抽樣設計

本研究所探討之職業棒球賽事是指中華職棒第21 年下半季的球賽，本季賽 程時間為2010 年 07 月至 10 月，是以親自前往球場觀賞兄弟象隊比賽之現場觀 眾為研究對象，選擇十八歲以上之年齡層較能了解題意之成人進行調查，在兼顧 樣本代表性的原則下，於施測前會先口頭詢問受訪者是否為兄弟象隊的觀眾，經 確認後始可填答，乃以立意抽樣(Purposive Sampling)方式抽取樣本，而本研究問 卷於球賽進行前與第五局中場休息時發放，以不打擾觀眾觀賽之原則進行施測。

預試問卷經過專家審查修正後，於2010 年 9 月 1 日至 2010 年 9 月 10 日共 發放135 份，有效問卷共為 124 份，有效回收率為 92%。正式問卷調查時間為 2010 年9 月 23 日至 2010 年 10 月 23 日，因本研究所使用之統計方法為結構方程模式，

而對結構方程模式來說，Anderson and Gerbing (1988)認為 100-150 個是滿足樣本 大小的最低底線，一般需較大的樣本才能維持衡量的準確性與代表性(引自黃文雄，

2007)。Tinsley and Tinsley (1987)提到每一個測量的題目，須有 5 到 10 名受測者 的比例，而本研究問卷題項共計42 題，又考量問卷之有效性情況下，因此正式 問卷實際發放數為450 份，回收率為 100%，經檢視回收問卷後，剔除填答不全 或問題填答反應固定式者44 份，剩餘為有效樣本共 406 份，有效問卷率為 90.22%。

第六節 資料處理與分析方法

本研究將問卷調查後所得資料彙整，利用社會科學套裝軟體系統(Statistical Package for the Social Science, SPSS)17.0 版與 LISREL (LInear Structural

RELationship)8.8 版進行分析，其中包含描述性統計、項目分析、信度分析、驗 證性因素分析、獨立樣本t 檢定、單因子變異數分析與結構方程模式，茲將分述 如下：

一、 描述性統計(Descriptive Statistics)

目的是為了瞭解觀眾之分佈現況，另外則由平均數、標準差、態勢、峰度來 檢視休閒涉入、組織承諾、幸福感與基本資料中各問項之狀況。

二、 項目分析(Item Analysis)

項目分析是測驗發展最為根本的一項工作，主要是針對預試題目進行適切性 的評估(邱皓政，2005)。而需注意的是：1.不採用遺漏值過多的題項與具有極端 的平均數、態勢和峰度之題目。2.項目總分相關(Item-total Correlation)要高於 0.3、

校正項目總分相關(Corrected Item-total Correlation)要高於 0.5。3.量表總分取極端 的27%分高低兩組，臨界比(Critical Ration)亦即高低分組在題項的平均數考驗之 t 值，達顯著且越高越好，臨界比不顯著不採用。4.因素負荷量(Factor Loading) 低於0.4，或在兩因素以上同時大於 0.3 者刪除不採用(Lankford & Howard, 1994；

邱皓政，2002；吳明隆、涂金堂，2005；引自黃文雄，2007)。

三、 信度分析(Reliability Analysis)

信度亦稱為可靠度，是指一份量表所測得的分數的一致性(consistency)與穩定 性(stability)(林震岩，2007)。本研究所採取之信度係數與衡量方法為內部一致性 信度(Internal-consistency Reliability)，其衡量種類主要分成再測信度、複本信度、

折半信度與Cronbach’s α信度(林震岩，2007)，Cronbach’s α係數相較之下是較為嚴 謹，也是較為常用的信度考驗方法(葛樹人，1994；邱皓政，2002)。Nunnally and Bernstein (1994)認為係數值超過 0.70 即可，DeVellis (2003)則更明確分野成 α 值 低於0.60 是完全不接受；0.60-0.65 則最好不要；0.65-0.70 是最小接受值；0.70-0.80

就相當好；0.80-0.90 為非常好(引自黃文雄，2007)。一般而言，總量表係數值於 0.80 以上最佳，次量表之 α 值最好在 0.70 以上(吳明隆，2003)。

