第三章 研究方法
第四節 驗證性因素分析
主要以 LISREL8.53 軟體進行分析，透過驗證性因素分析來瞭解各個觀察變 項是否足以反映刺激尋求、知覺風險、知覺勝任與持續涉入等四個潛在變項，並 進一步瞭解其測量模式的評鑑指標是否有達適配標準。接著進行測量模式的內在 適配評鑑，以判定模式是否具有信度與效度。
在進行檢驗模式的適配前，須先檢視統計輸出的估計係數是否產生違犯估 計，若發生不適當的解即是一種違犯估計(offending estimate)，表示模式有問題存 在須先行處理。一般發生的違犯估計有以下三種現象(黃芳銘，2007)：
1.有負的誤差變異數存在，或是在任何建構中有存在著無意義的變異誤。
2.標準化係數超過或太接近 1(≧0.95)。
3.有太大的標準誤。
以下為各測量模式之驗證性因素分析結果。
一、風浪板活動參與者之刺激尋求模式
由表 28 可得知本研究之刺激尋求模式的標準化參數值介於 0.50 至 0.93 之 間，並無超過0.95 的標準；而標準誤則是介於 0.08 至 0.52，沒有太大的標準誤，
亦沒有負的誤差變異數存在，表示此模式並沒有違犯估計的現象。
表28 刺激尋求模式參數估計表
參數 非標準化參數值 標準誤 t 值 標準化參數值 標準化誤差
λ
SS1 0.45 0.04 10.35* 0.59 0.66λ
SS2 0.68 0.05 13.88* 0.75 0.44λ
SS3 0.54 0.04 12.90* 0.70 0.50λ
SS4 0.42 0.05 8.25* 0.50 0.75λ
SS5 0.62 0.05 12.70* 0.77 0.41λ
SS6 0.40 0.04 8.95* 0.54 0.71λ
SS7 0.50 0.04 12.03* 0.62 0.61λ
SS8 0.67 0.03 19.42* 0.88 0.22λ
SS9 0.71 0.03 21.22* 0.93 0.13λ
SS10 0.63 0.05 13.81* 0.71 0.49λ
SS11 0.85 0.05 17.99* 0.87 0.24接著進行瞭解刺激尋求假設模式的適配情形如表29，此假設模式在絕對適配 指標(AGFI)、相對適配指標(NNFI)皆未達標準值，適配情形頗為不佳，因此顯示 模式有修正之必要。本研究運用 LISREL 提供的修正指標 (Modification Indices, MI) 用來衡量測量變項跟其他構念(construct)間的關聯性，也能提供本研究瞭解 造成測量模式適合度不佳之來源。如某因素之題項與其它因素有過大的 MI 值，
則考慮剔除該題項，或是某因素之題項與其他因素之題項有過大的 MI 值，則考 慮剔除對適配度貢獻較小之題項，藉此提高評估的指數及簡化模式的複雜度；每 次修正時先選擇最大的建議修正指標值，並同時評估刪除該題項時，是否會對於 構念的完整性造成影響；若刪除該題項不會對構念的完整性造成影響時，則依據 修正指標的建議進行刪題，並且以一次修正一個測量變項的步驟來刪除題項(陳順 宇，2007；吳明隆，2007)。研究者依據此一原則，最後刪除題項 SS1「我會想探 索陌生的地方」、題項 SS4「在家裡待太久，我會感到焦躁不安」、題項 SS9「我 會想嘗試冒險性的活動」與題項SS12「我喜歡看劇情暴力血腥或色情的電影」等 四個題項。在刪除的四個題項中，SS1、SS4、SS9、SS12 除了與其他題項之間有 較高的 MI 值之外，且分別在經驗尋求、厭倦感受、刺激與冒險尋求、反抑制構 面上的標準化係數較低，若刪除後將使模式更加簡效，顯示SS1、SS4、SS9、SS12 四個題項較無法反映參與者在經驗尋求、厭倦感受、刺激與冒險尋求、反抑制構 面上的概念。因此將上述四個題項予以刪除。
