示例模型案例1228Word文档下载推荐.docx
- 文档编号:18585404
- 上传时间:2022-12-28
- 格式:DOCX
- 页数:26
- 大小:488.37KB
示例模型案例1228Word文档下载推荐.docx
《示例模型案例1228Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《示例模型案例1228Word文档下载推荐.docx(26页珍藏版)》请在冰豆网上搜索。
4.业务拜访人员穿着得体、整洁(q15)
5.行政大厅人员穿着得体、整洁(q16)
6.送货人员穿着得体、整洁(q17)
7.市场稽查人员穿着得体、整洁(q18)
8.提供齐全的卷烟产品(q19)
9.提供准确的订货服务(q20)
10.业务人员协助店方进行卷烟陈列(q21)
11.提供有价值的市场信息(需求信息)(q22)
12.提供准确的(无破损)送货服务(q23)
13.进行强力的维护市场(打私打假、查处无证户)(q24)
三、关于零售户满意调查数据的收集
问卷内容包括5个潜变量因子,24项可测指标,4个人口变量,量表采用了Likert10级量度,如对服务价值感知的测量:
一、
1代表“非常差劲”,10代表“非常好”
1
烟草公司的服务使我的卷烟零售更省心(q6)
12345678910
2
与经营其它商品相比,经营卷烟获得的服务更多(q7)
3
烟草公司提供的服务使我获得了更多的利益(q8)
样本抽样数量为:
401份。
四、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(Cronbach'
sAlpha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。
采用SPSS19.0研究数据的内部一致性。
在Analyze菜单中选择Scale下的ReliabilityAnalysis(如下图),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),得到下图,然后点击ok即可得到如表1-2的结果,显示Cronbach'
sAlpha系数为0.892,说明案例所使用数据具有较好的信度。
图1-1信度分析的选择
信度分析结果(图表1-2)
另外,对问卷中每个潜变量的信度分别检验结果如表1-3所示。
操作过程同前,不同的是在图1-1中选入右边方框items中是相应潜变量对应的题目。
如对忠诚度潜变量,只需要把q1、q2题目选入到右边方框items中即可。
(表1-3)
潜变量的信度检验
Cronbach’sAlpha
.908
.673
4
.873
.790
13
.767
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(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,
是一个变量,我们使用
、
两种工具进行测量。
如果使用
作为准则,并且
和
高度相关,我们就说
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,通过标准化系数可以比较不同指标间的效度。
从表1-1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。
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。
五、结构方程模型建模
构建如图(1-3)的模型。
图1-3模型结构
(一)满意度指数的数学模型
变量名
调查问卷中测评指标含义
潜变量(二级指标)
x1
服务质量感知与期望的评价
服务质量感知与期望η1
x2
x3
x4
服务价值感知的评价
服务价值感知η2
x5
零售户满意度总体评价
零售户满意度η3
x6
x7
投诉或抱怨评价
服务抱怨η4
x8
忠诚度的评价
忠诚度η5
(二)满意度指数模型的检验
ξ------顾客期望
η1-----服务质量感知与期望
η2-----服务价值感知
η3-----零售户满意度
η4-----服务抱怨
η5-----忠诚度
βij-----ηj对ηi的系数,表示作为起因的变量ηj对作为效应的变量ηi的直接影响程度
γij-----期望ξ对ηi的系数,表示作为起因的变量ξ对作为效应的变量ηj的直接影响程度
ζ-----模型的误差
最小二乘法介绍:
在现实中经常遇到这样的问题,一个函数并不是以某个数学表达式的形式给出,而是以一些自变量与因变量的对应表给出,举例说明:
犯罪人的身高和留下的脚印长,可以测出一些人的数据然后得到一张表,它反应的是一个函数,回归的意思就是将它还原成数学表达式,这个式子也称为经验表达式,之所以叫经验就是说它不完全是实际中的那样准确,是有一定偏差的,只是偏差很小罢了。
最小二乘法
设经验方程是y=F(x),方程中含有一些待定系数an,给出真实值{(xi,yi)|i=1,2,...n},将这些x,y值代入方程然后作差,可以描述误差:
yi-F(xi),为了考虑整体的误差,可以取平方和,之所以要平方是考虑到误差可正可负直接相加可以相互抵消,所以记误差为:
e=∑(yi-F(xi))^2
它是一个多元函数,有an共n个未知量,现在要求的是最小值。
所以必然满足对各变量的偏导等于0,于是得到n个方程:
de/da1=0
de/da2=0
...
