LISREL 簡介

本研究以結構方程模式分析法來進行資料分析以探究研究模式變數間的因 果關係。結構方程模式分析是一種以迴歸為為基礎的多變量統計技術，其目的在 探討潛在變數與潛在變數之間的因果關係，以建立理論或驗證理論。Joreskog

（1969）所發展出來的 LISREL（Linear Structure RELation）即是結構方程模式 分析（SEM Structural Equation Model）的一種。

結構方程模式分析法中自變數與依變數可以是觀察變項也可以是潛在變 項，不同於路徑分析的變數只能是觀察變項，在LISREL 模式中，可將變數分為 潛在變項(Latent Variables)，與觀察變項(Observed Variables)兩大類。在基本理論 中，潛在變數乃是一般行為、社會科學中無法直接觀察或測得的，必須藉由觀察 變項來間接推測得知。如本研究中的生涯錨、生涯高原、生涯滿意度及離職傾向 等；而觀察變數是可由直接觀測而得到的變量，大部分問卷中的測試題目均是。

在LISREL 中變項可分為下列四種：

【潛在變項】：

無法直接觀察或測量得到的變數，但可由與觀察變數的關係測得。潛在變項 又可分為以下兩類：

1. 潛在自變項(Latent Independent Variable，ξ)：

影響其他潛在變項的自變項，但潛在自變項之間不會彼此影響。

2. 潛在依變項（Latent Dependent Variable，η）：

受到潛在自變項所影響的依變項，也可能受到其他潛在依變項的影響。

【觀察變項】：

觀察變項可以分為以下兩類

3. X 變項：屬於潛在自變項的觀察指標 4. Y 變項：屬於潛在應變項的觀察指標

潛在自變數與潛在依變數，皆可經由觀察變數來加以界定，在觀察變項中，

屬於潛在自變項ξ的觀察指標者稱為 X 變項，屬於潛在依變項η的觀察指標者 稱為Y 變項。這四種變項中，潛在自變項ξ與 Y 變項沒有直接關係，潛在依變 項η與X 變項沒有直接關係，X 變項與 Y 變項也沒有直接關係。

在社會行為科學中結構方程模式常被用來改善徑路（path）因果分析的的缺 點，路徑分析的三項假說（assumptions）為：（1）各變數的測驗誤差為零；（2）

殘差誤差之間相關為零；（3）因果關係是單向的遞迴。然而社會科學的研究中，

研究的變數常是潛在變數或非觀察變數，所使用的測量工具亦常因隨機的、無系 統性的測量誤差而降低其信度。再就第三個假設而言，實際的研究中常因變數之 間可能互為因果，因此遞迴模式是不太可能的。

通常一個完整的研究模式，其理論驗證必須同時通過測量模式分析與結構模 式分析兩個階段。一般樣本資料會分為兩群（S1、S2），以 S1 群資料檢驗研究 模式是否有測量誤差，根據結果來修正問卷。若結果顯示各檢定值均達顯著水 準，則繼續以S1 資料群來進行研究模式的結構分析。結構方程模式分析則是使 用 S1 資料群對研究模式進行卡方檢定，接著確認研究模式各變數間的因果關 係，若研究模式各變數間的因果關係中有未達顯著者則再對研究模式進行修正。

將研究模式中不顯著的因果關係去除，以修正模式，之後再以S2 資料群進行修 正模式的結構分析。

文獻建議每群樣本數100~200，但是本研究在兩次的問卷回收之後樣本數仍 不足，有效問卷僅有106 份。所以無法將資料再分群，分析過程中將使用同一群 資料S1 驗證測量模式與結構模式。而因為缺乏 S2 資料群所以無法再進行如（圖 5.1.1）的步驟三，對修正後的研究模式再作適配度及因果關係的評估。

圖5.1.1：資料分析流程（張紹勳，2001）

樣本資料分群（S1 與 S2）

修正模式

信度評估（S1 與 S2）

觀察變數之個別信度 潛在變數之組成信度

建構效度評估（S1 與 S2）

區別效度 收斂效度

研究模式適配度的評估

（S1 資料群）

研究模式內各變數間 因果關係的評估

（S1 資料群）

步驟一

步驟二

步驟三

研究模式適配度的評估

（S2 資料群）

研究模式內各變數間 因果關係的評估

（S2 資料群）

測量模式分析

（Confirmatory Factor Analysis）

結構模式分析

（Regression-Based Technique）