第三章 研究方法
3.2 研究設計與樣本
本研究探討政府推行的實習政策以及人力資本和雇主願意繼續聘任 實習生之留任意願之間的影響，以國內政府實習政策為研究對象。目前台 灣各部門皆有實施學生實習相關措施與補助，例：教育部在106 年度實施
「大專生公部門見習計畫」與105 年度實施「新南向人才培育計畫／新南 向實習計畫」；勞動部則有針對大專校院實施補助計畫；經濟部則是「補 助國內公私立大學校院選送學生赴新興市場企業實習計畫」等。在政府政 策的實施下，企業是否容易接獲到這些相關措施的資訊，從而使企業培育 與尋找所需人才，是本研究問卷題項主要設計的方向。本研究問卷主要以 有實施企業實習計畫的企業雇主為發放對象，礙於本研究人脈有限，故樣
政府實習政策 人力資本 雇主留任意願
H1 H2
14
本蒐集較為不容易。主要以Google 表單發放網路問卷，藉由周遭親友與透 過學校人脈的方式回收問卷；其次則是透過郵寄的方式發放紙本問卷。
基於文獻探討的方式發展問卷，並採用李克特 Likert 的五點尺度量表 作為衡量指標。本研究問卷透過與指導教授的討論、修正後，進行前測分 析(Pilot Test)，並利用 Smart PLS3.0 版統計軟體計算信度分析、收斂效度 與區別效度。信度分析的主要目的是為了評估衡量工具的可靠性，意即衡 量每個構面中，問項內部的一致性(Consistency)與穩定性(Stability)。衡量 同一構念下各項目間的一致性是以 Cronbach α 係數來判定，根據吳統雄
（2017）的主張，對研究問題已有相當多文獻可以參考的研究，Cronbach α 值至少要超過 0.9 以上的水準；還在探索性階段，有關案例很少的研究，
Cronbach α 值 0.7 亦可接受；對研究問題欠缺可以參考的文獻，Cronbach α 值初步的探索研究至少也應該達到 0.5 的水準。而在建構校度方面，主要 分為收斂效度與區別效度兩類，是為了測量每一構面之每一個問項是否都 為衡量單一構面的相符程度，收斂效度以平均萃取變異量大於 0.5 來做判 別；區別效度以兩個構面間的相關係數小於每一構面的平均萃取變異量 (AVE)之平方根為標準。
3.3 研究方法
本研究利用 SPSS 分析工具作敘述性統計與成對樣本 T 檢定，成對樣 本 T 檢定主要目的是為了觀察前後兩次問卷之問項是否有顯著性的變化，
以了解兩次問卷的差異。並且採用 基本結構方程式(Structural equation modelling, SEM)之偏最小平方法(Partial Least Squares, PLS)作為研究方法，
並以 Smart PLS3.0 版作為研究分析工具。一般線性模式乃是假定每一對 變數間存在者線性關係，並且兩者間的關係可以直線方程式來表示；而結 構方程模式則是基於線性關係的假設來建構變數間的結構關係。結構方程
15
模式結合了多元回歸與因素分析，可以同時分析多個互為關連之依變數間 的關係，步驟簡述如下：
(一)發展研究之理論基礎模式。
(二)建構變數間之因果關係的路徑圖。
(三)將路徑圖轉化成一套結構模式，並且指定其衡量模式。
(四)選擇輸入矩陣類型為相關矩陣（Correlation Matrix）或變異共變異數矩 陣（Variance-Covariance Matrix），並對所提出的理論模式進行鑑定與研 究假設驗證。
結構方程式是用來檢定構念間關係的一種統計方法，可以用實際資料 的方式驗證假設的正確性，目前被大量應用在社會科學中。結構方程模式 的最大的功用為探討多變數與單變數之間的因果關係，在其基本理論中認 為潛在變項是無法直接測量的，必須藉由觀察變數來間接推測得知。理論 架構包含衡量模式與結構模式兩個部份，衡量模式是用來界定變數與觀察 變數間的線性關係，而結構模式則是用來界定潛在自變數與潛在依變數間 的線性關係。衡量模式可將問卷調查法之問卷題項進行信度分析，利用 Cronbach’s Alpha 值是否大於 0.7 進行判斷，而在效度方面則透過因素負 荷量、組成信度以及平均萃取變異量來進行效度檢驗(Fornell & Larker, 1981)。結構模式則是透過解釋變異量 (R2)以及 t 值對假說成立與否進行 檢驗，且路徑係數(β)則可以得知變數間的關係程度，因此透過解釋變異量 (R2)、t 值以及路徑係數可以檢驗變數間的相關程度、方向以及假說是否成 立。
本研究採用 PLS 而非其他分析工具的原因在於 PLS 是以拔靴法 (Bootstrap)的方式擴充原有樣本以達收斂效果(Chin,1998)，因此可以有效的 針對小樣本的研究進行有效的驗證，由於本研究問卷是針對企業雇主發放，
因此，樣本數偏小，故採用 PLS。且 PLS 對理論的要求較為彈性(Barclay
16
et al., 1995)，並能有效解決共線性的問題以降低研究誤差。