第三章 研究設計
第五節 資料分析與統計方法
本次研究的資料分析為依據各變數進行基本分析與整體模式兩部分。基本 分析方面採用Excel 2003 與 SPSS11.5 for Windows 軟體進行，而整體模式部分 採用Amos7.0 軟體進行分析，茲將各部分分析方法分別敍述如下：
一、敍述性統計分析
敍述性統計分析是用圖示與數位（統計量）來表現樣本資料之分佈與特徵，
也反應了總體分佈及特徵。其內容主要是利用次數分配瞭解受測人員之分佈情 形，對各變數之平均值作一種概略性描述。
二、信度分析
信度是關於一種現象的測度(Scale)提供的穩定性與一致性效果的程度
（Camines & Zeller, 1979）。信度有兩個構面：內在重複性與內在一致性
（Zikmund, 1995）。內在一致維度是衡量某一測度條款與測量同一變數的其他測 度條款之間相關能力的一種重要的驗證性測度。本研究採用Cronbach α 係數來 檢定問卷中各因素之衡量變數的內在一致性程度。Cronbach α 係數是估計某一 測度中測量條款所能表示的要測量的結構變數內涵之程度（Pedhazu, Schmelkin, 1991）。Nunnally（1978）建議若 Cronbach α 係數大於 0.7 則表示內部一致性高 可以接受。
三、效度分析
效度（validity）是指問項能夠真正衡量出研究人員的所要衡量事物之真實
程度，它是揭示結構變數與它的測量題項之間的關係（Zikmurid, 1995）。效度 一般有三種類型：內容效度（content validity）、收斂效度（convergent validity）
與區別效度（discriminant validity）。本次研究利用結構方程模式衡量進行模式 的合適度檢定，以檢定各構面是否具有足夠之收斂效度與區別效度。所謂內容 效度分析是指所選的項目是否能代表所要測量的內容或主題。由於本次研究的 指標是利用已經過前人嚴格論證後的量表，經由文獻探討，並參考多位學者的 意見進行合理篩選後得出的，內容效度可以保證。
四、結構方程模式（Structural Equation Modeling, SEM ） 分析
結構方程模式是基於變數的協方差矩陣來分析變數之間關係的一種統計方 法。本研究利用 Amos7.0 統計軟體，建立結構方程模型，檢定變數之路徑係數 是否具有顯著性，籍以檢定研究假說。結構方程模式除注重先驗性外，還包括 許多不同的統計技術，其處理的是整體模式的比較，因此所參考的指標並非以 單一參數為主要考慮，研究者提出了許多契合指標用以評價模型的結果。Amos 提供了多種指數以評價和調整假說的模型。根據 Bollen（1988）與侯傑泰
（2004），本研究選取以下指數以評價模型之契合程度：
1. 卡方（χ2）係數：在類比資料研究中，當產生資料與用來擬合數據的模型 完全相同時，χ2可用來恰當地反應模型的契合程度（侯傑泰，2004），但是，
χ2對樣本量過於敏感，尤其時樣本量大於200 時（Hair et al, 1992），樣本容 量容易影響χ2值及其檢驗結果。
2. 卡方自由度比（χ2/df）：在 SEM 分析中，可以計算 χ2/df 來反應模型契合程 度。χ2/df 值越小，表示模型契合程度越高，按照 Carmines and Mciver（1985）
的觀點，χ2與自由度的比值應該不大於0.3，而 Wheaton（1997）等人認為 該指標小於5 也可以接受。本次研究以該指標不超過 5 為界，在此範圍內，
模型契合程度良好。
3. 近似誤差均方根（RESMA）：RESMA 是 Steiger and Lind(1980)提出的，被廣 泛應用至今。當df（自由度）接近 0 時，RESMA 就變得很不穩定。與 RMR 相比，RESMA 受樣本的影響較小，對參數過少的誤設模型還稍微敏感一些
（Marsh & Balla, 1994），是比較理想的指數。近似誤差指數是越小越好，
Steiger（1990）認為，RESMA 低於 0.1 表示好的契合；低於 0.05 表示非常 好的契合；低於0.01 表示出色的契合，這種情形應用上幾乎碰不到。
4. 非規範契合指標 NNFI（即 TLI）：Bentler and Bonett（1980）提出用虛擬模 式為基準來衡量模型的契合改進程度，賦予Tucker and Lewis（1973）的 TLI 新的內涵，命名為非規範契合指數（NNFI）。NNFI 會因樣本的波動超出 0-1 範圍。根據Bentler（1980）推薦的界值，NNFI 高於 0.9 即表示很好的契合。
5. 修正 NFI 契合指標（IFI）：Bollen（1988）研究了一種修正 NFI 的方法，能 減少該指數的平均值對樣本規模的依賴，並考慮設定模型自由度的影響。
這種改進指標標誌為 IFI。IFI 的範圍從 0（契合度差）到 1（完美契合），
通常建議的值是高於或等於0.9。
6. 比較契合指標 CFI：CFI 指標是 Bentler（1990）提出來的，它是通過與獨 立模型相比較來評估契合程度，運用了非中心的卡方分佈與非中心性的參 數 τi。τi值越大，模型設定的錯誤越大，τi＝0 表示完全契合。CFI 受樣本 量影響較小，即使是對小樣本估計模型契合也能做的很好。CFI 取值範圍 在0-1.0 之間，越接近 1.0 越好，一般認為，該指標大於 0.9 表示模型契合 很好（Bentler, 1990）。