資料分析

本研究針對問卷調查所得之基本資料與訓練品質、組織承諾、組 織績效做分析，問卷回收後，以SPSS AMOS 7.0 統計套裝軟體進行 資料的統計分析。為建立本研究之信效度。除了以專家效度外，另外 以預試問卷，剔除不適題項，Cronbach’s α 值及相關分析等方式，使 其信效度符合標準。統計方法之資料分析：包括有：描述性統計、相 關分析、驗證性因素分析、配適度指標（Goodness-of-Fit Index, GFI）、

調整後配適度指標（Adjusted Goodness-of-Fit Index, AGFI）、比較配 適度指標（Comparative-Fit Index, CFI）、平均近以誤差均方根（Root Mean Square Error of Approximation, RMSEA）、多元迴歸分析，來分

析各變項之影響性和描述性統計之應用。茲將本研究採用之統計方法 詳述如下：

一、描述性統計

本研究以次數分配、百分比描述樣本之企業屬性資料，以平均 數、標準差分析，目前訓練品質、組織承諾與組織績效之現況。

二、驗證性因素分析（CFA）

驗證性因素分析（CFA），主要在詳述和估計一或多個假設模式 的因素架構，每一個潛在變項為所屬觀察變項的共變數，利用驗證性 因素分析來檢測各參數的性質或因素的數目是否具有穩定性（Sharma, 1996）。在本研究中，採用驗證性因素分析信效度檢驗，探討四種不 同的CFA 模式：一階單因子模式、一階三因子無相關模式、一階三 因子相關模式，以及二階模式，再由其中擇一配適度最佳的模式。使 用軟體：2007 年最新版 SPSS AMOS 7.0 利用 SEM 模型，不論變數是 否已被觀察到或還只是假設， 任何變數可視為一個代表其它變數的 預測者，SEM 可在同時間內評估因素間的交互影響和洞悉淺在的自 然關係，清楚釐清一些抽象概念間的關係，並建構一個可靠的解釋模 型。而SEM 包含潛在變項的迴歸分析，並以卡方檢定模型的擬合度 來達到驗證的目的。由於要同時研究許多潛在變數之間的因果關係、

路徑係數、觀察變項之權重及殘差，以一般的統計方法難以畢其功於

一役，統計分析方法中唯有SEM 能勝任此一處理與分析的工作。

驗證性因素分析CFA 為結構方程模式的一種次模型

（submodel），CFA 常被認為僅有測量模式而無結構模式，但以變數 歸類的過程來看，在二階驗證性因素模式中，一階潛在變項與二階潛 在變項間仍具有線性關係（Doll, Hendrickson, & Deng, 1998），換言 之，研究者若採用二階或更高階的驗證性因素時，仍存有結構模式，

因此須進行以下四種CFA 模式的建議，才得以進行測量變數的歸類

（余泰魁，2005）。

模式一為單一因素的一階驗證性因素模式。此模式指標變數皆從 因素結構的測量變數而來，因此，隱含著單一因素的一階驗證性因素 模式是一個基本資料結構的可能模式。

模式二為一階的驗證性因素（潛在變項間不存在相關）模式，由 指標變數轉換至潛在變項間不存在相關（直交）的一階因素模式。此 模式與使用直交轉軸所萃取出的因數相同，並且由於萃取因素採用直 交轉軸法，也因此假定其潛在變項間不存在相關，一階的驗證性因素

（潛在變項間不存在相關）模式已被考慮是一個基本資料結構的可能 模式。

模式三為一階且有相關的驗證性因素（潛在變項間有相關）模 式，為驗證性因素分析的一般模式，亦可稱為驗證性因素分析的多因

素模式（multi-factor model），用於驗證觀察變數是否可由已知潛在變 數所組成，此模式的潛在變項，雖是由直交轉軸法所萃取而來的，但 潛在變項彼此間並無強制需無相關，若模式存有大量的共同變異指標 變項，原則上標變項間可能存有相關，因此，一階且有相關的驗證性 因素（潛在變項間有相關）模式不排除是一個可能模式。

模式四為二階驗證性因素模式。此模式由一階的潛在變項和一個 二階因素所組合，假設此模式在一階驗證性因素時，潛在變項間的測 量誤差存在高相關，藉由抽取更高階的共同因素，以同時解決潛在變 項的測量誤差與潛在變項間高相關的問題。二階驗證性因素模式有兩 個特性：1.二階因素屬外層構面，一階因素是內層構面，即二階因素 是“根據”一階因素而來。由於一階 CFA 模式（如模式二與模式三）

