資料處理

為建立本研究之信效度，除了以專家效度外，另外以預試問卷，

進行項目分析，剔除不適題項，Cronbach’s α值及相關分析等方式，使 其信效度符合標準。研究針對問卷調查所得之基本資料與社會技能、

情緒勞務、組織承諾及工作績效資料，問卷回收後，以SPSS AMOS 7.0 統計套裝軟體進行資料的統計分析。統計方法之資料分析：包括有：

描述性統計、相關分析、結構方程式（Structural Equation Modeling, SEM）之驗證性因素分析（Confirmatory Factor Analysis, CFA）、配適 度指標（Goodness-of-Fit Index, GFI）、調整後配適度指標（Adjusted Goodness-of-Fit Index, AGFI）、比較配適度指標（Comparative-Fit Index, CFI）、平均近以誤差均方根（Root Mean Square Error of Approximation, RMSEA）、多元迴歸分析，分析各變項之影響性和描述性統計之應用。

茲將本研究採用之統計方法詳述如下：

一、描述性統計

本研究以次數分配、百分比描述樣本之 Spa 技術人員之背景資料(職 類、婚姻及家庭狀況、工作薪資、服務年資、工作年資及專業證照)，以平 均數、標準差，描述其現況(社會技能、組織承諾、情緒勞務及工作績效)。

二、推論統計

(一) 結構方程式模式（structural equation modeling, SEM）

使用軟體：2007 年版的 SPSS AMOS 7.0 利用 SEM 模型，不論 變數是否已被觀察到或還只是假設，任何變數可視為一個代表 其它變數的預測者，SEM 可在同時間內評估因素間的交互影響 和洞悉淺在的自然關係，清楚釐清一些抽象概念間的關係，並 建構一個可靠的解釋模型。由以上應用之 SEM 統計分析中，

包括 CFA、GFI、AGFI、CFI 和 RESEA。依據本研究針對假設 H5 Spa 技術人員社會技能與工作績效間，驗證情緒勞務的中介 效果及 H6 Spa 技術人員組織承諾與工作績效間，驗證情緒勞 務的中介效果。就其關聯模式進行整體性評估，進行契合度檢 定，由 SEM 檢定，瞭解徑路分析模式的配適度，目的是將所 蒐集的資料來驗證本研究概念模式之因素結構是否恰當，並探 討潛在變項間的關係，是否與特定，理論觀點相符。

1. 卡方值/自由度 (χ2/df)

可以計算出卡方自由度比(χ2/df)，卡方自由度比小於 5 時 (Kelloway,1998)，表示模型具有合理的契合度。

2.殘差均方根指標(RMR)

RMR 越小代表模型越能契合觀察值，數值愈小愈好，但此值 沒有標準化的特性，建議值小於.05 為佳(張紹勳，民 90)。

3. 配適度指標（GFI）

表示由理論模式所能解釋的變異與共變的量，即用來衡量預 測和實際資料相關比較的誤差值平方，其值介於 0 ~ 1 之間，

值愈接近於 1，表示預測和實際資料愈配合。GFI 無絕對的接 受標準值可循，但理想建議值在 0.9 以上，顯示有良好的配適 度，但 GFI 係數值大於 0.9 的要求則過於嚴苛，MacCallum 和 Hong（1997）則建議可酌量放寬至 0.8。

4. 調整後配適度指標（AGFI）

AGFI 則是將 GFI 依自由度的值加以調整，其值介於 0 ~ 1 之 間，理想建議值應在 0.9 以上，顯示有良好的配適度，但 AGFI 係數值大於 0.9 的要求過於嚴苛，MacCallum 和 Hong（1997）

則建議可酌量放寬至 0.8。

5.比較配適度指標（CFI）

CFI 是根據 NFI 修正而來，此指會加以考量樣本大小，其優點 是可避免在小樣本時模式配適度被低估，常用於小樣本的配 適指標（Gerbing & Anderson, 1992）。比較配適指標

(comparative fit index, CFI)，理想建議值應在 0.9 以上，顯示 有良好的配適度(張紹勳，民 90)。

6.平均近以誤差均方根（RMSEA）

RMSEA 係試圖修正χ²值對大樣本過度敏感缺點的指標，其從 母體的角度來衡量差異，如果模式是從母體中去估計時可以 預期的配適度，其係數值小於 0.08 被認為是可以接受的，

MacCallum, Browne 和 Sugawara (1996）認為 RMSEA 標準可 放寬至 0.1。

7. Sobel 檢定：

要進行中介效果檢定必須符合以下三個條件：

(1)自變項X 必須能顯著預測中介變項M。

(2)自變項X 必須能顯著預測依變項Y。

(3)中介變項 M 必須能顯著預測依變項 Y 。

Sobel 檢定是Sobel (1982) 提出檢視變項之間的中介模 式中，中介效應的統計檢視量。於大樣本的情況下，中介效 應數值的分配情形符合Z 分配，因此，Sobel 檢定基本上是 一種Z考驗，在α=.05 的條件下，t >1.96 時，則表示中介效 應值達統計顯著性，其中需注意的是上述的計算公式中，迴 歸係數值皆採用未標準化的數值計算。這個檢定是直接檢驗

「a × b」是否達顯著，也就是說Sobel檢定是在看「間接效果 是否達顯著」。Baron 與Kenny (1986) 認為，Sobel 檢定 (Sobel’s test) 即為直接檢驗中介效應值達顯著與否的策略之 一。中介效應的顯著性考驗之樣本數至少大於200 為可接受 之範圍 (Stone & Sobel, 1990)。

