第三章 研究方法
第四節 資料分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
40
第四節 資料分析
依據本研究目的與流程，先行蒐集量表資料後，將三個量表的所得資料依據 研究目地和方法進行以下分析:
一、班級關係氛圍型態的集群分析
依據班級內「師生關係」、「同儕關係」兩個變項進行班級樣本的集群分析。
區隔出不同班級關係類型的班級。此集群分析以兩個自變數是否可將觀察體（班 級）分成有意義的群組 集群分析的目的將資料分成幾個相異性最大的群組，而 群組內的相似程度最高此部分以集群分析進行。
本研究先行採用階層式集群分析法（Hierarchical cluster analysis） 測試此樣 本自然分類為幾個集群，再度使用 K-Means 集群分析法，並設定階層集群所得 的集群數，正式將班級樣本觀察體進行分類。事先以自然方式確認集群的數目，
運用全體觀察值（樣本）中部分數據進行「階層式集群分析法」，以作為決定集 群數的參考，乃因研究者並未預設集群數，而採用統計方式所得的集群數來分類。
二、教師角色對班級學生的效應檢核
(一) 教師與每位學生的關係差異:檢驗每一個班級內部中，學生對教師的關係強度，是否差異大，甚或偏向一 致，因此採用標準差的方式檢視教師的偏心傾向，並比較各類關係氛圍班級的偏 心傾向（標準差大小）是否有所差別。比較各班級師生關係的標準差是否有所差 異的方式，以獨立 t 考驗進行分析。
(二)教師與核心者的相關係數的差異:
採用在社交量表計量的結果，各班學生可經由統計計算自己在班級內部學生 的核心度核心值（coreness）、聲望（prestige）、度數（indegree），此些指標分別 都可代表學生在班級內的地位或受歡迎程度，採用每位學生的「度數」（意指在
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
41
班級內被同學選擇的次數）與該生所填答的自己與教師的關係程度的相關，比較 各類關係氛圍的班級，在「度數」與「師生關係」的相關係數，檢驗各氛圍班級 教師與核心者的相關程度的差別。以 Pearson 相關係數進行分析後進行各組比較。
(三)教師與兩種性別學生的關係差異:
檢視各氛圍班級內，男生與女生對師生的關係的平均值，並檢驗各氛圍關係 的班級中，男生與女生在師生關係的評定上，是否有所差異，各氛圍關係班級的 男生與女生的師生關係先計算男女相差數，再以相依 t 考驗或 ANOVA 分析檢核 各類關係氛圍的班級在男女師生關係的相差上的差別。
三、班級人際社會網絡結構的差異分析
此為社會網絡（social network）計量數的分析，所謂網絡是由許多節點構成 的一種社會結構，節點通常是指個人或組織，社會網路代表各種社會關係，經由 這些社會關係，把從偶然相識的泛泛之交到緊密結合的家庭關係的各種人們或組 織串連起來。社會網路由一個或多個特定類型的相互依存，如價值觀、理想、觀 念、金融交流、友誼、血緣關係、不喜歡、衝突或貿易。由此產生的圖形結構往 往是非常複雜的。
本部分區分為數個統計數據來探討，大體分為兩類:班級群的整體描述分 析、班級內的子群分析。
(一)班級群的整體描述分析 1.凝聚力分析（cohesiveness）:
密度（density）指數是測量一個團體的凝聚（cohesion）的方法，一個完整 的 complete 圖是指所有點之間都互相連接，這種完備性的團體並不會常見，且 幾互不會出現，在本研究中學生僅能選擇 5 位同學，因此也不可能出現完整網 絡，即便是在小網絡中也相當少見。
密度須要涵蓋兩個參數，一個是內含度（inclusiveness），意指圖中各個關聯 部分包含的總數，也可以說是「非孤離兒」的比率，另一個指標是密度指數，假
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
設在四個人的網絡，可以連成的線是 6 條，但是在網絡中只有三條線形成，就是 有 0.5 的密度。此部分計算各關係氛圍班級的網絡密度，比各關係氛圍的網路密 度是否有所差異，以獨立 t 考驗或 ANOVA 進行。
2.性別派系林立分析:
EI 指數（external-internal index）是用於測量群體內派系林立的程度。存在 的關係可以分為兩類，一為派別之間的關係，也可說是外部關係（EL），本研究 中指男女互選關係，其二為派別內的關係，或稱為內部關係（IL），本研究指的 是同性別間內選的強度。
E-I Index 可以說是企業管理者的一個重要的危機指數。當一個企業的 E-I Index 過高時，就表示該企業中的小團體有可能結合緊密而開始圖謀小團體私 利，從而傷害到整個企業的利益。其實 E-I Index 不僅僅可以應用到企業管理領 域，也可以應用到其他領域，比如用來研究某一學科領域學者之間的關係。如果 該網路存在凝聚子群，並且凝聚子群的密度較高，說明處於這個凝聚子群內部的 這部分學者之間聯繫緊密，在信息分享和科研合作方面交往頻繁，而處於子群外 部的成員則不能得到足夠的信息和科研合作機會。從一定程度上來說，這種情況 也是不利於該學科領域發展的。
EI 指數是(EL-IL)/(EL+IL)，指數會從-1 到+1，越接近 1，表示關係愈趨向於 群體外，派別林立小，本研究為性別互選高，越接近-1，表示關係趨向群體外，
派系林立大，越接近 0 的話，表示派別內外關係數量差不多，沒有派系林立的情 形。此部分計算高低關係的班級 EI 指數，比較高低關係的 EI 指數是否有所差異，
以獨立 t 考驗進行分析。
3.二方關係分析（dyadic ties study）:
主要在探討在群體內中，每對行動者之間具有「虛無關係」（no ties）、「不 對稱關係」（asymmetrical ties）、「互惠關係」（reciprocal ties）出現的頻率有多少?
