amos_验证性因子分析报告步步教程
Amos验证性因子分析步步教育教案
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”。
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。
表7-2 模型变量对应表4正向的，采用Likert10级量度从“非常低”到“非常高”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步步教程(超详细)
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)。
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”。
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。
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。
amos-验证性因子分析结构方程建模步步教程
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）。
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”。
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。
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，4正向的，采用Likert10级量度从“非常低”到“非常高”本次调查共发放问卷500份，收回有效样本436份。
AMOS做验证性因子分析报告材料
实用标准文案精彩文档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. 绘制潜变量使用禺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I ph 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。
:卜 Cbject Propenes TeKt Para»et era QI 區 仃 Variable Libel ■ahiFcrrt style [Regular V ar iabl c riamt 理縫旦G 政冶 IW 旦F 政启实用标准文案精彩文档3. 配置数据文件，读入数据 File ---- Data Files -------- File Name --------- OK 。
4. 模型拟合 View ------ An alysis Properties ---------- E stimati on ------- Maximum Likelihood View Diwgr 曰 e Analyze Tools Plu-giri5 Help Interface Properties... Ctrl4l PrQp^rtiHdii Ctri+A | nA Dmnartia-s* 广和■!丄c 厂 Generalised lea?t squares5. 标准化系数Numerical Bias | Output Boot strap Peraurt at ions | Ran.dcwi 李 | Title [mat LOii p likelihood P K.st imat e Jieans :and int &rcejrts实用标准文案精彩文档Calculate Estimates。
AMOS做验证性因子分析
AMOS做验证性因子分析验证性因子分析（Confirmatory factor analysis, CFA）是一种统计方法，用于检验研究者构建的理论或假设模型是否与实际数据相吻合。
它是一种多变量分析方法，用于测量和验证潜在因子对观察指标的关系。
在本文中，将介绍如何使用AMOS软件进行验证性因子分析，并说明其步骤和解释结果的方法。
验证性因子分析的步骤如下：1.准备数据：首先，需要准备清洁和格式化的数据集。
确保变量的测量是连续的，并检查是否存在缺失值。
如果存在缺失值，可以选择删除缺失值或使用合适的方法进行缺失值处理。
2.建立模型：在AMOS软件中，创建新项目并选择“新模型”的选项。
在模型中添加指标和潜变量，并指定它们之间的因子关系。
可以使用路径图或列表方式指定模型。
3. 参数估计：在参数估计部分，选择适当的估计方法，如最大似然估计（Maximum Likelihood, ML）或广义最小二乘估计（Generalized Least Squares, GLS）。
这些方法可以根据数据集的特点来选择。
4. 模型拟合度检验：进行模型拟合度检验是确认模型的重要步骤。
通过比较实际数据与模型预测数据的吻合程度来评估模型的拟合度。
常用的拟合度指标包括卡方检验值（chi-square）、规范拟合指数（NFI）、增量拟合指数（IFI）和根均方误差逼近指数（RMSEA）。
5.修正模型：如果模型拟合度不佳，需要对模型进行修正。
可以根据修正指标的建议来调整模型，例如删除不明显或不显著的路径，增加或修改潜变量之间的关系。
6.解释结果：解释模型结果是验证性因子分析的重要任务之一、通过对模型参数和估计值的解读来解释实际数据与模型之间的关系。
还可以进行模型比较，比较不同模型之间的差异和优劣。
验证性因子分析的结果通常包括了对模型拟合度的评估和模型参数的解释。
模型拟合度指标可以告诉我们模型与实际数据的吻合程度，例如卡方检验值的显著性、NFI、IFI和RMSEA等指标。
amos-验证性因子分析结构方程建模步步教程
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Amos7 软件1 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。
