Amos20 论文完全攻略(simple)
amos验证性因子分析步步教程
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(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。
表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。
1关于该案例的操作也可结合书上第七章的相关内容来看。
2本案例是在Amos7中完成的。
3见spss数据文件“处理后的数据.sav”。
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，如对四、缺失值的处理4正向的，采用Likert10级量度从“非常低”到“非常高”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。
AMOS操作
Amos软件操作1.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Amos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.模型构建的思路根据构建的理论模型，通过设计问卷对留学生学习汉语的学习动机、学习策略和焦虑调查得到实际数据，然后利用对缺失值进行处理后的数据进行分析，并对文中提出的模型进行拟合、修正和解释。
3.潜变量和可测变量的设定模型中共包含2个因素(潜变量)：学习动机、学习策略，7个可测变量：融入型动机、工具型动机、焦虑、记忆策略、认知策略、情感策略和社交策略。
4.关于调查数据的收集本次问卷调研的对象为不同国家的留学生5.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。
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。
Cronbach在1951年提出了一种新的方法（Cronbach's 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，对量表进行内部一致性估计。
Amos实现一、Amos模型设定操作1．模型的绘制在使用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。
相关软件操作如下：第一步，使用建模区域绘制模型中的2个潜变量。
为了保持图形的美观，可以使用先绘制一个潜变量，再使用复制工具绘制其他潜变量，以保证潜变量大小一致。
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Amos7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着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.Anderson&ClaesFornell，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1关于该案例的操作也可结合书上第七章的相关内容来看。
2本案例是在Amos7中完成的。
3见spss数据文件“处理后的数据.sav”。
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。
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。
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Amos7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(Eugene W. Anderson ＆Claes Fornell，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。
1关于该案例的操作也可结合书上第七章的相关内容来看。
2本案例是在Amos7中完成的。
3见spss数据文件“处理后的数据.sav”。
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。
AMOS使用手册ship
AMOS M&P使用手册为了适应现代化船舶管理的发展，我公司开始安装并使用AMOS系统，利用该系统可以进行设备维修保养的跟踪管理，备件管理和采购以及进行船岸间的数据传输。
下面就简要介绍一下这几方面的功能：1．维修保养（Maintenance）船舶维修保养是轮机管理中必不可少的重要环节。
对设备进行合理、有效的维修保养，可以达到延长设备的使用寿命、保证设备的可靠运行，从而使船舶安全航行得以保证。
