驗證式因素分析

本研究為了對研究的衡量指標與構面進行測量模式檢定分析，因此使用結構 方 程 模 式 (Structural equation modeling, SEM) 來 進 行 驗 證 性 因 素 分 析 (Confirmatory factor analysis, CFA)，藉以針對所建構的測量模式進行檢測，及對 測量模式的各參數進行估計，並利用 AMOS 17.0 之統計軟體先進行理論模式適 配度檢驗與各項假設之檢定。

一、結構方程模式建立

本研究結構模型上可分為 4 個潛在變項與 11 個觀察變項，其中潛在自變項

（又稱為潛在外生變項）為涉入程度（ξ1），其包含 3 個觀察變項，分別為：吸 引力（X1）、中心性（X2）、自我表現（X3），以此來衡量之；至於潛在依變項

（又稱為潛在內生變項）則為社交技巧（η1）、社交自我效能（η2）與幸福感（η3），

包含 8 個觀察變項，其中社交的覺察與表達（Y1）、社交過敏（Y2）為社交技巧 之觀察變相；效能預期（Y3）、結果預期（Y4）為社交自我效能之觀察變項；生 活滿意（Y5）、自我肯定（Y6）、自我信心（Y7）與主觀幸福感（Y8）為幸福感 觀察變項。而衡量變數如表 4-4-1 所示。

表 4-4-1 衡量變數表

潛在變項 觀察變項

自變項 依變項 自變項 依變項

ξ1：涉入程度 η1：社交技巧 η2：社交自我效能 η3：幸福感

X1：吸引力 X2：中心性 X3：自我表現

Y1：社交的覺察與 表達

Y2：社交過敏 Y3：效能預期 Y4：結果預期 Y5：生活滿意 Y6：自我肯定 Y7：自我信心 Y8：主觀幸福感

根據本研究之研究架構，透過 AMOS 結構方程式來建構自行車參與者之休閒 涉入、流暢體驗、休閒效益及幸福感之假設模型，而本研究之結構模式，如圖 4-4-1 所示。

二、結構模型適配度檢定

學者 Bogozzi and Yi (1988)提出模式適配度的評鑑應包含三方面，基本適配度 標準(preliminary fit criteria)、整體模式適配度(overall model fit)與內在結構適配度 標準(fit of internal structural model)（吳明隆，2009；引自林佩蓉，2013）。當模式 適配度評鑑符合評估標準後，才可進行各項假設之檢定。

（一）基本適配度標準

在進行整體模式適配度評鑑之前，應先評估模式是否違反估計( offending estimates)。違反估計（又稱違犯估計）是指測量模式中統計所輸出的估計係數超 出可接受範圍，因此當發現統計輸出結果有違犯估計的現象時，就必須加以解決

（引自黃芳銘，2007）。

一般違反估計的評估標準有三種方法：「有無負的誤差變異數存在」、「標準化 係數超過或太接近 1」（又稱為因素負荷量），以及「是否沒有太大的標準誤」等 三項為標準（黃芳銘，2007；吳明隆，2009；林佩蓉，2013）。若無違犯估計產生，

才可以繼續做整體適配度檢定及內在結構適配度檢定。

根據上述評鑑標準，由表分析結果得知，本研究適配度標準符合沒有負的誤 差變異數產生；在標準化係數方面，黃芳銘（2007）指出當標準化係數超過 1 或 太過於接近 1，需考慮刪除其中一個構念，由結果得知絕對值介於 0.57~0.96 之間，

除λ4 外數值並未大於 0.95；在標準誤方面，觀察變項標準誤之值介於 0.014~0.051 之間，結果顯示無太大的標準誤。而 t 值除 λ4 之外皆達到顯注水準（t>1.96），因 此由上述之結果發現，本研究理論模式尚已達到基本適配度評鑑標準。

表 4-4-2 基本適配度評鑑表

參數 標準誤 變異數 t 值 標準化係數 模式適配判斷 λ1 0.026 0.315 12.35*** 0.69 符合 λ2 0.019 0.194 10.12*** 0.80 符合 λ3 0.030 0.285 9.46*** 0.81 符合 λ4 0.048 0.068 1.41 0.96 不符合 λ5 0.051 0.693 13.51*** 0.57 符合 λ6 0.017 0.075 4.47*** 0.94 符合 λ7 0.016 0.175 10.82*** 0.84 符合 λ8 0.019 0.225 11.90*** 0.80 符合 λ9 0.018 0.219 12.42*** 0.77 符合 λ10 0.016 0.170 10.37*** 0.86 符合 λ11 0.014 0.159 11.00*** 0.84 符合 註 1：標準化係數建議數值＞0.95

