獲得各變項參數估計之後，將進一步檢定適配度。模式適配度考驗，可分為 整體模式適配考驗與內在結構適配考驗。對於結構方程模式評鑑，Bagozzi 和 Yi
（1988）建議應從基本適配度（Preliminary Fit Criteria）、整體適配度（Overall Model Fit）及內在結構適配度（Fit of Internal Structrual Model ）三個面向度進行 驗證。陳正昌、程炳林（1998）整體模式適配度在評鑑整個模式和觀察資料適配 程度，則為模式的外在品質，而模式內在結構適配度是在評量模式內估計參數顯 著程度、各指標與潛在變項的信度，可說是模式的內在品質 。
Bagozzi 和 Yi（1988,p. 77）提出模式基本適配標準有五項：
一、不能有負的誤差變異：各觀察變項誤差變異若是負的，則表示 R2大於 1，
四、因素負荷量（Factor Loadings）不能太低及太高，最好介於.50~.95 之間：因 素負荷量太低，表示觀察變項為潛在因素指標不適切（楊善閔，2007）。
（Offending Estimate）。一般來說，常會發生違犯估計有下列三種現象（周子敬，
2006；吳明隆，2009；黃芳銘，2007）：
1.有負的誤差變異數存在與任何建構中存在無意義的變異誤。
表 4-3
參數 完全標準 模式之間的配合情形，也就是說是模式的外在品質檢定。此外，學者Hair（2006）
等人，將整體模式適配度評估分為三類：絕對適配度測量、增值適配度測量及簡 約適配度測量。絕對適配度測量在評量理論模式以預測觀察的共變數矩陣或相關 矩陣；增值適配度測量是理論模式和基準模式比較的結果；精簡適配度測量在評 估理論模式的精簡程度。吳明隆（2009）亦強調進行模式適配度評估時，最好能 同時考量，因為對模式的可接受性與拒絕比較能夠產生共識的結果。
本研究藉著絕對適配度測量、增值適配度測量及簡約適配度測量，作為整體 模式適配度的檢定指標，分述如下（吳明隆，2009）：
（一）絕對適配度的檢定結果
「絕對適配度」，是結構方程模式與樣本資料的適配程度。本研究的絕對適 配度檢定指標包括χ2值（Chi-Square）、GFI、AGFI、RMR、RMSEA 等值。這 些指標是根據樣本相關係數矩陣、共變數矩陣、模式隱含相關係數矩陣與共變數 矩陣之間的差異，計算出來的（余民寧，2006）。以下針對研究模式之主要絕對 適配指標，根據表4-4 判斷標準評鑑。
首先模式之 χ2=1667.7，df=372，p=.000 已達顯著水準，結果顯示模式與觀 察值未能適配，因研究的樣本數多，自由度大，χ2值就會越大，所以，χ2值是否 達顯著，此項指標只能作參考。Bagozzi 和 Yi（1988）建議須將樣本的問題加以 考量，卡方檢定與自由度比來檢定模式配適度，比值愈小越好。
（Root Mean Square Eorr of Approximation, RMSEA）主要是在尋找母群與模式適 配程度（張芳全，2006）。學者 Browne 與 Cudeck 建議使用 MRSEA，作為自由 度差距量數。認為RMSEA 小於.05 時，是適配度良好；.05 至.08 是屬於適配度 尚佳；.08 至.10 屬於適配度普通；大於.10 以上屬於適配度不佳（MacCallum et al.
