第三章 研究架構與方法
3.2 研究方法
3.2.3 資料分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
預期效益 0.22 正向顯著
擁護者 0.19 正向顯著
競爭壓力 0.15 正向顯著
現有資訊系統滿意度 -0.13 負向顯著 決策者解決問題的能力 0.06 不顯著 71 163 IT 基礎建設 0.2656 正向顯著
組織內部的技術知識 0.295 正向顯著 技術相容性 0.0892 不顯著
預期效益 0.4126 正向顯著 競爭壓力 0.2068 正向顯著 72 1857 IT 基礎建設 0.5106 正向顯著 技術相容性 0.3734 正向顯著 組織規模 -0.1176 負向顯著 營運之地理範圍 0.0794 不顯著
競爭壓力 0.0892 正向顯著 法規支持 0.0794 不顯著 73 3103 組織準備度 0.5253 正向顯著
組織規模 0.49296 正向顯著 競爭壓力 0.4175 正向顯著 合作夥伴壓力 0.3381 正向顯著
上表中值得注意的是，在本研究蒐集的文獻當中，並未特別針對「有採用TOE 模式的文獻」進行蒐集，因此有些文獻可能只含有單一構面之因素，並未完全包 含科技、組織、環境，三個構面之因素。除此之外，有些文獻的自變量由於過於 特殊，無法在其他文獻中找到相同之自變量湊成一類，須將其捨棄，因此上表中 的某幾篇文獻，可能整篇只有一至兩個可進行資料分析的自變量。
3.2.3
資料分析彙整分析的目的是將多份初級研究的結果有系統性地進行整合、彙總，以及
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
是否新增調節變量(Moderator)，將資料切割成數個子集合，再次進行彙整分析，
進一步獲得子集合的分析結果。本研究採用CMA (Comprehensive Meta-Analysis) 套裝軟體進行彙整分析之運算。
3.2.3.1 效果規模
「平均效果規模」為彙整分析主要探討的目標統計量，而欲計算自變量與依 變量之間的平均效果規模，必須先取得該類自變量中，每個自變量與依變量之間 的相關係數，並將其轉換為「效果規模」，接著再透過一連串的運算，最終才能 將所有效果規模整合，進而獲得平均效果規模。
本研究採用Fisher 的調整法，將相關係數轉換為效果規模，轉換公式如下，
其中Zr為效果規模(Effect Size)。
Z
𝑟= 1
2 ln ( 1 + 𝑟 1 − 𝑟 )
反之，也能將效果規模轉換回相關係數，公式如下：
r = 𝑒
2Z𝑟− 1 𝑒
2Z𝑟+ 1
Zr為效果規模(Effect Size)
r 為相關係數 3.2.3.2 論文權重
在彙整分析的過程中，有些論文的解釋力較強，能提供較佳的平均效果規模 預測能力，因此須賦予該論文較大的權重(Weight)，使該論文能在計算平均效果 規模時，擁有較大的影響力。這是因為每篇論文的樣本數不盡相同，擁有較大樣 本數的論文，其標準誤差(Standard Error)較小，能更精準地預測母群體的效果規 模，概念如下圖所示，其中N 為該文獻中的樣本數。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 5 文獻中樣本數與權重關係示意圖
文獻的樣本數愈大，則標準誤差愈小，導致該論文的權重愈大；反之，若樣 本數愈小，會導致該文獻的標準誤差較大，其在預測平均效果規模時，較為不準 確，因此須賦予較小的權重。
欲計算每篇論文的權重，必須先獲得該篇論文的標準誤差，公式如下：
SE
Z𝑟= 1
√𝑁 − 3
SEZ𝑟為該篇文獻的標準誤差(Standard Error)
N 為該篇文獻的樣本數 獲得標準誤差後，即可獲得權重，公式如下：
𝑤
𝑖= 1 𝑆𝐸
𝑖2 SEi為第i 篇文獻的標準誤差(Standard Error)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3.2.3.3 固定效應模式與隨機效應模式
彙整分析的目的即為透過一連串的運算，最終得以預測母群體的平均效果規 模。然而在實際情況中，真實的母群體效果規模我們無從而知，因此我們只能透 過分析，找到最接近真實情況的結果。