註 2：t 值＞1.96 且達顯著統計水準，模式適配度符合標準

（二）整體模式適配度

完成前述的基本適配度檢測後，結果發現並無有違反估計產生，因此進一步 進行整體適配度檢定。本部份主要是在說明，結構模式檢驗的整體研究模式與實 證後觀察資料間的適配度(Model fitness)為何？本研究透過衡量整體模式適配度 的數值，以瞭解其適配度。本研究整體模式適配度評估指標採用 Hair, Anderson, Tatham and Black (1998)所提出之三種方法：絕對適配檢定指標( absolute fit measures)、增值適配度檢定指標( incremental fit measures)以及簡效適配檢定指標 ( parsimonious fit measures)來衡量（黃芳銘，2007），其各項適配度檢定指標分析 結果如表 4-4-3 所示： 的適配度指標（AGFI）、殘差均方根（RMR）與近似誤差均方根（RMSEA）等，

其目的來檢測整體模式是否能夠預測觀察共變數或相關矩陣的程度，也就是說是 用來評鑑一個事前的模式能夠再複製樣本資料的程度（黃芳銘，2007）。

本研究之χ2/ df＝3.39，然而評鑑標準並未小於 3，沒有達到接受範圍；適配 度指標（GFI）=0.90 與調整後的適配度指標（AGFI）=0.91，其評鑑標準大於 0.9 為佳，表示模型具有良好的適配度；殘差均方根（RMR）=0.026 低於標準值 0.05，

表示具有良好的適配度；近似誤差均方根（RMSEA）=0.07，標準值小於 0.1，具

有良好的適配度。

根據上述絕對適配度評鑑結果得知，除了卡方值比率（χ2/ df）指標尚未達到 接受範圍外，其餘各項指標均達到適配的標準範圍。因此，本研究之絕對適配度 指標尚符合適配標準，表示模型適配程度為可接受的。

2. 增值適配度

增值適配度又稱為比較適配指標(comparative fit index)，或稱為相對適配指標 (relative fit index)，主要目的在用一個比較嚴格的或是套層的基線模式(baseline model)來和整體理論模式相比較（黃芳銘，2007）。其衡量指標包含規範適配度指 標（NFI）、非規範適配度指標（NNFI）、比較適配度指標（CFI）、增值適配度指 標（IFI）與相對適配度指標（RFI）等。由表檢定結果得知，NFI=0.96、NNFI=0.95，

其評鑑標準大於 0.9 為佳，表示模型的適配度較佳；CFI=0.97、IFI=0.97、RFI=0.94，

標準數值在 0.9 以上，皆符合適配標準。因此，本研究之增值適配度指標皆符合 評鑑標準，表示模型適配程度為可接受的。

3. 簡效適配度

簡效適配度主要檢定模式的自由度與虛無模式的自由度之比率（引自黃芳銘，

2007）。其衡量指標包括簡要規範適配度指標（PNFI）與簡要適配度指標（PGFI）。

由表檢定結果得知，PNFI=0.66、PGFI=0.55，其評鑑標準數值應大於 0.5，由檢測 結果均大於 0.5，皆符合評估標準，表示模型適配程度為可接受的。

經上述結果發現，本研究利用 AMOS 統計軟體進行分析後，得到整體模式之 適配度檢定數值，除了卡方值比率（χ2/ df）為 3.39 未小於評鑑標準值 3，其餘各 項適配度指標皆符合評估標準，因此本研究之假設模式符合實證研究資料之模式，

所以此評鑑具有整體的建構效度。

（三）內在適配檢定

為了瞭解 CFA 整體模式是否理想，除了須通過「基本適配度檢測」及「整體 適配度檢定」以外，還必須從模式的內在適配來衡量潛在變數的適切性（邱皓政，

2012）。也就是說，當整體模式適配度符合各項標準後，即可針對個別的因素品質 進行檢測。而內在適配的評鑑主要評量觀察變項與潛在變項之間的關係，包括潛 在變項之信度與效度檢定。

