市形象对顾客满意有路径影响超市形象对顾客忠诚有路径影响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2。

表表2模型变量对应表模型变量对应表潜变潜变量量内涵可测变量（一一）超超市市形形象象根据MARTENSEN在固定电话、移动电话、超市等行业中的调查研究，企业形象是影响总体满意水平的第一要素，这里将超市形象要素列为影响因素，可以从以下几个方面进行观测。

某超市总体形象的评价（a1）与其它超市相比的形象（a2）与其它超市相比的品牌知名度（a3）（二二）质质量量期期望望质量期望是指顾客在使用某超市产品前对其的期望水平。

顾客的质量期望会影响顾客价值，而且质量期望还会顾客感知造成影响.还有学者指出，对于顾客期望要素，至少可以从整体感觉、个性化服务、可靠性三个方面来观测。

结合上述因素，可以从几个方面衡量对某超市的质量期望。

购物前，对某超市整体服务的期望（a4）购物前，期望某超市商品的新鲜程度达到的水平（a5）购物前，期望某超市营业时间安排合理程度（a6）购物前，期望某超市员工服务态度达到的水平（a7）购物前，期望某超市结账速度达到的水平（a8）（三三）质质量量感感知知质量感知和质量期望相对应，质量期望考虑的是在购买商品前的期望，质量感知是在购买商品后的实际感受。

可以从几个方面衡量。

购物后，对某超市整体服务的满意程度（a9）购物后，认为某超市商品的新鲜程度达到的水平（a10）购物后，认为超市营业时间安排合理程度（a11）购物后，认为某超市员工服务态度达到的水平（a12）购物后，认为某超市结账速度达到的水平（a13）（四四）感感知知价价值值根据ANDERSON和FOMELL（EUGENEW.ANDERSON&

CLAESFOMELL，2000）对美国顾客满意指数模型的进一步研究，认为对于顾客价值部分可以从性价比来衡量。

您认为某超市商品的价格如何（a14）与其他超市相比，您认为某超市商品的价格如何（a15）（五五）顾顾客客满满意意顾客满意一般可以从三个方面衡量，一是可以从整体上来感觉；

二是可以与消费前的期望进行比较，寻找两者的差距；

三是可以与理想状态下的感觉比较，寻找两者的差距。

因此，可以通过以下几个指标衡量。

对某超市的总体满意程度（a16）和您消费前的期望比，您对某超市的满意程度（a17）和您心目中的超市比，您对某超市的满意程度（a18）（六六）顾顾客客抱抱怨怨FORNE和WERNERFELT（1988）的研究成果，认为顾客满意的增加会减少顾客的抱怨，同时会增加顾客的忠诚，当顾客不满意时，他们往往会选择抱怨。

对于抱怨的观测，一般有两种方式，一种是比较正式的形式，向超市提出正式抱怨，有换货，退货等行为；

另一种是非正式的形式，顾客会宣传，形成群众对于该超市的口碑。

您对某超市投诉的频率（包括给超市写投诉信和直接向超市人员反映）（a19）您对某超市抱怨的频率（私下抱怨并未告知超市）（a20）您认为某超市对顾客投诉的处理效率和效果33正向的，采用Likert10级量度从“非常低”到“非常高”（a21）（七七）顾顾客客忠忠诚诚顾客忠诚主要可以从三个方面体现：

顾客推荐意向、转换产品的意向、重复购买的意向。

同时还有学者指出顾客忠诚可以从顾客对涨价的容忍性、重复购买性两方面衡量。

综合上述因素，拟从以下几个方面衡量顾客忠诚。

我会经常去某超市（a22）我会推荐同学和朋友去某超市（a23）如果发现某超市的产品或服务有问题后，能以谅解的心态主动向超市反馈，求得解决，并且以后还会来超市购物（a24）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，7个人口变量，量表采用了Likert10级量度，如对超市形象的测量：

一、一、超市形象超市形象1代表“非常差劲”，代表“非常差劲”，10代代表“非常好”表“非常好”1您对某超市总体形象的评价123456789102您认为与其它校内超市相比，某超市的形象如何123456789103您认为与其它校内超市相比，某超12345678市品牌知名度如何910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-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（CronbachsAlpha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ReliabilityAnalysis（如图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2，然后点击ok即可得到如表3的结果，显示CronbachsAlpha系数为0.892，说明案例所使用数据具有较好的信度。

图图1信度分析的选择信度分析的选择图图2信度分析变量及方法的选择信度分析变量及方法的选择表表3信度分析结果信度分析结果ReliabilityStatisticsCronbachsAlphaNofItems.89224另外，对问卷中每个潜变量的信度分别检验结果如表4所示4表表4潜变量的信度检验潜变量的信度检验。

