依據本研究之目的，經由文獻探討建構出來的「智慧型大學指標重
要性問卷初稿」，以專家意見審查的方法，修訂成為正式之「智慧型大 學指標重要性問卷」；並利用問卷調查法，實施問卷的預試與正式施測，藉此驗證此智慧型大學指標。因此，本研究專家意見調查之資料處理方 法，與問卷的統計分析方法將分別說明如下：
壹、 專家意見審查的部分
將運用半結構式問卷以了解學者專家對於研究者所發展的「智慧 型大學指標重要性問卷初稿」之意見，回收問卷後將逐題整理學者專家 的意見，進行整合歸納後與指導教授討論，並進行指標題項內容的修改 及調整，成為正式的「智慧型大學指標重要性問卷」。若是對於學者專 家的意見有不清楚之處，或是研究者認為有更深入了解專家想法之必要 時，亦會輔以電話訪問，以達到溝通及澄清學者專家意見之效。
貳、 問卷調查的部分
問卷調查之設計乃採李克特五點量表的形式，將有預試與正式施 測兩個階段，以下茲就兩階段欲進行的統計分析說明如下：
一、問卷預試部分
（一）敘述統計
包括樣本基本資料的描述，透過次數分配表與百分比，以了解樣本 分布的情形。此外以平均數、標準差、偏態、峰態等，來了解研究 對象在每個測量變項的知覺程度。
（二）探索性因素分析：
探索性因素分析是對於資料的因素結構沒有任何預期立場時，藉由 統計數據來研判因素的結構，其目的是藉此進行問卷效度的驗證。
正是藉由因素分析，研究者得以提出計量上的證據，探討潛在特質 的因素結構與存在的形式，以建立問卷的因素效度（邱皓政，2003）。
本研究運用 SPSS 軟體來進行，其實施程序如下：
1.先執行 KMO 及 Barlett’s 球型考驗卡方檢定
用以確定母群體的相關矩陣是否有共同因素存在，若有共同因素 存在才適合進行因素分析（邱皓政，2003）。KMO 值越接近 1，代 表變項間的淨相關係數越低，進行因素分析抽取共同因素的效果 越好，如表 3-19 所示。同時若是 Barlett’s 的球型考驗卡方檢定 達到顯著，代表母群體的相關矩陣有共同因素存在，方才適合進 行因素分析。
表 3-19 KMO 因素分析適合性計量之判斷依據
資料來源：出自邱皓政（2003：9.9）。
2.採用主成分分析來萃取共同因素
主成分分析法可以決定測量變項中，存在著多少個主成分或是潛 在因素，是最常用的因素抽取方法。本研究容許因素之間具有一 定程度的相關，故進行斜交轉軸，並以 Promax 斜交法進行之，以 精確估計變項與因素的關係。當因素負荷量未達標準 0.4 時，研究 者將予以刪題（如表 3-20 所示）。刪題後，再次進行探索性因素分 析，直到能夠確定各因素之結構已達穩定後停止。
表 3-20 因素負荷量的判斷
資料來源：出自邱皓政（2003）。
KMO統計量 因素分析適合性
0.90以上 極佳的
0.80以上 良好的
0.70 以上 中度的
0.60 以上 普通的
0.50以上 難接受的
0.50 以下 無法接受
因素負荷量 判斷標準
0.71以上 優良
0.63~0.70 非常好
0.55~0.62 好
0.45~0.54 普通 0.32~0.44 不好
3.進行因素的命名與解釋。
（三）信度分析：
問卷的信度代表問卷的一致性、可靠性與穩定性，最常使用的 是 Cronbach’α值。本研究將分別進行各構面之信度分析，以 了解問卷的內部一致性。Cronbach’α須達到 0.7 以上（Hair et al.,1998），DeVellis（1999）則建議，Cronbach’α若低於 0.6 則傾向不接受；0.60~0.65 仍傾向不採納；0.65~0.70 則屬於最低 接受區間，是可以接受的數值；0.70~0.80 則表示一致度相當良 好；0.80~0.90 則表示內在一致度非常好。
