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