第三章 研究方法
第五節 資料處理
本研究係以臺灣地區公立國民中學的國中學生作為研究對象，樣本中不包括 特殊學生。而正式問卷編製完成後，先以電話聯絡施測學校及老師，並於 2013 年 5 月以郵寄方式將施測說明及問卷寄達受測學校，商請級任老師於課堂中統一施 測。同時為使測驗過程標準化，均懇請參與施測工作的老師，詳閱施測說明裡所 記載之測驗時間、方式及注意事項，以冀求測驗結果的可靠。
整個正式施測工作，自 2013 年 5 月初開始至 2013 年 5 月底完成，歷時約 1 個月。
柒、資料整理與分析
正式問卷回收後，先剔除作答不完整及填答不誠實之問卷，隨即將有效問卷 編碼及建檔，並使用 SPSS for Windows 20.0 版和 AMOS 20.0 版等電腦統計套裝軟 體進行統計分析和考驗研究假設。
捌、根據結果撰寫論文
將統計結果予以彙整後，根據相關文獻進行分析，並歸納其結論與建議，撰 寫研究論文。整個研究論文於 2013 年五月底開始撰寫，以將近八個月的時間完成 初稿，並請指導教授修改斧正，最後提出博士論文報告。
第五節 資料處理
本研究的資料處理係採 SPSS for Windows 20.0 版及 AMOS 20.0 版等電腦套裝
94
軟體進行統計分析。為編製量表和考驗研究假設，本研究所使用的統計方法如下：
壹、探索性因素分析（Exploratory Factor Analysis, EFA）
針對本研究之國中學生「社會比較效應」、「自我效能」與「主觀幸福感」等 量表，將預試填答結果進行項目分析（內部一致性效標分析法、相關分析法）、因 素分析與信度分析，以建構量表初步之信、效度。
貳、驗證性因素分析（Confirmatory Factor Analysis, CFA）
本研究以 AMOS 20.0 版統計軟體進行驗證性因素分析，考驗研究假設一，以 驗證本研究「社會比較效應」、「自我效能」與「主觀幸福感」等量表之信、效度。
研究者根據 Bagozzi 和 Yi(1988)所提出的評鑑標準，以模式基本適配度
（preliminary fit criteria of model）、整體模式適配度（overall model fit）與內在結構 適配度（fit of internal structure），作為驗證性因素分析的三種指標和程序。不過，
本研究在驗證性因素分析之前，先進行常態性評估，以確認其是否能採用最大概 似估計法（ML）進行後續的參數估計和適配性檢驗。此外，研究者除了以內在結 構適配度考驗量表的內在品質外，亦加上區別效度檢定，以再次驗證模式內在品 質之良窳。
一、常態性評估
本研究以單變數（univariate）和多元（multivariate）的常態分配來評估測量模 式是否適用最大概似法（ML）進行適配度檢驗。而單變數常態性使用偏態和峰度 加以評估，如果偏態和峰度係數介於±2 之間，等同於 Bollen 和 Long 在 1993 所提 出：當觀察變項的偏態和峰度絕對值皆小於 2 時，則可研判資料符合常態分配（陳 寬裕、王正華，2011）。至於多元常態性部分則使用 Mardia 係數加以評估，
Bollen(1989)認為：當 Mardia 係數小於 p (p+2)時（p 為觀察變項的數量），即可確 認樣本資料具有多元常態性。
二、驗證性因素分析
（一）模式基本適配度
在檢驗模式的適配度之前，必須先檢驗模式中的估計係數是否在可接受的範 圍內。若有不當的解，可能會產生「違反估計」（offending estimate）的情形（黃 芳銘，2005）。本研究根據 Hair 、Black、Babin、Anderson 與 Tatham(2010)所提出 的 5 項指標，作為檢驗量表的基本適配標準：
1.因素負荷量（標準化迴歸加權係數）介於.50 到.95 之間。
2.不能有太大的標準誤。
3.誤差變異數無負值。
4.誤差變異數需達顯著水準。
