1H67結構方程式模型分析

本試閱檔為五南所有。如欲購買此書，請至五南網站 www.wunan.com.
tw
或來電 (02)2705-5066
本試閱檔為五南所有。如欲購買此書，請至五南網站 www.wunan.com.tw
或來電 (02)2705-5066
序　言 ...................................................................................................... iii
Chapter
01 結構方程式模型的基本認知 1
1.1 結構方程式模型的概述 ................................................................... 3

一、LISREL 模型 ............................................................................... 4
二、建構一個徑路分析圖 ................................................................ 5
三、共變數的結構 .......................................................................... 6
四、估計......................................................................................... 7
五、範例 (1-2)　一個結構方程式模型的估計：以人為的假定資料
　　來進行推導 
 與 S 估計 ............................................................ 7
六、模型適配度的操作策略 ..........................................................32
2
七、模型的同等性限制與卡方 ( ) 檢定 .........................................33
八、結構方程式模型的摘述 ..........................................................38
1.2 結構方程式模型的類型 ................................................................. 39
一、徑路分析的模型 ..................................................................... 39
二、驗證性因素分析模型 .............................................................. 42
三、結構廻歸的模型 ..................................................................... 49
四、結構方程式的模型 ................................................................. 52
五、潛在改變的模型 ..................................................................... 55
1.3 LISREL 的符號與數學呈現的方式 ....................................................61
V
或來電 (02)2705-5066
二、從一個徑路分析圖到 LISREL 的符號 ........................................67
1.4 徑路分析：計算結構係數的方法 ...................................................73
1.5 結語 .............................................................................................. 75
Chapter
02 模型參數的界定、估計與辨識 77
2.1 界定模型參數的規則 ..................................................................... 78

一、規則 1，所有自變項的變異數是模型的參數 ...........................78
二、規則 2，在所有自變項之間的共變數是模型的參數 ................79
三、規則 3，所有連結潛在變項與其測量指標的因素負荷量是模
　　型的參數................................................................................ 79
四、規則 4，所有觀察的或潛在變項的廻歸係數是模型的參數 ......79
五、規則 5，依變項之間的變異數與共變數，及依變項與自變項
　　之間的共變數絕不是模型的參數 ............................................80
六、規則 6，在一個模型中被包含的每一個潛在變項，其潛在量
　　尺的計量需要被設定 .............................................................. 80
七、自由的、固定的，與受限制的參數.........................................82
2.2 參數的估計 ................................................................................... 83
一、變異數與共變數呈現的四法則 ................................................84
二、模型的意涵與複製的共變數矩陣 ............................................85
三、一個已提出的模型如何才是好的？ ........................................89
四、參數估計的方法 .....................................................................90
五、模型參數的遞廻式或反覆式估計 ............................................93
2.3 參數與模型的辨識 ........................................................................ 94
一、擁有一個未辨識的參數意指甚麼？.........................................94
VI
或來電 (02)2705-5066
Contents
二、模型辨識的必要條件 .............................................................. 95
三、如何依經驗的研究去處理未辨識的參數 .................................98
2.4 結語 .............................................................................................. 99
Chapter
03 模型的檢定與適配度的評估 101
3.1 實際的考量與模型的評估 ............................................................102

3.2 結構方程模型..............................................................................104
LISREL 與 SIMPLIS 的語法 ..............................................................105
3.3 SPSS 結果輸出報表資料與整體適配度指標的解釋........................................ 108
2
一、卡方值 ( ) 的檢定................................................................ 108
二、非趨中性參數 (NCP) .............................................................112
三、均方根的近似誤 (RMSEA) ......................................................112
四、適配度指標 (GFI) 與調整的適配度指標 (AGFI) .......................114
五、均方根的殘差 (RMR) 與標準化均方根的殘差 (SRMR) .............115
2
六、R 平方值 (R ) ........................................................................ 116
3.4 比較適配度指標 .......................................................................... 116
一、Tucker-Lewis 指標 (TLI) 或非正規化適配指標 (NNFI) ................117
二、正規化適配指標 (NFI)、增值適配指標 (IFI)、比較適配指標
　　(CFI)，與相對的非趨中性指標 (RNI) ......................................118
3.5 簡效適配指標.............................................................................. 121
一、正規化卡方值 (NC) ............................................................... 121
二、簡效正規化適配指標 (PNFI) 與簡效的適配指標 (PGFI) ...........122
三、Akaike 訊息效標 (AIC) 與穩定的 Akaike 訊息效標 (CAIC).......123
四、決定性樣本數指標 (CN)........................................................124
VII
或來電 (02)2705-5066
3.6 結語 ............................................................................................ 124
Chapter
04 認知 LISREL 與 SIMPLIS 程式指令 127
4.1 電腦程式的學習與認知 ............................................................... 128

4.2 SEM 軟體輸入檔案的結構 ............................................................128
4.3 LISREL 程式指令 ........................................................................... 130
一、語法範例.............................................................................. 130
二、資料界定指令 ...................................................................... 131
三、模型界定指令 ...................................................................... 135
四、結果輸出設定 ...................................................................... 138
4.4 SIMPLIS 程式指令 .........................................................................139
一、語法範例.............................................................................. 141
二、SIMPLIS 語法的基本內容 .......................................................141
4.5 結語 ............................................................................................ 149
Chapter
05 建構結構方程式模型的方法 151
5.1 結構方程式模型是甚麼？ ............................................................152

一、調適多元 ( 多重 ) 相互關聯依存 ( 相依 ) 的關係.....................153
二、我們不可直接地測量 ( 量數 ) 合併的 ( 併入的 ) 各變項 ..........154
三、界定測量誤差 ...................................................................... 155
5.2 SEM 模型分析的一個簡單範例.....................................................156
VIII
或來電 (02)2705-5066
Contents
一、研究的問題 .......................................................................... 156
二、提出徑路分析圖以提供結構方程式模型的建立 .....................157
三、徑路分析的應用 ................................................................... 158
5.3 在結構方程式模型建構中理論的角色 ..........................................160
5.4 發展一種模型的策略 ................................................................... 161
一、驗證模型的策略 ...................................................................162
二、競爭模型的策略 ................................................................... 162
三、模型發展的策略 ................................................................... 163
5.5 結構方程模型建構的步驟 ............................................................164
一、步驟 1：發展一個有理論基礎的模型 ....................................164
二、步驟 2：建構一個因果關係的徑路分析圖.............................166
三、步驟 3：把徑路分析圖轉換成一個結構方程式的組合與界
　　定測量的模型 ...................................................................... 169
四、步驟 4：選擇輸入矩陣的類型與估計已提出的模型 ..............174
五、步驟 5：評估結構模型的辨識 ..............................................178
六、步驟 6：適配度效標的評估 ..................................................182
七、步驟 7：解釋與修正模型 .....................................................188
5.6 結語 ............................................................................................190
一、七個步驟過程的一個概述 .....................................................190
二、結構方程模型的兩個說明 .....................................................190
Chapter
06 一個驗證性因素分析 191
6.1 資料推導的探索性因素分析 ........................................................192

一、SPSS 的 Syntax 語法指令與相關資料 .....................................193
IX
或來電 (02)2705-5066
6.2 發展一個有理論基礎的模型 ........................................................200
6.3 建構因果關係的一個徑路分析圖 .................................................201
6.4 把徑路分析圖轉換成一系列的結構方程式與界定測量模型 ..........201
6.5 資料的輸入、矩陣類型的選擇與估計模型的提出 ..........................203
一、原始資料的輸入，與求得原始模型參數估計值和徑路圖的
　　方法..................................................................................... 203
二、相關係數或共變數矩陣的輸入方式.......................................210
三、評估結構模型的辨識 ............................................................214
6.6 評估適配度的效標 ...................................................................... 214
一、假設..................................................................................... 214
二、拂意的估計值 ...................................................................... 215
三、評估結構模型的辨識 ............................................................217
四、修正程式語法 ...................................................................... 218
五、模型的再界定 ...................................................................... 221
6.7 解釋與修飾模型 .......................................................................... 230
一、解釋..................................................................................... 234
二、模型再界定 .......................................................................... 235
三、摘述..................................................................................... 235
6.8 模型修飾的具體程序與結果 ........................................................235
一、修正模型的語法與修正模型參數的估計 ...............................237
二、修正模型修飾後的結果 ........................................................239
6.9 結語 ............................................................................................ 244
X
或來電 (02)2705-5066
Contents
Chapter
07
探索性與驗證性因素分析 247
7.1 資料推導的探索性因素分析 ........................................................248

一、問卷調查與相關矩陣 ............................................................248
二、探索性因素分析語法指令的界定 ..........................................250
三、探索性因素分析由 SPSS 所輸出結果報表資料 .......................251
7.2 建構一個有理論基礎的模型與因果關係的一個徑路分析圖 ..........256
一、探索性因素分析 ...................................................................256
二、建構因果關係的一個徑路分析圖 ..........................................256
三、把徑路分析圖轉換成一系列的結構方程式與界定測量模型 ...259
7.3 選擇輸入矩陣類型與估計被提出的模型.......................................261
一、資料的輸入 .......................................................................... 261
二、矩陣資料的輸入與模型的估計 ..............................................261
7.4 結果檢查分析與評估適配度的效標 ..............................................263
一、參數界定與參數估計結果 .....................................................264
二、模型適配度指標分析 ............................................................268
三、殘差分析.............................................................................. 270
7.5 模型的修正 ................................................................................. 276
7.6 驗證性因素分析修正的參考指標 .................................................280
一、因素負荷量 ......................................................................... 281
二、潛在因素之間的相關 ............................................................282
三、測量殘差變異數 ................................................................... 283
四、依據修正資料建構修正的語法指令.......................................283
7.7 問卷的修正與驗證性因素分析 .....................................................300
一、LISREL 與 SIMPLIS 的語法指令 ................................................301
XI
或來電 (02)2705-5066
二、問卷修正後模型的參數估計 .................................................303
7.8 問卷修正模型的恆等性檢定 ........................................................316
一、加入 EQ LX(2,1)LX(3,1)LX(4,1) 同等限制 ................................317
二、加入 EQ LXLX(6,2)LX(7,2) LX(8,2) 同等性 ...............................322
三、同等性限制模型的比較 ........................................................326
7.9 結語 ............................................................................................327
Chapter
08 驗證性因素分析與測量的恆等性 329
8.1 因素分析..................................................................................... 330

8.2 驗證因素分析.............................................................................. 332
一、探索性與驗證性因素分析的比較 ..........................................332
二、共同因素之間的結構關係 .....................................................335
8.3 驗證性因素模型的界定 ............................................................... 336
一、一個更正式的界定 ............................................................... 339
二、共變數結構 .......................................................................... 344
8.4 驗證性因素模型的辨識 ............................................................... 345
一、估計與辨識 ..........................................................................345
二、辨識..................................................................................... 346
三、一個因素的模型 ................................................................... 353
四、構念相關的因素模型 ............................................................357
8.5 驗證性因素模型的估計 ............................................................... 360
一、參數估計的方法 ...................................................................360
二、模型參數的遞廻式或反覆式估計 ..........................................363
8.6 參數估計的實際考量與執行 ........................................................364
XII
或來電 (02)2705-5066
Contents
一、共變數矩陣資料提出 ............................................................366
二、因素分析的語法 ( 本語法儲存在本書 CH8-1 的 SPSS Syntax
　　檔案中 ) ............................................................................... 366
三、結果的解釋 .......................................................................... 367
8.7 建構一個有理論基礎的模型與因果關係的一個徑路分析圖 ..........375
一、探索性因素分析 ...................................................................376
三、把徑路分析圖轉換成一系列的結構方程式與界定測量模型 ...378
一、資料的輸入 .......................................................................... 379
二、矩陣資料的輸入與模型的估計 ..............................................380
一、參數界定與參數估計結果 .....................................................383
二、模型適配度指標分析 ............................................................387
三、殘差分析.............................................................................. 389
8.10 考驗檢定模型的限制：真正分數測量的恆等性 ............................392
一、加入 EQ LX(1,1)LX(2,1)LX(3,1) 同等限制 ................................393
二、加入 EQ LX(4,2)LX(5,2)LX(6,2) 同等限制 ................................397
三、加入 EQ LX(7,3)LX(8,3) 同等限制 ..........................................401
8.11 結語 ............................................................................................ 405
Chapter
09 徑路分析 409
9.1 甚麼是徑路分析？ ...................................................................... 410

9.2 徑路分析模型的範例 ................................................................... 411
XIII
或來電 (02)2705-5066
9.3 LISREL 的指令檔案 ....................................................................... 414
一、LISREL 語法 ( 本語法指令儲存在本書的 CH9-1 的檔案中 ) .....414
二、SIMPLIS 語法 ( 本語法指令儲存在本書的 CH9-1b 的檔案
　　中 ) ...................................................................................... 415
三、原始徑路分析模型圖 ............................................................416
9.4 徑路分析模型的結果 ...................................................................416
9.5 檢驗在 SEM 中模型的種種限制 ....................................................422
一、適配巢套模型的問題 ............................................................422
二、檢定在徑路分析範例中限制的假設.......................................423
9.6 模型的修正 ................................................................................. 428
一、LISREL 語法 ( 本語法指令儲存在本書的 CH9-3 的檔案中 ) .....429
二、SIMPLIS 語法 ( 本語法指令儲存在本書的 CH9-3b 的檔案中 ) .430
三、等同限制的模型參數估計圖 .................................................431
9.7 結語 ............................................................................................ 441
Chapter
10 結構廻歸模型 443
10.1 結構廻歸模型是甚麼？ ............................................................... 444

10.2 資料推導的探索性因素分析 ........................................................445
一、共變數矩陣資料提出 ............................................................445
二、因素分析的語法 ................................................................... 446
三、結果的解釋 .......................................................................... 447
10.3 發展一個有理論基礎的結構廻歸模型 ..........................................451
10.4 建構因果關係的一個徑路分析圖 .................................................452
XIV
或來電 (02)2705-5066
Contents
一、資料的輸入 .......................................................................... 454
二、LISREL 的程式語法 ( 本語法指令儲存在本書的 CH10-1 檔
　　案 ) ...................................................................................... 454
三、SIMPLIS 語法 ( 本語法指令儲存在本書的 CH10-1b 檔案 ) ......455
四、模型估計參數與徑路圖 ........................................................457
五、結構廻歸模型參數估計 T-value 值的顯示圖 ..........................458
一、參數界定與參數估計結果 .....................................................459
二、模型適配度指標分析 ............................................................463
三、殘差分析.............................................................................. 465
四、模型的修正 .......................................................................... 472
五、假設修正模型的新語法 ........................................................473
六、模型修正後的結果 ............................................................... 476
10.7 重複量數研究中因素交叉時間的恆定性.......................................486
一、LISREL 恆等性的語法.............................................................487
二、SIMPLIS 語法指令 .................................................................. 488
三、LISREL 恆等性的參數估計圖 ..................................................489
四、恆等性限制後的結果 ............................................................489
10.8 結語 ............................................................................................ 515
Chapter 估計一個具有結構方程模型的徑路
11 分析模型 519
11.1 發展一個有理論基礎的模型 ........................................................520

11.2 建構因果關係的一個徑路分析圖 .................................................521
XV
或來電 (02)2705-5066
11.3 把徑路分析圖轉換成結構方程式與界定測量模型 ........................522
一、界定結構方程式 ................................................................... 522
二、界定測量模型 ...................................................................... 523
三、構念與測量指標之間的相關 .................................................523
11.4 選擇輸入矩陣類型與估計模型 .....................................................524
一、輸入資料..............................................................................524
二、矩陣資料的輸入與模型的估計 ..............................................525
11.5 檢查分析與評估適配度的效標 .....................................................528
一、參數界定與參數估計結果 .....................................................528
二、模型適配度指標分析 ............................................................536
三、殘差分析..............................................................................538
四、模型的修正 ......................................................................... 545
五、綜合性的檢視與思考 ............................................................550
11.7 競爭的模型 ................................................................................. 562
一、競爭模型 1 (COMPMOD1)....................................................563
二、競爭模型 2 (COMPMOD2)....................................................566
11.8 結語：解釋與修正模型 ............................................................... 571
一、解釋..................................................................................... 571
二、重溫結構方程模型的過程 .....................................................574
Chapter 理論建構與理論檢定的連結：
12 潛在變項多元測量指標的模型 575
12.1 前言 ............................................................................................576
12.2 評論 ............................................................................................ 578
XVI
或來電 (02)2705-5066
Contents
12.3 LISREL 的模型 .............................................................................. 578
12.4 探索測量的問題 .......................................................................... 579
一、評估測量的屬性 ................................................................... 580
二、模型參數估計的界定 ............................................................582
三、LISREL 的程式語法 ................................................................583
四、構念的構面或向度 ............................................................... 587
五、信度..................................................................................... 587
六、模型的再規劃 ...................................................................... 588
七、從探索性因素分析中獲得啟示 ..............................................589
八、LISREL 程式語法....................................................................596
九、測量誤差的相關 ................................................................... 601
12.5 參數的估計與檢定 ...................................................................... 623
一、因果模型.............................................................................. 623
二、LISREL 程式語法.................................................................... 624
三、結果輸出報表資料的分析與解釋 ..........................................627
12.6 結語 ............................................................................................ 647
一、適配度指標的評估 ............................................................... 647
二、相關與共變數矩陣的使用時機 ..............................................647
三、方法論的思考 ...................................................................... 648
Chapter
13 驗證性因素分析：個別分析、
交叉驗證與恆等性檢定 649
13.1 一個因素的模型 ......................................................................... 650

13.2 構念相關的兩因素模型 ............................................................... 654
XVII
或來電 (02)2705-5066
13.3 驗證性因素分析的目標與一個因素模型分析 ...............................656
一、LISREL ................................................................................... 657
三、LISREL 指令........................................................................... 660
13.4 二個因素模型分析 ...................................................................... 665
一、探索性因素分析 ................................................................... 667
二、LISREL 的程式分析 ................................................................ 671
三、LISREL 輸出結果報表的分析與解釋 .......................................674
13.5 多分組或多樣本分析的複核效化 .................................................689
一、模型一：未被限制多分組樣本模型分析 ( 因素結構假設相
等 ) ......................................................................................692
二、模型二：受限制的多樣本分析 ( 因素負荷量恆等的模型 ) ......719
三、模型三：受限制的多重樣本分析 ( 因素負荷量與測量殘差
變異數恆等的模型 )..............................................................723
四、模型四：因素負荷量、測量殘差變異數、因素或潛在變項
的變異數與共變數均恆等的模型 ..........................................728
13.6 結語 ............................................................................................ 735
Chapter
14 潛在改變分析 737
14.1 何謂潛在改變分析？ ...................................................................738

14.2 單一因素潛在改變分析 ............................................................... 739
一、平均數結構分析 ................................................................... 740
二、為甚麼在一個改變分析中必須包含變項平均數？ .................740
三、一個模型如何適配共變數 / 平均數矩陣？ .............................741
XVIII
或來電 (02)2705-5066
Contents
四、變項的平均數的界定法則 .....................................................741
五、單一因素 ( 或因子 ) 潛在改變分析模型 ................................742
六、LISREL 對單一因素 LCA 模型的指令檔案 ...............................743
七、LISREL 指令檔案.................................................................... 745
14.3 單一因素 LCA 模型分析的結果 ....................................................747
一、單一因素 LCA 模型參數估計與徑路分析圖 ...........................747
二、參數界定與參數估計結果 .....................................................748
三、平均數的多重比較 ............................................................... 752
14.4 基準與形態模型 .......................................................................... 756
LISREL 指令檔案，基準與形態 .....................................................759
14.5 潛在改變的相關與預測之研究 .....................................................766
一、多樣本的分析 ...................................................................... 767
二、在一種認知干預研究中的變動相關.......................................768
三、LISREL 語法 ........................................................................... 769
四、結果檢視與分析 ................................................................... 771
14.6 分組限制研究的合理性 ............................................................... 782
一、LISREL 語法 ........................................................................... 786
二、潛在共變量 LCA 模型、M2 模型參數估計與徑路分析圖 ........787
三、參數估計結果 ...................................................................... 789
14.7 結語 ............................................................................................ 805
Chapter 共變數結構模型：共變數代數的
15 演算與電腦軟體的操作 809
15.1 共變數結構模型的發展 ...............................................................810

數學的模型 ................................................................................. 812
XIX
或來電 (02)2705-5066
15.2 測量模型..................................................................................... 816
一、測量模型的界定 ................................................................... 816
二、二個因素之間的關係 ............................................................818
三、共變數的結構 ...................................................................... 819
15.3 結構方程式模型 ..........................................................................820
一、數學模型.............................................................................. 821
二、共變數結構 .......................................................................... 824
15.4 結構方程式模型範圍的說明 ........................................................825
一、結構模型.............................................................................. 826
二、可以被觀察構念的結構模型 .................................................827
15.5 無法觀察構念的結構模型 ............................................................842
一、經驗性的說明 ...................................................................... 844
二、LISREL 程式語法的輸入 .........................................................845
三、LISREL 輸出結果報表的解釋與整體適配度指標的檢定 ...........849
15.6 隱含的共變數矩陣 ......................................................................874
一、可觀察構念的模型 ............................................................... 874
二、無法被觀察構念的模型 ........................................................878
15.7 模型恆等性檢驗 .......................................................................... 887
一、加上 LX(2,1) LX(3,1) 的同等性 ...............................................888
二、加上 LY(2,1) LY(3,1) LY(5,2) LY(6,2) 的同等性 ..........................892
三、比較結構方程式模型分析構念恆等性 ...................................896
15.8 結語 ............................................................................................ 897
XX
或來電 (02)2705-5066
Contents
Chapter 結構方程式模型：矩陣代數的演算
16 與電腦軟體的操作 899
16.1 LISREL 的符號以數學呈現的方式 ..................................................900

LISREL 符號 .................................................................................. 901
16.2 結構方程式模型範例參數的界定與辨識.......................................904
一、模型的界定 .......................................................................... 904
二、模型的辨識 .........................................................................905
16.3 結構方程式模型參數的估計 ........................................................906
16.4 經驗性範例模型的說明 ..............................................................908
一、LISREL 程式語法.................................................................... 909
二、SIMPLIS 程式語法 ( 本指令資料儲存在本書中 CH16-1b 檔案
　　中 ) ......................................................................................910
三、結構模型估計參數與徑路分析圖 ..........................................911
四、LISREL 輸出結果的報表資料分析 ...........................................912
16.6 隱含的共變數矩陣 ...................................................................... 945
一、無法被觀察構念的模型 ........................................................946
二、一個說明的範例 ................................................................... 948
16.7 競爭模型的作用 .......................................................................... 959
一、競爭模型 1 ........................................................................... 961
二、競爭模型 2 ........................................................................... 965
二、競爭模型 3 ........................................................................... 969
16.8 競爭模型的比較 ..........................................................................973
一、適配指標測量指標的檢定與評估比較 ...................................973
二、t 值檢定分析圖的比較 ..........................................................974
XXI
或來電 (02)2705-5066
16.9 競爭模型 1 所隱含的共變數矩陣 .................................................977
一、競爭模型 1 的提出 ............................................................... 977
二、一個說明的範例 ................................................................... 977
16.10 結語 ........................................................................................... 987
參考書目 ..............................................................................................989
2
附件一：卡方 ( ) 差異檢定表 .............................................................1011
XXII
或來電 (02)2705-5066
t er
p
01
Cha
結構方程式模型
的基本認知
或來電 (02)2705-5066
結構方程式模型分析
結構方程式模型 (Structural Equation Models, SEM) 方法學的發展，是由於過

