Table 1. Composite Reliability and

Table 1. Composite Reliability and Average Variance Extracted

Problems of missing data are often magnified in structural equation modeling, and so adequate missing-data computation is of particular importance (Ullman and Bentler 2004). Thus the multiple imputation option with Expected Maximization (EM) algorithm included in LISREL 8.72 was used for imputation of missing values. The technical details of this method are presented in Schafer (1997). Table 2 shows the fit indices for the measurement model, which included the five factors measuring attitudes towards different aspects of mobile advertising. Overall, the fit indices for the measurement model indicate that the scale structures fit the data acceptably.

ผลลัพธ์ (ไทย) 1:

ตารางที่ 1 ความน่าเชื่อถือและความแปรปรวนประกอบเฉลี่ยสกัด

ปัญหาของข้อมูลที่ขาดหายไปมักจะมีการขยายในการสร้างแบบจำลองสมการโครงสร้างและเพียงพอเพื่อการคำนวณข้อมูลที่หายไปมีความสำคัญโดยเฉพาะอย่างยิ่ง (Ullman และ BENTLER 2004) จึงเลือกใส่หลายสูงสุดที่คาดหวัง (em) ขั้นตอนวิธีการรวมอยู่ในลิสเรล 8.72 ที่ใช้สำหรับใส่ของค่าที่หายไปรายละเอียดทางเทคนิคของวิธีการนี​​้ถูกนำเสนอในเชฟเฟอร์ (1997) ตารางที่ 2 แสดงดัชนีเหมาะสำหรับรูปแบบการวัดซึ่งรวมถึงปัจจัยที่ห้าในการวัดทัศนคติต่อด้านที่แตกต่างกันของการโฆษณามือถือ โดยรวมดัชนีเหมาะสำหรับรูปแบบการวัดแสดงให้เห็นว่าโครงสร้างขนาดพอดีกับข้อมูลยอมรับ

ผลลัพธ์ (ไทย) 2:

ตารางที่ 1 ความน่าเชื่อถือโดยรวมและเฉลี่ยผลต่างสกัด

มักจะมีขยายปัญหาข้อมูลหายไปในโมเดลสมการโครงสร้าง และ เพื่อคำนวณข้อมูลไม่เพียงพอเป็นสำคัญเฉพาะ (Ullman และ Bentler 2004) ดังนั้น ตัว imputation หลาย มีอัลกอริทึม Maximization ที่คาดหวัง (EM) ที่รวมอยู่ใน LISREL 8.72 ถูกใช้สำหรับ imputation ค่าหายไป รายละเอียดทางเทคนิคของวิธีการนี้จะนำเสนอใน Schafer (1997) ตารางที่ 2 แสดงดัชนีพอดีสำหรับแบบจำลองการประเมิน ที่รวมปัจจัยห้าวัดทัศนคติด้านต่าง ๆ ของการโฆษณาโทรศัพท์มือถือ โดยรวม ดัชนีพอดีสำหรับแบบจำลองการประเมินบ่งชี้ว่า โครงสร้างสเกลพอข้อมูล acceptably

ผลลัพธ์ (ไทย) 3:

ตารางที่ 1 . คอมโพสิตและความน่าเชื่อถือความแตกต่างโดยเฉลี่ยแล้วมา

ปัญหาของการพลาดข้อมูลส่วนใหญ่จะยกย่องในเชิงโครงสร้างสมการการสร้างแบบจำลองและเพียงพอไม่มีข้อมูลมารวมกันมีเฉพาะความสำคัญ( ullman และ bentler 2004 ) ดังนั้นทางเลือกยกให้เป็นของหลายคนที่คาดว่าจะมีผล( EM )อัลกอริธึมรวมอยู่ใน lisrel 8.72 ถูกใช้สำหรับยกให้เป็นของของค่าขาดหายไปรายละเอียดด้านเทคนิคของวิธีการนี้จะถูกนำเสนอใน schafer ( 1997 ) ตารางที่ 2 แสดงดัชนีความกระชับพอดีที่สำหรับรุ่นการวัดซึ่งรวมถึงปัจจัยที่ห้าการวัดทัศนคติต่อในด้านต่างๆของการโฆษณาโทรศัพท์มือถือ โดยรวมแล้วดัชนีความกระชับพอดีที่สำหรับรุ่นการวัดที่แสดงว่าโครงสร้างขนาดที่พอดีกับข้อมูลที่สามารถรับได้