調查方法與抽樣設計

為了要進行自我效能、休閒涉入與心流體驗關係之研究，並期望研究 成果能提供主管機關與相關推廣單位做為參考，以國內各大公共街舞練習 場地為研究基地，採取非隨機之便利抽樣方式發放問卷，當街舞參與者在 從事完當次街舞活動時，研究者即向前詢問是否願意填寫問卷。

街舞因為體力的因素而集中在青少年時期，屬於一種青少年的流行次 文化(林伯勳、張金鶚，2002；盧玉珍，2006)，而我國青少年政策白皮書 綱領(2008)將青少年年齡界定在 12 歲至 24 歲。本研究考量到受訪者對題 項的理解力與問卷回收之有效率，因此限定調查對象為 12 歲以上的街舞 參與者。

Comrey (1973)指出因素分析建議樣本數在 200 以下不宜進行分析，並 說明樣本數宜大於300(引自邱皓政，2006)。為了達到本研究之目的並驗證 研 究 假 說 ， 必 須 要 使 用 到 結 構 方 程 模 式(structural equation modeling, SEM)，在樣本的需求上，Bentler and Chou (1987)認為運用結構方程模式 時，每個變項至少需要5 到 10 個樣本，並且 Shumacker and Lomax (1996) 也曾觀察到大部分關於結構方程模式的研究，樣本數大多建立在 200 到 500 之間(引自黃芳銘，2007)，而邱皓政(2011)指出大於 200 以上的樣本 數，才可以稱得上中型樣本，若要追求穩定的結構方程模式之分析結果，

低於200 的樣本數是不被鼓勵的。

考量預試對象應與正式樣本相似，本研究之預試發放同樣選取中正紀 念堂與國父紀念館進行發放，共發放107 份預試問卷。在正式問卷的方面，

雖然各學者對於樣本數大小的看法並沒有一個標準，但基於過去各學者的 建議，本研究擬定的有效問卷總數至少要達到400 份以上，加上廢卷率的 考量，故本研究於現地發放共計500 份正式問卷。

50

第六節  資料分析方法 

本研究採用社會科學套裝軟體(statistical package for the social science, SPSS) 17.0 版與結構方程模式軟體 LISREL (LInear Structural RELationship) 8.53 版做為資料分析工具，首先進行原始資料的篩選和計算，接著對理論 模式進行估計，以及修正理論模式。

依據研究目的，本研究採取下列統計方法進行資料的處理與分析：

一、描述性統計(Descriptive Analysis)

本研究透過平均數、標準差、次數分配與百分比瞭解受訪之街舞參與 者其個人基本資料、自我效能、休閒涉入及心流體驗的分佈情況，並由態 勢及峰度判斷其分佈是否為常態，以瞭解樣本資料是否適合進行結構方程 模式分析。

二、項目分析(Item Analysis)

項目分析是測驗發展最為根本的一項工作，其主要目的是針對預試題 目進行適切性的評估(邱皓政，2006)。本研究運用以下策略來評斷各量表 的題項是否適切(邱皓政，2006；吳明隆、涂金堂，2005)：

(一)遺漏值判斷法：以遺漏值的數量評估法檢驗受測者是否抗拒或難以回 答某一題目，而過多的遺漏值情形表示該題項不宜採用。

(二)描述性統計量檢驗法：具有極端的平均數、態勢與峰度之題項不予以 採用。

(三)校正項目總分相關(corrected item-total correlation)：計算每一題項與其 他題項加總後總分的相關係數，以清楚辨別某一題項與其他題項之相 對關聯性，一般要求要高於0.3，且需達統計上的顯著水準。

(四)極端組檢核法：預試樣本在該量表的總分取極端之27%分為高低兩 組，接著計算個別的題目在兩極端組的得分平均數，而具有鑑別度的 題目在兩個極端組的得分應具有顯著差異，即t值達顯著水準且越大越

51

好，此時的 t 值又稱為決斷值，或是CR值。

(五)因素分析法：因素負荷量(factor loading)低於0.4，或在兩因素以上同時 大於0.4者則刪除不採用。

三、信度分析(Reliability)

