五南官網

結構方程模型分析實務：JASP的運用

分享Facebook

作　　者╱

陳寬裕

出版社別╱

五南

書　　系╱

研究&方法

出版日期╱

2025/02/06 (1版 1刷)

I S B N ╱

978-626-423-142-8

書　　號╱

1HAV

頁　　數╱

352

開　　數╱

16K

定　　價╱

480 (特價 384)


⊙系統性內容安排：藉由理論說明→功能與應用介紹→範例操作等步驟，循序漸進協助讀者理解結構方程模型。
⊙實務應用導向：本書各章節所附的範例，皆以實際的碩、博士或期刊論文為範例，實務分析結構方程模型，讓讀者能身歷其境，且各章末皆附有習題，能輔助驗收學習成果。
⊙論文寫作與個案專題者適用：本書內容幾乎涵蓋一般論文或專題中，運用結構方程模型所需用到的各種分析方法，如信效度檢驗、驗證性因素分析、潛在變數的路徑分析、中介與干擾、恆等性檢驗等。
⊙影音教學提升學習效率：範例操作過程、報表解說或內文需要特別講解的部分，皆附有影音教材與簡報檔，幫助讀者理解、減輕授課教師負擔。

【SEM × JASP，讓社科領域的研究、專題分析輕鬆上手】
　　目前學術界常用以進行結構方程模型分析的軟體，如Amos、Lisrel、SmartPLS等，對未具統計學基礎的讀者而言，學習門檻較高，且軟體費用負擔也不小。本書所介紹的JASP這套開源、免費且跨平臺的統計分析軟體，它簡單易用，適合任一層級的學習者，加上JASP所產生的報表屬學術界通用的APA格式，十分符合製作專題、論文的需求。
　　本書以淺顯易懂的方式介紹結構方程模型的原理、架構與JASP軟體的操作介面，內容幾乎涵蓋一般論文或專題運用結構方程模型，所需用到的各種分析方法，諸如：多元常態性檢定、驗證性因素分析、收斂效度檢驗、區別效度檢驗、潛在變數的路徑分析、中介效果檢驗、多重中介效果檢驗、多群組分析、干擾效果檢驗、調節式中介效果檢驗、測量恆等性與模型泛化等。
　　此外，為增進學習效率，作者特別針對每一範例錄製了教學影音檔，無論是操作過程、報表解說或內文中需額外講解的部分，讀者皆可透過掃描書中的QR Code直接觀看教學影音檔。最特別的是，書中所有範例皆是實際碩士論文的原始資料與分析結果，藉由這些範例的引導，讀者可融入研究情境，並順利完成論文或專題的統計分析工作。

陳寬裕

連續2022、2023年榮獲全球前2%頂尖科學家

現職：
屏東科技大學休閒運動健康系特聘教授

學歷：
嘉義大學觀光休閒研究所博士班
長榮大學經營管理研究所博士
清華大學工業工程研究所碩士
臺灣大學大氣科學系學士

E-mail：
pf.kuan.yu.chen@gmail.com

第1章　結構方程模型簡介
1-1　結構方程模型的基本概念
1-2　結構方程模型的基本原理
1-3　結構方程模型的功能
1-4　結構方程模型的建模過程
習題

第2章　模型的評鑑及配適指標
2-1　測量模型的評鑑
2-2　結構模型的評鑑
2-3　模型評鑑的主要工作
2-4　樣本數與觀察變數之數量的決定
習題

第3章　結構方程模型的應用
3-1　結構方程模型的應用分類
3-2　結構方程模型的分析步驟
3-3　概念性模型的界定範例
習題

第4章　JASP簡介與建立資料檔
4-1　JASP簡介
4-2　下載JASP軟體、安裝與啟動
4-3　開啟資料檔
4-4　編輯資料
習題

第5章　建立模型
5-1　範例模型一簡介
5-2　範例模型二簡介
5-3　範例模型三簡介
5-4　Lavaan程式之基本運算子簡介
5-5　利用Lavaan程式建立測量模型
5-6　利用Lavaan程式建立結構模型
習題

第6章　常態性檢定
6-1　單變數常態性檢定
6-2　多元常態性檢定
6-3　非常態資料的處理
6-4　常態性檢定範例
習題

第7章　因素分析
7-1　探索性因素分析簡介
7-2　驗證性因素分析簡介
7-3　探索性與驗證性因素分析的差異
7-4　完整的因素分析流程
7-5　以主成份分析法刪除冗題
7-6　探索性因素分析
7-7　驗證性因素分析 133
習題

第8章　結構方程模型分析
8-1　潛在變數的路徑分析
8-2　結構方程模型分析的第一階段
8-3　結構方程模型分析的第二階段
習題

第9章　模型修正
9-1　模型修正簡介
9-2　模型修正指數
9-3　模型修正範例
習題

第10章　中介效果的檢驗
10-1　中介效果簡介
10-2　中介效果的檢驗：Sobel test法
10-3　中介效果的檢驗：Bootstrapping法
10-4　多重中介效果檢定
10-5　平行多重中介效果的檢定
10-6　序列多重中介效果的檢定
習題

第11章　干擾效果的檢驗
11-1　使用多群組結構方程模型檢驗干擾效果
11-2　使用雙平減法檢驗干擾效果
11-3　調節式中介效果檢定
習題

第12章　測量恆等性
12-1　測量恆等性簡介
12-2　測量恆等性的檢定
12-3　檢定測量恆等性的統計方法
12-4　測量恆等性的範例模型介紹
12-5　檢驗測量恆等性的範例
12-6　模型泛化簡介
12-7　檢驗模型泛化的範例
習題