5.估計參數間相關的絕對值不能太接近 1 或超過 1。
（二）整體模式適配度
整體模式適配度考驗之目的係欲瞭解觀察資料和建構的理論模式間的配合情 形，可說是一種外在品質的檢定（黃芳銘，2005）。本研究採用 Hair 等人(2010)所 提出的三種整體模式適配度之指標：包括絕對適配指標（absolute fit measures）、
增值適配指標（incremental fit measures）與精簡適配指標（parsimonious fit measrues）
作為本研究整體模式適配度之考驗標準。
1.絕對適配指標
其包括卡方值（χ2）、卡方值與自由度比值（χ2／df）、適配度指標（Goodness of Fit Index, GFI）、調整後適配度指標（Adjusted Goodness of Fit Index, AGFI）、平均 殘差共變標準化總和（Standardized Root Mean Square Residual, SRMR）、漸進誤差 均方根（Root Mean Square Error of Approximation, RMSEA）等，詳加敘述如下：
首先在卡方考驗值（
χ
2）方面，黃芳銘（2005）建議顯著水準需大於.05（未 達顯著水準）。但是 Bagozzi 和 Yi(1988)則提出以卡方值與自由度的比值來取代卡96
方值，同時建議其比值宜小於 3。另外，適配度指標（GFI）和調整後適配度指標
（AGFI）理想狀態要大於.90，而平均殘差共變標準化總和（SRMR）應要小於.08，
如果其值愈大，則代表適配情形愈差。至於漸進誤差均方根（RMSEA）要愈小愈 好，小於或等於.05 代表「良好適配」，.05-.08 代表「不錯的適配」，.08-.10 代表「普 通適配」，大於.10 則代表「不良適配」（吳明隆，2009）。
2.增值適配指標
增值適配指標是比較概念性模型的適配度和獨立模型（independence model）
或飽和模型（saturated model）的適配度之差異程度而計算出來。其值代表相較於 所有變數都假設沒有相關的獨立模型而言，概念性模型在適配度上的改善程度（陳 寬裕、王正華，2010）。一般的增值適配指標包括規範適配指標（Normed Fit Index, NFI）、非規範適配指標（Non-Normed Fit Index, NNFI; 在 AMOS 中稱為 TLI）、比 較適配指標（Comparative Fit Index, CFI）、相對適配指標（Relative Fit Index, RFI）
與增值適配指標（Incremental Fit Index, IFI）。而 Hair 等人(2010)認為：NFI、NNFI、
CFI、RFI 與 IFI 皆應高於.90，且愈高愈好。
3.精簡適配指標
如要瞭解研究所提出之模式是否達到簡約的原則，常用到的指標通常包括精 簡適配指標（Parsimony Goodness of Fit Index, PGFI）、精簡調整後的規範適配指標
（Parsimony Normed Fit Index, PNFI）與臨界樣本數值（Critical Number, CN）等。
而 PGFI 和 PNFI 兩個數值在.50 以上被視為可以接受，另 CN 值則建議要大於 200
（陳寬裕、王正華，2010）。
（三）內在結構適配度
內在結構模式的評鑑可以包括測量模式和結構模式兩方面來討論（黃芳銘，
2005），前者係指觀察變項是否足夠反應相對應的潛在變項，換言之，研究者所建 構的概念是否具備足夠的效度和信度，相關指標臚列如下：
1.測量模式中的所有參數估計值皆需達顯著水準。
2.個別觀察變項的信度（reliability）宜大於.50。
3.潛在變項的組合信度（Composite Reliability, CR）必須大於.60。
4.潛在變項平均變異抽取量（Average Variance Extracted, AVE）必須大於.50。