平均效果規模有兩種運算模式，分別為固定效應模式(Fixed Effects Model)與 隨機效應模式(Random Effects Model)。前者是假設真實的母群體效果規模為一個 定值，且每一篇所收錄的文獻其效果規模都能包含到真實的母群體效果規模；後 者則額外考量母群體效果規模的變異度 τ2 (population variability in effect sizes)，
認為真實的母群體效果規模為一個浮動的區間，每一篇文獻所預測的效果規模都 能重疊到該區間。此二模式之概念如下圖所示。
圖 6 固定效應模式示意圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 7 隨機效應模式示意圖
除了透過示意圖描述此兩種概念以外，也可以透過公式解釋這兩種模式的特 性並進行比較。在固定效應模式(Fixed Effects Model)下，每篇個別文獻的效果規 模計算公式如下：
𝐸𝑆
𝑖= 𝜃 + 𝜀
𝑖 𝐸𝑆𝑖 為第 i 篇文獻在固定效應模式下的效果規模
𝜃 為母群體的效果規模
𝜀𝑖 為第 i 篇文獻與母群體效果規模之間的誤差
θ可透過固定效應模式下的平均效果規模公式取得結果，𝜀𝑖 則無從取得。但
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
而在隨機效應模式(Random Effects Model)下，每篇個別文獻的效果規模計算 公式如下：
𝐸𝑆
𝑖= 𝜇 + 𝜉 + 𝜀
𝑖 𝐸𝑆𝑖 為第 i 篇文獻在隨機效應模式下的效果規模
μ 為母群體效果規模分布的平均值
ξ𝑖 為第 i 篇文獻與母群體效果規模分布平均值之間的誤差
𝜀𝑖 為第 i 篇文獻與母群體效果規模分布之間的誤差
我們可以從上述兩種模式於計算𝐸𝑆𝑖的公式中發現，此兩種模式最大的差異 在於，固定模式效應的θ在隨機效應模式中被拆解為μ與ξ
𝑖，主要是多考量了 母群體效果規模的分布，而不是一個定值。
在上述兩種模式中，隨機效應模式比固定效應模式的應用範圍更廣，且更貼 近真實世界的情況。固定效應模式的結論僅侷限於該次彙整分析所收集到的文獻 資料集之中，隨機效應模式則可作為一般化的結論，套用於該次研究未蒐集到的 文獻之中。在文獻蒐集的過程中，即使盡可能地蒐集許多文獻，仍然有可能有遺 漏的文獻未蒐集齊全。除此之外，未來的學者也可能針對類似議題進行新的研究。
如此一來，在彙整分析的過程中，永遠難以將文獻完整蒐集齊全。因此，使用隨 機效應模式將會比固定效應模式更能準確預測母群體效果規模。
3.2.3.4 固定效應模式下的平均效果規模 (Mean Effect Size in Fixed Effects Model)
在固定效應模式(Fixed Effects Model)中，平均效果規模即為每篇文獻效果規 模的加權平均數，相關公式如下：
平均效果規模
𝐸𝑆 ̅̅̅̅ =
∑(𝑤𝑖𝐸𝑆𝑖)∑ 𝑤𝑖 標準誤差
𝑆𝐸
𝐸𝑆̅̅̅̅= √
∑ 𝑤1𝑖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
顯著性檢定
Z =
𝐸𝑆̅̅̅̅𝑆𝐸𝐸𝑆̅̅̅̅
平均效果規模下限
𝐸𝑆
𝐿𝐵= 𝐸𝑆 ̅̅̅̅ − 𝑍
1−𝛼𝑆𝐸
𝐸𝑆̅̅̅̅平均效果規模上限
𝐸𝑆
𝑈𝐵= 𝐸𝑆 ̅̅̅̅ + 𝑍
1−𝛼𝑆𝐸
𝐸𝑆̅̅̅̅ 𝐸𝑆̅̅̅̅ 為固定效應模式下的平均效果規模
𝐸𝑆𝑖 為第 i 篇文獻的效果規模
𝑤𝑖 為第 i 篇文獻的權重
𝑆𝐸𝐸𝑆̅̅̅̅ 為固定效應模式下，平均效果規模的標準誤差
𝐸𝑆𝐿𝐵 為固定效應模式下，平均效果規模的下限
𝐸𝑆𝑈𝐵 為固定效應模式下，平均效果規模的上限
𝑍1−𝛼 為某一給定的顯著性水平下，雙尾的標準常態偏差
3.2.3.5 異質性檢定 (Significance Test of Heterogeneity)
如先前所述，在固定效應模式(Fixed Effects Model)的情況下，所有文獻的效 果規模都能包含到真實的母群體效果規模，此時我們稱這些文獻彼此之間具有同 質性(Homogeneity)。然而在隨機效應模式(Random Effects Model)的情況下，並非 所有文獻的效果規模都能包含到真實的母群體效果規模，此時我們稱這些文獻彼 此之間具有異質性(Heterogeneity)。在進行彙整分析之前，我們必須確認欲進行 分析的文獻彼此之間是否為異質。若是所收錄的文獻其效果規模並非都能包含到 真實的母群體效果規模，此時採用固定效應模式來推估母群體的效果規模，將會 變得不適用。因此我們在進行彙整分析之前需進行異質性檢定，根據檢定的結果 來決定該以何種模式進行彙整分析。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Q = ∑(𝑤𝑖(𝐸𝑆𝑖 − 𝐸𝑆̅̅̅̅)2) = ∑(𝑤𝑖𝐸𝑆𝑖2) −(∑(𝑤𝑖𝐸𝑆𝑖))2
