資料分析方法

本研究採用量化方法進行資料分析，首先整理回收問卷，將填答不完整之問 卷予以去除，進而對有效問卷進行編碼、建檔，以 SPSS 及輔以 Smart PLS 統計 軟體為資料分析工具。依本研究之研究問題採用下列分析方法，包括：敘述性統 計分析、信度分析、因素分析、路徑分析及同質性分析等五項，以檢驗本研究提 出之研究架構各變數之間因果關係並驗證研究假說。

一、敘述性統計分析(Descriptive analysis)

本研究欲使用敘述性統計來描述所蒐集到的資料，可初步了解本研究填答對 象之樣本結構與基本特性，包括性別、教育程度、工作年資、現任職位、訓練課 程形式、參訓目的等，本研究之問卷形式為 Likert 七等第量表編制，經編碼量化 後，可藉由計算各構面之平均數、標準差了解受測者之反應情形。通常平均數愈 高則表示該問項較受填答者所認同，而標準差愈小則表示填答者對此問項看法愈 一致。

二、信度分析(Reliability analysis)

信度為衡量量表之準確性，以檢驗再測信度的穩定性與衡量問卷各題項之內 容一致性。在 Likert 量表中，最常使用的信度檢測為 Cronbach’s 係數與折半信 度；然而，本研究於問卷發放時不打算將問卷題數拆成兩部份，所以不使用折半 信度進行信度分析。因此，本研究欲使用Cronbach’s 係數於預試問卷回收後進 行初步信度分析刪除不必要之題項，以設法提升本研究問卷之鑑別度。若一量表 信度愈高，即Cronbach’s 係數則代表此量表穩定性愈高；Cronbach’s 係數值介 於 0 與 1 之間， 值愈大則表示信度愈高，Cronbach’s 值至少要大於 .5，而於實 務上最好達 .7 以上，其代表量表之內部一致性高(Nunnally & Bernstein, 1994)。

37

三、因素分析(Factor analysis)

因素分析並無自變數與依變數之分，而是選取所有變數進行分析，其除了可 以看到各變數間之關係外，亦可對所有變數進行最大化解釋。然而，當變數之間 相關性太高或太低時，都不適合作因素分析；一般較常用辨別方法為 KMO (Kaiser-Meyer-Olkin)與 Bartlett’s 球形檢定來判定是否適合作因素分析。KMO 是 使用淨相關(partial correlation)矩陣來計算， .6 普通、 .7 尚可、 .8 良好；

Bartlett’s 球形檢定則使用相關係數來計算，相關矩陣數值大於 0。本研究欲使用 因素分析，觀其因素負荷量(factor loading)之顯著性準則，通常採用數值為 .6，

而為避免效度分析問題，更佳者則採用因素負荷量 .7。待預試問卷回收後，本 研究欲使用因素分析，對研究問卷進行初步建構效度之收斂效度與區別效度，該 題項之因素負荷量須於既定之構面中數值大於 .5。此外，本研究待正式問卷回收，

本研究欲使用驗證性因素分析(Confirmatory factor analysis, CFA)以區別各構面，

取因素負荷量大於 .5 者，則可得到各構面相互獨立之結果。藉此分析結果，可清 楚辨別本研究欲探討之目標設定、保健因子、激勵因子、目標承諾、訓練動機及 任務績效等六個構面間彼此為相互獨立，則可以進一步推論此六個構面彼此之間 存在可互相影響之關係。

四、路徑分析(Path analysis)

為更了解本研究各構面間相互影響之因果關係，本研究欲使用偏最小平方法 (partial least squares, PLS)進行路徑分析，以探討本研究架構之多個自變數與依變 數之因果關係。PLS 為探測或建構預測性模型分析，特別用於探測潛在變項間之 因果模型(causal model)分析。本研究運用 PLS 乃因其具備以下相關優點：(一)適 用於小樣本；(二)可處理多個依變數與多個自變數；(三)投入反應變項對潛在變 項有很強的預測能力；(四)可克服多變量之共線性問題；(五)強健(robust)地處 理干擾資料及遺漏值；(六)不受資料分配的限制；(七)可以同時處理反應性

38

指標(reflective indicator)和形成性指標(formative indicator) ( Handbook of partial least squares, 2010)。

五、同質性分析(Homogeneity analysis)

此外，本研究使用獨立樣本 t 檢定、ANOVA 單因子變異數分析及利用交叉 分析表之卡方檢定，將填答者之背景變項與本研究模型中之各構面進行差異性檢 定。獨立樣本 t 檢定是依填答者之背景變項屬性隨機分配為兩種組別，各組別之 填答者無任何關係，亦稱為完全隨機化設計；若填答者之背景變項屬性達兩種組 別以上時，則使用 ANOVA 單因子變異數進行分析；若填答者之背景變項可同時 具備多項屬性時，此時則使用交叉分析表之卡方檢定進行檢驗。因此，本研究欲 將本研究對象分別依其背景變項性別(男、女)、教育程度(高中職、大專院校、研 究所(含)以上)、現任職位(主管、非主管)、訓練課程形式(新進人員課程、工作 輪調、數位教學等)、參訓目的(獎勵、升遷、自我意願等)等進行檢驗各背景變項 對本研究各構面是否具差異性。

39 Hair, Anderson, Tatham, and Black (1998)萃取的共同因素累積解釋變異量達 60%以 上表示共同因素為可靠的，而本研究預試問卷經因素分析之主成分分析後，總累 積變異量為 80.974%達 60%以上，意即本研究之六個共同因素可解釋本研究預試 問卷 37 個測量題項 80%以上的變異量。

此外，由於考量題項過多以致造成填答者失去填答意願及作答時失去耐性，

故本研究將對照刪除後之Cronbach’s 值、個題項共同性數值達 .7 以下者(Steven,