第三章 研究方法
第三節 研究工具
一、國中生生活適應量表
本研究將文獻整理，參考吳宗弘(2009)學者將李坤崇、歐慧敏(1993)所編之「行為 困擾量表」，及劉焜輝、周軒擇(1990)所編之「國民中學生活輔導診斷測驗」等測驗 工具編製而成，且學者江孟芠(2012)、張君鈴(2011)、黃雅羚(2009)皆採用此量表作為 研究工具，而本研究並以此量表訪談8位輔導相關之人員，自行修訂編製而成「國中 生生活適應量表」，故此量表效度極高，可檢核受試者生活適應情形。本問卷共分為 家庭適應、人際關係、學習適應、自我適應等四個構面，全量表共30題，其中，人際 關係、自我適應、家庭適應、學習適應、量表之題數分別為7題、6題、7題、10題。
有關本問卷題項在各構面的分配情形，如表3所示。
表3
國中生生活適應量表題項之各構面分配情形
層面 人際關係 自我適應 家庭適應 學習適應
題數 7 6 7 10
題號 1~10 11~17 18~23 24~30
在「國中生生活適應量表」中，根據四項構面之內涵，茲分述如下：
1. 人際關係：個人與同學、朋友、家人的相處及交往的關係。
32
2. 自我適應：個人對周遭人事物有明確的覺察及認知能力。
3. 家庭適應：個人對家庭中父母、兄弟姊妹、親戚的相處及交往的關係。
4. 學習適應：個人運用技巧解決及調適在學習方面困難的能力。
二、填答與計分方式
本研究之中國生生活適應量表乃採用 Likert 的五點量尺來計分：完全不符合、不 符合、普通、符合、非常符合，在本量表中，在各分量表的得分越高，代表其在生活 適應中各層面的適應能力越低；反之，則越高，而總分得分越高者，代表整體的生活 適應能力越低；反之，則越高。
各構面之總分數在整體學生分數中前 5%內，則成為高度關懷，亦及，關懷程度 0 代表各構面之總分數不在整體學生分數中前 5%內；關懷程度 1 代表各構面之總分 數在整體學生分數中前 5%內有 1 項；關懷程度 2 代表各構面之總分數在整體學生分 數中前 5%內有 2 項。
三、主成份分析法
Karl Pearson首先提出主成份分析(principal component analysis)，再由 Hotelling加 以發展的一種統計方法，進行行為科學研究時，經常面臨具有相互關係的眾多變數予 以篩選，使其改成較少幾個相互獨立的線性組合，上述動作為研究開始階段的重要工 作，而主成份分析是希望利用較少的變數來解釋大量原始資料的方法，其權重是由資 料本身分析而得，並不是主觀認定，所以主成份分析所萃取出的主成份可以用來作為 資料的綜合性指標，因此主成份分析不僅可以賦予各項變數所需要的權重，同時也能 客觀地處理原始資料，而主成份分析法的計算方式相當複雜，但電腦運算能力大幅提 升以及統計套裝軟體的發達，也使得主成份分析法開始廣泛應用於農業、商學、教育 學、心理學、氣象學等領域，如學者Tong and Su(1997)將每個實驗裝置的變異－共變 異矩陣視為相同，因此所有資料經由同一組主成份轉軸，此種過程中明顯地未將各個
33
實驗組的差異納入考慮；同時也沒有說明如何處置兩個或兩個以上的主成份，應該要 如何挑選最佳參數水準組合，顏榮祥(2009)則應用結合型灰關聯分析與主成份分析針 對國內14家金融控股公司之財務績效進行綜合性評估並加以排序，並將兩種方法之排 序結果與具公信力之機構(天下雜誌社)的調查結果加以比較，藉以瞭解其應用在企業 績效評估上之可行性。
