第三章 研究方法
第六節 資料分析與統計方法
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
53
三、 資料蒐集
本研究採用便利抽樣法，依據企業名單，利用電話個別接洽負責企業社會 責任相關活動的單位人員，並請求協助發放問卷，此外亦透過任職於名單企業 的校友協助發放問卷。為增加問卷之回收率及填答方便性，除發放紙本問卷外，
亦提供網路問卷供企業員工填寫，企業窗口負責人及校友協助將內含網路問卷 連結之 email 轉發給任職員工填寫。紙本及網路問卷發放期間為 2011 年 7 月 10 日至 2011 年 7 月 29 日，共計回收問卷 354 份，其中紙本問卷回收 216 份、網 路問卷 138 份，扣除重複填答、遺漏填答、隨意填答等無效問卷 38 份，其中紙 本無效問卷 15 份、網路無效問卷 23 份，共計有效問卷數量總計為 316 份，有 效問卷比例為 89.27%。
第六節 資料分析與統計方法
本研究採用 SPSS 18 版以及 LISREL 8.70 版本作為統計分析工具，其分析 方法分別說明如下。
一、 敘述性統計分析
針對回收之有效樣本進行基本資料的描述，包含個變數的次數分配及百分 比分析，了解樣本分布之情形。除此之外，由於本研究樣本來源包含紙本問卷 與網路問卷，因此亦利用卡方(Chi-square)統計檢定方法檢驗兩類問卷樣本之基 本資料，藉此了解兩者間是否具有抽樣上之差異性。
二、 信度與效度分析
信度(reliability)指的是測量的一致性。信度越高，代表衡量工具有相當程度 的穩定性，意即在不同情況下，運用相同的衡量的工具對相同研究對象能得到 一致的衡量結果。信度的衡量方式包含折半信度(split-half reliability)和
Cronbach’s α 等係數檢定模式。本研究採用 Cronbach’s α 作為信度之檢定判別標 準，Cronbach’s α 係數值介於 0 與 1 之間，α 值越高，代表量表越穩定。一般而 言，若Cronbach’s α 係數小於 0.35 時為低信度，係數介於 0.35 至 0.7 之間時為 中信度，而當信度大於 0.7 時則為高信度。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
效度(validity)指的是問卷的有效程度。常見的效度包含內容效度(content validity)、效標關聯效度(criterion-related validity)和建構效度(construct validity)，
以下分述之：
1. 內容效度：內容效度又稱邏輯效度，意指衡量工具內容的適切性與代表 性。如衡量之問項取自於理論基礎、實證經驗、邏輯推理及專家共識等，
且經過事前測試，即代表此一衡量工具有內容效度。
2. 效標關聯效度：所謂校標關聯效度指的是使用中的衡量工具和其他的衡 量工具比較兩者間是否具有關聯性，若測驗與其他效標間的相關越高，
表示此測驗的效標關聯效度越高。而通常可用預測效度(predictive validity) 及同時效度(concurrent validity)來衡量，前者指測驗分數與將來的標的之 間關係的程度；後者指測驗分數與目前效標資料之間關係的程度(吳明隆, 2007)。
3. 建構效度：建構效度指利用某一種衡量工具來衡量某種特質或構念的程 度。建構效度又可分為兩種，包含收斂效度(convergent validity)和區別效 度(discriminant validity)。前者指用測驗分數能夠和其他測量相同理論構念 或潛在特質的測驗分數之間具有高相關；後者則指測驗分數要能和其他 測量不同理論構念或潛在特質的測驗分數之間具有低相關(黃芳銘,2007)。
三、 驗證性因素分析
因素分析可分成兩大類，其一為探索性因素分析(exploratory factor analysis, EFA)，適用於研究者並未對資料結構有任何預設立場，而藉由統計數據來研判 因素之結構；而另一類為驗證性因素分析(confirmatory factor analysis, CFA)，適 用於已提出特定結構關係的假說之研究。由於本研究乃透過文獻探討而提出一 特定之研究架構與假說，因此本研究採用驗證性因素分析。
驗證性因素分析可視為結構方程模式的次模式，測量變項與潛在變項的關 係及因素結構的適切性。在進行潛在變項的路徑分析之前，必須先確定前在變 項能夠充分有效的衡量後，才能正確地估計路徑係數。