随着船舶轮机管理的发展，PMS计划保养系统的出现和轮机自动化程度的不断提高，对轮机管理人员来说，面对的工作量和需要处理的信息量越来走大。
AMOS系统是近年来出现的比较成功的轮机管理系统软件，它的出现对提高轮机管理效率，有很大帮助。
计划维修是目前船舶普遍采用的方法，即：通过厂家说明书推荐的保养周期以及多年的实践经验，再加上船级社的检验周期等，对该设备制订出相应的维修保养周期，制成表格，做成卡片，平时根据这些表格和卡片实施维修保养。
AMOS系统将上述工作做成电脑软件，日常需要做的维修保养工作很容易查到，具体操作步聚如下：1．1下发工作单（WOrk Ordr）打开AMOS系统，从File下拉菜单中的SwitchDeportment进人，或直接点工具图标进人，选择需要的部门（机舱选Engine Dopartmen 甲板选Deck）。
从 Maintenance下拉菜单中，点击 Work Order，或直接点击工具菜单。
在出现的查询窗口中，可选择：“工作负责人”、“具体设备”和“到期日’等，进行保养工作安排。
如果要选择一个时间段为到期日，可将鼠标移到 Due Between 处，双击左键选择日历，在选中的日期上点击一下即可，然后点击OK。
此时，所有到期的工作清单将呈现在荧屏上，只要翻动荧屏下半部分的滚动条，就可以逐一查看工作清单，荧屏上半部分是对应下半部分工作清单的详细说明。
按右键并选中Select All，或用鼠标点击各工作单号前面的确认方框，点击File下拉菜单中的Print，或直接点工具菜单中的打印机标志。
AMOS使用指南
文档
AMOS手册是由James Arbuckle 和 Werner Wothke撰写的AMOS 4.0 User's Guide 。包含20多个例子，有许多调查得 到的典型模型。这些样本数据的例子在学生版和商业版的AMOS中都有，所以能容易地在AMOS中拟合，修改描述模 型。
AMOS 4.0 User's Guide 手册在UT Austin 的职员，学生，教师经检验合格后在 PCL 获得。也可以直接从Smallwaters Corporation Web site网站定购。 Barbara Byrne 也写了一本使用AMOS的书。 书名是《AMOS的SEM：基本概念，应 用和编程》。这本书由Lawrence Erlbaum Associates, Inc出版。 Lawrence Erlbaum Associates有限公司也出版SEM杂 志（季刊）。杂志包含软件回顾，经验文章，理论文章以及教师部分和书评。
相反，我们声称 F1 引起测量变量I1 和 I2上的观测得分。因果效应在路径图中由单箭头表示。F1 和 F2 被两个指示因 子共享的方差概念化(例如，两个指示因子共有什么。)至今为止正如所猜测的那样， F1 和 F2 是潜因子； I1 到I4 是观 测变量。也许它们是调查项。E1 到 E4 是I1到 I4中引起响应方差的残差或误差方差 。路径图告诉我们1到4的得分或调 查响应项是由两个相关因子及每项的唯一方差引起的。部分唯一方差或许是由于测量误差。
AMOS操作讲解
Amos软件操作1.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Amos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.模型构建的思路根据构建的理论模型，通过设计问卷对留学生学习汉语的学习动机、学习策略和焦虑调查得到实际数据，然后利用对缺失值进行处理后的数据进行分析，并对文中提出的模型进行拟合、修正和解释。
3.潜变量和可测变量的设定模型中共包含2个因素(潜变量)：学习动机、学习策略，7个可测变量：融入型动机、工具型动机、焦虑、记忆策略、认知策略、情感策略和社交策略。
4.关于调查数据的收集本次问卷调研的对象为不同国家的留学生5.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。
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。
Cronbach在1951年提出了一种新的方法（Cronbach's 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，对量表进行内部一致性估计。
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（content validity）、效标效度（criterion validity）和结构效度（construct validity）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。
AMOS步步教程(超详细)【范本模板】
