第十七章 結構方程模式的學習範例進階
Download
1 / 127

???? ????????????? - PowerPoint PPT Presentation


  • 138 Views
  • Uploaded on

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.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about '???? ?????????????' - alina


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Slide1 l.jpg
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 5 l.jpg
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 l.jpg
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:


Slide4 l.jpg
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


Slide5 l.jpg
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


Slide6 l.jpg
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')。


Slide7 l.jpg

  • 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。


Slide8 l.jpg

  • 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。


Slide9 l.jpg

  • 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)。


Slide10 l.jpg

  • 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。


Slide11 l.jpg
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:


Slide12 l.jpg

  • 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:


Slide13 l.jpg

  • 3. 按 Run LISREL ,出現圖如下:


Slide14 l.jpg

  • 4. 按 CTRL+F ,出現適配度結果如下圖:


Slide15 l.jpg

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


Squared multiple correlations for x variables l.jpg
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


Slide17 l.jpg
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。


Goodness of fit l.jpg
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:


Slide19 l.jpg
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 =


Slide20 l.jpg
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


Slide21 l.jpg

  • 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


Slide22 l.jpg

  • 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:


Slide23 l.jpg

  • 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 =


Slide24 l.jpg
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


Slide25 l.jpg

  • 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 =


Slide26 l.jpg
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


Slide27 l.jpg

  • 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 =


Slide28 l.jpg
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


Slide29 l.jpg
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


Slide30 l.jpg
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。


17 1 2 l.jpg
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:


Slide32 l.jpg
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


Slide33 l.jpg
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


Slide34 l.jpg
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')。


Slide35 l.jpg

  • 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。


Slide36 l.jpg

  • 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。


Slide37 l.jpg

  • 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)。


Slide38 l.jpg

  • 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。


Slide39 l.jpg
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:


Slide40 l.jpg

  • 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:


Slide41 l.jpg

  • 3. 按 Run LISREL ,出現圖如下:


Slide42 l.jpg

  • 4. 按 CTRL+F ,出現適配度結果如下圖:


Slide43 l.jpg

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


Slide44 l.jpg

  • 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。


Slide45 l.jpg

  • 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。


Slide46 l.jpg


Slide47 l.jpg

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


Slide48 l.jpg
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。


Goodness of fit49 l.jpg
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:


Slide50 l.jpg

  • 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。


Slide51 l.jpg

  • BETA

  • CO SQ

  • -------- --------

  • CO - - - -

  • SQ 0.48 - -

  • 說明:BETA 為路徑係數,從 CO到 SQ 的完全標準化路徑係數值

  •    為 .48。

  • GAMMA

  • MI

  • --------

  • CO 0.35

  • SQ - -

  • 說明:GAMMA 為路徑係數,從 MI 到CO 的完全標準化路徑係數值

  •    為 .35。


Slide52 l.jpg
單一中介的結構研究模型影響效果的整理

  • 本研究以LISREL之最大概似估計法的估計結果與模型路徑圖,可知各潛在變數的關係。除了以路徑係數衡量潛在自變數對潛在應變數之直接影響外,潛在自變數尚可能經由其他變數對潛在應變數產生間接影響。其中,直接影響又稱為直接效果,間接影響又稱為間接效果,二者皆可經由路徑係數計算而得。直接效果與間接效果之加總,稱為總效果(Total Effects),我們整理如下表:


Slide53 l.jpg
以模式解釋度而言,亦由查看報表項目如下:

  • Squared Multiple Correlations for Structural Equations

  • CO SQ

  • -------- --------

  • 0.12 0.23

  • MI高階主管支持潛在變項對CO團隊合作潛在變項影響的解釋度(Squared Multiple Correlations for Structural Equations)為12%

  • ,MI高階主管支持經由CO團隊合作對SQ系統品質的解釋度為23%

  • , 顯示模式解釋潛在變項偏低。


17 2 6 17 2 1 l.jpg
17-2 範例6:多重中介的模式17-2-1 多重中介的量測模式

US1

CO1

MI1

CO

MI

US

SQ

US2

MI2

CO2

US3

CO3

MI3

SQ1

SQ2

SQ2

  •   在多重中介模式中,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,US構面是由3個因素(US1, US2, US3) 所組成,如下圖:


Slide55 l.jpg
我們執行量測模式的簡單步驟有三項,如下

LX(1,1)

LX(2,1)

US1

CQ1

MI1

LX(3,1)

LX(4,2)

US

CO

SQ

MI

CQ2

MI2

US2

LX(5,2)

US3

CQ3

MI3

LX(6,2)

SQ1

LX(7,3)

SQ2

LX(8,3)

LX(9,3)

SQ2

LX(10,4)

LX(11,4)

LX(12,4)

  • 1. 畫出量測模式的圖示


Slide56 l.jpg
2. 寫出量測模式的語法

TI CFA of MI CO SQ US

DA NI=17 NO=350 NG=1 MA=CM

CM FI='C:\SEM\ex6\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 15 16 17 /

MO NX=12 NK=4 LX=FU,FI PH=SY,FR TD=DI,FR

LK

MI CO SQ US

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 LX(10,4) LX(11,4) LX(12,4)

