本研究使用 IBM Statistics 20（原 SPSS）與 Smart PLS 2.0 M3 兩套統 計軟體作為分析畫資料的工具；使用的分析方法有：敘述性統計、信度 分析、效度分析與路徑分析、訪談資料。以下將介紹本研究所使用的資 料分析方法。
一、 描述性統計
根據有效樣本的人口統計資料進行描述性統計分析，了解高雄市政府 電子化政府資訊系統使用者與系統開發人員的人口結構以及分佈情形。
本研究分析的人口統計變數有「性別」、「年齡」、「教育程度」、「公司產 業類別」、「工作職稱」、「婚姻狀況」六項，使用的分析工具為 IBM Statistics 20。
二、 信度分析
信度是指個別問卷題目的可信度，也就是測量結果的穩定性或一致性。
本 研 究 的 信 度 分 析 是 採 用 組 合 信 度 (Composite Reliability, CR) 和 Cronbach’s α 信度作為衡量內部一致性的標準。Fornell 與 Larker(1981)認
為 組 合 信 度 (Composite Reliability, CR) 要 大 於 0.8 。 Cronbach’s α 是 Cronbach(1951)提出的信度指標，而且得到的 α 值愈大，表示所測量的構 面內部一致性愈大，信度愈高。Guielford(1965)認為 Cronbach’s α 系數大 於 0.7 代表信度很高，若小於 0.35 屬於低信度，則予以刪除。使用的分 析工具為 IBM Statistics 20 和 Smart PLS 2.0 M3。
三、 效度分析
問卷的效度就是問卷能否測量出變數性質的程度。本研究使用驗證性 因 素 分 析 (Confirmatory Factor Analysis, CFA) 、 探 索 性 因 素 分 析 (Exploratory Factor Analysis, EFA)確認所收集的資料是否能準確的衡量潛 在 變 數 。 此 外 ， 本 研 究 以 收 斂 效 度 (Convergent Validity) 與 區 別 效 度 (Discriminant Validity)作為評估效度的標準，此兩種方法是目前最廣泛使 用的效度檢測工具(Schwab, 1980; Sethi & Carraher, 1993)，使用的分析工 具為 Smart PLS 2.0 M3。
收斂效度：Fornell 與 Larcker(1981)指出評估收斂效度的標準共有兩 項：(1)標準化項目負荷量(Factor Loading)必須要大於 0.5，並且達到顯著 水準(p<0.05 or P<0.1)；(2)平均變異數萃取量(Average Variance Extracted, AVE)必須要大於 0.5。本研究分別利用這兩項標準來評估收斂效度。若滿 足這兩項標準，則代表有良好的收斂效度。
區別效度：Kim 等學者(2003)指出兩兩構面之間的相關係數小於 0.85 時，此構面具有一定程度的區別效度。而 Fornell 與 Larcker(1981)認為構 面本身的 AVE 平方根數值大於其他構面的相關數值時，則具有良好的區 別效度。因此，本研究將採用以上兩種標準檢測區別效度。
四、 研究模式檢驗
本研究採用量化研究方法(Quantative Research Method)，先行發放問 卷蒐集資料，並針對回收的問卷進行資料統計分析。結構方程模式 (Structural Equation Modeling, SEM)是一個用來驗證假說的統計方法論，
利 用 一 系 統 有 結 構 的 方 程 式 表 示 多 個 變 數 之 間 的 因 果 程 序 (Causal Processes)，並以圖形化方式標出各變數間的結構關係(Hair et al., 1998)。