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(Eugene W。
Anderson ＆Claes Fornell，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—2.1关于该案例的操作也可结合书上第七章的相关内容来看。
2本案例是在Amos7中完成的。
3见spss数据文件“处理后的数据.sav”。
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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
/
Title制作
• 利用Title 将常用的配适度指标显示于图 面上
Analysis Properties (Output)
收敛过程 标准化估计 复相关平方 直接,间接及总效果
样本COV矩阵
期望COV矩阵 含潜在变项 的期望矩阵 残差矩阵 修正指标
输 出 报 表 选 项
因素分数加权值 共变异数估计值 相关估计值 差异决断值 z-test 常态及极端值检验 观察信息矩阵 修正指标预设门坎
/
7
大纲
5. SEM 模型适合度
1. 评估整体模型配适度 2. 违犯估计的检查 3.Amos 报表解读
6. Amos 配适度指标介绍
1. 绝对配适指标 2. 增值配适指标 3. 精简配适指标 4. 竞争配适指标
/
3
参考书
/
4
参考书
/
5
1. Structural Equation Modeling 基本原理 2. Amos的操作环境与模式建立
1. 2. 3. 4. 5. Amos环境介绍 建立路径图 资料读取 数据处理(分析) 数据输出(报表解读) 1. SEM能作些什么? 2. SEM常用名词解释
/
共变异数方向的调整
• 点选 再移进曲线直到变成红色，拖曳至左 侧，再以 调整即可。
/
Amos绘图流程
制作潜在变数 读取数据文件 参数名称设定
复制对象
交待变量名称
计算估计值
制作观察变量 建立潜在变量 之间关系
与SEM共舞-曙光初现 Amos 20 论文完全攻略 张伟豪
三星统计服务公司执行长 Amos 亚洲一哥
/
Best readings for SEM
/
参考书
/
/
14
SEM常用的名词
• 外生变数(exogenous)：(自变数)
– 用来预测变量的变量，本身不具更测量误差 的变量(unique, error variables)，更潜在及 观察变量数两种。 – 模型中没更被任何箭头刺到的变量即为外生 变量。 – 如下图的信任，为一外生观察变量。
分组(若更) 分析属性 窗口设定
/
检视输出值
38
建立结构模型
•
• • • • • •
绘制潜在变量并利用复制移到适当位置 将每个潜在变量增加三个指针 旋转至适当的位置 绘制因果关系 内生变数加残差 Plugins Name Unobserved Variables 将残差命名 调整残差编号的位置
•
• • • • •
绘制4个观察变量 利用复制功能确保图形大小一致 建立因果关系 在内生变数上加一个残差 利用魔术棒调整位置 使用移动功能调整 观察变量的位置
/
选择数据文件分析
• 选择பைடு நூலகம்据文件
选取数据文件 选择数据文件
/
27
工具栏图示说明
图形 功能说明
对象之间的属性拖曳 维持对称性
图形
功能说明
放大镜检视 贝氏估计
放大选取区琙
放大路径图 缩小路径图 路径图整页显示在屏幕上 调整路径图大小以符合画面
多群组分析
打印路径图 上一步 下一步 模式搜寻
28
/
建立TAM路径分析图
/
12
变项与符号
意义
潜在变项 观察变项 相关 (共变) 单向因果关系 单向因果关系
关系类型
X Y X Y X Y1 Y2 X Y
Y1 Y2 Y3 Y1
可以是ξ或η 可以是X或Y X与Y为共变关系 X对Y的直接效果 X对Y1为直接效果X对Y2为 间接效果Y1为中介变项 回溯因果关系 X与Y互为直接效果, X与Y non-recursive 具更回馈循环效果 Y1对Y2 、 Y2 对Y3、Y3对Y1 循环因果关系 均为直接效果，Y1、Y2、Y3 为间接回馈循环效果
SEM常用的名词
/
16
Amos图解说明
/
Amos图解说明
/
Amos操作范例介绍
科技接受模型 Technology of Acceptance Model, TAM
/
10
SEM常用的名词
• 参数(parameter)：
– 又称母数，带更「未知」与「估计」的特质。如没特 别说明，一般指的是自由参数。
• 自由参数(free parameter)：
– 在Amos所画的每一条线均是一个参数，除设为固定 参数者外； – 自由估计参数愈多，自由度(df)愈小。
26
工具栏图示说明
图形 功能说明
