第二階段問卷資料分析與處理

本研究係採統計套裝軟體「SPSS for Windows中文版」進行資料分 析。統計分析方法包括描述性統計、信、效度分析與各項檢定。採用 描述統計呈現各項統計數據，如平均數、標準差等；信度分析則計算 Cronbach’s α係數等；相關檢定則包括相關分析；最後以結構方程模式 的路徑分析模型來驗證本研究的假設性架構，本研究中所有的潛在路 徑模型均以LISREL軟體進行分析。

4.4.1 描述性統計

描述性統計即是如何將雜亂無章的資料整合成有組織性的資料，

所以描述性統計學的範圍僅限於統計資料的討論分析，而不涉及大範 圍之歸納推論。因此本研究利用描述性統計分析本研究樣本基本資料 及各變數之特性，以便瞭解樣本的分佈情形。

4.4.2 信度分析

問卷進行信度檢定，代表問卷之受訪者在相同條件下，進行一次 的量表填寫，而Cronbach’s α屬於內部的一致性信度係數，也就是施測 一次量表的結果，立即進行估計量表的信度係數，若信度值高，代表 量表越穩定。因此，一份良好的問卷或量表應具有足夠的信度。根據 Cronbach在1851年提出Cronbach’s α係數信度參考範圍α值介於0~1之間、

α值至少要大於0.5，實務上α最好是大於0.7。本研究利用Cronbach’s α 係數來檢定整體問卷的信度，充份表示問卷的一致性[36]。

4.4.3 因素分析

因素分析主要在求出量表的建構效度。所謂效度(validity)是指一個 測驗能夠測到該測驗所欲心理或行為特質的程度。效度分為「內容效 度」、「效標關連效度」及「建構效度」三種。建構效度係指測驗能夠 測量出理論的特質或概念的程度。建構效度是以邏輯分析為基礎，同 時根據實際資料來驗證理論之正確性，是一種嚴謹的效度考驗方法，

檢視建構效度最常用的方法為因素分析，因此本研究運用因素分析中 之主成份分析，以進行問卷各階段項目之建構效度檢定。

4.4.4 相關性分析

相關是指變項間相互發生之關聯程度，通常有兩種方式，一為繪 製資料散佈圖，另為計算簡單箱關係數。當相關係數絕對值小於0.3時 為低度相關，介於0.3~0.7時為中度相關，達0.7~0.8時為高度相關，0.8

以上則為非常高度相關[37]。本研究採用Pearson相關係數分別就「問題 重要性」及「發生頻率」來探討各階段落後變數間相關程度。

相關係數的判讀依據有大小及方向兩種特性，介紹如下[36]：

一、 相關係數的大小

表示兩個變數之間，相關程度的強弱，相關係數的絕對值愈大，

代表相關程度愈強，相反的，相關係數的絕對值愈小，代表相關程度 愈弱，若相關係數的值為0，代表零相關。

二、 相關係數的方向

代表兩個變數之間，是正相關，還是負相關，相關係數是正值，

代表兩個變數中的一個變數增加時，另一個變數也會增加，相關係數 是負值，代表兩個變數中的一個變數增加時，另一個變數就會減少，

反之亦然。

4.4.5 結構方程模式

路徑分析係源自於生物統計量統計學家[38]所發展的理論與技術，

主要貢獻是將一組變項之間的共變關係，轉換成一組模型化的參數，

透過變項之間的假設性函數關係，以迴歸方程式的型態來表現並評估 之，在此種分析架構下研究者可以據以得到任兩變項之間的預測關係 (直接效果)，也可估計間接效果，並加以整合得到整體效果，藉以說明 變項間的結構化的因果關聯。路徑分析是一種探索性的統計分析，在 探索研究者所提出的「因果關係」是否適合實際資料。經由路徑係數 的大小，可以找出哪一個變數佔有較重要的地位，以及它如何影響其 後的變數。因此本研究使用多元迴歸分析法所得之路徑係數檢視各變 數間的相互影響關係及程度。

在結構方程模式中，使用LISREL語法來設定模型，可以理解 LISREL的矩陣和結構的複雜關係，未來若是有更複雜的模型，都可以 迎刃而解[36]。由圖4.1來解釋結構方程式符號的意義，S表示被X變數 所解釋的潛在構面；X表示測量的變數；λ表示測量的變數們和所有潛 在構面們的相關；δ表示變數的外在問題對項目誤差項(影響程度)。

圖 4.1 模型範例說明