第三章 研究方法
第五節 資料處理之統計方法
本研究經由問卷調查，將所蒐集之初級資料利用 SPSS 統計軟體進行敘述性統計 分析(Descriptive Statistics Analysis)、相關分析(Correlation Analysis)、信度分析
(Reliability Analysis)、單因子變異數分析(One-Way Analysis of Variance)及階層多元迴 歸分析(Hierarchical Multiple Regression Analysis)；再利用 LISREL 統計軟體進行驗證 型因素分析(Confirmatory Factor Analysis)；最後再以 HLM 統計軟體進行階層線性模 式分析(Hierarchical Linear Modeling)。以下針對本研究所採用的各項分析方法簡要說 明。
一、非假設性之統計分析
(一) 敘述性統計分析(Descriptive Statistics Analysis)
針對樣本的屬性，包括受試者及其部門直屬主管的基本資料，包括性別、年齡、
教育程度、服務年資及公司職階等資料進行次數分配、百分比等分析來瞭解受試者及 其部門直屬主管的分布情形，並說明其特色。
(二) 信度分析(Reliability Analysis)
信度是指一份量表的可信度或穩定性。本研究在正式施測後，利用所得之 Cronbach’α 係數進行所有量表信度之考驗，α 係數越大，代表內部一致性愈高。信度 接受度上，個別因素構面之Cronbach’α 係數值若介於.70~.98 屬高度信度，但若係數 值低於.35 則屬於低度信度，則需加以拒絕(Kidder, 1981)。而總量表的 Cronbach’α 係 數達.8 以上，則表示該問卷具有良好的整體信度。
45
(三) 驗證型因素分析(Confirmatory Factor Analysis, CFA)
效度是表示一份量表可真正的測量其所要測量的潛在特質之程度(黃芳銘，2007)。
本研究採用 CFA 來驗證各個量表的有效性，並採取最大概似法(Maximum Likelihood Method)進行估計，藉由結果再進行參數估計分析與模型配適度評鑑。企圖以檢驗量 表內部之一致性且達驗證理論架構與實際資料之相容性。在這當中，模式配適度檢驗 分為整體模式配適度檢驗和模式內在結構配適度檢驗。整體模式配適度檢驗之目的為 瞭解觀察資料與所要檢驗的模式之間的配適情況，是模式的外在品質檢定，而模式內 在結構配適度檢驗則是著重於觀察變項是否足夠可反映其相對應的潛在變項，屬於模 式的內在品質進行檢定。
二、假設性之統計分析
(一) 相關分析(Correlation Analysis)
相關分析在於探討變數之間相互關連的程度、方向、情況、其他特性，以及自變 項與依變項之間的效標關連效度分析。本研究是以 Pearson 相關法，分析幽默風格量 表(含產生聯繫型幽默、自我提升型幽默、攻擊型幽默、自我貶抑型幽默)、領導者與 成員交換關係量表及工作績效量表之間的相關情形。
(二) 單因子變異數分析(One-Way Analysis of Variance, ANOVA)
單因子變異數分析主要是適用於三個以上母群體間平均數的差異性檢定。但在本 研究中，是藉由「單變量」來進行執行程序，並求出「關聯效度」以說明自變項與依 變項間關聯的程度，利用關聯強度係數值的高低來作為「實用顯著性」的判別依據，
相對地，變異數分析之整體考驗的 F 統計量也是以是否顯著表示「統計顯著性」(吳 明隆，2007)。本研究係針對組織層面中，各部門單位主管不同的幽默風格是否具有 顯著的差異，藉此說明員工填答主管不同幽默風格的使用是否可以聚合成組織層次的 構念。此外，在個體層次中，也將解釋變項(領導者與成員之間交換關係品質)及結果 變項(工作績效)進行 ANOVA 檢定，確定各部門單位之間的差異是否具有統計顯著
46
性。
(三) 階層多元迴歸分析(Hierarchical Multiple Regression Analysis)
在迴歸分析中，如果自變項有二個以上，則稱為多元線性迴歸分析，此時自變項 與依變項必須均為等距變項或比率變項，如果是為類別變項，則要轉換為虛擬變項或 效果變項。階層多元迴歸分析是多元迴歸分析中的一種，在行為社會科學領域中有時 要探討不同區組的自變項對依變項的影響，為了得知不同區組的自變項與依變項的關 係，則可將自變項分成不同區組來投入迴歸方程式中。本研究則是為了探討單位部門 主管不同幽默風格的調節效果，對於領導者與成員之間的交換關係品質對員工工作績 效是否具有顯著的解釋力。
(四) 階層線性模式分析(Hierarchical Linear Modeling, HLM)
階層線性模式分析是同時考量不同層次變數下所發展的統計方法，與傳統分析最 大的不同就是對於不同層次的處理。它是把單一層次的迴歸分析延伸到多層次的架構 下進行迴歸分析，考量的就是巢套資料下的非獨立性，透過設計一個各層次的誤差項 來捕捉組內相似性，使得迴歸係數估計值的標準誤更準確，並可以將各層解釋變項考 慮進來，以正確的樣本數進行分析。因此可以同時驗證個人層次變項及群體層次變項 對個人層次變項的影響，以及群體層次變項在不同個人層次變項之間的調節效果。
本研究資料是由兩個層次所構成，層次一是個體層次、層次二是部門單位層次，