在預試問卷施測之後，以 Cronbach’s α 係數作為評鑑信度之工具，

Cronbach (1951)提出只要 α 係數高於 0.60，即為可接受題目之信度結果。α 值在0.70 以上表示量表具有良好的信度，α 值若低於 0.60 則是完全不被接 受的(DeVellis, 2003)。

四、結構方程模式(Structural Equation Modeling, SEM)

本研究透過結構方程模式來建構並驗證「自我效能、休閒涉入與心流 體之關係模式」，並且對模式中各組變項間之關係進行修正與分析，以瞭 解模式與實際資料之適配情形，研究中主要以LISREL 8.53 做為執行結構 方程模式之統計軟體。

(一)結構方程模式簡介

結構方程模式是探討變數間的線性關係，並對顯性變數(manifest variable)與潛在變數 (latent variable)之因果關係之假設檢定 (陳順宇，

2005)，由於結構方程模式融合因素分析與徑路分析兩種統計技術，所以能 成為全包式的統計方法論(黃芳銘，2007)。結構方程模式最重要的一個特 性是必須建立在一定的理論基礎上，即結構方程模式是一個用以檢證某一 先期提出的理論模型適切性的一種統計技術(邱皓政，2011)。

(二)研究模式規定(引自黃芳銘，2007)

1. 每一個測驗項目皆有一個不是零的負荷是在其所測量的潛在因素 上，但是對其他的潛在因素之負荷為零。

2. 測驗項目與項目之間所連結的測量誤差彼此之間不相關。

3. 潛在因素與潛在因素間的殘差彼此之間不相關。

52

4. 潛在變相的殘差與測量誤差之間不相關。

5. 干擾與外因潛在變項不相關。

(三)理論模式檢定

本研究「街舞參與者自我效能、休閒涉入與心流體驗之關係模式」，

將由以下步驟進行檢定：

1. 模式資料的檢視

模 式 資 料 檢 視 的 目 的 為 瞭 解 資 料 是 否 符 合 常 態 化 (normality)，因為常態化是許多統計技術共同的基本假設，且學者 建議在結構方程模式中，常用的參數估計程序必須達到多元常態 化的假設，才能維持穩定的運作(邱皓政，2011)。Hu and Bentler (1999)指出當多元常態化的假設不成立，亦即資料偏態(skewness) 或 峰 度(kurtosis)非常態時，結構方程模式的參數估計標準誤 (standard error)與顯著性考驗統計數值(t-value)會產生偏誤，導致估 計結果顯著性考驗失敗。

過去有學者建議可透過個別變項常態化的方式來檢驗多元常 態化假設，其可利用統計判定之方式，檢查連續變項的偏態與峰 度，此兩者是檢驗數據資料是否為常態分配的重要指標(邱皓政，

2011；黃芳銘，2007)。Kline (1998)認為變項分配的態勢絕對值大 於3 時，就可被視為極端偏態，峰度絕對值大於 10 被認為是有問 題的，大於20 則為極端峰度。

當樣本資料符合常態分配時，可採用最大概似法(maximum likelihood, ML)或一般化最小平方法(generalized least squared, GLS) 來進行估計。其中最大概似估計法較穩定且精確(黃芳銘，2004)，

亦是觀光旅遊領域研究最廣為使用之適配函數估計法(Jöreskog, 1970)，因此本研究選擇採用最大概似估計法進行估計。

2. 違犯估計的檢視

53

違犯估計(offending estimates)是指結構模式或測量模式中統 計所輸出的估計係數高出可接受之範圍，即模式獲得不當的解 (improper solutions)。因此，在檢驗模式適配度前，需檢視是否產 生違犯估計。一般違犯估計常有以下三種現象(黃芳銘，2007)：

(1)有負的誤差變異數存在，或是在任何建構中存在無意義的變異 誤。

(2)標準化係數超過或太接近 1(通常以 0.95 為門檻)。

(3)有太大的標準誤。

3. 整體模式適配度

模式的整體適配是就結構方程式模型與樣本資料之間的適配 程度而言，其評鑑指標可劃分成三大類，分別為絕對適配指標 (absolute fit measures)、相對適配指標(relative fit measures)與簡效 適配指標(parsimonious fit measures)。絕對適配指標用以決定理論 的整體模式能夠預測觀察共變數或相關矩陣的程度；相對適配指 標目的在於用一個比較嚴格或套層的基線模式(baselined model)來 和理論模式相比較，測量其適配改進比例的程度；簡效適配指標 用以呈現需要達成某一特殊水準的模式適配之估計係數數目，其 目的在於更正模式的過度適配情形，意即對模式的複雜度加以懲 罰(黃芳銘，2007)。

