国立中央大学企业管理学系

邱皓政國立中央大學企業管理學系HawjengChiou,NationalCentralUniversity共變結構分析(covariancestructureanalysis)共變結構模式(covariancestructuremodeling)潛在變項結構模式(latentvariablestructuralmodeling)帶有不可觀察變項的結構模式(structuralmodelingwithunobservedvariables)2unobservedvariables)線性結構關係(linearstructuralrelationships)潛在變項方程系統（latentvariableequationsystems）動差結構模式(momentsstructuremodeling)帶有無法觀察變項的因果模式(causalmodelingwithunobservedvariables)StructuralEquationModeling(SEM)Measurementmodel測量模型▪Confirmatoryfactoranalysis（驗證性因素分析）Structuralmodel結構模型Structuralmodel結構模型▪Regression/Pathanalysis（迴歸/路徑分析）3111111111111IfX+Y=10ThanX=Y=AndX-Y=10ThanX=JustidentifiedUnderidentified0101928....10X-Y=10AndX+2Y=5X=Y=ThanX=Y=OveridentifiedJustidentifiedParametersneedtoestimate1001009-27-1....005310420Abettersolutionand/orapropersolution?41111EFV2222EFV定理二計算兩個觀察變項的共變數為：V1V2V3F1E1E2E3123V4V5V6F2E4E5E6456211Assumptions:ErrorsarerandomlydistributedAnduncorrelatedtoeachotherAndtotruescoresCov(V1,V4)=Cov(1F1+E1,4F2+E4)=14Cov(F1,F2)+1Cov(F1,E4)+4Cov(E1,F2)+Cov(E1,E4)=14Cov(F1,F2)=1421Var(V1)=Cov(1F1+E1,1F1+E1)=),(),(),(),(111111111121EECovFECovEFCovFFCov=1211121)()(EVarFVar5Cov(V1,V2)=Cov(1F1+E1,2F1+E2)=12Cov(F1,F1)+1Cov(F1,E2)+2Cov(E1,F1)+Cov(E1,E2)=12Cov(F1,F1)=12Var(F1,F1)=12000000000:模式所提供的共變數矩陣121213121411.2620.5770.4620.5051.2620.5771.079S=0.4620.5581.1020.5050.5760.3541.9590.2030.2910.1210.4381.2310.4850.5360.3201.2470.5631.8716V1V2V3F1E1E2E3123V4V5V6F2E4E5E645621•S:觀察到的共變數矩陣)(())(()(ssQF-1Wkgghkighijghghijijghssw1111,))((weightedleastweightedleast--squares;WLSsquares;WLS7min)1(FNTT服從卡方分配)(loglog-1SΣSΣtrFMLMaximumLikelihoodmethodMaximumLikelihoodmethod11.17499034289.)1(min2NF8898.99.90011.1799.900NFI描述性統計量3.541.12310003.401.03910003.881.05010002.741.40010002.191.11010002.811.3681000i1大體來說，我對我自己十分滿意i3我覺得自己有許多優點i4我自信我可以和別人表現得一樣好i2有時我會覺得自己一無是處i5我時常覺得自己沒有什麼好驕傲的i6有時候我的確感到自己沒有什麼用處平均數標準差個數相關1.494**.392**.321**.163**.316**.494**1.512**.396**.253**.377**.392**.512**1.241**.104**.223**.321**.396**.241**1.282**.651**.163**.253**.104**.282**1.371**.316**.377**.223**.651**.371**11.262.577.462.505.203.485.5771.079.558.576.291.536.462.5581.102.354.121.320.505.576.3541.959.4381.247.203.291.121.4381.231.563.485.536.3201.247.5631.871i1大體來說，我對我自己十分滿意i3我覺得自己有許多優點i4我自信我可以和別人表現得一樣好i2有時我會覺得自己一無是處i5我時常覺得自己沒有什麼好驕傲的i6有時候我的確感到自己沒有什麼用處i1大體來說，我對我自己十分滿意i3我覺得自己有許多優點i4我自信我可以和別人表現得一樣好i2有時我會覺得自己一無是處i5我時常覺得自己沒有什麼好驕傲的i6有時候我的確感到自己沒有什麼用處Pearson相關共變異數i1i3i4i2i5i6在顯著水準為0.01時(雙尾)，相關顯著。