第四章 結果與討論
第四節 模式的估計與識別
本 研 究 結 構 方 程 式 採 用 估 計 方 法 中 的 最 大 概 似 法(Maximum Likelihood, ML)及一般最小平方法(Generalized Least Square, GLS)來進行 估計。ML 估計的假定所抽出的樣本是所有可能樣本出現機率最大者，而 GLS 估計除了與 ML 估計法有相同的假定外，理論也都是以樣本為常態分 佈的前提來探討的，因此在進行結構方程式分析前，須先檢視樣本資料是 否為常態分配，以確認所得資料符合估計假定，避免模式於估計時產生偏 誤。
一、模式資料檢視
黃芳銘(2007)根據 Kline 於 1998 年「結構方程式之原理與實務」
(Principles and practice of structural equation modeling)書中指出，對於資料 的態勢與峰度上建議，態勢的絕對值能小於3、峰度的絕對值小於 10 較恰 當，其中若峰度絕對值大於 20 則視為極端峰度，將影響估計結果而不適 合使用ML 估計。
本節根據前述為由，進行模式中所有觀察變項的態勢與峰度分配檢 驗，並將題項所屬構面予以編號縮寫(規則為「構面英文頭文字」+「觀察 變項之流水號」)，以利後續圖表簡潔，結果如表 4-27 所示，本研究所輸 入資料的數值其態勢界於-1.134 到 0.088 之間，峰度則是界於-1.234 到 1.743 之間，符合Kline 建議值，故能使用 ML 法進行估計。
表4-27 模式所有題項及觀察變項之態勢與峰度分配情形
D(dissemination, 宣傳)、CU(curricula, 課程)、F(facility, 設施)、
E(expectation, 遊客期望)、Q(perceived quality, 感知品質)、
S(satisfaction, 遊客滿意度)、CO(complaint, 抱怨)、T(trust, 信賴)
二、 驗證性因素分析
待資料經檢視且符合假設後，接著以驗證性因素分析(confirmatory factor analysis, CFA)評鑑本研究所假設測量模式其因素結構與理論界定間 的適配情形。
為符合估計法對於測量資料的假定限制，須先確定模式估算執行的資 料其統計結果沒有不適當的解，即所估計的參數中無違反估計法所能接受 的情形。而一般將上述這類超出範圍的估計係數稱之為「違犯估計」
(offending estimate)，也就是不適當的解，一般常發生的現象有三種(黃芳 1983; Jöreskog, & Sörbom, 1989)，因此在題項上暫不變動與刪除。
表4-29 主題活動遊客滿意度模式成因參數殘差估計(模式修正前)摘要表 參數 非標準化參數值 標準誤 t 值 標準化後參數值
δD1 1.77 0.17 10.41* 0.61 δD2 1.05 0.11 9.47* 0.57 δCU1 0.69 0.05 13.00* 0.51 δCU2 0.70 0.06 12.64* 0.43 δCU3 0.76 0.06 12.71* 0.44 δCU4 0.72 0.06 12.79* 0.46 δCU5 0.94 0.07 12.95* 0.50 δCU6 0.87 0.07 12.78* 0.46 δCU7 0.70 0.05 12.97* 0.51 δCU8 0.61 0.05 12.26* 0.36 δF1 0.74 0.06 12.63* 0.46 δF2 0.85 0.07 12.89* 0.49 δF3 1.00 0.07 13.67* 0.64 δE1 0.76 0.12 6.19 0.37 δE2 0.84 0.11 7.79 0.44
*p<0.05
接著進行假設模式的適配度考驗，模式於修正前適配結果表 4-30，可 看出GFI、AGFI、RMSEA、CN 值表現稍落於接受範圍外，但相對適配指 標與簡效適配指標的結果符合判定標準，而針對未達範圍的指標，表示理 論模式需要進一步的修正，修正的根據來自LISREL 驗證分析結果報表中 的MI(modification index, MI)修正指標值來做程式修改，以符合理論假設來 做選擇為前提，挑選MI 值較大者進行參數(卡方值)的釋放。
表4-30 參與主題活動後遊客滿意度成因之模型 1 適配度考驗指標評鑑表
圖4-1 影響主題活動遊客滿意度成因之修正模式 1 路徑圖
關於模式2 的殘差相關設定，題項分別為：「遊客對地點的期望 vs.活 動地點的標示說明」、「活動獲得主題相關資訊 vs. 內容的深淺度」、「課程 時間長度 vs. 老師人數」及「有助於增加主題相關知識 vs. 活動地點標示 說明」四項，模式在修正前的卡方值為399.85，到了第四次修正模式後，
