查看: 1277|回复: 2
阅读权限20威望0 级论坛币54 个学术水平2 点热心指数0 点信用等级0 点经验252 点帖子27精华0在线时间95 小时注册时间最后登录
积分 131, 距离下一级还需 14 积分
权限: 自定义头衔
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
各位前辈们，本人遇到标准化后的路径系数大于1的情况，不知道大家遇到这种情况后都是怎么解决的
载入中......
阅读权限100威望4 级论坛币69515 个学术水平322 点热心指数181 点信用等级255 点经验36844 点帖子1136精华在线时间811 小时注册时间最后登录
积分 5970, 距离下一级还需 4210 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶, 变色卡下一级可获得
权限: 签名中使用代码
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
该软件里常用的方法包括：（如果您的数据预处理没有太大问题的话）参数约束的办法，这要根据模型或理论依据而定，例如最简单的可以限定某些路径的系数等等，更精确一点的方法是贝叶斯中的蒙特卡洛模拟等等。可以尝试一下
阅读权限26威望0 级论坛币2052 个学术水平0 点热心指数0 点信用等级0 点经验11522 点帖子262精华0在线时间184 小时注册时间最后登录
积分 555, 距离下一级还需 245 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
哼哼签到天数: 86 天连续签到: 1 天[LV.6]常住居民II
潜变量之间，可以限定其中某一个的系数吗？急求解
论坛好贴推荐查看: 1265|回复: 5
阅读权限16威望0 级论坛币0 个学术水平0 点热心指数0 点信用等级0 点经验115 点帖子8精华0在线时间12 小时注册时间最后登录
积分 29, 距离下一级还需 16 积分
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡下一级可获得
道具: 显身卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
这个是模型
17:02:25 上传
路径系数估计的结果
17:02:25 上传
求问这是为啥诶？
是不是模型自身的问题？
如果是模型的问题 应该怎么解决？
怎么才能保证模型可以识别 路径系数可以估计？
一共有7个潜变量
4个内生变量
3个外生变量
对应的可测变量个数分别是：
小弱弱求助各位大神赐教{:soso_e154:}
载入中......
阅读权限24威望0 级论坛币863 个学术水平13 点热心指数21 点信用等级15 点经验3750 点帖子126精华0在线时间46 小时注册时间最后登录
积分 295, 距离下一级还需 155 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
苦逼签到天数: 46 天连续签到: 1 天[LV.5]常住居民I
问题出在“测量模型”上。
在每组“可测变量”和“潜在变量”（无论内外生）之间的“箭头”上，固定其中一个“箭头”为系数为1。否则“测量模型”无法识别。
建议用amos自带的绘制测量模型的工具，绘制测量模型，可以保证其中一个系数固定为1。
阅读权限16威望0 级论坛币0 个学术水平0 点热心指数0 点信用等级0 点经验115 点帖子8精华0在线时间12 小时注册时间最后登录
积分 29, 距离下一级还需 16 积分
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡下一级可获得
道具: 显身卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
timothyjshi 发表于
问题出在“测量模型”上。
在每组“可测变量”和“潜在变量”（无论内外生）之间的“箭头”上，固定其中 ...嗯嗯 谢谢
阅读权限28威望0 级论坛币1128 个学术水平9 点热心指数29 点信用等级4 点经验2946 点帖子643精华0在线时间250 小时注册时间最后登录
积分 1166, 距离下一级还需 209 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
本帖最后由 buzaichenzui 于
08:25 编辑 timothyjshi 发表于
问题出在“测量模型”上。
在每组“可测变量”和“潜在变量”（无论内外生）之间的“箭头”上，固定其中 ....................................
