1 / 127

第十七章 結構方程模式的學習範例進階

第十七章 結構方程模式的學習範例進階. 17-1 範例 5 ：單一中介的模式 17-2 範例 6 ：多重中介的模式 17-3 範例 7 ：二階驗證性因素分析 (CFA). 17-1 範例 5 ：單一中介的模式. 　　在第十六章 結構方程模式的學習範例中，我們介紹了四個範例，接著我們繼續介紹三個學習範例，分別是範例 5 單一中介的模式，範例 6 多重中介的模式 和範例 7 二階驗證性因素分析 (CFA) 。. 17-1-1 單一中介的量測模式. MI1. MI2. CO1. MI3. MI. CO. SQ. CO2. CO3.

alina
Download Presentation

第十七章 結構方程模式的學習範例進階

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第十七章 結構方程模式的學習範例進階 • 17-1 範例 5：單一中介的模式 • 17-2 範例 6：多重中介的模式 • 17-3 範例 7：二階驗證性因素分析(CFA)

  2. 17-1 範例5 ：單一中介的模式 • 　　在第十六章 結構方程模式的學習範例中，我們介紹了四個範例，接著我們繼續介紹三個學習範例，分別是範例5 單一中介的模式，範例6 多重中介的模式 和範例7二階驗證性因素分析(CFA)。

  3. 17-1-1 單一中介的量測模式 MI1 MI2 CO1 MI3 MI CO SQ CO2 CO3 SQ1 SQ2 SQ1 • 　　在中介模式中，我們都成對的介紹量測模式和結構模式，量測模式的目的是為了取得量表的信度和效度，結構模式是在討論因果關係，例如研究模型為MI構面是由3個因素(MI1, MI2, MI3) 所組成，CO構面是由3個因素(CO1, CO2, CO3) 所組成SQ構面是由3個因素(SQ1, SQ2, SQ3) 所組成，如下圖：

  4. 我們執行量測模式的簡單步驟有三項，如下 MI1 LX(1,1) LX(2,1) MI2 CO1 LX(3,1) MI3 CO SQ MI CO2 LX(4,2) LX(5,2) CO3 LX(6,2) SQ1 LX(7,3) LX(8,3) SQ2 LX(9,3) SQ1 • 1. 畫出量測模式的圖示

  5. 2. 寫出量測模式的語法 TI CFA of MI CO SQ DA NI=17 NO=350 NG=1 MA=CM CM FI='C:\SEM\ex5\SEM.COV' SY LA MI1 MI2 MI3 CO1 CO2 CO3 SQ1 SQ2 SQ3 IQ1 IQ2 SV1 SV2 SV3 US1 US2 US3 SE 1 2 3 4 5 6 7 8 9 / MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR LK MI CO SQ FR LX(1,1) LX(2,1) LX(3,1) FR LX(4,2) LX(5,2) LX(6,2) FR LX(7,3) LX(8,3) LX(9,3) PD OU ME=ML SS SC IT=250

  6. 範例中的語法命令說明 • 第1個語法命令是 • TI CFA of MI CO SQ • TI 命令是用來設定 (TITLE)標題，我們可以用標題說明整個語法的目的。 • 第2個語法命令是 • DA NI=17 NO=350 NG=1 MA=CM • DA指令為DATA 資料，變數的數目為17(NI=17)與樣本數目為350 (NO=350)，MA=CM表示資料為共變數矩陣。 • 第3個語法命令是 • CM FI='C:\SEM\ex5\SEM.COV' SY • 用來說明資料之內容，CM表示為共變數矩陣，SY代表為對稱矩陣，FI指令說明檔案位置 (FI='C:\SEM\ex5\SEM.COV')。

  7. 第4個語法命令是 • LA • MI1 MI2 MI3 • CO1 CO2 CO3 • SQ1 SQ2 SQ3 • IQ1 IQ2 • SV1 SV2 SV3 • US1 US2 US3 • LA是指定變數標籤命令，MI1 MI2 MI3 CO1 CO2 CO3 SQ1 SQ2 SQ3 IQ1 IQ2 SV1 SV2 SV3 US1 US2 US3是我們的變數標籤名稱。 • 第5個語法命令是 • SE • 1 2 3 4 5 6 7 8 9 / • SE (Select) 選取變數，我們在量測模型(用於CFA)時，會順序選取變數，我們順序選取變數 1 2 3 4 5 6 7 8 9 最後加上 / 符號，代表停止選取。

