amos-验证性因子分析结构方程建模步步教程

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(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。

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

1关于该案例的操作也可结合书上第七章的相关内容来看。

2本案例是在Amos7中完成的。

3见spss数据文件“处理后的数据.sav”。

、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。

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)

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)

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)

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)

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)

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4(a21)

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，

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、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-half reliability）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's Alpha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。本章采用研究数据的内部一致性。在Analyze菜单中选择Scale下的Reliability Analysis（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's Alpha系数为，说明案例所使用数据具有较好的信度。