問卷是本研究的主要資料來源，問卷雖然已經過多階段修正，力求問 卷題項的完整性，但仍須將問卷作進一步的淨化，來檢驗各構面之衡量項 目的信與效度，再刪除不具內部一致性的題項。
一、問卷資料的整體與登錄
施測完畢後，研究者可進行資料的整理。先篩選無效之問卷，留下可 用問卷進行邊碼後，進行資料的登錄輸入。
二、資料分析
問卷登錄完畢後，先以 SPSS 12.0 進行統計分析，再以線性結構模式 之 LISREL 8.52 工具來進行本研究提出之調節模式驗證。使用之統計方法 為描述統計、探索式因素分析、相關分析、線性結構模式（structure equation model；SEM）分析，以調節模型之路徑分析方式來檢驗研究架構的模式 配適度，以建立完整的衡量與因果關係模式（邱皓政，2001、2003；黃芳 銘，2003）。
預試量表的分析將以 SPSS 套裝軟體進行統計分析處理，處理項目包 括描述統計、信度分析、項目分析，探索性因素分析、以及平均數與相關 檢定等。 量化的項目分析法主要為試題的鑑別度項目檢驗，可從各種量化 的指標來檢驗項目的適切性，這些指標包括項目總分相關係數 (item-scale correlation)、項目變異量與平均數。經由執行項目分析，得以剔除不良的 項目，以提高量表的品質。相關分析是用以評估項目最為廣用的判準之一。
(一)描述性統計
分別以平均數與百分比等描述性統計分析回收樣子之基本資料。
(二)問卷量表的信、效度
本研究問卷所採用的變項構面及問項內容係依據文獻探討、研究目 的、參考過去的相關實證研究形成初稿，再經過專家（兩位指導教授）審 視後修正而得，以下將說明研究量表的檢測步驟，與分析各量表的信度與 效度。
1. 信度分析：以 Cronbach α係數檢定各變數之衡量問項之內部一致性程 度，Churchill（1979）認為 Cronbach α係數是第一個用來檢驗衡量工 具品質的方法。採用 Item-to-total 分析與相關分析，刪除各子量表中相 關度較低的問項，以提高量表的信度。
2. 效度分析：除專家效度外，本研究以 LISREL 進行驗證性因素分析來分 別檢驗其收斂效度與區別效度，以確定各題項的效度。
(1) 專家效度：量表的效度將採專家效度法，將預試題本交由相關專家檢視 量表題項內容，確認項目的適切性與有效性，提供量表題目內容面向之 效度檢驗。專家評審人員為本研究之兩位指導教授，自題項之表面陳述 與字詞義涵、理論與概念意義、實務價值與應用價值各方面審視題項之 適切與優劣。
(2) 收斂效度：收斂效度的檢驗是根據各項目與所衡量的構念之因素負荷量 是否為顯著來決定，其負荷量應大於兩倍的標準差。
(3) 區別效度：區別效度的檢驗是根據驗證性因素分析計算理論上相關構念 的相關係數，檢定相關係數的 95%信賴區間是否包括 1.0，若不包括 1.0，則可確認具有區別效度（Anderson & Gerbing, 1988）。
(三)因素分析
本研究量表先以隨機之一半樣本以探索性因素分析檢驗各構面的分類 是否合適；再運用另一半樣本以驗證性因素分析確認各題項是否反應各構
面。本研究採用探索式因素分析中的主成份法及最大變異數轉軸法，依 Nunnally（1978）所建議之因素負荷量大於.50，各量表特徵值大於 1.00 的 標準選取，另輔以陡坡圖來決定構面。分別就主要構面進行主成分分析。
1. 並刪除因素負荷量過低的問項。
2. 重複以上 1-3 之步驟，直至各量表因素構面的組成問項穩定即止。
(四)推論性統計
針對本研究之研究假設進行檢定。分別以相關分析、探索式因素分析、
多元迴歸、單因子變異數分析分析與線性結構模式來瞭解整體模式的因果 關係。
1. 相關分析：以 Pearson 積差相關係數分析，來瞭解各變數間的相關性，
以作為後續其他分析方法之基礎。
2. 探索式因素分析（
Exploratory Factor Analysis, EFA
）：以主軸因子分析法抽 取共同因素，並以最大轉軸（varimax）處理。3. 驗證式因素分析（
Conformatory Factor Analysis, CFA
）：以 LISREL 8.52 進 行驗證性因素分析，以檢驗因素結構模式的適配度，以說明量表的建構 效度（construct validity）。4. 多元迴歸分析：以旅館特殊特性、管理系統為控制項，檢驗研究假設中 的各預測效果。
5. 線性結構模式（structural equation model, SEM）。採用線性結構模式之 LISREL 套裝軟體，作為驗證模式之方式，以考驗本量表與模的建構效 度（construct validity）。LISREL 分析結合傳統的因素分析與路徑分析，
並納入經濟學的聯立方程式，可同時處理一系列依變數之間的關係，適 用於驗證本研究架構的合理性。模式配適度分析指標的標準，在量表的 適合度上，架構的配適度指標（goodness-of-fit index, GFI）需高於.90 以上的理想值；殘差均方根均低於.05 以下之建議值，以達到 Bagozzi &
Yi（1998）；Joreskog & Sorbom（1993）；Hair, Anderson, Tatham & Black 括測量模式 (measurement model) 與結構模式 (structural model) ，前者係 指實際觀察值與其背後的潛在特質 (或因素) 的相互關係，後者則討論因 素與因素間關係。在組織心理與行為測驗中，構念是指可以透過測驗題目 來加以反映的個人假設性特質 (Cronbach & Meehl, 1955, p.283)。因為構念
圖 3-2 餐旅團隊知識分享意願與服務創新表現影響模式路徑圖
無法直接被測量，因此必須使用一組可觀察的測量來反應抽象的心理構 念。潛在變項的基本定義即為變項的不可測量性，欲獲得潛在變項必須透 過間接測量，即自一群可測量的變項上來抽取。這些被認為與該潛在變項 有關的測量變項 (measured variable) 、觀察變項 (observed variable) 或外 顯變項 (manifest variable) ，可能是一組類似的問卷題目、具有同質性的 統計數據 (如社經地位的教育程度) 、或是具體的行為測量分數，這些變 項所共同交集的成份，便是潛在變項存在的地方。在結構方程模式的分析 架構下，心理測驗所關心的構念效度可以藉由潛在變項的抽取與估計來評 估。在 SEM 模型中，可以直接測定的變項（測驗題目）是為潛在變項的 測量指標 (indicators) ，是決定潛在變項的測量是否有效、有意義最關鍵 因素，因此這些變項的選取、內容的廣度等傳統測量理論中有關測量效度 的探討，便成為研究人員在進行統計分析之前必須確認的議題。
線性結構模式有四種重要的變數，即兩種潛在變數與兩種觀察變數。
潛 在 變 項 是 社 會 與 行 為 科 學 無 法 直 接 觀 察 與 測 量 出 的 構 念 （ latent construct），如態度與智慧等。觀察變數是可以直接被觀察與測量的，在研 究中可已問卷與量表來進行測量。