LISREL 測量模式分析

LISREL 之測量模式分析，主要是以驗證性因素分析分析並判斷下列兩者：(1)整 體模式的考量情況下，驗證模式當中的各變數是否正確的衡量到其潛在變數 (2)檢定模 式當中的收斂效度(convergent validity)與區別效度(discriminate validity)，與負荷在不同 因素的複雜測量變數。

本研究將回收的問卷以 LISREL 8.5.1 進行驗證性因素分析，檢驗其收斂效度與區 別效度，確定個別構念之問項，而收斂效度這一項目取決於因素負荷量(factor loading) 是否大於0.7 以上(Nunnally, 1978)。

下表4-6 為本研究主要構面之 Cronbach’s α 値，由於資訊技術運作中其中一個項目 的萃取量低於0.5，將其刪除後 Cronbach’s α 値由 0.852 提昇 0.873，所以將其剔除，其 於構念則維持不變，而本研究所有構念的Cronbach’s α 值均大於 0.7 (介於 0.739 至 0.898 之間)，顯示本研究之信度是可被接受的。

表4-6 主要構面之 Cronbach’s α 値

構念 問項數 修正後問項數 修正後Cronbach’s α 值

資訊技術運作 6 5 0.873

資訊技術知識 4 4 0.791

資訊技術物件 5 5 0.800

結構知識能力 4 4 0.837

文化知識能力 4 4 0.789

人員知識能力 4 4 0.754

知識籌獲 5 5 0.806

知識散佈 4 4 0.846

知識解譯 5 5 0.739

組織記憶 5 5 0.844

組織績效 6 6 0.898

一、項目包裹

本研究除了組織學習構面以外，其餘構面之測量問項均採用項目包裹的方法，除了 上述文獻整理學者所提出的優點之外，本研究之採行主要基於以下幾點：(1) 採用項目 包裹後的研究架構較為精簡，模式間殘差的相關性與各種可能的抽樣誤差機率就會大為 降低 (Little et al., 2002)；(2) 當整體的研究模式的測量項目很多時，項目包裹的方法 是被建議使用的，因為除了可以優化變數與樣本大小的比率外，還可以使參數的估計更 為穩定(Bagozzi & Heatherton, 1994)；第三點，本研究的主要目的在於探討潛在變數之 間的關係而非個別問項之間的關係，因此採用項目包裹的方式適合本研究之目的。

本研究將利用平均數取代的方式來進行項目包裹，資訊技術運作的5 個問項組合成 一個包裹，資訊技術知識的4 個問項為一個包裹，資訊技術物件的 5 個問項為一個包裹，

結構知識能力為一個包裹(4 個問項)，文化知識能力為一個包裹(4 個問項)，人員知識 能力為一個包裹(4 個問項)，知識籌獲的 5 個問項組合成一個包裹，知識散佈的 4 個問

項為一個包裹，知識解譯為一個包裹(5 個問項)，組織記憶的 5 個問項也成為一個包裹，

其測量問項與包裹對應情形如下表4-7。

表4-7 項目包裹(item parcel)對應表

包 裹(parcel) 測量問項數目(items)

資訊技術運作 5

資訊技術知識 4

資訊技術物件 5

結構知識能力 4

文化知識能力 4

人員知識能力 4

知識籌獲 5

知識散佈 4

知識解譯 5

組織記憶 5

二、CFA 之檢測

根據結構方程模式進行的程序，在進行測量模式之前，必須先行確認測量模式之適 合度能夠達到要求的水準，能夠達到水準，才可以進行評估諸如：觀察變數、潛在變數 的信度、效度、估計參數的顯著水準等，本研究之測量模式分析最後結果如表4-8 所示，

由此可知本研究模式的GFI、NFI、NNFI、CFI 均達到要求水準，顯示衡量模式的整體 適合度應該可以接受。

表4-8 測量模型之適合度

構念 包裹數 GFI NFI NNFI CFI

技術基礎組織能力 3 1.00 1.00 1.00 1.00 社會基礎組織能力 3 1.00 1.00 1.00 1.00

組織學習 4 0.99 0.99 0.98 0.99

組織績效 6 0.98 0.98 0.98 0.99

*組織績效部分為 6 個獨立問項

評估個別項目信度、潛在變數之組合信度、區別效度、收斂效度、模式適合度等，

Hair et al., (1998) 提出了幾個評估之準則，用以檢查各別指標之因素負荷量是否達到統 計意義的顯著，並評估各構念的信度與萃取變異量，表4-9 為本研究之各項數據。

1. 個別項目之信度(individual item reliability) 超過 0.5

個別項目之信度極為個別觀察變數之指標信度，Nunnally (1978) 建議每個變數的標

一般來說，每個估計參數負荷量的t 值應該超過臨界值(critical value )，以0.001的 顯著水準而言，臨界值為7.07，由表4-9 得知，本研究之觀察變項皆達到0.001的顯著水

其中，Σ 標準負荷量²為同一構念所有項目之個別標準負荷量平方後的總和，Σεi為

二、共線性檢定

本研究將藉由相關係數矩陣來瞭解變數之間是否存在共線性(multi collinearity)的 情形，一般而言，共線性發生在變數間自我相關(intercorrelations)的値過高時(＞0.90) (Hair et al., 1998)。表 4-10 是本研究的皮爾森相關係數矩陣，參照 Hair et al. (1998)的建 議數值，顯示了本研究沒有任兩個變數之間的相關係數高於0.90，也代表著共線性的情 形並不存在。

表4-10 主要變數之相關係數矩陣

三、區別效度之檢定

構念之間區別效度的檢定如表4-11 所示，由左上到右下之對角線數值為各構念之 萃取變異量(參考表4-9)，其餘部分為各構念之間的相關係數之平方，依據 Fornell &

Larcker (1981) 建議之衡量標準，為各列之萃取變異量，須大於該萃取變異量以下之所 有相關係數之平方，也就是各成對構念相關值之平方，故具有一定之區別效度。

經過衡量模式之考驗之後，可再進行下一階段之結構模式分析。

表4-11 區別效度檢定結果

第四節 LISREL 結構模式分析