資料分析方法

二、 合 作滿 意 (一)、 定義 ：

團 隊成 員 對於 目 前 彼此 互 動的 感 覺，以 及 對於 未 來合 作 成功 是否 樂 觀之 程 度。

(二)、 衡量 工 具：

本 研究 此 部分 引 用 黃敏 萍【18】 修訂 自 Tjosvold【80】 的團 隊合 作 滿意 之 題項，共 3 題，在任 務 績 效團 隊 的研 究 中 Cronbach’s α 值 為 0.91；經修 改 部分 與 本研 究 目 的不 同 題項 後，此 構面 題 項 總共 3 題，而 在 研究 評 量的 方 式上，採用 李 克特 五 點量 表 尺 度分 析，每 題從 1 分(非 常 不同 意)到 5 分 (非常 同 意)。分 數越 高，表 示團 隊 內成 員 認為 合 作 滿意 越 佳。團 隊成 員 各依 其 同意 程 度 加以 填答，後 續分 析 則以 團 隊內 成 員的 平 均分 數，來代 表 團隊 成 員內 合作 滿 意情 況 。

3-4-1。

表 3-4-1 Cronbach’s α 係數 合 理 範圍

不可 信

α≦0.30

初步 的 研究 ， 勉強 可 信

0.30<α≦0.40

稍為 可 信

0.40<α≦0.50

可信(最 常見 的 範圍)

0.50<α≦0.70

很可 信(次常 見 的範 圍)

0.70<α≦0.90

十分 可 信

α>0.90

資料 來 源：Cuieford (1965) 二、 因 素分 析(Factor analysis)

因素分 析 的基 本 目 的是，用少 數 幾個 因 素去 描 述許 多 指 標或 者因 素 之間 關 係，即 將 相互 之 間關 係 比較 密 切的 幾 個變 數 歸 在同 一各 類 別之 中 ，每 一 類 的變 數 就成 為 一個 因 素， 其 中 The

Kaiser-Meyer-Olkin (KMO)測 度指 標，當 KMO 值越 小，表 示 其研 究變 數 不能 以 其他 變 數 來解 說 ，因 此 提出 表 3-4-2 的 衡 量標 準 。 將問 卷 結果 以 主成 分 法 、轉 軸 法 Harman【50】等 因 素選 取 方法 加以 分 析，並 進 行直 交、斜 交、分 層 分析 等 轉軸 策 略，交 叉 比對 其結 果 後，發 現 各種 方 法並 無 明顯 差 異，因 此 本研 究 在此 以 主成 分法 、 最大 變 異轉 軸 進 行因 素 分析 。

表 3-4-2 KMO 值合 理範 圍 KMO 值 適當 性

0.9 marvelous 0.8 meritorious 0.7 middling 0.6 mediocre 0.5 miserable 0.5 以下 unacceptable 資料 來 源： Kaiser and Rice (1974) 三、 描 述性 統 計

根 據樣 本 資料 性 質 ，分 別 列舉 次 數分 配 、百 分 比、 平 均 數、

標準 差 、最 大 值及 最 小 值等 統 計量 ， 藉以 了 解樣 本 的組 成 概 況。

另外 計 算各 題 及各 變 項 的平 均 數與 標 準差，以 求對 受 測者 在 各變 項中 的 反應 情 況有 一 個 初步 的 認識 。

四、 Amos 結 構方 程 模式 分 析

所謂 結構 方 程 模式 分 析(SEM)是 一以 迴 歸為 基 礎的 多 變 量統 計技 術，其目 的 在探 討 潛在 變 數與 潛 在變 數 之間 的 因果 關 係，以 建立 理 論或 驗 證理 論。因此，當某 一 變數 在 一相 依 關係 中 為 自變 數時，但在 另 一相 依 關係 中 卻為 依 變 數時，SEM 即 可 用 來分 析 許 多不 同 類型 的 因果 關 係，而 其 中使 用 最為 廣 泛的 是 驗證 性 因 素分 析(Confirmatory Factor Analysis)與 結 構模 式 分析 兩 種方 法 。 本研 究在 此 則主 要 以結 構 模 式分 析 來檢 測 研究 架 構模 型，並驗 證 相關 假設，以 確切 衡 量架 構 模型 之 適切 性 以及 驗 證體 驗 式教 育 訓 練的 三要 素、團 隊 互 動過 程、與 團 隊效 能 之間 的 線性 結 構關 係。而本 研究 進 行結 構 方程 模 式 所使 用 之分 析 軟體 為 Amos 7.0 版

(Analysis of Moment Structure)，是 一 以共 變 數為 主 的 SEM 電 腦 統計 分 析軟 體 ，可 不 需 撰寫 程 式而 透 過圖 形 操作 介 面執 行 SEM 分析 。

五、 模 式評 估

整 體模 式 配適 度(Goodness-of-fit)分析 主 要 在評 鑑 整體 模 式 與觀 察 資料 的 配適 度，是從 各 方面 指 標來 評 鑑理 論 模式 是 否 能解 釋實 際 調查 所 得資 料。若模 型 配適 度 愈高，則 代表 模 型的 可 用性 愈高 ， 參數 的 估計 愈 具 有其 意 涵。 Amos 是 以卡 方 統計 量 來進 行 檢定， 一般 以 卡方 值 P > 0.05 作 為判 斷， 亦 即模 式 具有 良 好 的配 適度。但是 卡 方 統計 量 容易 受 到樣 本 大小 的 影響，因 此，除 了卡 方統 計 量外 ， 還需 同 時 參考 其 他配 適 度指 標 。

