研究方法

本問卷調查中所收集到的資料將以SPSS統計軟體程分析工具，進行 相關資料處理。本研究問卷在回收之後，先將問卷予以檢查，剔除無效 問卷後，再將汰選過的有效問卷，依序將問卷編碼之後輸入電腦做處理。

並根據本研究目的之需要，採用敘述統計、信度分析、效度分析與迴歸 分析進行實證研究。

一、 敘述性統計

原始資料整理後，最常用的方法是建立累積次數(Distribution)，用以 描述屬量性資料的次數分配，將資料作一簡單的敘述統計分析，檢查資 料是否有無輸入錯誤、次數、有效百分比，並對樣本結構的敘述統計進 行說明。本研究將受測者的個人基本資料各變項，依次數分配累積，進 行單一變數之敘述統計分析，以瞭解各變項之分佈情況，並將受測者對 各變數分布趨勢及重要性態度分數作一概性描述。

另本研究也以平均數及標準差等統計方法，在針對有效問卷進行編 碼（Coding）後，進行樣本的基本資料分析，計算各問項之平均數及標 準差，平均數代表一般人對於該問題的看法，平均數愈高代表該屬性較

指標，標準差愈小表示受訪者對於該問項有較一致的看法。

二、 信度分析

信度主要是指測量結果的可靠性、一致性和穩定性，即測驗結果是 否反映了被測者的穩定的、一貫性的真實特徵。一般以Cronbach’s α來檢 定問卷中各因素之衡量變數的內部一致性程度，Guielford(1965)認為

(一) 內容效度(Content Validity)：係一種衡量是否具有足夠的內容效度，

涉及研究人員的主觀判斷，有些人認為是具有高度內容效度的衡 量，在其他人看來可能並非如此，內容效度的關鍵因素在於發展衡 量工具時所遵循的程序。

(二) 建構效度(Construct Validity)：是指量表能測量理論上某概念或特質 的程度，即構念是否能真實反應實際狀況，建構效度分為收斂效度 (Convergent Validity) 和區別效度(Discriminant Validity)二類。

因素分析目的在獲得量表在檢定測驗時的建構效度，黃俊英(1997) 提到因素分析是一種互依分析技術，主要目的在予以較少的維度來表示 原先的資料結構，而又能保存原有資料結構所提供的大部分資訊。本研 究採取主成分法(Principal Component Analysis)來選取因素，依 Kaiser 所 提出的準則，保留特徵值大於 1 的主成分，作為選取因素個數的準則。

為了能更清楚的解釋因素間的結構，再以最大變異轉軸法（Varimax Rotation）對各因素進行旋轉，因素經過旋轉後，以其因素負荷量（Factor

Loading）做為因素命名的依據。

四、 迴歸分析（Regression Analysis）

本研究以中華郵政 員工之 變革認知與變革態度進行複迴歸分析，藉 以探討 中華郵政 民營化 員工之 變革認知與變革態度之間的關係。在迴 歸分析時以調整後的判定係數、F 值與P值等來判斷自變數對依變數的影 響性，分別敘述如下︰

(一) 判定係數是線性迴歸中最常用的配適度指標，呈現迴歸式自變數對 依變數的解釋力，亦可用來衡量迴歸方程式的配適度。

(二) F 值則可用來檢定整條迴歸方程式之自變數對依變數是否具有解釋 能力。

(三) P 值是指用樣本資料來看樣本所反映出來的狀況跟假設的狀況是否 有顯著的差異，通常P值小於 0.05 為顯著。

(四) 迴歸分析（Regression Analysis）是一種統計學上分析數據的方法，

目的在於了解兩個或多個變數間是否相關，本文之迴歸模型如下所 示︰

Y

X

X

X

其中，

Y

X

X

X

(一) 線性關係假設︰依變數和自變數之間的關係必須是線性，也就是 說，依變數與自變數存在著相當固定比率的關係。

(二) 常態性假設︰迴歸分析中的所有觀察值依變數是一個常態分配，即 依變數來自於一個呈常態分配的母群體。因此經由迴歸方程式所分 離的誤差項 e，即由特定自變數所預測得到的與實際依變數之間的差

(三) 誤差獨立性假設︰自變數的誤差項，相互之間應該是獨立的，也就 是誤差項與誤差項之間没有相互關係，否則在估計迴歸參數時，會 降低統計的檢定力。

(四) 誤差變異數相等假設︰自變數的誤差項除了需要呈現常態性分配 外，其變異數也需要相等，變異數不相等時，會導致自變數無法有 效的估計應變數。

(五) 固定自變項假設︰特定自變數的特定數值應可以被重複獲得，然後 得以此一特定的自變數代入方程式而得到預測值。

(六) 多元共線性假設︰自變項間相關程度過高，不但變項之間的概念區 隔模糊，難以解釋之外，在數學上會因為自變項間共變過高，造成 自變項與依變項共變分析上的扭曲現象，稱為多元共線性。

第五節 實施過程