結(jié)構(gòu)方程模型進(jìn)階

結(jié)構(gòu)方程模型進(jìn)階第1頁(yè)，共96頁(yè)，2023年，2月20日，星期四大綱SEM概念SEM參數(shù)估計(jì)原則SEM十誡SEM注意事項(xiàng)結(jié)構(gòu)模式與測(cè)量模式分析資料的多元常態(tài)及例外值檢核(Bollen-Stine檢定)Bootstrap應(yīng)用共線性的判定結(jié)構(gòu)模式的二階段準(zhǔn)則參數(shù)的解讀第2頁(yè)，共96頁(yè)，2023年，2月20日，星期四大綱何謂信度與效度？信、效度的種類探索式因素分析vs.驗(yàn)證式因素分析問(wèn)卷信度評(píng)估Cronbach’sα(標(biāo)準(zhǔn)化與非標(biāo)準(zhǔn)化係數(shù)的區(qū)別)組內(nèi)相關(guān)係數(shù)

(Intraclasscorrelationcoefficient,ICC)組成信度(CompositeReliability,CR)平均變異數(shù)萃取量(AverageVarianceExtracted,AVE)問(wèn)卷效度評(píng)估收斂(convergence)效度、區(qū)別(discriminant)效度交叉效度(crossvalidity)第3頁(yè)，共96頁(yè)，2023年，2月20日，星期四文獻(xiàn)AndersonJ.C.andGerbingD.W.(1988),StructuralEquationModelinginpractice:aReviewandReccomendedTwo-StepApproach,PsychologicalBulletin,103,3.Bollen,K.A.(1989).Structuralequationswithlatentvariables.NewYork:Wiley.Chin,W.W.,“IssuesAndOpiniononStructuralEquationModeling”,MISQuarterly,Vol.22(1),pp.7-16,1998.Diamantopoulos,AdamantiosandJudyA.Siguaw(2000),IntroducingLISREL:AGuidefortheUninitiated.London:SagePublications.FornellandLarcker(1981),“EvaluatingStructuralEquationModelswithUnobservableVariablesandMeasurementError,”JournalofMarketingResearch,18(February),39-50.McGraw,K.O.,&Wong,S.P.(1996).Forminginferencesaboutsomeintraclasscorrelationcoefficients.PsychologicalMethods,1(1),30-46.KlineRexB.(2005).PrinciplesandPracticeofStructuralEquationModeling

(2.nd.ed.).NewYork:GuilfordPress.Torkzadeh,Koufteros,&Pflughoeft(2003)Confirmatoryanalysisofcomputerself-efficacy.StructuralEquationModeling,10(2):263-275.第4頁(yè)，共96頁(yè)，2023年，2月20日，星期四所有外生變數(shù)的變異數(shù)均是模型的參數(shù)所有自變數(shù)之間的共變異數(shù)都是模型的參數(shù)。所有潛在變數(shù)與觀察變數(shù)之間的因素負(fù)荷量均是模型的參數(shù)所有的觀察變數(shù)或潛在變數(shù)之間的迴歸係數(shù)都是模型的參數(shù)應(yīng)變數(shù)之間與自變數(shù)與應(yīng)變數(shù)之間的共變異數(shù)都不是模型的參數(shù)模型中的每一個(gè)潛在變數(shù)，必須給定一個(gè)適當(dāng)?shù)臐撛诹砍逽EM參數(shù)設(shè)定原則

(Raykov&Marcoulides,2006)第5頁(yè)，共96頁(yè)，2023年，2月20日，星期四所有外生變數(shù)的變異數(shù)均是模型的參數(shù)第6頁(yè)，共96頁(yè)，2023年，2月20日，星期四所有自變數(shù)之間的共變異數(shù)都是

