資料處理方式

茲根據本研究之三項主要研究目的，依照下列資料處理方法進行分析，

並以統計軟體 SPSS 21.0、AMOS21.0 進行統計分析以達成研究目的、待答 問題，茲說明如下：

壹、探討大學校院資訊管理(學)系學生資訊決策行為之現況。

統計方法：以次數分配、平均數、標準差及單一樣本 t 考驗等描述性統計敘 述現況分佈情況。

貳、探討不同背景變項的大學校院資訊管理(學)系學生在資訊決策行為各構 面之差異情形。

統計方法一：以獨立樣本 t 考驗來探討不同背景變項的大學校院資訊管理 (學)系學生在資訊決策行為各構面的差異情形。

統計方法二：利用單因子變異數分析(one-way ANOVA)探討不同背景變項 的研究對象對於資訊決策行為各構面之表現程度。若有差異，

再進行 Scheffé法進行事後比較，以瞭解其差異之情形。

參、資訊決策行為模式(iCT Model)建構及其驗證

統計方法：本研究以 SEM 結構方程模式建立資訊決策行為模型，並以最大 概似法估計參數，驗證資訊決策行為模式(iCT Model)的結構關係 以及模式的配適度，其基本概念敘述如下。

一、結構方程模型基本概念

結構方程模型包含了結構化、假設方程式與模型分析等基本意涵，依據 林漢裕(2011)指出結構方程模式分析過程包含下列幾項步驟：(1)依據理論建 立結構模式；(2)蒐集大樣本資料；(3)觀察資料是否有偏離值和是否屬於常

態分配；(4)依據模式撰寫統計分析程式；(5)根據評鑑指標來看模式是否能 被接受，若模式被拒絕，則需進行模式修正，模式修正的過程中，同時必須 要有理論作為根據；(6)當模式被接受時，結構模式中的標準化係數才會有意 義，標準化係數越大，代表影響性越大；(7)當結構方程模式有中介變項時，

透過直接效果和間接效果的加總，可以得到影響的總效果。

二、模型評鑑及配適性指標

結構方程的模型主要目的，在於檢驗觀察變數和潛在變數之關係與數個 潛在變數間的因果關係，它結合了驗證性因素分析與徑路分析，亦即結構方 程模型包含了測量模型與結構模型。其中測量模型在於建立測量指標(觀察 變數)與潛在變數間的關係，並透過驗證因素分析以考量測量模型的可靠性 和有效性。至於結構模型則主要在考驗潛在變數間之因果路徑關係，主要針 對潛在變數進行路徑分析，以考驗結構模型的配適性。根據 Anderson 與 Gerbing(1988)及 Williams 與 Hazer(1986)等學者的建議，進行結構方程模型 分析時，在驗證性因素分析部分，應先就常態檢驗、收斂效度及區別效度進 行分析，再就整體模型的評鑑及配適指標進行討論，主要是判斷研究者所建 構的理論模式是否能夠對實際觀測所得的資料予以合理的解釋。茲說明配適 度指標如下：

(一)卡方值

若模型配適度越高，則代表模型可用性越高，參數估計越具有其涵義，

最常見是以卡方統計量來進行檢定，一般以卡方值 P>.05 作為判斷，意即模 式具有良好的配適度，但是卡方統計量容易受到樣本大小影響，因此除了卡 方統計量外，還須同時參考其他配適度指標。

(二)絕對配適度指標

絕對配適度指標是對單一目標模型所進行的配適，常用的指標有配適度 指標 GFI 以及調整後配適度指標 AGFI，而卡方值亦屬於絕對配適指標的一

種。

1.GFI 與 AGFI 可用來測量在樣本變異數內，估計變異數所佔有的加權 比例。GFI 及 AGFI 的取值範圍都在 0~1 之間，它們的值越大越好，一般認 為大於.9 時，假設模型與觀測資料的配適度良好。

2.殘差均方和平方根(RMR)

RMR 當以相關矩陣分析時，它的取值範圍在 0~1 之間；若為共變異數 矩陣，則其最小值為 0，但無上限。所以解釋時應考量變數的測量尺度。標 準化 RMR 即代表所有標準化殘差的平均值，其範圍在 0~1 之間且越小越好，

校於.05 或更小表示模型配適度良好。

3.漸進殘差均方和平方根(RMSEA)

RMSEA<.05 表示模型的配適度非常好；達到.08 表示假設模型上可合理 配適，在.08~.10 之間表示中等程度的配適，而大於 0.1 表示配適度不好。

RMSEA 考慮了母體的近似誤差，在能夠得到參數估計值的情況下，評鑑了 選擇最佳參數的模型對母體共變異數矩陣的配適程度，它所測量出的誤差被 表示成每個參數的配適程度。所以 RMSEA 對模型自由參數的數目相當敏感，

即受模型複雜度的影響較大，但 RMSEA 仍被認為是評鑑模型配適度最好的 指標之一(陳寬裕、王正華，2010)。

(三)增量配適度指標 1.規範配適指標(NFI)

NFI 取值在 0~1 之間，NFI=1 表示假設模型完美配適，一般大於.9 表示 模型配適很好，NFI 對資料偏離常態和樣本大小很敏感，無法控制自由度的 影響。

2.非規準配適指標(TLI)

TLI 校正了自由度對 NFI 的影響，其取值變化較大，可能會超出 0~1 的 範圍，大於.9 表示配適度較好。

3.比較配適指標(CFI)

CFI 是以比較假設模型與獨立模型的方式來評鑑假設模型的配適程度，

其取值範圍在 0~1 之間，.9 以上表示配適度很好。

(四)簡約配適度指標 1.簡約配適度指標(PGFI)

PGFI 的值介於 0 與 1 之間，其值愈大，表示模式的配適度愈佳(模式愈 簡約)。判別模式配適的標準，一般皆採 PGFI 值大於.05 為模式可接受的範 圍。

2.簡約調整後之規準配適指標(PNFI)

PNFI 指標把自由度的數量納入預期獲得配適程度的考量中，因此它比 NFI 指標更適合作為判斷模式精簡程度的一種指標，當研究者欲估計某個模 式參數時，他只使用較少的自由度，即能獲得一個較高程度的配適時，此時 即表示已經達到「模式的精簡程度」(陳寬裕、王正華，2010)。判別模式配 適的標準，一般皆採PGFI 值大於.05 為模式可接受的範圍。