第三章、 研究河段選取與資料蒐集
4.3 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(
(
)1S
)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
OLS3. 廣義最小平方法(Generalized least squares,GLS法)
( ( ))2 2) 1
(
tr S F
GLS4. 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
1e2
1e3
1D
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