模型的參數(shù)第7頁(yè)，共96頁(yè)，2023年，2月20日，星期四所有潛在變數(shù)與觀察變數(shù)之間的因素負(fù)荷量均是模型的參數(shù)第8頁(yè)，共96頁(yè)，2023年，2月20日，星期四所有的觀察變數(shù)或潛在變數(shù)之間的迴歸係數(shù)都是模型的參數(shù)第9頁(yè)，共96頁(yè)，2023年，2月20日，星期四應(yīng)變數(shù)之間與自變數(shù)與應(yīng)變數(shù)之間的共變異數(shù)都不是模型的參數(shù)第10頁(yè)，共96頁(yè)，2023年，2月20日，星期四潛在變項(xiàng)與一般量測(cè)變項(xiàng)最大的不同在其「不可直接量測(cè)」的特性，因此潛在變項(xiàng)缺乏一個(gè)自然存在的尺度，而必須以人為的手段設(shè)定尺度SEM最常使用的方法是將「外生潛在變項(xiàng)」變異數(shù)設(shè)為1;或?qū)撛谧冺?xiàng)其中的一個(gè)「測(cè)量變項(xiàng)與潛在變項(xiàng)」的因素負(fù)荷量設(shè)為1。兩種方法結(jié)果一樣，若目的為理論驗(yàn)證，採(cǎi)第二種方法較為適宜。SEM參數(shù)設(shè)定原則-第6原則探討D１x1x2滿意度y1y2e１e3L1e4e２L21L4W1忠誠(chéng)度標(biāo)準(zhǔn)化設(shè)定未標(biāo)準(zhǔn)化設(shè)定第11頁(yè)，共96頁(yè)，2023年，2月20日，星期四結(jié)構(gòu)方程模型估計(jì)十誡

(Grimm&Yarnold,2006)第十誡SEM不要用於小樣本(100個(gè)以下)第九誡當(dāng)利用共變異數(shù)矩陣分析時(shí)，要根據(jù)變數(shù)尺度選擇正確的矩陣如變數(shù)均為連續(xù)尺度，則可用一般的共變異數(shù)矩陣；若為連續(xù)與類別尺度混合，則採(cǎi)用polychoricmatrix；若為連續(xù)與順序尺度混合，則採(cǎi)用polyseriesmatrix。第12頁(yè)，共96頁(yè)，2023年，2月20日，星期四結(jié)構(gòu)方程模型估計(jì)十誡

(Grimm&Yarnold,2006)第八誡模式選擇要以配適度良好，精簡(jiǎn)模型為主第七誡資料分析需符合多元常態(tài)，因此所有變數(shù)要符合常態(tài)分配，亦即變數(shù)不可以是二分變數(shù)。第六誡要使用多個(gè)配適指標(biāo)做為模型評(píng)估是否配適良好的依據(jù)第13頁(yè)，共96頁(yè)，2023年，2月20日，星期四結(jié)構(gòu)方程模型估計(jì)十誡

(Grimm&Yarnold,2006)第五誡模式估計(jì)除了要考慮統(tǒng)計(jì)證據(jù)外，也要把理論依據(jù)及實(shí)務(wù)上的考量考慮進(jìn)來(lái)，第四誡測(cè)量模式要優(yōu)先考量於結(jié)構(gòu)模式。第三誡考慮多個(gè)可能的競(jìng)爭(zhēng)模型第14頁(yè)，共96頁(yè)，2023年，2月20日，星期四結(jié)構(gòu)方程模型估計(jì)十誡

(Grimm&Yarnold,2006)第二誡有關(guān)於模式搜索，需要大樣本執(zhí)行，分析時(shí)最好有一個(gè)獨(dú)立的比較樣本。第一誡絕對(duì)不要宣稱本估計(jì)模型是最佳模型。第15頁(yè)，共96頁(yè)，2023年，2月20日，星期四SEM的注意事項(xiàng)

(Chin,1998)CapitalizationonChance根據(jù)修正指標(biāo)的指示，在沒有任何理論依據(jù)下任意連結(jié)。利用探索式因素分析的結(jié)果放入驗(yàn)證式因素分析下進(jìn)行探討。SEM的假設(shè)為S-Σ(θ)=0，不需要每一條路徑去做假設(shè)，但結(jié)果需探討每一條的關(guān)係並說(shuō)明。第16頁(yè)，共96頁(yè)，2023年，2月20日，星期四SEM的注意事項(xiàng)

