验证性因素分析和SEM模式之应用

验证性因素分析和SEM模式之应用大纲研究架构与变数因素分析验证性因素分析线性结构模式之应用Two-StageResearchDesignExploratoryStudyLoosestructureExpandunderstandingProvideinsightDevelopconceptualschemesDevelophypothesesFormalStudyPreciseproceduresBeginswithhypothesesAnswersresearchquestionsConceptualschemes以简单图形表示诸多研究变量间之因果关系多以线性结构方程模式(SEM,StructureEquationModel)加以验证WhatIsAVariable?VariableEventActCharacteristicTraitTypesofVariablesManifestCanbedirectlymeasuredEx:lengthLatentCannotbedirectlymeasuredEx:loyaltyScalesofVariablesDichotomousMale/FemaleEmployed/UnemployedDiscreteCategorical/OrdinalEthnicbackgroundEducationallevelReligiousaffiliationContinuousIncomeTemperatureAgeIndependentandDependentVariablesIndependentVariable(IV)PredictorPresumedcauseStimulusPredictedfrom…AntecedentManipulatedDependentVariable(DV)CriterionPresumedeffectResponsePredictedto….ConsequenceMeasuredoutcomeModeratingVariables(MV)Theswitchtocommissionfromasalarycompensationsystem(IV)willleadtoincreasedsalesproductivity(DV)perworker,especiallyamongyoungerworkers(MV).Dennis(1997)科技的成功与接受模式科技易用性认知个人的动机科技有用性认知科技的使用系统质量服务质量ExtraneousVariables(EV)Withnewcustomers(EV-control),aswitchtocommissionfromasalarycompensationsystem(IV)willleadtoincreasedsalesproductivity(DV)perworker,especiallyamongyoungerworkers(MV).InterveningVariables(IVV)Theswitchtoacommissioncompensationsystem(IV)willleadtohighersalesproductivity(DV)byincreasingoverallcompensation(IVV).Apromotioncampaign(IV)willincreasesavingsactivity(DV),especiallywhenfreeprizesareoffered(MV),butchieflyamongsmallersavers(EV-control).Theresultscomefromenhancingthemotivationtosave(IVV).Bontis(1999)智能资本的钻石模式Howtoseparateavariable?Inmodel?Mainfactor?E.V.M.V.I.V.YesYesNoNocontrolrandomizeignore验证性因素分析的意义验证性因素(ConfirmatoryFactorAnalysisCFA)分析是探索性因素分析(ExploratoryFactorAnalysisEFA)的扩展。用来检定因素负荷及因素间的相关性。使用时机:探索性因素分析:研究者对因素结构不甚了解的探索阶段。验证性因素分析:当对问题有进一步了解或经由EFA分析后进行。CFA与EFA不同:CFA路径较少，一般在CFA模式，每个数只与一个潜在变数(因素)相连，但也可与多个潜在变数相连。EFA因素间要求是独立的(直交旋转)，但CFA分析则没有此限制。EFA理论架构在分析后才产生，CFA理论架构是事前提出。CFA分成一阶与高阶一阶CFA：指因素间只有相关，没有因果关系。高阶(二阶或更高)CFA:指因素都受更高一阶的因素的共同影响。探索性与验证性因素分析路径图比较一阶验证因素与二阶验证因素(CFA)MarshandHocevar1985提出的目标系数(TargetCoefficient)为判断准则目标系数T=一阶模式卡方值/二阶模式卡方值当目标系数T接近，表二阶CFA可以取代一阶CFA上例的目标系数为因此，二阶CFA不能取代一阶CFA，即采用一阶CFA较为适合收敛效度与区别效度:收敛效度:一份量表的收敛效度是以标准化的测量之路径系数(或称负荷)为判断依据，当所有负荷大于时，表示此份量表有收敛效度区别效度：一份量表区别效度是指所有两两配对因素间都没有完全相关，即各个因素间是有所区别的卡方差检定ｔ检定(2)区别效度:以满意度量表中在家与工作两因素为例，说明如何对两个成对因素间的相关系数检定是否为1?利用Amos的ManageModel检定，建立路径图如下

在家与工作两个因素的变异数其固定参数设为1；相关系数设定为自由参数R，两个模式分别为以下面例子说明3件事:3因素满意度之因果关系模式直接效用、间接效用、总效用计算因素得点的权重与算出样本得点结构方程模式回归模式与径向分析(PathAnalysis)是讨论显性(Manifest)变量间的关系。因素分析是强调潜在(latent,不可直接观测)变量与可观测变量间的关系。线性结构关系(LinearStructureRelation,LISREL)是综合这两种型态的模式，是结构方程模式(StructureEquationModel,SEM)的一种。SEM是探讨变量间的线性关系，并对显性变量与潜在变量之因果模式做假设检定

SEM主要是一种验证性技术，而不是一种探索性技术。其虚无假设与对立假设如下：H0：观察资料=理论模型H1：观察数据≠理论模型SEM包含测量模式-

说明可观测变量与潜在变量间的关系结构方程序-

说明潜在变量间的关系SEM的设定模型可以用不同的方法，其中最简单直接的一种方法，就是透过路径图（pathdiagram）将模型描述出来。路径图有助于研究者将其对于变量之间的关系得以清晰地表达。在图中将可观测变数用长方型框代表，对潜在变量或因素（factor）则用椭圆型框代表；变量间的关系用线条代表，如果变量间没有联机，则代表变量间没有直接关联。线条既可以加单箭头，也可以加双箭头。SEM与路径图

结构方程模型范例

z1z2h1h2SEM建模步骤(1)提出架构：

透过文献探讨或推论，提出潜在变量间的的(因果)关系，以‘路径图’表达。(2)操作性定义：

经文献探讨，对潜在变量提出操作性定义，决定潜在变量的测量变数，然后设计问卷做调查。

(3)软件执行： 自由参数(FreeParameters)估计与检定。(4)适合度检定： 决定模式是否适合于此组数据。(5)模式修正与解释： 模式不适合时做修正(增加路径)；模式适合时做简化(减少路径)，并对模式做说明与解释。SEM建模步骤例:Bagozzi(1980)研究营销问题想了解1.成就动机对满意度的影响？2.自我满足对绩效的影响？3.智力对绩效的影响？4.绩效对满意度的影响？依据经验提出初始模式修正指标

M.I.修正模式SEM模式的评估1.对整个模式评估2.测量模式的评估3.结构方程之评估1.