資料分析方法

壹、衡量方法

本 研 究 之 指 標 量 表 預 先 進 行 前 測 做 信 度 分 析 及 因 素 分 析 ， 再 透 過 KMO(Kaiser-Meyer-Olkin)取樣適切性量數與 Bartlett 的球型檢定，判別題項間是否適合 進行因素分析(如表 3-3)之後進行問卷普查。該問卷採用 Likert 五分尺度法來衡量，從 鐵工局員工個人認知對於問卷指標重視程度，由「非常不重要」至「非常重要」依序給 予1–5 分，分數越高表示對於衡量指標重視程度越高。

表 3-3 KMO 統計量數之判斷準則

KMO值 因素分析的適切性

0.90以上 極佳的（Perfect）

0.80～0.90 良好的（Meritorious）

0.70～0.80 適中的（Middling）

0.60～0.70 普通的（Mediocre）

0.50～0.60 欠佳的（Miserable）

0.50以下 有法接受的（Unacceptable）

資料來源：吳明隆與涂金堂，2006：818。

貳、分析方法及說明

本研究根據研究目的、研究架構與研究假設，對所蒐集的資料，使用SPSS 12 版（中 文版）電腦統計軟體進行統計分析，玆敘述如下：

一、敘述性統計分析（Descriptive Statistics Analysis）

分析鐵工局受訪員工之工作性質、職務、服務年資、教育程度、年齡及性別等六項 變數之基本資料。主要目的是將蒐集得來的數字加以整理、分析，以了解各變項的次數 分配與百分比狀況，同時藉由描述性統計方法計算出各變項的平均數與標準差。本問卷 之題項為 Likert 5 等份量表，經過編碼量化後，計算各項之平均數及標準差，以平均數 代表一般人對於該項的看法，亦可將不同層面之受訪者，利用平均數做一比較，平均數 愈高代表該屬性較為受訪者所重視。而標準差則視為評量回收的受訪者對於該問題之一 致性指標，標準差愈小，表示受訪者對於該問項有較一致的看法。

二、信度分析（Reliability Analysis）

簡茂發(1984：323-333)指出在社會與行為科學研究中，所蒐集資料的可靠性與正確 性的問題，其關鍵在於測量或調查工具的信度（reliability）與效度(validity)，信度與效 度是優良測量工具必備的條件；信度即可靠性，係指測量結果的一致性或穩定性，而效 度即正確性。吳統雄也曾預期「分析信度與效度」（或至少是分析信度）會成為調查研 究程序中不可或缺的步驟，而報告「信度與效度」（或至少是報告信度）也會是正式調 查研究報告中必備的一節（吳統雄，1984：134-162）。

信度是指一個測量工具包含變動誤差的程度，亦即在任何一次測量中，觀察值之間 所呈現的不一致(潘明宏與陳志瑋譯，2001：209)。所以信度係指同一受訪者，重複測量 同一份問卷的結果是否具有一致性（Consistency），其目的是為了檢測量表穩定（Stable）

與否。研究結果是否可信，深受問卷設計之品質優劣影響，為了測度問卷的可靠性，常 用的判斷方式為計算量表之「信度」。信度又區分為下列數種類型：（一）、重測信度

（Test-retest Reliability）：指採用同一個測驗在不同時間重複測量相同的一群受試者兩

次，再根據兩次分數求得的相關，稱為重測信度係數。（二）、複本信度（Alternate-form Reliability）：採用複本方法所估計的信度，因為實施複本的方式有兩種：一種是在同一 時間連續施測，稱為等值係數；另一為間隔一段時間施測，稱為穩定等值係數。（三）、 內部一致性信度：只根據一次測量結果所估計的信度，例如折半信度（Split-half Reliability）、由 Kuder-Richardson 信度修正成的 Cronbach’s α Coefficient。本研究採用最 普遍的量測類型Cronbach’s α 係數（以下說明以簡稱 α 值表示），作為信度衡量的指標。

吳統雄（1990）一方面根據相關係數及變異數分析的理論，一方面參考相關文獻，

建議以表 3-4 斟酌可信程度的參考範圍作為系統預設值。為使本研究之研究結果具有 高可信度，乃將α值之下限訂為0.5。

表 3-4 可信度高低參考標準

α值範圍 可靠性

α<0.3 不可信

0.3 α<0.4≦ 初步的研究，勉強可信 0.4 α<0.5≦ 尚可信

0.5 α<0.7≦ 很可信（最常見的信度範圍）

0.7 α<0.9≦ 很可信（次常見的信度範圍）

α 0.9≧ 十分可信

三、效度(validity)

簡茂發(1984：333)指出效度是測驗或其他測量工具確能測出其所欲測特質或功能之 程度。所以效度是指測驗分數的正確性。易言之，就是指一個測驗能夠測量到它所想要 測量的心理特質的程度。一個測驗的效度越高，即表示測驗的結果越能顯現其所欲測量 對象的真正特徵。內容效度是指測驗內容的代表性或取樣的適切性（吳明隆與涂金堂，

2006：811），即應包括被衡量之建構層面的項目，問卷的內容係以理論為基礎，參考以 往學者之類似問卷的內容加以修訂，並與實務或學術專家討論過，即可認為具有相當的 內容效度。

