驗證性因素分析

第三節

第三節 第三節 驗證性因素分析 驗證性因素分析 驗證性因素分析 驗證性因素分析

本節透過驗證性因素分析(Confirmatory Factor Analysis, CFA)進行資料分 析。本研究問卷量表經過專家前測修正與 Cronbach’s α 係數檢定具有良好信效 度，但無法得知整體模型之間是否為最佳以及構面之間的因果關係。因此，本研 究透過結構方程模式來驗證本研究之模型與假說並進行檢驗，且探討各項模式指 標。

Bagozzi & Yi(1988)認為使用 LISREL 進行分析，樣本數至少需要超過 50 個。

另外，Hair et al.(1995)表示以 LISREL 最大概似法進行模型評估時，樣本數大於 100 以上是最基本的要求，否則樣本太少可能導致模型不能收斂。本研究有效樣 本為 153 份，符合學者對樣本之要求。

一一

一一、、、、研究模型路徑圖研究模型路徑圖研究模型路徑圖研究模型路徑圖

本研究以 LISREL8.72 作為分析工具，以結構方程模式(Structural Equation Modeling, SEM)建立潛在變項及觀察變項之整體模型，並繪製模型之關係與路 徑，透過研究模型路徑圖來呈現本研究之架構圖，如圖 4-1 所示。本研究包含一 個潛在自變項與六個潛在依變項。

註：I=企業形象; E=期望; Q=知覺品質; V=知覺價值; S=顧客滿意度; C=顧客抱怨; L=顧客忠誠度 圖 4-1 研究模型路徑圖

結構方程模式可分為測量模型(Measurement Model)與結構模型(Structural Equation)兩個部份。測量模型描述的是潛在變項(Latent Variable)與觀察變項 (Observed Variable)之間的關係；而結構模型則是描述潛在變項與潛在變項之間的 關係。潛在變項又可區分為外衍潛在變項(Exogenous Latent)和內衍潛在變項 (Endogenous Latent)，外衍潛在變項以ξ表示，內衍潛在變項以η表示。而觀察 變項也可區分為外衍觀察變項和內衍觀察變項，外衍觀察變項以 X 表示，內衍 觀察變項以 Y 表示，其路徑圖之符號說明表示如表 4-5 所示。

表 4-5 路徑圖之符號說明表示 符號

符號符號

符號 說明說明說明說明 符號符號 符號符號 說明說明 說明說明

ξ 外衍潛在變項 η 內衍潛在變項

X 外衍觀察變項 Y 內衍觀察變項

δ

^{X 的測量殘差}

ε

^{Y 的測量殘差}

γ

外衍潛在變項和內衍潛在變項

之間的關係

β

內衍潛在變項和內衍潛在變 項之間的關係

λ

^x

外衍潛在變項和外衍觀察變項

之間的關係

λ

^y

內衍潛在變項和內衍觀察變 項之間的關係

二 二 二

二、、、、衡量模式評鑑衡量模式評鑑衡量模式評鑑衡量模式評鑑

根據 Bagozzi ＆ Yi(1988)建議，評鑑結構方程模式之適合度，可以從基本 適配度指標(Preliminary Fit Criteria)、模型內部適配度指標(Fit of Internal Structure of Model Criteria)與整體適配度指標(Overall Model Criteria)三個部份來進行分 析。

1. 基本適配度指標(Preliminary Fit Criteria)

根據 Bagozzi ＆ Yi(1988)認為基本適配指標標準包含測量誤差不能具有負 值與因素負荷量不能低於 0.5 且不能高於 0.95。本研究各變數 t 值、因素負荷量 與測量誤差，如表 4-6 所示。

