第三章 研究方法
第五節 資料分析方法
為驗證前述之假設，將搜集之問卷資料採用下列幾項數量統計方法，
加以統計分析，已達成本研究擬訂之前之研究目的。統計方法包括項目 分析、驗證性因素分析、信度分析、描述性統計分析、階層複迴歸分析、
結構方程式分析，並使用 SPSS 與 Amos 統計套裝軟體進行相關資料分 析與驗證，其分析如下：
一、項目分析
主要以項目分析來檢測題項之良窳，以利正式問卷之編定。其項目 分析內容包含遺漏值檢驗、描述性統計檢驗（平均數、標準差與偏態係 數）、極端值比較、同值性檢驗（相關係數、因素負荷值）等四大類7 項 指標。
二、信度分析
本研究採用 Cronbach’s α 值來檢驗問卷題項之間的內部一致性，以用 來了解量表的可靠程度與穩定性。若Cronbach’s α 係數愈高，則表示各問 項之間的關聯性愈高，問卷的一致性亦愈高。當Cronbach’s α 係數在 0.7 以上時為可接受的最小信度值，0.7~0.6 之間為免強可以接受之信度值，
如果信度值過低如在0.6 以下，則應以重新修訂研究工具或是重新編制較 為適宜（DeVellis, 1991; Nunnally, 1978; 吳明隆、塗金堂，2006）。
三、驗證性因素分析
利用 Amos 軟體進行驗證性因素分析，以最大概似估計法(Maximum Likelihood Estimation, MLE)，檢測研究工具的信、效度。個別項目信度 (individual item reliability)是指衡量模式達到理想的基本模式適合度，評 估準則為：R2是否達 40%以上，測量變數對該構面的因素負荷量是否為 0.50~0.95 以及具統計顯著性(Bagozzi & Yi, 1988)。構面的組成信度 (Composite Reliability, CR)是為測量構面之信度的組成品質，CR 值愈高表 示 衡 量 指 標 愈 能 測 出 建 構 信 度 ， 該 值 應 在 0.60 以 上 (Fornell &
Larcker,1981)。測量模型的驗證結果顯示：GFI 達 0.90 之門檻值，然而，
RMR 與 RMSEA 值均小於 0.08 的標準(Bollen, 1990)，再以 NCI（Normed Chi-square Index）作為 χ2 檢定之替代指標，NCI 宜小於 3 表示模式的配
平均變異抽取量(Average Variances Extracted, AVE)是計算各測量變數對 構面的平均解釋力，達 0.50 以上表示具收斂效度；區別效度的判定是依 各構面之 AVE 平方根值須大於各成對構面間之相關係數(Fornell &
Larcker, 1981)。
四、描述性統計分析
針對本研究調查之個人基本資料，進行樣本分佈的次數分配、有效 百分比分析，以暸解樣本結構，如性別、年齡、教育程度、婚姻狀況、
職業與居住地等資料。同時利用敘述統計之極大值與極小值進行資料檢 誤，確保原始資料之正確性，並利用敘述統計中之平均數、標準差、次 數分配表及百分比等描述性統計數值，用以了解樣本結構在各問項中所 分佈情形。其中平均數代表活動參與者對該問項的看法，利用平均數做 一比較，平均數越高代表該屬性較為參與者所重視。而標準差則可視為 評量回收的樣本對於該問項之一致性指標，樣本標準差愈小，表示參與 者對該問項較有一致的看法。
五、階層複迴歸分析
本研究擬利用階層複迴歸分析來檢驗研究架構中之研究假設。在檢驗
研究假設一時，階層複迴歸分析進行的方式是，先將控制變數（人口統 計變數與活動頻率）納入迴歸方程式中，觀察對中介變數（情境涉入）
2
釋效果的增量，並檢測自變數對中介變數的影響是否顯著。接著，檢驗 研究假設二，同樣先將控制變數（人口統計變數與活動頻率）納入迴歸 方程式中，觀察對依變數（心流體驗）的總體解釋效果(R2)，之後，在將 中介變數（情境涉入）納入，檢視總體解釋效果的增量，並檢測中介變 數對依變數的影響是否顯著。再來，檢驗研究假設三，同樣先將控制變 數（人口統計變數與活動頻率）納入迴歸方程式中，觀察對依變數（心 流體驗）的總體解釋效果(R2)，之後，在將自變數（深度休閒）納入，檢 視總體解釋效果的增量，並檢測自變數對依變數的影響是否顯著。最後，
