SEM適配度指標的潛藏問題: 最佳模式難求 李茂能,2006 嘉義大學 Fred Li, 2006

一、緣起 SEM模式之評鑑及報表的解釋上， 出現不少困惑與謬誤 透過具體實例，釐清癥結。 Fred Li, 2006

二、潛藏問題 認為適配度佳之模式即為好模式。 不知或忽視對等模式的存在。 遺漏重要變項或指標而包含不重要變項或指標。 結構係數因測量誤差之修正而過度膨脹。 界定錯誤的測量模式。 Fred Li, 2006

Equivalent models的定義 Stelzl(1986)將它定義為:當您無法使用²與適配度指標去區辨兩個模式時，這兩個模式即稱為對等模式。 MacCallum, et. al. (1993)即指出在其查驗的53篇論文中,對等模式的中位數是12，其中百分之90的SEM論文至少有一對等模式，百分之50的SEM論文至少有16個對等模式。不過一般研究者卻未察覺他們的存在。 Fred Li, 2006

結構模式的對等 此圖說明了三個因果關係不同，但屬於模式對等的結構模式 Fred Li, 2006

測量模式的對等 左圖則說明了三個測量模式對等的因素分析模式 Fred Li, 2006

實例(1)資料矩陣 R = {1.0, .74, .66, .0, .0, .0; .74, 1.0, .51, .0, .0, .0; .66, .51, 1.0, .0, .0, .0; .0, .0, .0, 1.0, .69, .76; .0, .0, .0, .69, 1.0, .85; .0, .0, .0, .76, .85, 1.0}. Fred Li, 2006

三、實例解說(1):因果關係不正確， 但卻完全適配 Fred Li, 2006

SEM能分辨因果嗎? SEM對於因果關係之正確方向的判斷可說是全盲的，換言之，SEM的使用者極易忽視結構模式界定錯誤的問題。 因此，將SEM稱為”Causal modeling”可能是SEM迷思的根源之一。 2=0，df=8，p=.000，RMR=0，AGFI/GFI=1，RMSER=0。 Fred Li, 2006

實例(2)資料矩陣 R = {1.0, .24, .36, .0, .0, .0; .24, 1.0, .31, .0, .0, .0; .36, .31, 1.0, .0, .0, .0; .0, .0, .0, 1.0, .69, .76; .0, .0, .0, .69, 1.0, .85; .0, .0, .0, .76, .85, 1.0}. Fred Li, 2006

三、實例解說(2):測量指標信度不佳， 但卻完全適配 Fred Li, 2006

測量模式應優先檢驗 由此可見在IQ與EQ完全無關之情況下，SEM適配度指標並無法反應測量指標或測量模式之好壞。 因此，筆者強烈建議除了查看適配度之外，還要檢驗測量指標之信度，這些測量指標之信度最好要在.50(標準化係數在.70以上)以上。 Fred Li, 2006

實例(3)資料矩陣 R = {1.0, .24, .66, .0, .0, .0; .24, 1.0, .31, .0, .0, .0; .66, .31, 1.0, .0, .0, .0; .0, .0, .0, 1.0, .69, .76; .0, .0, .0, .69, 1.0, .85; .0, .0, .0, .76, .85, 1.0}. Fred Li, 2006

三、實例解說(3):包含不重要指標， 但卻完全適配 三、實例解說(3):包含不重要指標， 但卻完全適配 Fred Li, 2006

指標信度的重要性 把不重要的變項納入您的模式中或把重要變項的遺漏了，通常會導致不正確的參數估計值與標準誤。 因此，只有在您所界定的模式正確時，這些參數估計值與標準誤才是正確的(Tomarken & Waller, 2005)。 Fred Li, 2006

實例(4)資料矩陣 R = {1.000, .087, .140, .152; .087, 1.00, .080, .143; .140, .080, 1.00, .272; .152, .143, .272, 1.0}. Fred Li, 2006

三、實例解說(4):測量指標信度與 結構係數校正上之問題 Fred Li, 2006

VPLS報表(1) Fred Li, 2006

VPLS報表(2) Fred Li, 2006

VPLS結構徑路圖 Fred Li, 2006

一個急待解決的問題? 由前圖知，IQ與EQ各指標的信度不佳(介於.07~.35)，SEM為了校正測量指標之測量誤差而修正潛在變項間之相關係數(Correction for attenuation)。筆者試著利用IQ與EQ的建構信度(分別為.1603與.4336)，以及IQ與EQ的第一個典型相關(.225)，亦得到相當接近.83的標準化結構係數(.225/(.1603.4336)=.853)。 由此觀之，當測量指標的信度過低時，亦可能導致過度高估結構係數，似乎違反常理。 另由前圖亦知，EQ與IQ的相關高達.83，但由原來的相關矩陣中各指標變項間之相關看來，得到此結果實在令人難以置信；反而，前圖中之PLS分析值.224似乎較能反映真相，但其測量模式中的因素負荷量似乎高估了許多。 Fred Li, 2006

三、實例解說(5):測量模式界定錯誤問題 Fred Li, 2006

效果指標與原因指標 的混淆 效果指標與原因指標需分辨清楚 測量指標信度的好壞與測量模式界定的正確性會嚴重影響到最適模式的選擇與結構係數估計值之正確性，SEM研究者不能等閒視之。 Fred Li, 2006

四、結語 共變數導向的SEM有其統計分析上之優勢，但亦有其應用上的限制。事實上，單靠SEM適配度佳並無法分辨該提議模式為最適模式(A good fit  A good model)或證實該模式中的因果關係(A good fit A causal Link)。 測量模式(含測量指標信度)之評估為進行SEM分析的首要任務，滿足前述信度之最低要求後，再進行結構模式之評析。當測量模式不當時(尤其指標的信度不佳時)，即應重新尋找或增加更有預測力的指標變項後，再進行結構模式之分析，否則可能會導致離譜的結構關係 。 Fred Li, 2006

五、SEM應用原則  理論模式未定或發展尚未成熟，勿進行SEM分析，以避免模式界定錯誤(Model misspecifications，尤其重要變項之遺漏、原因指標與效果指標之混淆及因果關係顛倒)，亦即邏輯分析/實質理論建立應先於SEM統計分析，  嚴格採取二階段SEM模式之評鑑(Anderson & Gerbing, 1988): (1)測量模式(含測量指標信度與特性)之評估:R²與因素負荷量之分析， (2)結構模式之評估(含對等模式存在的問題): R²與結構係數之分析。 Fred Li, 2006

感謝您的聆聽! 請指教 Fred Li, 2006