第三章 研究設計
第二節 實驗設計
一、 測量模式
ij ij
Xij =λη+δ (5)
其 中 ,
η = ( X , M , Y )
: X 表 示 第 一 個 潛 在 變 項 , M 表 示 第 二 個 潛 在 變 項亦即中介變項,Y 表示第三個潛在變項;
X
ij =(X
11,X
12,X
13,X
21,X
22,X
23,X
31,X
32,X
33):表示第 i 個潛在 變項的第 j 個觀測變項;λij =(λ11,λ12,λ13,λ21,λ22,λ23,λ31,λ32,λ33):表示第 i 個潛在變項的 第 j 個觀測變項之因素負荷量(factor loading);
δij =(δ11,δ12,δ13,δ21,δ22,δ23,δ31,δ32,δ33):表示第 i 個潛在變項的 第 j 個觀測變項之測量誤差;
二、 結構模式
Y
=β0(1) +τX
+ε1 (6)M
=β0(2) +αX
+ε2 (7)Y
=β0(3) +τ'X
+βM
+ε3 (8) 其中,(ε1,ε2,ε3)代表依變項尚未被自變項及其他依變項解釋的變異量;迴歸 係數α
、β 、τ 和τ '
代表三個潛在因子之間的關係。在 Monte Carlo 模擬中,本研究預設影響中介效果檢驗正確率的變因包含自 變項對中介變項影響的強度(
α
)、中介變項對依變項影響的強度(β )及樣本數。參 數α
、β 各包含六種不同數值:0、0.1、0.3、0.5、0.7 和 0.9,且因為本研究目的 在於觀測路徑係數α
與β 數值的發展趨勢,不在於操弄τ '
值,故固定直接效果τ '
等 於 0.5,共形成 36 種不同參數組合,參數值的選擇反應出各種情境也反應出潛在 變項之間的關係。依據圖 3.2 的模式架構,先產生服從多變量常態分配的潛在變項,接著依據給定的因素負荷量值,產生各潛在變項所對應的觀測變項。至於潛 在變項與各題目間的因素負荷量則設定在 0.5 以上(Hair, Anderson & Black, 1995),
模式中各個因素負荷量(λ11,λ12,λ13,λ21,λ22,λ23,λ31,λ32,λ33)的數值則分別設 定為( 1、0.9、0.9、1、0.8、0.8、1、0.7、0.7 )。假設測量誤差
δ
服從平均數為 0、標準差為 1 的常態分配,茲將各設定值表示如圖 3.3 所示。樣本數之數值設計方 面,修自 MacKinnon 等人(2002)的研究,將樣本數設定為 100、200、300、400、
500、600、700、800、900 及 1000,共 10 種樣本數,其涵蓋一般社會科學裡的 大中小樣本。10 種樣本大小和 36 種參數組合,共產生 360 種模擬情境。藉由 MacKinnon 等人的研究結果(MacKinnon et al., 1995; Mackinnon et al., 2002)得知 100 次與 500 次的模擬次數其結果顯示差異甚小,故本研究採用重複模擬 100 次。
在同一情境下的資料集共有 100 個,整體實驗將進行 36000 次的模擬實驗。以上 模擬資料是透過 Mplus 4.21 (Muthén & Muthén, 1998-2006)所完成。
0.5
貳、 中介效果驗證程序
步驟一:檢驗 X 與 Y 的相關性,即方程式(6)之總效果τ 須達顯著水準,亦即 X 對
Sobel (1982)方法的虛無假設:
0 H:4
αβ
=當檢驗結果皆達到顯著,代表參數
α
、β 、τ 與αβ 在模式適配上將產生顯著 的影響,即中介效果能被正確的檢驗出來。由於每種模擬情境均重複模擬一百次,因此可以計算各個情境中中介效果顯著的次數,代表結合 B-K 法和 Sobel (1982) 的檢驗法能成功地將中介效果檢驗出來。然而在何種條件之下的檢驗表現才能稱 理想,則必須將檢驗結果為顯著的次數表換算為檢驗正確率表來加以判定,檢驗 正確率的計算方式為:
符號相反的個數 與
-模擬次數
符號一致的個數 與
成功檢測出中介效果且
= 檢測正確率
τ αβ
τ αβ
′
′
(10)本研究中的檢驗正確率等於成功檢驗出中介效果且間接效果αβ 估計值與直 接效果
τ '
估計值符號一致的個數除以總模擬次數(100 次)減去αβ 與τ '
估計值符號 相反的個數。另ㄧ方面,判定檢驗正確率的優良與否,本研究參考相關研究後,將以 0.8 作為一個良好的檢驗正確率的基準(Cohen, 1988; Maxwell, Kelley, &
Rausch, 2008; 蔡良庭、楊志堅、王文中、施慶麟,2008; 白豐銘,2006),詳細的 研究結果將於下一章節中列出。