資料結構以跨層次資料方式呈現，同時探討不同層次變項間的影響，以及多層次調節 式中介效果。為了驗證研究目的二的所有假設，在執行 HLM 程序之前，則先檢視變 數之聚合(Aggregating)至群體層次變數的適當性。之後，再逐次檢驗零模型(Null Model)、截距結果模型(Intercept-as-Outcome Model)、隨機效果共變數分析(Random ANCOVA)、隨機係數模型(Random Coefficient Model)、多層次中介效果模型
(Multilevel Mediation Effect Model )及多層次調節式中介效果模型(Multilevel Moderated Mediation, 3M)。
47
1. 模型衡量指標檢驗
在多層次組織研究中，對於共享單位的組織變數，將個體層次變數聚合平均成為 組織變數的必要條件是必須檢驗(1)組內的一致性及(2)組織間的變異性，亦即是組織 內變異的 rwg指標與組織間變異的 ICC(1)與 ICC(2)。rwg指標(Within Group)是檢視組 織內成員回答題項的共識程度(Agreement)；ICC(1)是組內相關係數(Intra-class Correction Coefficient)，用來衡量組織內成員的非獨立性；而 ICC(2)是組織平均數的 代表性，也就是組織層級的信度(溫福星、邱皓政，2011)。根據 Kamata, Bauer and Miyazaki (2008)的說法是利用組織成員的平均數作為組織分數的信心程度或是平均 數可以用來區別組織間差異相較於區別組織成員的信心水準。
2. 零模型(具隨機效果的單因子變異數分析)
以零模型來執行 HLM，藉以獲得組間變異數(Between Group Components, τ00)與 組內變異數(Within Group Components, σ2)，並且組間變異成分顯著不能為 0。在隨機 效果的單因子變異數分析中，可以計算依各組內相關係數ρ 即 ICC(1)，它是組間變異 數與總變異數的比值，代表依變項的變異量可以被自變項或組間差異所解釋的百分比，
用來呈現依變項與自變項或組間的關聯程度。就本研究來看，藉由零模型來瞭解這 134 個部門單位的員工「工作績效」表現是否可以推論各母體部門單位的「工作績效」
是否不相等。
其模型設定為：
Level 1：工作績效ij = β0j + εij
Level 2：β0j = γ00 + u0j 混合模型為：
Mixed：工作績效ij = γ00 + u0j + εij
除此之外，也將作為中介變項的「領導者與成員之間的交換關係品質」(簡稱關 係品質)作為結果變項進行零模型檢驗，並計算這二個變項的 ICC(1)來確認是否有必 要進行多層次分析(Bryk & Raudenbush, 1992)。
48
其模型設定為：
Level 1：關係品質ij = β0j + εij Level 2：β0j = γ00 + u0j
混合模型為：
Mixed：關係品質ij = γ00 + u0j + εij
3. 截距結果模型
以平均數為結果變項模型是以零模型或具隨機效果的變異數分析模型或隨機截 距項為基礎。通常是假設沒有第一層個體層次的解釋變項，而是將第一層零模型的截 距項作為第二層迴歸模式的依變項，並且以第二層次的解釋變項來解釋第一層次模式 截距項的差異。由於第一層為零模型，即是變異數分析，截距項就是各組依變項的平 均數，因此以各組平均數作為第二層的依變項進行對第二層解釋變項的迴歸分析；就 是根據第二層組織層次的解釋變項來解釋組織層次結果變項的平均差異。
就本研究來看，多層次中介效果檢驗的第一個程序，是檢驗「工作績效」及「領 導者與成員之間的交換關係品質」為結果變項時，是否可以被組織層次的解釋變項(Z) 有效解釋，是以覺知到的各部門單位直屬主管所採用的不同幽默風格的平均(產生聯 繫型 Z1、自我提升型 Z2、攻擊型 Z3、自我貶抑型 Z4)作為第二層的解釋變項，這些 Z1至 Z4是由第一層個體層次的解釋變項計算平均數而來，亦稱為脈絡變項。
其模型設定為：
Level 1：工作績效ij = β0j + εij
Level 2：β0j = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j
混合模型為：
Mixed：工作績效ij = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j + εij
49
其模型設定為：
Level 1：關係品質ij = β0j + εij
Level 2：β0j = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j
混合模型為：
Mixed：關係品質ij = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j + εij
4. 隨機效果共變數分析模型與隨機係數模型
溫福星與邱皓政(2009)在組織研究中表示，多層次中介效果檢驗的第二個程序，
是檢驗作為中介變項的個體層次解釋變項對結果變項的解釋是否具有統計意義。此時 不納入總體層次解釋變項，僅有個體層次的解釋變項；但當斜率係數設定為固定效果 時為隨機效果共變數分析模型，而當斜率係數設定為隨機效果時為隨機係數模型 (Kreft & De Leeuw, 1998)。本研究是以「領導者與成員之間的交換關係品質」進行對
「工作績效」的隨機效果共變數分析模型與隨機係數模型。
隨機效果共變數分析模型設定為：
Level 1：工作績效ij = β0j +β1j (關係品質ij – 關係品質..)+εij Level 2：β0j = γ00 + u0j
β1j = γ10 混合模型為：