去多年以來許多專家學者致力於統計學方法的研究與發展，不斷地研究、探索、
驗證、改進、突破、累積，並融合其他多變項統計學的技術，逐漸加以延伸、
推廣、改良而來，因而很難確定是由某一位專家或學者所單獨研發或創造出來
的。但是，就這個研究領域的主要貢獻者而言，當今學術界的專家學者仍然公推
瑞典的兩位學者 K. G. Jöreskog 與 D. Sörbom。然而就事實而言，首先設計用來
分析共變數結構模型 (covariance structure model) 的程式，則是由 K. G. Jöreskog
與 M.van Thillo 於 1972 年，在美國教育測驗服務處 (Educational Testing Services,
ETS) 作進修研究時共同研發出來的，取名為 LISREL。第一版的 LISREL 程式，
由於其功能有限，無法發揮與擴大。直到 K. G. Jöreskog 回至瑞典與 D. Sörbom
合作繼續研發，在第八版 (Jöreskog 與 Sörbom, 1993a) 中，將其程式融入視窗介
面與繪圖功能，及增加類似於英文文法格式撰寫的 SIMPLIS 語法程式的功能，
令使用者有了簡易與親切性的感受，LISREL 程式的功能從此深受歡迎。
多變項技術與方法的發展，在 1987 年，Hayduk (1987) 出版的教科書，對
LISREL 方法學作有系統的介紹之後，結構方程式模型才正式成為「多變項統計
學」教科書的一個專章 (Hair, Anderson, Tatham & Black, 1995; 1998)。有些教科
書或書籍把它分成兩個章節「驗證性的因素分析」與「共變數結構模型」來分章
專門介紹 (Sharma, 1996)。此時，再加上電腦作業視窗化系統視窗化 (Windows)，
與網際網路 (internet) 的出現及普遍化。隨著微軟 (Microsoft) 公司視窗化的軟體
在作業系統方面逐漸取得主導優勢地位之後，許多不同的軟體程式亦相繼被開發
出來，諸如：比較有名的 EQS, AMOS, Mplus, LISCOMP 等。
由於以上相繼湧現的情況，使許多專家學者領悟到 SEM 的發展與受到研
究者的歡迎程度，而不再認為 SEM 完全等於 LISREL，它還包括其他各種不
同的軟體程式在內。尤其是在 1994 年出版的「Structural Equation Modeling: A
Multidisciplinary Journal」，是一本專門研究 SEM 方法論或方法學的專屬刊物；
因此，在 1995 年全球資訊網 (world wide web, WWW) 出現後，就不再有專家學
者主張 LISREL 就是等於 SEM 的說法。此後，SEM 一詞正式稱為「結構方程式
模型」。雖然有如此的發展，SEM 仍然是一套以 LISREL 為主的統計方法論。
SEM 發展至今，儼然成為統計方法論新興的一種顯學，在多變項技術方法與線
性模型 (linear model) 的發展中，已成為統計方法論的主流趨勢。
有了以上的認知之後，對社會科學有興趣的研究者或讀者，為了使自己的專
業領域研究能夠邁向科學化的研究途徑，在考慮使用結構方程式模型作為自己研
2
或來電 (02)2705-5066
Chapter
結構方程式模型的基本認知 01
究論文的方法時，究竟應該如何著手。依個人多年從事政治哲學與政治學方法論
教學經驗、個人所發表二十多篇的政治哲學研究論文，以及著有方法論「多元廻
歸和其相關的單變項與多變項技術分析」與「探索性因素分析」二書，並致力於
「結構方程式模型」的研究，現在則提出了個人研究的心得作為本書的撰寫內
容，希望能夠拋磚引玉提供社會科學的研究者或讀者一些指引。
本章基於前述的觀點，首先提出結構方程式模型的基本認知，進行以下的討
論。
1.1 結構方程式模型的概述
結構方程式是線性方程式的組合，這些組合可以依它們被假定為原因與結果
變項的方式去界定其現象的意義。依據它們一般現象的形式，這些模型允許無法
直接被測量的變項，被包括於其中。因而，結構方程式是特別有助於社會與行為
科學的研究，尤其是被使用於去研究個人社會地位與其成就之間關係、公司利潤
的決定因素、公司的經營策略與形象、組織結構與組織發展之間的關係、就業
的差別待遇、精神戰力的模型，與心理分析等。其研究領域的涵蓋範圍甚廣，
所以，結構方程式可被擴展到生態學、精神測定學等。因此，對於結構方程式
的理論與應用，我們可參考許多專家學者的著作，諸如：Bartholomew (1987)，
Bentler (1980, pp.419~456)，Bollen (1989)，Bollen and Currand (2006)，Byrne
(1998)，Duncan (1975)，Goldberger (1972, pp.979~1001)，Hayduk (1987)，Heise
(1975)，Hirschey and Wichern (1984, pp.375~383)，Joreskog and Sorbom (1979)，
Raykov and Marcoulides (2006)。
在結構方程式的建構中，我們可依據 Bollen and Long (1993) 所提出的五
個步驟來進行：(1) 模型的界定 (model specification)；(2) 模型的辨識 (model
identification)；(3) 參數的估計 (parameter estimation)；(4) 適配度的檢定 (test of
goodness-of fit)；(5) 模型的修正 (model modification)。其中每一步驟都是理論、
假設、模型、資料、界定、估計、檢定、辨識、評估、修正、適配及檢驗等，與
LISREL 軟體程式操作交錯進行的過程，這樣的進行過程是非常複雜的，更是知
識與經驗的驗證與累積。所以，以下就個人學習過程中所累積的心得與經驗報告
於後。
首先在本章的開始，我們將提出結構方程式模型建構的雛型或輪廓，以作
為 SEM 分析的開始。並藉此認識與理解結構方程式的模型，以下所提出結構方
3
或來電 (02)2705-5066
ীऱ੺ࡳΰ̀̂˷˸˿ʳ̆̃˸˶˼˹˼˶˴̇˼̂́α
ীऱ੺ࡳΰ̀̂˷˸˿ʳ̆̃˸˶˼˹˼˶˴̇˼̂́α
ীऱ੺ࡳΰ̀̂˷˸˿ʳ̆̃˸˶˼˹˼˶˴̇˼̂́α Ι
Ιΰ˅αᑓীऱᙃᢝΰ̀̂˷˸˿ʳ˼˷˸́̇˼˹˼˶˴̇˼̂́α
Ιΰ˅αᑓীऱᙃᢝΰ̀̂˷˸˿ʳ˼˷˸́̇˼˹˼˶˴̇˼̂́α
ΰ˅αᑓীऱᙃᢝΰ̀̂˷˸˿ʳ˼˷˸́̇˼˹˼˶˴̇˼̂́α Ι
ΰˆα೶ᑇऱ۷ૠΰ̃˴̅˴̀˸̇˸̅ʳ
ΙΙΰˆα೶ᑇऱ۷ૠΰ̃˴̅˴̀˸̇˸̅ʳ
ΰˆα೶ᑇऱ۷ૠΰ̃˴̅˴̀˸̇˸̅ʳ
˸̆̇˼̀˴̇˼̂́α
˸̆̇˼̀˴̇˼̂́α Ι Ι
ΰˇαᔞ಻৫ऱᛀࡳΰ̇˸̆̇ʳ̂˹ʳ˺̂̂˷́˸̆̆ˀ̂˹ʳ˹˼̇α
ΰˇαᔞ಻৫ऱᛀࡳΰ̇˸̆̇ʳ̂˹ʳ˺̂̂˷́˸̆̆ˀ̂˹ʳ˹˼̇α Ιᑓীऱଥ‫إ‬ΰ̀̂˷˸˿ʳ̀̂˷˼˹˼˶˴̇˼̂́α
Ιᑓীऱଥ‫إ‬ΰ̀̂˷˸˿ʳ̀̂˷˼˹˼˶˴̇˼̂́α Ζኙ࣍
Ζኙ࣍
˸̆̇˼̀˴̇˼̂́α
˸̆̇˼̀˴̇˼̂́α ΙΙΰˇαᔞ಻৫ऱᛀࡳΰ̇˸̆̇ʳ̂˹ʳ˺̂̂˷́˸̆̆ˀ̂˹ʳ˹˼̇α
ΰˇαᔞ಻৫ऱᛀࡳΰ̇˸̆̇ʳ̂˹ʳ˺̂̂˷́˸̆̆ˀ̂˹ʳ˹˼̇α Ιᑓীऱଥ‫إ‬ΰ̀̂˷˸˿ʳ̀̂˷˼˹˼˶˴̇˼̂́α
Ιᑓীऱଥ‫إ‬ΰ̀̂˷˸˿ʳ̀̂˷˼˹˼˶˴̇˼̂́α Ζኙ࣍
Ζኙ࣍
࿨ዌֱ࿓‫ڤ‬ᑓীऱ৬ዌΔឈྥ‫ࠉױ‬ᖕ
࿨ዌֱ࿓‫ڤ‬ᑓীऱ৬ዌΔឈྥ‫ࠉױ‬ᖕ ˕̂˿˿˸́ʳ˴́˷ʳ˟̂́˺ΰ˄ˌˌˆαࢬ༼‫נ‬ऱնଡ‫ޡ‬ᨏࠐၞ۩Δ‫܀‬ਢࠡ
˕̂˿˿˸́ʳ˴́˷ʳ˟̂́˺ΰ˄ˌˌˆαࢬ༼‫נ‬ऱնଡ‫ޡ‬ᨏࠐၞ۩Δ‫܀‬ਢࠡ
࿨ዌֱ࿓‫ڤ‬ᑓীऱ৬ዌΔឈྥ‫ࠉױ‬ᖕ
࿨ዌֱ࿓‫ڤ‬ᑓীऱ৬ዌΔឈྥ‫ࠉױ‬ᖕ ˕̂˿˿˸́ʳ˴́˷ʳ˟̂́˺ΰ˄ˌˌˆαࢬ༼‫נ‬ऱնଡ‫ޡ‬ᨏࠐၞ۩Δ‫܀‬ਢࠡ
˕̂˿˿˸́ʳ˴́˷ʳ˟̂́˺ΰ˄ˌˌˆαࢬ༼‫נ‬ऱնଡ‫ޡ‬ᨏࠐၞ۩Δ‫܀‬ਢࠡ
խ‫ޢ‬ԫ‫ޡ‬ᨏऱၞ۩መ࿓ਢ෻ᓵΔ೗๻ΔᑓীΔᇷறΔ੺ࡳΔ۷ૠΔᛀࡳΔᙃᢝΔေ۷Δଥ‫إ‬Δᔞ
಻Δፖᛀ᧭࿛Δፖ ಻Δፖᛀ᧭࿛Δፖ ˟˜˦˥˘˟˟˜˦˥˘˟ ຌ᧯࿓‫ڤ‬ᖙ‫ٌ܂‬៣ၞ۩ऱመ࿓Δຍᑌऱၞ۩መ࿓ਢॺൄᓤᠧऱΖࠡխ
ຌ᧯࿓‫ڤ‬ᖙ‫ٌ܂‬៣ၞ۩ऱመ࿓Δຍᑌऱၞ۩መ࿓ਢॺൄᓤᠧऱΖࠡխ
಻Δፖᛀ᧭࿛Δፖ
಻Δፖᛀ᧭࿛Δፖ ˟˜˦˥˘˟
˟˜˦˥˘˟ ຌ᧯࿓‫ڤ‬ᖙ‫ٌ܂‬៣ၞ۩ऱመ࿓Δຍᑌऱၞ۩መ࿓ਢॺൄᓤᠧऱΖࠡխ
ຌ᧯࿓‫ڤ‬ᖙ‫ٌ܂‬៣ၞ۩ऱመ࿓Δຍᑌऱၞ۩መ࿓ਢॺൄᓤᠧऱΖࠡխ
๠๠ਢवᢝፖᆖ᧭ऱ᧭ᢞፖีᗨΖࢬ‫א‬Δ‫א‬Հ༉ଡԳᖂ฾መ࿓խࢬีᗨऱ֨൓ፖᆖ᧭໴‫࣍ܫ‬৵Ζ
๠๠ਢवᢝፖᆖ᧭ऱ᧭ᢞፖีᗨΖࢬ‫א‬Δ‫א‬Հ༉ଡԳᖂ฾መ࿓խࢬีᗨऱ֨൓ፖᆖ᧭໴‫࣍ܫ‬৵Ζ ʳʳ ʳʳ
ʳʳ ʳʳ ʳʳʳʳʳʳʳʳʳଈ٣‫ີءڇ‬ऱၲࡨΔ‫ݺ‬ଚᚨᇠ༼‫נ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩীࢨᔚኢΔ‫אױঁא‬Օપ‫چ‬ᎁᢝ
ʳ ʳ ଈ٣‫ີءڇ‬ऱၲࡨΔ‫ݺ‬ଚᚨᇠ༼‫נ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩীࢨᔚኢΔ‫אױঁא‬Օપ‫چ‬ᎁᢝ
ʳ ଈ٣‫ີءڇ‬ऱၲࡨΔ‫ݺ‬ଚᚨᇠ༼‫נ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩীࢨᔚኢΔ‫אױঁא‬Օપ‫چ‬ᎁᢝ
ଈ٣‫ີءڇ‬ऱၲࡨΔ‫ݺ‬ଚᚨᇠ༼‫נ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩীࢨᔚኢΔ‫אױঁא‬Օપ‫چ‬ᎁᢝ
程式模型建構的雛型或輪廓，在此只是作概述而已，其比較詳盡的探討可參考本
ፖ෻ᇞ࿨ዌֱ࿓‫ڤ‬ᑓীਢ੷ᏖΛߒຶਢ੷Ꮦ‫ࠃڃ‬Λࢬ‫א‬
ፖ෻ᇞ࿨ዌֱ࿓‫ڤ‬ᑓীਢ੷ᏖΛߒຶਢ੷Ꮦ‫ࠃڃ‬Λࢬ‫א‬ Δ Δ‫ء‬ᆏ‫נ༼ܛ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩী
Δ‫ء‬ᆏ‫נ༼ܛ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩী
Δ‫ء‬ᆏ‫נ༼ܛ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩী
‫ء‬ᆏ‫נ༼ܛ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩী
‫܂א‬੡ SEM ։࣫ऱၲࡨΖ‫א‬Հࢬ༼‫נ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩীࢨᔚኢΔ‫׽ڼڇ‬ਢ‫܂‬ᄗ૪ۖբΔ
書的第十章、第十一章、第十二章、第十四章、第十五章、與第十六章深入的探
SEM
‫܂א‬੡
‫܂א‬੡ ‫܂א‬੡ SEM
SEM ։࣫ऱၲࡨΖ‫א‬Հࢬ༼‫נ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩীࢨᔚኢΔ‫׽ڼڇ‬ਢ‫܂‬ᄗ૪ۖբΔ
։࣫ऱၲࡨΖ‫א‬Հࢬ༼‫נ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩীࢨᔚኢΔ‫׽ڼڇ‬ਢ‫܂‬ᄗ૪ۖբΔ
։࣫ऱၲࡨΖ‫א‬Հࢬ༼‫נ‬࿨ዌֱ࿓‫ڤ‬ᑓী৬ዌऱᠩীࢨᔚኢΔ‫׽ڼڇ‬ਢ‫܂‬ᄗ૪ۖբΔ
ֺࠡለᇡጐऱ൶ಘ‫ױ‬೶‫ءە‬஼ऱรԼີΔรԼԫີΔรԼԲີΔรԼ؄ີΔรԼնີΔፖรԼք
究。
ີ‫ڶ‬෡Եऱ൶ߒΖʳ ʳʳ ʳʳ ʳʳʳʳ
ີ‫ڶ‬෡Եऱ൶ߒΖʳ
ີ‫ڶ‬෡Եऱ൶ߒΖʳ
ີ‫ڶ‬෡Եऱ൶ߒΖʳ 在進行建構結構方程式的過程之中，唯有要透過電腦與軟體程式的執行才能
‫ڇ‬৬ዌ࿨ዌֱ࿓‫ڤ‬ऱնଡ‫ޡ‬ᨏၞ۩հխຟᏁ૞ຘመሽᆰፖຌ᧯࿓‫ڤ‬ऱച۩թ౨ജሒ‫ګ‬ Ζຍଡ
‫ڇ‬৬ዌ࿨ዌֱ࿓‫ڤ‬ऱնଡ‫ޡ‬ᨏၞ۩հխຟᏁ૞ຘመሽᆰፖຌ᧯࿓‫ڤ‬ऱച۩թ౨ജሒ‫ګ‬
‫ڇ‬৬ዌ࿨ዌֱ࿓‫ڤ‬ऱնଡ‫ޡ‬ᨏၞ۩հխຟᏁ૞ຘመሽᆰፖຌ᧯࿓‫ڤ‬ऱച۩թ౨ജሒ‫ګ‬
夠達成。這個軟體程式可採用由
‫ڇ‬৬ዌ࿨ዌֱ࿓‫ڤ‬ऱնଡ‫ޡ‬ᨏၞ۩հխຟᏁ૞ຘመሽᆰፖຌ᧯࿓‫ڤ‬ऱച۩թ౨ജሒ‫ګ‬ Jöreskog and Sörbom (1996a, 1996b) 所發展，而
Ζ
Ζຍଡ
Ζຍଡ
ຍଡ
ຌ᧯࿓‫ݺڤ‬ଚ‫طشࠌױ‬
ຌ᧯࿓‫ݺڤ‬ଚ‫طشࠌױ‬ ˝̂̅˸̆˾̂˺ʳ˴́˷ʳ˦̂̅˵̂̀ΰ˄ˌˌˉ˴α
˝̂̅˸̆˾̂˺ʳ˴́˷ʳ˦̂̅˵̂̀ΰ˄ˌˌˉ˴α Δ Δΰ˄ˌˌˉ˵αࢬ࿇୶Δۖ෼‫ڇ‬սྥ෡࠹ઔߒृ
ຌ᧯࿓‫ݺڤ‬ଚ‫طشࠌױ‬
ຌ᧯࿓‫ݺڤ‬ଚ‫طشࠌױ‬ 現在仍然深受研究者所偏好的軟體 ˝̂̅˸̆˾̂˺ʳ˴́˷ʳ˦̂̅˵̂̀ΰ˄ˌˌˉ˴α Δΰ˄ˌˌˉ˵αࢬ࿇୶Δۖ෼‫ڇ‬սྥ෡࠹ઔߒृ
Δΰ˄ˌˌˉ˵αࢬ࿇୶Δۖ෼‫ڇ‬սྥ෡࠹ઔߒृ
LISREL。以下我們就其要點陳述如下：
˝̂̅˸̆˾̂˺ʳ˴́˷ʳ˦̂̅˵̂̀ΰ˄ˌˌˉ˴α ΰ˄ˌˌˉ˵αࢬ࿇୶Δۖ෼‫ڇ‬սྥ෡࠹ઔߒृ
ࢬ໛ᦟऱຌ᧯ ࢬ໛ᦟऱຌ᧯ ˟˜˦˥˘˟Ζ‫א‬Հ‫ݺ‬ଚ༉ࠡ૞រຫ૪‫ڕ‬Հˍʳ
˟˜˦˥˘˟Ζ‫א‬Հ‫ݺ‬ଚ༉ࠡ૞រຫ૪‫ڕ‬Հˍʳ
ࢬ໛ᦟऱຌ᧯ࢬ໛ᦟऱຌ᧯ ˟˜˦˥˘˟Ζ‫א‬Հ‫ݺ‬ଚ༉ࠡ૞រຫ૪‫ڕ‬Հˍʳ
˟˜˦˥˘˟Ζ‫א‬Հ‫ݺ‬ଚ༉ࠡ૞រຫ૪‫ڕ‬Հˍʳ
ʳ
ʳʳ一、LISREL
ʳ 模型
ԫΕ˟˜˦˥˘˟ʳԫΕ˟˜˦˥˘˟ʳ ᑓীʳ
ԫΕ˟˜˦˥˘˟ʳ
ԫΕ˟˜˦˥˘˟ʳ ᑓীʳ
ᑓীʳ
ᑓীʳ
LISREL
LIREL 的模型是由下列方程式所給予
ऱᑓীਢ‫ط‬Հ٨ֱ࿓‫ࢬڤ‬࿯ղ
LIREL
LIREL
LIREL ऱᑓীਢ‫ط‬Հ٨ֱ࿓‫ࢬڤ‬࿯ղ
   
   
 m1 
  
mm  m 1  nmnn1 n 1  m1
ֱ࿓‫ڤ‬ΰ1-1α
ֱ࿓‫ڤ‬ΰ1-1α 方程式 (1-1)
 m
m11  m
m
1 mm
 m
m m
mm m11  m
1 mm
 n 
nn1n1  m
m11
m
1
ࠡྒྷၦᑓীֱ࿓‫ڤ‬ਢΚ
其測量模型方程式是：
YY Y      ֱ࿓‫ڤ‬ΰ1-2α
p1    yy   p1 ֱ࿓‫ڤ‬ΰ1-2α
 pp11p1 pm  pyym
 pmp
1m1 pp11p1 方程式 (1-2)
m
 m
m m 11
XX X     
q1     xm1 q1
 qq11q1  qnqqxxnmnxm  q1q1
 qn  m111  q1
‫א‬ ‫א‬
‫ אא‬以
E0;0;0;
EE Cov
Cov
Cov 
E0;0;0;
EE Cov
Cov
Cov 
 
 
2
E     0; Cov      ֱ࿓‫ڤ‬ΰ1-3α 方程式 22(1-3)
2
在此，，，與 
‫ڼڇ‬Δ  Δ  Δፖ  ਢ࢖‫ڼ‬լઌᣂऱΙ ；
Cov      Ι  ፖ  ਢլઌᣂऱΙ 是彼此不相關的；Cov () =
 ፖ  ਢլઌᣂ 與是不相關的；
與  是不相關的； 與  是不相關的； 在對角線上有 0；而 I － B 是非特異
ऱΙ  ፖ  ਢլઌᣂऱΙ  ‫ڇ‬ኙߡᒵՂ‫˃ ڶ‬Ιۖ I   ਢॺ௽ฆΰ́̂́̆˼́˺̈˿˴̅α
ΖೈԱֱ࿓‫ڤ‬ΰ1-3α
(nonsingular)。除了方程式 (1-3) 的假定之外，我們還要取 E () = 0 與 E () = 0。
E 中，
在方程式 (1-1)
ऱ೗ࡳհ؆Δ‫ݺ‬ଚᝫ૞࠷   0 與
ፖ E未知變項的量
  0 Ζʳ (quantity) 是原因與結果的變項，通
常是無法被觀察的，它們有時候被稱為潛在變項。在方程式 (1-2) 中，Y 與 X 的
‫ֱڇ‬࿓‫ڤ‬ΰ1-1αխ  ፖ  ‫آ‬व᧢ႈऱၦΰquantityαਢ଺‫ڂ‬ፖ࿨࣠ऱ᧢ႈΔຏൄਢྤऄ๯ᨠ
變項是線性地，與  和  透過 y 與 x 係數矩陣而發生相關的變項，因而這些
ኘऱΖ،ଚ‫ڶ‬ழଢ๯ጠ੡ᑨ‫᧢ڇ‬ႈΖ‫ֱڇ‬࿓‫ڤ‬ΰ1-2αխ Y ፖ X ऱ᧢ႈਢᒵࢤ‫چ‬ፖ  ࡉ  ຘመ  y
變項是可以被測量的，它們的觀察值可構成資料。而方程式 (1-2) 有時候被稱為
ፖ  x測量的方程式。
এᑇఢೄۖ࿇‫س‬ઌᣂऱ᧢ႈΔ‫ۖڂ‬ຍࠄ᧢ႈਢ‫אױ‬๯ྒྷၦऱΖ،ଚऱᨠኘଖ‫ױ‬ዌ‫ګ‬ᇷறΖ
ֱۖ࿓‫ڤ‬ΰ1-2α‫ڶ‬ழଢ๯ጠ੡ྒྷၦऱֱ࿓‫ڤ‬Ζ
ԲΕ৬ዌԫଡஉሁ։࣫ቹ
4 ‫ڼ‬ᎾΔ‫ݺ‬ଚ૞፹‫ڇ܂‬உሁߓอխլ࠹ࠡ‫᧢ה‬ႈࢬᐙ᥼ऱ؆૜᧢ႈፖᄎ࠹ࠩࠡ‫᧢ה‬ႈࢬᐙ᥼ऱ
փ૜᧢ႈΔࠀ‫אף‬೴։Ζ‫ޢ‬ԫଡࠉ᧢ႈ࿨‫ٽ‬ထԫଡྲྀ஁Ζਬࠄႚอ฾ክᄎ֭಻ࢨᐙ᥼ԫଡஉሁ։
或來電 (02)2705-5066
࣫ቹΰpath diagramαࢬข‫س‬ऱංᓵΖࠡஉሁ։࣫ቹ๯৬ዌ‫ڕ‬Հ ΰԫයऴᒵऱᒢ‫זـ‬।ԫଡஉሁαΚʳ
Chapter
二、建構一個徑路分析圖
此際，我們要在徑路系統中製作不受其他變項所影響的外衍變項，以及會受
到其他變項所影響的內衍變項，並加以區分。每一個依變項結合著一個殘差。某
些傳統習慣會支配或影響一個徑路分析圖 (path diagram) 所產生的推論。其徑路
分析圖被建構如圖 1-1 所示 ( 一條直線的箭矢代表一個徑路 )：
1. 一條直線的箭矢從它的來源被引到每一個依變項 ( 內衍的 )。
2. 一條直線的箭矢從它的殘差被引到每一個依變項。
3. 一條曲線的雙箭矢是被引到自變項 ( 外衍的 ) 每一個配對之間，被認為是有
非零的相關。
對相關曲線的雙箭矢 ( 雙箭頭 ) 是一種相關係數的指示。而其他的連接關係

