結構方程式模式(SEM)

結構方程模式(SEM，Structural Equation Modeling)是多變量統計軟體，由線性模 式包括迴歸分析、變異數分析、共變異數分析一樣，SEM 包括路徑分析及驗證性因 素分析等。藉由科學方法和科學思考運用，進行分析解釋，為了解釋問題以專業與科 學性的方式尋找，稱之為建構，透過路徑圖的方式提出研究架構，經由操作性定義，

提出各構建間的因果關係，而構建分為應變數(果，內生變數)與獨立變數(因，外生變 數)，再將依變數指定會對模式產生變化的路徑上，而 SEM 探討多個無法直接觀測到 建構間之因果關係模式，我們可以直接觀測到，且測量變數間沒有測量誤差時，可以 使用回歸分析來探討變數間的因果關係，例如討論環境品質和生態品質之間的關係，

想了解環境品質中多重性測量變項對生態的關聯性，然後對建構間的關係建立的結構 方程模式進行分析探討，SEM 模式建模步驟如圖 4.1。

SEM 敘述:

SEM 模式路徑圖由連結變數間的曲線或箭頭所組成，可以清楚敘述潛在變項與 測量變項之間的因果關係，透過線性關係式，利用模式的檢定計算執行相關數據，並 探討變數間的線性關係，並對顯性變數與潛在變數之因果模式做假設的檢定 SEM 是 探討可觀測變數間的關係，也可以探討建構的測量系統，最重要的功能在於結合測量 系統與建構間的因果關係(圖 4.2)。

SEM 原理:

將變數間的關係式轉換成變異數間的關係式的關係，SEM方程模式使變數多而且 結構複雜的關係，利用變數間的共變數矩陣來驗證變數間是否存在某種關係式的方法 (公式於附件4.1.3結構方程模式SEM))。SEM 模式之概念圖如圖4.1 SEM結構示意圖，

測量變項V1、V2 與V3 受到潛在變項(F1)的影響，形成一個獨立的測量模式，而測 量變項V4、V5 與V6 則受到另一個潛在變項(F2)的影響，形成另一個獨立的測量模 式。兩個潛在變項之間具有因果關係的假設，以單向箭頭來表示。干擾因素部分，對 於潛在變項F2與潛在變項F1為D，而對於測量變項V1 ~V6為e1 ~e6 (張騌麒、孫建平，

2009)。

圖 4. 1 SEM 模式圖 SEM的估計方法項目:

1. 最概法(Maximum likelihood ， ML法)

以矩陣相除(



⁽

^

^)1

^S

)為判斷依據，定義為找



，使下是最大



^

^ 

^



( ( ) ¹ ) ln ( ) ¹ )

(

 tr  S  F

_ML

最概法可以得到數據估計的漸近標準誤差，由標準誤差可評估數據估計的穩定度 及顯著性統計檢定，而最概法估計提供模式適合度的統計量，但是ML法(最大概似法) 資料必需為常態分布。

2. 常用最小平方法(Unweighted least squares，OLS法)

以矩陣相減

^{S } 

⁽

^

⁾為判斷依據，定義為找，使下是最小







( ( ))² 2

) 1

(

 tr S  F

_OLS

3. 廣義最小平方法(Generalized least squares，GLS法)







( ( ))² 2

) 1

(

 tr S  F

_GLS

4. 無尺度最小平方法(Scale-free least squares，SLS法)

SLS(無尺度最小平方法)法則無分布之限制,但無法計算P值及RMSEA

F1 F2

V1

V2

V3

V5 V4

V6

1

e4

1

e5

1

e6 e1

¹

e2

¹

e3

¹

D

1 Structure model

Measurement model 1 Measurement model 2

圖 4. 2 SEM 建模步驟

表 4. 1 SEM 模式適合度檢定數值範圍

指標 數值範圍 理想範圍

卡方值 0 以上 不顯著

P-value 0 以上 0.05 以上 GFI 0~1 0.9 以上 AGFI 0~1 0.8 以上 RMSEA 0 以上 0.05 以下

Start

模式結構設定

參數推估

適合度檢定 模式修正

最適模式

模式完成與解釋 NO

YES

在文檔中 中華大學 碩士論文 (頁 45-48)