表 4-6 基本配適度指標 變

變 變 變 數 數數

數 t 值值值值 因素因素因素因素 負荷量 負荷量 負荷量 負荷量

測量 測量測量 測量 誤差 誤差誤差 誤差

殘差 殘差殘差 殘差

t 值值值值 變數變數 變數變數 t 值值值值 因素因素因素因素 負荷量 負荷量 負荷量 負荷量

測量 測量 測量 測量 誤差 誤差 誤差 誤差

殘差 殘差 殘差 殘差

t 值值值 值 I1 8.81 0.72 0.49 5.94 V4 9.06 0.83 0.32 6.70 I2 4.44 0.39 0.85 8.26 V5 9.40 0.86 0.27 6.69 I3 8.66 0.71 0.50 6.10 S1 — 0.65 0.57 8.17 I4 6.74 0.57 0.67 7.48 S2 8.00 0.72 0.48 7.90 E1 — 0.69 0.52 7.44 S3 7.77 0.70 0.51 8.01 E2 8.33 0.61 0.63 7.77 S4 7.14 0.64 0.59 8.21 E3 7.55 0.68 0.54 7.47 S5 8.89 0.72 0.47 7.86 E4 7.55 0.67 0.55 7.53 C1 — 0.17 0.97 8.79 E5 7.87 0.70 0.51 7.34 C2 2.26 0.38 0.86 8.70 E6 7.16 0.62 0.62 7.82 C3 2.10 0.71 0.49 7.89 Q1 — 0.66 0.57 7.92 C4 2.10 0.77 0.41 5.94 Q2 6.62 0.61 0.63 8.00 C5 2.11 0.77 0.40 7.31 Q3 7.56 0.72 0.51 7.69 C6 2.12 0.92 0.16 3.12 Q4 7.39 0.67 0.56 7.87 L1 — 0.79 0.37 6.10 Q5 7.05 0.63 0.60 8.00 L2 8.66 0.72 0.49 7.09 Q6 7.46 0.65 0.58 7.93 L3 6.67 0.55 0.69 8.14 V1 — 0.67 0.55 8.10 L4 6.18 0.52 0.73 8.24 V2 7.30 0.66 0.57 7.91 L5 6.40 0.53 0.72 8.21 V3 6.40 0.54 0.71 8.43

根據表 4-6 得知，測量誤差都為正值，所有變數皆符合標準。在因素負荷量 方面，數值大多在 0.5-0.95 的範圍內。而 t 值與殘差 t 值部份，亦達到 1.96 的標 準，所以在基本適配度指標是可以被接受的。因此，本研究適合進行整體模型適 配度指標以及模型內部適配度指標。

2. 整體適配度指標(Overall Model Criteria)

經過基本適配度指標評估後，本研究接著進行整體適配度指標評估，可以透 過不同統計程序或契合度指標(Good of Fit Index)之計算，藉以判斷假設模型與實 際觀察資料的契合情況。本研究衡量指標，包含卡方檢定、適合度指標、替代性 指標與殘差分析指標等，以作為評估本研究數據是否達到標準，本研究整體適配 度指標如表 4-7 所示。

表 4-7 整體適配度指標 指標指標指標

指標 判定標準判定標準判定標準判定標準 研究結果研究結果研究結果研究結果 卡方檢定卡方檢定

卡方檢定卡方檢定

χ

2值 越小越好 832.85

χ

2值比率（

χ

²/df） <2 1.39(df=595) 適合度指標

適合度指標適合度指標 適合度指標 適合度指標

（Good of Fit Index, GFI） >0.8 0.77 調整後適合度指標

（Adjusted Good of Fit Index, AGFI） >0.8 0.73 模型之簡約程度

（Parsimony Good of Fit Index, PGFI） >0.5 0.65 基準適配度指標

（Normed Fit Index, NFI） >0.9 0.92 非基準適配度指標

（Non-Normed Fit Index, NNFI） >0.9 0.97 替代性指標

替代性指標替代性指標 替代性指標 比較適合度指標

（Comparative Fit Index, CFI） >0.95 0.97 平均概似平方誤根係數

（Root Mean Square Error of Approximation, RMSEA）

<0.05 0.05

殘差分析指標 殘差分析指標 殘差分析指標 殘差分析指標 未標準化假設模型整體殘差

（Root Mean Square Residual, RMR） <0.05 0.05 標準化假設模型整體殘差

（Standardized Root Mean Square Residual, SRMR）

<0.08 0.08

根據表 4-7 所示，本研究除了 GFI 與 AGFI 值為 0.77 與 0.73 略小於 0.8 標 準之外，，，，其餘數值皆符合判斷標準。以下本研究針對卡方檢定、適合度指標、替 代性指標與殘差分析指標作衡量標準說明。