雖然回歸分析(Regression Analysis)也能以統計模式探討反應變量與解釋 變數之間的因果關係，但卻是探討單一分析性反應變量對單一分析性解 釋變數的關係。本研究採用 Smart PLS 2.0 M3 之結構方程模式，分析模 式中構面間的路徑，並檢驗本研究之假說。
PLS(Partial Least Squares)是目前社會科學研究領域中相當普及的一 種工具，縱使只有少量的問項或樣本數，仍可進行分析，不僅可作為有 理論依據的因果驗證，也可提供構面之間探索性關係的假說檢驗，以供 後續理論或研究模式建立時的參考(Chin, 1998; Gefen et al., 2000)。由於
PLS 不提供整體模式之配適度，所以由判定系數「R2」來檢驗結構路徑 的預測能力，「R2」是可解釋變異佔總變異的比例，因此，「R2」愈大，
表示模式解釋度愈好。
本研究在參數估計上使用拔靴法(Bootstrapping)，它是一種無母數估 計方法，透過隊樣本資料的重新抽樣(Resampling)，估計統計量的分配。
根據 Chin(1998)對重新抽樣的建議，本研究的重新抽樣次數為 500，作為 每條結構路徑之估計值的顯著性檢定依據。
五、 訪談資料
因為資訊系統開發人員的共同規範、團隊穩定度、團隊成員接近度、
團隊成員熟識度、人際信任、團隊溝通都會影響知識分享意圖因此，本 研究共計訪談 16 個個案（高雄市政府資訊系統委外承包公司開發人員：
10 位；系統使用者：6 位），並以語幹(Themes)作為質性資料(Neuendorf, 2002)。藉此了解系統承包公司之開發團隊人員對知識分享的主要關注重 點為何，並以質性之資料輔佐量化資料結果的分析。
由於語幹分析的步驟最為關鍵，因此每一主題必須非常清楚的定義，
避免錯誤編碼的情況。本研究的分析單位是個人，研究者分析主題的資 料來自受訪者所敘述其在系統開發過程中知識分享之相關事件。故選擇 相關句子，分析每一主題，並藉由所蒐集之資料，予以編碼，完成分析。
因為編碼是主觀的，所有的編碼者必須要對編碼標準取得一致的意 見，本研究的二位分析者分別對相同的訪談內容進行編碼，彼此比較結 果並討論差異，直到完成分類且符合編碼標準的一致性(Pare, 2004)。接 下來，本研究依據所蒐集的質性資料由分析者分別獨立編碼，並於完成 編碼後，進一步比對討論，並將意見不一致的部分與 MIS 專家一起討論，
若仍無法達成共識，則放棄該筆資料，故依據此一原則，直到所有分析 者達成一致的意見，完成編碼的過程(Strauss & Corbin, 1990)。
本研究與幹的資料來源為：高雄市政府資訊系統承包公司的 10 位開 發團隊成員以及系統使用者對於本研究定義的 18 項問題之陳述。而分析 的類型有兩種：(1)分析訪談內容與本研究那些構面有關；(2)整理出所有 受訪者會影響各個構面最多的原因，結果如表 4-18、表 4-24 所示。
範例 1：個案 1（開發人員）表示「共同規範可以透過分享知識幫助 解決問題，但因為沒有強制規定，所以沒辦法完全解決問題，就一小部 分」。因此，發現：(1)陳述內容與本研究的「共同規範」構面有關；(2) 此陳述內容之構面重要性為「可幫助解決問題」，因為共同規範能幫助團 隊成員解決問題，所以是影響系統開發團隊的重要因素。
範例 2：個案 1（開發人員）表示「團隊內部成員彼此很熟識，知道 團隊成員對那些領域比較熟悉，主管指派任務上能較適當分配」。因此，
發現：(1)陳述內容與本研究的「團隊成員熟識度」構面有關；(2)此陳述
內容之構面重要性為「熟識度高：主管能適當分配任務」，因為團隊成員 之間的熟識度能讓主管更了解每位成員擅長的領域並適當的分配任務，
所以是影響系統開發團隊的重要因素。
範例 3：個案 7（開發人員）表示「我們有新成員加入，有帶來好處。
