3.8 統計分析方法 統計分析方法 統計分析方法 統計分析方法
3.8.6 結構方程式分析
結構方程式模式(structure equation modeling, SEM) 是一種統計的方法學(statistical methodology)，用以處理複雜的多變量研究數據。結構方程式(SEM)被歸類於高等統計學，屬 於多變量統計(multivariate statistics)的一環(邱皓政，2007)。結構方程模式涉及結構化(structural)、
假設等式(equation)與模型分析(modeling)等數項基本內涵，並可從假設考驗、結構化檢驗與模 型分析等概念來說明。從統計的語言來說，結構方程式模式(SEM)是用來檢定有關於觀察變 項(observed variables)與潛在變項(latent variable)之間假設關係，融合因素分析(factor analysis) 及徑路分析(path analysis)兩種統計取向(黃芳銘，2007)。
結構方程式模式能夠同時處理多組變數之間的關係，提供研究者從探索性分析 (exploratory analysis)轉成驗證性分析(confirmatory analysis)的機會。結構方程式模式使用於分 析因果關係模式的統計方法，亦可以進行路徑分析(path analysis, PA)、因素分析、迴歸分析 和變異數分析(李明聰，2010)。結構方程式模式能夠同時處理多組變數之間的關係，提供研 究者從探索性分析(exploratory analysis)轉成驗證性分析(confirmatory analysis, CFA)的機會。方 程式如下：
SEM = CFA + PA
LISREL 模式可分為測量模式(measurement model)和結構方程式模式(structural equation model)模式兩種模式(李明聰，2010)，詳見圖 3-3：
A.測量模式(measurement model)：敘述潛在變數或假設構念如何從觀察變數獲得；因此，
可以敘述觀察變數之信度和效度，亦即敘述潛在變項與觀察變項之關係。
B.結構方程式模式(structural equation model)：敘述潛在變數間之因果關係、形容因果效 果及指配解釋及未解釋變異 LISREL 模式適合於特定結構方程式模型。包括潛在變數
63
及獨立變數及依變數之測量誤差、雙向因果關係，同時發生及相互依賴性。
圖 3-3 測量模式和結構方程式模式圖 Figure 3-3 Measurement model and structure model
資料來源：李明聰(2011) 3.8.6.1 結構方程式分析程序
構方程式模式是以迴歸為基礎的多變量統計方式，其目的在探討潛在變數之間的路徑關 係，且需建立於理論(theory)為基礎，必須透過觀念釐清、文獻彙整及推理提出待檢驗的假設 模型(邱皓政，2007)，理論是假設模式成立主要的解釋依據。若發現假設模式與觀察資料的 適配度不佳，研究者將模式進行適當修正(吳明隆，2006)，模式改變即為模式界定(model specification)，對初始理論模式進行局部的修改或調整，提高假設模式的適配度，如果模式可 識別，則表示理論上模式中的每個參數皆可導出估計值，決定模式識別(model identification)。
接著選擇施測觀察變項及資料，利用結構方程式多元迴歸的基礎，對結構方程式模式進行模 式估計(model estimation)，如果模式未達適配度評鑑(assessment of fit)時，此時則需將參數釋 放或固定，進行模式修正(model modification)重新估計模式，直到找到一個最合適的模式為止，
最終則對模式的統計結果加以解釋(interpretation)(黃芳銘，2007)，如圖 3-4 所示。Anderson 和 Weitz(1992)所提出的二步驟程序，先使用驗證性因素分析(confirmatory factor analysis, CFA) 發展出一個配適度佳的測量模式再進一步分析理論之模式。
64
圖 3-4 結構方程式分析步驟之徑路圖
Figure 3-4 Analysis of path of structure equation model 資料來源：黃芳銘(2007)
3.8.6.2 驗證性因素分析
