確認性因素分析與模式特性分析

本研究所回收之有效問卷共 108 份，表 4-6 為模式驗證過程所得之各項數 據，未經過修正所得出之模式，稱為原始衡量模式。原始衡量模式經過驗證之後，

χ²值達到 5466.95，雖然樣本數只有 108 份，但由於模式變數有 50 個之多，因 此卡方值相當大，經過修正後，χ²/df 之值為 4.75，根據 James[38][39]、

Jöreskog & Sörbom[40]等學者研究，X²/df 值在 5 以下則已有一般良好的水準，

4.75 已達到建議之配適水準，亦即模式結果接受觀察變數之資料與欲驗證之關 聯模式相等之虛無假設。

在原始衡量模式當中，除X²/df 值以及殘差均方根值(RMR)到達適配標準，

其餘適配度指標均未達到建議值。其中適配度指數(GFI)為 0.80，調整後適配度 指數(AGFI)為 0.75，增值適配度指數(NFI)為 0.81，NNFI 指數(nonnormed fit index)為 0.73，CFI 指數為 0.65。

表 4-6 整體確認性因素分析結果

X² df X²/df RMR GFI AGFI NFI NNFI CFI LISREL 模式建議值 <5 <0.05 >0.9 >0.9 >0.9 >0.9 >0.9

原始衡量模式 5466.95 1150 4.754 0.042 0.80 0.75 0.81 0.73 0.65 第一次修正模式 5100.31 1103 4.624 0.040 0.84 0.77 0.83 0.76 0.65 第二次修正模式 4892.17 1056 4.632 0.039 0.84 0.78 0.84 0.80 0.66 第三次修正模式 4696.16 1030 4.556 0.039 0.86 0.78 0.87 0.82 0.66 第四次修正模式 4585.61 965 4.752 0.038 0.89 0.83 0.89 0.82 0.67 第五次修正模式 4252.42 903 4.709 0.035 0.90 0.84 0.91 0.85 0.70 LISREL 分析得到的報表中，會計算出任意兩兩衡量變數間的殘差值，並會 列出前十組殘差值最大的衡量變數；而 Lagrange multiplier test 則會列出 衡量變數與其他潛在變數間之相關程度。如果前十組殘差值最大之衡量變數經 Lagrange multiplier test 分析後，確定與其他變數有高度之相關性，顯示該 變數為複雜變數(complex variable)，而 Hatcher[37] 建議刪除此類變數可以 避免干擾後續路徑分析的結果。

在原始衡量模式中，經由殘差分佈與 Lagrange multiplier test 發現，

e1「我覺得代步車速度不快，是一種很安全的代步工具。」之殘差值最大，

且理論上 e1 是被「輔具觀感構面」所解釋，但卻發現與其他潛在變數有高度 之相關性，表示該變數為複雜變數。然而 e1 是被「輔具觀感構面」所解釋，

該構面共有 10 個外顯變數，因此如果刪除 e1後，該構面將剩下 9 個外顯變數，

對原有模式並不會造成太大之影響，因此本研究決定刪除 e1，並繼續進行驗證 性因素分析。

一、第一次修正模式

在刪除變數 e1「我覺得代步車速度不快，是一種很安全的代步工具。」 之後，再次進行 CFA，結果如表 4-6 所示，並分析如下。

在經過刪除變數 e1 之後，卡方值依然顯著，顯示資料間仍有很大之差異。

但是在模式修正過後，卡方值下降 366.6，顯示在第一次修正後模式有顯著的進 步，且自由度降為 1103，X²/df 值亦降為 4.624，其值小於 5，是在可接受的範 圍之內。

第一次修正之後的模式，GFI 值為 0.84，表示假設模式可以解釋觀察變數之 比例為 0.84；AGFI 值為 0.77，表示不考慮模式之複雜程度後，假設模式可以解 釋觀察變數之比例為 0.77。修正模型之 NFI 值 0.83 與 NNFI 值分別為 0.76，反 映假設模式與配適度最差之獨立模型相比，改善程度僅達為 0.83，在不考慮模 式複雜度後，假設模式較獨立模式之改善程度亦只有為 0.76，CFI 值為 0.65。

