確認性因素分析

第四章研究結果

4.3 結構方程式模式驗證與適配分析

4.3.1 確認性因素分析

在對潛在構念進行路徑分析前，必須先解決潛在構念的衡量問題，這是因為當潛在構念能夠充分有效的衡量後，資料才能正確估計路徑係數。衡量模式的 CFA 分析便是確認所調查的資料是否能將潛在構念精確地衡量出來。

本研究所提之模式係根據理論為基礎，而建立各項因果關係之各條路徑，為使模式估計參數合理，必須估計模式鑑定之效果。依照3.5 小節所討論，模式必須為「過度確認(Over-identified)」才具有多組解，也才能進行模式配適度檢驗。

根據本研究所提之模式，觀察變數為 27 個，故資料點(Data Points)個數 t = 27(27+1)/2 = 378。而所有待估計之參數計有三類：

路徑係數

– 潛在構念間係數個數＋潛在構念對觀察變數間係數個數(扣除設為 1)。

– 7+(27-6)= 28。

變異數

– 觀察變數的個數＋潛在內生變數的個數 – 27 +5 = 32

共變異數

– 外生變數間相互共變數關係

– 由於本研究僅有一外生變數，因此共變數關係數為0

故總共待估計之參數有 28+32 +0 = 60 個小於 t = 378，故本研究模式屬於過度確認，亦即模式有多組解且可進行配適度檢驗。

(一) 初始衡量模式

本研究首先對所建構之模式，進行初始衡量模式分析；其中，在初始衡量模式中並不探討潛在構念之間的因果關係，但容許每個潛在構念之間存在共變異關係線。分析方法係採用最大概似法進行參數的估計，其結果如表4.11 所示。

由表 4.11、4.12 之分析結果所示，衡量模式的 χ2(df=309，N=623) = 919.2778，

p<0.0001，由於卡方值過大，導致衡量模式的卡方值具有統計顯著水準，這顯示資料與模式之間有很大的差異。

由於導致這結果主要是因為當樣本數過大時，很容易使卡方值相對的增加，

因而使結果拒絕虛無假設，所以一般透過結構方程模式分析時，會要求檢測χ2⁄df 的值。一般來說，當此值小於5 實屬於可接受範圍，而小於 3 時則表示結果十分良好。初始衡量模式的χ2⁄df 值為 2.98，小於 3，即表示初始分析的結果十分良好。

其它衡量模式之適配程度的指標，如GFI(Goodness of Fit Index)、AGFI(GFI Adjusted for Degrees of Freedom)、NFI(Normed-fit Index)、NNFI(Non-normed-fit Index)、CFI(Bentler’s Fit Index)，這些指標值介於 0 至 1。一般要求適配程度良好的模式在這些指標的表現需大於 0.9。此外，還有一個配適度指標 RMR(Root Mean Square Residual)，而通常會要求 RMR 值需小於 0.05。由於這些指標的計算方式不同，導致有些指標要求的程度較嚴格，有些較寬鬆，因此一般無法讓所有的配適度指標皆符合最頂尖的要求，僅要求這些值位於在可接受範圍內即可。

本研究將這些指標整理如表4.12 所示，GFI 值為 0.8999、AGFI 值為 0.8775、

RMR 值為 0.0319、NFI 值為 0.9290、NNFI 值為 0.9450、CFI 值為 0.9516；除了 GFI 與 AGFI 低於 0.9 以外，大部分的指標皆已達相當程度水準。

表4.10 衡量變數之相關係數矩陣

標準差 0.845 0.883 0.863 0.812 0.831 0.846 0.965 1.030 0.989 0.948 0.928 0.943 0.971 0.942 0.947 0.927 0.937 0.741 0.795 0.811 0.885 0.818 0.798 0.759 0.849 0.656 0.657

v1 1.000 . . . . . . . . . . . . . . . . . . . . . . . . . .

v2 0.565 1.000 . . . . . . . . . . . . . . . . . . . . . . . . .

v3 0.509 0.579 1.000 . . . . . . . . . . . . . . . . . . . . . . . .

v4 0.516 0.524 0.643 1.000 . . . . . . . . . . . . . . . . . . . . . . .

v5 0.549 0.564 0.598 0.702 1.000 . . . . . . . . . . . . . . . . . . . . . .

v6 0.507 0.533 0.586 0.617 0.655 1.000 . . . . . . . . . . . . . . . . . . . . .

v7 0.412 0.464 0.475 0.499 0.498 0.540 1.000 . . . . . . . . . . . . . . . . . . . .

v8 0.295 0.344 0.337 0.394 0.381 0.380 0.486 1.000 . . . . . . . . . . . . . . . . . . .

v9 0.417 0.486 0.479 0.510 0.510 0.509 0.536 0.582 1.000 . . . . . . . . . . . . . . . . . .

v10 0.403 0.478 0.487 0.493 0.492 0.465 0.532 0.563 0.643 1.000 . . . . . . . . . . . . . . . . .

v11 0.450 0.490 0.481 0.517 0.566 0.489 0.572 0.480 0.634 0.659 1.000 . . . . . . . . . . . . . . . .

