資料處理

本研究問卷回收之後，將蒐集到的資料以統計軟體 SPSS19、AMOS Trial 22.0 進行資料分析與假設檢定，採用的分析方法如下：

一、樣本基本資料描述

以次數分配、百分比來瞭解有效樣本基本資料特性及分佈情形。

二、描述性統計分析

以平均數、標準差表示個案銀行櫃台人員、帳務管理人員樣本人格特質、工 作績效、工作滿意、留任意願分佈情形。

三、信度分析

本研究所採用的量表內部一致性指標為Cronbach' s α值。吳統雄（1990）參 考兩百篇提出信度的研究報告指出，在衡量信度是否足以判斷時，建議以下範圍 做為參考信度高低之標準，如表 3-2 所示：

表 3-2 Cronbach' s α 值參考指標

範圍 評定標準

Cronbach' s α <0.3 不可信 0.3≤Cronbach' s α <0.4 勉強可信 0.4≤Cronbach' s α <0.5 稍微可信

表 3-2 （續）

0.5≤Cronbach' s α <0.7 可信（最常見）

0.7≤Cronbach' s α <0.9 很可信（次常見) 0.9≤Cronbach' s α 十分可信

四、Pearson 相關分析

以 Pearson 相關分析人格特質、工作績效、工作滿意、留任意願各構面之相 關程度與關係。Pearson 積差相關係數值介於-1 與+1 之間，正負符號表示相關 的方向，正值為正相關，負值為負相關，依據 Hinkle,William & Stemphen （1982）

對相關係數的強度解釋，相關係數範圍 0.9 以上為非常高度相關，0.7~0.9 為高 度相關，0.5~0.7 為中度相關，0.3~0.5 為低度相關，0.0~0.3 為甚少相關；Pearson t 檢定則用以檢定二個變項間是否有顯著差異存在。

五、結構方程模型分析

結構方程模型（Structural Equation Modeling, SEM）是當代行為與社會科學 中量化研究的重要統計方法，它融合了傳統多變量分析中的「因素分析」與「線 性迴歸分析」的統計技術，可用來檢定觀察變項（Observed Variables）與潛在變 項（Latent Variables）之間的假設關係，對於各種因果模式進行模型辨識，估計 與驗證。SEM 可分為兩類次的體系，一為驗證性因素分析（confirmatory factor analysis，簡稱 CFA），即使用觀察變項來建構潛在變項；二為結構模式分析，可 稱為潛在變項模式或線性結構模式，主要是在建立潛在變項與潛在變項間的關 係。本研究以工作適應理論為基礎，假設人格特質、工作績效、工作滿意與留任 意願間的關聯模式，並以結構方程模式（structural equation modeling，簡稱 SEM）

統計方法進行模型適合度的評估。本研究引用余泰魁（2006）建議適配指標，採 取表 3-3、3-4 參考值評估整體模式對資料的適合情形：

表 3-3 驗證性因素分析內在品質檢定指標

指標 參考值

因素負荷量（factor loading） >0.5 項目信度（composite reliability） >0.5 測量誤差（the standard error of estimate） <0.5 組合信度（composite reliability） >0.6 平均萃取變異量（average variance extracted） >0.5

表 3-4 結構模式分析模式適合度指標

指標 參考值

卡方值 越小越好

卡方值/自由度 小於 5 即可接受

GFI >0.9

AGFI（Adjusted goodness-of-fit index） >0.8 RMSEA（Root mean square error of approximation） <0.1 CFI（comparative fit index） >0.9