第四章 研究結果與討論
第三節 美食觀光策略模式之驗證
為了確保探索性因素分析結果之有效性，本研究採用高階驗 證性因素分析(higher-order confirmatory factor analysis, HCFA)來 確認先前發的理論模式能否與實際觀光資料的分佈相契合，意即 檢定本研究所界定的理論架構模式是否能夠成立(Jöreskog &
Sörbom, 1993)。本研究所建構的美食觀光策略模式中，「善用美
食觀光資源」、「政府推動美食觀光之方針」、「推廣美食文化產業」
和「建構飲食文化與觀光的教育環境」等四個構面代表低階潛在 變項，而這些初階因素的共同因素(common variance)亦受到更高 層面的「美食觀光策略」因素所影響，其代表高階潛在變項；其 中，本研究所建構 75 個題項又分別歸類 10 個測量變之相對指 標。最後，若此模式若成立，則表示各因素分數所加總成單一因 素分收是有意義且可解釋的。
有鑑於此，本研究使用 LISREL 8.80 軟體進行高階驗證性因 素分析，以最大概似法(maximum likelihood)進行估計；同時，根 據 CFA 的分析程序，進行觀察變項之檢查、違犯估計(offending estimate)、整體模式適配度評鑑，以及模式內在結構適配度評鑑 等檢定方式。詳細分析結果如下：
一、觀察變項之檢查
在使用結構方程模式的過程中，常用的參數估計程序需於多 元常態化的假設成立下，方能穩定的運作；又，由於模型中所處 理的變項皆屬連續變項，且變項的數目較多，故多元常態更顯重 要。
此外，若資料的偏態與峰度的表現異於常態分配時，結構方
程模式參數估計的標準誤(standard error)與顯著性考驗統計數 (t-value)將會產生偏誤，導致估計結果的顯著性考驗失效(邱皓 政，2003)。Kline (2005)則指出：在結構方程模式中，變項的偏 態絕對值須小於 3，峰度絕對值須小於 10，否則將被視為非常態 分配。
由表 4-12 可知，本研究模式之觀察變項的偏態係數介於 -0.037 至 0.341，而峰度係數介於-0.57 至 0.662 之間，這結果顯 示觀察變項的偏態和峰度的值並不大，且資料符合多元常態化的 假設。因此，採用具有常態分配的估計方法對估計的健全性影響 不大，亦採用最大概似法作為估計模式的估計法。
表 4-12 美食觀光策略模式觀察變項檢查摘要表
指標 平均數 標準差 偏態 峰度
1-1 推廣美食的組織與制度 2.94 .726 .272 .286
1-2 美食相關軟硬設施 3.20 .643 .255 .469
1-3 特色美食節慶與展覽 3.54 .629 -.037 -.057
2-1 整合政府組織外部的管理 2.82 .768 .240 .340
2-2 強化政府組織內部的能力 2.74 .770 .331 .474
3-1 形塑美食文化品牌與特色 3.06 .662 .323 .662
3-2 確立目標市場需求與產品品質 2.95 .680 .292 .618
3-3 善用多元行銷策略與宣傳活動 3.11 .704 .169 .155
4-1 深耕美食文化觀光教育與強化產學互動 2.95 .767 .086 .263
4-2 提升餐飲管理與實務的專業能力 2.93 .758 .341 .273
二、違犯估計之檢查
在進行違犯估計之前，本研究先檢視各觀察變項之間的相關 情形，確認不會有多元共線性的問題存在。由表 4-13 的相關係 數矩陣可知，各觀察變項間的相關係數介於 0.48 至 0.85 之間，
屬於中度相關，故排除多元共線性的問題。
表 4-13 美食觀光策略模式之相關係數矩陣
指標 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
1.推廣美食的組織與制度 1
2.美食相關軟硬設施 .55 1
