以知觉价值模式为基础探讨乘客再搭乘意愿之影响因素以

結構方程式模式(SEM)之應用簡介胡凱傑博士2005.03.012大綱一、簡介二、模式相關基本概念三、模式驗證之前提假設四、案例說明五、Q&A3一、簡介有關多個變數關係架構的分析方法，基本上即屬於路徑分析方法(pathanalysis)。一般線性模式乃假定每一對變數之間會存在線性的關係，故可用直線方程式來表示。基於線性關係的假設來建構變數之間的結構關係即為結構方程式模式(structuralequationmodeling,SEM)。4SEM的界定一種統計的方法學(statisticalmethodology)，用以處理複雜的多變量研究數據。(Byrne,1994)主要應用於人格與態度測驗。以一組題目來測量潛在的心理構念(construct)。5SEM三個基本概念一、假設考驗(hypothesis-testing)二、結構化驗證(structuralconfirmatory)三、模型分析(modelinganalysis)6SEM的組成測量模式(measurementmodel)指實際觀察值與其背後的潛在特質(或因素)的相互關係結構模式(structuralmodel)顯示因素與因素之間的關係7F3DisturbanceF1F2MeasurementModelStructuralModelErrorLatentVariableSEM典型組成圖示（圖16.1）8SEM的分析策略一、因素分析模式二、驗證性因素分析(confirmatoryfactoranalysis;CFA)三、潛在變項(LatentVariable)的測量9二、基本概念潛在變數社會與行為科學研究中所處理的構念，常常是不易直接觀察到的潛在變數，如服務品質、滿意度。也有學者將潛在變數稱為非觀察變數(unobservedvariables)、非衡量變數(unmeasuredvariables)或潛在因素(latentfactors)潛在變數之間的因果關係模型，稱為結構模式。B10衡量變數潛在變數是無法直接測量的，必須藉由觀察變數來間接推測得知，如：智力無法觀測，必須由智力測驗衡量。亦有學者將觀察變數稱為外顯變數(manifestvariables)、衡量變數(measuredvariables)或指標變數(indicatorvariables)潛在變數與觀察變數之間的關係模型稱為衡量模式。yyxx11SEM提供了一種進行資料分析和研究理論的完整綜合系統，包括結構模式(即因果關係部分)與衡量模式(即測量效度部分)兩部分。Time1　ＲTime2焦慮焦慮I1I2I3I1I2I3e1e2e3e1e2e3應用SEM於再測信度估計之模型圖示1213模式分析方法兩階段分析程序(AndersonandGerbing,1988)確認性因素分析(confirmatoryfactoranalysis,CFA)路徑分析(pathanalysis)模式適配指標：x2不顯著、x2／df小於3GFI、AGFI、NFI、NNFI、CFI愈大愈好軟體應用：SAS8.0之CALISPROC與LISREL8.3第四章研究模式與研究方法14三、模式驗證之前提假設確認性因素分析時：條件1：觀察變數必須是區間(interval-level)或比率(ratio-level)的程度變數。條件2：觀察變數必須為連續且至少要有四個數值。條件3：資料需為常態分配。條件4：變數間之關係為線性與附加的(additive)。若為非線性關係則需另行假設關係函數。15條件5：變數間應避免多重共線性。條件6：必須包含所有重要的因果關係。條件7：模式是過度確認(over-identified)的。條件8：觀察變數個數。一般而言，樣本數至少要有200個。或者，也可以5倍的待估計參數個數為最小樣本數個數。條件9：每個潛在變數一開始至少有三個觀察變數。條件10：觀察變數總數不要超過30個。16模式確認為確認是否有「足夠的」變異量與共變異資料，可用以估算矩陣中的未知參數或係數。足夠確認(just-identification)：參數數目與估算的資料一樣多，故僅有唯一解，故不需進行適合度測試。過度確認(over-identification)：有充裕的資料可以被確認，也就是資料數據比要估算的參數多，因此會有一組以上的解。此時模式可以被測試與驗證。不足確認(under-identification)：至少會有一個參數不能被估算，因為該模式沒有足夠的觀察變數提供資料數據，此時模式無法得到求解結果，因此無法進行模式適合度測試。17確認的方式，係將模式中所有的路徑係數、變異數以及待估計之共變異數個數相加，與資料點(datapoints)的個數作比較。估計參數等於資料點的個數，則為足夠確認；當估計參數個數小於資料點的個數，則為過度確認；若估計參數個數大於資料點的個數，則為不足確認。資料點的個數計算方式為：Numberofdatapoints=其中，p為可以被分析的觀察變數個數。2/))1((pp18知覺價值PV再搭乘意願RI知覺成本PC知覺利益PB知覺貨幣價格PMPH1H4H3H5H7++++－四、案例說明與實作研究架構替代運具吸引力AAMH2－新加入知覺非貨幣價格PNMPH6+增加衡量服務品質SQ多重問項量表19衡量變數彙整潛在變數潛在變數V1再次搭乘之可能性V14與乘客互動(6問項)V2就相同旅次而言，會願意用同樣的代價搭乘此客運V15有形服務設施(6問項)V3在相同的價格之下會考慮搭乘此客運V16服務提供便利性(5問項)V4再次搭乘此客運的意願V17營運管理支援(3問項)V5所接受之服務相對其價格而言是有價值的V18搜尋成本：抵達候車站位的方便性V6就此價格之服務水準是可接受的V19精神成本：於車外等候車輛到站時間適當V7搭乘此一客運較其他運具值得V20時間成本：於車內之車輛行駛時間適當V8所搭乘之路線、班次符合實際需求V21對於此服務所設