第三章 研究設計與實施
第五節 資料分析方法
本研究施測後所得之網路問卷資料，採用統計軟體 SPSS（IBM SPSS Statistics version.22）進行統計分析，使用統計方法如下：
一、 描述統計
描述性統計(Descripitive statistics)分析主要用來整理、描述、解釋問卷樣本 資料各項問項的次數分配、百分比、平均數和標準差數值。分析的項目包括了個 人背景變項、動機構面和資訊需求主題，以瞭解樣本數據分佈的特性，作為發展 本研究之基礎。
二、 因素分析
因素分析(Factor analysis)是多變量分析方法之一，可分為探索性因素分析 (Exploratory Factor Analysis, EFA)和驗證性因素分析(Confirmatory Factor analysis, CFA)。探索性分析適用於研究人員對變數的因素結構沒有明確之理論依據或沒 有預設立場，而進行因素分析。雖然本研究動機因素有部份具有理論基礎，但尚
70
無整合性的應用且在不設任何預設立場的情形下，本研究採用探索性分析。本研 究執行之前，使用 KMO(Kaiser-Meyer-Olkin)和 Bartlett 球型檢定，確認樣本採用 因素分析之適切性。KMO 值愈接近 1 表示變項之間共同的因素愈多，愈適合做 因素分析。一般來說 KMO 值至少要在 0.6 以上才能進行，其評定標準如表 3 - 5 所示。Bartlett 球型檢定則是在確認量表各變項的相關矩陣有共同因素存在，必 須達 0.05 的顯著水準。執行因素分析時，採用主成份分析法及直接斜交轉軸法，
以 SPSS 產出之分析表因素負荷量(factor loading)大於 0.5 者萃取因素，表示該變 數對應該因素收斂效度佳，並將因素以予命名（榮泰生，2009）。
表 3 - 5 KMO 評定標準
KMO 評定標準
KMO<0.5 不能使用 0.5≤KMO<0.6 不太適合 0.6≤KMO<0.7 普通 0.7≤KMO<0.8 還算適合 0.8≤KMO<0.9 適合 0.9≤KMO 非常適合資料來源：榮泰生（2009）。SPSS 與研究方法（第二版）。台北市：五南。
值得注意的是，本研究針對動機量表進行因素分析，主要目的在確認構面的 結構與縮減變項，剔除不適任的變項，產出動機的因素；針對資訊需求做因素分 析，目的是產出資訊需求主題的群集，並非要求收斂效度最佳。陳正昌和程炳林 等（2011）認為變項在因素上的負荷量在 0.3 以上，仍可視為該因素之重要變項，
故容納因素負荷量大於 0.3 之變項仍列為該因素項目，唯考量後續因素資料在其 它統計分析造成的偏差性，後續分析計算仍以負荷量大於 0.5 之變項構成因素為 準則。
71
三、 皮爾森相關係數
皮爾森相關係數(Pearson Correlation Coefficient)，又稱皮爾森積差相關，是 用來檢視連續性線性相關的變數，呈現出不同變項之間的相關性強度及方向。本 研究中使用該方法討論動機因素之間的相關性，形塑志工的動機組合形貌；討論 資訊需求主題之間的相關性，形塑志工如何認知資訊需求主題組合形貌。相關係 數強弱大小與意義採用邱皓政（2005）提出標準作為認定，共分為五種關聯程度，
其係數範圍對應如表 3 - 6 所示。
表 3 - 6 相關係數的強度大小與意義 相關係數範圍 變項關聯程度
1.00 完全相關 0.7~0.99 高度相關 0.4~0.69 中度相關 0.1~0.39 低度相關 0.1 以下 微相關或無相關
資料來源：邱皓政（2005）。量化研究法二：統計原理與分析技術，臺北市：
雙葉。
四、 典型相關分析
典型相關分析(Canonical correlation analysis )，又稱典型分析，適用於兩組均 為多變量變項的相關性分析。在兩組變項之中，若有先前文獻證實有因果關係，
則可做因果解釋，反之則不一定存在自變項(X)或依變項(Y)的分別。典型相關的 目的最主要在找出 p 個 X 的線性組合與 q 個 Y 的線性組合，使得各自組合分數 (Canonical Variate，又稱典型因素)的典型相關（以 ρχη係數表示）達到最大值（林 清山，1988）。本研究使用典型相關分析多重動機與多重資訊需求主題之間相關 性，因沒有明確實證支持動機與資訊需求之因果關係，故僅討論動機與資訊需求 主題相關組合的情形。
72
陳正昌和程炳林等（2011）認為，執行典型相關時，必需先考驗多個 X 變 項和多個 Y 變項之間存在典型相關係數是否達到顯著(又稱層面縮減分析)，最後 才宜說明變項之間的關聯。一般來說常使用下列係數作為參考：
（一） 典型加權係數：為使典型相關（ρχη）數值達到最大，必須找出適當的 加權值乘以 X 變項與 Y 變項的線性組合，稱為典型加權係數。
（二） 典型因素結構係數：表示 X 變項與典型因素 χ 或 Y 變項與典型因素 η 的簡單相關。典型因素結構係數等於典型加權係數乘上 X 變項或 Y 變項同 組變項之相關係數累加和，如果數值愈大表示對該因素的貢獻度愈高。若結 構係數的正負號相同，具有正向關係，反之則為負相關。Cohen(1988)認為，
關係值大於 0.5 算是相關程度高；關係值介於 0.3 至 0.5 相關程度中等；關 係值介於 0.1 至 0.3 為相關程度低。
五、 單因子多變量分析
單因子多變量分析(One-Way Multivariate Analysis of Variance, MANOVA)是 以獨立樣本自變數因子數目為 1 項，依變數為 2 項以上之多變量技術分析。與單 因子變異數分析(One-Way Analysis of Variance, ANOVA )1 次處理 1 項自變數和 1 項依變數不同，單因子多變量分析適用於檢驗整體依變項之間的差異性，並可進 行追踨考驗以解釋個別依變數的差異情形。本研究使用此方法分別檢驗個人背景 變項對動機和資訊需求主題之間的顯著影響，在確認整體差異後，若有差異時以 ANOVA 執行追踨考驗。
六、 內容分析法
內容分析法是一種對傳播的明顯內容，做客觀、系統及定量敘述的研究方法 (Berelson, 1952）。一般常為社會研究者所運用，又以新聞與傳播議題方面使用較 多。Krippendorff(1980)則認為內容分析法是一種為了提供知識、新觀點、表面事
73
實的行動準則，透過專業的程序處理科學資料，在資料脈絡之間進行有效推論論 的研究方法。為進行資訊需求主題量表編製，本研究採用內容分析法從選定的文 本中率取公益旅行相關的資訊需求做為量表編製的基礎。
74