驗證性因素分析

本研究針對研究的衡量指標與構面進行整體模式檢定分析，主要是採用結構 方 程 模 式 (Structural Equation Modeling, SEM) 來 進 行 驗 證 性 因 素 分 析 (Confirmatory Factor Analysis, CFA)，針對所建構的測量模式來驗證其因果關係，

以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，再來進行各項假設路徑之檢定。

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 18 個觀察變項，其中潛在自變項

（又稱為潛在外生變項）為休閒涉入（ξ1），包含 3 個觀察變項：吸引力（X1）、

中心性（X2）、自我表現（X3）來衡量之；潛在依變項（又稱為潛在內生變項）

則為休閒效益（η1）、流暢體驗（η2）、幸福感（η3），包含 15 個觀察變項，其中 生理效益（Y1）、心理效益（Y2）與社交效益（Y3）為休閒效益之觀察變相；

挑戰與技巧平衡（Y4）、動作與知覺的融合（Y5）、明確的目標（Y6）、明確回 饋（Y7）、全神貫注（Y8）、潛在的控制感（Y9）、喪失自我知覺（Y10）、自成 性經驗（Y11）為流暢體驗之觀察變項；生活滿意（Y12）、自我肯定（Y13）、

自我信心（Y14）與主觀幸福感（Y15）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：休閒涉入 η1：休閒效益 η2：流暢體驗 η3：幸福感

X1：吸引力 X2：中心性 X3：自我表現

Y1：生理效益 Y2：心理效益 Y3：社交效益

Y4：挑戰與技巧平衡 Y5：動作與知覺的融合 Y6：明確的目標

Y7：明確回饋 Y8：全神貫注 Y9：潛在的控制感 Y10：喪失自我知覺 Y11：自成性經驗 Y12：生活滿意 Y13：自我肯定 Y14：自我信心 Y15：主觀幸福感 資料來源：本研究整理

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

二、結構模型適配度評鑑

Anderson and Gerbing (1988)提出在進行結構模型的假設驗證前，應先檢驗理 論模式的適配度。學者 Bogozzi and Yi (1988)提出完整的模式適配度評鑑應包含 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)（陳正昌、程炳林、陳 新豐、劉子鍵，2012）。當結構模型適配度評鑑符合評估標準後，才可進行各項 假設之驗證。

（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)。根據黃芳銘（2010）指出違反估計（又稱違犯估計）是指在測量模 式或結構模式中，統計所輸出的估計係數超出可接受範圍，模式會得到不當的 解，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。

一般是否有無違反估計的產生，其評估標準有三種方法：1、沒有負的誤差 變異數存在，或是任何模式中存在著無義意的變異數；2、標準化係數超過或太 接近 1（又稱為因素負荷量，理想數值≦0.95）；3、不能有太大的標準誤等三項 為標準（黃芳銘，2010；陳正昌等，2012）。當統計結果所得到的數據沒有符合 上述標準時，不論後續適配度檢測多麼完美，都是錯誤的。因此無違犯估計產生，

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，本研究結果顯示測量的估計值符合沒有負的誤差變異數 產生，其誤差變異數介於 0.16~0.48 之間；在標準化係數方面，其數值介於 0.64~0.86 之間，並未大於 0.95 符合標準範圍。

在標準誤檢測方面，陳寬裕與王正華（2010）指出若要衡量標準誤時，可以 檢視 t 值是否大於 1.96 且需達顯著水準，若有顯著則表示標準誤沒有太大產生（鄭 家瑜，2012）；由分析結果得知，標準誤之值介於 0.015~0.035 之間，且 t 值皆達 到顯著水準，顯示無太大的標準誤。由上述之結果發現，本研究理論模式已達到 基本適配度評鑑標準。本研究基本適配度評鑑表，如表 4-4-2 所示。

