第三章 研究設計與實施
第六節 資料處理與分析
本研究採用量化方法進行資料分析，設計「影響大學生出國留學意向因素問 卷」為蒐集資料的工具，彙整回收問卷後，剔除無效問卷，將每份有效問卷輸入 電腦，再分別從兩個部分進行分析：基本資料分析及架構模式分析，基本資料分 析包括敘述性統計分析與信度分析，並利用統計軟體 SPSS 22.0 for Windows 來進 行各種推論統計分析，而架構模式分析則利用 Amos 21 版軟體進行 SEM 分析。
分析方法與步驟如下：
壹、描述性統計分析（Descriptive Statistics Analysis）
以描述性統計之次數分配及百分比分析，了解各研究變項及樣本基本資料，
包括樣本背景變項中的「性別」、「學校別」、「主修領域別」、「父親教育程 度」、「母親教育程度」、「父親海外求學或工作經驗」、「母親海外求學或工 作經驗」、「父親社經地位」以及「母親社經地位」，並以人數及百分比等描述 統計，了解受試者的分佈情形。
111
貳、獨立樣本 t 考驗（Independent-Samples t-Test）
推論統計中常會利用獨立樣本 t 檢定來比較兩個母群體參數間之顯著性考驗 或差異性，是一種平均數差異的檢定（吳明隆，2010）。本研究將以 t 檢定分析 不同「性別」、「父親是否有海外求學或工作經驗」、「母親是否有海外求學或 工作經驗」之受試者在各項量表上的差異情形。
參、單因子變異數分析（one-way analysis of variance）
考驗不同大學生「學校別」、「主修領域別」、「父親教育程度」、「母親 教育程度」、「父親社經地位」以及「母親社經地位」，了解受試者在各項量表 上的差異情形，若分析結果達到統計上之顯著水準，則進一步以 Scheffé 法進行 事後比較。
肆、相關分析（Correlation Analysis）
積差相關用於兩個變項都是連續變數，算出二者的相關程度。本研究利用積 差相關考驗的是「行為態度與行為信念的關係」、「主觀規範與規範信念的關係」、
「知覺行為控制與控制信念的關係」以及「行為態度、主觀規範、知覺行為控制 三者間的關係」。用以回答前述研究假設 H1、H2、H4、H6、H8、H9、H10。
伍、集群分析（Cluster Analysis）
集群分析係將比較相似的樣本聚集在一起，形成集群（cluster），以「距離」
作為分類的依據，相對距離愈近的，相似程度愈高，歸類成同一群組，此統計分 析方法不需要任何的假設。集群分析可分成分層法（Hierarchical）、非分層法
（ Nonhierarchical ） 和 兩 階 段 法 。 非 分 層 法 最 具 代 表 性 的 為 K 組 平 均 法
（K-Means）。開始任意將個體分成 K 組，然後將個體在個群間移動，使群內變 異最小、群間變異最大。本研究透過集群分析，檢驗使用「社經背景」與「出國 留學意向」兩個面向，是否能將樣本分為：高社經高意向、高社經低意向、低社 經高意向及低社經低意向四個群組，以回答本研究之待答問題。
112
陸、結構方程模式（Structure Equation Modeling）
驗證本研究提出之「行為態度」、「主觀規範」、「知覺行為控制」及「行 為意向」的結構模式關係，及結構模式的適配、外在品質與內在品質等。以 Amos 推估「行為態度」、「主觀規範」、「知覺行為控制」及「行為意向」各構面間 交互作用的因果關係，並驗證本研究提出假設結構模式的適配度，用以回答前述 研究假設 H3、H5、H7。
Amos 可用以進行結構模式、共變數結構分析，或因果模式等資料分析，處 理各潛在變項與可觀察變項間的影響關係，以驗證經由理論所建構的因果模式，
並指出這些影響關係中未觀察到的觀念，以及解釋在估計過程中的測量誤差（黃 芳銘，2004）。在進行結構方程模式分析前，首先需進行模式適配度檢驗，有關 模式適配度評鑑有許多不同主張，而以 Bogozzi 與 Yi 於 1988 年之論點較為周延，
他們認為需從基本適配度指標（preliminary fit criteria）、整體模式適配度指標
（overall model fit）及模式內在結構適配度指標（fit of internal structural model）
等三方面評鑑。整體模式適配度的檢核可謂是模式外在品質的考驗；模式內在結 構適配度的程度乃代表各測量模式的信效度，可謂是模式內在品質的檢核。因此，
本研究以三方面來對研究架構模式加以評估，以驗證模式之適配程度，茲說明其 標準如下（吳明隆，2007）：
一、模式基本適配指標
在模式基本適配指標檢證上，Bogozzi 與 Yi（1988）提出以下項目：
（一） 估計參數中不能有負的誤差變異數。
（二） 所有誤差變異必須達到顯著水準（t＞1.96）。
（三） 估計參數統計量彼此之間相關的絕對值不能太接近 1。
（四） 潛在變項與其測量指標間之因素負荷量不能太低，最好介於.50 ~.95。
（五） 不能有很大的標準誤。
113
二、整體模式適配度指標（模式外在品質的評估）
（一）卡方值（χ2）