PD

OU ME=ML SS SC IT=250


Slide57 l.jpg
範例中的語法命令說明

  • 第1個語法命令是

  • TI CFA of MI CO SQ US

  • 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\ex6\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\ex6\SEM.COV')。


Slide58 l.jpg

  • 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 15 16 17 /

  • 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 15 16 17 最後加上 / 符號,代表停止選取。


Slide59 l.jpg

  • 6個語法命令是

  • MO NX=12 NK=4 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12 (NX=12) ,因素個數(外衍潛在變數)有4個 (NK=4),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 US

  • LK命令是用來設定外衍潛在變數的名稱,我們設定為 MI CO SQ 和 US。


Slide60 l.jpg

  • 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 LX(10,4) LX(11,4) LX(12,4)

  • 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),第十個測量變項(US1)與第四個因素(US)的因素負荷量 LX (10,4),第十一個測量變項(US 2)與第四個因素 (US)的因素負荷量 LX (11,4),第十二個測量變項(US 3)與第一個因素(US)的因素負荷量LX(12,4)。


Slide61 l.jpg

  • 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。


Slide62 l.jpg
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:


Slide63 l.jpg

  • 2. 按 File  New ,選擇 LISREL Project ,輸入檔名 CFAex6 ,按存

  •  檔再輸入研究模式的語法,如下圖:


Slide64 l.jpg

  • 3. 按 Run LISREL ,出現圖如下:


Slide65 l.jpg

  • 4. 按 CTRL+F ,出現適配度結果如下圖:


Slide66 l.jpg

Degrees of Freedom = 48

Minimum Fit Function Chi-Square = 66.54 (P = 0.039)

Normal Theory Weighted Least Squares Chi-Square = 65.87 (P = 0.044)

Estimated Non-centrality Parameter (NCP) = 17.87

90 Percent Confidence Interval for NCP = (0.52 ; 43.27)

Minimum Fit Function Value = 0.19

Population Discrepancy Function Value (F0) = 0.051

90 Percent Confidence Interval for F0 = (0.0015 ; 0.12)

Root Mean Square Error of Approximation (RMSEA) = 0.033

90 Percent Confidence Interval for RMSEA = (0.0056 ; 0.051)

P-Value for Test of Close Fit (RMSEA < 0.05) = 0.94

Expected Cross-Validation Index (ECVI) = 0.36

90 Percent Confidence Interval for ECVI = (0.31 ; 0.43)

ECVI for Saturated Model = 0.45

ECVI for Independence Model = 7.35

Chi-Square for Independence Model with 66 Degrees of Freedom = 2540.45

Independence AIC = 2564.45

Model AIC = 125.87

Saturated AIC = 156.00

Independence CAIC = 2622.75

Model CAIC = 271.61

Saturated CAIC = 534.92

Normed Fit Index (NFI) = 0.97

Non-Normed Fit Index (NNFI) = 0.99

Parsimony Normed Fit Index (PNFI) = 0.71

Comparative Fit Index (CFI) = 0.99

Incremental Fit Index (IFI) = 0.99

Relative Fit Index (RFI) = 0.96

Critical N (CN) = 387.44

Root Mean Square Residual (RMR) = 0.027

Standardized RMR = 0.034

Goodness of Fit Index (GFI) = 0.97

Adjusted Goodness of Fit Index (AGFI) = 0.95

Parsimony Goodness of Fit Index (PGFI) = 0.60

我們關掉路徑圖後,可以看到輸出報表


Slide67 l.jpg

Goodness of Fit Statistics

Degrees of Freedom = 48

Minimum Fit Function Chi-Square = 66.54 (P = 0.039)

Normal Theory Weighted Least Squares Chi-Square = 65.87 (P = 0.044)

Estimated Non-centrality Parameter (NCP) = 17.87

90 Percent Confidence Interval for NCP = (0.52 ; 43.27)

Minimum Fit Function Value = 0.19

Population Discrepancy Function Value (F0) = 0.051

90 Percent Confidence Interval for F0 = (0.0015 ; 0.12)

Root Mean Square Error of Approximation (RMSEA) = 0.033

90 Percent Confidence Interval for RMSEA = (0.0056 ; 0.051)

P-Value for Test of Close Fit (RMSEA < 0.05) = 0.94

Expected Cross-Validation Index (ECVI) = 0.36

90 Percent Confidence Interval for ECVI = (0.31 ; 0.43)

ECVI for Saturated Model = 0.45

ECVI for Independence Model = 7.35

Chi-Square for Independence Model with 66 Degrees of Freedom = 2540.45

Independence AIC = 2564.45

Model AIC = 125.87

Saturated AIC = 156.00

Independence CAIC = 2622.75

Model CAIC = 271.61

Saturated CAIC = 534.92

Normed Fit Index (NFI) = 0.97

Non-Normed Fit Index (NNFI) = 0.99

Parsimony Normed Fit Index (PNFI) = 0.71

Comparative Fit Index (CFI) = 0.99

Incremental Fit Index (IFI) = 0.99

Relative Fit Index (RFI) = 0.96

Critical N (CN) = 387.44

Root Mean Square Residual (RMR) = 0.027

Standardized RMR = 0.034

Goodness of Fit Index (GFI) = 0.97

Adjusted Goodness of Fit Index (AGFI) = 0.95

Parsimony Goodness of Fit Index (PGFI) = 0.60


Slide68 l.jpg
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。


Goodness of fit69 l.jpg
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:


Slide70 l.jpg
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,數學式如下:

  • 構面信度 =


Slide71 l.jpg
本研究的模式如下:

0.33

0.25

0.29

0.29

0.23

0.32

0.20

0.16

0.15

0.21

0.35

0.12

0.81

0.90

MI1

US1

CQ1

0.86

0.69

MI

CO

SQ

US

CQ2

MI2

US2

0.78

US3

MI3

CQ3

0.77

SQ1

0.75

SQ2

0.75

0.73

SQ3

0.73

0.63

0.66


Slide72 l.jpg

  • 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 = 0.23+0.12+0.2= 0.55

  • 構面信度 = = 0.9


Slide73 l.jpg

  • SQ構面

  • 標準化因素負荷量的總和 = 0.75 + 0.74 + 0.73 = 2.23

  • 測量誤差的總和 = 0.16 + 0.15 + 0.21 = 0.52

  • 構面信度 = = 0.91

  • US構面

  • 標準化因素負荷量的總和 = 0.54 + 0.63 + 0.66 = 1.83

  • 測量誤差的總和 = 0.25 + 0.35 + 0.33 = 0.93

  • 構面信度 = = 0.78


Slide74 l.jpg

  • 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變異萃取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:

  • 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 =


Slide75 l.jpg
查看報表結果:

  • Squared Multiple Correlations for X - Variables

  • MI1 MI2 MI3 CO1 CO2 CO3

  • -------- -------- -------- -------- -------- --------

  • 0.67 0.74 0.72 0.67 0.83 0.74

  • Squared Multiple Correlations for X - Variables

  • SQ1 SQ2 SQ3 US1 US2 US3

  • -------- -------- -------- -------- -------- --------

  • 0.78 0.79 0.72 0.54 0.54 0.57

  • 平均的變異萃取 = = = 0.71


Slide76 l.jpg

  • 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 + 0.12 + 0.2 = 0.55

  • 變異萃取 = = 0.75

  • 平均的變異萃取 =


Slide77 l.jpg
查看報表結果:

  • Squared Multiple Correlations for X - Variables

  • MI1 MI2 MI3 CO1 CO2 CO3

  • -------- -------- -------- -------- -------- --------

  • 0.67 0.74 0.72 0.67 0.83 0.74

  • Squared Multiple Correlations for X - Variables

  • SQ1 SQ2 SQ3 US1 US2 US3

  • -------- -------- -------- -------- -------- --------

  • 0.78 0.79 0.72 0.54 0.54 0.57

  • 平均的變異萃取 == = 0.75


Slide78 l.jpg

  • SQ構面變異萃取

  • 標準化因素負荷平方後的總和 = (0.75) + (0.75) + (0.73)

  • = 1.6579

  • 測量誤差之總和= 0.16 + 0.15 + 0.21 = 0.52

  • 變異萃取 == 0.76

  • 平均的變異萃取 =


Slide79 l.jpg
查看報表結果:

  • Squared Multiple Correlations for X - Variables

  • MI1 MI2 MI3 CO1 CO2 CO3

  • -------- -------- -------- -------- -------- --------

  • 0.67 0.74 0.72 0.67 0.83 0.74

  • Squared Multiple Correlations for X - Variables

  • SQ1 SQ2 SQ3 US1 US2 US3

  • -------- -------- -------- -------- -------- --------

  • 0.78 0.79 0.72 0.54 0.54 0.57

  • 平均的變異萃取 === 0.76


Slide80 l.jpg

  • US構面變異萃取

  • 標準化因素負荷平方後的總和 = (0.54) + (0.63) +(0.66) = 1.1241

  • 測量誤差之總和 = 0.25 + 0.35 + 0.33 = 0.93

  • 變異萃取 == 0.55

  • 平均的變異萃取 =


Slide81 l.jpg
查看報表結果:

  • Squared Multiple Correlations for X - Variables

  • MI1 MI2 MI3 CO1 CO2 CO3

  • -------- -------- -------- -------- -------- --------

  • 0.67 0.74 0.72 0.67 0.83 0.74

  • Squared Multiple Correlations for X - Variables

  • SQ1 SQ2 SQ3 US1 US2 US3

  • -------- -------- -------- -------- -------- --------

  • 0.78 0.79 0.72 0.54 0.54 0.57

  • 平均的變異萃取 === 0. 55


Slide82 l.jpg
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 US

  • -------- -------- -------- --------

  • MI 1.00

  • CO 0.35 1.00

  • (0.05)

  • 6.53

  • SQ 0.25 0.48 1.00

  • (0.06) (0.05)

  • 4.37 10.21

  • US 0.28 0.61 0.67 1.00

  • (0.06) (0.04) (0.04)

  • 4.67 13.79 16.57


Slide83 l.jpg
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

  • 4. US平均的變異萃取 = 0.55,開根號後 =0.74

  • 置換 PHI矩陣對角線的值如下:

