結構方程模式─SIMPLIS的應用（附光碟）
Structural Equation Modeling-The Application of SIMPLIS
作　　者╱
 吳明隆
出版社別╱
 五南
書　　系╱
 研究&方法
出版日期╱
2020/10/06   (3版 2刷)
  

若無法看見預覽文件請按此下載

即日起五南舊官網僅提供書籍查詢，如欲購書，請至五南新官網 https://www.wunan.com.tw/
I  S  B  N ╱
 978-957-11-5762-7
書　　號╱
 1H46
頁　　數╱
 660
開　　數╱
 16K
定　　價╱
 780
教學資源╱
 投影片((外加))


　　本書以淺顯易懂的方法，介紹結構方程模式(SEM)的語法程式與報表解析，採用「使用者界面」的SIMPLIS語法來代替原始LISREL程式語法，是一本兼顧理論與實務應用的教材，內容除SEM的基本概念介紹外，並以常見的SEM模型為實例，詳細說明假設模式與語法程式之間的關聯，對於不懂SEM操作的使用者而言，能於最短時間內學會SIMPLIS語法的撰寫，並能實際應用於自己研究領域中。全書以深入淺出的方式，有系統的導引使用者學習SEM的使用，是一本SEM量化研究實務應用的最佳參考書籍。

本書特色：
★以使用者學習角度詳細而有系統的介紹SEM模型中的SIMPLIS語法。
★完整的報表解析，讓使用者對數據結果更加清晰明白。
★以實務應用的觀點，配合實例與模式圖，是學習SEM的最佳工具書。

吳明隆
�c現職
高雄師範大學師資培育中心教授
�c學歷
高雄師範大學教育學博士
�c著作
SPSS操作與應用--變異數分析實務(五南)
SPSS操作與應用—問卷統計分析實務(五南)
結構方程模式－AMOS的操作與應用(五南)
結構方程模式－SIMPLIS的應用(五南)
SPSS與統計應用分析(五南)
班級經營－理論與實務(五南)
教育行動研究的理論與實務(五南)
資訊科技與教學應用－議題、理論與實務(知城)
SPSS統計應用學習實務＿深究經典版(知城)
�c電子郵件：t2673@nknucc.nknu.edu.tw

目　錄
自　序
第一章　結構方程模式的基本概念　1
　1.1　結構方程模式的特性　4
　1.2　測量模式　11
　1.3　結構模式　18
　1.4　結構方程模式圖中的符號與意義　23
　1.5　參數估計方法　27
　1.6　模式的概念化　30
　1.7　模式的修正　35
　1.8　模式的複核效化　38
第二章　模式適配度統計量的介紹　45
　2.1　模式基本適配指標　50
　2.2　整體模式適配度指標模式外在品質的評估　50
　2.3　模式內在結構適配度的評估（模式內在品質的考驗）　67
　2.4　模式統計考驗力的評估　75
　2.5　典型相關分析與結構方程模式關係　79
第三章　「SIMPLIS」的基本操作步驟　81
　3.1　SIMPLIS的操作　83
　3.2　模式估計的問題　104
第四章　「SIMPLIS」的語法與實例解析　109
　4.1　SIMPLIS的語法說明　111
　4.2　假設模式圖與語法舉例　135
第五章　一階驗證性因素分析　161
　5.1　語法程式　164
　5.2　操作程序　170
　5.3　報表結果　174
　5.4　模式契合度評鑑結果摘要表　206
　5.5　SIMPLIS報表　208
　5.6　多因素直交模式　213
第六章　探索性因素分析與驗證性因素分析　227
　6.1　探索性因素分析　231
　6.2　「激勵策略量表」驗證性因素分析的應用　244
第七章　二階驗證性因素分析　283
　7.1　研究問題　286
　7.2　語法程式　286
　7.3　結果報表　289
　7.4　模式的修正　304
第八章　觀察變項之徑路分析　317
　8.1　企業組織員工工作滿意的因果模式　324
　8.2　多元迴歸與徑路係數考驗　345
　8.3　飽和模式的路徑分析　360
第九章　結構方程模式的檢驗　371
　9.1　研究問題　373
　9.2　語法程式　375
　9.3　結果報表　378
第十章　可逆模式與相等化限制之結構模式分析　397
　10.1　工作滿意Ａ理論模式圖　399
　10.2　工作滿意Ｂ理論模式圖　410
　10.3　互惠效果模式　417
　10.4　路徑相等化限制模式　422
　10.5　等化模型的應用範例　427
第十一章　潛在變項路徑分析與多群組樣本分析　451
　11.1　潛在變項的路徑分析　453
　11.2　調節模式之路徑分析　467
　11.3　多群組樣本測量模式分析　487
第十二章　畫圖法與PRELIS資料檔的應用　501
　12.1　資料檔的匯入　503
　12.2　因果模式圖的繪製[一]　530
　12.3　因果模式圖的繪製[二]　539
　12.4　匯入Excel檔案或Access檔案　545
　12.5　SIMPLIS Project的簡化操作──一階三因素CFA為例　551
　12.6　SIMPLIS Project的簡化操作──SEM為例　567
第十三章　SIMPLIS專案語法應用　583
　13.1　假設因果模式圖的驗證　589
　13.2　SIMPLIS基本語法檔建立　594
　13.3　不適切的模式修正　618
　13.4　合理模式的修正　627
參考書目　643
試閱之1
試閱之2


