第四章 研究結果與討論
第三節 一階 CFA 模式之參數估計與模式適配度考驗
本節為探討一階 CFA 模型在基本適配度、整體適配度及內在結構適配度考 驗的狀況。
壹、 一階 CFA 模式參數估計
模式在建立完成後，必須針對模式進行參數估計以及適配度的考驗，而考驗 之項目有卡方檢定、p 值、適配度指標(GFI)、調整適配度指標(AGFI)、近似均方 根誤差(RMSEA)等。
因卡方值會隨樣本數增加而膨脹，容易造成拒絕模型之假設，就此張偉豪 (2013)認為如果其他適配度指標良好，可用來補償卡方值的評估結果，而其他適 配度指數須達到 GFI > .90、AGFI > .90、RMSEA≦.06 才可稱為良好適配標準。
本研究之一階 CFA 模式參數估計如圖 4-1 所示。其卡方值為 214.63，P 值為.00，
RMSEA 為.05，GFI 為.96，AGFI 為.94，除卡方值外均達良好適配度指數。另創 造力觀察變項中除了 X5「我喜歡想一些點子，即使用不著也無所謂」的因素負 荷量為.48 外其餘皆高於.50，後設認知觀察變項之因素負荷量為.71~.79，同時相 對思考觀察變項之因素負荷量為.51~.79，創造力、後設認知、同時相對思考三個 主變項間的估計參數為.66、.67、.81，均屬可接受之理想範圍內。
圖 4- 1 美塔學量表一階 CFA 模式參數估計
貳、 一階 CFA 模式的適配度考驗
當模式各變項參數估計完成後，將進一步檢定適配度，其可分為整體模式適 配度以及內在結構適配度之考驗。Bagozzi 與 Yi(1988)建議在評鑑結構方程模式 時，應當從基本適配度(Preliminary fit criteria)、整體適配度(Overall model fit)和 內在結構適配度(Fit of internal structural model)等三個面向進行驗證。而就此也提 出了以下五項基本適配度之標準(引自林柏妤，2011)：
1. 不能有負的誤差變異：各變項間誤差適負的表示𝑅2>1，適不合理的。
2. 誤差變異須達顯著水準：凡預測就有誤差，因此誤差不得為負且須達顯著水 準。
3. 估計參數間相關的絕對值不能太趨近 1：估計參數間相關的絕對值若太趨近 於 1，則表示模式界定有問題，需重新考慮。
4. 因素負荷量最好介於.50~.95 間。
5. 不能有太大標準誤。
一、 基本適配度之參數估計結果
在進行整體模式適配考驗估計之前，應先檢查模式是否有違犯估計之產生，
依照 Bagozzi 與 Yi(1988)認為違犯這些標準時，可能表示模式有系列誤差、辨認 問題、輸入有誤等情形。而檢查之標準為以下幾點(引自沈如瑩、趙梅如，2006)：
1. 誤差變異不得為負。
2. 因素負荷量應屆於.50~.95 之間。
3. 估計參數之標準誤不得太大。
本研究基於上述之說明，作為基本適配標準之參照。
各參數估計結果如表 4-5，模式中 λx1 到 λx15 之因素負荷量中除 λx5 為.48 外其餘皆在.51~.79 之間且 t 值皆達顯著水準，表示有建構效度。而估計參數誤差 值介於.05~.10 之間，並無出現過大之標準誤且均無負值。綜合以上評鑑標準，
本研究提出之美塔學一階驗證性因素分析模式符合基本適配，亦無辨認問題。
表 4- 5 美塔學量表之一階驗證性因素分析估計參數摘要表
參數 標準誤 t 值 標準化參數估計值
λx1 --- --- .66
λx2 .07 11.07*** .54
λx3 .07 10.63*** .60
λx4 .09 9.55*** .59
λx5 .09 9.03*** .48
λx6 --- --- .71
λx7 .06 17.17*** .72
λx8 .06 18.01*** .79
λx9 .07 13.71*** .73
λx10 .06 15.49*** .78
λx11 --- --- .60
λx12 .08 11.63*** .59
λx13 .08 12.89*** .75
λx14 .09 12.62*** .79
λx15 .07 10.63*** .51