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 0.022 0.30 13.33*** 0.75 符合 λ2 0.035 0.48 14.04*** 0.64 符合 λ3 0.034 0.47 13.83*** 0.68 符合 λ4 0.015 0.19 12.35*** 0.83 符合 λ5 0.015 0.19 12.70*** 0.81 符合 λ6 0.020 0.27 13.47*** 0.74 符合 λ7 0.020 0.27 13.45*** 0.74 符合 λ8 0.020 0.27 13.44*** 0.74 符合 λ9 0.019 0.23 11.99*** 0.80 符合 λ10 0.017 0.21 12.28*** 0.78 符合 λ11 0.016 0.17 10.26*** 0.86 符合 λ12 0.015 0.16 11.14*** 0.83 符合 λ13 0.017 0.19 11.05*** 0.81 符合 λ14 0.016 0.16 10.52*** 0.83 符合 λ15 0.016 0.20 12.37*** 0.75 符合 λ16 0.021 0.24 11.72*** 0.77 符合 λ17 0.019 0.24 12.32*** 0.74 符合 λ18 0.029 0.33 11.54*** 0.78 符合 註 1：P＜0.05*；P＜0.01**；P＜0.001***。

註 2：標準化係數理想數值≦0.95。

註 3：t 值＞1.96 且達顯著水準，沒有太大標準誤產生。

註 4：變異數方面不能有負數產生。

資料來源：本研究整理

（二）整體模式適配度

根據前述基本適配度檢測後，經檢測結果發現無違反估計產生，因此，本研 究進一步做整體適配度檢測。「整體模式適配度」主要在評量，整體結構模式與 觀察資料間的適配度(Model fitness)為何？

本研究在整體模式適配度評鑑方面，採用 Hair, Anderson, Tatham and Black (1998)所提出之三種分類方法：包含絕對適配檢定指標( 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)來衡量整體適配度（黃芳銘，2010）。 1. 絕對適配度

絕對適配度檢驗的主要目的，在於評量研究假設的理論模式是否可以用於解 釋所預測觀察共變數矩陣或相關矩陣的狀況（黃芳銘，2010），換句話說是用來 評鑑一個事前的模式能夠再複製樣本資料的程度。

Bagozzi and Yi (1988)建議樣本大小的問題須考慮，亦即卡方檢定值/自由度 之比值（χ2/ df）檢定模式的適配度，從表 4-4-3 結果得知，本研究衡量模型之 χ2/

df＝3.16，符合建議評鑑標準值＜5 (Hair et al., 1998)，因此在考慮樣本大小與模 式的衡量方式下，本研究模式是一個可接受的理論實證模式。

絕對適配度指標評鑑實證結果，適配度指標（GFI）為 0.90 與調整後的適配 度指標（AGFI）為 0.87，其評鑑標準須大於 0.8 以上。殘差均方根（RMR）為 0.026，符合應低於標準值 0.05。另外也發現，近似誤差均方根（RMSEA）為 0.07，

符合小於 0.1 的要求標準。

綜合以上，由絕對適配度評鑑結果得知，本研究之絕對適配度指標皆符合適 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)，是基準模式與理論模式比較所產生的結果驗證，基準模式 或謂之為虛無模式(Null Model)，在多數況狀下是單一構念的模式，其指標主要 在於說明與解釋衡量的（黃芳銘，2010；陳正昌等，2012）。

由表 4-4-3 檢定結果得知，規範適配度指標（NFI）為 0.92、非規範適配度 指標（NNFI）為 0.93，其評鑑標準大於 0.9 較佳。比較適配度指標（CFI）為 0.94、

增值適配度指標（IFI）為 0.95、與相對適配度指標（RFI）為 0.91，標準數值在 0.9 以上，皆符合適配標準。

因此，由上述檢測結果得知，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

簡效適配度主要目的在測量模式的自由度與虛無模式的自由度之比率（黃芳 銘，2010）。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 4-2-3 檢定結果得知，PNFI 為 0.68、PGFI 為 0.78，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 組合信度(Composite Reliability)；4、平均變異數抽取量(Average Variance Extracted)

究測量模式之區別效度表，由表 4-4-5 所示。

本研究經評鑑結果得知：第一，於潛在變項個別信度方面，其因素負荷量係 數介於 0.64~0.86 之間，符合學者建議因素負荷量須大於 0.5 以上標準（吳明隆，

2009 ; Hair et al., 1998），因此個別信度檢驗是良好。

第 二 ， 在 估 計 參 數 值 顯 著 性 檢 定 方 面 ， 本 研 究 參 數 估 計 值 t 值 介 於 10.26~14.04 之間，皆達到顯著水準，其標準數值符合學者建議 t 值必須遠大於 1.96，且須達顯著水準(Bagozzi & Yi, 1988)。陳正昌等人（2012）亦指出，估計 的參數是否達顯著水準可從 t 值得知，t 值大於 1.96 其估計參數就會達顯著水準，