  • PHI

  • MI CO SQ US

  • -------- -------- -------- --------

  • MI 0.84

  • CO 0.35 0.87

  • SQ 0.25 0.48 0.87

  • US 0.28 0.61 0.67 0.74

  •   變異萃取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。


17 2 2 l.jpg
17-2-2 多重中介的結構模式

CO1

CO2

MI1

CO3

MI2

SQ1

MI

MI3

SQ2

SQ3

US1

US2

US3

CO

US

SQ

  •   在多重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,US構面是由3個因素(US1, US2, US3) 所組成,如下圖:


Slide85 l.jpg
我們結構模式的簡單步驟有三項,如下

MI1

MI2

MI

MI3

CO1

LY(1,1)

US

CO

SQ

LY(2,1)

CO2

LY(3,1)

LX(1,1)

GA(1,1)

CO3

B(2,1)

LX(2,1)

LY(4,2)

SQ1

LY(5,2)

LX(3,1)

SQ2

LY(6,2)

B(3,2)

SQ3

LY(7,3)

US1

LY(8,3)

US2

LY(9,3)

US3

  • 1. 畫出結構模式的圖示


Slide86 l.jpg
2. 寫出量測模式的語法

TI MI-> CO-> SQ -> US

DA NI=17 NO=350 NG=1 MA=CM

CM FI='C:\SEM\ex6\SEM.COV' SY

LA

MI1 MI2 MI3

CO1 CO2 CO3

SQ1 SQ2 SQ3

IQ1 IQ2

SV1 SV2 SV3

US1 US2 US3

SE

4 5 6 7 8 9 15 16 17 1 2 3 /

MO NX=3 NY=9 NK=1 NE=3 LX=FU,FI LY=FU,FI GA=FU,FI BE=FU,FI

LE

CO SQ US

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 LY(7,3) LY(8,3) LY(9,3)

FR GA(1,1)

FR BE(2,1) BE(3,2)

PD

OU ME=ML SS SC IT=250


Slide87 l.jpg
範例中的語法命令說明

  • 第1個語法命令是

  • TI MI-> CO-> SQ -> US

  • 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')。


Slide88 l.jpg

  • 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 15 16 17 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 15 16 17,再選取 X 變數 1 2 3 最後加上 / 符號,代表停止選取。


Slide89 l.jpg

  • 6個語法命令是

  • MO NX=3 NY=9 NK=1 NE=3 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9 (NY=9),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3個 (NE=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 (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 US

  • LE命令是潛在內衍變數標籤,有 CO SQ US。

  • 第8個語法命令是

  • LK

  • MI

  • LK命令是潛在外衍變數標籤,有 MI。


Slide90 l.jpg

  • 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 LY(4,2) LY(5,2) LY(6,2)

  • FR LY(7,3) LY(8,3) LY(9,3)

  • FR GA(1,1)

  • FR BE(2,1) BE(3,2)

  • 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)。第七個測量變項(US1)與第三個因素(US)的因素負荷量 LY (7,3),第八個測量變項 (US 2) 與第三個因素 (US)的因素負荷量 LY (8,3),第九個測量變項(US 3)與第三個因素(US)的因素負荷量 LY(9,3)。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),第三個內衍潛在變數(US)與第二個內衍潛在變數(SQ)的路徑係數 BE(2,1)。


Slide91 l.jpg

  • 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。


Slide92 l.jpg
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:


Slide93 l.jpg

  • 2. 按 File  New ,選擇 LISREL Project ,輸入檔名 STRex6 ,按 

  •  存檔再輸入研究模式的語法,如下圖:


Slide94 l.jpg

  • 3. 按 Run LISREL ,出現圖如下:


Slide95 l.jpg

  • 4. 按 CTRL+F ,出現適配度結果如下圖:


Slide96 l.jpg

Degrees of Freedom = 51

Minimum Fit Function Chi-Square = 109.59 (P = 0.00)

Normal Theory Weighted Least Squares Chi-Square = 106.03 (P = 0.00)

Estimated Non-centrality Parameter (NCP) = 55.03

90 Percent Confidence Interval for NCP = (29.31 ; 88.51)

Minimum Fit Function Value = 0.31

Population Discrepancy Function Value (F0) = 0.16

90 Percent Confidence Interval for F0 = (0.084 ; 0.25)

Root Mean Square Error of Approximation (RMSEA) = 0.056

90 Percent Confidence Interval for RMSEA = (0.041 ; 0.071)

P-Value for Test of Close Fit (RMSEA < 0.05) = 0.25

Expected Cross-Validation Index (ECVI) = 0.46

90 Percent Confidence Interval for ECVI = (0.38 ; 0.55)

ECVI for Saturated Model = 0.45

ECVI for Independence Model = 7.35

Chi-Square for Independence Model with 66 Degrees of Freedom = 2540.45

Independence AIC = 2564.45

Model AIC = 160.03

Saturated AIC = 156.00

Independence CAIC = 2622.75

Model CAIC = 291.19

Saturated CAIC = 534.92

Normed Fit Index (NFI) = 0.96

Non-Normed Fit Index (NNFI) = 0.97

Parsimony Normed Fit Index (PNFI) = 0.74

Comparative Fit Index (CFI) = 0.98

Incremental Fit Index (IFI) = 0.98

Relative Fit Index (RFI) = 0.94

Critical N (CN) = 247.45

Root Mean Square Residual (RMR) = 0.060

Standardized RMR = 0.078

Goodness of Fit Index (GFI) = 0.95

Adjusted Goodness of Fit Index (AGFI) = 0.93

Parsimony Goodness of Fit Index (PGFI) = 0.62

我們關掉路徑圖後,可以看到輸出報表


Slide97 l.jpg

  • BETA

  • CO SQ US

  • -------- -------- --------

  • CO - - - - - -

  • SQ 0.51 - - - -

  • (0.06)

