amos案例spss数据包下载.docx
《amos案例spss数据包下载.docx》由会员分享，可在线阅读，更多相关《amos案例spss数据包下载.docx（14页珍藏版）》请在冰豆网上搜索。
amos案例spss数据包下载
amos案例spss数据包下载
篇一：
AMOS应用案例
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Amo7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（EugeneW.Anderon&ClaeFornell，2000;殷荣伍，2000）。
表7-1设计的结构路径图和基本路径假设
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。
12
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Amo7中完成的。
3
见p数据文件“处理后的数据.av”。
表7-2模型变量对应表
三、关于顾客满意调查数据的收集
本次问卷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，7个人口变量，量表采用了Likert10级量度，如对超市形象的测量：
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，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（plit-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'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
4
正向的，采用Likert10级量度从“非常低”到“非常高”
一致性。
在Analyze菜单中选择Scale下的ReliabilityAnalyi（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item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'Alpha系数为0.892，说明案例所使用数据具有较好的信度。
图7-1信度分析的选择
图7-2信度分析变量及方法的选择表7-3信度分析结果
另外，对问卷中每个潜变量的信度分别检验结果如表7-4所示5。
从表7-4可以看到，除顾客抱怨量表
5
操作过程同前，不同的是在图7-14中选入右边方框item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item中即可。
Cronbaca’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’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。
表7-4潜变量的信度检验
潜变量质量期望质量感知感知价格顾客满意顾客抱怨顾客忠诚
可测变量个数
3552333
Cronbach’Alpha
0.8580.8890.8620.9290.9480.2550.738
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（contentvalidity）、效标效度（criterionvalidity）和结构效度（contructvalidity）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，某是一个变量，我们使用某1、某2两种工具进行测量。
如果使用某1作为准则，并且某1和某2高度相关，我们就说某2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6可以比较不同指标间的效度。
从表7-17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。
对于本，从表7-16可知理论模型与数据拟合较好，结构效度较好。
6
关于标准化系数的解释见本章第五节。
篇二：
AMOS教程（详细版）
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Amo7软件进行计算，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。
2
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（EugeneW.Anderon&ClaeFornell，2000;殷荣伍，2000）。
表7-1设计的结构路径图和基本路径假设
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。
12
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Amo7中完成的。
3
见p数据文件“处理后的数据.av”。
表7-2模型变量对应表
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，7个人口变量，量表采用了Likert10级量度，如对超市形象的测量：
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（plit-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'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
4
正向的，采用Likert10级量度从“非常低”到“非常高”
一致性。
在Analyze菜单中选择Scale下的ReliabilityAnalyi（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item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'Alpha系数为0.892，说明案例所使用数据具有较好的信度。
图7-1信度分析的选择
图7-2信度分析变量及方法的选择表7-3信度分析结果
另外，对问卷中每个潜变量的信度分别检验结果如表7-4所示。
从表7-4可以看到，除顾客抱怨量表
5
操作过程同前，不同的是在图7-14中选入右边方框item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item中即可。
Cronbaca’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’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。
表7-4潜变量的信度检验
潜变量超市形象质量期望质量感知感知价格顾客满意顾客抱怨顾客忠诚
可测变量个数
3552333
Cronbach’Alpha
0.8580.8890.8620.9290.9480.2550.738
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（contentvalidity）、效标效度（criterionvalidity）和结构效度（contructvalidity）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，某是一个变量，我们使用某1、某2两种工具进行测量。
如果使用某1作为准则，并且某1和某2高度相关，我们就说某2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7-17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。
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。
6
6
关于标准化系数的解释见本章第五节。
篇三：
AMOS应用案例
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、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Amo17.0软件进行计算，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1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1-1。
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（EugeneW.Anderon&ClaeFornell，2000;殷荣伍，2000）。
表1-1设计的结构路径图和基本路径假设
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1-2。
见p数据文件“处理后的数据.av”。
表1-2模型变量对应表
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，7个人口变量，量表采用了Likert10级量度，如对超市形象的测量：
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（plit-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'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
2
正向的，采用Likert10级量度从“非常低”到“非常高”
一致性。
在Analyze菜单中选择Scale下的ReliabilityAnalyi（如图1-1），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item方框中，使用Alpha
模型（默认），得到图1-2，然后点击ok即可得到如表1-3的结果，显示Cronbach'Alpha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
图1-2信度分析变量及方法的选择表1-3信度分析结果
另外，对问卷中每个潜变量的信度分别检验结果如表7-4所示。
从表7-4可以看到，除顾客抱怨量表
3
操作过程同前，不同的是在图1-14中选入右边方框item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item中即可。
Cronbaca’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’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。
表1-4潜变量的信度检验
潜变量超市形象质量期望质量感知感知价格顾客满意顾客抱怨顾客忠诚
可测变量个数
3552333
Cronbach’Alpha
0.8580.8890.8620.9290.9480.2550.738
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（contentvalidity）、效标效度（criterionvalidity）和结构效度（contructvalidity）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，某是一个变量，我们使用某1、某2两种工具进行测量。
如果使用某1作为准则，并且某1和某2高度相关，我们就说某2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1-17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
升级会员 