RMR 值為 0.04，低於 0.05，由 RMR 值來看，整體模式之殘差量尚在可以接受之 範圍內。

在第一次修正模式中，經由殘差分佈與 Lagrangian multiplier test 發現，

e10「代步車保養很容易，又不用加油，真方便。」之殘差值最大，且理論上 e10 是被「輔具觀感構面」所解釋，但卻發現與其他潛在變數有高度之相關性，

表示該變數為複雜變數。然而 e10 是被「輔具觀感構面」所解釋，該構面共有 9 個外顯變數，因此如果刪除 e10 後，該構面將剩下 8 個外顯變數，對原有模式並 不會造成太大之影響，因此本研究決定刪除 e10，並繼續進行驗證性因素分析。

二、第二次修正模式

在刪除變數 e10「代步車保養很容易，又不用加油，真方便。」之後，

再次進行 CFA，結果如表 4-6 所示，並分析如下。

在經過刪除變數 e10 之後，卡方值依然顯著，顯示資料間仍有很大之差異。

但是在模式修正過後，卡方值下降 208.14，顯示在第二次修正後模式仍有相當 程度的進步，且自由度降為 1056，但X²/df 值亦降為 4.632，不過小於 5，仍是

在可接受的範圍之內。

第二次修正之後的模式，GFI 值為 0.84，表示假設模式可以解釋觀察變數之 比例為 0.84；AGFI 值則修正為 0.78，表示不考慮模式之複雜程度後，假設模式 可以解釋觀察變數之比例為 0.78，有些微進步。修正模型之 NFI 值 0.84 與 NNFI 值分別為 0.80，反映假設模式與配適度最差之獨立模型相比，改善程度僅達為 0.84，在不考慮模式複雜度後，假設模式較獨立模式之改善程度亦只有為 0.80，

CFI 值為 0.66。RMR 值為 0.039，低於 0.05。由整體來看，整體模式之適配度雖 然還是未達到 LISREL 的建議值，但是已經開始有改善的跡象。

在第二次修正模式中，經由殘差分佈與 Lagrange multiplier test 發現，

c2「我覺得一整天都待在家會很悶。」之殘差值最大，且理論上 c2 是被「個 人外出態度構面」所解釋，但卻發現與其他潛在變數有高度之相關性，表示該變 數為複雜變數。然而 c2 是被「個人外出態度構面」所解釋，該構面共有 6 個外 顯變數，因此如果刪除 c2 後，該構面將剩下 5 個外顯變數，對原有模式並不會 造成太大之影響，因此本研究決定刪除 c2，並繼續進行驗證性因素分析。

三、第三次修正模式

在刪除變數 c2「我覺得一整天都待在家會很悶。」後，再次進行 CFA，

結果如表 4-6 所示，分析如下。

在經過刪除變數 c2 之後，卡方值依然顯著，顯示資料間仍有很大之差異。

但是在模式修正過後，卡方值下降 196.01，顯示在第三次修正後模式仍有相當 程度的進步，且自由度降為 1030，但X²/df 值亦降為 4.556，相較第二次修正，

修正效果更佳，其值小於 5，仍是在可接受的範圍之內。

第三次修正之後的模式，GFI 值增加至 0.86，表示假設模式可以解釋觀察變 數之比例成長為 0.86；AGFI 值則維持 0.78，表示不考慮模式之複雜程度後，假 設模式可以解釋觀察變數之比例為 0.78。修正模型之 NFI 值 0.87 與 NNFI 值分 別為 0.82，反映假設模式與配適度最差之獨立模型相比，改善程度僅達為 0.87，