3.特色美食節慶與展覽 .57 .57 1 4.整合政府組織外部的管理 .66 .56 .56 1 5.強化政府組織內部的能力 .65 .56 .54 .85 1 6.形塑美食文化品牌與特色 .65 .59 .57 .79 .75 1 7.確立目標市場需求與產品品質 .66 .54 .52 .74 .71 .81 1 8.善用多元行銷策略與宣傳活動 .55 .48 .52 .66 .59 .73 .81 1 9.深耕美食文化觀光教育與強化產學互動 .61 .50 .57 .73 .65 .78 .80 .74 1 10.提升餐飲管理與實務的專業能力 .61 .52 .57 .71 .66 .76 .80 .73 .84 1 註：p < 0.01
接 著 ， 本 研 究 進 行 違 犯 估 計 的 檢 查 。 而 所 謂 違 犯 估 計 (offending estimate)係指結構模式或測量模式中，統計所輸出的估 計係數超出可接受的範圍(黃芳銘，2004)。因此，為了確認模式 估計的正確性，在檢定模式的適配度之前，需檢視違犯估計的產 生與否，而一般常發生的違犯估計有三種現象：(1)有負的誤差變 異數存在；(2)標準化係數大於 1；(3)有太大的標準誤。
有鑑於此，由表 4-14 可知，本研究潛在變項對觀察變項之 參數(λ)估計皆沒有太大的標準誤，而所有參數的 t 值皆達到顯 著水準，且標準化係數也沒有大於 1，從最小的λ31(「善用美食
觀光資源」對「特色美食節慶與展覽」)之估計值 0.71，至最大
的λ12(「政府推動美食觀光之方針」對「整合政府組織外部的管
理」)之估計值 0.95，皆通過違犯估計檢查的要求。
表 4-14 模式潛在變項對觀察變項之參數估計
參數 估計值 標準誤 t 值 標準化參數
λ11 0.58 --- --- 0.80
λ21 0.46 0.02 20.06** 0.72 λ31 0.45 0.02 19.72** 0.71
λ12 0.73 --- --- 0.95
λ22 0.68 0.02 39.45** 0.89
λ13 0.59 --- --- 0.89
λ23 0.62 0.02 40.24** 0.92 λ33 0.59 0.02 32.62** 0.84
λ41 0.71 --- --- 0.93
λ42 0.69 0.02 42.03 0.91
註：未列標準誤者為參照指標。** p < 0.01
另外，由表 4-15 可知，本研究觀察變項測量誤的參數(ε) 估計皆沒有太大的標準誤，而所有參數的 t 值皆達到顯著水準(t >
2.58)，且標準化係數也沒有大於 1，故上述檢驗皆通過違犯估計 檢查的要求。
表 4-15 模式觀察變項測量誤之參數估計
參數 估計值 標準誤 t 值 標準化參數 ε1 0.19 0.01 13.59** 0.36 ε2 0.20 0.01 16.25** 0.49 ε3 0.20 0.01 16.47** 0.50
ε4 0.06 0.01 6.81** 0.09
ε5 0.12 0.01 13.32** 0.21 ε6 0.09 0.01 15.61** 0.20 ε7 0.07 0.01 14.17** 0.16 ε8 0.15 0.01 17.43** 0.30 ε9 0.08 0.01 11.60** 0.14 ε10 0.09 0.01 12.88** 0.17 註：** p < 0.01
最後，由表 4-16 可知，本研究高階潛在變項對低階潛 在變項之參數(γ)估計皆沒有太大的標準誤，而所有參數的 t 值皆達到顯著水準(t > 2.58)，且標準化係數也都沒有大於 1，故上述檢驗皆通過違犯估計檢查的要求。
表 4-16 模式高階潛在變項對低階潛在變項之參數估計
參數 估計值 標準誤 t 值 標準化參數
γ11 0.86 0.04 21.93** 0.86
γ21 0.88 0.03 28.38** 0.88
γ31 0.99 0.03 31.71** 0.99
γ41 0.94 0.03 30.19** 0.94
