3.6 資料處理與分析
3.6.6 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)。
3.6.6.1 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，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 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，2007)，如圖 3-1 所示。
理論
模式界定
模式識別
選擇測量變項及蒐集資料
模式估計
適配度評鑑 模式修正
解釋
未達可接受程度 達可接受程度
圖 3-3 SEM 分析步驟之徑路圖 資料來源：黃芳銘(2007) 3.6.6.2 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。
相對於探索性因素分析，CFA 使用於特定的理論觀點或概念架構作為基礎，藉由數 學程序來確認該理論觀點所提出的計量模型是否適當，使本研究能進一步的處理測量指 標與其潛在因素的特殊關係，並探討潛在因素的關係。CFA 所檢驗的測量變項與潛在變
項的假設關係，為結構方程模式最基礎的測量部分，不但是結構方程模式中的基礎，更 可應用在項目效度與信效度考驗與理論有效性的確認。以 SEM 的術語來看，潛在變項 的因素分析則為 CFA(邱皓政，2003)，利用 CFA 來驗證研究模式中各測量變項是否能準 確測量各潛在變項，亦驗證研究模式的內在適配度。
良好的測量模式，必須滿足研究模式中各觀察變數才能正確測量出各潛在變數，及 同一觀察變數能對於不同的潛在變數都產生顯著的負荷量(Bagozzi & Yi, 1988)可用聚合 效度評鑑、觀察變數之個別信度、估計參數的顯著水準、標準化殘差等指標加以檢定，
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。
3.6.6.3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
(goodness of fit index)
GFI 為假設模型可以解釋觀察資料的
(adjusted goodness of fit index)
(comparative fit index)
CFI 為假設模型與獨立模型的非中央
(normed fit index)
NFI 為比較假設模型與獨立模型的卡
(non normed fit index)
NNFI 為考慮模式複雜度後的 NFI，但
(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 其值愈大，表示模式適配愈大。 0~1 RFI≧0.9
指標 意義 範圍 一般判定標準 RFI
(relative fit index) 殘差均方和平方根
RMR
(root mean residual)
RMR 受到樣本數、每一因素的觀察變
項數目，以及潛在因素的數目的影響。 0~1 RMR≦0.05 漸進殘差均方和平方根
RMSEA
(root mean square error of approximation)
RMSEA 為比較理論模式與飽和模式 的差距；表示不受樣本大小與模型複 雜度的影響；RMSEA 值數值愈小，表 示模型契合度佳，模型愈趨近完美契 合。
0~1 RMSEA≦0.05
資料來源:吳明隆(2006)
四、研究結果及分析 4.1 樣本特性分析
本研究共發放問卷 350 份，取得有效問卷 316 份，回收有效問卷率 90.3 %。為了對 回收問卷有一概括性的瞭解，本節將依序對於回收問卷之性別、婚姻狀況、年齡、教育 程度、騎乘同伴、職業、居住地、個人平均月收入、自行車類型、參與自行車社團及騎 乘裝備進行初步之敘述性分析，詳細分析結果見表 4-1 所示。
4.1.1 受訪者之樣本特性描述
在本研究 316 份有效問卷樣本社經背景特性分析中，在性別方面，「男性」樣本有 181 份佔 57.3 %，「女性」樣本 135 份佔 42.7 %；在婚姻狀況方面，「未婚」樣本 177 份 佔 56.0 %與「已婚」樣本 139 佔 44.0 %；在年齡方面，以「25-34 歲」的 157 份佔全體 的 49.7 %為最多數，其次為「35-44 歲」的 98 份樣本佔全體的 31.0 %；於職業方面，以
「服務業」的 63 份最多，佔全體的 19.9 %，其次為「製造業」的 35 份佔 11.1 %及「軍 公教警」的 33 份佔 10.4 %；在教育程度方面，以「大學」學歷的 147 位受訪者佔最多 數，居全體的 46.5 %，其次為「專科」程度者有 95 位，佔 30.1 %；個人平均月收入中 以「30,001-40,000 元」的 82 份為最多佔 25.9 %，其次為「20,001-30,000 元」的 73 份樣 本佔 23.1 %；居住地因區域性關係，以「三民區」共有 111 份佔 35.1 %，其次為「苓雅 區」為 38 份佔 12.0 %；在騎乘同伴方面，以「家人親戚」的 109 份佔 34.5 %，其次則 為「獨自」佔 29.1 %；在參與自行車社團中以「否」的 203 份高達 64.2 %的受訪者並未 參與自行車社團；在自行車類型中以「折疊車」佔 27.9 %，其次為「變速腳踏車」佔 27.0