δ1 .07 13.20*** .44
δ2 .09 14.80*** .30
δ3 .06 14.62*** .36
δ4 .08 14.35*** .35
δ5 .10 15.98*** .23
δ6 .07 15.31*** .51
δ7 .07 14.93*** .52
δ8 .05 13.98*** .63
δ9 .06 14.21*** .53
δ10 .05 13.36*** .61
δ11 .08 15.99*** .36
δ12 .09 15.52*** .35
δ13 .05 13.41*** .57
δ14 .05 11.89*** .63
δ15 .09 16.35*** .26
φ1 .07 8.68*** .67
φ2 .07 9.96*** .81
φ3 .06 7.72*** .66
註：1.未列標準誤者及 t 值者為參照指標，是限定估計參數 2. ***p<.001
二、 整體模式適配度
整體適配度主要是評鑑整個模式與觀察資料的適合程度，也可以說是模式的 外在品質(沈如瑩、趙梅如，2006；黃芳銘，2007)。而整體適配度又可分為(引自 林柏妤，2011)：
1.絕對適配度指標：是在評量理論模式已預測觀察的共變數矩陣或相關矩陣。
2.增值適配度指標：是理論模式和基準模式比較結果。
3.簡約適配度指標：是在評量理論模式的精簡程度。
(一) 絕對適配度考驗結果
本研究之絕對適配考驗指標包含𝑥2值、GFI、AGFI、RMR、RMSEA 等 5 項。
以下將針對這些指數進行判斷標準之評鑑。
表 4-6 為美塔學量表一階驗證性因素分析模式之整體適配度考驗標準與結果，
吳和堂(2016)將整體適配度指標做出整理，本研究也依此作為參照標準。其中𝑥2 值為 214.63，df=87，p=.000 表示已達顯著水準，顯示必須拒絕理論模式與觀察 資料適配的假設。然而𝑥2值容易隨著樣本數增加而膨脹，所以該值僅供參考(吳 和堂，2016)。
因此必須繼續檢視其他適配指標做為參考依據，適配度指標值(GFI)類似於 迴歸分析中的可解釋變異𝑅2，表示理論模式所能解釋的變異與共變異的量，用 來衡量預測值與實際樣本資料相比較的誤差值平方，範圍介於 0~1 之間，越趨近 於 1 表示適配度越佳(張偉豪，2013)。本研究之 GFI 值為.96，在理想值之上。
調整後適配度指標值(AGFI)主要是把 GFI 根據自由度加以調整，與 GFI 依 樣介於 0~1 之間，越趨近於 1 表示模式適配度越良好(張偉豪，2013)。本研究之 AGFI 值為.94，已在參考值.90 之上，表示模式契合度屬於理想。
殘差均方和平方根植(RMR)是由未標準化殘差值所計算出來的。理想狀態最 好是小於.05，本研究之 RMR 值為.11，並未小於.05，表示適配度不理想。
漸進殘差均方和平方根(RMSEA)的分配是非集中卡方分配，較不受到樣本 數影響，目前也是用來估計 SEM 統計檢定力的重要指標(張偉豪，2013)，本研 究之 RMSEA 值為.05，屬適配度良好狀態。
綜合上述各項適配度指標檢定數值，除了 RMR 外其餘指標直接達到適配水 準，表示次模型在絕對適配度上有不錯的適配度。
(二) 增值適配度檢定結果
增值適配度是指將待考驗的假設理論模式和基準線模式互相做比較，判別模 式的契合度或比較兩個以上競爭模式間何者有較佳適配程度。本研究增值適配度 考驗指標包含：NFI、RFI、IFI、TLI、CFI，如表 4-6 所示。
規範適配指標(NFI)是用來比較提出模式與虛無模式間的卡方值差距，判別 契合度是否有低估現象。而本研究之 NFI 值為.92，已達到理想數值。
相對適配指標(RFI)是由 NFI 衍生而來。RHI 的範圍值為 0~1，越大則表示適 配度越好。本研究之 RFI 值為.91，已達到理想數值。
增值是配指標(IFI)不受樣本數影響，通常與 NFI、TLI 值一樣介於 0~1 之間，
數值越大表示適配度越好。本研究之 IFI 值為.95，已達到理想數值。
非規準是配指標(NNFI)，簡稱 TLI。幾乎不受樣本數影響。本研究 TLI 值為.93，
