通過檢查AG 繪圖區(qū)域左邊能查看模型運行的是否成功。Wheaton 模型運行后考慮下列彈出的屏幕：
輸出的底部顯示卡方值為76.10 ，自由度為6。檢驗整體擬合的數(shù)據(jù)模型的統(tǒng)計檢驗。這個檢驗統(tǒng)計量檢驗數(shù)據(jù)的總體模型擬合，檢驗下的原假設是模型擬和數(shù)據(jù)，所以這個檢驗希望發(fā)現(xiàn)較小的，非顯著的卡方值?？ǚ侥Ｐ蛿M合統(tǒng)計量的顯著性檢驗在下一部分描述。
評估整體擬合模型
到目前為止，看見的輸出結(jié)果都不包含統(tǒng)計顯著性檢驗。AMOS產(chǎn)生這樣的檢驗。它們存儲在數(shù)據(jù)表文件中。通過選擇View Table Output 工具能訪問這個輸出。
出現(xiàn)的表在窗體的左邊包含一欄輸出分類，窗體的右邊是空白區(qū)。當為呈現(xiàn)選擇一個特殊的輸出子集時，它在右邊的空間內(nèi)出現(xiàn)?？紤]輸出的Notes for Model 部分。
每次AMOS分析完成后，應該總是檢查AMOS輸出的Notes for Model 部分，因為AMOS呈現(xiàn)這部分輸出中的大部分錯誤和告警信息。在上面的輸出顯示中，AMOS報告取得最小值，沒有錯誤或告警。報告絕對模型擬合的卡方檢驗，及自由度和概值。這些結(jié)果的解釋細節(jié)在下面進一步的討論。
這部分輸出結(jié)果沒有錯誤或告警意味著進入下一個感興趣的輸出部分，F(xiàn)it Measures，是安全的。
Fit Measures輸出包含五列。第一列顯示擬合測量的名稱。第二列為默認模式，包含AG路徑圖中定義的模型擬合統(tǒng)計量。
接下來兩列為飽和模型和獨立模型，參考兩個基線或由AMOS作為部分分析自動擬合比較模型。飽和模型包含與可利用的自由度或輸入到分析中一樣多的參數(shù)估計。這樣，飽和模型是由AMOS擬合限制最少的模型。相反，獨立模型是能被擬合的限制最多模型之一：它只包含觀測變量方差的估計。換句話說，獨立模型假設觀測變量間所有關系是零 。
絕對擬合檢驗
整體擬合模型的卡方檢驗在輸出窗口中用Discrepancy 表示。它的值是 76.102 帶6個自由度，如果模型擬合數(shù)據(jù)的原假設是真實的，偶爾獲得大的或較大卡方值，返回的概率小于 0.001。
自由度為6表示模型過度識別的水平。由前面的公式，有6個觀測變量，所以有 [6(6+1)]/2 = 21可利用的自由度。有6個殘差估計，3個因子方差，3條路徑系數(shù)和3個因子載荷共有15個估計參數(shù)。21個自由度-15個估計參數(shù)＝整體擬合模型的卡方檢驗的6個可利用的自由度。
因為卡方檢驗的概值小于平常使用的0.05水平，應該拒絕模型擬合數(shù)據(jù)的原假設。這個結(jié)論對希望使用本例數(shù)據(jù)擬合模型的研究者來講不是一個好消息。
相對擬合檢驗
因為絕對模型擬合的卡方檢驗對樣本量和輸入變量分布的非正態(tài)性敏感，研究者常常求助于各種描述擬合統(tǒng)計量評估整體擬合模型的數(shù)據(jù)。在這個框架中，模型可能在一個絕對的基礎上被拒絕，然而研究者還是主張一個規(guī)定的模型以一定量勝過一些其它基本模型。換句話說，研究者在本文中做的爭論是他們選擇的模型實際上不如一個基本模型，有代表性是獨立模型。然而，與其它模型相比，執(zhí)行良好的簡約模型可能具有實質(zhì)性的影響。
例如，塔克-劉易斯指數(shù) (TLI) 和比較擬合指數(shù)(CFI) 把獨立模型的絕對擬合與定義模型的絕對擬合進行比較。兩個模型的整體擬合差距越大，這些描述統(tǒng)計量的值越大。
輸出窗口有一個單獨區(qū)域顯示過渡節(jié)儉調(diào)整擬合統(tǒng)計量（parsimony adjusted）。這些擬合統(tǒng)計量類似于多重回歸分析中的調(diào)整R2 ：過渡節(jié)儉擬合統(tǒng)計量用很多的估計參數(shù)和少量的剩余自由度懲罰大模型。
擬合輸出包含一大系列模型擬合統(tǒng)計量。都是設計為檢驗或描述整體模型擬合。研究者根據(jù)他或她偏愛來選擇報告的擬合統(tǒng)計量。常用的報告擬合統(tǒng)計量是卡方(Discrepancy)，自由度 (DF), 概值(P), 塔克-劉易斯指數(shù) (TLI), 和近似均方根誤差 (RMSEA)和置信區(qū)間的上下界。通過Tools, Macro 菜單也有標準殘差均方根(Standardized RMR)，但是重要的一點是擬合指數(shù)只是比較數(shù)據(jù)時才可用 (它不會顯示包含缺失數(shù)據(jù)的數(shù)據(jù))。
