最近中文字幕mv免费高清在线,亚洲AV无码国产精品色午夜洪

主頁 > 知識(shí)庫 > 地理商標(biāo)計(jì)量模型的驗(yàn)證性因子分析

地理商標(biāo)計(jì)量模型的驗(yàn)證性因子分析

ＡｎｄｅｒｓｏｎａｎｄＧｅｒｂｉｎｇ（１９８８）認(rèn)為，在測(cè)試結(jié)構(gòu)方程模型之前，研究者首先應(yīng)該評(píng)估它的測(cè)量模型（驗(yàn)證性因子分析），即驗(yàn)證性因子分析（ＣｏｎｆｉｒｍａｔｏｒｙＦａｃｔｏｒＡｎａｌｙｓｉｓ，ＣＦＡ）是檢驗(yàn)結(jié)構(gòu)方程（ＳｔｒｕｃｔｕｒａｌＥｑｕａｔｉｏｎＭｏｄｅｌ，ＳＥＭ）研究的基礎(chǔ)和前提。這個(gè)兩階段分析程序被其后的許多學(xué)者應(yīng)用在營(yíng)銷研究領(lǐng)域，現(xiàn)在已被大家所廣泛接受和認(rèn)可。驗(yàn)證性因子分析用以描述觀測(cè)指標(biāo)如何反映潛變量和假設(shè)構(gòu)念，測(cè)量觀測(cè)指標(biāo)的信度和效度，也可用以描述潛變量與觀測(cè)變量的關(guān)系。小編使用ＬＩＳＲＥＬ８．８０軟件極大似然估計(jì)程序（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄ，ＭＬ），以表６．８中的相關(guān)系數(shù)矩陣作為輸入矩陣，對(duì)圖６．１模型中的４個(gè)潛變量進(jìn)行驗(yàn)證性因子分析，可得到表６．９的數(shù)據(jù)結(jié)果。

