分析方法

本節旨在說明本研究主要使用之研究方法，分為三部份。第一部份為資 料處理與基本資料方法，第二部分是關於本研究所採用之信度與效度方法。

關於本研究提出模式之驗證，則是利用線性結構模式（linear structural equation model），將在第三部份作說明。

3.5.1 資料處理與基本資料分析

本研究資料的收集，主要採用人員問卷法，所以在資料的處理上，可分 為人工編輯與電腦處理二部分：

一、 人工編輯部分

首先剔除回答不完整或相互矛盾之無效問卷份，隨後將有效問卷之資料 編碼、建檔，並且撰寫 SPSS 統計分析程式。

二、 電腦處理部分

本研究預計採用 SPSS 統計軟體做為分析研究之工具，將已編碼之資料 庫資料，以撰寫的 SPSS 程式，進行統計分析，並產生統計分析報表。同時 透過敘述性統計分析來統計各人口統計變數名目資料出現的次數，並藉百分 比的方式來顯示原始樣本資料的分佈概況。

3.5.2 信度與效度之檢定

Straub 認為對任何實證研究而言，若能進行內部效度與統計推論效度 之前先進行內容效度、建構效度以及信度等工具檢定的話，則有助於實證發 現的強化。因此，基於健全的問卷衡量工具應具有足夠的信度與效度，因此 本研究乃先針對所使用的問卷進行信度與效度的檢測。

一、信度分析：

信度(Reliability)是指衡量工具的可靠程度，如正確性(Accuracy)或 精確性(Precision)，其中包含了穩定性(Stability)及一致性(Consistency) 兩種含意。

(1) 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，對相同一組樣本作重覆衡量，針對兩次 結果以求得相關係數；另一為複本信度(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的得 分，計算相關係數，得到複本信度。

(2) 一致性：在態度量表中，常以若干項目衡量相同的態度，故各項目之間應有 一致性，即是內部具有同質性。測量一致性信度有下列三種，折半信度

(Split-half Reliability)、庫李信度(Kuder-Richardson Reliability)與 評分者信度(Score Reliability)。

表 3-9 Cronbach＇s α 係數大小與可信程度表 小於0.35則表示信度低。此外亦有學者認為在探索性研究中，係數介於0.7至0.98 間，都可以算是高信度，而低於0.35者須予以拒絕。關於α係數的大小以及所代 表的可信程度，如表3-9所示。

二、效度

所謂效度乃是指測量尺度能確實測出研究者所要測量事物的程度。依美 國心理學會(American Psychological Association)在 1974 年所發行之

“教育與心理測驗標準＂一書，將測量的效度可分為下列三類：

(1)內容效度(Content Validity)：指測量工具能涵蓋測量主題的程度，可 藉著遵循一定程序發展測量工具以使測量內容適切。又可稱為「表面效 度(face validity)」。

(2)效標關聯效度(Criterion-Related Validity)：係以測驗分數與測驗標 準間的相關程度，表示測驗效度的高低。效標是指顯示測量特質之獨立 變數。

(3)建構效度(Construct Validity)：指測量某一理論的概念或特質之程度。

通常必須以某一理論為基礎，以建立和某一建構相關聯之能力。因此其 正確性是建立於理論本身的正確性。

一般而言，研究的效度只有程度上的不同，是一種相對的而非絕對的觀 念。除了心理學以外，問卷的效度測量都極為困難，尤其在行銷方面更是如 此，因為，對於測試對象，大多以單一試題來衡量，而變數之形成也常過於 草率。因此，效度的提高，有賴於研究者多方參考文獻，及自己睿智的選擇，

而本研究所採用者為內容效度。

3.5.3 模式驗證方法

為驗證本研究所構建之因果關係模式，故必須利用到有關因果模式分析 的統計分析程序與方法。而有關多個變數關係架構的分析方法，基本上即屬 於路徑分析方法（path analysis），而路徑分析為多元迴歸分析的一種應 用，其主要是應用線性因果關係建構一組迴歸方程式，以同時解釋多個變數 之間的關係，然而此種統分析的方法必須具有相當的封閉性，在使用上有一 些缺失，詳述如下：

