結構方程模式

結構方程模式（Structural Equation Modeling；簡稱 SEM）是使用於分析 因果關係模式的統計方法，結合了驗證性因素分析（confirmatory factor analysis:簡稱 CFA）及路徑分析（Path Analysis）等，最常被使用在探討多個 無法直接觀測到的構面間之因果關係模式。驗證性因素分析是對一組因素負荷與 因素間的相關性進行檢定，必須先要有特定的理論觀點或概念架構作為基礎，以 SEM 模式對因素結構做驗證，確認問項指標與潛在變數之間是否存在著明顯的衡 量關係，可以說是進行整合性 SEM 分析的一個前置步驟或基礎架構。路徑分析則 是討論一組可觀測變數間的線性因果關係式，由多組複迴歸方程式組合而成。

結構方程模式包含測量模式（Measurement Model，可觀測變數與潛在變數 間的關係）與結構模式（Structural Model，潛在變數間的關係）。結構模式主 要是連結外生變數與內生變數之間的因果關係；測量模式探討的則是問項是否可 以適量衡量潛在變數，又分為內生變數測量與外生變數的測量。在 SEM 分析的模

20

式中，一個潛在變項必須以兩個以上的觀察變項來估計，此稱為多元指標原則（陳 順宇，民 96；吳明隆，民 96）。

結構方程模式以數學式表示如下：

1. 結構模式

η = βη + γξ + ζ （3-1）

假設 E(η) = 0，

E(ξ) = 0，

E(ζ) = 0。

2. 測量模式

內生變數 y=Λyη+ε （3-2）

外生變數 x=Λxξ+δ （3-3）

其中，η：潛在內生變數；

β：潛在變數間的係數矩陣，即兩潛在內生變數之間的相關係數；

γ：潛在內生變數與潛在外生變數之間的相關係數；

ξ：潛在外生變數；

ζ：潛在內生變數的誤差項；

y：η的觀測指標；

Λy：連結 y 至η的係數；

ε：y 的測量誤差；

x：ξ的觀測指標；

Λx：連結 x 至ξ的係數；

δ：x 的測量誤差。

關於模式的檢定方法，SEM 模式的評鑑以適配度指標來做檢核。適配度指標

（Goodness-of-fit indices）是評鑑假設路徑分析模式圖與蒐集的資料是否相 互適配，而不是在說明路徑分析模式圖的好壞，一個適配度完全符合評鑑標準的

21

GFI (goodness-of-fit index)

是一種非統計測量，範圍介於 0~1，數值愈接近 1 表示 模式的適配度愈佳，適配標準一般採＞0.9。

AGFI (adjusted goodness-of-fit index)

利用自由度與變項個數之比率來修正 GFI，值介於 0~1，

愈接近 1 表示模式愈適配，一般採＞0.9 為適配標準。

NFI (normal fit index) 是一種相對性指標值，反應假設模式與觀察變項間沒有任 何共變假設的獨立模式的差異程度。一般採＞0.9 為標準。

CFI (comparative fit index)

是改良 NFI 的指標值，代表的意義是測量從最限制模是 到最飽和模式實非集中參數的改善情形。標準採＞0.9。

RMR (root mean square residual)

從適配殘差的概念而來，其值是一個平均殘差的共變 數，值愈小表示模式愈適配，<0.05 是可以接受的模式。

RMSEA (root mean square error of approximation)

是一種不需要基準線模式的絕對性指標。值愈小表示模 適愈適配，>0.1 表適配度欠佳；0.08~0.1 表普通適配；

0.05~0.08 具合理適配；<0.05 表示適配度非常良好。

PNFI

(parsimony-adjusted NFI)

把自由度的數量納入預期獲得適配程度的考量中，是比 NFI 比標更適合作為判斷模式精簡程度的指標。其值愈 高愈好，一般以>0.5 作為模式適配度通過的標準。

資料來源：吳明隆（民 96）

22