本书所构建的测度模型通过区别效度、聚合效度检验，并且各变量间存在显著相关性，可以进入后续假设检验。假设检验则是采用结构方程模型分析进行。
结构方程模型分析也称为结构方程建模，是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，结构模型是对潜变量之间的关系进行描述的模型，其中的方程为结构方程，结构模型可以对理论模型中提出的各个潜变量（构念）之间的关系进行验证［100］。
结构方程可分为3大类分析：纯粹验证、选择模型与产生模型。本章研究属于产生模型分析，该分析指：先提出一个或多个基本模型，检查这些模型是否拟合数据；再基于理论或样本数据，分析找出模型中拟合欠佳的部分；通过同一数据或其他样本，检查修正模型的拟合度，对模型进行修改，整个分析过程的目的在于产生一个最佳模型。
在进行结构方程模型分析时，拟合优度指数（Fit Index）被用来判断模型是否与数据拟合，而拟合优度指数表示再生协方差距和样本协方差矩阵的差异。文献上先后出现的拟合指数多达40多种，其中被学者公认为最重要、最具代表性的指数主要包括［101］：
（1）χ2/df：χ2（Minimum Fit Functional Chi-square）值越小，说明实际矩阵和输入矩阵的差异越小，说明假设模型和样本数据之间拟合程度越好，一般建议χ2/df的值在3以下可以接受。
（2）GFI和AGFI：拟合优度指数（Goodness of Fit Index，GFI）和调整拟合优度指数（Adjusted Goodness of Fit Index，AGFI）反映了假设模型能够解释的协方差的比例，拟合优度指数越大，说明自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比越高。一般建议其值在0～1之间，越大越好。
（3）RMSEA和SRMSR：近似误差均方根（Root Mean Square Error of Approximation，RMSEA）和标准化残差均方根（Standardized Root Mean Square Residual，SRMSR）是测度输入矩阵和估计矩阵之间残差均值的平方根，数值越小则说明模型拟合程度越佳。一般RMSEA的值小于0.1、SRMSR的值小于0.08时，认为模型可以接受。
（4）NFI和NNFI：规范拟合指数（Normed Fit Index，NFI）和非规范拟合指数（Non-Normed Fit Index，NNFI）是测度独立模型与假设模型之间卡方值的缩小比例，一般被认为应该大于0.9。
（5）CFI：比较拟合指数（Comparative Fit Index，CFI）反映了独立模型与假设模型之间的差异程度，数值越接近1，则假设模型越好。该指数大于0.9，则模型被认为拟合程度较好。
本书使用以上8种拟合指数，判断验证性因素分析和结构方程模型的拟合优劣程度，拟合指数及其建议值如表2-12所示。
表2-12 模型拟合指数建议值
1.正面评论发表模型
运用AMOS 18.0软件，采用极大似然估计法对结构方程模型进行估计，其中外生变量之间的相关性设为自由相关，图2-4为正面评论发表原始模型的路径系数，表2-13为原始模型的拟合指数。
图2-4 正面评论发表模型：原始模型的路径系数
表2-13 正面评论发表模型：原始模型的拟合指数
从表2-13中可知，SRMSR=0.080刚好达到临界值，1＜χ2/df=2.716＜3，GFI=0.812＞0.8符合要求，其他指数均没有达到评价标准，模型总体适配度较为一般，可以尝试进行修正。
对模型的修正通常有2种方法，在理论分析的基础上：其一，利用AMOS的修正建议微调残差之间的相关关系；其二，根据路径检验结果，增加或删除变量间的路径关系，对模型进行修正。(www.xing528.com)
根据温忠麟、侯杰泰和林嵩的建议，在模型分析之后，我们对模型进行修正，删除不显著的路径，一次修改一条路径，将不显著的路径关系一一删除，并仔细观察相关指数的变化，避免同时操作多条路径可能造成的误差，最后得到模型的修正模型路径系数和拟合指数［102］［103］。
而从图2-4的路径系数来看，感知易用性与正面评论发表意愿之间的参数估计值未达显著（即p＞0.05）。在修正模型中可考虑将该条不显著的因果路径删除，最终得到修正模型的路径系数，如图2-5所示。
图2-5 正面评论发表模型：修正模型的路径系数
修正模型的拟合指数，如表2-14所示。参照模型拟合的标准，各项拟合指数都达到标准，可以认为模型拟合结果较好。
表2-14 正面评论发表模型：修正模型的拟合指数
2.负面评论发表模型
运用AMOS软件，采用极大似然估计法对结构方程模型进行估计，图2-6为负面评论发表原始模型的路径系数，表2-15为原始模型的拟合指数。
图2-6 负面评论发表模型：原始模型的路径系数
表2-15 负面评论发表模型：原始模型的拟合指数
从表2-15中可知，除了1＜χ2/df=2.533＜3符合要求，其他指数均没有达到评价标准，模型总体适配度较为不好，需要进行修正。为此，我们首先在理论分析的基础上，利用AMOS的修正建议微调残差之间的相关关系；其次删除不显著的路径关系，从图2-6可知只有感知易用性与负面评论发表意愿的路径关系不显著（β=0.042，p＞0.05），因此删除此路径，最终得到修正模型的路径系数，如图2-7所示。
图2-7 负面评论发表模型：修正模型的路径系数
修正模型的拟合指数，如表2-16所示。参照模型拟合的标准，各项拟合指数都达到标准，可以认为模型拟合结果较好。
表2-16 负面评论发表模型：修正模型的拟合指数
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
