結構方程模式(Structural equation modeling, SEM)儼然已成為社會科學近20年來的分析典範,幾乎欲探討三個變項以上的因果關係(Casual relationship)的研究都會被要求要以SEM這種同時聯立方程式的方式作探討,否則很容易被審稿者所質疑。

 

 

若想要真正了解SEM的概念,必須先熟稔因素分析(Factor analysis)以及迴歸分析(Regression analysis),因為SEM就是由Karl Jöreskog將這兩大典範同時整合而成的方程式。在個人的諮詢經驗中,很多研究者都「會跑SEM」,但是可能不知道「為什麼要跑SEM」,以及不清楚SEM相較於其他方法(尤其是迴歸分析)的優勢與劣勢,本篇短文就是個人彙整幾點最重要的SEM的長處與短處,給各位讀者一些概念上的啟迪。

 

  在真正開始介紹SEM的優劣勢之前,必須先針對SEM模式圖型作一個淺顯的介紹。圖1是一個典型的SEM分析概念圖,其中包括了三個潛在變項(一個潛在自變項:ξ1, 以及兩個潛在依變項:η1, η2),它們都各由三個觀察變項所組成,例如潛在自變項ξ1X1X2X3所組成,其中λx11λx31就是因素負荷量(Factor loading),δ1δ3是觀察變項的殘差(無法被潛在變項解釋的部分);其中γβ都是「迴歸係數」,代表三個潛在變項之間的因果關係,ζ1ζ2就是代表潛在依變項的殘差(無法被潛在自變項所解釋的部分)。

 

 

       我們根據圖1可將SEM拆成兩個部分,如圖2所示,第一個部分是測量模式(Measurement model),即「潛在變項與觀察變項的關係」,我常常跟客戶說的口訣就是「橢圓形與方塊之間的關係」,所謂的「關係」就是λx11λx31(因素負荷量),代表的是這個潛在變項與觀察變項之間的相關係數,這個測量模式的用途除了可以納入觀察變項殘差的計算之外(之後會作說明),還可以直接計算得出收斂(Convergent)「信度」與「效度」的數值,關於這個部分之後我會另外撰文說明(預告:SEM取向的信效度分析)。

 

如圖3所示,第二個部分是結構模式(Structural model),即「潛在變項與潛在變項的關係」,口訣就是「橢圓形與橢圓形之間的關係」,又分為「單箭頭與雙箭頭」兩種狀況,不過我們這個例子只有單箭頭,代表的是因果的關係,被箭頭指向的橢圓型就是依變項,既然是依變項那麼就會有解釋力(R2),每一個依變項都會有一個R2,雖然圖中並沒有列出R2,但其實ζ1ζ2就是潛在依變項的殘差(無法被潛在自變項所解釋的部分),因此R2+ζ11,而相同地R2+ζ21。因此可知道結構模式就是SEM的重點:因果關係是否成立

 

arrow
arrow
    全站熱搜

    晨晰部落格新站 發表在 痞客邦 留言(1) 人氣()