修正過後的刺激尋求模式如表29，在絕對適配指標及相對適配指標中皆有達 到標準值，且 RMSEA 介於 0.05 至 0.08，顯示此模式為「不錯的適配」，雖然卡 方值達到顯著水準，但因卡方值較會受到樣本數大小所影響，容易導致模式適配 不佳，因此一般較不重視此指標(黃芳銘，2007)，因此可參考其餘指標來整體考 量。而在簡效指標中PNFI 與 PGFI 未達到接受值，但一般而言模式的評鑑是以綜 合考量其他的指標來作為判斷依據(黃芳銘，2007)，因此本模式的修正是可以被 接受的，修正過後的刺激尋求模式路徑圖與標準化係數如圖 5 所示。
經驗
二、風浪板活動參與者之知覺風險模式
承如刺激尋求在模式評鑑之前，需先對統計輸出結果進行檢核。由表 30 的 知覺風險模式參數估計表可發現標準化參數值介於 0.37 至 0.73 之間，在 0.95 的 接受值範圍內；標準誤則是在 0.37 到 0.72 之間，並無太大的標準誤存在，也沒 有負的誤差變異數，顯示此知覺風險模式並沒有違犯估計的情形。
表30 知覺風險模式參數估計表
參數 非標準化參數值 標準誤 t 值 標準化參數值 標準化誤差
λ
PR1 0.50 0.05 9.59* 0.55 0.69λ
PR2 0.42 0.05 8.14* 0.48 0.77λ
PR3 0.66 0.05 13.37* 0.73 0.46λ
PR4 0.64 0.05 12.60* 0.70 0.51λ
PR5 0.56 0.05 10.97* 0.62 0.61λ
PR6 0.34 0.06 6.07* 0.37 0.86註：未列標準誤為參照指標，*p＜0.05
接著進一步對模式進行指標評鑑，如表 31 顯示假設模式中的絕對指標 (RMSEA)、相對適配指標(NNFI)與簡效適配指標(PGFI)等並沒有達到接受值，顯 示模式具有修正的必要。本研究運用 LISREL 提供的修正指標 (Modification Indices, MI) 用來衡量測量變項跟其他構念(construct)間的關聯性，也能提供本研 究瞭解造成測量模式適合度不佳之來源。如某因素之題項與其它因素有過大的 MI 值，則考慮剔除該題項，或是某因素之題項與其他因素之題項有過大的 MI 值，則考慮剔除對適配度貢獻較小之題項，藉此提高評估的指數及簡化模式的複 雜度；每次修正時先選擇最大的建議修正指標值，並同時評估刪除該題項時，是 否會對於構念的完整性造成影響；若刪除該題項不會對構念的完整性造成影響 時，則依據修正指標的建議進行刪題，並且以一次修正一個測量變項的步驟來刪 除題項(陳順宇，2007；吳明隆，2007)。研究者依據此一原則，最後刪除題項 PR1
「從事風浪板活動會讓我的身體受傷」、題項 PR2「從事風浪板活動會讓我有裝 備損毀的風險」與題項PR6「從事風浪板活動佔用我太多的時間」等三個題項。
在刪除的三個題項中，PR1、PR2、PR6 除了與其他題項之間有較高的 MI 值之外，
PR3
PR4 0.42 0.49
知覺 風險
PR5 0.62 0.72
0.76 0.62
PR6 三個題項較無法反映參與者在知覺風險的概念。因此將上述三個題項予以刪 除。
修正過後的知覺風險模式指標如表31，全部的指標均有達到接受值，並在模 式評鑑顯示出「The Model is Saturated, the Fit is Perfect.」；卡方值受到樣本數大小 亦有所影響(黃芳銘，2007)。綜合以上所有指標考量後，此修正後的知覺風險模 式是良好的適配，修正過後的知覺風險模式路徑圖與標準化係數如圖6 所示。
表31 知覺風險模式適配評鑑表
絕對適配指標 相對適配指標 簡效適配指標
χ2值
(p 值) GFI AGFI SRMR RMSEA NNFI CFI PNFI PGFI χ2/df 接受值 ≧p 0.05 ≧0.9 ≧0.9 ≦0.08 ＜0.1 ≧0.9 ≧0.9 ≧0.5 ≧0.5 1~5
假設 模式
38.43
p=0.00 0.96 0.91 0.051 0.101 0.88 0.93 0.54 0.41 4.27 修正
模式
0.00
p=1.00 1.00 1.00 0.000 0.000 1.00 1.00 1.00 1.00 0
* The Model is Saturated, the Fit is Perfect.