(1) 卡方檢定

卡方值用來檢驗模型的適配度，主要說明模型解釋能力以及判斷是否會受到 模式複雜度影響。在 SEM 分析中，以計算卡方自由度比(

χ

²/df)來進行模型間契 合度比較。由表 4-7 結果來看，卡方值為 832.85，自由度為 595，卡方自由度比 為 1.39。根據 Carmines & Mclver(1981)指出，卡方自由度比小於 2 時，表示模型 具有理想的契合度，模型解釋力較不會受模型複雜度所影響。

(2) 適合度指標

傳統檢驗整體模型適配度多以卡方值進行模型假設的檢定。邱皓政(2005)表 示，適合度指標是基於卡方統計量，使模型契合度能被真實反應出來。但卡方值 容易受到樣本大小的影響，可能會導致模型適合度不被接受。因此，Hair et al.(1995)將 GFI、AGFI 與 PGFI 等指標納入考量以補足卡方檢定問題。

GFI 與 AGFI 代表模型的解釋能力，類似迴歸分析中的可解釋變異量。PGFI 代表模型當中估計參數的多寡，可以用來反應 SEM 假設模型的簡約程度。NFI 與 NNFI 代表考量自由度對模型的影響，可以避免受到模型複雜度的影響。

在本研究適合度指標判斷標準中，唯有適合度指標(GFI)與調整後適合度指 標(AGFI)值為 0.77 與 0.73 略小於 0.8 之外，其餘 PGFI、NFI 與 NNFI 皆符合判 斷標準。Hair et al.(1995)認為 AGFI 與 GFI 雖然以愈接近 1 為佳，但並無絕對判 斷標準。而 AGFI 值使用上亦無絕對水準存在，必須考量模型複雜度、變數、樣 本大小等等條件。依據黃芳銘(2004)指出，在模式適配與否應以「多數決」為評 判標準來看研究模式。因此，本研究模型仍具有良好的適配度。

(3) 替代性指標

替代性指標是直接估計假設模型與抽樣理論導出的卡方值的差異程度，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。其原理是 考慮抽樣誤差對於指數估計的影響，將所計算出來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。CFI 代表假設 模型與理論模型之差異程度，能改善非中央性的程度。而 RMSEA 指數不受到樣 本大小與模型複雜度所影響，當指數越接近於 0，則代表模型越契合。本研究 CFI 值為 0.97 達到標準，RMSEA 值為 0.05 亦達到標準，表示模型具有良好的契 合度。

(4) 殘差分析指標

殘差分析指標可以檢驗模型參數設定是否理想。RMR 與 SRMR 值越小代表 模型契合度越好，本研究之 RMR 值為 0.05 而 SRMR 為 0.08 均達到標準，表示 殘差量低，模型具有良好的契合度。

3. 模式內在結構適配度指標

經過基本適配度指標與整體適配度指標檢定並達到標準之後，本研究進行模 式內在結構適配度指標檢定，檢定方式分為個別信度(Individual Reliability, IR)、

組成信度(Composite Reliability, CR)、平均抽取變異量(Average Variable Extracted, AVE)與區別效度(Discriminant Validities, DV)進行檢定，如表 4-8 與 4-9 所示。

表 4-8 內部適配度指標 構面

構面 構面

構面 變數變數變數變數 個別信度個別信度(IR) 個別信度個別信度 組成信度組成信度(CR) 平均變異抽取組成信度組成信度 平均變異抽取平均變異抽取平均變異抽取(AVE) I1 0.5184

I2 0.1521 I3 0.5041 企業形象

I4 0.3249

0.6947 0.3739

E1 0.4761 E2 0.3721 E3 0.4624 E4 0.4489 E5 0.4900 期望

E6 0.3844

0.8238 0.4386

Q1 0.4356 Q2 0.3721 Q3 0.5184 Q4 0.4489 Q5 0.3969 知覺品質

Q6 0.4225

0.8181 0.4292

V1 0.4489 V2 0.4356 V3 0.2916 V4 0.6889 知覺價值

V5 0.7396

0.8396 0.5183

S1 0.4225 S2 0.5184 S3 0.4900 S4 0.4096

顧客滿意度 0.8178 0.4737

表 4-8 內部適配度指標(續) C1 0.0289

C2 0.1444 C3 0.5041 C4 0.5929 C5 0.5929 顧客抱怨

C6 0.8464

0.8079 0.4516

L1 0.6241 L2 0.5184 L3 0.3025 L4 0.2704 顧客忠誠度

L5 0.2809

0.7632 0.3995

註：個別信度(IR)＝(因素負荷量)²

註：組成信度(CR)＝(因素負荷量總和)²/[(因素負荷量總和)²+誤差變異總和]