有時無法解決因素分析的問題（如測量誤差間的高相關、CFA 中各因 素的相關很高），在這些情形下，就必須使用到二階的 CFA。2.二階 因素是沒有指標，亦即潛在變項是無法直接測量，必須藉由指標變項 來間接推測得知，經由二階驗證性因素分析的特性，第二層的共同因 素對觀察變數並無存在直接效果，而第一層各共同因素之間也不存在 相關，因此，第一層之間的相關必須透過第二層共同因素來解釋。

依照上述方式，先將企業四個背景變項（產業別、成立年限、企 業規模、業務營運範圍）予以虛擬編碼後，執行出背景變項與依變項

的迴歸關係（M1），再將背景變項予以控制，執行各自變項與依變項 的迴歸關係（M2），從中得出各模式之F 值及 β 系數值是否呈現顯著 狀態。

三、配適度指標（GFI）

表示由理論模式所能解釋的變異與共變的量，即用來衡量預測和 實際資料相關比較的誤差值平方，其值介於0 ~ 1 之間，值愈接近於 1，表示預測和實際資料愈配合。GFI 無絕對的接受標準值可循，但 理想建議值在0.9 以上，顯示有良好的配適度，但 GFI 係數值大於 0.9 的要求則過於嚴苛，MacCallum 與 Hong（1997）則建議可酌量放寬 至0.8。

四、調整後配適度指標（AGFI）

AGFI 則是將 GFI 依自由度的值加以調整，其值介於 0 ~ 1 之間，

理想建議值應在0.9 以上，顯示有良好的配適度，但 AGFI 係數值大 於0.9 的要求過於嚴苛，MacCallum 與 Hong（1997）則建議可酌量 放寬至0.8。

五、比較配適度指標（CFI）

CFI 是根據 NFI 修正而來，此指會加以考量樣本大小，其優點是 可避免在小樣本時模式配適度被低估，常用於小樣本的配適指標。

（Gerbing & Anderson, 1992）。

六、平均近以誤差均方根（RMSEA）

RMSEA 係試圖修正 χ²值對大樣本過度敏感缺點的指標，其從母 體的角度來衡量差異，如果模式是從母體中去估計時可以預期的配適 度，其係數值小於0.08 被認為是可以接受的，MacCallum, Browne, 與 Sugawara（1996）認為 RMSEA 標準可放寬至 0.1。

在驗證性因素分析（CFA）中，潛在變項的信度多以組成信度

（Composite Reliability；CR）來衡量，CR 值是所測量變數對因素構 面信度的組成，表示構面指標的內部一致性，信度愈高顯示這些指標 的內部一致性愈高，Fornell 與 Larcker（1981）建議 CR 值要求為 0.6 以上。本研究對於測量工具所從事的信度檢定結果將說明於第四章。

七、驗證性因素分析的效度檢定

此部份主要在檢測由測量工具所得之分數，是否能代表所欲測量 的構面或特質。對於測量模式而言，須驗證模式中各測量變數是否能 正確地測量到其潛在變項，且須檢驗是否有負荷在不同因素的複雜測 量變數，即主要在觀察是否具有雙重負荷的情形（Anderson & Gering, 1988），因此須檢定模式的測量效度，在收斂效度（convergent validity）

方面，常以潛在變項的變異抽取量（Variance Extracted, VE）為指標，

若VE 愈高，則表示潛在變項有愈高的收斂效度，Fornell 與 Larcker

（1981）建議 VE 標準值須大於 0.5，本研究對於測量工具所從事的 效度檢定結果將說明於第四章中。

由以上應用之 SEM 統計分析中，包括 CFA、GTI、AGFI、CFI 和RESEA，目的是將所蒐集的資料用來驗證本研究概念模式之因素 結構是否恰當，並探討潛在變項間的關係，是否與特定理論觀點相符。

八、多元迴歸分析

本研究主要以層級迴歸來檢定組織承諾在企業訓練品質與組織 績效間的中介效果。Baron 與 Kenny（1986）認為中介效果的驗證具 備以下三個步驟：(1)自變項（訓練品質）對中介變項（組織承諾）有 顯著影響；(2)中介變項對依變項（組織績效）有顯著影響；(3)中介 變項的加入會降低自變項對依變項的影響力。若自變項對依變項的直 接影響在加入中介變項後仍呈顯著，則此中介變項的效果為部分中介 影響，若為不顯著，則為完全中介影響。

多元迴歸分析係二個以上的自變數，來預測一個依變數的分析方 法。本研究使用多元迴歸分析以考驗訓練品質之訓練滿意、訓練過 程、訓練成效，及整體訓練品質對組織績效各構面，是否有顯著預測 力與相關性。