驗證式SEM解析-計畫行為論
Path Analysis and SEM 3:
A Confirmatory Approach of Planned Behavior

神掌打通任督二脈‧易筋經以簡馭繁

多因子分析常用模型簡介多變項-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

30秒看穿國王的新衣

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?


因徑分析/結構方程模型特性

因徑分析(Path analysis)-1980年代後稱為結構方程模型(Structural equation modeling, SEM)-的目的在於建構1組「多變項的因果模型」,也就是包括:應變項、自變項、中介變項、具備「因果關係」-不僅是「相關關係」的理論。

因徑/SEM模型分析與建構的基礎技術是多元迴歸,並應先有共變項分析中介模型分析的前置觀念。

Path analysis is an extension of the regression model, used to test the fit of the correlation matrix against two or more causal models which are being compared by the researcher. The model is usually depicted in a circle-and-arrow figure in which single-headed arrows indicate causation. A regression is done for each variable in the model as a dependent on others which the model indicates are causes. The regression weights predicted by the model are compared with the observed correlation matrix for the variables, and a goodness-of-fit statistic is calculated. The best-fitting of two or more models is selected by the researcher as the best model for advancement of theory.

在統計軟體問世後,有些產品將因素分析、多元迴歸與因徑分析的功能結合,並命名為結構方程模型,也就是先將量表的項目萃取出「因素」-理論建構上稱為「潛在變項、或構念」後,再進行多元迴歸、因果模型建構。

所以,有的文獻將沒有作因素萃取的研究過程稱為因徑分析,而有因素萃取的稱為SEM,還有些文獻作了更細瑣的分類條件。統雄老師則建議,就大方向而言,這些區別是不太必要的。

Path analysis requires the usual assumptions of regression. It is particularly sensitive to model specification because failure to include relevant causal variables or inclusion of extraneous variables often substantially affects the path coefficients, which are used to assess the relative importance of various direct and indirect causal paths to the dependent variable. Such interpretations should be undertaken in the context of comparing alternative models, after assessing their goodness of fit discussed in the section on structural equation modeling (SEM packages are commonly used today for path analysis in lieu of stand-alone path analysis programs). When the variables in the model are latent variables measured by multiple observed indicators, path analysis is termed structural equation modeling, treated separately. Many follow the conventional terminology by which path analysis refers to modeling single-indicator variables.  However, Sean TX Wu considers it is not a necessary difference.

理論必須與分析工具配合

電腦繪圖工具問世後,許多論文呈現流行形象複雜化,喜歡配多變項概念模型圖,但分析工具又是一般統計教科書上所載的雙變項統計法。

多變項理論不能以單變項、雙變項分析工具證明

相關類型理論如果存在中介變項,必須以Path Analysis (因徑分析)亦即 SEM (Structural Equation Modeling 結構方程模型)證明

Path Analysis 因徑分析


SEM 結構方程模型:Amos 應用

較新之統計軟體,如LISREL, SPSS Amos,不必跑多支程式,可一次完成因素分析、多元迴歸與因徑分析,並一次提供較多訊息,如共變與殘差。


Amos 建模示例

典型的Amos 建模目的與結構如下,這是Amos 的官版示例

Amos 建模示例

本理論有3個構念(橢圓),各由包含2個項目(矩形)的量表所組成,正圓形是誤差:

應變項:71

自變項:SES

中介變項:67

同時表現因素分析-箭頭向外,與中介模型-箭頭表現中介邏輯。

Amos 建模示例使用這類軟體,節省了許多程序,也可能會略過了許多思辨的過程。


應用範例:驗證式SEM分析

使用軟體:SPSS Amos

代表性範例:計畫行為理論(Theory of Planned Behavior)的發展研究 


計畫行為理論 SEM 概念模型

Theory of Planned Behavior and its SEM Conceptual Models

Ajzen (1985, 1991)的計畫行為理論(Theory of Planned Behavior),是行為研究中著名的、長期被各社會學科引用、發展的流行主題之一。