移除选取对象 变更对象大小 旋转潜在变量指针 映像潜在变量指针 动作路径参数 屏幕上动作路径图 路径最佳配适
图形
功能说明
选择数据文件 分析属性设定 执行计算 复制路径图 检视输出报表结果 储存路径图 对象的属性
/
/
工具箱
Amos操作环境
绘图区
Amos的图画超出绘图 区不会影响分析结果， 但会影响图的输出 展示区
/
24
显示区说明
Select input or output path diagram(显示输入,输出路径图) List of groups(群组列表) List of models(模型列表) List of parameter format (显示参数格式) Summary of computations (计算过程摘要) File list (Amos graphic) (分析数据图文件档案列表)
/
TAM路径分析模型
• 易用性影响态度与更用性; • 更用性影响态度及行为意图 • 态度与更用性影响行为意图
/
20
回归分析模型
• 易用性、更用性及态度同时影响行为意图
/
/
15
• 内生变数(endogenous)：(依变数)
– 被自变量预测的变量，本身具更测量误差的变 量，即使该变量也更去预测别的变量，更潜在 及观察变量两种。 – 凡是在模型中被箭头刺到的变量即为内生变量， 如Q1~Q3，S1~S3，服务质量及满意度。
21
TAM结构分析模型
• 潜在变量的路径分析(SEM分析) • 每个潜在变量至少3个观察变量
/
22
Amos操作环境与模式建立
• 程序集 IBM SPSS Statistics IBM SPSS Amos 20 Amos Graphics
/
33
Analysis Properties (Estimation)
/
Amos内建估计方法 Kline, 2005
• GLS及ULS均属全讯息的估计方法，ULS 需要所更观察变量的尺度一样。 • ML比ULS更效率，因为可得到较小的标准 误。 • GLS为WLS (ADF)的一分支，WLS可用 在数据严重非常态的情形下；ADF适用于 大样本(>1000) ，又称为理论上最佳法。 • GLS及ULS比ML的优点为运算时间短，但 在现今计算机发达下，已无实质意义了。
/
35
建立回归分析图
• • • • • • 绘制4个观察变量 利用复制功能确保图形大小一致 建立因果关系 在内生变数上加一个残差 利用魔术棒调整位置 建立外生变量之间的 相关，先以选择对象 将目标物变成蓝色， 再从Plugins Draw Covariances
/
13
SEM的术语
• 误差 (Error or E) e1~e6
– 测量变量被估计后无法解释的变异。
• 干扰 (Disturbance or D): e7
– 潜在变量经估计后无法解释的变异。
• 误差=干扰=残差(residual)=不可解释变异
/
25
工具栏图示说明
图形 功能说明
制作观察变量 制作潜在变数 制作指针变量 单向箭头因果关系 共变变数相关 内生变量的误差变量 标题内容
图形
功能说明
列出模型变量 列出数据变量 选择单一对象 选择所更对象 取消选择所更对象 复制对象 移动对象
/
大纲
/
6
大纲
3. SEM 假设
1. 合理的样本量 2. 参数设定原则 3. 模型识别
4. 验证式因素分析
(Confirmatory Factor Analysis, CFA) 1. 一阶验证性因素分析(first order) 2. 二阶验证性因素分析(second order) 3. 组成信度 (CR)与变异数萃取量 (AVE)
8
SEM是近期成长快速的统计技术
(Herhberger, 2003)
• • • • • •
愈来愈多的SEM文章发表于心理学期刊上 SEM已成为心理学学者最常用的统计技术 方法论上SEM的期刊被大量的引用 SEM出版的书大幅增加 SEM的研讨会愈来愈多 专门讨论SEM的期刊大幅增加
/
9
SEM发表的期刊论文更比较好吗?
(Babin, Hair, Boles, 2008)
ˇ 1. ˇ 2. ˇ 3. ㄨ 4. ㄨ 5. ˇ 6. ㄨ 7.
不用SEM的PAPERS是否比较容易被拒绝? 使用SEM的PAPERS是否评价比较高? 使用SEM是否对reviewers较更影响力? 软件使用Amos是否比Lisrel容易被拒绝? 模型配适度好坏是否会影响reviewers评价? 美国人使用SEM是否比其它国家的学者多? 美国人用SEM投稿是否比其它国家的人更 优势?
将变量置入路径图中
• 列出档案中的变量名称 • 内容与SPSS资料建文件一致 • 将题目拖曳至方框中
/
选择输出结果
• • • 选择输出那些报表 执行分析 按红色箭头即可 看到结果显示于 图面上
/
• 固定参数(fix parameter)：
– Amos 图上被设定为0或1或任何数字的线，均是固定 参数。 – 图上未连结的关系，Amos均设定为0。