檢驗研究假設四，還是先將控制變數（人口統計變數與活動頻率）納入 迴歸方程式中，觀察對依變數（心流體驗）的總體解釋效果(R2)，之後，
在將自變數（深度休閒）及中介變數（情境涉入）納入，檢視總體解釋 效果的增量，並檢測中介變數的影響對依變數是否顯著，同時觀察自變 數對依變數的影響是否被淡化，以確定中介效果的成立。
六、結構方程式
利用 Amos 軟體進行結構方程式(Structural Equation Model, SEM)的 路 徑 因 果 關 係 實 證 分 析 ， 以 最 大 概 似 估 計 法(Maximum Likelihood Estimation)對本研究模式中各個變數間之因果關係進行估計，同時亦也針 對自變數（深度休閒）與依變數（心流體驗）間之直接與間接影響，以 Bootstrap 統計方式暸解中介變數（情境涉入）的中介效果。Amos 是
Analysis of moment structures（動差結構分析）的簡寫，動差結構與共變 異數矩陣內涵類似，實務應用於結構方程模式(SEM)的分析，此種分析又 稱為「共變異數結構分析」(analysis of covariance structures)或「因果模式 分析」(analysis of causal modeling)，此種分析力成結合了傳統之一般線性 模式與共同因素分析之技術（吳明隆，2007）。
研究模式的配適度以卡方(χ2)檢定理論模式與取樣資料之配適度，具 有統計基礎，並利用NCI（即 χ2/df, 卡方值/自由度），配適度指標(Goodness of Fit Index, GFI)，調整的配適度指標(Adjusted Goodness of Fit Index, AGFI)，基準配適度指標(Normed Fit Index, NFI)，相對配適度指標(Relative Fit Index, RFI)、比較配適度指標(Comparative-Fit Index, CFI)、增量配適度 指 標 (Incremental Fit Index, IFI) 、 簡 約 配 適 度 指 標 (Parsimony Goodness-of-Fit Index, PGFI) 、 簡 約 調 整 後 之 規 準 配 適 度 指 標 (parsimony-adjusted NFI, PNFI)、殘差均方和平方根(Root Mean square Residual, RMR)、漸進殘差均方和平方根(Root Mean Square Error of Approximation, RMSEA) 及臨界樣本數(Critical N, CN)等十三項指標進 行整體模式適配度的評估(Bagozzi & Yi, 1988; Joreskog & Sorbom, 1996)。
第六節 量表信、效度分析
本研究採自編問卷進行研究，研究內容包含研究假設之構面，並使用
李克特(Likert)七等第量表對各變數進行測量，測量尺度為順序尺度視同
區間尺度，在問卷設計完成後，隨即進行問卷發放。問卷回收後，將問 卷進行編碼、建檔、校正後，利用SPSS 進行項目分析，經遺漏值檢定、
平均數、標準差、偏態、極端檢定、相關係數、因素負荷量與信度等九 項指標評估問項之適用程度，用以刪除不適當之題項，以利後續資料分 析之嚴謹性。
由表 3-6 可得知，各變數 Cronbach’s α 值皆在 0.7 以上，顯示各變數 之信度具有相當之水準。但進一步觀之發現，深度休閒第11 題（即深度 休閒構面中持續的個人利益的第5 題）「參與角色扮演活動(Cosplay)，可 以認識許多朋友」之刪除後量尺信度為 0.93，即建議刪除此題，深度休 閒構面中持續的個人利益Cronbach’s α 值將會從 0.89 提升至 0.93，有助 於提高構面之信度，且此題目的平均數較同構面其它題目偏高(M=6.13)，
