資料分析方法

依據研究目的之需要，採用SPSS及AMOS統計套裝軟體來進行分析，主 要資料分析內容及項目包括回收樣本資料分析、敘述性統計量分析、信效度 分析、相關分析、整體模型適配度分析、路徑分析，茲說明如下:

一、 回收樣本資料分析

直接將回收樣本，在EXCEL進行處理刪除無效樣本。將問卷之題目，在 SPSS轉換為數字。人口統計變數上，男性以 1 取代、女性以 2 取代，採滿 意度調查，非常不同意至非常同意依序給 1 到 7 分。將有效樣本匯入至 Excel中，請依據編碼依匯入及統整。開啟 SPSS 統計軟體，將原匯入在 Excel 的資料複製到 SPSS 中進行分析。

二、 敘述性統計量分析

敘述性統計分析是依據人口統計變項，例如性別、年齡、教育程度、工 作職位等特性針對各變數依其次數分配、百分比、平均數及標準差等進行概 念性的描述，以了解問卷回收樣本的分布狀況及各變項概念上的反映情況，

其平均數較高者則表示受訪者對該問項之內容較為同意，而標準差則用以衡 量回收的樣本中對該問項內容的一致性指標，樣本之標準差愈小，表示受訪 者對該問項看法較一致。

三、 信效度分析

信度是測量的可靠度，係指測量結果是否一致性與穩定性。信度並非全 有或全無，而是一種程度的概念。任何一種測量，或多或少都會有誤差，誤 差主要是由機率所決定的，但也可以受到非機率的影響，誤差越小則信度愈

高；誤差愈大則信度愈低。因此，信度亦可視為測量結果受測量誤差影響的 程度。

傳統觀點認為，對於任何一個被測量的特質，每個人都具有特定的水準 或強度，而測量的主要目的是利用一套計量的尺度去反應每個人在這特質上 的水準或強度，如果測量真的可以測到真實的特質強度，反映在測量程度上，

稱之為真分數。這個真分數，代表受測者的實際心理特質內涵與真實的心理 運作歷程；而在測量實務上，準確測得人的心理特質分數是所有測量的終極 目標。

效度是測量的正確性，指測量或其他測量工具確實能夠測得愈測量的構 面程度。測量的效度愈高，代表測量的結果愈能顯現想表達的測量內容真正 的特質。效度是心理測驗最重要的條件，一個測驗如果沒有效度，則不論具 有其他條件皆無法發揮其測量功能。因此選用標準測驗或自行設計編制的問 卷，必須審慎評估其效度，並提出詳細說明的效度證據。

測量的效度通常以測量分數與想測量的特質之間相關係數來表示，與信 度係數一樣，其數值的大小反應程度上的不同，而不是全有或全無的差別，

故測驗的效度是相對而非絕對。

四、 相關分析

兩個相關連續變項的線性關係，可以利用相關的概念來描述。而描述相 關情形的量數稱之為相關係數。本研究計算相關積差係數，而相關積差係數 是以兩個變數標準差作為分母，將共變數除以兩個變數的標準差，即得標準 化關聯係數，此方法又稱Pearson‘s。

由於相關係數為一標準化係數，其值不受變項單位與集中性的影響，其 係數值介於＋1到-1之間。當相關係數愈接近一時，表示變項的關聯情形愈 明顯。值得注意的是，相關係數為標準化係數，係數數值非呈等距關係，因 此係數數值不能被視為等距尺度，係數的加減乘除都是沒有意義的，能適用 於順序尺度的概念，來說明相對數值的大小。

另外，效度係數最常用在計量的方法就是相關係數。心理測驗領域的重 要學者Anastasi(1997)指出，效度係數就是測驗分數與效度間的相關。測驗分 數與效標的相關係數反應測驗所測量的特質與另一個概念間的變動一致性。

利用相關係數，可以容易將兩個變項間的關係強度表現出來。

五、 整體模型適配度分析

傳統的統計分析方法，如變異數分析、多元迴歸分析、因素分析等，都 是從現有的資料中探索、發現客觀規律，所於探索性分析技術。相對的，驗 證性分析就不同，其基本概念首先先根據現有的理論與資訊，經過推論和假 設，形成一個相互相關的因果模型。經過抽樣調查後，獲得觀察變數的資料 和此資料所產生共變異數矩陣。

研究須依據界定的測量指標去抽樣測量，以獲得實際的樣本資料來檢驗 所所提方程模型分析出的假設模型適用性。所獲得的觀察資料需經過處理後，

即可輸入到結構方程模型的分析軟體中，以便進行模型的適配度檢驗以求得 各類參數的估計值。樣本獲得對於結構方程模型的結果以重大影響力，除了 樣本規模大小影響之外，由於結構方程模型涉及潛在變數的測量，因此結構 方程模型之分析結果與樣本結構、測量品質有密切關係(邱皓政 2004)。

六、 結構方程模型

結構方程模型雖然屬於驗證性的分析技術，但在研究過程中亦不排除使 用探索性分析。結構方程模型就是要將假設模型中，各變數之路徑關係所形 成的共變數矩陣（又稱再生矩陣），與實際的樣本矩陣進行適配性檢驗（及 檢驗樣本矩陣到底有多接近再生矩陣），如果假設模型與實際的樣本資料配 適良好，那麼就表示假設模型是可以接受的；否則就要對假設模型進行修正，

如果修正之後仍然不符合適配模型指標的要求，那麼就須否定假設模型。