第二章 文獻回顧
第四節 SEM 之基本說明
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
-28-
第四節 SEM 之基本說明
本節首先將針對 SEM 的各項特性進行說明，再來則進行 SEM 分析基本程序的 流程與各階段之解釋，最後則為 SEM 模型建立相關原則與模型中各項基本元素的 說明。
(一)SEM 的特性
在進行社會與行為科學研究時，通常並不僅止於單一變項或兩變項之間關 係的討論，而是涉及到一整組變項之間的討論；另外，不同變項之間的關係除 了一般數學性的表陎關係外，亦可能包括潛在的因果或階層型關係。SEM 的 最主要貢獻即為前述的多變項分析與抽象理論分析提供了一套程序，讓研究者 得以透過統計分析針對自身所提出的理論模型(theoretical model)進行檢驗，並 突破了傳統計量技術對理論模型欠缺整合分析能力的缺點(邱皓政，2003)。
SEM 屬於一種模組化的分析應用，透過假設檢驗(hypothesis-testing)與結 構化驗證(structural confirmatory)的作業，SEM 可透過程序將一系列的假設與 變數加以模組化，建立出一個具意義的假設模型(hypothetical model)，並利用 統計程序進行驗證作業。Joreskog & Sorbom(1996)指出 SEM 的模組化研究包 括有單純的驗證、模型的產生，以及替代模型之間的競爭等三種，本研究的研 究目的為確立台灣地區居民在陎對堰塞湖災害下的災害回應決策體系，屬於第 二類模型的產生(model generation)模式：首先設定一組貣始模型，並將此模型 與實際測得的資料(如問卷資料)進行比對，經過反覆的估計與修正後，得出與 實際情況最為契合的模型，又稱為產生型研究。
從技術的層陎來看，SEM 可被視為不同技術與研究方法的綜合體(Hoyle, 1995)。其中包含了各類用以分析共變結構的技術，包括共變結構分析
(covariance structure analysis)、共變結構模型(covariance structure modeling)、驗 證性因素分析(CFA)，以及因果模型(causal modeling)等這些技術均為 SEM 的 重要應用之一，並有以下幾點的共同特性(Kline, 1996)。
1. SEM 具有理論的先驗性
SEM 為一種用以檢驗在研究之初所提出理論模型適切性的統計 技術，故其分析模型應被建立在相關的理論基礎上，在本研究中為 透過文獻回顧與問卷初步分析後所提出的居民災害回應決策體系研 究架構。透過此研究架構，本研究可以在 SEM 的分析過程中保持清 晰的理論概念與邏輯推理，作為從變項界定、變項關係假設、參數 設定，以及模型的安排與修正等步驟的主要依據。另外，在研究之 初即針對潛在變項的內容與性質，甚至組成的觀察變項進行假設，
才能藉由實際觀測所得到的資料進行假設模型適切性的驗證。故 SEM 被視為一種驗證性(confirmatory)的統計方法。
‧
大部分(邱皓政，2003)。前者的主要目的為透過過去文獻與既有概念，配合 SEM 模型的各項特性，推導出一套適合進行 SEM 統計分析的模型，此階段中以概 念的推導與合適的模型形式為主要的考量重點。第二部分則為研究結果的產出‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
-30-
與評鑑，在此階段中則較為需要相關 SEM 分析軟體的操作與應用能力。
圖 2-7 SEM 分析流程示意圖 1. 模型發展階段
為後續分析提出一個適用於 SEM 分析的假設模型為本階段的主 要目的，其中又包含理論發展、模式設定，以及模型辨識等三項主 要工作。
(1) 理論發展：在 SEM 的特性段落當中即有提及 SEM 的模型 建立係以實際的理論作為基礎。故在 SEM 分析的第一個 階段即是在觀念的釐清、文獻回顧，以及資料的整理與 推導等過程中，提出一套具有理論基礎且有待檢驗的假 設模型。
(2) 模式設定：在完成理論發展後，本階段的主要目的係為 將假設模型由理論發展進階到技術性模型，透過將理論 套用到 SEM 各種統計概念與設定的程序，最後產出 SEM
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
-32-
在完成前述的各項 SEM 分析流程後，即可針對最終的模型參數進行解釋 與討論，並依據分析結果進行 SEM 架構圖的繪製，以完成 SEM 的整套作業 流程。
(三)SEM 模型的基本元素
由於 SEM 具有在利用因素分析進行測量作業的同時，亦可透過路徑分析 針對各項變數進行剖析的特質，故 SEM 模型當中的基本元素亦與一般統計模 型不同。本研究將 SEM 的中的各項元素分為包括測量變項與潛在變項、內衍 與外衍變項，以及測量模型與結構模型等部分進行說明。
1. 測量變項與潛在變項
測量變項(measured variable)與潛在變項(latent variable)為 SEM 模型當中的基本變項型態，測量變項係利用研究者所實際取得資料 (如問卷或實驗結果)，經過相關數學程序後投入 SEM 分析軟體進行 分析與計算的基本元素，又被稱為觀察變項(observed variable)。潛在 變項則是依據測量變項資料所推估出來的其他變項。
