1、結構方程模型在學術研究的應用,謝章升IBM-SPSS統計工程師,2,探索式因素分析vs.驗證式因素分析,3,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。,Charles Spearman,4,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,Karl Joreskog,5,SEM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,6,SEM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,7,
2、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。,8,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。,9,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,10,簡單隨機抽樣,11,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,12,模型配適度不差是報告結果的必要條件之一。,13,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。,14,結構方程式模型分析法是種以迴歸為基礎的多變量技術
3、，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,15,16,SEM分析常用的軟體,AmosLISRELEQSMplusSAS CalisSepathMX,17,SEM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,18,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,19,路徑分析模型,
4、20,路徑分析模型,21,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。,cov,22,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。,23,x1,x2,x3,F1滿意度,F2忠誠度,y1,y2,y3,e,e4,Lx1,b,D,e5,e6,e,e,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,Lx2,Lx3,Ly1,Ly2,Ly3,測量(CFA)模式,結構模式與測量模式,24,結構模式
5、與測量模式,完整的SEM模型參數圖示,25,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),26,所有獨立變數的變異數均是模型的參數,27,所有自變數之間的共變異數都是模型的參數,28,Amos路徑分析與SPSS迴歸比較,29,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,30,所有的觀察變數或潛在變數之間
6、的迴歸係數都是模型的參數,31,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,32,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,33,SEM的重要矩陣,S 矩陣樣本共變異數矩陣調查的資料() 矩陣模型再製(預測)矩陣(model implied covariances)殘差共變異數矩陣S () (SEM的H0
7、假設),34,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() 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,35,疊代到底是蝦米碗榚呢?,樣本矩陣S,模型預測矩陣,估計方法(ML),36,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,37,資料符合常態、無遺漏值及例外值(Bentler & Chou, 1987
8、)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400500時，此法會變得過於敏感，而使得模式不適合。,樣本規模大小,38,SEM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
9、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,39,一階(初階)驗證式因素分析,40,二階(高階)驗證式因素分析,41,CFA模型設定的考量,42,以下這個又如何呢?,43,EFA V.S. CFA,44,一階有相關CFA模型v.s.二階CFA模型,45,一階CFA模型和EFA的比較,46,一階CFA模型(單一群組分析),47,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57個為最適宜。量表尺度儘量採6點以上量表,驗證各個構面
10、的有效性,48,驗證各個構面的有效性,49,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),50,一階驗證性因素模式(模式一),51,一階且有相關的驗證性因素(潛在變項間有相關)(模式二),52,二階驗證性因素模式(模式三),53,模式配適度分析結果,54,構念的組成信度(Composite Reliability, CR)(標準化因素負荷量)2/ (標準化因素負荷量)2+(各測量變項的測量誤差) (Jreskog and S
11、rbom , 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),Fornell and Larcker (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,55,平均變異數萃取量 (AVE)=(因素負荷量2)/(因素負荷量)2+(各測量變項的測量誤差) (Jreskog and Srbom , 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。Fornell and Larcker(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,56,57,Amos結構模型的建模分析,58,參考用書,59,參考用書,60,