从表4可以看到，除顾客抱怨量表CronbacasAlpha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CronbachsAlpha系数达到了0.891，表明此量表的可靠性较高。

由信度检验的结果可知顾客抱怨的测量指标的信度远低于0.7，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。

潜变量可测变量个数CronbachsAlpha4操作过程同前，不同的是在图7-14中选入右边方框items中是相应潜变量对应的题目。

如对超市形象潜变量，只需要把a1、a2和a3题目选入到右边方框items中即可。

超市形象30.858质量期望50.889质量感知50.862感知价格20.929顾客满意30.948顾客抱怨30.255顾客忠诚30.7382数据的效度检验效度（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）三个主要类型。

内容效度也称表面效度或逻辑效度，是指测量目标与测量内容之间的适合性与相符性。

对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。

逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。

准则效度又称效标效度、实证效度、统计效度、预测效度或标准关联效度，是指用不同的几种测量方式或不同的指标对同一变量进行测量，并将其中的一种方式作为准则（效标），用其他的方式或指标与这个准则作比较，如果其他方式或指标也有效，那么这个测量即具备效标效度。

例如，X是一个变量，我们使用1X、2X两种工具进行测量。

如果使用1X作为准则，并且1X和2X高度相关，我们就说2X也是具有很高的效度。

当然，使用这种方法的关键在于作为准则的测量方式或指标一定要是有效的，否则越比越差。

现实中，我们评价效标效度的方法是相关分析或差异显著性检验，但是在调查问卷的效度分析中，选择一个合适的准则往往十分困难，也使这种方法的应用受到一定限制。

结构效度也称构想效度、建构效度或理论效度，是指测量工具反映概念和命题的内部结构的程度，也就是说如果问卷调查结果能够测量其理论特征，使调查结果与理论预期一致，就认为数据是具有结构效度的。

它一般是通过测量结果与理论假设相比较来检验的。

确定结构效度的基本步骤是，首先从某一理论出发，提出关于特质的假设，然后设计和编制测量并进行施测，最后对测量的结果采用相关分析或因子分析等方法进行分析，验证其与理论假设的相符程度。

在实际操作的过程中，前面两种效度（内容效度和准则效度）往往要求专家定性研究或具有公认的效标测量，因而难以实现的，而结构效度便于可以采用多种方法来实现：

第一种方法是通过模型系数评价结构效度。

如果模型假设的潜变量之间的关系以及潜变量与可测变量之间的关系合理，非标准化系数应当具有显著的统计意义。

特别地，通过标准化系数5第二种方法是通过相关系数评价结构效度。

如果在理论模型中潜可以比较不同指标间的效度。

从表17可以看出在99%的置信度下所有非标准化系数具有统计显著性，这说明修正模型的整体结构效度较好。

5关于标准化系数的解释见本章第五节。

变量之间存在相关关系，可以通过潜变量的相关系数来评价结构效度：

显著的相关系数说明理论模型假设成立，具有较好的结构效度。

第三种方法是先构建理论模型，通过验证性因子分析的模型拟合情况来对量表的结构效度进行考评。

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16可知理论模型与数据拟合较好，结构效度较好。

六、结构方程模型建模构建如图7.3的初始模型。

超市形象质量期望质量感知a1e111a2e21a3e31a5e511a4e41a6e61a7e71a8e81a10e1011a9e91a11e111a12e121a13e131顾客满意感知价格a18e1811a16e161a17e171a15e1511a14顾客忠诚a24e24a22e22a23e231111z21z41z51z31z11e141图图3初始模型初始模型结构结构图图4AmosGraphics初始界面图初始界面图第二节第二节AmosAmos实现实现66一、Amos基本界面与工具打开AmosGraphics，初始界面如图4。

其中第一部分是建模区域，默认是竖版格式。

如果要建立的模型在横向上占用较大空间，只需选择View菜单中的InterfaceProperties选项下的Landscape（如图7.5），即可将建模区域调整为横板格式。

图2中的第二部分是工具栏，用于模型的设定、运算与修正。

相关工具的具体功能参见书后附录二。

6这部分的操作说明也可参看书上第七章第二节:

Amos实现。

图图5建模区域的版式调整建模区域的版式调整图图6建立潜变量建立潜变量二、Amos模型设定操作1模型的绘制在使用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ObjectProperties，为潜变量命名（如图7）。

绘制好的潜变量图形如图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9。

图图7潜变量命名潜变量命名图图8命名后的潜变量命名后的潜变量图图9设定潜变量关系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10）。