(Chin,1998)所有的SEM分析均是反映型(reflective)指標(biāo)，不是形成型(formative)指標(biāo)。二階因素分析的存在，需先證明一階構(gòu)面據(jù)有收斂效度，二階因素分析時(shí)，對(duì)每一個(gè)一階因素的loadings也要達(dá)0.7以上。第17頁(yè)，共96頁(yè)，2023年，2月20日，星期四SEM的注意事項(xiàng)

(Grimm&Yarnold,2006)傳統(tǒng)的分析方法如ANOVA，多元迴歸均假設(shè)變數(shù)本身的信度為1；SEM將測(cè)量誤差納入分析是一大特色。因此，兩個(gè)結(jié)果沒有比較的意義。SEM的分析的結(jié)果不可以拿來(lái)做

“因果關(guān)係”的推論。第18頁(yè)，共96頁(yè)，2023年，2月20日，星期四結(jié)構(gòu)模式與測(cè)量模式分析資料的多元常態(tài)及例外值檢核(Bollen-Stine檢定)Bootstrap應(yīng)用共線性的判定結(jié)構(gòu)模式的二階段準(zhǔn)則參數(shù)的解讀第19頁(yè)，共96頁(yè)，2023年，2月20日，星期四結(jié)構(gòu)模式與測(cè)量模式-

多元常態(tài)及極端值檢核第20頁(yè)，共96頁(yè)，2023年，2月20日，星期四ViewAnalysisProperties第21頁(yè)，共96頁(yè)，2023年，2月20日，星期四多元常態(tài)檢定顯示為多元非常態(tài)第22頁(yè)，共96頁(yè)，2023年，2月20日，星期四極端值檢定P2小於.001即為極端值,應(yīng)予刪除,一次一個(gè)第23頁(yè)，共96頁(yè)，2023年，2月20日，星期四Bollen-Stine檢定(1993)當(dāng)輸入資料呈現(xiàn)非常態(tài)時(shí)，可採(cǎi)用Bollen-Stine校正p-value，三步驟如下：確認(rèn)您的資料分配為非多元常態(tài)利用Bollen-Stine校正p-value評(píng)估整體配適度使用拔靴法(bootstrap)產(chǎn)生參數(shù)值、估計(jì)參數(shù)標(biāo)準(zhǔn)誤及每個(gè)參數(shù)的顯著性檢定第24頁(yè)，共96頁(yè)，2023年，2月20日，星期四小樣本分析處理

