地理商标计量模型的验证性因子分析

　　ＡｎｄｅｒｓｏｎａｎｄＧｅｒｂｉｎｇ（１９８８）认为,在测试结构方程模型之前,研究者首先应该评估它的测量模型（验证性因子分析）,即验证性因子分析（ＣｏｎｆｉｒｍａｔｏｒｙＦａｃｔｏｒＡｎａｌｙｓｉｓ,ＣＦＡ）是检验结构方程（ＳｔｒｕｃｔｕｒａｌＥｑｕａｔｉｏｎＭｏｄｅｌ,ＳＥＭ）研究的基础和前提.这个两阶段分析程序被其后的许多学者应用在营销研究领域,现在已被大家所广泛接受和认可.验证性因子分析用以描述观测指标如何反映潜变量和假设构念,测量观测指标的信度和效度,也可用以描述潜变量与观测变量的关系.小编使用ＬＩＳＲＥＬ８．８０软件极大似然估计程序（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄ,ＭＬ）,以表６．８中的相关系数矩阵作为输入矩阵,对图６．１模型中的４个潜变量进行验证性因子分析,可得到表６．９的数据结果.关于模型是否与数据拟合的问题,其核心是比较再生协方差Ｅ和样本协方差Ｓ的差异.大多数基于拟合函数的拟合指数反映这两个矩阵之间的差异.一般评判计量模型和数据的拟合指标有１３个,具体见表６．９.拟合指标可以鉴定验证模型和数据的拟合程度.关于这些指标的识别,有以下两个看法:
　　（１）一般情况下,常用的估计方法得到χ２渐近服从卡方分布.给定显著水平,如果χ２值大于对应的临界值,表示Ｅ和Ｓ差异过大,模型和数据拟合不好;反之,如果χ２值小于对应的临界值,表明模型与数据拟合较好.χ２检验是测量验证模型（ｈｙｐｏｔｈｅｓｉｚｅｄｍｏｄｅｌ）和协方差没有约束的替代模型之间的似然统计值.通常依据ｐ值的经验法则（一些研究者使用ｐ值小于０．０５,或者更大的标准０．１０）来决定是否拒绝验证模型.然而,χ２检验对样本量大小的敏感性提出了一些潜在的问题.也就是说,随着样本量的增加,拒绝验证模型（不管这个模型是真或假）的概率随之增加.所以,显著的χ２检验可能拒绝了对样本量敏感的验证模型而接受了一个无效模型（ｉｎｖａｌｉｄｍｏｄｅｌ）（ＢａｇｏｚｚｉａｎｄＹｉ,１９８８）.在实际的研究中,一般不把它作为拒绝验证模型的关键指标（ＬｉｎａｎｄＨｓｉｅｈ,２０１１;Ｓｏｈｅｔａｌ．,２００９）.因此,在模型比较中,许多学者提出χ２／ｄｆ更有参考价值.关于χ２／ｄｆ值在多大的范围内模型和数据拟合比较好的问题,存在较大争议.ＣａｒｍｉｎｅｓａｎｄＭｃＩｖｅｒ（１９８１）认为,χ２／ｄｆ值在２．０～３．０之间,模型和数据的拟合程度是可以接受的.侯杰泰等（２００４）认为,当χ２／ｄｆ值在２．０～５．０之间时,可以接受模型.
