資料分析方法

本研究依據其研究目的及架構，選取適當之分析工具，採用社會科學套裝軟 體PASW Statistics 18.0 與結構方程模式軟體 LISREL (LInear Structural

RELationship)8.53 作為資料分析工具，進行描述性統計、項目分析、信效度分析、

獨立樣本t 檢定、單因子變異數分析及結構方程模式等資料的處理。其詳述如下：

一、描述性統計(Descriptive Analysis)

本研究將利用描述性統計針對衝浪參與者基本背景變項及各變項之平均數、

標準差、態勢及峰度來檢測樣本的分佈是否為常態，因本研究將採用結構方程模 式來進行後續分析，故遺漏值(missing data)或不完全資料(incomplete data)是量化 研究中，最容易出現且具體干擾分析的一個問題，也是影響結構方程模式估計的 敏感因素(邱皓政，2005)，因此本研究使用描述性統計分析來檢測樣本是否有符 合常態及遺漏值，以了解此資料是否適合進行結構方程模式。

二、項目分析(Item Analysis)

項目分析是測驗發展最根本的一項工作，主要是在進行問卷預試後針對問卷 中的個別題項進行適切性的評估，本研究將使用項目分析，針對知覺風險、知覺 價值、滿意度、行為意向等題項進行決斷值與項目總分相關的分析，以了解該問 項在量表中的適切程度予以刪減。

三、信度分析(Reliability)

使用信度分析，主要為在問卷施測完畢後，針對問卷內容所採用 Cronbach’s α係數來檢測該量表內容是否有達一致性，因此本研究將採用Cronbach’s α係數 來檢驗知覺風險、知覺價值、滿意度及行為意向四部份量表，若係數越高，則是 代表問卷內容趨於一致。

四、獨立樣本t 檢定(t-test)

其目的為檢驗衝浪參與者基本背景變項中二分變數(如性別、是否參加衝浪俱 樂部)與知覺風險、知覺價值、滿意度及行為意向間，每一組樣本的平均數是否有 達顯著差異。

48

五、單因子變異數分析(One-Way Analysis of Variance)

本研究亦使用單因子變異數分析來檢測衝浪參與者基本背景變項中三分變 數及以上(如年齡、婚姻狀況、教育程度、個人月收入、職業類別、從事衝浪活動 的經驗)與四組變項間，每一組樣本的平均數是否有達顯著差異，若有達顯著差異，

再進行雪費法(Scheffe’ method)的事後比較。

六、結構方程模式(Structural Equation Modeling, SEM)

故本研究將以結構方程模式來建構並驗證「衝浪參與者知覺風險、知覺價值、

滿意度與行為意向模式」，並對模式中各組變項間之關係進行修正與分析，以瞭 解模式與實際資料之適配情形，研究中主要以LISREL 8.53 作為執行結構方程模 式之統計軟體。該模式可藉由整體模式適配度與內在結構適配度來評鑑，模式評 鑑指標需符合判斷值，才能被接受(邱皓政，2005)，以下將針對本研究如何使用 結構方程模式來驗證四者間關係做一闡述：

(一)結構方程模式簡介

結構方程模式是一種統計的方法學，用以處理複雜的多變量研究數據(Byrne, 1994; 引自邱皓政，2005)，一個典型的 SEM 模型包括了測量模式與結構模式的 部份，前者是指實際觀察值與其背後的潛在特質的相互關係，後者則是探討因素 與因素間的關係(Benlter, 1992; 引自邱皓政，2005)。

(二)理論模式檢定

模式適配度評鑑的目的，是要由各方面來評鑑理論模式是否能解釋實際觀察 所得資料，若適配度越佳，表示模式之可用性越高，所估計之參數也越具有意義。

在進行適配度之前，第一個步驟先檢查是否有違犯估計(offending estimates)的情 形。違犯估計是指無論在測量模式或結構模式中估計的數值超過可接受之範圍，

造成不適當的解，當有這樣的情形發生時，無論獲得的適配度有多麼的良好都是 錯誤的(黃芳銘，2004)。

接著通過違犯估計的檢測後，進行整體模式適配度的評鑑，評鑑的指標可分 為三種類型：絕對適配指標(absolute fit measures)、相對適配指標(relative fit measures)、簡效適配指標(parsimonious fit measures)，各指標若符合判斷值，才可 以被接受(如表 15)。

49

表15 整體模式適配度評鑑指標

評鑑指標類型 判斷值

絕對適配指標

卡方考驗值（χ²） p 值≧0.05

Goodness of Fit Index (GFI) ≧0.90 Adjusted Root Mean Square Residual (AGFI) ≧0.90 Tandardized Root Mean Square Residual (SRMR) ≦0.05

Root mean Square Error of Approximation (RMSEA) ≦0.05 良好的適配 0.05~0.08 不錯的適配 0.08~0.10 中度的適配

＞0.10 不良的適配 相對適配指標

Non-Normed Fit Index (NNFI) ≧0.90 Comparative Fit index (CFI) ≧0.90 簡效適配指標

Parsimonious Normed Fit Index (PNFI) ≧0.50 Parsimonious Good-of-Fit Index (PGFI) ≧0.50 Normed chi-square(χ2/df) 1~5

資料來源：黃芳銘，2007

最後則是進行內在結構適配度的檢定，分為兩個部份：一為測量模式的評鑑；

二為結構模式的評鑑。吳明隆(2006)表示測量模式的評鑑主要是關注於測量變項 是否足夠來反映其相對應之潛在變項。項目的因素負荷量必須達到顯著水準，且 其標準化參數至少須達到0.45(黃芳銘，2004)；而結構模式的評鑑主要為建構階 段所界定的因果關係是否成立，結構係數是否有達顯著水準，方向性須正確。

因此，本研究之測量模式(如圖 5)主要是在檢測知覺風險、知覺價值、滿意 度及行為意向四個潛在變項各自在觀察變項中所反映之情形；結構模式則是測量 知覺風險、知覺價值、滿意度與行為意向四者間相互影響的關係，其意義與符號 之解釋如下表16、17。

50

51