解读LISREL的报表.ppt

揭開LISREL的神秘面紗—解讀LISREL的報表 主講人： 蕭登泰 模式適配與修飾 配適度檢定 (test of goodness-of-fit) 配適度檢定原理的虛無假設 理論上 實務上 Ｓ：樣本共變數矩陣 Σ 與Σ(θ) ：未知母體共變數矩陣 　：根據母體建構參數所複製出的估計共變數矩陣 SEM的基本檢定，是期望獲得「不要拒絕虛無假設」的檢定結果，也就是H0被接受的結果，或獲得不顯著的檢定結果。 整體配適度指標 卡方值(　) 希望未達顯著，容易受到樣本數(200)與資料偏離常態的影響 均方根近似誤(RMSEA)和非趨中參數(NCP) RMSEA0.05→良好配適；0.05~0.08→合理配適；0.08~0.10→普通配適；0.10不良配適 NCP越小越好，檢驗其90%信賴區間是否涵蓋0 RMSEA不受樣本大小與模型複雜度的影響 適配度指標(GFI)和修正適配度指標(AGFI) 類似迴歸分析判定係數的觀念，0.90→良好配適 均方根殘差(RMR)和標準化均方根殘差(SRMR) RMR或SRMR0.08 R平方值(　) 0.5 比較配適度指標 非正規化適配指標(NNFI) 比較兩對立模式之間的配適度，門檻值為0.9 正規化適配指標(NFI)、增值適配指標(IFI)/比較適配指標(CFI)和相對非趨中性指標(RNI) NFI與IFI用來比較所提模式與獨立模式之間的卡方值差距 CFI與RNI則適用於一連串模式的比較 門檻值為0.9 期望交叉驗證指標(ECVI) 可用來檢驗模式應用到同一母體的不同樣本是否仍有效 越小越好，檢驗其值是否小於飽和模式與獨立模式下的ECVI值 精簡配適度指標 正規化卡方值(NC) 為卡方值/自由度，校正模型複雜的影響所造成的膨脹效應 1~3為理想適配值；1，表示模式容易受到機運影響而產生適配不良；3或5，表示模式需要修正 精簡正規化適配指標(PNFI)和精簡適配度指標(PGFI) 0到1之間，其值越高表示模式具有精簡性 Akaike訊息指標(AIC)和一致Akaike訊息指標(CAIC) 0，越小越好，樣本數200且資料符合多變量常態性假設 關鍵樣本數(CN) 基於統計檢定的考量，模式要獲得一個可被接受的適配程度，所需最低數量的樣本 建議：CN200 測量模式的配適指標 信度 測量觀察變數的Ｒ平方值（收斂效度） 組合信度(composite reliability, CR) 一組測量觀察變項具有測量某個潛在變項的理想信度 CR0.6 效度 因素負荷量界於0.50~0.95之間 測量誤差無負值且達到顯著 參數間相關的絕對值不接近1 平均變異數萃取量(average variance extracted, AVE) 某各潛在變項相對於測量誤差，所能解釋到測量觀察變項變異數的量(百分比) AVE0.5 結構模式的配適指標 潛在變項彼此之間關係的路徑係數符號 正負方向是否與研究預期方向相同 路徑係數的參數估計值是否達到統計上的顯著 參數估計值的t值絕對值，至少須大於1.96 每一條結構方程式的R平方值是否達到顯著 R平方值越大越好(最好大於0.5) 各配適指標總整理 指 標 名 稱 與 性 質 範圍 判斷值 適用情形 整體適配度指標 ?2 test 理論模型與觀察模型的契合程度 - P.05 說明模型解釋力 RMSEA（Browne Cudeck, 1993） 比較理論模式與飽和模式的差距 0-1 .05 不受樣本數與模式複雜度影響 NCP (Bentler, 1988) 假設模型的卡方值距離中央卡方分 配的離散程度 - 越接近0越好 說明假設模型距離中央性卡方的程度 GFI（Bentler, 1983） 假設模型可以解釋觀察資料的比例 0-1 .90 說明模型解釋力 AGFI（Bentler, 1983） 考慮模式複雜度後的GFI 0-1* .90 不受模式複雜度影響 RMR與SRMR 樣本共變數矩陣與適配矩陣的差距 0 0.08 修正模式時可參考 R平方值 0-1 越大越好 說明模型解釋力 指 標 名 稱 與 性 質 範圍 判斷值 適用情形 比較適配度指標 NNFI（Bentler Bonett, 1980） 考慮模式複雜度後的NFI 0-1* .90 不受模式複雜度影響 NFI（Bentler Bonett, 1980） 比較假設模型與獨立模型的卡方差異 0-1 .90 說明模型較虛無模型的改善程度 CFI (Bentler, 1988) 假設模型與獨立模型的非中央性差異 0-1 .95 說明模型較虛無模型的改善程度特別適合小樣本 ECVI (Browne Cudeck, 1989) 假設模型配適共變矩陣與期望共便矩陣的差異 - 越小越好 比較模式再同一母體下不同樣本是否適用