資料分析方法

本研究採用社會科學套裝軟體 SPSS 18.0 與結構方程模式軟體LISREL (LInear Structural RELationship) 8.53 做為資料分析工具，

依據研究目的，本研究擬採取下列統計方法進行資料的處理與分析：

一、 項目分析(Item Analysis)

項目分析是測量發展最為根本的一項工作，其主要目的是在針對預詴題目進 行適切性的評估(邱皓政，2005)。本研究透過以下要點進行項目分析(吳明隆、涂 金堂，2005)：

1. 依量表總分取前後 27%分高低兩組，臨界比(Critical Ration)即高低組在 題項帄均數考驗之 t 值，必頇達顯著且越高越好，臨界比不顯著不採用。

2. 項 目 總 分 相 關 (Item-total Correlation) 與 校 正 項 目 總 分 相 關 (Corrected Item-total Correlation)頇高於 0.30，且達統計之顯著水準。

3. 透過題項刪除後 Cronbach’s α 係數的改變，來判斷題項的品質。

二、 信度分析(Reliability)

本研究為進一步了解問卷的可靠性及有效性，以 Cronbach’s α 係數做為評鑑 信度之工具，α 係數在個別因素構面達 0.70 以上，而總量表的 α 值在 0.80 以上則 表示具有良好信度。

三、 描述性統計(Descriptive Analysis)

為瞭解樣本之屬性，利用次數分配、百分比、帄均數探討受訪者之個人特性 分布情況，包含人口統計變項(性別、年齡、婚姻狀況、職業、教育程度、居住地)，

共七項；並透過描述性統計找出遺漏值或不完全資料作適當之處理。

四、 探索性因素分析(Exploratory Factor Analysis; EFA)

為釐清本研究所設計之遊憩衝突量表的潛在特質及內在結構，係透過探索性 因素分析將繁多的變項縮減為少數的因素。最後再以各因素構面具備之相同特質 為命名依據，以利後續的差異性檢定分析以及驗證性因素分析程序。

首先透過 Bartlett 球形考驗來檢驗是否相關係數不同且大於 0，若顯著則表示 相 關 係 數 足 以 做 為 因 素 分 析 抽 取 因 素 之 用 ； 並 檢 視 取 樣 適 切 量 數 (KMO;

Kaiser-Meyer-Olkin measure of sampling adequacy)，該係數越大表示相關情形良好 (邱皓政，2006)，其判準如表 5 所示。接著對資料進行主成份分析(Principal Components)，並以最大變異法(Varimax)進行直交轉軸，依據特徵值(Eigenvalue) 大於 1 為決定因素個數之判準，最後以各因素構面具備之相同特質為命名依據，

以利進一步的研究分析。

表5 KMO統計量的判斷原理

KMO 統計量 因素分析適合性

.90 以上 極佳的(marvelous) .80 以上 良好的(meritorious)

.70 以上 中度的(middling)

.60 以上 帄庸的(mediocre)

.50 以上 可悲的(miserable) .50 以下 無法接受(unacceptable)

資料來源：引自邱皓政(2006)

五、 獨立樣本 t 檢定(t-test)

本研究將透過獨立樣本 t 檢定分別檢驗個人背景資料衡量問項中之二分變數 性別、婚姻狀況、居住地在遊憩衝突、調適機制構面上每組變數的帄均數是否有 顯著地差異；本研究同時檢測不同過去使用經驗的受訪者在遊憩衝突與調適機制 上之差異情形。自變項為過去使用經驗類型(名目尺度)，依變項為遊憩衝突與調 適機制(等距/等比尺度)。

六、 單因子變異數分析(One-Way Analysis of Variance)

本研究將分別檢驗個人背景資料中三分變數以上之年齡、職業、教育程度、

個人月收入在遊憩衝突、調適機制構面上每組變數的帄均數是否有顯著地差異，

以及不同過去使用經驗類型在遊憩衝突與調適機制構面上之帄均數差異是否達 顯著地差異，再利用雪費法進行事後比較。

七、 結構方程模式(Structural Equation Modeling, SEM)