本研究對資料的分析將採用 SAS 9.0 For Windows 版之主成份分析，依據周文 賢(2002)多變量統計分析一書茲將主成份分析方法之理論及應用簡述如下：
主成份析(Principal component Analysis)係指將K個行為變數( 𝑋𝑋1, 𝑋𝑋2 ,…, 𝑋𝑋𝐾𝐾 ) 減縮為總指標(Y)之統計方法，其中，行為變數須為分析性變數，總指標(Overall Index) 則是行為變數之線性組合，二者並無解釋變數及反應變數之分。所謂線性組合 (Linear Compound)，係指加權和的槪念，故總指標相當於K個行為變數之加權和，藉由主成份 分析，K個行為變數最多可萃取出K個主成份，其中，只有一個主成份具有意義，稱為 總指標，其他(K-1)個主成份在實務上則很難獲得有價值涵意。
主成份分析之目的可分為最終目的及中介目的，在最終目的方面，總指標分數可 直接應用於探討個案差異，而為便於理解總指標之涵意，有必要進行百分位序之轉換，
而在中介目的方面，總指標分數可與其他變數進行交叉分析，而由於總指標分數不需 提報出來，因此不需轉成百分位序，總指標原為主成份分數不易理解，轉換為百分位 序純為解讀之便，若非最終目的且無解讀之必要，則可不用轉換。
藉由主成份分析所建構之總指標(Y)，為K個可觀察行為變數 ( 𝑋𝑋1, 𝑋𝑋2 ,…, 𝑋𝑋𝐾𝐾 )之 加權線性組合，方程式如下所示：
Y=𝑊𝑊1𝑋𝑋1+ 𝑊𝑊2𝑋𝑋2+ ⋯ + 𝑊𝑊𝑘𝑘𝑋𝑋𝑘𝑘 其中
Y=總指標，可稱為第一個主成份，簡稱主成份，代表構念;
𝑋𝑋𝑘𝑘=第 k 個可觀察之行為變數，又稱為構面變數;
𝑊𝑊𝑘𝑘=第 k 個行變數權重，亦即主成份權重;
34
k=1,2, ⋯,K。
式中，總指標(Y)是產生變數(Generated Variable)，無法觀察而得;也是第一個主 成份，簡稱為主成份。總指標代表構念(Construct)，係一抽象槪念，無法具體定義及衡 量，必須根據行為變數之質加以命名。行為變數( 𝑋𝑋1, 𝑋𝑋2 ,…, 𝑋𝑋𝐾𝐾 )是一組可觀察變數 (Observable Variables)，稱為構面變數(Dimension Variables)，具有明確的定義，藉由主 成份分析計算出主成份權重( 𝑊𝑊1, 𝑊𝑊2 ,…, 𝑊𝑊𝐾𝐾 )之後，K個行為變數即能形成一個線性 組合，產生總指標分數。一般而言，只要總指標解釋力(𝜆𝜆1/1)大於60%，即可認為總指 標足以代表這K個行為變數。
藉由主成份分析所建構之總指標，在實務上之應用範圍十分廣泛，在不同應用中 所用的專業術語也不一樣，在行銷研究方面，構建產品強度指標有助於探討消費者行 為；在教育研究方面，建立智慧商數指標有助於比較同齡學生之智力差異程度；在農 業研究方面，則因農業屬於實驗研究，而不適合以主成份分析建構總指標；而在財物 研究方面，構面經營績效指標可掌握背後之決定因素，故本研究將以主成份分析法萃 取出各構面之主要因素值後，再以鑑別分析法進行分析。
四、鑑別分析法
(一)、基本觀念
鑑別分析(Discriminate Analysis)，又稱「區別分析」或「判別分析」，為探討單一 分類性反應變量(A)對多個分析性解釋變數(𝑋𝑋1, 𝑋𝑋2, … , 𝑋𝑋𝑘𝑘)之統計分析模式，鑑別相當 於預測，藉由鑑別函數預測個案在反應變量(A)上的所屬組別，鑑別分析的方法包括：
1. 費雪法(Fisher’s 線性判別函數係數)：說明鑑別分析的學理基礎，此統計方法最不 嚴謹，不易準確衡量模式的顯著性及解釋變數的鑑別力。
