SPSS与AMOS的结合使用_详解

nullSPSS的AMOS系統SPSS的AMOS系統一、操作步驟 二、結果輸出 三、結果製表與解釋SPSS的AMOS系統 SPSS的AMOS系統 目前可以執行結構方程模型最有名的軟體，主要有LISREL模型，與SPSS的外掛軟體AMOS，SAS系統內也包含SEM的功能。 AMOS則提供相當友善的圖形介面，以圖形來直接建立結構方程模型，它可以讀取SPSS的資料檔，兩者可以相整合。 可以直接上網下載使用此試用的AMOS學生版，請上http://amosdevelopment.com/download/index.htm 下載學生版。 AMOS的特點是以圖形表達的形式來分析統計模型。 表14-2 變數定義關係表 表14-2 變數定義關係表 AMOS操作步驟AMOS操作步驟（一）開啟資料檔（Data Files） （二）繪製結構方程模型 （三）輸入變數名稱 （四）建立因果關係圖 （五）設定輸出結果與執行計算 （六）顯示SEM運算結果 圖14-4 Amos Graphics主視窗 圖14-4 Amos Graphics主視窗 （一）開啟資料檔 （Data Files）（一）開啟資料檔 （Data Files）圖14-5 Data Files對話框（二）繪製結構方程模型 （二）繪製結構方程模型 在AMOS路徑圖中，潛在變數以橢圓 形框表示，而觀察變數則是 以長形方框 表示之。 故在路徑分析中，因為沒有潛在變數，故千萬不要出現橢圓形框；透過「工具視窗」中的 圖示按鍵，可輕易的在「模型繪製區」中建立CFA模型。圖14-6 SEM模型的繪製 圖14-7 SEM模型的旋轉 圖14-7 SEM模型的旋轉 按鍵 後，可令其所屬的觀測變數及誤差變數順時鐘旋轉至使用者理想的位置，若覺得模型中有些圖框或路徑不符所需，則可用來加以消除，類似橡皮擦的功能 加以消除。至於影印機 當然就代表可複製各種圖樣。 調整圖形可利用 圖示按鍵，配合 （卡車）圖示按鍵，可作變數整組的移動；按鍵 可調整變數圖框的大小。 圖14-8 SEM模型調整後的結果 圖14-8 SEM模型調整後的結果 （三）輸入變數名稱 （三）輸入變數名稱 點擊 圖示按鍵可得Variables in Dataset（資料組內變數）視窗，此時該視窗中，將顯示出資料檔裡的變數名稱及其標籤。 圖14-9 Variables in Dataset視窗圖14-10 潛在變數命名與Object Properties對話框 圖14-10 潛在變數命名與Object Properties對話框 潛在變數由於是抽象構念，無法表示在Variables in Dataset視窗中，故潛在變數的命名必須點擊 圖示按鍵，再點擊欲命名的潛在變數圖框。（四）建立因果關係圖 （四）建立因果關係圖 內生變數須設定一誤差項，點選 圖示後，完成誤差項的設定。 由潛在變數指向觀測變數的單向箭頭中，系統會將最初指標的路徑係數固定為「1」，目的是以其作為衡量的基準。 （五）設定輸出結果與 執行計算 （五）設定輸出結果與 執行計算 可透過 圖示按鍵，設定所需的輸出結果或估計值，點選該按鍵後會出現Analysis Properties（分析屬性）對話框，選擇Output表單可勾選需要的輸出結果。 路徑圖繪製完成並設定輸出結果後可執行模型運算，點擊 圖示按鍵即開始執行估計值運算。 可將路徑圖複製到剪貼簿上。 在按下估計值計算時，有時會出現 n variable is unnamed，此時只要將未加上變數名稱的變數框加上變數名稱即可，但有時全部的變數名稱皆已設定變數名稱，但仍出現此訊息，此時，您可以按一下 鍵以縮小路徑圖，可能就會發現在隱藏的地方出現未命名的變數框，將之加以刪除後再執行估計值計算。 圖14-12 完整的結構方程模型繪製完成圖 圖14-12 完整的結構方程模型繪製完成圖 圖14-13 Analysis Properties對話框 圖14-13 Analysis Properties對話框 （六）顯示SEM運算結果 （六）顯示SEM運算結果 圖14-14 模型分析資訊視窗圖14-15 估計值顯示視窗 圖14-15 估計值顯示視窗 圖14-16 模型路徑圖與 未標準化估計值 圖14-16 模型路徑圖與 未標準化估計值 圖14-17 模型路徑圖與 標準化估計值圖14-17 模型路徑圖與 標準化估計值此AMOS輸出可將它貼在Word上，此圖稍作修改即可變成告的一部份。可先將所有觀測變數的衡量誤差加以刪除，留下衡量模型與因果模型的係數即可。 此外，可將SAFE、CON、WILL等潛藏變數，直接在英文字上貼上中文，這可完成中文化工作。 圖14-18 Amos Output視窗圖14-18 Amos Output視窗圖14-19 參數摘要表 圖14-19 參數摘要表 圖14-20 模型紀錄視窗 圖14-20 模型紀錄視窗 圖14-21 未標準化的 迴歸係數估計值圖14-21 未標準化的 迴歸係數估計值圖14-22 標準化的 迴歸係數估計值圖14-22 標準化的 迴歸係數估計值圖14-23 模型配合度指標摘要 圖14-23 模型配合度指標摘要 表14-3 行動加值服務的 衡量模型分析表 表14-3 行動加值服務的 衡量模型分析表 表14-4 行動加值服務的 結構模型分析表 表14-4 行動加值服務的 結構模型分析表 除了圖14-17與表14-3與表14-4外，所有AMOS還需報告卡方值與其它配合度的指標，在本例中，卡方值為37.668，df為17，P為.003，亦即模型不成立，此外，GFI為.885，AGFI為.757，皆代表觀察資料與理論模型並不配合。 