行為及社會科學研究領域中，在建構效度的考驗上，最常為研究者及學者使用的方 法即為「因素分析」。本研究問卷即採用因素分析內容效度方法，問卷中有之衡量項目，

或植基於相關文獻之理論基礎，或參考學者專家之看法或使用過之衡量項目，因此本研 究所使用之問卷，應具有相當程度的內容效度，能符合衡量工具效度之要求。

四、因素分析（Factor Analysis）

（一）因素分析基本概念

因素分析法(Factor analysis)是 20 世紀初期在心理學領域所發展出來的一種多變量 統計的技術，最初應用的範圍偏重於有關人類行為的研究，以後逐漸擴及於社會學、氣 象學、政治學、藥學、地理學及管理學的領域。黃光國(1984：833) 指出因素分析是近 年來行為及社會科學的研究中，經常為人用以整理資料的一種統計方法。因素分析是一 種互依分析的技術，它包括了許多縮減空間（或構面）的技術，其主要目的在以較少的 維數（number of dimensions，即構面的數目）來表示原先資料結構，而又能保存住原有 資料結構所提供的大部分資訊（黃俊英，1995：203）。簡言之，因素分析的統計原理是 要縮減變項的維度，亦即要從眾多相關變項中抽取若干共同的因素，簡化複雜的變項關 係(石計生等，2003：318)。

邱皓政（2000）指出因素分析發展的最初目的，是在簡化一群龐雜的測量，藉此找 出可能存在於觀察變項後的因素結構，使之更為明確，增加理解度，其功能有三：1、

因素分析能夠協助研究者進行效度的驗證。2、因素分析可以協助研究者簡化測量的內 容，將複雜的共變結構予以簡化，使得許多有相似概念的變項，透過數學的轉換，簡化 成幾個特定的同質性類別。3、因素分析可以用來協助測驗編製，進行項目分析，檢驗 試題之優劣。本研究問卷實施因素分析流程如圖3-2。

圖 3-2 問卷實施因素分析流程

資料來源：李育慶，2005：30

（二）因素分析的流程

因素分析最基本的運算程序是：建立互相矩陣、萃取共同因子、與轉動因素的位置 (石計生等，2003：318-321)。惟若要進一步細分之，因素分析的流程包括研究問題、研 究設計、因素模式、因素萃取、因素數目的決定、因素轉軸及因素命名等七個步驟。茲 說明如下：

1、研究問題

這是因素分析的起點，研究者首先要確定因素分析所要探討的問題究竟是探索性的 或是驗證性的問題。

2、研究設計

研究問題確定之後，研究者需要進行因素分析的設計。包括三項基本的決定：（1）

問卷設計

問卷資料前測

整體信度分析

KMO＆球形檢定

題項增減

正式問卷 各構面檢定及

驗證 各構面信度分析

題項刪減 因素分析 效度分析 KMO＆球形檢定

整體信度分析

Cronbach's α

變數間或受測者間的相關：要確定因素分析所要計算的到底是變數間的相關或是受測者 間的相關？如果是要求得變數間的基本關係，這是R 因素分析，是最常見的因素分析；

如果是要把相似的受測者找出來集合成群，這是Q 因素分析。本研究是要探求出平衡計 分卡四大構面的指標，因此為R 因素分析。（2）變數選擇和衡量問題：要回答若干問題，

諸如：應包括什麼變數？應包括多少變數？變數如何衡量（計量的或非計量的衡量）？

（3）樣本大小：ａ、因素分析要有可靠的結果，受試樣本數要比量表題項數還多。如 果研究主要目的在找出變項群中涵括何種因素，樣本數要盡量大，才能確保因素分析結 果的可靠性（吳明隆、涂金堂，2006：817）。

3、因素模式

因素模式有好多種，最常用的成分分析（component analysis）和共同因素分析

（common factor analysis）兩種。因素模式的選擇視分析人員的目的如何而定。如果主 要目的在以最少數目的因素來彙總最多的原始資訊（變異數）以供預測之用，宜利用成 分模式。相反的，如果主要目的在找出不容易辨認的潛在構念或構面，則宜利用共同因 素分析。

4、因素萃取

在選定因素模式之後，還必須決定如何把共同因素萃取出來。吳明隆（2003）因素 分 析 在 決 定 因 素 萃 取 的 方 法 有 ： 主 成 份 分 析 法(Principal components) 、 主 軸 法 (Principal-axis factoring)、最大概似法(Maximum likelihood)等，其中以主成份分析法最為 常見。主成份分析法，是以線性方程式將所有變項加以合併，計算所有變項共同解釋的 變異量，該線性組合稱為主要成份。

5、因數數目

利用萃取因素的方法萃取未轉軸的原始因素，並初步決定共同因素的數目。決定共 同因素數目的基本原則是以較少的因素來解釋較多的總變異數。因素數量考量與挑選標 準，常用的準則有二種：一是學者Kaiser 所提的準則標準：Kaiser 法；二為 Cattell（1966）

所提倡的特徵值圖形的陡坡考驗（Scree Test），此圖根據最初抽取因素所能解釋的變異

量高低繪製而成。（Kaiser, 1974）Kaiser 認為共同因素對總共同性之貢獻必須大於一個 以上行為變數之總變異，因此，保留特徵值大於1 的因素，將特徵值不足 1 的因素予以 刪除。

6、因素轉軸

由於因素分析之初步結果很難直接加以解釋，尤其當某些變數同時在好幾個因素都 有相當程度之負荷量時。為了使各因素的意義更為清晰和明顯，常須將因素軸加以適當 的旋轉。主要目的在使每一個變數只歸屬於一個或少數幾個因素，不但可使因素所代表

由於因素分析之初步結果很難直接加以解釋，尤其當某些變數同時在好幾個因素都 有相當程度之負荷量時。為了使各因素的意義更為清晰和明顯，常須將因素軸加以適當 的旋轉。主要目的在使每一個變數只歸屬於一個或少數幾個因素，不但可使因素所代表