資料分析方法

註*：各部資料集數量、下載量及瀏覽量統計自 data.gov.tw 網站，瀏覽日期：2016/6/15 註**：各部會諮詢小組會議召開情形以及第一次決議重點，整理自三個部會在資料開 次級資料，以 SPSS 先進行描述性統計分析，再運用 LIRSEL(Linear Structural Relationship)軟體，進行結構方程模式(Structural Equation Modeling, SEM)分析方 法，針對變項之信效度以及研究假設進行因果關係之驗證。

結構方程模式(SEM)屬於多變量統計分析的一環，其整合了因素分析與路徑 分析方法，其分析方法能夠將測量誤差納入外，還能提供模型的適合度指標(fit indicators)以及模型修正指標(modification indicators)，並且同時處理一系列變項 間的關係。SEM 由兩個重要概念所組成，包含測量模型(measurement model)與結 構模型(structure model)。測量模型可以反映出觀察變項與潛在變項間的關係，主

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

58

要為驗證性的因素分析，而結構模型則是潛在變項間關係的假設驗證，透過路徑 分析的概念來進行討論（邱浩政，2004）。由此可知結構方程模式之分析，是建 立在一定的理論基礎上，以驗證所提出理論模型的適切性，為驗證式的統計方法。

針對因果關係進行結構化的驗證，並且同時處理多元迴歸的多變量分析。本研究 所使用次級資料之樣本數達610 筆，符合結構方程模式在大樣本分析之適用性，

探討本研究所提出之行政及法規支持、技術支持、組織文化支持、認知態度與期 望、認知風險、認知控制以及推動意願等7 項變數間關係，結構方程模式模型估 計方法採「最大概似法」(maximum likelihood)。

故本研究之分析步驟，先針對次級資料所蒐集之名目資料，包含性別、年齡、

職務、職等、業務內容以及教育程度，進行敘述統計分析，了解樣本組成態樣，

再針對不同類別群體進行差異性分析。在進行結構方程模式的分析上，所使用之 問卷衡量題項必須具有良好的信度與效度，以下針對測量模型中潛在變項及測量 變項間關係，透過驗證性因素分析(Confirmatory Factory Analysis, CFA)進行測量 模型的建構效度檢定，並分析其組成信度及區別效度，最後透過結構模型之驗證，

針對路徑分析結果，進行各潛在變項間因果關係之驗證。

本研究模型包含3 個外衍潛在變項(ξ)，10 個外衍測量變項(𝑋)，4 個內衍潛 在變項(η)，13 個內衍測量變項(𝑌)，「影響推動政府資料開放因素模型」之各參數 符號如圖 9 「影響推動政府資料開放因素模型」符號示意圖所示，圖中橢圓形 為潛在變項，長方形為測量變項，γ 為 ξ 與 η 的關係，β 為 η 間的關係，δ 為𝑋變 項的測量誤差變異數，ε 為𝑌變項的測量誤差，ζ 為 η 的誤差變異數，λ代表𝑋、

𝑌與 ξ 及 η 的關係。

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

60