註：** p < 0.01
三、整體模式適配度評鑑
模式的整體適配評鑑在於了解觀察資料與理論假設模式間 的配合情形，亦為一種模式的外在品質檢定；而模式的內在結構 適配考驗主要是對模式的內在品質做檢定，包括評量觀察變項與 潛在變項之間的關係，以及潛在變項與潛在變項的信度、變異量 抽取的程度與迴歸參數的顯著水準(黃芳銘，2004；Kline, 2005)。
本研究參考黃芳銘(2004)和 Kline (2005)的意見，先進行整體模式 的適配考驗，包括x2估計值、GFI、AGFI、CFI、NFI、NNFI、
PGFI、RMSEA，以及 SRMR。
由 圖 4-2 可 知 ， 本 研 究 的 整 體 模 式 適 配 考 驗 指 標
) 31 (
x2 =289.28，p < 0.01，此表示觀察矩陣與理論估計矩陣之間尚 未達到適配。然而，由於x2估計值易受到樣本數大小所影響，大 樣本容易達到顯著(Bagozzi & Yi, 1988; Kline, 2005)，故本研究採 用其他指標來判定模式的適配度。
由表 4-17 可知，判定模式適配度的其他指標包含：GFI = 0.93、AGFI = 0.88、SRMR = 0.04、RMSEA = 0.10、NFI = 0.98、
NNFI = 0.97、CFI = 0.98，以及 PGFI = 0.52。從 HCFA 分析的結 果來看，雖然 AGFI 值接近卻未達到理想水準大於 0.90，但尚可 接受；又，RMSEA 值亦未達到理想水準小於 0.10，但黃芳銘(2004) 指出：RMSEA 指標小於或等於 0.05 表示「良好的適配」，0.05 到 0.08 可視為「不錯的適配」，0.08 到 0.10 之間可以是視為「中 度的適配」，大於 0.10 才視為不良適配，故本研究模式的 RMSEA 值仍屬中度的適配；而反觀其他適配指標(相對適配指標、簡效 適配指標)皆通過檢定。由此可知，本研究整體模式的適配尚佳 且可被接受。
Chi-Square=289.28, df=31, P-value=0.00000, RMSEA=0.10
表 4-17 模式整體適配考驗指標
整體適配指標 模式適配指標 理想標準 絕對適配指標
GFI 0.93 > 0.90
AGFI 0.88 > 0.90
SRMR 0.04 < 0.08
RMSEA 0.10 < 0.10
相對適配指標
NFI 0.98 > 0.90
NNFI 0.97 > 0.90
CFI 0.98 > 0.90
簡效適配指標
PGFI 0.52 > 0.50
四、模式內在結構適配度評鑑 (一)估計參數顯著程度
模式之內在結構適配度檢定包括測量模式的評鑑和結構模 式的評鑑等二個面，其主要目的在於評鑑模式內估計參數的顯著 程度與各潛在變項的信度，即測量模式的內在品質。承上述違犯 估計之檢查程序，先由表 4-18 來看，所有觀察變項的標準化因 素負荷量(參數值)皆大於 0.45 以上，t 值皆大於 2.58 的顯著水準，
此顯示這 10 個觀察變項皆能有效反映其相對應的潛在因素，符 合理論假設計的建構，故具有個別變項的效度。
表 4-18 模式潛在變項對觀察變項之因素負荷量
參數 估計值 標準誤 t 值 標準化負荷量
λ11 0.58 --- --- 0.80
λ21 0.46 0.02 20.06** 0.72 λ31 0.45 0.02 19.72** 0.71
λ12 0.73 --- --- 0.95
λ22 0.68 0.02 39.45** 0.89
λ13 0.59 --- --- 0.89
λ23 0.62 0.02 40.24** 0.92 λ33 0.59 0.02 32.62** 0.84
λ41 0.71 --- --- 0.93
λ42 0.69 0.02 42.03 0.91
註：未列標準誤者為參照指標。** p < 0.01
此外，由表 4-19 可知，所有觀察變項測量誤的估計參數，