本研究在參考余民寧(2006)、邱皓政(2011)及黃芳銘(2007)的 觀點，統整出各項評鑑指標之性質與判斷標準，詳如表8所示。

54 χ²/df (Normed chi-square)

考慮模式複雜度後的卡方值 - 1~3(嚴謹) 1~5(寬鬆) 資料來源：余民寧，2006；邱皓政，2011；黃芳銘，2007

55

4. 內在結構適配度

內在結構適配評鑑可分為測量模式與結構模式之評鑑，分別 說明如下：

(1)測量模式的評鑑

測量模式的評鑑是指觀察變項是否足以反映相對應的潛在 變項，目標在於瞭解潛在變項之信度及效度。評鑑標準包含組 成信度(composite reliability, CR)、個別指標信度(individual item reliability)、構念效度(construct reliability)等，各分述如下：

A.組成信度

主要是在評鑑一組潛在建構指標，亦是屬於內部一致性 指標，信度高表示指標之間有高互為關連(intercorrelated)，亦 代表在此測量中的個別指標間為一致。Bagozzi and Yi (1988) 認為組成信度指標必須大於 0.6 以上，才能說是一組測量指 標變項具有測量某潛在變項的理想組合信度；Raines-Eudy (2000)則建議大於 0.5 即可，其以下列公式來計算(引自余民 寧，2006；黃芳銘，2007)：

B.個別信度

多元相關平方(squared multiple correlation, SMC)反映了 個別測量變項受到潛在變項影響的程度，當SMC 越高時，

代表信度越高，個別信度之建議值需在0.20 以上(邱皓政，

2011)。

C.構念效度

構念效度是指研究的任何發現會關連到是否與測量工具 [ (Σ標準化因素負荷量)² + (Σ各測量變項的測量誤差)] CR=

(Σ標準化因素負荷量)²

56

所得到的結果會一如理論對該建構所做的預測，簡言之，為 建構與其測量間符映的程度(黃芳銘，2004)，可分為聚合效 度(convergent validity)與區別效度(discriminant validity)。聚合 效度是為同一構念中之項目，彼此之間具備著高度相關性，

就是以不同方法測量同一特質(trait)，兩者相關要高(張紹 勳，2003)。評鑑聚合效度的方式主要有二種方式：其一為觀 察變項的因素負荷量必須達到顯著水準(t>1.96, p<0.05)，且其 值必須大於 0.45，方向性必須正確；另一為潛在變項的平均 變異數萃取量(average variance extracted; AVE)，必須大於 0.50，公式如下所示(黃芳銘，2004)：

區別效度則指的是來自不同構念的項目，彼此間之相關 應 低 ， 就 是 以 相 同 方 法 測 量 不 同 特 質 ， 兩 者 相 關 要 低 (Anderson & Gerbing, 1988)。Jöreskog and Sörbom (1989)所提 出計算潛在變項間的相關係數加減1.96 個標準差，形成信賴 水準 95%的信賴區間，如果信賴區間並未包含 1.00，則表示 潛在變項間的相關值小於 1.00，具有區別效度，足以區別兩 變項不是同一個因素(引自黃芳銘，2007)。

(2)結構模式的評鑑

為評鑑理論建構階段所建立的因果關係是否成立，結構模 式的適配與否則須滿足以下條件：潛在變相彼此間的路徑係數 符號須與研究者所期望假設之方向相同；路徑關係的參數估計 值需達統計上的顯著水準(t >1.96, p<0.05)；每條結構方程模式

為評鑑理論建構階段所建立的因果關係是否成立，結構模 式的適配與否則須滿足以下條件：潛在變相彼此間的路徑係數 符號須與研究者所期望假設之方向相同；路徑關係的參數估計 值需達統計上的顯著水準(t >1.96, p<0.05)；每條結構方程模式