阅读权限10威望0 级论坛币0 个学术水平0 点热心指数0 点信用等级0 点经验49 点帖子4精华0在线时间3 小时注册时间最后登录
积分 9, 距离下一级还需 1 积分
权限: 设置帖子权限
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板下一级可获得
道具: 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
同上，我的也是，求高手指点
阅读权限16威望0 级论坛币5 个学术水平0 点热心指数0 点信用等级0 点经验1310 点帖子12精华0在线时间14 小时注册时间最后登录
积分 32, 距离下一级还需 13 积分
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡下一级可获得
道具: 显身卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
无聊签到天数: 18 天连续签到: 1 天[LV.4]偶尔看看III
凉夏91 发表于
嗯嗯 谢谢我用的AMOS自带的工具绘制的，每个潜在变量都有一个系数固定为1，但是还是出现和楼主相同的问题，不知道还有什么可能会导致这个问题啊？
论坛好贴推荐您所在位置： &
 &  & 
LISREL结构模型的统计诊断问题.pdf48页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：160 &&
你可能关注的文档：
··········
··········
北方交通大学
硕士学位论文
LISREL结构模型的统计诊断问题
姓名：张玲
申请学位级别：硕士
专业：应用数学
指导教师：柳金甫
LISREAL结构模型的统计诊断问题
LISREL线性结构方程式模型可对不能通过直接观测得到的潜
在因子之间的关系作分析，这是传统的统计方法所不能做到的。因
此，LISREL模型在医学、教育心理学、生物学以及经济学等领域
都有着广泛的应用。本文对LISREL线性结构方程式模型进行了统
计诊断方面的初步的研究，阐述了LISREL模型在统计诊断方面的
参数估计及其性质。
我们对LISREL结构模型在统计诊断方面进行了研究，获得主
1.用广义逆的方法求出了LISREL结构模型的参数估计及其
相应性质。首先我们将一元的LISREL结构模型推广到多元自变量
多元因变量的情形。由广义逆的基本性质得出任意两矩阵之差的广
义逆公式，从而得出了LISREL结构模型的系数的广义LS估计及
参差公式。
2 我们讨论了数据删除模型，得出了其参数估计与原模型相
应参数估计间的关系式，并指出通过数据删除模型判断异常点和强
影Iqul点的方法。
3.我们讨论了均值漂移模型及其参数估计，并指出通过均值
漂移模型判断异常点和强影响点的方法。
4.根据影响函数的定义，得出了LISREL结构模型中夕的样
本影响函数。
5.将Wilks准则推 ’‘到多维情形，在LISREL结构模型中用
正在加载中，请稍后...打开微信扫一扫，关注圣才：
sc100xuexi
认证官方微博
认证官方微博
顾客满意度指数模型及其参数估计方法——PLS与LISREL
摘要：顾客满意度指数研究具有重要的意义，本文讨论了顾客满意度指数的模型建立和发展；以及两种主要的模型估计方法的比较。通过上述讨论，作者提出了我国建立顾客满意度指数模型的建议，以及参数估计方法的应用。
ABSTRACT The customer satisfaction index has great importance in economic life. This article is mainly concerned with following aspects： the first is the construction and development of customer satisfaction index model in different countries； the second is the comparation of two kinds of model estimation method. Then the author gives some advice on the construction of China customer satisfaction index and its estimation method.
关键词：顾客满意度指数 PLS LISREL 模型
KEY WORD customer satisfaction， PLS， LISREL， model
顾客满意（CS， Customer Satisfaction），是指顾客通过对一个产品或服务的感知效果/结果与其期望值相比较后，所形成的愉悦或失望的感觉状态。顾客满意度就是顾客满意水平的量化，顾客满意度在国内外越来越引起理论界和实业界人士的关注。究其根本原因，是经济发展水平的提高，促进经济竞争能力的增强和人们生活质量的改善，使人们从对经济资源的生产效率的关注，逐步转向对经济资源的产出质量的关注，而顾客满意度正是从消费者的角度衡量产出质量的合适指标。