  8. 第6個語法命令是 • MO NX=9 NK=3 LX=FU,FI PH=SY,FR TD=DI,FR • MO (MODEL)命令是用來設定模型，設定外衍測量變數為9(NX=9) • 　 ，因素個數(外衍潛在變數)有3個 (NK=3)，測量變數被潛在變數解釋之參數矩陣為完全矩陣且被固定 (LX=FU, FI)，測量變數之參數矩陣為對稱矩陣且被自由估計(PH=SY,FR)，測量變數被各因素解釋之誤差項共變矩陣為對角矩陣且被自由估計(TD=DI,FR)。 • 第7個語法命令是 • LK • MI CO SQ • LK命令是用來設定外衍潛在變數的名稱，我們設定為MI CO 和 SQ。

  9. 第8個語法命令是 • FR LX(1,1) LX(2,1) LX(3,1) • FR LX(4,2) LX(5,2) LX(6,2) • FR LX(7,3) LX(8,3) LX(9,3) • FR命令是用來自由估計參數，第一個測量變項(MI1)與第一個因素(MI)的因 素負荷量 LX (1,1)，第二個測量變項 (MI2) 與第一個因素 (MI)的因素負荷量 LX (2,1)，第三個測量變項(MI3)與第一個因素(MI)的因素負荷量 LX(3,1)，第四個測量變項(CO1)與第二個因素(CO)的因素負荷量 LX(4,2)，第五個測量變項(CO2)與第二個因素(CO)的因素負荷量 LX(5,2)，第六個測量變項(CO 3)與第二個因素(CO)的因素負荷量 LX(6,2) ，第七個測量變項 (SQ1) 與第三個因素(SQ)的因素負荷量 LX(7,3)，第八個測量變項(SQ2)與三個因素(SQ)的因素負荷量 LX(8,3)，第九個測量變項(SQ3 )與第三個因素(SQ)的因素負荷量 LX(9,3)。

  10. 第9個語法命令是 • PD • PD命令是用來要求畫出路徑圖 (Path Diagram)。 • 第10個語法命令是 • OU ME=ML SS SC IT=250 • OU命令是用來指定輸出，ME=ML(maximum likelihood) 方法為最大概似法，標準化參數估計解 (SS)與參數估計解完全標準化 (SC)，IT= 250是疊代次數為250次。

  11. 3. 執行出量測模式的結果 • 執行我們研究模式的操作步驟如下： • 1. 開啟 LISREL 軟體，出現圖如下：

  12. 2. 按 File  New ，選擇 LISREL Project ，輸入檔名 CFAex5 ，按存檔再輸入研究模式的語法，如下圖：

  13. 3. 按 Run LISREL ，出現圖如下：

  14. 4. 按 CTRL+F ，出現適配度結果如下圖：

  15. Degrees of Freedom = 24 Minimum Fit Function Chi-Square = 36.73 (P = 0.047) Normal Theory Weighted Least Squares Chi-Square = 35.47 (P = 0.062) Estimated Non-centrality Parameter (NCP) = 11.47 90 Percent Confidence Interval for NCP = (0.0 ; 31.51) Minimum Fit Function Value = 0.11 Population Discrepancy Function Value (F0) = 0.033 90 Percent Confidence Interval for F0 = (0.0 ; 0.090) Root Mean Square Error of Approximation (RMSEA) = 0.037 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.061) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.79 Expected Cross-Validation Index (ECVI) = 0.22 90 Percent Confidence Interval for ECVI = (0.19 ; 0.28) ECVI for Saturated Model = 0.26 ECVI for Independence Model = 5.88 Chi-Square for Independence Model with 36 Degrees of Freedom = 2033.88 Independence AIC = 2051.88 Model AIC = 77.47 Saturated AIC = 90.00 Independence CAIC = 2095.60 Model CAIC = 179.49 Saturated CAIC = 308.61 Normed Fit Index (NFI) = 0.98 Non-Normed Fit Index (NNFI) = 0.99 Parsimony Normed Fit Index (PNFI) = 0.65 Comparative Fit Index (CFI) = 0.99 Incremental Fit Index (IFI) = 0.99 Relative Fit Index (RFI) = 0.97 Critical N (CN) = 409.39 Root Mean Square Residual (RMR) = 0.027 Standardized RMR = 0.032 Goodness of Fit Index (GFI) = 0.98 Adjusted Goodness of Fit Index (AGFI) = 0.96 Parsimony Goodness of Fit Index (PGFI) = 0.52 我們關掉路徑圖後，可以看到輸出報表 CFAex5.OUT