是直線的，是由單一的一個頭的箭矢所指示。
範例 (1-1)　一個徑路分析圖與結構方程式
考量下列所提供的一個原因與結果變項的徑路分析圖：
我們可依據這樣的徑路分析圖，假定以 m = 2 ( 內衍潛在變項 ) 與 n = 3 ( 外
衍潛在變項 )，對應於結構方程式 (1-1)，
1 1
1 1
1 2
2 
3
3
2
2 2
4
3
圖 1-1 一個徑路分析圖與結構方程式
5
或來電 (02)2705-5066
ቹΰ1-1αԫଡஉሁ։࣫ቹፖዌ࿨ዌֱ࿓‫ڤ‬
結構方程式模型分析 ቹΰ1-1αԫଡஉሁ։࣫ቹፖዌ࿨ዌֱ࿓‫ڤ‬
‫ݺ‬ଚ‫ࠉױ‬ᖕຍᑌऱஉሁ։࣫ቹΔ೗ࡳ‫א‬
‫ݺ‬ଚ‫ࠉױ‬ᖕຍᑌऱஉሁ։࣫ቹΔ೗ࡳ‫א‬ m
m==2ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ
m
2ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ
m= =2ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ
2ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ
nn==ˆΰ؆૜ᑨ‫᧢ڇ‬ႈα
n n= =ˆΰ؆૜ᑨ‫᧢ڇ‬ႈα
ˆΰ؆૜ᑨ‫᧢ڇ‬ႈα
Δ
Δ ΔΔ
‫ݺ‬ଚ‫ࠉױ‬ᖕຍᑌऱஉሁ։࣫ቹΔ೗ࡳ‫ א‬m = 2ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ n = ˆΰ؆૜ᑨ‫᧢ڇ‬ႈαΔ
ኙᚨ࣍࿨ዌֱ࿓‫ڤ‬ΰ˄ˀ˄αʳ
11 11  
010111ʳʳ211 ʳ0ʳ   1   1 
11  1100 00‫ݺ‬ଚ‫ࠉױ‬ᖕຍᑌऱஉሁ։࣫ቹΔ೗ࡳ‫א‬ 1 1111 01221 
1ቹΰ1-1αԫଡஉሁ։࣫ቹፖዌ࿨ዌֱ࿓‫ڤ‬ 020 2 m = 2ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ n = ˆΰ؆૜ᑨ‫᧢ڇ‬ႈαΔ
ʳʳʳʳʳʳʳʳ ʳʳʳ ʳʳ ʳʳʳ     1    
 00 0 0    m = 2ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ n =
ʳ ʳ ʳ‫ݺ‬ଚ‫ࠉױ‬ᖕຍᑌऱஉሁ։࣫ቹΔ೗ࡳ‫א‬
ኙᚨ࣍࿨ዌֱ࿓‫ڤ‬ΰ˄ˀ˄αʳ
‫ݺ‬ଚ‫ࠉױ‬ᖕຍᑌऱஉሁ։࣫ቹΔ೗ࡳ‫א‬ ʳ‫ݺ‬ଚ‫ࠉױ‬ᖕຍᑌऱஉሁ։࣫ቹΔ೗ࡳ‫א‬ 2 2      m
2 2
 m==22ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ  ʳ
2ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ ˆΰ؆૜ᑨ‫᧢ڇ‬ႈα
n= n=ˆΰ؆૜ᑨ‫᧢ڇ‬ႈα Δ ΔΔ
22   200 0000202 4 4  
2 222 033 03443   0 222 2    
233        
ኙᚨ࣍࿨ዌֱ࿓‫ڤ‬ΰ˄ˀ˄αʳ ኙᚨ࣍࿨ዌֱ࿓‫ڤ‬ΰ˄ˀ˄αʳ   3 3  3 4
   2
‫ݺ‬ଚ‫ࠉױ‬ᖕຍᑌऱஉሁ։࣫ቹΔ೗ࡳ‫א‬ m1= 32ΰփ૜ᑨ‫᧢ڇ‬ႈαፖ
n = ˆΰ؆૜ᑨ‫᧢ڇ‬ႈαΔ
 1   0    1   1  2 0    1 
Cov
11,,221,1, 2ʳ12ʳ1,
ʳ,ኙᚨ࣍࿨ዌֱ࿓‫ڤ‬ΰ˄ˀ˄αʳ ʳCov ʳ ,03Δʳ Δʳ
11ۖ
233Δʳ
1 12120,,,2303
200,12,31322,Δʳ ʳ0Cov
, 11,,32341,01 ʳ,1 ʳ而 3 2111, 113  2211 3 2Δʳ
 ,, ,, 002。 ۖ0Cov
‫א‬Cov Cov Cov ʳ1ʳʳʳʳ1Cov
Cov
, ʳ,ʳʳ0Cov 1 Δʳ
12,   2ʳ, Cov
ʳ2ʳʳΔʳ Cov
Δʳ ʳ ʳʳ Cov  3 Cov
Cov Cov Cov  0ΖʳΖʳ  ,   0 Ζʳ
以 Δʳ ʳۖ
21 10  12 13 32  1 2
‫א‬ ‫א‬ ‫א‬ 2  
ۖ Δʳ ۖ Ζʳ
Ζʳ
ʳ ʳ ʳ ʳ  ʳ‫א‬  Cov
    ʳ 1 Cov 2    Cov

 ʳʳʳʳʳʳ ʳ   
0 0    
    
 0         2   
  3  
   
ʳ 
2 2      ʳ ʳ
 2   
22Ꮑီ 1 Ꮑီ 0 0,2,00,,ፖ 1,22
,2ፖ ፖ 3 0 04 
,1 ۖࡳΖʳ  33 44 12  22 
 111Ꮑီ  011Ꮑီ 1 ,ፖ
ࠉ‫ڼ‬Δ‫ݺ‬ଚ‫ױ‬઎ࠩΔࠏ‫ڕ‬Δ
ࠉ‫ڼ‬Δ‫ݺ‬ଚ‫ױ‬઎ࠩΔࠏ‫ڕ‬Δ 2,ۖࡳΖʳ
2ۖࡳΖʳ 2 ۖࡳΖʳ 212,而定。 3 20, ፖ    ۖࡳΖʳ
21與 
依此，我們可看到，例如， 1 22  2Ꮑီ   
1 需視 1  1
322 3   1  ʳ
ʳʳʳʳ       
ʳ ʳ ʳ ʳ ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ 
12,  2  01 ,0ʳ ʳ Cov 2   2,03    4 ʳ ʳ Cov 1 ,23   3 Δʳ ۖ Cov  1 ,  2   0 Ζʳ
ʳʳʳʳʳʳʳʳ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ
ʳ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ
ʳʳ ʳʳ ʳʳ ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ
ʳ ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ  32 Δʳ
‫ א‬Cov
由以上所示可知，徑路分析圖對如何規劃或建構一個結構方程式模型是具有
 3 
‫ א‬Cov ‫א‬
‫ڂ‬੡،‫ױ‬ਐ‫࣠ڂق‬ऱֱ‫ٻ‬ፖ‫ء‬ᔆΔࠌ‫ݺ‬ଚ‫ࠉױ‬ᖕஉሁ։࣫ቹࠐ৸‫ە‬ംᠲΖ
輔助性的作用。因為它可指示因果的方向與本質，使我們可依據徑路分析圖來思   ‫א‬1Cov, Cov  
2   
‫ڂ‬੡،‫ױ‬ਐ‫࣠ڂق‬ऱֱ‫ٻ‬ፖ‫ء‬ᔆΔࠌ‫ݺ‬ଚ‫ࠉױ‬ᖕஉሁ։࣫ቹࠐ৸‫ە‬ംᠲΖ 
1 , 1,22 
1 , ʳ ʳ Cov
 1, 1ʳ,ʳʳ 2Cov   ,
ʳ Cov   
3   ,  
2 2 ,33 
2 Δʳ
 Cov
ʳ ʳ
2Δʳ ʳ 
2 Δʳ ʳ ʳ Cov
ʳ 1Cov , 3  , 3,Δʳ
1 1 33  ۖCov 3Δʳ
 1Cov
,  2   0, Ζʳ
3 Δʳ ۖ Cov
ۖ 1 1 , 22 
 0 0ΖʳΖʳ
ࠉᖕֱ࿓‫ڤ‬ΰ1-1αፖΰ1-2αऱᑓীΔ‫ݺࠎ༼ױ‬ଚࢬუ૞‫װ‬ቫᇢ৬ዌऱ࿨ዌֱ࿓‫ڤ‬ᑓীፖூ
ࠉᖕֱ࿓‫ڤ‬ΰ1-1αፖΰ1-2αऱᑓীΔ‫ݺࠎ༼ױ‬ଚࢬუ૞‫װ‬ቫᇢ৬ዌऱ࿨ዌֱ࿓‫ڤ‬ᑓীፖூ  1 Ꮑီ  1 ,  2 , ፖ  2 ۖࡳΖʳ
考問題。 ࠉ‫ڼ‬Δ‫ݺ‬ଚ‫ױ‬઎ࠩΔࠏ‫ڕ‬Δ
ࠏΔ壆‫ࠉڕ‬ᖕຍࠄֱ࿓‫᧢ڍࡳ੺װױڤ‬ႈऱᒵࢤ㬒ូᑓীፖ‫ైڂ‬։࣫ᑓীਢ‫۩ױ‬ऱΖ
ࠏΔ壆‫ࠉڕ‬ᖕຍࠄֱ࿓‫᧢ڍࡳ੺װױڤ‬ႈऱᒵࢤ㬒ូᑓীፖ‫ైڂ‬։࣫ᑓীਢ‫۩ױ‬ऱΖ ʳ ʳ ʳ‫א‬
ࠏΔ壆‫ࠉڕ‬ᖕຍࠄֱ࿓‫᧢ڍࡳ੺װױڤ‬ႈऱᒵࢤ㬒ូᑓীፖ‫ైڂ‬։࣫ᑓীਢ‫۩ױ‬ऱΖ Cov  1 ,  2   1 
ʳ ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ , ʳ1ʳᏁီ Cov 1,Ꮑီ 2, ,ፖ
1 12Ꮑီ 31
,2,ۖࡳΖʳ ,ፖ
1 222 , ፖ 22 ۖࡳΖʳ
Δʳʳ ʳۖࡳΖʳ Cov  1 , 3   3 Δʳ ۖ Cov  1 ,  2   0 Ζʳ
依據方程式 ʳ ʳ ʳ ʳ ʳ ʳʳʳʳʳ(1-1)
‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ 與 (1-2) 的模型，可提供我們所想要去嘗試建構的結構方程
ʳ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ
ʳ ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ
ࠉ‫ڼ‬Δ‫ݺ‬ଚ‫ױ‬઎ࠩΔࠏ‫ڕ‬Δ 1 Ꮑီ 1 , 2 , ፖ 2 ۖࡳΖʳ
式模型與案例，諸如依據這些方程式，去界定多變項的線性廻歸模型與因素分析 ‫ڂ‬੡،‫ױ‬ਐ‫࣠ڂق‬ऱֱ‫ٻ‬ፖ‫ء‬ᔆΔࠌ‫ݺ‬ଚ‫ࠉױ‬ᖕஉሁ։࣫ቹࠐ৸‫ە‬ംᠲΖ
ԿΕ٥᧢ᑇऱ࿨ዌ
ԿΕ٥᧢ᑇऱ࿨ዌԿΕ٥᧢ᑇऱ࿨ዌ
ԿΕ٥᧢ᑇऱ࿨ዌ ࠉᖕֱ࿓‫ڤ‬ΰ1-1αፖΰ1-2αऱᑓীΔ‫ݺࠎ༼ױ‬ଚࢬუ૞‫װ‬ቫᇢ৬ዌऱ࿨ዌֱ࿓‫ڤ‬ᑓীፖூ
ʳԿΕ٥᧢ᑇऱ࿨ዌ
ʳ ʳ ʳ ‫אط‬Ղࢬ‫ױق‬वΔஉሁ։࣫ቹኙ‫ڕ‬۶๵ቤࢨ৬ዌԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীਢࠠ‫ڶ‬᎖‫ࢤܗ‬ऱ‫ش܂‬Ζ
‫ڂ‬੡模型是可行的。
‫ڂ‬੡ ‫ڂ‬੡
‫ڂ‬੡ ፖፖ  ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL
ፖ
ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL
ፖ ࠉᖕֱ࿓‫ڤ‬ΰ1-1αፖΰ1-2αऱᑓীΔ‫ݺࠎ༼ױ‬ଚࢬუ૞‫װ‬ቫᇢ৬ዌऱ࿨ዌֱ࿓‫ڤ‬ᑓীፖூ
 ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISRELࠉᖕֱ࿓‫ڤ‬ΰ1-1αፖΰ1-2αऱᑓীΔ‫ݺࠎ༼ױ‬ଚࢬუ૞‫װ‬ቫᇢ৬ዌऱ࿨ዌֱ࿓‫ڤ‬ᑓীፖூ
ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL ऱᑓী༉ྤऄऴ൷๯᧭ᢞΖ‫܀‬ਢΔ‫ݺ‬ଚ‫ࠉאױ‬
ऱᑓী༉ྤऄऴ൷๯᧭ᢞΖ‫܀‬ਢΔ‫ݺ‬ଚ‫ࠉאױ‬
‫ڂ‬੡
ࠏΔ壆‫ࠉڕ‬ᖕຍࠄֱ࿓‫᧢ڍࡳ੺װױڤ‬ႈऱᒵࢤ㬒ូᑓীፖ‫ైڂ‬։࣫ᑓীਢ‫۩ױ‬ऱΖ  ፖ  ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL
‫ڂ‬੡،‫ױ‬ਐ‫࣠ڂق‬ऱֱ‫ٻ‬ፖ‫ء‬ᔆΔࠌ‫ݺ‬ଚ‫ࠉױ‬ᖕஉሁ։࣫ቹࠐ৸‫ە‬ംᠲΖ ऱᑓী༉ྤऄऴ൷๯᧭ᢞΖ‫܀‬ਢΔ‫ݺ‬ଚ‫ࠉאױ‬
‫ైڂ‬։࣫ԫᑌΔࠡᑓীፖ೗๻‫אױ‬რਐਬԫጟ٥᧢ᑇऱ࿨ዌΔྥ৵Δ‫אױ‬๯ᛀྒྷΖ
‫ైڂ‬։࣫ԫᑌΔࠡᑓীፖ೗๻‫אױ‬რਐਬԫጟ٥᧢ᑇऱ࿨ዌΔྥ৵Δ‫אױ‬๯ᛀྒྷΖࠏΔ壆‫ࠉڕ‬ᖕຍࠄֱ࿓‫᧢ڍࡳ੺װױڤ‬ႈऱᒵࢤ㬒ូᑓীፖ‫ైڂ‬։࣫ᑓীਢ‫۩ױ‬ऱΖ
‫ైڂ‬։࣫ԫᑌΔࠡᑓীፖ೗๻‫אױ‬რਐਬԫጟ٥᧢ᑇऱ࿨ዌΔྥ৵Δ‫אױ‬๯ᛀྒྷΖ ࠉᖕֱ࿓‫ڤ‬ΰ1-1αፖΰ1-2αऱᑓীΔ‫ݺࠎ༼ױ‬ଚࢬუ૞‫װ‬ቫᇢ৬ዌऱ࿨ዌֱ࿓‫ڤ‬ᑓীፖூ
三、共變數的結構 ‫ైڂ‬։࣫ԫᑌΔࠡᑓীፖ೗๻‫אױ‬რਐਬԫጟ٥᧢ᑇऱ࿨ዌΔྥ৵Δ‫אױ‬๯ᛀྒྷΖ
,Ζྥ৵   Ζྥ৵ Ζྥ৵
     
YYଈ٣੺ࡳᇷற‫ٻ‬ၦ
,,X Yፖ
X Y X,X Y, X  Ζྥ৵ 的模型就無法直接被驗證。但 
ଈ٣੺ࡳᇷற‫ٻ‬ၦ
因為  與 ‫ڂ‬੡
是無法被觀察的，所以，LISREL Ζྥ৵ ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL ऱᑓী༉ྤऄऴ൷๯᧭ᢞΖ‫܀‬ਢΔ‫ݺ‬ଚ‫ࠉאױ‬
‫ڂ‬੡  ፖ ‫ڂ‬੡ 
‫ڂ‬੡ 
ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL
ፖፖ  ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL
ਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL ऱᑓী༉ྤऄऴ൷๯᧭ᢞΖ‫܀‬ਢΔ‫ݺ‬ଚ‫ࠉאױ‬
是，我們可以依因素分析一樣，其模型與假設可以意指某一種共變數的結構，然
   
‫ైڂ‬։࣫ԫᑌΔࠡᑓীፖ೗๻‫אױ‬რਐਬԫጟ٥᧢ᑇऱ࿨ዌΔྥ৵Δ‫אױ‬๯ᛀྒྷΖ      
Y
Y Y
後，可以被檢測。 Y 
1111 11 11
1212
‫ైڂ‬։࣫ԫᑌΔࠡᑓীፖ೗๻‫אױ‬რਐਬԫጟ٥᧢ᑇऱ࿨ዌΔྥ৵Δ‫אױ‬๯ᛀྒྷΖ 12
 pq
12
q Cov  Cov
Cov pYCov
11 Y
Y pYCov
  Cov
Cov Y,
Cov XY,
Y,Cov
X Y,
XX  Cov  Y, X 
 Y  ֱ࿓‫ڤ‬ΰ1-4α
p‫ڂ‬੡
ppp 
=Yp ppp  pਢྤऄ๯ᨠኘऱΔࢬ‫א‬ΔLISREL
pqq
p Ζྥ৵
12
Cov
CovCov ==ppq=
Cov = =Cov
q
 =ଈ٣੺ࡳᇷற‫ٻ‬ၦ
  =   =
ፖ
 ==    =
Y =

=
,X  q 
=  ऱᑓী༉ྤऄऴ൷๯᧭ᢞΖ‫܀‬ਢΔ‫ݺ‬ଚ‫ࠉאױ‬
X
X X  X   ଈ٣੺ࡳᇷற‫ٻ‬ၦ
pp     

p
q
qq
q p
 pq
 21
q 21 
X
qଈ٣੺ࡳᇷற‫ٻ‬ၦ
 
21
21
[Y,
22 
22
‫ైڂ‬։࣫ԫᑌΔࠡᑓীፖ೗๻‫אױ‬რਐਬԫጟ٥᧢ᑇऱ࿨ዌΔྥ৵Δ‫אױ‬๯ᛀྒྷΖ  Y

pq X]
22  
22Cov
Cov
p,qX
 
 

Cov
 
YX,
Cov

Ζྥ৵
X,Y
Y, 
X

,


YX,

X
X,


Y YCov
 Cov
   
Cov XX X
Cov
Cov 

X,X Y  Cov X 
   
首先界定資料向量 qpp  q
qpqq 
  
pqq  q q q  ，然後  21 Ζྥ৵ Ζྥ৵
22 
  q  p   q q  

 11 12 
 Yଈ٣੺ࡳᇷற‫ٻ‬ၦ
   12   Cov  Y  Cov  Y, X  
Y  , X 
=    =11p  p
 p  p   p  q Ζྥ৵
Cov
 Y  XY 11 11  12 =12  Y  Cov  Y, X   
Cov ֱ࿓‫ڤ‬ΰ1-4α

 
 Cov
0
0
 
 0 0  =  Y  p q = p q  21pqp
p 
p  22
=  pqp q Cov

 Cov  Cov
X, 
Y YY  Cov
CovCov 
X


Y,Y,X 
X  
 Cov Cov q p==   = q=   = X,   (1-4)
‫ڤ‬խΔ‫א‬
　　　 ‫װ‬១֏ຍᑌऱ൶ಘ
‫װ‬១֏ຍᑌऱ൶ಘ
‫װ‬១֏ຍᑌऱ൶ಘ
‫װ‬១֏ຍᑌऱ൶ಘ = Y  Cov  X  方程式ֱ࿓‫ڤ‬ΰ1-4α
q 0  p   qq  Cov
 X  p X
 p  pqq  

pq q  
‫ڤ‬խΔ‫א‬ ‫װ‬១֏ຍᑌऱ൶ಘ
 X   p21  22 2121    Cov  Cov  
X, X, YY   Cov
Cov  X X
   
YCov
YY
ECov
E  EEY
YY YY
YY yyCov Cov

y 

y

 11
qp 
12

22 22
  Cov  Y  Cov  Y, X 
E YY yy p
q  p q  q
Cov
CovCov Y YY =  Cov
 Cov
= pq  
 qpq q
 Cov  
Y  

y y 

=
y Cov    y    ֱ࿓‫ڤ‬ΰ1-4α
 X   p  q  p  q    21  22   Cov  X, Y  Cov  X  
式中，以 B‫ڤ‬խΔ‫א‬ = 0 去簡化這樣的探討   0 ‫װ‬១֏ຍᑌऱ൶ಘ   q  p   q q  
‫ڤ‬խΔ‫א‬ 
‫ڤ‬խΔ‫א‬  0   
 0yy ‫װ‬១֏ຍᑌऱ൶ಘ
‫װ‬១֏ຍᑌऱ൶ಘ  


0 ‫װ‬១֏ຍᑌऱ൶ಘ
y y  
 

    y y  
  y 
y  
y       y   
   ֱ࿓‫ڤ‬ΰ1-5α
ֱ࿓‫ڤ‬ΰ1-5α ֱ࿓‫ڤ‬ΰ1-5α
 ֱ࿓‫ڤ‬ΰ1-5α
Cov  Y   E  YY    y Cov   y  
Cov  YCov   E YY E E YY xxYY Cov yCovyCov y 
Cov XCov
CovCov XX
‫ڤ‬խΔ‫א‬
E 
EX XX
XX 
EEXX Cov
XX
Cov  x0xCov
Y
Cov
X YxCov
‫װ‬១֏ຍᑌऱ൶ಘ E
xCov 
    x    yx y  
 XX 
y 


xx
  Cov 
   
  y       y   方程式 (1-5)
Cov
xx  Yxx
  E
 
  YY
        y Cov
y         ֱ࿓‫ڤ‬ΰ1-6α
 
y  

xx x x  
x y y x  

 
  y 


  
ֱ࿓‫ڤ‬ΰ1-6α 
 


y y  ֱ࿓‫ڤ‬ΰ1-5α
  ֱ࿓‫ڤ‬ΰ1-5α
Cov Y,
CovCovCov
Y,XXY,
Y, E
XEX Cov
YX
YX
EEYX XE
YX E EE
XX
E
X
yy 
XX
 YX
 yEy 
 
Cov
x
Ey xxx
xx  
  y   x    ֱ࿓‫ڤ‬ΰ1-5α
Cov  XCov Cov 
Cov 
E Y, 
 X X  EE XX Cov
 
  x x   x x  
XX x   

 
Cov
Cov
x y
     

 x x   ֱ࿓‫ڤ‬ΰ1-6α
方程式 (1-6)
Y Yֱ࿓‫ڤ‬ΰ1-7α  ֱ࿓‫ڤ‬ΰ1-7α
Cov   yX y  y yxx 



 
E 
 

XX x 

x x   
Cov
Cov 

x 

Cov
 X,
Cov
X,
 Y
Y
Cov

x x y 
 

X,
 
x 

X,

 
  
x x   
  
ֱ࿓‫ڤ‬ΰ1-7α ֱ࿓‫ڤ‬ΰ1-7α 
x Cov  X, Y    ֱ࿓‫ڤ‬ΰ1-6α ֱ࿓‫ڤ‬ΰ1-6α
Cov  Y, X   E  YX   E   y           x    
Cov  Y,Cov XCov  Y,EY,X YX   E E YX

X EYX  yx E   x yy
E    xx x    ֱ࿓‫ڤ‬ΰ1-6α

  y x  Cov  X, Y   44 4 4
Cov  Y, X   E YX    E   y           x     4
6  y   x  
y  y 
Cov x x  X, Y
CovCov  X,
 X,YYֱ࿓‫ڤ‬ΰ1-7α
  ֱ࿓‫ڤ‬ΰ1-7α
或來電 (02)2705-5066   y x  Cov  X, Y   ֱ࿓‫ڤ‬ΰ1-7α 4
4
y y 
  y      y  
01
Chapter
結構方程式模型的基本認知
Cov  X   E  XX    x Cov    x  
 x x   ֱ࿓‫ڤ‬ΰ1-6α
Cov  Y, X   E  YX   E   y           x    
  y x  Cov  X, Y   方程式 (1-7)