註：平均變異抽取(AVE)＝(因素負荷量)²總和/[(因素負荷量)²總和+誤差變異總和]

(1) 個別信度

本研究之個別信度大部分都接近 0.5 或大於 0.5 以上的標準，未達標準的個 別信度，其本身的因素負荷量或 t 值也都達到標準。因此，本研究變數之個別信 度具有一定的水準。

(2) 組成信度

根據 Bagozzi & Yi(1988)指出，潛在變項之組成信度需大於 0.6 以上之衡量 標準，本研究所有構面之組成信度皆大於 0.6。因此，本研究具有良好的組成信 度。

(3) 平均變異抽取

若 AVE 值越高，則代表潛在變項有良好的信度與收斂效度。本研究雖然企 業形象、期望、知覺品質、顧客滿意度、顧客抱怨與顧客忠誠度之平均變異抽取

未達大於 0.5 的標準，但其組成信度已達 0.6 的標準。依據 Fornell & Larcker(1981) 提出，即使超過 50%以上的變異是來自測量誤差，單獨以組合信度為基礎標準，

仍可算是良好的收斂效度。因此，平均變異抽取量雖未達標準，但其組成信度都 有達到標準。所以，本研究還是具有一定的信度與收斂效度。

(4) 區別效度(原標號有誤)

本研究根據 Hatcher(1994)與 Ahire et al.(1996)指出，區別效度檢定可藉由模 型成對變項巢狀驗證性因素間

χ

²差異值是否達到顯著性，即模型間受限

χ

²必須 大於非受限

χ

²且 p-value 達到顯著水準，表示此兩構面具有良好的區別效度。根 據表 4-9 所示，本研究之 21 組成對變項中，其受限

χ

²均大於非受限

χ

²且 p-value 均小於 0.001 達顯著水準。因此，本研究具有良好的區別效度。

表 4-9 區別效度檢定 成對變數

成對變數成對變數

成對變數 未受限未受限未受限未受限

χ

² df 受限受限受限受限

χ

² df ∆

χ

² _∆df P 值值值 值 I-E 57.24 34 114.42 35 57.18 1 P<0.001 I-Q 54.42 34 107.7 35 53.28 1 P<0.001 I-V 40.14 26 90.42 27 50.28 1 P<0.001 I-S 63.90 26 91.11 27 27.21 1 P<0.001 I-C 68.09 34 146.06 35 77.97 1 P<0.001 I-L 62.61 26 112.7 27 50.09 1 P<0.001 E-Q 170.63 53 305.34 54 134.71 1 P<0.001 E-V 91.12 43 273.8 44 182.68 1 P<0.001 E-S 96.65 43 315.73 44 219.08 1 P<0.001 E-C 122.84 53 439.81 54 316.97 1 P<0.001 E-L 93.91 43 190.17 44 96.26 1 P<0.001 Q-V 123.92 43 138.56 44 14.64 1 P<0.001 Q-S 80.41 43 103.24 44 22.83 1 P<0.001 Q-C 107.05 53 270.65 54 163.6 1 P<0.001 Q-L 82.10 43 99.21 44 17.11 1 P<0.001 V-S 62.85 34 102.57 35 39.72 1 P<0.001

表 4-9 區別效度檢定(續)

V-C 76.88 43 332.97 44 256.09 1 P<0.001 V-L 73.25 34 78.53 35 5.28 1 P<0.001 S-C 79.25 43 243.16 44 163.91 1 P<0.001 S-L 38.62 34 88.33 35 49.71 1 P<0.001 C-L 96.33 43 226.23 44 129.9 1 P<0.001 註：I=企業形象; E=期望; Q=知覺品質; V=知覺價值; S=顧客滿意度; C=顧客抱怨; L=顧客忠誠度

在文檔中 中 華 大 學 (頁 73-84)