計畫行為理論(Theory of Planned Behavior)原稱理性行為論(Theory of reasoned action),應變項為「行為意願(Behavioral Intention)」,自變項有2;「態度(Attitued)」與「社會影響(Subjective Norm, 直譯為「主觀規範」,並不恰當。)」。

後來修訂的 計畫行為理論(Theory of Planned Behavior)應變項改為「行為(Behavior)」,增加中介變項「意願(Intent)」,而自變項改為3;「態度(Attitued)」、「社會影響(Subjective Norm)」、與「計畫性行為的能力(Planned Behavioral Control)」。

計畫行為理論(Theory of Planned Behavior) 的 SEM 概念模型如下:

SEM 結構方程模型

概念模型意義

單箭頭:因徑

雙箭頭:簡單相關

e:殘差


使用SPSS Amos 作驗證式SEM分析 

範例來源 

Ingram, K. L., Cope, J. G., Harju, B. L., & Wuensch, K. L. (2000). Applying to graduate school: A test of the Theory of Planned Behavior. Journal of Social Behavior and Personality, 15, 215-226.

個案研究對象:申請研究所

應變項:Behavior: 申請研究所的行為

自變項:Attitude:對研究所的好感, SubNorm: Subject Norm, 別人對研究所的集體性看法, PBC: Planned Behavioral Control 作計畫性行為的能力。

中介變項: Intent:申請研究所的意願。


報表詮釋模型驗證

綠線隔開為2組方程式。

Estimate:上表為 b,迴歸係數,下表為β,標準化迴歸係數。

S.E.: 標準誤

C.R.: Critical Ratio,就是Z 值,與以下P為一體兩面。

P: 顯著水準。

SEM 結構方程模型係數


30秒看穿國王的新衣

經過前篇如何建構因徑模型的示範,看到這裡,你發現該文的什麼問題了嗎?

基本邏輯問題(不須要懂統計知識)

如何建構因徑模型3個變項兩兩相關(正相關即你我同時大、或同時小;負相關即你大我則小、你小我則大),只能「3正相關」或「2負1正相關」,不可能「1負2正相關」!

PCB,  Intent,  Behavior 三者兩兩相關,若 PCB,  Behavior 相關為正,PCB,  Intent相關為負,則 Intent,  Behavior 相關一定必須為負,不可為模型所示為正。

再簡單的說,圖形上顯示的是:

假設 A=PCB,  B=Intent,  C=Behavior

若 A * B 為負,且 A * C 為正

則 B * C 絕不能如圖上所示為正,必須為負。

亦即以上圖形所示的理論絕不可能存在。

「正負得負,負負得正」, 正負數關係是小六、小七的學習課程。

那為何作者們、編輯、評審與引用者們看不出來呢?原因可能有二:

一、計量思想與基礎不札實

當前相關行為研究領域的人才訓練,不僅計量基礎不札實,更無「計量思想」。

面對由資訊系統列印出來、大量公式與圖形時,容易拷貝剪貼-和中世紀學者抄寫羊皮聖經完全一樣,而根本「沒有看」,難的看不懂,不難的也養成不看的習慣,已把研究過程內化為儀式化、就業撞鐘化,而非知識的探險。

基本技術性統計觀念問題(尚非知識性理論建構層次)

如何建構因徑模型作者沒有SEM模型基本觀念

SEM模型的單元必須是「變項」,不是「項目」。本模型「變項」與「項目」定位混淆;「變項」必須彼此獨立,「項目」彼此應高相關。

「變項」是指「看不見而存在的能力」,譬如「數學能力」「英語能力」,而「項目」是指如何測量不同能力的考題。

如何建構因徑模型作者沒有「推論」與「顯著」的基本觀念

「樣本不為0、母群不一定不為0」是推論統計的第一步,參見「澆神水」實驗之統計易筋經

SubNorm à Intent,   PCB à Intent 都不顯著,亦即實則為0,其相關線不應存在。

PCB à Intent 之相關線取消,也就沒有前項「正負」邏輯不通的問題。

如何建構因徑模型作者沒有中介變項、直接效果、間接效果的基本觀念

中介變項存在必須經由「簡單迴歸」與「多元迴歸」才能得知。本文 沒有證據證明Intent 為中介變項,也沒有證據證明Attitude 對Behavior 之直接效果為0,且從已知資料來看,應均不可能。

如何建構因徑模型作者沒有總效果檢驗的基本觀念

PCB à Behavior 的總效果﹦ (-.13 * .35) + .34 = -.115,即為兩者之簡單相關係數加以檢定,但其值為負、就以上模式觀察極不可能,可知因果關係嚴重錯誤。

作者以上的模型建構對基本技術問題並不瞭解,還有更多進階知識論的問題:……?

