張老師您好:
想請教您幾個問題:
1.若是模型中的卡方P值小於0.05(p=0.000),但其他配適度的值皆符合規定， 這樣這個model是否可以接受? 如何解釋P值小於0.05? 因為我看您的講義上寫是要大於0.05才可以接受此模型!!
2. P值在SEM中會扮演很重要的角色嗎?若是在研究結果不解釋它或是不提到它，這樣是OK的嗎?
張偉豪老師解答
SEM的分析是屬於大樣本的分析法，因此很可能造成卡方值膨脹，而導致拒絕H0的結果。一般大概只要超過200個樣本，P值就很難不顯著了。因為卡方值是樣本數的函數。
P值不顯著表示接受H0假設，表示模型與樣本配適度佳。P值不顯著是個理想狀況，但實際上並不實用。因此會以其他的配適度指標,如GFI, AGFI, CFI, IFI,RMSEA,SRMR,卡方/自由度等協助判斷模型是否配適，所以只要各種配適度不差，即可證明您的模型是OK的。
張老師您好
我有關CFA統計問題請教您：我有一份問卷資料用CFA分析時，.有一半的題目的factor loading低於0.5，但是模型配適度相關指標χ2/ df 、GFI 、NFI、RMSEA卻在可接受的範圍，怎麼會有這樣情形？您有何建議？
張偉豪老師解答:
題目的factor loading不高，但是模型配適度在可接受的範圍，這是很正常的現象。
一般而言，模型配適度好通常會發生在兩種情形:
1.模型與樣本資料非常適配
2.當模型中大部份的變數之間皮爾森相關都不高時，如小於0.3以下
看起來您的情形屬於第二種情形。
因為SEM是用共變異數(相關)矩陣作為計算的資料，而假設模型一定有某些變數之間的關係是設為0的(不拉相關的線，程式會自動設為0)。如果變數之間的相關本來就不高，那模型又假設不相關，那差異就不會很大，因此卡方差異值就不會過度膨脹，模型配適度就會好。所以當loadings低時，反而可能得到不錯的模型配適度。
你可以試著跑一下相關分析，看看相關是否都不太高就可以了解。
一般而言，構面的題目相關應該要比較高（符合收斂效度），不同構面之間的題目相關較低（符合區別效度）。因素負荷量低，表示構面信度不足，亦即cronbach’s alpha不好。通常如果不是題目設計不良，就是樣本的調查有問題。但這兩個問題都無法藉由統計方法來修正。
不知道您的樣本有多大?如果樣本夠大也許可以藉由刪除某些不適當的樣本，來增加一些信度。
張偉豪老師好:
如果樣本來自於三種不同的人士所填寫，是不是要做交叉效度?
張偉豪老師解答
如果樣本來自於三種不同的人士所填寫，您要做的不是交叉效度，而是群組比較，交叉效度應用於樣本的隨機分群比較多。除非您是先用某一群樣本建模，想要了解另兩群是否同樣適用於此一模型，此時才是要做交叉效度。
老師您好:
我想請問如果標準化係數大於1該怎麼處理呢？
還有標準化係數是負的是代表變項之間呈現負向的關係嗎?
張偉豪老師解答
標準化係數大於1表示您至少有兩個或兩個自變數以上，他們的自變數相關過高(共線性) ，
一般0.75就算很高了。處理的方法有兩種：
1. 將相關過高的兩個自變數設成等同。
2. 找一個更高階的共同因素，亦即形成二階模型也可以。
標準化係數為負是代表自變數與應變數之間呈現負向的關係，如滿意度愈高，抱怨愈少。然而前提是，這個負向關係不是共線性所造成的假性相關。
張偉豪老師好:
近日利用AMOS處理資料時，在做CFA時發現樣本Outliers的Observations farthest from the centroid (Mahalanobis distance)很大，如97。想請教您Observations farthest from the centroid (Mahalanobis distance)這個數值多少以上的要刪除此樣本？或看報表後面第一個P值，是不是指要小於.05就要去除該樣本？
張偉豪老師解答
Outliers的判定:
1.先看p2這一行的值是否小於0.001，如果有只是表示Mahalanobis distance是存在的。
2.要判定該case是否為Outlier，要看該case的的值是否與下面其他cases之間的距離是否有明顯的差距。
例如：老師例子為97，那第二個又是多少呢? 假設第二個值為50，第二個為48，繼續下去都差不多，那97的case就可能是Outlier。如果97之後是90，再來是88, 87…,，那97就可能不是Outlier。
什麼樣的差距稱為有夠大，並沒有一定的標準，完全看研究者自由心證。
