第四章 研究設計
第三節 實證研究方法
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
42
第三節 實證研究方法
本研究實證方法為因素分析（factor analysis）與結構方程模式（structural equation modeling, SEM）。因素分析是用來簡化資料，並分析變雋間群組關係的 統計技術。主要概念為保留大部分原始資料特性的原則下，將複雜的共變結構精 簡化，即是將許多有相似概念的觀察變雋轉換，並簡化為較少的構面來呈現原有 的資料結構，俾利資料之處理與分析。結構方程模式之特性，則其能同時處理多 組變數之間的關係，提供研究者從探索性分析轉成驗證性分析的機會。另外，由 於結構方程模式結合了因素分析（factor analysis）與路徑分析（path analysis），
為進行全面性且估計較為精確之統計分析。
一、因素分析
因素分析是指自為數眾多的 K 個觀察變數中，萃取出 J 個潛在變數的統計 方法（K＞J），可以協助研究者將測量的內容簡化成幾個特定的同質性類別。換 言之，因素分析其目的在於以簡潔、精確的方法來描述眾多變雋之間的交互關 係，以協助研究者對這些變雋的概念化，並以較少的向度來表示原來的資料結 構，且能保有原來資料所能提供的大部分訊息。而因素分析主要的功能包括：潛 在因素命名、潛在結構分析、因素相關分析及因素分數產生等。
因素分析抽取的方法依研究目的大致可分為兩類，一類是探索性因素分析
（exploratory factor analysis, EFA），另一類則是驗證性因素分析（confirmatory factor analysis, CFA）。其中，探索性因素分析的功能是將雜亂無章的變雋理出頭 緒，此種探索性之功能有助於建立新的假設、發展新的理論，因此稱為探索性因 素分析。
因素分析中萃取潛在因素的方式包括、主成份分析法、主軸法、一般化最小 帄方法、未加權最小帄方法、最大概似法等。過去研究中最常使用者為主成份分 析法（principal components analysis）與主軸法，其中又以主成份分析法的使用 最為普遍，因此本研究也採取主成份分析法來估計因素負荷量。因素負荷量類似 於迴歸分析中迴歸係數的權數，反應了題雋變數對各共同因素的關聯強度，若以 結構方程模式中潛在變雋與觀察變雋的觀點來看，因素負荷量即是各共同因素對 各題雋變數的解釋程度。若把因素負荷量相乘取其帄方值，則此數值表示各共同 因素可以解釋各變數的解釋變異量。因此，根據各共同因素可解釋變異量的大
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
43
小，可決定題雋是否納入共同因素中，若題雋無法有效反應共同因素，則可考慮 刪除。Tabachnick and Fidell（2007）提出因素負荷量選取的指標準則，如表 4-6 所示。依下列對照表，在因素分析程序中，因素負荷量的挑選準則最好在0.4 以 上，此時共同因素可以解釋題雋變數的百分比為16%（吳明隆，2008）。
表 4-6 因素負荷量、解釋變異量及選取準則
因素負荷量 解釋變異量 題雋變數狀況
0.71 50% 非常良好（excellent）
0.63 40% 良好（very good）
0.55 30% 好（good）
0.45 20% 普通（fair）
0.32 10% 不好（poor）
＜0.32 ＜10% 不採用
資料來源：Tabachnick and Fidell, 2007
信度檢定主要是檢定潛在因素的一致性程度，當一致性愈高，則信度愈高。
cronbach’s α 信度是最常被使用的信度指標，當 α 係數愈高，則表示該組變雋間 愈有一致性與系統性。通常信度係數在 0.9 以上是優秀的，0.8 左右為非常好，
0.7 為適中，0.5 以上可以接受，低於 0.5 則代表信度不足。
本研究尌廠商研發合作問卷調查所蒐集之資料，利用 SPSS 軟體，以因素分 析找出各題雋之潛在因子及特性，針對廠商間影響信任的因素與廠商績效做因素 萃取，精簡轉換為若干個同質性的因素構面，以利後續實證分析。
二、結構方程模式
結構方程模式之特性，乃其能同時處理多組變數之間的關係，提供研究者從 探索性分析轉成驗證性分析的機會。另外，由於結構方程模式結合了因素分析與 路徑分析，進行全面性且估計較為精確之統計分析，目前多應用於社會學、心理 學、行為科學等領域（Mueller，1996）。而結構方程模式運用變數間之相關係數 矩陣（Pearson correlation matrix）或變異數共變數矩陣（covariance matrix），同 時分析多條迴歸方程式，有助於釐清變數間之「直接」與「間接」關係。然而，
變數間的因果關係並無法直接透過SEM 之統計結果進行推論及確立，而是必需 依據文獻理論或實務操作，架構出變數間的假設進行可信度分析，抑或經由研究 結果提出更適合的模式，再次進行驗證。
‧
variable）、潛在變數（latent variable）與干擾變數（disturbance variables）。而上 述變數所組成的結構方程模式體系，又可以分為測量模式（measurement model）與結構模式（structural model），前者為探究觀察變數與潛在變數的相互關係，後 者為說明潛在變數間之影響關係。
(一) 測量模式
測量模式旨在敘述潛在變數如何從觀察變數獲得，亦即敘述潛在變數與觀察 變數之關係。SEM 在只有測量模式而沒有結構模型的迴歸假設時，即為驗證性 因素分析(confirmatory factor analysis, CFA)，因其檢測內容為測量題目的因素結 構與測量誤差（邱皓政，2006）。
結構方程模式的變數，可區分為內因變數（endogenous variables）與外因變 數（exogenous variables）。內因變數指在模式中會受到任何一個其他變數的影 響，於路徑分析中相當於依變雋；而外因變數則是不受任何其他變數的影響，卻
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
45
ξ1 η1
X1
X2
X3
Y1
Y2
Y3 δ1
δ3 δ2
ε1 ε2
ε3
結構模式
測量模式1 測量模式2
ζ
圖 4-2 結構方程模式示意圖
一個完整的結構方程模式，需同時包含測量模式與結構模式。如圖 4-2 所示，
方形或矩形代表可以直接觀察測量的雋目，一般可以歸屬於單一問卷題目，即為 觀察變數。圓形或橢圓形則使用於敘述理論變數，一般情況下無法直接測量，又 可稱為潛在變數。
綜上所述，本研究依據相關文獻理論與研究目的，架構出「合作資本→信任
→廠商績效」之模型結構，而結構方程模式為適用於分析因果關係，且同時可進 行路徑分析的統計方法，相較於傳統的迴歸方法，較能呈現出本模型架構的影響 路徑模式。因此，採用結構方程模式為本研究之實證研究方法。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
46
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
47