  16. 說明：各測量變項與潛在變項的多元相關平方(Squared Multiple Correlations for X - Variables)。 • Goodness of Fit Statistics • Degrees of Freedom = 24 • Minimum Fit Function Chi-Square = 36.73 (P = 0.047) • Normal Theory Weighted Least Squares Chi-Square = 35.47 (P = 0.062) • Estimated Non-centrality Parameter (NCP) = 11.47 • 90 Percent Confidence Interval for NCP = (0.0 ; 31.51) • Minimum Fit Function Value = 0.11 • Population Discrepancy Function Value (F0) = 0.033 • 90 Percent Confidence Interval for F0 = (0.0 ; 0.090) • Root Mean Square Error of Approximation (RMSEA) = 0.037 • 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.061) • P-Value for Test of Close Fit (RMSEA < 0.05) = 0.79 • Expected Cross-Validation Index (ECVI) = 0.22 • 90 Percent Confidence Interval for ECVI = (0.19 ; 0.28) • ECVI for Saturated Model = 0.26 • ECVI for Independence Model = 5.88 • Chi-Square for Independence Model with 36 Degrees of Freedom = 2033.88 • Independence AIC = 2051.88 • Model AIC = 77.47 • Saturated AIC = 90.00 • Independence CAIC = 2095.60 • Model CAIC = 179.49 • Saturated CAIC = 308.61 • Normed Fit Index (NFI) = 0.98 • Non-Normed Fit Index (NNFI) = 0.99 • Parsimony Normed Fit Index (PNFI) = 0.65 • Comparative Fit Index (CFI) = 0.99 • Incremental Fit Index (IFI) = 0.99 • Relative Fit Index (RFI) = 0.97 • Critical N (CN) = 409.39 • Root Mean Square Residual (RMR) = 0.027 • Standardized RMR = 0.032 • Goodness of Fit Index (GFI) = 0.98 • Adjusted Goodness of Fit Index (AGFI) = 0.96 • Parsimony Goodness of Fit Index (PGFI) = 0.52

  17. 說明： • Goodness of Fit Statistics (適配度統計分析)，常用各的指標理想建議值，是根據以下學者的建議：Hayduk(1987)認為/ d.f.小於3，可視為良好之配適，其他學者認為其值小於5 即可接受 (Bollen 1989; Hair et al.1998)。Gefen et al. (2000) 及Hair et al. (1998) 的建議，若GFI, NFI, IFI, CFI指標大於0.90，AGFI指標大於0.8，被認為提供可接受的模型適合度。此外，Hu & Benteler 主張CFI和RMSEA兩個指標都須報告在論文中，其中RMSEA指標，當研究者想去估計統計檢定力時特別適合，Bagozzi&Yi (1988)提出RMSEA指標的理想值小於0.05是可接受的，其他學者Browne & Cudek(1993)和Jarvenpaa et al.(2000)皆指出RMSEA之理想值小於0.08即可接受。

  18. 我們整理量測模式的適配度 (Goodness-of-Fit) 指標值，理想數值，建議的學者，本模式的數值如下：

  19. 本研究的信度 • 　　在結構方程模式(SEM)的驗證性因素分析中，每個構面的信度，需要大於 0.7 水準，是由標準化因素負荷量總和的平方，加上測量誤差之總和後，除以標準化因素負荷量總和的平方，數學式如下： • 構面信度 =

  20. 本研究的模式如下： MI1 0.81 0.90 MI2 CO1 0.86 MI3 MI CO SQ CO2 0.69 0.78 CO3 0.77 SQ1 0.75 0.74 SQ2 0.73 SQ1

  21. MI構面 • 標準化因素負荷量的總和 = 0.81 + 0.9 + 0.86 = 2.57 • 測量誤差的總和 = 0.32+0.29+0.29= 0.9 • 構面信度 == 0.88 • CO構面 • 標準化因素負荷量的總和 = 0.69 + 0.78 + 0.77 = 2.24 • 測量誤差的總和 = 0.24+0.12+0.2= 0.56 • 構面信度 = = 0.9

