第三章 研究方法
第三節 研究設計
三、 分析方法
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
23
三、 分析方法
本研究問卷收集完畢後，先以人工方式整理建檔，篩選出無效 問卷後，將資料匯入 SPSS22.0 (Statistical Package for the Social Science ) for Windows 以及 AMOS 21.0 統計套裝軟體作為資料分 析工具，分別採用下列分析方法進行本研究的實證分析，其中包 括：因素分析(Factor Analysis)、信度分析(Reliability Analysis)、效 度分析(Validity Analysis)、結構方程式模型分析(Structural Equation Model Analysis)。為了在更深入探討資料中各項變數與保費收入之 關係，本研究利用迴歸分析法之逐步選取法中的後退淘汰法 (Backward Elimination Procedure)之方式進行更精確的變數篩選，
以進行後續之探討。
(一) 敘述性統計分析
針對本研究中分行資料，包括員工數量、理專人數、成立 年資、分行客戶數與分行所在區位進行敘述性統計分析。
(二) 因素分析
因素分析是多變量分析法中相互依存方法的其中一種，目 的是透過彼此相關的變數，用主成份分析法以及最大變異數 轉軸法，將眾多的相關變數轉化、濃縮成為有概念意義的因素。
本 研 究 採 以 取 樣 適 切 性 量 數 KMO(Kaiser-Meyer-Olkin measure of sampling adequacy)以及巴式球面性檢定(Bartlett’s test of Sphericity)檢驗本研究樣本回收資料是否適合進行因素 分析。根據張紹勳(2001)建議，KMO 值大於或等於 0.6 及巴 式球面檢定結果拒絕虛無假設(p<0.01)，來檢測本問卷資料是 否適合執行因素分析。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
24
(三) 信度分析
信度是衡量沒有誤差的程度，信度是以衡量的變異理論為 基礎，檢測結果的一致性(consistency)程度。信度可以用兩個 方向來解釋，一個是再測性(repeatability)；另一個是內部一致 性(internal consistency)，前者是指使用相同的工具重複某項特 質時，是否能夠得到相同的結果；後者則是指衡量各個量表在 不同的構念是否具有一致性(吳萬益, 2011)。
本研究以Cronbach’s α 係數以及各題項的「修正的項目總 相關」(Corrected Item-Total Correlation)來測量內部一致性的程 度。根據 DeVellis (1991)對 Cronbach’s α 值提出以下觀點：當 α 係數介於 0.65 至 0.70 間尚可；α 係數介於 0.70 至 0.80 之間 則具有高信度；α 係數大於 0.80 時，則信度最佳，及張紹勳 (2001)建議各題項的 Corrected Item-Total Correlation 大於 0.3 表示內部一致性程度高。
(四) 效度分析
效度是指變項的衡量能夠確實衡量出研究者想要衡量的 程度，其目的是幫助研究者檢驗預想衡量事物的一種測量尺 度。檢視過去的研究發現，學者常使用的效度分析有下列幾項 類 型 ， 分 別 為 內 容 效 度 (Content Validity) 、 效 標 關 聯 效 度 (Criterion-Related Validity)、建構效度(Construct Validity)，分述 如下。
1. 內容效度：衡量工具的適切性、涵蓋所有衡量構念的 程度，也就是問卷提項所包含的題項是否足以衡量整 個概念。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
25
2. 效標關聯效度：衡量工具的內容具有預測或是估計的 能力。
3. 建構效度：衡量工具能夠測量理論概念的程度，也就 是問卷或量表能夠測驗到理論上的構念程度。其中又 分 為 收 斂 效 度 (Convergent Validity) 與 區 別 效 度 (Discriminant Validity)兩種，收斂效度是指利用兩個 或兩個以上不同的方式測量，用以衡量相同構念的程 度，區別效度是指利用兩個或兩個以上不同的方式測 量，用以衡量不同構念的程度。
本研究中的自變數、依變數等所使用的衡量工具皆是沿用 過去相關文獻。Hair, Anderson, Tatham, and Black (1998)建議 的因素負荷量±0.30 以上為最低標準，± 0.40 以上為較為重要 的變項，± 0.50 以上為非常重要的變相，本研究根據 Hair et al.
(1998)的建議，以因素負荷量±0.30 以上作為刪除題項的考量 因素之一。
(五) 結構方程式模型分析(Structural Equation Modeling, SEM)
結構方程模式是由測量模型(measurement model)及結構 模型(structural model)相互結合所組成。測量模型是藉由驗證 性因素分析(confirmatory factor analysis, CFA)來了解觀察變項 與潛在變項之間的關係；而結構模型則是以路徑分析(path analysis)之方式來探討潛在變項之間的關係。
然而，當變數之間存在顯著相關時，並不代表之間具有因 果 相關 的關 係 。結 構 方程 式模 型是 一種 多 變量統 計 分 析 (Multivariate Statistical Analysis)之方式去探討變數之間路徑
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
26
關係的一種工具，因果關係是研究人員預先設定好的，此工具 僅檢驗因果模式設定的適合程度。
(六) 複迴歸分析(Multiple regression Analysis)
複迴歸分析之目的在於了解多個變數間是否相關、相關方 向與影響力，並透過建立迴歸方程式以預測特定變數(自變數) 對欲了解變數(應變數)之影響程度。複迴歸分析基本函數關係 如式(1)所示：
Y = f(𝑋1, 𝑋2, 𝑋3, … , 𝑋𝑛) (1)
根據式(1)，可以建立迴歸方程式模型如式(2)：
Y = 𝛽0+ 𝛽1𝑋1+ 𝛽2𝑋2+ 𝛽3𝑋3+ ⋯ + 𝛽𝑛𝑋𝑛+ 𝜀 (2)
而 本 研 究 利 用 逐 步 選 取 法 中 的 後 退 淘 汰 法 (Backward Elimination Procedure)來挑選出最佳迴歸模型，其方法準則為 先將所有自變數放入迴歸方程式中，然後再依照自變數對依 變數的貢獻度大小，由小到大依序剔除變數，而每剔除一個自 變數，則會重新計算方程式內各自變數對依變數的貢獻度，當 方程式中沒有任何自變數滿足剔除準則時，亦即方程式內之 自變數均達到入選標準，剔除程序即會停止。而本研究選取 𝑅𝑎𝑑𝑗2 最高者，做為本次探討之迴歸模型。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
27