Python量
化研究實作：D
eepnote
雲端平台應用
SPSS操作與
應用：問卷統計
分析實務（附資
料檔）
結構方程模型分
析：JASP的
運用
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
投影片((外加))

若要索取未隨書附送(外加)且未於此提供下載的教學資源，請詳洽業務人員(02-27055066#824)(僅提供教師使用)

結構方程模式一詞與「LISREL」統計應用軟體密不可分，「LISREL」是線性結構關係（LInear Structural RELationships）的縮寫，就技術層面而言，「LISREL」是由統計學者Karl G. Joreskog與Dag Sorbom二人結合矩陣模式的分析技巧，用以處理共變數結構分析的一套電腦程式。由於這個程式與共變數結構模型（covariance structure models）十分近似，所以之後學者便將共變數結構模型稱之為LISREL模型。共變數結構模型使用非常廣泛，包括經濟、行銷、心理及社會學，它們被應用於在探討問卷調查或實驗性的資料，包括橫向式的研究及縱貫式的研究設計。共變數結構分析是一種多變量統計技巧，在許多多變量統計的書籍中，均納入結構方程模型的理論與實務於其書中。此種共變數結構分析結合了（驗證性）因素分析與經濟計量模式的技巧，用於分析潛在變項（latent variables）（無法觀察變項或理論變項）間的假設關係，上述潛在變項可被顯性指標（manifest indicators）（觀察指標或實證指標）所測量。一個完整的共變數結構模型包含二個次模型：測量模型（measurement model）與結構模型（structural model），測量模型描述的是潛在變項如何被相對應的顯性指標所測量或概念化（operationalized）；而結構模型指的是潛在變項之間的關係，及模型中其他變項無法解釋的變異量部分。共變數結構分析本質上是一種驗證式的模型分析，它試圖利用研究者所搜集的實證資料來確認假設的潛在變項間的關係，與潛在變項與顯性指標的一致性程度，此種驗證或考驗就是在比較研究者所提的假設模型隱含的共變數矩陣與實際搜集資料導出的共變數矩陣之間的差異。此種分析的型態是利用到共變數矩陣來進行模型的統合分析，而非使用輸入之個別的觀察值進行獨立式的分析，共變數結構模型是一種漸進式的方法學，與其他推論統計有很大的差別（Diamantopoulos & Siguaw, 2000）。由於LISREL能夠同時處理顯性指標（觀察變項）與潛在變項的問題，進行個別參數的估計、顯著性檢定與整體假設模型契合度的考驗，加上其視窗版人性化操作界面，使得其應用普及率愈來愈高，LISREL一詞逐漸與結構方程模式劃上等號。
結構方程模式（structural equation modeling；簡稱SEM），有學者也把它稱為「潛在變項模式」（latent variable models；簡稱LVM）（Moustaki et al., 2004）。結構方程模式早期稱為「線性結構關係模式」（linear structural relationship model）、「共變數結構分析」（covariance structure analysis）、「潛在變數分析」（latent variable analysis）、「驗證性因素分析」（confirmatory factor analysis）、「簡單的LISREL分析」（Hair et al., 1998）。通常結構方程模式被歸類於高等統計學範疇中，屬於「多變量統計」（multivariate statistics）的一環，它整合了「因素分析」（factor analysis）與「路徑分析」（path analysis）二種統計方法，同時檢定模式中包含了顯性變項、潛在變項、干擾或誤差變項（disturbance variables/error variables）間的關係，進而獲得自變項對依變項影響的直接效果（direct effects）、間接效果（indirect effects）或總效果（total effects）。