定的價格認為V9搭乘後覺得受到的服務待遇很好V22所付出價格之合理性V10整體服務比預期的好V23對於價格可接受程度V11實際付出的代價(包括金錢、時間、精力)比預期低V24有其他的替代客運或運具可供選擇V12整體付出的代價是合理的V25希望搭乘其他客運或使用其他運具V13整體付出的代價可以被接受的V26有其他客運或運具可提供更滿意的服務衡量變數衡量變數再搭乘意願RI知覺價值PV知覺利益PB知覺成本PC服務品質SQ知覺非貨幣價格PNMP知覺貨幣價格PMP替代運具吸引力AAM20LISREL分析模式(省略外生變數間之共變異關係線)SQPMPPNMPPBPCPVRIAAMV14V2V7V6V5V8V13V12V11V10V9V4V3V24V25λV8,PBλV5,PVλV11,PCλ25,AAMλ24,AAMγPB,SQγPC,PMPβPV,PBβRI,PVγRI,AAζ3ζ4ζ2ζ1δ14ε8ε10ε9ε11ε13ε12ε5ε7ε6δ24δ25ε3ε2ε4V1λV1,RIε1V26λ26,AAMδ26λV4,RIλV3,RIλV2,RIλV7,PVλV6,PVβPV,PCλV13,PCλV12,PCγPC,PNMPλV10,PBλV9,PBV15δ15V16δ16V17δ17V18δ18V19δ19V20δ20V21δ21V22δ22V23δ23λV14,SQλV17,SQλV16,SQλV15,SQλV18,PNMPλV20,PNMPλV19,PNMPλV21,PMPλV22,PMPλV23,PMP注意：每個潛在變數至少要有三個衡量變數21資料蒐集台北市十家聯營公車公司各發放75份問卷，共750份有效回收率31.3%(235份)22Cronbachα係數信度分析構念市區公車公路客運再搭乘意願RI0.8580.873知覺價值PV0.6840.795知覺利益PB0.8000.708知覺成本PC0.8420.821服務品質SQ0.7840.780知覺非貨幣價格PNMP0.6050.584知覺貨幣價格PMP0.9280.939替代運具吸引力AAM0.6290.56523模式分析以相關係數矩陣為輸入資料衡量模式分析：確認性因素分析(CFA)服務品質SQ知覺非貨幣價格PNMP知覺貨幣價格PMPV14V15V16V18V19V20V21V22V23V17知覺成本PCV11V12V13知覺利益PBV8V9V10知覺價值PVV5V6V7再消費意願RIV1V2V3V4替代品吸引力AAV24V25V2624表6.12市區公車初始衡量模式適配指標結果FitFunction2.4967GoodnessofFitIndex(GFI)0.8408GFIAdjustedforDegreesofFreedom(AGFI)0.7938RootMeanSquareResidual(RMR)0.0674ParsimoniousGFI(Mulaik,1989)0.7011Chi-Square584.2357Chi-SquareDF271PrChi-Square.0001RMSEAEstimate0.0703RMSEA90%LowerConfidenceLimit0.0625RMSEA90%UpperConfidenceLimit0.0781ECVIEstimate3.2697ECVI90%LowerConfidenceLimit2.9781ECVI90%UpperConfidenceLimit3.5991ProbabilityofCloseFit0.0000Bentler'sComparativeFitIndex0.9016NormalTheoryReweightedLSChi-Square576.1614Akaike'sInformationCriterion42.2357Bozdogan's(1987)CAIC-1166.3120Schwarz'sBayesianCriterion-895.3120McDonald's(1989)Centrality0.5135Bentler&Bonett's(1980)Non-normedIndex0.8820Bentler&Bonett's(1980)NFI0.8335James,Mulaik,&Brett(1982)ParsimoniousNFI0.6950Z-TestofWilson&Hilferty(1931)10.2198Bollen(1986)NormedIndexRho10.8003Bollen(1988)Non-normedIndexDelta20.9033Hoelter's(1983)CriticalN12625------------Range-----------FreqPercent-4.50000-4.2500020.57*-4.25000-4.0000020.57*-4.00000-3.7500010.28-3.75000-3.5000000.00-3.50000-3.2500051.42**-3.25000-3.0000041.14**-3.00000-2.7500061.71***-2.75000-2.5000020.57*-2.50000-2.2500082.28****-2.25000-2.00000113.13*****-2.00000-1.7500051.42**-1.75000-1.50000123.42******-1.50000-1.25000226.27***********-1.25000-1.00000143.99*******-1.00000-0.75000185.13*********-0.75000-0.50000185.13*********-0.50000-0.25000205.70**********-0.250000113.13*****00.250004613.11**********************