從表14-3的CFA模型中，只有使用意願的模型較佳。 從表14-4的結構模型分析表中，可知兩個迴歸係數皆未達顯著水準，故而造成整個SEM模型並不配合的現象。在SEM模型中，模型不成立的情形相當普遍，除非研究主題是相當成熟的主題。第四節 路徑分析與結構方程模型範例第四節 路徑分析與結構方程模型範例一、學生期末成績的路徑分析 二、3G系統採用意願的路徑分析 三、CRM系統採用意願的路徑分析 四、其它範例 五、孤立感的結構方程模型圖14-24 影響期末成績的飽和模型路徑圖(標準化估計) 圖14-24 影響期末成績的飽和模型路徑圖(標準化估計) 一、學生期末成績的路徑分析表14-5 學生期末成績的飽和模型路徑係數分析表 表14-5 學生期末成績的飽和模型路徑係數分析表 圖14-25 影響期末成績的 修正模型路徑圖(標準化估計) 圖14-25 影響期末成績的 修正模型路徑圖(標準化估計) 表14-6 學生期末成績的 修正模型路徑係數分析表 表14-6 學生期末成績的 修正模型路徑係數分析表 表14-7 學生期末成績的飽和模型的效果分析表 表14-7 學生期末成績的飽和模型的效果分析表 飽和模型間接效果分析： 上機時間期初成績＝-.816*.-.920＝.752 電腦能力期末成績＝-.920*1.177＝-1.083 上機時間期末成績＝（-.816*.730＋-.030*1.177） ＋（ -.816*-.920*1.177）＝.254 表14-8 學生期末成績的 修正模型的效果分析表 表14-8 學生期末成績的 修正模型的效果分析表 修正模型間接效果分析： 上機時間期初成績＝-.816*.-.896＝.732 電腦能力期末成績＝-.896*.686＝-.615 上機時間期末成績＝-.816*-.896*.686＝.502 二、3G系統採用意願的 路徑分析二、3G系統採用意願的 路徑分析圖14-26 影響3G通訊系統採用意願的原始模型路徑圖 (標準化估計) 圖14-27 影響3G通訊系統採用意願的修正模型路徑圖(標準化估計) 圖14-27 影響3G通訊系統採用意願的修正模型路徑圖(標準化估計) 表14-9 3G通訊系統採用意願的 飽和模型路徑係數分析表 表14-9 3G通訊系統採用意願的 飽和模型路徑係數分析表 表14-10 3G通訊系統採用意願的 飽和模型的效果分析表 表14-10 3G通訊系統採用意願的 飽和模型的效果分析表 圖14-28 CRM績效的SEM 研究架構 圖14-28 CRM績效的SEM 研究架構 公司規模雖然不能直接影響CRM績效，但透過CRM實施程度，公司規模還是可以間接影響CRM績效。 三、CRM系統採用意願的 路徑分析表14-9 CRM實施績效的 結構模型分析表 表14-9 CRM實施績效的 結構模型分析表 表14-10 CRM實施績效的 結構模型分析表表14-10 CRM實施績效的 結構模型分析表圖14-29 工作績效的迴歸分析圖圖14-29 工作績效的迴歸分析圖四、其它範例— 工作績效的路徑分析模型 四、其它範例— 工作績效的結構方程模型四、其它範例— 工作績效的結構方程模型圖14-30 具有潛在變數的工作績效迴歸分析圖(1/2) 圖14-30 具有潛在變數的 工作績效迴歸分析圖(2/2) 圖14-30 具有潛在變數的 工作績效迴歸分析圖(2/2) 迴歸係數輸出可知四個潛在變數的衡量模型皆成立。 外生變數知識與價值觀對內生變數工作績效有顯著影響，但滿意度對績效則無顯著影響。圖14-31 學術表現與吸引力相互影響的非遞迴路徑模型(1/2) 圖14-31 學術表現與吸引力相互影響的非遞迴路徑模型(1/2) 四、其它範例— 工作績效的結構方程模型圖14-31 學術表現與吸引力 相互影響的非遞迴路徑模型(2/2)圖14-31 學術表現與吸引力 相互影響的非遞迴路徑模型(2/2)GPA愈高則學術表現愈佳、學術表現愈佳則表現愈有自信故愈有吸引力、評等愈高也愈有吸引力。 至於，身高與體重對吸引力則沒有顯著影響。圖14-32 孤立感的結構方程模型圖圖14-32 孤立感的結構方程模型圖五、孤立感的結構方程模型圖14-33 修正指標的參考輸出圖14-33 修正指標的參考輸出將eps1 <--> eps3加到模型中，至少可降低卡方值40.911，而形成模型B。圖14-34 未標準化的回歸係數估計值之輸出 圖14-34 未標準化的回歸係數估計值之輸出 圖14-35 eps1與eps3 關係分析之輸出圖14-35 eps1與eps3 關係分析之輸出加上eps1 <--> eps3後，可得到下列參數估計值，兩者間關係的共變數為1.886且達顯著水準，相關係數.382，這表示eps1與eps3兩者間確實有高度相關。 故模型A假設兩者間沒有相關，而造成模型不成立，但模型B加上兩者間的相關，而使得模型B成立。