结构方程模型用于顾客满意度测评之实际应用

（三）因果关系路径图和模型方程式 根据顾客满意度理论模型及潜在变量对应的观测变量，按照结构方程模型路径图的符号规则，画出模型的因果关系路径图，如图2。 图2因果关系路径图 图2中，椭圆表示潜在变量，方框表示观测变量，单向箭头表示因果关系。ξ表示外生潜在变量，ε表示内生潜在变量，λ表示观测变量对潜在变量的作用系数，γ表示外生潜在变量对内生潜在变量的作用系数，β表示内生变量之间的作用系数。δ1、δ2为外生潜在变量的两个观测变量的测量误差，ε1,ε2,……,ε14为内生潜在变量观测变量的测量误差，δ1,δ2,……,δ5为内生潜在变量的测量误差。 依照因果关系路径图，可得到各观测变量的测量模型，以及各潜在变量之间的结构关系模型。各观测变量的测量方程式为： （1） （2） 潜在变量间的结构方程式为： （3） 协方差结构为： S＝J（I－A）-1P[（I－A）-1]＇J＇ （4） 其中 （四）参数估计及拟合效果 AMOS4.0可用于结构方程模型的参数估计和效果检验，其直接对原始数据进行操作，提供非标准化和标准化的估计结果。利用AMOS提供的图形界面，画出因果关系路径图，如图2所示。规定模型中每个潜在变量对应的测量指标中的一个系数为1，相当于规定潜在变量的度量单位与对应测量指标的单位相同；规定外生潜在变量、内生潜在变量的观测变量的测量误差系数为1。设置好因果关系路径图后，运行程序得到结果。 标准化解直接标示在路径图中，同时给出了十多种拟合指数，表2列出几种主要的拟合效果指标。 表 2 Fit Measures Default model CMIN 334.862 DF 94 P 0.000 RMR 0.077 GFI 0.830 AGFI 0.754 NFI 0.883 RFI 0.851 CFI 0.894 RMSEA 0.101 总体上希望得到不显著的卡方值，但从表2中反映拟合效果的指标看，卡方对应的P值具有统计显著性，卡方与自由度之比大于2，GFI、AGFI和CFI小于0.9，RMSEA大于0.08，说明数据和模型拟合效果不是很理想，模型需进一步修正。回归系数的估计中，除了ξ→ε3、ε2→ε3、ε3→ε7、ε3→ε8的回归系数P值不具有统计显著性外，其他回归系数都通过95%的显著性检验。 （五）模型修正 认真分析理论模型，各测量变量、结构变量之间的关系没有问题。仔细查看未能通过检验的几个回归系数，发现可能是“感知价值”的两个测量变量的误差之间存在较强的相关性，在路径图中增加ε7、ε8两个测量误差之间的相关关系，重新进行参数估计，得到标准化解，见图3。 图 3 修正后的测评模型路径系数图 相应的拟合效果指标为： 表 3 Fit Measures Default model CMIN 276.483 DF 93 P 0.000 RMR 0.057 GFI 0.911 AGFI 0.832 NFI 0.906 RFI CFI RMSEA 0.053 0.894 0.912 可见，修正后的模型与数据拟合度有较大提高。虽然得到的仍是显著性卡方值（P＝0.000），卡方与自由度之比为2.97，仍大于2，但RMSEA为0.053，小于90%的置信上限0.08，接近于0.05，GFI、NFI、CFI均大于0.9，AGFI、RFI接近0.9，说明模型与数据的拟合效果总体上还比较好，显著性卡方值可能与数据非正态性有关。回归系数的估计中，除ε3→ε7的回归系数未通过95%的显著性检验外，其他回归系数都通过95%的显著性检验。 三、顾客满意度测评的结果分析 从AMOS输出的模型中各变量间的标准化系数，可以看出各变量间的关系及相互作用的强弱程度，有利于找出影响顾客满意度的关键因素，以便有针对性地加以改善提高。 （一）结构变量之间的关系分析