正如2000版ISO/DIS9000族标准的条文：&组织依存于顾客，因此，组织应理解顾客当前和未来的需求，满足顾客要求并争取超越顾客期望。&目前我国企业也越来越重视顾客满意度测评，但测评工作中存在很多问题，例如测评的模型不规范，测评模型的估计方法也缺乏科学性，等等。本文主要针对满意度研究中的这两个主要问题，讨论各国顾客满意度指数模型的建立和发展；以及满意度模型的两种主要估计方法；通过上述讨论，对我国顾客满意度研究中的模型建立以及参数估计提出建议。
一、顾客满意度模型的建立和发展
顾客满意度是一个经济心理学的概念，要衡量它就必须建立模型，将顾客满意度与一些相关变量（例如价值、质量、投诉、忠诚度等）联系起来。瑞典、美国、挪威、欧盟等许多国家和地区根据各自的满意度理论和实践特点，相继建立了顾客满意度模型。
瑞典SCSB模型（Sweden Customer Satisfaction Barometer）是最早建立的全国性顾客满意度指数模型。满意度的前导变量有两个：顾客对产品/服务的价值感知；顾客对产品/服务的期望。满意度的结果变量是顾客投诉和顾客忠诚度。忠诚度是模型中最终的因变量，可以作为顾客保留和企业利润的指示器。模型中的这些隐变量（Latent Variable，LV）都是通过显变量（Manifest Variable，MV）来间接衡量，如下图。
SCSB模型推出后，在实践中受到了质疑：价值感知对满意度的影响是必然的，但是价值因素和质量因素相比，哪方面更重要？由于顾客对不同产品和服务的质量感知是有差别的，如果在模型中加入质量感知变量，如何衡量？等等。
Fornell等（1996）认为，将质量感知也包括在模型中，可以进行质量因素和价值因素对满意度的作用大小的比较。同时，也可以考察它们两者之间的联系。根据Deming（1981）和Juran & Gryna（1988）的发现，质量感知主要包括两个部分&&产品/服务满足顾客需求的程度（customization），以及这些需求满足的可靠程度（reliability），因此可以从这两个方面来分别衡量质量感知。
美国顾客满意度指数（ACSI， American Customer Satisfaction Index）模型，采纳上述成果，对SCSB模型进行了修正：
1.将质量感知从价值感知分离出来。调查中增加了三个质量感知的问题：产品/服务满足顾客需求的程度（customization），这些需求满足的可靠程度（reliability），以及总体质量。1996年，又针对耐用消费品，将质量感知进一步分为产品质量感知和服务质量感知。
2.与质量感知的显变量相对应，ACSI调查中加入了&满足顾客需求程度期望&和&可靠程度期望&，与原有的&总体期望&一起来衡量顾客期望。ACSI模型如下所示：
目前ACSI已成为影响最为广泛的模型，为新西兰、中国台湾和奥地利等所采用，也是挪威和欧盟模型的基础。随着实践的深入，后来的挪威顾客满意度指数（NCSB）和欧盟顾客满意度指数模型（ECSI）根据各自的国情，又对ACSI进行了修正。主要包括：
1.增加了公司形象及其与顾客期望、顾客满意度、顾客忠诚度的关系。
2.增加顾客关系隐变量，作为满意度对忠诚度影响的中间变量，以适应现代营销方式的变化。这个隐变量包括更加感情化的情感分量和更加理性的经济分量（例如转换成本）。
3.删去了顾客投诉变量，因为许多国家的顾客投诉系统已经比较完备。
在顾客满意度模型的发展和完善过程中，必然会出现许多问题和分歧。因为模型变量的加入及变量间关系，在不同国家和不同行业是具有不同或具有不同强度的，因此也不断涌现新模型。
二、模型参数的估计方法的选择
顾客满意度模型是一个多方程的因果关系系统&&结构方程模型（SEM，Structural Equation Model），包括测量方程（LV和MV之间关系的方程，外部关系）和结构方程（LV之间关系的方程，内部关系），以ACSI模型为例，具体形式如下：
SEM有以下特点：包括多个LV，通过多个MV来间接衡量；有多个因变量，是一个原因和结果关系的网，模型必须要按照这些关系进行估计；允许自变量和因变量含有测量误差，还要计算出LV的表现得分。对这类模型进行参数估计，常使用偏最小二乘（Partial Least Square，PLS）和线性结构关系（LInear Structural RELationships，LISREL）方法。
1.PLS和LISREL
PLS（Wald，1982）是将主成分分析与多元回归结合起来的迭代估计，是一种因果建模的方法。该方法对不同LV的MV子集抽取主成分，放在回归模型系统中，然后调整主成分权数，以最大化模型的预测能力。PLS之&偏&，是因为估计的每一步都在给定其他参数条件下，最小化某个参数子集的残差方差，最后在收敛极限，联合最小化所有残差方差，但没有对总体残差方差（或其他总体最优标准）严格的进行最小化。瑞典、美国和欧盟模型都使用这种方法进行估计。
