整體適配度分析

結構方程路徑分析與適配度鑑定的一個重要概念就是評估研究者 所提出的假設模式是否適切。假設模式的適切性是以虛無假設的形式 存 在 ， 虛 無 假 設 代 表 SEM 的 假 設 模 式 和 實 際 觀 察 所 得 的 資 料 相 符 合，對立假設則表示理論模式不能反應觀察資料。

絕對適配度方面，卡方值證明了本研究觀察資料與假設模型的差 異程度， χ2 為 587.197，自由度為 203， p 小於 0.05，可知達到了顯 著水準，然而卡方值易受到樣本與其變項分配性質的影響，進而產生 模型契合度不佳的情形，因此須輔以其他指標來進行評鑑，不 可以過 度倚賴卡方值來判斷，而調整後的卡方值，可以較不受樣本大小的影 響，根據 Bollen (1989)學者的建議 χ2/df 理想值應小於 5，本研究數 值為 2.893，符合其所建議的適配度。

AGFI 與 迴 歸 分 析 中 的 調 整 後 可 解 釋 變 異 量 （ Adjusted R2 ） 相 似，而 GFI 即與迴歸分析中的可解釋變異量（R2）相似。越接近 1 表示契合度越高，兩者都是標準化的數值。Hu 與 Bentler (1999)指出 GFI 的標準值應該要大於 0.9，；Browne 等人(1993)建議 GFI 的標準 值需大於 0.8；Wu 與 Wang (2006)在探討相關文獻後表示，適配度指 標 可 以 按 照 Hadjistavropoulos 、 Frombach 與 Asmundson (1999) 與 Hair 等人(1998)的建議，AGFI > 0.8 以及 GFI > 0.85。本研究 AGFI 值 0.816，GFI 值為 0.852，皆有符合所要求之適配度。

SRMR 以及 RMR 兩者值越小代表模型契合度越佳，兩者都是反 應假設模型的整體殘差，不過其中 RMR 無法具有判斷準則，因其沒 有標準化的特性，因此進行評鑑大多使用標準化後的 SRMR。 學者 Joreskog 與 Sorbom (1984)認為 SRMR 小於或等於 0.05 才符合標準

（ 黃 芳 銘 ， 2007 ） ； 學 者 Hu 與 Bentler (1999) 的 接 受 值 則 以 達 到 0.08 為 標 準 （ 邱 皓 政 ， 2003 ） ， 0.058 為 本 研 究 SRMR 值 ， 小 於 0.08 符合前述的標準，顯示本研究假設模型之參數估計，有良好的反

應觀察資料變異量。

近年來 RMSEA 則是受到重視的指標之一，主要是比較完美模型 與 假 設 模 型 的 差 距 程 度 ， 模 型 越 理 想 其 間 差 距 越 小 越 好 ， 本 研 究 RMSEA 值為 0.078，接近 Browne 等人(1993)的建議值為小於 0.06，

並且符合 McDonald 與 Ho (2002)小於 0.08 為可接受的建議，表示為 不錯的適配標準。

CFI 指 數 一 般 是 以 0.95 為 門 檻 (Bentler, 1995) 。 一 般 而 言 ， RFI、IFI、NFI、TLI 數值都會介於 0 至 1 之間，模型適配度越佳其 數值越大，為了要視為具有理想的適合度，係數值同時需大於 0.9 才 可以(Hu & Bentler, 1999)，而 Ullman (2001)提出建議可放寬到 0.8 的標準；邱皓政（2003）認為 NFI 與 IFI 若達 0.8，即代表模型具有 良 好 的 適 配 度 。 而 本 研 究 架 構 當 中 的 CFI 為 0.879 ， RFI 的 值 為 0.804，IFI 的值為 0.880，TLI 的 值為 0.862，NFI 的值為 0.828，

CFI、RFI、IFI、NFI、TLI 皆大於 0.8，顯示本模型具有不錯的適配 度。

為了避免相對適配指標，可能會造成的增加估計參數用以降低卡 方 值 ， 在 追 求完 美 適 配時 ， 還 是須 要 以簡 效 適 配 指 標來 判 斷 。包 含 PNFI（簡效規範適配指標，parsimonious normed fit index）與 PGFI

