本研究以問卷調查的方式取得研究數據，調查方式僅採用紙本問卷在交通大學在職專 班與 EMBA 班中發放。問項設計以國際期刊文獻蒐集與整理方式獲得(Hsu et al.,2007; Gefen et al.,2003; Li & Lin, 2006; Majchrzak et al., 2005; Nelson & Cooprider, 1996; Politis, 2003)所 有問項均以五點李克特量表進行施測，其中 1 表示「非常不同意」且 5 表示「非常同意」。
問卷分為兩大部分，第一部分調查研究對象的資本資料，包括受測者性別年紀與個人學經 歷、公司規模與產業類別等問題；第二部份則針對各研究構面進行設計問項來進行評量。
在資料分析工具方面，本研究採用淨最小平方法(Partial Least Squares; PLS)來進 行假說的驗證，並輔以 SPSS 12.00 做其他相關的統計分析。淨最小平方法是一種探測或建 構預測性模型的統計方法，在預測性模型中，至少包含一組預測屬性和一組反應屬性。一 般的回歸分析方法只能處理一個反應屬性，PLS 可以同時處理複數組預測屬性和一組反應 屬性(Chin, 1998)。而本研究所用到的其他相關統計方法與理論如下所述：
3.4.1 基本敘述統計
在有效樣本中之基本資料，包括問卷填答者的學歷性別，以及服務的公司基本資料，
比如公司所屬產業別、公司的總員工數以及填問卷者的基本資料，如學歷、填答者於公司 服務年資與職務頭銜、服務的部門等。本研究將會以簡單的敘述統計方法來說明樣本的特 性與分佈情況。
3.4.2 信度與效度檢定 3.4.2.1 信度分析 1.Cronbach＇s α
信度指的是測量資料的可靠性，也就是實驗所得的結果之「穩定性」或是「一致性」。
本研究為了確保問卷之信度，將會對量表中各構面進行內部一致性分析，並以統計係數 Cronbach＇s α 的值來衡量同概念下各項目間之一致性，一般來說 Cronbach＇s α 的值
越大，表示問項之內部一致性越高。學者 Nunnally (1978) 指出，在一般構念的 Cronbach＇s α 值若大於 0.7 時，表示該結果具高信度。
2.合成信度(Composite Reliability)與 平均變異萃取量
由於本研究採用淨最小平方法(PLS)來作主要的分析，在運用 PLS 分析時合成信度
（Composite Reliability; CR）和平均變異萃取量(average variance extracted; AVE) 可以分別用來評量結構模型的信度和效度，一般可接受的水準是：CR 的門檻值是大於 0.7 而 AVE 則是大於 0.5 (Fornell and Larcker,1981)。
3.4.2.2 效度分析
效度(Validity)是指這個衡量尺度是否能夠真正測出研究者所想要衡量之事物的程 度，也就是說尺度是否能真的具有代表性。常見的效度，有內容效度(content validity) 與構念效度(construct validity)兩種。
1. 內容效度
內容效度是指問卷內容是否有足夠的廣度和代表性，是否能充分代表研究主題，正 確的衡量欲研究的對象。本研究之衡量各變數之變項，均是來自於參考或修改自參考文 獻的內容或量表(Hsu et al.,2007; Gefen et al.,2003; Li & Lin, 2006; Majchrzak et al., 2005;
Nelson & Cooprider, 1996; Politis, 2003)，此種作法將能加強內容效度；其中經過嚴謹的翻 譯過程，務求翻譯正確與貼見中譯相關用詞，並請實務界與學界相關的專家檢視、修改 而成，再經過反覆的前測來檢測其內容效度，以具備一定的內容效度。
2. 構念效度
構念效度指的是測驗能夠測量到理論上的構念或是特質的程度，除了須考量兩個變數 之間的關係，更要考慮到是否會與其他構念相關並能夠區別出相對差異，其中最常用的是 以收斂效度與區別效度加以評估，通常是採用因素分析方法來驗證構念效度。本研究將以 因素分析方法來衡量模式研究進行模式的適合度檢定，用以檢定各構面是否具有足夠的收
斂效度和區別效度。
此外，本研究問卷之內容係引用著名期刊論文與學者(Hsu et al.,2007; Gefen et al.,2003;
Li & Lin, 2006; Majchrzak et al., 2005; Nelson & Cooprider, 1996; Politis, 2003)發展之相關量 表為主要參考，這些量表在應用上應具有內容效度，另外在翻譯問卷之語意方面，亦透過 前測階段與專家反覆討論而得，希望藉由文獻之探討的過程，收集並彙整專家學者的意見，
以求取過程之嚴謹與結果的完整性，進而追求提升本研究之效度。
3.4.3 相關係數
用於計算各主要研究變數間之相關係數，本研究採用 Pearson 積差相關分析，進行研 究變項間線性相關方向與強度的初步研判，並衡量兩變項間是否具有顯著的相關性。
3.4.4 淨最小平方法