（四）區別效度檢定
區別效度檢定旨在建立量表內容的區別效度，其概念係不同構面間的題項之 相關程度應該要低（陳寬裕、王正華，2011），與測量模式的內在品質有關。判斷 準則為每一個構面的 AVE 平方根大於各構面的相關係數之個數，至少需佔整體的 比較個數 75%以上（Hair, Anderson, Tatham, & Black, 1998）。
參、結構方程模式（Structural Equation Model, SEM）
本研究擬透過結構方程模式來考驗研究假設二，探討「社會比較效應」為預 測變項、「主觀幸福感」為效標變項、「自我效能」為中介變項之關聯模式，以了 解此關聯模式是否產生直接及中介效果，並進行模式適配度之考驗。
首先在中介效果的檢定方面，根據 Baron 和 Kenny(1986)的觀點，中介變項構 成要件如圖 3-6 所示：
圖 3-6 中介變項構成要件圖
就實務層面而言，檢驗中介效果是否存在時，一般會使用 Baron 和 Kenny(1986) 所提出的四個條件（陳寬裕、王正華，2010）：
（一）預測變項必須對效標變項有顯著影響（路徑 c 達到顯著）。
98
（二）預測變項必須對中介變項有顯著影響（路徑 a 達到顯著）。
（三）預測變項和中介變項同時置於迴歸模式中對效標變項作迴歸分析時，
中介變項必須對效標變項有顯著影響（路徑 b 達到顯著）。
（四）在第三個條件的迴歸模式中，預測變項對效標變項的顯著預測力降低，
或是由顯著預測力變成不顯著（路徑 c 的數值下降或不達顯著）。
準此而論，倘若上述四個條件均符合，中介變項的假設即成立。然中介效果 尚可分為部分中介（partial mediation）和完全中介（full mediation）。前者係路徑 c 的數值雖然下降，但仍達顯著；後者是路徑 c 的數值由顯著變為不顯著稱之。
然在本研究中，研究者考量到迴歸分析的基本假定中要求預測變項不能有測 量誤差，否則中介效果的顯著性常會被低估。而結構方程模式（SEM）的中介檢 驗程序可以處理測量誤差的問題，質言之，透過 SEM 的程序可先控制預測變項和 效標變項的測量誤，故通常能提高預測變項對效標變項的解釋力（程炳林，2003）， 同時能讓研究獲得較為穩定的參數估計值，並可運用在大樣本和多元常態性無法 成立時。爰此，本研究採取「結構方程模式」進行中介變項的檢驗。
另根據 Holmbeck(1997)的觀點，在估計中介變項的效果前，必須先估計預測 變項對效標變項的直接效果（符合 Baron 和 Kenny(1986)的中介條件一）。若達顯 著水準，則接續探討中介效果才具有意義。又 SEM 的分析同時可納入多個效標變 項，因此再加入預測變項對中介變項的直接效果（符合 Baron 和 Kenny(1986)的中 介條件二），如此便形成 SEM 的模式一，同時檢驗路徑 c 和路徑 a 是否達到顯著。
其次，SEM 的模式二係檢驗中介變項對效標變項是否有直接效果，亦即檢驗 路徑 b 是否達其顯著，同時也檢驗路徑 c 的數值是否下降。換言之，當模式一的 路徑 c 和路徑 a 皆達到顯著，而模式二的路徑 b 亦達到顯著，且模式二的路徑 c 之數值下降，或由原本的顯著變成不顯著，則中介變項的假設遂即成立。上述之 SEM 的中介變項檢驗程序如圖 3-7 所示：
SEM 的模式一
SEM 的模式二
圖 3-7 SEM 的中介變項構成要件圖
再者，在關聯模式適配度的考驗方面，其和前述驗證性因素分析－測量模式 適配度的考驗相去無多，大致包括常態性評估、模式基本適配度、整體模式適配 度等程序，再加上結構模式效果量分析，最後並將結果繪製成結構模式圖。
再者，在關聯模式適配度的考驗方面，其和前述驗證性因素分析－測量模式 適配度的考驗相去無多，大致包括常態性評估、模式基本適配度、整體模式適配 度等程序，再加上結構模式效果量分析，最後並將結果繪製成結構模式圖。