第三章 研究設計與實施
第五節 資料分析
本研究依據研究目的、問題、假設與架構,應用SPSS 及AMOS 進行資 料分析。
一、描述性統計分析
本研究以次數分配、百分比、平均數及標準差描述受訪者各項基本資料,
及各觀察變項的調查結果。
二、差異檢定分析
(一) 平均數檢定
本研究以平均數檢定,驗證基本資料與各觀察變項之調查結果:其值是否 高於3.00,並達.05 顯著水準。
(二) t 考驗和單因子變異數分析
本研究以應用t 檢定和單因子變異數分析,比較在性別、父母教育、打工 概念、零用錢、地區等「父母理財行為」「父母理財教導」「理財素養」
「理財態度」「理財行為」有無顯著差異,是否達顯著水準。應用F檢定,
若顯著水準若達0.05 以下,將進一步以薛費法(Scheffe method)進行事後 比較。
圖 3- 3 結構模式路徑圖(預設模式)
三、結構模式分析
本研究依據圖3-1父母理財教導理論模式,繪製結構模式路徑圖3-3,表達各 變項間的因果關係及影響路徑,並將各項變項及參數標示於圖中,各項變項及 參數之名稱如后。
(一) 基本架構模式 1.測量模式
本研究共有四個測量模式,其中以測量理財素養、理財態度和理財行為等 三個為內生潛在變項,以測量父母理財教導為外生潛在變項。內生變項的測量 是為說明內生潛在變項與內生顯性變項之間的關係,外生變項的測量是為說明
外生潛在變項與外生顯性變項之間的關係。
(1)內生變項的測量模式
i.本研究將內生變項的其測量模式設定為 Y = Λyη+ε
其中,Y 為內生潛在變項的觀察值矩陣,理財態度三個觀察變項;理財 素養三個觀察變項。Λy 為內生變項的測量路徑矩陣;η為潛在內生變項矩陣;
ε是測量變項y之測量誤差所組成的向量。
ii.本研究依據單向度(uni dimension)原則, 由本測量模式,我們可藉觀 察值得到內生潛在變項η 的估計值,及路徑係數 λ 及測量偏誤值 ε。
(2)外生潛在變項的測量模式
i.本研究外生變項的測量模式為 X = Λxξ+δ
其中,X 為一個外生潛在變項的觀察值矩陣,Λx 為外生變項的測量路徑 矩陣;δ是測量變項x之測量誤差所組成的向量。
ii.如同內生潛在變項,本研究亦秉持單向度原則,並以各衡量變項做 為外生潛在變項的形成指標,以單向度之測量變項衡量各外生潛在變項。
本研究之初始模式之外生潛在變項為ξ的觀察變項為父母直接教導與父 母理財行為。
其中,λij為因素負荷(測量路徑係數),ξ1為外生潛在變項,
δ1~δ2為測量誤差。由本測量模式可以藉各觀察變項推估社會影響此外生潛 在變項ξ的估計值,及各外生潛在變項觀察值的因素負荷量λ,以及測量誤 差值δ。
2.結構模式
(1)結構模式
在完成測量模式及其方程式的定義後,本研究將以外生潛在變項為因,內生
潛在變項為果,形成結構模式,呈現兩者間的因與果間關係及路徑,將關係式 設定為
η= Βη+Γξ+ζ
其中 η 是內生潛在變項向量,ξ 是外生潛在變項向量;Β 是內生潛在變 項對內生潛在變項路徑係數矩陣,Γ 是外生潛在變項對外生潛在變項路徑係數 矩陣;ζ 是結構模式的殘差向量。
(2)結構方程式
本研究根據文獻資料建構之初始模式為 3 因 1 果之單向(recursive)因果 模式,所謂單向係假設內生潛在變項與外生潛在變項間存在線性關係,並將該 模式之方程式設定為𝜁1
𝜂1=𝛾11ξ1+𝜁1 𝜂2=𝛾21ξ1+𝛽12𝜂1+𝜁2 𝜂3=𝛽21𝜂1+𝛽22𝜂2+𝛽23ξ1+𝜁3
本研究將藉由測量模式各觀察變項資料的蒐集與統計分析,獲得 η 及 ξ 的估計值,再進行結構方程式分析,以獲得𝛾11、𝛾12、𝛽21等線性迴歸係數估計 值,最後將依據這些係數估計值來檢視該外生潛在變項(因)對內生潛在變項
(果)的直接和間接影響效果。
3.參數估計及因果模式辨識
本研究將應用 Amos 進行參數估計,獲得 X, Y,Λy,Λx,ξ,η,δ,ε,Γ,Β,ζ 等各項參 數之估計值,在估計過程中,檢視 Amos 是否終止估計並回饋警語。由於在估 計路徑係數過程中可能產生無意義或不正確結果,因此,本研究將檢視是否有 收斂失敗或不合理估計值,如標準誤過大,變異數為負的現象。其次,本研究 也將檢視潛在變項與其測量指標間之因素負荷量是否介於.5 至.95 之間,估計 參數之間相關的絕對值是否太接近 1,所有誤差變異是否未達顯著水準(t 值
>1.96)。模式評鑑結果假如不理想,本研究即參考 Hayduk (1987)的建議,採
取以下補救方式予以處理:
(1)刪除不必要的變項。
(2)以最少的路徑重新建構理論上的SEM 模式。
(3)將測量模式誤差變項變異數設為固定參數。
