结构方程模型在学术研究的应用

結構方程模型在

學術研究的應用

/sundae_meng/sundae_meng探索式因素分析vs.驗證式因素分析/sundae_meng探索式因素分析研究人員一開始並未有特定數量的潛在因素被萃取出來。F1e1F2e2e3e4e5e6x1x2x3x4x5x6CharlesSpearman

/sundae_meng驗證式因素分析CFA需要研究人員事先指定預期的結果因素的個數每個因素所反應的變數(指標)因素之間是否相關F1e1F2e2e3e4e5e6x1x2x3x4x5x611KarlJoreskog/sundae_mengSEM分析流程SEM的基本原理結構模式與測量模式驗證各個構面的有效性驗證式因素分析(CFA模式)構面組成信度與變異數萃取量的計算結構方程模型於學術上的應用大綱/sundae_mengSEM基本流程理論模型建構衡量工具資料蒐集模型測試結果解釋/sundae_meng理論模型建構衡量工具資料蒐集模型測試結果解釋SEM具有理論先驗的特性，SEM模型建立需經過觀念釐清、文獻回顧與推導。以驗證理論為主。/sundae_meng理論模型建構衡量工具資料蒐集模型測試結果解釋根據理論的基礎及研究人員個人的知識與經驗，建立SEM分析路徑圖。/sundae_meng理論模型建構衡量工具資料蒐集模型測試結果解釋橫斷面資料通常採問卷設計調查。次級資料。縱斷面資料時間序列調查重複量數實驗設計/sundae_meng理論模型建構衡量工具資料蒐集模型測試結果解釋簡單隨機抽樣/sundae_meng理論模型建構衡量工具資料蒐集模型測試結果解釋樣本規模大小遺漏值處理常態及例外值檢定模型估計CFASEM模型信度模型配適度模型修正/sundae_meng理論模型建構衡量工具資料蒐集模型測試結果解釋模型配適度不差是報告結果的必要條件之一。/sundae_meng理論模型建構衡量工具資料蒐集模型測試結果解釋與理論假設模型做比較，並予推論，如有不符可以探討原因，回頭修正理論的正確性。/sundae_meng結構方程式模型分析法是種以迴歸為基礎的多變量技術，並結合路徑分析及因素分析，屬於驗證性實證研究的資料分析法，能同時處理多組變項間的關係，其目的在探究變數間的因果關係以驗證理論，故又可稱為因果模式分析技術。因此，在使用驗證性研究方法時，研究者所提的研究模式必須具有理論基礎，由理論來引導。SEM的基本原理/sundae_meng變項與符號意義關係類型XYXYXY1Y2XY

Y1Y2Y3Y1潛在變項觀察變項相關(共變)單向因果關係單向因果關係

回溯因果關係non-recursive

循環因果關係

(feedback)又稱為因子(factor)可以是X或YX與Y為共變關係X對Y的直接效果X對Y1為直接效果X對Y2為問接效果Y1為中介變數X與Y互為直接效果,X與Y具有回饋循環效果Y1對Y2、Y2對Y3、Y3對Y1均為直接效果，Y1、Y2、Y3

