第三章 研究方法
第六節 資料分析方法
E
σ = =
(份)，故至少應發放問卷數為 316 份。
根據前述之研究設計，本研究以實體問卷的方式進行取樣。總共發放問卷 320 份，最後共回收 275 份問卷，其問卷回收 率為 85.94%。經由扣除部份問項漏 答、過度中立以及非本研究對象填答之無效問卷後，其有效問卷率為 82.19%共 計 263 份。
第五節 資料蒐集
本研究主要探討對象，為金門地區使用網路電話之所屬公務機關人員。問卷 抽樣的樣本以金門縣所屬公務機關暨各國中小曾經使用網路電話者作為抽樣對 象。為了盡可能接觸到研究樣本，本研究之資料蒐集，將透過「實體問卷」方式 進行，研究生本人與同事親自至各公務機關發放問卷，完成填寫、回收問卷任務，
以廣泛蒐集並確保樣本之普遍性及可靠性。抽樣計畫並將給予獎品以吸引網路電 話使用者來塡答問卷，增加回收率。
第六節 資料分析方法
本研究係根據研究目的及驗證研究假設之需求，針對本研究回收之問卷資 料，主要是應用 SPSS 17.0 及 LISREL 8.8 等二套統計分析軟體，作為本研究資 料分析的工具，資料分析可以分為三個階段。第一階段針對背景資料與研究變數 進行基本資料分析。第二階段則為量表驗證，針對問卷量表進行信度、效度分析，
以驗證研究變數之衡量為準確、有效，為後續分析之基礎。第三階段，進行研究 假說與架構驗證，以得到主要的結果。相關的分析方法如下說明：
58
1. 描述性統計分析（Descriptive Analysis）：主要著重於資料整理、
描述及解釋，可以將一堆雜亂且無分類的資料，分析整理成有意義 及可以明白理解的資訊，作為實務相互溝通的語言。內容主要是依 據人口統計變數的方式，分析統計樣本的相關資訊，例如性別的比 例、教育程度的比例。
2. 相關分析（Correlation Analysis）：利用 Pearson 積差相關分析來 衡量自變數與依變數之間「直線關係」的方向與強弱程度，來檢定 網路電話使用意願是否具有顯著的相關程度。Pearson 相關係數介 於+1 與-1 之間，愈接近於+1 與-1 時，表示其變項的關係愈明顯。
當數值趨近零或等於零，代表兩變數之間無任何關係存在。
3. 結構方程模式分析（Structural Equation Modeling，SEM）：結 構方程模式也稱協方程結構模式（covariance Structure Models，
CSM）或線性結構模式（Linear Stuctural Relations Models），LISREL 模型是自 20 世紀六、七十年代才開始出現的新興的統計分析方 法，被稱為近年來統計學三大進展之一(Anderson & Gerbin,1998)。
結構方程模式是一種建立、估計和檢驗因果關係模型的方法，模型 中既包含有可觀測的顯在變數（observed variable），也可能包含無 法直接觀測的潛在變數（latent variable）。從數理角度看，結構方 程模式綜合了路徑分析和證實性因素分析（confirmatory factor analysis，CFA），是一種雜合體(Kline,1991)。目前結構方程模式 已在心理、行為、教育和社會科學等學術領域裡得到廣泛的應用。
結構方程模型包括測量模型（Measurement Model）與結構模型
（Structural Equation Model）。測量模型部分求出觀察指標與潛在 變數之間的關係；結構模型部分求出潛在變數與潛在變數之間的關
59
係。在結構方程模型中，對於所研究的問題，無法直接測量的現象 記為潛在變數（Latent Variable，LV）或稱隱性變數；可直接測量 的變數記為觀測變數（Manifest Variable，MV）或稱顯性變數。
結構方程模式（SEM）最大的能耐在於探討多變數或單變數之間的因果關 係。在 SEM 的基本理論中，其認為潛在變數是無法直接測量的，必須藉由觀察 變數來間接推測得知。因此，SEM 之理論架構包含「測量模式（measurement model）與結構模式（structuralmodel）」兩部分(Hatcher,1998)。測量模式則界定 了潛在變數與觀察變數之間的線性關係；而結構模式係用來界定潛在自變數與潛 在依變數之間的線性關係（林清山，1984）。
3.1 測量模型
1. 測量模型一般使用驗證性因素分析（confirmatory factor analysis，
CFA）進行檢驗，通過運行 Lisrel 不僅可以得到潛在變數與觀察指 標的關係（包括因素負荷量與測量誤差），還能得到整合模型的整 體適配度。在此基礎上可以進一步評估測量模型的信度與效度。
2. 信度分析（Reliability Analysis）：可以顯示一個測量工具的準確程 度（楊國樞，1978）。本研究對問卷變數之各因素進行信度分析，
以Cronbach’s α 係數來檢定各因素衡量變數間內部問項的一致性，
且Cronbach’s α 值愈高，代表該因素內各問項之間的相關性愈大，
即內部一致性愈高。一般而言，α 值大於 0.7 者為高信度，小於 0.3 者為低信度，本研究則要求在 0.6 以上。符合上述條件之後，接著 進行各變數之間關係的統計分析。
3. 檢 驗 衡 量 模 型 的 收 斂 效 度 （ convergent validity ） 與 區 別 效 度
（discriminant validity）是為了確定每個測量變項是否收斂至所欲
60
衡量的潛在變數，以及量表是否可以區別出不同特質的測量變數 (Anderson & Gerbing,1988)。潛在變數與其對應之所有衡量問項間 所萃取的平均變異萃取量（Average Variances Extracted，AVE）是 計算各測量變項對該構念的平均解釋能力，如果達 0.50 以上則表 示具有收斂效度。判別效度要求 AVE 的平方根大於交叉變量的相 關係數就達到要求標準(Fornell & Larcker,1981)。
3.2 結構模型分析
結構模型部分主要是通過路徑分析（Path analysis），在探討一組連續變項 間的因果關係。利用一系列的迴歸方程式，可以將這些變項間的關係再以整合、
串聯，最後以路徑模型的型態來呈現。判斷結構方程模型的主要參數可以從絕對 適配度、增值適配度以及簡效適配度三個方面進行衡量，其中絕對適配度包括卡 方值比率（χ2（Chi-Square)/df自由度），良性適配度指標（Good of Fit Index，GFI），
均方根殘差（Standardized root mean square residual，RMR）以及調整後適配度指 標（Adjusted Good of Fit Index，AGFI）；增值適配度包括基準適配度指標（Normed Fit Index，NFI），非基準適配度指標（Non-Normed Fit Index，NNFI），比較適 配度指標（Comparative Fit Index，CFI），增值適配度指標（Incremental Fit Index，
IFI）以及相對適配度指標（Relative Fit Index，RFI）；簡效適配度包括簡效規範 適配度指標（Parsimonious normed Fit Index，PNFI）和簡效良性適配度指標
（Parsimonious goodness of Fit Index，PGFI）。此外，被解釋的R平方用來判斷 模型的解釋率，輔助判斷模型是否具有好的解釋性。
61