推 resetmymind: !!感謝您的回覆!!!我大概理解您的意思了，感恩感恩 03/14 19:55
推 neperic: 補充：潛在依變項的殘差被拉上相關，代表尚有其他不是此 03/16 18:42
→ neperic: 模型關心的變項造成此兩潛在變項有相關 03/16 18:43
※ 引述《resetmymind (金剛般若波羅蜜經)》之銘言：
: 請教各位先進，
: 常常看到一些模式圖中，潛在變項或是外顯變項有兩兩相關的那種雙箭頭曲線，
: 可是，在他們解釋結果的時候，通常只說明單箭頭的因果關係，
: 兩兩相關那邊的數字就不說明，請問是為什麼呢？
: 不知道有沒有人知道我在說什麼，
: 請原諒我的敘事能力
: 謝謝大家
在結構方程模式的統計分析中，有兩大部分是最常見的，以下分述之。
第一部分為「驗證性因素分析」(Confirmatory factor analysis)
此部分主要是要確認研究工具的信效度，尤其是建構效度。
建構效度即由收斂效度（Convergent validity）
與區隔效度（Discriminant validity）所構成：
收斂效度的條件一般在文獻上可以看到的是標準化因素負荷量大於0.5（0.7以上理想）、
以及「組合信度」（Component reliability）大於0.6、
「平均變異數萃取量」（Average variance extracted）大於0.5。
區隔效度的表示方法有很多，其中有兩種會用得上潛在變數之間的相關係數，
其一是任一平均變異數萃取量的平方根之數值皆須大於任一個相關係數，
則具有區隔效度。
其二是以bootstrapping重複抽樣法計算出潛在構念之間各相關係數的標準誤，
進而求算信賴區間，只要這些信賴區間都未有包括「1」，
則具有區隔效度。
結構方程模式的第二部分通常是整體結構模型分析。
這裡是檢驗研究模型是否有良好適配度與各項研究假設是否獲得支持的關鍵步驟，
一般來說模型中或許有超過一個以上潛在自變項，
若有，則這些潛在自變項因為同時都一起影響著某個依變項，
在理論上可推論彼此之間也有所相關，
故常見分析手法是將所有潛在自變項皆以雙箭頭線條作為牽連；
當然，若研究者在先前理論推導出假設的過程中若可以鋪陳所有潛在自變項無相關，
那也是可以允許潛在自變項之間是為零相關，但此情形在社會科學少見。
以上，是根據我所看到大多數人使用結構方程模式時，
可能會估計並使用到潛在變項彼此間相關係數的情形，
或有未盡之處，可請版上其他強者補充之。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.171.163.28
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1426267652.A.9F4.html