資料分析

本研究之主要目的即在於建構組織創新效能之評量工具。根據本研 究目的與方法，經由文獻資料探討、專家諮詢與問卷調查等方法，以建 構台灣地區醫療服務業組織創新效能指標，本研究在問卷回收後，採用 計量方法來進行資料分析及假設檢定，採用的分析方法分述如後。

一、文獻探討

蒐集及分析有關創新、效能、組織創新、組織效能等之相關理論與 意涵、指標體系之建構等資料，作為設計與編製組織創新效能指標之初 稿之理論基礎。

二、專家諮詢

本研究所建構的組織創新效能指標初稿係透過不同來源蒐集資料 而界定，藉以提高理論的外部效度。完成文獻分析之後，邀請專家學者 及實務經驗的專家，進行本研究所編制的『組織創新效能指標』初稿內 涵適切度之討論、審查與修正。根據專家諮詢的審查與修正結果，完成

『組織創新效能』指標各構面和各級指標項目，作為編製問卷調查之基 礎。

三、調查結果之資料分析

問卷調查乃採李克特五點量表的形式，將分預試與正式施測兩個階 段，以下茲就兩階段欲進行的統計分析說明如下：

（一）預試階段之資料分析 1、探索性因素分析：

探索性因素分析是對於資料的因素結構沒有任何預期立場時，藉由統計 數據來研判因素的結構，其目的是藉此進行問卷效度的驗證。正是藉由 因素分析，研究者得以提出計量上的證據，探討潛在特質的因素結構與 存在的形式，以建立問卷的因素效度（邱皓政，2003）。本研究將運用 SPSS 軟體來進行，其實施程式如下：

（1）先執行 KMO 及 Barlett’s 球型考驗卡方檢定

上述兩者之目的，是用以確定母群體的相關矩陣是否有共同因素存 在，若有共同因素存在才適合進行因素分析（邱皓政，2003）。KMO 值 越接近 1，代表變項間的淨相關係數越低，進行因素分析抽取共同因素 的效果越好，如表 3-5 所示。同時若是 Barlett’s 的球型考驗卡方檢定達 到顯著，代表母群體的相關矩陣有共同因素存在，方才適合進行因素分 析。

表3-5 KMO 因素分析適合性計量之判斷依據

資料來源：出自邱皓政（2003）

（2）採用主成分分析來萃取共同因素

主成分分析法可以決定測量變項中，存在著多少個主成分或是潛在

KMO統計量 因素分析適合性

0.90以上 極佳的

0.80以上 良好的

0.70 以上 中度的

0.60 以上 普通的

0.50以上 難接受的

0.50 以下 無法接受

（3）本研究容許因素之間具有一定程度的共變，故進行斜交轉軸，並 以最小斜交法進行之，以精確估計變項與因素的關係。當因素負荷量未 達標準時研究者將予以刪題（如表 3-6 所示）。刪題後，再進行第二次探 索性因素分析，以確定各因素之結構已達穩定。

（4）進行因素的命名與解釋 表3-6 因素負荷量的判斷

0.71 以上 優良

0.63~0.7 非常好 0.55~0.62 好 0.45~0.54 普通 0.32~0.44 不好

資料來源: 出自邱皓政（2003）

（5）進行信度分析：

問卷的信度代表問卷的一致性、可靠性與穩定性，最常使用 的是 Cronbach’α 值。本研究將分別進行各構面與各指標之信度分析，以瞭解 問卷的內部一致性為何。

（二）正式階段之資料分析

本研究所建構之組織創新效能指標主要以理論分析為基礎，在預試 問卷回收後並進行信度分析與探索性因素分析，以瞭解其信度與效度。

在正式的施測中，進一步以驗證性因素分析來檢驗整體指標之建構效 度，以瞭解所建構之評量工具是否能測量組織創新效能理論上之層面與 特質之程度。

1、驗證性因素分析

計分析技術的研究方法學，用以處理複雜的多變量研究數據的探究與分 析（邱皓政，2004）。

驗證性因素分析為結構方程模式（Structural Equation Model,SEM）

的一個分支，其主要目的在於描述、估計一個或多個假設模式的因素架 構，能夠量測題目的因素結構與測量誤差。驗證性因素分析已廣泛運用 在管理學、教育學及心理學等領域。林清山（1988）建議可運用在檢測 選擇模式的驗證工具。

