資料分析方法

度即潛在變項的「建構信度」（Construct reliability），或稱「組成信度」（Composite reliability）。組成信度主要在鑑定一組潛在構念指標之一致性之程度，意即所有測

示測量指標間有高度的內在關聯存在；相對的，若數值較低，則測量指標間的內

信度若大於0.7，表示信度相當高。Guielford （1965）亦指出高信度為大於 0.7，

若信度介於 0.7 與 0.35 之間為尚可，低於 0.35 則不予採用。關於問項刪減方 面，即進行分項對總項之相關性分析（item to total），來檢定每一題項對於其構 成變數之內部一致性，信度衡量範圍如下表7 所示：

表 7 信度衡量範圍

Cronbach’ s α 係數值 接受程度 Cronbach’ s α＜0.3 不可信 0.3＜Cronbach’ s α≦0.4 勉強可信 0.4＜Cronbach’ s α≦0.5 稍微可信 0.5＜Cronbach’ s α≦0.7 可信（一般常見）

0.7＜Cronbach’ s α≦0.9 很可信（次常見）

0.9＜Cronbach’ s α 十分可信 資料來源：邱皓政，2006

3. 效度分析

效度是指衡量的工具是否能真正衡量研究者想要衡量的問題。本研究將對內容 效度與建構效度進行檢測，以確保本研究能得到正確性的衡量，並利用統計軟體執 行驗證性因素分析，根據所得之因素負荷量和平均變異抽取量來衡量本研究測量模 式的收斂效度及區別效度之檢驗。為檢測本研究之問卷是否具有收斂效度及區別效 度，本研究根據DeVellis（1991）以及 Campbell & Fiske （1959） 所提出的多重特 質多重方法矩陣（Multitraitmultimethod matrix）來進行收斂效度及區別效度的分析，

利用性格特質的三個構面，工作投入的三個構面以及派遣意願構面和職涯規劃構面 間之相關矩陣進行分析。

4. 結構方程式檢測：

在以上分析都檢測無異之後，最後進行結構方程模式分析，探討本研究結構模 式中之路徑關係與路徑參數，以利檢驗變數與變數之間的因果關係是否達顯著水 準。在進行結構方程式之前需先進行配適指標之檢測，而整體模式配適標準評鑑的 目的，旨在評鑑理論模式是否能解釋實際觀察所得的資料，或是理論模式與觀察資 料之間是否配適（Anderson & Gerbing，1988）。因此，參考 Bagozzi &Yi（1988）提 出的評鑑項目，包括：χ²除以自由度值、適合度指標（Goodness of fit index，GFI）、

調整後適合度指標（Adjusted goodness of fit index，AGFI）、漸近誤差均方根（Root mean square error of approximation，RMSEA）、基準配適度指標（Normed fit index，

NFI）、非基準配適度指標（Tacker-lewis index，TLI）、比較配適度指標（Comparative fit index，CFI）、增量配適度指標（Incremental fit index，IFI）及相對配適度指標

（Relative Fit Index，RFI）等值來評鑑模式之配適程度，若配適程度越符合學者所 建議之水準，則該結構方程式模型配適程度就越好，下表 8 為學者所建設各項配適 指標之標準及建議參考出處。

表 8 各項配適指標之標準參考 Garson (2004) 調整後的配適度指標

（Adjusted Goodness of Fit Index, AGFI） ≧0.80 Hair et al. (1998) Gefen et al. (2000) 平均近似值誤差平方根

（Root Mean Square Error of Approximation, RMSEA）

（Tacker-Lewis index, TLI） ≧0.90 Hair et al. (1998) Garson (2004) 比較配適度指標

（Comparative Fit Index, CFI） ≧0.90 Gefen et al. (2000) Garson (2004) 增值配適度指標

（Incremental Fit Index, IFI） ≧0.90 Gefen et al. (2000) Garson (2004) 相對配適度指標

（Relative Fit Index, RFI） ≧0.90 Hu & Bentler (1999)

在以上分析都檢測無異之後，最後進行結構方程模式分析，探討本研究結構模 式中之路徑關係與路徑參數，以利檢驗變數與變數之間的因果關係是否達顯著水準。