关注今日：69 | 主题：185682
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
如何用AMOS做量表结构效度的验证性因子分析
页码直达：
问题已关闭悬赏丁当:5
如题，我在网上找了些视频学习，但是总是运行不出来结果，求统计大神求助
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
lanlvmaomao 如题，我在网上找了些视频学习，但是总是运行不出来结果，求统计大神求助上结构图我看下
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
这是结构图和结果的部分图，您帮我看看结果吧，我不太会看，还有，我的结构图您看有什么问题么，我可以运行出来了
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园应用案例；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、；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)；的数据进行分析，并对文中提出的模型进行拟合、修正；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；模型中共包含七个因素(潜变量)：超市形象、质量期；12；关于该案例的操作也可结合书上第
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)。
关于该案例的操作也可结合书上第七章的相关内容来看。 本案例是在Amos7中完成的。 3
见spss数据文件“处理后的数据.sav”。
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7-2。
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SPSS16.0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0.892，说明案例所使用数据具有较好的信度。
信度分析的选择
信度分析变量及方法的选择
7-4所示5。从表7-4可以看到，除顾客抱怨量表Cronbaca’s Alpha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Cronbach’s Alpha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。
潜变量的信度检验
质量期望 5 0.889 质量感知 5 0.862 感知价格 2 0.929 顾客满意 3 0.948 顾客抱怨 3 0.255 顾客忠诚 3 0.738
2．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（content validity）、效标效度（criterion validity）和结构效度（construct validity）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
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。
包含各类专业文献、中学教育、行业资料、应用写作文书、高等教育、专业论文、16amos_验证性因子分析步步教程等内容。　
　amos_验证性因子分析步步教程_计算机软件及应用_IT/计算机_专业资料。amos_验证性因子分析 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... 　amos_验证性因子分析步步教程_数学_自然科学_专业资料。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... 　amos_验证性因子分析步步教程_数学_自然科学_专业资料。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... 　amos_验证性因子分析步步教程_数学_自然科学_专业资料。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... 　AMOS】步步教程 17页 1下载券 验证性因子分析 14页 4下载券 验证性因子分析及...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、... 　AMOS步步教程(超详细)_数学_自然科学_专业资料。应用案例1 第一节 模型设定...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... 　AMOS步步教程_数学_自然科学_专业资料。结构方程应用案例1 第一节 模型设定结构...amos 验证性因子分析步步... 31页 1下载券 amos教程 27页 1下载券 毕姥爷Stat... 　AMOS步步教程_计算机软件及应用_IT/计算机_专业资料。应用案例1 第一节 模型设定...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...amos_验证性因子分析结构方程建模步步教程_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
amos_验证性因子分析结构方程建模步步教程
上传于|0|0|暂无简介
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩28页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢TOP热门关键词
专题页面精选
我的样本量比较大，为820个，以下为我的验证性因子分析结果，按照吴明隆先生的说法，CMIN/DF大于2，不符合，还有就是AIC387.50&238，也不符合，不知道这样子做的验证性因子分析效度怎么样，急求！！~（也有听说样本 ...
我的样本量比较大，为820个，以下为我的验证性因子分析结果，按照吴明隆先生的说法，CMIN/DF大于2，不符合，还有就是AIC 387.50&238，也不符合，不知道这样子做的验证性因子分析效度怎么样，急求！！~（也有听说样本量大于500的，CMIN/DF小于5即可，有人知道具体出处吗？）
CMIN/DF RMSEA NFIRFI
IFI NNFIPNFI
Default Model 4.231 0.063 0.95 0.920.96
0.94 0.61 387.50 Saturated Model
「就学高端版」APP：随身顾问，立即就学！
期刊投稿----核心期刊编辑帮您了解投稿、审稿规则，提高投稿命中率！
考研咨询----国内经管名校研究生，为您解答疑惑、分享经验！
高考择校----高校老师为您介绍学校、专业情况，助您成功选择理想大学！
扫描下方二维码下载并注册APP
本文关键词： 本文论坛网址：
您可能感兴趣的文章
本站推荐的文章
本文标题：
本文链接网址：
1.凡人大经济论坛-经管之家转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责；
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性，不作出任何保证或承若；
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。苹果/安卓/wp
积分 37, 距离下一级还需 8 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡下一级可获得
道具: 显身卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
Standardized Regression Weights这个表里是标准化因子负荷，没有t 值啊？
Regression Weights这个表里的CR值是不是标准化因子负荷的t值呢？如果是的话，那几个假设负荷为1的测量变量，CR值为空啊，又怎么求出来呢？
敬请各位大侠指点迷津啊！
载入中......
1、CR值就是t值
2、标准化的regression weights中CR值应该不是空的。
所有的統計軟體包括SAS,SPSS,LISREL,AMOS等軟體
都只有估計非標準化係數的估計值及標準誤
所以,在迴歸上所看的T值,是指非標準化係數的檢定值
如果要看到標準化係數的檢定值
需執行BOOTSTRAP才可以看到
你把路径系数设置为1，当然C.R.是空的啊，凡事赋值为1的，T值都是空的啊
sea300 发表于
你把路径系数设置为1，当然C.R.是空的啊，凡事赋值为1的，T值都是空的啊那这种的要怎么解决呢？
quasimaster 发表于
所有的統計軟體包括SAS,SPSS,LISREL,AMOS等軟體
都只有估計非標準化係數的估計值及標準誤
所以,在迴歸上所 ...我执行了bootstrap&&去哪里看标准化的t值啊
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师