最新以知觉价值模式为基础探讨乘客再搭乘意愿之影响因素以教学讲义ppt.ppt

《最新以知觉价值模式为基础探讨乘客再搭乘意愿之影响因素以教学讲义ppt.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、以知觉价值模式为基础探讨乘客再搭乘意愿之影响因素以大綱一、簡介二、模式相關基本概念三、模式驗證之前提假設四、案例說明五、Q&A2一、簡介有關多個變數關係架構的分析方法，基本上即屬於路徑分析方法(pathanalysis)。一般線性模式乃假定每一對變數之間會存在線性的關係，故可用直線方程式來表示。基於線性關係的假設來建構變數之間的結構關係即為結構方程式模式(structuralequationmodeling,SEM)。3SEM典型組成圖示（圖16.1）7SEM的分析策略一、因素分析模式二、驗證性因素分析(confirmatoryfactoranalysis;CFA)三、潛在變項(

2、LatentVariable)的測量8二、基本概念潛在變數社會與行為科學研究中所處理的構念，常常是不易直接觀察到的潛在變數，如服務品質、滿意度。也有學者將潛在變數稱為非觀察變數(unobservedvariables)、非衡量變數(unmeasuredvariables)或潛在因素(latentfactors)潛在變數之間的因果關係模型，稱為結構模式。9衡量變數潛在變數是無法直接測量的，必須藉由觀察變數來間接推測得知，如：智力無法觀測，必須由智力測驗衡量。亦有學者將觀察變數稱為外顯變數(manifestvariables)、衡量變數(measuredvariables)或指標變數

3、(indicatorvariables)潛在變數與觀察變數之間的關係模型稱為衡量模式。10SEM提供了一種進行資料分析和研究理論的完整綜合系統，包括結構模式(即因果關係部分)與衡量模式(即測量效度部分)兩部分。1112模式分析方法兩階段分析程序(AndersonandGerbing,1988)確認性因素分析(confirmatoryfactoranalysis,CFA)路徑分析(pathanalysis)模式適配指標：x2不顯著、x2／df小於3GFI、AGFI、NFI、NNFI、CFI愈大愈好軟體應用：SAS8.0之CALISPROC與LISREL8.3第四章研究模式與研究方法

4、13三、模式驗證之前提假設確認性因素分析時：條件1：觀察變數必須是區間(interval-level)或比率(ratio-level)的程度變數。條件2：觀察變數必須為連續且至少要有四個數值。條件3：資料需為常態分配。條件4：變數間之關係為線性與附加的(additive)。若為非線性關係則需另行假設關係函數。14條件5：變數間應避免多重共線性。條件6：必須包含所有重要的因果關係。條件7：模式是過度確認(over-identified)的。條件8：觀察變數個數。一般而言，樣本數至少要有200個。或者，也可以5倍的待估計參數個數為最小樣本數個數。條件9：每個潛在變數一開始至少有三個觀

5、察變數。條件10：觀察變數總數不要超過30個。15模式確認為確認是否有「足夠的」變異量與共變異資料，可用以估算矩陣中的未知參數或係數。足夠確認(just-identification)：參數數目與估算的資料一樣多，故僅有唯一解，故不需進行適合度測試。過度確認(over-identification)：有充裕的資料可以被確認，也就是資料數據比要估算的參數多，因此會有一組以上的解。此時模式可以被測試與驗證。不足確認(under-identification)：至少會有一個參數不能被估算，因為該模式沒有足夠的觀察變數提供資料數據，此時模式無法得到求解結果，因此無法進行模式適合度測試。1

6、6確認的方式，係將模式中所有的路徑係數、變異數以及待估計之共變異數個數相加，與資料點(datapoints)的個數作比較。估計參數等於資料點的個數，則為足夠確認；當估計參數個數小於資料點的個數，則為過度確認；若估計參數個數大於資料點的個數，則為不足確認。資料點的個數計算方式為：Numberofdatapoints=其中，p為可以被分析的觀察變數個數。17四、案例說明與實作研究架構新加入增加衡量多重問項量表18衡量變數彙整19LISREL分析模式(省略外生變數間之共變異關係線)注意：每個潛在變數至少要有三個衡量變數20資料蒐集台北市十家聯營公車公司各發放75份問卷，共750份有效回

7、收率31.3%(235份)21Cronbachα係數信度分析22模式分析以相關係數矩陣為輸入資料衡量模式分析：確認性因素分析(CFA)23242526衡量模式分析：確認性因素分析(CFA)複雜變數(complexvariable)：V24「有其他的替代客運或運具可供選擇」V17「營運管理支援」修正後衡量模式：x2=409.017,df=224,p<0.0001(顯著進步)x2／df=1.823(<3)GFI=0.87、AGFI=0.83、RMR=0.05、NFI=0.87、NNF