机构方程模型

一、模型构建与实证分析（一）、信度分析信度分析又称为可靠性分析，信度分析是一种评价量表是否拥有一致性和稳定性的有效方法。在信度检验过程中,通常采用（Cronbacha）系数法和CITC法对量表多余问项进行删减,从而达到提升量表信度的作用。（Cronbacha）值是衡量量表信度的主要指标,通常在0.7以上符合信度要求;CITC值是指每个问项得分与其它所有问项的相关系数。一般认为,对宁CITC值在0.3以下需要删除该问项，有利于（Cronbacha）值的提升,本文将通过SPSS20.0分别对自变量、中间变量、因变量及调节变量的各个指标以及维度进行可靠性分析，结果如下表1所示：表1在线评价的采信度信度分析代码在线评价的采信度维度CITC值项已删除的Cronbach'sAlpha值整体Cronbach'sAlpha值QR1网络上对产品发表的评论较多.368.8070.813QR2该品牌在网络上受到很高的关注.589.788QR3很多人在网络上对该产品发表了评论.346.810QR4网络上该商品的评论褒贬兼具.230.816QR5评论内容与产品密切相关.568.794QR6评论内容比较真实.496.798QR7评论内容比较可靠.669.786QR8评论观点比较中立.501.796QR9评论内容提供了大量的有用信息.309.812TR10评论发表的比较及时.281.812TR11评论是新近发表的.665.780TR12评论能反映最新的产品信息.271.814TR13评论发表的日期比较新.591.787在线评价的采信度CITC值是指每个问项得分与其它所有问项的相关系数，通过上表发现部分变量CITC的值小于0.3但是整体每个变量Cronbach'sAlpha值都在0.7以上，最终Cronbach'sAlpha值为0.813。都符合信度要求。表2感知价值信度分析变量代码感知价值维度CITC值项已删除的Cronbach'sAlpha值整体Cronbach'sAlpha值PV1相比较我支出的费用，移动互联网提供的物有所值。.749.927PV2相比较我需要付出的努力，移动互联网的用处更有利于我。.721.927PV3相比较我花费的时间，移动互联网的使用显得.637.927更为值得。0.929PV4总的来说，我的移动互联网的使用提供良好的价值。.705.924EV1商品是我所喜欢的.638.931EV2会让我想要使用它.759.924EV3我能够感觉轻松使用.691.924EV4会让我感觉好.792.924EV5会给我快乐.773.922SV1会让我觉得可以接受.819.924SV2会改善我对此类商品感觉.731.925SV3给别人留下一个好印象.806.923SV4会使商品的所有者得到社会认可.805.925PV1商品价格是合理的.820.922PV2商品是物有所值的.831.923PV3是一个很好的商品的价格.791.924PV4是较为经济的选择.746.926QV1质量是一致的.733.926QV2做工好.820.925QV3具有可接受的质量标准.370.930QV5对商品的感知不会持续很长时间.503.929QV6对此类商品的感知将一贯执行.634.925感知价值维度信度检验，通过初步检验发现QV4与其它变量CITC的值为0.07，与其它变量之间的相关度较低，删除掉该变量后，每个变量Cronbach'sAlpha值都在0.9以上，最终Cronbach'sAlpha值为0.929。都符合信度要求。表3感知风险维度变量代码感知风险维度CITC值项已删除的Cronbach'sAlpha值整体Cronbach'sAlpha值PR1隐私风险.471.8220.849PR2社会风险.270.855PR3性能风险.586.803PR4时间风险.504.808PR5财务风险.608.794感知风险维度信度检验，通过检验发现，ICTC的值都在0.3以上，每个变量Cronbach'sAlpha值都在0.8以上，最终Cronbach'sAlpha值为0.849。都符合信度要求。变量代码购买意向维度CITC值项已删除的Cronbach'sAlpha值整体Cronbach'sAlpha值BI1我会从这家店购买商品。.574.6030.723BI2我会给亲友推荐这个商品。.551.634BI3我认为这个商品没有问题。.520.664通过检验发现，购买意向维度的各项指标与其它指标之间的CITC值都在0.05以上，各项指标的项已删除的Cronbach'sAlpha值都在0.6以上，（0.6-0.7还可以接受），整体项已删除的Cronbach'sAlpha值为0.723,符合基本的信度要求，说明题项之间的量化得分具有较强的内在一致性。（二）效度检验对于结构方程而言，效度检验即为验证性因子分析，为了进一步说明在线评价的采信度维度、感知价值维度、感知风险维度、购买意向维度这件是否存在显著的相关性的，测度模型通过Amos21计算的结果如下图1所示，标准化系数下所示：每个潜在变量对可观测的变量的回归权重和标准化系数如下表3所示：表3回归汇总及检验观测变量影响方向潜在因子EstimateS.E.C.R.StandardEstimatePQR1---F110.215QR2---F13.9411.2843.070.6790.002QR3---F12.6910.9282.9010.4560.004QR4---F10.5560.3621.5370.1210.124QR5---F12.2090.7392.990.5450.003QR6---F12.5310.843.0140.5770.003QR7---F13.5281.1313.120.8250.002QR8---F13.8571.2513.0830.7080.002QR9---F15.3551.7173.1190.8220.002TR10---