《结构方程模型在学术研究的应用.ppt》由会员分享，可在线阅读，更多相关《结构方程模型在学术研究的应用.ppt（60页珍藏版）》请在三一文库上搜索。
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
2、,模型測試,結果,解釋,7,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 CFA SEM 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
3、。,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，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,Amos LISREL EQS Mplus SAS Calis Sepath MX,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
4、。 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,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,L
5、x3,Ly1,Ly2,Ly3,測量(CFA)模式,結構模式與測量模式,24,結構模式與測量模式,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
6、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
7、型再製(預測)矩陣 (model implied covariances) 殘差共變異數矩陣 S () (SEM的H0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：var
8、iables) 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)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
9、(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,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
10、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,
11、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 Srbom , 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,