在可测变量上点击右键选择ObjectProperties，为可测变量命名。

其中VariableName一项对应的是数据中的变量名（如图11），在残差变量上右键选择ObjectProperties为残差变量命名。

最终绘制完成模型结果如图12。

图图10设定可测变量及残差变量设定可测变量及残差变量图图11可测变量指定与命名可测变量指定与命名图图12初始模型设置完成初始模型设置完成2数据文件的配置Amos可以处理多种数据格式，如文本文档（*.txt），表格文档（*.xls、*.wk1），数据库文档（*.dbf、*.mdb），SPSS文档（*.sav）等。

为了配置数据文件，选择File菜单中的DataFiles（如图13），出现如图14左边的对话框，然后点击Filename按钮，出现如图14右边的对话框，找到需要读入的数据文件“处理后的数据.sav”,双击文件名或点击下面的“打开”按钮，最后点击图14左边的对话框中“ok”按钮，这样就读入数据了。

图图13数据配置数据配置图图14数据读入数据读入第三节第三节模型拟合模型拟合一、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7。

可以通过点击View菜单在AnalysisProperties（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（MaximumLikelihood）进行模型运算，相关设置如图15。

7详细方法列表参见书后附录一。

图图15参数估计选择参数估计选择二、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AnalysisProperties中的Output项中选择StandardizedEstimates项（如图26），即可输出测量模型的因子载荷标准化系数如表5最后一列。

图图7.16标准化系数计算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8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。

后得到的估计结果，用以度量变量间的相对变化水平。

三、参数估计结果的展示8Z分数转换公式为：

iiXXZs=。

图图17模型运算完成图模型运算完成图使用Analyze菜单下的CalculateEstimates进行模型运算（或使用工具栏中的），输出结果如图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Viewtheoutputpathdiagram（）查看参数估计结果图（图18）。

图图18参数估计结果图参数估计结果图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（AnalysisSummary）、变量基本情况（VariableSummary）、模型信息（NotesforModel）、估计结果（Estimates）、修正指数（ModificationIndices）和模型拟合（ModelFit）六部分。

在分析过程中，一般通过前三部分9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5到表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109分析基本情况（AnalysisSummary）、变量基本情况（VariableSummary）、模型信息（NotesforModel）三部分的详细介绍如书后附录三。

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（CriticalRatio）。

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5中第四列）。

Amos同时给出了CR的统计检验相伴概率p（如表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0.01，10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。

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。

表表5系数估计结果系数估计结果未标准化路径系数估计S.E.C.R.PLabel标准化路径系数估计质量期望-超市形象0.3010.0456.68*par_160.358质量感知-质量期望0.4340.0577.633*par_170.434感知价格-质量期望0.3290.0893.722*par_180.244感知价格-质量感知-0.1210.082-1.4670.142par_19-0.089感知价格-超市形象-0.0050.065-0.070.944par_20-0.004顾客满意-超市形象0.9120.04321.389*par_210.878顾客满意-感知价格-0.0290.028-1.0360.3par_23-0.032顾客忠诚-超市形象0.1670.1011.6530.098par_220.183顾客忠诚-顾客满意0.50.14.988*par_240.569a111-超市形象10.927a2-超市形象1.0080.03627.991*par_10.899a3-超市形象0.7010.04814.667*par_20.629a5-质量期望10.79a4-质量期望0.790.06112.852*par_30.626a6-质量期望0.8910.05316.906*par_40.786a7-质量期望1.1590.05919.628*par_50.891a8-质量期望1.0240.05817.713*par_60.816a10-质量感知10.768a9-质量感1.160.06517.911*par_70.88211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。

知a11-质量感知0.7580.06811.075*par_80.563a12-质量感知1.1010.06915.973*par_90.784a13-质量感知0.9830.06714.777*par_100.732a18-顾客满意10.886a17-顾客满意1.0390.03430.171*par_110.939a15-感知价格10.963a14-感知价格0.9720.1277.67*par_120.904a16-顾客满意1.0090.03331.024*par_130.95a24-顾客忠诚10.682a23-顾客忠诚1.2080.09213.079*par_140.846注:

“*”表示0.01水平上显著，括号中是相应的C.R值，即t值。

表表6方差估计方差估计方差估计S.E.C.R.PLabel超市形象3.5740.29911.958*par_25z22.2080.2439.08*par_26z12.060.2418.54*par_27z34.4050.6686.596*par_28z40.8940.1078.352*par_29z51.3730.2146.404*par_30e10.5840.0797.363*par_31e20.8610.0939.288*par_32e32.6750.19913.467*par_33e51.5260.1311.733*par_34e42.4590.18613.232*par_35e61.2450.10511.799*par_36e70.8870.1038.583*par_37e81.3350.11911.228*par_38e101.7590.15211.565*par_39e90.9760.1227.976*par_40e113.1380.23513.343*par_41e121.9260.17111.272*par_42e132.1280.17612.11*par_43e181.0560.08911.832*par_44e160.420.0528.007*