本研究主要目的是在探討在多組群平均數結構的驗證性因素分析中，具 有因素恆等性之模型在不同的樣本數與不同的截距差距下，估算觀測變項截 距的表現。本章將對模擬試驗所得的結果做最後的結論，並說明研究的限制 及建議。遂將此章分為三節，第一節為研究結論，第二節將說明研究限制，
第三節為研究建議。
第一節 研究結論
在 Wicherts & Dolan (Wicherts & Dolan, 2004) 2004 年的研究中提及，若 模式中含有平均數的參數被忽略，容易造成造成錯誤的決策；Olsson, Foss, Troye, & Howell (2000)的研究中指出，在參數為常態且模型設定正確的情況 下，ML 估算法與 WLS 估算法其實是十分相近的。
根據第四章的研究結果，我們可以發現，隨著樣本數的增加，RMSEA 值 有下降的趨勢，在樣本數 500 之後趨於穩定；在 MSE 值方面，其值不受觀測 變項截距值真值所影響，但會因樣本數的改變而有所變動；在 95%信賴區間 覆蓋率的部份，我們可以發現在樣本數 300 之後，兩種估算法皆不受樣本數 影響。單看 WLS 估算法的估算情況，可以發現在樣本數低於 200 時，所得之 估算結果， RMSEA 值會有高估的情形發生，此項結論與 Bentler & Kaon (Bentler & Kaon, 1992)所提出之論點相呼應，此外還能看出 MSE 值或是 95%
信賴區間覆蓋率，都不好。若將樣本數固定，可以看出 ML 估算法的確是比 WLS 估算法穩定，但是大樣本底下，則是沒有明顯差異。整體來說，在多組
群平均數結構驗證性因素分析中，使用 ML 法或是 WLS 法來估算觀測變項 的截距值皆會有不錯的表現，大致來說 ML 估算法的表現比 WLS 估算法佳；
若是將重點放在其他方面如模式選取，則較建議使用 ML 估算法。
在本研究中所得結論大多與文獻相印証，但由於使用之模式為多組群平 均數結構與近年來實徵資料型態相近，且研究中設計的 10 種樣本數，也較符 合實用性質，可提供實徵研究者作為研究方面之參考。
第二節 研究限制
本研究主要的研究模式為多組群平均數結構驗證性因素分析。模型為一 個潛在變項與六個觀測變項，且將組群數設定為二個組群，並符合因素恆等 性之設定。研究所得之結論皆為特定模式所得，若要廣泛地利用，則需再作 測試。
第三節 研究建議
對於後續相關研究，有以下建議：
1. 研究所設定的觀察變項為連續資料，由於實徵資料的型態較接近離散 資料，建議未來可利用類別或是二元資料作研究。
參考文獻
英文部份
Bollen, K. A. (1989). Structural equations with latent variable: Wiley New York.
Browne, M. W. (1974).Generalized least-squares estimators in the analysis of covariance structures. South African Statistical Journal, 8, 1-24 .
Browne, M. W. (1987). Robustness of statistical inference in factor analysis and related models. Biometrica, 74, 375-384.
Jelte, M. W., & Conor, V. D. (2004). A Cautionary Note on the Use of Information Fit Indexes in Covariance Structure Modeling With Means. Structural Equation
Modeling, 11(1), 45-50.
Meredith, W. (1993). Measurement invariance, factor analysis and factorial invariance.
Psychometrika,58, 525–543.
Muthén, L. K., & Muthén, B. O. (1998–2004). Mplus user’s guide (3rd ed.). Los Angeles: Muthén & Muthén.
Olsson, U. H., Foss T., Troye S. V., & Howell, R. d. (2000). The Performance of ML, GLS, and WLS Estimation in Structural Equation Modeling Under Conditions of Misspecification and Nonnormality. Structural Equation Modeling, 7(4), 557-595.
Yuan, K. H., & Bentler, P. M. (1997). Improvimg parameter tests in covariance structure analysis. Computational Statistics & Data Analysis, 26, 177-198.
中文部份
楊志堅、邱才恬 (2005)。潛藏變數含平均值模式之適配度檢定模擬研究。2005 年第二屆統計方法學學術研討會，輔仁大學。
邱才恬、楊志堅 (2005)。Simulation Studies on Evaluating Models of Latent Variables with Constrained Means。台灣心理學會第 44 屆年會，中原大學。