為間接循環效果/sundae_mengSEM分析常用的軟體AmosLISRELEQSMplusSASCalisSepathMXx1x2F1F3y1y2e7Lx1D3e9Lx2Ly1Ly2x4x5y4y5e10Lx3D4e12Lx4Ly4Ly5F2F4cov２１b41b42b43b31x3x6y3y6e1e2e3e4e5e6e8Ly3Ly6e11Lx5Lx6/sundae_mengSEM的類別路徑分析模型驗證式因素分析模型結構迴歸模型潛在成長模型/sundae_meng路徑分析模型績效與期望是相關兩個變數皆會影響滿意度，滿意度又影響忠誠度。績效與期望對忠誠度沒有直接效果績效期望滿意度忠誠度/sundae_meng路徑分析模型/sundae_meng路徑分析模型/sundae_meng驗證式因素分析模型潛在變數之間的相關及驗證觀察變數是否能被潛在變數所解釋，亦即觀察變數是否真能反應該構面的真實情形。covx1x2x3滿意度e１Lx1e２e３Lx2Lx3x4x5x6忠誠度e4Lx4e5e6Lx5Lx6/sundae_meng結構迴歸模型為CFA的組合，假設構面之間影響關係的解釋而不是構面相關，主要做為理論的驗證。顧客期望知覺價值整體滿意度顧客抱怨顧客忠誠/sundae_mengx1x2x3F1滿意度F2忠誠度y1y2y3e１e4Lx1bDe5e6e２e３測量殘差外生觀察變項因素負荷量外生潛在變項結構參數內生潛在變項因素負荷量內生觀察變項結構模式測量(CFA)模式測量殘差Lx2Lx3Ly1Ly2Ly3測量(CFA)模式結構模式與測量模式/sundae_meng結構模式與測量模式完整的SEM模型參數圖示/sundae_meng所有獨立變數的變異數均是模型的參數所有外生變數之間的共變異數都均是模型的參數所有與潛在變項有關的因素負荷量均是模型的參數所有測量變項之間或潛在變項之間的迴歸係數都是模型的參數與內生變項有關的量數都不是模型的參數對每一個潛在變項，必須給定一個適當的潛在量尺SEM參數設定原則

(Raycov&Marcoulides,2006)/sundae_meng所有獨立變數的變異數均是模型的參數/sundae_meng所有自變數之間的共變異數都是

模型的參數/sundae_mengAmos路徑分析與SPSS迴歸比較/sundae_meng所有潛在變數與觀察變數之間的因素負荷量均是模型的參數/sundae_meng所有的觀察變數或潛在變數之間的

迴歸係數都是模型的參數/sundae_meng因變數之間與自變數與因變數之間的共變異數都不是模型的參數/sundae_meng潛在變項與一般量測變項最大的不同在其「不可直接量測」的特性，因此潛在變項缺乏一個自然存在的尺度，而必須以人為的手段設定尺度SEM最常使用的方法是將「外生潛在變項」變異數設為1;或將潛在變項其中的一個「測量變項與潛在變項」的因素負荷量設為1。兩種方法結果一樣，若目的為理論驗證，採第二種方法較為適宜。SEM參數設定原則-第6原則探討D１x1x2滿意度y1y2e１e3L1e4e２L21L4W1忠誠度標準化設定未標準化設定/sundae_mengSEM的重要矩陣S矩陣樣本共變異數矩陣調查的資料Σ(θ)矩陣模型再製(預測)矩陣

(modelimpliedcovariances)殘差共變異數矩陣S－Σ

(θ)(SEM的H0假設)/sundae_meng估計方法

(ML,ADF,WLS,ULS)CFA的目的是用來估計測量模型

(因素負荷量、因素變異數及共變異數、誤差項共變異數)。運用疊代的方式使得S矩陣與Σ(θ)

矩陣儘可能的接近，亦即愈接近，

模型配適度愈好。疊代運算停止的兩個充份條件達到電腦預計的疊代次數，如25次模式收斂完成，亦即達到電腦預設標準/sundae_meng疊代到底是蝦米碗榚呢?樣本矩陣S模型預測矩陣Σ估計方法(ML)/sundae_meng資料型態原始資料

(raw：subjects；column：variables)共變異數矩陣相關矩陣含平均數、標準差/sundae_meng資料符合常態、無遺漏值及例外值(Bentler&Chou,1987)下，樣本比例最小為估計參數的5倍，10倍則更為適當。當原始資料違反常態性假設時，樣本比例應提升為估計參數的15倍。以ML法評估，Loehlin(1992)建議樣本數至少為100，200較為適當。當樣本數為400~500時，此法會變得過於敏感，而使得模式不適合。樣本規模大小/sundae_mengSEM實務上的基本要求模型中潛在因素至少應為兩個(Bollen,1989)量表最好為七點尺度(Bollen,1989)每個潛在構面至少要有三個題目，