1996, p. 134）。本模式的 RMSEA 等於.043，所以適配度良好。
殘差均方和平方根（Root Mean Square Residual, RMR），是由未標準化殘差 值所計算出（邱皓政，2006）。理想值必須低於.05，最好是低於.025 (張芳全，
2006 )，本研究的 RMR 值為 5.067 高於.05，表示殘差值過高，所以適配度不理 想。
適配度指數（Goodndes-of Fit Index, GFI），指假設模式共變異數可解釋觀 察資料共變異數的程度（吳明隆，2009）。由 Kelloway（1988,p. 27）所提出，
範圍大小介於0 與 1 間。數值愈接近 1，表示適配度佳；GFI 值愈小，表示契合 度愈差，判別標準GFI 值大於.90，則模式徑路圖與實際資料有良好適配度。GFI 值為.943，所以，在理想數值.90 以上。
調整後適配度（Adjusted Goodness-of Fit Index, AGFI），目的在調整自由度 與變項個數的比率，AGFI 數值越大，越有利於得到理想契合度結論，AGFI 判 別標準大於.90，表示模式徑路圖與實際資料有良好適配度（黃芳銘，2007；邱 皓政，2006）。AGFI 值為.929，達.90 門檻，表示模型的契合度理想。
綜合上述結果顯示，本研究模型在各類絕對適配度指標，是不錯的適配度。
（二）增值適配度的檢定結果
增值適配度，又稱為比較適配度或者是相對適配度。指將待檢驗的假設理論 模式和基準線模式（Baseline Model）的適配度互相作比較，判別模式的契合度 如何或是比較兩個以上競爭模式間，何者有較佳適配程度（余民寧，2006；吳明 隆，2009；黃芳銘，2007）。本研究的增值適配度檢定指標如：NFI、NNFI、
CFI、IFI、RFI。以下針對研究模式之主要增值適配度指標，依據表 4-4 所示，
各項增值適配度摘要表，以及判斷標準的評鑑。
首先針對，規準適配指數（Normed-Fit Index, NFI），由 Bentler 和 Bonnet 發展出來，指用來比較所提出之模式和虛無模式間的卡方值差距。主要目的在於 檢驗契合度是否有低估的現象（吳明隆，2009；邱皓政，2006；黃芳銘，2007）。
NFI 值接近 1，表示理論模式對基線模式改進愈大；NFI 值接近 0，表理論模式 和 基 準 線 模 式 相 互 比 較 模 型 改 變 情 形 。 此 模 式 共 同 的 推 薦 值 為.90 以 上
（Hooper,Coughlan,&Mullen,2008）。NFI 值為.955，在理想的數值.90 以上。
非規準適配指數（Non Normal-Fit Index, NNFI）簡稱 TLI（Tacker-Lewis Index），用來比較二個對立模式間的適配程度與比較所提模式對虛無模式間的 適配程度，指標經過量化之後的數值，對 NFI 做自由度的調整，結果使得其所產 生值可能超出0 與１之間（吳明隆，2009；黃芳銘，2007）。邱皓政（2006）認 為 NNFI 波動大，可能會較其他指標來得低，當其他指標顯示模型相契合，會產 生模型契合度不理想的矛盾結論。NFFI 值為.959，趨近於 1。
比較適配指標（Comparative-Fit Index, CFI），指測量最限制模式至飽和模 式時，非集中參數改善之情形，而且也考慮到被檢驗模型與中央卡方分配的離散 性。目的是克服NFI 在套層模式上所產生的缺失（邱皓政，2006；黃芳銘，2007）。
此外，Bentler 認為 CFI 值介於 0 與 1 之間，值愈大表模型適配度愈好，要判斷 模型是否接受時，CFI 通常需大於.90 以上（Hooper,Coughlan,&Mullen,2008）。
CFI 值為.965，在理想的數值.90 以上。
增值適配指標（Incremental Fit Index, IFI），處理 NNFI 波動問題與樣本大 小對於NFI 指數的影響（邱皓政，2006）。正常情況下，IFI、NFI 與 NNFI 都介 於0 與 1 之間，數值愈大表示契合度越佳。IFI 值為.965，表示契合度越佳。