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。
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”。
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 。
模型变量对应表它与顾客期望，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设计的结构路径图顾客抱怨感知价值顾客满意质量感知顾客忠诚基本路径假设? 超市形象对质量期望有路 径影响? 质量期望对质量感知有路径影响? 质量感知对感知价格有路 径影响? 质量期望对感知价格有路 径影响? 感知价格对顾客满意有路 径影响? 顾客满意对顾客忠诚有路 径影响? 超市形象对顾客满意有表 7-2超市形象质量期望潜变量 内涵 可测变量(一) 超 根据 MARTENSEN 在固定 电话、移动电话、超市等行业中的调查研究， 企业形象 是影响总体满意水平的第 一要素，这里将超市形象要 素列为影响因素， 可以从以 下几个方面进行观测。
AMOS步步教程(超详细)
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4正向的，采用Likert10级量度从“非常低”到“非常高”传，形成群众对于该超市的口碑。
(七)顾客忠诚顾客忠诚主要可以从三个方面体现：顾客推荐意向、转换产品的意向、重复购买的意向。
同时还有学者指出顾客忠诚可以从顾客对涨价的容忍性、重复购买性两方面衡量。
amos-验证性因子分析结构方程建模步步教程
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)。
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”。
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。
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,74正向的，采用Likert10级量度从“非常低”到“非常高”本次调查共发放问卷500份，收回有效样本436份。
- 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)。
一、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。
二、结构方程模型建模构建如图7.3的初始模型。
图7-3 初始模型结构图7-4 Amos Graphics 初始界面图第一节 Amos 实现1一、Amos 模型设定操作 1 这部分的操作说明也可参看书上第七章第二节:Amos 实现。
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七个潜变量（如图7-6）。
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。
在潜变量上点击右键选择Object Properties，为潜变量命名（如图7-7）。
绘制好的潜变量图形如图7-8。
第二步设置潜变量之间的关系。
使用来设置变量间的因果关系，使用来设置变量间的相关关系。
绘制好的潜变量关系图如图7-9。
图7-7 潜变量命名图7-8 命名后的潜变量图7-9 设定潜变量关系第三步为潜变量设置可测变量及相应的残差变量，可以使用绘制，也可以使用和自行绘制（绘制结果如图7-10）。
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一项对应的是数据中的变量名（如图7-11），在残差变量上右键选择Object Properties为残差变量命名。
最终绘制完成模型结果如图7-12。
图7-10 设定可测变量及残差变量图7-11 可测变量指定与命名图7-12 初始模型设置完成第二节 模型拟合标准化系数是将各变量原始分数转换为Z 分数2后得到的估计结果，用以度量变量间的相对变化水平。
因此不同变量间的标准化路径系数（或标准化载荷系数）可以直接比较。
从表7-17最后一列中可以看出：受“质量期望”潜变量影响的是“质量感知”潜变量和“感知价格”潜变量；标准化路径系数分别为0.434和0.244，这说明“质量期望”潜变量对“质量感知”潜变量的影响程度大于其对“感知价格”潜变量的影响程度。
2Z 分数转换公式为：i i X X Z s--=。
一、参数估计结果的展示图7-17 模型运算完成图使用Analyze菜单下的Calculate Estimates进行模型运算（或使用工具栏中的），输出结果如图7-17。
其中红框部分是模型运算基本结果信息，使用者也可以通过点击View the output path diagram（）查看参数估计结果图（图7-18）。
图7-18 参数估计结果图详细信息包括分析基本情况（Analysis Summary）、变量基本情况（VariableSummary）、模型信息（Notes for Model）、估计结果（Estimates）、修正指数（Modification Indices）和模型拟合（Model Fit）六部分。
在分析过程中，一般通过前三部分3了解模型，在模型评价时使用估计结果和模型拟合部分，在模型修正时使用修正指数部分。
二、模型评价1．路径系数/载荷系数的显著性参数估计结果如表7-5到表7-6，模型评价首先要考察模型结果中估计出的参数是否具有统计意义，需要对路径系数或载荷系数4进行统计显著性检验，这类似于回归分析中的参数显著性检验，原假设为系数等于。
Amos提供了一种简单便捷的方法，叫做CR（Critical Ratio）。
CR值是一个Z统计量，使用参数估计值与其标准差之比构成（如表7-5中第四列）。