已達到理想數值。
比較適配指標(CFI)可反映出假設模型與無任何共變關係的獨立模型之差異 程度，同時亦考慮到被檢驗模型與中央卡方分配的離散性，值越接近 1 表示模型 契合度越理想。本研究之 CFI 值為.95，已達到理想數值。
從上述增值適配度指標的各項指標來看，本研究的 5 項增值適配度參照指標 均有達到理想數值，表示此模型在增值適配度上有明顯適配。
(三) 簡約適配度考驗結果
簡約適配度是指在達到預期適配度下，模式需要估計得最少參數個數，其目 的在於更正模式有過度適配的情形發生。就統計學的觀點來看，假設其他條件一 樣，則模式越精簡越好。本研究簡約適配度考驗的指標包含：PGHI、PNFI、CN、
AIC，如表 4-6 所示。
簡約適配度指標(PGFI)指在考慮模型估計參數的多寡可用來反應結構方程 模式的簡約程度。其範圍介於 0~1 之間，值越大表示越簡效。本研究之 PGFI 值 為.69，屬表模式有簡效性。
簡約後規範適配度指標(PNFI)是把自由度數量嘉進預期獲得適配程度中考 量，比 NFI 更適合做判斷模式精簡程度的指標。本研究之 PNFI 值為.54，表示較 少用自由度，顯示已略達精簡程度。
適當樣本標(CN)，模式要獲得可接受的程度需要一定的樣本數，而 CN 值代 表需要的最低樣本數。本研究之 CN 值為 339，以大於參考值的 200 之設定，表 示模式適合。
赤池資訊指標(AIC)主要是調整模型卡方值，根據模型複雜度加以修正，並 不用來解釋單一模型，一般用來比較兩個模型具有不同的潛在變項，而不是巢型 結構，其值也可能小於 0，越接近 0 表示模型適配度越好(張偉豪，2013)。
綜上所述，當卡方值介於 1~3 之間則模型有理想契合度，本研究之卡方值為 2.46，已符合規定，而 AIC 值為 280.632，已大於飽和模式 240.000 之值不符合 標準。而 CAIC 值為 461.976 小於飽和模式 899.432 之值，顯示為符合檢定標準。
表 4- 6 美塔學量表一階驗證性因素分析模式之整體適配度考驗結果
三、 內在結構模式適配度
內在結構適配度是綜合基本適配度與整體適配度加以判斷模式的適配度，若 是二者全部符合則說明模式適配度良好，若是二者中各有一、兩項不符合則說明 模式適配度尚可(吳和堂，2016)。而判斷內在結構適配度的標準有以下兩個部分 (吳明隆，2009)：
1. 測量模式評鑑重視測量變項是否反應相對的潛在變項。
2. 結構模式評鑑了解建構階段所界定的因果關係是否成立。
另外內在結構適配度的判斷標準是依據以下六項準則來判斷(Bogozzi、Yi，
1988)。
1. 個別觀察變項的信度要達到.50。
2. 潛在變項的組合信度至少要達到.60。
3. 潛在變項的平均變異數抽取量在.50 以上的話屬於良好的信效度。
4. 參數統計之估計值須達顯著水準。
5. 標準化殘差的絕對值要小於 2.58 或是 3。
6. 在 AMOS 的內定指標界限為 4，但最好是小於 3.84。
各變項信度數據如表 4-7 所示，個別變項信度介於.23~.63 之間，潛在變項 組合信度介於.67~.85 之間，潛在變項平均變異數抽取量只有創造力為.40，不過 觀察變項因數負荷量階顯著而且潛在變項的組合信度也達.60 標準，依據 Formell 與 Larcker 的論點，即使誤差超過 50%，單獨以組合信度為基礎時，仍可做出潛 在變項的聚合效度為適當的結論(引自余民寧、韓珮華，2009)。就此仍可視為是 理想的建構效度。
表 4- 7 一階 CFA 個別項目信度、潛在變項組合信度與平均變異數摘要表
變項 個別變項信度 潛在變項
組合信度
潛在變項平均 變異數抽取量
創造力 .67 .40
X1 .45
X2 .29
X3 .35
X4 .34
X5 .26
後設認知 .85 .53
X6 .50
X7 .51
X8 .63
X9 .48
X10 .56
同時相對思考 .71 .52
X11 .35
X12 .33
X13 .56
X14 .57
X15 .23