  • 8.85

  • US - - 0.69 - -

  • (0.06)

  • 10.65

  • 說明:BETA 為路徑係數,從CO 到SQ 的路徑係數,SQ 到US 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,例如 SQ 到

  • US 的路徑係數估計值為 .69,標準誤為 .06,t值為 10.65,

  •    大於1.96,達到顯著水準。


Slide98 l.jpg

  • GAMMA

  • MI

  • --------

  • CO 0.35

  • (0.06)

  • 5.96

  • SQ - -

  • US - -

  • 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 5.69,大於1.96,達到顯著水準。


Slide99 l.jpg

  • Covariance Matrix of ETA and KSI

  • CO SQ US MI

  • -------- -------- -------- --------

  • CO 1.00

  • SQ 0.51 1.00

  • US 0.35 0.69 1.00

  • MI 0.35 0.18 0.12 1.00

  • 說明:ETA 和 KSI 的共變異數矩陣資料。

  • Squared Multiple Correlations for Structural Equations

  • CO SQ US

  • -------- -------- --------

  • 0.13 0.26 0.47

  • 說明: MI 對 CO 的解釋力為 0.13,CO對 SQ 的解釋力為 0.26,SQ 對

  • US 的解釋力為 0.47,類似於 R 功能。


Slide100 l.jpg

Goodness of Fit Statistics

Degrees of Freedom = 51

Minimum Fit Function Chi-Square = 109.59 (P = 0.00)

Normal Theory Weighted Least Squares Chi-Square = 106.03 (P = 0.00)

Estimated Non-centrality Parameter (NCP) = 55.03

90 Percent Confidence Interval for NCP = (29.31 ; 88.51)

Minimum Fit Function Value = 0.31

Population Discrepancy Function Value (F0) = 0.16

90 Percent Confidence Interval for F0 = (0.084 ; 0.25)

Root Mean Square Error of Approximation (RMSEA) = 0.056

90 Percent Confidence Interval for RMSEA = (0.041 ; 0.071)

P-Value for Test of Close Fit (RMSEA < 0.05) = 0.25

Expected Cross-Validation Index (ECVI) = 0.46

90 Percent Confidence Interval for ECVI = (0.38 ; 0.55)

ECVI for Saturated Model = 0.45

ECVI for Independence Model = 7.35

Chi-Square for Independence Model with 66 Degrees of Freedom = 2540.45

Independence AIC = 2564.45

Model AIC = 160.03

Saturated AIC = 156.00

Independence CAIC = 2622.75

Model CAIC = 291.19

Saturated CAIC = 534.92

Normed Fit Index (NFI) = 0.96

Non-Normed Fit Index (NNFI) = 0.97

Parsimony Normed Fit Index (PNFI) = 0.74

Comparative Fit Index (CFI) = 0.98

Incremental Fit Index (IFI) = 0.98

Relative Fit Index (RFI) = 0.94

Critical N (CN) = 247.45

Root Mean Square Residual (RMR) = 0.060

Standardized RMR = 0.078

Goodness of Fit Index (GFI) = 0.95

Adjusted Goodness of Fit Index (AGFI) = 0.93

Parsimony Goodness of Fit Index (PGFI) = 0.62


Slide101 l.jpg
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。


Goodness of fit102 l.jpg
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:


Slide103 l.jpg

  • BETA

  • CO SQ US

  • -------- -------- --------

  • CO - - - - - -

  • SQ 0.51 - - - -

  • US - - 0.69 - -

  • 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.51,從

  • SQ 到 US 的標準化路徑係數值為 .69。

  • GAMMA

  • MI

  • --------

  • CO 0.35

  • SQ - -

  • US - -

  • 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。


Slide104 l.jpg

  • BETA

  • CO SQ US

  • -------- -------- --------

  • CO - - - - - -

  • SQ 0.51 - - - -

  • US - - 0.69 - -

  • 說明:GAMMA 為路徑係數,從CO 到SQ的完全標準化路徑係數值為 .51,從

  • SQ到 US 的完全標準化路徑係數值為 .51。

  • GAMMA

  • MI

  • --------

  • CO 0.35

  • SQ - -

  • US - -

  • 說明:GAMMA 為路徑係數,從 MI 到CO 的完全標準化路徑係數值為 .35。


Slide105 l.jpg
多重中介的結構研究模型影響效果的整理

  •   本研究以LISREL之最大概似估計法的估計結果與模型路徑圖,可知各潛在變數的關係。除了以路徑係數衡量潛在自變數對潛在應變數之直接影響外,潛在自變數尚可能經由其他變數對潛在應變數產生間接影響。其中,直接影響又稱為直接效果,間接影響又稱為間接效果,二者皆可經由路徑係數計算而得。直接效果與間接效果之加總,稱為總效果(Total Effects),我們整理如下表:


