結構方程式模式

一、 結構方程式簡介

結構方程模式（Structural Equation Modeling，簡稱 SEM）是屬於一種統計分析的 方法，可歸納為高等統計學，亦屬於多變量統計。結構方程模式包含兩大分析方法—

「因素分析」與「路徑分析」。首先是由瑞士的 Joreskog 與 Sorbom 提出相關的概念，

同時開發出 LISREL 統計分析軟體，其主要概念是由測量模型來反應觀察變數與潛在 變數間的關係，也可藉由現有的結構模型，讓潛在變數間的關係作為路徑分析的依據。

近年來 SEM 蓬勃發展，目前已有相當多的統計軟體如 LISREL、MPLUS、AMOS 等

（邱皓政，2011）。本研究將採用 MPLUS 6.1 做為分析軟體。

二、 本研究之結構方程模式

SEM 模型包含因素分析與路徑分析兩種方式，若 X 與 Y 間具有相關性，則以 ρ 表示，例如喜愛吃巧克力程度與吃巧克力的量有相關性。若兩者間具有因果關係，則 以β 表示，例如喜愛巧克力程度越高者，則巧克力消耗量則會越多。第三種則為潛在 變數模式，由於外在行為才能夠被觀察到，無法真正得知心理層面的真正的想法，僅 能藉由 XY 間存在的高度關係來推論其實有一個隱藏變項（F），而 F 對 X 與 Y 間的影 響力可由λ 表示，隱藏的變項就稱作潛在變項，而在觀察變項中尋求潛在變項模式是 屬於因素分析中的一環。

除了找尋共同的影響因素之外，路徑分析是 SEM 相當重要的分析方式，Wright

（1918, 1921, 1934, 1960）主要提出的概念是將一組變數間的共變關係轉換成一組參數，

並以路徑方式來呈現，藉由此參數估計可量測任兩變數之預測關係，如直接效果（direct effects）、間接效果（indirect effects）與整體效果（total effects）。

在本研究假設模型中有 11 個觀察變項，其中有 4 個自變項包含人格特質的「嚴謹 性」、「外向性」「親和性」、「神經性」，有 7 個依變項包含「網路成癮」、網路使用態度 的「工具」、「玩具」、「電話溝通」、 「個人領域」、「知識寶庫」、「交易」。潛在變項「人 際關係」包含「同儕」、「異性」、「家庭」、「師生」四構面。

本研究依據第二章回顧的文獻結果，提出人格特質的「嚴謹性」與「外向性」對 於「人際關係」有顯著正向影響力（Diane & Jane, 1996; McCrae & Costa, 1990 ; Pervin

& John, 1997; 林家瑩等人，2010）；人格特質的「嚴謹性」與「神經性」對於「網路 成癮」亦有顯著的預測效果（Loytske & Aiello, 1997; Young & Rodgers, 1998; Gnisci et al., 2011; 游森期，2001；陳冠名，2004）。而「人際關係」對「網路成癮」有影響力是根 據 Grohol (1999)、Young 和 Roger (1998)、Morahan-Martin 和 Schumacher (2000)、游 森期（2001）、溫婉玉（2009）等學者研究結論推論得知。根據 Landers 和 Lounsbury (2004)、

Bosnjak 等人（2007）、Moore 與 McElroy（2012）的研究結果顯示，人格特質的「外 向性」「親和性」與「神經性」對於網路使用態度的確實具有影響力，因此本研究提出 人格特質的「外向性」、「親和性」與「神經性」能預測網路使用態度「工具」、「玩具」、

「電話溝通」、「個人領域」、「知識寶庫」、「交易」。由 Morahan 等人（2000）、陳嬿竹

（2002）、Das 等人（2003）、吳明鳳（2009）、黃琪皎（2008）等學者研究結論，本研 究推論「人際關係」對網路使用態度的「工具」、「電話溝通」、「個人領域」、「知識寶 庫」、「交易」確實具有影響力。然而，本研究者認為人格特質的「外向性」既然能有 效預測「人際關係」，而「人際關係」對於「網路使用態度」亦有預測效果，因此提出 進一步假設，人格特質的「外向性」可能會透過「人際關係」而對「網路使用態度」

產生顯著的影響。因此，本研究建立以下模型架構，如圖 3-6-1 所示：

圖 3-6-1 結構方程模式架構圖

三、 模型適配指標

透過不同的適配指標，可判斷此模型是否為一個良好模型。如果所得資料能符合 下列適配度指標，則表示所提模型架構能獲得支持；若是未達標準，則表示需另行修 正模型。本研究模型適配指標依據邱皓政（2011）與 Hu 和 Bentler （1999）所歸納之：

(一)、卡方檢定未達 0.05 之顯著水準。

(二)、Bentler（1988）提出比較適配指標（Comparative Fit Index，簡稱 CFI），旨在檢 測假設模型與獨立模型之差距，其值需大於 0.95。

(三)、Browne 與 Cudeck（1993）提出平均概似平方誤根係數（root mean square error of approximation，簡稱 RMSEA），用來比較理論模型與飽和模型間的差距，其值

需小於 0.08。

(四)、標準化殘差均方根指標（Standardized Root Mean Square Residual，簡稱 SRMR）

是來檢測其模型殘差變化，其值需小於 0.08。