第三章 研究流程與方法
第一節 研究工具與方法
本研究主要可分為量表發展與形成性指標建構兩大方向，所使用的工具有 SPSS 12.0 版、結構方程模式 LISREL 8.72 版及 PLS-Graph version 3.00 等統計套 裝軟體，主要的方法包括：驗證性因素分析、信效度分析、共線性檢測及外部效 度等等，詳列如下：
一、驗證性因素分析
本研究在驗證性因素分析方面是利用結構方程模式 LISREL 8.72 版的統計 軟體來進行，主要目的是檢測觀察變項與潛在變項的關係，以及潛在變項間的關 係是否正確。而驗證性因素分析適用於因子結構明確及理論建構的後期(徐聖訓，
2009)。故研究者頇先假設觀察變項與潛在變項的關係，因此本研究根據文獻探 究與邏輯推理得出理論模型，接著再檢測模型的適配度並進行信效度分析，分述 如下：
(一)模型適配度
欲瞭解整體模型的適配度，近年來一些學者(Hair et al.)將指標評鑑方式分為絕對 適配量測、增值適配量測與簡效適配量測，三種類型。
1. 絕對適配量測用以決定理論的整體模式能夠預測觀察共變數或相關矩陣的程 度，常用的量測有：概似比卡方考驗值(liklihood-ratio
2)；非中心化參數 (non-centrality parameter, NCP)；良性適配指標(goodness of fit index, GFI)；均 方根殘差(root mean square residual, RMR)；標準化均方根殘差(standardized root mean square residual, SRMR)；近似誤差均方根(root mean square error of30
approximation, RMSEA)；期望複核效化指標(expected cross-validation index, ECVI)；調整後良性適配指標(adjusted goodness of fit index, AGFI)。
2. 增值適配量測的目的在於用一個比較嚴格的或是套層的基線模式來和理論模 式相比較，測量其適配改進比率的程度，常用的量測有：規範適配指標(normed fit index, NFI)； 非規範適配指標(non-normed fit index,N NFI)；比較適配指標 (comparative fit index, CFI)；增值適配指標(incremental fit index, IFI)及相對適 配指標(relative fit index, RFI)。
3. 簡效適配量測用以呈現需要達成某一水準的模式適配的估計係數的數目是多 少，常用的量測有：簡效規範適配指標(parsimonious normed fit index, PNFI)；
簡效良性適配指標(parsimonious goodness of fit index, PGFI)；Akaike 訊息標準 指數(Akaike information criterion, AIC)；胡特的臨界數 CN (Hoelter’s critical N, CN)值及規範卡方(normed chi-square)。(黃芳銘，2005)
本研究從其中選用多項指標，予以判定本研究模型的適配度，將其內容分述 如下：
1. 概似比卡方考驗值
卡方值是由契合函數所轉換而來的統計量，反應了線性結構方程模型的導出 矩陣與觀察矩陣的差異程度(邱皓政，2004)。但極易受樣本數大小的影響，
故有學者提出卡方與自由度的比值，即「
2/ . .d f
」作為適配度的衡量指標，並建議不大於 3 為標準，也有學者認為小於 5 亦可作為可接受模式的參考標 準。
2. 良性適配指標(GFI)與調整後良性適配指標(AGFI)
GFI 是由 Joreskog and Sorbom (1981)所提出的指標，概念類似於迴歸分析的 可解釋變異量之判定係數(
R
2)，表示假設模式可解釋觀察資料的變異數與共 變異數之比例(邱皓政，2004)。當 GFI 愈接近 1 表示模式的適配度愈好，反31
之則愈差。而 Joreskog and Sorbom (1981)亦提出若將 GFI 指標與以自由度及 參數個數比作調整，得出更穩定的指標 AGFI，類似迴歸分析模式中的調整後 解釋變異量(adjusted
R
2)。當 AGFI 愈接近 1 表示模式的適配度愈好，反之 則愈差。3. 殘差均方根(RMR)
RMR 指標是由 Joreskog and Sorbom (1986)所提出的指標，目的在計算觀察資 料與理論假設模式之間的變異，故 RMR 的值愈小，表示模式愈能契合觀察 值。
4. 近似誤差均方根(RMSEA)
