四、 結果與討論
4.4 整體結構模式
我平日會實行資源回收
生態管理類 B2
環境行動 B4 我隨手撿拾垃圾 3.64 3.38
3.36 B5 我自備茶杯或餐具，而不用紙杯或免洗餐具
3.75 B11 我鼓勵他人節約能源及參與資源回收
勸說類
環境行動 B12 我主動向他人說明環保的重要性 3.02 3.27 3.04
B13 發現他人破壞環境時，曾理性勸導他
4.05 B18 我支持維護生態保育的法規
法律類
環境行動 B19 旅遊時我會配合管制措施與辦法 4.35 3.66 2.57
B20 發現環境受到破壞，我曾向有關單位檢舉
4.4 整體結構模式
本研究以線性結構方程式(SEM)來驗證生態旅遊遊客環境行為因素，經過前述對本 研究模式進行驗證性因素分析後，觀察變項刪改為 19 個變項，分別是 3 個環境關切問 項、2 個規範信念問項、2 個行為信念問項、2 個控制信念問項、2 個主觀規範問項、3 個態度問項、2 個行為控制知覺問項、以及 3 個行為意向問項。潛在變項仍為「環境關
切 EC」、「規範信念 NB」、「行為信念 BB」、「控制信念 CB」、「主觀規範 0.537 至 0.929 之間，標準化殘差值均小於 2.58，t-value的絕對值皆大於 1.96，觀察變 數個別信度R2亦大於0.3，各指標測量皆達到標準。
表4 - 15 整體模式參數值
Table 4-15 Estimates of full structural model
潛在變項 觀察變項 因素負荷量(λ ) 標準化殘差 t 值 R2
**表p-value<0.01
4.4.2 整體模型契合度分析
參數估計之結果可以用來診斷個別參數的統計意義，而這些參數估計的整體效果 可透過各項模型契合度指標來評估，整體適配度指標數值如表 4-16 所示，絕對適配指
標之卡方值為 427.466，但 受樣本數大小影響，所以卡方值不能夠用來反應理論模 式與觀察資料的程度，故以整體適配度的複合指標進行模式的評鑑。絕對適配指標 RMSEA 在可接受範圍內；相對適配指標值中只有 CFI>0.9 達到標準，NFI 與 NNFI 皆
<0.9，未符合標準；簡效適配指標 PNFI 與 /df 均達到適配指標要求水準。因此，整 體模型還有可修正的空間。
χ2
χ2
表4 - 16 整體模式適配度值
Table 4-16 Goodness-of-fit of full structural model
適配指標 CFA 是否符合標準 標準值
絕對適配指標
427.466 不符合 卡方值愈小愈好
χ 2
<0.05「良好的適配」；0.05~0.08「不錯 的適配」；0.08~0.10「中度的適配」；
>0.10「不良適配」
RMSEA 0.067 可接受 相對適配指標
NFI 0.864 不符合 >0.9
NNFI 0.892 不符合 >0.9
CFI 0.909 符合 >0.9
簡效適配指標
PNFI 0.728 符合 >0.5
2.672 符合 <3
χ /df 2
p-value<0.001
4.4.3 整體模式結構修正結果
應用 SEM 進行模型修正是為了改進初始模型的配合度。這個修正工作被稱為「模 型設定的探尋」(Model specification search)。此一步驟在實際操作時經常是不可缺少 的。因為模型修正有助於認識初始模型的缺陷，並且還能獲得其它替代模型的啟示。
當初始模型不能配合觀測資料時，亦即這此模型被資料所拒絕，此時需要瞭解模型問 題何在，進而修正模型以達良好的適配度。
當修正不好配合度模型時，可以改變其測量模型(Measurement model)、增加新的 結構參數(Structural parameters)，或設定某些誤差項(Measurement errors or structural errors)相關，或者限制某些結構。SEM 能夠提供一些修正指數(Modification indices)，
對於重新設定模型有很大幫助(林震岩，2006，p.618)。修正指標(Modification index，
MI)之目的在顯示某些觀察殘差的相關性關係，為了驗證理論與收集到的資料間的關係 讓模型達到配適度的標準，修正模式的過程就是驗證所蒐集的樣本資料是否符合模型 理論的建構。修正指標(MI)表示一個先前固定的參數被釋放後，模式重新估計下所降