%，而「電動車」僅佔 0.3 %則為最少；此次騎乘預計花費時間中以「61-90 分鐘」佔最 多達 39.9 %；在裝備方面約有 46.7 %的受訪者皆有安裝「頭燈」，而 23.0 %的受訪者會 攜帶「安全帽」騎乘自行車；84.8 %的受訪者是「沒有」訂閱自行車雜誌及書籍；每月 平均來此騎乘次數以「1-5 次」最多達 47.5 %，「6-10 次」佔 32.3 %；「網路電腦」的 92 份佔 29.1 %為得知自行車道相關資訊最多。
表 4-1 樣本特性描述
Table 4-1 Demographic characteristics of respondents 項目 樣本數 百分比 % 項目 樣本數 百分比 %
性別 婚姻
男 181 57.3 未婚 177 56.0 女 135 42.7 已婚 139 44.0
項目 樣本數 百分比 % 項目 樣本數 百分比 %
教育程度 年齡
國小 1 0.3 18-24 33 10.4 國中 3 0.9 25-34 157 49.7 高中(職) 38 12.0 35-44 98 31.0 專科 95 30.1 45-54 17 5.4 大學 147 46.5 55-64 10 3.2 研究所 32 10.1 65 歲以上 1 0.3
個人平均月收入 職業
20,000 以下 50 15.8 家庭主婦 13 4.1 20,001-30,000 73 23.1 自由業 31 9.8 30,001-40,000 82 25.9 資訊業 21 6.6 40,001-50,000 66 20.9 製造業 35 11.1 50,001-60,000 7 2.2 待業中 8 2.5 60,001-70,000 12 3.8 學生 23 7.3 70,001-80,000 13 4.1 軍公教警 33 10.4 80,001 以上 13 4.1 營造業 18 5.7
居住地 金融業 23 7.3
新興區 19 6.0 服務業 63 19.9
前金區 20 6.3 退休 5 1.6
苓雅區 38 12.0 其他 18 5.7 鹽埕區 30 9.5 農林漁牧 2 0.6 鼓山區 20 6.3 運輸業 5 1.6 旗津區 3 0.9 電子業 10 3.2 前鎮區 29 9.2 大眾傳播 8 2.5
三民區 111 35.1 騎乘同伴
楠梓區 4 1.3 獨自 92 29.1 小港區 8 2.5 朋友 64 20.3 左營區 34 10.8 家人親戚 109 34.5
自行車類型 同學 8 2.5
折疊車 88 27.9 車友 30 9.5 淑女車 59 18.7 同事 13 4.1
公路車 19 6.0 參與自行車社團
登山車 58 18.4 是 113 35.8 變速腳踏車 85 27.0 否 203 64.2
協力車 5 1.6 裝備
電動車 1 0.3 安全帽 121 23.0
花費時間 車燈 245 46.7
60 分鐘以下 64 20.3 頭巾 117 22.3 61-90 分鐘 126 39.9 自行車衣 42 8.0 91-120 分鐘 69 21.8 訂閱自行車雜誌及書籍 121 分鐘以上 57 18.0 是 48 15.2
每月平均來此騎乘次數 否 268 84.8
項目 樣本數 百分比 % 項目 樣本數 百分比 % 1-5 次 150 47.5 相關資訊
6-10 次 102 32.3 電視廣播 8 2.5 11-15 次 21 6.6 親友介紹 72 22.8 16-20 次 31 9.8 報章雜誌 90 28.5 21-25 次 5 1.6 網路電腦 92 29.1 26 次以上 7 2.2 其他 54 17.1 4.1.2 受訪者之各問項敘述性統計分析
由表 4-2 可見自行車使用者對遊憩涉入三構面平均分數高低依序為：吸引力＞自我 表現＞中心性。顯示自行車使用者對於遊憩涉入主要傾向吸引力。在吸引力構面中以「騎 自行車對我而言是一件很滿意的活動」平均值為最高，而「我對自行車的知識非常暸解」
則相對較低；在中心性構面中以「騎自行車是我主要的休閒活動」平均值為最高，而「我 花許多時間在騎乘自行車」則相對較低；在自我表現構面中以「騎自行車時，可以呈現 我的休閒風格」平均值為最高，而「騎自行車時，樂於讓其他人注意我」則相對較低。
表 4-2 自行車使用者與遊憩涉入描述性統計
Table 4-2 Descriptive statistics of recreation involvement with biker
構面名稱 代號 測量變項 平均數 標準差 構面內排名
吸引力
ATT1 騎自行車對我而言很重要 3.72 0.85 8
ATT2 騎自行車很有趣 4.19 0.72 5
ATT3 騎自行車很愉快 4.30 0.69 3
ATT4 我非常喜愛騎自行車 4.18 0.76 6 ATT5 騎自行車對我而言是一件很滿意的活
動 4.40 0.64 1
ATT6 騎自行車對我而言是一件很開心的活
動 4.36 0.65 2
ATT7 我喜歡與朋友討論騎自行車的相關事
情 3.79 0.88 7
ATT8 我對自行車的知識非常暸解 2.96 0.88 9 ATT9 壓力增加時，騎自行車讓人放鬆心情 4.30 0.71 3
吸引力構面平均數：4.02
中心性
CEN1 我的生活與騎自行車息息相關 3.36 0.88 4 CEN2 騎自行車在我的生活中扮演重要角色 3.50 0.81 2 CEN3 騎自行車是我主要的休閒活動 3.91 0.92 1
CEN1 我的生活與騎自行車息息相關 3.36 0.88 4 CEN2 騎自行車在我的生活中扮演重要角色 3.50 0.81 2 CEN3 騎自行車是我主要的休閒活動 3.91 0.92 1