驗證性因素分析（confirmatory factor analysis, CFA）係指研究者目的是在檢驗所 提出的模型是否適切，或是在發展測量題目時依據某些理論文獻來編製特定結構量表，
行非認知技能測量模型的理論性推導，因此適合本分析方法。此外，驗證性因素分析 是結構方程模式的次模型，經此分析確立測量模型後，爾後才可在變項因果關連間進 一步透過路徑分析的結構模型加以探究，因此該分析方法可進行整合性結構方程模式 分析的一個前置步驟（吳明隆，2007；李茂能，2009；邱皓政，2011；Kline, 2011）。
現依照測量模型的設定、適配度指標及信度與效度指標說明如下：
˘ăീณሀݭ۞నؠ
本研究的非認知技能測量模型如圖3-4 所示，根據 Jöreskog 和 Sörbom（1996）
使用的測量模型符號，將該圖中的三個大型「○」符號為「非認知技能」的潛在變項
（latent variable），圖中將「遵守規範」、「勤勉進取」和「通情達理」依序命名為 ξ1、 ξ2和ξ3。
其次，「□」符號代表潛在變項的觀察變項Xi，本研究依照不同的構面命名，「遵 守規範」的觀察變項命名為RO1、RO2 和 RO3；「勤勉進取」的觀察變項命名為IE1、
IE2 和 IE3；和「通情達理」的觀察變項命名為 RE1、RE2、RE3、RE4 和 RE5。此外，
依照不同的潛在變項對觀察變項的影響程度，稱為因素負荷量（factor loading）依序 命名λ1至λ11以及抽樣誤差δ1至δ11。
最後，潛在變項之間的相關依照「遵守規範」和「勤勉進取」的相關命名為Φ21；
「勤勉進取」和「通情達理」的相關命名為Φ32；「遵守規範」和「通情達理」的相 關命名為Φ31。
本研究根據上述測量模型的命名，所建立的方程式如公式（1），等號左邊為各個 觀察變項Xi，等號右邊的Λ୶為因素負荷量、ξ為潛在變項、δ為抽樣誤差：
i xi --- (1)
ဦ3-4 ܧᄮۢԫਕЯ৵ሀݭ
註：圖中若有「λi＊」，表示該因素負荷量設定為1。
˟ăሀݭዋ੨ޘᇾ 的適配指標及其判斷值如表3-2 所示，說明如下（邱皓政，2011；Kline, 2011）：
ܑ3-2 ඕၹ͞ሀёዋ੨ᇾ
首先在「卡方檢驗」為結構方程模式最用傳統的指標，但由於本研究樣本數高達 9,391 人係屬於大樣本的檢定，雖然提高觀察資料的穩定性，但也易造成卡方值擴大 的效果，因此本研究不採用卡方值（χ2）、P 值和卡方自由度比（χ2 / df），以避免因為 大樣本使數值膨脹而失真。
接續，「適合度指標」係修正卡方統計的某些限制，或以不同的替代性模型做為 指標。本研究採用「適配指標」（goodness-of-fit, GFI）和「修正配適指標」（adjusted goodness-of-fit, AGFI），前者類似迴歸分析的可解釋變異量（R2），表示假設模型可以 解釋觀察資料的變異數與共變數比例，適用於分析模型的解釋力；後者則類似迴歸分 析中調整個可解釋變異量（adjusted R2），兩者適配指標判斷值為達到0.90 的門檻。
再者，「替代性指標」係替代卡方統計考驗的適配評估，根據Hu 和 Bentler（1999）
表示，建議在替代性指標中「比較適配指標」（comparative-fit index, CFI）和「平均 概似平方誤根係數」（root mean square error of approximation, RMSEA）兩指標須在論 文中呈現。前者係假設模型與獨立模型的非中央性差異，說明模型較基準模型的改善 程度，該判斷值數值為低於0.90，代表適配程度良好；後者為比較理論模型和完美適 配的飽和模型（saturated model）差距程度，並且不受樣本數與模型的複雜度影響，
該判斷值數值越小越好，低於0.8 為可接受門檻，若低於 0.5 則為良好的適配門檻。
另外，為了解樣本規模的適切性，本研究也提供「關鍵樣本指標」（Critical N, CN），
基本上該指標只要大於200 即代表有適切的樣本矩陣。
最後，「殘差分析」即了解假設模型的整體殘差特性，本研究採用「標準化殘差 均方根指標」（standardized root mean square residual, SRMR）透過標準化殘差了解模 型適配程度，該指標越小越好，若數值低於0.08 則表示模型適配度佳。
本研究透過上述適配指標，分析非認知技能相關模型與樣本的契合程度，以此回 應研究假設1。
ˬăܫޘᄃड़ޘᇾ
根據Fornell 和 Larcker（1981）與 Hair、Black、Babin、Anderson 和 Tatham（2006）
表示，驗證性因素分析不僅要說明外部模型適配度外，仍要說明測量模式的個別數據 一致性的信度計算方法，即直接比較測驗題目之間的同質性；後者為Fornell 和 Larcker
（1981）提出類似 Cronbach 's α 的信度係數，也是測量變項間的變異量可以被解釋的
公式（3）等號左邊 CR 為組合信度；等號右邊為（Σλi）2為因素負荷量加總後 取平方之數值，ΣΘii為各觀察變項殘差變異數的總合，ΣΘij為第i 與 j 題殘差共變的 總合。
至於測量信度數值的標準，Bagozzi 和 Yi（1988）與 Fornell 和 Larcker（1981）
建議數值須達0.60 以上，而 Kline（2011）和 Raine-Eudy（2000）研究指出信度係數 達0.50，即可宣稱測量變項獲得基本的穩定性，在測量上也代表具有一定的信度。本 研究採用Kline（2011）和 Raine-Eudy（2000）的看法，以 0.50 為標準來判定測量模 型的信度。
在效度指標部份，本研究採用相關係數的區間估計法，以了解潛在變項間是否 具有區別效度（discriminant validity）。該估計法若兩個潛在變項的相關係數在95%信 賴區間涵蓋了1.00，即構念間有完全相關代表構念缺乏區辨能力（邱皓政，2011；張 偉豪，2011；Torkzadeh, Koufteros, & Pflughoeft, 2003）。
本研究採用「拔靴法」（bootstrap）的估計方式，在重複抽樣 1000 次與 95%的信 心水準下，建立相關係數的信賴區間，使用AMOS 20.0 bootstrap 提供兩種信賴區間 的估計方式，一為「誤差修正百分比法」（bias-corrected percentile method），另一為「百 分比法」（percentile method）進行估計，以了解構面間是否具有區別效度。