成人免费网址,国产一区在线观看视频

主頁 > 知識庫 > 地理商標計量模型的驗證性因子分析

地理商標計量模型的驗證性因子分析

ＡｎｄｅｒｓｏｎａｎｄＧｅｒｂｉｎｇ（１９８８）認為，在測試結構方程模型之前，研究者首先應該評估它的測量模型（驗證性因子分析），即驗證性因子分析（ＣｏｎｆｉｒｍａｔｏｒｙＦａｃｔｏｒＡｎａｌｙｓｉｓ，ＣＦＡ）是檢驗結構方程（ＳｔｒｕｃｔｕｒａｌＥｑｕａｔｉｏｎＭｏｄｅｌ，ＳＥＭ）研究的基礎和前提。這個兩階段分析程序被其后的許多學者應用在營銷研究領域，現在已被大家所廣泛接受和認可。驗證性因子分析用以描述觀測指標如何反映潛變量和假設構念，測量觀測指標的信度和效度，也可用以描述潛變量與觀測變量的關系。小編使用ＬＩＳＲＥＬ８．８０軟件極大似然估計程序（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄ，ＭＬ），以表６．８中的相關系數矩陣作為輸入矩陣，對圖６．１模型中的４個潛變量進行驗證性因子分析，可得到表６．９的數據結果。

