ConfirmatoryFactorAnalysis.ppt

Confirmatory Factor  Analysis 大綱 ＊ 6.1 前言 ＊ 6.2 驗證型因素分析：如何運作 ＊ 6.3 樣本問題 (略) ＊ 6.4 驗證型因素分析之應用 6.1 前言 CFA屬於結構方程模式(SEM with latent variables)的一種次模型，CFA分析的數學原理與統計程序，都是SEM的一種特殊應用。 CFA的進行必須有特定理論依據或概念架構作為基礎，然後藉由數學程序來確認該理論觀點所導出的計量模型是否確實、適當。 CFA的參數估計可採最大概似估計法，而非矩陣分解，其優點為 提供模型適合度檢定統計量的值 提供估計參數之標準誤 探索型因素分析與驗證型因素分析之比較 6.1.1 應用 (一)檢定因子模型之適合度 　透過驗證性因素分析，可針對特定因子模型衡量適合度，並測試其適當與否。 　案例－ 　　 Benjamin and Podolny(1996)想瞭解美國加州不同區域栽培葡萄的等級狀態，聘請10位專家對73個不同區域加以評等，評等等級為1(狀態差)~7(狀態佳)。最後選取資料較完整(完成59個不同區域評等)的5位專家。 單因子模型(測量模型) Table 6.1 相關係數矩陣(五位專家對59個不同區域製酒狀態評等) CFA可計算模型適合度指標，以驗證單因子模型是否適合樣本資料的相關結構 透過驗證型因素分析，可以檢查因子結構狀態及專家的可靠度(測量信度)。 以此題為例，相關係數均很高，故可知專家評等結果應該具一致性。CFA可提供信度及效度(收斂效度與區別效度)分析。 (二)評估建構(construct)的信效度 進行CFA時，可以使用模式配適度統計量(χ2)值與相關配適度指標(GFI、AGFI)來衡量變項的信度(reliability)與效度(validity)。 信度：指標變數與潛伏變數之間相關程度(0.7) 效度：可分為下列兩種 收歛效度(convergent validity)：對相同特性(construct, concept, or research variables)使用不同衡量方法(Likert scale, Stapel scale, or semantic differential)，所得結果高度相關。 區別效度(discriminant validity)：不同建構(construct, 即研究變數或稱concept) 彼此之間確實不相同。 Multitrait–multimethod matrix (多重特質多重方法) 圖6.1 1. 李克尺度： Strongly Generally Moderately Moderately Generally Strongly Agree Agree Agree Disagree Disagree Disagree “Selection is wide.” ____ ____ ____ ____ ____ ____ 2. 語言差異尺度： Extremely Quite Slight Slight Quite Exremely Wide Selection ____ ____ ____ ____ ____ ____ Limited Selection 3. 史德培尺度： 　　　　　+3 ___ +2 ___ +1 ___ Wide Selection -1 ___ -2 ___ -3 ___ 表6.2 相關係數矩陣(針對連鎖商店的兩個特徵(store appearance, A and product assortment, P)分別採用三種不同方法(Likert scale, L, Differential scale