資料分析方法

站所產生的問卷網址轉貼於各社群帄台與網路通訊媒體進行散佈、發放，對象包括新 竹中華大學內各系的學校學生、畢業之學長姐及社會人士，透過網路填答或是紙本問 卷填寫的受詴者皆有機會得到一些小獎勵與抽獎之機會，並且分析研究紙本問卷和網 路問卷的填答並無顯著之差異。

3.6.3 效度分析

效度分析(Validity Analysis)是指一種衡量尺度能夠測出研究者所想要測量之事物 的程度，也尌是衡量變數能否正確地測量出研究主題之程度。一般而言，常用效度可 分為兩種，內容效度(Content Validity)是觀念上的驗證；建構效度(Construct Validity) 是以數據(古永嘉、楊雪蘭，2010)。兩種效度都顯示出量表是否能準確衡量出對應之 觀念，只是在方法與意義上不同。說明如下：

(一) 內容效度：為一份量表內容的代表性或測量工具的適切性，也尌是測量工 具或問卷內容能夠代表研究主題的程度。若問卷內容越能表示測量之問題本意，則此 問卷越具有足夠之內容效度。

(二) 建構效度：用來評估測量工具是否與其他建構的測量概念或特質上的一致 性，若產生之結構能符合原先結構則代表具有良好建構效度。

而本研究採用內容效度作為其效度分析，透過社群研究專家檢視問卷，並請專家、

指導教授及碩班同學提出適當建議與語意，最後再根據提出的問題去進行修正，以達 到內容效度。

3.6.4 因素分析

依使用目的而言，因素分析可分為探索性因素分析(Exploratory Factor Analysis ; EFA)與驗證性因素分析(Confirmatory Factor Analysis ; CFA)，因本研究所使用研究變 數具有社會認知理論與社會交換理論為基礎，具有理論先驗性，因此採用驗證性因素 分析來驗證本研究各構陎之組合信度（Composite Reliability）及各構陎之適配度，判 斷研究架構是否為最佳，以及瞭解構陎之間的因果關係，將利用結構方程模式對本研 究架構與假設進行檢驗，並探討各項模式的標準。

3.6.5 結構方程模式

結 構 方 程 模 式 (Structural Equation Modeling, SEM) 通 常 包 含 「 測 量 模 式 」 (measurement)與「結構模式」(Structural Model)。在測量模式部分，其主要是在建立 觀察變數與潛在變數之間的相互關係，透過驗證性因素分析來檢驗測量指標，而結構 模式，主要是在檢測潛在變數與潛在變數彼此間所形成的因果路徑關係，其針對潛在 變項進行路徑分析，以檢驗結構模式的適配性。邱皓政(2006)指出結構方程模式用以 處理複雜的多變量研究數據之探討與分析，主要檢驗假設關係與整體模式契合程度，

其最大優點在於可同時分析一組具有依賴關係的方程式，尤其是具有因果關係的方程 式。

(一) 建立路徑圖

本研究採用 Amos 統計套裝分析軟體作為研究工具，進行資料分析透過觀察潛在 自變項與潛在依變項之關係建立本研究路徑圖，本研究包括自變數與依變數。

(二)整體模式適配度指標

結構方程模式可以進行整體模型的評估，透過不同的統計方式或適配度指標的計 算，研究者可經檢定假設模型與實際觀察資料的契合程度，而結構方程模式的相關文 獻也提供許多不同的模型指標。下圖 3-3、表 3-9 為結構方程模式分析程序與各適配 度指標的判斷標準。

圖 3-3 結構方程模式分析程序 資料來源：邱皓政(2006)

理論發展

Theoretical Development

模式設定 Model Specification

模型辨識 Model Identification 階段一

模型發展

抽樣與測量

Sampling and Measurement

參數估計 Parameter Estimation

討論與結論

Discussion and Conclusion 階段二

估計與評鑑

模型修正 Model Modification 模型契合度估計

Assessment of Fit

根據過去學者邱皓政(2006)、Bollen (1989)、Browne & Cudeck(1993)、Bagozzi &

Yi(1988)、Doll(1994)對於適配度指標判定標準如下表 3-9 所示：

表 3-9 各適配度指標的判斷標準

指標名稱 衡量指標 指標性質 判斷標準 適用情形

卡方檢驗 x² 理論模型或觀察模型

之契合程度

越小越好 說明模型解釋力

x²/df 考慮模型複雜度後之 卡方值

< 5 不 受 到 模 型 複 雜 程 度的影響

表 3-9(續) 適配度檢驗

指標名稱 衡量指標 指標性質 判斷標準 適用情形

適合度檢驗 GFI 假設模型解釋觀察資 料之比例

> 0.8 說明模型解釋力

AGFI 模型複雜度後的 GFI > 0.8 不 受 模 型 複 雜 度 影 響

PGFI 模型的簡約性 > 0.5 說明模型簡單程度

NNFI 考慮模型複雜度後的 NFI

> 0.8 不 受 模 型 複 雜 度 影 響

NFI 比較假設模型與獨立 模型的卡方差異

> 0.9 說 明 模 型 較 需 無 模 型的改善程度

3-9(續)替代性指標

指標名稱 衡量指標 指標性質 判斷標準 適用情形

替代性指標 CFI 假設模型與獨立模型 的非中央性差異

> 0.9 說明模型較需無模 型的改善程度特別

適合小樣本 殘差分析 RMSEA 比較理論模型與飽和

模型的差距

< 0.08 不受樣本數與模型 複雜度影響 RMR 尚未標準化的假設模

型整體殘差

越小越好 瞭解殘差特性

SRMR 標準化後的假設模型 整體殘差

<0.08 瞭解殘差特性