第三章 研究方法
第四節 研究工具
本問卷量表探用李克特(Likert-type)五點量表，依受試者填寫問題之同意 程度，從「非常不同意」、「不同意」、「普通」、「同意」、「非常同意」等五個 等級，分別給予 1、2、3、4、5 的分數。分數加總後之總分數愈高，代表 受試者對各量表的同意程度愈高。
47
透由上一章文獻探討，本研究將各構面之研究變項進行操作型定義有下 列四項：人格特質、企業忠誠、職業忠誠度及離職傾向。
一、 人格特質量表
神經質和外向型人格特質從五大人格特質因素中神經質-外向性開放性 人格特質文獻中引用(NEO) (McCrae & Costa, 1987)。在文獻中證實，每個人 格特質的可靠性數據估計範圍在 0.83 和 0.63 之間(Costa & McCrae, 1992)。
表 3-1
人格特質-神經質題項一覽表
題號 人格特質-神經質題項 1. 我常常覺得自己神經緊張
2. 我是個杞人憂天的人
3. 我常因為別人對待我的方式感到生氣 4. 有時候我覺得很怨恨、憤怒
5. 當我處於極大壓力下時，我常覺得自己快要崩潰了 資料來源：本研究整理
表 3-2
人格特質-外向型題項一覽表
題號 人格特質-外向型題項 1. 我喜歡嘗試新奇的事物
2. 我很喜歡交朋友
3. 我是個活潑精力充沛的人 4. 我的好奇心很強
5. 我是個非常主動的人 資料來源：本研究整理
48
一、企業忠誠量表
本研究參考黃熾森和周素玲(1994)及周逸衡(1984)文獻設計符合本研究 主題之操作型定義共二個構面如表 3-3 所示：
本研究採用 Meyer et al. (2012)的題項，解釋企業忠誠是對企業的歸屬、
企業的個人生涯發展是與個人意願相符合（例如，“我將很樂意在本組織的 其餘部分度過餘生＂）
表 3-3
企業忠誠題項一覽表
題號 企業忠誠題項 1. 我會因為企業的名聲好而去工作
2. 我已適應公司的文化，其他企業的員工福利再好也不會去 3. 我已經把自己未來發展與目前上班的企業聯系在了一起
4. 我認為滾石不生苔，不要常換公司，技術才會成長，薪酬也會增加.
5. 對於接受單位培訓而獲得一技之長的跳槽者，我是不能認同 資料來源：本研究整理
二、職業忠誠量表
專業忠誠包括四個方面：情感承諾，持續承諾，規範承諾和理想承諾（Lu, Chiou, ＆ Chang, 2000）。
職業忠誠需要與企業忠誠或專業忠誠區分開來，其中對個人職業規劃的 議題較為狹窄(Kim & Mueller, 2011; Lee et al., 2000)。 職業忠誠與個人人格 特質有關（Hauschildt ＆ Heinemann, 2013）。 Meyer et al.（1993），其中描 述了對這一職業的依賴，即使有機會，並不是想改變職業，反而是相信且以 此職業為榮。
49
表 3-4
職業忠誠題項一覽表
題號 職業忠誠題項
1. 對企業“一諾千金”的準則不必那麼認真。
2. 和自己專長有關的工作, 即使無額外報酬，我也樂意加班工作。
3. 我比較喜歡對別人說我在做什麽工作(如工程師)，而不是在那個公司上 班。
4. 如果公司要做工作輪調，我會去別的公司，做和我專業有関的工作。
5. 如果公司要我參加其他專長的訓練，我會放棄，先做好目前的工作。
資料來源：本研究整理
三、離職傾向量表
本研究離職傾向參考學者Miller et al. (1979)及歐陽玲(民83)文獻，設計 符合本研究主題之操作型定義如表3-6所示：
表3-5
離職傾向操作型定義
資料來源：本研究整理
50
本研究參考柯宏君(2011)論文的問卷題項來測化妝品帶工廠作業人員 目前離職傾向如表3-7所示：
表3-6
離職傾向題項一覽表
題號 離職傾向題項
1. 如果有機會，我想辭去現在的工作。
2. 如果沒有失業壓力，我常有換工作的念頭。
3. 如果沒有失業壓力，短期內我有辭去目前工作的計畫。
4. 如果沒有失業壓力，短期內我有找新工作的計畫。
5. 如果沒有失業壓力，我曾經計畫辭去工作後的生活。
資料來源：本研究整理
第五節 資料分析方法
一、樣本描述分析
敘述性統計是為瞭解樣本的結構性，根據受訪者所填寫的問卷資料分析 整理，項目包含次數分配、百分比、平均數標準差等加以描述。
二、驗證性因素分析
本研究採用SPSS 統計軟體為本研究之分析工具，於資料分析方法採用：
