第19章 線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3. 線性結構關係模式的評估

Presentation on theme: "第19章 線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3. 線性結構關係模式的評估"— Presentation transcript:

1 第19章 線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3. 線性結構關係模式的評估
第19章　線性結構關係模式 本章的學習主題  1. 線性結構關係模式的概念 2. 線性結構關係模式的建立 3. 線性結構關係模式的評估 4. AMOS的使用 5. 報表分析 企業研究方法 第 19 章

2 19.1 LISREL的概念 1. LISREL (linear structure relation) 是一種可以用來處理因果關係模式 的方法。 2.在多變量分析方法中大多一次只能處理一組自變數與一個依變數之間的關係，LISREL 則能同時處理多組自變數與多組依變數間的關係。 3.簡單地說，LISREL 的目的在探討變數間的線性關係，首先針對可觀測的(顯性)變數與不可觀測的(潛在)變數間之關係進行檢定，接著就潛在變數與其他潛在變數間之因果關係模式做假設檢定。而 LISREL 之應用主要包含三個程序：建立因果模式、估計參數及模式評估。 企業研究方法 第 19 章

3 19.2 建立因果模式 研究者可根據已存在的某種現象，依經驗或理論確定出所有可能的變數間的關係。在LISREL中自變數稱為原因變數(causal variable)，被影響的依變數稱為結果變數，再依據互相影響之方向建立模式的路徑圖(path diagram)。 企業研究方法 第 19 章

4 19.2 建立因果模式 在LSIREL模式中，原因變數本身的變異來自模式以外的變數，因此稱為外生變數(exogenous variable)，以ξ表示；結果變數的變異量被模式內其他變數的線性組合所解釋，因此稱為內生變數(endogenous variable)，以η表示。 在模式中若是無法直接被觀察的變數，稱之為隱藏變數(latent variable)，所以隱藏變數須由外在可觀察的變數或指標(indicator)來加以衡量。 企業研究方法 第 19 章

5 圖 19—1 線性結構關係模型圖 企業研究方法 第 19 章

6 1. 以方格“□”表示可觀測變數；以圓圈“○”表示不可觀測變數。 2. 可觀測之外生變數以“X”表示；不可觀測外生變數以“ξ”表示。
3. 可觀測之內生變數以“Y”表示；不可觀測內生變數以“η”表示。 4. 內生變數之間影響係數以“β”(beta)表示；外生變數對內生變數之影 響係數以“γ”(gamma)表示；可觀測變數對不可觀測變數之標準化係 數以“λ”(lambda)表示。 5. 隱藏外生變數之誤差衡量以“δ”(delta)表示；隱藏內生變數之誤差衡 量以 “ε”(epsilon)表示；解釋內生變數之結構方程的誤差項以“ζ” (zeta)表示。 企業研究方法 第 19 章

7 19.3 估計模式參數 1. 結構方程式 結構方程式是用來表示模式中內生變數與外生 變數之間關係的數學式 。 企業研究方法 第 19 章

8 2. 衡量方程式 衡量方程式用以表示可觀測與隱藏變數之間的數學關係
2. 衡量方程式 衡量方程式用以表示可觀測與隱藏變數之間的數學關係 企業研究方法 第 19 章

9 19.4 模式適合度評估 1. 卡方值 卡方值愈小，表示模式的合適情形越好，一般採卡方值 是用來判定結構方程式是否合適之標準。
19.4 模式適合度評估 1. 卡方值 　卡方值愈小，表示模式的合適情形越好，一般採卡方值 是用來判定結構方程式是否合適之標準。 2. GFI (goodness of fit index) 　值在0與1之間，此值越大表示適合度愈佳，即模式之解 釋能力越高，通常採GFI>0.9。 3. AGFI (adjust goodness of fit index) 　 GFI與AGFI有相同的性質，但AGFI是經過自由度調 整，使不同自由度的模式能以相同的基礎進行比較， AGFI是將模式複雜度予以考慮後之GFI，通常採 AGFI>0.9。 企業研究方法 第 19 章

10 19.4 模式適合度評估 4. NFI (normed fit index) 模式基準合適尺度，即比較假設模型與獨立模型之卡方
19.4 模式適合度評估 4. NFI (normed fit index) 模式基準合適尺度，即比較假設模型與獨立模型之卡方 差異，通常採NFI>0.9。 5. CFI (comparative fit index) 　模式比較合適尺度，假設模型與獨立模型之非中央性差 異，通常採CFI>0.95。 6. RMR (root mean square residual) 　係推估後所剩下的殘差，愈小表示適合度愈佳，通常採 RMR<0.05。 企業研究方法 第 19 章

11 7.其它指標及判定標準 表 19 - 1 線性結構關係常用其他指標 指標 意義 判定標準 CMIN / DF
表 線性結構關係常用其他指標 指標 意義 判定標準 CMIN / DF ( mimimum value of discrepancy ) 調整後之模式最小變異 小於 3 F0 ( estimate of F0 ) 針對模式標準誤所作的缺口估計值 在 90% 的信賴區間內 RMSEA ( root mean square error of approximation ) RMR 的估計量 小於 0.05 RF1 ( relative fit index ) 模式相對合適尺度 ＞ 0.9 IFI ( incremental fit index ) 模式擴大合適尺度 ECVI ( expect for a constant scale factor ) 模式因子期望值 ( 檢定模式被賦予的資訊是否充足 ) 企業研究方法 第 19 章

12 19.5 線性結構關係模式結果之解釋 在整體測量模型與資料的契合度(overall mode fit)方面，若經由卡方檢定模型與研究資料間之差異不顯著，表示我們所蒐集到的資料特性與整體測量模型足以吻合的，可稱此測量模型具有整體模型契合度。 為了避免卡方檢定在大樣本時會有過強之統計力所造成的一些問題。所以，本書採用改良式契合度指標中的「Chi-square/df ≦3」、「GFI>0.9」、「AGFI>0.9」、「RMR<0.05」等幾個常用的指標來評估模式之適合度。 企業研究方法 第 19 章

13 圖 線性結構圖示 企業研究方法 第 19 章

14 指標 數值 評估 卡方值 243.527 -- RMR 0.161 ＞0.05，差 自由度 211 GFI 0.915 大於0.9，可 p值
0.062 ＜0.05，差 AGFI 0.889 近於0.9，可 企業研究方法 第 19 章

15 AMOS 操作範例 圖 19-3 研究架構 企業研究方法 第 19 章

16 線性結構關係範例之報表說明 企業研究方法 第 19 章

17 線性結構關係範例之報表說明 （續） 企業研究方法 第 19 章

18 線性結構關係範例之報表說明 （續） 企業研究方法 第 19 章

19 線性結構關係範例之報表說明 （續） 企業研究方法 第 19 章

20 線性結構關係範例之報表說明 （續） 企業研究方法 第 19 章

21 線性結構關係範例之報表說明 （續） 企業研究方法 第 19 章

22 線性結構關係範例之報表說明 （續） 企業研究方法 第 19 章

23 範 例 驗 證 結 果 1. 模式適合評估 （一） 卡方值：243.527 自由度：211 p值：0.062
* 模式之卡方檢定未達顯著水準，表示該模式是良好的。 2. 模式適合評估 （二） 指標 數值 評估 RMR 0.161 大於0.05，差 GFI 0.915 大於0.9，可 AGFI 0.889 近於0.9，可 企業研究方法 第 19 章