第四章 資料分析與結果
4.2 SEM 模式之建立與分析
本研究主要探討通路型態、品牌權益、通路權力與通路績效之關係，本研究 先以皮爾森積差相關分析來衡量每個研究購念之間的相關性，之後以 SEM 分析其 模型的估計結果，藉此了解整體模式配適度及各構念的效果分析。
4.2.1 相關分析
了解本研究通路型態、品牌權益、通路權力與通路績效之間的相關情形，表 4.11 中以皮爾森積差相關分析來衡量各變項之間的相關性，非對角線的值表示 兩兩變項間的相關系數，當數值越大表示此兩變數的相關性越高；而對角線的值 表示變項本身的相關係數均為 1，並以相關係數水準 0.05 與 0.01 為衡量標準。
由表 4.11 可知，通路型態與品牌權益間相關性較低（0.136），不過仍達 P<0.05 的顯著水準，通路型態與通路權力（0.423）、通路型態與通路績效
（0.349）、品牌權益與通路權力（0.409）、品牌權益與通路績效（0.318）、
通路權力與通路績效（0.318）皆達 P<0.01 的顯著水準；因此，實證資料顯示通 路型態、品牌權益、通路權力與通路績效之間是屬於密切相關性。
表4.11 本研究變數之相關係數分析
變數名稱 通路型態 品牌權益 通路權力 通路績效
通路型態 1 0.136* 0.423** 0.349**
品牌權益 0.136* 1 0.409** 0.318**
通路權力 0.423** 0.409** 1 0.579**
通路績效 0.349** 0.318** 0.579** 1 資料來源：本研究整理 *：P<0.05 ； **：P<0.01
50
4.2.2 SEM 架構分析
SEM主要是根據多個變數間之邏輯關係，建立高配適度之統計模型，並依據 迴歸係數產生策略涵義。本研究以AMOS中的最大概似法（MLM）估計模式參數與 變數之間的關係，圖4.1為本研究SEM模型圖，而模型之潛在、觀察變數列於表 4.13。此外，因本研究的外生變數通路型態只分為兩種類型，因此本研究以獨立 樣本t檢定來驗證通路型態與品牌權益、通路型態與通路權力之間的關係。
表4.12 SEM模型圖符號定義
符號 定義
ξ 外生觀察變數
η 內生潛在變數
γ 外生潛在變數與內生潛在變數得回歸係數
β 內生潛在變數間的迴歸係數
Ｘ 外生潛在變數的觀察指標
Ｙ 內生潛在變數的觀察指標
資料來源：本研究整理
51
52
資料來源：本研究整理
4.2.3 SEM 模型配適度評鑑
模型配適度評鑑的主要目的為藉由各個不同的配適度指標來評鑑理論的模 型是否能夠解釋實際觀察的資料，或是經由這些指標來得知理論模型與實際觀察 的資料差距有多大（Anderson & Gerbing，1988）。模型的配適度愈高代表模型 可用性越高。評鑑模型的適配度應該要從不同的角度及參照各種不同的指標來做 合理的判斷。
整體模型適配度評鑑指標可分為三類（Hair, Anderson, Tatham and Black1998）：
一、絕對配適度指標(absolute fit measures)
用以決定理論的整體模型能夠預測觀察共變數或相關矩陣的程度，常用以評 鑑整體配適度的指標包括：
1.χ2
一般以卡方值P>0.05做為判斷，即模型具有良好的配適度。而本研究卡方值 P=0.072>0.05，故為良好配適度值。
2. χ2/df
一般χ2/df介於1~5之間，且通常採χ2/df<3，即具有良好配適度。本研究 χ2/df=1.385<3，故為良好配適度值。
2.適配度指標（Goodness of Fit Index，GFI）
GFI由Jöreskog & Sörbom(1981)所提出，其範圍介於0與1之間，越接近1表 是模型配適度越良好，而通常採GFI>0.9。本研究GFI值為0.966>0.9，故為良好 配適度值。
3.修正適配度指標（Adjusted Goodness of Fit Index，AGFI）
AGFI為GFI的修正指標，與GFI的不同是對自由度以及其相對的變數個數比值
53
的調整，相同的AGFI通常介於0~1 之間，AGFI值愈接近1表示模型適配度愈佳，
而通常採AGFI>0.9。本研究AGFI值為0.918>0.9，故為良好配適度值。
4均方根殘差（Root Mean Squre Residual，RMR）
RMR為適配殘差變異數/共變數的帄均值的帄方根，是一種帄均殘差共變數，
RMR 值 越 接 近 0 表 是 模 型 配 適 度 越 佳 ， 通 常 採 RMR<0.05 。 本 研 究 RMR 值 為 0.038<0.05，故為良好配適度值。
5.均方根近似誤（Root Mean Square Error of Approximation，RMSEA）
RMSEA不受樣本大小與模式複雜度的影響，當模式趨近完美契合時，RMSEA 指 數亦接近0。RMSEA指數愈接近，表示模型配適度越佳，通常採RMSEA<0.05。本研 究RMSEA值為0.043<0.05，故為良好配適度值。
二、增值適配適度指標（incremental fit measures）
目的在於用一個比較嚴格的底線模式(baseline model)來和理論模式相比 較，測量其適配改進比率的程度。一般常用以評鑑整體模型之增值適配適度指標 包括：
1.正規化適配指標（Normed Fit Index，NFI）
由Bentler & Bonett(1980)提出，又稱為Δ1 指標。NFI值愈接近1表示理論 模式對底線模式的改進愈大，也就是說模型配適度越佳，通常採NFI>0.9。本研 究NFI值為0.953>0.9，故為良好配適度值。
2.比較適配指標(Comparative Fit Index，CFI)
CFI指標反應了假設模式與無任何共變關係的獨立模式差異度的量數，也考 慮到被檢驗模式與中央卡方分配的離散性。CFI指標的數值愈接近1表示模型配適 度越佳，能有效改善非中央性的程度，通常採CFI>0.95。本研究CFI=0.986>0.95，
故為良好配適度值。
3.增值適配指標(Incremental Fit Index，IFI)
IFI為NFI之修正，由Bollen(1988)提出，目的為減低NFI對樣本大小的依賴。
54
IFI的值愈接近1表示模型配適度越佳，也就是說模型配適度越佳，通常採 IFI>0.9。本研究IFI=0.987>0.9，故為良好配適度值。
4.相對適配指標(Relative Fit Index，RFI)
RFI亦是由NFI所衍生出來的，的值愈接近1表示模型配適度越佳，也就是說 模型配適度越佳，通常採RFI>0.9。本研究RFI=0.903>0.9，故為良好配適度值。
三、簡效配適度指標
一個好的理論除了頇有相當好的解釋基礎之外，仍頇具備簡單性。而簡效配 適度指標即在驗證模型之簡效性。
本研究以簡效規範適配指標(Parsimonious Nomed Fit Index，PNFI)來測 量：PNFI乃是NFI的修正，PNFI 為每一個自由度所能達成的較高適配程度，因此，
其值愈高愈好，通常採用採用PNFI>0.5。本研究PNFI=0.462雖未大於0.5，但其 RMSEA RMSEA<0.05 RMSEA=0.043 良好
55
標 增 值 配 適 度 指 標
NFI NFI>0.9 NFI=0.953 良好 CFI CFI>0.95 CFI=0.986 良好 IFI IFI>0.9 IFI=0.987 良好
RFI RFI>0.9 RFI=0.903 良好
簡 效 配 適 度 指 標
PNFI PNFI>0.5 PNFI=0.462 接近
資料來源：本研究整理