結構模式

結構模式即是潛在變項間因果關係的說明，作為因的潛在變項即稱為外生潛 在變項，以ξ 表示；作為果的潛在變項即稱為內生潛在變項，以 η 表示。外生潛 在變項對內生潛在變項的解釋變異會受到其他變因的影響，此影響變因稱為干擾 潛在變項，以符號ζ 表示，即結構模式中的干擾因素或殘差值。在 SEM 分析模 式中，只有測量模式而無結構模式的迴歸關係，即為驗證性因素分析；相反地，

只有結構模式而無測量模式，則潛在變項間因果關係的探討，相當於傳統的「路 徑分析」(Path Analysis)，其中的差別在於結構模式是探討潛在變項間的因果關 係，而路徑分析是直接探討觀察變項間的因果關係。結構模式所導出的每條方程 式稱為結構方程式，此方程式類似多元迴歸中的迴歸係數。有若一迴歸式為：

Y=B0+B1Xi1+B2Xi2+…+BpXip+εi (4.17) 其中，εi為殘差值，表示依變項(Y)無法被自變項(X)解釋的部分，在測量模式即 為測量誤差，在結構模式中為干擾變因或殘差項，表示內生潛在變項無法被外生

潛在變項及其他內生潛在變項可解釋的部分。另外，在迴歸分析中，殘差是被假 設與自變項間的關係是相互獨立的，但在SEM 模式中，殘差項是允許與變項之 間帶有關聯的。若以一個外生潛在變項與二個內生潛在變項間的飽和模式為例，

如圖4.3：

β21 γ21

圖4.3 一外生潛在變項與二個內生潛在變項結構模式圖(吳明隆，2006)

上述潛在變項間的迴歸方程式如下：

η1=γ11ξ1+ζ1 (4.18) η2=β21η1+γ21ξ1+ζ2

亦可以矩陣方程式來表示：

η=Γξ+ζ (4.19) 或

η=Bη+Γξ+ζ (4.20)

其中，

γ：外生潛在變項(ξ)與內生潛在變項(η)間的迴歸係數 β：內生潛在變項(η)與內生潛在變項(η)間的迴歸係數 ζ：內生潛在變項(ξ)的誤差

Γ：為一矩陣，代表 ξ 變項對 η 變項影響的迴歸係數

B：為一矩陣，表示 η 變項間有方向性的聯結係數(迴歸係數)

一個廣義的結構方程模式，包括數個測量模式及一個結構模式。在SEM 模 式中，研究者依據理論文獻或經驗法則建立潛在變項與潛在變項間的迴歸關係，

亦即確立潛在變項間的結構模式；此外，也要建構潛在變項與其測量指標間的反 映關係，即建立各潛在變項與觀察變項間之測量模式。由於SEM 涉及了數個測 量模式及一個結構模式，變項間的關係較為複雜，因而SEM 的分析即在探究一 組複雜變項間的關係，因此在模式界定時必須依循「簡約原則」(principle of parsimony)，同樣一組變數的組合有許多種可能，不同的關係模式可能代表了特 定的理論意義，若是研究者可以用一個比較單純、簡單的模型來解釋較多的實際 觀察資料的變化，如此，這個模型來反應變項間的真實關係，比較不會得到錯誤 的結論。

另外，在模式配適指標驗證方面，有以下幾個項目需要注意：

1. 估計參數中不能有負的誤差變異數，即 δ 與 ε 變項間的共變異矩陣沒有出現 負數，且達到顯著水準；

2. 所有誤差變異必須達到顯著水準(t 值>1.96)；

3. 估計參數統計量彼此間相關的絕對值不能太接近 1；

4. 潛在變項與其測量變項間之因素負荷量(ΛX、ΛY)值最好介於 0.5~0.95 之間；

5. 不能有很大的標準誤。

整體模式之配適度指標及其判斷值如表4.4：

表4.4 各種契合度指標的比較

指標 性質 範

圍 判斷值 備註

χ²

理論模型與觀 察模型的契合 程度

- P>0.05 說明模型解釋能力

χ²/df 考慮模式複雜

度後的卡方值 - <5 不受模式複雜度影響

CN

產生不顯著卡 方值的樣本規 模

- >200 反應樣本規模的適切性

GFI

假設模型可以 解釋觀察資料 的比例

0-1 >0.90 說明模型解釋力

AGFI 考慮模式複雜

度後的GFI 0-1 >0.90 不受模式複雜度影響 RMR 未標準化假設

模型整體殘差 - <0.05 了解殘差特性

RMSEA

比較理論模式 與飽和模式的 差距

0-1 <0.08 不受樣本數與模式複雜度影響

NFI

比較假設模型 與獨立模型的 卡方差異

0-1 >0.90 說明模型較虛無模型的改善程度

CFI

假設模型與獨 立模型的非中 央性差異

0-1 >0.90 說明模型解釋能力

PGFI 考慮模式的簡

約性 0-1 >0.50 說明模型的簡單程度

在交通運輸領域中，結構方程模式已被廣泛應用。如航空旅客滿意度研究 (Chen, 2008)、航空旅客購買意願(Chen and Chang, 2008)家戶活動類型課題 (Roorda and Ruiz, 2008)、持有多車輛家戶之車輛使用行為(Golob et al., 1996)、消

費者網路購物與實體商店購物之關聯性分析(Farag et al., 2007)與通訊與旅運需 求關係之驗證(Choo and Mokhtarian, 2007)等。另外，Reisinger and Turner (1999) 指出，觀光旅遊課題之研究，由於欲分析之變數，許多無法直接衡量，如旅行動 機、滿意度等，因此適合藉由SEM 方法來進行分析；如旅遊後之行為意向分析 (Chen and Tsai, 2007)與地區觀光影響與觀光發展分析(Yoon et al., 2001)等。

4.4 小結

綜合以上討論，本研究中將利用聯立迴歸、MANOVA 與結構方程模式來分 析污染排放之課題。鑒於每個方法之特性與其欲完成之課題均不同，因此分別釐 清如下：

1. 聯立迴歸

在聯立迴歸之分析上，主要係利用監理單位之車輛定檢資料為分析對象。在 汽車方面，以臺北市監理處之定檢資料庫為主；機車則透過環保署所提供之定檢 資料來進行分析。對於HC 與 CO 污染排放之關鍵影響因子進行確認。但由於受 限於各單位定檢資料庫所包含之變數，因此，此階段僅針對車輛特性變數進行探 討，觀察各變數與污染排放間之關係。

2. MANOVA

經由以上確認污染排放關鍵因子後，挑選重要且高度顯著之變數進行 MANOVA 分析(如車齡、排氣量變數)，將污染性質差異較大之車輛予以分類，

以提供主管機關研擬車輛污染管制策略之參考依據。

3. SEM

將定檢與問卷資料串聯完成後，將各變數歸類到其所屬之構面，以得到車主 社經背景、主要用車區域、車輛使用行為、車輛基本特性與污染排放濃度等更完 整之資料，再利用SEM 來分析污染排放構面間之關聯性，釐清污染排放之直接 與間接影響因子。