第三章 研究設計與實施
第六節 結構方程模式
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
126
第六節 結構方程模式
結構方程模式（Structural Equation Modeling, SEM）是一門基於統計分析技 術的研究方法學，用以處理複雜的多變量研究數據的探究與分析（邱皓政，2011）。 對整體因素模式作統計評估，瞭解理論所建構的模式和所蒐集的資料間的符合程 度。本研究依據前述文獻之相關理論，建構「校長轉型領導、學校組織健康與教 師幸福感模式」，各變項間關係之假設模式如圖 3-2。茲將此模式建構及評鑑的方 法敘述如下：
一、模型設定
整個模型共有 5 個外生測量變項，11 個內生測量變項， 1 個外生潛在變項，
2 個內生潛在變項，其內容說明如下：
外生潛在變項「校長轉型領導」ξ1的測量變項如下：χ1為建立願景、χ2為魅 力影響、χ3為鼓舞激勵、χ4為智識啟發、χ5為個別關懷。
內生潛在變項「學校組織健康」η1的測量變項如下：у1為機構主體性、у2為 校長影響力、у3為關懷、у4為倡導結構、у5為資源支持、у6為工作士氣、у7為重 視學業成就；內生潛在變項「教師幸福感」η2的測量變項如下：у8為樂觀表現、
у9為身心健康、у10為生活滿意、у11為工作成就。
整個模型當中共有16個測量變數。測量資料數為（16*17）/2=136（DP=136）。
整個模型的設定條件如下：
1. 測量變數：模型中有5個外生測量變項（χ1至χ5），11個內生測量變項（у1 至у11）。
2. 潛在變數：模型中有1個外生潛在變項（ξ1），2個內生潛在變項（η1至η2）。
3. 固定參數：為使潛在變項量尺得以確立，各潛在變項的第一個因素負荷量 被設定為1，共有3個因素負荷量被設定為1。
4. 待估參數：
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
128
二、模式估計與評鑑
（一）參數估計
本研究是採用結構方程模式來驗證「教師覺知校長轉型領導、學校組織健康 與教師幸福感模式」，在程式的使用上採用Amos 22版套裝軟體。本研究模式的 分析擬採用最大概似法（Maximum Likelihood）進行估計，ML法是SEM分析最 常採用的參數估計法，ML法對於概率的估計，是基於參數必須符合多變量常態 的假設，所以應用ML法最大的要求是變項的常態性必須有效維繫，因此使用ML 法進行估計程序之前，必須先行檢驗觀察變項的常態化假設是否成立（邱皓政，
2011）。
（二）模式契合度評鑑
本研究的模式檢定，整體模式契合度採取下列三類型的整體適配指標作為考 驗根據（余民寧，2006；吳明隆，2006；邱皓政，2011）：
1.絕對適配指標（absolute fit measures）
（1）Chi-Square（χ2）：理論模型與觀察模型的差異程度。理想的情形是在 統計檢定值（p>.05）未達顯著水準。
（2）適配指標GFI（goodness-of-fit index）：表示假設模型可解釋觀察資料 的變異數與共變數比例，理想數值至少在.90以上。
（3）調整後適配指標AGFI（adjusted GFI）：乃將自由度列入考慮後計算出 來的模式適配指標，理想數值至少在.90以上。
（4）殘差均方根指標RMR（root mean square residual）：RMR值乃適配殘 差變異數共變數的平均值之平方根，為未標準化假設模式整體殘差。一般而言，
其值越小越好，在.05以下是可接受的適配模式。
（5）標準化殘差均方根指標SRMR（standardized root mean square residual）：
SRMR為標準化假設模式整體殘差，為克服殘差未標準化，造成RMR指標值數據 大小不一的現象，將殘差標準化，使殘差值不受測量單位的影響，當其數值低
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
129
於.08時，表示模式適配度佳。
（6）平均概似平方誤根係數RMSEA（root mean square error of
approximation）：比較理論模式與飽和模式的差距，指標小於.05表示模式適配度 良好，小於.08表示模式適配度合理。
（7）期望複合化校標ECVI (expected cross-validation index)：理論模式之 ECVI指標值必須比獨立模式之ECVI指標值還要小。
2.相對適配指標（relative fit measures）
（1）規範適配指標NFI (normed fit index)：理想數值需大於.90。
（2）相對適配指標RFI (relative fit index)：理想數值需大於.90。
（3）增效指標IFI (incremental fit index)：理想數值需大於.90。
（4）非規範適配指標NNFI (non-normed fit index)：理想數值需大於.90。
（5）比較適配指標CFI (comparative fit index)：理想數值需大於.90。
3.簡效適配指標（parsimonious fit measures）
（1）簡效適配指標PGFI (parsimonious goodness-of-Fit index)：考慮模式的簡 效性，理想數值需大於.50。
（2）簡效規範適配指標PNFI (parsimonious normed fit index)：理想數值需大 於.50。
（3）關鍵樣本指標CN (Critical N)：由Hoelter（1983）所提出用以說明模式 適配統計量與樣本間的關係，估計若要產生一個不顯著的卡方統計量，所需的樣 本數為多少。其值需大於或等於200，通過CN值表示樣本數足夠用以檢定模式。
（4）卡方自由度比（χ2/df）即NC（normed chi-square）：考慮模式複雜度 後的卡方值，卡方自由度比越小，表示模型契合度越高，小於3是可以接受的尺 度。
（5）AIC (Akaike information criterion) Akaike訊息標準指標：經過簡效調整 的模式適配度的波動性，AIC值越接近0，表示模式適配愈好且愈簡效，理論模
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
130
式AIC指標值必須比獨立模式之AIC指標值還要小。
（6）CAIC (consistent Akaike information criterion)：CAIC是AIC的調整值，
是將樣本大小的效果也考量到估算中。經過簡效調整的模式適配度的波動性，
CAIC值越接近0，表示模式適配愈好且愈簡效，理論模式CAIC指標值必須比獨 立模式之CAIC指標值還要小。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
131