Slide106 l.jpg
以模式解釋度而言,亦由查看報表項目如下:

  • Squared Multiple Correlations for Structural Equations

  • CO SQ US

  • -------- -------- --------

  • 0.13 0.26 0.47

  • MI高階主管支持潛在變項對CO團隊合作潛在變項影響的解釋度(Squared Multiple Correlations for Structural Equations)為13%

  • ,MI高階主管支持經由CO團隊合作對SQ系統品質的解釋度為26%

  • ,MI高階主管支持經由CO團隊合作,SQ系統品質對使用者滿意度的解釋度為47%, 顯示模式解釋潛在變項程度不錯。


17 3 7 cfa l.jpg
17-3 範例7:二階驗證性因素分析(CFA)

  •   驗證性因素分析(CFA)中,初始構面們可能形成更高階的構面,也就是說更高階的構面是由初始構面因素們所組成,在進行二階驗證性因素分析設計時,必須基於某個理論來發展模型,發展好模型後,由於二階驗證性因素分析會用掉更多的自由度,容易造成參數無法辨識的問題,以至於計算時無法收歛,而無法算出我們要的模式數據,因此模式的修訂就變的非常重要。

  •   初學者剛學習二階驗證性因素分析時,最常遇到的問題是以往的驗證性因素分析(CFA)是用全部 LX 的量測模式,其實也可以用全部 LY 的量測模式,而設計二階驗證性因素分析時,會發現沒有二階的LX可以用,因此,需要轉成LY 的量測模式,再搭配外生構面ξ所形成的。我們以領導力 (Leadership)理論為例子,有所謂的轉換型(Transformation)領導和交易型(Transaction)領導,轉換型領導可以由魅力(Charisma),理性激勵(Intellectual Stimulation)和個別關懷(Individualized Consideration)所組成,而交易型(Transaction)領導可以由持續獎賞(Contingent Reward)和主動的例外管理(Management-by-Exception-Active) 所組成。我們設計成二階驗證性因素分析模式如下圖:


Slide108 l.jpg

Ch1

IC

IS

CR

Transaction

Transfor

MA

Ch

Ch2

IS1

IS2

IC1

IC2

CR1

CR2

MA1

MA2

  • CH=Charisma; IS=Intellectual Stimulation; IC=Individualized Consideration; CR= Contingent Reward; MA=Management-by-Exception-Active;


Slide109 l.jpg
我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下

Ch1

LY(1,1)

Transact

Ch

MA

CR

IS

Transfor

IC

Ch2

LY(2,1)

GA(1,1)

IS1

LY(3,2)

IS2

GA(2,1)

LY(4,2)

IC1

GA(3,1)

LY(5,3)

IC2

LY(6,3)

GA(4,2)

LY(7,4)

CR1

LY(8,4)

CR2

GA(5,2)

LY(9,5)

MA1

LY(10,5)

MA2

  • 1. 畫出二階驗證性因素分析量測模式的圖示

  • CH=Charisma; IS=Intellectual Stimulation; IC=Individualized Consideration; CR= Contingent Reward; MA=Management-by-Exception-Active;


Slide110 l.jpg
2. 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下寫出二階驗證性因素分析量測模式的語法

  • TI SECOND-ORDER FACTOR ANALYSIS

  • DA NI=10 NO=185

  • LA FI=CFAex71.DAT

  • KM FI=CFAex71.DAT

  • SD FI=CFAex71.DAT

  • MO NY=10 NE=5 NK=2 LY=FU,FI GA=FI

  • LE

  • Ch IS IC CR MA

  • LK

  • Transformation Transaction

  • FR LY 1 1 LY 2 1

  • FR LY 3 2 LY 4 2

  • FR LY 5 3 LY 6 3

  • FR LY 7 4 LY 8 4

  • FR LY 9 5 LY 10 5

  • FR GA 1 1 GA 2 1 GA 3 1 GA 4 2 GA 5 2

  • PD

  • OU ME=ML AM SS SC AD=off IT=250


Slide111 l.jpg
範例中的語法命令說明:我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下

  • 第1個語法命令是

  • TI SECOND-ORDER FACTOR ANALYSIS

  • 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=10 NO=185

  • LA FI=CFAex71.DAT

  • KM FI=CFAex71.DAT

  • SD FI=CFAex71.DAT

  • DA指令為DATA 資料,變數的數目為10(NI=10)與樣本數目為185

  • (NO=185), LA是指定變數標籤命令,FI 指令說明檔案位置 (FI=

  • CFAex71.DAT) KM表示為相關矩陣,FI 指令說明檔案位置 (FI=

  • CFAex71.DAT) , SD表示為標準差,FI 指令說明檔案位置 (FI=

  • CFAex71.DAT)。


Slide112 l.jpg

  • 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下3個語法命令是

  • MO NY=10 NE=5 NK=2 LY=FU,FI GA=FI

  • MO (MODEL)命令是用來設定模型,設定外衍測量變數為10

  • (NX=10) ,因素個數(內衍潛在變數)有5個 (NE=5),因素個數(外

  •  衍潛在變數)有2個 (NK=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),內衍潛在變數被外衍潛在變數

