結(jié)構(gòu)方程模型在

學(xué)術(shù)研究的應(yīng)用

/sundae_meng/sundae_meng探索式因素分析vs.驗(yàn)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(shù)量的潛在因素被萃取出來。F1e1F2e2e3e4e5e6x1x2x3x4x5x6CharlesSpearman

/sundae_meng驗(yàn)證式因素分析CFA需要研究人員事先指定預(yù)期的結(jié)果因素的個(gè)數(shù)每個(gè)因素所反應(yīng)的變數(shù)(指標(biāo))因素之間是否相關(guān)F1e1F2e2e3e4e5e6x1x2x3x4x5x611KarlJoreskog/sundae_mengSEM分析流程SEM的基本原理結(jié)構(gòu)模式與測量模式驗(yàn)證各個(gè)構(gòu)面的有效性驗(yàn)證式因素分析(CFA模式)構(gòu)面組成信度與變異數(shù)萃取量的計(jì)算結(jié)構(gòu)方程模型於學(xué)術(shù)上的應(yīng)用大綱/sundae_mengSEM基本流程理論模型建構(gòu)衡量工具資料蒐集模型測試結(jié)果解釋/sundae_meng理論模型建構(gòu)衡量工具資料蒐集模型測試結(jié)果解釋SEM具有理論先驗(yàn)的特性，SEM模型建立需經(jīng)過觀念釐清、文獻(xiàn)回顧與推導(dǎo)。以驗(yàn)證理論為主。/sundae_meng理論模型建構(gòu)衡量工具資料蒐集模型測試結(jié)果解釋根據(jù)理論的基礎(chǔ)及研究人員個(gè)人的知識與經(jīng)驗(yàn)，建立SEM分析路徑圖。/sundae_meng理論模型建構(gòu)衡量工具資料蒐集模型測試結(jié)果解釋橫斷面資料通常採問卷設(shè)計(jì)調(diào)查。次級資料?？v斷面資料時(shí)間序列調(diào)查重複量數(shù)實(shí)驗(yàn)設(shè)計(jì)/sundae_meng理論模型建構(gòu)衡量工具資料蒐集模型測試結(jié)果解釋簡單隨機(jī)抽樣/sundae_meng理論模型建構(gòu)衡量工具資料蒐集模型測試結(jié)果解釋樣本規(guī)模大小遺漏值處理常態(tài)及例外值檢定模型估計(jì)CFASEM模型信度模型配適度模型修正/sundae_meng理論模型建構(gòu)衡量工具資料蒐集模型測試結(jié)果解釋模型配適度不差是報(bào)告結(jié)果的必要條件之一。/sundae_meng理論模型建構(gòu)衡量工具資料蒐集模型測試結(jié)果解釋與理論假設(shè)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(jié)構(gòu)方程式模型分析法是種以迴歸為基礎(chǔ)的多變量技術(shù)，並結(jié)合路徑分析及因素分析，屬於驗(yàn)證性實(shí)證研究的資料分析法，能同時(shí)處理多組變項(xiàng)間的關(guān)係，其目的在探究變數(shù)間的因果關(guān)係以驗(yàn)證理論，故又可稱為因果模式分析技術(shù)。因此，在使用驗(yàn)證性研究方法時(shí)，研究者所提的研究模式必須具有理論基礎(chǔ)，由理論來引導(dǎo)。SEM的基本原理/sundae_meng變項(xiàng)與符號意義關(guān)係類型XYXYXY1Y2XY

