結構方程模型分析實務: SPSS與SmartPLS的運用
| 作者 | 陳寬裕 |
|---|---|
| 出版社 | 五南圖書出版股份有限公司 |
| 商品描述 | 結構方程模型分析實務: SPSS與SmartPLS的運用：◎透過書中實際的論文範例，理解結構方程模型的基本概念，並學會運用SmartPLS執行結構方程模型分析的過程。◎可做為「應用統 |
內容簡介
內容簡介 ◎透過書中實際的論文範例，理解結構方程模型的基本概念，並學會運用SmartPLS執行結構方程模型分析的過程。◎可做為「應用統計學」、「高階統計學」等課程之教材；適用於專題研究、學術論文寫作之指引。◎附範例、習題，方便授課教師驗收學生學習成果。◎所有範例皆附教學影音檔，促進讀者學習效率，減輕授課教師負擔。結構方程模型（Structural Equation Model,SEM）結合了傳統統計學上的因素分析與路徑分析技術，是一種運用統計學中的假設檢定方法對有關現象的內在結構理論，進行分析的一種統計方法。本書以實務面學習結構方程模型分析的初衷而編寫。期盼有心學習結構方程模型分析的研究者能更簡單、更有效率的理解其概念，並運用於實際的論文研究中。相信對於初次接觸結構方程模型的初學者而言，皆能透過書中實際的論文範例而理解結構方程模型的基本概念，並學會運用SmartPLS執行結構方程模型分析的過程。 內容的編排上，於每一統計方法先簡略闡述其基本概念與理論，然後介紹該方法的功能與應用，最後透過範例介紹怎樣去做。對於想快速入門的讀者，可先從範例部分開始掌握基本的資料處理和分析技巧，而後讀者若有興趣可以再專研其理論部分。
作者介紹
作者介紹 ■作者簡介陳寬裕現職：屏東科技大學 休閒運動健康系 教授學歷：長榮大學 經營管理研究所 博士嘉義大學 觀光休閒研究所 博士班清華大學 工業工程研究所 碩士臺灣大學 大氣科學系 學士著作：《應用統計分析：SPSS的運用》《論文統計分析實務：SPSS與AMOS的運用》《結構方程模型：運用AMOS分析》《結構方程模型分析實務：SPSS與SmartPLS的運用》Email: pf.kuan.yu.chen@gmail.com
產品目錄
產品目錄 自 序使用本書前第一章 問卷資料檔的建立1-1 李克特量表1-2 範例問卷的結構1-3 製作問卷的編碼格式表1-4 將Excel資料檔匯入至SPSS第一章習題第二章 資料的編輯和轉換2-1 資料常態性的檢測2-2 離群值檢測2-3 橫向計算2-4 反向題重新計分2-5 資料分組2-6 計算分組平均數第二章習題第三章 基本統計分析3-1 製作基本資料分析表3-2 描述性統計資料3-3 標準化值第三章習題第四章 信度分析4-1 信度簡介4-2 測量信度的方法4-3 以信度分析刪除不適切題項4-4 求取構面的信度第四章習題第五章 效度與探索性因素分析5-1 效度的意義與種類5-2 探索性因素分析的意義5-3 因素分析的數學模型5-4 因素分析的相關概念5-5 因素分析的基本步驟5-6 以因素分析法進行項目分析5-7 評估初步的建構效度5-8 共同方法變異5-9 有關因素分析的忠告第五章習題第六章 相關分析6-1 相關分析的前提假設6-2 相關係數的計算6-3 相關分析的範例6-4 收斂效度與區別效度的檢測6-5 偏相關分析第六章習題第七章 平均數的差異性比較7-1 推論統計與參數檢定7-2 參數之假設檢定7-3 兩個獨立樣本之平均值比較7-4 單因子變異數分析的基本概念7-5 單因子變異數分析的基本步驟7-6 單因子變異數分析範例第七章習題第八章 項目分析8-1 項目分析的執行策略8-2 遺漏值數量評估法8-3 描述性統計評估法8-4 內部一致性效標法（極端組檢驗法）8-5 