資料分析方法

本研究針對有效問卷建立資料檔，並根據研究目的之需求，採用SPSS 以及 AMOS 統計軟體進行資料的分析與檢定，所使用的統計方法包含信度分析、效度 分析、敘述性統計以及結構方程模式，其分述如下：

31

一、信度分析

所謂信度分析 (Reliability analysis)是衡量沒有誤差的程度，也是量測結果的一 致性 (Consistency)程度和穩定性。另外，信度可分用兩個含意來解釋，一為內部 一致性 (Internal consistency)，表示所要衡量的項目之間是否具有一致性；另一個 為再測性 (Repeatability)，指使用相同之測量工具，在重複衡量相同特質時是否會 得到相同結果。

二、效度分析

效度(Validity)是指一個測量尺度能確實測量出各指標下所對應的題目是否能 確實測出受詴者的特性，並用以分析問卷各部份的指標設計是否恰當。本研究之 效度將結合質與量之檢視方式進行，在質方面，本研究將藉由內容效度 (Content Validity)來檢視；而量方面則透過建構效度 (Construct Validity)來評估。其中內容 效度是指衡量工具的內容是否能夠準確地反映出研究目的和主題之內容；而建構 效度是指測量工具所能衡量到某個概念或特質之程度，主要重點是量表衡量是否 能代表所要衡量之構念。

本研究於正式發放問卷前先進行預詴，預詴對象為台中市、南投縣之國中數 學及英文補教師，共發放36 份問卷，總計回收32 份問卷，回收率為89 %，分析 結果顯示信度皆大於 .80 以上，表示具有良好之內部一致性，在效度方面，根據 Hair, Anderson, Tatham and Black (1998)提出解釋變異量需大於60 %之建議，本研究 之解釋變異量皆大於60 %以上且因素負荷量介於 .53 ~ .98 間，所萃取出各構面之 成份亦和本研究相符，各題項皆落在指定之構面中，故預詴之問卷將不再作修改，

並確定本研究之正式問卷之內容，其完整內容詳見附錄二。

三、敘述性統計分析

敘述性統計分析是藉由數值呈現之方式將資料特徵加以量化，本研究亦計算 各研究變項之平均值與標準差，探討受測者對各變項之反應情形以及同意程度。

分析結果包含受測者對知覺組織支持、學習動機、自我規範、認知風格以及訓練

32

成效等五部分。平均數越高表示測量之題項較為受測者所接受；標準差是指衡量 一組數值於平均值分散開來的程度，亦是指受測者對衡量問項是否存在一致性之 看法，標準差越小代表對衡量之問項有較一致性之看法。

四、結構方程模式

結構方程模式 (Structural Equation Modeling, SEM)是一種可以處理因果關係 之模式，主要目的在考驗潛在變項 (Latent variables)與觀察變項之關係，意即探討 變數間之線性關係，其為以迴歸為基礎之多變量統計方法，可同時處理多組變項 之間的關係， Nachtigall, Kroehne, Funke and Steyer (2003)也提到SEM 之最大特點 在於可以處理潛在變項。本研究將先使用驗證性因素分析發展出一個適配度較佳 之測量模式，再進一步分析理論之模式。此外，SEM 樣本數之限制眾說紛紜，本 研究參考 Hair, Black, Babin and Anderson (2010)之觀點，認為欲使用SEM 作為資 料分析方法，則樣本總數最低頇為100 以上，研究模型亦能具良好適配度。例如：

何雍慶、范惟翔、陳振燧 (2003)在顧客知識管理相關研究中使用結構方程模型，

所採用之樣本數為103份，而王俊人、謝明宏、黃仕杰 (2008)於產品績效影響之研 究中所採用之樣本數為151份，研究模型亦皆具良好之適配度。故本研究採用AMOS 作為驗證研究假設是否成立之檢定工具。在驗證模式適配度上，本研究將依據以 下幾種方法進行，並以Hair等人 (1998)、黃芳銘 (2006)提出之各指標規定標準值 進行評估：

(一) 卡方值

卡方值越小代表模式適配度越佳， Bagozzi and Yi (1988)提出，卡方值容易受 樣本數大小所影響，因此需將樣本大小的問題加以考量，並建議以卡方值與其自 由度之比值來檢定模式適配度，該值應該越小越好，並建議此值不要超過 3。

(二) 適配度指標 (Goodness-of-Fit Index, GFI)

GFI 為衡量理論模式所能解釋的變異數與共變異數的量，值介於0~1 之間，

此值越大表示適配度越佳。此指標可以顯現整體適配的程度，但是也受到樣本大

33

小的影響，當GFI 大於 .90 時表示具良好之適配度。

(三) 調整後適配度指標 (Adjusted Goodness-of- Fit Index, AGFI)

AGFI 則表示將GFI 依自由度調整後之值，此值建議標準為AGFI 大於 .90。

(四) 模式基準適配指標 (Normed Fit Index, NFI)

NFI表示假設模式對獨立模式的改進程度，建議值為NFI大於 .90，若達建議 值則表示模式達到適配。

(五) 比較適配度指標 (Comparative Fit Index, CFI)

CFI 是根據NFI 修正而來，為衡量有效改善模式非集中性程度，CFI 的值介 於0 與1 之間，通常採CFI 大於 .90，且當此值越接近1 時，則代表模式之適配度 越佳。

(六) 殘差均方根指數 (Root mean square residual, RMR)

RMR 為測量殘差之平均數，當數據與模式一致時，殘差會越接近0 ，故此值 越接近0，表示模式適配度越佳，通常採RMR 小於 .08 之建議值。本研究將依據 以上各指標來驗證模式適配度。

34