相對適配指標（Relative Fit Index, RFI），是由 NFI 衍生而來。RFI 最小值 為0，最大值是 1，值愈大，則表示模式適配愈好。黃芳銘（2007）FRI 大於.90，
表示模式可接受，FRI 值大於或等於.95，表示模型相當適配。RFI 值為.948，表 示模式可以接受。
綜合以上的檢定結果顯示，NFI、NNFI、CFI、IFI、RFI 五個指標值都介於.948 至.965 之間，皆大於.90 檢定標準，表示此理論具有理想適配度。
（三）簡約適配度
吳明隆（2009）指出結構方程模式的分析，在探究複雜變項之間的關係，且 變項之間的關係須要以理論為根據，在模式界定時須依循簡約原則。余民寧
（2006）認為，精簡性是在達到預期適配程度下，模式需要進行估計的最少參數 個數。目的在於更正模式有過度適配情形發生。從統計學的觀點，假設其他條件 一樣，模式當然愈精愈好。本研究的簡約適配度檢定指標包含：PGFI、PNFI、
AIC、CN。以下針對研究模式主要簡約適配度，根據表 4-4 判斷標準評鑑。
首先針對，簡約調適配度（Goodness-of -Fit Index, PGFI），指在考慮模型估 計參數的多寡，可用來反應結構方程模式假設模型簡約程度（邱皓政，2006）。
PGFI 值介於 0 與１之間，值越大，表示模式愈簡效，作為模式是否接受的標準 時，PGFI 大於.50 以上。PGFI 值為.755，表模示愈簡效性。
簡約調整後之規準適配（Parsimonious Normed Fit Index, PNFI），指把自由 度數量加進預期獲得適配程度中考量，比 NFI 指標更適合作判斷模式精簡程度 指標。主要功能是與不同自由度的模式進行比較，此值愈高愈好。若比較不同模 式時，PNFI 值的差異在.06 至.09 之間，視為是模式間有真實差異存在。一般以 PNFI 值大於.50，作為模式適配度通過與否的標準，在整體模式契合度判別上，
當PNFI 值在.50 以上，表示假設理論是可接受的（余民寧，2006；吳明隆，2009；
黃芳銘，2007）。PNFI 值為.817，表示少用自由度，可獲得較高的適配，顯示 已達模式的精簡程度。
Akaikc 訊息效應（Akaike Information Criteria, AIC），指待估計參數個數考 量與評估模式適配程度的概念，用來比較兩個不同潛在變項數量模式間的精簡程 度。功用在於數個模式之間的比較（余民寧，2006）。接近 0 表示模式的契合度 愈高模式愈簡約、具有可接受的適配程度。AIC 值為 1853.700，AIC 值的理論模 式大於飽和模式值，因此，不符合標準。
適當樣本數（Critical N, CN），基於統計檢定考量，模式要獲得可接受適配 程度，需要最低數量樣本大小。Hoelter 建議 CN 大於 200，是一個可靠結論最低 樣本數的要求（余民寧，2006）。Hu 與 Bentler 主張模式可接受範圍最小值是 CN 值大於 250，此觀點較嚴格（吳明隆，2009）。CN 值為 479 大於 200，顯示 模式合適。
綜合以上的結果顯示，當卡方值小於2 時，模型有理想契合度，而卡方值為
1853.700<930
1853.700<37314.480 否 CAIC 值 理論模式值小於獨立模式值，且同
時小於飽和模式值
2463.350<3978.253
2463.350<37511.141 是
三、內在結構適配度
邱皓政（2006）指出各測量變項和潛在變項的多元 R2，是在測量變項可被 潛在變項的解釋百分比，百分比數高，愈符合理論方程式的建構，此值也會反應 出測量變項的信度。吳明隆（2009）認為內在結構適配評鑑標準分為二個部分，
（一）測量模式評鑑，重視測量變項是否反應相對應的潛在變項；（二）結構模
式評鑑，瞭解建構階段所界定因果關係是否成立。模式良好測量模式，須滿足兩 件事：各觀察變項能正確測量出各潛在變數；同一觀測變數不能對於不同的潛在 變數都產生顯著負荷量。內在結構適配度準則，根據Bogozzi 與 Yi（1988,p. 82）
建議以下面六個標準來判斷：
(一)個別觀察變項的項目信度.50。
(二)潛在變項的組合信度在.60 以上。
(三)潛在變項的平均變異數抽取量.50 以上，有良好信度與效度。
(三)潛在變項的平均變異數抽取量.50 以上，有良好信度與效度。