  22. SQ構面 • 標準化因素負荷量的總和 = 0.75 + 0.74 + 0.73 = 2.22 • 測量誤差的總和 = 0.15 + 0.16 + 0.2 = 0.51 • 構面信度 = = 0.91 • SEM的效度 • SEM的效度指的就是CFA驗證性因素分析的效度。用來判定效度的方式是平均變異萃取開根號後的值大於構面的相關係數。 變異萃取是代表構面的解釋量，需要大於 0.5 水準，構面的變異萃取是由標準化因素負荷平方後的總和再加上測量誤差的總和，再除以標準化因素負荷平方後的總和，數學式如下： • 變異萃取：

  23. MI構面變異萃取 • 標準化因素負荷平方後的總和 = (0.81)+ (0.90)+(0.86) • = 2.2057 • 測量誤差之總和 = 0.32 + 0.29 + 0.29 = 0.9 • 變異萃取 = = 0.71 • 平均的變異萃取 =

  24. 查看報表結果： • Squared Multiple Correlations for X - Variables • MI1 MI2 MI3 CO1 CO2 CO3 • -------- -------- -------- -------- -------- -------- • 0.67 0.73 0.72 0.67 0.83 0.74 • Squared Multiple Correlations for X - Variables • SQ1 SQ2 SQ3 • -------- -------- -------- • 0.79 0.78 0.72 • 平均的變異萃取 = == 0.71

  25. CO構面變異萃取 • 標準化因素負荷平方後的總和 = (0.69) + (0.78) + (0.77) • = 1.6774 • 測量誤差之總和 = 0.23+0.13+0.2= 0.56 • 變異萃取 == 0.75 • 平均的變異萃取 =

  26. 查看報表結果： • Squared Multiple Correlations for X - Variables • MI1 MI2 MI3 CO1 CO2 CO3 • -------- -------- -------- -------- -------- -------- • 0.67 0.73 0.72 0.67 0.83 0.74 • Squared Multiple Correlations for X - Variables • SQ1 SQ2 SQ3 • -------- -------- -------- • 0.79 0.78 0.72 • 平均的變異萃取 == = 0.75

  27. SQ構面變異萃取 • 標準化因素負荷平方後的總和 = (0.75) + (0.74) + (0.73) • = 1.643 • 測量誤差之總和= 0.15 + 0.16 + 0.2 = 0.51 • 變異萃取 == 0.76 • 平均的變異萃取 =

  28. 查看報表結果： • Squared Multiple Correlations for X - Variables • MI1 MI2 MI3 CO1 CO2 CO3 • -------- -------- -------- -------- -------- -------- • 0.67 0.73 0.72 0.67 0.83 0.74 • Squared Multiple Correlations for X - Variables • SQ1 SQ2 SQ3 • -------- -------- -------- • 0.79 0.78 0.72 • 平均的變異萃取 === 0.76

  29. 構面的相關係數是經由查報表結果的PHI矩陣如下構面的相關係數是經由查報表結果的PHI矩陣如下 • PHI • MI CO SQ • -------- -------- -------- • MI 1.00 • CO 0.35 1.00 • (0.05) • 6.54 • SQ 0.25 0.48 1.00 • (0.06) (0.05) • 4.37 10.20

  30. 各個構面平均變異萃取開根號後的值如下： • 1. MI平均的變異萃取 = 0.71，開根號後 =0.84 • 2. CO平均的變異萃取 = 0.75，開根號後 =0.87 • 3. SQ平均的變異萃取 = 0.76，開根號後 =0.87 • 置換 PHI矩陣對角線的值如下： • MI CO SQ • -------- -------- -------- • MI 0.84 • CO 0.35 0.87 • SQ 0.25 0.48 0.87 • 　　各個構面平均變異萃取開根號後的值(向左和向下)大於構面的相關係數就表示各個構面之間有良好的區別效度。

  31. 17-1-2 單一中介的結構模式 SQ1 MI1 SQ2 MI2 MI SQ3 MI3 CO1 CO2 CO3 SQ CO • 　　單一中介的結構研究模型為，MI構面是由3個因素(MI1, MI2, MI3) 所組成，CO構面是由3個因素(CO1, CO2, CO3) 所組成SQ構面是由3個因素(SQ1, SQ2, SQ3) 所組成，如下圖：