Bootstrapping(拔靴程序)利用抽出放回的方式重覆抽樣來(lái)增加樣本數(shù)為了得到穩(wěn)定的平均數(shù)分布(常態(tài)分配)、信賴區(qū)間及標(biāo)準(zhǔn)誤估計(jì)第25頁(yè)，共96頁(yè)，2023年，2月20日，星期四Bollen-Stinebootstrap第26頁(yè)，共96頁(yè)，2023年，2月20日，星期四Bollen-Stine計(jì)算結(jié)果第27頁(yè)，共96頁(yè)，2023年，2月20日，星期四Bollen-Stinep-value第28頁(yè)，共96頁(yè)，2023年，2月20日，星期四BootstrapDistributions卡方平均值第29頁(yè)，共96頁(yè)，2023年，2月20日，星期四重新估計(jì)路徑值第30頁(yè)，共96頁(yè)，2023年，2月20日，星期四估計(jì)值第31頁(yè)，共96頁(yè)，2023年，2月20日，星期四Bootstrap估計(jì)值第32頁(yè)，共96頁(yè)，2023年，2月20日，星期四第33頁(yè)，共96頁(yè)，2023年，2月20日，星期四結(jié)構(gòu)模式的二階段準(zhǔn)則(Bollen,1989)重新界定SR模型成為CFA模型，並讓所有的因素有相關(guān)。ViewthestructuralportionoftheSRasapathmodel.二階段準(zhǔn)則是充份條件，假如測(cè)量與結(jié)構(gòu)模型都是一樣的，整個(gè)模型就會(huì)正定。第34頁(yè)，共96頁(yè)，2023年，2月20日，星期四原始結(jié)構(gòu)模型Figure1第35頁(yè)，共96頁(yè)，2023年，2月20日，星期四第一步：將模型重新架構(gòu)成一階CFA有相關(guān)Figure2第36頁(yè)，共96頁(yè)，2023年，2月20日，星期四Commentary:IssuesandOpiniononStructuralEquationModelingThepopulationfromwhichthedatasamplewasobtained.Thedistributionofthedatatodeterminetheadequacyofthestatisticalestimationprocedure.Theconceptualmodeltodeterminetheappropriatenessofthestatisticalmodelsanalyzed.Statisticalresultstocorroboratethesubsequentinterpretationandconclusions.第37頁(yè)，共96頁(yè)，2023年，2月20日，星期四信、效度的重要性信、效度的分析是社會(huì)科學(xué)研究的基礎(chǔ)，而達(dá)成這個(gè)目的：適當(dāng)?shù)恼{(diào)查工具(問(wèn)卷)適當(dāng)?shù)倪^(guò)程(抽樣及分析)達(dá)到有意義的結(jié)果(推論)第38頁(yè)，共96頁(yè)，2023年，2月20日，星期四何謂信度與效度？信度指測(cè)量工具本身的準(zhǔn)確程度。信度可以從以下兩個(gè)角度來(lái)了解，一是測(cè)量工具穩(wěn)定一致的程度，二是從測(cè)量的誤差情形。效度(結(jié)果導(dǎo)向)指測(cè)驗(yàn)分?jǐn)?shù)的正確性。亦即指一個(gè)測(cè)驗(yàn)?zāi)軌驕y(cè)量到它所想要測(cè)量的特質(zhì)與實(shí)際情況接近的程度。第39頁(yè)，共96頁(yè)，2023年，2月20日，星期四信、效度的評(píng)估noteverythingthatcanbecountedcounts,andnoteverythingthatcountscanbecounted.--------------AlbertEinstein百發(fā)百中

彈無(wú)虛發(fā)無(wú)的放矢

亂槍打鳥瞎貓碰上

死耗子志在參加

不在得名第40頁(yè)，共96頁(yè)，2023年，2月20日，星期四研究中常見的信、效度信度Cornbach’sα、折半信度、再測(cè)信度、複本信度、互評(píng)信度、組成信度、組內(nèi)相關(guān)係數(shù)

(intra-classcorrelation,ICC)效度構(gòu)面效度(收斂效度及區(qū)別效度)、內(nèi)容(表面)效度、平均變異數(shù)萃取量、效標(biāo)效度(預(yù)測(cè)、同步效度)、

專家效度、法則效度、交叉(外部)效度、統(tǒng)計(jì)效度、

MultiTrait-MultiMethod(MTMM)。第41頁(yè)，共96頁(yè)，2023年，2月20日，星期四Cronbach’salpha第42頁(yè)，共96頁(yè)，2023年，2月20日，星期四Cronbach’sα標(biāo)準(zhǔn)化與非標(biāo)準(zhǔn)化之差異第43頁(yè)，共96頁(yè)，2023年，2月20日，星期四J1,J2&J4,J5相關(guān)第44頁(yè)，共96頁(yè)，2023年，2月20日，星期四Cronbach’sα標(biāo)準(zhǔn)化與非標(biāo)準(zhǔn)化之差異非標(biāo)準(zhǔn)化係數(shù)標(biāo)準(zhǔn)化係數(shù)量表題項(xiàng)變異數(shù)總合量表題項(xiàng)加總後變異數(shù)量表包含的總題數(shù)所有題項(xiàng)皮爾森兩兩相關(guān)的平均第45頁(yè)，共96頁(yè)，2023年，2月20日，星期四Cronbach’sα判定標(biāo)準(zhǔn)Cronbach’sAlpha

