第四章 研究結果與討論
第二節 結構模式之發展
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
69
第二節 結構模式之發展
本研究正式樣本位大學生631 為對象，進行模式之發展。首先針對樣本資料 進行篩檢，檢視是否為常態分配，以作為估計方法的選擇依據。由附錄三的結果 顯示，正式量表中各個觀察變項的偏態介於絕對值.026 至 1.241 之間，峰度介於 絕對值.013 至 1.163 之間，以 Curren、West 與 Finch 認為偏態介於絕對值 2.00 至 3.00 間，且峰度介於絕對值 7.00 至 21.00 間為中等嚴重偏離常態（余民寧，
2006：194）的標準來看，整體而言，本研究資料大致符合常態分配的性質，因 此，接下來的測驗模式與結構模式分析均採取最大概似法（Maximum Likelihood, ML）作為估計参數的方法。
在模式發展方面，本研究依據Anderson 與Gerbing（1988）所提出的「兩階 段法」（two-steps approach）步驟進行分析。第一步驟，先以驗證性因素分析
（confirmatory factor analysis, CFA）探究觀察變項對所欲測得潛在變項的測量模 式（measurement models）是否達到適配，以確認潛在變項能夠有效的被所蒐集 的資料衡量，接著，第二步驟針對結構模式（structural models）進行潛在變項之 間的路徑分析，考驗各潛在變項間路徑關係的適配程度。採用此兩階段法是因 為，當觀察變項都無法有意義地測量到潛在變項時，由理論建構的潛在變項之間 的關係便無法獲得有效的証實（余民寧，2006）。以下即依據上述步驟進行模式 的發展：
一、測量模式之發展
（一）生活壓力量表
生活壓力量表的測量模式經修正後達良好適配，如表3-3與圖3-2所示。經修 正測量模式適配後，本研究以生活壓力量表第1、3、4 題，作為推估「課業壓力」
潛在變項的3個觀察變項；量表第7、8、9、10 題，作為推估「人際壓力」潛在 變項的4個觀察變項。在結構模式中，分別以X1、X2，代表7個觀察變項第1、3、
‧
4、7、8、9、10題的題目，如表4-9所示。
表4-9 生活壓力修正後模式因素、觀察指標與結構模式觀察變項編號表 題與「樂觀」8題，根據理論依四因素探究測量模式結果得到χ2=1485.57，df=226，
RMSEA=.09，p<.05，表測量模式不理想，需要進一步進行修正。
因此，參考LISREL 所提供的修正指標（modification Indices, MI）、估計參 數改變量（Expected Changes）以及各測量變項的因素負荷量進行刪題比較，以 選擇適當的觀察指標。根據最大的修正指標、最大的參數改變量與較低的因素負 荷量逐步刪除題目，刪除因素負荷量小於.60以下的題目，即為第19題，得到「希 望」的題目為量表第1至第4題，「自我效能」題目為量表第5至第8題，「樂觀」
的題目為第9至第16題與「復原力」的題目為第17、18、20、21、22、23題。
從整體適配度檢定來看，修正後測量模式的χ2=1349.12，df=205，
RMSEA=.089，p<.05，達到統計顯著水準，表示理論模型與觀察資料不適配，可 是卡方容易受樣本過大與樣本分配之影響，所以參酌其他適配指標。就RMSEA
（root-mean-square error of approximation）提供的資料為.089，該值小於.10 即表 示模式為普通適配的，亦即該模式為可接受的程度；其次，適配度指標GFI
（goodness-of-fit index）為.84，顯示本模式與觀察資料適配程度接近良好的適佩 程度；比較適配指標CFI（comparative fit index）為.97，正規化適配指標 NFI
‧
（normed fit index）為.96 皆位於良好的適配程度標準內，其他適配指標檢定如 表4-8 所示。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖4-1心理資本量表的驗證性因素分析路徑關係圖
根據本研究結果顯示，由於所獲得四個潛在變項「希望」、「自我效能」、「樂 觀」與「復原力」之間存著相關，亦即四者背後仍存有共同因素可被抽取出來，
於是進行第二階驗證性因素分析，抽取出潛在因素「心理資本」，如圖4-1。研究 者自編「心理資本量表」為二階四向度的心理構念，支持原先的理論假設，說明 心理資本的構念包含「希望」、「自我效能」、「樂觀」與「復原力」四者。
本研究以心理資本量表第1至第4題，作為推估「希望」潛在變項的4個觀察 變項；量表第5至第8題，作為推估「自我效能」潛在變項的4個觀察變項；量表 第9至16題，作為推估「樂觀」潛在變項的8個觀察變項；量表第17、18、20、21、
‧
