結構方程模式分析

結構方程式(Structure Equation Modeling, SEM)用以處理複雜的多變量研究數 據的探究與分析，被歸類為高等統計學屬於多變量統計(multivariate statistics)的一 環(邱皓政，2003)，一種呈現客觀狀態(objective status of affairs)的數學模式，一種 呈現作為溝通抽象概念的客觀語言，從統計的語言來說，結構方程式(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)。

3.6.5.1 結構方程式分析程序

SEM 模型的建立必須以理論(theory)為基礎，強調必須過觀念的釐清、文獻整 理與推理提出有待檢驗的假設模型(邱皓政，2003)，且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，2009)，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SEM 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，2009)。

3.6.5.2 驗證性因素分析

驗證性因素分析(confirmatory factor analysis, CFA)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，2003)。探 索性因素分析與驗證性因素分析最大的不同是在於測量的理論架構在分析過程中 所扮演的角色與檢驗時機。

本研究以驗證性因素分析處理測量變數與其背後潛在變數間的共變關係。良 好的測量模式，必須滿足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負荷量(Bagozzi & Yi, 1988)。根據上述學者的建議，研究模式要滿足以上狀況，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：

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 確地提出任何判斷標準，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

檢定觀察變數對該潛在變數的因素負荷量是否達到顯著水準，其 t 值的絕對值 至少要大於1.96。

D.標準化殘差

用來計算估計值與樣本值之間的誤差，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(Jöreskog & Sörbom, 1989)。

E.理想量測模式的整體配適度指標的標準

平均單位自由度之卡方增量(χ²/df)小於 3，適配度指標(Goodness of fit index, GFI)，必須超過 0.9 為宜。比較適配指標、比較適合度指標(Comparative fit index, CFI)，必須超過 0.9 為宜。規範適配指標、標準化適合度指標(Normed fit index, NFI)此數值必須超過 0.9 為宜。均方根殘餘、殘差平方平均平方根(Root mean square residual, RMR)，小於 0.5。標準化均方根殘差(Standardized root mean square residual, SRMR)，此數值必須小於 0.05 為宜(張紹勳，2001)。

3.6.5.3結構方程式的評鑑

模式適配度指標用來判斷研究者所建構的理論模式是否能夠對實際觀測所得 的資料給予合理的解釋，整體適配度指標分為三類，模式的評鑑應依序從基本適 配指標、模式的整體配適度(overall model fit)以及模式的內在建構適配度(fit of internal)三類型來評鑑模式的適配度，固本研究依此論點進模式的評鑑。

為了測試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之後，SEM 即 可以進行整體模型的評估，透過不同的統計程序或契合度指標(goodness of fit index)

的計算。本研究建議於整體模式配適度的衡量，分別為絕對適配指標(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，歸納整理如表3-23 所

示。

表3-23 配適度指標及判定標準表

Table 3-23 The overall model fit and standard requirements of structural equation model

分類 配適指標 衡量標準 一般判定標準 (goodness of fit

index)

分類 配適指標 衡量標準 一般判定標準

漸進殘差均方和平 方根 RMSEA (root mean square

error of

(normed fit index)

NFI為比較假設模型與獨立模型 (non normed fit

index) (relative fit index)

RFI其值愈大，表示模式適配愈 normed fit index)

PNFI是NFI的修正；需≧0.5。

PNFI≧0.50

簡效良性適配指標 PGFI

(Parsimonious goodness of fit

index)

分類 配適指標 衡量標準 一般判定標準 的精簡程度。

訊息標準指標 AIC (Akaike information

criterion)

理論模式AIC指標值必須飽和模 式 及獨 立 模 式 之AIC 指 標 值 還

小。 AIC≦1

CN

(Hoelters critical N)

說明樣本模式的適切性，當CN指 數大於200表示模式可以適切反 應樣本資料。

內在 結構 模式 適配

測量模式 項目因素的負荷量需達顯著水

準。

結構模式 結構係數需達顯著水準，方向性

需正確。

資料來源：彙整自李明聰(2010)、周子敬(2006)及吳明隆(2009)

四 四

四 四 、 、 、 、結果與討論 結果與討論 結果與討論 結果與討論

4.1 樣本特性分析

本研究以Cronbach’s α 係數、與量表總分之相關值及項目分析 t 檢定為依據，

修改信度不佳及無顯著鑑別度之問項。刪除標準為：與量表總分之相關值係數小 於0.2 者；各觀察變數刪除後之值高於該潛在變數 Cronbach’s α 值；項目分析 t 檢 定機率大於0.05 者。經過預測 65 份問卷並以信度分析與項目分析後，修改不適當、

語意模糊等類型的問題，共發放330 份，有效問卷 304 份，回收問卷有效率為 92 %。