第四章 研究設計
第五節 資料分析方法
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
49
第五節、資料分析方法
本研究問卷資料回收後，經由整理編號並剔除無效問卷，隨即對有效 問卷進行編碼並登錄。本研究使用 SPSS 17.0 與 AMOS 17.0 軟體進行驗證 性因素分析，統計分析方法包括敍述統計分析、信度分析、效度分析及驗 證性因素分析等，以下將分別說明：
一、 敍述性統計分析
在此所要探討的描述性統計量，包括有效樣本之性別、年齡等，並以次 數分配、平均數、標準差、偏態及峰度等，對資料作描述性統計處理，以 呈現研究資料的一些基本性質、檢驗資料是否符合基本假定，並作為選擇 估計方法之用。
二、 信度分析(Reliability Analysis)
信度分析是用來了解量表的一致性或穩定性，常用的方法有 Cronbach α 係數，折半係數，再測信度等。
本研究採用 Cronbach α 係數作為問卷信度之評鑑標準，藉以檢測衡量 問卷題項間的一致性、穩定性，其 α 值越高表示量表越穩定、各題項間的 關聯性越大，亦即一致性越高。根據學者 Nunnally (1978)認為
Cronbach＇s α 值應大於 0.7 以上為佳，表示該問卷量表具有高度一致 性，但在一般的應用研究中，Cronbach α 值若大於 0.6 以上，亦可說明 該問卷內容具有相當程度的可信度。如果內在信度 Cronbach＇s α 係數在 0.80 以上，表示量表有高信度(Bryman & Duncan,1997)。而
Cuieford(1965)提出 α 係數的大小所代表可信度程度如表 4－3 Cronbach α 係數的合理範圍所列：
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
50
表 4－3 Cronbach＇s α 係數的合理範圍
不可信 α≦0.30
初步的研究，勉強可信 0.30＜α≦0.40 稍微可信 0.40＜α≦0.50 可信(最常見的範圍) 0.50＜α≦0.70 很可信(次常見的範圍) 0.70＜α≦0.90
十分可信 0.90＜α
資料來源：Cuieford (1965)
三、 效度分析(Validity Analysis)
效度(Validity)是指一種衡量尺度能夠測出研究者所想要衡量之事物 的程度，表示一份量表能夠真正測量到它所要測量的能力與功能的程度，
也就是要能夠達到測量的目的，才算是有效的測驗，此種有效的程度即稱 為效度。
一般常見的效度，有二種不同的類型，說明如下(張紹勳，2005)：
（一）內容效度(Content Validity)
內容效度係指測量工具能涵蓋測量主題的程度，即量表內容是否涵蓋 所要衡量的構念，或者說內容效度是一個測量本身所包含概念意義範 圍或程度，可真正能代表原有之內容、物質或題目之本意。一種衡量 是否具有足夠的內容效度，涉及研究人員的主觀判斷，有些人認為是 具有高度內容效度的衡量，在其他人看來可能並非如此，內容效度的 關鍵因素在於發展衡量工具時所遵循的程序。
（二）建構效度(Construct Validity)
建構效度是指量表能測量理論上某概念或特質的程度，即構念是否能 真實反應實際狀況，建構效度分為收斂效度(Convergent Validity)和 區別效度(Discriminant Validity)二類。收斂效度是指來自相同構念 的這些項目，彼此之間相關要高，就是以不同方法測同一特質，相關
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
51
性要高。區別效度是指來自不同構念之項目，彼此之間相關應較低，
就是以相同方法測不同的特質，二者的相關性要很低。
四、 驗證性因素分析
Jöreskog & Scrbom(1969)和 Mulaik, James, Altine, Bennett, Lind
& Stilwell(1989) 都將因素分析分為「探索性因素分析」及「驗證性因素 分析」兩大類。迄今研究者所用的因素分析大部分是屬於探索性因素分析
（即用傳統 SPSS、SAS 統計軟體），而不是驗證性因素分析（即用 LISREL、AMOS 統計軟體）。
驗證性因素分析(confirmatory factor analysis)亦可說是結構模 式 分 析 (structural equation model, SEM) 的 一 種 特 例 ( 張 紹 勳 ， 2005)。驗證性因素分析係在研究進入較成熟的階段所用的統計方法，用 來驗證或確定因素分析各個參數的性質或因素的個數。換句話說，驗證性 因 素 分 析 ， 係 指 在 觀 察 變 數 (X1, X2, , XK) 與 所 萃 取 之 潛 在 因 素
) , , ,
(Y1 Y2 YJ 在一定理論架構之前提下，為驗證理論架構與實際資料之 相容性，所進行之因素分析。一般而言，財務、心理等領域之觀察變數與 潛在因素有非常強烈的理論架構。以財務為例，資產負債表中之現金、應 收帳款、短期投資……等乃歸屬於流動資產；土地、廠房、機器設備……
等則歸屬於固定資產。若前述之會計科目所萃取之財務因素，不同於財務 理論所給定之歸屬，則實證結果將與財務理論相違背，而無法從事進一步 的分析。有鑑於此，研究者可事先根據理論，給定會計科目與財務因素間 之組型負荷量，此即為目標矩陣（target matrix），應用於目標轉軸。
所謂目標矩陣，乃目標轉軸之依據，由 ( -1, 0, 1) 等數值所構成，分 別表示觀察變數與潛在因素間為負相關、零相關、正相關等關係。或是根 據直交轉軸結果所構成。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