∑ 𝑤𝑖
Q 值為異質性檢定的結果數值
𝑤𝑖為第i 篇文獻的權重
𝐸𝑆𝑖為第i 篇文獻的效果規模
𝐸𝑆̅̅̅̅為固定效應模式下的平均效果規模
獲得Q 值後，我們可以在卡方分布表中，根據相對應的自由度，透過查表得 知Q 值是否能夠拒絕 H0。若能拒絕H0，即表示此類自變量中的文獻彼此之間具 備異質性，須使用隨機效應模式或設立調節變量，以精確地獲得其平均效果規模。
3.2.3.6 隨機效應模式下的平均效果規模 (Mean Effect Size in Random Effects Model)
本研究欲透過隨機效應模式計算平均效果規模，其中包含下列四個步驟：
1. 透過異質性檢定，取得 Q 值。
2. 透過 Q 值計算母群體變異度 (τ2)，公式如下：
τ
2= 𝑄 − (𝑘 − 1) (∑ 𝑤
𝑖) − (∑ 𝑤
𝑖2)
(∑ 𝑤
𝑖)
τ2為隨機效應模式下的母群體變異度
Q 值為異質性檢定的結果數值
k 為擁有該自變量之文獻數量
𝑤𝑖為第i 篇文獻的權重
3. 由於隨機效應模式額外在平均效果規模中考量母群體變異度 (τ2)，因此 須透過τ2來獲得隨機效應模式下的新權重(w*)，公式如下：
𝑤
𝑖∗= 1 𝜏
2+ 𝑆𝐸
𝑖2 𝑤𝑖∗ 為第 i 篇文獻於隨機效應模式下的新權重
τ2 為隨機效應模式下的母群體變異度
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
𝑆𝐸𝑖 為第 i 篇文獻的標準誤差
隨機效應模式下的新權重(w*)相較於固定效應模式下的權重，每篇文章彼 此之間的權重差異較小，因此能有效改善離群值的影響力。
4. 透過 w*計算出隨機效應模式下的平均效果規模、標準誤差，且進行顯著 性檢定並取得信賴區間。相關公式如下：
平均效果規模
𝐸𝑆 ̅̅̅̅ =
∑(𝑤𝑖∗𝐸𝑆𝑖)∑ 𝑤𝑖∗ 標準誤差
𝑆𝐸
𝐸𝑆̅̅̅̅= √
∑ 𝑤1𝑖∗
顯著性檢定
Z =
𝐸𝑆̅̅̅̅𝑆𝐸𝐸𝑆̅̅̅̅
平均效果規模下限
𝐸𝑆
𝐿𝐵= 𝐸𝑆 ̅̅̅̅ − 𝑍
1−𝛼𝑆𝐸
𝐸𝑆̅̅̅̅平均效果規模上限
𝐸𝑆
𝑈𝐵= 𝐸𝑆 ̅̅̅̅ + 𝑍
1−𝛼𝑆𝐸
𝐸𝑆̅̅̅̅ 𝐸𝑆̅̅̅̅ 為隨機效應模式下的平均效果規模
𝐸𝑆𝑖 為第 i 篇文獻的效果規模
𝑤𝑖∗ 為第 i 篇文獻於隨機效應模式下的新權重
𝑆𝐸𝐸𝑆̅̅̅̅ 為隨機效應模式下，平均效果規模的標準誤差
𝐸𝑆𝐿𝐵 為隨機效應模式下，平均效果規模的下限
𝐸𝑆𝑈𝐵 為隨機效應模式下，平均效果規模的上限
𝑍1−𝛼 為某一給定的顯著性水平下，雙尾的標準常態偏差
3.2.3.7 失敗安全係數 (Failsafe N)
失敗安全係數由 Rosenthal (1979) 所提出，是一種可以用來應對文屜問題
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
全係數反映了彙整分析結果被推翻的難度，N 即表示，還需要再加入多少篇效果 規模為0 的論文，才能讓平均效果規模低到某種程度，使其結論不再顯著。
欲計算失敗安全係數，必須先透過Stouffer 的顯著性結合公式，將該類自變 量中每篇文獻的Z 值透過如下公式進行結合，計算出 Zc：
𝑍
𝑐= ∑ 𝑍
𝑖√𝑘
𝑍𝑖 為第 i 篇文獻的 Z 值
𝑍𝑐 為結合所有文獻的 Z 之後所計算出的 Z 值
𝑘 為文獻數量
接著透過Zc計算出失敗安全係數(N)，公式如下，其中 Zα為顯著性的門檻值 (例如 1.645 代表單尾檢定中 p = 0.05)：
N = k ( 𝑍
𝑐𝑍
𝛼)
𝑍𝛼 為顯著性的門檻值
𝑍𝑐 為結合所有文獻的 Z 之後所計算出的 Z 值
𝑘 為文獻數量
𝑁 為失敗安全係數
進行彙整分析時的文獻愈多，或是文獻中的顯著程度愈高，則失敗安全係數 愈大，表示結論愈穩健，愈不易被推翻。Rosenthal (1979) 提出了失敗安全係數 是否足夠穩健的標準，如下所示，若符合條件，即可視為足夠穩健：
進行彙整分析時的文獻愈多，或是文獻中的顯著程度愈高，則失敗安全係數 愈大，表示結論愈穩健，愈不易被推翻。Rosenthal (1979) 提出了失敗安全係數 是否足夠穩健的標準，如下所示，若符合條件，即可視為足夠穩健：