第四章 資料分析與研究結果
第三節 效度分析
本研究同時以內容效度與建構效度來檢測量表的正確性。內容效度部分在前一 章節即有完整交代，故不再於此多加贅述；而建構效度部分，則以結構方程模型 中之驗證式因素分析，進行模型配適度、收斂效度(convergent validity)與區別效度 (discriminant validity)等對於各構面因素結構的檢定。
一、 模型配適度檢驗
檢驗模型配適度的主要目的為確保模型外在之品質、評鑑理論模型是否能解釋 實際觀察所得的資料；然而單一配適指標良好，並不代表整體模型的配適度皆優 秀，因此為確保整體模型配適度的優良與否，須以多方面指標來加以評估。本研 究參考了多方學者(Boomsma, 2000; Jackson, Gillaspy Jr., & Purc-Stephenson, 2009;
73
McDonald & Ho, 2002)之意見，挑選出 χ2與自由度比值(CMIN/DF)、配適度指標 (GFI)、調整後的配適度指標(AGFI)、基準配適度指標(Normed Fit Index, NFI)、非 基準配適度指標(Tucker-Lewis Index, TLI)、漸增式配適度指標(Icreamental Fit Index, IFI)、相對配適度指標(Relative Fit Index, RFI)、比較配適度指標(Comparative Fit Index, CFI)與近似誤差平方根(Root Mean Square Error Approximation, RMSEA)等 九項指標來進行整體模型的配適度檢驗。相關指標之判斷標準如下表：
表 4- 3 配適度指標
配適指標 指標縮寫 理想標準
χ2與自由度比值 CMIN/DF ＜3
配適度指標 GFI ＞0.9
調整後的配適度指標 AGFI ＞0.9
基準配適度指標 NFI ＞0.9
非基準配適度指標 TLI ＞0.9
漸增式配適度指標 IFI ＞0.9
相對配適度指標 RFI ＞0.9
比較配適度指標 CFI ＞0.9
近似誤差平方根 RMSEA ＜0.08
資料來源：張偉豪(2011)
本研究之各變項模型經過相關配適度指標的評估後，多數指標皆符合理想標 準，唯少數幾項指標與理想標準略有些微差距，但皆在小數點二位數以下，影響 不大，在配適度評估方面仍亦於合理範圍之內；唯一與理想標準差距甚多的則為χ2 與自由度比值(CMIN/DF)，在企業社會責任認知模型中，此一指標表現尚屬合理，
為 2.747，但在其他變項模型當中，表現則較不如預期，例如：企業聲望認知模型 的χ2與自由度比值為 5.318；組織承諾模型的 χ2與自由度比值為 9.815；而工作滿 意度模型的 χ2與自由度比值則為 3.770 等，皆大於理想標準值甚多。另外值得一 提的是：雖然大多數的指標均符合配適標準，但各變項模型之 p 值的分析結果皆
74
呈現顯著性，代表拒絕 H0。但會產生這樣的結果並不一定是模型配適度不佳所造 成，亦有可能是因為樣本太大或是樣本分布未屬常態而造成的偏誤，為釐清此一 問題產生的原因，本研究將利用 Bollen-Stine bootstrap p 值來執行校正(Bollen &
Stine, 1992)的工作。
Bollen-Stine bootstrap p 值校正法是利用取出放回的重複抽樣技術，來修正模 型的卡方值，重新檢驗模型配適度並調整缺乏多元常態分佈的資料(張偉豪，2011)。
本研究利用此一技術，將量表中的四個模型皆以 1000 次的 bootstrap 後，均得到 1000 次模型配適皆良好，且下一個出現較差模型之機率 p=0.000 的結果，表示先 前所估計的 p 值顯著並非模型配適度不佳，而是因為樣本數過大且非常態分布所 致。表 4-4 呈現為經過 1000 次的 bootstrap 後，利用 bootstrap 估計的平均卡方值重 新進行各模型的配適度指標檢驗結果，可由此表看出在經過模型修正之後，所有 的模型配適度皆有所改善，且各變項模型中的配適指標絕大多數皆符合理想標準，
表示量表中所有變項模型之配適皆優良。
表 4- 4 Bollen-Stine p correction 各變項模型配適指標 配適指標 企業社會責任
認知模型
企業聲望認知 模型
組織承諾 模型
工作滿意度 模型 CMIN/DF 1.32 1.36 1.36 1.57
GFI 0.95 0.97 0.99 0.98 AGFI 0.93 0.95 #0.88 0.94 NFI 0.95 0.97 0.99 0.98 TLI 0.98 0.99 1.00 0.99 IFI 0.99 0.99 1.00 0.99 RFI 0.94 0.96 0.98 0.97 CFI 0.99 0.99 1.00 0.99 RMSEA 0.03 0.03 0.03 0.03 註：#未合乎理想標準
75
二、收斂效度檢驗
進行收斂效度與區別效度檢驗的主要目的，在於衡量模型的內在品質；其中收 斂效度主要是測試由單一變數發展出的多個問項，是否最終將收斂於同一個因素 之內，以確保量表題項編排的有效性。而一個擁有良好收斂效度之量表，須滿足 下列三項條件：
(一) 觀察變數之標準化因素負荷量(Standardized factor loading)＞0.5，且 t 檢定為 顯著(Hair, Anderson, Tatham, & Black, 1998)。
(二) 變項之組合信度(composite reliability, C.R) ＞0.7(Raykov, 1997)。
(三) 平均變異萃取量(average variance extracted, AVE)＞0.5(Raykov, 1997)。
在本研究當中，各個指標變數之因素負荷量介於 0.585~0.903 間，皆＞0.5 且呈 現顯著，表示在本量表模型中 16 個測量指標的個別信度均頗佳。接下來，利用先 前所測量出的標準化因素負荷量估計值，計算出各潛在變數的組合信度值，作為 檢驗構面信度之指標；檢驗結果發現各潛在變數之組合信度介於 0.861~0.894 間，
皆＞0.7，顯示潛在變數中的指標變數皆具有相當程度的內部一致性。最後，再次 利用指標變數之標準化因素負荷量來做平均變異萃取量的估算，以檢驗指標變數 能夠被潛在變數所解釋之變異量的百分比；得出的結果為各潛在變數之平均變異 萃取量介於 0.548~0.765 間，皆＞0.5，代表本量表模型所產生之測量誤差將較小。
綜合以上所述，由於整體檢驗結果皆滿足收斂效度的三項條件，故可證實各研究 變項均具有良好的收斂效度，即測量模型的內在品質亦佳。
有關於收斂效度分析之相關數據請參考表 4-5。
76 低，則表示此二構面具有區別效度(Anderson & Gerbing, 1988)。而在判斷標準方面，
學者建議：每一構面的 AVE 平方根需大於各構面相關係數之個數，且需占整體比 較個數之 75%以上(Hairs et al., 1998)。以上條件可於表 4-6 當中進行檢驗。
77
表 4- 6 區別效度檢定表
構面 相關係數
CSR PEP OC JS
企業社會責任認知 0.75
企業聲望認知 0.74** 0.78
組織承諾 0,69** 0.76** 0.88
工作滿意度 0,69** 0.75** 0.76** 0.83 註：對角線之值為 AVE 之平方根
由上表可以看出，各構面之 AVE 平方根均介於 0.75~0.88 間，且大於構面間 的相關係數(非對角線上之數值)，顯示量表具有區別效度，再次證明本研究之測量 模型的內在品質是優良的。