二、問卷正式施測部分
（一）敘述統計
包括樣本基本資料的描述，透過次數分配表與百分比，以了解樣本 分布的情形。此外以平均數、標準差、偏態、峰態等，來了解研究 對象在每個測量變項的知覺程度。
（二）驗證性因素分析
驗證性因素分析為結構方程模式（Structural Equation Model，SEM）
的一種分支，其主要目的在於詳述、估計一或多個假設模式的因素 架構，能夠量測題目的因素結構與測量誤差。
驗證性因素分析已經被廣泛的使用在心理學、管理學、教育學上，
和建議使用在檢測選擇模式的驗證工具上（林清山，1988）。驗證 性因素分析可以被用來確認資料的模式是否為研究者所預期的形 式，具有理論檢驗與確認的功能（邱皓政，2003）。本研究將以 LISREL 軟體進行分析，運用驗證性因素分析，以內定之最大概似 估計法估計參數，驗證智慧型大學指標模式的適配度。本研究考量 的模式適配度指標包括：
1.基本適配標準：
基本適配標準之目的是進行違反估計檢查，在進行模式適配評鑑 之前，需先確定所估計的參數未違反統計所能接受的範圍，
Baggozzi 和 Yi（1988）認為較重要的模式基本適配標準包括：不 能有負的誤差變項、誤差變項必須達到 0.05 的顯著水準、估計參 數之間相關的絕對值不能太接近 1、因素負荷量介於 0.5 與 0.95 之間、估計參數之標準誤不能過大。
2.整體模式適配度考驗：
整體模式適配度是指模式的外在品質，以驗證模式的假設是否與 實際的觀察資料相符，過去的研究多以評量模式的卡方值是否達 到顯著為標準，然而卡方值會隨樣本數量變動而波動，一旦樣本
數量很大，幾乎所有的模式都會被拒絕而形成不適配的結論。因 本研究除了卡方值與自由度之比值不超過 3 為原則外（Bagozzi &
Yi, 1988; Gefen, Straub & Boudreau, 2000），將考量下列多重指標，
包括：適合度指標，如：適配度指標 GFI>0.9、Normed fit 指標 NFI>0.9、IFI>0.9；替代性指標，如：均方根近似誤 RMSEA <0.05、
比較適配指標 CFI >0.9；以及殘差分析，如：標準化殘差均方根 SRMR<0.08 等。
3.模式內在結構適合度：
模式內在結構適合度可以代表一個模式的內在品質，可以說是是 驗證性因素分析中的信度評鑑，常用的鑑別標準如：每個潛在變 項的成分信度（composite reliability）>0.6 、潛在變項的平均變異 抽取量（average variance extracted）>0.5。
（三） 收斂效度：
收斂效度用以評估相關概念與面向的衡量程度，因此問卷之各構面 應該要能負荷其所欲代表的構念。Fornell 和 Lacker（1981）認為收 斂可利用平均變異抽取量（AVE）加以評估，較高的平均變異抽取 量，表示指標越能真實表達潛在構念，其判斷標準包括：各潛在變 項之組成信度值應大於 0.7、各潛在變項平均變異抽取量應大於 0.5
（Fornell & Lacker, 1981）。本研究將依此標準評估各構面之收斂效 度。
（四）區別效度：
區別效度即為相似概念區別之程度。不同構念彼此之間應該是低度 相關的，因此低度的跨構念相關即為區別效度。本研究將採 Bagozzi 和 Yi（1988）之兩標準來檢測構面之間的區別效度，包括：所有測 量變項的因素負荷量皆達顯著水準、以及所有測量變項的因素負荷 量之值皆大於 0.7。
（五）信度分析：
本研究將針對正式施測之問卷，分別進行各構面之信度分析以及整 體問卷之信度分析，以了解問卷的內部一致性及穩定性。