關(guān)于模型是否與數(shù)據(jù)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(shù)基于擬合函數(shù)的擬合指數(shù)反映這兩個(gè)矩陣之間的差異。一般評(píng)判計(jì)量模型和數(shù)據(jù)的擬合指標(biāo)有１３個(gè)，具體見表６．９。擬合指標(biāo)可以鑒定驗(yàn)證模型和數(shù)據(jù)的擬合程度。關(guān)于這些指標(biāo)的識(shí)別，有以下兩個(gè)看法：
（１）一般情況下，常用的估計(jì)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(duì)應(yīng)的臨界值，表示Ｅ和Ｓ差異過大，模型和數(shù)據(jù)擬合不好；反之，如果χ２值小于對(duì)應(yīng)的臨界值，表明模型與數(shù)據(jù)擬合較好。χ２檢驗(yàn)是測(cè)量驗(yàn)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(jì)值。通常依據(jù)ｐ值的經(jīng)驗(yàn)法則（一些研究者使用ｐ值小于０．０５，或者更大的標(biāo)準(zhǔn)０．１０）來決定是否拒絕驗(yàn)證模型。然而，χ２檢驗(yàn)對(duì)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(yàn)證模型（不管這個(gè)模型是真或假）的概率隨之增加。所以，顯著的χ２檢驗(yàn)可能拒絕了對(duì)樣本量敏感的驗(yàn)證模型而接受了一個(gè)無效模型（ｉｎｖａｌｉｄｍｏｄｅｌ）（ＢａｇｏｚｚｉａｎｄＹｉ，１９８８）。在實(shí)際的研究中，一般不把它作為拒絕驗(yàn)證模型的關(guān)鍵指標(biāo)（ＬｉｎａｎｄＨｓｉｅｈ，２０１１；Ｓｏｈｅｔａｌ．，２００９）。因此，在模型比較中，許多學(xué)者提出χ２／ｄｆ更有參考價(jià)值。關(guān)于χ２／ｄｆ值在多大的范圍內(nèi)模型和數(shù)據(jù)擬合比較好的問題，存在較大爭(zhēng)議。ＣａｒｍｉｎｅｓａｎｄＭｃＩｖｅｒ（１９８１）認(rèn)為，χ２／ｄｆ值在２．０～３．０之間，模型和數(shù)據(jù)的擬合程度是可以接受的。侯杰泰等（２００４）認(rèn)為，當(dāng)χ２／ｄｆ值在２．０～５．０之間時(shí)，可以接受模型。
（２）近似誤差（ＥｒｒｏｒｏｆＡｐｐｒｏｘｉｍａｔｉｏｎ）指數(shù)包括ＳＲＭＲ、ＲＭＲ、ＲＭＳ、ＲＭＳＥＡ、ＭＳＥＡ和ＲＭＳＥＡＰ。一般來說，近似誤差指數(shù)越小越好。通常情況下，使用的評(píng)價(jià)指標(biāo)是ＳＲＭＲ、ＲＭＲ和ＲＭＳＥＡ。ＨｕａｎｄＢｅｎｔｌｅｒ（１９９８）的研究發(fā)現(xiàn)，標(biāo)準(zhǔn)化殘差均方根（ＳＲＭＲ）對(duì)誤設(shè)模型敏感，推薦的界值是０．０８，即當(dāng)ＳＲＭＲ大于０．０８時(shí)，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(guān)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(biāo)準(zhǔn)化ＲＭＲ（ＳＲＭＲ），其值應(yīng)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(duì)參數(shù)過少的誤設(shè)模型稍微敏感一些（ＭａｒｓｈａｎｄＢａｌｌａ，１９９４）。Ｓｔｅｉｇｅｒ（１９９０）認(rèn)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(duì)擬合指數(shù)（ｃｏｍｐａｒａｔｉｖｅｆｉｔｉｎｄｅｘ）是通過將理論模型（Ｍｔ）和基準(zhǔn)模型（ｂａｓｅｌｉｎｅｍｏｄｅｌ）比較得到的統(tǒng)計(jì)量?？紤]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(duì)擬合指數(shù)就是將理想模型與虛模型進(jìn)行比較，看看擬合程度改進(jìn)了多少。相對(duì)擬合指數(shù)一般常用的指標(biāo)有７個(gè)，即規(guī)范擬合指數(shù)（ＮＦＩ）、不規(guī)范擬合指數(shù)（ＮＮＦＩ）、比較擬合指數(shù)（ＣＦＩ）、增量擬合指數(shù)（ＩＦＩ）、擬合優(yōu)度指數(shù)（ＧＦＩ）、調(diào)整后的擬合優(yōu)度指數(shù)（ＡＧＦＩ）和相對(duì)擬合指數(shù)（ＲＦＩ）。這些指標(biāo)的取值范圍是０～１。學(xué)術(shù)界一般認(rèn)為，這７個(gè)指標(biāo)大于０．９０，就表明模型和數(shù)據(jù)的擬合程度比較好。從表６．９中的數(shù)據(jù)可以看到，除了χ２／ｄｆ值不在理想的界值內(nèi)，所有指標(biāo)都在規(guī)定的模型與數(shù)據(jù)擬合較好的數(shù)值范圍內(nèi)，ｐ值大于０．１，ＮＦＩ、ＮＮＦＩ、ＣＦＩ、ＩＦＩ、ＧＦＩ、ＡＧＦＩ、ＲＦＩ這７個(gè)指標(biāo)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(shù)據(jù)的擬合程度很高。
ＢａｇｏｚｚｉａｎｄＹｉ（１９８８）認(rèn)為重要的模型基本適配標(biāo)準(zhǔn)是：①不能有負(fù)的誤差方差；②誤差方差必須達(dá)到顯著性水平；③估計(jì)參數(shù)之間的相關(guān)絕對(duì)值不能太接近１；④因子負(fù)荷量不能太低（＜０．５）或太高（＞０．９５）；⑤不能有很大的標(biāo)準(zhǔn)誤（ＢａｇｏｚｚｉａｎｄＹｉ，１９８８）。當(dāng)不符合上述標(biāo)準(zhǔn)時(shí)，表示模型可能有系列誤差（ｓｐｅｃｉｆｉｃａｔｉｏｎｅｒｒｏｒ）、辨認(rèn)問題或輸入有誤；當(dāng)符合上述標(biāo)準(zhǔn)時(shí)，方可檢驗(yàn)整體模型擬合標(biāo)準(zhǔn)及模型內(nèi)在結(jié)構(gòu)擬合程度。通過計(jì)算結(jié)果輸出的數(shù)據(jù)可以看出，驗(yàn)證性因子分析的結(jié)果符合ＢａｇｏｚｚｉａｎｄＹｉ（１９８８）提出的模型基本適配標(biāo)準(zhǔn)，結(jié)合構(gòu)念測(cè)量的可靠性分析和有效性分析，以及計(jì)量模型和數(shù)據(jù)之間的擬合指標(biāo)，可以進(jìn)行概念模型的結(jié)構(gòu)方程分析。另外，關(guān)于各變量之間的共線性問題，在相關(guān)系數(shù)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(yán)重。

標(biāo)簽：阜新保山聊城池州盤錦三亞撫順錦州

巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《地理商標(biāo)計(jì)量模型的驗(yàn)證性因子分析》，本文關(guān)鍵詞地理,商標(biāo),計(jì)量,模型,的,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。