v12 0.365 0.470 0.445 0.448 0.474 0.461 0.567 0.488 0.618 0.621 0.644 1.000 . . . . . . . . . . . . . . . v13 0.294 0.382 0.351 0.368 0.389 0.341 0.397 0.457 0.459 0.520 0.450 0.552 1.000 . . . . . . . . . . . . . . v14 0.261 0.389 0.345 0.377 0.386 0.358 0.373 0.431 0.401 0.490 0.412 0.511 0.784 1.000 . . . . . . . . . . . . . v15 0.313 0.381 0.344 0.367 0.378 0.350 0.394 0.462 0.444 0.508 0.448 0.513 0.778 0.795 1.000 . . . . . . . . . . . . v16 0.299 0.407 0.358 0.375 0.388 0.366 0.372 0.436 0.411 0.506 0.449 0.538 0.733 0.760 0.843 1.000 . . . . . . . . . . . v17 0.253 0.378 0.322 0.353 0.380 0.344 0.399 0.448 0.421 0.492 0.433 0.519 0.694 0.729 0.749 0.782 1.000 . . . . . . . . . . v18 0.293 0.375 0.364 0.369 0.389 0.327 0.367 0.398 0.434 0.498 0.450 0.487 0.666 0.658 0.677 0.682 0.674 1.000 . . . . . . . . . v19 0.294 0.411 0.369 0.379 0.370 0.368 0.371 0.413 0.446 0.459 0.443 0.483 0.620 0.631 0.656 0.679 0.652 0.739 1.000 . . . . . . . . v20 0.351 0.430 0.411 0.412 0.403 0.405 0.442 0.460 0.459 0.481 0.444 0.516 0.564 0.562 0.584 0.575 0.581 0.630 0.675 1.000 . . . . . . . v21 0.310 0.397 0.357 0.372 0.410 0.374 0.427 0.438 0.444 0.439 0.425 0.468 0.462 0.485 0.486 0.464 0.501 0.527 0.546 0.621 1.000 . . . . . . v22 0.399 0.431 0.448 0.470 0.498 0.426 0.420 0.403 0.473 0.451 0.500 0.454 0.455 0.433 0.446 0.431 0.383 0.470 0.480 0.517 0.584 1.000 . . . . . v23 0.372 0.407 0.379 0.404 0.434 0.403 0.396 0.315 0.348 0.388 0.400 0.372 0.366 0.377 0.364 0.369 0.345 0.370 0.414 0.479 0.524 0.586 1.000 . . . . v24 0.342 0.377 0.373 0.393 0.402 0.366 0.377 0.350 0.383 0.390 0.458 0.420 0.424 0.379 0.436 0.379 0.363 0.421 0.434 0.496 0.464 0.489 0.594 1.000 . . . v25 0.295 0.404 0.348 0.382 0.378 0.379 0.417 0.406 0.463 0.451 0.438 0.503 0.472 0.475 0.457 0.465 0.457 0.542 0.524 0.610 0.567 0.498 0.490 0.567 1.000 . . v26 0.402 0.470 0.410 0.470 0.468 0.457 0.452 0.434 0.472 0.501 0.523 0.500 0.505 0.490 0.516 0.520 0.483 0.528 0.598 0.607 0.609 0.595 0.612 0.629 0.640 1.000 . v27 0.432 0.494 0.441 0.506 0.520 0.502 0.478 0.472 0.533 0.537 0.547 0.539 0.539 0.517 0.534 0.548 0.530 0.593 0.624 0.660 0.667 0.649 0.623 0.606 0.634 0.844 1.000 樣本數：623

表4.11 初始衡量模式適配指標結果 Fit Function

Goodness of Fit Index (GFI)

GFI Adjusted for Degrees of Freedom (AGFI) Root Mean Square Residual (RMR)

Parsimonious GFI (Mulaik, 1989) Chi-Square

Chi-Square DF Pr > Chi-Square

Independence Model Chi-Square Independence Model Chi-Square DF RMSEA Estimate

RMSEA 90% Lower Confidence Limit RMSEA 90% Upper Confidence Limit ECVI Estimate

ECVI 90% Lower Confidence Limit ECVI 90% Upper Confidence Limit Probability of Close Fit

Bentler's Comparative Fit Index

Normal Theory Reweighted LS Chi-Square Akaike's Information Criterion

Bozdogan's (1987) CAIC Schwarz's Bayesian Criterion McDonald's (1989) Centrality

Bentler & Bonett's (1980) Non-normed Index Bentler & Bonett's (1980) NFI

James, Mulaik, & Brett (1982) Parsimonious NFI Z-Test of Wilson & Hilferty (1931)

Bollen (1986) Normed Index Rho1 Bollen (1988) Non-normed Index Delta2 Hoelter's (1983) Critical N

1.4779

Chi-square df GFI AGFI RMR NFI NNFI CFI 初始模式 919.2778 309 0.8999 0.8775 0.0319 0.9290 0.9450 0.9516

經由殘差分佈(圖 4.1)、以及 Lagrange Multiplier Test(表 4.13)發現，V6「主管會經由正確的來源收集個人績效的資訊」理論上被「程序正義」所解釋，但卻與其它構念變數(全面績效管理)有高度相關性，顯示其為複雜變數(Complex Variable)，此會干擾後續路徑分析的結果，Hatcher (1998)認為可刪除此類變數以避免干擾後續路徑分析的結果。

---Range--- Freq Percent

Rank Order of the 5 Largest Asymptotically Standardized Residuals

Row Column Residual

表4.13 初始衡量模式 Lagrange multipliers test 示；χ2(df=284，N=623) = 728.0244，p<0.0001，修正後的衡量模式 χ2⁄df 值為 2.56，

更低 3，即表示比初始分析的結果更佳。其餘如 GFI 值為 0.9178、AGFI 值為 0.8984、RMR 值為 0.0281、NFI 值為 0.9415、NNFI 值為 0.9581、CFI 值為 0.9633。

修正後模式的GFI 值已經達 0.9 以上，而 AGFI 雖低於 0.9，但也以幾乎近似 0.9，

其於指標值也皆比修正前有顯著進步(整理如表 4.15)。

表4.14 刪除 V6 後之修正衡量模式適配指標結果

Fit Function