驗證性因素分析(confirmatory factor analysis, CFA)即為測量模式之分析，說明潛在變項與 觀察變項之關係，亦即界定潛在變項與觀察變項之間的線性關係，出現於探索性因素分析 (exploratory factor analysis, EFA)之後，驗證性因素分析可以使研究者進一步檢驗不同項目的 因素與不同方法的因素結構組成下的因素模型的檢驗(邱皓政，2007)。
良好的測量模式，必須滿足兩件事：一為研究模式中各觀察變數必須能正確測量出各潛 在變數，以及同一觀察變數不能對於不同的潛在變數都產生顯著的負荷量(Bagozzi & Yi, 1988)。根據上述學者的建議，研究模式要滿足以上兩件事，可用的指標有下列四項：聚合效 度評鑑、觀察變數之個別信度、估計參數的顯著水準、標準化殘差等，茲分述如下：
65
A、聚合效度評鑑
該指標是各觀察變數對其潛在變數的因素負荷量(λ)，Bagozzi 和 Yi(1988)建議因素負 荷量應該都在 0.5 以上。
B、觀察變數之個別信度
該指標是由 CFA 所計算出個別變項的 R2，變異比率，建議因素負荷量雖未明確地 提出任判斷標準，但黃芳銘(2004)建議，只要 t 值大到顯著，R2就可接受。
C、估計參數的顯著水準
檢視觀察變項對潛在變項的因素負荷(factor loading)是否達到顯著水準，為一個標準 化值，因此模式中各變項關係的 t 值必須大於 1.96。
D、標準化殘差
分析目的在於檢視模型特定參數設定是否理想，用來計算估計值與樣本值之間的誤 差，若殘差值大於 ± 3.5，問項就需要修正，亦是在檢視問項誤差的相關。當標準 化殘差大於 3 代表估計變異數或共變量不足；或數值小於 3 時，代表觀察變項的共 變有過度解釋的現象，兩者都會造成模型不良的契合狀況。若測量模式有良好適配 度，其值應呈現常態分佈並且絕對值小於 2.58，本研究參數值若超過 ± 2.58 則進行 修正。
3.8.6.3 結構方程式模式評鑑
模式的配適度指標為判斷研究者所建構出的理論模式是否能夠對實際觀測所得的資料給 予合理性的解釋，整體適配度指標分為三類：基本適配指標、模式的整體配適度(overall model fit)及模式的內在結構配適度(fit of internal structural)三類型來評鑑模式的配適度，故本研究依 此論點進行模式評鑑。
為了檢測本研究所提出的假設結構模型(hypothesized structural model)之配適度(goodness of fit, GOF)為何。假設模型中的每一個參數被順利估計後，結構方程式模式即可進行整體模 型評估，透過不同的統計程序或契合度指標(goodness of fit index)計算。本研究以整體模式配 適度的衡量：絕對適配指標(absolute fit measures)、相對適配指標(relative fit measures)及簡效 適配指標(parsimonious fit measures)三方面的評鑑。藉此研判假設模型與實際觀察資料的契合 情形。茲就一般常用的配適度指標、各項指標之意義、範圍及判定標準，如表 3-8-1 所示。
66
表3-8-1 配適度指標及判定標準表
Table 3-8-1 The overall model fit and standard requirements of structural equation model
分類 指標 意義 範
(goodness of fit index)
GFI 為假設模型可以解釋觀察資料 (adjusted goodness
of fit index)
AGFI 為 考 慮 模 式 複 雜 度 後 的 (root mean residual)
RMR 受到樣本數、每一因素的觀
(standardized root mean square residual)
由於 RMR 無法建立絕對的標準來
(root mean square error of approximation)
67
(comparative fit index)
央性差異，說明模型較虛無模型的 改善程度，特別適用於小樣本；CFI 值愈接近 1 表示完全配適。
規準適配指數 NFI (normed fit index)
NF 為比較假設模型與獨立模型的
(non normed fit index)
又稱 Tucker-Lewis index(TLI)與 ρ2
指標。NNFI 為考慮模式複雜度後
(incremental fit index)
又稱為 Delta2(△2)。IFI 值愈大表 示模式適配度愈好，愈小表示愈 差。
0~1 IFI ≧ 0.9 相對適配指數
RFI (relative fit index)
RFI 其值愈大，表示模式適配愈大。