٥᧢ᑇਢᑓীऱ೶ᑇ  x,  y, , , 
٥᧢ᑇਢᑓীऱ೶ᑇ y,, ፖ, 
 x,,  , ,  , ፖ  ऱΰॺᒵࢤऱαࠤᑇΖ
ऱΰॺᒵࢤऱαࠤᑇΖ ΰ‫ݺ᥽ڃ‬ଚ๻ࡳ ΰ‫ݺ᥽ڃ‬ଚ๻ࡳ
٥᧢ᑇਢᑓীऱ೶ᑇ  x,  y, , ,  ,  , ፖ  ऱΰॺᒵࢤऱαࠤᑇΖΰ‫ݺ᥽ڃ‬ଚ๻ࡳ
共變數是模型的參數 x, y, , , , 與  的 ( 非線性的 ) 函數 ( 回顧我們
  0 αΖ   0 αΖ
設定 B = 0)。   0 αΖ 4

 y , x j  Δ˽ːʳ˄ʿ˅ʿΞʿ́ʿʳ
೗ࡳ n ଡ‫᧢ڍ‬ႈऱᨠኘଖ , j = y1,j , 2,
x j ...,
 Δ˽ːʳ˄ʿ˅ʿΞʿ́ʿʳ
假定೗ࡳ n 個多變項的觀察值 x j  Δ˽ːʳ˄ʿ˅ʿΞʿ́ʿʳ ۖᑌ‫ء‬٥᧢ᑇఢೄ‫ڕ‬Հ
yn,j , 而樣本共變數矩陣如下：
n ଡ‫᧢ڍ‬ႈऱᨠኘଖ ۖᑌ‫ء‬٥᧢ᑇఢೄ‫ڕ‬Հ
೗ࡳ n jଡ‫᧢ڍ‬ႈऱᨠኘଖ ۖᑌ‫ء‬٥᧢ᑇఢೄ‫ڕ‬Հ
 S11 S12   S11 S12S S

  pp   pq     pp   pqp11p   p12q  
S   p  q S p  q    
 p  q  p  q  S   S  SS21 S22 
  qp   qq     qp    qqS 21 S22 
21 22p  q  p  q
  qp  ٥᧢ᑇਢᑓীऱ೶ᑇ
 q q  
  x,  y, , ,  ,  , ፖ  ऱΰॺ
‫אאױ‬ԫጟֱऄ‫װ‬৬ዌፖ‫װ‬։໊Δࠌ‫ٽ‬ᔞ࣍
‫אאױ‬ԫጟֱऄ‫װ‬৬ዌፖ‫װ‬։໊Δࠌ‫ٽ‬ᔞ࣍
可以以一種方法去建構與分割，使其合適於 
 ఢೄΖྥ৵‫א‬
矩陣。然後以  ఢೄΖྥ৵‫א‬
S ఢೄխऱᇷಛଡܑ‫װچ‬۷ૠ
S 矩陣中的資訊個 S ఢೄխऱᇷಛଡܑ‫װچ‬۷ૠ
‫אאױ‬ԫጟֱऄ‫װ‬৬ዌፖ‫װ‬։໊Δࠌ‫ٽ‬ᔞ࣍   0 αΖ ఢೄΖྥ৵‫ א‬S ఢೄխऱᇷಛଡܑ‫װچ‬۷
ᑓীऱ೶ᑇΔ‫ݺ‬ଚ๻ࡳ
別地去估計模型的參數，我們設定 ᑓীऱ೶ᑇΔ‫ݺ‬ଚ๻ࡳ
ˆ٥᧢ᑇਢᑓীऱ೶ᑇ ˆ  S ֱ࿓‫ڤ‬ΰ1-8α x,  y, , , ֱ࿓‫ڤ‬ΰ1-8α , ೗ࡳ n ଡ‫᧢ڍ‬ႈऱᨠኘଖ  yj , ΰ‫ݺ᥽ڃ‬ଚ๻ࡳ
 , ፖ   ऱΰॺᒵࢤऱαࠤᑇΖ
x j  Δ˽ːʳ˄ʿ˅ʿΞʿ́ʿʳ ۖᑌ‫ء‬٥
 S  ˆ S
 ֱ࿓‫ڤ‬ΰ1-8α 方程式 (1-8)
 0 αΖ
൷ထ‫װ‬༈‫ޣ‬ข‫ֱس‬࿓‫ڤ‬ऱ࿠ூ
൷ထ‫װ‬༈‫ޣ‬ข‫ֱس‬࿓‫ڤ‬ऱ࿠ூ  S11 S12 
൷ထ‫װ‬༈‫ޣ‬ข‫ֱس‬࿓‫ڤ‬ऱ࿠ூ
接著去尋求產生方程式的答案。   pp   pq  
 S 
೗ࡳ n ଡ‫᧢ڍ‬ႈऱᨠኘଖ  yj , x j  Δ˽ːʳ˄ʿ˅ʿΞʿ́ʿʳ ۖᑌ‫ء‬٥᧢ᑇఢೄ‫ڕ‬Հ  p  q  p  q   S21 S 
؄Ε۷ૠ ؄Ε۷ૠ   qp   q22q  
四、估計 ؄Ε۷ૠ
ࠌ‫ֱش‬࿓‫ڤ‬ΰ1-8α‫ޣ‬ᇞழΔৰլࢉ‫چ‬Δ‫ڶ‬ழ৵ྤऄᛧ൓‫ח‬Գየრऱᇞ࿠Ζ‫ڶۖڂ‬ԫጟ֘៿ऱ
 S11 S12  ‫אאױ‬ԫጟֱऄ‫װ‬৬ዌፖ‫װ‬։໊Δࠌ‫ٽ‬ᔞ࣍  ఢೄΖྥ৵
ࠌ‫ֱش‬࿓‫ڤ‬ΰ1-8α‫ޣ‬ᇞழΔৰլࢉ‫چ‬Δ‫ڶ‬ழ৵ྤऄᛧ൓‫ח‬Գየრऱᇞ࿠Ζ‫ڶۖڂ‬ԫጟ֘៿
使用方程式
‫ޣ‬ᇞऱֱऄΰan (1-8) 求解時，很不幸地，有時無法獲得令人滿意的解答。因此
iterative
‫ޣ‬ᇞऱֱऄΰan   pp   pq  
iterative searchα‫אױ‬๯ࠌ‫ش‬Ζ‫ॣ່א‬೶ᑇ۷ૠଖၲࡨΔࠌ‫៿֘ش‬ऱ‫ޣ‬ᇞऱֱऄ
searchα‫אױ‬๯ࠌ‫ش‬Ζ‫ॣ່א‬೶ᑇ۷ૠଖၲࡨΔࠌ‫៿֘ش‬ऱ‫ޣ‬ᇞऱֱऄ
‫ޣ‬ᇞऱֱऄΰan S iterative  searchα‫אױ‬๯ࠌ‫ش‬Ζ‫ॣ່א‬೶ᑇ۷ૠଖၲࡨΔࠌ‫៿֘ش‬ऱ‫ޣ‬ᇞऱֱ

會使用一種反覆求解方法 (an p iterative q  p  q  S21 S22ᑓীऱ೶ᑇΔ‫ݺ‬ଚ๻ࡳ
search)。簡言之，我們以最初參數估計值
      ࢨ Ζຍጟઔ
    ࢨ    ੡‫ٵ‬ᆠα
   ࢨֱ࿓‫ڤ‬ΰ1-8α
S ऱԫଡఢೄS̂ऱԫଡఢೄ
‫װ‬ข‫س‬൷२२‫ۿ‬ଖ   ̂ ΰ‫ءڇ‬஼խΔ‫ڶ‬ழଢᄎࠌ‫ش‬
q  p q  q   ੡‫ٵ‬ᆠαΖຍጟઔ
    ੡‫ٵ‬ᆠαΖຍጟ
‫װ‬ข‫س‬൷२२‫ۿ‬ଖ ΰ‫ءڇ‬஼խΔ‫ڶ‬ழଢᄎࠌ‫ش‬
開始，使用反覆的求解的方法去產生接近近似值‫װ‬ข‫س‬൷२२‫ۿ‬ଖ S ऱԫଡఢೄ S ̂ ΰ‫ءڇ‬஼խΔ‫ڶ‬ழଢᄎࠌ‫ش‬
的一個矩陣 ˆ 
 ( 在本書中，有
S
‫אאױ‬ԫጟֱऄ‫װ‬৬ዌፖ‫װ‬։໊Δࠌ‫ٽ‬ᔞ࣍  ఢೄΖྥ৵‫ א‬S ఢೄխऱᇷಛଡܑ‫װچ‬۷ૠ
時候會使用 () 或 () 為同義 )( 參考第二章第二節或 2.2 中討論 () 與第十三
ߒऱክࠏֱऄਢࠌ‫ش‬ԫጟᑑᄷࠤᑇΔ‫א‬ຍᑌऱᑑᄷࠤᑇ‫ྒྷװ‬ၦ
ߒऱክࠏֱऄਢࠌ‫ش‬ԫጟᑑᄷࠤᑇΔ‫א‬ຍᑌऱᑑᄷࠤᑇ‫ྒྷװ‬ၦ ̂ ፖ ˦ հၴऱ஁ฆΰࢨ஁၏α
̂ ፖ ˦ հၴऱ஁ฆΰࢨ஁၏α
൷ထ‫װ‬༈‫ޣ‬ข‫ֱس‬࿓‫ڤ‬ऱ࿠ூ Ζࠉ Ζࠉ
ᑓীऱ೶ᑇΔ‫ݺ‬ଚ๻ࡳߒऱክࠏֱऄਢࠌ‫ش‬ԫጟᑑᄷࠤᑇΔ‫א‬ຍᑌऱᑑᄷࠤᑇ‫ྒྷװ‬ၦ ̂ ፖ ˦ հၴऱ஁ฆΰࢨ஁၏α Ζ
章中方程式 (13-5) 為外衍潛在變項的共變數矩陣 ())。這種研究的慣例方法是
ᖕ ˟˜˦˥˘˟ ࿓‫ڤ‬խࢬࠌ‫ش‬ऱਢϘ່՛ֱؓϙፖϘ່Օᄗ‫ۿ‬ϙऱᑑᄷֱऄ‫װ‬۷ૠᑓীऱ೶ᑇΖʳ
使用一種標準函數，去測量 ᖕ ˟˜˦˥˘˟ˆ 與
 S S 之間的差異 ؄Ε۷ૠ (ֱ࿓‫ڤ‬ΰ1-8α
࿓‫ڤ‬խࢬࠌ‫ش‬ऱਢϘ່՛ֱؓϙፖϘ່Օᄗ‫ۿ‬ϙऱᑑᄷֱऄ‫װ‬۷ૠᑓীऱ೶ᑇΖʳ或差距 )。我們可依據 LISREL
ʳ ʳ ‫א‬ՀᒤࠏΔਢ‫א‬೗๻ࢤऱᇷறΔᎅࣔԫଡூࠏࠡխ೶ᑇ۷ૠଖ‫ױ‬ൕֱ࿓‫ڤ‬ΰ1-8αࠐᛧ൓Ζ
ʳ ʳ ‫א‬ՀᒤࠏΔਢ‫א‬೗๻ࢤऱᇷறΔᎅࣔԫଡூࠏࠡխ೶ᑇ۷ૠଖ‫ױ‬ൕֱ࿓‫ڤ‬ΰ1-8αࠐᛧ൓
程式中所使用「最小平方」與「最大概似」的標準方法去估計模型的參數。
ࠌ‫ֱش‬࿓‫ڤ‬ΰ1-8α‫ޣ‬ᇞழΔৰլࢉ‫چ‬Δ‫ڶ‬ழ৵ྤऄᛧ൓‫ח‬Գ
以下範例是以假設性的資料，說明一個案例中的參數估計值可從方程式
նΕᒤࠏΰ1-2αԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীऱ۷ૠЁ‫א‬Գ੡ऱ೗ࡳᇷறࠐၞ۩ංᖄ
նΕᒤࠏΰ1-2αԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীऱ۷ૠЁ‫א‬Գ੡ऱ೗ࡳᇷறࠐၞ۩ංᖄ ̂ ፖ ˦ ۷ૠ ̂ ፖ ˦ ۷ૠ
‫ޣ‬ᇞऱֱऄΰan iterative searchα‫אױ‬๯ࠌ‫ش‬Ζ‫ॣ່א‬೶ᑇ۷ૠ
նΕᒤࠏΰ1-2αԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীऱ۷ૠЁ‫א‬Գ੡ऱ೗ࡳᇷறࠐၞ۩ංᖄ ̂ ፖ ˦ ۷ૠ
(1-8)ኙ࣍ຍᑌऱംᠲ‫ݺ‬ଚ‫شࠌאױ‬ఢೄ‫ז‬ᑇऱֱ࿓‫ࠐڤ‬ၞ۩ංᖄፖࠌ‫ش‬
來獲得。؄Ε۷ૠ LISREL
ኙ࣍ຍᑌऱംᠲ‫ݺ‬ଚ‫شࠌאױ‬ఢೄ‫ז‬ᑇऱֱ࿓‫ࠐڤ‬ၞ۩ංᖄፖࠌ‫ش‬
‫װ‬ข‫س‬൷२२‫ۿ‬ଖ S ऱԫଡఢೄ LISREL
ऱຌ᧯࿓‫ࠐڤ‬ၞ۩Ζ̂ ΰ‫ءڇ‬஼խΔ‫ڶ‬ழଢᄎࠌ‫ش‬
ऱຌ᧯࿓‫ࠐڤ‬ၞ۩Ζ
ኙ࣍ຍᑌऱംᠲ‫ݺ‬ଚ‫شࠌאױ‬ఢೄ‫ז‬ᑇऱֱ࿓‫ࠐڤ‬ၞ۩ංᖄፖࠌ‫ ش‬LISREL ऱຌ᧯࿓‫ࠐڤ‬ၞ
五、範例 (1-2)　一個結構方程式模型的估計：以人為的假定資料
‫ޣ‬ᇞऱֱऄΰan iterative searchα‫אױ‬๯ࠌ‫ش‬Ζ‫ॣ່א‬೶ᑇ۷ૠଖၲࡨΔࠌ‫៿֘ش‬ऱ‫ޣ‬ᇞऱֱऄ
ΰԫαఢೄ‫ז‬ᑇֱ࿓‫ڤ‬ऱංᖄ
ΰԫαఢೄ‫ז‬ᑇֱ࿓‫ڤ‬ऱංᖄ ߒऱክࠏֱऄਢࠌ‫ش‬ԫጟᑑᄷࠤᑇΔ‫א‬ຍᑌऱᑑᄷࠤᑇ‫ྒྷװ‬ၦ
來進行推導೗ࡳ࠷  Sΰԫαఢೄ‫ז‬ᑇֱ࿓‫ڤ‬ऱංᖄ
 與 m=˄Δ́ː˄Δ̃ː˅Δ̄ː˅Δፖ
估計
೗ࡳ࠷ m=˄Δ́ː˄Δ̃ː˅Δ̄ː˅Δፖ ˕ː˃Δࠉᖕֱ࿓‫ڤ‬ΰ˄ˀ˄αፖΰ˄ˀ˅αΖʳ
˕ː˃Δࠉᖕֱ࿓‫ڤ‬ΰ˄ˀ˄αፖΰ˄ˀ˅αΖʳ
‫װ‬ข‫س‬൷२२‫ۿ‬ଖ ೗ࡳ࠷ S ऱԫଡఢೄ ̂ ΰ‫ءڇ‬஼խΔ‫ڶ‬ழଢᄎࠌ‫ش‬
m=˄Δ́ː˄Δ̃ː˅Δ̄ː˅Δፖ     ࢨ     ੡‫ٵ‬ᆠα
˕ː˃Δࠉᖕֱ࿓‫ڤ‬ΰ˄ˀ˄αፖΰ˄ˀ˅α
ᖕ ˟˜˦˥˘˟ ࿓‫ڤ‬խࢬࠌ‫ش‬ऱਢϘ່՛ֱؓϙፖϘ່Օᄗ‫ۿ‬ϙऱ Ζʳ Ζຍጟઔ
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳʳ ʳʳ ʳʳ ʳʳ 
ʳ 對於這樣的問題，我們可以使用矩陣代數的方程式與 ʳ ʳ ʳ ʳ ʳʳ ʳʳ ʳʳ      ʳ
ʳ ʳ  LISREL 的軟體程式來
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ      ʳ ʳ ʳ ‫א‬ՀᒤࠏΔਢ‫א‬೗๻ࢤऱᇷறΔᎅࣔԫଡூࠏࠡխ೶ᑇ۷
進行推導。  Y1   1   Y1  1  1 
ߒऱክࠏֱऄਢࠌ‫ش‬ԫጟᑑᄷࠤᑇΔ‫א‬ຍᑌऱᑑᄷࠤᑇ‫ྒྷװ‬ၦ  1  ̂ ፖ ˦ հၴऱ஁ฆΰࢨ஁၏αΖࠉ
 1 
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳʳ ʳʳ ʳʳ ʳ ʳ ʳ ʳʳ ʳʳ ʳ ʳ     ʳY1    1  ʳ նΕᒤࠏΰ1-2αԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীऱ۷ૠЁ‫א‬Գ੡ऱ೗ࡳᇷ
ᖕ ˟˜˦˥˘˟  1  ʳ ʳ2ʳʳʳ 2ʳ Y1    2    ʳ
ʳ ʳʳ ʳ ʳ ʳ Y
 Y2  ʳ࿓‫ڤ‬խࢬࠌ‫ش‬ऱਢϘ່՛ֱؓϙፖϘ່Օᄗ‫ۿ‬ϙऱᑑᄷֱऄ‫װ‬۷ૠᑓীऱ೶ᑇΖʳ
 2   1  2 7
ኙ࣍ຍᑌऱംᠲ‫ݺ‬ଚ‫شࠌאױ‬ఢೄ‫ז‬ᑇऱֱ࿓‫ࠐڤ‬ၞ۩ංᖄፖ
本試閱檔為五南所有。如欲購買此書，請至五南網站
 X    X1    2   1  www.wunan.com.tw
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳʳ ʳʳ ʳʳ ʳ ʳ ʳ ʳʳ ʳʳ ʳ ʳ      X ʳ 1   2  ʳ  1 
1 2 1
X ʳ ʳ ʳ ʳ1ʳ ʳ ʳ X
նΕᒤࠏΰ1-2αԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীऱ۷ૠЁ‫א‬Գ੡ऱ೗ࡳᇷறࠐၞ۩ංᖄ ʳ
 ʳ ʳ  1 (02)2705-5066
ʳ ʳ 2ʳ或來電   2    ΰԫαఢೄ‫ז‬ᑇֱ࿓‫ڤ‬ऱංᖄ
ʳ ̂ ፖ ˦ ۷ૠ
 2    2
X2  1 2 
ߒऱክࠏֱऄਢࠌ‫ش‬ԫጟᑑᄷࠤᑇΔ‫א‬ຍᑌऱᑑᄷࠤᑇ‫ྒྷװ‬ၦ ̂ ፖ ˦ հၴऱ஁ฆΰࢨ஁၏α
Ζࠉ
ኙ࣍ຍᑌऱംᠲ‫ݺ‬ଚ‫شࠌאױ‬ఢೄ‫ז‬ᑇऱֱ࿓‫ࠐڤ‬ၞ۩ංᖄፖࠌ‫ ش‬LISREL ऱຌ᧯࿓‫ࠐڤ‬ၞ۩Ζ
ኙ࣍ຍᑌऱംᠲ‫ݺ‬ଚ‫شࠌאױ‬ఢೄ‫ז‬ᑇऱֱ࿓‫ࠐڤ‬ၞ۩ංᖄፖࠌ‫ ش‬LISREL ऱຌ᧯࿓‫ࠐڤ‬ၞ۩Ζ
( 一 ) 矩陣代數方程式的推導
假定取
೗ࡳ࠷m =m=˄Δ́ː˄Δ̃ː˅Δ̄ː˅Δፖ
1，n = 1，p = 2，q = ˕ː˃Δࠉᖕֱ࿓‫ڤ‬ΰ˄ˀ˄αፖΰ˄ˀ˅α
2，與 B = 0，依據方程式 (1-1)
Ζʳ 與 (1-2)。
೗ࡳ࠷ m=˄Δ́ː˄Δ̃ː˅Δ̄ː˅Δፖ ˕ː˃Δࠉᖕֱ࿓‫ڤ‬ΰ˄ˀ˄αፖΰ˄ˀ˅αΖʳ
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ      ʳ
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ      ʳ
Y  1  
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ        Y1  ʳ  1   1 
1 1
ʳ 2ʳ ʳ ʳ ʳ ʳ ʳʳ 1ʳ ʳ ʳ ʳ   2        ʳ
ʳY
     
 Y2  1   2 
 X1   2   1 
ʳʳʳʳʳʳʳʳʳʳʳʳʳ     X1  ʳ  2   1 
ʳ ʳ2ʳʳ ʳ ʳ ʳ ʳ1ʳ ʳʳ ʳ    2       ʳ
ʳX
   
X2   1  2 
ۖ‫׊‬Δ೗ࡳ Var     ; Var      Δʳ

而且，假定，
ۖ‫׊‬Δ೗ࡳ Var     ; Var      Δʳ
1 0  3 0 
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ Cov      Δፖʳ Cov     
1110 002 3330 004
ʳ
5
Cov   
ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ Cov  ，與
Δፖʳ
Δፖʳ Cov
Cov  
  
  0   ʳʳ
 00 222  0 444
ࠌ‫ֱش‬࿓‫ڤ‬ΰ1-5αΔ‫ݺ‬ଚᛧ൓
ࠌ‫ֱش‬࿓‫ڤ‬ΰ1-5α
ࠌ‫ֱش‬࿓‫ڤ‬ΰ1-5αΔ‫ݺ‬ଚᛧ൓
Δ‫ݺ‬ଚᛧ൓
使用方程式 (1-5)，我們獲得
  2      1 1   2     
Cov  Y   11   
2  111
2
2
2
 2111  2222   ʳ
Cov Y
Cov Y  11 
                 2ʳʳ
1  222 
1 1
 111       222
11
11 222 222
 11
  2        
Cov  Y, X   12       1    21
2122 2   
Cov Y,
Cov Y,XX   12 
      21
21
111222  
 111   
12
12 21
 2  2 
Cov  X    22   222 2
222
ʳʳʳ


 

Cov X
Cov X  22
22

22  
 222
2 
 ʳʳ ʳʳ ʳʳ
4

222  444
ʳ
ʳ
ʳ ʳ ʳ ʳ ᇷற๯ፋႃ‫ ˬ ڇ‬ፖ ˫ ՂΔۖࠡᑌ‫ء‬٥᧢ᑇఢೄ੡Κʳ
資料被聚集在 Y 與 X 上，而其樣本共變數矩陣為：
ʳʳ ʳʳʳ ʳʳ ᇷற๯ፋႃ‫ڇ‬
ᇷற๯ፋႃ‫ˬ ڇ‬
ˬፖፖ˫
˫ ՂΔۖࠡᑌ‫ء‬٥᧢ᑇఢೄ੡Κʳ
ՂΔۖࠡᑌ‫ء‬٥᧢ᑇఢೄ੡Κʳ
ʳʳ 86.3979 57.7751 56.8651 58.8986 
 57.7751 57.7751
86.3979 86.2632 56.8651 59.6683
59.3177 58.8986
 S11 S12  86.3979
 57.7751 56.8651 58.8986
 57.7751 86.2632  ʳ
 57.7751
ʳʳʳʳʳʳʳ 
SSS SSS 59.3177 59.3177
 56.8651 86.2632 97.2850 59.6683
59.3177 59.6683
73.8201ʳʳ
ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ  21
11
11
11 12
12
1222


 56.8651
56.8651 59.3177 
SS21 SS22
22  59.6683 97.2850
58.8986 59.3177 97.8192
73.8201 73.8201
97.2850 73.8201

21
21 22

ʳʳʳʳʳʳʳ 58.8986
58.8986 59.6683
59.6683 73.8201
73.8201 97.8192
97.8192
依據上述樣本共變數矩陣，我們可以建構一個徑路分析圖
ʳʳ ʳʳ ʳʳ ʳʳ ʳࠉᖕՂ૪ᑌ‫ء‬٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫אױ‬৬ዌԫଡஉሁ։࣫ቹʳ
ʳ ʳʳ ʳʳ ( 見圖 1-2)：
ʳʳ ʳʳʳ ʳʳʳ ࠉᖕՂ૪ᑌ‫ء‬٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫אױ‬৬ዌԫଡஉሁ։࣫ቹʳ
ʳࠉᖕՂ૪ᑌ‫ء‬٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫אױ‬৬ዌԫଡஉሁ։࣫ቹʳ
ʳʳ ʳʳ ʳʳ
8
或來電 (02)2705-5066
ʳʳʳʳʳʳʳ   ʳ
S21 S22   56.8651 59.3177 97.2850 73.8201
 