　　（２）近似误差（ＥｒｒｏｒｏｆＡｐｐｒｏｘｉｍａｔｉｏｎ）指数包括ＳＲＭＲ、ＲＭＲ、ＲＭＳ、ＲＭＳＥＡ、ＭＳＥＡ和ＲＭＳＥＡＰ.一般来说,近似误差指数越小越好.通常情况下,使用的评价指标是ＳＲＭＲ、ＲＭＲ和ＲＭＳＥＡ.ＨｕａｎｄＢｅｎｔｌｅｒ（１９９８）的研究发现,标准化残差均方根（ＳＲＭＲ）对误设模型敏感,推荐的界值是０．０８,即当ＳＲＭＲ大于０．０８时,模型拟合得不好.ＲＭＲ反映残差的大小,其值越小,表示模型的适配越佳.若分析矩阵为相关矩阵,则ＲＭＲ必须低于０．０５,最好低于０．０２５;若以协方差矩阵作为分析矩阵,可依标准化ＲＭＲ（ＳＲＭＲ）,其值应小于０．０５.近似均方根残差（ＲＭＳＥＡ）被人们广泛使用,与ＲＭＲ相比,ＲＭＳＥＡ受样本量Ｎ的影响较小,对参数过少的误设模型稍微敏感一些（ＭａｒｓｈａｎｄＢａｌｌａ,１９９４）.Ｓｔｅｉｇｅｒ（１９９０）认为,ＲＭＳＥＡ低于０．１表示好的拟合,低于０．０５表示非常好的拟合,低于０．０１表示非常出色的拟合.相对拟合指数（ｃｏｍｐａｒａｔｉｖｅｆｉｔｉｎｄｅｘ）是通过将理论模型（Ｍｔ）和基准模型（ｂａｓｅｌｉｎｅｍｏｄｅｌ）比较得到的统计量.考虑到一系列嵌套（ｎｅｓｔｅｄ）模型（ＢｅｎｔｌｅｒａｎｄＢｏｎｅｔｔ,１９８０;林文莺和侯杰泰,１９９５）Ｍｎ......Ｍｔ......Ｍｓ,其中Ｍｎ为虚模型（ｎｕｌｌｍｏｄｅｌ）,是限制最多、拟合得最不好的模型,Ｍｓ为饱和模型,拟合程度最好,Ｍｔ介于两者之间.相对拟合指数就是将理想模型与虚模型进行比较,看看拟合程度改进了多少.相对拟合指数一般常用的指标有７个,即规范拟合指数（ＮＦＩ）、不规范拟合指数（ＮＮＦＩ）、比较拟合指数（ＣＦＩ）、增量拟合指数（ＩＦＩ）、拟合优度指数（ＧＦＩ）、调整后的拟合优度指数（ＡＧＦＩ）和相对拟合指数（ＲＦＩ）.这些指标的取值范围是０～１.学术界一般认为,这７个指标大于０．９０,就表明模型和数据的拟合程度比较好.从表６．９中的数据可以看到,除了χ２／ｄｆ值不在理想的界值内,所有指标都在规定的模型与数据拟合较好的数值范围内,ｐ值大于０．１,ＮＦＩ、ＮＮＦＩ、ＣＦＩ、ＩＦＩ、ＧＦＩ、ＡＧＦＩ、ＲＦＩ这７个指标均大于０．９０,尤其残差均方根（ＲＭＲ）小于０．０２５,近似均方根残差（ＲＭＳＥＡ）小于０．０１,说明概念模型与数据的拟合程度很高.
　　ＢａｇｏｚｚｉａｎｄＹｉ（１９８８）认为重要的模型基本适配标准是:①不能有负的误差方差;②误差方差必须达到显著性水平;③估计参数之间的相关绝对值不能太接近１;④因子负荷量不能太低（＜０．５）或太高（＞０．９５）;⑤不能有很大的标准误（ＢａｇｏｚｚｉａｎｄＹｉ,１９８８）.当不符合上述标准时,表示模型可能有系列误差（ｓｐｅｃｉｆｉｃａｔｉｏｎｅｒｒｏｒ）、辨认问题或输入有误;当符合上述标准时,方可检验整体模型拟合标准及模型内在结构拟合程度.通过计算结果输出的数据可以看出,验证性因子分析的结果符合ＢａｇｏｚｚｉａｎｄＹｉ（１９８８）提出的模型基本适配标准,结合构念测量的可靠性分析和有效性分析,以及计量模型和数据之间的拟合指标,可以进行概念模型的结构方程分析.另外,关于各变量之间的共线性问题,在相关系数矩阵表６．８中,最高者为０．７６９,未大于０．８,说明共线性问题不是非常严重.

【联创财税:】专业为广大西安企业及创业者提供注册公司、代理记账、公司(工商)注册、商标注册、公司变更、公司注销、税务筹划等专业财税服务，为您解答各种工商财税疑难问题，如有需要，欢迎来电咨询办理！服务热线:180-4900-5268(同微信)，免费创业辅导。
本文地址: https://www.sxlccs.com.cn/shangbiao/32614.html