  •  解釋之參數矩陣為固定 (GA=FI)。

  • 第4個語法命令是

  • LE

  • Ch IS IC CR MA

  •  潛在內衍變數標籤,有 Ch IS IC CR 和 MA。

  • 第5個語法命令是

  • LK

  • Transformation Transaction

  •  潛在外衍變數標籤,有 Transformation 和 Transaction。


Slide113 l.jpg

  • 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下6個語法命令是

  • FR LY 1 1 LY 2 1

  • FR LY 3 2 LY 4 2

  • FR LY 5 3 LY 6 3

  • FR LY 7 4 LY 8 4

  • FR LY 9 5 LY 10 5

  • FR GA 1 1 GA 2 1 GA 3 1 GA 4 2 GA 5 2

  • FR命令是用來自由估計參數,第一個測量變項(Ch1)與第一個因素(Ch)的因素負荷

  •  量 LY (1,1),第二個測量變項 (Ch2) 與第一個因素 (Ch)的因素負荷量 LY (2,1),第

  •  三個測量變項(IS1)與第二個因素(IS)的因素負荷量 LY(3,2) ,第四個測量變項(IS2)

  •  與第二個因素(IS)的因素負荷量 LY(4,2),第五個測量變項(IC1)與第三個因素(IC)

  •  的因素負荷量 LY(5,3),第六個測量變項(IC2)與第三個因素(IC)的因素負荷量 LY

  • (6,3),第七個測量變項(CR1)與第四個因素(CR)的因素負荷量 LY(7,4),第八個測

  •  量變項(CR2)與第四個因素(CR)的因素負荷量 LY(8,4),第九個測量變項(MA1)與第

  •  五個因素(MA)的因素負荷量 LY(9,5),第十個測量變項(MA2)與第五個因素(MA)的

  •  因素負荷量 LY(10,5)。第一個內衍潛在變數(Ch)與第一個外衍潛在變數

  • (Transformation)的路徑係數 GA (1,1),第二個內衍潛在變數(IS)與第一個外衍潛

  •  在變數(Transformation)的路徑係數 GA (2,1),第三個內衍潛在變數(IC)與第一個

  •  外衍潛在變數(Transformation)的路徑係數 GA(3,1),第四個內衍潛在變數(CR)與

  •  第二個外衍潛在變數(Transaction)的路徑係數 GA(4,2),第五個內衍潛在變數(MA)

  •  與第二個外衍潛在變數(Transaction)的路徑係數 GA (5,2)。


Slide114 l.jpg

  • 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下7個語法命令是

  • PD

  • PD命令是用來要求畫出路徑圖 (Path Diagram)。

  • 第8個語法命令是

  • OU ME=ML AM 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,AM 是自動修正模式,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。


Slide115 l.jpg
3. 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下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:


Slide116 l.jpg

  • 2. 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下按 File  New ,選擇 LISREL Project ,輸入檔名 Secondex7 ,

  •  按存檔再輸入研究模式的語法,如下圖:


Slide117 l.jpg

  • 3.我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下 按 Run LISREL ,出現圖如下:


Slide118 l.jpg

  • 4. 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下按 CTRL+F ,出現適配度結果如下圖:


Slide119 l.jpg

Degrees of Freedom = 29我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下

Minimum Fit Function Chi-Square = 34.50 (P = 0.22)

Normal Theory Weighted Least Squares Chi-Square = 34.53 (P = 0.22)

Estimated Non-centrality Parameter (NCP) = 5.53

90 Percent Confidence Interval for NCP = (0.0 ; 24.46)

Minimum Fit Function Value = 0.19

Population Discrepancy Function Value (F0) = 0.030

90 Percent Confidence Interval for F0 = (0.0 ; 0.13)

Root Mean Square Error of Approximation (RMSEA) = 0.032

90 Percent Confidence Interval for RMSEA = (0.0 ; 0.068)

P-Value for Test of Close Fit (RMSEA < 0.05) = 0.76

Expected Cross-Validation Index (ECVI) = 0.47

90 Percent Confidence Interval for ECVI = (0.44 ; 0.57)

ECVI for Saturated Model = 0.60

ECVI for Independence Model = 3.08

Chi-Square for Independence Model with 45 Degrees of Freedom = 546.93

Independence AIC = 566.93

Model AIC = 86.53

Saturated AIC = 110.00

Independence CAIC = 609.13

Model CAIC = 196.26

Saturated CAIC = 342.12

Normed Fit Index (NFI) = 0.94

Non-Normed Fit Index (NNFI) = 0.98

Parsimony Normed Fit Index (PNFI) = 0.60

Comparative Fit Index (CFI) = 0.99

Incremental Fit Index (IFI) = 0.99

Relative Fit Index (RFI) = 0.90

Critical N (CN) = 265.49

Root Mean Square Residual (RMR) = 0.45

Standardized RMR = 0.058

Goodness of Fit Index (GFI) = 0.96

Adjusted Goodness of Fit Index (AGFI) = 0.93

Parsimony Goodness of Fit Index (PGFI) = 0.51

我們關掉路徑圖後,可以看到輸出報表


Slide120 l.jpg

  • GAMMA 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下

  • Transfor Transact

  • -------- --------

  • Ch 0.80 - -

  • (0.15)

