3.3.1 結構方程模式結構方程模式結構方程模式結構方程模式(structural equation modeling, SEM)
結 構 方 程 模 式 為 本 研 究 所使 用 的 方 法 ， 其 特 性 除 了 可 以處 理潛 在 變 項 的 估 計 問 題 還 有 下 列 幾 項 優 勢：1、S EM 具 有 理 論 先 驗 性 ，必 須 建 立 在 一 定 的 理 論 基 礎 之 上 ， 是 一 個 用 以 檢 證某 一 先 期 提 出 的 理 論 模 型 之 適 切 性 的 一 種 統 計 技 術 ； 2 、 S EM 同 時 處 理 測 量 與 分 析 問 題 ， 將 不 可 直 接 觀 察 的 構 念或 概 念 ， 以 潛 在 變 項 的 形 式 ， 利 用 觀 察 變 項 的 模 型 化 分 析 來加 以 估 計 ， 不 僅 可 以 估 計 測 量 過 程 當 中 的 誤 差 ， 也 可 以 用 以 評 估 測 量 的 信 度 與 效 度 ； 3 、 S EM 以 共 變 數 的 運 用 為 核 心 ， 亦 可 處 理 平 均 數 估 計 ， 用 以 反 應 兩 個 變 項 的 共同 變 異 或 相 互 關 聯 程 度 ； 4 、 S EM 包 含 了 許 多 不 同 的 統 計技術 ； 5 、 S EM 重 視 多 重 指 標 的 運 用 ， 使 研 究 者 可 以 從 不 同 的 角 度 來 進 行 分 析 ， 避 免 過 度 倚 賴 單 一 指 標 。
本研究對於問卷調查所得到的資料採用 LISREL 8.3 版進行結 構方程模式分析，本節分別詳述欲進行的統計分析方法包含路徑分 析以及模型評鑑指標的運用，如後。
一、路徑分析(Path Analysis)
將觀察變項間的關係以模型化的方式來進行分析的一種統計 技術。SEM 藉由因素分析技術所抽取出來的潛在因素，可以利用 迴歸技術來探討進一步的關係與影響模式。傳統上，路徑分析由一 系列的迴歸分析所組成，將不同的方程式加以組合，形成結構化的
模式，又稱為迴歸取向(regression approach)的路徑分析。現在，路 徑分析可輕易在 SEM 加以模組與檢驗，因此路徑分析逐漸改以 SEM 的方式來處理，此稱為結構方程模式取向(SEM Approach)。
迴歸取向與 SEM 取向主要不同點在於迴歸取向路徑分析無法處理 潛 在 變 項 的 問 題 ， SEM 取 向 則 可 以 同 時 進 行 路 徑 因 果 關 係 的 檢 測；另外，SEM 取向亦可以處理測量誤差的控制。
由於國內較早的研究多以迴歸取向來驗證兩兩變數之間的關 係，若要同時探討三個以上潛在構念的關係就稍嫌不足。故本研究 的概念是屬於結構方程模式取向，即可同時處理多個潛在構念的同 時，也進行路徑因果關係的檢測與測量誤差的控制，並配合所提出 的特定假設模型找出最佳的模型。依據相關的理論基礎，本研究所 建立的模型為中介模型之路徑分析，進而探討多層次傳銷商的組織 公平知覺是否會透過領導－成員交換關係的中介作用，間接影響外 在滿意。
二、模型評鑑指標的運用
結構方程模式的文獻提供了多種不同的模型評鑑指標，以評鑑 假設的徑路分析模式圖與搜集的資料是否相互適配。目前最常見到 的契合度評估策略有卡方值與卡方顯著性、卡方自由度比、CFI 與 RMSEA 等指標，但 Rigdon(1996)認為若採用 RMSEA，樣本數建 議大於 500 再參考此指標。對照本研究樣本僅為 263 份，對於 RMSEA 指標僅在後續的分析中列出，但不為參考之依據。各契合 度指標說明如表 3.13 所示。
表表
表表 3.13 契合度指標統整表契合度指標統整表契合度指標統整表 契合度指標統整表
指標名稱與性質 範圍 判斷值 適用情形
χ2 test－
理論模型與觀察模型的契 合程度
－ P>0.05 說明模型解釋力。
卡方值對受試樣本的大小非常敏 感，如果樣本數愈大，卡方值愈 容易達到顯著，導致理論模式遭 到拒絕的機率愈大。
卡方自由度比(χ2/df)－
考慮模式複雜度後的卡方 值
－ <3 不受模式複雜度影響。
CFI－
假設模型與獨立模型的非 中央性差異
0－1 >0.9 說明模型較虛無模型的改善程 度。
契合度指標(GFI)－
假設模型可以解釋觀察資 料的比例
0－1 >0.9 說明模型解釋力。
類似於迴歸分析中的 R2。 殘差均方根指數 RMR－
未標準化假設模型整體殘 差
－ 愈小愈好 (<0.05)
瞭解殘差特性。
平均概似平方誤根係數 (Root Mean Square Error of Approximation;
RMSEA)－
比較理論模式與飽和模式 的差距，反映對原始母體 的配適情形
0－1 <0.08 數值若>0.1，則模式的適配度欠 佳；0.08~0.1，則模式尚可；
0.05~0.08，表示模式良好；<0.05 表示模式適配度非常優良。
在小樣本時可能有高估的現象，
當樣本數>500 以上，參閱此指標 較好。
資料來源：參考【13】、【54】
依據上述概念性架構、研究假設以及各構面之操作型定義與衡 量指標的確立，本研究建立之結構方程模型如圖 3.1 所示。
圖圖
圖圖 3.1 結構方程模型圖結構方程模型圖結構方程模型圖結構方程模型圖
3.3.2 階層迴歸分析
階層迴歸分析 階層迴歸分析 階層迴歸分析
Subhash et al. 【72】認為分組是將連續資料降為離散資 料，影響了資料的原始性，因此，為了不影響資料的原始性，建議 調節效果採用 Hierarchical Regression 的方式進行分析。故本研究 支 持 型 文 化 的 調 節 效 果 檢 定 採 用 迴 歸 分 析 ， 所使 用 軟 體 為 SPSS 10.5 版。
E1
E2 E4
E3 E5 E8
E7
E6