資料處理與分析

問卷回收後，運用 SPSS 12.0 統計軟體進行以下資料 處理與分析。

（一）描述性統計

以次數分配、百分比、或交叉表等來呈現樣本的背景 變項分布，並以平均數、標準差等分析樣本的現職年資、

職業耗竭及離職傾向等之數據。職業耗竭的測量結果將另 與其它助人工作者職業耗竭平均值對照比較。

（二）信、效度分析

以阿爾法係數方法計算｢職業耗竭｣量表與｢離職意願｣

量表之內部一致性係數（信度分析）。以皮爾森積差相關法 計算｢離職意願｣量表得分與｢受試者自評三個月內離職的 可能性｣之相關係數（效標關聯效度分析）、｢離職意願｣各 題與總分的相關係數（單項與總和相關效度分析）。

（三）變異數同質性檢定

若以 t 檢定或單因子變異數分析來比較平均數，假如 其分析所得數據要有效，前題為變異數同質，因此在比較 平均數前先檢定變異數的同質性。

（四）迴歸前提檢定

迴歸分析需符合若干前提假定，故本研究執行前提檢 定，若符合前提者方進行迴歸分析。迴歸前提假定之檢定 方法如下：

1、常態分配檢定

執行迴歸分析需數據有達常態分配。本研究將職業耗 竭總分、四面向、離職意願及離職可能機率以

Kolmogorov-Smirnov 法(KS 檢定)來檢定資料是否為常態 分配。Kolmogorov-Smirnov 檢定是以樣本分配函數與理論 分配函數比較差距為基礎，基本之虛無假設為樣本呈常態 分配，當 p 值越大則愈不易拒絕 H0，越有可能呈常態分 配。未符合常態分類之變項將不列入迴歸分析之變項（在 本研究中，「離職可能機率」未呈常態分配）。

2、迴歸共線性診斷

從允差、條件指標（CI）、變異數波動因素（VIF）

等來檢驗該次迴歸是否有明顯多元共線性問題，無明顯共 線性問題時之迴歸分析的數據方為有效。

3、殘差分析

本研究以 Durbin-Watson 檢定法來檢定殘差有無自我 相關，無自我相關者之廻歸分析數據方為有效。

（五）進行假設考驗

針對研究假設（另參第一章第三節）進行考驗，考驗 方法如下：

1. 假設 1 與假設 2 乃依據變項性質等情形採皮爾森積 差相關法、點二系列相關、列聯相關、 相關、單 因子變異數分析考驗或 Brown-Forsythe 統計量檢定 等計算。單因子變異數分析之事後比較依個別情形 採 Scheffe 法、LSD 法或 Games-Howell 統計量。

2. 假設 3 乃依據變項性質採皮爾森積差相關或點二系 列相關來考驗。

3. 假設 4 乃依據假設內容而採簡單迴歸分析法考驗。

未達迴歸分析前提假定之變項則不納入做迴歸分 析。

以上考驗的顯著水準設為 95％，然未達常態分配者的 平均數比較之顯著水準則設為 99%。