資料分析方法

經扣除無效問卷 7 份，共計回收有效問卷為 116 份，有效樣本率為 94.31 %。

如表 20 所示。本研究將遺漏問卷題目者與填答均為同一答案造成辨識度不足者 視為無效問卷。

表20 問卷回收狀況

發放對象 發出份數 回收份數 無效問卷 有效問卷 有效樣本率﹪

往生者家屬 650 474 105 369 77.85 服務人員 170 123 7 116 94.31 資料來源：本研究彙整

素分析模式，其觀察變項是否正確測量到所對應的潛在構念。本研究透過個別 項目信度(Individual Item Reliability)與潛在變項組合信度(Composite Reliability, CR)進行檢測。

三、效度分析

效度(Validity)即是正確性，主要是瞭解衡量工具是否真正能夠測量出研究 主題。本研究的效度檢測包括內容效度、建構效度、效標關聯效度。

四、t 檢定

t 檢定主要用來進行兩個樣本帄均數差異的顯著性考驗，進而瞭解二樣本 之間是否有差異存在。本研究採用獨立樣本 t 檢定與成對樣本 t 檢定進行檢 測，探討往生者家屬與服務人員對於重視程度、滿意度程度與執行程度之差異。

五、單因子變異數分析、雪費檢定

變異數分析主要是比較多個獨立樣本帄均數的差異情形，並根據比較的結 果來對樣本的母群體下結論。本研究採用單因子變異數分析，若達顯著水準時 進一步採用雪費檢定以分析顯著差異的來源。

六、因素分析

因素分析分為探索性因素分析(Exploratory Factor Analysis, EFA)與驗證性 因素分析(Confirmatory Factor Analysis, CFA)兩類。本研究先採用探索性因素萃 取知覺服務品質構面。再以驗證性因素分析驗證觀察變項與潛在變項間的關係。

(一 )探索性因素分析（Exploratory Factor Analysis, EFA）

探索性因素分析主要目的在予萃取出測量變項中重要的共同因素(Factor)。

本研究根據 Kaiser(1974)的觀點，在進行探索性因素分析前，先以 KMO 係數 (Kaiser-Meyer-Olin Coefficient)來判別資料是否適合進行因素分析，若 KMO 係 數大於 0.9 以上表示適合進行因素分析，0.8 至 0.89 表示可以進行因素分析，

小於 0.5 表示不 適合進行 因素分析； 抽取方法 是透過主成 分分析(Principle

Component Methods)，並採用最大 變異數法(Varimax)來進行因素分析(Factor Analysis)。在因素的個數決定上，以特徵值(Eigenvalue)大於 1 為評估標準。

(二 )驗證性因素分析（Confirmatory Factor Analysis, CFA）

驗證性因素分析模式主要是檢測測量變項與潛在變項之間的關係，根據理 論知識及實證研究得知，研究者必頇先提出測量變項與潛在變項之間的關係，

進而建立結構模式，亦可應用在信、效度的檢驗上(Bentler, 1989)。本研究利用 結構方程模式 LISREL8.72 版的統計軟體，進行驗證性因素分析來評估整體模 式的配適度，且檢驗觀察變項與潛在變項之間的信效度。茲將整體模式適配衡 量指標說明如下：

1.卡方值(Chi-square)：線性結構方程式模式中，卡方值愈大表示顯著水準 p 值 愈小，則模式的適配度愈差；反之，卡方值愈小表示顯著水準 p 值愈大，則 模式的適配度愈佳；然而樣本大小容易影響卡方值大小，兩者呈正向關係。因 此通常會以卡方自由度比 (χ2/df)來檢定模式 適配度。依據 Hair, Anderson, Tatham and Black(1998)的建議，卡方自由度比小於 3 時，代表有良好的模型 適配。

2.適配度指標(Goodness-of-Fit Index, GFI)：GFI 類似回歸分析的可解釋變異量。

其值介於 0 與 1 之間，愈接近 1 時，表示模式適配度愈佳，愈接近 0 時，表 示模式適配度愈低。依據 Byrne(1994)建議 GFI 值應大於 0.9，代表有良好的 模型適配度。

3.調整後的適配度指標(Adjusted Goodness-of-Fit Index, AGFI)：AGFI 與 GFI 的 性質大致相同，AGFI 是依據變項數目和模式的自由度修正 GFI 值而來的，

且不受樣本大小和偏離常態分配所影響，Byrne(1994)建議 AGFI 值應大於 0.9，代表有良好的模型適配。

4.殘差均方根(Root Mean square Residual, RMR)：RMR 代表觀察變數之共變異 矩陣和資料數據矩陣間差異帄方的帄均值。Hair et al.(1998)表示RMR 數值較

小者，模式適配度相對較佳。

5.近似殘差均方根(Root Mean Square Error of Approximation, RMSEA)：RMSEA 主要在說明模型較些虛無模型改善程度。Hair et al.(1998)建議RMSEA 數值小 於0.05，表示理論模式為「良好適配」；若RMSEA 數值介於0.05 到0.08 之間，

表示此模式為「不錯適配」；0.08 到0.10 之間，表示此模式為「中度適配」；

RMSEA 大於0.1 時，則表示此模式為「不良適配」。

6.標準適配度指標(Normed Fit Index, NFI)與非標準適配度指標(Non-Normed-Fit Index, NNFI)：NFI 與 NNFI 主要是測量模型是否達到模型契合度，通常 NFI 與 NNFI 的值一般均在 0 到 1 之間，越大表示契合度越高。Byrne(1994)建議 NFI 與 NNFI 值應大於 0.9 來判定測量模型達到模型契合之標準。

7.比較配適度指標(Comparative-Fit Index, CFI)：CFI 指標主要是反應出假設模型 與 獨 立 模 型 的 非 中 央 性 差 異 ， 用 來 說 明 模 型 較 虛 無 模 型的 改 善 程 度 。 Bentler(1990)建議以 0.9 為評量的標準。

8.簡效良性適配指標(Parsimonious Goodness-of-Fit Index, PGFI)：PGFI 主要考慮 模式簡約性，說明模型簡單程度。Bentler(1990)建議建議大於 0.5，表示此模 式接受的標準。

表21 適配度指標

整體模式適配衡量 性 質 判斷值

卡方值(χ2 test) 理論模型與觀察模型的契合程度 P<0.05

χ2/df 考慮模式複雜度後的卡方值 <3

GFI 假設模型可以解釋觀察資料的比例 >0.90

AGFI 考慮模式複雜度後的GFI >0.90

RMR 未標準化整體模型的標準殘差 愈小愈好

RMSEA 比較理論模式與飽和模的差距 <0.05 NFI 比較假設模型與獨立模型的卡方差異 >0.9

NNFI 考慮模式複雜度的NFI >0.9

CFI 假設模型與獨立模型的非中央性差異 >0.9

PGFI 考慮模式的簡約性 >0.50

資料來源：(1)徐聖訓(2009) (2)本研究彙整

七、重要性－績效分析

本研究運用學者Martilla and James(1977)提出的重要性－績效分析，衡量瞭 解往生者家屬對服務項目之重視程度與滿意程度的相關性，分析結果可作為發展 改善服務策略。