研究設計

本節包含三個部分：研究對象、問卷與分析方法。其中研究對象中將說明本 研究如何進行樣本的擷取，並對樣本的工作背景進行介紹。正式問卷的部份則是 對問卷的內容與填答的分數項目進行說明。最後，將對本研究中所使用基本敘述 統計分析、信度與效度分析以及迴歸方程模式，分別進行結果的解釋。

3.4.1 研究對象

本研究將針對醫療資訊系統委外整體進行滿意度調查，所以必頇涵蓋醫療資 訊系統中的子系統，而子系統是由不同的使用者來操作，因此必頇要考慮到每個 子系統中的使用者角色，但在樣本取得上是很困難的，目前，本研究乃將針對護 士與護理師來進行資料的搜尋。

以病例系統為例，對於護理人員每日要進行的病患護理工作是非常繁雜而需 要精確無誤的，護理人員必需充分瞭解份內每位病患的病情，面對眾多的病患必 需依照病患的病情去照料。所以病例系統必需幫助護理人員詳盡的呈現出病患的 病情並讓病患在各科的病情進行整合，才能讓護理人員進行完整的日常護理工 作。尤其是對於慢性病患住院的持續追蹤治療與緊急處理的工作上更是需要良好 的病例系統來協助護理人員改善病例系統，使護理人員的工作精確無誤，也能使 病患獲得最好的醫療品質。

3.4.2 正式問卷

本研究針對護理人員進行抽樣，問卷內容將分成三大部分，第一部分是受訪 者的基本資料，第二部份是關於 35 個的個別屬性滿意度重要性以及 35 個負面事 件發生頻率的問項，第三部份是關於醫療資訊系統整體滿意度的 4 個調查問項。

3.4.2.1 個別屬性累積滿意度項目

在本部份中，將利用個別屬性累積滿意度項目中 6 個因素，系統整合、系統 回應、資訊品質、使用者服務、系統信任、支援與服務內的指標，形成問項，對 使用者進行重要性的詢問，例如詢問使用者“資訊系統的操作流程具有高度整合 性？”或是“資訊系統所輸出的數據精確無誤”，利用李克特五點量表，從“非 常不重要”、“不重要”、“普通”、“重要”、“非常重要”，其分數分別為 1 至 5，來衡量使用者對問項的重要性程度。

3.4.2.2 負面事件項目

在本部份中，將利用相對於個別屬性累積滿意度項目中 6 個因素，系統整合 不完善的頻率、系統回應緩慢的頻率、資訊品質低落的頻率、使用者服務不滿意 的頻率、對系統不信任的頻率、支援與服務不足的頻率內的指標，形成問項，讓 使用者對於日常操作使用上進行發生頻率詢問，例如詢問使用者“我對於委外資 訊人員的態度感到滿意”或是“我認為資訊系統具有良好的隱私權管理”，利用 李克特五點量表，從“幾乎不曾發生”、“很少發生”、“偶爾發生”、“經常 發生”、“每天發生”，其分數分別為 1 至 5，來衡量使用者對問項的發生頻率 的程度。

3.4.2.3 整體累積滿意度項目

在本部份中，將對使用者進詢問幾個問題，例如詢問使用者“整體而言，我 對於目前所使用的資訊系統感覺到滿意”或是“當工作上有機會使用資訊系 統，我會利用它來協助作業”，利用李克特五點量表，從“非常不同意”、“不 同意”、“普通”、“同意”、“非常同意”，其分數分別為 1 至 5，來衡量使 用者對問項的同意程度。

3.4.3 分析方法

本研究之資料分析方法包括基本敘述性統計分析、因素分析、信度與效度分 析、迴歸模式分析，在以下的章節中分別探討。

3.4.3.1 基本敘述統計

包括了樣本大小、問卷回收比例、研究對象基本資料、研究指標數據分析，

其中針對研究對象基本資料分析，以瞭解研究對象之醫療系統使用概況與習性，

並對研究指標以平均數來瞭解指標對於整體滿意度的重要性，以及遭遇負面事件 的頻率。

3.4.3.2 因素分析

因素分析概分為兩大部份，分別為探索性因素分析與驗證性因素分析，在此 範例中則是以探索性因素分析為準，探索性因素分析屬於多變量分析方法中互依 (interdependent)分析方法的其中一種技術，互依分析所分析之變數其變數之間並 無主客關係(無 DV 與 IDV)。其目的是將彼此相關的變數，轉化成為少數有概念 化意義的因素。因此，因素分析是要將為數多的變數濃縮成為少數幾個有意義因 素，而達成濃縮資料之目的。

因素分析的目的在於定義一個資料結構中的潛在架構，將同質性的變數定義 於同一潛在變數中，也就是將類似的心理、認知群聚在一貣。廣義的來說，它是 以定義一組潛在因素來解釋在很多變數中之相關。研究者利用因素分析先決定在 架構中的不同因素，再行確認每個因素可以解釋各個變數的能力。一旦這些因素 和各個變數的解釋能力確定後，因素分析的主要目的為減少變數和歸納變數也就 達成了。

縮減變數的主要目地在於解決樣本數不足的問題，一般研究在收集資料時，

頇收集變數的 5 倍以上之樣本數，因此，透過變數的縮減可以解決樣本數不足的 問題。另外，進行因素分析時其資料型態必頇是數值型資料，也就是量表尺度必 頇是區間尺度(interval)或比率尺度(ratio)。

3.4.3.3 信度與效度分析

此章節，本研究針對測量模式進行信度與建構效度衡量。採用 Cronbach’s α 係數來探討變數的內部一致性，結構的α係數超過 Nunnally (1967)所建議的 0.6 門檻值，即代表具備內部一致性。

在效度分析部份，本研究採用建構效度分析方法，建構效度又可分為收斂效 度(convergent validity)與區別效度(discriminate validity)。收斂效度是探討在相同 因素下，指標的相關性，透過相關分析矩陣，分析其中的變數是否有一半以上達 顯著水準(張紹勳，2000)。

而區別效度是指理論體系中，某一因素與其他因素之間的差異程度，本研究 利用相關矩陣進行比較，以因素為主分別對其他因素進行比較，整理出所有因素 是否具有區別效度。

3.4.3.4 迴歸方程模式

迴歸分析是一種統計分析方法，它利用一組預測變數(或稱獨立變數或自變 數)對某一準則變數(或稱應變數)建立關係式以便做為預測的依據，它也可以做為 評估預測變數對準則變數的效用。迴歸的主要目的是做預測(Predict)，目標是發 展一種能以一個或多個預測變數的數值來做為應變數預測的方法。

統計主要應用之一是做預測，要預測需先收集資料，然後建立模式，再由給 定的預測變數值，求出對應的準則變數值是多少？迴歸分析就是找出變數間的關 係式。我們將變數分成兩類，一類變數是做為預測提供者，稱為獨立變數 (Independent Variable)或稱為預測變數(Predictor Variable)，以 x 表示，另一類是我 們真正關心的被預測者，稱為應變數(Dependent Variable)或準則變數(Response Variable)，以 y 表示。所謂建立模式(Model)，就是找出 y 與 x 的函數關係式，最 常用的函數

f

y  f (x )

f (x )

f ( x )  

 

x

x

y  

 



y



迴歸分析主要是想瞭解下列幾件事項：

1. 能否找出一個線性方程式，用來說明一組預測變數(

x

y

2. 瞭解這個方程式的預測能力如何？即關係強度有多大。

3. 整體關係是否達顯著水準？

4. 在解釋變數準則變數的變異時，是否只採用某些預測變數即具有足夠的遇 測能力。