附錄一　品牌形象、知覺價值與品牌忠誠度關係之研究（正式問卷）
附錄二　遊客體驗、旅遊意象與重遊意願關係之研究
附錄三　景觀餐廳意象、知覺價值與忠誠度：轉換成本的干擾效果
附錄四　電信業服務品質問卷（初稿）
附錄五　電信業服務品質問卷（正式）
附錄六　醫院服務品質問卷
附錄七　第一線服務人員工作熱情與情緒耗竭關係之研究：情緒勞務策略的中介角色

參考文獻


SPSS操作與應用：問卷統計分析實務（附光碟）	給論文寫作者的進階統計指南：傻瓜也會跑統計 Ⅱ (SPSS +R)	問卷設計：如何規劃、建構與編寫有效市場研究之調查資料

破案而非破頭：論文解謎初學者指南	影像發聲：參與式行動研究方法	基礎統計與R語言

第1章　結構方程模型簡介
　　在20世紀70年代，Jöreskog、Keesling等人將「路徑分析」的概念引入到潛在變數（latent variable）的研究中，並和因素分析方法結合起來，而形成了結構方程模型（structural equation modeling, SEM）。在結構方程模型中，利用驗證性因素分析技術（confirmatory factor analysis, CFA），以檢驗潛在變數與觀察變數（observed variable）間的關聯性，而構成測量模型（measurement model）；再借助路徑分析技術（path analysis）檢驗潛在變數之間的因果關係（causal relation），而形成結構模型（structural model）。最後，將測量模型與結構模型整合成完整的架構，即形成了結構方程模型。
　　結構方程模型是一種複雜的因果關係模型，可以處理觀察變數與潛在變數間的測量問題以及確認潛在變數之間的因果關係。而事實上，一些常用的第一代統計技術，如迴歸分析、主成份分析、探索性因素分析、路徑分析及變異數分析等，都可看成是結構方程模型的特例而已。此外，結構方程模型還擁有其他第一代統計分析技術所無法比擬的優點。也正因為如此，近二十年來，促成了結構方程模型在心理學、社會學、管理學以及行為科學等領域中，都能被廣泛的應用。
1-1　結構方程模型的基本概念
　　結構方程模型又稱為共變數結構分析（analysis of covariance structure）或線性結構方程（linear structure equation），它是一種運用假設檢定技術，而對因果關係的內在結構進行分析的一種統計方法。它也是近年來發展甚為快速，應用越來越廣泛的一種多變量分析技術。相較於傳統的統計學，由於其對潛在變數、測量誤差和因果關係等都具有獨特的處理能力，因此近年來，除了在心理學、教育學等領域的應用日趨成熟與完善之外，還不斷的被應用在其他的多種領域中。
　　由於在社會科學領域中，一般研究者所關注之議題的研究中，所涉及的變數大都是屬於不能準確、直接測量的潛在變數（例如：滿意度、忠誠度⋯⋯等）。對於這些潛在變數的處理，傳統的統計方法，例如：迴歸分析、因素分析與路徑分析等皆無法妥善處理（例如：測量誤差的處理）。此時，就須運用到能同時處理潛在變數與觀察變數的結構方程模型了。
　　認識結構方程模型最簡單的方法，莫過於謹記，結構方程模型有「三兩」，即兩種變數、兩種路徑與兩種模型。兩種變數意味著結構方程模型中的變數類型有兩種，即觀察變數（模型圖中會以長方形代表）與潛在變數（橢圓形或圓形）。兩種路徑則代表結構方程模型中將包含兩類路徑，即代表因果關係的路徑（單向箭頭）與代表共變（相關）關係的路徑（雙向箭頭）。而兩種模型則是指測量模型（又稱驗證性因素分析模型）與結構模型（又稱路徑分析模型）。以下將逐一介紹這些結構方程模型的基本概念。
1-1-1　兩種變數
　　結構方程模型中包含了兩類變數：觀察變數與潛在變數。另外，誤差變數有些時候也可視為是一種潛在變數，因為它也是不能被直接觀察得到的。此外，亦可根據影響路徑的因果關係，而將結構方程模型的變數分為外生變數（exogenous variables）（代表因，即自變數）和內生變數（endogenous variables）（代表果，即依變數）（榮泰生，2008）。
一、觀察變數與潛在變數
　　觀察變數，是指可以直接觀察或測量的變數，又稱為外顯變數（manifest variable）。在以問卷調查為基礎的研究中，這些觀察變數通常是指問卷中的每一個題項，一個題項就是一個觀察變數。當然，在一些因素結構較複雜的構面（例如：二階構面）中，觀察變數亦可能是由數個觀察變數的平均值所構成的變數。例如：在圖1-1的測量模型圖中，「遊憩知覺壓力」這個構面是由「遊憩干擾」、「擁擠感」與「不當行為」等三個觀察變數（其實屬子構面，潛在變數）所衡量，然而查閱原始問卷可發現，「遊憩干擾」、「擁擠感」與「不當行為」等變數應屬子構面，且每個子構面又都是由四個題項（觀察變數）所測量。因此，在結構方程模型的分析過程中，為了簡化模型，我們會將各子構面所屬的四個題項之得分的平均值設定給「遊憩干擾」、「擁擠感」與「不當行為」等子構面（這過程通常稱之為：將潛在變數轉換為觀察變數），且以這些「已觀察變數化」的子構面當作是主構面「遊憩知覺壓力」的三個測量指標。故，觀察變數亦可以是數個其他觀察變數的平均值。在結構方程模型的路徑圖中，觀察變數通常以長方形圖表示，如圖1-1中的x1、x2、x3、y1、y2與y3。