(二) 驗證性因素分析的效度檢定（CFA）

驗證性因素分析（CFA），主要在詳述和估計一或多個假設 模式的因素架構，每一個潛在變項為所屬觀察變項的共變 數，利用驗證性因素分析來檢測各參數的性質或因素的數 目是否具有穩定性（Sharma, 1996）。在本研究中，採用驗 證性因素分析信效度檢驗，探討四種不同的 CFA 模式：一

階單因子模式、一階三因子無相關模式、一階三因子相關 模式，以及二階模式，再由其中擇一配適度最佳的模式。

使用軟體：SPSS AMOS 7.0 利用 SEM 模型，不論變數是否 已被觀察到或還只是假設， 任何變數可視為一個代表其它 變數的預測者，SEM 可在同時間內評估因素間的交互影響 和洞悉淺在的自然關係，清楚釐清一些抽象概念間的關 係，並建構一個可靠的解釋模型。而 SEM 包含潛在變項的 迴歸分析，並以卡方檢定模型的擬合度來達到驗證的目 的。由於要同時研究許多潛在變數之間的因果關係、路徑 係數、觀察變項之權重及殘差，以一般的統計方法難以畢 其功於一役，統計分析方法中唯有 SEM 能勝任此一處理與 分析的工作。驗證性因素分析 CFA 為結構方程模式的一種 次模型（submo-del），CFA 常被認為僅有測量模式而無結構 模式，但以變數歸類的過程來看，在二階驗證性因素模式 中，一階潛在變項與二階潛在變項間仍具有線性關係（Doll, Hendrickson, & Deng, 1998），換言之，研究者若採用二階或 更高階的驗證性因素時，仍存有結構模式，因此須進行四 種 CFA 模式的建議，才得以進行測量變數的歸類（余泰魁，

2005）。CFA 的目的是將各變項的測量問卷，用來確認資料

的模式是否為本研究所預期的形式，具有理論驗證的功 能，同時評估測驗工具的信效度。其適用時機在於樣本數 不宜低於 200 為宜（邱皓政，2003），本研究所施測的對象 已超過此數目，符合運用之標準。本研究中即應用四種不 同的 CFA 模式：一階單因子、一階三因子無相關、一階三 因子相關及二階等模式，再由其中擇一配適最佳的模式與 研究架構對應。

模式一為單一因素的一階驗證性因素模式。此模式指 標變數皆從因素結構的測量變數而來，因此，隱含著單一 因素的一階驗證性因素模式是一個基本資料結構的可能模 式。模式二為一階的驗證性因素（潛在變項間不存在相關）

模式，由指標變數轉換至潛在變項間不存在相關（直交）的 一階因素模式。此模式與使用直交轉軸所萃取出的因數相 同，並且由於萃取因素採用直交轉軸法，也因此假定其潛 在變項間不存在相關，一階的驗證性因素（潛在變項間不存 在相關）模式已被考慮是一個基本資料結構的可能模式。模 式三為一階且有相關的驗證性因素（潛在變項間有相關）模 式，為驗證性因素分析的一般模式，亦可稱為驗證性因素 分析的多因素模式（multi-factor model），用於驗證觀察變

數是否可由已知潛在變數所組成，此模式的潛在變項，雖 是由直交轉軸法所萃取而來的，但潛在變項彼此間並無強 制需無相關，若模式存有大量的共同變異指標變項，原則 上標變項間可能存有相關，因此，一階且有相關的驗證性 因素（潛在變項間有相關）模式不排除是一個可能模式。

模式四為二階驗證性因素模式。此模式由一階的潛在 變項和一個二階因素所組合，假設此模式在一階驗證性因 素時，潛在變項間的測量誤差存在高相關，藉由抽取更高 階的共同因素，以同時解決潛在變項的測量誤差與潛在變 項間高相關的問題。二階驗證性因素模式有兩個特性：

1. 二階因素屬外層構面，一階因素是內層構面，即二階因素是 根據一階因素而來。由於一階 CFA 模式（如模式二與模式三）

有時無法解決因素分析的問題（如測量誤差間的高相關、CFA 中各因素的相關很高），在這些情形下，就必須使用到二階 的 CFA。

2. 二階因素是沒有指標，亦即潛在變項是無法直接測量，必須 藉由指標變項來間接推測得知，經由二階驗證性因素分析的 特性，第二層的共同因素對觀察變數並無存在直接效果，而 第一層各共同因素之間也不存在相關，因此，第一層之間的

相關必須透過第二層共同因素來解釋。

依照上述方式，先將 Spa 技術人員的背景變項（年資、婚姻及 家庭、教育程度、工作薪資、專業證照）編碼，其中「婚姻及 家庭」、「專業證照」予以虛擬變項方式處理，執行出背景變 項與依變項的迴歸關係，再將背景變項予以控制，執行各自 變項與依變項的迴歸關係，從中得出各模式之 F 值及β 係數值 是否呈現顯著狀態。

三、相關分析

以Pearson’s correlation coefficient分析方法，探討社會技能、組織 承諾、情緒勞務與工作績效間之相關程度，預備進入迴歸分析驗證研究 假設。而兩變數之間的相關係數值與其相關程度的劃分為高度相關、

中度相關及低度相關(Cohen, 1988)，高度相關其相關係數絕對值需大於 0.5以上；中度相關其相關係數絕對值需介於0.3到0.5之間；低度相關其 相關係數絕對值需介於0.1到0.3之間；無相關其相關係數絕對值需小於

中度相關及低度相關(Cohen, 1988)，高度相關其相關係數絕對值需大於 0.5以上；中度相關其相關係數絕對值需介於0.3到0.5之間；低度相關其 相關係數絕對值需介於0.1到0.3之間；無相關其相關係數絕對值需小於