4.5.1 品牌代言人可信度特质模型的验证和修正
4.5.1.1 模型的验证与修正
探索性因子分析是根据样本数据所呈现的数据形态决定因子个数和因子指向，我们用探索性因子分析来划分因子，这样的分析需要多时间、多地点、多样本的重复稳定结论的支持，才能作为验证性手段SEM的输入数据。
探索性因子分析与验证性因子分析最大的不同，在于测量的理论架构在分析过程中所扮演的不同角色与检验时机。进行探索性分析时，理论架构往往还不明晰，研究者通过探索性分析的结果得到一个合适的理论结构。而验证性分析的进行则是在研究者已经有了一定的理论架构的基础上，通过计量手段来对理论加以验证，因此验证性分析最好使用不同的样本。对于上述通过探索性因子分析得到的品牌代言人可信度的三维度模型，就需要通过验证性因子分析加以检验。
为了得到验证性因子分析的样本，笔者除了通过网络调查方式获取问卷外，还通过书面问卷方式，发放了250份问卷。填答对象为复旦大学本科四年级学生、复旦大学太平洋金融学院三年级学生、华东理工大学本科二三年级学生和MBA学生，共得到有效问卷223份，有效率为89%。采用LISREL8.7软件进行分析。
验证性因子分析的结果对模型拟合度的评价表明，该模型基本符合一个可接受的模型指标的要求。但RMSEA指标为0.1，大于0.08这个模型较优的参考指标，有必要进行修正。
乔里斯科格和索博姆（JORESKOG AND SORBOM，1993）等人认为利用SEM进行模型界定有三种情况：一是验证性模型策略（CON-FIRMATORY MODELING STRATEGY），二是竞争模型策略（COMPETING MODELS STRATEGY），三是模型发展策略（MODEL DEVELOPING STRATEGY）。
验证性模型策略下，其目标是以所收集的经验资料严格地检验研究者所界定的理论模型。看理论模型应该被接受还是被拒绝，当模型被拒绝时，不能再企图寻找能让模型被接受的可能线索。
竞争模式策略下，研究者事先界定数个替代理论模型或竞争模型，收集一组经验资料，来检验哪一个理论模型与经验资料最适配。竞争模型表明，对于一组经验资料，是可以有许多适配模型的。也就是说，一个在数据上看来适配的模型并不一定是最好的模型，还需要通过不同模型的比较来确定。通常，在现实世界里，一种社会现象并非只有一种理论模式可以解释。
在模型发展策略下，先界定出一个起始理论模型，收集资料后对其适配程度进行验证，如果起始模型不是很理想，则观测相应的指标，在理论的指导下对模型进行修正，然后再度验证模型。这种运用在某种程度上已经将验证性本质推向探索性本质。
基于上述对模型界定的讨论，本书采用了模型发展策略，对模型进行修正。
模型修正的依据是观察修正指数（MODIFICATION INDEX），它表示放开观察变量对相应潜变量的约束后，模型对数据拟合的χ2减少的数量，同时结合期望参数改变值（EXPECTED CHANGE FOR LAMB-DA－X）做出修正。根据经验法则，对修正指数大于10的测项进行识别，从高到低选择。增减某一个参数，都可能影响到其他参数的变动，因此，每次调整一个观测变量，这样，经过5个步骤的修正，每一次修正，其Δχ2的变化均达到显著水平，当模型各项拟合指标达到一个好模型的要求，且MI指标均小于5时，结束模型修正工作。最后，模型由3个潜在变量和15个观测变量组成。具体修正过程。修正结束后的测项与因子构成，修正结束后的测量模型。
4.5.1.2 修正后模型的总体评价
（一）总体拟合度评价
根据海尔（HAIR，1998）等人的建议，对模型进行检验包括首先要检验是否有违反估计的现象出现，然后才能进行整体模型适配程度的检验和个别变项的效度检验。违反估计的现象又包括：（1）有无负的误差变异数存在；（2）标准化系数是否超过或太接近1；（3）是否有太大的标准误。
根据以上标准，本研究中的测量模型均没有违反估计。然后检验了总体拟合优度指标，具体评价指标。
（二）信度和效度检验
从内容效度方面考虑，本次研究的量表均是从有关文献中获取，经过适当修改添加，通过前测进行修改，并通过探索性研究对量表进行了进一步纯化，具有较好的内容效度。
