分析方法

在資料分析方面，本研究將回收所有的問卷資料，先剔除回答不實(例如所有答案皆相同) 以及遺漏填答者，再將其餘有效問卷以Excel 軟體進行編號、建檔與整理。最後利用 SPSS For Windows 15.0 及 Lisrel 統計套裝軟體進行資料分析。

3.5.1 信度與效度之檢定

根據 Straub(1989)之研究認為對於任何實證研究而言，若能在進行統計推論工作之前先 對內容效度、建構效度以及信度等工具檢定，將有助於實證發現結果之強化。因此，基於健 全的問卷量測工具應具有足夠的信度與效度，以下將對信效度分析做簡要之介紹。

一、信度分析

信度是指測量工具之可靠程度，如正確性(Accuracy)或精確性(Precision)，一般說來可從 穩定性(Stability)或一致性(Consistency)來探討測量工具之信度。

z 穩定性：有關穩定性的信度主要有兩種，一為再測信度(Test-retest Reliability)是指前 後不同時間對同樣一組樣本進行重複衡量，針對兩次結果求得相關係數；二為複本 信度(Alternate Form Reliability)如果一個測試工具有兩個複本，即根據同一群受試 者接受兩種複本測試得分，計算相關係數並得到複本信度。

z 一致性：在態度量表之中，常以若干項目衡量相同的態度，故各項目之間應具備一 致性，即是內部具有同質性。測量一致性信度有以下三種方式：折半信度(Split-half Reliability)、庫李信度(Kuder-Richardson Reliability)、評分者信度(Score Reliability)。

由上述可知，有關一致性的信度係數，較適合以多種題目測量同一態度之態度量表。而

用Cronbach 所推導出的信度 alpha 值。

Cronbach’s alpha 檢定方式如下：

⎥⎥

根據Guielford(1965)提出此 Cronbach’s alpha 係數越大，表示量表內的內部一致性越高，

倘若alpha 值高於 0.7 則表示其信度相當高，若介於 0.7 與 0.35 之間表示信度尚可，小於 0.35 0.5<Alpha<=0.7 可信(常見範圍)

0.7<Alpha<=0.9 很可信(常見範圍) 對研究問題相當了解時 Alpha>0.9 十分可信

資料來源：吳統雄，態度與行為研究的信度與效度(1985)

二、效度分析

所謂的效度是指量測尺度能確實測出研究者所要量測事物的程度。一般來說，測量學者 通常將「效度」分為三類，即內容效度(Content Validity)、構念效度(Construct Validity)與效標 關聯效度(Criterion Related Validity)。

美國心理學會(American Psychological Association)於 1985 年修訂出版的「教育與心理測 驗標準」(Standards for Educational and Psychological Testing)中，反對傳統的觀點，而以效度 證據來代替效度的分類，也就是說如欲確定測量工具的效度，那就必須蒐集足以證明效度的 證據。因此，習慣上稱內容效度宜改成內容關聯效度證據；另外兩者則是構念關聯效度證據 與效標關聯效度證據。

z 內容關聯效度證據：係從測量工具內容檢查，是否符合測量目標所預期之內容。

z 構念關聯效度證據：通常學者提出一個構念都附有一套相關的理論或者原來用以支 持；因此，若研究的變項是一個構念則應用在測量時，需將測量的內涵與結果，對 該構念之相關理論相互對照，藉以推論測量結果是否適切有效地解釋此一構念之性 質與特徵。簡單說來若欲從構念來分析測量工具效度，需佐以相關理論為依據。

z 效標關聯效度證據：此類效度證據乃是以其他測量為標準(稱之為效標)，將測量結 果與效標結果相比，若彼此關聯程度越大代表效度越高，反之亦然。依據對照資料 不同又可細分為「預測性效度證據(Predictive Evidence of Validity)」與「同時性效 度證據(Concurrent Evidence of Validity)」。

一般而言，研究的效度通常只有程度上的不同，是一種相對而非絕對的觀念，也無法任 意判斷上述哪一種方法較為優劣，乃需視研究問題之性質與研究目的而決定採取何種效度證 據。本研究後續將採取構念關聯效度進行評量，並以因素分析法作為評量工具。

3.5.2 模式驗證之方法

以下分別就結構方程式之參數校估與模式配適度評鑑進行相關說明。

一、參數校估

參數估計主要目的在於找尋與樣本資料共變異矩陣差異最小的參數估計值。SEM 之 校估方法是依照假設之模式重製一相關矩陣使其與原相關矩陣越接近越好，即找尋的最 適之參數估計值始適配函數可獲得最佳解；而適配函數乃是依據理論所估計出來的共變 異矩陣，與由實際觀察資料所得之共變異矩陣差異之函數。因此當兩個模式完全符合 時，配適函數得值為零。函數計算方法為先設定一個起始值，利用疊代法反覆求解直到 收斂為止。

二、模式適配度評鑑

模式的適配度評鑑的目的乃是從各方面來評鑑理論模式是否能解釋實際測量所得 的資料，或者加以衡量理論模式與實際測量所得的資料之間的差距 Bagozzi& Yi (1988) 建議模式的適配度可從兩方面來評鑑，分別是模式內在結構的適配度與整體模式適配 度。

表3.4 各種常用之適配度指標

Chi-square value/ df

考慮模式複雜度之後的卡方值

比較假設模式與獨立模式的chi-square 差 異

模式chi-square 值與中央 chi-square 分配之 離散程度

產生不顯著的chi-square 值得最少樣本規 模