這些擬合統(tǒng)計量都有各種經(jīng)驗法則存在。這些經(jīng)驗法則隨統(tǒng)計學家新公布的模擬研究而改變。它是各種擬合測量行為的更深一步的文檔?？ǚ綑z驗是模型擬合的絕對檢驗：如果概值 (P) 低于0.05，模型被拒絕。其它擬合測量用于描述。Hu和Bentler (1999) 推薦RMSEA 值低于0.06 ，TLI值為0.95 或更高。因為這個模型的RMSEA是0.11，TLI是0.92，按照描述的擬合測量標準，模型擬合的不是很好。
Fit Measures表的最后一欄為宏（Macro ），包含F(xiàn)it Measures表中由AMOS報告的各種擬合統(tǒng)計量對應的宏變量名。如果想顯示擬合指數(shù)作為AMOS路徑圖輸出的一部分，這些宏變量可以定義為路徑圖的一部分。例如，使用CMIN 宏變量在路徑圖中顯示擬合模型的卡方 。通過從AMOS工具欄中選擇Title按鈕，宏變量可用于路徑圖的標題。
用于產(chǎn)生整體模型擬合的卡方檢驗的差異擬合函數(shù)的公式和描述模型擬合的統(tǒng)計量可以在AMOS手冊中找到，也可以在AMOS程序幫助文件中找到。
修正模型獲得較好的擬合優(yōu)度
擬合模型與原模型一樣是很少見的。有時要獲得較好的擬合模型，必須要修改模型。AMOS允許在總體模型擬合中對增加到模型的每個可能的路徑使用修正指數(shù)產(chǎn)生期望減少的卡方。 需要輸出修正指數(shù)，在Analysis Properties窗口的Output項中選擇Modification Indices復選框。
View/Set
Analysis Properties
Output
Threshold for Modification Indices （修正指數(shù)門檻）允許指定卡方水平的改變需要包含在修正指數(shù)輸出中的路徑。預設值是4.00 ，因為稍微超過一個自由度卡方分布的臨界值3.84。增加一個參數(shù)估計應導致模型卡方至少減少3.84。修正指數(shù)出現(xiàn)在下面。
所有可能的方差都被估計，所以在修正或修訂模型中沒有被估計的非模型方差。這樣，方差部分不包含模型修正信息。然而，合并到重新定義模型中的可能的回歸權(quán)重和協(xié)方差可能導致模型擬合卡方檢驗統(tǒng)計量的實質(zhì)改變。
最大修正指數(shù)出現(xiàn)在殘差協(xié)方差的前四對中。例如，如果想用增加協(xié)方差辦法重新定義模型然后再擬合模型，e4 和 e6 的協(xié)方差為0.901。再擬合模型的整體擬合卡方檢驗應該大約是30.127 ，小于前一個模型的76.102。
在修正模型中允許四對誤差協(xié)方差被估計嗎？從修正模型指數(shù)結(jié)果的來看，答案是“可以的”，但在進一步處理前，重新考慮模型修正固有的概念是明智的。理解什么時候基于修正指數(shù)的輸出修正模型是重要的。您是:
1.重新定義模型
2.基于樣本—因變量的結(jié)果重新定義模型
任何時候重新定義或修改模型，都會在某種程度上間接地改變它的意義。在許多情況下， 界定模型的改變導致替選模型的真實含義的變更是微不足道或不重要，但在另一些情況下，從理論觀點來看界定模型預示模型的含義必須轉(zhuǎn)換。所以，思考被提議的模型和詢問自己改變的模型是否與研究目的一直是非常重要的。
當修改模型時另一個考諒是重點考慮依靠經(jīng)驗數(shù)據(jù)而不是理論數(shù)據(jù)幫助定義模型?；诮?jīng)驗修正合并到最終模型越多，模型復制新樣本數(shù)據(jù)越少。為此，應該基于理論及經(jīng)驗結(jié)果提出修正指數(shù)修改模型。
從實際考慮，值得一提的是只有當完整數(shù)據(jù)輸入到程序中時，AMOS才提供輸出的修正指數(shù)。換句話說， 當AMOS使用缺失數(shù)據(jù)時不能獲得修正指數(shù)信息。
能將這些原理用于當前例子的模型嗎？可以。檢查模型，能看見有兩種重復測量的手段：測量1967和1971年的無價值感和無力感。因為這些數(shù)據(jù)來自相同的研究參與者，得出1967年無價值感和1971年無價值感有共享方差似乎是可信的，它不是由當前模型獲取的。類似地，也可以共享1967年無力感 和 1971年無力感方差，它也不是當前模型考慮的。