相關係數與因素負荷值較同構面其它題目偏低，皆低於0.5，因此予以刪 除；深度休閒第15 題（即深度休閒構面中獨特的精神特質的第 1 題）「長 期與角色扮演活動(Cosplay)同好相處下，我們擁有共同的價值觀」之刪 除後量尺信度為 0.84，即建議刪除此題，深度休閒構面中獨特的精神特 質Cronbach’s α 值將會從 0.81 提升至 0.84，有助於提高構面之信度，且 此題目的相關係數與因素負荷值較同構面其它題目偏低，因此予以刪 除；深度休閒第18 題（即深度休閒構面中強烈的認同活動的第 1 題）「我 認為沒有其它休閒活動可以取代角色扮演活動(Cosplay)」之刪除後量尺
信 度 為 0.78 ， 即 建 議 刪 除 此 題 ， 深 度 休 閒 構 面 中 獨 特 的 精 神 特 質
表3-6 角色扮演活動問卷項目分析（續）
表3-6 角色扮演活動問卷項目分析（續）
表3-6 角色扮演活動問卷項目分析（續）
表3-6 角色扮演活動問卷項目分析（續） 構面信度Cronbach’s α值及構面信度(Construct Reliability, CR)都在 0.79 以 上，符合問卷內部一致性之基本要求(Hair, Anderson, Tatham, & Black, 1998)。由於問卷設計均有理論基礎及實證文獻之依據，並經過實際與活 動參與者的訪談並施予前測，故符合內容效度。各題目R2均大於40%，
且所有衡量題項均歸入原先之理論構面，因素負荷量介於 0.63 至 0.97，
並具有顯著性(p<0.001)。而各構面的組成信度(CR)值都在 0.78 以上，基 於顯著性的因素負荷量及高CR 值，表示該量表具有組成信度(Bagozzi &
Yi, 1988)。Fornel 和 Larcker (1981)建議可採用各構面與其對應問項所萃 取的平均變異(Average Variances Extracted, AVE)檢定收斂效度及區別效 度。他認為 AVE 值達 0.5 以上，表示該量表具有收斂效度；區別效度的
表3-7 驗證性因素分析結果（續）
表3-7 驗證性因素分析結果（續）
表3-7 驗證性因素分析結果（續）
Cronbach’s α
測量構面與題項 因素負荷值
(λ)a CRb AVEc
R2(errors)
情境涉入 0.89 0.61 0.90
參與角色扮演活動(Cosplay)是一件
會使我感到興趣的活動 0.86 0.73(0.27) 我喜愛參與角色扮演活動(Cosplay)
並享受在其中 0.81 0.66(0.34)
我堅信角色扮演活動(Cosplay)是一
項正確的選擇 0.79 0.62(0.38)
參與角色扮演活動(Cosplay)可以展
現出自我風格 0.63 0.40(0.60)
我認為花費時間在參與角色扮演活
動(Cosplay)是值得的 0.80 0.64(0.36) 註：a所有標準化因素負荷量皆達顯著水準, p＜0.001
bCR（組成信度）=（Σ 標準化因素負荷量）2/ （（Σ 標準化因素負荷
量）2+（Σ 測量誤差））(Jöreskog & Sörbom, 1996)
cAVE（平均變異抽取量）=（Σ 標準化因素負荷量2）/（（Σ 標準化因
素負荷量2）+（Σ 測量誤差）） (Jöreskog & Sörbom, 1996)
χ2=459.34, df=374, NCI=1.23, GFI=0.95, AGFI=0.93, RMSEA=0.02, CFI=0.99
表3-8 變數與構面之平均數、標準差與相關係數
第七節 小結
本章介紹了所研究範圍、選取的對象與研究架構，並且陳述了問卷 設計的方式、預試的過程及問卷的信、效度，在資料蒐集的部份則交代 採用便利抽樣的原因及與發放問卷的份數，祈使本研究儘量符合抽樣的 原則而減少偏誤的產生，同時也說明了採用何種統計方法對資料進行分 析，並進行問卷信效度之驗證。接下來第四章將對本研究所得到的結果 作分析與呈現。