統雄-統計神掌因徑/結構方程模型2

神掌打通任督二脈‧易筋經以簡馭繁

多變項-多因子分析常用模型簡介

因徑分析/結構方程模型特性
理論必須與分析工具配合

Path Analysis 因徑分析

工作滿意度的因徑概念模型
因徑模型的聯立方程式組
因果關係：直接效果與間接效果

探索式因徑/SEM模型建構: SPSS 應用

篩選自變項
篩選相關變項
檢查中介效果與篩選中介變項
經由多元迴歸分析篩選中介變項
檢查標準化多元迴歸係數
檢查間接效果
建立因徑/SEM模型並檢定因果關係/總效果

驗證式因徑/SEM模型建構
因徑模型的詮釋
不好就打掉重作‧才是科學精神

SEM 結構方程模型: Amos 應用

概念模型意義

報表詮釋與模型驗證

反省1：β與e

反省2：因徑關係除了數字更要詮釋

反省3：框架知識與基礎知識/複雜模型與簡單模型

反省4：基礎知識/簡單模型的因子數

反省5：人類行為是線性或非線性？ 

反省6：人類行為變量是純量或向量？

前置觀念：因徑分析/結構方程模型特性

因徑分析/SEM: SPSS 應用

如何 使用 SPSS 作 SEM

當前有部分人士誤解，作SEM一定要使用 較如LISREL, SPSS Amos…等專用工具，其實不然，使用SPSS 一樣可以達成。

使用SEM專用軟體，可以節省許多程序，也可能會略過了許多思辨的過程，隨便亂拉、亂畫，也可以跑出模型圖形，更容易形成GIGO(垃圾進出)現象。

所以統雄老師以下將示範如何以SPSS 作因徑分析/SEM，一步一步分解建構模型，也更能反映模型建構的科學邏輯。

探索式、或驗證式因徑分析/SEM

因徑分析/SEM可分作探索式、或驗證式分析。

驗證式因徑分析目的，在重複實驗前人所提出的因徑模型。

本習題則先實作範圍較大之探索式因徑分析。

下載SPSS範例

下載SPSS高等統計範例資料（右鍵下載）Analy-SPSS-Teaching.exe

下載SPSS多變項分析範例資料（右鍵下載）Analy-SPSS-Teaching-Multi.rar

下載SPSS統計與多變項習題資料（右鍵下載）Analy-SPSS-Multi_Ex.7z

下載SPSS範例資料（教材專區）Analy-SPSS-Teaching.exe

下載範例資料（教材專區）：Analy-SPSS-Teaching-Multi.exe

應用範例：使用網路時間

探索式因徑/SEM模型建構

問題：是否存在影響最近使用網路時間的因徑模型。

我們發現：最近使用網路時間因「性別」而產生差異。

但根據人類行為研究經驗，生理變項可能不是行為變項的完全自變項，可能存在其他行為的中介構念變項。

又根據對使用網路行為的因素分析，發現可萃取出5個因素-即5個構念變項，分別命名為：情色行為、交友行為、收集資訊行為、遊戲行為、禮儀行為。

故以性別[a1]與此5個構念變項[FAC1~FAC5]，進行對建構「最近使用網路時間」[kb15]因徑模型的探索式分析。

探索式因徑/SEM模型建構的階段包括：

1.篩選自變項：使用相關分析

2.檢查中介效果與篩選中介變項：使用多元迴歸分析

3.建立因徑模型並檢定因果關係/總效果

1.篩選自變項：使用相關分析

檢查簡單相關矩陣

將以上5變項作兩兩變項之簡單相關分析。

篩選相關變項

發現以下兩兩變項之簡單相關到達顯著水準：

r_ak = -.214

r_F3.k = .160

r_F5.k = .270

同時，F3, F5為因素分析所萃取之構念變項，故

r_F3.F5 = 0

亦即此兩者互為獨立變項。 

只存在多元迴歸模型，並無因徑/SEM模型。但假設顯著，繼續建構模型。

r_F3.a = -.052

r_F5.a = -.115

未達顯著水準，亦即實質為0，只存在多元迴歸模型，並無因徑/SEM模型。

但此處為習題，故假設顯著，繼續建構模型。 

2.檢查中介效果與篩選中介變項：使用多元迴歸分析

檢查是否存在中介作用

將 k 作應變項，a 與 F3, F5 作自變項，進行多元迴歸分析。

選擇逐步迴歸。

經由多元迴歸分析篩選中介變項

發現存在從1~3個自變項的3組多元迴歸模型，且均到達顯著水準，故將採用第三組模式。

同時，可以觀察調整後判定係數的值。

檢查標準化多元迴歸係數

發現：

β_F5.k = .249

β_ak = -.183  <  r_ak

β_F3.k = .150

性別的影響減少最多，但不為0，故發生了不完全中介現象。

而禮儀行為(F5)和收集資訊行為(F3)相互獨立，故知兩者都是性別的中介變項。

求取間接效果之因徑係數

再根據前述相關矩陣，取得間接效果之因徑係數為：

r_F3.a = -.052

r_F5.a = -.115

這2項係數未顯著，亦即其實為 0。

以上驗證，只能建構「多元迴歸模型」。

但此處為習題，假設這2項係數到達.05顯著水準以上，而繼續建構因徑/SEM模型。

3.建立因徑/SEM模型並檢定因果關係/總效果

建立因徑模型

因果關係/總效果檢定

模型的因果關係可以由總總效果檢定得知。

總效果就是自變項與應變項的簡單相關係數。

直接效果+間接效果﹦總效果

Gender → Time = -.183

Gender → Manner→ Time = .-115 * .249 = -.029

Gender → Search → Time = -.052 * .150 = -.001

-.183 +(-.029) +(-.001) = -.213 =  r_ak

故因果正確，本因徑/SEM模型成立。

註：前報表為 r_ak = -.214，係經多次運算，有效數字必然有誤差，實則相同。

因徑模型的詮釋

一般研究作到這裡就結束了，包括所謂頂級國際期刊論文也不例外。

但就追求科學的「知識論」立場，只是資料結果，還沒有詮釋。

綜合考慮以下幾項：

判定係數為：.118，總解釋力才1成多，屬於低度重要性。

模型中最主要的「禮儀行為」影響使用網路時間，在知識邏輯上並沒有妥適之解釋。

許多研究顯示，男女在使用網路時間上沒有差異，本習題雖然男性使用時間較多，仍有可能是隨機性不足所造成的。

這項模型有可能只是這組樣本的結果，並不能推論全體行為，應予保留。

不好就打掉重作‧才是科學精神

忙了半天，最後決定廢棄，看來可惜，才是科學。

而建構模型的思考辯難，就是知識產生的過程。

SEM 結構方程模型

統雄數學樂學/統計神掌易經筋-問卷