整體適配度分析

經項目分析加以刪題後，本研究分析保留題項之信效度，並進行整體適配度分析 (Test for goodness of fit)，這是驗證性因素分析可否被接受的關鍵（邱皓政，2013）。

103

壹、絕對適配指標：

絕對適配指標是對單一目標模型進行的適配，其適配度大小代表差異之遠近。

一、卡方值 χ2

卡方值能檢測模型是否合適，邱皓政（2013）指出卡方值數值越大，代表殘差 越大。故，其值越小越好，方代表配適度佳 (Hair, Sarstedt, Ringle, & Mena, 2012)。

二、自由度 (Degrees of freedom, df)

Hair、Hult、Ringle 與 Sarstedt (2014)指出，自由度為獨立變數刪除其衍生量 數，檢驗統計量時遵循具自由度的t 分佈或卡方分佈，故在假設檢驗中常被討論。

三、卡方自由度 χ²/df

楊秋月與陳耀茂（2017）建議卡方自由度比應小於 5，才代表具理想配適度，

較嚴謹的研究則建議最好小於3（黃芳銘，2007；邱皓政，2011；Hair et al.,2012）。

四、近似均方根誤差 (Root mean square error of approximation, RMSEA)

RMSEA 大於 0.1 表適配度差，建議低於 0.08，但若於 0.08 至 0.1 間尚可被接 受（McDonald & Ho, 2002；黃芳銘，2007；陳寬裕與王正華；2010；Kline, 2015）。

五、配適度指標 (Goodness of fit index, GFI)

建議值應大於0.9，但若參數多則可放寬到 0.8 (Doll, Xia, & Torkzadeh, 1994;

Jöreskog & Sörbom, 1996; Hu & Bentler, 1999; Arbuckle, 2003; Byrne, 2016)。

六、調整之配適度指標 (Adjusted goodness of fit index, AGFI)

AGFI 值越接近 1 代表適配度越佳，建議值應大於 0.9，但若樣本數小時可能會 低估，因此有學者建議AGFI 可放寬到 0.8 (MacCallum & Hong, 1997)。

貳、相對適配指標：

相對適配指某一模型的適配度，較另一替代模型的適配度增加或減少多少適配 度。計算出兩個具不同假設的模型之適配度差異量，即可推知何者較能適配觀測資 料（邱皓政，2013）。

104

一、標準配適度指標 (Normed-fit index, NFI)

標準配適度指標值越大，表示適配度越好，建議值應大於0.9（陳寬裕與王正 華，2010；邱皓政，2013）。不過，Bagozzi 與 Yi (1990) 認為高於 0.8 就可被接受。

二、非規範配適指標 (Non-normed fit index, NNFI)

非規範配適指標原始名稱為TLI (Tucker-Lewis Index)，為樣本數夠大時的常用 指標，建議值應大於0.9（陳寬裕與王正華，2010；邱皓政，2013）。

三、比較性配適指標 (Comparative fit index, CFI)

邱皓政（2013）指出 CFI 亦稱 BFI (Bentler, 1995)或 RNI (McDonald & Marsh, 1990)。資料完全適配模型時，其值為 1，建議值應大於 0.9（陳正昌、程炳林、陳新 豐與劉子鍵，2003；李茂能，2006；陳寬裕與王正華，2010；張偉豪，2011）。

四、增值配適指標 (Incremental fit index, IFI)

資料完全適配模型時，其值為1，為樣本數低於 150 份時的常用指標（邱皓 政，2013）。建議值應大於 0.9，方代表配適度佳（張偉豪，2011；黃芳銘，2007）。

五、相對配適指標 (Relative fit index, RFI)

資料完全適配模型時，其值為1，建議值應大於 0.9（Bollen，1989；黃芳銘，

2007）。不過，Bagozzi 與 Yi (1990) 提出，若數值高於 0.8 便得以被接受。

參、精簡適配指標：

精簡適配指標在評估研究模型精簡程度是否合宜，避免模型太複雜。在相同樣 本資料的相似模型中，以精簡適配指標數值大者較佳。

一、精簡規範適配度指標 ( Parsimony-adjusted normed fit index, PNFI)

精簡規範適配度指標為精簡性已修正基準化配適度指標（陳寬裕與王正華，

2010）。建議值至少應達 0.5，方代表模型夠精簡（張偉豪、鄭時宜，2012）。

二、精簡適配度指標 ( Parsimony goodness of fit index, PGFI)

PGFI 建議值應在 0.5 以上，方為可接受的標準 (Mulaik et al., 1989)。

105

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2013). Multivariate Data Analysis (7th ed.). Harlow, England：Pearson Education Limited.

106

本研究所使用的統計分析軟體為 Amos 20，分析結果如下表 4-21 所示。於絕對 適配度指標當中，可看到χ²/d.f. =2.528，符合需小於 5 的要求；RMSEA = 0.074，達 到需小於0.1 的標準值；GFI = 0.844，符合需 0.8 以上的標準；AGFI =0.811，亦符合 0.8 以上的標準。而在相對適配度中，可見 NFI = 0.859，符合 0.8 以上的標準；NNFI

= 0.898，接近 0.9 的標準值；CFI = 0.909，符合 0.9 以上的標準；IFI =0.910，符合 0.9 以上的標準；RFI = 0.842，符合 0.8 以上的標準。至於精簡適配度指標的部分，PNFI

= 0.767，符合 0.5 以上的標準值；PGFI = 0.696，亦符合 0.5 以上的標準值。綜合上述 結果，本研究架構的整體適配度各指標多有達可接受的標準，亦證明本研究的資料與 此模型的架構是可以被接受的。

表 4-21整體適配度分析表 整體適配度分析表

統計檢定值 標準或臨界值 數值 是否符合

絕對適配度指標

χ²/df < 5 2.528 符合 RMSEA <.1 0.074 符合

GFI ≥.80 0.844 符合

AGFI ≥.80 0.811 符合

相對適配度指標

NFI ≥.80 0.859 符合

NNFI/TFI ≥.90 0.898 接近

CFI ≥.90 0.909 符合

IFI ≥.90 0.910 符合

RFI ≥.80 0.842 符合

精簡適配度指標

PNFI ≥.50 0.767 符合

PGFI ≥.50 0.696 符合

107

（續下頁）