資料處理

本研究以正式施測所得資料分析，扣除填答不實或是不完整的問卷 後，將問卷資料進行編碼，預計採用SPSS 統計套裝軟體以及 SEM 進 行資料分析處理，所採用的統計方法如下:

一、 描述性統計

描述性統計是針對樣本調查回收的數據進行整理、計算，並顯示不 同種類的資料分布之特性，本研究以描述性統計檢視樣本初步的完整 度，防止遺漏值或是極端值現象的產生，接者再對於樣本的特性與結 構進行深入了解，例如:性別、年齡、年資、教育、公司產業別等人口 變項，也將本研究主要變項心理資本、生涯敬業、工作滿意度與生涯 滿意度進行初步分析，了解樣本在各統計變項上的差異以及分布情 形，並提出簡單的說明。

二、 相關分析

相關分析用以檢驗變項與變項間的相關程度高低，而無法用來驗證 因果關係，因此經由相關分析所得到之統計資料，只能用於說明兩者

變項間是正、負或是未顯著的無相關，本研究預計用於檢視一些人口 變項與研究主要變項之相關性，例如:性別對於生涯敬業之相關性為何 等等。

三、 驗證性因素分析

結構方程模型目的在於檢驗觀察變數和潛在變數之關係和驗證數個 潛在變數間的因果關係，其結合了因素分析與徑路分析，此模型也包 含了測量模型與結構模型，而一般的因素分析共分為兩大類，有探索 性因素分析(EFA)與驗證性因素分析(CFA)。本研究使用驗證性因素分 析來探討觀察指標和潛在變數之間的關係，也就是結構方程模型中，

測量模型的部份。其驗證性因素分析，多用於已發展之量表，能夠檢 定以及驗證量表中的題目，是否都有照著理論推演之預期，歸類到各 個向度之下，目的是驗證理論。所以研究預計使用結構方程模型以能 同時衡量心理資本、生涯敬業、作滿意度與生涯滿意度各構念測量模 型驗證性因素分析與模型指標適配度。

四、 迴歸分析

在統計建模中，迴歸分析是一組估計個變項之間關係的統計過 程，當關注於依變項與一個或是多個自變項之間的關係時，迴歸分析 包含許多用於建模和分析多個變項的技術，也有助於理解當任一自變 項變化時，其他自變項保持固定，依變項的值是如何變化的。迴歸分

析廣泛用於預測，有時用於了解獨立變項中哪些與依變項相關，並探 究這些關係的形式，在有限的情況下，迴歸分析也可以用來推斷獨立 變項與依變項之間的因果關係。此方法的實踐取決於數據產生的過程 所使用的方式，以及如何使用迴歸方法有關，由於數據生成的過程之 真實性通常是未知的，因此迴歸分析在某種程度上取決於對此過程進 行假設，如果有足夠數量的數據，即使在假設中未顯著或是無法達到 最佳效果，迴歸模型的預測通常是有用的。本研究採 IBM SPSS Statistics 22 版本，對研究之心理資本、生涯敬業、工作滿意度與生涯 滿意度以及各人口變項進行迴歸分析。