CFA和SEM分析的擬合指標通常需要達到專家門檻,才可以進行分析,然而很多時候無法一次過關,造成許多研究者感到苦惱。本文整理知名統計學者Hair的建議,並附上相關文獻佐證和實際範例,讓讀者能正確地進行模型修正,讓適配指標順利過關。
驗證性因素分析 (Confirmatory Factor Analysis, CFA) 和是一種統計方法,用於評估理論模型與現實收集到的數據集的擬合程度。CFA的目的是測試模型中觀察指標與潛在變數 (因素) 間的關係。在 CFA 中,觀察指標是可以直接觀察到的變數,例如問卷題目或測量數據。潛在變數是無法直接觀察到的變數,但可以由觀察指標來推斷。CFA 可以用於測試量表的建構效度。
除了CFA以外,結構方程模式 (Structural Equation Modeling,SEM) 也能用於評估理論模型與數據集的擬合程度。SEM 綜合了因素分析和路徑分析的優點,可以同時對測量模型和結構模型進行評估。如果 CFA 和SEM的結果顯示模型能夠很好地擬合數據,則可以認為模型是可接受的。
CFA和SEM 的大致步驟如下:
擬合程度的指標標準可以參考Hair(2009)的建議:
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2009). Multivariate Data Analysis (7 edition). Pearson.
在實務中,第四點評估模型往往無法一次到位,很難一次得到理想的模型,如果模型擬合程度不佳,可能是數據問題,也可能是理論本身的不足。理想上,我們應該修改模型,並從新收集新的數據,但理想很豐滿,現實很骨感。大部分時候都沒有足夠人力和金錢重新收集資料。雖然可能有點過度資料導向,但這時用相同資料進行模型修正是比較省時省力的選擇。
修正指數(Modification Index)可以幫助我們進行模型修正