Table 2. Fit Indices for Measuremen

Table 2. Fit Indices for Measurement Model and Structural Model
The hypotheses presented in Figure 1 were tested simultaneously using structural equation modeling (SEM) via LISREL 8.72 (Jöreskog and Sörbom 2001). The modeling was undertaken by deploying covariance matrix and the maximum likelihood estimation procedure.
Table 2 presents the model fit measured using the chi-square statistic (c2), the root mean square error of approximation (RMSEA), the goodness of fit index (GFI), the non-normed fit index (NNFI) and the comparative fit index (CFI). Significant results of the chi-square statistic imply that the model was not acceptable. However, as the chi-square statistic is highly dependent on sample size, the fit of models estimated with large samples is often difficult to assess. Thus, caution needs to be exercised in its application and fit indices have been developed to address this problem (Diamantopoulos and Siguaw 2000; Ullman and Bentler 2004). The root mean square error of approximation (RMSEA) is usually regarded as the most informative of the fit indices. Values less than .05 are indicative of good fit, and between .05 and under .08 of reasonable fit (Browne and Cudeck 1993; MacCallum, Browne, and Sugawara 1996). Thus, as seen in Table 2, the model fit is reasonable, as RMSEA does not exceed .08.
The goodness of fit index (GFI) is an absolute fit index, which means that it assesses how well the covariances predicted from the parameter estimates reproduce the sample covariances. Here values greater than .90 reflect acceptable fit (Diamantopoulos and Siguaw 2000), as reflected in the GFI values shown in Table 2.
The last two of the fit measures are relative fit indices, which show how much better the model fits compared to a baseline

ผลลัพธ์ (ไทย) 1:

ตารางที่ 2 ดัชนีเหมาะสำหรับรูปแบบการวัดและรูปแบบโครงสร้าง
สมมติฐานที่นำเสนอในรูปที่ 1 ได้มีการทดสอบพร้อมกันโดยใช้การสร้างแบบจำลองสมการโครงสร้าง (SEM) ผ่านทางลิสเรล 8.72 (jöreskogและsörbom 2001) การสร้างแบบจำลองได้รับการดำเนินการโดยใช้เมทริกซ์ความแปรปรวนร่วมและขั้นตอนการประเมินความน่าจะเป็นสูงสุด.
2 ตารางที่มีการจัดรูปแบบที่เหมาะสมกับวัดโดยใช้สถิติไคสแควร์ (c2)รากหมายถึงข้อผิดพลาดที่สองของการประมาณ (rmsea) ความดีของดัชนีพอดี (GFI) ดัชนีที่ไม่พอดีกับเกณฑ์ (nnfi) และดัชนีพอดีเปรียบเทียบ (CFI) ผลอย่างมีนัยสำคัญทางสถิติไคสแควร์หมายความว่ารูปแบบเป็นที่ยอมรับไม่ได้ แต่เป็นสถิติไคสแควร์เป็นอย่างสูงที่ขึ้นอยู่กับขนาดของกลุ่มตัวอย่างพอดีของรูปแบบที่คาดกันกับกลุ่มตัวอย่างขนาดใหญ่มักจะเป็นเรื่องยากที่จะประเมินจึงระมัดระวังที่จะต้องใช้ในการประยุกต์ใช้และดัชนีพอดีได้รับการพัฒนาเพื่อแก้ไขปัญหานี้ (diamantopoulos และ siguaw 2000; Ullman และ BENTLER 2004) รากหมายถึงข้อผิดพลาดที่สองของการประมาณ (rmsea) ได้รับการยกย่องมักจะเป็นข้อมูลมากที่สุดของดัชนีพอดี ค่าน้อยกว่า .05 จะบอกเล่าของแบบที่ดีและระหว่าง .05 และอยู่ภายใต้08 พอดีเหมาะสม (บราวน์และ cudeck 1993; MacCallum, บราวน์และ Sugawara 1996) ดังนั้นเท่าที่เห็นในตารางที่ 2 พอดีรูปแบบที่เหมาะสมเป็น rmsea ไม่เกิน .08.
ความดีของดัชนีพอดี (GFI) เป็นดัชนีที่เหมาะสมแน่นอนซึ่งหมายความว่าจะประเมินวิธีการที่ดีแปรปรวนร่วมทำนายได้จากพารามิเตอร์ ประมาณการการทำซ้ำแปรปรวนร่วมตัวอย่าง ที่นี่มีค่าสูงกว่า90 สะท้อนให้เห็นถึงความพอดีที่ยอมรับได้ (diamantopoulos และ siguaw 2000) ที่สะท้อนอยู่ในค่า GFI แสดงในตารางที่ 2
สองของมาตรการพอดีมีญาติดัชนีพอดีซึ่งแสดงให้เห็นวิธีการที่ดีมากเหมาะกับรูปแบบเมื่อเทียบกับพื้นฐาน

ผลลัพธ์ (ไทย) 2:

ตารางที่ 2 พอดัชนีการประเมินรูปแบบและโครงสร้าง
ทดสอบสมมุติฐานที่แสดงในรูปที่ 1 สมการโครงสร้าง (SEM) การสร้างโมเดล LISREL 8.72 (Jöreskog และ Sörbom 2001) ผ่านการใช้พร้อมกัน ดำเนินการสร้างโมเดล โดยใช้เมตริกซ์ความแปรปรวนร่วมและในความเป็นไปได้สูงสุดประมาณขั้นตอน
แสดงตารางที่ 2 ที่พอดีกับแบบที่วัดโดยใช้สถิติ chi-square (c2), ข้อผิดพลาดรากค่าเฉลี่ยกำลังสองของประมาณ (RMSEA), ความกตัญญูของดัชนีพอดี (GFI), ที่ไม่ใช่-normed พอดัชนี (NNFI) และเปรียบเทียบเหมาะสมสำหรับดัชนี (CFI) ผลลัพธ์สำคัญของสถิติ chi-square เป็นสิทธิ์แบบว่า แบบไม่ยอมรับ อย่างไรก็ตาม เป็นสถิติ chi-square สูงขึ้นอยู่กับขนาดตัวอย่าง พอดีของรูปแบบประเมินกับตัวอย่างขนาดใหญ่นั้นมักจะยากที่จะประเมิน ดังนั้น ข้อควรระวังต้องจะใช้ในโปรแกรมประยุกต์ของ และพอดัชนีได้ถูกพัฒนาขึ้นเพื่อแก้ไขปัญหานี้ (Diamantopoulos และ Siguaw 2000 Ullman ก Bentler 2004) ข้อผิดพลาดรากค่าเฉลี่ยกำลังสองของประมาณ (RMSEA) มักจะถือเป็นที่สุดข้อมูลของดัชนีพอดี ค่าน้อยกว่า.05 เป็นตัวชี้ให้เห็น พอดี และ ระหว่าง.05 และภายใต้08 พอดีสมเหตุสมผล (Browne และ Cudeck 1993 MacCallum, Browne ก Sugawara 1996) จึง ดังที่เห็นในตารางที่ 2 แบบที่เหมาะสมกับเป็นสมเหตุสมผล RMSEA ไม่เกิน. 08.
ความกตัญญูดัชนีพอดี (GFI) เป็นแน่นอนพอดีดัชนี ซึ่งหมายความ ว่า จะดำรงชีวิตอย่างไรดี covariances คาดว่า จากการประเมินพารามิเตอร์สร้าง covariances ตัวอย่าง ที่นี่ค่ามากกว่า90 สะท้อนพอยอมรับได้ (Diamantopoulos และ Siguaw 2000), เท่าค่า GFI ที่แสดงในตารางที่ 2
สองสุดท้ายวัดพอดีเป็นญาติพอดีดัชนี ซึ่งแสดงวิธีมาก พอดีกับรูปแบบเปรียบเทียบเพื่อเป็นข้อมูลพื้นฐาน

ผลลัพธ์ (ไทย) 3:

ตารางที่ 2 . ดัชนีความเหมาะสมสำหรับการวัดรุ่นและสมมติฐานโครงสร้างรุ่น
ที่นำเสนอในรูปที่ 1 รับการทดสอบพร้อมกันโดยใช้โครงสร้างการสร้างแบบจำลองสมการ(ความหมายอย่างไรต่อ)ผ่าน lisrel 8.72 ( jöreskog และ sörbom 2001 ) การสร้างแบบจำลองที่ได้ดำเนินการโดยการปรับใช้อิมเมจ Matrix Storage covariance และวิธีการประเมินผลความสูงสุด.
ตารางที่ 2 นำเสนอพอดีกับที่วัดโดยใช้ชี - Square สถิติ( C 2 )ที่รากที่หมายความว่าเกิดข้อผิดพลาดของอ ภิรมย์ ( rmsea )ความดีของดัชนี( gfi )ดัชนีไม่ใช่ normed พอดีกับที่( nnfi )และดัชนีความเหมาะสมความได้เปรียบ( CFI ) ผลการค้นหาอย่างมีนัยสำคัญทางสถิติของ CHI - Square ที่มีความหมายว่าว่ารุ่นนี้ไม่เป็นที่ยอมรับ แต่ถึงอย่างไรก็ตามยังเป็นสถิติ Chi - Square ที่เป็นที่แนะนำอย่างสูงขึ้นอยู่กับขนาดพอดีกับตัวอย่างของรูปแบบการประเมินด้วยตัวอย่างขนาดใหญ่เป็นเรื่องยากมากในการประเมินดังนั้นข้อควรระวังจะต้องใช้ในแอปพลิเคชันและดัชนีความเหมาะสมมีการพัฒนาขึ้นมาเพื่อแก้ไขปัญหานี้( diamantopoulos และ siguaw 2000 ullman และ bentler 2004 ) เกิดข้อผิดพลาดขณะ Square หมายถึงรากของอ ภิรมย์ ( rmsea )ได้รับการพิจารณาว่าเป็นข้อมูลที่มากที่สุดของดัชนีความกระชับพอดีที่โดยปกติแล้ว ค่าน้อยกว่า .05 MI เป็นตัวบ่งชี้ถึงความพอดีและระหว่าง .05 MI และตาม08 ในความเหมาะสมที่เหมาะสม(คันชีพและ cudeck 1993 maccallum คันชีพและเจ้าชาย 1996 ) ทำให้ดังที่เห็นในตารางที่ 2 พอดีกับรุ่นที่มีเหตุผลที่เป็น rmsea ไม่เกิน .08 .
ความดีของดัชนีความเหมาะสม( gfi )คือดัชนีความเหมาะสมไม่ว่าในกรณีใดๆซึ่งหมายความว่ามันจะประเมินได้อย่างดี covariances ที่คาดว่าจากงบประมาณพารามิเตอร์ที่ทำซ้ำ covariances ตัวอย่าง ที่นี่ค่ามากกว่า90 สะท้อนให้เห็นถึงความกระชับพอดีที่ยอมรับได้( diamantopoulos และ siguaw 2000 )ที่สะท้อนอยู่ในค่า gfi ที่ได้แสดงไว้ในตารางที่ 2
สุดท้ายสองของมาตรการความกระชับพอดีที่มีดัชนีความสัมพันธ์ซึ่งแสดงให้เห็นว่าดีขึ้นมากเมื่อเทียบกับรุ่นที่ใช้ได้พอดีกับพื้นฐานคือที่