  • 5.49

  • IS 0.75 - -

  • (0.13)

  • 5.93

  • IC 0.40 - -

  • (0.11)

  • 3.64

  • CR - - 0.96

  • (0.54)

  • 1.76

  • MA - - 0.47

  • (0.22)

  • 2.16

  • 說明:GAMMA 為路徑係數,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,例如 Transact 到 MA 的路徑係數估計值為 .47

  •    ,標準誤為 .22,t值為 2.16,大於1.96,達到顯著水準。


Slide121 l.jpg


Slide122 l.jpg

Goodness of Fit Statistics我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下

Degrees of Freedom = 29

Minimum Fit Function Chi-Square = 34.50 (P = 0.22)

Normal Theory Weighted Least Squares Chi-Square = 34.53 (P = 0.22)

Estimated Non-centrality Parameter (NCP) = 5.53

90 Percent Confidence Interval for NCP = (0.0 ; 24.46)

Minimum Fit Function Value = 0.19

Population Discrepancy Function Value (F0) = 0.030

90 Percent Confidence Interval for F0 = (0.0 ; 0.13)

Root Mean Square Error of Approximation (RMSEA) = 0.032

90 Percent Confidence Interval for RMSEA = (0.0 ; 0.068)

P-Value for Test of Close Fit (RMSEA < 0.05) = 0.76

Expected Cross-Validation Index (ECVI) = 0.47

90 Percent Confidence Interval for ECVI = (0.44 ; 0.57)

ECVI for Saturated Model = 0.60

ECVI for Independence Model = 3.08

Chi-Square for Independence Model with 45 Degrees of Freedom = 546.93

Independence AIC = 566.93

Model AIC = 86.53

Saturated AIC = 110.00

Independence CAIC = 609.13

Model CAIC = 196.26

Saturated CAIC = 342.12

Normed Fit Index (NFI) = 0.94

Non-Normed Fit Index (NNFI) = 0.98

Parsimony Normed Fit Index (PNFI) = 0.60

Comparative Fit Index (CFI) = 0.99

Incremental Fit Index (IFI) = 0.99

Relative Fit Index (RFI) = 0.90

Critical N (CN) = 265.49

Root Mean Square Residual (RMR) = 0.45

Standardized RMR = 0.058

Goodness of Fit Index (GFI) = 0.96

Adjusted Goodness of Fit Index (AGFI) = 0.93

Parsimony Goodness of Fit Index (PGFI) = 0.51


Slide123 l.jpg
說明:我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下

  • 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。


Goodness of fit124 l.jpg
我們整理適配度 我們執行二階驗證性因素分析量測模式的簡單步驟有三項,如下(Goodness-of-Fit) 指標值,理想數值,建議的學者,本模式的數值如下:


Slide125 l.jpg

  • TI SECOND-ORDER FACTOR ANALYSIS

  • Completely Standardized Solution

  • 說明: 完全標準化解

  • LAMBDA-Y

  • Ch IS IC CR MA

  • -------- -------- -------- -------- --------

  • Ch1 0.73 - - - - - - - -

  • Ch2 0.83 - - - - - - - -

  • IS1 - - 0.83 - - - - - -

  • IS2 - - 0.77 - - - - - -

  • IC1 - - - - 0.81 - - - -

  • IC2 - - - - 0.92 - - - -

  • CR1 - - - - - - 0.32 - -

  • CR2 - - - - - - 0.92 - -

  • MA1 - - - - - - - - 0.52

  • MA2 - - - - - - - - 0.99

  • 說明:LAMBDA-Y(因素負荷量),此為估計量完全標準化數值,以CH構面為例

  •    ,它所對應的因素為第一個因素CH1,因素負荷量(factor loading) 估計

  •    值為 0.73。


Slide126 l.jpg

  • GAMMA

  • Transfor Transact

  • -------- --------

  • Ch 0.80 - -

  • IS 0.75 - -

  • IC 0.40 - -

  • CR - - 0.96

  • MA - - 0.47

  • 說明:GAMMA 為完全標準化路徑係數,例如:從 Transfor

  •    到Ch 的完全標準化路徑係數值為 .80。


Slide127 l.jpg

  • Correlation Matrix of ETA and KSI

  • Ch IS IC CR MA Transfor

  • -------- -------- -------- -------- -------- --------

  • Ch 1.00

  • IS 0.60 1.00

  • IC 0.32 0.30 1.00

  • CR 0.21 0.19 0.10 1.00

  • MA 0.10 0.09 0.05 0.45 1.00

  • Transfor 0.80 0.75 0.40 0.26 0.13 1.00

  • Transact 0.22 0.20 0.11 0.96 0.47 0.27

  • Correlation Matrix of ETA and KSI

  • Transact

  • --------

  • Transact 1.00

  • 說明:ETA and KSI 的相關矩陣值

  • 我們已經完成二階驗證性因素分析(CFA)的實作了。


ad