1.1　結構方程模式的特性
SEM或LVM是一個結構方程式的體系，其方程式中包含隨機變項（random variables）、結構參數（structural parameters）、以及有時亦包含非隨機變項（nonrandom variables）。隨機變項包含三種類型：觀察變項（observed variables）、潛在變項（latent variables）、以及干擾／誤差變項（disturbance/error variables），因而學者Bollen與Long（1993）明確指出：「SEM是經濟計量、社會計量與心理計量被發展過程的合成物」，其二者認為：SEM大受吸引的關鍵來自於它們本身的普及性，就像在經濟計量中，SEM可允許同時考量到許多內衍變項（endogenous variables）的方程式，不像大多數的經濟計量方法，SEM也允許外衍變項（exogenous variables）與內衍變項之測量誤差或殘差項的存在。就如在心理計量以及相關性的社會計量中被發展出來的因素分析（factor analysis），SEM允許多數潛在變項指標存在，並且可評估其信度與效度。除此之外，SEM比傳統的因素分析結構給予更多普遍性的測量模式，並且能夠使研究者專一的規劃出潛在變項之間的關係（此關係在SEM分析中，稱為結構模式）（周子敬，民95）。
傳統上，使用探索性因素分析可以求得測驗量表所包含的共同特質或抽象構念，但此種建立建構效度的因素分析有以下的限制：�●�驗的個別項目只能被分配至一個共同因素，並只有一個因素負荷量，如果一個測驗題項與二個或二個以上的因素構念間有關，因素分析就無法處理；�╪@同因素與共同因素之間的關係必須是全有（多因素斜交）或全無（多因素直交），即共同因素間不是完全沒有關係就是完全相關；�ㄕ]素分析假定測驗題項與測驗題項之間的誤差是沒有相關的，但事實，在行為及社會科學領域中，許多測驗的題項與題項之間的誤差來源是相似的，也就是測驗題項間的誤差間具有共變關係。相對於以上因素分析的這些問題，採用結構方程模式就具有以下優點（黃芳銘，民93）：
�‘i檢定個別測驗題項的測量誤差，並且將測量誤差從題項的變異量中抽離出來，使得因素負荷量具有較高的精確度。
�╱膍s者可根據相關理論文獻或經驗法則，預先決定個別測驗題項是屬於哪個共同因素，或置於哪幾個共同因素中，亦即，在測驗量表中的每個題項可以同時分屬於不同的共同因素，並可設定一個固定的因素負荷量，或將數個題項的因素負荷量設定為相等。
�ㄔi根據相關理論文獻或經驗法則，設定某些共同因素之間是具有相關，還是不具有相關存在，甚至於將這些共同因素間的相關設定相等的關係。
�丰i對整體共同因素的模式進行統計上的評估，以瞭解理論所建構的共同因素模式與研究者實際取樣蒐集的資料間是否契合，即可以進行整個假設模式適配度的考驗。故結構方程模式可說是一種「理論模式檢定」（theory-testing）的統計方法。
結構方程模式有時也以「共變結構分析」（covariance structure analysis）或「共變結構模式」（covariance structure modeling ）等名詞出現，不論是使用何種名詞，結構方程模式具有以下幾個特性（邱皓政，民94）：
SEM具有理論先驗性