  32. 我們結構模式的簡單步驟有三項，如下 SQ1 SQ2 MI SQ3 MI1 LY(1,1) CO SQ LY(2,1) MI2 LY(3,1) LX(1,1) GA(1,1) MI3 B(2,1) LX(2,1) LY(4,2) CO1 LY(5,2) LX(3,1) CO2 LY(6,2) CO3 • 1. 畫出結構模式的圖示

  33. 2. 寫出結構模式的語法 TI MI-> CO -> SQ DA NI=17 NO=350 NG=1 MA=CM CM FI='C:\SEM\ex5\SEM.COV' SY LA MI1 MI2 MI3 CO1 CO2 CO3 SQ1 SQ2 SQ3 SE 4 5 6 7 8 9 1 2 3 / MO NX=3 NY=6 NK=1 NE=2 LX=FU,FI LY=FU,FI GA=FU,FI BE=FU,FI LE CO SQ LK MI FR LX(1,1) LX(2,1) LX(3,1) FR LY(1,1) LY(2,1) LY(3,1) FR LY(4,2) LY(5,2) LY(6,2) FR GA(1,1) FR BE(2,1) PD OU ME=ML SS SC IT=250

  34. 範例中的語法命令說明 • 第1個語法命令是 • TI MI-> CO -> SQ • TI 命令是用來設定 (TITLE)標題，我們可以用標題說明整個語法的目的。 • 第2個語法命令是 • DA NI=17 NO=350 NG=1 MA=CM • DA指令為DATA 資料，變數的數目為17(NI=17)與樣本數目為350 (NO=350)，MA=CM表示資料為共變數矩陣。 • 第3個語法命令是 • CM FI='C:\SEM\ex2\SEM.COV' SY • 用來說明資料之內容，CM表示為共變數矩陣，SY代表為對稱矩陣，FI指令說明檔案位置 (FI='C:\SEM\ex2\SEM.COV')。

  35. 第4個語法命令是 • LA • MI1 MI2 MI3 • CO1 CO2 CO3 • SQ1 SQ2 SQ3 • IQ1 IQ2 • SV1 SV2 SV3 • US1 US2 US3 • LA是指定變數標籤命令，MI1 MI2 MI3 CO1 CO2 CO3 SQ1 SQ2 SQ3 IQ1 IQ2 SV1 SV2 SV3 US1 US2 US3 是我們的變數標籤名稱。 • 第5個語法命令是 • SE • 4 5 6 7 8 9 1 2 3 / • SE (Select) 選取變數，我們在在結構模型(用於因果關係)時，需要先選取 Y變數，再選取 X變數，我們先選取 Y變數 4 5 6 7 8 9，再選取 X變數 1 2 3最後加上 / 符號，代表停止選取。

  36. 第6個語法命令是 • MO NX=3 NY=6 NK=1 NE=2 LX=FU,FI LY=FU,FI GA=FU,FI BE=FU,FI • MO (MODEL)命令是用來設定模型，設定外衍測量變數為3 (NX=3) ，設定內衍測量變數為6 (NY=6)，因素個數(外衍潛在變數)有1個 (NK=1)，因素個數(內衍潛在變數)有2個 (NE=2)，測量變數被潛在變數解釋之參數矩陣為完全矩陣且被固定 (LY=FU, FI)，測量變數被潛在變數解釋之參數矩陣為完全矩陣且被固定 (LX=FU, FI)，內衍潛在變數被外衍潛在變數解釋之參數矩陣為完全矩陣而且為固定 (GA=FU,FI) ，內衍潛在變數被內衍潛在變數解釋之參數矩陣為完全矩陣而且為固定 (GA=FU,FI)。 • 第7個語法命令是 • LE • CO SQ • LE命令是潛在內衍變數標籤，有 CO SQ。 • 第8個語法命令是 • LK • MI • LK命令是潛在外衍變數標籤，有 MI。

