適合度指標

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

是。另外，為呈現變數之間的因果關係，進一步將變數關係中所假定 的「因」稱為外生變數（exogenous variables），所假定的「果」

稱為內生變數（endogenous variables）。衡量模型係界定潛在變數 與 觀 察 變 數 之 間 的 相 依 關 係 ， 亦 即 將 不 可 直 接 觀 察 的 構 面

（construct；或稱概念：concept），以潛在變數的形式，利用觀察 變數的模型分析加以估計，不僅可估計衡量過程中的誤差，也可用以 評估觀察變數與潛在變數衡量的信度與效度。結構模型則利用路徑分 析的概念，界定潛在自變數與潛在依變數之間的因果關係模式。

本研究以結構方程式模型、使用統計軟體AMOS 6.0版進行分析，

研究模型如圖2所示。

第二節、 適合度指標

SEM 利用卡方檢定（χ2 test）、模型契合指標、替代指標來 辨識研究模型與觀察資料的契合度（Carmines and McIver,1981）。

常見的適合度指標（包含卡方自由度比值、模型契合指標、替代指 標）。在SEM 分析中，最常見的模型評鑑方式是卡方檢定。卡方值是 由契合函數所轉換而來的統計量，反應了SEM 模型的假說矩陣與資料

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

所呈現的觀察矩陣之間的差異程度。當χ2 值未達顯著水準，代表虛 無假設成立（Ho: Σ=Σ(θ)），模型契合度良好；反之，當χ2 值 達顯著水準，代表虛無假設不成立（Ho: Σ≠Σ(θ)），模型契合度 不佳。在卡方檢定的概念下，可被理解的是自由度大（多構面或多題 項）的模型在方卡統計上處於不利的地位，所以SEM 使用者多捨卡方 就其它契合度指標。但是Carmines and McIver（1981）建議可計算 出卡方自由度比值（χ2/df）以進行研究模型適合度的比較，卡方自 由度比值愈小，表示模型適合度愈高；一般而言，卡方自由度比值必 須小於3，表示模型具有可接受的適合度。

模 型 契 合 指 標 常 見 的 有 四 種 ， 包 括 契 合 度 指 標

（Goodness-of-Fit Index, GFI）及調整後契合度指標（Adjusted Goodness-of-Fit Index, AGFI）、基準度指標（Normed Fit Index, NFI）及非基準度指標（Non-Normed Fit Index, NNFI）。這四個指 標每一個值均介於0 與1 之間，數值愈大愈好，當數值愈趨近於1，

代表模型適合度愈好。Carmines and McIver（1981）認為GFI 類似 於迴歸分析當中的可解釋變異量（R2），表示研究模型可以解釋觀察

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

資料的變異數與共變數的比例；而AGFI 則類似於迴歸分析當中的調 整後可解釋變異量（adjusted R2），是在計算GFI 時將自由度納入 考慮之後所得到的模型契合度指數，當參數越多時，AGFI 指數數值 越大，越有利於得到理想的契合度結論。實務上，這兩個指標都必須 大於0.8，才表示模型具有可接受的適合度（Etezadi-Amoli and Farhoomand, 1996; Hair et al., 1998）。

而另外兩個模型契合指標：NFI 與NNFI 是一種相對指標。在SEM 模型中，將觀察變項之間設定為沒有任何共變情況稱之為獨立模型，

獨立模型是利用同一組觀察變項所可能組合而成的所有研究模型中 最基本的一種狀況，在概念上可以作為其它模型的參照模型。獨立模 型表示了契合狀況最不理想的一種模型，反應了所有的觀察變項之間 沒有任何關聯，且自由度最大，故以獨立模型導出的卡方值是所有可 能模型的卡方值之中的最大值。NFI 反應了研究模型與獨立模型之間 的差異程度（Bentler and Bonnet, 1980），所以數值愈大愈好。根 據研究發現，在小樣本與大自由度時，對於一個契合度理想的研究模 型，以NFI 來檢驗契合度會有低估的現象，所以考慮了自由度的影響

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

而提出了NNFI，類似於前述GFI 與AGFI 的調整，NNFI可以避免模型 複雜度的影響；一般而言，這兩個指標都必須大於0.9，才表示模型 具有可接受的適合度（Hair et al., 1998）。

除了上述的四個模型契合指標之外，本研究還使用兩個替代指 標（RMSEA:Root Mean Square Error of Approximation, 平均概似 平方誤根，以及CFI:Comparative Fit Index, 比較適配指標）。使 用 替 代 指 標 是 為 了 直 接 估 計 研 究 模 型 與 理 論 分 配 的 差 異 程 度

（Carmines and McIver,1981），所以數值愈小愈好。因為觀察資料 本身是否能夠反應真實變項的關係是有待考驗的問題，若以資料矩陣 作為比較基準並不一定能夠反應研究模型優劣與否。例如，觀察資料 本身的測量品質不良（信效度不佳），很可能影響觀察矩陣的內容。

因此，替代性指標是去直接估計研究模型與由抽樣理論導出的卡方值 差異程度。也由於替代指標是直接估計研究模型與理論分配的差異程 度，因此可以在中央極限定理的基礎上，以區間估計的概念來進行顯 著性考驗。作法是考慮抽樣誤差對於指數估計的影響，將所計算出來

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

的指數轉換成特定信心水準下（如90%）真實指數出現的範圍。優點 是可以反映抽樣誤差的影響。

RMSEA 乃比較研究模型與理論推導出完美契合的飽和模型之間 的差距程度，且不受樣本數大小與模型複雜度的影響（Carmines and McIver,1981）。數值越大代表模型越不理想，數值越小（愈接近0 時）

代表模型契合度越理想。Browne and Cudeck（1993）建議指數大於 0.10 表示模型不理想。McDonald and Ho（2002）則建議以0.05 為 良好契合的門檻，以0.08 為可接受契合的門檻。Hair et al.（1998）

也認為一般而言，RMSEA 必須小於0.08 表示模型具有可接受的適合 度。所以，本研究採用Hair et al.(1998)建議RMSEA 必須小於0.08 作 為門檻，表示模型具有可接受的適合度。

而CFI 除了反應了研究模型與理論推導出較差的獨立模型之間 的 差 異 程 度 ， 同 時 也 考 慮 到 研 究 模 型 與 中 央 卡 方 分 配 的 離 散 性

（Carmines and McIver,1981）。CFI 的值介於0 與1 之間，數值愈 大愈好，當數值愈趨近於1，代表模型適合度愈好。一般而言，CFI 必

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

須大於0.9，才表示模型具有可接受的適合度（Bentler and Bonnet, 1980）。