五~七題為佳(Bollen,1989)每一指標不得橫跨到其它潛在因素上

(Bollen,1989)問卷最好引用自知名學者，儘量不要自己創造理論架構要根據學者提出的理論作修正模型主要構面維持在5個以內，不要超過7個/sundae_meng一階(初階)驗證式因素分析F1e1F2e2e3e4e5e6x1x2x3x4x5x611/sundae_meng二階(高階)驗證式因素分析F1e1F2e2e3e4e5e6x1x2x3x4x5x611F31/sundae_mengCFA模型設定的考量/sundae_meng以下這個又如何呢?/sundae_mengEFAV.S.CFAEFACFA探索式(data-driven)驗證式(theory-driven)因素個數由資料決定因素個數由研究者指定問卷設計的前端問卷應用的後端PCA是常用的估計法ML法是常用的估計法不考慮共線性問題考慮模型配適度只提供標準化結果提供標準及非標準化結果沒有loading顯著性報告有loading顯著性報告EFA無法做額外的設定CFA模型設定有彈性無法執行跨群組比較可執行跨群組(時間)的比較/sundae_meng一階有相關CFA模型v.s.二階CFA模型/sundae_meng一階CFA模型和EFA的比較/sundae_meng一階CFA模型(單一群組分析)/sundae_meng找出不合適的題目，予以刪除，

原則為負荷量小於0.7的題項。一個構念最少為一個變數，且需由研究者提出可信度的評估，兩個變數亦同。一個構念3個變數是較可接受的。對於一個構念使用多少變數

並無上限，實務上應用以

5~7個為最適宜。量表尺度儘量採6點以上量表驗證各個構面的有效性/sundae_meng驗證各個構面的有效性/sundae_meng模式1為單一因素的一階驗證性因素模式模式2為一階且有相關的驗證性因素(潛在變項間有相關)模式，為驗證性因素分析的一般模式，

又稱為驗證性因素分析的

多因素模式模式3為二階驗證性

因素模式。驗證式因素分析(CFA建模)/sundae_meng一階驗證性因素模式(模式一)/sundae_meng一階且有相關的驗證性因素

(潛在變項間有相關)(模式二)/sundae_meng二階驗證性因素模式(模式三)/sundae_meng模式配適度分析結果Modelχ2(df)χ2/dfGFIAGFIRMSEACFI1.一階因素模型426.09(104)4.10.8300.7780.1080.8642.一階因素模型(有相關)263.94(101)2.610.8960.8590.0780.9313.二階因素模型263.94(101)2.610.8960.8590.0780.931建議值愈小愈好<3>0.9>0.9<0.08>0.9/sundae_meng構念的組成信度(CompositeReliability,CR)＝

(Σ標準化因素負荷量)2/

((Σ標準化因素負荷量)2+(Σ各測量變項的測量誤差))

(JöreskogandSörbom,1996)。CR值是其所有測量變項信度的組成，表示構念指標的內部一致性，信度愈高顯示這些指標的內部一致性愈高，0.7是可接受的門檻(Hair,1997),

FornellandLarcker(1981)建議值為0.6以上。構面組成信度與變異數萃取量的計算/sundae_meng平均變異數萃取量(AVE)=

Σ(因素負荷量2)/((Σ因素負荷量)2+

(Σ各測量變項的測量誤差))

(JöreskogandSörbom,1996)

AVE是計算潛在變項之各測量變數對該潛在變項的變異解釋力，若AVE愈高，則表示潛在變項有愈高的信度與收斂效度。

FornellandLarcker(1981)建議其標準值須大於0.5。構面組成信度與變異數萃取量的計算/sundae_meng觀察指標潛在指標研究變數因素負荷量R2t