LISREL（Joreskog，1970）方法也称为协方差建模方法，通过拟合模型估计协方差与样本协方差S来估计模型参数。具体来说，就是使用极大似然（Maximum Likelihood，ML）等方法，构造模型估计协方差与样本协方差的拟合函数，然后通过迭代，得到使拟合函数值最优的参数估计。有一些学者（如Wynne W Chin， 1995）推荐使用该方法进行满意度模型的估计。
2.两种方法的联系与区别
PLS和LISREL方法，既有相似之处，也有不同。
相似点有三个：第一，外部关系中都假设MV与LV、误差项为线性关系；第二，内部关系的表达形式一样；第三，对每个内生变量区组，都给出显变量y的因果预测关系，即用路径关系中的解释LV来表示y，
y=&Ly（&B&+Г&）＋&＋&Ly& （3）
PLS和LISREL也有许多不同之处。
第一，分布假设不同。PLS采取&软&方法（非参数推断方法），避免LISREL模型严格的&硬&假设（观测独立且MV的联合分布服从多元正态分布）。不论模型大小，都可以得到渐进正确的估计，即PLS没有分布要求。
第二，目标不同。PLS的目标是根据外部关系（1）、内部关系（2）和因果预测关系（3）进行预测，而LISREL的目标是矩阵&S的结构。
第三，准确性取向不同。在样本量很大且每个LV的MV很多时，PLS估计是一致和基本一致（consistency at large）的，而LISREL估计在大样本时是最优的。最优性包括一致性，但一致性不包括最优性。
第四，假设检验不同。PLS使用Stone&Geisser（1974）的交互验证检验，考察因果预测关系（3）。LISREL使用似然比检验，考察观测矩阵S和理论矩阵&S的拟合程度。
第五，估计顺序不同。PLS先将每个区组的LV得分表示为MV的加权合计，然后通过迭代得到权重的估计。LISREL的步骤与之相反：先估计参数&Ly和&Lx（在这个过程中消去LV），然后采用某个目标函数（例如MV的多元OLS回归），估计LV得分。
第六，对变量关系的理解不同。PLS将（1）和（2）定义为给定解释变量时的条件期望，作为变量间的因果预测关系。对于（1）和（2），分别假设
E（y/&）=&Ly& E（x/&）=&Lx& （4）
E（&/&，&）＝B&+Г& （5）
而LISREL将（1）和（2）定义为具有误差的确定性&方程&，即变量间是具有误差的确定性关系。
第七，模型的识别不同。PLS中LV估计是显式的，没有识别问题。LISREL中矩阵&S的结构由（1）决定，又受到（2）的限制，LISREL可能不能识别模型。如果不能识别，模型中必须加入一些参数假设。
最后，PLS方法中，还可以选择三种加权模式 &&模式A 、模式B 或模式C，模式A和B分别使用简单OLS回归和多元OLS回归，模式C是二者的结合。这取决于更关注（1）、（2）还是（3）的操作性。
3. PLS和LISREL的适用条件
人们在两种方法的选择上一直存在分歧，由以上比较可见，PLS适用以下情况：
1．关注显变量对隐变量的预测，胜于关注参数估计值大小，因为PLS的估计量是有偏的，但可以根据显变量得到隐变量的最优预测。
2．适用于数据有偏分布的情况，因为PLS使用非参数推断方法（例如Jackknife），不需要对数据进行严格假定；而LISREL假设观测是独立的，且服从多元正态分布。
3．适用于关注隐变量得分的情况，因为PLS在参数估计过程中就计算隐变量得分，可以得到确定的计算结果。而LISREL在进行参数估计之后，再采用某个目标函数计算隐变量得分，计算结果因目标函数不同而不同。
4．适用于小样本满意度研究，因为PLS是一种有限信息估计方法，所需要的样本量比完全信息估计方法LISREL小得多。
5．适用于较大、较复杂的结构方程模型，因为PLS收敛速度非常快，计算效率比LISREL更高。
LISREL适用的情况不同：
1．更加关注模型的参数估计值大小，即显变量对隐变量的影响和显变量的效度，而不是纯粹的预测应用；而且，只有当模型的参数估计无偏时，才能验证显变量的效度，因此PLS不能对此进行验证，因为PLS估计的隐变量路径系数有低估；隐变量载荷的参数估计易于趋同，且有高估偏差。
2．适用于不同样本间参数估计比较的情况，因为LISREL可以提供检验；而PLS得到的权重、载荷和隐变量得分在不同样本间的可比较性是不能确定的。
同时，随着LISREL的发展和完善，也可以利用PLS的思想来弥补自身的缺陷：
3．尽管LISREL中ML估计的有效性、标准误差和检验统计量的正确性需要数据正态和独立的假设，但只要满足某些条件，这些特性并不会受到非正态的影响（Satorra，1990）。此外，LISREL也可以像PLS一样，使用非参数重抽样方法（例如bootstrap）进行统计推断。
4．LISREL中的ML估计，即使分布假设不成立也非常稳健，可以得到总体参数的一致估计。然后基于这些参数，采用几种目标函数计算隐变量得分。这些目标函数不同于PLS目标函数，但这并不能说明得分是不确定的。而PLS参数估计有偏，使隐变量得分的价值大打折扣。
