研究對象及抽樣設計

二、信度分析

信度分析(Reliability Analysis)是指衡量資料之穩定性與可靠度，亦即對於同依或相 似母體重複其所得結果一致程度。信度越高，表示問卷結果越可信，但無法期望兩次 測驗結果完全一致，信度除了受到量表本身品質影響外，還會受到受測者本身因素的 影響，因此，沒有一份量表是完全可靠的，亦即信度只是程度上的差別(陳順宇，

2005)。本研究採用 Cronbach(1988)提出測量信度方法稱為 Cronbach’s α 係數，是目前 社會科學研究最常使用的信度，α 係數值作為衡量問項之內部一致性，Cuieford 認為 α係數大小代表可信程度，如表3-2 所示。

表3-2 Cronbach’s α 係數合理範圍

可信程度 Cronbach’s α係數

不可信 α≤ 0.30

勉強可信 0.30<α≤ 0.40 稍為可信 0.40<α≤ 0.50 可信(最常見的範圍) 0.50<α≤ 0.70 很可信(次常見的範圍) 0.70<α≤ 0.90

十分可信 α>0.9

資料來源:Cuieford(1965)

三、效度分析

效度分析(Validity Analysis)是測量變數能正確地測量出研究主題之程度，一份量 表能衡量該量表所想要衡量的心理或行為特質到何種特質，即是量表的有效性或正確 性。而ㄧ個測量工具效度越高，表示測量的結果越能顯現預測量對象之特徵。研究效 度包括內在效度與外在效度兩種。常用效度主要分兩種：內容效度(Content Validity) 是觀念上的驗證;建構效度(Construct Validity)是以數據為依據。每一個效度都試圖顯 示量表是否能量測出對應之觀念，只是在方法與意義上有所不同。兩種主要效度分析 說明如下(陳順宇，2005)：

1. 內容效度：為一份量表內容的代表性或取樣的適切性，問卷的內容效度以問卷題 項是否涵蓋研究主題的每個構面為評量依據，內容效度為一種定性的效度，其界 定一個概念的範圍並判斷測量是否真能代表此範圍;若問卷內容越能表示研究中 欲測量之問題本意，其內容效度越高。

2. 建構效度：為用來評估一個建構的測量是否與其他建構的測量具理論上的一致 性，量表能夠測量到理論上的建構、構面或特質的程度。

本研究採用內容效度作其效度分析，透過此智慧圖書館相關領域專家檢視問卷內 容，並請專家提出適當建議，最後，本研究根據專家提出之建議進行修正，以達到內 容效度。

四、結構方程模式

結構方程模式(Structural Equation Modeling, SEM)包含測量模式與結構模式，主 要探討變數間的線性關係，並對顯性變數與潛在變數之因果模式做假設檢定。其中包 含路徑分析(Path Analysis)是一對可觀測變數間線性系統方程組之因果關係式，由多 組複迴歸方程式所組合而成；及驗證性因素分析(Confirmatory Factor Analysis)是因素 分析的擴展，對一組變數間因素結構作驗證。結構方程模式之關係式可用路徑圖(Path Diagram)表示路徑圖可讓研究架構中之關係更加清楚呈現。而結構方程模式在社會科 學應用上越趨普遍，主要原因為此模式具有彈性，讓使用者操作方便(陳順宇，2005)。

邱皓政(2003)指出結構方程模式用以處理複雜多變量研究數據之分析，主要用於 檢驗假說關係與整體模式契合程度，其最大優點在於可同時處理一系列相關聯的相依 變數。基於上述介紹本研究採用LISREL 8.72 統計套裝分析軟體進行分析，透過問卷 方式調查使用者對於板橋車站低碳智慧圖書館之使用經驗，以結構方程模式驗證其理

1. 假設考驗(Hypothesis-testing)

結構方程模式的第一個主要內涵，是統計學當中有關推論統計中的假設考驗。其 為推論統計最主要的內容，也是行為科學研究的核心觀念。研究者為驗證提出之理論 觀點的適切性，所提出一套理論性的架構，不論是針對整體模型的適切考驗，或是個 別變項關係間的參數估計，都以假設考驗的方式檢驗。

2. 結構化驗證(Structural Confirmatory)

社會及行為科學研究的變項關係，通常涉及一組變項間的關係作為討論，此組變 項 除 了 存 有 數 學 、 表 面 的 關 係 外 ， 可 能 還 存 有 潛 在 因 果 性(Causality) 或階 層 性 (Hierarchy)之關係。無論是因果關係之證明或是量表內在結構之確認，均有賴於事前 研究變項之性質與內容的釐清，並清楚描述變項的假設性關係，由研究者提出具體的 結構性關係的假設命題，尋求統計上的驗證。尤其在社會或與行為科學領域所探究的 變項結構性關係，大多由一群無法直接觀察與測量的抽象命題(或稱為構念)所組成，

需獲得嚴謹的統計數據來證明構念間的存在(Bollen, 1989)。

3. 模型比較分析(Modeling Analysis and Comparison)

模組化分析是利用先前所討論之假設檢定與結構化驗證功能，結構方程模式可將 一系列的研究假設同時結構成一個有意義的假設模型(Hypothetical Model)，再經由統 計程序對此模型進行驗證。此一模型化分析功能最主要是為社會與行為科學之研究領 域，對抽象理論進行實驗的檢驗提供一套嚴謹的程序，使得研究者可透過統計分析檢 驗所提出之理論模型(Theoretical Model)。

結構方程模式基本程序可概分為模型發展與估計評鑑兩階段，前者在發展結構方 程模式分析的原理基礎並使結構方程模式符合特定的技術要求，後者在產生結構方程 模式的計量數據來評估結構方程模式的優劣好壞，並進行適切或必要的修飾，結構方 程模式分析的執行流程概念如圖3-2 所示。

圖3-2 結構方程模式之基本程序 資料來源：邱皓政(2003)

結構方程模式可進行整體模型之評估，透過不同之統計程序或適配度指標的計 算，研究者可研判假設模型與實際觀察資料的契合情形，結構方程模式的相關文獻提 供多種不同的模型的模型評鑑指標，不同的指標得到結果越趨一致。以下為各適配度 指標之檢定標準，如表3-3 所示。

表3-3 LISREL 模式適配度衡量指標

指標名稱 指標性質 判斷值 適用情形

χ2_值 理論模型與觀察模型之契合

度 P>0.1 說明模型解釋力

卡 方 檢 驗 (

χ2_{/ df )} 考慮模式複雜度後之卡方值 <3 不受模型複雜度影響

GFI 假設模型可以解釋觀察資料

之比例 >0.90 說明模型解釋力 AGFI 考慮模式複雜度後之GFI >0.90 不受模型複雜度影響 NFI 比較假設模式與獨立模型之

卡方差異 >0.90 說明模型較虛無模型的 改善程度

適 合 度 檢

驗 NNFI 考慮模式複雜度後之NFI >0.90 不受模型複雜度影響

CFI 假設模式與獨立模型非中央

性之差異 >0.95

說明模型較虛無模型的 改善程度特別適合小樣 本

替 代 性 指

標 RMSEA 比較理論模式與飽和模式之

差距 <0.05 不受樣本數與模式複雜

度影響

RMR 未標準化假設模型整體殘差 越小越好 瞭解殘差特性 殘

差 分 析

SRMR 標準化假設模型整體殘差 <0.08 瞭解殘差特性

資料來源:整理自 Bagozzi & Yi(1988)、邱皓政(2003)與徐聖訓(2009)