测量模型的拟合度分析及结果

在构建测量模型之前，需要对数据进行KMO和Bartlett检验，检验结果如表5-2。KMO值为0.956，Bartlett相伴概率为0.000，其中KMO统计量值大于0.6，据此判断各变量有较高的相关度，数据可以用来做因子分析（夏怡凡，2010）。

表5-2　KMO和Bartlett检验

资料来源：作者研究整理所得。

为进一步验证测量数据能否用于结构方程分析，本书首先对模型的测量部分进行检验，在通过KMO和Bartlett检验之后，本书使用Mplus7构建测量模型，并将载荷系数较小的观测项进行了剔除，得到测量模型的拟合指标如表5-3。(www.xing528.com)

检验测量模型适配度是否契合（或者说对模型进行拟合评价）时，一般通过以下几个指标来进行：①卡方值与自由度的比值Chi-S/df。Chi-S/df值越小，说明假设模型的协方差矩阵与数据适配度越好；反之则反是。Carmines和McIver（1981）研究得出，假设模型的适配度在Chi-S/df小于2的范围内较好。②渐进残差均方和平方根RMSEA。RMSEA值越小，表示模型的适配度越好。Browne和Cudeck（1993）研究得出，模型适配度良好的RMSEA值在（0.05，0.08）范围。③良适性适配指标GFI。在结构方程分析中，GFI值是整个模型可以解释样本方差-协方差的程度。GFI值在（0，1）之间，在此范围内该值越大，说明模型的适配度越好；反之则反是。要使模型路径图与实际数据有良好的适配度，GFI的值必须在（0.90，1）之间（吴明隆，2010）^[2]。④非规准适配指数TLI。其值在（0，1）之间，在此范围内，该值越大表示模型适配度越好。⑤标准化残差均方根SRMR。其值在（0，1）之间，在此范围内，该值越小说明模型的拟合程度越好。学术界推荐的标准是SRMR要小于0.05，表示模型拟合理想。从表5-3中看出，卡方自由度比值Chi-S/df为1.545 2＜2（理想）；渐进残差均方和平方根RMSEA值为0.061＜0.08（合理）；标准化残差均方根SRMR的值为0.048＜0.05（理想）；增值适配度指数中GFI与TLI的值分别为0.911、0.904，均大于0.9（理想），说明假设理论模型与数据的拟合度很好，可以接受。

表5-3　测量模型拟合指标

资料来源：作者研究整理所得。