卡方值下降為296.87，並讓絕對適配指標中的 GFI、AGFI、SRMR、RMSEA 均獲得不等程度之改善，修正效果可參照表4-31，修正後模式之路徑圖及 標準化參數模式2，如圖 4-2 所示。
表4-31 參與主題活動後遊客滿意度成因之模型 2 適配度考驗指標評鑑表 指標 建議判定值 假設模型 修正後模型 判定
χ2 愈小愈好 399.85 296.87 -
df - 84 80 -
χ2/df 1~5 4.76 3.71 良好 GFI ≧0.9 0.88 0.91 良好 AGFI ≧0.9 0.83 0.86 還好 SRMR ≦0.08 0.052 0.047 良好 絕對適配
指標
RMSEA ≦0.09 0.099 0.084 良好 NNFI ≧0.9 0.95 0.96 良好 相對適配
指標 CFI ≧0.9 0.96 0.97 良好 PNFI ≧0.5 0.76 0.73 良好 PGFI ≧0.5 0.61 0.60 良好 簡效適配
指標 CN ≧200 108 136 不佳
圖4-2 影響主題活動遊客滿意度成因之修正模式 2 路徑圖
主題活動遊客滿意度影響程因模式適配考驗指標模式1(如表 4-30)，從 絕對適配指標來看，除卡方值之顯著性(p-value=0.00)外，GFI、AGFI、
SRMR、RMSEA，均達判定建議值，但因卡方值受樣本影響很大，往往使 得真實模式被接受的程度降低，黃芳銘(2007)建議可以不必太過為了模式 能達該指標勉強修正。據此，模式1 的絕對適配指標應是可以接受的。
相對適配指標在修正後合於判定值標準，至於簡效適配指標中的 PGFI(0.44)，略低於判定標準 0.50 以上，PGFI 之判定旨在模型的簡潔與有 效程度，黃芳銘(2002)指出，為了符合簡效原則而去將模式修改，進而偏 離理論是不正確的，在沒有可繼續修正的根據下，決定停止而接受此驗證 模式1 的適配結果。
模式2 主要以殘差相關方式進行修正，在修正選擇上相對較為侷促，
而雖然卡方值結果同樣地達顯著水準，但如同模式1 所述理由，亦暫予以 接受，此外，CN 值表現明顯不佳，根據 Hoelter 於 1983 提出時之建議，
該指標旨在讓研究者得到在樣本數上的一個合理的指標(引自黃芳銘，
2007)，本研究應是受到樣本數不足的影響，較難符合標準(Fornell, &
Bookstein, 1982)。其他適配指標仍達可接受範圍內，如絕對適配指標、相 對適配指標及簡效適配指標(PNFI、PGFI)來看，都達一定水準，因此，在 修正原則限制下，同時也沒有可繼續修正的根據，決定接受而不再進行修 正。
整體而言，模式1 及模式 2 都未出現偏離指標建議值過大的情況，表 示皆是具有成為具解釋力且符合實證資料的模型的可能候選模式。以下繼 續對參與主題活動後滿意度影響的結果進行驗證性考驗。
三. 主題活動滿意度結果模式
本模式在進行評鑑前，亦進行參數估計，以確認是否有違犯估計的 情況發生。結果如表4-32 所示，可由表中發現在抱怨中有兩參數(λCO1、λCO2) 在標準化後，其迴歸係數相當接近1，甚至 λCO2有大於1(1.01)的現象；而 有鑒於λCO2標準化係數後仍大於1 的情況，進一步由表 4-33 來看，可以觀
察到誤差變異數εCO2會有負值出現的情況，即Heywood case，此結果須進 行進一步的修補，以利模式考驗的能繼續進行。
而修正主要是根據Monte Carlo simulation 研究指出，迴歸係數會過 於接近1 以致產生不適當解，主要可能是樣本數小、潛在構面的觀察變相 過少等(引自黃芳銘，2007)，而事實上，本研究雖在有效樣本數上為 414 份，但同時具有抱怨案例的比例卻相當少，甚至未達總樣本數一成，可能 為造成此結果的主要原因，解決(修補)方法一般多將其殘差值設定為一個 大於0 的極小值代替(因為社會科學中少有殘差為 0 的情況)，如 0.005，即 平滑程序，此結果將使殘差值顯示為 0.00(因小數點後被捨去)，同時觀察 變項於構面之負荷量成為1.00。
完成違犯估計的修補之後，則模式之適配度考驗仍以前述兩種分類 原則來進行修正評估，先完成以刪除題項方式修正出模式 3，後以殘差相 關方式完成模式4。
表4-32 參與主題活動遊客之遊客滿意度結果模式參數估計摘要表 參數 非標準化參數值 標準誤 t 值 標準化後參數值
λQ1 1.02 0.06 17.12* 0.77 λQ2 1.00 0.06 16.94* 0.77 λQ3 0.85 0.05 15.86* 0.73 λS1 0.89 0.04 19.13* 0.83 λS2 0.97 0.06 16.41* 0.74 λS3 1.02 0.06 16.41* 0.74 λCO1 24.02 0.88 27.28* 0.99
λCO2 24.37 0.87 28.10* 1.01
