探讨HLM与SEM在企业管理研究之应用.docVIP

中國科技大學獎助教師舉辦校內研習紀錄 申請編號 研習會名稱 探討HLM與SEM在企業管理研究之應用 簽 到 處 簽 到 處  研 習 紀 錄 本次研討會邀請輔大廖國鋒副教授擔任講座，並於6月7日與14日17：00~20：00在新竹校區日新樓203教室舉行，當天計有20多位教師與運籌管理研究所學生參與，主要針對「SEM線性結構方程式」相關研究主題、理論模式、軟體實務操作進行分享，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(隱藏)變數間之關係進行檢定，接著就隱藏變數與其他隱藏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。 ※建立因果模式 研究者可根據已存在的某種現象，依據經驗或現有的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)。在LISREL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。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。 ※估計模式參數 1.結構方程式：用來表示模式中內生變數與外生 2.衡量方程式：表示可觀測與隱藏變數之間的數學關係 研 習 紀 錄 ※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GFI0.9。 3. AGFI (adjust goodness of fit index)：AGFI是對自由度調整的GFI，因為GFI會隨(模式中)路徑增加而增加，因此學者提出模式配適度與複雜度的平衡指標，稱為AGFI，通常採AGFI0.9。 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NFI0.9。 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CFI0.95。 6. RMR (root mean square residual)：RMR是測量殘差的平均數，愈小表示適合度愈佳，通常採RMR0.05。 ※模式結果之解釋 在整體測量模型與資料的配適度(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結構模型是可以吻合的，可稱此結構模型具有整體模型配適度。 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，必須再補充包括「Chi-square/df ≦3」、「GFI0.9」、「AGFI0.9」、「RMR0.05」等幾個常用的指標來評估模式之適合度。 備註：一、研習紀錄請先上傳（學校首頁--研討開會心得分享--研討會心得分享上傳--輸入身分證號--上傳研習 記錄者簽章 單位主管簽章 人事室主任簽章