以實務的角度來看，分別代表:互不干擾、競爭、合作。此三種關係在群體中是 具有其價值意義的。計算時會產生 Theta 值與 Rho 值。Theta 值表示整體網路密
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
43
度對於每個行動者之間產生互惠或不對稱關係的機率的影響。Rho 值表示互惠次 數對於每對行動者之間產生互惠關係的機率的影響。此部分計算各關係氛圍的的 班級 Theta 值與 Rho 值，比較高低關係的 Theta 值與 Rho 值是否有所差異，以 獨立 t 考驗進行分析。
(二)班級內的子群分析 1.派系分析（clique）:
網絡群體中各個派系（clique）是指凝聚子群（cohesive subgroup），或是相 互聯繫的團體，或是密度高的團體。派系可說是一個非正式的團體，內部成員聚 有一定的群體感和親密性，並可能在群體內有某些群體規範。任何人可以成為多 個派系的成員之一，並且派系成員重疊是可進一步擴展為一個相互聯絡的網絡，
該網絡把一個團體內部整合成一個巨大的團體。通常計算派系數時，至少需要 3 人以上，在有向圖的分析中，相互選擇的雙向關係才被視為派系，此也是強派系。
本研究中計算各個班級中的 3 人派系的數量。比較各關係氛圍的派系數是否有所 差異，以獨立 t 考驗或 ANOVA 進行分析。
2.成分分析（component）:
成分（componet）是旨「最大關聯的子圖」。一個成分的各個成員可以互相 進行直接的、間接的（透過中介者）的聯繫。在一個成分中，所有的點都通過「途 徑」連在一起，但其中任何線都不指向城分外的點。強成分（strong componet）
則是指有向圖所形成的成分，如果不考慮方向性，則是弱成分。此外，可以檢視 成分之間的內容，異質性、失能度、分裂性（點之間不能互相連結的機率）。本 研究中計算各個班級中的成份數與各成分數的人數。比較各關係氛圍班級在成分 數是否有所差異，以獨立 t 考驗或 ANOVA 進行分析。
四、探討班級內人際社會網絡結構的樣貌
(一)核心邊陲（Core-Periphery）分析
核心一邊緣結構分析的目的是研究社會網路中哪些節點處於核心地位，哪些
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
44
節點處於邊緣地位。核心邊緣結構分析具有較廣的應用性，多是用在分析精英網 路、科學引文關係網路以及組織關係網路等多種社會現象中的核心一邊緣結構。
定類數據和定比數據是統計學中的基本概念，一般來說，定類數據是用類別來表 示的，通常用數字表示這些類別，但是這些數值不能用來進行數學計算；而定比 數據是用數值來表示的，可以用來進行數學計算。
如果把核心和邊緣之間的關係看成是缺失值，就構成了核心一邊緣關係缺失 模型。這裡介紹適用於定類數據的 4 種離散的核心一邊緣模型。
1.核心一邊緣全關聯模型。網路中的所有節點分為兩組，其中一組的成員之 間聯繫緊密，可以看成是一個凝聚子群（核心），另外一組的成員之間沒有聯繫，
但是，該組成員與核心組的所有成員之間都存在關係。
2.核心一邊緣無關模型。網路中的所有節點分為兩組，其中一組的成員之間 聯繫緊密，可以看成是一個凝聚子群（核心），而另外一組成員之間則沒有任何 聯繫，並且同核心組成員之間也沒有聯繫。
3.核心一邊緣局部關聯模型。網路中的所有節點分為兩組，其中一組的成員 之間聯繫緊密，可以看成是一個凝聚子群（核心），而另外一組成員之間則沒有 任何聯繫，但是它們同核心組的部分成員之間存在聯繫。
4.核心一邊緣關係缺失模型。網路中的所有節點分為兩組，其中一組的成員 之間的密度達到最大值，可以看成是一個凝聚子群（核心），另外一組成員之間 的密度達到最小值，但是並不考慮這兩組成員之間關係密度，而是把它看作缺失 值。
本研究中應用 Ucinet 軟體計算每個班級的核心與邊陲的的密度，了解各個 班級的核心群與邊陲群的密度，比較各類關係氛圍的班級在核心密度的差異，邊 陲密度的差異，以獨立 t 考驗或 ANOVA 進行分析。
(二)塊模型（Block）分析
塊模型是可以根據角色之間的互動來解釋社會結構，此方法是研究網絡位置 模型的方法，對社會角色的描述進行分析。塊模型的目的是將複雜的網絡簡化程