?>

對資料庫進行 data1-1.xls中的五個構念的 CFA的收斂效度檢驗、組合信度、 AVE的考驗、以及區辨效度的考驗。

  • CFA

⇒Std.all皆>0.5,達到可接受的收斂效度。

  • CR組合信度

⇒Fornell and Larcker(1981)的CR建議值為0.6以上,若CR愈高,表示其觀察變數愈能測出該潛在變數。由於這五個構面皆>0.6,故皆具有一致性。

  • AVE平均變異抽取量

⇒Fornell and Larcker(1981)的AVE建議值為0.5以上,若AVE愈高,表示其潛在變數有愈高的收斂效度。然而,考量數據資料的實際面向,亦可以AVE>0.36為勉強接受之標準。

  • 區別效度檢定

⇒區別效度是為了驗證不同構面相關在統計上是否存在差異。根據Fornell and Larcker(1981),各構面間最高相關係數均小於AVE開根號值,表示本研究各構面具有良好的區別效度。

⇒由上圖可看出有90%符合(應至少75%),故各構面具有良好的區別效度。


資料來源:

收斂效度與區別效度之評估標準

臺大管理論叢VOL.30 NO.1

WEEK8 多變量分析
?>