(二)適配度檢定
1.整體模式適合度檢定
(1)絕對適配度(Absolute fit)
本研究將以系列指標,檢視整體模式之絕對適配度:
i. χ2 值是否過大,顯著性機率值p 是否>.05 ; ii. GFI 和AGFI 是否>.90;
iii. RMR 值是否<.05 ; iv. RMSEA 值是否<.08;
v. NCP 值是否過大;理論模式的ECVI 值是否小於獨立模式的ECVI 值,且小於飽和模式的ECVI 值。
假如有以上現象,將修改本研究初始理論模式。
(2)簡約適配度(Parsimony fit)
本研究也將以下列指數檢視初始理論模式的簡約適配狀況:
i. PGFI 值、PNFI 值、PCFI 值是否>.50;
ii.理論模式的AIC 值是否大於獨立模式的AIC 值,且大於飽和模 式的AIC 值
iii.理論模式的CAIC 值是否大於獨立模式的CAIC 值,且小於飽和 模式的CAIC 值。
假如有以上現象,將修改本研究初始理論模式。
(3)增值適配度(Increamental fit)
本研究將檢視NFI 值、IFI 值、TLI 值和CFI 值等增值適配度指數是否
都為.90 以上。假如未能達到此等標準,將修改初始模式。
2.模式內在結構適合度
本研究將計算初始模式所估計的參數是否均達顯著水準;觀察指標的個 別信度是否> .5;潛在變項的組合信度是否> .6;平均變異抽取量是否> .5;
模式標準化殘差值的絕對值是否<2.58。假如統計分析結果未能達到此等標 準,本研究將修改初始模式。
五、多群組分析
進行之多群組分析比較,以進一步驗證本研究理論模式,在加入此三個分 組變項:性別、父親學歷與學校城鄉位置後,各群組的因素模式、因素負荷量、
測量係數、結構係數、結構共變係數矩陣,觀察其有無顯著差異。
本研究將採用三種多重模式的適配度檢定,模式一為參數均未限制參數
(Unconstrained)模式,不做任何模式參數限制;模式二為測量係數
(Measurementweights)模式,設定群組的測量係數相等;模式三為結構係數
(Structural weights)模式,增列群組的結構係數相等。
1、基本適合度檢定
(1) 研究者將檢視各觀察變項之誤差變異有無負值,誤差變異是否都達到.01 以上顯著水準。模式的估計參數與所屬潛在變項之間的因素負荷量是否都符合 理想標準,以判定模式的基本適合標準是否良好,有無違反模式辨認規則。
(2)本研究將檢視各群組多元相關平方(R2)值是否高於0.60 以上,標準化徑路 係數是否皆為正數,以判定是否與原先理論架構相符合。
(3) 本研究將檢視不同群組的潛在變項參數間差異的臨界比值,依據各徑路 係數的參數差異決斷值判定各徑路係數是否相等,是否存在「組間組模式潛在 變項之間的效果分析( group-invarient )或組間恆等性。
2.不同群組模式潛在變項之間的效果分析
本研究將依據不同群組變項之標準化因素負荷量及是否達顯著水準(p
<.001),判定哪一個潛在變項所呈現的效果最高,或所呈現的群體間效果差異 最大。
3.綜合判斷
最後,本研究將以下列統計檢定量,依據適配的標準或臨界值,判斷初始 模式在各群組的適配狀況。
(1) 基本適配度指數
i. 有無負的誤差變異量 ii.有無負的誤差變異量
iii.因素負荷量是否介於.5 至.95 之間 iv.誤差變異是否都達顯著水準
v. 參數間相關的絕對值是否未太接近1
(2)整體適配度指數
i. χ2 值是否過大,自由度比是否<5.00,且是否p≦.05(未達顯著水準) ii. GFI 值是否>.90 以上
iii.AGFI 值是否>.90 以上 iv.RMR 值是否≦.05
v. NFI 值、IFI 值、TLI 值是否>.90 以上 vi. RMSEA 值是否小於.05。
(3) 本研究將根據三個模式的AIC 指標值與ECVI 指標值來判別,檢視 哪一個模式最佳。
(4) 本研 究將依據三個模式的ECVI 指標值就選替與模式競爭比較,檢視 六個適配的模式中,以哪一個模式最佳,其假設模式與樣本資料最為 適配。
(5) 本研究將使用巢狀模式比較測量係數模式、結構係數模式之增加的卡方
值是否過大;增加量顯著性p 值分是否均達.05顯著水準;增值適配指標 量的變化值或增加量是否都很小,檢視測量係數模式、結構係數模式等 兩個限制參數模式之群組徑路模式是否適配。
(6)最後,本研究將實施多重模式適配度檢定,檢視各項資訊值是否大部 分都能達到理想標準,並從替代模式中要選一個最好的模式,就此將 根據AIC 指標值與ECVI指標值來判別,從六個適配的模式中找出 最佳者。