Amos同时给出了CR的统计检验相伴概率p（如表7-5中第五列），使用者可以根据p值进行路径系数/载荷系数的统计显著性检验。
譬如对于表7.5中“超市形象”潜变量对“质量期望”潜变量的路径系数（第一行）为0.301，其CR值为6.68，相应的p值小于0.01，则可以认为这个路径系数在95%的置信度下与0存在显著性差异。
表7-5 系数估计结果未标准化路径系数标准化路径系望<--- 象0.301 0.045 6.68 *** par_16 0.358质量感知<--- 质量期望0.434 0.057 7.633 *** par_17 0.434感知价格<--- 质量期望0.329 0.089 3.722 *** par_18 0.244感知价格<--- 质量感知-0.121 0.082 -1.467 0.142 par_19 -0.089感知价格<--- 超市形象-0.005 0.065 -0.07 0.944 par_20 -0.004顾客满意<--- 超市形象0.912 0.043 21.389 *** par_21 0.878顾客满意<--- 感知价格-0.029 0.028 -1.036 0.3 par_23 -0.032顾客忠诚<--- 超市形象0.167 0.101 1.653 0.098 par_22 0.183顾客忠诚<--- 顾客满意0.5 0.1 4.988 *** par_24 0.569a15<--- 超市形 1 0.9273分析基本情况（Analysis Summary）、变量基本情况（Variable Summary）、模型信息（Notes for Model）三部分的详细介绍如书后附录三。
4潜变量与潜变量间的回归系数称为路径系数；潜变量与可测变量间的回归系数称为载荷系数。
5凡是a+数字的变量都是代表问卷中相应测量指标的，其中数字代表的问卷第一部分中问题的序号。
象a2 <--- 超市形象 1.008 0.036 27.991 *** par_1 0.899a3 <--- 超市形象0.701 0.048 14.667 *** par_2 0.629a5 <--- 质量期望 1 0.79a4 <--- 质量期望0.79 0.061 12.852 *** par_3 0.626a6 <--- 质量期望0.891 0.053 16.906 *** par_4 0.786a7 <--- 质量期望 1.159 0.059 19.628 *** par_5 0.891a8 <--- 质量期望 1.024 0.058 17.713 *** par_6 0.816a10 <--- 质量感知 1 0.768a9 <--- 质量感知 1.16 0.065 17.911 *** par_7 0.882a11 <--- 质量感知0.758 0.068 11.075 *** par_8 0.563a12 <--- 质量感知 1.101 0.069 15.973 *** par_9 0.784a13 <--- 质量感知0.983 0.067 14.777 *** par_10 0.732a18 <--- 顾客满意 1 0.886a17 <--- 顾客满意 1.039 0.034 30.171 *** par_11 0.939a15 <--- 感知价格 1 0.963a14 <--- 感知价格0.972 0.127 7.67 *** par_12 0.904a16 <--- 顾客满意 1.009 0.033 31.024 *** par_13 0.95a24 <--- 顾客忠诚 1 0.682a23 <--- 顾客忠诚 1.208 0.092 13.079 *** par_14 0.846注:“***”表示0.01 水平上显著，括号中是相应的C.R值，即t值。
表7-6 方差估计方差估计S.E. C.R.P Label 超市形象 3.5740.29911.958***par_25 z2 2.2080.2439.08***par_26z1 2.060.2418.54***par_27z3 4.4050.668 6.596***par_28z40.8940.1078.352***par_29z5 1.3730.214 6.404***par_30e10.5840.0797.363***par_31e20.8610.0939.288***par_32e3 2.6750.19913.467***par_33e5 1.5260.1311.733***par_34e4 2.4590.18613.232***par_35e6 1.2450.10511.799***par_36e70.8870.1038.583***par_37e8 1.3350.11911.228***par_38e10 1.7590.15211.565***par_39e90.9760.1227.976***par_40e11 3.1380.23513.343***par_41e12 1.9260.17111.272***par_42e13 2.1280.17612.11***par_43e18 1.0560.08911.832***par_44e160.420.0528.007***par_45e170.5540.0619.103***par_46e150.3640.5910.6160.538par_47e24 3.4130.29511.55***par_48e22 3.3810.28112.051***par_49e23 1.730.252 6.874***par_50e140.9810.562 1.7450.081par_51注:“***”表示0.01 水平上显著，括号中是相应的C.R值，即t值。
三、模型拟合评价在结构方程模型中，试图通过统计运算方法（如最大似然法等）求出那些使样本方差协方差矩阵S与理论方差协方差矩阵∑的差异最小的模型参数。
换一个角度，如果理论模型结构对于收集到的数据是合理的，那么样本方差协方差矩阵∑-）各个元素接近于0，S与理论方差协方差矩阵∑差别不大，即残差矩阵（S就可以认为模型拟合了数据。