二十五、结构方程式模式 - kuasedutw.pdfVIP

4/9/2007 10:20 AM 二十五、結構方程式模式2 25.1 AMOS 操作步驟2 25.2 結構方程式模式使用的檢定參數2 25.3 結構方程式研讀資料4 4/9/2007 10:20 AM 二十五、結構方程式模式 Structural equation modeling, SEM 教學目標 ：讓學生知悉餐旅觀光相關領域的研究趨勢、相關研究方法分類、學習學生的發展 機會、熟悉研究流程。 結構方程式又稱為共變異數結構分析、共變數結構分析、共變異數構造分析(Covariance structure analysis) 、共變異數結構模式(Covariance structure modeling) 25.1 AMOS 操作步驟 1.開啟Amos Graphics 程式，出現Unnamed project: Group number 1: Input 視窗。 2.在Unnamed project視窗中，利用左側小視窗點選工具，畫設欲分析的理論架構。矩形 (Diagram→Draw Observed, F3)代表觀察變數(Observed variables) ；橢圓形(Diagram→Draw Unobserved, F4) 代表未觀察變數(Unobserved variables) ；圓形代表潛在變數(Latent variables) 。點選特定圖形後，該圖形會出現方形外匡，游標移到右邊繪圖區，利用拖拉 方式繪製該特定圖形，拖拉起迄點即為圖形的對角位置，以拖拉起迄點控制圖形的大小 與位置。在左側小視窗中單箭號(Diagram→Draw Path, F4)代表路徑(Path) ，雙箭號(Diagram →Draw Covariance, F5)代表共變性(Covariance) 。 3. 25.2 結構方程式模式使用的檢定參數 2 Likelihood ratio χ 概度比率卡方考驗值Chi-square index 2 針對結構方程式的χ (卡方)統計是屬於差性適配(Badness of fit measure)的指標，在特定 2 的自由度之下，若χ (卡方)檢定值顯著時，代表觀察(獲得)矩陣與理論估計矩陣的適配不良。 2 在結構方程式分析中，期望觀察(獲得)的數值與模式是適配，故χ (卡方)檢定值必須為不顯 2 χ 著 。一般設定 (卡方)檢定的機率需大於0.1 ，該結構方程式的模式方能夠被接受。 Non-centrality parameter (NCP)非集中性參數 2 為降低樣本大小對 (卡方)檢定值的影響，而發展出NCP χ 2 NCP = χ −df df 為自由度。 2 NCP 目的是希望降低樣本數對卡方檢定的影響程度，但是原始的卡方值 還是依據樣本 χ 大小計算獲得，故其效益並不高。 Scaled non-centrality parameter (SNCP)尺度化非集中性參數 2 同樣是為降低樣本大小對χ (卡方)檢定值的影響，而繼續發展出SNCP 2 −df