資料處理與分析

研究者回收問卷後，首先剔除漏答或有明顯反應心向之問卷，整理並輸入 問卷資料。研究者以 SPSS 18.0 版進行資料分析，並且透過適當的統計方法回答 本研究之研究問題。並且針對個人基本資料進行描述統計，以瞭解預詴樣本之來 源與背景資料的現況。

壹、項目分析

項目分析的目的在於檢視題目的品質，國內外學者針對詴題分析提出不同 的判別指標（涂金堂，2010；邱皓政，2010；吳明隆，2010），包括：「題目遺 漏值百分比」超過總樣本 10%，「題目平均數」不得超過 4.5 或低於 1.5，「題 目變異數」不得低於 1、「題目偏態係數」高於 1 或低於-1、「題目的高低分組 獨立樣本 t 檢定」未達顯著、「修正後題目與總分相關」低於 .30，以及「刪題

51

後Cronbach’s α 值」下降等七項指標進行題目分析。針對多種判別指標，學者普 遍較為重視「高低分組獨立樣本 t 檢定」、「修正後題項與總分相關」以及「刪 題後Cronbach’s α 值」等三項判別指標（邱皓政，2010；吳明隆，2010）。此外，

涂金堂（2012）整理文獻指出，有些量表編製者主要採取此三項判別指標作為刪 題之依據時，普通嚴苛的評判標準為：當此三項評判標準中具有兩項不良指標 時，屬於不良題目並加以刪除。綜合上述學者的觀點，本研究主要採取三項刪題 指標，首先，總分之高低 27%得分區分成高低分組，並進行獨立樣本 t 檢定，若 題目之高低分組 t 考驗未顯著則列為不良指標。第二，若題目之修正後題目與總 分相關低於 .30，亦屬於不良指標。第三，刪題後 Cronbach’s α 值上升，屬於不 良指標。當預詴量表題目有兩項不良指標時，則刪除該題目。

貳、探索性因素分析

預詴量表經項目分析，並刪除不良題目後，進行探索性因素分析，以確定 量表之因素結構。為釐清自編量表之因素數目，先採取主成分分析（principal components analysis），選取特徵值大於一之因素，再依據所得因素數目，配合 主軸法（principal axis factoring）與直接斜交轉軸（Direct Oblimin）進行探索性 因素分析（邱皓政，2010；吳明隆，2010；涂金堂，2012）。若主成分分析所得 結果顯示為單一因子則不進行直接斜交轉軸。本研究採取上述方法進行分析，並 且以題目因素負荷量為 .40 作為刪題之指標（涂金堂，2012），保留因素負荷 量 .40 以上題目，刪除不滿 .40 之題目，此外刪除同一題目在兩個因素之因素負 荷量皆達 .40 以上之題目（即交叉負荷）。研究者分別針對三份自編量表重複進 行探索性因素分析，並刪除不良題目，直至因素數目與結構穩定後，形成正式量 表。

參、信度考驗

本研究以 SPSS 18.0 版考驗「情人間困擾揭露效能預期量表」、「情人間困 擾揭露效益預期量表」及「情人間困擾揭露風險預期量表」之內部一致性，建立 量表的信度。

52

53