信度分析、敘述性統計、因素分析、相關分析、單一樣本T檢定、迴歸分析。
三、信度效度分析
本研究正式問卷量表之信度分析(Reliability)是為了瞭解各構面之題 項的一致性及穩定性。Cronbach's α 值係數介於0 到1 之中，若α高於0.7則 代表具有高度的內部一致性；α 值低於0.35 則內部一致性低 (Guielford, 1965)，研究採用William et al. (1986)建議之標準0.7 以上，表示內部一致性 高。
51
相關分析(Correlation Analysis)為了檢測二個變項間的關聯性，探討變數 是否有線性關聯，以及相關性的方向與強度。普遍常用的分析方法包括皮爾 森(Pearson)積差相關、史皮爾曼(Spearmans Rho)等級相關與肯道爾(Kendalls Tau)相關(榮泰生，民98)。相關係數值介於 -1.00~1.00 之間，愈接近 +1 或 -1 代表變項正向或負項之關聯情形愈顯著，若接近0 時，代表無線性相關。
迴歸分析(Regression Analysis)是研究自變數與依變數之間是否存在某 種線性或非線性關係的一種統計分析方法，用來衡量自變數，能夠預測依變 數的程度。本研究使用迴歸分析來檢定自變項對依變項之間的影響程度。
四、結構方程式模式
本研究將利用結構方程式模式分析 (structural equations modeling, SEM)，
來探討潛在變數之間的因果關係，藉由因果關係來驗證假設。SEM 是一種 以迴歸為基礎的多變量統計方法，可以改善路徑分析 (path analysis)的缺點，
也可處理各個潛在變項以及可觀察變項之間的影響關係，更可以將這些影響 關係中未被觀察到的觀念，來解釋在估計過程中衡量的誤差。以下將說明模 式配適度之評估標準。
1. 卡方值檢定(χ²)：
驗證模式與各個變項之間的適合度(goodness of fit)，χ²愈小，表示模式 的適合度愈好，一般p>0.05 為判定之標準。而卡方值與自由度 (χ²/df = Cmin/df)的比值應介於1~3 之間，模式才適合 ( McIver & Carmines, 1981)。
2. 適配度指標 (Goodness of Fit Index, GFI)：
GFI 主要是計算理論與觀察資料共變數中變異量和共變量的指標，其值 應介於0和1之間，此值愈大，表適合度愈好，理想中的GFI應大於0.9。
52
3. 調整修正後的適配度指標 (Adjusted Goodness of Fit Index, AGFI)：
AGFI跟GFI不同之處，是AGFI考慮了自由度的影響，因此指數不會受 到樣本的多寡以及是否有符合多元常態的影響，讓不同自由度的模式能夠以 相同的基礎進行比較，通常AGFI大於0.9 以上，才是理想的狀態。
4. 漸近誤差均方根(Root Mean Square error of Approximation, RMSEA)：
通常RMSEA 是用來計算觀察以及估算變項之間差異的指標，其值必須 小於0.08，當RMSEA小於0.08 時，方可是一個好的模型 (Hair et al., 2011)。
5. 標準化配適指標 (Normed Fit Index, NFI)：
觀察各變項之間沒有存在任何共變假設的獨立模型之差異程度，通常要 大於0.9 以上才算是一個好的模型 (Doll, Xia, & Torkzadeh, 1994)。
53
表 3-7
配適度指標彙整表
絕對配適度指標 範圍 判斷值 適用情形
χ² test - P>0.05 說明模型解釋能力 χ²/df - χ²/df<2 不受模型複雜度的影響
GFI 0-1 >.80 說明模型解釋能力 AGFI 0-1 >.80 不受模型複雜度的影響
RMR - 愈小愈好 瞭解殘差特性
SRMR 0-1 <.05 瞭解殘差特性
RMSEA 0-1 <.08 不受樣本數及模型複雜度的影響 CN - >200 反映樣本規模的適切性 增值配適度指
標
NFI 0-1 >.90 說明模型較虛無模型的改善程度 CFI 0-1 >.90 說明模型較虛無模型的改善程度
IFI 0-1 >.90 不受樣本數的影響 RFI 0-1 >.90
NNFI/TLI 0-1 >.90 不受模型複雜度的影響 精簡配適度指
標