在结构效度方面，一是，要验证模型中各测项是否正确地测量到其潜在变项；二是，检验是否有符合不同因素的复杂测量变项（COMPLEX MEASUREMENT ITEM）。因此，就要检验模型中两种重要的结构效度：收敛效度（CONVERGENT VALIDITY）及区别效度（DISCRIMI-NANT VALIDITY）。本研究根据巴戈齐和伊（BAGOZZI AND YI，1988），海尔等人（1998）的建议，在收敛效度方面，考查个别项目的信度（INDIVIDUAL ITEM RELIABILITY）、潜在变项的组成信度（COMPOSITE RELIABILITY；CR）、潜在变项的平均变异抽取量（AVERAGE VARIANCE EXTRACTED；AVE）这三个指标。若此三个指标均符合，方能表示本研究具收敛效度。本研究中的结果。
个别项目的信度是评估测量变项对该潜在变项的因素负荷量（FACTOR LOADING），一般用标准化参数来衡量。海尔等人（1992）建议值在0.5以上。本研究中仅λ11为0.57，相对比较低，其对应的测项是“该代言人是所代言产品方面的专家”。
潜在变项的组成信度（COMPOSITE RELIABILITY；CR）：潜在变项的CR值是由其所有测量变项之信度组成的，福内尔和拉卡克尔（FORNELL AND LARCKER，1981）的建议值为0.6以上。若潜在变项的CR值愈高，则表示其测量变项愈能测出该潜在变项。CR值均远高于0.6.
潜在变项的平均变异抽取量（AVERAGE VARIANCE EXTRACTED；AVE）：AVE是计算潜在变项的各测量变项对该潜在变项的平均变异解释力。AVE越高，表示潜在变项有越高的信度与收敛效度，福内尔和拉卡克尔（1981）建议其标准值需大于0.5.AVE值均高于0.5.
而在区别效度（DISCRIMINANT VALIDITY）方面，若一个测量模型具有区别效度，其潜在构面间的关系程度必须小于潜在构面内的关系程度，因此，利用构面间的关系矩阵来加以检定，潜在变量的平均变异抽取量AVE的平方根值需大于其他不同构面下的相关系数（FORNELL AND LARCKER，1981；SEGARS AND GROVER，1998，HAIR ET AL。，1998），如果存在某对变量的关系值大于该对变量中任一变量的平均变异抽取量，即表示在该对变量中，某一变量的测量问项可能也是另一个变量的测量问项。3个构面间的相关系数均小于 AVE的平方根值，说明构面之间具备良好的区别效度。
此外，根据乔里斯科格和索邦姆（JORESKOG AND SORBOM，1993）的判断区别效度的方法，用标准误来形成真实相关的信赖区间，信赖水准为95%，计算方式为R±1.96×标准误，该数值区间不包含1，则认为其具有较好的区别效度。
名气声望与产品关联的信赖区间为 0.44±1.96×0.06 ＝（0.32：0.56）；
名气声望与可信赖性的信赖区间为 0.55±1.96×0.05 ＝（0.45：0.65）；
产品关联与可信赖性的信赖区间为 0.71±1.96×0.04 ＝（0.63：0.79）；
以上区间皆不包含1，说明不同构面之间的区别效度是可以接受的。
以上结果说明，把代言人可信度模型分为名气声望、产品关联、可信赖性3个构面是合适的，模型拟合较好。个别项目的信度、潜在变项的组成信度、潜在变项的平均变异抽取量3个指标均符合建议标准，区别效度检验也在可接受范围内。表示代言人可信度这一测量模型具有很好的信度、收敛效度、区别效度，观测变量能够很好地反映潜在变量。
4.5.2 品牌代言人可信度模型的恒等性检验
如前面所述，本书采用了模型发展策略，但是在SEM的运用中，模型发展策略已经偏向于探索性的研究了。因此，对模型进行修正之后，就必须要利用另外的独立样本来重新检验新发展的模型的有效性。
检验模型在许多不同群体样本下，能够复制的程度，在SEM中，称其为复核效化（CROSS－VALIDATION）。
本研究继续通过效度延展（VALIDITY EXTENSION）来检验效度是否能够扩展到其他群体，利用修正后的模型，进行跨行业、跨群体的验证。验证结果。
数据结果显示，结构方程模型在进行跨行业的有效性检验中，其拟合指标都在理想范围之内，只有对全体样本的检验中，χ2／DF大于3，但是小于5，由于该指标易受样本数量变化的影响。所以，综合其他指标考虑，该模型具有较好的延展效度。