58.8986 59.6683 73.8201 97.8192 
ʳʳʳʳʳʳʳ Chapter
結構方程式模型的基本認知
ʳ ʳ ʳ ࠉᖕՂ૪ᑌ‫ء‬٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫אױ‬৬ዌԫଡஉሁ։࣫ቹʳ
ʳʳʳ
01
1
1 X1 Y1
 
2 X2 Y2 2
ˆ
ʳ ʳ ʳ ๯৬ዌ৵Δ๻ࡳ 
ʳ ʳ ʳ ๯৬ዌ৵Δ๻ࡳ  ˆˆ  SSΔ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ Δ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
ʳ ʳ ʳ ๯৬ዌ৵Δ๻ࡳ  
ˆˆ  S Δ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬ΚʳS Δ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
ʳ ʳ ʳ ๯৬ዌ৵Δ๻ࡳ 圖 1-2 結構方程式的模型  ˆ 
 
2ˆ   S
SΔ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
ˆ ˆ
ʳʳ ʳʳ ʳʳ ๯৬ዌ৵Δ๻ࡳ
ʳ ʳ ʳ ʳ ΰ˄α ˆ2 ˆ
ʳ ʳ ʳ ๯৬ዌ৵Δ๻ࡳ  ˆ Δ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
ˆˆ1ʳʳ ʳʳ ʳʳ ʳʳ ːʳˋˉˁˆˌˊˌ
ːʳˋˉˁˆˌˊˌ
ʳ ʳ ʳ ʳ ΰ˄α ˆˆ 2 
ʳ ʳ ʳ ๯৬ዌ৵Δ๻ࡳ ˆ    ˆ ˆ  S 
Δ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
ʳ ʳ ʳ ʳ ΰ˄α  2  ˆ  S 
  ˆˆ ˆ S Δ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
ʳ ʳ ʳ ๯৬ዌ৵Δ๻ࡳ 1 ʳ ʳ ʳ ʳ ːʳˋˉˁˆˌˊˌ
Δ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
ʳ ʳ ʳ ʳ ΰ˄α ˆˆ 22 
ʳʳ ʳʳ ʳʳ ๯৬ዌ৵Δ๻ࡳ ˆˆ     ˆˆ 1 ʳ ʳ ʳ ʳ ːʳˋˉˁˆˌˊˌ ˆ
ʳʳ ʳʳ ʳʳ ๯৬ዌ৵Δ๻ࡳ ˆ  ˆ  ˆˆʳ S   ˆ๯৬ዌ৵Δ๻ࡳ
1 ʳ ʳ ʳ ʳ ːʳˋˉˁˆˌˊˌ   S ，我們可獲得其方程式：
ʳ ʳΔ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
 
ʳ ʳ ʳ ʳʳ ʳʳ ʳʳ ʳʳ ΰ˄α 徑路分析圖被建構後，設定      Δ‫ݺ‬ଚ‫ױ‬ᛧ൓ֱࠡ࿓‫ڤ‬Κʳ
  ˆˆ 2 ˆˆ2 ˆ ˆ ˆ ˆʳ11 ʳʳ ʳʳ ʳʳ ʳʳ ʳːʳˋˉˁˆˌˊˌ
ΰ˄α 2
ʳʳʳ ʳ ʳʳʳ ʳ ʳʳʳ ʳʳʳ ʳʳʳ ΰ˄αΰ˅α  ˆ  12   ˆ    ːʳˀˈˊˁˊˊˈ˄ʳ
ˆˆˆ1 2 ˆˆˆˆ  ˆˆ ˆˆʳ1ʳʳʳʳʳʳ ʳʳ ʳːʳˋˉˁˆˌˊˌ
ΰ˅α  2
ʳ ʳ ʳ ʳ ːʳˋˉˁˆˌˊˌ
ˆˆˆ  ʳ

ΰ˅α 
ʳʳʳ ʳʳ ʳʳʳ ʳʳ ʳʳʳ ʳʳʳ ʳʳʳ ΰ˄α
ΰ˄α

ʳ ʳ ʳ
ʳ(1)
ˆ  

1 2
ˆ ˆˆ   
2
2
 ˆ
  
ˆ ʳ
  
ːʳˀˈˊˁˊˊˈ˄ʳ
ʳ1ʳʳ ʳʳ ʳʳ ʳʳ ʳːʳˋˉˁˆˌˊˌ
ˆ ˆʳ1ʳʳʳʳʳʳ ʳʳ ʳːʳˋˉˁˆˌˊˌ
ˆ 2 ˆ  ˆ  ˆ 1 ʳ ʳ ʳ ʳ ːʳˋˉˁˆˌˊˌ
= 86.3979
ʳˆˆˆʳ1112ʳ ʳˆˆʳ222ቹΰ˄ˀ˅α࿨ዌֱ࿓‫ڤ‬ऱᑓীʳ ˆˆˆ 
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰ˄α ΰ˅α ːʳˀˈˊˁˊˊˈ˄ʳ
   ˆˆʳ ʳ ʳʳʳ1ʳʳʳ ʳʳʳˆʳʳʳ ΰ˄α
 
ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ΰ˅α ΰ˅α ʳʳ ʳʳ ːʳˀˈˊˁˊˊˈ˄ʳ
 ˆ ˆ ˆ ˆ
 ˆˆ ʳʳ ʳˆʳ2ʳ ʳʳ ʳːʳˀˈˊˁˊˊˈ˄ʳ
ˆˆˆˆ 11221 ˆˆˆˆ2222
ΰˆα 
ʳʳʳ ʳʳ ʳʳʳ ʳʳ ʳʳʳ ʳʳʳ ʳʳʳ ΰˆα ːʳˋˉˁʳ˅ˉˆ˅ʳ
ˆˆˆ   ˆˆˆˆ ʳ
ΰ˅α   ʳ ʳ
ʳʳ ʳ ʳʳ ʳ ʳʳ ʳʳ ʳʳ ΰˆα ΰ˅α

(2)  
 
112  ˆ 
ˆ 12 ˆˆ 2ˆˆˆ ʳ


 
     ˆʳ2ʳʳʳʳʳʳːʳˀˈˊˁˊˊˈ˄ʳ
ːʳˋˉˁʳ˅ˉˆ˅ʳ
= -57.7751
ˆʳ ʳʳʳʳːʳˀˈˊˁˊˊˈ˄ʳ
 
ʳ ʳ ʳ ʳ ʳ ΰ˅α ˆˆ ʳʳʳ ʳʳ ʳ ʳ ʳ ʳ ʳ ʳ ːʳˀˈˊˁˊˊˈ˄ʳ
ˆ 1 ˆ 2 ˆ  ˆ ʳ ʳ ʳ ʳ ʳ ʳ ːʳˀˈˊˁˊˊˈ˄ʳ
2
ΰ˅α 
2
 2
ˆˆˆ11122 ˆˆˆ 22  ˆˆʳ222ΰ˅α
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰˆα ːʳˋˉˁʳ˅ˉˆ˅ʳ
ΰˆα 
ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ΰˆα ˆ   ˆˆ ʳ   ʳʳ ʳʳ ːʳˋˉˁʳ˅ˉˆ˅ʳ
ːʳˋˉˁʳ˅ˉˆ˅ʳ 6
ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ΰˆα 
ΰˇα 122 
ˆ  ˆ
ˆˆˆ 2ʳˆʳ ʳʳ 
ˆ ʳˆʳ ʳ  ʳ ʳ ˆʳ ʳ ʳ ʳ ːʳˋˉˁʳ˅ˉˆ˅ʳ
ˆ ːʳˈˉˁˋˉˈ˄

(3) ˆ 12 
 ˆ ˆˆˆˆ 22ʳʳ  ˆˆʳʳ ʳʳʳ ʳ = 86. 2632
ˆˆʳʳ ʳʳ ʳʳʳʳ ʳʳˆ ʳʳ2 ʳʳʳ ʳʳʳ ːʳˈˉˁˋˉˈ˄
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰˇα 2
ˆˆ 112 
ΰˆα ːʳˋˉˁʳ˅ˉˆ˅ʳ
ΰˆα  ˆ ʳ ʳ ʳ
ˆʳʳʳʳʳʳ 
  ˆʳʳ2ΰˆα
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰˇα ʳ ʳ ːʳˈˉˁˋˉˈ˄
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰˇα ΰˆα  ˆ
 ˆ   ʳ ʳʳ 
ʳ  ʳ ʳ ʳ ˆ 12 ˆ 2 ˆ  ˆ  ˆ 2 ʳ ʳ ːʳˋˉˁʳ˅ˉˆ˅ʳ
ʳ ʳʳ ːʳˈˉˁˋˉˈ˄
ΰˇα  ˆ 22ˆ ˆˆ ˆ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ːʳˈˉˁˋˉˈ˄
2 ʳ ʳ ʳ 2
ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ΰˇα  ːʳˈˉˁˋˉˈ˄
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰˇα ΰ5α(4) ˆˆ̂ ˆˆ2  ˆ ˆˆ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ =ːʳˈˉˁˋˉˈ˄ ==58.8986
56.8651
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰˇα ΰ5α  ̂
̂ ˆ ˆˆ ˆ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ =ːʳˈˉˁˋˉˈ˄
 58.8986
58.8986
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰˇα  ΰ5α ˆ ˆˆ2  2
ˆ ˆ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳΰˇα ʳ ʳ ːʳˈˉˁˋˉˈ˄
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ΰˇα ΰ5α  ̂
̂ ˆ2  ʳ ʳ= ˆ 2 
58.8986
ːʳˈˉˁˋˉˈ˄ ˆ ˆ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ːʳˈˉˁˋˉˈ˄
 
ΰ5α
ΰ5α(5) ̂ ˆ ˆ ˆ =
==58.8986
58.8986
58.8986
 ˆ
ˆˆ ˆ1ˆˆ 2  ˆ
 = 59.3177
ˆˆ ˆˆ
ΰ6α ̂ == 58.8986
ΰ6α 
ΰ5α
̂ 59.3177
ΰ6α  ˆˆ11ˆ 22 
 
ΰ5α == 58.8986
59.3177
ΰ5α ̂ ˆ  ˆ ˆ == 58.8986
ΰ6α
ΰ5α(6)  ̂
ˆˆ11 ˆ ˆ
ˆ 22 ˆ ˆˆ ˆ ˆ = ̂ˆ
59.3177
58.8986
== 59.3177
59.3177 = 58.8986
   
ΰ6α
ΰ6α
1 2
 ΰ5α = 59.3177
ΰ7α  ˆ
ˆ ˆ ˆ
 ˆ  ˆ ˆ =
= 59.6683
59.3177
ΰ6α  ˆ ˆˆ  1 ˆ ˆ ˆˆ ˆˆ == 59.6683
ΰ6α  ˆˆˆ 1111 2ˆ 
ΰ7α 1 2
59.3177
   
(7)  ˆ 2ˆ ˆ 
== 59.6683
 
ΰ7α 59.3177
ΰ6α
ΰ7α
ΰ6α  ˆ   ˆ  ˆ ˆ = = 59.6683
ˆ 1ˆ 2 
59.6683
59.3177 ˆˆ
ΰ7α 
ΰ7α ˆ 11ˆ 2 1 2ˆ ˆ
ˆ ˆ
 ΰ6α =
= 59.6683
59.6683
= 59.3177
ΰ7α 
ΰ8α   ˆ

ˆˆ 1ˆˆ 222  ˆ
ˆˆ ˆ 3  = 97.2850
= 59.6683
ΰ8α 
ΰ7α
ΰ8α
ΰ7α
ΰ8α 
ΰ7α  
(8)  
 ˆ
ˆˆ 1ˆˆ 22

1 2 
ˆ
1
ˆˆ
2  ˆˆ 
 
ˆ ˆ 3

ˆˆ 33
 ˆ ΰ7α =
=
97.2850
===59.6683
97.2850
97.2850
59.6683
ˆ 1 
59.6683
97.2850
97.2850 ˆˆ = 59.6683
ΰ8α 
ΰ8α
ˆ ˆˆ 22  ˆ 33 = 97.2850
ΰ9α  ˆ
ˆ  ˆ   == 73.8201
97.2850
ΰ8α
ΰ9α(9)  ˆˆˆ ˆˆˆ 2  ˆˆ 3 22
===73.8201
73.8201
97.2850
ΰ8α 
ΰ8α == 73.8201
ΰ9α
ΰ8α 
 ˆˆ ˆˆ 222   
 ˆ 33 = =
97.2850
ˆ ˆ 2  ˆ
73.8201
97.2850
ΰ9α
ΰ9α 
ΰ9α  ˆ ˆ 22 3 ΰ8α = 
= 73.8201
73.8201 2 3 = 97.2850
(10) ˆ ˆ
ˆ
 2 ˆ42 ˆ
==73.8201
97.8192
97.8192
ΰ10α
ΰ9α ˆ
ˆˆˆˆˆ  ˆ 4 =
=
ΰ10α = 97.8192
73.8201
ˆ ˆˆˆ  2 4
ΰ9α =
ΰ10α
ΰ9α ˆˆ = 97.8192
73.8201
ˆˆ
ΰ10α
ΰ9α ˆ
 
2 
 ˆ
44 4 ΰ9α = 97.8192
73.8201

= 97.8192
97.8192 = 73.8201
ΰ10α
由此可知，共變數矩陣
ΰ10α  2
=  2是個無法被觀察構念模型的共變數矩陣，我們可
ΰ10α  ˆ  ˆ = 97.8192
‫ڼط‬Δ٥᧢ᑇఢೄ ˆˆ  ˆˆ 4  Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓ = 97.8192
以使用
‫ڼط‬Δ٥᧢ᑇఢೄ
ΰ10α
ΰ10α LISREL  ˆ  ˆ 44  軟體程式，然後再使用語法指令輸入上述的樣本共變數矩陣，以 = 97.8192
Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓
‫ڼط‬Δ٥᧢ᑇఢೄ ΰ10α
‫ڤ‬Δྥۖ٦ࠌ‫ش‬፿ऄਐ‫ח‬ᙁԵՂ૪ऱᑌ‫ء‬٥᧢ᑇఢೄΔ‫່א‬Օᄗ‫ۿ‬ऄΰˠ˟αၞ۩۷ૠ‫װ‬ᛧ൓‫ڕ‬
   4 

= 97.8192
ΰ10α ˆ  ˆ 4 = 97.8192
最大概似法
‫ڼط‬Δ٥᧢ᑇఢೄ 
(ML) Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓
進行估計去獲得如下的數據。
 Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓
ՀऱᑇᖕΖʳ ‫ڼط‬Δ٥᧢ᑇఢೄ  Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓
ՀऱᑇᖕΖʳ ‫ڼط‬Δ٥᧢ᑇఢೄ  Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓
LAMBDA-Y  Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓
ՀऱᑇᖕΖʳ ‫ڼط‬Δ٥᧢ᑇఢೄ
LAMBDA-Y  Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓ ‫ڼط‬Δ٥᧢ᑇఢೄ  Δਢྤऄ๯ᨠኘዌ࢚ᑓীऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫˟˘˥˦˜˟شࠌאױ‬ຌ᧯࿓
ՀऱᑇᖕΖʳ ‫ڼط‬Δ٥᧢ᑇఢೄ
ՀऱᑇᖕΖʳ
ՀऱᑇᖕΖʳ LAMBDA-Y
‫ڤ‬Δྥۖ٦ࠌ‫ش‬፿ऄਐ‫ח‬ᙁԵՂ૪ऱᑌ‫ء‬٥᧢ᑇఢೄΔ‫່א‬Օᄗ‫ۿ‬ऄΰˠ˟αၞ۩۷ૠ‫װ‬ᛧ൓‫ڕ‬ F2
‫ڤ‬Δྥۖ٦ࠌ‫ش‬፿ऄਐ‫ח‬ᙁԵՂ૪ऱᑌ‫ء‬٥᧢ᑇఢೄΔ‫່א‬Օᄗ‫ۿ‬ऄΰˠ˟αၞ۩۷ૠ‫װ‬ᛧ൓‫ڕ‬ F2 ‫ڤ‬Δྥۖ٦ࠌ‫ش‬፿ऄਐ‫ח‬ᙁԵՂ૪ऱᑌ‫ء‬٥᧢ᑇఢೄΔ‫່א‬Օᄗ‫ۿ‬ऄΰˠ˟αၞ۩۷ૠ‫װ‬ᛧ൓‫ڕ‬
LAMBDA-Y F2
ՀऱᑇᖕΖʳ --------
ՀऱᑇᖕΖʳ LAMBDA-Y F2
-------- ՀऱᑇᖕΖʳ
LAMBDA-Y F2
F2
--------
Y1LAMBDA-Y 1.0000
F2
--------
Y1LAMBDA-Y 1.0000
--------
F2 LAMBDA-Y
Y1
Y2
--------
1.0000
F2
1.0270 9
Y1
Y2 --------
1.0000
F2
1.0270 F2
Y1
Y1 1.0000
--------
1.0000
Y2本試閱檔為五南所有。如欲購買此書，請至五南網站
Y1
Y2
1.0270
--------
(0.0481)
1.0000
1.0270
www.wunan.com.tw
--------
(0.0481) --------
Y2
Y1
Y2 1.0270
1.0000
1.0270
(0.0481)
Y1
Y2
Y1
1.0000
21.3476
1.0270
(0.0481)
1.0000
或來電 (02)2705-5066
Y2 21.3476
(0.0481)
1.0270 Y1 1.0000
(0.0481)
LAMBDA-Y
F2
----------
Y1 1.0000
Y2 1.0270
(0.0481)
21.3476
LAMBDA-X
F1
----------
X1 1.0000
X2 1.0195
(0.0399)
25.5509
GAMMA
F1
----------
F2 0.7920
(0.0390)
20.3233
PHI
F1
--------
72.4092
(5.5642)
13.0134
10
或來電 (02)2705-5066
Chapter
PSI
F2
----------
10.8360
(2.0392)
5.3139
THETA-EPS
Y1 Y2
------------ -------------
30.1394 26.9306
(2.4704) (2.4306)
12.2003 11.0796
٥᧢ᑇਢᑓীऱ೶ᑇ  x,  y, , ,  ,  , ፖ  ऱΰॺᒵࢤऱαࠤᑇΖΰ‫ݺ᥽ڃ‬ଚ๻ࡳ
THETA-DELTA
  0 αΖ
X1 X2
೗ࡳ n ଡ‫᧢ڍ‬ႈऱᨠኘଖ  yj , x------------
j  Δ˽ːʳ˄ʿ˅ʿΞʿ́ʿʳ ۖᑌ‫ء‬٥᧢ᑇఢೄ‫ڕ‬Հ 
------------
24.8758 22.5607
 S11 S12 
(2.3599)
  pp  (2.3503)
 pq  
S 
   
p  q  p  q
10.5411 S S22 
  q21p   q9.5992
q  

‫אאױ‬ԫጟֱऄ‫װ‬৬ዌፖ‫װ‬։໊Δࠌ‫ٽ‬ᔞ࣍  ఢೄΖྥ৵‫ א‬S ఢೄխऱᇷಛଡܑ‫װچ‬۷ૠ
ʳ ʳ 獲得上述的 LISREL
ʳ ʳ ʳ ᛧ൓Ղ૪ऱ 輸入結果報表資料之後，我們利用以上的數據，建構出
˟˜˦˥˘˟ ᙁԵ࿨࣠໴।ᇷறհ৵Δ‫ݺ‬ଚ‫אشܓ‬ՂऱᑇᖕΔ৬ዌ੡‫א‬Հऱఢೄᇷ
ʳ ʳ ʳ ʳ ʳ ᛧ൓Ղ૪ऱ ˟˜˦˥˘˟ ᙁԵ࿨࣠໴।ᇷறհ৵Δ‫ݺ‬ଚ‫אشܓ‬ՂऱᑇᖕΔ৬ዌ੡‫א‬Հऱఢೄᇷ
以下的矩陣資料，接著再使用
ʳ ʳʳʳʳʳʳʳʳʳʳᛧ൓Ղ૪ऱ
ʳʳ ʳᛧ൓Ղ૪ऱ
ʳʳ ʳᛧ൓Ղ૪ऱ
ʳ ʳ ʳ ᛧ൓Ղ૪ऱ
˟˜˦˥˘˟
˟˜˦˥˘˟
˟˜˦˥˘˟ MATLAB 軟體程式，去獲得所謂被推導的共變數
ᙁԵ࿨࣠໴।ᇷறհ৵Δ‫ݺ‬ଚ‫אشܓ‬ՂऱᑇᖕΔ৬ዌ੡‫א‬Հऱఢೄᇷ
˟˜˦˥˘˟
矩陣 ˆ：
றΔ൷ထ٦ࠌ‫ش‬
 S ˠ˔˧˟˔˕ ຌ᧯࿓‫װڤ‬ᛧ൓‫ݺ‬ଚࢬ૞ऱࢬᘯ๯ංᖄऱ٥᧢ᑇఢೄ ̂ Κʳ
ΚʳΚʳ̂ Κʳ ̂ Κʳ
றΔ൷ထ٦ࠌ‫ش‬ ˠ˔˧˟˔˕
ˠ˔˧˟˔˕
ˠ˔˧˟˔˕
ˠ˔˧˟˔˕ ຌ᧯࿓‫װڤ‬ᛧ൓‫ݺ‬ଚࢬ૞ऱࢬᘯ๯ංᖄऱ٥᧢ᑇఢೄ
ˠ˔˧˟˔˕
ຌ᧯࿓‫װڤ‬ᛧ൓‫ݺ‬ଚࢬ૞ऱࢬᘯ๯ංᖄऱ٥᧢ᑇఢೄ
ຌ᧯࿓‫װڤ‬ᛧ൓‫ݺ‬ଚࢬ૞ऱࢬᘯ๯ංᖄऱ٥᧢ᑇఢೄ
ຌ᧯࿓‫װڤ‬ᛧ൓‫ݺ‬ଚࢬ૞ऱࢬᘯ๯ංᖄऱ٥᧢ᑇఢೄ̂̂Κʳ
ຌ᧯࿓‫װڤ‬ᛧ൓‫ݺ‬ଚࢬ૞ऱࢬᘯ๯ංᖄऱ٥᧢ᑇఢೄ ̂
ˆ1.0000 1.0000  1.0000 
ˆ1.0000
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ̂ = 0.7920ʳ ˆʳ ˆˆyʳyˆ 1.0000
1.0000
1.0000   ʳˆ ʳˆʳ ˆʳ ʳ1.0000
1.0000 ʳˆ1.0000
 1.0000
  ʳ
1.0000
ˆx x 
ʳʳ ʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳ̂ʳʳʳ=̂ʳ̂ʳ ʳ=0.7920ʳ
̂=ʳ 0.7920ʳ ʳˆ 
̂ =ʳ0.7920ʳ
ʳ=0.7920ʳ
ʳ 0.7920ʳ y
yʳʳ    ʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳ
1.0270
 ʳʳʳʳ ʳ
ʳxʳ ʳʳ

ʳʳ ʳ
ʳ ʳ
 
 ʳ ʳ ʳ  ʳ  ʳ
1.0195
1.0270
y
y 1.0270 

1.0270
   1.0270 1.0270
    
 x ʳ
x
1.0195
1.0195
1.0195 

x 1.0195
    1.0195   
؄Ε۷ૠ
ˆ ˆ 30.1394 ˆˆ30.1394
30.1394 30.1394
30.1394 0 0 0  0 0 
ʳ ʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳ̂ ʳʳʳ ̂
ࠌ‫ֱش‬࿓‫ڤ‬ΰ1-8α‫ޣ‬ᇞழΔৰլࢉ‫چ‬Δ‫ڶ‬ழ৵ྤऄᛧ൓‫ח‬Գየრऱᇞ࿠Ζ‫ڶۖڂ‬ԫጟ֘៿ऱ̂
=72.4092ʳ̂=72.4092ʳ
ʳʳ ʳ=72.4092ʳ ʳ ̂ =72.4092ʳ
ʳ ʳ=72.4092ʳ ʳ ʳʳ ̂
ʳ ʳʳ̂
ʳ=ʳ̂=̂ʳ10.8360ʳ
=ʳ =
10.8360ʳ 10.8360ʳ ˆ
̂10.8360ʳ
  