其 t 值皆大於 2.58 的顯著水準，此顯示這 10 個觀察變項皆有測 量誤的存在。但就測驗的原理而言，只要是測量本應具有誤差的 存在，故有測量誤是為合理現象。由此可知，本研究模式所有的 估計參數皆達顯著水準，顯示模式內在要素具有效度。
表 4-19 模式觀察變項之測量誤
參數 估計值 標準誤 t 值 標準化測量誤 ε1 0.19 0.01 13.59** 0.36 ε2 0.20 0.01 16.25** 0.49 ε3 0.20 0.01 16.47** 0.50
ε4 0.06 0.01 6.81** 0.09
ε5 0.12 0.01 13.32** 0.21 ε6 0.09 0.01 15.61** 0.20 ε7 0.07 0.01 14.17** 0.16 ε8 0.15 0.01 17.43** 0.30 ε9 0.08 0.01 11.60** 0.14 ε10 0.09 0.01 12.88** 0.17 註：** p < 0.01
對高階驗證性因素分析而言，最重要的係數就屬高階因素的 因素負荷量，其反映高階因素對初階因素的解釋力(邱皓政，
2003)。由表 4-20 可知，本研究高階潛在變項對低階潛在變項的 參數估計之 t 值皆大於 2.58 的顯著水準，表示低階因素能被高階 因素有效地解釋，因此 HCFA 分析結果支持此模式之效度。
此外，根據其標準化因素負荷量的情形，本研究模式的高階 因素(美食觀光策略)對於「推廣美食文化產業」此低階因素的影 響力最大(γ31= 0.99)，其次依序為「建構飲食文化與觀光的教育 環境」(γ41= 0.94)、「政府推動美食觀光之方針」(γ21= 0.88)，以 及「善用美食觀光資源」(γ11= 0.86)。換言之，反映較大部份的 美食觀光策略因素效度為「推廣美食文化產業」和「建構飲食文 化與觀光的教育環境」，而「善用美食觀光資源」則佔了最少的 比例來反映美食觀光策略的因素。
表 4-20 模式高階潛在變項對低階潛在變項之因素負荷量
參數 估計值 標準誤 t 值 標準化負荷量
γ11 0.86 0.04 21.93** 0.86
γ21 0.88 0.03 28.38** 0.88
γ31 0.99 0.03 31.71** 0.99
γ41 0.94 0.03 30.19** 0.94
註：** p < 0.01
(二)模式內在結構之建構信度和聚合效度檢驗
為了確認本研究所發展的模式之內在結構的適配性，故進行 各潛在變項的信度和效度評鑑。根據 Bagozzi and Yi(1988)和 Jöreskog and Sörbom (1993)的建議，在信度檢定方面，單一觀察 變項的信度應大於 0.20，而潛在變項的建構信度應大於 0.60；
又，在聚合效度(convergent validity)方面，變項的平均抽取變異 量應大於 0.50，才具有聚合效度。
由表 4-21 可知，個別觀察變項(初階因素)的信度介於 0.50 至 0.91 之間，此結果符合單一變項信度的標準，顯示所有觀察 變項具有良好的信度；另外，四個潛在變項的建構信度介於 0.79 至 0.91 之間，亦達到 0.60 的標準，顯示潛在變項具有信度。而 所有初階在因素的平均抽取變異量則介於 0.56 至 0.85 之間，皆 達大於 0.50 的標準，說明所有潛在變項受其所建構的觀察變項 所貢獻的量比誤差所貢獻的量還大，亦顯示初階潛在因素亦具有
由表 4-21 可知，個別觀察變項(初階因素)的信度介於 0.50 至 0.91 之間，此結果符合單一變項信度的標準，顯示所有觀察 變項具有良好的信度；另外，四個潛在變項的建構信度介於 0.79 至 0.91 之間，亦達到 0.60 的標準，顯示潛在變項具有信度。而 所有初階在因素的平均抽取變異量則介於 0.56 至 0.85 之間，皆 達大於 0.50 的標準，說明所有潛在變項受其所建構的觀察變項 所貢獻的量比誤差所貢獻的量還大，亦顯示初階潛在因素亦具有