資料處理

一、 描述性統計分析（descriptive statistics analysis）

主要以樣本數、有效百分比、平均數等統計方法來描述有效樣本之年 齡、性別、教育程度、婚姻狀況等個人基本資料。

二、 相關分析（correlation analysis）

相關分析是用以檢驗兩個變項線性關係的統計技術。相關係數是一個標 準化的關聯係數。其原理是先計算出兩個變項的共變量，再除去兩個變項 的不同分散情形與單位差異（即標準差），加以標準化，得到的一個去除單 位的標準化分數，本研究是利用相關分析來檢視構念中各變項基本相關程 度與其方向性。

三、 信度分析（reliability analysis）

信度即是測量的可靠性(trustworthiness)，係指測量結果的一致性

(consistency)或穩定性(stability)。信度的類型有許多種，本研究主要以組成 信度（composite reliability）與平均變異數萃取量（average variance extracted）

以測試同一概念下之題項是否具一致性或穩定性，此方法亦為結構方程模 式採行最廣之一種信度指標（Zare, 2012）。

四、 驗證性因素分析（confirmatory factor analysis）

驗證式因素分析為結構方程模型（structure equation modeling）分析的 一部份。SEM 在執行分析結構模型之前，應先分析測量模型，因為測量模 型可以正確的反應研究的構面或因素。

CFA 重點在於檢驗模式的收斂效度（convergent validity）與區別效度

（discriminant validity）。收斂效度的判別在於衡量觀察變項與潛在變項之間 的因素負荷量（Factor loading）須達到 0.7 以上，組合信度大於 0.6，平均 變異抽取量大於 0.5；區別效度的判別是指不同構面間的題項其相關程度應

39

該要偏低，若每個構面的平均變異抽取量平方根全部大於該構面與其他構 面之相關係數，則稱之具有區別效度（Raykov, 2011）。

五、 結構方程模式分析（Structure Equation Modeling, SEM）

本研究運用結構方程模式中的最大概似法 （maximum likelihood method）來估計路徑參數，並將適合度的指標分為三類來確定整體模式，

其分為：絕對適配指標 （absolute fit measurement）、增值適配指標

（incremental fit measurement） 及精簡適配指標 （parsimonious fit

measurement）。絕對適配指標是用來決定理論的整體模式能夠預測觀察共變 數或相關矩陣的程度，常用的指標如：適合度指標 (GFI) 與平均近似值誤 差平方根 (RMSEA) 等。增值適配指標是用一個比較嚴格的虛無模式與理 論模式比較，測量其適配改進比率的程度，一般常用的指標為：調整的適 合度指標 (AGFI)、增值配適指標 (IFI) 等。最後，在精簡適配指標是用來 呈現需要達成可接受的模式複雜度之適配性。其指標為：非規範適配指標 (NNFI)、卡方比率 (χ2/df) 等（Jackson, 2009）。

六、 共同方法變異檢測（Common Method Variance Test）

本問卷係依據李克特五點量表計分，分別為「非常不同意」給予 1 分、

「不同意」給予 2 分、「普通」給予 3 分、「同意」給予 4 分、「非常同意」

給予 5 分。填答者勾選之得分越高者，表示越認同該研究變項的實施，反 之則越不認同，此外本研究部分問卷題項之蒐集採取反向題的設計。除了 忠於原始問卷提出者之理論意涵，更可避免在同一時間點、以自陳式量表 施測（例如李克特五分量表）、由單一來源受測者答題、題型極為一致（例 如皆為正向語意）時容易產生自變項與依變項間的共同方法變異（common method variance，簡稱 CMV），本研究採用彭台光、高月慈和林鉦棽（2006）

提出的量表題項修整（scale item trimming），此法之基本原理為：衡量不同 變項的諸多題目，其中語意概念相近時，如予部分反向詢問可以減緩方法

40

變異；亦在問卷回收後以哈門氏單因子檢測法檢驗是否有嚴重共同方法變 異之疑慮，應可緩和 CMV 的困擾。

本研究問卷回收後，利用電腦統計套裝軟體 SPSS for Windows 18.0 中文 版與 AMOS 20.0 版處理有效回收問卷資料，並進行上述之各項統計分析。

41