Y1Y2Y3Y1潛在變項(xiàng)觀察變項(xiàng)相關(guān)(共變)單向因果關(guān)係單向因果關(guān)係

回溯因果關(guān)係non-recursive

循環(huán)因果關(guān)係

(feedback)又稱為因子(factor)可以是X或YX與Y為共變關(guān)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(shù)X與Y互為直接效果,X與Y具有回饋循環(huán)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(huán)效果/sundae_mengSEM分析常用的軟體AmosLISRELEQSMplusSASCalisSepathMXx1x2F1F3y1y2e7Lx1D3e9Lx2Ly1Ly2x4x5y4y5e10Lx3D4e12Lx4Ly4Ly5F2F4cov２１b41b42b43b31x3x6y3y6e1e2e3e4e5e6e8Ly3Ly6e11Lx5Lx6/sundae_mengSEM的類別路徑分析模型驗(yàn)證式因素分析模型結(jié)構(gòu)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(guān)兩個(gè)變數(shù)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(yàn)證式因素分析模型潛在變數(shù)之間的相關(guān)及驗(yàn)證觀察變數(shù)是否能被潛在變數(shù)所解釋，亦即觀察變數(shù)是否真能反應(yīng)該構(gòu)面的真實(shí)情形。covx1x2x3滿意度e１Lx1e２e３Lx2Lx3x4x5x6忠誠度e4Lx4e5e6Lx5Lx6/sundae_meng結(jié)構(gòu)迴歸模型為CFA的組合，假設(shè)構(gòu)面之間影響關(guān)係的解釋而不是構(gòu)面相關(guān)，主要做為理論的驗(yàn)證。顧客期望知覺價(jià)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(xiàng)因素負(fù)荷量外生潛在變項(xiàng)結(jié)構(gòu)參數(shù)內(nèi)生潛在變項(xiàng)因素負(fù)荷量內(nèi)生觀察變項(xiàng)結(jié)構(gòu)模式測量(CFA)模式測量殘差Lx2Lx3Ly1Ly2Ly3測量(CFA)模式結(jié)構(gòu)模式與測量模式/sundae_meng結(jié)構(gòu)模式與測量模式完整的SEM模型參數(shù)圖示/sundae_meng所有獨(dú)立變數(shù)的變異數(shù)均是模型的參數(shù)所有外生變數(shù)之間的共變異數(shù)都均是模型的參數(shù)所有與潛在變項(xiàng)有關(guān)的因素負(fù)荷量均是模型的參數(shù)所有測量變項(xiàng)之間或潛在變項(xiàng)之間的迴歸係數(shù)都是模型的參數(shù)與內(nèi)生變項(xiàng)有關(guān)的量數(shù)都不是模型的參數(shù)對每一個(gè)潛在變項(xiàng)，必須給定一個(gè)適當(dāng)?shù)臐撛诹砍逽EM參數(shù)設(shè)定原則

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

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

迴歸係數(shù)都是模型的參數(shù)/sundae_meng因變數(shù)之間與自變數(shù)與因變數(shù)之間的共變異數(shù)都不是模型的參數(shù)/sundae_meng潛在變項(xiàng)與一般量測變項(xiàng)最大的不同在其「不可直接量測」的特性，因此潛在變項(xiàng)缺乏一個(gè)自然存在的尺度，而必須以人為的手段設(shè)定尺度SEM最常使用的方法是將「外生潛在變項(xiàng)」變異數(shù)設(shè)為1;或?qū)撛谧冺?xiàng)其中的一個(gè)「測量變項(xiàng)與潛在變項(xiàng)」的因素負(fù)荷量設(shè)為1。兩種方法結(jié)果一樣，若目的為理論驗(yàn)證，採第二種方法較為適宜。SEM參數(shù)設(shè)定原則-第6原則探討D１x1x2滿意度y1y2e１e3L1e4e２L21L4W1忠誠度標(biāo)準(zhǔn)化設(shè)定未標(biāo)準(zhǔn)化設(shè)定/sundae_mengSEM的重要矩陣S矩陣樣本共變異數(shù)矩陣調(diào)查的資料Σ(θ)矩陣模型再製(預(yù)測)矩陣

(modelimpliedcovariances)殘差共變異數(shù)矩陣S－Σ

(θ)(SEM的H0假設(shè))/sundae_meng估計(jì)方法

(ML,ADF,WLS,ULS)CFA的目的是用來估計(jì)測量模型

(因素負(fù)荷量、因素變異數(shù)及共變異數(shù)、誤差項(xiàng)共變異數(shù))。運(yùn)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(yùn)算停止的兩個(gè)充份條件達(dá)到電腦預(yù)計(jì)的疊代次數(shù)，如25次模式收斂完成，亦即達(dá)到電腦預(yù)設(shè)標(biāo)準(zhǔn)/sundae_meng疊代到底是蝦米碗榚呢?樣本矩陣S模型預(yù)測矩陣Σ估計(jì)方法(ML)/sundae_meng資料型態(tài)原始資料

(raw：subjects；column：variables)共變異數(shù)矩陣相關(guān)矩陣含平均數(shù)、標(biāo)準(zhǔn)差/sundae_meng資料符合常態(tài)、無遺漏值及例外值(Bentler&Chou,1987)下，樣本比例最小為估計(jì)參數(shù)的5倍，10倍則更為適當(dāng)。當(dāng)原始資料違反常態(tài)性假設(shè)時(shí)，樣本比例應(yīng)提升為估計(jì)參數(shù)的15倍。以ML法評估，Loehlin(1992)建議樣本數(shù)至少為100，200較為適當(dāng)。當(dāng)樣本數(shù)為400~500時(shí)，此法會變得過於敏感，而使得模式不適合。樣本規(guī)模大小/sundae_mengSEM實(shí)務(wù)上的基本要求模型中潛在因素至少應(yīng)為兩個(gè)(Bollen,1989)量表最好為七點(diǎn)尺度(Bollen,1989)每個(gè)潛在構(gòu)面至少要有三個(gè)題目，