圖6 知覺風險修正模式路徑圖
三、風浪板活動參與者之知覺勝任模式
知覺勝任模式在進行模式評鑑之前亦應先檢視參數是否有違犯估計的現 象，由表32 可知知覺勝任模式中的標準化參數值介於 0.59 至 0.79 之間，並無超 過0.95 的標準值；而標準誤數值在 0.17 到 0.35 之間，並無過大的標準誤出現，
亦無負的誤差變異數存在，顯示此知覺勝任模式並沒有違犯估計的現象產生。
表32 知覺勝任模式參數估計表
參數 非標準化參數值 標準誤 t 值 標準化參數值 標準化誤差
λ
PC1 0.45 0.04 11.56* 0.63 0.61λ
PC2 0.44 0.04 10.80* 0.59 0.65λ
PC3 0.49 0.04 12.87* 0.68 0.54λ
PC4 0.46 0.04 11.35* 0.62 0.62λ
PC5 0.55 0.03 15.79* 0.79 0.37λ
PC6 0.46 0.03 13.39* 0.70 0.51註：未列標準誤為參照指標，*p＜0.05
接著進行模式適配指標的評鑑，由表 33 可得知知覺勝任的假設模式在絕對 適配指標(AGFI、RMSEA)、相對適配指標(NNFI)與簡效適配指標(PGFI、χ2/df) 等皆未達標準值，適配情形頗為不佳，因此顯示模式有修正之必要。本研究運用 LISREL 提供的修正指標 (Modification Indices, MI) 用來衡量測量變項跟其他構 念(construct)間的關聯性，也能提供本研究瞭解造成測量模式適合度不佳之來源。
如某因素之題項與其它因素有過大的 MI 值，則考慮剔除該題項，或是某因素之 題項與其他因素之題項有過大的 MI 值，則考慮剔除對適配度貢獻較小之題項，
藉此提高評估的指數及簡化模式的複雜度；每次修正時先選擇最大的建議修正指 標值，並同時評估刪除該題項時，是否會對於構念的完整性造成影響；若刪除該 題項不會對構念的完整性造成影響時，則依據修正指標的建議進行刪題，並且以 一次修正一個測量變項的步驟來刪除題項(陳順宇，2007；吳明隆，2007)。研究 者依據此一原則，最後刪除題項 PC2「許多朋友認為我從事風浪板活動的技巧是 熟練的」、題項 PC4「風浪板是我最擅長的活動」等兩個題項。在刪除的二個題 項中，PC2、PC4 除了與其他題項之間有較高的 MI 值之外，且在知覺勝任上的
PC1
四、風浪板活動參與者之持續涉入模式
由表 34 的持續涉入模式參數估計表可以得知，此模式的標準化係數值皆無 大於標準值0.95，介於 0.35 至 0.89 之間；而標準誤則是介於 0.13 至 0.44 之間，
並無太大的標準誤，也沒有負的誤差變異數存在，因此行為意向模式並沒有違犯 估計的現象。
表34 持續涉入模式參數估計表
參數 非標準化參數值 標準誤 t 值 標準化參數值 標準化誤差
λ
EI1 0.66 0.04 18.57* 0.84 0.29λ
EI2 0.72 0.04 20.47* 0.89 0.20λ
EI3 0.63 0.03 18.27* 0.83 0.31λ
EI4 0.61 0.03 17.83* 0.82 0.33λ
EI5 0.71 0.04 19.68* 0.87 0.24λ
EI6 0.72 0.04 19.91* 0.88 0.23λ
EI7 0.54 0.03 15.77* 0.77 0.41λ
EI8 0.58 0.04 15.81* 0.77 0.41λ
EI9 0.24 0.04 6.18* 0.35 0.88λ
EI10 0.44 0.04 11.37* 0.60 0.64λ
EI11 0.50 0.04 13.90* 0.70 0.51λ
EI12 0.36 0.04 8.47* 0.48 0.77λ
EI13 0.29 0.04 7.22* 0.41 0.83λ
EI14 0.50 0.03 14.41* 0.74 0.46λ
EI15 0.58 0.04 14.76* 0.75 0.44註：未列標準誤為參照指標，*p＜0.05
接續進行模式指標的評鑑，如表 35 得知持續涉入的假設模式中，絕對適配 指標的GFI、AGFI 與 RMSEA 及相對適配指標的 NNFI、CFI 皆未達接受值，顯 示模式並未有良好的適配，有修正的必要。本研究運用LISREL 提供的修正指標 (Modification Indices, MI) 用來衡量測量變項跟其他構念(construct)間的關聯性，
也能提供本研究瞭解造成測量模式適合度不佳之來源。如某因素之題項與其它因 素有過大的 MI 值，則考慮剔除該題項，或是某因素之題項與其他因素之題項有 過大的 MI 值，則考慮剔除對適配度貢獻較小之題項，藉此提高評估的指數及簡
化模式的複雜度；每次修正時先選擇最大的建議修正指標值，並同時評估刪除該 題項時，是否會對於構念的完整性造成影響；若刪除該題項不會對構念的完整性 造成影響時，則依據修正指標的建議進行刪題，並且以一次修正一個測量變項的 步驟來刪除題項(陳順宇，2007；吳明隆，2007)。研究者依據此一原則，最後刪 除題項EI2「我很重視從事風浪板活動這件事」、題項 EI5「對我而言，從事風浪 板活動是最滿足的事情之一」、題項 EI7「從事風浪板活動可以減輕我的生活壓
化模式的複雜度；每次修正時先選擇最大的建議修正指標值，並同時評估刪除該 題項時，是否會對於構念的完整性造成影響；若刪除該題項不會對構念的完整性 造成影響時，則依據修正指標的建議進行刪題，並且以一次修正一個測量變項的 步驟來刪除題項(陳順宇，2007；吳明隆，2007)。研究者依據此一原則，最後刪 除題項EI2「我很重視從事風浪板活動這件事」、題項 EI5「對我而言，從事風浪 板活動是最滿足的事情之一」、題項 EI7「從事風浪板活動可以減輕我的生活壓