在 SEM 的路徑圖當中，測量變項多以長方形來表示，在實際進 行分析時測量變項亦可因其性質的不同而在殘差值的計算上有所差 異：在本研究當中，由於問卷當中的測量變項大多係以李克特五點 量表進行受測民眾對災害回應決策體系當中各項因素的同意或重要 程度評估，在此抽象的概念性測量模式下可能會產生一定的測量變 項誤差，這些誤差主要則殘差項的計算為解釋方式。最後，測量變 項可能會受到單一或多項潛在變項所影響，使得測量變項的分數呈 現高低上的不同變化，由於此性質，測量變項又被稱為潛在變項的 測量指標(indicators)或外顯變項(manfiest variable)。
潛在變項則多以橢圓形表示，在一般的 SEM 模型中具有多元指 標原則，亦即單一潛在變項必頇要以兩個以上的測量變項進行估計。
由於在 SEM 模型中潛在變項並非真實且有實際數據可進行測量的 變項，而是由測量變項資料中所估計出的，所以測量變項可單獨存 在於 SEM 模型中，而潛在變項則無法單獨存在。
圖 2-8 測量變項與潛在變項關係示意圖
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
-33-
上圖 2-8 中則以本研究為例，其中橢圓形的 X1 代表潛在變項，
長方形的 V1 與 V2 則為本研究實際由問卷調查中所測得的測量變項。
在本例中，兩個測量變項係受到單一潛在變項的影響，亦即 X1 變項 的數值或強度，可能對 V1 與 V2 變項造成影響，而測量變項受到潛 在變項影響的強度則以因素負荷量(λ1 與λ2)表示；最後，無法經 由潛在變項進行解釋的測量變項變異量部分則被稱為殘差(E1 與 E2)，
可被視為測量變項在進行潛在變項估計時的測量誤差項。
2. 內衍與外衍變項
除測量與潛在變項外，SEM 分析亦可將變項依據路徑分析的慣 例分為內衍與外衍變項，內衍變項(endogenous variables)係指在模型 當中會受到其他變項所影響的變項；外衍變項(exogenous variables) 則為在模型中不受到任何變項影響，但會影響其他變項的變項。以 路徑圖來說明，內衍變項即為會受到任一箭頭所指項的變項；外衍 變項則為以箭頭指向任一其他變項，自身卻不受箭頭所指向的變項。
若以自變項(independent variables)與依變項(dependent variables)的概 念來看，外衍變項會影響其他變項但不受任何其他變項影響，屬於 自變項的概念；內衍變項因為會受到其他變項的影響，因此為依變 項的概念。
若將潛在變項與測量變項的概念加入，則 SEM 的四種主要變項 模式即可擴充為外衍測量變項、外衍潛在變項、內衍測量變項，以 及內衍潛在變項等四種。在測量變項為內衍或外衍性質的判定方陎，
則視影響該測量變項的潛在變項性質而定。以下圖 2-9 為例，SEM 模型中的 X1 與 X2 為潛在變項，分別影響 V1、V2，以及 V3、V4 等四個測量變項；若加入內衍與外衍的概念，受到 X1 變項影響的 X2 變項係為本 SEM 模型中的內衍潛在變項，影響其他變項的 X1 變項則為外衍潛在變項；測量變項方陎，受到外衍潛在變項 X1 所影 響的 V1 與 V2 變項即為外衍測量變項。同理，V3 與 V4 則為內衍測 量變項。
圖 2-9 外衍變項與內衍變項關係示意圖
在各類變項的關係方陎，SEM 模型中的關係包括直接關係 (directional relationship)與間接關係(nondirectional relationship)等兩
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
-34-
種類型。直接關係表示變項之間具有假設性的線性因果或是預測關 係，路徑圖中以單箭頭表示；無法表示因果或方向，但能確定具有 線性相關性的兩變數之間，則屬於間接關係，在路徑圖中則以雙箭 頭表示。最後，呈現各變項之間關係的參數方陎，測量變項與潛在 變項之間的關係屬於一種以強度作為衡量的直接關係，在 SEM 中係 以因素負荷量(λ)作為該類關係的結構參數(例如受 X1 影響的 V1 與 V2 變項)；而在潛在變項之間(X1 與 X2)則以迴歸係數作為說明兩者 之間關係的參數。
3. 測量模型與結構模型
在 SEM 模型當中包括了測量模型(measurement model)與結構模 型(structural model)兩部份，測量模型係指藉由測量變項推估出潛在 變項程序的模型，而結構變項則為說明潛在變項之間關係的模型。
以圖 2-10 作為範例，該 SEM 模型中包括了兩個測量模型與一 個結構模型：潛在變項 X1 與受其所影響的測量變項 V1 與 V2 形成 一獨立的測量模型，X2 與 V3、V4 等三變項則形成另一獨立的測量 模型，而兩個具有因果關係的潛在變項 X1 與 X2 則形成了一個結構 模型。
圖 2-10 測量模型與結構模型示意圖 (四)小結
由於 SEM 具備同時進行因素與路徑分析的特性，又屬於多變量統計的研 究方法，可以有效解決本研究所進行災害來臨時居民決策程序的心理過程量 化，以及大量影響居民災害決策模式的變項分析等問題，故本研究選擇以 SEM 進行堰塞湖災害的大量變項分析與整體架構建立。而本節所討論的 SEM 各項 基本元素、分析流程與模型建立原則，將可作為第四章本研究模式建立的參 考依據，以協助本研究在 SEM 模型建立、將問卷結果轉化為更適切的參數進
由於 SEM 具備同時進行因素與路徑分析的特性，又屬於多變量統計的研 究方法，可以有效解決本研究所進行災害來臨時居民決策程序的心理過程量 化，以及大量影響居民災害決策模式的變項分析等問題，故本研究選擇以 SEM 進行堰塞湖災害的大量變項分析與整體架構建立。而本節所討論的 SEM 各項 基本元素、分析流程與模型建立原則，將可作為第四章本研究模式建立的參 考依據，以協助本研究在 SEM 模型建立、將問卷結果轉化為更適切的參數進