五~七題為佳(Bollen,1989)每一指標(biāo)不得橫跨到其它潛在因素上

(Bollen,1989)問卷最好引用自知名學(xué)者，儘量不要自己創(chuàng)造理論架構(gòu)要根據(jù)學(xué)者提出的理論作修正模型主要構(gòu)面維持在5個(gè)以內(nèi)，不要超過7個(gè)/sundae_meng一階(初階)驗(yàn)證式因素分析F1e1F2e2e3e4e5e6x1x2x3x4x5x611/sundae_meng二階(高階)驗(yàn)證式因素分析F1e1F2e2e3e4e5e6x1x2x3x4x5x611F31/sundae_mengCFA模型設(shè)定的考量/sundae_meng以下這個(gè)又如何呢?/sundae_mengEFAV.S.CFAEFACFA探索式(data-driven)驗(yàn)證式(theory-driven)因素個(gè)數(shù)由資料決定因素個(gè)數(shù)由研究者指定問卷設(shè)計(jì)的前端問卷應(yīng)用的後端PCA是常用的估計(jì)法ML法是常用的估計(jì)法不考慮共線性問題考慮模型配適度只提供標(biāo)準(zhǔn)化結(jié)果提供標(biāo)準(zhǔn)及非標(biāo)準(zhǔn)化結(jié)果沒有l(wèi)oading顯著性報(bào)告有l(wèi)oading顯著性報(bào)告EFA無法做額外的設(shè)定CFA模型設(shè)定有彈性無法執(zhí)行跨群組比較可執(zhí)行跨群組(時(shí)間)的比較/sundae_meng一階有相關(guān)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(fù)荷量小於0.7的題項(xiàng)。一個(gè)構(gòu)念最少為一個(gè)變數(shù)，且需由研究者提出可信度的評估，兩個(gè)變數(shù)亦同。一個(gè)構(gòu)念3個(gè)變數(shù)是較可接受的。對於一個(gè)構(gòu)念使用多少變數(shù)

並無上限，實(shí)務(wù)上應(yīng)用以

5~7個(gè)為最適宜。量表尺度儘量採6點(diǎn)以上量表驗(yàn)證各個(gè)構(gòu)面的有效性/sundae_meng驗(yàn)證各個(gè)構(gòu)面的有效性/sundae_meng模式1為單一因素的一階驗(yàn)證性因素模式模式2為一階且有相關(guān)的驗(yàn)證性因素(潛在變項(xiàng)間有相關(guān))模式，為驗(yàn)證性因素分析的一般模式，

又稱為驗(yàn)證性因素分析的

多因素模式模式3為二階驗(yàn)證性

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

(潛在變項(xiàng)間有相關(guān))(模式二)/sundae_meng二階驗(yàn)證性因素模式(模式三)/sundae_meng模式配適度分析結(jié)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(guān))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(gòu)念的組成信度(CompositeReliability,CR)＝

(Σ標(biāo)準(zhǔn)化因素負(fù)荷量)2/

((Σ標(biāo)準(zhǔn)化因素負(fù)荷量)2+(Σ各測量變項(xiàng)的測量誤差))

(J?reskogandS?rbom,1996)。CR值是其所有測量變項(xiàng)信度的組成，表示構(gòu)念指標(biāo)的內(nèi)部一致性，信度愈高顯示這些指標(biāo)的內(nèi)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(gòu)面組成信度與變異數(shù)萃取量的計(jì)算/sundae_meng平均變異數(shù)萃取量(AVE)=

Σ(因素負(fù)荷量2)/((Σ因素負(fù)荷量)2+

(Σ各測量變項(xiàng)的測量誤差))

(J?reskogandS?rbom,1996)

AVE是計(jì)算潛在變項(xiàng)之各測量變數(shù)對該潛在變項(xiàng)的變異解釋力，若AVE愈高，則表示潛在變項(xiàng)有愈高的信度與收斂效度。

FornellandLarcker(1981)建議其標(biāo)準(zhǔn)值須大於0.5。構(gòu)面組成信度與變異數(shù)萃取量的計(jì)算/sundae_meng觀察指標(biāo)潛在指標(biāo)研究變數(shù)因素負(fù)荷量R2t