amos步步教程

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Amos7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(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。

表7-1

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Amos7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(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。

表7-1

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Amos7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(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。

表7-1

Itellin@163.com AMOS的使用

?

第一部分: 介绍

o 关于文挡 o 访问AMOS o 文挡

o

获得AMOS帮助 ?

第二部分 : SEM 基础

o SEM概述 o SEM术语 o

为什么使用SEM? ?

第三部分: SEM 假设

o 合理的样本量 o 连续和正态内生变量 o 模型识别（识别方程）

o 完整数据或缺失数据的适当处理 o

模型规范和因果关系的理论基础 ?

第四部分: 使用AG建立和检验模型

o 结构方程——多重回归关系的说明 o 使用AG绘制模型 o 将数据读入到AMOS中

o

选择AMOS分析选项和运行模型 ?

第五部分: AMOS 输出解释

o 评估整体模型拟合 o 绝对拟合检验 o 相对拟合检验

o 修改模型获得较好的拟合优度 o 浏览路径图

o

独立参数的显著性检验

?

第六部分:摘要：结论的实质性解释

1

Itellin@163.com 第一部分:介绍

关于文档

本课程使用AMOS（距结构分析）软件对结构方程进行简单的介绍和概述。结构方程模型(SEM) 包括多种统计技术，如路径分析，验证性因子分析，带潜变量的因果关系模型，甚至方差分析和多重线性回归。 课程介绍SEM的逻辑，SEM

Itellin@163.com AMOS的使用

?

第一部分: 介绍

o 关于文挡 o 访问AMOS o 文挡

o

获得AMOS帮助 ?

第二部分 : SEM 基础

o SEM概述 o SEM术语 o

为什么使用SEM? ?

第三部分: SEM 假设

o 合理的样本量 o 连续和正态内生变量 o 模型识别（识别方程）

o 完整数据或缺失数据的适当处理 o

模型规范和因果关系的理论基础 ?

第四部分: 使用AG建立和检验模型

o 结构方程——多重回归关系的说明 o 使用AG绘制模型 o 将数据读入到AMOS中

o

选择AMOS分析选项和运行模型 ?

第五部分: AMOS 输出解释

o 评估整体模型拟合 o 绝对拟合检验 o 相对拟合检验

o 修改模型获得较好的拟合优度 o 浏览路径图

o

独立参数的显著性检验

?

第六部分:摘要：结论的实质性解释

1

Itellin@163.com 第一部分:介绍

关于文档

本课程使用AMOS（距结构分析）软件对结构方程进行简单的介绍和概述。结构方程模型(SEM) 包括多种统计技术，如路径分析，验证性因子分析，带潜变量的因果关系模型，甚至方差分析和多重线性回归。 课程介绍SEM的逻辑，SEM

对SPSS,AMOS的总结分析

作者:spssman 来源:【整理】 发布时间:2009-5-5 浏览:

121 访问者:

58.23.96.242

摘要提示：SPSS是探索性统计分析软件，AMOS是验证性统计分析软件。做探索性因素分析时用SPSS，探索性因素分析完成后，为了验证所得到的因子结构是否合理，就需要进行验证性因

素分析，这就用的了AMOS。

近段时间以来，我对SPSS11.0 SPSS16.0 AMOS16.0进行了较为系统的理论和技能的学习，可以说受益匪浅。咨将学习过程中的体会总结之，如下：

一. 对SPSS而言，可以说是一个十分强大的统计工具，里面的任何一个菜单都可以完成诸多任务。如果想掌握整个SPSS操作功能的话，可以说难度很大。当然都学下来也没有必要，我们只要掌握所需要用到的即可。对于心理学和社会学而言，主要学习下面的操作：（1）参数检验：单样本、两独立样本、配对样本（2）方差分析：单因素、多因素、协方差分析（3）非参数检验：X2 、二项式分布、K—S检验（4）相关分析和线性回归分析（5）聚类分析(6)因子分析（7）信度分析。以上的内容是我们经常用到的，尤其是相关分析和线性回归分析。

当然我主要学习的是SPS

? Amos模型设定操作

在使用AMOS进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。 1. 绘制潜变量

使用建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties，为潜变量命名。

2. 为潜变量设置可测变量及相应的残差变量

使用

绘制。在可测变量上点击右键选择Object Properties为可测变量命名。其中Variable Name

对应的是数据的变量名，在残差变量上右键选择Object Properties为残差变量命名。

3. 配置数据文件，读入数据

File——Data Files——File Name——OK。

4. 模型拟合

View——Analysis Properties——Estimation——Maximum Likelihood。

5. 标准化系数

Analysis Properties——Output——Standardized Estimates——因子载荷标准化系数。

6. 参数估计结果

Analyze——Calculate Estimates。红色框架部分是模型运算基本结果信息，点击View the Out

SPSS AMOS调节效应操作务实

一、调节效应回归方程：

调节效应是交互效应的一种，是有因果指向的交互效应，而单纯的交互效应可以互为因果关系；调节变量一般不受自变量和因变量影响，但是可以影响自变量和因变量；调节变量一般不能作为中介变量，在特殊情况下，调节变量也可以作为中介变量，例如认知归因方式既可以作为挫折性应激（X）和应对方式（Y）的调节变量也可以作为中介变量。常见的调节变量有性别、年龄、收入水平、文化程度、社会地位等。在统计回归分析中，检验变量的调节效应意味着检验调节变量和自变量的交互效应是否显著。以最简单的回归方程为例，调节效应检验回归方程包括2个如下：

y=a+bx+cm+e 1） y=a+bx+cm+c’mx+e 2）

在上述方程中，m为调节变量，mx为调节效应，调节效应是否显著即是分析C’是否显著达到统计学意义上的临界比率.05水平)。 二、检验调节效应的方法有三种：

1.在层次回归分析中（Hierarchical regression）,检验2个回归方程的复相关系数R12和R22是否有显著区别，若R12和R22显著不同，则说明mx交互作用显著，即表明m的调节效应显

? Amos模型设定操作

在使用AMOS进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。 1. 绘制潜变量

使用建模区域绘制模型中的潜变量，在潜变量上点击右键选择Object Properties，为潜变量命名。

2. 为潜变量设置可测变量及相应的残差变量

使用

绘制。在可测变量上点击右键选择Object Properties为可测变量命名。其中Variable Name

对应的是数据的变量名，在残差变量上右键选择Object Properties为残差变量命名。

3. 配置数据文件，读入数据

File——Data Files——File Name——OK。

4. 模型拟合

View——Analysis Properties——Estimation——Maximum Likelihood。

5. 标准化系数

Analysis Properties——Output——Standardized Estimates——因子载荷标准化系数。

6. 参数估计结果

Analyze——Calculate Estimates。红色框架部分是模型运算基本结果信息，点击View the Out

中介效应重要理论及操作务实

一、中介效应概述

中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系： 1就业压力→个体压力应对→择业行为反应。 ○

此时个体认知评价就成为了这一因果链当中的中介变量。在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下： 2就业压力→个体择业期望→择业行为反应； ○

3就业压力→个体生涯规划→择业行为反应； ○

因此，研究者可以更具自己的研究需要研究不同的中介关系。当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也