**.912121311.2620.5770.4621.00F1i4.69e1.641i3.34e2.861i1.78e3.6911.00F2i2.77e4i51.02e5i6.57e61.091.4611.141.57Numberofdistinctsamplemoments:21Numberofdistinctparameterstobeestimated:13Degreesoffreedom(21-13):83121410.4620.505……Freeparameters=13Datapoint=21Itisanover-identifiedmatrix.694*.857=.59410121211.2610.576213121410.4620.505…….694*.857=.594.576-.594=-.018111.00F1i4.69e1.641i3.34e2.861i1.78e3.6911.00F2i2.77e4i51.02e5i6.57e61.091.4611.141.57121x1x2x11y1y2212x21y11y21外衍(exogenous)內衍(endogenous)變數Variables觀察變數measuredvariablesx外衍觀察變數y內衍觀察變數潛在變數latentvariablesξ(ksi)外衍潛在變數η(eta)內衍潛在變數誤差項(隨機變數)errorterms22233x3x4y3y421β121x111144γ21γ22x21y11y21x12x22y12y2213說明1.SEM的變數需為連續變數2.類別變數需經過虛擬處理3.凡是變數就有平均數與變異數。平均數為截距，通常不需要估計變異數為參數，需要估計或設限誤差項(隨機變數)errortermsδ(delta)外衍觀察變數測量誤差ε(epsilon)內衍觀察變數測量誤差ζ(zeta)內衍潛在變數估計誤差參數patameters測量模型measurementmodel(FactorModel)λx(lambdax)外衍測量模型因素負荷量λy(lambday)內衍測量模型因素負荷量δ(delta)外衍觀察變數測量誤差ε(epsilon)內衍觀察變數測量誤差結構模型structuralmodel(PathModel)1x1x2x11y1y2212x21y11y21外衍(exogenous)內衍(endogenous)結構模型structuralmodel(PathModel)β(beta)內衍對內衍潛在變數的迴歸係數γ(gamma)外衍對內衍潛在變數的迴歸係數ζ(zeta)內衍潛在變數估計誤差22233x3x4y3y421β121x111144γ21γ22x21y11y21x12x22y12y2214參數的類型1.自由參數(freeparameters)估計得到的參數2.固定參數(fixedparameters)給定數值（多為0或1）的參數3.設限參數(constrainedparameters)模型中因特定需要而加以限定者■結構模型方程式■y變項測量模型方程式外衍(exogenous)內衍(endogenous)TD（）X1X2LX（）TE（）Y1Y2LY（）■y變項測量模型方程式yy■x變項測量模型方程式xx15PS（）K2E2TD（）TE（）X3X4Y3Y4GA（）PH（）BE（）LX（x）LY（y）K1LX（x）E1LY（y）PS（）理論性發展（TheoreticalDevelopment）模型辨識（ModelIdentification）抽樣與測量階段一模型發展階段二模式設定（ModelSpecification）16抽樣與測量（SamplingandMeasurement）參數估計（ParameterEstimation）模型契合度估計（AssessmentofFit）討論與結論（DiscussionandConclusion）階段二估計與評鑑模型修飾（ModelModification）基本策略策略一：模型的收斂性SEM的模型與各項參數是否能被順利的辨識、收斂與估計因為假設模型的檢驗是在完成參數估計之後才進行的工作，因此參數估計的順利完成是模型適切性的第一個指標策略二：違犯估計（preliminaryfitcriteria）檢查每一個參數的正負號、數值大小是否符合理論預期；17發展策略標準策略或是檢查測量誤差的大小，分析這些殘差項當中是否透露某些變項的測量品質不佳的訊息策略三：適配度指標（goodness-of-fitindex）的運用利用統計顯著性考驗檢驗假設模型與實際觀察資料的適配情形策略四：模型內在品質檢驗檢視各參數的品質與信度資料策略五：模型修飾的運用利用模型修飾的功能尋找更佳的替代模型Modelconfirmation作為驗證（confirmatory）的基礎針對單一的先驗假設模型，評估其適切性Modelgeneration先設定一個起始模型，在與實際觀察資料進行比較18先設定一個起始模型，在與實際觀察資料進行比較之後，進行必要的修正，反覆進行估計的程序以得到最佳契合的模型ModelCompetition利用不同模型的比較以決定何者最能反應真實資料MeasuredVariablesF-FluencyF-FlexibilityF-OrginalityV-OriginalityV-FlexibilityV-FluencyValueAttitudeInterestsPro-SlovingPersonalityMode