驗證性因素分析可以被用來確認資料的模式是否為研究者所預期 的形式，具有理論檢驗與確認的功能（邱皓政，2003）。本研究將以AMOS 軟體進行分析，以內定之最大概似法（maximum likelihood，ML）來估 計模式（model estimation），驗證組織創新效能模式的適配度，若統計分 析顯示模式適配度不佳時，則將採取模式修正（model modification）的 後續程式，重新估算模式。若理論允許，此過程可重複直到模式達到可 接受的程度。模式的適配度指標則包括了:

（1）基本適配度標準（preliminary fit criteria）

基本適配標準之目的是進行違反估計檢查，在進行模式適配度評估

（assessment of fit）之前，需先確定所估計的參數未違反統計所能接受 的範圍，Baggozzi 與 Yi（1988）認為較重要的模式基本適配標準包括：

a.不能有負的誤差變項

b.誤差變項必須達到 0.05 的顯著水準

c.估計參數之間相關的絕對值不能太接近 1 d.因素負荷量介於 0.5 與 0.95 之間

（2）整體模式適配度考驗（Overall model fit）

際的觀察資料相符。在模式的適合度檢定方面，可由基本的適配標準

（preliminary fitcriteria）、整體模式適配度（overall model fit）、及模式內 在結構適配度（fit of internal structure of model）（Bagozzi & Yi, 1988a）

等三方面的各項指標作為判定的依據。余民寧（2006：111-134）指出模 式適配度指標，可分為三大類別整體模式適配指標、比較適配指標、精 簡適配指標等。茲將分述如表 3-7 所示。

Hair、Black、Babin、Anderson 與 Tatham 等（2006）建議應至少包 含χ²、自由度、一個絕對配適指標（absolute fit index）（如：GFI, RMSEA 或SRMR）、一個漸增配適指標（incremental fit index）（如：CFI 或 NNFI）、 一個良好配適度指標（goodness-of-fit index）（如：GFI, CFI, NNFI 等）、

一個不良配適度指標（badness-of-fit index）（如：RMSEA, SRMR 等）。

因此，本研究將挑選 χ²與自由度比（應小於 3）、NFI（大於 0.9）、TLI

（大於0.9）、CFI（大於 0.9）、IFI（大於 0.9）、GFI（大於 0.9） 、RMSEA

（小於 0.1）與 SRMR（小於 0.05）作為判斷模式配適度優劣之基本準 則。

因此本研究在考驗整體模式是否適配的指標可分為絕對適配指 標、增量適配指標與精簡適配指標等三類。各指標之建議茲整理如表3-7。

表3-7 整體模式配適考驗之適配指標建議標準

SRMR＜0.08，為適配的門檻。

SRMR＜0.05，表殘差很小，具良好適 ECVI標準，亦ECVI < Saturated ECVI 與Independence ECVI，表示模式在不 同樣本上的適配是理想的。 式的AIC標準，Model AIC < Saturated AIC與Independence AIC。

穩定的Akaike訊息效 標（CAIC）

理論模式的CAIC須小於飽和模式與獨 立模式的CAIC標準，Model CAIC <

Saturated CAIC與Independence CAIC。

適當樣本數（CN） 實際樣本數與估計參數個數的比值，

CN＞200。

正規卡方值（NC） 1＜NC＜3，表有精簡適配程度。

NC＜1，表模式可能過度辨識。

NC＞5，表模式需要修正。

資料來源：出自余民寧（2006：111-134）

（3）模式內在結構適配度（fit of internal structure of model）

模式內在結構配合度可以代表一個模式的內在品質，可以說是驗證 性因素分析中的信度評鑑，故本研究採取以下四個評鑑標準來進行內在 結構考驗:

a.個別項目的信度（individual item reliability）>0.5。（Hair, Anderson, Tatham & Black, 1998）。

b.潛在變項的成份信度（composite reliability）>0.6。（Fornell & Larcker, 1981）。

c.潛在變項之平均變異抽取（average variance extracted）>0.5。AVE 值 越高表示潛在變項有越高的信度與收斂效度。

d.所有估計的參數都達顯著水準。