第三章 研究模型與方法
第四節 資料分析方法
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
第四節資料分析方法
本次研究採用結構方程式(Structural Equation Modeling, SEM) 作為資料分 析與驗證的統計方法，同時運用LISREL(Linear Structural Relation)軟體針對量化 資料進行分析與驗證。結構方程式為一種多變量的研究方法，使用的目的是檢測 多個變數間的邏輯關係並建構高配適度的統計模型，提供研究者從探索性分析 (exploratory analysis ) 轉 為 驗 證 性 分 析 (confirmatory analysis) 的 機 會 。 以 LISREL(Linear Structural Relation)軟體操作結構方程式可以包含兩種模式，測量 模式(measurement model)和結構方模式(structural equation model)去檢測因素負荷 量。測量模型意指敘述觀察變數之信度和效度，以驗證性因素分析潛在變項與觀 察變項之關係；結構方程式則是根據模型假設測量潛在變數間的因果關係，即所 謂的路徑分析(Path analysis, PA)。
SEM = CFA+PA
結構方程式的優點很多，它融合了傳統多變量統計中因素分析與線性模式之 迴歸分析技術，對於各種因果模式可以進行模型辨識、估計與驗證，能夠找出配 適性較佳的模型，Gefen & Keil (1998)就指出結構方程模型除了可以檢視整體模 式與資料的契合度外也可以檢視個別因果路徑的顯著性，適合應用在行為科學研 究上，因此本研究採用之。
一、 敘述性統計分析
本研究採用SPSS針對回收之樣本資料做基本統計之描述，以瞭解本次調查 對象在年齡、性別、收入、婚姻、教育等資料，有助於瞭解對於調查對象的資料 背景，同時透過瞭解其會員、上網經驗、團購相關經驗等資訊，希望對於資料分 析與研究結果能有更深入的解釋。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
二、 信度與效度分析
在 驗 證 統 計 資 料 假 設 成 立 時 ， 應 先 確 保 資 料 的 信 度 (Reliability) 與 效 度 (Validity)，也就是確保研究量表的一致性與有效性。所謂信度為反應資料的一致 性(Consistency)與穩定程度(Stability)，也是確保研究工具的可靠性。由於本研究 是採用李克特的五點量表，因此最常使用判斷信度的指標為Cronbach α、組合信 度(Composite Reliability)與萃取變異量(Variance Extracted)。根據學者Cuieford (1965)所提出之觀點，α係數所對應之可信程度若是低於0.3則為不可信，0.3~0.5 為勉強或稍微可信，0.5~0.7為中度可信，0.7~0.9為高度可信，若是高達0.9以上 則是十分可信。
效度則是反應出問卷的有效程度，也就是問卷中問項衡量的適切性，常見探 討效度的研究為內容效度(Content Validity)，意指衡量工具內容的適切性。一般 而言，只要內容是基於理論基礎的建構上或是經過實證與探討，並經過合理的事 前測驗，原則上皆會有合理的內容效度。此外本研究將以驗證性因素分析來評估 收斂效度(Convergent Validity)與區別效度(Discriminant Validity)，以確保測量尺度 具有足夠解釋力。
三、 驗證性因素分析與結構方程式
因素分析可以分成兩類，探索性因素分析(Exploratory Factor Analysis, EFA) 以及驗證性因素分析(Confirmatory Factor Analysis, CFA)，探索性因素分析適用於 研究者對於資料結構未預設任何立場，純粹藉由統計數據判斷因素之結構；驗證 性因素分析則適用於已提出特定的結構關係假說之研究。由於本研究是透過文獻 探討與訪談的結果建構整體模型，因此已設立在理論基礎之上，故採用驗證性因 素分析這項統計方式。本研究結構方程式模型乃依據Anderson & Gerbing (1988) 的建議採用兩段式的分析法，首先是評估測量模型，驗證構面的收斂效度與區別 效度；其次，進行整體結構模型之驗證(Structural Model)，將多個衡量問項縮減 為少數的衡量指標，以檢視路徑細數的顯著性以及整體模型的契合度。本研究將
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
會以整體模型適合度標準(Overall Model Fit)作為評鑑指標，主要有三個分別為基 本適合度標準(Preliminary Fit Criteria)、整體模型適合度標準(Overall Model Fit) 與模型內部適合度標準(Fit of Internal Structure of Model) 其配適度指數評鑑標準 如下表3-5 (Bagozzi & Yi, 1988；Gefen & Keil, 1998)：
表3-5各模型評鑑指標
指標名稱 判斷值
χ2 愈小愈好
χ2/d.f. 小於 3
RMSEA 小於 0.08
GFI 大於 0.8
AGFI 大於 0.8
SRMR 小於 0.08
CFI 大於 0.9
GFI為類似於迴歸分析中的可解釋變異量(R2)，一些學者的主張中發現整體 配適度要到達0.9才算比較好的模型，然而Bagozzi & Yi (1988)指出此水準只是一 種經驗法則，GFI只要到達0.8即可接受。SRMR為反應假設整體模型的殘差，其 值越小代表模型的契合度也就越佳，學者建議此值應小於0.08為佳(Hu & Bentler, 1999)。而RMSEA是近年較受重視的指標，其是比較假設模型與完美模型的差距 程度，差距越大代表越不理想，指標若能小於或等於0.05為良好配適；0.05到0.08 為不錯配適；0.08到0.1為中度配適；0.01以上為不良配適。