而α 係數無法允許觀察變項間的測量誤具有相關，以及觀察變項同時作為一 個以上潛在建構的指標，因此使用驗證性因素分析便能解決以上問題(黃芳銘，

2004a)。

四、 驗證性因素分析

利用LISREL軟體進行驗證性因素分析，以最大概似法(Maximum Likelihood) 進行估計，檢驗研究工具之信、效度。

在信度上，驗證性因素分析所計算出的個別變項的標準化負荷量可用來獲得 因素的信度，此種信度指標稱為組成信度，又稱建構信度(Construct Reliability)，

是評鑑一潛在建構指標的一致性程度，亦即指標分享該潛在因素的程度，信度高 表示指標間有互相關連(intercorrelated)，若信度低則表示較不一致(黃芳銘，2004a)。

Raines-Eudy (2000)認為越高的信度代表具有越低的誤差變異，建構信度值從 0 到 1，0.5 以上是可以接受的(Acceptable) (引自黃文雄，2007)。而黃芳銘(2004a)認為 對個別變項之低標可採用0.5，而潛在變項之信度以 0.6 為低標是較為恰當。而在 個別觀察變項的信度則須大於0.20(Bentler & Wu, 1993; Jöreskog & Sörbom, 1989)。

在效度分析上，效度(Validity)是指測量的正確性，指測量或其他測量工具確 實能測得其所欲測量的特質或功能之程度，而效度越高，表測量的結果越能顯現 所欲測量對象的真正特徵(邱皓政，2005)。效度可區分為三種類型，即效標效度、

內容效度與構念效度，將適用於本研究之衡量類型詳述如下：

(一)內容效度(Content Validity)

內容效度是指一個測驗本身所能包含的概念意義範圍或程度，須針 對測量工具的目標和內容評估，以系統的邏輯方法來詳細分析，又稱為 邏輯效度(logical validity) (黃芳銘，2004a；邱皓政，2005)，內容效度的 檢定是相當主觀，因此先請專家學者審查來判斷量表是否具內容效度(林 震岩，2007)，對於內容效度的量化指標，Aiken (1980; 1985)採取類似量 化評分者信度過程的方法來建立內容效度係數，以考驗其顯著性，來獲 取內容效度量化分析的實證指標，此法可兼顧量化指標的統計學特性，

因此內容效度係數可作為客觀評定一份測驗或量表是否合適的參考指標 (余民寧，1993；1997)。

(二)構念效度(Construct Validity)

構念效度是指測量工具能測得的一個抽象概念或特質的程度，簡單 來說乃是建構與其測量間符映之程度(黃芳銘，2004a；邱皓政，2005)。

構念效度可分為聚合效度(Convergent Validity)與區別效度(Discriminant Validity)，在相同構念的題項，彼此間相關要越高越好，稱為聚合效度，

而聚合效度的評鑑方式分為二種，一為觀察變項的因素負荷量須達到顯 著水準(t-value>1.96 和 p<0.05)，且其係數須大於 0.45(Bentler & Wu, 1993;

Jöreskog & Sörbom, 1989)，方向性必須正確；第二為潛在變項的平均變 異數抽取量(Average Variance Extracted, AVE)，其值必須大於 0.50；而區 別效度則為不同構念間的題項，彼此間之相關要越低越好，利用模式間 潛在變項之相關與潛在變項配對相關信賴區間檢定法，也就是使用標準 誤來形成真實相關的近似信賴區間，信賴水準為95%，計算方式為 r±1.96 標準誤，判定信賴區間值是否存在包含1.00 的值，來檢定潛在變項的區 別效度(Anderson & Gerbing, 1988; 黃芳銘，2007)。而 Kerlinger (1973) 認為問卷的構念效度可用因素分析與總分與項目分數之相關(part-whole correlation)來驗證(林震岩，2007)。

五、 獨立樣本t檢定(t-test)

用以檢定二分變數對連續變項的影響，通常用來進行兩個樣本的顯著性差異 考驗(引自潘淑蘭，2006)，依此檢驗本研究社經背景之二分變項(如性別)與休閒涉 入、組織承諾與幸福感構面間，每組變數的平均數是否有顯著差異。

六、單因子變異數分析(One-Way Analysis of Variance)