表示模式內在品質甚佳。

為了瞭解本研究模型各測量構念，是否具有良好的收斂效度(Convergent Validity)，因此採用 Hair et al. (1998)指出，需考量個別潛在變數的組合信度 (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。

第三，組合信度(CR)是所有觀察變項信度的組成，指構念內部一致性，當潛 在變項的組合信度越高，代表測量變項是高度互相關。本研究之潛在變數組合信 度在休閒涉入（0.81）、休閒效益（0.84）、流暢體驗（0.73）、幸福感（0.89），皆 符合建議組合信度須大於 0.6 以上(Fornell & Larker, 1981 ; Bagozzi & Yi, 1988)。

第四，平均變異數抽取量(AVE)用於衡量測量變數與潛在變數的平均變異解 釋能力。AVE 可被用來衡量收斂能力的指標，學者建議 AVE 須大於 0.5 以上才 具有收斂效度(Fornell & Larker, 1981 ; Hair et al., 1998)，若 AVE 愈高表示信度與 收斂效度愈高。本研究各構面之平均變異數抽取量在休閒涉入（0.58）、休閒效 益（0.63）、流暢體驗（0.55）、幸福感（0.67），均高於建議值 0.5 表示本研究各 潛在變項具有較高收斂效度，其 AVE 數值由表 4-4-4 所示。

第五，在區別效度(Discriminant Validity)檢定上，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（邱皓政，2012）。區別效度主要在比較 各潛在構念之 AVE 開根號的值，必須大於各構念間的 Pearson 相關係數值，以表 示各構念為不同之構念（邱皓政，2012 ; Fornell & Larker, 1981）。經實證結果發 現，區別效度表 4-4-5 所示，所有 AVE 的平方根皆大於各變數間的 Pearson 相關 係數值，因此，表示本研究各潛在變數具有良好的區別效度。

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（ξ1） 0.81 0.58

X 1 0.77 11.72***

X 2 0.74 12.32***

X 3 0.78 11.54***

休閒效益（η1） 0.84 0.63

Y 1 0.75 12.37***

Y 2 0.83 10.52***

Y 3 0.81 11.05***

流暢體驗（η2） 0.73 0.55

Y 4 0.75 12.33***

Y 5 0.64 14.04***

Y 6 0.68 13.83***

Y 7 0.83 12.35***

Y 8 0.81 12.70***

Y 9 0.74 13.47***

Y 10 0.74 13.45***

Y 11 0.74 13.44***

幸福感（η3） 0.89 0.67

Y 12 0.80 11.99***

Y 13 0.78 12.28***

Y 14 0.86 10.26***

Y 15 0.83 11.14***

註 1：t 值＞1.96 且達顯著統計水準，模式適配度符合標準。

資料來源：本研究整理

表 4-4-5 測量模式之區別效度表

構面 1 2 3 4

1. 休閒涉入 0.76

2. 休閒效益 0.71** 0.79

3. 流暢體驗 0.75** 0.72** 0.74

4. 幸福感 0.60** 0.60** 0.67** 0.82

註 1：對角線上的值為平均變異數抽取量 (AVE) 之平方根。

註 2：非對角線的數值為各構面間之相關係數。

資料來源：本研究整理

三、整體模式假設驗證結果

本研究整體模式之假設，其評鑑標準由各路徑係數參數估計值，來驗證本研 究假設，當參數的 t 值大於 1.96 且達顯著水準（P＜0.05），表示各潛在變項之間 具有關聯性。本研究假設路徑分別為休閒涉入、流暢體驗、休閒效益與幸福感之 間關係，共分為六大假設。其假設驗證結果由表 4-4-6 與圖 4-4-2 所示。

（一）自行車參與者的休閒涉入對休閒效益之影響分析

根據實證分析結果得知，自行車參與者的休閒涉入對休閒效益之路徑，其標 準化係數為 0.40，t 值為 5.00，達到統計上的顯著水準（P=0.000***），具有正向 的影響，因此假設一成立，表示自行車參與者的休閒涉入對休閒效益具有正向顯

根據實證分析結果得知，自行車參與者的休閒涉入對休閒效益之路徑，其標 準化係數為 0.40，t 值為 5.00，達到統計上的顯著水準（P=0.000***），具有正向 的影響，因此假設一成立，表示自行車參與者的休閒涉入對休閒效益具有正向顯