F11.2180.5242.3250.2330.02TR11---F10.4990.3471.4370.1120.151TR12---F14.1951.3583.090.7260.002TR13---F10.5930.3821.5520.1230.121BI1---F42.0070.2966.780.871***BI2---F41.2020.1916.2990.636***BI3---F410.487EV4---F30.9880.1785.5610.558***SV1---F31.4890.2426.1410.718***SV3---F32.0140.3146.4220.834***PV1---F31.9220.2986.4510.848***PV3---F31.6470.266.340.796***EV5---F31.4990.246.2430.756***SV2---F30.9940.1795.5580.557***SV4---F31.3520.2315.850.629***PV2---F31.8490.2876.4530.849***PV4---F31.3750.235.9830.667***EV3---F31.4560.2495.8550.63***EV2---F31.0340.1935.360.516***EV1---F30.3720.1462.5460.1830.011PV44---F31.3330.2285.8470.628***PV33---F30.7180.1594.5290.383***PV22---F30.8020.184.450.373***PV11---F310.413QV1---F31.6270.2686.0710.695***QV2---F31.7670.2816.2990.779***QV3---F30.5310.1493.5670.274***QV5---F30.3970.1332.9930.220.003QV6---F30.9370.1685.5770.562***PR1---F210.696PR2---F20.5860.0777.6090.547***PR3---F20.9320.08411.0350.824***PR4---F20.9680.0979.9750.731***PR5---F21.2520.11111.2490.848***通过上表可以发现，部分潜在变量对其所对应的观测变量回归权重系数不是很显著，部分是显著的（***所表示的）。比如潜在因子F1（在线评价采信度）对QR4（网络上该商品的评论褒贬兼具）、TR11（评论是新近发表的）、TR13（评论发表的日期比较新）的影响并不是很显著，即是在效度检验里面，潜在因子F1对这些变量可能要进行提出，才能建立最后的结构方程模型。潜在因子F2（感知风险）、F3（感知价值）、F4购买意向，对其各自的观测变量的影响度较大，比较显著。同时，得到初始的潜在因子F对各自的观测变量的影响权重系数，分别得到估计值（Estimate），包括随机干扰项在内的对观测变量的影响。同时得到标准估计值（StandardEstimate），可以看到每个因子对其观测变量的单独影响。这里研究也分析潜在因子F1（在线评价采信度）、潜在因子F2（感知风险）、F3（感知价值）、F4（购买意向）之间的相关性，潜在变量之间的之间的相关性估计如下表5所示：表5潜在变量之间相关性研究CorrelationsEstimateF1--F4.394F1--F2-.020F1--F3.520F2--F3-.034F4--F3.722F4--F2.022通过上表发现，F1与F2之间的相关系数为0.394，说明在线评价采信度与购买意向呈正相关，F1与F2之间的相关系数为-0.020，则在线评价采信度与感知风险呈负相关。F2与F3之间的相关系数为-0.034，则感知风险与感知价值之间存在负相关。F4与F3的相关系数为0.722,则购买意向与感知价值呈正相关，且相关系数较大。F4与F2之间的相关系数为0.022，则购买意向与感知风险存在正相关。三、结构方程分析实际操作中,为确保建立的结构方程模型是否有效，通常会使用多个参数指标对模型拟合效果进行评价(Breckl巧1990)。本文将根据拟合评价的绝对指数CMIN/DF、近似误差均方根RMS、拟合优度指数GFI及拟合评价的相对指数标准拟合指数NFI、比较拟合指数CFI等指标的综合运用,对结构方程模型进行全面评价。这里首先对模型反复调试，得到一个比较最优的结果如下表4所示，同时给出结构方程模型适配标准如下表4所示，得到结构方程图如下图1所示：表4结构方程适配标准及实际方程回归系数指标CMIN/DFNFIGLIGFIRMSEA较优值20.90.90.90.05合理值50.70.70.70.08实际值1.6310.7430.7350.7750.06图1结构方程图通过表模型检验的结果来看,模型的卡方值与自由度的比值(CMNI/DF)为1.6312,说明模型的结果不受模型复杂度的影响GFI0.7,表示模型拟合度，说明该模型能解释样本信息的77.5%，NFI0.7,说明假设模型与独立模型的差异性较小，RMSEA=0.06，在合理的值范围内，说明理论模型与饱和模型的差距较小。通过上述检验则说明模型整体的拟合是比较合理的。由结构方程图中路径权重系数如下表5所示，表5结构方程模型回归权重系数及检验变量及潜在因子影响方向变量及潜在因子EstimateS.E.C.R.StandardEstimatePF1---F30.3760.1256.0030.419***QR1---F110.327QR1---F30.6470.2244.8860.235***QR9---F11.1520.3785.0470.272***QR8---F1-0.7810.489-1.598-0.2190.11QR8---