項目分析彙整第八章習題第九章 統計方法的演進9-1 線性迴歸模型9-2 因素分析9-3 路徑分析9-4 結構方程模型的產生第十章 結構方程模型簡介10-1 結構方程模型的基本概念10-2 PLS-SEM簡介10-3 PLS-SEM與CB-SEM的差異10-4 使用PLS-SEM時的考量10-5 反映性與形成性10-6 應用PLS的步驟第十一章 SmartPLS基本操作11-1 SmartPLS簡介與安裝11-2 SmartPLS 3的主視窗11-3 利用SmartPLS 3建立模型11-4 PLS Algorithm參數估計方法的設定11-5 PLS Algorithm的執行結果11-6 執行Bootstrapping功能11-7 Bootstrapping的執行結果第十二章 評鑑反映性測量模型12-1 反映性測量模型評鑑12-2 評鑑反映性測量模型第十三章 評鑑形成性測量模型13-1 範例模型簡介13-2 繪製模型圖13-3 形成性測量模型評鑑第十四章 評鑑結構模型14-1 評鑑結構模型簡介14-2 結構模型的共線性診斷14-3 路徑係數之顯著性檢定14-4 評估決定係數（R2值）14-5 評估效果值 f 214-6 評估預測相關性Q214-7 評估整體模型配適度14-8 評鑑結構模型第十五章 高階模型評鑑15-1 階層成分模型簡介15-2 執行階層成分模型的方法15-3 範例模型簡介15-4 以重複指標法建立HCM模型15-5 以兩階段法建立HCM模型第十六章 中介效果的檢驗16-1 中介效果簡介16-2 檢驗中介效果的方法16-3 本章範例模型介紹16-4 檢驗中介效果的範例第十七章 干擾效果的檢驗17-1 干擾效果簡介17-2 本章範例模型介紹17-3 連續型干擾效果17-4 類別型干擾效果17-5 多群組分析參考文獻附錄一 品牌形象、知覺價值對品牌忠誠度關係之研究二 遊客體驗、旅遊意象與重遊意願關係之研究三 景觀咖啡廳商店意象、知覺價值、忠誠度與轉換成本的關係四 電信業服務品質問卷五 澎湖休閒漁業觀光意象原始問卷六 醫院服務品質問卷
商品規格
| 書名 / | 結構方程模型分析實務: SPSS與SmartPLS的運用 |
|---|---|
| 作者 / | 陳寬裕 |
| 簡介 / | 結構方程模型分析實務: SPSS與SmartPLS的運用：◎透過書中實際的論文範例，理解結構方程模型的基本概念，並學會運用SmartPLS執行結構方程模型分析的過程。◎可做為「應用統 |
| 出版社 / | 五南圖書出版股份有限公司 |
| ISBN13 / | 9789571198866 |
| ISBN10 / | 9571198862 |
| EAN / | 9789571198866 |
| 誠品26碼 / | 2681663362001 |
| 頁數 / | 536 |
| 開數 / | 16K |
| 注音版 / | 否 |
| 裝訂 / | P:平裝 |
| 語言 / | 1:中文 繁體 |
| 級別 / | N:無 |
最佳賣點
最佳賣點 : ■透過書中實際的論文範例，理解結構方程模型的基本概念，並學會運用SmartPLS執行結構方程模型分析的過程。
■ 可做為「應用統計學」、「高階統計學」等課程之教材；適用於專題研究、學術論文寫作之指引。
■ 附範例、習題，方便授課教師驗收學生學習成果。
■ 所有範例皆附教學影音檔，促進讀者學習效率
試閱文字