淨最小平方法(Partial Least Squares; PLS)是一種探測或建構預測性模型的統計方法，
在預測性模型中，至少包含一組預測屬性和一組反應屬性。PLS 與一般的回歸分析差別在 於，回歸分析只能處理一個反應屬性，PLS 卻能同時處理複數組預測屬性與一組反應屬性。
PLS 是由 Wold 於 1960 年代後期發展出來，如今在資訊、管理領域皆有利用，並見其重要 性。尤其針對因果模型 (causal model) 中的因徑係數 (path coefficient) 的估計，PLS 已是成熟的估計方法。
PLS 需要有嚴謹的理論基礎作為支持，因果關係的確立係由理論基礎而來，PLS 是驗 證由理論發展的模型(Chin, 1998)。整個 PLS 的決策流程為：
步驟一：建立研究理論模型；
步驟二：修改與完成模型；
步驟三：評估模式適合度與解釋模型，進行結構模式的驗證與路徑關係的解釋。
再建立起理論模型後，將在第二階段中探討潛在變數是否被有效衡量，衡量方式包括 觀 察 變 數 的 個 別 信 度 與 合 成 信 度 (Composite Reliability; CR) 和 平 均 變 異 數 萃 取 量
(average variance extracted; AVE)，信度的檢驗標準以 CR 值大於 0.7 為門檻，而 AVE 是以大於 0.5 為標準。
建構整體效度方面則以知名國際文獻的問卷內容(Hsu et al.,2007; Gefen et al.,2003;
Li & Lin, 2006; Majchrzak et al., 2005; Nelson & Cooprider, 1996; Politis, 2003)作為本研究 問卷問題，在此步驟中將未符合信度與效度標準的變數考慮刪除，惟刪除變數以不影響 理論意涵與實務意義為準。通過步驟二的測量模式的檢測後，即進入步驟三的結構模式 的驗證，可以透過 R2的指標，與標準化後的路徑係數來做解釋。另外 PLS 並無提供適配 度指標(Goodness of fit index, GFI)，所以僅能以R2 指標與路徑係數來解釋模型。
本研究架構之理論發展與因果關係的建立已臻完備，因此，本研究將採用淨最小平方 法(Partial Least Squares, PLS)進行假說之檢定，選擇 PLS 有幾個好處：
1. 本研究當中含有四個主要變數，每個變數中並含有三到四個構面，而本研究將深究這些 變數之間的關係，非單純的一個變數與一個變數之間的關係。PLS 可以同時處理這麼多 變數之間的相依關係，也具有衡量整體模式的能力。
2. PLS 是由 Wold 於 1960 年代後期發展出來，如今在資訊、管理領域皆有利用，並見其重 要性 (Johansson & Yip 1994、Bontis 1998、Wixom & Waston, 2001)。尤其針對因果 模型 (causal model)中路徑係數 (path coefficient)的估計，PLS 已是成熟的估計方 法 (Fornell & Bokksten,1982)
3. 與 LISREL 相較下，PLS 對於變數必須符合常態型、隨機性的要求較為寬鬆 (Wold, 1982)，且估計因徑係數時，樣本數要求較小 (Anderson & Gerbing 1988)。
4. 過去的傳統多元迴歸模式 (multiple linear regression, MLR) 易受小樣本及遺漏值 的影響，並增加估計係數的預測風險，PLS 可克服有限的觀察值、遺漏值及預測變數間 的相關程度高等所產生的共線性問題，透過同時將預測變數(X)與解釋變數(Y)有關連的
部分納入模型，避免以傳統的主成分分析 (principal components analysis, PCA) 可 能刪錯成分的失誤，並結合 PCA 與因徑分析 (path analysis) 以找出一組 X 與 Y 的最 適迴歸係數組合。
本研究問卷中，問卷題目，並具有 4 個構面。若以 LISREL 模型分析，樣本數必須夠大，
且各變數必須符合連續常態型的要求，但若使用 PLS 則可不受變數型態及樣本數的限制，
且具備很好的預測與解釋能力 (Wold, 1982; Anderson & Gerbing, 1988)。此外 PLS 近年 來廣被行銷、策略管理領域的學者所使用與推崇。如，Thompson, Higgins, & Howell (1991) 利用 PLS 驗證製造業知識工作者使用 PC 行為的成因模型；Johansson & Yip (1994) 利用 PLS 驗證美日企業全球策略的成因、管理程序、組織結構與績效間的關係；Ryan, Rayner &
Morrison (1999) 用以驗證顧客忠誠度的成因，Cassel, Hackl & Westlund (2000) 用以 研究無形資產的衡量、Raymond, Brisoux & Azami (2001) 則運用在行銷資訊系統規劃的 前因、後果關係的驗證上。綜合以上原因，本研究將採行淨最小平方法(Partial Least Squares, PLS)，來進行結構模型架構後的運作與資料分析。