四、 結構方程模式
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
(一) 基本概念
結構方程模式(Structural Equation Modeling, SEM)是一門基於統計分析技 術的研究方法學，包含因素分析(factor analysis)與路徑分析(path analysis)兩種重 要的統計技術，是一種多用途的多變量分析技術且應用領域相當廣泛(蕭文龍, 2009)。一般而言，使用結構方程模式之目的有以下兩種(周文賢, 2002)：
1. 根據多個變數間之邏輯關係，建構出高適配度的統計模式。
2. 根據迴歸係數，從中汲取策略意涵。
結構方程模式共包含兩種模型，測量模型(measurement model)與結構模型 (structure model)。前者反應觀察變項與潛在變項間的關係，其數學分析方式是採 用驗證性因素分析；後者則為結構關係的假說考驗，透過此一模式，使潛在變 項間的關係可透過路徑分析的概念來探討(邱皓政, 2006)。
(二) 模型評鑑
假設模型中的各參數皆能順利估計後，結構方程模式即可進行整體模型的 評估，透過不同的統計程序或適合度指標(Goodness-of-fit index)的計算，即可研 判假設模型與實際觀察資料的適配情形(邱皓政, 2006)。以下整理重要的適配度 指標值和學者的建議(蕭文龍, 2009)：
1. 卡方檢驗(χ2 test)
當模式適配情形十分良好且契合時，卡方值(Chi-square)會與其自由度 相近，當模式適配不恰當時，卡方值會逐漸變大。在結構方程式分析 中，在考慮模式複雜時，可藉由卡方自由度比(χ2/df)，來進行模型適 合度之比較，學者建議當χ2/df 小於 5(Kettinger & Lee, 1994)時，表示 模型之適配度為可以接受的範圍。
2. 近似誤差均方根係數
近似誤差均方根(root mean square error approximation，RMSEA)係數不 受樣本數量與模型複雜度的影響，當模型趨近完美契合時，RMSEA 係
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
數接近 0。此一係數大於 0.1 表示模型不理想(Browne & Cudeck, 1993)；
McDonald& Ho(2002)則建議以 0.05 為良好契合的門檻，0.08 為可接受 的模型契合門檻。
3. CFI 指標(comparative-fit index)
CFI 指標能反應假設模型與無共變關係的獨立模型之差異程度，亦能 考量到被檢驗模型與中央卡方分配的離散性。CFI 指數數值越接近 1 時樂為理想，一般是以 0.95 為門檻(邱皓政, 2006)。
4. 殘差平方根(root mean square residual，RMR)
殘差平方根是模式推估後所剩下的殘差，其值大於 0，當其值愈小時表 示模式的適合度愈佳。由於 RMR 尚未標準化較難解釋，因此學者大多 採用標準化後的 SRMR 指數來評估模型的優劣，當 SRMR 低於 0.08 時(Hu & Bentler,1999)，表示模式契合度佳。
5. 適合度指標
適合度指標(Goodness-of-fit Index, GFI)代表假設模型可以解釋觀察值 的變異數與共變數之比例，因此 GFI 數值範圍介於 0 到 1 之間，當 GFI 愈接近 1 時，表示模型適合度愈佳；反之，GFI 愈接近 0 時，即表示 模式適合度愈低。一般而言，GFI 和 AGFI(Adjusted Goodness-0f-fit Index) 需要大於 0.9 才可視為具有理想的適合度(Hu & Bentler, 1999)；Bagozzi
& Yi(1988)則建議只要達到 0.8 以上即代表模型適合度可被接受。
茲將上述模型評估指標及判定標準整理成表 3-6-1：
表 3-6-1 模型判定指標
指標名稱 建議指標值
χ2 P>0.05 χ2/df <5 RMSEA <0.08
CFI >0.95 SRMR <0.08
GFI >0.8
AGFI >0.8
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
57