分析方法

本研究為了驗證本章第二節所提出之假設，將回收後之問卷進行初 步整理，剔除無效問卷並將有效問卷編碼與建檔，隨後透過以下之數量 統計方法和量化統計分析，用來驗證本研究所提出之研究目的與假設是 否達成。資料分析包括：敘述性統計分析、項目分析、信效度分析、驗 證性因素分析、結構方程模式，透過 SPSS 2.0 和 AMOS 18.0 統計軟體進 行相關的資料分析。關於本研究之各項分析方法茲說明如下：

一、敘述性統計分析

敘述性統計(Descriptive Statistics)具有能夠將蒐集的原始資料經過整 理後變成有意義的資訊或統計量的功能，可透過平均數、標準差、次數 分配表、百分比等描敘性統計數值，來瞭解本結構在各個問項之間的分 佈情況，如性別、年齡、教育程度等，期望瞭解樣本之基本概況。

二、項目分析

主要在檢測問卷題目之良窳，亦即個別題目是否具有可靠性，以利 問卷之編定。項目分析包括：遺漏值檢驗、敘述性統計分析(平均數、標 準差和偏態係數)、極端值比較、同質性檢驗(相關係數、因素負荷值)，

55

共四大類七項指標。本研究中是檢測所實施的量表是否能夠完整的反應 出社會大眾對五月天團體的品牌意象。

三、信效度分析

信效度分析主要用來確定問項之一致性及正確性。信度(Reliability) 部分本研究利用 Cronbach’s α 來檢定問卷中各個因素之衡量變數的內部 一致性，並以此作為是否剔除之指標。當 α 係數愈高則表示問卷內各項 目之衡量結果愈趨一致。陳景堂於 2004 年提出 α 值與可信度的關係如表 3-7 所示。

效度(Validity)則是衡量尺度能夠測量出研究者欲瞭解之事物的程度。

通常可分為兩種不同類型的效度，說明如下：

(一) 內容效度：用來驗證量表內容是否能夠涵蓋所需衡量之構面，或 者是測量本身所包含概念意義範圍或程度，能夠真正表達出原有 之內容、物質或題目之本意。主要是以研究者專業知識主觀判斷 所選擇的尺度是否能夠正確地衡量研究者欲衡量的東西。由於驗 證內容效度須對測驗內容進行詳細的邏輯分析與比較，故又稱之 為邏輯效度(Logical Validity)。

(二) 建構效度：指量表能夠驗證某一理論之概念或特質的程度，亦即 構面是否能夠真實的反應出實際狀況。通常須以某一理論為基礎，

56

同時根據實際所得的資料來證實理論的正確性，為最嚴謹的效度 考驗方法。建構效度可分為收斂效度和區別效度。收斂效度表示 來自同一構面的項目彼此之間的相關性要高。區別效度則是指來 自不同構面的項目之間，彼此之間的相關性要低。

表 3-7 Cronbach’s α 係數與可信度關係表

α 係數 意義

0.00~0.30 不可信

0.30~0.50 稍微可信

0.50~0.70 可信

0.70~0.90 很可信

0.90~1.00 極可信

資料來源：陳景堂(2004)

四、驗證性因素分析

驗證性因素分析法(Confirmatory Factor Analysis, CFA)為因素分析的 延伸，用來檢驗因素負荷量和因素之間的相關性，通常為執行因素分析 後緊接進行的程序。本研究採用 Amos 20.0 軟體進行驗證性因素分析，

並以最大概似估計法(Maximum Likelihood Estimation, MIE)測量量表的 信效度。其相關的檢定指標說明如下：

(一) 個別項目信度(Indiviual Item Reliability)：用來衡量觀察變數對其 潛在變數的因素負荷量，可由R²是否達到 40%以上，因素負荷量 是否介於 0.50~0.95 之間，且具有統計顯著性來判斷(Bagozzi & Yi,

57

1988)。

(二) 構面組合信度(Composite Reliability，CR)：指測量構面之信度的 組成品質，CR 值愈高表示衡量指標愈能解釋建構信度，Fornell &

Larcker(1981)建議 CR 值應該在 0.60 以上。

(三) 整體適配指標：測量模型的驗證結果須顯示 GFI 達 0.90 之門檻值；

RMR 和 RMSEA 值要小於 0.08；NCI 則應小於 3，以表示模型的 配適度佳(Bagozzi & Yi, 1988)。

(四) 平均變異數抽取量(Average Variances Extracted, AVE)：用來計算 各個測量變數對構面的平均解釋能力，達 0.50 以上表示具有收斂 效度，區別效度則由各構面之 AVE 平方根值須大於各成對構面之 相關係數來界定(Fornell & Lacker, 1981)。

五、結構方程模式

利用 Amos 軟體進行結構方程式(Structual Equation Modeling, SEM) 探討各假設之路徑關係，並驗證本研究所提出之結構模式的適配度。SEM 模式分為測量模式(Measurement Model)和結構模式(Structure Model)。

(一) 測量模式：以兩個方程式描述，一條方程式說明內生潛在變數與 內生顯性變數之間的關係，另一條方程式說明外生潛在變數與外生

58

顯性變數間的關係。上面兩個式子與一般的因素分析模式大同小異，

只是其中的係數有很多限制，所以 SEM 模式的測量模式部分就是 驗證性因素分析模式。

(二) 結構模式是一種以迴歸為基礎的多變量統計技術，其目的在探討 潛在變數與潛在變數之間的路徑關係。利用結構方程式模式關係模 式來探討變項間的因果關係時，其因果模式早已預先做好假定，統 計方法只是在此因果模式之下，驗證施測所得之觀察資料，使用者 應改用另一種因果模式，直到找到一個最合適的模式為止。

59

60