= 10.8360ʳ     

ˆ  000 26.9306
   30.1394  ʳʳʳፖʳ ʳ0ʳፖʳ
ʳ ʳፖʳ ʳʳ ʳ與  ʳʳ ʳ ፖʳ ʳ
ʳ ፖʳ
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ̂ =72.4092ʳ ʳ ʳ ̂ = 10.8360ʳ  
   0 0 26.9306
0 26.930626.9306
 26.9306
    ʳ ʳ ፖʳ ʳ
‫ޣ‬ᇞऱֱऄΰan iterative searchα‫אױ‬๯ࠌ‫ش‬Ζ‫ॣ່א‬೶ᑇ۷ૠଖၲࡨΔࠌ‫៿֘ش‬ऱ‫ޣ‬ᇞऱֱऄ
 26.9306 
 ˆ ˆ ˆ  24.8758 ˆ24.8758
 24.8758
24.8758
 24.8758 0 0 0  0 
0ʳ ʳ ʳ  ʳ
ˆ       
‫װ‬ข‫س‬൷२२‫ۿ‬ଖ S ऱԫଡఢೄ  ˆ   24.8758
̂ 0ΰ‫ءڇ‬஼խΔ‫ڶ‬ழଢᄎࠌ‫ش‬
00 22.5607 022.560722.5607 0   ʳʳ     ࢨ     ੡‫ٵ‬ᆠαΖຍጟઔ
22.5607
     0 22.5607 
խΔ‫ݺ‬ଚ‫ࡳ੺אױ‬ ፖఢೄऱ‫ץ۩ٺ‬ਔ 0 22.5607
ൕቹ
ൕቹ
ൕቹ
ΰ1-2α
ΰ1-2α
ΰ1-2α
ൕቹխΔ‫ݺ‬ଚ‫ࡳ੺אױ‬
ΰ1-2α
խΔ‫ݺ‬ଚ‫ࡳ੺אױ‬ ፖ
խΔ‫ݺ‬ଚ‫ࡳ੺אױ‬ ፖፖ   x ఢೄऱ‫ץ۩ٺ‬ਔ
x ఢೄऱ‫ץ۩ٺ‬ਔ
xy ఢೄऱ‫ץ۩ٺ‬ਔ ˄Δਢ੡Ա‫ࡳࡐװ‬๻ࡳྤऄᨠኘऱ
˄Δਢ੡Ա‫ࡳࡐװ‬๻ࡳྤऄᨠኘऱ
˄Δਢ੡Ա‫ࡳࡐװ‬๻ࡳྤऄᨠኘऱ   
從圖 (1-2) 中，我們可以界定y yyy 與 xx ̂
矩陣的各行包括 1，是為了去固定設
ൕቹΰ1-2αխΔ‫ݺ‬ଚ‫ ࡳ੺אױ‬ y ፖ ፖ
ߒऱክࠏֱऄਢࠌ‫ش‬ԫጟᑑᄷࠤᑇΔ‫א‬ຍᑌऱᑑᄷࠤᑇ‫ྒྷװ‬ၦ ˦ հၴऱ஁ฆΰࢨ஁၏α
ఢೄऱ‫ץ۩ٺ‬ਔ Ζࠉ
˄Δਢ੡Ա‫ࡳࡐװ‬๻ࡳྤऄᨠኘऱ 
ፖ ൕቹ
定無法觀察的
ፖፖ ΰ1-2α
 與խΔ‫ݺ‬ଚ‫ࡳ੺אױ‬
հၦ֡Ζ‫ءڇ‬ூࠏխΔ
ፖ  հၦ֡Ζ‫ءڇ‬ூࠏխΔ
հၦ֡Ζ‫ءڇ‬ூࠏխΔ
հၦ֡Ζ‫ءڇ‬ூࠏխΔ 
 之量尺。在本案例中，
ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ y ፖ  xxYఢೄऱ‫ץ۩ٺ‬ਔ
 ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ
 ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ
ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ Yऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ
Yऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ ˄Δਢ੡Ա‫ࡳࡐװ‬๻ࡳྤऄᨠኘऱ
Y ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ
的單位已被選擇是和
ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ  ऱ໢‫ۯ‬༉๯ီ੡ਢ
 ऱ໢‫ۯ‬༉๯ီ੡ਢ
 ऱ໢‫ۯ‬༉๯ီ੡ਢ
Yऱ໢‫ۯ‬༉๯ီ੡ਢ
的單位一  1 1 1 1 1
ࡉࡉ
ፖ X
ࡉX2հၦ֡Ζ‫ءڇ‬ூࠏխΔ
X ࡉ X 2 ໢‫ۯ‬ԫᑌΖ
໢‫ۯ‬ԫᑌΖ
2 ໢‫ۯ‬ԫᑌΖ
2 ໢‫ۯ‬ԫᑌΖ  ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ Yऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ
ΰ‫ۖڂ‬ٚ۶ൄᑇऱࠌ‫ش‬Δࠡ‫ؾ‬ऱਢ‫࣍ڇ‬௣ೈࡉ
ΰ‫ۖڂ‬ٚ۶ൄᑇऱࠌ‫ش‬Δࠡ‫ؾ‬ऱਢ‫࣍ڇ‬௣ೈࡉ
ፖፖፖ
ઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ֡

ፖ  ઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ֡
 ऱ໢‫ۯ‬༉๯ီ੡ਢ
ઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ֡
ፖ  հၦ֡Ζ‫ءڇ‬ூࠏխΔ  ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ Y11 ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ  ऱ໢‫ۯ‬༉๯ီ੡ਢ
ʳ ʳ ‫א‬ՀᒤࠏΔਢ‫א‬೗๻ࢤऱᇷறΔᎅࣔԫଡூࠏࠡխ೶ᑇ۷ૠଖ‫ױ‬ൕֱ࿓‫ڤ‬ΰ1-8αࠐᛧ൓Ζ 11
ऱ෗෤Ζαʳ
ऱ෗෤Ζαʳ
ऱ෗෤Ζαʳ
ऱ෗෤Ζαʳ
X 2 ໢‫ۯ‬ԫᑌΖΰ‫ۖڂ‬ٚ۶ൄᑇऱࠌ‫ش‬Δࠡ‫ؾ‬ऱਢ‫࣍ڇ‬௣ೈࡉ
ࡉ本試閱檔為五南所有。如欲購買此書，請至五南網站  ፖ  ઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ֡
www.wunan.com.tw
ʳ ʳʳʳʳX
ࡉ ʳ໢‫ۯ‬ԫᑌΖ
ʳʳʳ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ
ʳʳ2ʳ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ ΰ‫ۖڂ‬ٚ۶ൄᑇऱࠌ‫ش‬Δࠡ‫ؾ‬ऱਢ‫࣍ڇ‬௣ೈࡉ
ʳ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ Δ

ʳ ʳ ʳ ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ
նΕᒤࠏΰ1-2αԫଡ࿨ዌֱ࿓‫ڤ‬ᑓীऱ۷ૠЁ‫א‬Գ੡ऱ೗ࡳᇷறࠐၞ۩ංᖄΔΔ ፖ
ፖፖ Δ ̂ ፖ ˦ ۷ૠ ΰࢨጥ෻ऱ౨Ժα
 Δ‫אױ‬ଡܑ‫זچ‬।ֆ‫׹‬ऱᜎயፖጥ෻ऱթ౨

ፖ  Δ‫אױ‬ଡܑ‫זچ‬।ֆ‫׹‬ऱᜎயፖጥ෻ऱթ౨
Δ‫אױ‬ଡܑ‫זچ‬।ֆ‫׹‬ऱᜎயፖጥ෻ऱթ౨ ፖ  ઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ֡
ΰࢨጥ෻ऱ౨Ժα
ΔΔΔ Δ
ऱ෗෤Ζαʳ 或來電 (02)2705-5066
 ፖ
ऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ‫܀‬

ፖ  ऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ‫܀‬
ऱ෗෤Ζαʳ
ਢྤऄᨠኘፖ๯ྒྷၦऱ᧢ႈΔԾጠ੡ᑨ‫᧢ڇ‬ႈΖឈྥ
ਢྤऄᨠኘፖ๯ྒྷၦऱ᧢ႈΔԾጠ੡ᑨ‫᧢ڇ‬ႈΖឈྥ ፖፖ ऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ‫܀‬
ऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ‫܀‬
 0 26.9306 
24.8758
  24.8758 0
   ˆˆ ˆ 1.0000
ʳ ʳʳ ʳʳ ʳʳʳʳʳʳʳʳʳʳʳ ʳ̂ʳ ̂ʳ
ˆ ̂0.7920ʳ ˆʳ1.0000
ˆ1.0000
1.0000
1.0000
y  ʳ ʳ0 ˆ1.0000
1.0000
1.0000
  
ʳʳ
ʳ=ʳʳ=ˆʳ0.7920ʳ ʳʳ ˆˆʳ 
= ̂0.7920ʳ
=0.7920ʳ yy  
y ʳ ʳʳʳʳʳʳʳʳʳ ʳ
ʳʳ
ʳʳ ʳxʳxʳ 

ʳʳxx   ʳ ʳ  ʳ  ʳ
  00 1.0270 22.5607
   
1.0270 ʳ
1.0270
1.0270
22.5607 1.0195
1.0195
1.0195
1.0195
  

30.1394
30.1394 30.1394
30.1394 00 00  
ˆ
ˆ  ˆ    ˆ   
ʳ ʳʳ ʳʳ ʳʳʳʳʳʳʳʳʳʳʳ ʳ̂
ʳ̂ ʳ ̂ʳ ʳ=72.4092ʳ
ʳʳ=72.4092ʳ
ʳʳ=72.4092ʳ ̂խΔ‫ݺ‬ଚ‫ࡳ੺אױ‬
ʳ ʳʳ ʳ ̂
=72.4092ʳ ̂ʳ =ʳ =̂ʳ =̂10.8360ʳ
10.8360ʳ
ʳ10.8360ʳ    ፖ
= 10.8360ʳ
     ʳ ʳʳ ʳፖʳ
ፖʳ
ʳ ʳʳፖʳ
ʳʳ ʳ ፖʳ
ʳ ʳ
ൕቹΰ1-2α ఢೄऱ‫ץ۩ٺ‬ਔ ˄Δਢ੡Ա‫ࡳࡐװ‬๻ࡳྤऄᨠኘऱ
ൕቹΰ1-2αխΔ‫ݺ‬ଚ‫ ࡳ੺אױ‬y  ፖ0 y
0x 0ఢೄऱ‫ץ۩ٺ‬ਔ
x
026.9306
26.9306
26.9306
26.9306
  ˄Δਢ੡Ա‫ࡳࡐװ‬๻ࡳྤऄᨠኘऱ
ˆˆ  24.8758
ˆ ˆ24.8758
 24.8758
 24.875800 00  
ፖ  հၦ֡Ζ‫ءڇ‬ூࠏխΔ       ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ
ʳ ʳ  ʳ  ʳ YY1 ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ  ऱ໢‫ۯ‬༉๯ီ੡ਢ
ፖ  հၦ֡Ζ‫ءڇ‬ூࠏխΔ  00 0 022.5607
22.5607
22.5607
22.5607
ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ
   1 ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ  ऱ໢‫ۯ‬༉๯ီ੡
ࡉ X 2 ໢‫ۯ‬ԫᑌΖ
樣。所以， 的單位就被視為與 X2 的單位相同。( 因此任何常數的使用，其目的
ΰ‫ۖڂ‬ٚ۶ൄᑇऱࠌ‫ش‬Δࠡ‫ؾ‬ऱਢ‫࣍ڇ‬௣ೈࡉ ፖፖઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ֡
ࡉX ൕቹ2 ໢‫ۯ‬ԫᑌΖ
ൕቹ ൕቹ
ΰ1-2α
ΰ1-2α
ൕቹ
ΰ1-2α
ΰ1-2α ΰ‫ۖڂ‬ٚ۶ൄᑇऱࠌ‫ش‬Δࠡ‫ؾ‬ऱਢ‫࣍ڇ‬௣ೈࡉ
խΔ‫ݺ‬ଚ‫ࡳ੺אױ‬
խΔ‫ݺ‬ଚ‫ࡳ੺אױ‬ yyፖ
ፖy ፖ 
ፖx  ઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ   
xxyఢೄऱ‫ץ۩ٺ‬ਔ
ఢೄऱ‫ץ۩ٺ‬ਔ
ఢೄऱ‫ץ۩ٺ‬ਔ
x ఢೄऱ‫ץ۩ٺ‬ਔ ˄Δਢ੡Ա‫ࡳࡐװ‬๻ࡳྤऄᨠኘऱ
在於消除和
ऱ෗෤Ζαʳ  與  相關聯的變項所產生量尺的混淆。)
ऱ෗෤Ζαʳ
ʳፖʳፖ ʳ ʳፖ
在本範例中，結構變項ፖհၦ֡Ζ‫ءڇ‬ூࠏխΔ
հၦ֡Ζ‫ءڇ‬ூࠏխΔ հၦ֡Ζ‫ءڇ‬ூࠏխΔ
հၦ֡Ζ‫ءڇ‬ூࠏխΔ
‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ  
與 ，可以個別地代表公司的績效與管理才能
ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ
Δ ፖ YY11ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ
ऱ໢‫ۯ‬բ๯ᙇᖗਢࡉ Y1 ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ
Y1 ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ
ऱ໢‫ۯ‬ԫᑌΖࢬ‫א‬Δ ऱ໢‫ۯ‬༉๯ီ੡ਢ
ऱ໢‫ۯ‬༉๯ီ੡ਢ( 或 ΰࢨጥ෻ऱ౨Ժα
 ऱ໢‫ۯ‬༉๯ီ੡ਢ
 ऱ໢‫ۯ‬༉๯ီ੡ਢ
ʳ ʳ ʳ ʳ ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈΔ ፖ  Δ‫אױ‬ଡܑ‫זچ‬।ֆ‫׹‬ऱᜎயፖጥ෻ऱթ౨ΰࢨጥ෻ऱ౨Ժ
管理能力
ࡉ ࡉX Xࡉ Xࡉ
22໢‫ۯ‬ԫᑌΖ 2X
)，是無法觀察與被測量的變項，又稱為潛在變項。雖然
໢‫ۯ‬ԫᑌΖ ໢‫ۯ‬ԫᑌΖ
2 ໢‫ۯ‬ԫᑌΖΰ‫ۖڂ‬ٚ۶ൄᑇऱࠌ‫ش‬Δࠡ‫ؾ‬ऱਢ‫࣍ڇ‬௣ೈࡉ
ΰ‫ۖڂ‬ٚ۶ൄᑇऱࠌ‫ش‬Δࠡ‫ؾ‬ऱਢ‫࣍ڇ‬௣ೈࡉ ፖ ፖፖ
 ፖઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ֡
ઌᣂᜤऱ᧢ႈࢬข‫س‬ၦ֡
與  的變項
ፖፖऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ
ऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ
1 = 利潤，與
ऱ෗෤Ζαʳ
ऱ෗෤Ζαʳ ऱ෗෤Ζαʳ
ऱ෗෤Ζαʳ
是無法觀察與測量的變項，但卻是公司績效表現的指標，例如，Y
ਢֆ‫׹‬ᜎய।෼ऱਐᑑΔࠏ‫ڕ‬Δ Y1 ː‫ܓ‬ᑮΔፖ Y2 ːֆ‫ڇ׹‬ֆၲؑ໱ࠡैปऱᏝ௑Δਢ‫אױ‬๯ᨠ
ʳਢֆ‫׹‬ᜎய।෼ऱਐᑑΔࠏ‫ڕ‬Δ
Y2 = ʳʳ ʳ公司在公開市場其股票的價格，是可以被觀察與被測量的。同樣地，管理
ʳ ʳʳʳ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ
ʳ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ
ʳ ʳʳ ʳ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ
ʳ ʳ ‫ءڇ‬ᒤࠏխΔ࿨ዌ᧢ႈ ΔΔ
Δ ፖ
ፖ Δፖ Y1Δ‫אױ‬ଡܑ‫זچ‬।ֆ‫׹‬ऱᜎயፖጥ෻ऱթ౨
ː‫ܓ‬ᑮΔፖ Y2 ːֆ‫ڇ׹‬ֆၲؑ໱ࠡैปऱᏝ௑Δਢ‫אױ‬๯ᨠ
ፖΔ‫אױ‬ଡܑ‫זچ‬।ֆ‫׹‬ऱᜎயፖጥ෻ऱթ౨
Δ‫אױ‬ଡܑ‫זچ‬।ֆ‫׹‬ऱᜎயፖጥ෻ऱթ౨
Δ‫אױ‬ଡܑ‫זچ‬।ֆ‫׹‬ऱᜎயፖጥ෻ऱթ౨ ΰࢨጥ෻ऱ౨Ժα
ΰࢨጥ෻ऱ౨Ժα ΔΔΔΔ
ፖ๯ྒྷၦऱΖ‫ٵ‬ᑌ‫چ‬Δጥ෻թ౨।෼ऱਐᑑΔࠏ‫ڕ‬Δ
ፖ๯ྒྷၦऱΖ‫ٵ‬ᑌ‫چ‬Δጥ෻թ౨।෼ऱਐᑑΔࠏ‫ڕ‬Δ ፖፖፖ  XX ːʳ ֆ‫᜔׹‬ᆖ෻ऱᖂᆖᖵΔፖ
ፖऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ‫܀‬
1 ऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ‫܀‬
ːʳ ֆ‫᜔׹‬ᆖ෻ऱᖂᆖᖵΔፖ X2 2 ːֆ‫׹‬
ऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ‫܀‬
ऱ᧢ႈਢྤऄᨠኘፖྒྷၦऱ᧢ႈΔ‫܀‬ X ːֆ‫׹‬
才能表現的指標，例如，X 1 = 公司總經理的學經歷，與 X2 1= 公司董事會成員的
ࠃᄎ‫ګ‬୉ऱೄ୲ᖂᆖᖵΔਢ‫אױ‬๯ᨠኘፖ๯ྒྷၦऱΖࠉ‫ڼ‬Δ೗ࡳԫଡֆ‫׹‬ऱᜎய।෼Δ࿇୶ࠩ
ਢֆ‫׹‬ᜎய।෼ऱਐᑑΔࠏ‫ڕ‬Δ
ਢֆ‫׹‬ᜎய।෼ऱਐᑑΔࠏ‫ڕ‬Δ YY11ː‫ܓ‬ᑮΔፖ
Y1 ː‫ܓ‬ᑮΔፖ
Y1 ː‫ܓ‬ᑮΔፖ
ː‫ܓ‬ᑮΔፖ YY22ːֆ‫ڇ׹‬ֆၲؑ໱ࠡैปऱᏝ௑Δਢ‫אױ‬๯ᨠኘ
Y2 ːֆ‫ڇ׹‬ֆၲؑ໱ࠡैปऱᏝ௑Δਢ‫אױ‬๯ᨠኘ
Y2 ːֆ‫ڇ׹‬ֆၲؑ໱ࠡैปऱᏝ௑Δਢ‫אױ‬๯ᨠኘ
ːֆ‫ڇ׹‬ֆၲؑ໱ࠡैปऱᏝ௑Δਢ‫אױ‬๯ᨠኘ
陣容學經歷，是可以被觀察與被測量的。依此，假定一個公司的績效表現發展到
ࠃᄎ‫ګ‬୉ऱೄ୲ᖂᆖᖵΔਢ‫אױ‬๯ᨠኘፖ๯ྒྷၦऱΖࠉ‫ڼ‬Δ೗ࡳԫଡֆ‫׹‬ऱᜎய।෼Δ࿇୶ࠩ
ՕΔਢ‫࣍ط‬ጥ෻౨Ժ࿇ཀऱ଺‫ࢬڂ‬ข‫س‬ऱΔຍ‫ܛ‬ਢ‫ݺ‬ଚ৬ዌ࿨ዌֱ࿓‫ڤ‬ᑓীࢬ૞൶ߒऱംᠲΖ XX11ːʳːʳ
Xֆ‫᜔׹‬ᆖ෻ऱᖂᆖᖵΔፖ
X1ֆ‫᜔׹‬ᆖ෻ऱᖂᆖᖵΔፖ
1ֆ‫᜔׹‬ᆖ෻ऱᖂᆖᖵΔፖ
ːʳ ːʳ ֆ‫᜔׹‬ᆖ෻ऱᖂᆖᖵΔፖ XX22ːֆ‫׹‬ᇀ
X 2X
ːֆ‫׹‬ᇀ
ːֆ‫׹‬ᇀ
2 ːֆ‫׹‬ᇀ
最大，是由於管理能力的發揮所致，這即是我們建構結構方程式模型所要探究的
ՕΔਢ‫࣍ط‬ጥ෻౨Ժ࿇ཀऱ଺‫ࢬڂ‬ข‫س‬ऱΔຍ‫ܛ‬ਢ‫ݺ‬ଚ৬ዌ࿨ዌֱ࿓‫ڤ‬ᑓীࢬ૞൶ߒऱംᠲΖ
ࠃᄎ‫ګ‬୉ऱೄ୲ᖂᆖᖵΔਢ‫אױ‬๯ᨠኘፖ๯ྒྷၦऱΖࠉ‫ڼ‬Δ೗ࡳԫଡֆ‫׹‬ऱᜎய।෼Δ࿇୶່ࠩ
ᑌ‫چ‬Δኙ࣍ഏ୮Δิ៣Δֆ‫׹‬ऱᜎயፖጥ෻Գթࢨጥ෻౨ԺऱઔߒΔ‫ݺ‬ଚٍ‫شࠌאױ‬࿨ዌֱ࿓
問題。同樣地，對於國家、組織、公司的績效與管理人才或管理能力的研究，我
ᑌ‫چ‬Δኙ࣍ഏ୮Δิ៣Δֆ‫׹‬ऱᜎயፖጥ෻Գթࢨጥ෻౨ԺऱઔߒΔ‫ݺ‬ଚٍ‫شࠌאױ‬࿨ዌֱ࿓
ՕΔਢ‫࣍ط‬ጥ෻౨Ժ࿇ཀऱ଺‫ࢬڂ‬ข‫س‬ऱΔຍ‫ܛ‬ਢ‫ݺ‬ଚ৬ዌ࿨ዌֱ࿓‫ڤ‬ᑓীࢬ૞൶ߒऱംᠲΖ‫ٵ‬
ᑓীऱ৬ዌࠐၞ۩൶౉Ζʳ
們亦可以使用結構方程式模型的建構來進行探索。
ᑌ‫چ‬Δኙ࣍ഏ୮Δิ៣Δֆ‫׹‬ऱᜎயፖጥ෻Գթࢨጥ෻౨ԺऱઔߒΔ‫ݺ‬ଚٍ‫شࠌאױ‬࿨ዌֱ࿓‫ڤ‬
ᑓীऱ৬ዌࠐၞ۩൶౉Ζʳ(1-2) 所假設的模型參數估計值，與 LISREL 輸出
現在我們可考量將前述圖
෼‫ݺڇ‬ଚ‫ەױ‬ၦ‫ڇ‬ছ૪ቹΰ1-2αࢬ೗๻ऱᑓী೶ᑇ۷ૠଖΔፖLISRELᙁ‫נ‬໴।խऱᇷற
෼‫ݺڇ‬ଚ‫ەױ‬ၦ‫ڇ‬ছ૪ቹΰ1-2αࢬ೗๻ऱᑓী೶ᑇ۷ૠଖΔፖLISRELᙁ‫נ‬໴।խऱᇷற
報表中的資料來輸入於下列矩陣。由於圖 (1-2) 所假設的模型參數估計值所獲得
ᙁԵ࣍Հ٨ఢೄΔ‫࣍ط‬ፖΰ1-2αࢬ೗๻ऱᑓী೶ᑇ۷ૠଖࢬᛧ൓ऱᑇᖕ‫׽‬ਢࠩ՛ᑇរร؄‫ۯ‬Δ
෼‫ݺڇ‬ଚ‫ەױ‬ၦ‫ڇ‬ছ૪ቹΰ1-2αࢬ೗๻ऱᑓী೶ᑇ۷ૠଖΔፖLISRELᙁ‫נ‬໴।խऱᇷறࠐ
ᙁԵ࣍Հ٨ఢೄΔ‫࣍ط‬ፖΰ1-2αࢬ೗๻ऱᑓী೶ᑇ۷ૠଖࢬᛧ൓ऱᑇᖕ‫׽‬ਢࠩ՛ᑇរร؄‫ۯ‬
的數據，只是到小數點第四位，因此我們以 LISREL 輸出報表中的資料數據為
‫ݺۖڂ‬ଚ‫א‬LISRELᙁ‫נ‬໴।խऱᇷறᑇᖕ੡‫׌‬Κ
主：‫ݺۖڂ‬ଚ‫א‬LISRELᙁ‫נ‬໴।խऱᇷறᑇᖕ੡‫׌‬Κ
1.0000
ˆˆˆ1.0000  1.0000  1.0000 ˆ ˆ1.0000    
ˆʳ ʳʳ 1.0000
   ʳ ˆʳˆʳ ʳ ˆʳ ʳ1.0000
1.0000
1.0000 1.0000
   1.0000
1.0000
̂̂̂=̂==0.7920ʳ
̂=0.7920ʳ
0.7920ʳ ̂0.7920ʳ
=0.7920ʳ ˆ
ʳʳ 
= 0.7920ʳ yy  
  y ˆ
 y
y1.0270 1.0270
1.0270
1.0270   
   ʳ ʳxxʳ ʳ xʳ1.0195 

