信度與效度檢定

一、 信度

信度指的是測量結果的一致性(consistency)或穩定性(stability)，也就是研究者對於相 同的或相似的現象(或群體)進行不同的測量，其所得的結果一致的高程度。而信度愈高 表示其誤差值愈低，如此則所得的觀測值就不會因形式或時間的改變而變動，故有相當 的穩定性(榮泰生，2006)。

以往有關衡量信度的方法主要有再測信度(test-retest method)、折半信度(split-half method) 、 複 本 信 度 (equivalent-forms method) 、 柯 能 畢 曲 (cronbach) α 係 數 、 庫 李 (kuder–richardson)係數等(陳順宇，1997)。本研究採用 Cronbach’sα係數做為檢定方法，

以衡量各構面的內部一致性，係數值愈高表示相關程度愈強。而 Wortzel (1979) 提出 Cronbach’s α值在 0.7 至 0. 98 之間，則表示在有高信度值。Nunnally (1978) 則認為 Cronbach’s α要大於或等於 0. 7 ，否則應該拒絕。Cuieford (1965) 表示若 Cronbach’s α

< 0.35 為低等信度，0.35 > Cronbach’sα < 0.7 則為中等信度，若 Cronbach’s α > 0.7 就屬於高等信度。因此，本研究將以 Cronbach’s α > 0.7、分項對總項的相關係數 ( item-to-total correlations）> 0 . 35 為判定的標準。

由表 4.2 可知，在維基百科、知識分享行為與工作績效的整體信度分析方面，其 Cronbachs’sα值介於 0.907 ~ 0.938 之間，表示各構面的整體信度具有良好的內部一致 性。其中在維基百科的各個衡量變數部分，如資料類型、發表數量、陳述性、組織性、

工具特性、可用性與社交性、參訪者與評論者、聲譽與報酬等變數的信度分別為0.837、

0.790、0.753、0.824、0.744、0.705、0.901、0.780、0.624，雖然報酬的信度未大於 0.7，

但仍在可接受的範圍裡；在知識分享行為的各個衡量變數部分，如個人成長、作業的自 主性、任務的成就感與金錢財富等變數的信度分別為0.906、0.886、0.776、0.781，顯示 知識分享行為的各個衡量變數具有良好的內部一致性；在工作績效的各個衡量變數部 分，如角色內行為與角色外行為等的信度則為0.898 與 0.797，表示在工作績效的各個衡

量變數亦具有良好的內部一致性。而在分項對總項的相關係數方面，各構面的問項對總 項的相關係數皆在0.35 以上，因此，不必刪除任何問項。綜合以上分析，本研究就整體 模式而言，已具有相當良好之一致性與穩定性。

表4.2 各構面之信度值 構面 衡量變數 編號 Item-to-Total

Correlations Cronbachs’sα 整體信度 分析

二、 效度

所謂的效度指的就是一份測驗能真正的測量到他所要的測量的問題的程度，也就是 要能達到測量的目的才算是有效的測驗。而一般的測量方式可分為內容效度(content validity)、效標效度(criterion validity)、建構效度(construct validity) 三種(陳順宇，1997)。

由於本研究各構面之問項係參考學者所發表的文獻與專家訪談的結果，故在內容效度上 是具有一定之程度。

三、 SEM(Structural Equation Modeling)模型檢測

本研究進一步透過SEM 結構方程模式來檢驗信效度與模型適配度，此部份採用驗證 性因素分析(CFA，confirmatory factor analysis)來確認信度、效度之有效性。而整體模型 適配之指標可分為絕對適配量測、增進適配量測、精簡適配量測三類 (Hair et al., 1998)，

測量模型主要在瞭解測量的觀察變項是否能正確反映出潛在變項的理念，也就是檢 定模型之信度與效度。量測的指標如下：

(一) 信度測量

多元相關平方 (SMC，squared multiple correlation)，是可反映出各個觀察變項 之信度，其數值應該大於0.50。組成信度 (CR，composite reliability)，旨在檢定潛 在變項所對應各觀察變項之內部一致性程度，組成信度越高，表示觀察變項越能測 量出潛在變項，其值應該大於0.7 以上 (Hair, 1998)。

(二) 效度測量

因素負荷量(factor loading)系指每一個觀察變項反應在潛在變項程度，若係數之 t 值大於 1.96 ( p=0.05 )或 2.58 ( p=0.01 )，表示到達顯著，即是具有收斂效度。平均 變異抽取量 (AVE，average variance extracted) 為潛在變項對各觀察變項之平均變異 程度，其值需大於0.50 (Fornell & Larcker, 1981)，數值越大信度與收斂效度越佳。

另外，在區別效度上，根據Anderson and Gerbing (1988)的建議，將兩構面的路徑係 數設為 1，來比較變更係數模式與未變更係數模式的卡方值，如果變更模式之卡方 值大於未變更之卡方值，則表示兩構面具有區別效度。

茲將本研究之區別效度結果整理如表4.4 所示，其變更係數模式的卡方值均較未變 更係數模式之卡方值為大，表示本研究具有良好之區別效度。而測量模型之各指標數據 則如表4.5 所示。由表 4.5 可得知，本研究之模型在因素負荷量、t 值、多元相關平方與 組成信度上皆滿足標準。因此，就測量模型來看，本研究的具有良好之組成信度。

表4.4 區別效度之模型比較

Model Name Params df C(卡方值)

1 未變更模式 21.000 24.000 37.039 2 變更模式1 20.000 25.000 44.381 3 變更模式2 20.000 25.000 74.540 4 變更模式3 20.000 25.000 44.302 資料來源：本研究整理

表4.5 測量模型檢定結果摘要表

構念/變項 因素負荷量 T 值 多元相關平方 組成信度

W1 0.83 NA 0.690

W2 0.87 13.603 0.572 維基百科

W3 0.76 10.846 0.754

0.861

K1 0.85 NA 0.718

K2 0.93 16.403 0.857 K3 0.88 14.983 0.779 知識分享

行為

K4 0.71 10.746 0.510

0.909

P1 0.91 NA 0.728 工作績效

P2 0.85 14.669 0.822 0.873 資料來源：本研究整理