PGFI 0-1 >.50 說明模型的簡單程度 PNFI 0-1 >.50 說明模型的簡單程度 PCFI 0-1 >.50 說明模型的簡單程度
資料來源:蔡安祺(2014)。認知彈性、網路霸凌焦慮工作壓力及工作投入之 相關研究(為出版之碩士論文)。國立師範大學工業教育學系，台北市。
54
55
第四章 研究實施與資料處理
本研究依據回收的問卷進行資料分析，藉以獲得有效的數據。本章共分 為五節，第一節為樣本描述與分析，第二節為一階驗證性分析，第三節為信 效度分析，第四節為整體適配度，第五節為路徑分析，第六節為直接間接效 果。
第一節 樣本描述與分析
利用敘述性統計了解樣本基本分布情況，利用次數分配、平均數、標準 差、百分比等基本統計量，藉由表示受測樣本之結構及描述樣本的分佈情形，
以便了解研究樣本的特性及樣的結構意涵。
本實驗研究採取立意取樣於台灣地區化妝品代工廠作業人員進行調查 研究，總人數為 233 人，剔除試題填漏、亂填等無效樣本後，保留有效樣本 共 206 份，有效問卷的回收率為 88.4%。
56
表 4-1
樣本次數分配表
Variable Category Number Percentage
性別 男生 57 27.7%
女生 149 72.3%
100%
年齡 20 歲以下 14 6.8%
20~30 歲 83 40.3%
31~40 歲 76 36.9%
41~50 歲 22 10.7%
50 歲以上 11 5.3%
100%
教育程度 國中以下 17 8.2%
高中職 33 16%
專科 50 24.4%
大學(含二技、四技) 79 38.3%
研究所(含)以上 27 13.1%
100%
婚姻狀態 未婚 94 45.6%
已婚 110 53.4%
其他 2 1%
100%
(續下頁)
57
Variable Category Number Percentage
職業 軍公教 9 4.4%
服務業 24 11.7%
金融業 12 5.9%
製造業 67 32.7%
資訊/科技 59 28.6%
其他 35 16.7%
100%
工作年資 1 年以下 17 8.3%
1 年以上~未滿 3 年 14 6.8%
3 年以上~未滿 5 年 28 13.6%
5 年以上~未滿 7 年 105 50.7%
7 年以上~未滿 9 年 33 16%
9 年以上 9 4.6%
100%
個人每月平均薪資
（未扣稅金、勞健保 費）
30，000 元以下 30 14.6%
30，001~40，000 元 86 41.7%
40，001~50，000 元 48 23.3%
50，001 元以上 42 20.4%
100%
58
第二節 研究工具分析
一、一階驗證性因素分析(confirmatory factor analysis , CFA)
構面效度的檢定再進行模型分析的歷程中是非常重要的，構面效度是指 單一構面與潛在變數的對應程度。由於潛在因素無法直接測量，因此我們利 用觀察變數加以間接測量，試圖以此觀察變數找出構面的全觀，並以此成果 來探討構面與構面之間的相關。而驗證性因素分析的主要功能是確認潛在變 項是否真的能被幾個觀察變數所代表，所以驗證性因素分析的主要功能是決 定一組觀察變數是否真正屬於某一特定構面的統計分析技術(張偉豪，
2011)。
使用 SEM 驗證性分析，假如 CFA 的信度與效度不佳時，則整個 SEM 模型結構也會不佳時，這會使得路徑的顯著性與向都有可能是錯誤的。由於 SEM 分析資料都是從實際上調查而來，因此了解這些資料是否具有一定的 信、效度就非常重要。所以在執行 SEM 前，要先能證明測量指標是否能真 正反映出潛在變數的特性。Thompson(2004)表示在 SEM 模型分析中，測量 模型是結構模型的一部分，如果沒有證據證明測量模型是值得進一步分析的
使用 SEM 驗證性分析，假如 CFA 的信度與效度不佳時，則整個 SEM 模型結構也會不佳時，這會使得路徑的顯著性與向都有可能是錯誤的。由於 SEM 分析資料都是從實際上調查而來，因此了解這些資料是否具有一定的 信、效度就非常重要。所以在執行 SEM 前，要先能證明測量指標是否能真 正反映出潛在變數的特性。Thompson(2004)表示在 SEM 模型分析中，測量 模型是結構模型的一部分，如果沒有證據證明測量模型是值得進一步分析的