能關聯(lián)這兩組變量的殘差合并這些共享方差到模型中。要關聯(lián)殘差，返回AG窗口選擇由雙箭頭表示的Draw Covariances工具。
在1967年無價值感的誤差項e3和1971年無價值感的誤差項e5間拖動相關系數(shù)。對無力感殘差重復這個過程。
提示：通過使用形狀改變工具改變相關線條中曲線的大小
修正模型顯示如下。
當模型運行時AMOS 顯示這個結(jié)果：
包含兩個相關殘差導致模型擬合卡方從76.1 到7.8實質(zhì)性地下降。注意卡方檢驗的自由度從6個自由度降為4個自由度。有兩個自由度的改變，因為模型的每個參數(shù)估計消費了一個自由度；因為在修正模型中包含兩個新參數(shù) (兩個殘差相關系數(shù))，新模型保留兩個較少的自由度。
由AMOS產(chǎn)生的模型擬合表現(xiàn)是如下：
4個自由度的卡方7.817 在0.05水平下是不顯著的：它的p-值是0.099。 這一發(fā)現(xiàn)表明模型擬合接受Wheaton 等提取的總體樣本中數(shù)據(jù)。確鑿的證據(jù)由RMSEA擬合統(tǒng)計量提供——所獲得的0.032明顯地低于分界點0.06。類似地，0.993 的塔克-劉易斯指數(shù)是大大高于表示模型擬合滿意的極限值0.95。
一旦獲得擬合良好與理論上一致的模型，就可以解釋參數(shù)估計和每個參數(shù)估計的獨立顯著性檢驗。AMOS提供兩種方法檢驗參數(shù)估計。一種方法使用路徑圖輸出可視化參數(shù)估計，而另一個途徑使用類似包含總體模型擬合統(tǒng)計量的表格。
瀏覽路徑圖輸出
在AG窗口的頂端有個緊挨著向下箭頭的向上箭頭。
點擊向上箭頭使AMOS顯示參數(shù)估計。 非標準化和標準化估計可通過點擊適當?shù)倪x項選擇。標準估計顯示在下面的圖中。
點擊向下箭頭返回AG 畫面，在這里能修改現(xiàn)存模型然后再次運行它，或能打開一個新模型或預存的模型文件。當點擊向下箭頭時，下列參數(shù)顯示為輸出的一部分。
與每個路徑相關聯(lián)的值是標準化的回歸系數(shù)。這些值表示X改變一個標準差時Y 的改變量。(對應的非標準化系數(shù)表示X 改變一個單位時Y的改變量 )。
在變量上部，AMOS也輸出表示因變量或中間變量的R2 。例如，Anomia67的是0.62。雖然在預設顯示中AMOS非常有序地將系數(shù)布置好，但移動特殊的參數(shù)估計以便出現(xiàn)較少的堆積和更容易解釋有時也是必須的。在輸出圖中要移動參數(shù)，使用Move Parameter工具。
在不需要的變量上選擇工具和移動鼠標直到變量出現(xiàn)紅色。然后在希望的地方點擊并拖動鼠標以便參數(shù)顯示的更適當。在現(xiàn)在的路徑圖中一個較好的選擇是潛變量Alienation 1967的R2 為0 .39 。通常，它被SES到Alienation 1967的路徑覆蓋。通過路徑對象的右邊稍微拖動參數(shù)估計對象， 能看見0.39 沒有被阻擋。
AMOS的一個優(yōu)良特征是它的高質(zhì)量的繪圖輸出。復制它到剪貼板上，能得到這個輸出。然后把它插入到字處理器中，例如微軟Word 或PowerPoint。
模型有幾個感興趣的特征值得注意。首先包含潛在（非觀測）變量和顯在（觀測）變量。其次，包括用單項箭頭表示潛在變量間的因果關系，和相關系數(shù)或幾個殘差間雙向關系。雙向箭頭分別表示連接e3 ， e5和 e4 ， e6。如上討論，因為兩個無價值感和無力感測量是一樣的，是相同的研究參與者不同時間的測量。殘差間相關系數(shù)說明附加的共享方差。
獨立參數(shù)的顯著性檢驗
AMOS輸出也顯示非標準和標準回歸系數(shù)。非標準系數(shù)和相關檢驗統(tǒng)計量出現(xiàn)在下面。非標準回歸系數(shù)表示自變量改變一個單位因變量或中間變量的改變量。例如，圖中數(shù)據(jù)顯示在SES中每增加1個單位， 1967年的疏離感下降-0.726。
這張表顯示非標準估計，標準誤 (簡寫為 S.E.), 和估計除以標準誤 (臨界比率，簡寫為 C.R. )。與檢驗是零的原假設關聯(lián)的概值顯示在P列。模型中的所有回歸系數(shù)在0.01水平下與零有顯著性差別。
標準估計允許評估結(jié)果變量對預測變量的相對貢獻。擬合模型的標準估計顯示如下。
在這個例子中標準和非標準系數(shù)沒有太大的差別，可能是因為單位是由調(diào)查測量項而來。相反，錄入到相同模型不同測量尺度的變量輸出的標準和非標準回歸系數(shù)有明顯的差別。
|
