精品文档 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 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7-1 设计的结构路径图和基本路径假设

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

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

构建如图7.3的初始模型。 精品文档 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、 Amos模型设定操作

1 这部分的操作说明也可参看书上第七章第二节:Amos实现。 精品文档

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 精品文档

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 精品文档

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；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。

2Z分数转换公式为：iiXXZs。 精品文档 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（）查看参数估计结果图（图7-18）。

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 精品文档 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

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。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。

表7-5 系数估计结果

未标准化路径系数估计 S.E. C.R. P Label 标准化路径系数估计

质量期望 <--- 超市形象 0.301 0.045 6.68 *** par_16 0.358

质量感知 <--- 质量期望 0.434 0.057 7.633 *** par_17 0.434

感知价格 <--- 质量期望 0.329 0.089 3.722 *** par_18 0.244

感知价格 <--- 质量感知 -0.121

0.082 -1.467 0.142 par_19 -0.089

感知价格 <--- 超市形象 -0.005 0.065 -0.07 0.944 par_20 -0.004

顾客满意 <--- 超市形象 0.912 0.043 21.389 *** par_21 0.878

顾客满意 <--- 感知价格 -0.029 0.028 -1.036 0.3 par_23 -0.032

顾客忠诚 <--- 超市形象 0.167 0.101 1.653 0.098 par_22 0.183

顾客忠诚 <--- 顾客满意 0.5 0.1 4.988 *** par_24 0.569

a15 <--- 超市形1 0.927

3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。

4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。

5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。 精品文档 象

a2 <--- 超市形象 1.008 0.036 27.991 *** par_1 0.899

a3 <--- 超市形象 0.701 0.048 14.667 *** par_2 0.629

a5 <--- 质量期望 1 0.79

a4 <--- 质量期望 0.79 0.061 12.852 *** par_3 0.626

a6 <--- 质量期望 0.891 0.053 16.906 *** par_4 0.786

a7 <--- 质量期望 1.159 0.059 19.628 *** par_5 0.891

a8 <--- 质量期望 1.024 0.058 17.713 *** par_6 0.816

a10 <--- 质量感知 1 0.768

a9 <--- 质量感知 1.16 0.065 17.911 *** par_7 0.882

a11 <--- 质量感知 0.758 0.068 11.075 *** par_8 0.563

a12 <--- 质量感知 1.101 0.069 15.973 *** par_9 0.784

a13 <--- 质量感知 0.983 0.067 14.777 *** par_10 0.732

a18 <--- 顾客满意 1 0.886

a17 <--- 顾客满意 1.039 0.034 30.171 *** par_11 0.939

a15 <--- 感知价格 1 0.963

a14 <--- 感知价格 0.972 0.127 7.67 *** par_12 0.904

a16 <--- 顾客满意 1.009 0.033 31.024 *** par_13 0.95

a24 <--- 顾客忠诚 1 0.682

a23 <--- 顾客忠诚 1.208 0.092 13.079 *** par_14

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

方差估计 S.E. C.R. P Label

超市形象 3.574 0.299 11.958 *** par_25

z2 2.208 0.243 9.08 *** par_26 精品文档 z1 2.06 0.241 8.54 *** par_27

z3 4.405 0.668 6.596 *** par_28

z4 0.894 0.107 8.352 *** par_29

z5 1.373 0.214 6.404 *** par_30

e1 0.584 0.079 7.363 *** par_31

e2 0.861 0.093 9.288 *** par_32

e3 2.675 0.199 13.467 *** par_33

e5 1.526 0.13 11.733 *** par_34

e4 2.459 0.186 13.232 *** par_35

e6 1.245 0.105 11.799 *** par_36

e7 0.887 0.103 8.583 *** par_37

e8 1.335 0.119 11.228 *** par_38

e10 1.759 0.152 11.565 *** par_39

e9 0.976 0.122 7.976 *** par_40

e11 3.138 0.235 13.343 *** par_41

e12 1.926 0.171 11.272 *** par_42

e13 2.128 0.176 12.11 *** par_43

e18 1.056 0.089 11.832 *** par_44

e16 0.42 0.052 8.007 *** par_45

e17 0.554 0.061 9.103 *** par_46

e15 0.364 0.591 0.616 0.538 par_47

e24 3.413 0.295 11.55 *** par_48

e22 3.381 0.281 12.051 *** par_49

e23 1.73 0.252 6.874 *** par_50

e14 0.981 0.562 1.745 0.081 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。

三、 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 评价标准6

绝对拟合指数 2(卡方) 越小越好

GFI 大于0.9

6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。