52
（一）整體模式配適度檢定
整體模式適配度方面，CFA 在評估因素結構的適配度方面，提供了多項 指標作為評鑑的依據，由於假設模型與觀察資料是否適配的判斷值很多，
不同的適配指標值的評估可能對模型支持與否未盡一致，關於指標的選 取，並沒有一個明確的準則，但研究者應依據多元的準則去衡量，吳明隆 (2007)指出研究者主要應從卡方值的大小、顯著性、RMSEA、ECVI、SRMR、
GFI 及 CFI 等適配指標作為判別模式是否達整體適配程度的決策之用；
Hoyle & Panter(1995)建議，研究者需提供卡方值、GFI、NNFI、IFI、
CFI、RNI 等適配指標值；黃芳銘(2006)建議，在絕對適配指標方面採用卡 方值、SRMR、RMSEA，相對適配指標則採用 NNF 及 CFI，簡效適配指標採用 PNFI。綜合上述專家學者的建議，本研究所採用的適配指標為：
1. 卡方自由度比 (χ2/df)：
估計參數越多，自由度會變的越大；而當樣本數越多，卡方值也會隨 之擴大，若同時考量到卡方值與自由度大小，則兩者的比值也可以作 為模式適配度是否契合的指標。因此學者建議可以 χ2/df 指標來輔助 判斷模式的適配情況，將卡方值除以自由度，當 χ2/df 小於 3 時，表 示模式之適配度為可以接受的範圍 (吳明隆，2007)。
2. 平均方根殘值 (Root Mean Square Residual, RMR)：
RMR 愈小，表示理論模式與觀測資料的適配情形愈佳。可接受的 RMR 標 準，會隨著輸入矩陣的型態而異，若分析矩陣類型是相關矩陣的話，
則 RMR 值必須小於 0.05。一般而言，RMR 至少要小於 0.1，愈接近 0 表 示模型契合度愈好(Hair et al.,1998)。
3. 近 似 誤 差 均 方 根 (Root Mean Square Error of Approximation,
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
53
RMSEA)：
主要在找尋母群與模式的適配程度，其指標值應有於或等於 0.05 表示 良好適配；0.05~0.08 可視為不錯的適配；0.08~0.10 之間可視為中度 適配；大於 0.10 以上代表不良的適配(黃芳銘，2006)。
4. 適合度指標 (Goodness-Of-Fit Index, GFI)：
GFI 的指數性質類似於回歸分析的 R2，數值愈大，表示實際觀察的共 變數矩陣能夠被假設模型解釋的百分比愈高，模型契合度愈佳。GFI 數 值介於 0 到 1 之間，0 表示適合度很差，1 代表適合度完美。一般而 言，GFI 值大於 0.8 即在可接受的範圍 (Bagozzi & Yi,1988)。
5. 調整後契合度指標 (Adjusted goodness of fit index, AGFI)：
AGFI 介於 0 至 1 之間，其值大於 0.90 可視為具有良好的適配度，大於 0.80 可視為可接受的範圍 (Bagozzi & Yi, 1988)。
6. 規範適配指標 (Normed Fit Index, NFI)：
NFI 反應假設模式與一個觀察變項間沒有任何獨立模型的差異程度。
NFI 大於 0.90 可視為具有理想的適配度。
7. 比較適配指標（Comparative Fit lndex, CFI）：
CFI 指標是一種改良式的 NFI 指標值，它代表的意義是在測量從最限制 模式到作飽和模式時，非集中參數的改善情形。指標需大於或等於 0.90。
‧
大表示內部一致性越高。依據 Nunnally(1987)所主張 Cronbach＇s α值大 於 0.7 以上是為高信度值，低於 0.35 則應將該變數刪除，依照這項標準來‧
‧
4.142 59.172 0.882
J1 .766 .875
3.510 70.205 0.892
K1 .631 .795
3.471 69.414 0.885
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
58
表 4－6－4 前測項目分析【D 題】
題項 量表總分 Pearson 相關
刪除該題後之 α值
D1 .723 .828 D2 .807 .811 D3 .789 .814 D4 .718 .829 D5 .765 .829 D6 .744 .828 未刪題前之整體量表之α為 .848
此量表（表 4－6－4）經預檢後，所有題項皆為常態分配，隨即將有效地 98 次有效問卷進行項目分析，項目分析摘要如表 4－6－4 所示。該表顯示 所有題項與量表總分之相關係數皆在.30 以上，且皆達 0.05 的顯著水準，
甚至全部都達到 0.01 的顯著水準，並且沒有題目因為刪除後α值增加，因 此本題項並無題目需要刪除。
表 4－6－5 前測項目分析【F 題】
題項 量表總分 Pearson 相關
刪除該題後之 α值
F1 .859 .856 F2 .877 .838 F3 .824 .872 F4 .889 .833 未刪題前之整體量表之α為 .883
此量表（表 4－6－5）經預檢後，所有題項皆為常態分配，隨即將有效地 98 次有效問卷進行項目分析，項目分析摘要如表 4－6－5 所示。該表顯示 所有題項與量表總分之相關係數皆在.30 以上，且皆達 0.05 的顯著水準，
甚至全部都達到 0.01 的顯著水準，並且沒有題目因為刪除後α值增加，因 此本題項並無題目需要刪除。
‧
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
61
甚至全部都達到 0.01 的顯著水準，並且沒有題目因為刪除後α值增加，因 此本題項並無題目需要刪除。