因為我們比較偏向網路這一塊，新加入的成員有撰寫程式的經驗，所以 他的知識能協助分擔、解決問題」。因此，發現：(1)陳述內容與本研究的
「團隊穩定度」構面有關；(2)此陳述內容之構面重要性為「新成員能幫 忙分擔工作，以相關知識解決問題」，因為新成員的加入能帶來新的知識，
並且協助其他成員解決問題，所以團隊穩定度是影響系統開發團隊的重 要因素。
第肆章 研究結果
本章主要分為四個小節，第一節是針對本研究樣本進行描述性統計資 料分析。第二節是針對本研究的研究構面進行信度與效度檢驗。第三節 是針對本研究的假說進行檢定。第四節是針對系統承包公司之系統開發 人員之訪談內容進行語幹分析。
第一節 樣本特徵
一、 系統開發人員
本研究將開發人員有效樣本的基本資料進行描述性統計分析（表 4-1），說明如下：
（一） 性別
有效樣本中(N=203)，男性受訪者為 125 人(61.6%)，女性受訪者為 78 人(38.4%)。
（二） 年齡
有效樣本中(N=203)，年齡在 25 歲以下的受訪者有 5 人(2.5%)；年齡 介於 26 到 30 歲之間的受訪者有 36 人(17.7%)；年齡介於 31 到 35 歲之間 的受訪者有 46 人(22.7%)；年齡介於 36 到 40 歲之間的受訪者有 43 人 (21.2%)；年齡介於 41 到 45 歲之間的受訪者有 44 人(21.7%)；年齡介於 46 到 50 歲之間的受訪者有 20 人(9.9%)；年齡介於 51 到 60 歲之間的受 訪者有 9 人(4.4%)。
（三） 教育程度
有效樣本中(N=203)，大學（技術學院）學歷佔最多數，有 108 人 (53.2%)；其次是碩士學歷，有 66 人(32.5%)；專科學歷有 21 人(10.3%)；
高中（職）有 7 人(3.4%)；博士學歷有 1 人(0.5%)。
（四） 公司產業類別
有效樣本中(N=203)，產業類別為政府單位的受訪者有 160 人(78.8%)；
產業類別為資訊服務業的受訪者有 43 人(21.2%)。
（五） 工作職稱
有效樣本中(N=203)，工作職稱為程式設計師的受訪者有 46 人
(22.7%)；職稱為軟體工程師的受訪者有 41 人(20.2%)；職稱為系統工程
資訊服務業 43 100
有效樣本中(N=160)，男性受訪者為 125 人(61.6%)，女性受訪者為 78 人(38.4%)。
（二） 年齡
有效樣本中(N=203)，年齡在 25 歲以下的受訪者有 5 人(2.5%)；年齡
介於 26 到 30 歲之間的受訪者有 36 人(17.7%)；年齡介於 31 到 35 歲之間 的受訪者有 46 人(22.7%)；年齡介於 36 到 40 歲之間的受訪者有 43 人 (21.2%)；年齡介於 41 到 45 歲之間的受訪者有 44 人(21.7%)；年齡介於 46 到 50 歲之間的受訪者有 20 人(9.9%)；年齡介於 51 到 60 歲之間的受 訪者有 9 人(4.4%)。
（三） 教育程度
有效樣本中(N=203)，大學（技術學院）學歷佔最多數，有 108 人 (53.2%)；其次是碩士學歷，有 66 人(32.5%)；專科學歷有 21 人(10.3%)；
高中（職）有 7 人(3.4%)；博士學歷有 1 人(0.5%)。
（四） 公司產業類別
有效樣本中(N=203)，產業類別為政府單位的受訪者有 160 人(78.8%)；
產業類別為資訊服務業的受訪者有 43 人(21.2%)。
（五） 工作職稱
有效樣本中(N=203)，工作職稱為程式設計師的受訪者有 46 人 (22.7%)；職稱為軟體工程師的受訪者有 41 人(20.2%)；職稱為系統工程
師的受訪者有 23 人(11.3%)；職稱為網管人員的受訪者有 21 人(10.3%)；
政府單位 160 100