λTR1 1.13 0.05 20.88* 0.88 λTR2 1.26 0.06 20.16* 0.86
*p<0.05
表4-33 參與主題活動遊客之遊客滿意度結果模式參數估計摘要表 參數 非標準化參數值 標準誤 t 值 標準化後參數值
εQ1 0.70 0.06 10.98* 0.40 εQ2 0.70 0.06 11.10* 0.41 εQ3 0.63 0.05 11.69* 0.47 εS1 0.36 0.04 10.03* 0.31 εS2 0.76 0.06 11.84* 0.45 εS3 0.83 0.07 11.84* 0.45 εCO1 8.63 1.85 4.68* 0.01 εCO2 -8.65 1.89 -4.56* -0.01
εTR1 0.35 0.05 7.21* 0.22 εTR2 0.54 0.07 8.32* 0.25
*p<0.05
依標準化後各觀察變項對構面的負荷量大小來看，雖均大於建議值 0.45，唯此情況下對於各適配指標的判定標準仍未能滿足，遂以每一個構 面至少有兩個觀察變項的刪題原則下，刪除的題項為感知品質構面中的第 三題，即耗時接受度，此構面也許與課程構面中第四題極相近，負荷量亦 是三者間較低的變項，故考慮後予以刪除，接著為遊客滿意度構面中的與 期望中活動之落差，考量初次參與活動的遊客為多數的情況，也是該構面 中負荷量較小者，故將該題項刪除，後進行模式的驗證性考驗，其結果如 表4-34。由表 4-34 可以看出模式在絕對適配方面有相當之改善，進一步以 MI 值進行修正，設定殘差相關，相關測定為「遊客期望落差 vs. 處理抱怨 態度」、「抱怨管道 vs. 處理抱怨態度」、「處理抱怨態度 vs. 推薦意願」與
「抱怨管道 vs. 推薦意願」四項，修正後簡效適配雖表現不佳，但為因簡 效適配的類似於模式 1 所述情況，故也停止修正，結果為模式 3，其修正 後模式的路徑圖如圖4-3。
表4-34 參與主題活動後遊客滿意度結果之模式 3 適配度考驗指標評鑑表 指標 建議判定值 假設模型 修正後模型 判定
χ2 愈小愈好 211.04 40.94 -
df - 30 12 -
χ2/df 1~5 7.03 3.41 良好 GFI ≧0.9 0.91 0.97 良好 AGFI ≧0.9 0.83 0.92 良好 SRMR ≦0.08 0.055 0.035 良好 絕對適配
指標
RMSEA ≦0.09 0.121 0.079 良好 NNFI ≧0.9 0.93 0.99 良好 相對適配
指標 CFI ≧0.9 0.95 0.99 良好 PNFI ≧0.5 0.61 0.42 還好 PGFI ≧0.5 0.48 0.32 稍差 簡效適配
指標 CN ≧200 91 246 良好
接著以參考MI 值修正的方式，來設定殘差間的相關以完成模式 4，
設定之相關觀察變項有兩個，分別為：「遊客期望落差vs. 抱怨管道」與「處 理態度 vs. 推薦意願」。修正後其適配度指標結果如表 4-35，可以看出雖 不符判定標準較多，但皆相當接近判定標準，雖不盡理想，但在無根據下，
接受此修正結果，並完成模式4 路徑圖，如圖 4-4。
圖4-3 主題活動遊客滿意度結果之修正模型 3 路徑圖
表4-35 參與主題活動後遊客滿意度結果之模式 4 適配度考驗指標評鑑表 指標 建議判定值 假設模型 修正後模型 判定
χ2 愈小愈好 211.04 114.27 -
df - 30 28 -
χ2/df 1~5 7.03 4.08 良好 GFI ≧0.9 0.91 0.94 良好 AGFI ≧0.9 0.83 0.89 還好 SRMR ≦0.08 0.055 0.044 良好 絕對適配
指標
RMSEA ≦0.09 0.121 0.092 還好 NNFI ≧0.9 0.93 0.96 良好 相對適配
指標 CFI ≧0.9 0.95 0.98 良好 PNFI ≧0.5 0.61 0.60 良好 PGFI ≧0.5 0.48 0.48 還好 簡效適配
指標 CN ≧200 91 163 不佳
圖4-4 主題活動遊客滿意度結果之修正模型 4 路徑圖
完成驗證性分析後，研究者分別將所得候選模型進行整體模型適配情 況的評鑑，並完成整體模型的建置。
三、整體適配模式評鑑
對個別模式進行驗證性因素分析調整後，研究者繼續以LISREL 進行 整體模式適配考驗，了解觀察資料與理論模式間的適配情形，並根據假設 模型之結果來進行進一步修正與調整，最後建構出主題活動遊客滿意度模 式。同前所述，於進行整體模式評鑑前，先確定模式所輸入的資料統計結
對個別模式進行驗證性因素分析調整後，研究者繼續以LISREL 進行 整體模式適配考驗，了解觀察資料與理論模式間的適配情形，並根據假設 模型之結果來進行進一步修正與調整，最後建構出主題活動遊客滿意度模 式。同前所述，於進行整體模式評鑑前，先確定模式所輸入的資料統計結