RMSEA 最初的概念是由 Steiger and Lind (1980)所提出，且不受樣本數大小與 模式的複雜度之影響，其數值範圍介於 0 至 1 之間，RMSEA 的值愈小，表 示模式的適配狀況愈好。
5. 規範適配指標(NFI)
NFI 是由 Bentler and Bonnet (1980)所提出的指標，是由比較原理所計算出來 的一個相對性指數，反應了假設模式與一個觀察變項間沒有任何共變假設的 獨立模式的差異程度(邱皓政，2004)。NFI 值範圍介於 0 至 1 之間，愈接近 1 表示理論模型對底線模型的改進程度愈大，反之若接近 0，表示理論模型對 底線模型的改進程度愈小(黃芳銘，2005)。
6. 比較適配指標(CFI)
CFI 是 Bentler 於 1990 提出，用於改善 NFI 的一些缺失，其反應了假設模型 與無任何共變關係之獨立模型差異程度的數量，此數值愈接近 1 表示模型愈 理想(邱皓政，2003)。
(二)信度分析
信度分析主要是衡量觀察變項是否具有一致性及穩定性。而信度估計的方法 有許多種，在結構方程模型中較常使用組合信度(composite reliability)或稱建構信
32
度(construct reliability)，其公式如下：
2 2
( )
( )
CR
標準化負荷量
標準化負荷量 測量誤差變異數總和
建構信度主要是評鑑一組潛在構面指標的一致性程度，此一信度指標也是屬於內 部一致性的指標，信度高表示指標間具有高的關連性存在(黃芳銘，2005)。一般 而言建構信度 CR 值大於 0.7，表示測量變項具有一致性。
(三)效度分析
效度分析主要是瞭解所衡量的工具是否能夠測量欲衡量的內容。本研究採用 建構效度。建構效度係指測量工具能測得一個抽象的概念或特質的程度，常見的 建構效度有收斂效度(convergent validity)和區別效度(discriminate validity)兩種 (張紹勳，2004)。分述如下：
1. 收斂效度
收斂效度主要是衡量測量變項是否能夠有效的代表該構面，即指來自於相同 潛察變項的觀察變項間的相關程度要高。Fornell & Larcker (1981)建議若各個 構面的帄均變異抽量(AVE)的值均大於 0.5，表示具有收歛效度。
2. 區別效度
區別效度是指不同的構面間的相關要低，若潛在變項的相關程度高，表示兩 個潛在變項可能是同一個。故 Fornell & Larcker (1981)建議使用帄均變異抽量 (AVE)估算各個測量變項對潛在變項的帄均變異解釋力，若帄均變異抽量的帄 方根值大於各個構面間的相關係數，表示構面間是可以區分的。故本研究將 帄均變異抽量的帄方根置於構面相關係數矩陣的主對角線，而非對角線則是 構面間的相關係數，若主對角線的值大於所在行列的非對角線的值，表示構 面間具有區別效度。
33
二、指標建構的方法
(一)共線性檢測
評估指標的共線性，計算容忍度(Tolerance)及變異數膨脹係數(VIF) (Hair, Anderson, Tatham & Black, 1998)。在估算「容忍度」的值即將每個獨立變項(觀 察變項)分別做為依變項，而其他變項做為自變項，做迴歸分析，而容忍度即是 迴 歸 模 型 中未 被 解 釋的 變 異 量 (1-R2) ， 而 變 異 數 膨 脹 係 數 是 容 忍 度 的 倒 數 (VIF=1/Tolerance)，因此「容忍度」的值愈小(即 VIF 愈高)，表示共線性愈高。
迴歸分析中若 VIF > 10，則表示有共線性的問題存在(Hair et al., 1998)。因為共線 性會造成指標建構上的問題，因此 Diamantopulou & Sig (2006)建議以更嚴刻的標 準來檢測共線性，即 VIF > 3.3 則將此指標刪除。
(二)指標信度分析
對形成性指標信度的檢定，若採用因素負荷量來檢測信度是錯誤的，因為形 成性的指標之間可能完全獨立，所以 Cronbach’s
及建構信度都完全不適用。Chin(1998)建議使用權重(weights)來評估指標對潛在構面的貢獻度，也尌是說如 果權重是顯著的，那麼指標尌具有信度。Diamantopoulos and Winklhofer (2001) 建議若指標的權重不顯著，則一次刪除一個不顯著指標，直到所有指標的權重都 顯著為止(Diamantopoulos & Siguaw, 2006)。除此之外，若指標相對於權重有較高 的的標準誤也要將此指標刪除。
(三)外部效度檢測
因為內部一致性的檢測對形成性指標是不適用的，因此研究者必頇用外部效 度的檢測來推論形成性指標是否適用(Bagozzi, 1994)。外部效度的評估主要有兩 種方式，即：1. 使用 MIMIC；2. 檢測指標與其他相關構面的關係。
34