以Y1、Y2、Y3、Y4，代表22個觀察變項，如表4-11所示。表4-11 心理資本修正後測量模式因素、觀察指標與結構模式觀察變項編號表 樂觀 （9、10、11、12、13、14、15、16）
八題平均數
Y3 心理
資本
復原力 （17、18、20、21、22、23）
六題平均數
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、結構模式的提出
生活壓力量表、心理資本量表以及臺灣憂鬱症量表三者之測量模式達適配 後，接下來，即進行各潛在變項之間路徑關係的結構模式探討，投入之各觀察變 項的共變數矩陣見表4-13，X1 為「生活壓力」、X2 為課業壓力、Y1 為「希望」、
Y2 為「自我效能」、Y3 為「樂觀」、Y4 為「復原力」、Y5「認知」、Y6「情緒」、
Y7「身體」，以及 Y8 為「人際關係」。
結果顯示，本研究生活壓力、心理資本與憂鬱的結構方程模式，從整體適配 度檢定來看，結構模式的χ2=174.78，df=32，RMSEA=.085，p<.05，達到統計顯 著水準，表示理論模型與觀察資料不適配，可是卡方容易受樣本過大與樣本分配 之影響，所以參酌其他適配指標。就RMSEA（root-mean-square error of
approximation）提供的資料為.085，該值小於.10 即表示模式為普通適配的；其次，
適配度指標GFI（goodness-of-fit index）為.95，顯示本模式與觀察資料有良好的 適配程度；比較適配指標CFI（comparative fit index）為.97，顯示本模式沒有任 表4-13 結構模式各觀察變項的共變數矩陣表
變項 X1 X2 Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8
X1 0.798
X2 0.319 1.959
X3 -0.138 -0.075 0.874 X4 -0.186 -0.048 0.508 0.665 X5 -0.172 -0.075 0.538 0.456 0.672 X6 -0.082 -0.010 0.380 0.322 0.427 0.502 X7 0.128 0.111 -0.220 -0.173 -0.230 -0.144 0.274 X8 0.141 0.113 -0.166 -0.140 -0.211 -0.108 0.223 0.317 X9 0.129 0.115 -0.157 -0.138 -0.161 -0.093 0.185 0.203 0.304
X10 0.090 0.102 -0.233 -0.125 -0.160 -0.088 0.157 0.138 0.147 0.393
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
75
何共變關係的獨立模式相較，改善程度在可接受範圍；正規化適配指標NFI
（normed fit index）為.96 皆位於良好的適配程度標準；其他適配指標檢定如表 4-14 所示，整體而言本研究依理論假設之結構模式可以被研究資料所支持，本研 究以此結構模式，作為「生活壓力、心理資本對憂鬱影響」之最終結構模式。
圖4-2為生活壓力、心理資本與憂鬱之標準化結構模式圖，結果顯示，在路 徑係數方面，首先，生活壓力與心理資本兩個潛在變項之間的路徑係數為-.32，t 值為-4.94，已達.05顯著水準；再來，生活壓力與憂鬱兩個潛在變項之間的路徑 係數為.29，t值為4.62，已達.05顯著水準；最後，心理資本與憂鬱兩個潛在變項 之間的路徑係數為-.49，t值為-9.77，已達.05顯著水準。顯示本研究的假設路徑 不僅達顯著，且符合理論的假設方向，亦即顯示結構模式的適配程度已接近理想 程度，本研究以此模式作為最終結構模式，表4-15為最終模式之完全標準化估計 參數、顯著性考驗及標準誤表。
表4-14 生活壓力、心理資本與憂鬱之結構模式適配度指標檢定表
指標 χ2 Df χ2/df GFI AGFI RMR SRMR RMSEA NFI NNFI 檢定
結果
174.78 32 5.46 .95 .91 .027 .043 .085 .96 .95
指標 CFI IFI RFI PGFI PNFI model AIC model CAIC CN 檢定
結果
.97 .97 .94 .55 .68 220.78 354.40 188.60
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
77
二、最終模式的適配度考驗
本研究依據Bagozzi 與 Yi（1988）、余民寧（2006）及陳正昌等人（2005：
357-363）對模式適配度考驗所提出的建議，就最終模式的基本適配度、整體適 配度、比較適配度、精簡適配度指標、及內在結構適配度指標進行探究，以下分 別敘述之：