關于模型是否與數據擬合的問題，其核心是比較再生協(xié)方差Ｅ和樣本協(xié)方差Ｓ的差異。大多數基于擬合函數的擬合指數反映這兩個矩陣之間的差異。一般評判計量模型和數據的擬合指標有１３個，具體見表６．９。擬合指標可以鑒定驗證模型和數據的擬合程度。關于這些指標的識別，有以下兩個看法：
（１）一般情況下，常用的估計方法得到χ２漸近服從卡方分布。給定顯著水平，如果χ２值大于對應的臨界值，表示Ｅ和Ｓ差異過大，模型和數據擬合不好；反之，如果χ２值小于對應的臨界值，表明模型與數據擬合較好。χ２檢驗是測量驗證模型（ｈｙｐｏｔｈｅｓｉｚｅｄｍｏｄｅｌ）和協(xié)方差沒有約束的替代模型之間的似然統(tǒng)計值。通常依據ｐ值的經驗法則（一些研究者使用ｐ值小于０．０５，或者更大的標準０．１０）來決定是否拒絕驗證模型。然而，χ２檢驗對樣本量大小的敏感性提出了一些潛在的問題。也就是說，隨著樣本量的增加，拒絕驗證模型（不管這個模型是真或假）的概率隨之增加。所以，顯著的χ２檢驗可能拒絕了對樣本量敏感的驗證模型而接受了一個無效模型（ｉｎｖａｌｉｄｍｏｄｅｌ）（ＢａｇｏｚｚｉａｎｄＹｉ，１９８８）。在實際的研究中，一般不把它作為拒絕驗證模型的關鍵指標（ＬｉｎａｎｄＨｓｉｅｈ，２０１１；Ｓｏｈｅｔａｌ．，２００９）。因此，在模型比較中，許多學者提出χ２／ｄｆ更有參考價值。關于χ２／ｄｆ值在多大的范圍內模型和數據擬合比較好的問題，存在較大爭議。ＣａｒｍｉｎｅｓａｎｄＭｃＩｖｅｒ（１９８１）認為，χ２／ｄｆ值在２．０～３．０之間，模型和數據的擬合程度是可以接受的。侯杰泰等（２００４）認為，當χ２／ｄｆ值在２．０～５．０之間時，可以接受模型。
（２）近似誤差（ＥｒｒｏｒｏｆＡｐｐｒｏｘｉｍａｔｉｏｎ）指數包括ＳＲＭＲ、ＲＭＲ、ＲＭＳ、ＲＭＳＥＡ、ＭＳＥＡ和ＲＭＳＥＡＰ。一般來說，近似誤差指數越小越好。通常情況下，使用的評價指標是ＳＲＭＲ、ＲＭＲ和ＲＭＳＥＡ。ＨｕａｎｄＢｅｎｔｌｅｒ（１９９８）的研究發(fā)現，標準化殘差均方根（ＳＲＭＲ）對誤設模型敏感，推薦的界值是０．０８，即當ＳＲＭＲ大于０．０８時，模型擬合得不好。ＲＭＲ反映殘差的大小，其值越小，表示模型的適配越佳。若分析矩陣為相關矩陣，則ＲＭＲ必須低于０．０５，最好低于０．０２５；若以協(xié)方差矩陣作為分析矩陣，可依標準化ＲＭＲ（ＳＲＭＲ），其值應小于０．０５。近似均方根殘差（ＲＭＳＥＡ）被人們廣泛使用，與ＲＭＲ相比，ＲＭＳＥＡ受樣本量Ｎ的影響較小，對參數過少的誤設模型稍微敏感一些（ＭａｒｓｈａｎｄＢａｌｌａ，１９９４）。Ｓｔｅｉｇｅｒ（１９９０）認為，ＲＭＳＥＡ低于０．１表示好的擬合，低于０．０５表示非常好的擬合，低于０．０１表示非常出色的擬合。相對擬合指數（ｃｏｍｐａｒａｔｉｖｅｆｉｔｉｎｄｅｘ）是通過將理論模型（Ｍｔ）和基準模型（ｂａｓｅｌｉｎｅｍｏｄｅｌ）比較得到的統(tǒng)計量。考慮到一系列嵌套（ｎｅｓｔｅｄ）模型（ＢｅｎｔｌｅｒａｎｄＢｏｎｅｔｔ，１９８０；林文鶯和侯杰泰，１９９５）Ｍｎ......Ｍｔ......Ｍｓ，其中Ｍｎ為虛模型（ｎｕｌｌｍｏｄｅｌ），是限制最多、擬合得最不好的模型，Ｍｓ為飽和模型，擬合程度最好，Ｍｔ介于兩者之間。相對擬合指數就是將理想模型與虛模型進行比較，看看擬合程度改進了多少。相對擬合指數一般常用的指標有７個，即規(guī)范擬合指數（ＮＦＩ）、不規(guī)范擬合指數（ＮＮＦＩ）、比較擬合指數（ＣＦＩ）、增量擬合指數（ＩＦＩ）、擬合優(yōu)度指數（ＧＦＩ）、調整后的擬合優(yōu)度指數（ＡＧＦＩ）和相對擬合指數（ＲＦＩ）。這些指標的取值范圍是０～１。學術界一般認為，這７個指標大于０．９０，就表明模型和數據的擬合程度比較好。從表６．９中的數據可以看到，除了χ２／ｄｆ值不在理想的界值內，所有指標都在規(guī)定的模型與數據擬合較好的數值范圍內，ｐ值大于０．１，ＮＦＩ、ＮＮＦＩ、ＣＦＩ、ＩＦＩ、ＧＦＩ、ＡＧＦＩ、ＲＦＩ這７個指標均大于０．９０，尤其殘差均方根（ＲＭＲ）小于０．０２５，近似均方根殘差（ＲＭＳＥＡ）小于０．０１，說明概念模型與數據的擬合程度很高。
ＢａｇｏｚｚｉａｎｄＹｉ（１９８８）認為重要的模型基本適配標準是：①不能有負的誤差方差；②誤差方差必須達到顯著性水平；③估計參數之間的相關絕對值不能太接近１；④因子負荷量不能太低（＜０．５）或太高（＞０．９５）；⑤不能有很大的標準誤（ＢａｇｏｚｚｉａｎｄＹｉ，１９８８）。當不符合上述標準時，表示模型可能有系列誤差（ｓｐｅｃｉｆｉｃａｔｉｏｎｅｒｒｏｒ）、辨認問題或輸入有誤；當符合上述標準時，方可檢驗整體模型擬合標準及模型內在結構擬合程度。通過計算結果輸出的數據可以看出，驗證性因子分析的結果符合ＢａｇｏｚｚｉａｎｄＹｉ（１９８８）提出的模型基本適配標準，結合構念測量的可靠性分析和有效性分析，以及計量模型和數據之間的擬合指標，可以進行概念模型的結構方程分析。另外，關于各變量之間的共線性問題，在相關系數矩陣表６．８中，最高者為０．７６９，未大于０．８，說明共線性問題不是非常嚴重。

標簽：阜新保山聊城池州盤錦三亞撫順錦州

巨人網絡通訊聲明：本文標題《地理商標計量模型的驗證性因子分析》，本文關鍵詞地理,商標,計量,模型,的,；如發(fā)現本文內容存在版權問題，煩請?zhí)峁┫嚓P信息告之我們，我們將及時溝通與處理。本站內容系統(tǒng)采集于網絡，涉及言論、版權與本站無關。