 ˆ
ʳ x
 
x ʳ1.0195
1.0195 ʳ ʳ ʳ  ʳ
x 1.0195
ʳ
ʳ
y1.0270
  1.0270 ʳ ʳʳ
   
ʳʳ ʳʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳ ʳ ʳ
1.0195 
    1.0195     

30.1394
30.1394
 
30.139430.1394
30.1394
ˆˆ   30.1394 ʳ ʳʳ ʳፖʳ0 0 00  0  
ʳ ʳʳʳʳ ʳʳʳ ʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳʳ̂ʳ̂ʳ̂ ̂ʳ ʳ=72.4092ʳ
ʳ=72.4092ʳ
ʳʳ=72.4092ʳ
ʳ=72.4092ʳ̂ =72.4092ʳ ʳ̂ʳ ʳ=ʳ =̂
ʳ ʳʳ ʳ ̂ ̂ ̂10.8360ʳ
10.8360ʳ
ʳ10.8360ʳ
ʳ ==  ˆˆ 
= 10.8360ʳ
10.8360ʳ ˆ 
   ʳ ʳ0 ʳ ʳʳ ʳ ፖʳ ʳ
ʳʳ ʳ 與
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ̂ =72.4092ʳ ʳ ʳ ̂ = 10.8360ʳ  000 026.9306 ፖʳ
    ʳ ʳ ፖʳ ʳ
ʳፖʳ ፖʳ
   0 26.9306
26.9306
26.9306
26.9306
 0 26.9306 
24.8758
ˆ ˆ24.8758
 24.8758
 24.875800 00  
ˆ
ˆ     24.8758

ˆ ˆ  024.8758 0ʳ0ʳ  ʳ ʳʳ
 0 0 022.5607
  
 22.5607
22.5607
22.5607
   ʳ
 

   00 22.5607
22.5607 
此時，我們可透過下列方程式來進行推導共變數矩陣   ( 其方程式的推導可參考
‫ڼ‬ழΔ‫ݺ‬ଚ‫شࠌאױ‬Հ٨ֱ࿓‫ࠐڤ‬ၞ۩ංᖄ٥᧢ᑇఢೄ
‫ڼ‬ழΔ‫ݺ‬ଚ‫شࠌאױ‬Հ٨ֱ࿓‫ࠐڤ‬ၞ۩ංᖄ٥᧢ᑇఢೄ ̂̂ΰֱࠡ࿓‫ڤ‬ऱංᖄ‫ױ‬೶‫ءە‬஼Հ٨ऱ
̂ ΰֱࠡ࿓‫ڤ‬ऱංᖄ‫ױ‬೶‫ءە‬஼Հ٨ऱ
̂ ΰֱࠡ࿓‫ڤ‬ऱංᖄ‫ױ‬೶‫ءە‬஼Հ٨ऱ
ΰֱࠡ࿓‫ڤ‬ऱංᖄ‫ױ‬೶‫ءە‬஼Հ٨ऱ
本書的第七章與第九章 )，並使用上述的方程式 (1-5)、方程式 (1-6)，與方程式
‫ڼ‬ழΔ‫ݺ‬ଚ‫شࠌאױ‬Հ٨ֱ࿓‫ࠐڤ‬ၞ۩ංᖄ٥᧢ᑇఢೄ ̂̂ΰֱࠡ࿓‫ڤ‬ऱංᖄ‫ױ‬೶‫ءە‬஼Հ٨ऱ
(1-7) รԮፖร԰ີαʳ
รԮፖร԰ີαʳรԮፖร԰ີαʳ
來進行推導共變數矩陣。รԮፖร԰ີαʳ
‫ڼ‬ழΔ‫ݺ‬ଚ‫شࠌאױ‬Հ٨ֱ࿓‫ࠐڤ‬ၞ۩ංᖄ٥᧢ᑇఢೄ ΰֱࠡ࿓‫ڤ‬ऱංᖄ‫ױ‬೶‫ءە‬஼Հ٨
           
y  
  yyy Δֱ࿓‫ڤ‬ΰ˄ˀˉα
ʳ ʳʳʳʳʳʳʳʳʳʳଈ٣‫ޣ‬൓
首先求得
ʳ ʳ ʳรԮፖร԰ີαʳ
ʳ ଈ٣‫ޣ‬൓   y 
ʳ ʳʳࠡመ࿓‫ݺ‬ଚࠌ‫ش‬Ղ૪ऱֱ࿓‫ڤ‬ΰ˄ˀˈα
ʳʳࠡመ࿓‫ݺ‬ଚࠌ‫ش‬Ղ૪ऱֱ࿓‫ڤ‬ΰ˄ˀˈα
ʳʳ ʳʳଈ٣‫ޣ‬൓ y 
ʳࠡመ࿓‫ݺ‬ଚࠌ‫ش‬Ղ૪ऱֱ࿓‫ڤ‬ΰ˄ˀˈα
ʳ ʳ ࠡመ࿓‫ݺ‬ଚࠌ‫ش‬Ղ૪ऱֱ࿓‫ڤ‬ΰ˄ˀˈα Δֱ࿓‫ڤ‬ΰ˄ˀˉα
Δֱ࿓‫ڤ‬ΰ˄ˀˉα
Δֱ࿓‫ڤ‬ΰ˄ˀˉα
Δፖֱ࿓‫ڤ‬ΰ˄ˀˊαࠐၞ۩ංᖄ٥᧢ᑇఢ
รԮፖร԰ີαʳ
ೄΖʳ
ೄΖʳ ೄΖʳ ೄΖʳ

ʳ ʳ ʳ ʳ ࠡመ࿓‫ݺ‬ଚࠌ‫ش‬Ղ૪ऱֱ࿓‫ڤ‬ΰ˄ˀˈα
     = 0.7920×72.4092×0.7920’Ѐ10.8360
    = 0.7920×72.4092×0.7920+10.8360
  =0.7920×72.4092×0.7920’Ѐ10.8360
Δֱ࿓‫ڤ‬ΰ˄ˀˉα =56.2557 Δፖֱ࿓‫ڤ‬ΰ˄ˀˊαࠐၞ۩ංᖄ٥᧢ᑇ
 ࠡመ࿓‫ݺ‬ଚࠌ‫ش‬Ղ૪ऱֱ࿓‫ڤ‬ΰ˄ˀˈα
ʳ ʳ ʳ ʳ Δֱ࿓‫ڤ‬ΰ˄ˀˉα
0.7920×72.4092×0.7920’Ѐ10.8360 =56.2557
Δፖֱ࿓‫ڤ‬ΰ˄ˀˊαࠐၞ۩ංᖄ٥᧢ᑇ
= 56.2557
=56.2557
ೄΖʳ
ೄΖʳ  86.3951 57.7746   99 9 9
 y     y   =86.3951 86.3951 57.7746
57.7746 
y  
   yy = 57.7746
 y       = 86.2651 
  
57.7746 57.7746 86.2651
86.2651  
97.2850 73.8212 97.2850 73.8212 

ʳ ࠡ‫ޣڻ‬൓  x x   =ʳ
ʳ其次求得 97.2850 73.8212  ʳ 
ʳ ʳ ࠡ‫ޣڻ‬൓ʳ ʳ ࠡ‫ޣڻ‬൓  x=ʳ =ʳ
  x 73.8212
 97.8214ʳ   ʳ
 73.8212
  73.8212  
x x 
 97.8214
97.8214  
12 ʳ
ʳ
ʳ
本試閱檔為五南所有。如欲購買此書，請至五南網站  57.3481
 57.3481
58.4664 
58.4664 www.wunan.com.tw
ʳ ʳ ʳ ʳ ൷ထ‫ޣ‬൓  y x=57.3481 58.4664   
ʳ ʳ ʳ ʳ ൷ထ‫ޣ‬൓  y 
ʳ ʳ ʳ ʳ ൷ထ‫ޣ‬൓ =  x58.8965
 yx =
或來電 60.0450
  
(02)2705-5066
58.896558.8965 60.0450
60.0450  
 86.395186.3951
=  57.7746 57.7746 57.7746
 
 y  y y 
   
  y y86.3951
y   =
86.3951
86.3951
=  86.2651
57.7746   
 y            57.774657.7746 
yy yy  57.7746  86.2651
 =57.7746 =  57.7746 86.2651 
y =
 57.7746 86.2651
57.7746 86.2651   
86.2651 
01
 
 97.2850 73.8212 
Chapter
      =ʳ 97.2850
97.2850 73.821273.8212

ʳ ʳʳ ʳࠡ‫ޣڻ‬൓
 x x x 
 97.2850
x  =ʳ  =ʳ
97.2850 73.8212  97.8214
73.8212  ʳ
結構方程式模型的基本認知ʳ
73.8212  ʳ ʳ 
ࠡ‫ޣڻ‬൓
ʳ ʳ ࠡ‫ޣڻ‬൓
ʳ ʳ ࠡ‫ޣڻ‬൓
 x   x=ʳ x=ʳ 97.285073.8212 73.8212
73.8212  ʳ 97.8214
97.8214
ʳʳʳʳࠡ‫ޣڻ‬൓
ࠡ‫ޣڻ‬൓ xx
x
xx    73.8212
=ʳ  
73.8212 97.8214   ʳ 
73.8212 97.8214 97.8214
ʳ
ʳʳ  
ʳ
 57.3481 58.4664
ʳʳ
y57.3481
 ==58.4664
x57.3481

57.3481 58.4664
  
58.4664
ʳ ʳʳ ʳʳ ʳʳ ʳ൷ထ‫ޣ‬൓
  
 57.3481
 x 58.8965 58.4664
=
y = y x 57.3481   
൷ထ‫ޣ‬൓
 60.0450
ʳ ʳ ʳ ʳ ൷ထ‫ޣ‬൓ 58.4664
ʳ ʳ ʳ ʳ ൷ထ‫ޣ‬൓  y  x   = 58.8965 58.8965 60.045060.0450
yy

x58.8965
x=  
60.0450
ʳʳʳʳʳ接著求得
ʳʳʳ൷ထ‫ޣ‬൓
൷ထ‫ޣ‬൓
58.8965 60.0450 

58.8965 60.0450
 57.3481
57.3481 58.8965
 
58.8965
٦൷ထ‫ޣ‬൓ x 57.3481

 == 58.8965
y57.3481 58.8965

٦൷ထ‫ޣ‬൓   
x = x y 57.3481 = 57.3481
 y 58.4664 58.8965   
 60.0450
٦൷ထ‫ޣ‬൓ 58.8965
٦൷ထ‫ޣ‬൓  x  y   = 58.4664 58.4664 60.045060.0450
再接著求得 xx 
y58.4664
y=  
60.0450
٦൷ထ‫ޣ‬൓ 60.0450
٦൷ထ‫ޣ‬൓ 58.4664
58.4664 60.0450 

 YCov  YCov   Y, Cov YY

 Cov
 XY, X   ֱ࿓‫ڕڤݮڤ‬ՀΚ
Cov Cov Y,
Cov Y,XX 
 Cov
ྥ৵٦‫אނ‬Ղֱ࿓‫זڤ‬Ե
然後再把以上方程式代入
ྥ৵٦‫אނ‬Ղֱ࿓‫זڤ‬Ե  Cov
 Y
Cov Cov
Cov 
YX, Y X,
X, Cov
Y
Cov Y,
Cov Y,
Cov
XXXֱ࿓‫ڕڤݮڤ‬ՀΚ
ֱ࿓‫ڕڤݮڤ‬ՀΚ
 ֱ࿓‫ڕڤݮڤ‬ՀΚ
方程式形式如下：
ྥ৵٦‫אނ‬Ղֱ࿓‫זڤ‬Ե 
ྥ৵٦‫אނ‬Ղֱ࿓‫זڤ‬Ե 
Cov 
 X, Y  Cov  X 
Cov  Y  Cov
X
ֱ࿓‫ڕڤݮڤ‬ՀΚ X
 
 ֱ࿓‫ڕڤݮڤ‬ՀΚ

 Cov  X, Y  Cov  X 
Cov  X, Y  Cov  X  
   y y 

   y 
 y   x  
y 

    y 
       y  y 
  y 
 x  x 
y  y y 
    ֱ࿓‫ڤ‬ΰ1-9α
 y      
  yxx  ֱ࿓‫ڤ‬ΰ1-9α
y   x
  
  方程式

(1-9)
y 

  y
 x 
y
  y
x   x 

xx  
x  
  ֱ࿓‫ڤ‬ΰ1-9α
    xxy x  y y
    
x
 
ֱ࿓‫ڤ‬ΰ1-9α
 
 xx y
y
x  x  
 xx xx  

່৵‫אނڇ‬Ղࢬᛧ൓ऱΔ‫ז‬Եֱ࿓‫ڤ‬ΰ1-9α
່৵‫אނڇ‬Ղࢬᛧ൓ऱΔ‫ז‬Եֱ࿓‫ڤ‬ΰ1-9α Δ‫אױ‬ᛧ൓Κ
Δ‫אױ‬ᛧ൓Κ
最後再把以上所獲得的值，代入方程式
່৵‫אނڇ‬Ղࢬᛧ൓ऱΔ‫ז‬Եֱ࿓‫ڤ‬ΰ1-9α
່৵‫אނڇ‬Ղࢬᛧ൓ऱΔ‫ז‬Եֱ࿓‫ڤ‬ΰ1-9α (1-9)，可以得到：
່৵‫אނڇ‬Ղࢬᛧ൓ऱΔ‫ז‬Եֱ࿓‫ڤ‬ΰ1-9αΔ‫אױ‬ᛧ൓Κ
່৵‫אނڇ‬Ղࢬᛧ൓ऱΔ‫ז‬Եֱ࿓‫ڤ‬ΰ1-9αΔ‫אױ‬ᛧ൓Κ
86.3951
 86.395186.3951 57.7746
57.7746
57.7746 57.3481
57.3481
57.3481 58.4664
 
58.4664
58.4664
 86.3951 
86.3951 57.7746
57.774657.3481
57.348158.4664 
58.4664

57.7746 57.7746
57.7746
 86.3951 57.7746 86.2651
57.7746
86.2651 58.8965
57.3481
86.2651
58.8965 58.4664
58.8965   

 60.0450
60.0450
60.0450
 ̂
 = 86.2651
̂ = 57.3481
 57.7746 58.8965 60.0450   
̂ = ̂̂==57.7746

86.2651
 57.3481 58.8965
58.8965
86.2651 58.8965
58.8965
60.0450
97.2850  73.8212
60.0450
97.2850 
73.8212 
̂
 57.3481
= 57.3481
 58.8965
57.3481
57.3481

58.8965
58.8965
97.2850
97.2850
97.285073.8212    
73.8212
73.8212

  58.4664 58.4664
58.4664 60.0450
58.896560.0450
60.0450 73.8212
97.2850 73.8212
73.8212
73.8212 97.8214

 97.8214
97.8214 
58.4664
 58.4664
58.4664
60.0450
60.0450
60.0450
73.8212
73.8212
73.8212
97.8214   
97.8214
97.8214
ʳ
ʳʳ  
ʳ
ʳʳ 此時，我們可以把上述所推導的共變數矩陣   與樣本共變數矩陣 S 進行比
ʳ ʳ ʳʳ ʳʳ ʳʳ ʳ‫ڼ‬ழΔ‫ݺ‬ଚ‫ނאױ‬Ղ૪ࢬංᖄऱ٥᧢ᑇఢೄ
ʳ ʳ ʳ ʳ ʳʳ‫ڼ‬ழΔ‫ݺ‬ଚ‫ނאױ‬Ղ૪ࢬංᖄऱ٥᧢ᑇఢೄ
‫ڼ‬ழΔ‫ݺ‬ଚ‫ނאױ‬Ղ૪ࢬංᖄऱ٥᧢ᑇఢೄ ̂̂ፖᑌ‫ء‬٥᧢ᑇఢೄ˦ၞ۩ֺለΚʳ
̂ ፖᑌ‫ء‬٥᧢ᑇఢೄ˦ၞ۩ֺለΚʳ
ፖᑌ‫ء‬٥᧢ᑇఢೄ˦ၞ۩ֺለΚʳ
ʳ 較：
ʳ ʳ ʳ ʳʳ ‫ڼ‬ழΔ‫ݺ‬ଚ‫ނאױ‬Ղ૪ࢬංᖄऱ٥᧢ᑇఢೄ ̂ ፖᑌ‫ء‬٥᧢ᑇఢೄ˦ၞ۩ֺለΚʳ
̂
ʳ ʳ ʳ ʳ ʳ ‫ڼ‬ழΔ‫ݺ‬ଚ‫ނאױ‬Ղ૪ࢬංᖄऱ٥᧢ᑇఢೄ ̂ ፖᑌ‫ء‬٥᧢ᑇఢೄ˦ၞ۩ֺለΚʳ
ʳ ʳ ʳ ʳ ‫ڼ‬ழΔ‫ݺ‬ଚ‫ނאױ‬Ղ૪ࢬංᖄऱ٥᧢ᑇఢೄ ፖᑌ‫ء‬٥᧢ᑇఢೄ˦ၞ۩ֺለΚʳ
ʳ ʳ
ʳ
ʳ
ʳʳ
86.397986.3979
86.3979 57.7751
57.7751
57.7751 56.8651
56.8651
56.8651 58.8986
 
58.8986
58.8986
86.3979 86.3979 
 57.7751
57.7751
57.775156.8651
56.865158.8986 
58.8986
86.3979 57.7751 86.2632
57.7751 59.3177
56.8651
86.2632 58.8986
59.3177   
 59.6683
59.6683
ʳ ʳ ʳ ʳ ʳ ʳ ʳʳ ʳʳ ʳʳ ʳʳʳ˦ʳ˦ʳ57.7751
 86.2632 86.2632 59.3177 59.6683
  ʳ ʳ ʳ
ʳ ʳ ʳ ʳ ʳʳʳʳʳʳʳʳʳʳʳʳʳʳ57.7751
˦ʳ 57.7751
57.7751 86.2632
56.8651
59.3177
59.3177
59.3177
86.2632
59.6683
59.6683
97.2850
59.3177  73.8201
59.6683
   56.8651 59.3177 97.2850 
73.8201 
  56.8651 59.3177 97.2850   ʳʳ 
73.8201
ʳ ʳ ʳ ʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ʳʳ ˦ʳ ʳ
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳʳʳʳʳʳʳʳ˦ʳ ˦ʳ
 56.8651 59.3177 97.2850 73.8201
 56.8651

56.8651 59.3177
58.8986
59.3177
58.8986 97.2850
59.6683
97.2850 73.8201
73.8201 97.8192
73.8201  
  58.8986 59.6683
59.6683 73.8201
73.8201  97.8192
97.8192
58.8986
 58.8986 59.6683
59.668373.8201 97.8192
73.8201 
97.8192   

58.8986 59.6683 73.8201 97.8192  
ʳ我們可以 S- ̂
ʳ ʳʳ ʳʳ ʳʳ ʳ‫ݺ‬ଚ‫˦אױ‬ˀ
ʳ ʳ ʳ ‫ݺ‬ଚ‫˦אױ‬ˀ ‫ݺ‬ଚ‫˦אױ‬ˀ ̂̂‫א‬ᛧ൓،ଚհၴऱᔞ಻ऱ٥᧢ᑇྲྀ஁(Fitted
以獲得它們之間適配的共變數殘差
‫א‬ᛧ൓،ଚհၴऱᔞ಻ऱ٥᧢ᑇྲྀ஁(Fitted
‫א‬ᛧ൓،ଚհၴऱᔞ಻ऱ٥᧢ᑇྲྀ஁(Fitted (Fitted Covariance
Covariance
Covariance
Covariance
Matrix)Κʳ
Matrix)：
Matrix)Κʳ
Matrix)Κʳ
ʳ ʳ ʳ ʳ ‫ݺ‬ଚ‫˦אױ‬ˀ ̂ ‫א‬ᛧ൓،ଚհၴऱᔞ಻ऱ٥᧢ᑇྲྀ஁(Fitted
̂ Covariance Matrix)Κʳ
Covariance Matrix)Κʳ
ʳʳ ʳʳʳʳʳʳ‫ݺ‬ଚ‫˦אױ‬ˀ
‫ݺ‬ଚ‫˦אױ‬ˀ ̂ ‫א‬ᛧ൓،ଚհၴऱᔞ಻ऱ٥᧢ᑇྲྀ஁(Fitted Covariance Matrix)Κʳ
‫א‬ᛧ൓،ଚհၴऱᔞ಻ऱ٥᧢ᑇྲྀ஁(Fitted
10
 0.0028 0.0000 0.4830 0.4322  10 10
10 10
 0.0005 0.0019 0.4212 0.3767  10
ʳʳʳʳʳʳʳʳʳ  ʳ
 0.4830 0.4212 0.0000 0.0011
 
 0.4322 0.3767 0.0011 0.0022 
其適配的殘差 (Fitted Residuals)

ࠡᔞ಻ऱྲྀ஁ 的摘要統計量 (Summary Statistics
(Fitted Residualsʼऱኴ૞อૠၦʻSummary forFitted
Statistics for Fitted
Residuals)‫ڕ‬ՀΚ
Residuals) 如下：່՛ᔞ಻ऱྲྀ஁ (Smallest Fitted Residual )= -0.4830
խၴᔞ಻ऱྲྀ஁(Median Fitted Residual )= 0.0000 13
່Օᔞ಻ऱྲྀ஁(Largest Fitted Residual) = 0.4322ʳ
ʳ
或來電 (02)2705-5066
 0.0028 0.0000 0.4830 0.4322 
結構方程式模型分析  0.0005 0.0019 0.4212 0.3767 
ʳʳʳʳʳʳʳʳʳ  ʳ
 0.4830 0.4212 0.0000 0.0011
 