（一）基本適配度指標
由表4-17 可知，本研究各參數的標準誤介於.01-.12 間，未發現過大的標準 誤，誤差變異數（δ、ε、ζ）皆為正值且達顯著水準，在因素負荷量方面，除了
λx 21=.35 偏低之外，其餘皆介於理想值.50 至.95 間，最後，估計參數間相關的絕 對值皆未太接近1。
（二）整體適配度指標
1. χ2（chi-square）：χ2 為卡方值，當卡方值考驗未達顯著，表示樣本資料與理 論模式適配。但是卡方值容易受到樣本數的影響，一般來說，樣本數大於200 以上，其檢定結果就容易達到顯著差異，因而表示模式不適配。本研究 χ2=174.78，p=.00<.05 達顯著水準，由於所採用的樣本數為 631 人，因此尚 需參考其他重要的適配指標作為評鑑依據。
2. GFI（goodness-of-fit index）：GFI 為適配度指標，指由理論模式所能解釋的 變異量與共變量，理想值為.90 以上。本研究中 GFI=.95。
3. AGFI（adjusted goodness-of-fit index）：AGFI 為修正的適配度指標，指加入 自由度的數目依據，由理論模式所能解釋的變異量與共變量，理想值為.90 以上。本研究中AGFI=.91。
4. RMR（root-mean-square residual）：RMR 為均方根殘差，意指殘差的大小，
其值愈小表示模式適配愈佳，一般來說，可以接受的數值需在.05 以下。本研
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
究中RMR=.027。
5. SRMR（standized root-mean-square residual）：SRMR 為標準化均方根殘差，
即RMR 數值的標準化，理想範圍在.05 以下。本研究中 SRMR=.043。
6. RMSEA（root-mean-square error of approximation）：RMSEA 為均方根近似 誤，
指理論模式與完美契合模式之間的差值，當模式完全適配母群體時，RMSEA 的數值為0，數值在.05 以下表示具有良好適配，介於.05 至.08 間為合理適配，
介於.08 至.10 間為普通適配，大於.10 以上則為不良適配。本研究中 RMSEA=.085
（三）比較適配度指標
1. NFI（normed fit index）：NFI 為正規化適配指標，用來比較所提出的理論模 式與虛無模式（null model）之間的卡方值差距，其值介於 0 到 1 之間，大 於.90 以上為理想值。本研究中 NFI=.96。
2. NNFI（non-normed fit index）：NNFI 為非正規化適配指標，用來比較兩個對 立模式之間的適配程度，其值介於0 到 1 之間，大於.90 以上為理想值。本 研究中NNFI =.95。
3. CFI（comparative fit index）：CFI 為比較適配指標，用在進行一連串模式之 間的比較，其值介於0 到 1 之間，理想值範圍在.90 以上。本研究中 CFI =.97。
4. IFI（incremental fit index）：IFI 為增值適配指標，是一項修正 NFI 指標，其 值介於0 到 1 之間，理想值範圍在.90 以上。本研究中 IFI=.97。
5. RFI（relative fit index）：RFI 為相對適配指標，表示理論模式與虛無模式相 互比較的適配度，其值介於0 到 1 之間，理想值範圍在.90 以上。本研究中 RFI=.94。
（四）精簡適配度指標
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
79
1. PGFI（parsimony goodness-of-fit index）：PGFI 為精簡適配度指標，修改 GFI 指標而來，把模式的複雜度因素加進考量，判斷模式精簡的程度，其值介於 0 到 1 之間，愈接近 1 愈好，一般而言，大於.50 表示模式可被接受。本研究 中PGFI=.55。
2. PNFI（parsimony normed fit index）：PNFI 精簡正規化適配指標，為精簡適 配度指標，修改NFI 指標而來，加入自由度數量的估計判斷模式精簡程度，
其值介於0 到 1 之間，愈接近 1 愈好，一般而言，大於.50 表示模式可被接 受。本研究中PNFI=.68。
3. AIC（Akaike information criterion）：AIC 為 Akaike 訊息效標，把待估計參 數個數加入模式適配度評估中，用以比較兩個不同模式之間的精簡程度，一
3. AIC（Akaike information criterion）：AIC 為 Akaike 訊息效標，把待估計參 數個數加入模式適配度評估中，用以比較兩個不同模式之間的精簡程度，一