一般學(xué)者認(rèn)為0.6以下

量表應(yīng)重編；至少要0.7以上；

0.8~0.9表理想。Item-totalcorrelation0.4

以下刪除0.90以上表示(Nancyetal.p67)SPSSforIntermediateStatisticsUseandInterpretation(2ndEd.)(2005)第46頁(yè)，共96頁(yè)，2023年，2月20日，星期四組內(nèi)相關(guān)係數(shù)

(IntraclassCorrelationCoefficient,ICC)ICCs的目的是測(cè)量?jī)蓚€(gè)或多個(gè)測(cè)量(或評(píng)估者)的一致性。又稱Inter-raterreliabilityICCs從概念上可視為組間變異與總變異之比例。分析方法採(cǎi)用two-wayANOVA。ICC根據(jù)分析目的可分為六大類:

請(qǐng)參考(MaGraw&Wong,1996)第47頁(yè)，共96頁(yè)，2023年，2月20日，星期四組內(nèi)相關(guān)係數(shù)

(IntraclassCorrelationCoefficient,ICC)第48頁(yè)，共96頁(yè)，2023年，2月20日，星期四ICC結(jié)果第49頁(yè)，共96頁(yè)，2023年，2月20日，星期四探索式因素分析vs.驗(yàn)證式因素分析第50頁(yè)，共96頁(yè)，2023年，2月20日，星期四探索式因素分析研究人員一開始並未有特定數(shù)量的潛在因素被萃取出來(lái)。F1e1F2e2e3e4e5e6x1x2x3x4x5x6CharlesSpearman

第51頁(yè)，共96頁(yè)，2023年，2月20日，星期四驗(yàn)證式因素分析CFA需要研究人員事先指定預(yù)期的結(jié)果因素的個(gè)數(shù)每個(gè)因素所反應(yīng)的變數(shù)(指標(biāo))因素之間是否相關(guān)F1e1F2e2e3e4e5e6x1x2x3x4x5x611KarlJoreskog第52頁(yè)，共96頁(yè)，2023年，2月20日，星期四一階(初階)驗(yàn)證式因素分析F1e1F2e2e3e4e5e6x1x2x3x4x5x611第53頁(yè)，共96頁(yè)，2023年，2月20日，星期四二階(高階)驗(yàn)證式因素分析e1e2e3e4e5e6F1F2x1x2x3x4x5x611F31第54頁(yè)，共96頁(yè)，2023年，2月20日，星期四二階CFA考慮的重點(diǎn)二階CFA執(zhí)行結(jié)果要有不錯(cuò)的模型配適度，亦即有一個(gè)二階因素可以取代一階的共變關(guān)係理論上，二階因素是否為一階因素的傳遞媒介同一階的方式標(biāo)準(zhǔn)檢定信、效度二階對(duì)一階仍然是反映型指標(biāo)，loading之一任要加以限制，loading要>0.7第55頁(yè)，共96頁(yè)，2023年，2月20日，星期四CFA模型設(shè)定的考量第56頁(yè)，共96頁(yè)，2023年，2月20日，星期四以下這個(gè)又如何呢?第57頁(yè)，共96頁(yè)，2023年，2月20日，星期四EFAVS.CFAEFACFA探索式(data-driven)驗(yàn)證式(theory-driven)因素個(gè)數(shù)由資料決定因素個(gè)數(shù)由研究者指定問(wèn)卷設(shè)計(jì)的前端問(wèn)卷應(yīng)用的後端PCA是常用的估計(jì)法ML法是常用的估計(jì)法不考慮共線性問(wèn)題考慮模型配適度只提供標(biāo)準(zhǔn)化結(jié)果提供標(biāo)準(zhǔn)及非標(biāo)準(zhǔn)化結(jié)果沒有l(wèi)oading顯著性報(bào)告有l(wèi)oading顯著性報(bào)告EFA無(wú)法做額外的設(shè)定CFA模型設(shè)定有彈性無(wú)法執(zhí)行跨群組比較可執(zhí)行跨群組(時(shí)間)的比較第58頁(yè)，共96頁(yè)，2023年，2月20日，星期四SEM的重要矩陣S矩陣樣本共變異數(shù)矩陣調(diào)查的資料Σ(θ)矩陣模型再製(預(yù)測(cè))矩陣

