因素分析與信度分析

確認情境之操弄成功之後，本研究接著以因素分析來檢視各變數之每一題項 解釋變量之高低；在信度分析方面，則以Cronbach’s α 值來衡量問卷各變數的內 部一致性。

於因素分析的過程中，本研究先使用取樣適切性量數（KMO 值，

Kaiser-Meyer-Olkin measure of sampling adequacy）來判斷因素分析方法的適用 性，根據Kaiser（1974）的標準，KMO 值若小於 0.5，表示同一變數下之題項間 的相關性不佳，不適合採用因素分析。本研究各構念之KMO 值均大於 0.5，表 示適合採用因素分析。另外，本研究之球形檢定均顯著（均為0.000），代表各 題項之間並非各自獨立，適合使用因素分析方法。

接著本研究採用主成份分析法，取特徵值（eigenvalue）大於 1 的因素，並 採用最大變異法（varimax）做為轉軸方法，於刪除交叉負荷（cross loading）的 題項之後，萃取出主要的因素。

因素分析與信度分析結果依照操弄「嚴厲程度×彈性」兩特徵之情境，及操 弄「嚴厲程度×適當解釋」兩特徵之情境，分別整理如表4-2與表4-3。其中所有 題項之Cronbach’s α 值均大於0.7，表示本研究之問卷具有高度的內部一致性。

表4-2 嚴厲程度×彈性之情境的因素分析及信度分析結果

表4-3 嚴厲程度×適當解釋之情境的因素分析及信度分析結果

觀察因素分析的結果，便會發現「程序正義」有部分的題項在因素分析的過 程中被刪除了。於嚴厲程度＋彈性之情境，程序正義的題項從原來的6 題減少為 3 題（為第 1、5、6 題），而於嚴厲程度＋適當解釋之情境，亦從原來的 6 題減 少為3 題（為第 4、5、6 題）。這些題項會被刪除，主要是因為其反映像相關係 數（anti-image correlation）的值遠小於 0.5，共同性（communalities）萃取的數 值小於0.5，或有 cross-loading 的情形。

回顧被刪除題項之內容，亦可了解為什麼這些題項會被刪除。由於懲罰特徵 中的「彈性程度」與「適當解釋的程度」會對「程序正義」的知覺造成影響

（Butterfield, 2005），而「彈性」或「適當的解釋」的情境描述，又會跟分別與

「程序正義」構念下的特定題項有直接對應的關係，因此若受試者所閱讀的情境 故事未提供相關資訊，受試者在填答的過程中便會無所適從。

例如：程序正義的第一題（服務企業會因顧客的情況來調整懲罰政策）便是 與「彈性」的情境描述有直接相關，所以這一題在「彈性」的實驗情境下很容易 回答，但是在「適當解釋」的實驗情境下，由於情境故事並未提供相關資訊，這 個題目就會顯的莫名其妙，常使受試者困惑而隨意填答，因此於分析前，本研究 便擬於「適當解釋」情境之分析時，不將此題納入分析，而於嚴厲程度×適當解 釋之情境的因素分析結果亦證明此題的結構不佳，應予剔除。

程序正義的第四題（服務企業有告訴受罰者該企業為何要實施懲罰政策）亦 有相同的情形，這一題在「適當解釋」的實驗情境下很容易回答，但是在「彈性」

的實驗情境下，也會因未提供資訊而會使受試者感到困惑，而於嚴厲程度×彈性 之情境的因素分析結果亦證明此題因結構不佳，應予剔除。

另外，程序正義的第二題（服務企業懲罰消費者，是因為該消費者違反規定）

及第三題（服務企業有告訴受罰者為何會被懲罰），則因為所有情境均控制為相 同，因此亦不納入分析。

有鑑於上述之原因，本研究在資料分析的過程中，便依照因素分析之結果，

分別將這些題項剔除，不納入相關情境之分析，以避免產生誤差。因此在資料分 析的過程中，我們選擇以不同的題目來衡量不同懲罰特徵下「程序正義」的分數。