实际上，两种方法各有千秋，分别适用于不同的情况。从根本上说，由于算法的不同，PLS对测量变量协方差矩阵对角元素的拟合较好，适用于对数据点的分析，预测的准确程度较高；LISREL对测量变量协方差矩阵非对角元素的拟合较好，适用于对协方差结构的分析，参数估计更加准确。两种方法的选择取决于研究的目的。当研究目的是理论检验且先验理论知识充足时，更宜采用LISREL；当研究目的是因果预测应用，且理论知识非常缺乏时，则PLS更加适合。因此，从实用的角度可以说，ML和PLS方法是互补的，而不是互斥的。
三、对我国顾客满意度研究的启示
正如其他国家经验所表明，顾客满意度与企业经济指标的关系是非常密切的。随着我国市场化的深入，企业的决策必须建立在对市场趋势的准确判断的基础上，而顾客满意度正是可以提供预测作用的指标。另一方面，企业未来的经济效益也可以通过顾客满意度的变化而事先有所预知。从宏观上讲，顾客满意度也可以提供企业与行业标准、国家标准以至世界标准的比较。
1.顾客满意度指数模型的建立
目前各国的模型都是建立在期望&&感知差距（GAP）理论的基础上的，我国建立满意度模型首先要研究我国的满意度理论。
首先，质量感知和价值感知需要单独测量，还是质量感知本来就是价值感知的组成部分？目前我国市场上的假冒伪劣商品屡禁不止，质量感知的单独测量是非常必要的。这样可以进行各公司/品牌间的质量比较，以及与市场一般水平的比较。在目前竞争激烈的市场中，价格对顾客的购买决策起着重要的作用，价值感知的单独测量也非常重要。
其次，企业形象和顾客关系变量，是否应该包括在我国的模型中？在我国，企业形象在消费行为中具有很重要的作用，良好的企业形象也是众多优秀企业不断追求的目标，应该加入模型。顾客关系变量也比较适用我国。我国的文化是一种重视人情的文化，即使在目前的市场经济逐步建立过程中，人情文化也扮演着重要角色，因此该变量的加入比较符合我国消费者的文化习惯。
最后，能否像欧盟那样，简单地删除投诉处理变量？我国投诉处理机制的完善程度行业间差别较大，消费者的投诉意识各地区也有不同。而且该变量既受到顾客满意度的影响，也会反过来影响顾客满意度。在目前阶段，该变量的加入具有促进企业重视消费者意见、提高消费者自我保护意识的作用，作者认为应该加入模型。建议我国的满意度模型可以采取以下形式：
顾客满意度模型框架的发展还会随着理论和实践的发展也不断完善，我国具有特殊的国情，市场环境和消费者的消费行为都与其他国家有较大的区别。模型中的变量及其之间具体作用机制在对我国消费者的消费心理和消费行为研究的基础上，还需要进一步的实证研究。
2.我国构建顾客满意度模型时估计方法的选择
对于我国顾客满意度模型估计方法的选择，主要应该在我国不同行业的不同公司进行试算，也可以采取模拟数据进行研究，参照国外的研究结果，对我国的实证结论进行LISREL和PLS的比较。
作者对某公司的满意度数据采用ACSI模型进行测算，两种方法得到的结果进行比较，结论与前文类似。PLS估计的LV路径系数有低估，PLS的LV载荷的参数估计易于趋同，且有高估偏差，结果如下表所示：
表1 PLS与LISREL的LV路径系数参数估计
表2 PLS与LISREL的LV载荷参数估计
到目前为止，作者收集的我国顾客满意度数据包括产品、服务等行业的企业数据，很少有满足正态分布的条件。由于费用限制，一般顾客满意度研究的样本量也比较少。另一方面，为了实际需要，有必要计算LV得分，因此建议采用PLS方法估计模型。而且，由于目前我国对满意度理论的研究是有待深入，理论知识不足，如上文所述，各变量间的关系并没有明确，采用PLS方法可能更符合现阶段的国情。
[参考文献]
[2]Jan-Bernd Lohmoeller. Latent Variables Path Analysis with Partial Least Squares[M]. Heidelberg： Physica-Verl. 1989
[3]Willard Hom（2000），An overview of customer satisfaction models
[4]Michael D. Johnson， Anders Gustafsson， Tor Wallin Andreassen， Line Lervik， Jaesung Cha. The evolution and future of national customer satisfaction index models [J]. Journal of Economic Psychology . 22 （2001） . 217-245
[5]Christina O&Loughlin， Germa Coenders. Application of the European customer satisfaction index to postal services： structural equation models versus partial least squares. 2002
[6]Yves Marie Chatelin， Vincenzo Esposito Vinzi， Michel Tenenhaus. State-of-art on PLS Path Modeling through the available software . 2002
