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