如何建構因徑模型知識性理論建構層次的問題:另以「結構方程模型反省」專篇探討。

二、在SEM工具的協助下,不論怎麼亂拉、亂畫,都可以跑出GIGO(垃圾進出)模型來!

編織國王的新衣、抄寫羊皮聖經。

這就是國際著名期刊作者們的水準!

以及頂尖期刊編輯、評審與引用者們的水準!


統雄老師在讀碩士班期間,最喜歡作因徑分析,但作了數十次,漸漸領悟以下問題因徑分析/結構方程模型的反省

SEM可以說是當前管理研究、各種行為研究最流行、最熱門的取向之一。統雄老師在讀碩士班期間,也最喜歡作因徑分析,但作了數十次後,漸漸領悟到其存在著基礎知識論的問題,值得深思與檢討


參考文獻

Ajzen, I. (1991). The Theory of Planned Behavior. Organizational Behavior
and Human Decision Processes
, 50, 179-211.
Ajzen, I. (1985). From intentions to actions: A theory of planned
behavior. In: J. Kuhl & J. Beckmann (Eds.), Action Control:
From Cognition to Behavior
(pp. 11-39). NY: Springer Verlag.


統計神掌 統雄數學樂學/統計神掌易經筋-問卷

 

回頁首 Up to page head 至頁尾 Down to page bottom
上一頁 Back to previous page 回頁首 Up to page head 下一頁 Go to nex page  

統雄數學神掌系列目錄
分享意見反映
統計教學的內涵與取向
高考統計考題的解析
微積分精華篇
微積分思想篇
微積分進階精華篇
統計/數學符號與其英語讀法
資料型態與視覺呈現
敘述統計
機率論與機率分配
推論統計學精華篇
t分配與 t檢定
推論統計‧理論建構
資料分析程序與SPSS基礎
SPSS 資料清理
SPSS 轉換:Recode 重新編碼
SPSS 轉換:Compute 建構新變項
SPSS 選擇觀察值_SPSS 資料庫管理
樣本代表性檢定
單變項:類別_二元資料/詮釋
單變項:類別_二元資料/應用
單變項分析:連續資料
單變項連續資料視覺檢視與清理
卡方分析(雙向)
多向卡方分析
單向卡方分析
變異數分析(單因子):詮釋
變異數分析(單因子):應用
簡單迴歸/相關分析:詮釋
簡單迴歸/相關分析:應用
對數/邏輯相關分析
測量工具信度/效度分析
量表信度 檢定
量表效標關聯效度 檢定
因素分析_EFA
因素效度分析_CFA:詮釋
因素效度分析_CFA:應用
多變項分析精華篇
多元迴歸分析:詮釋
多元迴歸分析:應用
一般線性模型精華篇
廣義線性模型
雙因子/多因子變異數分析
調節模型與交互作用詮釋
調節模型分析與建構
SPSS 統計圖應用:調節模型檢定
共變數分析/詮釋
共變模型建構/應用
因果模型與因果邏輯
中介模型分析
因徑/SEM:模型詮釋與因果邏輯
因徑/SEM:探索式因徑模型建構
因徑/SEM:驗證式結構方程解析
多變項分析實例SEM
多變項分析實例SEM+調節篇
因徑/結構方程SEM:反省
無母數統計
統計研討篇
專題-卜豐投針實驗
專題-機率與統計悖論
1類知識計量工具
2類知識計量工具
3類知識計量工具
非等機率知識體系建構
TX空時座標建構
一般取用測量
信仰取用測量
研究方法/民調市調系列
請點這裡看所有留言分類 Please click here to view categories of comments
同類別內相關主題