1. Structural Equation Modeling Chapter 3 SEM 與理論是密友，不管過程是 五步或七步，適配最重要 SEM 理論與過程

2. 2 SEM 理論  一個理論的產生，可能來自於下列三個主要來源 （有時為一個，有時至少包含以下兩個）： （ 1 ）過往實證研究、（ 2 ）實際行為、態度及其 他現象的過往經驗與觀察及（ 3 ）其它提供分析 型態的理論。  SEM 比起其他統計分析方法，還要更強調理論的 建立，所以研究者多半處理這方面的研究，若是 沒有好的理論基礎，還是需要考慮其他替代的統 計分析進行。

3. 3 信念 態度 行為上的意圖 行為 客觀標準 Fishbein and Ajzen ( 1975 ) 的合理行動理論

4. 4 SEM 過程 到目前為止，評估文獻上比較常見及有名的 SEM 過程，主要是 Bollen & Long （ 1993 ）的五步驟及 Hair 等人（ 1998 ）的 7 步驟。首先，介紹 Bollen and Long （ 1993, pp. 1-2 ）常用的五步驟應用的特徵：  模式確認（ model specification ）  鑑定（ identification ）  估計（ estimation ）  適配度檢定（ testing fit ）  再確認（ respecification ）

5. 5 X Y Z 變數關係及相關圖形表示 X Y ZQ 加入第四變數變化關係

6. 6 F1 X1X2X3 F2 X4X5X6 E1E2E3 E4E5E6 驗證性因素分析模式概念圖 X 與 Y 變數因果影響 Z 變數模式圖 X Y Z a b c

7. 7 Hair 等人 (1998) 所提出七個有關結構模式、測量模 式構建及完整有效模式產生步驟來執行 SEM 的分 析過程如圖，這七個步驟依序分為：  Stage 1: 理論模式架構的建立  Stage 2: 建立因素變數間因果關係的路徑圖  Stage 3: 轉換路徑圖為結構方程式與測量方 程式  Stage 4: 選擇分析模式 ( 共變數或相關係數 )  Stage 5: 評估模式的鑑定  Stage 6: 評估適配度標準  Stage 7: 模式解釋與修改

8. 8 步驟 1 ：理論架構模式的建立 步驟 2 ：建立因素與變數間因果關係的路徑圖 (path diagram) 步驟 3 ：轉換路徑圖為結構方程式與測量方程式圖 (path diagram) 考量因素： a. 編譯結構方程式 b. 確認測量模式 c. 鑑定因子與變數間的相關係數 步驟 3 ：轉換路徑圖為結構方程式與測量方程式圖 (path diagram) 考量因素： a. 編譯結構方程式 b. 確認測量模式 c. 鑑定因子與變數間的相關係數 步驟 4 ：選擇分析模式 相關係數 共變數 步驟 5 ：評估模式的鑑定 步驟 6 ：評估 goodness-of-fit （適配度）的結果 考量因素： a. SEM 的假設 b. 鑑別是否有違例判斷 c. 測量 goodness-of-fit 步驟 6 ：評估 goodness-of-fit （適配度）的結果 考量因素： a. SEM 的假設 b. 鑑別是否有違例判斷 c. 測量 goodness-of-fit 步驟 7 ：模式解釋與修改 考量因素：需要作實質的修改嗎？ 步驟 7 ：模式解釋與修改 考量因素：需要作實質的修改嗎？ 是 SEM 執行的 7 個步 驟 (Hair 等人,1998)

9. 9 案例介紹：以統計檢定力檢測 SEM 運用在商管研究的正確性 以下為 MacCallum 等人（ 1996 ）所建構估算 的 SAS 程式，此檢測的依據是在於 RMSEA ； 使用上只要輸入 RMSEA 的虛無及對立假設 檢定值 ( 及 ) 、 α 值、自由度，以及樣本大小。 隨之，程式會將特定情況估計的檢定力算出。

10. 10 title “sas program for power estimation for csm” ; data one ; alpha=.05 ; *significance level ; 【顯著水準設為 0.05 】 rmsea0=.05 ; *null hyp value ; 【 RMSEA 虛無假設檢定值設定為 0.05 】 rmseaa=.10 ; *alt hyp value ; 【 RMSEA 對立假設檢定值設定為 0.1 】 d=50 ; *degrees of freedom ; 【自由度設定為 50 】 n=200 ; *sample size ; 【樣本大小為 200 】 ncp0=(n-1)*d*rmsea0**2 ; ncpa=(n-1)*d*rmseaa**2 ; if rmsea0rmseaa then do ; cval=cinv(alpha,d,ncp0) ; power=probchi(cval,d,ncpa) ; end ; output ; proc print data=one ; var rmsea0 rmseaa alpha d n power ; run ;