信效度与适配度的检验方式与研究生创新能力培养与评价研究

在进行验证性因素分析（CFA）之前，必须先经过构念与题项间的信效度分析，确定具有信效度后，再进行测量模型的适配度检核，本研究遵循下列判定准则检核各构念因素的测量模型。

1.会聚效度

会聚效度（convergent validity）指的是测量相同潜在特质的项目会落在同一个因素构面上，且项目间所测得的测量值之间具有高度的相关性。会聚效度的检验必须考虑个别观察变项的信度（individual item reliability）、潜在变项组合信度（composite reliability，CR），以及平均萃取变异（average variance extracted，AVE）等三个指标。在这三个指标皆符合标准的情况下，才能做出具有收敛效度的结论。

会聚效度的判定准则在于个别观察变项的信度大于0.50，CR值大于0.60，AVE值大于0.50。CR值越高，越能表示该变量内的各观察变项测量相同的潜在构念，也越能准确测出该潜在构念；AVE值高则表示潜在构念有好的信度与收敛效度。

2.区分效度

区分效度（discriminant validity）是指构面所代表的潜在特质与其他构面所代表的潜在特质间有低度相关或有显著的差异存在。根据Kerhnger（1986）提出的检验方法，在同一构面中，因子负荷值越大（通常为0.50以上），表示收敛效度越高；每一个项目只能在其所属的构面中，出现一个大于0.50的因子负荷值，符合这个条件的项目越多，则量表的区分效度越高。同时，Anderson与Gerbing（1988）认为区分效度可以利用将两两潜在因素作设定来进行检验。首先，将所有因素间的相关系数在不做任何限制之下，求得一χ2值与自由度（未限制模式）。其次，再将两两因素间的相关系数设定为1之下求得另一χ2值与自由度（限制模式）。最后，将两模式的值相减求χ2值的差值，若χ2差值达到显著水平，则表示两个因素的解释性会比单一因素更好，代表两个因素具有区分效度。

3.适配度检核方式

欲判断理论模型与搜集的数据是否相互适配，可运用模型适配度指标来检核。对于模型适配度的检核指标，学者们主张各异，但以Bogozzi和Yi（1988）与Hair等人（1998）的论点较为周密，其主张假设模型与实际资料是否契合，须同时考虑三方面：基本适配度指标（preliminary fit criteria）、整体模型适配度指标（overall model fit）和模型内在结构适配度指标（fit of internal structure of model）[5]。指标内容详述如下。

（1）基本适配度指标

在进行整体模型适配度估计之前，研究者须先检验模型是否违反估计，查核参数估计的合理性。通常认为模型应当符合下列五个标准：其一，估计参数中不能有负的误差变异数；其二，所有误差变异须达到显著水平；其三，估计参数统计量彼此间相关的绝对值不能太接近1；其四，潜在变项与测量指标之因素负荷量最好介于0.50至0.95之间；其五，标准误差不能太大。若符合上述标准，表示可以进行整体模型适配度估计。若模型之输出结果有违反估计的情况，必须处理，否则随后的结论定是无效的。

（2）整体模型适配度指标

整体模型适配度指标，是属于模型外在质量的检验，通过整体模型适配度的检定，表示模型整体上具有效度。Hair等人（1998）主张将整体模型适配度评估分为三类：绝对适配度测量（absolute fit measurement）、增值适配度测量（incremental fit measurement）及简约适配度测量。(www.xing528.com)

绝对适配度测量指标主要以卡方值（χ2）显著与否为标准，χ2值愈小，表示整体模型之因果路径图与实际资料愈适配，当χ2值为0时，表示假设模型与观察数据十分适配。但χ2值易受估计参数及样本数影响，当估计的参数愈多时，影响假设模型的变因愈多，假设模型适配度不佳的情形会愈加明显；而样本数很大，几乎所有的模型都可能被拒绝，而接受对立假设。而GFI及AGFI是较不受样本数影响之指标，因此本研究以χ2值、GFI、AGFI、SRMR、RMSEA及ECVI等指标，作为模型绝对适配度评估的标准。

绝对适配度测量法是仅对整体模型的适配做评估，并没有对可能发生的过度适配（overfitting）作调整，增值适配测量法则是比较假设模型与其他研究者指定的模型，其增值适配测量指标方面，以NFI、RFI、IFI、TLI（NNFI）及CFI作为评估标准。SEM模型界定时必须依循简约原则，以较少的概念及关系来呈现较佳的理论。简约适配度测量即是比较复杂程度不同与不同目的的模型，则以PGFI、PNFI、PCFI、CN值、χ2自由度比值、AIC及CAIC等值作为评估标准。

（3）模型内在结构适配度指标

模型内在结构适配度指标，属于模型内在质量的检核，其评鉴应包括两方面，一是测量指标的评鉴；二是结构模型的评鉴。前者所关注的是潜在变项可否有效反映相对应的潜在变项，目的在于了解潜在构念的信度、效度问题，后者则评鉴理论建构阶段所界定的因果关系是否成立。本研究以Bogozzi和Yi（1988）所提出的检核标准为参考依据，来判断模型之内在质量[6]：

第一，个别观察变项的项目信度（R）在0.50以上，亦即标准化系数（λ值，因素负荷量）应等于或大于0.71。

第二，潜在变项的组合信度（composite reliability）在0.60以上。组合信度即潜在变项的建构信度（construct reliability），主要是为了评鉴一组潜在构念指标一致性的程度，组合信度愈高，表示测量指标之间有高度的内在关联。Bogozzi和Yi（1988）采用较低标准，认为组合信度0.60以上，即表示潜在变项的组合信度良好，但Hair等人（1998）则认为组合信度达0.70才呈现较佳的组合信度。

第三，潜在变项的平均变异数抽取量在0.50以上。潜在变项的平均变异数抽取量代表相较于测量误差变异量的大小，潜在变项构念所能解释观察变项变异量的程度。

第四，所有参数统计量的估计值均达到显著水平（t值绝对值＞1.96或p＜0.05）。

第五，标准化残差的绝对值小于2.58（或3）。

第六，修正指标小于3.8 4，在AMOS操作中内定的修正指标值界限为4.0 0。研究者应衡量理论基础来进行模型的修改，而不能单纯以修正指标的数据为导向。换句话说，修正的模型应是合理且可解释的，并以理论为依归，否则容易受资料的牵制而无法推论到其他样本。