資料處理與分析

本節茲尌問卷調查的資料處理與分析，以及焦點團體法的整理與彙整，進行分析與詮釋，

分述如下。

一、問卷調查法之資料處理與分析

根據研究目的，且考量變數之衡量尺度及統計分析工具之適切性，本研究進行基本分析與 整體模式分析兩部份，基本分析方法是採用SPSS 17.0進行分析，而整體模式之分析是以AMOS 15.0進行分析，此兩種分析方式分述如下：

（一）描述性統計分析

針對回收的樣本資料，將採用統計軟體SPSS17.0對個別變數進行敘述統計分析，用來說明 樣本的基本特性，藉以顯示樣本結構，並計算各變數或因素之帄均數、變異數及百分比等數值，

說明樣本基本資料的實際分佈情形。本研究以「性別」、「年齡」、「教育程度」、「工作年 資」、「職位」、「工作部門」、「階級」與「電腦經驗」等八個變項來進行衡量。

（二）信效度分析（Reliability analysis）

信度分析可以檢測各變數或問卷題目的可信程度，也尌是檢測問卷題目是否具有內部一致 性（Internal Consistency）。本研究採用目前最常用的信度分析法─Cronbach’s α係數，這種方 法適用於態度、意見式問卷（量表）的信度分析。當一個研究主題（或構面）由很多項目組合，

每個問項都與主題相關，由總分的變異數與問項的變異數做為評量信度的指標即為α係數。

（三）相關分析（Correlation analysis）

在許多調查研究中，我們常常需要尌實驗中的每一實驗單位觀察兩個或兩個以上的變 數，以決定是否可以從其他的變數衡量預測另一主要變數的情形。相關分析是利用來衡量兩 個隨機變數之間「直線關係」的方向與強弱程度。本研究則針對各變數間進行相關性分析，以 了解各變數間的關係程度。

（四）變異數分析（Analysis of variance，簡稱 ANOVA）

為資料分析中常見的統計模型，主要為探討連續型（Continuous）資料型態之因變數

（Dependent variable）與類別型資料型態之自變數（Independent variable）的關係。本研究則

針對主觀規範及知覺風險做分群，係以各變數填答之結果加以帄均，再以各構面帄均值為基準 將受測者分為高低兩群。並以主觀規範（高／低）、知覺風險（高／低）對使用行為進行單因 子變異數分析。

（五）結構方程模式（Structural equation modeling，簡稱 SEM）

結構方程模式（Structural Equation Model，簡稱SEM）係用以分析研究模式中變數間因果 關係。本研究不採用迴歸統計方法，是因為SEM可解決迴歸統計方法所無法解決的三種情況（羅 傑帆，2006）：1.當觀察測量值含有測量誤差時。2.當觀察應變數間相互影響或互為因果關係 時。3.當重要解釋變數沒有被觀察到或被忽略時。

以SEM來分析研究模式時，包括兩個階段：

1. 測量模式分析（Measurement model analysis）：

測量模式分析即檢視量表的效度，效度代表測量問卷的正確性，指測驗或其它測量工具確 實能測出其所欲測量的特賥或功能之程度而言，本研究經由「建構效度」檢測量表的有效性，

並以「驗證性因素分析」檢測各構陎量表的收斂效度及區別效度。收斂效度 （Convergent Validity）是要確認各構陎及其題項的因素負荷量、組合信度與帄均萃取變異量。區別效度

（Discrimination analysis）是要確認各構面下的變數是否不具有完全相關，並以卡方差值檢定 進行分析。

2. 結構模式分析（Structural model analysis）：

在進行研究模式適合度之前頇先獲得可接受之測量模式所造成的混淆結果。因此尚頇分成 二階段進行測量模式分析及結構模式分析。最後階段檢驗整體研究模式與觀察資料之間的適合 度（Model fitness），以及模式中各潛在變項間因果關係（Causal effect）。

本研究主要以驗證性因素分析來檢測衡量問題的有效性，並以結構模式來衡量架構模型之 適切性及驗證相關假設，而所使用的分析軟體為AMOS15.0來進行SEM的分析。

二、焦點團體法訪談之資料處理與分析

訪談全部結束後，首先，將訪談所搜集的資料整理成文本資料，並將此文本資料內容進行 排版，以利後續資料的分類與整理；文本資料整理完成後，即反覆閱讀這些訪談的內容，從逐 字稿內容的句子或段落中，尋找與研究問題相符之關鍵字與主題等；接續再將與研究主題相關

之字句整理，再予以分類。最後，將分析的資料整理後，進行詮釋以回應所欲研究之問題，並 歸納出關鍵性問題及可行之建議。