在不考慮模式複雜度後，假設模式較獨立模式之改善程度亦只有為 0.82，CFI 值仍為 0.66。RMR 值為 0.039，低於 0.05。整體模式之適配度雖然有在改善，但 還是未達到 LISREL 的建議值。

在第三次修正模式中，經由殘差分佈與 Lagrange multiplier test 發現，

e5「買了代步車之後，我比較喜歡外出。」之殘差值最大，且理論上 e5 是被

「輔具觀感構面」所解釋，但卻發現與其他潛在變數有高度之相關性，表示該變 數為複雜變數。然而 e5 是被「輔具觀感構面」所解釋，該構面有 8 個外顯變數，

因此如果刪除 e5 後，該構面將剩下 7 個外顯變數，對原有模式並不會造成太大 之影響，因此本研究決定刪除 e5，並繼續進行驗證性因素分析。

四、第四次修正模式

在刪除變數 e5「買了代步車之後，我比較喜歡外出。」之後，再次進行 CFA，結果如表 4-6 所示，並分析如下。

在經過刪除變數 e5 之後，卡方值下降 196.01，降至 4585.61，顯示在第四 次修正後模式依然有顯著的進步，且自由度降為 965，但亦降為 4.752，相較前 幾次的修正，雖然X²/df 值為最高，但結果仍然優於原始衡量模式之值，並且小 於 5，仍是在可接受的範圍之內。

第四次修正之後的模式，GFI 值增加至 0.89，表示假設模式可以解釋觀察變 數之比例成長為 0.89；AGFI 值則修正至 0.83，表示不考慮模式之複雜程度後，

假設模式可以解釋觀察變數之比例為 0.83。修正模型之 NFI 值 0.89 與 NNFI 值 分別為 0.82，反映假設模式與配適度最差之獨立模型相比，改善程度僅達為 0.89，在不考慮模式複雜度後，假設模式較獨立模式之改善程度亦只有 0.82，

CFI 值成長為 0.67。RMR 值降為 0.038，低於 0.05。整體模式之適配度相較員史 衡量模式，已經有顯著的改善。

在第四次修正模式中，經由殘差分佈與 Lagrange multiplier test 發現，

b1「家人不放心讓我一個人外出。」之殘差值最大，且理論上 b1 是被「家庭 成員干預構面」所解釋，但卻發現與其他潛在變數有高度之相關性，表示該變數 為複雜變數。然而 b1 是被「家庭成員干預構面」所解釋，該構面有 7 個外顯變 數，因此如果刪除 b1 後，該構面將剩下 6 個外顯變數，對原有模式並不會造成 太大之影響，因此本研究決定刪除 b1，並繼續進行驗證性因素分析。

五、第五次模式修正

在刪除變數 b1「家人不放心讓我一個人外出。」之後，再次進行 CFA，結 果如表 4-6 所示，並分析如下。

在經過刪除變數 b1 之後，卡方值下降 333.19，降至 4252.42，顯示在第四 次修正後模式依然有顯著的進步，且自由度降為 903，X²/df 值亦降為 4.709，結 果優於原始衡量模式之值，並且小於 5，仍是在可接受的範圍之內。

第五次修正之後的模式，GFI 值增加至 0.90，表示假設模式可以解釋觀察變 數之比例成長為 0.90，已達到模式建議值；AGFI 值則修正至 0.84，表示不考慮 模式之複雜程度後，假設模式可以解釋觀察變數之比例為 0.84。修正模型之 NFI 值 0.91 與 NNFI 值分別為 0.85，反映假設模式與配適度最差之獨立模型相比，

改善程度為 0.91，亦達到模式建議值；在不考慮模式複雜度後，假設模式較獨 立模式之改善程度亦達到 0.85，CFI 值成長為 0.70。RMR 值降為 0.035，低於 0.05。

整體模式修正至此，模式建議值中X²/df 值、RMR 值、GFI 值以及 NFI 值，

已經達到模式建議值範圍內，其餘適配度亦接近模式建議值 0.9，故模式之適配 度尚可接受。