线性结构关系模式

线性结构关系模式1第一页，共二十三页，2022年，8月28日19章219.1LISREL的概念

1.LISREL(linearstructurerelation)是一種可以用來處理因果關係模式的方法。

2.在多變量分析方法中大多一次只能處理一組自變數與一個依變數之間的關係，LISREL則能同時處理多組自變數與多組依變數間的關係。

3.簡單地說，LISREL的目的在探討變數間的線性關係，首先針對可觀測的(顯性)變數與不可觀測的(潛在)變數間之關係進行檢定，接著就潛在變數與其他潛在變數間之因果關係模式做假設檢定。而LISREL之應用主要包含三個程序：建立因果模式、估計參數及模式評估。第二页，共二十三页，2022年，8月28日19章319.2建立因果模式 研究者可根據已存在的某種現象，依經驗或理論確定出所有可能的變數間的關係。在LISREL中自變數稱為原因變數(causalvariable)，被影響的依變數稱為結果變數，再依據互相影響之方向建立模式的路徑圖(pathdiagram)。第三页，共二十三页，2022年，8月28日19章419.2建立因果模式 在LSIREL模式中，原因變數本身的變異來自模式以外的變數，因此稱為外生變數(exogenousvariable)，以ξ表示；結果變數的變異量被模式內其他變數的線性組合所解釋，因此稱為內生變數(endogenousvariable)，以η表示。 在模式中若是無法直接被觀察的變數，稱之為隱藏變數(latentvariable)，所以隱藏變數須由外在可觀察的變數或指標(indicator)來加以衡量。第四页，共二十三页，2022年，8月28日19章5圖19—1線性結構關係模型圖第五页，共二十三页，2022年，8月28日19章6 1.以方格“□”表示可觀測變數；以圓圈“○”表示不可觀測變數。 2.可觀測之外生變數以“X”表示；不可觀測外生變數以“ξ”表示。 3.可觀測之內生變數以“Y”表示；不可觀測內生變數以“η”表示。 4.內生變數之間影響係數以“β”(beta)表示；外生變數對內生變數之影響係數以“γ”(gamma)表示；可觀測變數對不可觀測變數之標準化係數以“λ”(lambda)表示。 5.隱藏外生變數之誤差衡量以“δ”(delta)表示；隱藏內生變數之誤差衡量以“ε”(epsilon)表示；解釋內生變數之結構方程的誤差項以“ζ”(zeta)表示。第六页，共二十三页，2022年，8月28日19章719.3估計模式參數

1.結構方程式

結構方程式是用來表示模式中內生變數與外生變數之間關係的數學式。第七页，共二十三页，2022年，8月28日19章82.衡量方程式

衡量方程式用以表示可觀測與隱藏變數之間的數學關係

第八页，共二十三页，2022年，8月28日19章919.4模式適合度評估

1.卡方值

卡方值愈小，表示模式的合適情形越好，一般採卡方值是用來判定結構方程式是否合適之標準。

2.GFI(goodnessoffitindex)

值在0與1之間，此值越大表示適合度愈佳，即模式之解釋能力越高，通常採GFI>0.9。

3.AGFI(adjustgoodnessoffitindex)

GFI與AGFI有相同的性質，但AGFI是經過自由度調整，使不同自由度的模式能以相同的基礎進行比較，AGFI是將模式複雜度予以考慮後之GFI，通常採AGFI>0.9。第九页，共二十三页，2022年，8月28日19章10 4.NFI(normedfitindex)

模式基準合適尺度，即比較假設模型與獨立模型之卡方差異，通常採NFI>0.9。 5.CFI(comparativefitindex)

模式比較合適尺度，假設模型與獨立模型之非中央性差異，通常採CFI>0.95。 6.RMR(rootmeansquareresidual)

係推估後所剩下的殘差，愈小表示適合度愈佳，通常採RMR<0.05。19.4模式適合度評估第十页，共二十三页，2022年，8月28日19章11

7.其它指標及判定標準表19-1

線性結構關係常用其他指標指標意義判定標準CMIN/DF(mimimumvalueofdiscrepancy)調整後之模式最小變異小於3F0(estimateofF0)針對模式標準誤所作的缺口估計值在90%的信賴區間內RMSEA(rootmeansquareerrorofapproximation)RMR的估計量小於0.05RF1(relativefitindex)模式相對合適尺度＞0.9IFI(incrementalfitindex)模式擴大合適尺度＞0.9ECVI(expectforaconstantscalefactor)模式因子期望值(檢定模式被賦予的資訊是否充足)在90%的信賴區間內第十一页，共二十三页，2022年，8月28日19章1219.5線性結構關係模式結果之解釋 在整體測量模型與資料的契合度(overallmodefit)方面，若經由卡方檢定模型與研究資料間之差異不顯著，表示我們所蒐集到的資料特性與整體測量模型足以吻合的，可稱此測量模型具有整體模型契合度。

為了避免卡方檢定在大樣本時會有過強之統計力所造成的一些問題。所以，本書採用改良式契合度指標中的「Chi-square/df≦3」、「GFI>0.9」、「AGFI>0.9」、「RMR<0.05」等幾個常用的指標來評估模式之適合度。第十二页，共二十三页，2022年，8月28日19章13圖19-2線性結構圖示第十三页，共二十三页，2022年，8月28日19章14指標數值評估指標數值評估卡方值243.527--RMR0.161＞0.05，差自由度211--GFI0.915大於0.9，可p值0.062＜0.05，差AGFI0.889近於0.9，可第十四页，共二十三页，2022年，8月28日19章15AMOS操作範例圖19-3研究架構第十五页，共二十三页，2022年，8月28日19章16線性結構關係範例之報表說明第十六页，共二十三页，2022年，8月28日19章17線性結構關係範例之報表說明（續）第十七页，共二十三页，2022年，8月28日19章18線性結構關係範例之報表說明（續）第十八页，共二十三页，2022年，8月28日19章19線性結構關係範例之報表說明（續）第十九页，共二十三页，2022年，8月28日19章20線性結構關係範例之報表說明（續）第二十页，共二十三页，2022年，8月28日19章21線性結構關係範例之報表說明（續）第二十一页，共二十三页，2022年，8月28日19章22線性結構關係範例之報表說明（續）第二十二页，共二十三页，2022年，8月28日19章23範例驗證結果

1.模式適合評估（一）卡方值：243