 0.4322 0.3767 0.0011 0.0022 
最小適配的殘差 (Smallest Fitted Residual) = － 0.4830
ࠡᔞ಻ऱྲྀ஁ (Fitted Residualsʼऱኴ૞อૠၦʻSummary Statistics for Fitted
中間適配的殘差 (Median Fitted Residual) = 0.0000
່՛ᔞ಻ऱྲྀ஁ (Smallest Fitted Residual )= -0.4830
最大適配的殘差 (Largest Fitted Residual) = 0.4322
խၴᔞ಻ऱྲྀ஁(Median Fitted Residual )= 0.0000
່Օᔞ಻ऱྲྀ஁(Largest Fitted Residual) = 0.4322ʳ
在上述進行的計算過程中，最後我們求得所謂推導的共變數矩陣
ʳ 
 ，又稱為
「隱含的共變數矩陣」(implied covariance matrix)。
‫ڇ‬Ղ૪ऱၞ۩ૠጩመ࿓խΔ່৵‫ݺ‬ଚ‫ޣ‬൓ࢬᘯࢬංᖄऱ٥᧢ᑇఢೄ ̂ ΔՈ‫ױ‬
以上所求得的「隱含的共變數矩陣」，我們可把它與前述的樣本矩陣 S 進
᧢ᑇఢೄΰimplied covariance matrixαΖ ʳ
行比較，瞭解或仔細觀察它們之間是否有顯著的差異？如果沒有顯著的差異，則
表示 H0 或虛無假設被獲得接受或保留其結果。換言之，就是 S 與
‫א‬Ղࢬ‫ޣ‬൓ऱࢬᘯឆܶऱ٥᧢ᑇఢೄΔ‫ݺ‬ଚ‫ނױ‬،ፖছ૪ऱᑌ‫ء‬ఢೄSၞ۩ֺ
 之間沒有差
าᨠኘ،ଚհၴਢ‫᧩ڶܡ‬ထऱ஁ฆΛ‫᧩ڶ޲࣠ڕ‬ထऱ஁ฆΔ߷‫ܛ‬।‫ ق‬H 0 ࢨဠྤ
異。
一般而言，凡是估計模型的各個參數，都有一個標準。如果 t 是未知參數的
ࢨঅఎࠡ࿨࣠ΖངߢհΔ༉ਢSፖ ̂ հၴ޲‫஁ڶ‬ฆΖ
總和數目，那麼 P 與 q 必須是
ʳ ʳ ʳ ʳ ԫ౳ۖߢΔ૞‫װ‬۷ૠᑓীऱ‫ٺ‬ଡ೶ᑇΔ،‫ڶ‬ԫଡᑑᄷΖ‫̇ ࣠ڕ‬ʳ ਢ‫آ‬व೶ᑇऱ
t≤ (p ̄ʳ+ ‫ؘ‬ႊਢʳ
ˣʳ ፖ q) (p + q + 1) / 2 方程式 (1-10)
ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ t   p  q  p  q  1 / 2 ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ʳ ֱ࿓‫ڤ‬ΰ˄ˀ˄˃αʳ ʳ ʳ ʳ ʳ ʳ
無論如何，在方程式 (1-10) 的標準條件之下，並不保證其所有的參數都可被
估計。 ྤᓵ‫ڕ‬۶Δ‫ֱڇ‬࿓‫ڤ‬ΰ˄ˀ˄˃αऱᑑᄷයٙհՀΔࠀլঅᢞࠡࢬ‫ڶ‬ऱ೶ᑇຟ‫ױ‬
最後，模型的適配度必須要謹慎地予以估計。因為個體 ( 個別 ) 參數的估
ʳ ʳ ʳ ʳ ່৵Δᑓীऱᔞ಻৫‫ؘ‬ႊ૞᠃შ‫چ‬๯۷ૠΖ‫ڂ‬੡ଡ᧯ΰଡܑα೶ᑇऱ۷ૠΔ
計，係依據殘差矩陣 S － 
 中所有元目或元素 (entries) 來檢測。參數的估計應該
ˆ խࢬ‫ڶ‬ց‫ࢨؾ‬ցై
S  ΰ˸́̇̅˼˸̆ʳ αࠐᛀྒྷΖ೶ᑇऱ۷ૠᚨᇠ‫ڶ‬ᔞᅝऱฤᇆፖՕ՛
有適當的符號與大小的程度。例如，反覆的參數估計是以慣用的方法進行估計
֘៿ऱ೶ᑇ۷ૠਢ‫א‬ክ‫ش‬ऱֱऄၞ۩۷ૠᖞ᧯ऱ೶ᑇΔۖྤऄข‫س‬ऱ᧢ฆᑇ۷ૠ
整體的參數，而無法產生的變異數估計值則是正數的值。在殘差矩陣中，元目
‫஁ྲྀڇ‬ఢೄխց‫ؾ‬ΰ˸́̇̅˼˸̆ʳ αᚨᇠ‫ٵ‬ᑌຟਢ՛ऱΖʳ
(entries) 應該都是小的。
ʳ
( 二 ) 模型參數的界定與 LISREL ΰԲαᑓী೶ᑇऱ੺ࡳፖ LISREL ຌ᧯࿓‫ڤ‬ऱᚨ‫ش‬
ʳ ʳ ʳ ʳ軟體程式的應用
ኙ࣍ LISREL ຌ᧯࿓‫ڤ‬ऱ࿇୶ፖᚨ‫ش‬Δ‫ڇ‬ছ૪ऱᓵ૪խ‫ݺ‬ଚբ༼ࠩΔ‫ڇۖڂ‬
對於 LISREL 軟體程式的發展與應用，我們在前面已討論過，在此不再贅
ൄ LISREL ຌ᧯࿓‫ڤ‬ऱᚨ‫ش‬Ζࠌ‫ ش‬LISREL ຌ᧯࿓‫ڤ‬հছΔ‫ݺ‬ଚٍᏁࠉᖕ࿨ዌֱ
述。通常在使用 LISREL 軟體程式之前，我們除了依據結構方程式的模型建構原
ऱ଺ঞΔ૞ᆖመᑓী੺ࡳΔᙃᢝΔፖ۷ૠऱመ࿓Ζຍࠄመ࿓‫ءڇ‬஼Հ٨ऱรԲΔ
則之外，還須經過模型界定、辨識，與估計的過程。這些過程在本書的第二、第
ຟ‫ڶ‬ᇡาऱ൶ߒΔ‫ڼڇ‬լ٦᠇૪Ζ១ߢհΔ‫ء‬ᒤ‫ڤ‬ᑓী‫ ˌ ڶ‬ଡ೶ᑇ૞ၞ۩۷ૠΔ
三，與第四章都有詳細的探究，在此予以略過。簡言之，本範例模型有 9 個參數
x y
‫ڤ‬Δࠡխ۞‫ط‬೶ᑇ‫ ˄ ڶ‬ଡ  2 ,  2 ,  , ,  Δ٥
要進行估計，而有 10 個方程式，其中自由參數有，共ˈ 5ଡ‫ף‬Ղ ˇ ଡഄԫ‫ࢨైڂ‬ᎄ஁ႈΰ 
個，加上
4 個唯一因素或誤差項 (1, 2, ٥ 2)，共 9 個有待估計的參數，而有
1 ˌ與ଡ‫ڶ‬ৱ۷ૠऱ೶ᑇΔۖ‫ڶ‬ 10 個方程
˄˃ ଡֱ࿓‫ࢨڤ‬ᇷறរΖ‫ ˄ נڍۖڂ‬ଡֱ࿓‫ࢨڤ‬ᇷற
式或資料點。因而多出 1 個方程式或資料點，在此情況之下，我們可以視為已辨
հՀΔ‫ݺ‬ଚ‫ီאױ‬੡բᙃᢝΖ‫ࢬࢨנ༼ࢬڇ‬೗๻ऱᑓীᆖመᑓী੺ࡳፖᙃᢝհ৵
識 ( 對於參數的界定與辨識問題在本書的第七章與第八章中有詳細的討論 )。在
۷ૠऱ‫ޡ‬ᨏΖ‫ ˟˘˥˦˜˟ ڇ‬ऱຌ᧯࿓‫ڤ‬এ‫່شࠌא‬Օᄗ‫ۿ‬۷ૠऄ੡‫׌‬Ζ൷ထ‫אאױ‬
所提出或所假設的模型經過模型界定與辨識之後，我們就可進行估計的步驟。
14
或來電 (02)2705-5066
Chapter
通常 LISREL 的軟體程式係以使用最大概似估計法為主，接著根據原始資料輸入
SPSS 軟體建立資料檔，或以 SPSS 程式獲得相關係數的矩陣為資料，或以 SPSS
軟體建立的資料檔再輸入 LISRIL 軟體，轉換為 PRELIS 檔進行手拉的方法，拉
出 Path Diagram 檔再轉換為 SIMPLES 檔，可以建立變異數 / 共變數矩陣為資料
( 其過程參考本書第六章 )。
以 LISREL 軟體程式進行結構方程式模型分析的語法有兩種：(1) LISREL；
(2) SIMPLIS。以下我們就以這兩種方法來進行：
(1) LISREL 語法的指令

( 本語法指令儲存在本書 CH1-1 檔案中 )
Ancient Tombs MODEL
DA NI=4 NO=649 MA=CM
CM
86.3979
57.7751　　86.2632
56.8651　　59.3177　　97.2850
58.8986　　59.6683　　73.8201　　97.8192
MO NX=2 NY=2 NK=1 NE=1 AD=OFF
LA
Y1 Y2 X1 X2
LK
F1
LE
F2
FR LX(2,1) LY(2,1)
VA 1 LX(1,1)LY(1,1)
PD
OU RS EF FS SS SC MR MI ND=4
(2) SIMPLIS 語法的指令

( 本語法指令儲存在本書 CH1-1b 檔案中 )
observed variables: Y1 Y2 X1 X2
15
或來電 (02)2705-5066
covariance matrix:
86.3979
57.7751　　86.2632
56.8651　　59.3177　　97.2850
58.8986　　59.6683　　73.8201　　97.8192
Sample Size = 649
Latent Variables F2 F1
Relationships
Y1 = 1.00*F2
Y2 = F2
X1 = 1.00*F1
X2 = F1
F2 = F1
Path Diagram
Print Residuals
lisrel output: RS EF FS SS SC MR MI ND=4
End of Problem
(3) 模型參數估計與徑路分析圖
24.88 X1 Y1 30.14
1.00 1.00
F1 0.79 F2
1.02 1.03
22.56 X2 Y2 26.93
Chi-Square = 0.70, df =1, P-value = 0.40192, RMSEA = 0.000
圖 1-3 模型參數估計與徑路分析圖
(4) LISREL 輸出結果報表分析

A MODEL OF MANAGEMENT
Number of Input Variables 4
Number of Y - Variables 2
16
或來電 (02)2705-5066
Chapter
Number of X - Variables 2
Number of ETA - Variables 1
Number of KSI - Variables 1
Number of Observations 649
分析結果以使用者所輸入的標題為開始，然後提示模型中輸入變項的數目有
4，其中外衍變項 (X) 有 2，內衍變項 (Y) 有 2，外衍潛在變項 () 有 1，內衍潛
在變項 () 有 1，樣本數有 500。接著顯示 LISREL 所讀入變異數 / 共變數的矩陣
資料。
Covariance Matrix
Y1 Y2 X1 X2
---------- ---------- ---------- ----------
Y1 86.3979
Y2 57.7751 86.2632
X1 56.8651 59.3177 97.2850
X2 58.8986 59.6683 73.8201 97.8192
而後，LISREL 將以矩陣的樣式，列出上述研究者所界定有待估計的參數，
其中包括被界定為自由參數與被固定為 0 或 1 的參數。因為本範例模型為最簡單
的結構方程式模型，所以只依序列出 LAMBDA-Y (Y 測量變項的因素負荷量 )、
LAMBDA-X (X 測量變項的因素負荷量 )、GAMMA ( 潛在變項之間的結構係
數 )、Covariance Matrix of ETA and KSI ( 內衍潛在變項與外衍潛在變項之間的共
變數 )、PHI ( 外衍潛在變項之間的共變數 )、PSI ( 內衍潛在變項被外衍潛在變項
解釋之誤差項的共變矩陣，解釋殘差 )、THETA-EPS ( 內衍觀察變項被內衍潛在
變項解釋之誤差項的共變矩陣，Y 變項的殘差 )、THETA-DELTA ( 外衍觀察變項
被外衍潛在變項解釋之誤差項的共變矩陣，Y 變項的殘差 )。其中自由估計參數
依序編號由 1 至 9，表示有 9 個亟需進行估計的自由參數，就如我們前述所界定
的。
17
或來電 (02)2705-5066
Parameter Specifications
LAMBDA-Y
F2
--------
Y1 0
Y2 1
LAMBDA-X
F1
--------
X1 0
X2 2
GAMMA
F1
--------
F2 3
PHI
F1
--------
4
PSI
F2
--------
5
THETA-EPS
Y1 Y2
-------- --------
6 7
18
或來電 (02)2705-5066
Chapter
THETA-DELTA
X1 X2
-------- --------
8 9
接著顯示本範例中，LISREL 採用 ML ( 最大概似法 ) 總計 4 次的反覆疊代就

完成所有參數的估計。每一個參數的估計值中包含標準誤與 t 值，以參數的估計
值除以標準誤可獲得 t 值，如果 t 值大於 1.96，該參數的估計值就具有統計顯著
性的意義。在本範例中，9 個參數的估計值均具有統計顯著性的意義。
Number of Iterations = 4
LISREL Estimates (Maximum Likelihood)
LAMBDA-Y
F2
----------
Y1 1.0000
Y2 1.0270
(0.0481)
21.3476
LAMBDA-X
F1
----------
X1 1.0000
X2 1.0195
(0.0399)
25.5509
19
或來電 (02)2705-5066
GAMMA
F1
----------
F2 0.7920
(0.0390)
20.3233
Covariance Matrix of ETA and KSI

F2 F1
---------- ----------
F2 56.2585
F1 57.3499 72.4092
PHI
F1
----------
72.4092
(5.5642)
13.0134
PSI
F2
----------
10.8360
(2.0392)
5.3139
Squared Multiple Correlations for Structural Equations

F2
----------
0.8074
20
或來電 (02)2705-5066
Chapter
THETA-EPS
Y1 Y2
---------- ----------
30.1394 26.9306
(2.4704) (2.4306)
12.2003 11.0796
Squared Multiple Correlations for Y - Variables

Y1 Y2
---------- ----------
0.6512 0.6878
THETA-DELTA
X1 X2
---------- ----------
24.8758 22.5607
(2.3599) (2.3503)
10.5411 9.5992
Squared Multiple Correlations for X - Variables

X1 X2
---------- ----------
0.7443 0.7694
在完成各項參數估計之後，LISREL 即列出各測量變項與潛在變項的多
元相關平方，Squared Multiple Correlations for Y - Variables 與 Squared Multiple
Correlations for X - Variables，此項之下的各值反映出測量能夠被潛在變項提供
2
解釋變異數的百分比，類似廻歸分析的 R 。這些數值也反映了測量變項的信度
(reliability)。以 Y1 為例，有 65.12％的變異數能夠由潛在變項提供解釋，只剩
34.88％的變異數為誤差變異數，Y2 有 68.78％的變異數能夠由潛在變項提供解
釋，只剩 31.22％的變異數為誤差變異數。在本範例中的 2 個 X 測量變項中以
X2 為例，都有 76.94％的變異數能夠由外衍潛在變項提供解釋，由此可知 4 個
測量變項對於其潛在變項的關聯性很強。
21
或來電 (02)2705-5066
以上的分析數據為參數估計的結果，可以被使用作為診斷個別參數的統計意
義。而這些參數估計的整體效果，反映了此一模型的統計意義，並透過下列各項
適配度指標來進行評估，數據如下：
Goodness of Fit Statistics

Degrees of Freedom = 1
Minimum Fit Function Chi-Square = 0.7030 (P = 0.4018)
Normal Theory Weighted Least Squares Chi-Square = 0.7026 (P = 0.4019)
Estimated Non-centrality Parameter (NCP) = 0.0
90 Percent Confidence Interval for NCP = (0.0 ; 6.1438)
Minimum Fit Function Value = 0.001085
Population Discrepancy Function Value (F0) = 0.0
90 Percent Confidence Interval for F0 = (0.0 ; 0.009481)
Root Mean Square Error of Approximation (RMSEA) = 0.0
90 Percent Confidence Interval for RMSEA = (0.0 ; 0.09737)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.6855
Expected Cross-Validation Index (ECVI) = 0.02932
90 Percent Confidence Interval for ECVI = (0.02932 ; 0.03880)
ECVI for Saturated Model = 0.03086
ECVI for Independence Model = 2.6692
Chi-Square for Independence Model with 6 Degrees of Freedom = 1721.6695
Independence AIC = 1729.6695
Model AIC = 18.7026
Saturated AIC = 20.0000
Independence CAIC = 1751.5712
Model CAIC = 67.9815
Saturated CAIC = 74.7543
Normed Fit Index (NFI) = 0.9996
Non-Normed Fit Index (NNFI) = 1.0010
Parsimony Normed Fit Index (PNFI) = 0.1666
Comparative Fit Index (CFI) = 1.0000
Incremental Fit Index (IFI) = 1.0002
22
或來電 (02)2705-5066
Chapter
Relative Fit Index (RFI) = 0.9976
Critical N (CN) = 6117.2179
Root Mean Square Residual (RMR) = 0.2720
Standardized RMR = 0.002964
Goodness of Fit Index (GFI) = 0.9995
Adjusted Goodness of Fit Index (AGFI) = 0.9946
Parsimony Goodness of Fit Index (PGFI) = 0.09995
以上的數據呈現出一個很理想的適配指標，並加入圖 (1-3) 模型參數估計

與徑路分析圖所呈現的模型適配指標：Chi-Squres = 0.00，df = 1，P-valus =
0.40192，RMSEA = 0.000。其 Estimated Non-centrality Parameter (NCP) = 0.090，
Percent Confidence Interval for NCP = (0.0; 6.1438)。然後再參考以下的適配指標。
從以上各適配測量指標的指數來看，指出我們所提出的假設模型是一個理想
的模型。就絕對適配度指標而言，例如，卡方值與它的 p 值是令人滿意的。根據
本範例的模型，其中卡方值，即 WLS 為 0.7026，自由度 (Degrees of Freedom) 為
1，依卡方值 /df 為 0.7026/1 = 0.7026 < 2。p 值 (p-value) 為 0.4192 > 0.1，均方根
近似誤 (RMSEA) 為 0.000 < 0.05，表示被提出或被假設的模型與觀察值之間沒有
顯著的差異。而且其 GFI = 0.9995 > 0.90，達到 0.90 以上的門檻。
就增值適配度指標而言，AGFI = 0.9946，NFI = 0.9996，RFI = 0.9976，IFI =
1.0002，NNFI = 1.0010，CFI = 1.0000；均在 0.90 以上。
簡效值適配度指標而言，PGFI = 0.09995 ，PNFI = 0.1666 均未在 0.50 門檻
以下，而且，CN = 6117.2179 > 200，達到可接受的值適配度指標。
由於 RMSEA 信賴區間落入 0.05 之內，同時非趨中性參數 (NCP) 有 95％的
信賴區間亦能涵蓋最合理的適配度指標，因此，若採取比較嚴格的說法，本範例
修正後的假設模型可以說是適配於本研究資料。
我們亦注意到資訊標準值 (information criteria values)，一般而言，在應用實
務上，AIC 指標都是與獨立模型和飽和模型下的 AIC 指標值作比較。基本上，
AIC 值愈小愈好，最好比在獨立模型和飽和模型下的 AIC 指標值還要小；因此，
從上述的資料中可獲知，本範例修正後的假設模型提供計算 AIC 指標值，其獨
立模型 ( 具有 6 個自由度 ) 下的卡方值為 1721.6695，本模型的 AIC 指標值為
18.7026，獨立模型下的 AIC 指標值為 1729.6695，飽和模型下的 AIC 指標值為
20.0000，並且本模型的 CAIC 指標值為 67.9815，獨立模型下的 CAIC 指標值為
23
或來電 (02)2705-5066
1751.5712，飽和模型下的 CAIC 指標值為 74.7543，可見本範例修正後的假設模

型下，AIC 指標值與 CAIC 指標值都比在獨立模型和飽和模型下的 AIC 指標值
和 CAIC 指標值還要小，由此顯示本範例修正後的假設模型已具有可接受的適配
的程度。
Fitted Covariance Matrix
Y1 Y2 X1 X2
---------- ---------- ---------- ----------
Y1 86.3979
Y2 57.7751 86.2632
X1 57.3499 58.8959 97.2850
X2 58.4673 60.0435 73.8201 97.8192
Fitted Residuals
Y1 Y2 X1 X2
---------- ---------- ---------- ----------
Y1 0.0000
Y2 0.0000 0.0000
X1 -0.4848 0.4218 0.0000
X2 0.4313 -0.3752 0.0000 0.0000
Summary Statistics for Fitted Residuals

　Smallest Fitted Residual = -0.4848
　Median Fitted Residua = 0.0000
　Largest Fitted Residual = 0.4313
Stemleaf Plot
- 4|8
- 2|8
- 0|000000
0|
2|
4|23
24
或來電 (02)2705-5066
國家圖書館出版品預行編目資料
死亡服務經濟學／
結構方程式模型分析陶在樸著
余桂霖著. . －－初
－－初版.
　－－臺北市：五南, 2011. 2008.08
版.－－臺北市：五南, 2
　面；　公分
　面；　公分.
ISBN 978-957-11-5229-5 (平裝)

ISBN 978-957-11-6009-1（平裝）
1.1.殯葬業　2.死亡管理　3.經濟學
社會科學　2. 統計方法　3. 電腦程式
489.67 97009174
501.28 99009762
1MCH
1H67
死亡服務經濟學
作作　　者
者－余桂霖 (53.9)
― 陶在樸（275）
發發行行人－楊榮川
人 ― 楊榮川
總總編編輯－龐君豪
輯 ― 龐君豪
主主　　編 ― 張毓芬
編－張毓芬
責任編輯 ― 吳靜芳　張明蕙
責任編輯－侯家嵐
封面設計 ― 盧盈良
文字編輯－林秋芬
出版者 ― 五南圖書出版股份有限公司
封面設計－盧盈良
地　　址：106台北市大安區和平東路二段339號4樓
出版者－五南圖書出版股份有限公司
電　　話：(02)2705-5066　　傳　真：(02)2706-6100
地址：106 台北市大安區和平東路二段 339 號 4 樓
網　　址：http://www.wunan.com.tw
電話：(02)2705-5066　傳真：(02)2706-6100
電子郵件：wunan＠wunan.com.tw
網址：http://www.wunan.com.tw
劃撥帳號：0 1 0 6 8 9 5 3
電子郵件：wunan@wunan.com.tw
戶　　名：五南圖書出版股份有限公司
劃撥帳號：01068953
台中市駐區辦公室/台中市中區中山路6號
戶名：五南圖書出版股份有限公司
電　　話：(04)2223-0891　　傳　真：(04)2223-3549
台中市駐區辦公室台中市中區中山路 6 號
高雄市駐區辦公室/高雄市新興區中山一路290號
電電　　話：(07)2358-702　　
話：(04)2223-0891 傳傳　真：(07)2350-236
真：(04)2223-3549
高雄市駐區辦公室高雄市新興區中山一路 290 號
法律顧問　元貞聯合法律事務所　張澤平律師
電出版日期　2
話：(07)2358-702
008年8月初版傳一刷真：(07)2350-236
法律顧問　元貞聯合法律事務所　張澤平律師
定　　價　新臺幣 3 5 0 元
出版日期：2011 年 2 月初版一刷
定價：新臺幣 1000 元
※版權所有．欲利用本書內容，必須徵求本公司同意※
※版權所有•欲利用本書全部或部分內容，必須徵求本公司同意※
或來電 (02)2705-5066

1H67結構方程式模型分析

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

1H67結構方程式模型分析

Uploaded by

Copyright:

Available Formats

本試閱檔為五南所有。如欲購買此書，請至五南網站 www.wunan.com.

1.1 結構方程式模型的概述 ................................................................... 3

2.1 界定模型參數的規則 ..................................................................... 78

3.1 實際的考量與模型的評估 ............................................................102

4.1 電腦程式的學習與認知 ............................................................... 128

5.1 結構方程式模型是甚麼？ ............................................................152

6.1 資料推導的探索性因素分析 ........................................................192

7.1 資料推導的探索性因素分析 ........................................................248

8.1 因素分析..................................................................................... 330

9.1 甚麼是徑路分析？ ...................................................................... 410

10.1 結構廻歸模型是甚麼？ ............................................................... 444

11.1 發展一個有理論基礎的模型 ........................................................520

13.1 一個因素的模型 ......................................................................... 650

14.1 何謂潛在改變分析？ ...................................................................738

15.1 共變數結構模型的發展 ...............................................................810

16.1 LISREL 的符號以數學呈現的方式 ..................................................900

結構方程式模型 (Structural Equation Models, SEM) 方法學的發展，是由於過

對相關曲線的雙箭矢 ( 雙箭頭 ) 是一種相關係數的指示。而其他的連接關係

Cov  Y,Cov XCov  Y,EY,X YX   E E YX

  y x  Cov  X, Y   方程式 (1-7)

 S11 S12   S11 S12S S

ۖ‫׊‬Δ೗ࡳ Var     ; Var      Δʳ

97.2850 73.8212 97.2850 73.8212 

 YCov  YCov   Y, Cov YY

其適配的殘差 (Fitted Residuals)

(1) LISREL 語法的指令

(2) SIMPLIS 語法的指令

Chi-Square = 0.70, df =1, P-value = 0.40192, RMSEA = 0.000

(4) LISREL 輸出結果報表分析

接著顯示本範例中，LISREL 採用 ML ( 最大概似法 ) 總計 4 次的反覆疊代就

Covariance Matrix of ETA and KSI

Squared Multiple Correlations for Structural Equations

Squared Multiple Correlations for Y - Variables

Squared Multiple Correlations for X - Variables

Goodness of Fit Statistics

以上的數據呈現出一個很理想的適配指標，並加入圖 (1-3) 模型參數估計

1751.5712，飽和模型下的 CAIC 指標值為 74.7543，可見本範例修正後的假設模

Summary Statistics for Fitted Residuals

ISBN 978-957-11-5229-5 (平裝)

You might also like