一、路徑分析假定對變數的量測沒有量測誤差存在。

二、變數只能是等尺度以上的外顯變數（manifest variables），至於潛在變數

（latent variable）則不能進行檢定。

三、變數間僅允許單向的因果關係，不允許非遞迴（nonrecursive）的關係存在。

這些缺失使傳統以多元迴歸係數的統計分析飽受質疑。尤其在行為科學 的研究上，研究調查對象大多為人類，而人類的行為多受潛在心理構念 (construct)的影響，且無法直接推論，但路徑分析卻不能解決潛在變數的 問題。因此，愈來愈多的學者改以線性結構模式 (linear structural equation model)進行因果關係的研究。

LISREL 的全稱為 Linear Structural Relations，通常被翻譯為「線性 結構關係」，係屬於「結構等式模式」（Structural equation modeling, SEM）

的一種，SEM 一族的成員包含「共變數結構分析」（Covariance structure

analysis）、「潛在變數分析」（Latent variable analysis）、「確認性 因素分析」（Confirmatory factor analysis）、以及「線性結構關係分析」

（LISREL analysis）等。SEM 結合了多元迴歸與因素分析，可以同時分析 多組互為關連之依變數間的關係。因此 LISREL 的最大功能亦在於探討多變 數或單變數之間的因果關係，而 LISREL 之理論架構包含「測量模式」與「結 構等式模式」，其詳細分析步驟如下：

一、發展研究者之理論基礎模式。

二、建構變數間之因果關係的路徑圖。

三、將路徑圖轉化為一套結構等式，並指定其測量模式。

四、選擇輸入矩陣類型（相關矩陣或變異數－共變數矩陣），並對研究者假設之 理論模式進行測量與驗證。

在 LISREL 的基本理論中，其認為潛在變數（latent variables）是無 法直接測量的，必須藉由外顯變數（manifest variables）來間接推測得知。

在 LISREL 的兩套理論模式中，第一套模式衡量模式（measurement model）

是用來界定潛在變數與外顯變數之間的線性關係，亦即在界定如何從外顯變 數來間接推測潛在變數，衡量模式分別使用以下兩個公式來表示：

X＝Λx ξ＋δ Y＝Λ^y η＋ε

其中 X 為外顯自變數；Y 為外顯依變數。Λx 為 X 對潛在自變數 ξ 的係 數矩陣；Λy 為 Y 對潛在依變數 η 的係數矩陣。而 δ 為 X 的衡量誤差；ε 為 Y 的衡量誤差。

第二套模式結構等式模式（structural equation model），則是用來 界定多個潛在變數之間的線性關係，亦即在推測各潛在變數間之因果關係，

而結構等式模式如下所示：

Bη＝Γξ＋ζ

公式中，B 為各潛在自變數間之影響效果的係數矩陣；Γ 為潛在自變數 對潛在依變數之影響效果的係數矩陣；ξ 為潛在自變數；而 ζ 為此結構公 式的殘差項。

經過上述的說明可知，研究者施測所得之實際觀察資料必須藉由第一套 模式的直線關係作為切入點，才能被用來進行整個 LISREL 分析。不過，

LISREL 並不像路徑分析一樣，會受到一堆不合理之統計基本假定的限制，

而造成研究者的困擾，例如各變數間的測驗誤差為 0 與殘差間之無相關等

（林清山，1984）。因此，自從Jo&&reskog 所發展之 LISREL 統計理論問世以 來，全世界之 LISREL 使用者始得以享受到 LISREL 統計方法的優越性。

基於上述之原因，本研究決定採用線性結構關係模式（LISREL）作為分 析工具，並以 SPSS 軟體來分析整個模式的數據，主要是透過共變異矩陣或 相關係數矩陣來檢測模式中變數間之關係，同時採用 Anderson 與 Gerbing 所提出的「兩階段分析法」（Two-step Procedure），因此研究之分析內容 將分為兩個部分：

一、確認性因素分析（Confirmatory Factor Analysis，CFA）：藉由確認性因 素分析可查證資料對衡量模式的配適程度，亦即檢驗外顯變數是否能充分的 衡量潛在變數，並透過修正不適用的衡量題目來改善模式的配適度。

二、路徑分析（Path Analysis）：將驗證本研究所建構之模式，並檢驗潛在變 數間的因果關係，且不斷的測試與修正，直到修正出一個合乎理論與解釋力 較佳的模式。