適配指標沒過ㄉ我生氣氣
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。
前言
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：
- 建立模型:需要確定模型的結構和參數。
- 收集數據:需要注意數據的代表性和完整性。
- 估計模型:使用統計軟體來計算模型的參數估計值。
- 評估模型:需要使用統計指標來擬合程度的指標包括 χ2 、RMSEA、CFI、TLI 等。
- 解釋結果:需要結合理論和數據來解釋結果。
擬合程度的指標標準可以參考Hair(2009)的建議:
注：M = 觀測變量數； N= 樣本數量。
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。
修正指數是啥?
修正指數(Modification Index)可以幫助我們進行模型修正