(Parsimonious normed fit index)
PNFI 是 NFI 的修正。
0~1 PNFI ≧ 0.50
簡效良性適配指標 PGFI
(Parsimonious goodness of fit index)
(Akaike information criterion)
AIC 數值愈接近 0，表示模式適配 愈加且愈簡效。
AIC=χ2– 2 × df 0~1 AIC ≦ 1 資料來源：彙整自李明聰(2010)及吳明隆(2006)
68
第第
第第四四四四章章章 結果與討論章 結果與討論結果與討論結果與討論
本章將針對研究樣本進行資料分析，首先將研究樣本之基本特徵進行描述，再針對測 量模型進行內在配適檢驗以及整體模式配適，而後針對本研究所提出之結構模進行研究假設 之檢定。
4.1 受訪者的社經背景受訪者的社經背景受訪者的社經背景受訪者的社經背景
本研究剔除無效問卷後統計發現，參與墾丁社頂生態旅遊受訪遊客之社經背景 分佈如表 4-1-1 所示：男女性別部分，以女性人數比例較高，佔 68.9 %；在年齡層 方面，遊客以 35~44 歲最多，佔 44.7 %，其次為 25~34 歲，佔 28.1 %，依次為 45~54 歲，佔 23.5 %；在教育程度方面，以大學學歷者居多，佔 62.6 %，其次為研究所學 歷，佔 18.2 %，依次為專科學歷，佔 12.3 %；在居住地方面，以台南市最多，佔 25.2
%，其次為新北市，佔 15.9 %，依次為台中市，佔 15.6 %；在職業方面，以公教人 員為最多，佔 48.0 %，其次為商、服務業，佔 40.1 %；在婚姻狀況方面，單身人數 比例較高，佔 69.5 %；至墾丁社頂之主要交通工具方面，以遊覽車為最多，佔 52.6 %，
其次為轎車，佔 43.7 %；至墾丁社頂之同行成員方面，以朋友為最多，佔 45.7 %，
其次為家人，佔 27.5 %，依次為同事，佔 21.2 %；在個人平均月收入方面，以平均 30,001~40,000 元收入者為眾，佔 51.3 %，其次為收入 20,001~30,000 元，佔 27.8 %；
受訪者基本資料如表 4-1-1 所示。
表4-1-1 受訪者基本資料表
Table 4-1-1 Demographic characteristics of respondents
項 目 百 分 比 % 項 目 百 分 比 %
性 性 性
性 別別 別別 職職職職 業業業業
男 31.1 軍警人員 1.7
女 68.9 公教人員 48.0
年 齡
年 齡
年 齡
年 齡 學生 0.7
16~24 1.3 勞工 5.0
25~34 28.1 退休 0.7
35~44 44.7 家管 0.3
45~54 23.5 商、服務業 40.1
55~64 2.3 自營企業 2.7
65歲以上 0.0 待業中 1.0
教 教 教
教 育育育育 程程程程 度度 度度 農林漁牧業 0.0
國小 0.0 其他 0.0
國中 1.3 婚婚婚婚 姻姻姻姻 狀狀狀狀 況況 況況
69
項 目 百 分 比 % 項 目 百 分 比 %
高中職 5.6 單身 69.5
專科 12.3 已婚 30.4
大學 62.6 至至至至 墾墾墾墾 丁丁丁丁 社社社社 頂頂頂頂 之之 之之 主
主 主
主 要要要要 交交交交 通通通通 工工工工 具具 具具
研究所 18.2
居 住
居 住
居 住
居 住 地地 地地 轎車 43.7
新北市 15.9 機車 3.6
台北市 10.9 自行車 0.0
基隆市 0.0 客運公車 0.0
桃園縣 1.0 遊覽車 52.6
新竹縣 0.3 其他 0.0
新竹市 0.3 至至至至 墾墾墾墾 丁丁丁丁 社社社社 頂頂 頂頂
之 同 行
之 同 行
之 同 行
之 同 行 成成成成 員員 員員
苗栗縣 0.0
台中市 15.6 單獨 0.0
彰化縣 0.0 家人 27.5
南投縣 0.0 朋友 45.7
雲林縣 0.7 同事 21.2
嘉義縣 6.6 旅行團 5.6
嘉義市 3.3 個個個個人人人人平均月平均月平均月平均月收收收收入入入入
台南市 25.2 10,000以下 2.0
高雄市 13.9 10,001-20,000 1.3
屏東縣 5.6 20,001-30,000 27.8
宜蘭縣 0.7 30,001-40,000 51.3
花蓮縣 0.0 40,001-50,000 12.6
台東縣 0.0 50,001-60,000 4.3
澎湖縣 0.0 60,001以上 0.7
金門縣 0.0
連江縣 0.0
國外 0.0