  37. 第9個語法命令是 • FR LX(1,1) LX(2,1) LX(3,1) • FR LY(1,1) LY(2,1) LY(3,1) • FR GA(1,1) • FR LX(1,1) LX(2,1) LX(3,1) • FR LY(1,1) LY(2,1) LY(3,1) • FR LY(4,2) LY(5,2) LY(6,2) • FR GA(1,1) • FR BE(2,1) • FR命令是用來自由估計參數，第一個測量變項(MI1)與第一個因素(MI)的因素負荷量 LX (1,1)，第二個測量變項 (MI2) 與第一個因素 (MI)的因素負荷 量 LX (2,1)，第三個測量變項(MI3)與第一個因素(MI)的因素負荷量LX(3,1) 。第一個測量變項(CO1)與第一個因素(CO)的因素負荷量 LY (1,1)，第二個測量變項 (CO 2) 與第一個因素 (CO)的因素負荷量 LY (2,1)，第三個測量變項(CO3)與第一個因素(CO)的因素負荷量 LY(3,1)，第四個測量變項(SQ1)與第二個因素(SQ)的因素負荷量 LY (4,2)，第五個測量變項 (SQ 2) 與第二個因素 (SQ)的因素負荷量 LY (5,2)，第六個測量變項(SQ 3)與第二個因素(SQ)的因素負荷量 LY(6,2)。第一個內衍潛在變數(CO)與第一個外衍潛在變數(MI)的路徑係數 GA(1,1)。第二個內衍潛在變數(SQ) 與第一個內衍潛在變數(CO)的路徑係數 BE(2,1)。

  38. 第10個語法命令是 • PD • PD命令是用來要求畫出路徑圖 (Path Diagram)。 • 第11個語法命令是 • OU ME=ML SS SC IT=250 • OU命令是用來指定輸出，ME=ML(maximum likelihood) 方法為最大概似法，標準化參數估計解 (SS)與參數估計解完全標準化 (SC)， IT= 250是疊代次數為250次。

  39. 3. 執行結構模式的結果 • 執行我們研究模式的操作步驟如下： • 1. 開啟 LISREL 軟體，出現圖如下：

  40. 2. 按 File  New ，選擇 LISREL Project ，輸入檔名 STRex5 ，按 • 　 存檔再輸入研究模式的語法，如下圖：

  41. 3. 按 Run LISREL ，出現圖如下：

  42. 4. 按 CTRL+F ，出現適配度結果如下圖：

  43. Degrees of Freedom = 25 Minimum Fit Function Chi-Square = 39.20 (P = 0.035) Normal Theory Weighted Least Squares Chi-Square = 38.07 (P = 0.046) Estimated Non-centrality Parameter (NCP) = 13.07 90 Percent Confidence Interval for NCP = (0.28 ; 33.79) Minimum Fit Function Value = 0.11 Population Discrepancy Function Value (F0) = 0.037 90 Percent Confidence Interval for F0 = (0.00079 ; 0.097) Root Mean Square Error of Approximation (RMSEA) = 0.039 90 Percent Confidence Interval for RMSEA = (0.0056 ; 0.062) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.76 Expected Cross-Validation Index (ECVI) = 0.22 90 Percent Confidence Interval for ECVI = (0.19 ; 0.28) ECVI for Saturated Model = 0.26 ECVI for Independence Model = 5.88 Chi-Square for Independence Model with 36 Degrees of Freedom = 2033.88 Independence AIC = 2051.88 Model AIC = 78.07 Saturated AIC = 90.00 Independence CAIC = 2095.60 Model CAIC = 175.23 Saturated CAIC = 308.61 Normed Fit Index (NFI) = 0.98 Non-Normed Fit Index (NNFI) = 0.99 Parsimony Normed Fit Index (PNFI) = 0.68 Comparative Fit Index (CFI) = 0.99 Incremental Fit Index (IFI) = 0.99 Relative Fit Index (RFI) = 0.97 Critical N (CN) = 395.57 Root Mean Square Residual (RMR) = 0.036 Standardized RMR = 0.043 Goodness of Fit Index (GFI) = 0.98 Adjusted Goodness of Fit Index (AGFI) = 0.96 Parsimony Goodness of Fit Index (PGFI) = 0.54 我們關掉路徑圖後，可以看到輸出報表

