資料處理與分析

一、資料處理

施測結束並回收所有量表後，研究者將所有受試資料加以編碼和登錄，隨即 以SPSS19.0中文版和AMOS19.0進行統計及分析。

二、「護理壓力量表」之心理計量分析

「護理壓力量表」翻譯並調整後，研究者根據所蒐集之樣本數據，分析護 理壓力量表的各項心理計量特性。檢視之心理計量特性包括：試題分析、探索性 因素分析及驗證性因素分析。

進行試題分析時，先以獨立樣本t考驗檢驗不同程度（高壓力27%與低壓力 27%護理人員）組間的差異是否達顯著、試題與護理壓力量表總分之校正相關（相 關性應大於.30）及Cronbach 信度（刪除題目後應能提高或維持信度）等方式探 討量表內部之一致性。接著以探索性因素分析檢視測驗的內部結構，並佐以試題 分析結果，判斷是否適度刪除試題。探索性因素分析以主成分分析萃取因素，採 最大變異法（varimax）進行正交轉軸。試題分析及探索性因素分析以SPSS19.0 版軟體進行。確定因素結構後，以驗證性因素分析檢視根據探索性因素分析得到 之因素結構是否可以得到觀察數據的支持。進行因素分析前，均先檢視數據的遺 漏值、偏離值及常態性（偏態及峰度）。

在驗證性因素分析方面，以AMOS19.0版進行。在整體模式的評估上，採用 大多數研究者建議採用的多項指標（Hair, Anderson, Tatham, & Black, 1998）。本 研究採用指標包含：卡方值；RMSEA (root mean square error of approximation)，

介 於.05 至 .08 為 可 接 受 水 準 ； GFI (goodness-of-fit index) 、 AGFI (adjusted goodness-of- fit index)及CFI（comparative fit index）等，此三者大於.90表示契合 度佳；卡方自由度比(NC, normed Chi-Square, χ²/df)，此值小於1.0表示模式過度契 合，可接受上限為2.0或3.0；Hoelter之關鍵樣本指標CN (critical N)，此指標說明 樣本規模的適切性，意即估計若要產生一個適合的模型契合度(即卡方不顯著)，

39

所需的樣本數是多少，若CN大於200，表示模型可適切反映樣本的資料；標準化 殘差均方根SRMR (standardized root mean square residual)，此值介於0~1，低於.08 表示模式契合度佳；AIC（Akaike information criterion）及BIC (Bayes information criterion)比較不同模式（如：獨立、飽和及假定模式）的簡約度，值越小的模式 越簡約。

除了整體模式的評估外，亦檢視模式的內在結構，參考Hair等人（1998）的 建議，包含因素負荷量是否達顯著、參數估計值的方向（是否符合理論預期）及 大小（相關係數不應大於1.0及變異數不應出現負值等）是否合理、個別指標及潛 在因素的組合信度是否高過.50、潛在因素的抽取變異量是否超過.50等。

在與外在效標方面（效標關聯效度），以相關檢視工作壓力與工作滿意度、

憂鬱及離職意圖之關係；以結構模型探討工作壓力是否透過工作滿意度降低及憂 鬱提高，間接影響到離職意圖。

三、護理人員壓力現況

主要以描述性統計，如：次數分配、平均數、標準差等描述全體受試者及不 同背景變項(如：年齡、年資、婚姻、科別、學歷、照顧病人數、子女數)受試者 之壓力現況。

四、不同護理人員壓力之差異性考驗

以單因子多變量變異數分析考驗不同背景（年齡、年資、婚姻、科別、學歷、

照顧病人數）護理人員在六個壓力分量表上的差異，若達顯著，則進行單變量 的單因子變異數分析（第一類錯誤率控制在.05/6=.0083），若單因子變異數分析 達顯著（且組別大過或等於三組），則進行Scheffe事後比較。

40

41