(1)卡方 檢 驗--卡方 值 與 NCI

當模 式 配適 情 形十 分 良好 且 契合 時 ，卡 方 值(Chi-square) 會與 其 自由 度 相近 ， 當 模式 配 適不 恰 當時 ， 卡方 值 便會 逐 漸 的變 大 。但 由 於卡 方 值 對於 大 樣本 與 觀察 值 偏離 常 態分 配 相 當敏 感 ，因 此 當樣 本 數 多且 資 料偏 離 常態 分 配嚴 重 時， 卡 方 值自 然 會變 大 ，此 時 應 再參 考 其他 的 衡量 指 標。 因 此學 者 建 議可 以 NCI( Normed Chi-square Index )指 標來 輔 助判 斷 模式 的配 適 情況 ， 亦即 將 卡 方值 除 以自 由 度， 當 NCI < 3 時 ，表 示模 式 之配 適 度微 可 以 接受 的 範圍 。

NCI =χ² / df (卡 方 除以 自 由度) (2)適合 度 指標 (Goodness-of-fit Index，GFI)

GFI 與卡 方 值不 同 的地 方 在於 GFI 與 樣本 數 大小 無 關，

且對 於 偏離 常 態分 配 具 有相 當 的穩 定 性， 意 義為 假 設模 型 可 以解 釋 觀察 資 料的 比 例 。GFI 數 值 的 範圍 介 於 0 與 1 之 間 ， 當 GFI 愈 接 近 1 時 ，表示 模 式配 合 度愈 佳 ，亦即 被 該特 定 模 式所 能 解釋 的 變異 和 共 變異 的 相對 數 額也 愈 大； 反 之，GFI 愈接 近 0 時 ，即 表示 模 式配 合 度 愈低 ，一般 而 言 GFI 的 建 議 值為 0.9 以 上。

(3)調整 後 適合 度 指 標(Adjusted Goodness-of-fit Index， AGFI) AGFI 與 GFI 的 性質 相 同， AGFI 是 考慮 模 式複 雜 度後 ， 將適 合 度指 標 GFI 以自 由 度調 整，使不 同 自由 度 的模 式 能 以 相同 的 基礎 進 行比 較 ，當 AGFI 愈 接 近 1 時 ，表 示 模式 配 合 度愈 佳 ，反 之 則表 示 模 式配 合 度愈 低 ；一 般 AGFI 之 建 議亦 為 0.9 以 上 。

(4)殘差 平 方根 (Root Mean Square Residual，RMR)

RMR 是模 式推 估 後所 剩 下的 殘 差 ， 其值 大 於 0， 當 其值 愈小 時 ，表 示 模式 的 配 合度 愈 佳。 若 分析 矩 陣類 型 是選 擇 相 關矩 陣 ，則 RMR 值必 須 低於 0.05， 而若 是 以變 異 數共 變 數 矩陣 作 為分 析 矩陣 ， 則 RMR 值 的意 義較 難 判定 。

(5)修正 指 標(Modification Indices，M.I.)

當模 式 配適 未 達可 接 受 的程 度 時， 可 依據 M.I.值 與 EPC(Expected Parameter Change)值進 行觀 測 ，並 藉 由理 論 根 據將 參 數釋 放 或固 定 ， 再重 新 估計 模 式， 此 步驟 可 以重 複 執 行直 到 模式 配 飾達 到 可 接受 的 程度 。

(6)建構 信 度(Construct Reliability)

建構信 度 主要 檢 驗 構面 的 因素 信 度， 衡 量模 式 內在 品 質 的判 斷 標準 之 ㄧ， 若 建 構變 數>0.6， 則表 示 模式 的 內在 品 質 良好 。 其公 式 如下 ：

(7)平均 變 異數 抽 取 量(Average Variance Extracted)

平均變 異 數抽 取 量 可解 釋 為， 潛 在變 數 所解 釋 的變 異 量 中有 多 少變 異 量來 自 於 指標 變 數。 平 均變 異 數抽 取 量愈 大 ， 表示 指 標變 數 可解 釋 潛 在變 數 的程 度 愈高 ， 通常 ， 平均 變 異 數抽 取 量>0.5， 則表 示 模式 的 內在 品 質良 好 。其 公 式如 下 ：

(8)其他 指 標及 判 定 標準 ， 詳見 表 3-4-3，榮 泰 生【27】。

表 3-4-3 模 式配 適 度其 他 指標 之 評估

指標 意義 判定 標 準

RMSEA

(root mean square error of approximation)

比較 理 論模 式 與飽 和 模式 的 差距，RMR 的 估計 量

小於 0.05

NFI

(normed fit index)

模式 基 準合 適 尺度 ， 比較 假 設模 型 與獨 立 模型 的 卡方 差 異 RFI

(relative fit index)

模式 相 對合 適 尺度 IFI

(incremental fit index)

模式 擴 大合 適 尺度 CFI

(expect for a constant

模式 比 較合 適 尺度 ， 假設 模 型與 獨 立模 型

介於 0 到 1 之 間 愈接 近 1 愈 好 (Σ 標準 化 因 素負 荷 量)²

(Σ 標準 化因 素 負荷 量)²+(Σ 觀察 變 數 的誤 差 變異 量) 建構 信 度=

(Σ 標準 化 因 素負 荷量 ²)

(Σ 標準 化 因素 負 荷量²) +(Σ 觀 察變 數 的誤 差 變異 量 ) 平均 變 異

數抽 取 量

=

scale factor) 的非 中 央型 差 異 資料 來 源： 榮 泰生 (2007)