以往許多報告以χ2值得顯著與否作為評量模式整體適合之標準，但χ2會隨 樣本數而波動，一旦樣本數很大，受試樣本易達顯著水準（p＜.05），幾乎所有 模式皆可能被拒絕。而χ2比率多少才表示模式有較佳之整體適合度迄今未有共 識，一般以小於 3 作為模式適合之理想值，但有學者認為此標準或過於寬鬆。但 χ2比率及χ2值均不適宜作為整體適合度評鑑之重要依據。事實上只要 N 很大，
χ2 /df 也就會很大，此項指標只能作為參考，故尚需參考其他較不受樣本數影響 之適合度指標，包含 GFI、AGFI、SRMR、RMSEA 等重要指數以及其他如 NFI、
IFI、TLI 指數等加以評鑑。
（二）適配度指標（goodness of fit index, GFI）
GFI 指標是計算理論與觀察資料共變結構中之變異與共變量，能解釋觀察資 料的變異與共變數的程度，其值介於 0 與 1 之間，愈接近 1，表示模式的適配度 愈佳，理想的 GFI 值應大於 .9。
（三）調整後適配度指標（adjusted goodness of fit index, AGFI）
將 GFI 指標以模式自由度及其相對的變數個數比值，可用來比較同一組資料 不同模式的適配，或是比較不同組資料同一模式的適配，AGFI 數值介於 0 與 1 之間，愈接近 1，表示模式的適配度愈佳，理想的 AGFI 值應大於 .9。
（四）標準化殘差均方和平方根（standardized root mean square residual, SRMR）
為「殘差共變數矩陣」中獨特元素的平方之平均的平方根，反映的是殘差之 大小，故其值愈小表示模式的適合度愈佳，最好是低於 .025，SRMR 會受樣本數 影響，樣本數很大時，其值也會很大，因此僅供參考使用。
（五）漸進殘差均方和平方根（root mean square error of approximation, RMSEA）
114
為 Amos 指標數值中少數可對適配度指標加以考驗的指標，RMSEA 值小 於 .05 時，表示模式適配度佳；RMSEA 值在 .05 至.08 間，表示適配度尚佳；
RMSEA 值在 .08 至.10 乃屬適配度普通；但如大於 .10 則屬於適配度不佳。
（六）基準適配度指標（normal fit index, NFI）
以空虛無模式（Null Model）作基準所推導出的指標，理想的 NFI 值應大 於 .9，該指數若大於 .9 以上，則表示模式的適配度極佳。
（七）增值適配指標（incremental fit index, IFI）
修正 NFI 與 ILI 對樣本的依賴，其值需大於 .9，IFI 愈接近 1，表示適配度愈 佳。
（八）非基準適配度指標（Tucker-Lewis index, TLI）
TLI 是考慮樣本大小的情況下，將卡方值轉換所導出來的指標，理想的 TLI 值應大於 .9。TLI 愈接近 1，表示適配度愈佳。
三、模式內在結構適配度評估（模式內在品質的考驗）
在模式內在結構適配度準則上，Bogozzi 與 Yi（1988）建議由以下標準來判 斷：
（一）個別觀察變項的項目信度（individual item reliability）
觀察變項的 R 2反應了其在潛在變項的信度值。個別潛在變項的信度值（標 準化係數值的平方）應大於 .50，亦即標準化係數必須在等於或大於 .71 以上。
（二）潛在變項的組合信度（composite reliability, CR）
組合信度主要在評鑑一組潛在構念指標的一致性程度，亦即所有測量指標分 享該因素構念的程度，屬於內部一致性指標值，組合信度愈高，表示測量指標間 有高度的內在關聯存在。個別顯性變項的信度接受值最好在 .50 以上，而潛在變 項組合信度最好在 .60 以上。
115
（三）潛在變項的平均變異數抽取量（average variance extracted, AVE）
潛在變項的平均變異量抽取值表示相較於測量誤差變異量的大小，潛在變項 構念所能解釋指標變項變異量的程度。潛在變項平均變異數抽取值的大小若是 在.50 以上，則表示指標變項可以有效反映其潛在變項，該潛在變項具有良好的 信、效度。
（四）參數統計量的估計值是否達到顯著水準
所有參數統計量的估計值均達到顯著水準，即 t 值絕對值大於 1.96 或 p 小 於.05，表示模式之內在品質甚佳，反之則不理想。
（五）標準化殘差（standardized residuals）的絕對值
標準化殘差是適配殘差除以其漸近標準誤，標準化殘差也可以解釋為標準化 常態變異，其值應介於-2.58 至+2.58 之間。但標準化殘差會受樣本數的影響，樣 本愈大，標準化殘差就愈大，因此此項指標只能作為參考。
（六）修正指標（modification indices）
修正指標小於 3.84，在 Amos 操作中內定之修正指標值界線為 4.00，在模式 中，只有未估計之參數方有修正指標。修正指標若大於 3.84 表示模式之參數有必 要加以修正，如將限制或固定之參數改為自由參數。修正指標是針對限制的參數 而來，數值表示若將某一限制參數改成自由參數，模式的χ2值將減少多少。在統 計上，一個修正指標可被有一個自由度的χ2分配所解釋，因而將一個限制參數改 成自由參數時，模式之自由度將減少一個，而χ295(1)的臨界值是 3.84，所以當修 正指標大於 3.84 時，即表示此一限制參數改成自由參數後將顯著改善模式的適配 度。但修正指標也會受樣本數之影響，因此也只能作為參考。
116
117