第三章 研究方法
第五節 資料分析方法
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五節 資料分析方法
使用 PLS 結構方程式分析統計軟體處理敘述性統計、衡量所提出潛在 構面的信度與效度分析與驗證性因素分析；相較於 linear structural relation model (LISREL)，PLS 對於處理中小規模樣本資料較為適合 (Sambamurthy and Chin, 1994; Chin, 1998a; Chin, 1998b)。對於進行估計和路徑係數是否顯 著的測詴方法上，另外運用不同種類的再取樣 (resample) 程序，例如：
「jackknifing」 和 「blindfolding」 以及 「bootstrapping」等方法 (Chin, 1998a)，本研究使用 PLS 內建的「bootstrapping」方法進行分析。由於 PLS 是唯一可以同時處理具有「形成性」(formative) 和「反映性」(reflective) 指 標模型之電腦應用軟體。一般以共變數矩陣 (co-variance) 進行統計、估計 結構方程式模型之電腦應用軟體；例如 AMOS 與 LISREL 等電腦統計軟體 僅可以處理反映性指標所建構的模型。PLS 適用於 SEM 之前導探索式分析。
其 目 的 是 最 大 化 「 因 變 數 」 (dependent variable) 中 能 為 「 自 變 數 」 (independent variable) 提供所需要解釋的變異量 (使用變異數估計模型中參 數)，而不在於最小化樣本共變數矩陣與隱含共變數矩陣間之差距 (使用共 變數估計模型中參數)。PLS 的參數計算過程分為：第一階段，評估各觀察 變項在相對應潛在變項上的加權量；第二階段，利用第一階段的各測量變 項的平均加權量，計算每位受測者在各潛在變項上的分數；第三階段，利 用每位受測者在各潛在變項上的分數，進行預測變項與衡量指標之間結構
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
係數的估計 (Haenlein and Kaplan, 2004)。
一個潛在構面若是以反映性指標所建構而成，當任一指標有所變動時，
則會連帶影響所建構模型中其他指標，因為所有指標是受該潛在構面所影 響。例如：「企業高階主管先前知識」是一項潛在構面，反映在「產業知識」
和「特殊興趣」兩項可衡量的指標；「競爭智慧產出」是一項潛在構面，反 映在「競爭對手資訊」和「環境檢視資訊」兩項可衡量的指標；「企業高階 主管決策支援」是一項潛在構面，反映在「決策支援的速度」與「決策支 援的準確性」兩項可衡量的指標；而企業組織的「策略效益」是一項潛在 構面，反映在「營收展望」、「費用評估」以及「管理效益」三項可衡量的 指標。
而當一個潛在構面是由形成性指標所構成時，指標會影響潛在構面，
但是潛在構面並不會對個別指標有所影響，例如「競爭智慧過程」是一項 潛在構面，它是由「策略目標設定」、「策略分析」、「策略規劃」和「執行 與控制」四項形成性衡量指標所構成，則任一項形成性指標都個別會影響 潛在構面，但是潛在構面並不會對個別指標有所影響 (Chin, 1998b)。根據 Anderson and Gerbing (1988) 建議，結構方程式模型可分為衡量模式與結構 模式兩階段來進行。衡量模式可以透過驗證性因素分析 (confirmatory factor analysis, CFA) 衡量得知觀測變數與構面之間的關係；而結構模式可以計算 出模型的配適度，並評估各項構面之間的關係並驗證假設。
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本研究的分析工具是以 Smart PLS 2.0 程式來進行 (Ringle et al., 2005)。
本研究結構方程式模型為二階結構方程式模型，其中「企業高階主管先前 知識」、「競爭智慧過程」以及「競爭智慧產出」為二階結構方程；此三項 潛在構面被假設會影響「企業高階主管決策支援」。
這個二階結構方程之中，「競爭智慧過程」研究構面是由「策略目標設 定」、「策略分析」、「策略規劃」和「執行與控制」四項一階變數所形成；「企 業高階主管先前知識」研究構面是由「產業知識」和「特殊興趣」兩項一 階變數所反映；「競爭智慧產出」研究構面是由「競爭對手資訊」和「環境 檢視資訊」二項一階變數所反映。「企業高階主管決策支援」研究構面是由
「決策支援的速度」與「決策支援的準確性」為兩項一階變數所反映。「組 織策略效益」研究構面是由「營收展望」、「費用評估」以及「管理效益」
三項一階變數所反映。因此，PLS 驗證的過程分成兩個步驟：第一階段，
先以驗證詴因素分析方法求出這些一階變數的標準化路徑因素，再以路徑 因素來計算各一階因素的因素分數 (factor score)。第二階段，以各一階因素 的因素分數當作二階因素的觀測項分數，此時這個二階結構方程式模型便 簡化成一階結構方程式模型，並再次以 Smart PLS 2.0 統計軟體進行分析得 到各項因素的路徑係數驗證，並藉此進行假設檢定。
‧
國立 政 治 大 學