  44. BETA • CO SQ • -------- -------- • CO - - - - • SQ 0.48 - - • (0.06) • 8.40 • 說明：BETA 為路徑係數，從 CO 到SQ的路徑係數，此為估計量 • (非標準化數值)、標準誤差與統計顯著性(t值)，t值絕對值若 • 　　　超過1.96即可視為顯著，CO 到SQ 的路徑係數估計值為 .48 • 　　　，標準誤為 .06，t值為 8.40，大於1.96，達到顯著水準。

  45. GAMMA • MI • -------- • CO0.35 • (0.06) • 5.95 • SQ - - • 說明：GAMMA 為路徑係數，從 MI 到CO 的路徑係數，此為估計量 • (非標準化數值)、標準誤差與統計顯著性(t值)，t值絕對值若 • 　　　超過1.96即可視為顯著，MI 到CO 的路徑係數估計值為 .35 • 　　　，標準誤為 .06，t值為 5.95，大於1.96，達到顯著水準。

  46. Squared Multiple Correlations for Structural Equations • CO SQ • -------- -------- • 0.12 0.23 • 說明： MI 對 CO 的解釋力 0.12，CO 對SQ 的解釋力 0.23，類似 • 　　　於 R 功能。

  47. Goodness of Fit Statistics Degrees of Freedom = 25 Minimum Fit Function Chi-Square = 39.20 (P = 0.035) Normal Theory Weighted Least Squares Chi-Square = 38.07 (P = 0.046) Estimated Non-centrality Parameter (NCP) = 13.07 90 Percent Confidence Interval for NCP = (0.28 ; 33.79) Minimum Fit Function Value = 0.11 Population Discrepancy Function Value (F0) = 0.037 90 Percent Confidence Interval for F0 = (0.00079 ; 0.097) Root Mean Square Error of Approximation (RMSEA) = 0.039 90 Percent Confidence Interval for RMSEA = (0.0056 ; 0.062) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.76 Expected Cross-Validation Index (ECVI) = 0.22 90 Percent Confidence Interval for ECVI = (0.19 ; 0.28) ECVI for Saturated Model = 0.26 ECVI for Independence Model = 5.88 Chi-Square for Independence Model with 36 Degrees of Freedom = 2033.88 Independence AIC = 2051.88 Model AIC = 78.07 Saturated AIC = 90.00 Independence CAIC = 2095.60 Model CAIC = 175.23 Saturated CAIC = 308.61 Normed Fit Index (NFI) = 0.98 Non-Normed Fit Index (NNFI) = 0.99 Parsimony Normed Fit Index (PNFI) = 0.68 Comparative Fit Index (CFI) = 0.99 Incremental Fit Index (IFI) = 0.99 Relative Fit Index (RFI) = 0.97 Critical N (CN) = 395.57 Root Mean Square Residual (RMR) = 0.036 Standardized RMR = 0.043 Goodness of Fit Index (GFI) = 0.98 Adjusted Goodness of Fit Index (AGFI) = 0.96 Parsimony Goodness of Fit Index (PGFI) = 0.54

  48. 說明： • Goodness of Fit Statistics (適配度統計分析)，常用各的指標理想建議值，是根據以下學者的建議：Hayduk(1987)認為/ d.f.小於3，可視為良好之配適，其他學者認為其值小於5 即可接受 (Bollen 1989; Hair et al.1998)。Gefen et al. (2000) 及Hair et al. (1998) 的建議，若GFI, NFI, IFI, CFI指標大於0.90，AGFI指標大於0.8，被認為提供可接受的模型適合度。此外，Hu & Benteler 主張CFI和RMSEA兩個指標都須報告在論文中，其中RMSEA指標，當研究者想去估計統計檢定力時特別適合，Bagozzi&Yi (1988)提出RMSEA指標的理想值小於0.05是可接受的，其他學者Browne & Cudek(1993)和Jarvenpaa et al.(2000)皆指出RMSEA之理想值小於0.08即可接受。

  49. 我們整理適配度 (Goodness-of-Fit) 指標值，理想數值，建議的學者，本模式的數值如下：

  50. BETA • CO SQ • -------- -------- • CO - - - - • SQ 0.48 - - • 說明：BETA 為標準化路徑係數，從 CO 到 SQ 的標準化路徑係數 • 　　　值為 .48。 • GAMMA • MI • -------- • CO 0.35 • SQ - - • 說明：GAMMA 為標準化路徑係數，從 MI 到CO 的標準化路徑係數 • 　　　值為 .35。

More Related