是在檢定三分變數或三分變數以上在不同組別的平均數是否有顯著差異。依 此檢驗本研究三分變數以上的社經背景(如：教育程度、職業、居住地等)與休閒 涉入、組織承諾與幸福感構面間，每組變數的平均數是否有顯著差異。

七、結構方程模式(Structural Equation Modeling, SEM)

SEM 是用來檢定有關觀察變項(observed variables)與潛在變項(latent variables) 之間假設關係的一種全包式統計取向(融合了因素分析與徑路分析兩種統計技 術)(Hoyle, 1995;引自黃芳銘，2004a)。本研究以結構方程模式來檢驗職棒觀眾之 休閒涉入、組織承諾與幸福感模式的適配情形，並對模式中各組變項間之關係進 行修正與分析，以瞭解模式與實際資料之適配情形，研究中以LISREL8.8 版統計 軟體來執行。以下將整體模式適配度與內在結構適配度之評鑑指標分述(邱皓政，

2004；陳正昌、程炳林、陳新豐、劉子鍵，2003；黃芳銘，2004b)：

(一)整體適配指標 1.絕對適配指標

(1)概度比率卡方考驗值(χ²)：數值範圍在 0 以上，其值需不顯著，p≧

0.05。

(2)良性適配指標(Goodness of Fit Index, GFI)：數值範圍於 0-1 之間，

有可能出現負值，0.9 以上表模式可被接受。

(3)調整良性適配指標(Adjusted Goodness of Fit Index, AGFI)：數值範圍 於0-1 之間，有可能出現負值，0.9 以上表模式可被接受。

(4)標準化均方根殘差(Standardized Root Mean Square Residual, SRMR)：

數值範圍於0-1 之間，值越大表模式適配越差，小於或等於 0.05 表 模式可獲接受。

(5)近似誤差均方根(Root mean Square Error of approximation, RMSEA)：

小於或等於0.05，表示「良好適配」(good fit)；0.05～0.08 為「不 錯的適配」(fair fit)；0.08～0.10 為「普通適配」(mediocre fit)；大 於0.10 表示「不良適配」。

(6)期望複核效度指標(Expected Cross-Validation Index, ECVI)：用於比 較不同的競爭模式，值較小者表該模式越具有預測效度。

2.相對適配指標

(1)非規範適配指標(Non-Normed Fit Index, NNFI)：值越高，理論模式 越適配，大於0.9 以上，表示模式可以接受。

(2)比較適配指標(Comparative Fit Index, CFI)：值越大表模式適配越好，

大於0.9 以上，表示模式可被接受。

(3)相對適配指標(relative fit index, RFI)：值在 0.9 以上表示模式可以接 受，值在0.95 以上表示模式相當適配。

3.簡效適配指標

(1)簡效規範適配指標(Parsimonious Normed Fit Index, PNFI)：值在 0.5 以上為模式通過與否的標準。

(2)簡效良性適配指標(Parsimonious Good-of-Fit Index, PGFI)：值越大 表模式越簡效，一般採取0.5 以上做為模式是否接受的標準。

(3) Akaike 訊息標準指標(Akaike Information Criterion, AIC) ：用於比 較各種競爭模式，值越小者越好。

(4)Hoelter 的臨界數(Hoelter’s Critical N, CN)：值大於 200 時，模式即 被接受。

(5)規範卡方(Normed chi-square)：其值必須介於 1.00 與 3.00 之間。

(二)內在結構適配指標

內在結構配適指標評鑑包含測量模式評鑑與結構模式評鑑兩方面。

1. 測量模式的評鑑：重視觀察變項是否足夠來反應相對應的潛在變項，

目的在於瞭解潛在建構的效度與信度。

2. 結構模式的評鑑：評鑑理論建構階段所鋪設的因果關係是否能夠成 立。

其建議的標準如下：

1.個別項目信度(individual item reliability)在 0.5 以上。

2.潛在變項的成份信度(composite reliability)在 0.6 以上。

3.潛在變項的平均變異抽取(average variance extracted)在 0.5 以上。

4.所有估計的參數都達顯著水準。

5.標準化殘差(standardized residuals)的絕對值必須小於 1.96。

6.修正指標(modification indices)小於 3.84。