Service Orientation, Service Quality, Customer Satisfaction, and Customer Loyalty: Testing a Structu

TABLE 1 Goodness-of-Fit Indices for Measurement and Structural Models

Model

χ

2

df

χ

2

/df

GFI

AGFI

NFI

Std.

RMSR

Measurement model

107.12

71

1.51

.93

.88

.91

.052

Structural model

108.51

72

1.50

.93

.88

.91

.050

Note. GFI

= goodness-of-fit index; AGFI = adjusted goodness-of-fit index; NFI = normed fit index; Std.

RMSR

= standardized root mean square residual.

within the recommended levels of 1.0 to 2.0 (Hair et al., 1998), indicat-

ing that the model fit is acceptable. In addition to the normed chi-square,

other fit indices (GFI

= .93; AGFI = .88; NFI = .91) fell around the desired

level of .90, revealing that the model is representative of the observed data

(Bentler & Bonett, 1980; Hair et al., 1998). Lastly, the standardized RMSR

(.05) suggested that the magnitude of the differences between the actual

and predicted covariance matrices are relatively small (Brown & Chdeck,

1993).

The overall chi-square for the structural model was 108.51 with 72 df

(p

< .0055). Table 1 shows no significant difference between the structural

model and the measurement model (chi-square difference

= 1.4, df = 1).

Because the measurement model allows all latent constructs to covary freely,

a comparison of the conceptual model to the measurement model is one

indication of adequate model fit. A lack of significant difference between

the two models implied that the data supported the theory. Other fit values

for the structural model were almost identical to those of the measurement

model (Normed chi-square

= 1.51; GFI = .93; AGFI = .88; NFI = .91;

standardized RMSR

= .05), satisfying the acceptable fit criteria mentioned

earlier.

Another method of evaluating the model fit is to examine the mod-

ification indices (chi-square reduction computed for each nonestimated

relationship). The modification indices suggested that the proposed model

fit could be improved by freeing additional correlations among measure-

ment errors. However, because those relationships could not be justified

theoretically, no changes were made to the model (Joreskog, 1993).

Parameter Estimates

The significance of the parameter estimates was judged using t values. The

critical t values are 1.96 for the 0.05 significance level and 2.58 for the 0.01

significance level. Table 2 presents the summary statistics of the measure-

ment model with LISREL estimates (factor loadings) and Table 3 presents

the path coefficients for the structural portion of the proposed model. An

examination of Table 2 reveals that each relationship between the latent

variables and their respective indicators are large, and all are statistically

significant (t

> 2.58, p < .01). All latent variables displayed acceptable

---

630

H. J. Kim