資料分析

根據研究目的、研究問題與研究假設，本研究除應用 Amos 統計軟體推估各 變項間之因果分析，進行結構方程模式之驗證與分析外，亦運用 SPSS 統計軟體 進行正式問卷之資料分析，並根據質性研究方法分析訪談資料。本研究將進行下 列資料分析：

一、描述統計資料與差異檢定

本研究將以次數分配、百分比、平均數及標準差等描述統計量，描述受訪者 各項基本資料和各觀察變項之調查結果。此外，藉由平均數檢定、t 考驗、單因子 變異數分析、驗證性因素分析等方式確認資料之顯著性：

（一）平均數檢定

研究者透過平均數檢定，比較我國國中童軍團參與者之自我決定動機情形與 活動涉入情形，其值假設應能高於 2.50，並達 0.05 之顯著水準。於資料處理過程 中，除參與動機問卷外，其餘問卷皆採直接加總方式，亦即以總分代表個人在該 問卷之得分。

（二）t 考驗

研究者透過 t 檢定用以，比較性別於國中學校童軍團參與者之自我決定動機 與活動涉入各層面表現上有無差異，且其差異是否達顯著水準。若其差異達顯著 水準，則表示男童軍與女童軍於內在動機以及童軍活動之吸引力、中心性、社會 聯繫、認同確認、認同表達之表現程度並不相同。

（三）單因子變異數分析

本研究透過 F 檢定，比較不同級別、地區之童軍團參與者於人格特質、參與 動機與童軍團涉入層次上有無差異，並達顯著水準；若達 0.05 之顯著水準，則進 一步以薛費法(Scheffe method)進行事後比較。

83

（四）驗證性因素分析

本研究實施驗證性因素分析(CFA)，實施目的乃為了確定各變數之信效度，並 瞭解修正後問卷與理論模式之吻合情形，再次驗證問卷所建構之效度是否達到應 有水準。首先，本研究將檢視取樣適切性量數 KMO 值是否≧0.7，KMO 值介於 0 與 1 之間，數值越接近 1，表示變項的相關程度越高，即越適合進行因素分析；

若數值越靠近 0，則表示變項間的相關程度越低，越不適合進行因素分析。而後，

本研究將實施巴氏球形檢定，檢視所得之卡方值是否達到顯著水準。

本研究採用主成分法萃取能解釋全體變異量最大之成分，保留能有效測量之 問卷題目。因此，研究者將採用主軸法抽取特徵值≧1.0 的因素，假若因素之間的 相關係數≧0.30，將採用斜交轉軸法，抽取因素；再者，研究者將檢視題目所對 應之因素是否有較高的因素負荷量，如果因素負荷量太低，或在多個因素上皆有 相等的因素負荷量，則考慮修改或刪除該題目；最後，經因素分析所找到的因素，

若與原先所構思的問卷各因素未能相呼應，將檢視研究架構是否適當或量表題目 是否適當或需修改。

二、多群組分析

本研究另以晉級情形為群組變項，進行多群組分析比較，以進一步瞭解群體 間適配的差異情形。

（一）多重模式之適配度檢定

本 研 究 採 用 五 種 多 重 模 式 的 適 配 度 檢 定 ， 模 式 一 為 參 數 均 未 限 制 參 數 (unconstrained) 模 式 ， 對 於 模 式 不 進 行 任 何 參 數 限 制 ； 模 式 二 為 測 量 係 數 (measurement weights) 模式，設定群 組的測 量係數皆相 等；模式 三為結構 係數 (structural weights)模式，增列各群組的結構係數相等；模式四為結構殘差變項變 異數(structural residuals)模式，增列群組的結構殘差變項變異數相等；模式五為測 量殘差變異數(measurement residuals)模式，增列群組的測量殘差變項變異數相等。

84 1、卡方值檢定

本研究將檢視卡方值及顯著性機率 p 值，假使卡方值過大或顯著性機率 p 值 達到.001 之顯著水準，則拒絕虛無假設，表示本研究初始理論模式之適配度未臻 理想。

2、五個多重模式與觀察資料適配度檢定

（1）本研究將檢視五個模式的 RMR 值是否均＜0.05；而 GFI 值、AGFI 值是否均 ＞0.90，以檢視五個模式與觀察資料適配度是否達到理想。

（2）本研究將檢視五個模式的 NFI 值、RFI 值、IFI 值、TLI 值、CFI 值是否均＞

0.90，驗證五個模式與實際資料是否適配。

（3）本研究將檢視五個模式的 RMSEA 是否為 0，驗證五個模式與實際資料是否 適配。

（4）本研究根據五個模式的 AIC 指標值與 ECVI 指標值判別最佳模式。

（5）本研究將依據五個模式的 ECVI 指標值就選替與模式競爭比較，檢視五個適 配的模式中，選擇最佳模式，亦即其假設模式與樣本資料最為適配。

（6）本研究將使用巢狀模式比較測量係數模式、結構係數模式等兩個模式所增加 之卡方值是否過大；增加量顯著性 p 值是否均達.05 顯著水準；增值適配指 標量的變化值或增加量是否都很小，檢視測量係數模式、結構係數模式等限 制參數模式之群組徑路模式是否適配。