de/dan=0
n个方程确定n个未知量为常量是理论上可以解出来的。
用这种误差分析的方法进行回归方程的方法就是最小二乘法。
线性回归
如果经验方程是线性的,形如y=ax+b,就是线性回归。
按上面的分析,误差函数为:
e=∑(yi-axi-b)^2
各偏导为:
de/da=2∑(yi-axi-b)xi=0
de/db=-2∑(yi-axi-b)=0
于是得到关于a,b的线性方程组:
(∑xi^2)a+(∑xi)b=∑yixi
(∑xi)a+nb=∑yi
设A=∑xi^2,B=∑xi,C=∑yixi,D=∑yi,则方程化为:
Aa+Bb=C
Ba+nb=D
解出a,b得:
a=(Cn-BD)/(An-BB)
b=(AD-CB)/(An-BB)
============================================================================================
计算结果如下图:
1.非标准化处理的结果:
(1-4)
2.标准化处理的结果:
(1-5)
结果描述:
VariableSummary(test)
Yourmodelcontainsthefollowingvariables(test)
Observed(观测),endogenousvariables(内生变量)
q2
q1
q5
q4
q3
q9
q10
q11
q6
q7
q8
q12
q13
q14
q15
q16
q17
q18
q19
q20
q21
q22
q23
q24
Unobserved,endogenousvariables
Unobserved,exogenousvariables(外生变量)
零售户满意度指数
e1
e2
e3
e4
e5
e6
e7
e8
e9
e10
e11
e12
e13
e14
e15
e16
e17
e18
e19
e20
e21
e22
e23
e24
Variablecounts(test)
Numberofvariablesinyourmodel:
53
Numberofobservedvariables:
24
Numberofunobservedvariables:
29
Numberofexogenousvariables:
25
Numberofendogenousvariables:
28
NotesforModel(Defaultmodel)
Computationofdegreesoffreedom(Defaultmodel)
Numberofdistinctsamplemoments:
324
不同的样本数矩:
Numberofdistinctparameterstobeestimated:
72
独特的参数估计数:
Degreesoffreedom(324-72):
252
Result(Defaultmodel)
Minimumwasachieved
Chi-square=2677.764
Degreesoffreedom=252
Probabilitylevel=.000
卡方拟合指数:
这是所有软件都使用的最普通的拟和检验。
AMOS和LISREL把它称为卡方统计量,其它软件称为卡方拟和优度和卡方拟和劣度。
卡方拟合指数检验选定的模型协方差矩阵与观察数据协方差矩阵相匹配的假设。
原假设是模型协方差阵等于样本协方差阵。
如果模型拟合的好,卡方值应该不显著。
在这种情况下,数据拟和不好的模型被拒绝。
Estimates(test-Defaultmodel)
ScalarEstimates【标量估计】
(test-Defaultmodel)
MaximumLikelihoodEstimates(极大似然估计)
RegressionWeights【回归权】:
(test-Defaultmodel)
Estimate
S.E.
C.R.
P
Label
<
---
.406
.054
7.546
***
par_1
.948
.044
21.386
par_2
.312
.049
6.392
par_3
.931
18.906
par_17
1.000
1.003
20.628
par_4
1.064
.188
5.672
par_5
1.583
.238
6.662
par_6
.840
.046
18.123
par_7
.569
.055
10.316
par_8
1.078
.243
4.439
par_9
.921
.224
4.121
par_10
.834
.061
13.725
par_11
.030
.070
.434
.665
par_12
-.013
.067
-.200
.841
par_13
1.169
21.096
par_14
1.176
.058
20.201
par_15
1.135
.060
18.839
par_16
-.033
.062
-.529
.596
par_18
-.797
.081
-9.812
par_19
.646
.063
10.266
par_20
.622
.071
8.806
par_21
.934
13.288
par_22
.816
.073
11.152
par_23
回归系数是模型中带箭头的路径系数。
为了识别模型,部分系数在模型识别中已固定为1,"
C.R."
是临界比,它是回归系数的估计值除以它的标准误(服务抱怨零售户满意度指数计算,C.R=0.406/0.054=7.546).
StandardizedRegressionWeights【标准化的回归权】:
.813
.847
.366
.390
.554
.867
.736
.482
.314
.295
.261
.756
.659
.022
-.010
.947
.915
.865
-.027
-.485
.516
.437
.640
.545
Intercepts【拦截】:
5.623
.106
53.082
par_24
5.294
.102
51.928
par_25
8.002
.101
79.457
par_26
6.948
.100
69.134
par_27
6.763
.105
64.264
par_28
5.648
53.931
par_29
5.935
.104
57.277
par_30
7.347
.107
68.541
par_31
8.057
.090
89.305
par_32
7.890
76.214
par_33
7.893
79.017
par_34
5.616
.112
50.232
par_35
5.456
51.007
par_36
7.057
.116
60.990
par_37
7.065
63.232
par_38
5.531
53.017
par_39
5.209
.109
47.936
par_40
4.611
.111
41.572
par_41
2.426
.103
23.527
par_42
5.436
.139
39.044
par_43
4.237
.108
39.168
par_44
5.933
.120
49.253
par_45
3.883
.123
31.497
par_46
5.439
.126
43.029
par_47
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 示例 模型 案例 1228