研究理論模式介紹

3.2.1 結構方程式模型簡介

結構方程式模型是近年來為社會科學領域廣泛應用的一項資料分析工具，它是迴歸分析 的一種延伸，藉由同時分析一個封閉的理論模型中的一組或多個線性迴歸方程式，來了解模 型中變數之間的因果關係。在本質上，SEM 並非用來證明變數間因果關係的存在，而是用來 檢驗一個假想理論模式的準確度或可靠性，用以看出假想模型與實際蒐集資料之間的一致性 與適合程度。因此研究者如何藉由相關文獻的幫助來建立假想的理論模型，是 SEM 能否成 功的一個重要關鍵。

結構方程式模型最大的優點是在於可以同時處理一系列依變數之間的關係，特別是當某 一個依變數在研究過程之中變成了自變數。除此之外，結構方程式模型同時結合「因素分析」

與「路徑分析」，它一方面減少了這兩個方法的使用條件限制，並且可以達到這兩個方法的使 用目的；甚至比起傳統的路徑分析，結構方程式模型除了能考慮量測誤差之外還能提供因果 模式適合度的指標(Fit Indicators)，以及模式修正指標(Modification Indicatos)，這些在研究工 作上對於理論模式之發展與建構有很大的助益。

結構方程式模型理論中有幾個重要的名詞必須注意，即「觀察變數(Observed Variables)」、

「潛在變數(Latent Variables)」、「外衍變數(Exogenous Variables)」、「內衍變數(Endogenous Variables)」、「誤差變數(Error Variables)」。

表3.1 結構方程模型變數名稱表

變數名稱 定義

觀察變數(Observed Variables) 指可以直接被觀察到的對象，例如性別、年齡、學科成 績…等。

潛在變數(Latent Variables) 這是一種無法直接觀察得到但卻假設其存在的一個變 項。在社會科學及行為研究領域之中，存有許多概念 (Conncept)無法被具體衡量出來，只能依賴一個到數個

觀察變數作為指標(Indicators)。

外衍變數(Exogenous Variables) 在因果模型中扮演因(Cause)的角色，而不扮演果(Effect) 的角色之變項。它不受模式之中其他任何變項的影響，

其角色類似迴歸分析中自變數的功能。

內衍變數(Endogenous Variables) 在因果模型中此一變數受到外衍變數、其他內衍變數，

以及誤差變數的影響，故它可以是因也可以是果。

誤差變數(Error Variables) 是除了所有自變數之外，可能影響依變項的所有外在可 能因素，如同迴歸分析中誤差的概念。

藉由此五種變數組成的線性方程式便是所謂的結構方程式模型，然此模型還可以分為兩 大部分：結構模型(Structural Model)與測量模型(Measure Model)。結構模型說明了潛在變數與 潛在變數之間的關係，若僅針對結構模型進行分析，即如同傳統路徑分析方式，可以多元迴 歸的概念來說明潛在變數之間的因果或者預測關係。測量模型則是說明潛在變數與觀察變數 之間的關係，若僅針對測量模型進行分析，即如同傳統因素分析方式，進行所謂的驗證性因 素分析(Confirmatory Factor Analysis, CFA)檢測測量問項的因素結構與測量誤差。

3.2.2 研究理論模式介紹

就前述系統分析結果所得之系統分析圖，後續將以結構方程式模式建立本研究之SEM 模 式路徑圖，見下圖3.2。

Altruism Collectivism Green information

Environmental awareness

Green value

Product value

Egoism Product

brand Product Selling pirce information

Green purchase attitude

Green purchase intention

Green purchase decision 數對「綠色價值(green value)」有很大的影響；後四項變數對「產品價值(product value)」有很 大的影響。至於另外兩個外生潛在變數主觀規範與感認行為控制，根據過去文獻會顯著影響

「個人綠色購買態度(Green purchase attitude)」。而四個內生潛在變數分別為綠色價值、產品 價值、綠色購買態度、綠色購買意願，而這些所有的變數都將結果顯現在個人綠色購買行為

變數上。