[7]中国质量管理协会全国用户委员会. 美国顾客满意度指数方法论报告[R]. 1998
作者不详
e书题库免费下载
推荐的课程查看: 9799|回复: 23
阅读权限24威望0 级论坛币3405 个学术水平1 点热心指数2 点信用等级1 点经验8475 点帖子181精华0在线时间122 小时注册时间最后登录
积分 349, 距离下一级还需 101 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 3 天连续签到: 1 天[LV.2]偶尔看看I
小弟用lisrel做验证性因子分析，用的是协方差矩阵（未标准化），结果图形中路径系数大于1了（如图），问：怎么能显示标准化后的路径系数啊？越详细越好，谢谢了！！！
15:26:00 上传
急！！！路径系数大于1怎么办？？？？
载入中......
阅读权限24威望0 级论坛币3405 个学术水平1 点热心指数2 点信用等级1 点经验8475 点帖子181精华0在线时间122 小时注册时间最后登录
积分 349, 距离下一级还需 101 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 3 天连续签到: 1 天[LV.2]偶尔看看I
已解决，哈哈
阅读权限24威望0 级论坛币338 个学术水平2 点热心指数3 点信用等级1 点经验1632 点帖子115精华0在线时间227 小时注册时间最后登录
积分 402, 距离下一级还需 48 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
请问楼主怎么解决的呢
阅读权限24威望0 级论坛币248 个学术水平0 点热心指数0 点信用等级0 点经验804 点帖子256精华0在线时间84 小时注册时间最后登录
积分 352, 距离下一级还需 98 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
我也想知道
阅读权限20威望0 级论坛币220 个学术水平0 点热心指数0 点信用等级0 点经验442 点帖子49精华0在线时间57 小时注册时间最后登录
积分 124, 距离下一级还需 21 积分
权限: 自定义头衔
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 1 天连续签到: 1 天[LV.1]初来乍到
好想知道啊……
阅读权限22威望0 级论坛币165 个学术水平4 点热心指数4 点信用等级3 点经验1761 点帖子73精华0在线时间97 小时注册时间最后登录
积分 191, 距离下一级还需 69 积分
权限: 自定义头衔
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 6 天连续签到: 1 天[LV.2]偶尔看看I
AMOS 的话， 在 中间部分有 非标准估计和标准估计，一般计算完的时候是 非标准估计，会有大于1的情况；可以选择 标准估计，看看是否可以
阅读权限28威望0 级论坛币1599 个学术水平0 点热心指数0 点信用等级0 点经验1499 点帖子293精华0在线时间551 小时注册时间最后登录
积分 853, 距离下一级还需 522 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 3 天连续签到: 1 天[LV.2]偶尔看看I
如果标准化后&&路径系数还是大于1&&说明之前的探索性因子分析没有做到位 有必要根据验证性因子分析的结果进行重新进行探索性因子分析& &直到达到一致才行
阅读权限50威望0 级论坛币2194 个学术水平70 点热心指数53 点信用等级29 点经验2851 点帖子548精华0在线时间1261 小时注册时间最后登录
积分 1883, 距离下一级还需 342 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
shiyidianyike
从实证的逻辑来看，这个思路是不对的。完全反掉了。
阅读权限28威望0 级论坛币822 个学术水平8 点热心指数7 点信用等级4 点经验102 点帖子442精华0在线时间165 小时注册时间最后登录
积分 820, 距离下一级还需 555 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 32 天连续签到: 1 天[LV.5]常住居民I
使用固定负荷法，可以解决这个问题
阅读权限16威望0 级论坛币11 个学术水平0 点热心指数0 点信用等级0 点经验279 点帖子27精华0在线时间9 小时注册时间最后登录
积分 27, 距离下一级还需 18 积分
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡下一级可获得
道具: 显身卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
到底是怎样的，路径系数我也遇到了问题？
论坛好贴推荐