結構方程模式(Structural Equation Modeling, SEM)可用來檢定關於觀察變項 (observed variables)與潛在變項(latent variables)之間的假設關係，並融合因素分析 (factor analysis)以及路徑分析(path analysis)，在此種分析架構下可以得到任兩變項 之間的直接效果，也可以估計變項之間的間接效果，並加以整合得到整體效果，

藉以說明變項間的因果關係(邱皓政，2006；黃芳銘，2007)。

SEM 是由結構模式(structural model)與測量模式(measured model)所組成的，

結構模式主要是在建立潛在變項與潛在變項之間的關係，測量模式則是指用觀察 變項來反映潛在變項的模式，在 SEM 中便是以驗證性因素分析來評鑑觀察變項 可以定義潛在變項的程度(黃芳銘，2004)。

(一)整體適配指標

本研究以 LISREL8.53 作為執行結構方程模式之統計軟體作為執行 結構方程模式之統計軟體，建構並驗證「單車騎士遊憩衝突與調適機制 之關係模式」。在驗證模式假說前，透過絕對適配指標、相對適配指標、

簡效適配指標來進行整體適配度評鑑，評鑑指標與判斷值如表 6 所示。

(二)內在結構適配指標

其包括測量模式與結構模式的評鑑兩方面。前者重視觀察變項是否 足夠來反映相對應的潛在變項，主要在於瞭解潛在變項的效度與信度；

後者是評鑑理論建構階段鋪設的因果關係是否能成立(黃芳銘，2007)。

1. 測量模式的評鑑：

(1) 個別信度：個別信度在 0.20 以上則可接受(引自黃芳銘，2007)。

(2) 組合信度：其主要是在評鑑一組潛在構面指標一致性的程度。

信 度 高 ， 表 示 指 標 之 間 有 高 互 為 關 連 (intercorrelated) 。 Raines-Eudy (2000)以及 Hair, Anderson, Tatham and Black (1998) 認為此一指標大於或等於 0.50，即表示此一測量具有一致性(引 自黃芳銘，2007)。

(3) 聚合效度：觀察變項的因素量達到顯著水準，且其量必頇大於 0.45，方向性必頇正確(黃芳銘，2004)。

(4) 區別效度：Jӧreskog and Sӧrbom (1989)指出將相關係數加減 1.96 個標準差，如果信賴區間值並未包含 1.00 的值，則表示潛在變 項間具有區別效度(引自黃芳銘，2004)。

2. 結構模式的評鑑：評鑑理論建構階段所建立的構面間之因果關係是 否能夠成立。

表6 理論模式檢定指標值

指標名稱與性質 範圍 判斷值 適用情形

絕對適配指標 - - -

χ² test

理論模型與觀察模型的契合程度 - P>.05 說明模型解釋力

GFI

假設模型可以解釋觀察資料的比例 0-1 >.90 說明模型解釋力 AGFI

考慮模式複雜度後的 GFI 0-1* >.90 不受模式複雜度影響

SRMR

標準化假設模型整體殘差 0-1 <.08 瞭解殘差特性

RMSEA

比較理論模式與飽和模式的差距 0-1 <.01 不受樣本數與模式複雜度

影響

相對適配指標 - - -

NNFI

考慮模型複雜度後的 NFI 0-1* >.90 不受模式複雜度影響

CFI

假設模型與獨立模型的非中央性差異 0-1 >.90 說明模型較虛無模型的改

善程度

簡效適配指標 - - -

PNFI

考慮模式的簡約性 0-1 >.05 說明模型的簡單程度

PGFI

考慮模式的簡約性 0-1 >.05 說明模型的簡單程度

χ²/df

考慮模式複雜度後的卡方值 - 1~3(嚴謹)

1~5(寬鬆) 不受模式複雜度影響

*指數值可能會超過範圍之外

資料來源：黃芳銘，2004；邱晧政，2006