自序 : 結構方程模型（structural equation model, SEM）結合了傳統統計學上的因素分析與路徑分析技術，是一種運用假設檢定技術，而對有關現象的內在結構理論，進行分析的一種統計方法。結構方程模型除了可以處理觀察變數與潛在變數以及各潛在變數之間的關係外，同時也考慮了誤差變數的問題。而一般我們所常用的統計方法如迴歸分析、主成分分析、因素分析、路徑分析及變異數分析等，其實都可看成是結構方程模型的特例。因而，結構方程模型的本質上即都具有上述統計方法所無法比擬的優點。也正因為如此，近年來，結構方程模型在心理學、教育學、管理學以及行為科學等領域中，都能被廣泛的應用。
回顧過去幾年，個人在學習與運用結構方程模型的過程中，遭遇到不少困境，也因而走了不少冤枉路。有鑑於此，後學本著從實務面學習結構方程模型分析的初衷，而編寫本書。期盼有心學習結構方程模型分析的研究者能更簡單、更有效率的理解其概念並運用於實際的論文研究中。相信對於初次接觸結構方程模型的初學者而言，皆能透過書中實際的論文範例而理解結構方程模型的基本概念並學會運用SmartPLS執行結構方程模型分析的過程。
過往，以共變數為基礎的結構方程模型（CB-SEM）發展已相當成熟（運用Amos、Lisrel、EQS等軟體來執行），且應用在許多科學領域，大眾較為熟悉。但CB-SEM在實務應用時仍有許多的限制（如常態性要求、須大樣本等），故近期有不少研究者紛紛改用PLS-SEM來發展、驗證模型（以SmartPLS軟體執行），且似有後浪推前浪之勢。因此本書也將聚焦於偏最小平方法結構方程模型（PLS-SEM）的原理與運算、統計特性與應用，以及其優勢和限制。
本書特別適用於需進行學術論文寫作或個案專題者，另外亦非常適合於教學單位授課時使用。其內容幾乎涵蓋了一般論文或專題中，運用結構方程模型時，所需用到的各種分析方式，諸如：收斂效度檢驗、區別效度檢驗、潛在變數的路徑分析、中介變數檢驗、多群組結構方程模型分析與干擾變數檢驗等。而且書中幾乎所有的範例都是實際碩士論文的原始資料與分析結果，期盼讓讀者能身歷其境，融入研究之情境中。本書得以順利出版，首先感謝五南圖書公司的鼎力支持與協助，其次感謝對我容忍有加的家人以及默默協助我的同事、學生。由於編寫時間倉促、後學水準亦有限，錯誤之處，在所難免，敬請批評指正，後學不勝感激！
陳寬裕
謹識於 屏東科技大學休閒運動健康系
pf.kuan.yu.chen@gmail.com
2018年7月
試閱文字
內文 : 基本上，資料輸入完成後，即可以利用SPSS所提供的各種統計功能，依研究者的需求進行統計分析了。但有些時候，由於沒有按照實際研究需求進行抽樣，或在資料分析過程中，研究者為了達到特定的目的需求，往往須要利用既有的資料重新加以分類、計算、重新計分等處理後，再進行統計分析。在這樣的情況下，就需要先對原始資料進行編輯和轉換工作了。
本章內容包括：
(1) 資料常態性的檢測
(2) 離群值檢測
(3) 橫向計算
(4) 反向題重新計分
(5) 資料分組
(6) 計算分組平均數
2-1 資料常態性的檢測
很多連續性數值之統計方法的前提假設（assumption），常假定所處理的資料必須要符合常態分配（normal distribution）的特質。故在進行統計分析前，研究者應先檢測樣本資料是否可以符合此前提假設。如果不符合，則不可以使用該統計方法；而應先進行資料的轉換（transformaiton），使能符合常態分配的特質後，再進行後續的統計分析。
大多數人應該都聽過或了解「常態分配」的意思。譬如說，學生考試的結果一般都是中等成績的學生佔大多數，而考的很差或很優異的學生就佔少數。這種普遍現象，畫出來的次數曲線就像是圖2-1。這是個多麼漂亮的曲線啊！然而在數學上，他背後的函數表示方式卻是有點複雜，如式2-1。此外，「常態分配」的現象或概念似乎也常存在於我們的自然環境及人類社會中，對於這種現象，每個人或多或少都能意識到它的存在，但卻也都有不同的感受。