Mixed：工作績效ij = γ00 + u0j + γ10 (關係品質ij – 關係品質..)+εij 隨機係數模型設定為：
Level 1：工作績效ij = β0j +β1j (關係品質ij – 關係品質..)+εij Level 2：β0j = γ00 + u0j
β1j = γ10 + u1j
50
混合模型為：
Mixed：工作績效ij = γ00 + γ10 (關係品質ij – 關係品質..) + u0j + u1j (關係品質ij –關係品質..) +εij
5. 多層次中介效果模型
經由前述的兩組模型，在確認多層次中介效果的個別迴歸係數的顯著性後，則可 進行第三個程序。這是將組織層次的解釋變項與中介變項一同放入方程式中，檢驗組 織層次的解釋變項及個體層次的中介變項對依變項的解釋力，尤其著重於組織層次解 釋變項對依變項的顯著性檢驗。此時斜率設定為固定常數，不檢驗跨層級交互作用，
因此不會有斜率變異數的估計，故為固定斜率之無調節效果模型，亦即是整合截距結 果模型與隨機效果共變數分析模型進行檢驗。若再配合組織層次解釋變項對個體層次 的解釋變項參數，即可組合為帶有中介變項的中介模型。若設定斜率為隨機效果，則 將作為檢測調節之交互效果。
本研究即是將組織層次的「幽默風格」(產生聯繫型 Z1、自我提升型 Z2、攻擊型 Z3、自我貶抑型 Z4)及個體層次的「關係品質」分別對「工作績效」的解釋力進行檢 驗；此外，也檢驗組織層次的「幽默風格」再搭配個體層次的「關係品質」，組成中 介變項的中介模型，對「工作績效」的解釋力。
多層次中介效果模型設定為(固定效果)：
Level 1：工作績效ij = β0j +β1j (關係品質ij – 關係品質..) + εij
Level 2：β0j = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j
β1j = γ10 混合模型為：
Mixed：工作績效ij = γ00 + γ10 (關係品質ij – 關係品質..) + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j + εij
51
多層次中介效果模型設定為(隨機效果)：
Level 1：工作績效ij = β0j +β1j (關係品質ij – 關係品質..) + εij
Level 2：β0j = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j
β1j = γ10 + u1j
混合模型為：
Mixed：工作績效ij = γ00 + γ10 (關係品質ij – 關係品質..) + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j + u1j + εij
6. 多層次調節式中介效果模型
多層次調節中介模型的最後一個步驟是探討跨層級交互作用是否存在，亦即納入 調節效果檢測，成為一個同時帶有中介與調節效果的 3M 模型(溫福星、邱皓政，2009)。
在多層次調節中介效果的模型檢驗中，必須先檢測多層次中介效果的存在，繼而檢測 這個中介效果是否受到組織層次的解釋變項所影響(Mathieu & Taylor, 2007)。這個階 段所著重的是在總體層次的解釋變項在個體層次的解釋變項對結果變項的調節效 果。
本研究即是關注在總體層次的「幽默風格」(產生聯繫型 Z1、自我提升型 Z2、攻 擊型 Z3、自我貶抑型 Z4)再搭配個體層次的「關係品質」，對「工作績效」的調節效果。
多層次調節式中介效果模型設定為(固定效果)：
Level 1：工作績效ij = β0j +β1j (關係品質ij – 關係品質..) + εij
Level 2：β0j = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j
β1j = γ10 + γ11 (產生聯繫 Z1j) + γ12 (自我提升 Z2j) + γ13 (攻擊型 Z3j) + γ14(自我貶抑型 Z4j)
52
混合模型為：
Mixed：工作績效ij = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) +
γ10 (關係品質ij – 關係品質..) + γ11 (產生聯繫 Z1j) + γ12 (自我提升 Z2j) + γ13 (攻擊型 Z3j) + γ14(自我貶抑型 Z4j) + u0j +εij
多層次調節式中介效果模型設定為(隨機效果)：
Level 1：工作績效ij = β0j +β1j (關係品質ij – 關係品質..) + εij
Level 2：β0j = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) + u0j
β1j = γ10 + γ11 (產生聯繫 Z1j) + γ12 (自我提升 Z2j) + γ13 (攻擊型 Z3j) + γ14(自我貶抑型 Z4j) + u1j
混合模型為：
Mixed：工作績效ij = γ00 + γ01 (產生聯繫 Z1j) + γ02 (自我提升 Z2j) + γ03 (攻擊型 Z3j) + γ04 (自我貶抑型 Z4j) +
γ10 (關係品質ij – 關係品質..) + γ11 (產生聯繫 Z1j) + γ12 (自我提升 Z2j) + γ13 (攻擊型 Z3j) + γ14(自我貶抑型 Z4j) + u0j + u1j (關係品質ij – 關係品質..) + εij
53