适配度评估方法与结构模型分析

结构模型适配度评估是检验假设的理论模型与调研数据一致性程度、两者之间是否相互适配、理论建构阶段所界定的因果关系是否成立。因本书模型中的潜在变量是由两个以上的观察变量测量得出的，因此对各潜在变量之间的因果关系判定要通过潜在变量路径分析（Path Analysis with Latent Variables；即PA-LV模型）。结构方程模型如图7-2所示。

图7-2中的习惯作为调节变量是为了判断其对持续意愿与持续行为之间是否具有调节作用，它的测量指标是根据潜变量交互效应^[16]，即习惯与持续意愿两个潜变量之间配对乘积“因素负荷量大配大，小配小”的原则得到的，只要估算习惯调节与持续行为之间的路径系数是否显著就可以判断持续意愿与持续行为之间是否具有调节作用。根据构建的结构方程模型，利用AMOS 22.0对模型进行估算，并将两次调研的数据导入模型中，其结果如表7-21所示。

图7-2　结构方程模型图

表7-21　研究假设检验结果

(www.xing528.com)

续表

注：*表示在0.1水平下通过显著性检验，**表示在0.05水平下通过显著性检验，***表示在0.01水平下通过显著性检验，ns表示不显著。

结构方程模型评估的拟合指标如表7-22所示，结构模型分析的整体适配度主要从三个方面的指数进行检验，即绝对适配度指数、增值适配度指数和简约适配度指数，主要的关键指标有卡方值χ2、残差均方和平方根RMSEA、适配指数GFI、调整后适配指数AGFI等相应指数，从表7-22可以看出尽管存在某些指数不满足适配标准，如后测数据进行结构方程模型分析的RMR值为0.056，超过适配标准0.05，但考虑其属于临界边缘，属于可接受范围内，χ2自由度比两次的检验结果均超过适配标准自由度比2.0，但其满足较宽松的规定值5.0^[17]，其他适配度指数RMSEA＜0.08、GFI＞0.90以上、AGFI＞0.90以上等指标均满足适配标准，表明构建的结构方程模型具有良好的拟合度，模型可以接受。

表7-22　结构模型分析的整体模型适配度检验摘要表