(modelimpliedcovariance)殘差共變異數(shù)矩陣S－Σ(θ)第59頁(yè)，共96頁(yè)，2023年，2月20日，星期四估計(jì)方法

(ML,ADF,WLS,ULS)CFA的目的是用來(lái)估計(jì)測(cè)量模型(因素負(fù)荷量、因素變異數(shù)及共變異數(shù)、誤差項(xiàng)共變異數(shù))。運(yùn)用疊代的方式使得S矩陣與Σ(θ)

矩陣儘可能的接近，亦即愈接近，

模型配適度愈好。疊代運(yùn)算停止的兩個(gè)充份條件達(dá)到電腦預(yù)計(jì)的疊代次數(shù)，如25次模式收斂完成，亦即達(dá)到電腦預(yù)設(shè)標(biāo)準(zhǔn)第60頁(yè)，共96頁(yè)，2023年，2月20日，星期四疊代到底是蝦米碗榚呢?樣本矩陣S模型預(yù)測(cè)矩陣Σ估計(jì)方法(ML)第61頁(yè)，共96頁(yè)，2023年，2月20日，星期四CFA實(shí)務(wù)上的基本要求量表最好為七點(diǎn)尺度(Bollen,1989)每個(gè)潛在構(gòu)面至少要有三個(gè)題目，

五~七題為佳(Bollen,1989)若為多個(gè)因素模型，每一指標(biāo)不得橫跨到其它潛在因素上(Bollen,1989)問(wèn)卷最好引用自知名學(xué)者，儘量不要自己創(chuàng)造第62頁(yè)，共96頁(yè)，2023年，2月20日，星期四一階有相關(guān)CFAvs.二階CFA第63頁(yè)，共96頁(yè)，2023年，2月20日，星期四一階CFA模型和EFA的比較第64頁(yè)，共96頁(yè)，2023年，2月20日，星期四一階CFA模型(單一群組分析)第65頁(yè)，共96頁(yè)，2023年，2月20日，星期四統(tǒng)計(jì)效度常態(tài)同質(zhì)獨(dú)立第66頁(yè)，共96頁(yè)，2023年，2月20日，星期四統(tǒng)計(jì)效度－常態(tài)假設(shè)第67頁(yè)，共96頁(yè)，2023年，2月20日，星期四Howtodealwithnon-normality?第68頁(yè)，共96頁(yè)，2023年，2月20日，星期四統(tǒng)計(jì)效度－同質(zhì)性假設(shè)第69頁(yè)，共96頁(yè)，2023年，2月20日，星期四構(gòu)念效度收斂效度區(qū)別效度第70頁(yè)，共96頁(yè)，2023年，2月20日，星期四收斂效度的評(píng)估標(biāo)準(zhǔn)SMC要=>0.5組型係數(shù)(factorloading)要=>0.7組成信度(CR)>0.7AVE>0.5Cronbach’salpha>0.6第71頁(yè)，共96頁(yè)，2023年，2月20日，星期四組成信度

(compositereliability;CR)CR值是其所有測(cè)量變項(xiàng)信度的組成，表示構(gòu)念指標(biāo)的內(nèi)部一致性，信度愈高顯示這些指標(biāo)的內(nèi)部一致性愈高，0.7是可接受的門檻(Hair,1997),FornellandLarcker(1981)建議值為0.6以上。

計(jì)算公式構(gòu)念的組成信度＝(Σ標(biāo)準(zhǔn)化因素負(fù)荷量)2/((Σ標(biāo)準(zhǔn)化因素負(fù)荷量)2+(Σ各測(cè)量變項(xiàng)的測(cè)量誤差))(J?reskogandS?rbom,1996)。第72頁(yè)，共96頁(yè)，2023年，2月20日，星期四平均變異萃取量

(Averagevarianceextracted，AVE)