（7）本研究最後將實施多重模式適配度檢定，檢視各項資訊值是否大部分都能達 到理想標準，並根據 AIC 指標值、ECVI 指標值自替代模式中選一個最佳模 式。

（二）不同群組之模式適配度分析

本研究將以結構共變異數模式為基礎，實施不同群組模式適配度之分析。

1、基本適配度檢定

（1）研究者將檢視各觀察變項之誤差變異有無負值，誤差變異是否都達到.01 以

85

上之顯著水準，模式的估計參數與所屬潛在變項之間的因素負荷量是否都符 合理想標準，以判定模式之基本適配度是否良好，是否違反模式辨識規則。

（2）本研究將檢視各群組多元相關平方值是否高於 0.6 以上，標準化路徑係數是 否皆為正數，以判定是否與原先理論架構相符合。

（3）本研究將檢視不同群組間之潛在變項參數間差異的臨界比值，根據各徑路係 數之參數差異決斷值判定各徑路係數是否相等，是否存在「組間不變性」

(group-invarient)或組間恆等性。

2、不同群組模式潛在變項之間的效果分析

本研究將根據不同群組變項之標準化因素負荷量是否達顯著水準（p＜.001）

判定哪一個潛在變項所呈現之效果最高，或所呈現之群體間效果差異最大。

3、綜合判斷

最後，本研究將以下列統計檢定量，依據適配的標準或臨界值，判斷初始模 式在各群組的適配狀況。

（1）基本適配度指數

A、有無負的誤差變異量

B、因素負荷量是否介於 0.50 至 0.95 之間 C、誤差變異量是否都達顯著水準

D、參數間的相關絕對值是否為太接近 1

（2）整體適配度指數

A、χ²值是否過大，且是否 p 值＞0.05（未達顯著水準）

B、GFI 值是否＞0.90 以上 C、AGFI 值是否＞0.90 以上 D、RMR 值是否＜0.05

E、NFI 值、IFI 值、TLI 值是否＞0.90 以上 F、RMSEA 值是否小於 0.05。

86

三、訪談資料分析

（一）資料分析

陳向明（2004）認為處理訪談資料，主要包括閱讀訪談資料、編碼(coding)、

歸類等步驟，研究者於資料分析過程中，須經常反省、檢視個人主觀意見涉入情 形。本研究之資料分析方法乃依循此步驟與原則進行訪談資料之分析。

1、閱讀訪談資料

透過反覆審視逐字稿（附錄十六），研究者試圖於主題層面尋找與研究問題 有關、重複出現的行為模式或意義模式，另一方面，亦自內容層面尋找資料內容 之重要事件、次要事件，以及其間之相關性。

2、編碼

編碼為質化研究之主要分類策略，係藉由訪談資料之重新分類、系統化比較，

逐步重組概念 (Maxwell, 1996)。研究者標示具意義之詞語、句子或段落，尋找其 可能所代表之概念或意義，不僅需掌握資料之特質與特點，亦在不同概念與事物 間建立聯繫(Berg, 2006)。

Strauss(Strauss & Corbin, 1990)主張研究者執行編碼工作時，應特別注意四個 基本原則：

（1）資料應明確並與問題一致，並時常研究目的與研究資料之相關性；

（2）縝密地自大範圍敘述逐漸聚焦，直到資料已呈現反覆一致之模式；

（3）研究者應於過程中撰寫備忘錄；

（4）研究者應先排除變項間具有相關性之假設。

3、歸類

編碼完成後，研究者根據類別屬性，尋找各類別和次類別之關連，並進行分 析、比較、組合，繼而依類別架構逐步組織資料和界定結果(Strauss & Corbin, 1990)。

87

本研究訪談資料之編碼標示乃採用「＃-00-00」，第一碼代表受訪者，如 A、

B、C、D、E；第二、三碼代表重複之行為或意義，如 A-01「我個性算比較活潑 的」、B-01「我在班上和團裡都蠻活潑的」、E-01「同學說我很活潑」；第四碼 則代表組合概念，如＃A-01-1、＃B-01-1、＃E-01-1 皆屬於「個人人格特質」概 念。本研究之訪談資料編碼結果請參見附錄十七。

（二）效度考驗

參與者檢核(member checking) 為建立質性資料有效性之常用策略(Creswell, 2007; Maxwell, 1996)，研究者除將訪談逐字稿供受訪者確認無誤外，完成訪談資 料分析後，亦邀請受訪者審視資料分析結果，以確保本研究之訪談分析能如實正 確地反映受訪者之經驗。此外，研究者透過三角驗證(triangulation)之方式，邀請 5 位受訪者所分屬之童軍團團長，對於該團受訪者訪談分析資料進行檢視，以盡量 排除研究者之主觀性，提升本研究之研究效度。

88