三、结构方程模型分析

三、结构方程模型分析

结构方程模型也叫潜变量模型，是一种多元统计建模分析方法。结构方程分析可用来同时处理多个因变量，并可比较及评价不同的理论模型。在结构方程模型中，我们可以提出一个特定的因子结构，检验它是否和数据吻合。也可进行结构方程的多组分析，比较各组别内的关系是否能够保持不变，各因子的均值是否具有显著差别（侯杰泰、温忠麟、成子娟，2004）[24]。

（一）样本数要求和数据输入

在分析结构方程之前，应检查样本数是否符合进行分析的要求。Anderson 和Gerbing（1988）认为100-150是最低标准；Shumacker和Lomax（1996）认为样本容量在200-500间比较合适；Marsh,Hau,Balla和Grayson（1998）以及Marsh和Hau（1999）证实如果观察变量和因子数之比为3或4，则样本量至少为100，如果该比值大于或等于6，则只需要50个样本就足够了；Bentler和Chou（1987）指出：如果变量成正态分布，则每个变量配5个样本足够，如果是其他分布，则每个变量需要10个样本；Bagozzi（1980）认为，样本数减去待估计的参数个数应大于50；如果是采用极大似然法来估计，样本数最少应该在100-150之间（Ding, Velicer, and Harlow, 1995）。本研究的样本容量为113，符合要求。

（二）结构方程模型的评价

本研究将用结构方程模型来检验各变量间的关系，并了解企业的所有权、产业性质、企业所在地理区域等背景变量对模型变量关系的影响。研究中将用结构方程模型的分析软件LISREL8.70,进行数据的分析处理，用最大似然法（ML）对模型参数进行估计，而且将根据Bagozzi & Yi（1988）提出的模型评估的三个标准：基本拟合标准（preliminary fit criteria）、整体模型拟合优度（overall model fit）、模型内在结构拟合优度（fit of internal structure of model）三个方面评价模型的拟合度。基本要求如下：

1．基本拟合标准

该标准用于检验模型的误差和是否存在误输入的情况，通常从以下四个方面来检验。

（1）不能有负的测量误差；

（2）测量误差必须具有显著性；

（3）因子载荷值必须在0.5～0.9之间；

（4）不能有很大的标准误差。

2．整体模型拟合优度

整体模型拟合优度用来评价模型与数据的适配程度，通常用三类指标描述：

（1）绝对拟合度

绝对拟合度（absolute fit measures）是将理论模型（Mt）和饱和模型（Ms）[25]比较得到的一个统计量，常用的衡量指标有卡方统计值（x2）、近似误差均方根（Root Mean Square Error of Approximation,RMSEA）、标准化残差均方根（Standardized Root Mean square Residual, SRMR）、拟合优度指数（Goodness of Fit Index, GFI）、修正的拟合优度指数（Adjusted Goodness of Fit Index, AGFI）四种指标。Hu & Bentler(1995)认为四种指标在不同的情况下各有误差存在，侯杰泰等（2004）认为其中，RMSEA受样本数量N的影响较小，是较好的绝对拟合指标。

（2）相对拟合度

相对拟合度（comparative fit measures）是通过将理论模型（Mt）与基准模型（baseline model）[26]比较得到的统计量。简单地说，相对拟合指数是将理论模型与虚模型进行比较，考察拟合程度改进了多少。常用的衡量指标有基准拟合指数（Normed Fit Index,NFI）、调整的基准拟合指数（Non-normed Fit Index, NNFI）、相对拟合指数（Comparative Fit Index, CFI）等。

（3）简约拟合度

简约拟合度（parsimony fit indices）是在拟合指数中引入简约原则，以惩罚参数多的模型（Bentler & Moojaart, 1989； McDonald & Marsh, 1990； Mulaik et al., 1989）。常用的衡量指标有简约基准拟合指数（Parsimony Normed Fit Index, PNFI）和简约拟合优度指数（Parsimony Goodness of Fit Index, PGFI）等，具体的评价要求见表4-16。

表4-16　整体模型拟合优度

img50

本研究将采用上述指标对所构建的理论模型进行模型的拟合检验。

3．模型内在结构拟合度

模型内在结构拟合度是用来评价模型内估计参数的显著程度、各指标和潜在变量的信度等的指标。主要包括：1.组合变量的组成信度（Composite Reliability, CR）。达到0.7以上较好，0.6为下限（Bagozzi and Yi, 1988; Fornell and Larcker, 1981)。2.平均变异抽取量（Average Variance Extracted, AVE）[27]。0.5以上为可以接受的水平。

需要说明的是，本研究将根据Anderson and Gerbing（1988）等学者的建议，采用两段法对研究模型进行分析。第一阶段，对每一个研究变量及其测量指标进行信度、效度分析，确定模型中每个研究变量的信度、效度水平。如果信度、效度的研究没有达到理想水平，则将对测量指标进行调整，直到符合理想的标准。第二阶段，将在第一阶段的基础上，将研究变量的多个测量指标缩减为少数或一个测量指标，并运用LISREL进行模型分析。