（簡 效良 性適 配指 標， parsimonious goodness of fit index ）兩大 指 標。Mulaik 等人(1989)提出一個良好的模型，PGFI 指標與 PNFI 指 標 大 於 0.5 都 是 良 好 的 （ 邱 皓 政 ， 2003 ） 。 本 研 究 PNFI 指 標 為 0.727，PGFI 值為 0.684 均超過 0.5，簡效程度指標顯示模型具有不 錯的適配度。以上各適配指標皆符合建議的規範達到適配標準，各項 適配指標整理於下表 4-12，顯示本研究建構之結構模式資料具有良好 的適配度。

在 校 務 媽 寶 SEM 模 型 （ 以 下 簡 稱 類 型 2 ） 部 分 ， 各 構 面 的 題 項，其因素負荷量介於.606 至.929 之間，符合建議指標.5 以上，在

標準化迴歸係數絕對值沒有接近或超過 1，且誤差變異數皆顯著，表 示無違犯估 計。在 多元常態 檢定方面 ， 偏態係數絕 對值介 於 .146 至 1.677 之間，峰度係數絕對值介於.013 至 3.108 之間，皆符合門檻，

可視為常態。接著，再進一步針對絕對配適度指數、相對配適度指數 及 精 簡 配 適 度指 數 進 行模 型 配 適度 之 衡量 ， 以 瞭 解 模型 的 配 適情 形

（邱浩政，2003），

茲說明如下：

(一)模型配適度分析 1. 絕對適配度指數

本研究分析結果顯示，卡方值為 2.049（p > .05），模型契合度 良好，同時 RMSEA 指數為.052，低於.08 的門檻，RMR 為.052，略 高於門檻.05，SRMR 為.078，雖良好配適需小於.05，但仍為可接受 配適。AGFI、GFI 需達到.8 以上，表示具有理想的契合度，校務媽 寶行為覺知模式 AGFI 為.899，GFI 為.941，皆符合標準值.8 以上。

2. 相對適配度指數

相對適配度指數可參考 NNFI、CFI、NFI、IFI 等數值，數值若 大於.9 表示模式具有良好配適度，大於.8 則表示模式適配度可接受 (Hu & Bentler, 1999)。本研究之 NNFI 值為.932、CFI 值為.941、IFI 值為.942，皆符合標準值.9 以上。惟 NFI 值為.893，略小於標準值，

沒有符合達到大於.9 的標準。

3. 精簡適配度指數

在精簡適配度指標部分，PNFI、PGFI、PCFI 等數值，需達到.5 以上，表示模式具有良好配適度。本研究 PNFI 值為.770、PGFI 值 為.720、PCFI 值為.813，皆符合標準值.5 以上。

最後，根據本研究所設立之研究問題一，如何評估結構方程模式 之理論模式與資料結構是否契合，黃芳銘（2004）建議透過多數決為 評判標準。Byrne (2010)提出應用 SEM 作為理論模型的驗證時，不

錯的模型配適度為 SEM 分析的必要條件。本研究媽寶 SEM 模型大部 分的配適度指標皆符合良好配適，請見表 4-7，僅在 SRMR 與 NFI 值 為可接受數值，因此，校務媽寶 SEM 模型的配適指標幾乎可算是所 有指標皆符合標準，即可認為模式適合。綜合上述 之各項指標的配適 度檢驗結果，顯示此模型具有良好的配適度。

8

統計檢定值 適配標準或臨界值 檢定數據 結果

χ² --- 923.918

df. --- .455

χ²/df. < 5 2.031 符合

RMSEA <.10 .059 符合

GFI >.8 .843 符合

AGFI >.80 .818 符合

NFI >.80 .885 符合

NNFI >.80 .932 符合

CFI >.80 .938 符合

IFI >.80 .938 符合

RFI >.80 .974 符合

PNFI >.50 .811 符合

PGFI >.50 .726 符合