Before performing the structural eq

Before performing the structural equation modeling (SEM) procedure, a CFA was used to determine if the proposed measurement model specified the posited relationships of the observed variables to the latent constructs. A second-order factor structure was used for nostalgia to explore the tree-like factor structure where the factors of one stage become variables of another. Results of the CFA revealed an acceptable model fit with the exception of the chi-square test, χ2(336) = 602, p < .001. However, since the chi-square test is sensitive to larger sample sizes, other model fit indices have been suggested to provide better evaluation of model fit (Bentler 1990). Since the other goodness-of-fit indices were good, GFI = .94 (good if greater than .90), TLI = .93 (good if greater than .90), CFI = .94 (good if greater than .90), RMSEA = .05 (good if less than .05) (Hair et al. 2010; Marsh, Hau, and Wen 2004), the model fit was deemed to have satisfactory fit. Construct reliability was evaluated by estimating composite construct reliability (CCR) (Hair et al. 2010). Since all constructs had CCR values greater than the criterion (.70), the measures were deemed reliable (Fornell and Larcker 1981; Hair et al. 2010). Validity was tested by examining the t-values between each construct and their latent variable and the average variance extracted (AVE) for each construct. All 28 items in the measurement model had significant (p < .05) t-values on their respective latent constructs, which suggests the measurement scales for each construct had a high level of convergent and construct validity. In addition, the AVE values for each construct were greater than .50, suggesting a high level of convergent validity. Discriminant validity shows the extent to which a given construct differs from other constructs (Hair et al. 2010). One way to evaluate discriminant validity is to determine if the AVE values for each construct are greater than the squared correlations between the construct and all other constructs (Fornell and Larcker 1981). Since the AVE values were all greater than the squared correlations, the measurement model was also deemed to demonstrate good discriminant validity. The results are indicated in Table 3.

結果 (繁體中文) 1:

進行結構方程模型（SEM）步驟之前，一個CFA被用於確定如果所提議的測量模型中指定的觀測變量的在潛構建體的假定的關係。使用二階因子結構懷舊探索樹樣因子的結構，其中一個級的因素成為另一個變量。所述CFA的結果表明可接受的模型擬合與卡方檢驗外，χ2（336）= 602，P <0.001。然而，由於卡方檢驗是較大的樣本量敏感，其它模型擬合指數已經被建議，以提供模型擬合的更好的評估（特勒1990）。由於其它擬合優度-指數良好，GFI = 0.94（好，如果大於0.90），TLI = 0.93（好，如果大於0.90），CFI = 0.94（好，如果大於0.90） ，RMSEA =。05（如果小於0.05好）（頭髮等，2010;達信，孝，和2004年文），該模型擬合被視為具有滿意的契合。構建可靠性通過估計複合構造可靠性（CCR）（髮型等人，2010）來評價。由於所有構建體具有CCR值比標準（0.70）時，被認為措施可靠（福內利和拉克爾1981;頭髮等，2010）。有效性是由每個構建體和它們的潛變量以及對於每個構建體中提取的平均方差（AVE）之間檢查t值測試。在測量模型中的所有28個項目上它們各自的潛構建體具有顯著（P <0.05）t值，這表明對於每個構建體中的測量尺度過會聚和建構效度的較高水平。此外，對於每一個構建體中的AVE值超過0.50是更大的，這表明收斂效度的較高水平。區別效度顯示在何種程度上從其他構建給定的構建體不同（頭髮等人，2010）。評估區分效度的一種方法是，以確定是否每個構建的AVE值比結構和所有其他結構之間的平方相關性更大
（福內利和拉克爾1981）。由於AVE值均大於平方的相關性，測量模型也被認為表現出良好的判別效度。結果列於表3中。

結果 (繁體中文) 2:

在執行結構方程建模 （SEM） 過程之前，使用 CFA 來確定建議的測量模型是否指定觀測變數與潛在構造的假定關係。懷舊使用二階因數結構來探索樹狀因數結構，其中一個階段的因數成為另一個階段的變數。CFA 的結果顯示，除了奇方測試（+2（336） = 602、p = .001 外，一個可接受的模型適合。然而，由於氣方測試對較大的樣本大小很敏感，因此建議採用其他模型擬合指數，以便更好地評估模型擬合度（Bentler 1990）。由於其他良好度指數良好，GFI = .94（如果大於 .90，則為 0.93），TLI = .93（如果大於 .90，則為 0.94（如果大於 .90，則為 .94），RMSEA = .05（如果小於 .05 良好）（Hair 等人，2010 年;馬什，豪和文2004年），模型適合被認為是令人滿意的適合。通過估算複合結構可靠性（CCR）（Hair等人，2010年）來評估結構可靠性。由於所有構造的 CCR 值都大於標準 （.70），因此測量值被認為是可靠的（Fornell 和 Larcker 1981;頭髮等人，2010年）。通過檢查每個構造及其潛在變數之間的 t 值以及每個構造提取的平均方差 （AVE） 來測試有效性。測量模型中所有 28 個專案在各自的潛在構造上均具有顯著 （p = .05） t 值，這表明每個構造的測量尺度具有較高的收斂度和構造有效性。此外，每個構造的 AVE 值大於 .50，表明收斂有效性較高。區分有效性顯示給定構造與其他構造的不同程度（Hair等人，2010 年）。評估區分有效性的一種方法是確定每個構造的 AVE 值是否大於構造和所有其他構造之間的平方相關性
（福內爾和拉克爾1981年）。由於 AVE 值都大於平方相關性，因此測量模型也被認為具有良好的鑒別有效性。結果在表 3 中顯示。

結果 (繁體中文) 3:

在執行結構方程建模（SEM）程式之前，使用CFA來確定所提出的量測模型是否指定了觀測變數與潜在結構的位置關係。採用二階因數結構進行懷舊，探索一個階段的因數成為另一個階段變數的樹狀因數結構。CFA結果顯示，除卡方檢驗外，模型符合率為可接受，χ2（336）=602，p<0.001。但是，由於卡方檢驗對較大樣本量敏感，囙此建議採用其他模型擬合指數來更好地評估模型擬合（Bentler 1990）。由於其他擬合優度指數良好，GFI=0.94（大於0.90為好），TLI=0.93（大於0.90為好），CFI=0.94（大於0.90為好），RMSEA=0.05（小於0.05為好）（Hair等。2010年；Marsh、Hau和Wen，2004年），模型擬合被認為具有令人滿意的擬合。通過評估複合結構可靠性（CCR）評估結構可靠性（Hair等人。2010年）。由於所有結構的CCR值都大於標準（.70），囙此這些量測被認為是可靠的（Fornell和Larcker 1981；Hair等人。2010年）。通過檢測每個結構及其潜在變數之間的t值和每個結構的平均方差（AVE）來檢驗有效性。量測模型中的28個項目在各自的潜在結構上都有顯著的t值（p<0.05），這表明每個結構的量測量表具有較高的收斂性和結構效度。此外，每個構念的平均值均大於0.50，顯示出較高的收斂效度。判別有效性顯示了給定結構與其他結構的不同程度（Hair等人。2010年）。評估判別有效性的一種方法是確定每個結構的AVE值是否大於該結構與所有其他結構之間的平方相關性
（Fornell和Larcker 1981）。由於AVE值均大於平方相關，該量測模型也被認為具有良好的判別效度。結果見錶3。