丁承
國立交通大學經營管理研究所
統計的範圍甚廣，新興方法日新月異，國科會自然科學發展處在 2005 年統 計學門規劃報告（http://www.sinica.edu.tw/~mrpcwww）中，已將統計之研究現 況就各發展重點領域按方法別作了相當完整的回顧與整理，本文則針對古典測 量理論與項目反應理論、外顯變數模型與潛在變數模型、單層次模型分析與多 層次模型分析、明確測量與模糊測量、古典機率理論與貝氏理論等五個當代重 要 的 量 化 理 論 方 法 進 行 較 深 入 的 比 較 性 探 討 ， 並 檢 視 了 國 內 近 二 十 年 來
（1986-2005）博碩士論文應用這五種新量化技術的概況。全文組織嚴謹，文獻 掌握適切，回顧過程引喻巧妙，行文流暢，對上述五大議題提供了精闢的詮釋，
同時也引領著讀者解析統計方法學的發展過程，並對量化研究之理論與應用注 入了新的啟示，閱後深感受益匪淺。
本文發現 SEM（含 CFA）是國內博碩士論文應用最多的統計方法，且持續 增加中，在商管領域，SEM 的應用最為普遍。然而，SEM 卻常遭濫用或誤用，
故本人擬針對 SEM 應用時之注意要點提供若干補充。
在行為科學研究中，由於很多屬性構念無法直接觀察，需經由其所對應之 外顯變數（題項）從事測量，測量結果具信效度是結構關聯分析的前提要件
（Anderson & Girbing, 1982），亦乃 Anderson & Girbing（1988）所提 two-step approach 之第一步，SEM 之測量模型（即 CFA）因而扮演著關鍵性之角色。相 對於 EFA，CFA 有較嚴謹之統計推論功能，且可藉助常用之統計軟體落實之，
故使用日趨普及。然而，應用 SEM 與 CFA 時，有若干注意要點常被使用者所忽 略，值得再次強調如下：
一、 多變量常態性
在 SEM 中通常使用最大概似（ML）法進行推論，而該法之前提假設係外
顯變數具多變量常態性，使用者多未正視多變量常態性未滿足時將導致模型配 適（model fit）卡方（chi-square）檢定產生偏誤之後果，故應先行確認多變量常 態性成立 （其評估可參見 Looney（1995））方宜使用最大概似法，否則應改採 ADF（Asymptotically Distribution-Free）法（Browne, 1984），請參考 Anderson &
Girbing（1988）對估計方法所提出之討論。
二、 誤差項之相關性
在 SEM 中，通常習慣於將誤差項視為相互無關（uncorrelated），然而當誤 差間存在著相關性時，信效度評估須隨之調整，即 CFA 模式須納入誤差共變數
（covariance）（e.g., Komaroff, 1997），否則將產生偏誤，此時 α 信度係數
（Cronbach, 1951）已不宜使用，應改採誤差項相關情況下之組合信度（composite reliability）（e.g, Komaroff, 1997; Raykov, 2001），至於誤差項間是否相關亦可利 用 CFA 檢測之（e.g., Komaroff, 1997; Osburn, 2000;
Reuterberg
&Gustafsson, 1992）
。三、 單一構面性（unidimensionality）與內部一致性（internal consistency）
單一構面性即題項間之 homogeneity，與題項間之內部一致性係不同概念
（e.g, Cortina, 1993），單一構面性須在評估內部一致性前先予確認（e.g, Girbing
& Anderson, 1988; Hinkin, 1998），不具單一構面性之衡量題項不宜冒然計算其信 度係數。單一構面性之評估可採用 CFA（Girbing & Anderson, 1988; Osburn, 2000），須獲得支持後再進一步計算各構念之組合信度藉以評估內部一致性。
四、 EFA 與 CFA
在量表發展過程中，EFA 常與 CFA 一起使用，先利用 EFA（配合斜交轉軸）
萃取因素構面並建立初始量表，再以 CFA 對該初始量表進行信效度驗證（e.g., Girbing & Anderson, 1988），驗證信效度時須符合交叉效度（cross-validation）的 要求（e.g., Anderson & Girbing, 1988; Hinkin, 1998），即在驗證階段須使用獨立樣 本，而非以 EFA 所使用之同一樣本來進行 CFA。
五、 模型修訂
SEM 係屬驗證性（confirmatory），而非探索性（exploratory）的方法（Hair,
Anderson, Tatham, & Black, 1998），針對某一理論模型，可藉 SEM 進行資料實 証，當配適結果不理想而需對原模型從事修訂時，宜謹慎為之，模型之修訂若 無法提供適當之理論或文獻依據，將淪為 data-driven modification，所得結果不 具概化性（generalizability）（e.g., Hair, Anderson, Tatham, & Black, 1998; Hatcher, 1994）。若模型修訂有據，則修訂後模型之再驗証仍須滿足交叉效度。
六、 SEM 配適指標之標準
有關 SEM 中之配適指標如 GFI、NFI、NNFI、CFI 等，很多實證研究者採 0.9 作為配適度通過標準，然而，Lance, Butts, & Michels（2006）提醒研究者，
勿陷入配適指標值達 0.9 即表配適度佳之迷思，反應留意若配適指標值低於 0.9 則表示配適度尚有頗大的改善空間，換言之，配適指標值低於 0.9 即已反映配適 度不足。雖然 0.9 能否當作標準仍具爭議性，但當配適指標值低於 0.9 時，即應 面對此一配適不佳之問題，此時宜採取適當之補救措施，例如再多收集一些資 料，若仍不見改善，則需修訂模型，唯須避免 data-driven modification（如上述 第五點）。
參考文獻
Anderson, J. C., & Gerbing, D. W. (1982). Some methods for respecifying measurement models to obtain unidimensional construct measurement. Journal
of Marketing Research, 19, 453-460.
Anderson, J. C., & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103, 411–423.
Browne, M. W. (1984). Aymptotically distribution-free methods for the analysis of covariance structures.
British Journal of Mathematical and Statistical Psychology, 37, 62-83.
Cortina, J. M. (1993). What is coefficient alpha? An examination of theory and applications. Journal of Applied Psychology, 78, 96–104.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests.
Psychometrika, 16, 297–
334.Girbing, D. W., & Anderson, J. C. (1988). An updated paradigm for scale development incorporating unidimensionality and its assessment. Journal of
Marketing Research, 25, 186-192.
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate Data
Analysis (5th ed.). London: Prentice-Hall International, Inc.
Hatcher, L. (1994). A Step-by-Step Approach to Using the SAS System for Factor
Analysis and Structural Equation Modeling. Cary, NC: SAS Institute Inc.
Hinkin, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods, 1, 104-121.
Komaroff, E. (1997). Effect of simultaneous violations of essential-equivalence and uncorrelated error on coefficient . Applied Psychological Measurement, 21, 337–48.
Lance, C. E., Butts, M. M., & Michels, L. C. (2006). The sources of four commonly reported cutoff criteria: What did they really say? Organizational Research
Methods, 9, 202-220.
Looney, S. W. (1995). How to use tests for univariate normality to assess multivariate normality. The American Statistician, 49, 64-70.
Osburn, H. G. (2000). Coefficient alpha and related internal consistency reliability coefficients. Psychological Methods, 5, 343–55.
Raykov, T. (2001). Bias of coefficientα forfixed congenericmeasureswith correlated errors. Applied Psychological Measurement, 25, 69–76.
Reuterberg, S. E., & Gustafsson, J. E. (1992). Confirmatory factor analysis and reliability: Testing measurement model assumptions.