AVE是計(jì)算潛在變項(xiàng)對(duì)各測(cè)量項(xiàng)的變異解釋力，若VE愈高，則表示潛在變項(xiàng)有愈高的信度與收斂效度。FornellandLarcker(1981)建議其標(biāo)準(zhǔn)值須大於0.5(即由構(gòu)面的可解釋變異大於測(cè)量誤差)。計(jì)算公式AVE=Σ(因素負(fù)荷量2)/((Σ因素負(fù)荷量)2+

(Σ各測(cè)量變項(xiàng)的測(cè)量誤差))

(J?reskogandS?rbom,1996)第73頁(yè)，共96頁(yè)，2023年，2月20日，星期四一階CFA測(cè)量模型因素效度檢定有沒有負(fù)的誤差變異數(shù)因素負(fù)荷量有沒有接近或大於1過(guò)大的標(biāo)準(zhǔn)誤第74頁(yè)，共96頁(yè)，2023年，2月20日，星期四區(qū)別效度檢定第75頁(yè)，共96頁(yè)，2023年，2月20日，星期四區(qū)別效度的檢定直接檢查構(gòu)面的相關(guān)係數(shù)，一般以0.85為標(biāo)準(zhǔn)(較不嚴(yán)謹(jǐn))。利用bootstrap計(jì)算構(gòu)面之間的相關(guān)係數(shù)95%信賴區(qū)間，若沒包含1，則有區(qū)別效度(Torkzadeh,Koufteros,pflughoeft,2003)。SEM檢定構(gòu)面之間的相關(guān)係數(shù)設(shè)為1，如果reject則表示有區(qū)別效度(巢型結(jié)構(gòu))

(AndersonandGerbing,1988,Bogozzietal.,1991)。AVE法，每個(gè)構(gòu)面的AVE要大於構(gòu)面相關(guān)係數(shù)的平方(FornellandLarcker,1981)。ECVI，AIC指標(biāo)配適法(非巢型結(jié)構(gòu))

(Kline,2005,p151)第76頁(yè)，共96頁(yè)，2023年，2月20日，星期四區(qū)別效度觀察法第77頁(yè)，共96頁(yè)，2023年，2月20日，星期四相關(guān)矩陣

有形2有形4有形5有形6有形7流程1流程2流程4流程5流程6回應(yīng)1回應(yīng)2回應(yīng)3有形21

有形40.631

有形50.540.551

有形60.60.570.481

有形70.610.640.460.651

流程10.470.470.420.460.41

流程20.530.480.440.430.440.631

流程40.530.470.460.530.50.560.581

流程50.510.560.530.510.510.590.530.581

流程60.550.470.460.450.490.540.450.520.581

回應(yīng)10.40.40.380.370.390.370.370.320.410.431

回應(yīng)20.380.380.370.320.380.330.390.330.330.40.611

回應(yīng)30.430.390.360.40.350.340.370.340.290.340.440.371第78頁(yè)，共96頁(yè)，2023年，2月20日，星期四信賴區(qū)間(拔靴,bootstrap)法第79頁(yè)，共96頁(yè)，2023年，2月20日，星期四Bootstrap信賴區(qū)間輸出結(jié)果第80頁(yè)，共96頁(yè)，2023年，2月20日，星期四SEM係數(shù)檢定法第81頁(yè)，共96頁(yè)，2023年，2月20日，星期四AVE法F1F2F3F10.58F20.720.55F30.460.440.50對(duì)角線為AVE值非對(duì)角線為標(biāo)準(zhǔn)化係數(shù)平方第82頁(yè)，共96頁(yè)，2023年，2月20日，星期四ECVI，AIC指標(biāo)配適法將模型原來(lái)的問(wèn)項(xiàng)以一個(gè)，兩個(gè)及三個(gè)構(gòu)面來(lái)呈現(xiàn)，比較ECVI及AIC，值愈小表模型愈佳，若三個(gè)因素模型優(yōu)於2個(gè)或1個(gè)因素，則稱為有區(qū)別效度。ModelfitFullmodel3factorsReducedFactor12ReducedFactor13Red