第三章、 研究方法
3.5. 資料分析方法
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
3.5. 資料分析方法
本節將介紹本研究的資料分析方法，首先介紹信度與效度分析，並探討判定 標準，接著介紹因素分析(Factor Analysis)方法，最後介紹偏最小平方法(Partial Least Squares，PLS)的步驟、結構模型判定、以及模型配適度檢定方式。
信度與效度分析
在問卷信效度衡量部分，本研究以 Cronbach＇s α 係數來檢定各因素之衡量 問項的內部一致性，Cronbach＇s α 係數為估計一組項目之內部同質性的常用方 法。Cronbach＇s α 係數愈大，顯示該因素內各細問項之間的相關性愈大，意即 內部一致性愈高。本研究使用的是李克特量表來作衡量，而李克特量表中最常 用的信度衡量指標即為Cronbach α，根據學者 Cuiford (1965)對 Cronbach’s α 的 研究，其評量標準如表 3-3 所示：
表 3-3 Cronbach＇s α 合理範圍
可信程度 係數範圍
不可信 α <0.3 勉強或稍微可信 0.3<α<0.5
可信 0.5<α<0.7 高度可信 0.7<α
效度(Validity)則為問卷的有效程度，在本研究中意指衡量構面的問項的適 切性，該問項是否能代表該構面。效度最常被探討的為內容效度，內容效度係 指測量工具的適切性，意即測量工具或問卷能夠涵蓋研究主題的程度。若測量 工具或研究主題能代表研究主題，則具有足夠的內容效度。若效度愈高表示測 驗的結果愈能代表顧客的真實反應，而測驗的效度涉汲測驗性質、目的、內 容、功能與用途等方面，常應用的效度有內容效度(Content validity)與建構效度 (Construct validity)。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
因素分析(Factor Analysis)
因素分析方法主要有兩種，一為探索性因素分析(Exploratory Factor Analysis)，適用於在一團雜亂無章的因素中找出相似的一群集合在一起，目的 是在混亂中找出條理；另一種即為本研究使用的驗證性因素分析，適用於建立 在理論或前人架構上的研究。
本研究雖然在構面討論有相關文獻支持，但係因抽取 HPM 內不同類別的 題目，進而構成與相關文獻類似題項，所以問卷內容不全然相同，故本研究決 定採用探索性因素分析來測試構面是否有足夠的區別效度以利後續分析。
而因素分析的判斷標準，是根據因素負荷量來判斷，如表 XX 所示，因素 負荷量大於 0.5 以上屬於好的等級，大於 0.630 屬於非常好，大於 0.710 為優 秀。故本研究在測試完信度測試之後，緊接著作探索性因素分析，以確認測試 達到足夠的效度，最後進行利用偏最小平方法做路徑分析。
表 3-4 因素負荷量判斷標準
因素負荷量 狀況
0.710 優秀
0.630 非常好
0.550 好
0.450 普通
0.320 不好
0.32 以下 不及格
偏最小平方法 (Partial Least Squares，PLS)
本研究採用偏最小平方法 (Partial Least Squares, PLS)，這是一種探測或建 構預測性模型的分析技術，尤其是對於潛在變項之間的因果模型(causal model) 分析，優於一般的線性結構關係模式(LISREL)，PLS 的優點有：
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
能處理多個依變數與多個自變數；
能克服多變量共線性的問題；
強健 (robust)地處理干擾資料及遺失值；
投入反應變項對潛在變項有很強的預測能力；
可以同時處理反應性指標(reflective indicator)和形成性指標(formative indicator)；
適用於小樣本；
不受資料分配的限制 (Pirouz, 2006)。
PLS 模型的分析有二個步驟，第一個步驟是檢驗測量模型的信效度，第二 個步驟檢測結構模型的路徑係數的顯著性與預測能力。在測量模型方面，則須 觀察:
各別(items)因素負荷量(loading)必須大於 0.5。
組合信度(composite reliability)與 Cronbach’s alpha 必須大於 0.7，以確保內 部一致性的程度(參考表 3-3)。
平均變異萃取量(average variance extracted, AVE)須大於 0.5，代表有好的收 斂效度。
每個構面 AVE 的平方根必須大於與其它構面的相關係數，代表有好的區別 效度。
該因素負荷量必須大於 其它因素負荷量，也就是 own-loadings 大於 cross-loadings，此判斷方式也表示測量具有很好的收歛效度(convergent validity) 與區別效度(discriminant validity)。
在結構模型方面，則須觀察:
標準化路徑係數(path coefficient)是否達統計上的顯著性；
以𝑅2判斷模型的解釋能力(Fornell & Larcker, 1981; Medina & Chaparro, 2007/2008; Pavlou & Fygenson, 2006)。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
本研究採用 Ringle et al.,(2005)所研發的 SmartPLS 軟體進行 PLS 分析。因 為樣本數不大，以 bootstrap 反覆抽樣法 1(bootstrap resampling method)反覆抽取 1,000 個樣本做為參數估計與推論。
配適度分析(GOF ,Good Of Fit)
針對 PLS 的模型配適度分析，Wetzels et al., (2009)得出了以下決定係數的效 應值(低、中、高)，意即配適度(GOF ,Good of Fit)標準。PLS 計算方式與配適度 判定標準如下：
Model fit (GOF) = √AVG(AVE) * AVE(Communality) 或 Model fit (GOF) = √AVG(AVE) * AVE(𝑅2)
若 0.1 < GoF < = 0.24， 則配適度達低標(GoFsmall)。
若 0.25 < GoF < = 0.35， 則配適度達中階標(GoFsmall)。
若 0.36 <= GoF ， 則配適度達高標(GoFlarge)。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University