而本研究參考自李淑芳、陳首志（2013）與林佩蓉（2013）之 AMOS 信度及 效度分析，分別以項目品質檢驗（又稱為因素負荷量）、參數估計值顯著性檢定（t 值）、潛在變項的組合信度、平均變異數抽取量、收斂效度與區別效度等指標評鑑

1. 項目品質檢驗

於項目品質檢驗方面，Hair et al. (1998)與 Tabachnica and Fidell (2007)建議因 素負荷量須大於 0.5 以上標準（邱皓政，2012），由表 4-4-4 分析結果得知，本研 究在項目品質檢驗方面，其因素負荷量係數介於 0.57~0.96 之間，個數值均大於 0.5 以上標準，因此項目品質檢驗為良好。

1. 參數估計值顯著性檢定

於參數估計值顯著性檢定方面，Bagozzi and Yi (1988)建議 t 值必須遠大於 1.96 之標準。而本研究分析結果由表 4-4-4 得知，其 t 值介於 1.41~13.51 之間，除社交 的覺察與表達(SK1)之外皆達到顯著水準，相關數值尚符合標準。

2. 收斂效度

為了瞭解本研究模型的構面是否具有良好的收斂效度，因此 Hair et al. (1998) 指出必須考量個別潛在變項的組合信度(Composite Reliability, CR)以及平均變異 數抽取量(Average Variance Extracted, AVE)等兩項指標來衡量。收斂效度又稱為構 念效度(Construct Validity)，係指衡量工具能有效測得某一抽象構念的程度（Hair et al, 1998)，也就是說，如果一個測量工具與某一些概念相關聯性高，便可認為其 具有收斂效度。

4. 組合信度

在組合信度(CR)方面，其指的是構面內部變數一致性，當潛在變項的組合信 度越高，代表測量變項是高度互相關。而 Bagozzi and Yi (1988)建議組合信度須大 於 0.6 才能表示各潛在構念之測量變項是互為相關的，由表 4-4-4 分析結果得知，

本研究之組合信度介於 0.75~0.89 之間，其數值皆符合組合信度須大於 0.6 之標準，

亦即表示各潛在構念之測量變項是具有互相關的。

5. 平均變異數抽取量

在平均變異數抽取量(AVE)方面，可用於衡量潛在構念測量變項對該潛在構 念的平均變異解釋能力。當平均變異數抽取量越高，表示潛在變項具有較高的收 斂效度，學者 Fornell and Larker (1981)指出構面的平均變異數抽取量須大於 0.5 以上才具有收斂效度，如果 AVE 值愈高，表示潛在構念具有較佳的信度與收斂效 度（李淑芳、陳首志，2013）。由表 4-4-4 可了解，本研究各構面之平均變異數抽 取量介於 0.59~0.79 之間，潛在變項 AVE 值均高於建議值 0.5，表示本研究各潛在 變項具有較高之信度與收斂效度。

表 4-4-4 各構面測量模式各項指標彙整表

構面 因素負荷量 T 值 組合信度 平均變異量

休閒涉入（LI） 0.81 0.59

LI 1 0.69 12.35***

LI 2 0.80 10.12***

LI 3 0.81 9.46***

社交技巧（SK） 0.75 0.62

SK 1 0.96 1.41 SK 2 0.57 13.51***

社交自我效能

（SE）

0.88 0.79 SE 1 0.94 4.49***

SE 2 0.84 10.82***

幸福感（WB） 0.89 0.70

WB 1 0.80 11.90***

WB 2 0.77 12.42***

WB 3 0.86 10.37***

WB 4 0.84 11.00***

註：t 值＞1.96 且達顯著統計水準，模式適配度符合標準

6. 區別效度

當各潛在變項具有良好的收斂效度後，仍需要有區別效度之判別。如果潛在 構念測量問項存在對某變數關係值大於該對變數任一變數平均變異抽取量時，其 意謂著，該相對變數之某變數測量問項可能也是另一個變數的測量問項，表示其 無法具有區別的效果，也就是構念問項間的區別效度(Discriminant validity)不佳。

而根據表 4-4-5 所顯示，本研究所有變數平均變異抽取量皆大於變數間的相關係 數值的平方，由此可推測各潛在變數應該具有足夠的區別效度。

表 4-4-5 測量模式之區別效度

構面 1 2 3 4

構面 1 2 3 4