資料分析方法

討論斟酌修正及刪除不適當的題目及內容，訂定最終正式問卷，以進行調查。

四、正式問卷發放與回收

正式問卷於 2008 年 8 月中旬~9 月中旬發出，調查時間為期五個星期。問 卷樣本來源有二：

1.駕駛員問卷：

依據首都客運所屬調度站配置市區公車駕駛員人數，依各站配置人數進行 抽樣，以人員訪問方式將問卷發放交由駕駛員填寫，回收後有效問卷共計 512 份。

2.乘客問卷：

依據首都客運所屬市區公車各路線發車班次及載客人數，按路線別進行抽 樣，以人員訪問方式將問卷發放交由乘客填寫，回收後有效問卷共計 512 份。

表 14

問卷回收情況

正式發放

發放形式 有效回收數 時間 駕駛員問卷 512

2008 年 8 月~9 月 乘客問卷 512

於 0.7 至 0.8 相當好；介於 0.8 至 0.9 非常好。

本研究使用內容效度與建構效度，內容效度是指一個測驗本身所能包含的 概念意義範圍或程度。即測量的內容是否針對欲測量的目的，且具有代表性與 適當性；建構效度是指「量表能測量理論上某概念或特質的程度」，即構面是 否能真實反應實際狀況。

三、結構方程模式(structural equation modeling，SEM)

結構方程模式是一種以迴歸為基礎的多變量統計技術，由兩位瑞典學者 Karl E. Jöreskog 和 Dog Sörbom 在七十年代初期所發展，用以進行複雜的共變結 構分析，整合兩大統計技術：因素分析與路徑分析，其目的在於運用實證資料，

驗證先驗假設模式或理論模式是否真實存在，以建立理論或驗證理論(蕭文龍，

2007)。SEM 體系又可以分為兩個次級體系：測量模式(measurement model)次體 系以及結構模式(structural model)次體系。

1.測量模式：

使用觀察變項來建構潛在變項的模式就是測量模式。測量模式在 SEM 的體 系裡就是一般所稱的驗證性因素分析(confirmatory factor analysis，CFA)模式，

是用來評鑑觀察變數可以定義潛在變項的程度。

2.結構模式：

結構模式又可稱為潛在變項模式(latent variable models)或線性結構關係 (linear structural relationships)。結構模式主要是建立潛在變項與潛在變項之間的 關係，結構模式相當類似於路徑分析模式，唯獨不同的是路徑分析使用觀察變 項，而結構模式使用潛在變項。

在結構模式中除了外因潛在變項、內因潛在變項，也包括潛在干擾，內因 潛在變項與內因潛在變項間結構參數。

結構方程模式的分析過程如下，如圖 3 所示：

1.理論(theory)：

SEM 變項間關係的呈現，需要依靠理論來建立，而且理論是假設模式成立 主要的解釋依據，所以理論的建立就成為 SEM 的第一個步驟。

2.模式界定(model specification)：

此一步驟乃是將理論所呈現的假設以 SEM 的形式加以表達。

3.模式識別(model identification)：

決定模式是否是可識別的(identified)，常用的是 Bollen(1989)所提出的 t-rule 準則。如果模式是可識別的，則表示理論上模式中的每一個參數皆可以導出一 個唯一的估計值。如果無法識別，將無法對模式做出正確的估計。

4.選擇測量變項和收集資料：

此一步驟乃是選擇用於模式中的測量變項，並且收集測量變項的資料以作 為後面分析模式之用。

5.模式估計(model estimation)：

此一步驟是使用所收集來的資料，以估計模式中的參數。

6.適配度評鑑(assessment of fit)：

用以決定理論預測模式與所收集資料間適配的程度。一般適配度的評鑑可 以分為整體模式適配度檢定、測量模式適配度檢定和結構模式適配度檢定，在 整體模式適配度檢定達到模式可接受的程度時，才接著檢定另外二類。

7.模式修正(Model modification)：

當整體模式適配度未達到可接受的程度，可以依據理論假設和統計所呈現 的結果，來將參數釋放或固定，再重新估計模式。

8.解釋(Interpretation)：

對 模 式 統 計 結 果 作 解 釋 。 通 常 在 結 果 呈 現 時 ， 會 牽 涉 非 標 準 化 參 數 (Unstandardized parameters)估計與標準化參數(Standardized parameters)估計，以 及直接效果、間接效果與總效果。

圖 3 結構方程式的分析過程

多數的學者目前都採用多元指標來判定結構方程模式的整體配適度，學者 建議的指標值和解釋如下：

1. χ²/df 比值：

自由度是判斷 χ²值是否太大之參考基準值。一般而言，「χ²/df」比值應該 愈小愈好，學者建議以不大於 5 為標準。

2. GFI 配適度指標(goodness of fit)：

表示由理論模式或假設模式所能解釋的變異量，此值在 0 與 1 之間，愈接 近 1 表示適配度愈佳。理想上，在模式適配時，GFI 值應大於 0.9。

3. AGFI 調整後配適度指標(adjusted GFI)：

係將 GFI 指數依自由度的數目加以調整，其評鑑指標與 GFI 指數相同，AGFI 值一般以高於 0.9 的數值，為決定接受或拒絕的參考。

4. NFI 規範配適指標(normed fit index)：

一般設定此數值必須超過 0.9 為宜。

5. IFI 增值適配指標(incremental fit index)：

配適度評鑑

理 論

模式界定

模式修正 解 釋

模式識別

選擇測量變項及蒐集資料

模式估計

未達可接受程度

達可接受程度

須超過 0.9 為宜。

6. CFI 比較適配指標(expect for a constant scale factor)：

CFI 數值介於 0 與 1 之間，數值愈大表示模式適配愈好。一般設定此數值 必須超過 0.9 為宜。

7. RMR 殘差均方根(root mean square residual)：

為適配殘差變異除以共變的平均值的均方根，反應的是殘差的大小，因此 RMR 值愈小表示模式的適配度愈佳。