低的最少卡方值。即釋放了該參數，其實際降低的卡方值應該會大於 MI 值。MI 可以 解釋為一個自由度的 分配。由於一個自由度的 統計臨界值(α =0.05)為 3.84。因 此，當 MI 值大於 3.84 時就被認為足夠大，而此參數的因果性有足夠的理論支持，此 一參數便可以將之釋放，重新估計。在使用修正指數時，一般建議一次只能夠釋放一 個參數，因為釋放一個參數將可能降低或消除第二個要釋放參數之適配度改進情形。
這也是因為此種估計法是一種整體訊息技術的應用，每次的估計皆會同時牽連到所有 方程式中所有參數的適配度(黃芳銘，2004，p.147)。
χ2 χ2
經過驗證後變項資料，利用 AMOS 的模式徑路圖來驗證「生態旅遊遊客的環境行 為」模式，分析模式內各變項間之關係假設，並依據修正指標(modification index，MI) 的指示，數值大於 3.84 者修正該取向。透過釋放新的估計參數，讓模式的適配度更 佳。模式修正過程如表 4-17 所示，經過修正模式一、二、三之修飾，最終模式整體配 適度指標值 及 NFI 未達指標水準， 與 NFI 容易受到樣本數之影響，當樣本數大 於 200 以上，卡方值很容易達到顯著差異的程度。Bollen (1989)認為 NFI 有些限制存 在，包括沒有控制自由度以及受樣本大小的影響。當樣本低於 1000 以下，以 ML 估計 法所估算出來的 NFI 值，實質上不同於以 GLS 和 ADF 所獲得的 NFI 值。樣本數在 1000 以下，以 GLS 和 ADF 所獲得的 NFI 值相當大的機會拒絕真實的模式(黃銘芳，
2004，p.117)。故參考其它適度指標，其餘指標數值都在可接受水準範圍內，表示此行 為模式有不錯的預測性，顯示本研究的「生態旅遊者環境行為模式」以計畫行為理論 為基礎解釋環境行為模式具可信度，亦即本研究的理論行為模式可以有效地預測生態 旅遊者實際從事的環境行為。
χ2 χ2
表4 - 17 整體模式修正過程
Table 4-17 Procedure of full structural model modification
模式 修正動作 絕對指標 相對指標 簡效指標
χ =427.466 NFI=0.864 2
初始模式 無 NNFI=0.892 PNFI=0.728 p-value<0.001 CFI=0.909 χ /df=2.6722 RMSEA=0.067
χ =375.068 NFI=0.881 2
修正模式一 刪除PBC－B
NNFI=0.913 PNFI=0.742 p-value<0.001 χ /df=2.3442 增加NB－AT(MI=32.838)RMSEA=0.060CFI=0.927
χ =361.679 NFI=0.885 2
修正模式二 增加 CB－SN(MI=7.803) NNFI=0.918 PNFI=0.740 p-value<0.001 CFI=0.931 χ /df=2.2752 RMSEA=0.059
NFI=0.888
修正模式三 增加 CB－AT(MI=4.939) χ =351.701 2 NNFI=0.921 PNFI=0.738
χ2
CFI=0.934 /df=2.226
最終模式 刪除CB－AT
Table 4-18 Model estimates of full structural model after modification 潛在變項 觀察變項 因素負荷量(λ) 標準化殘差 t 值 R2
*表p-value<0.05
圖4 - 3 修正前整體模式徑路圖
Figure 4-3 Structural model with standardized path coefficients and explained variances before modificatioan
EC
Figure 4-4 Structural model with standardized path coefficients and explained variances after modificatioan 表p-value<0.05
*