2. 正典法(典型區別函數特徵值)：選取具顯著解釋力的解釋變數，此方法可產生多 變量統計量表及正典係數，適用於統計模式及解釋變數的假說檢定。
35
3. 默氏法(鑑別機率函數)：建構預測機率函數，前述兩種方法雖可進行預測，但並 未考慮不同組別的先驗機率可能有所差異；為彌補此缺點，默氏法引入「貝氏整 合」(BI, Bayes’ Integration)，在鑑別函數融入「先驗機率」，可提高預測的準確性。
表 4
鑑別分析三種方法比較
摘要 費雪法 正典鑑別法 默氏法
目的 理解鑑別分析的概念 模式配適度與鑑別力檢 定
鑑別個案的預測歸類 鑑別
函數
費雪鑑別函數 正典鑑別函數 默氏鑑別機率函數
函數 構建
鑑別效標極大化 正典相關分析與主成份
分析
默氏距離與貝氏定理 歸類
法則
鑑別分數與切斷值之比 較
鑑別分數與切斷值之比 較
鑑別機率的比較
缺點
缺乏嚴謹的統計方法衡 量解釋變數的鑑別力，無 法產生鑑別機率進行預 測
無法產生鑑別機率進行 預測
無法衡量解釋變數的鑑 別力
資料來源：周文賢(2002)，多變量統計分析
如表 4 所述，鑑別分析共可分為費雪法、正典鑑別法、默氏法等三種方法，三種 方法中，費雪法的理論較易了解；正典鑑別法可衡量彼此個別解釋變數的鑑別力；而 默氏法的預測則最為精準；這些方法的理論及用途雖然各不相同，但最終的目的皆在 建構鑑別函數，以協助預測。通常有以下的目的：
1. 找出以預測變數為基礎的鑑別函數。
2. 鑑別或預測觀測值屬於哪一組別。
3. 預測變數的現性組合，以此組合最能區別各群組間的差異。
4. 從一組預測變數中，找出最能區別各群組差異的變數子集。
5. 建立將事物(個人、廠商、產品等)分類的程序，依據他們在一組預測變數上的分 數將之歸類到不同的群體。
36
6. 建立由ㄧ組預測變數所形成的群體間的鑑別構面的數目和組合。
上述，主要在構建配適度與預測正確率皆高的鑑別函數，藉以預測個案在反應變 量(A)的所屬組別，理論上，以費雪法最容易了解鑑別分析的學理基礎；但在實務上，
則多運用默氏法構建鑑別函數，再以正典鑑別法探討模式的配適度及解釋變數的鑑別 力，最後再以默氏法計算預測的正確率，故本研究將以主成份分析法建構出重要指標 構面，再運用 SPSS 統計套裝軟體檢定此量表之信度與相關性，其後再用 SAS 統計套 裝軟體以正典鑑別法及默氏法進行鑑別分析，求出預測機率，確定模式是否適當，進 而產生合理預測(即擊中率≥60%)，爾後進行預測的工作。
五、資料處理
本研究對樣本進行施測後，以 SPSS 及 SAS 統計套裝軟體進行統計分析，以針對 本研究之構面因素進行檢定及預測。
1. 信度分析(Relisbility Analysis)：檢定此量表之可靠性及有效性，總信度與各因素 之內部均達一致性時，變可接受此份量表具有高度信度。
2. 皮爾森相關分析(Pearson correlation coefficient)：分析國中生生活適應量表各構面 相關情形。
3. 主成份分析(Principal component Analysis)：縮減此量表之變數維度，將原有很多 變數之資料，縮減成較少的維度數後，再繼續以此資料進行鑑別分析。
4. 鑑別分析(Discriminate Analysis)：目的在計算一組「預測變數」(自變數)的線性組 合(鑑別函數)，對依變數加以分類，並檢察其再分組的正確性，達到本研究之研 究目的。
37