第四章 研究設計與實施
第五節 資料處理
在問卷回收後，研究者首先以人工方式初步檢查資料內容，凡填答不全、答案 可以看出未認真作答或未依規定填答之問卷，即當作無效問卷加以剔除。資料檢核 後，每份有效問卷依序編碼建檔，並利用 SPSS 列出各題的次數分配表，以查核資 料輸入的正確性。為驗證研究假設，本研究採用SPSS for Windows16.0 版統計軟體、
李茂能（2006）矩陣運算與統計教學軟體「MATRIX_CAI」及結構方程模式（SEM）
統計軟體AMOS 7.0 來進行資料的處理與分析，資料分析方法可區分兩部份：一為 探索性研究之資料分析方法；二為驗證性研究之資料分析方法。本節將針對這兩部 份摘要說明如下：
壹、探索性研究之資料分析方法
本研究以SPSS16.0 版及 AMOS 7.0 統計軟體進行下列分析：
一、檢核原始資料
本研究主要以 SEM 多變量的統計分析技術來考驗理論模式，故先利用 SPSS 16.0 統計軟體來檢核原始資料，以降低原始資料中可能出現極端值與遺漏值等數 值，促使原始資料形成非常態分配。並利用次數分配、百分比、平均數以及標準差 等敘述統計方法來瞭解回收樣本的基本特性。
二、項目分析與信、效度分析
本研究使用 SPSS16.0 內「Reliability」副程式，進行量表之項目分析與信、效 度分析檢驗。項目分析主要目的在確定題目的適用性，本研究以「極端組檢驗法」
及「同質性檢驗法」作為題項篩選之依據。「極端組檢驗法」將量表總分依高、低 分數區分為高分組(最高分的 27%)與低分組(最低分的 27%)，將二組的平均數差異做 比較，求出各題項的決斷值，將決斷值未達顯著水準的題項刪除。「同質性檢驗法」
考驗方法有二：一為求出量表各題項與量表總分的積差相關係數，係數越高表所測
的態度或行為特質越趨一致，二為內部一致性考驗，從題項刪除後量表Cronbach α 係數的改變情況，來判斷量表題項的品質。
項目分析包含遺漏值檢驗、極端組比較、同質性檢驗與因素分析選題，探索性 因素分析主要在於將因素結構簡單化，藉由共同因素的發現來確定觀念的結構成 分，並以最少的共同因素對總變異量作最大的解釋，其次在求得量表的建構效度。
本研究以主成份分析法配合最大變異法行斜交轉軸的方式處理，求得解釋變異量。
信度分析指標為Cronbach α 係數與組合信度；效度分析指標除內容效度外，尚一併 考驗建構效度、區辨效度及聚斂效度。
三、資料分析
1.採用算術平均數與標準差、相依樣本單因子變異數分析等統計方法，據以了解國 小家長參與子女教育之現況情形。
2.利用獨立樣本 t 檢定(t-test)、單因子變異數分析(One-Way ANOVA)來分析子女數、
子女就讀年級對家長參與行為意向各構面是否有顯著差異；利用三因子獨立樣本 變異數分析來檢測家長背景變項(性別、年齡與社經地位)對於家長參與行為及家長 參與行為意向各構面是否具有交互作用。
3.以典型相關分析，探討家長參與行為、家長參與行為意向、家長參與態度、家長 參與主觀規範和家長知覺行為控制等變項之間的相關情形。
4.以多元迴歸之強迫進入法考驗分析家長參與行為及家長參與行為意向的預測力。
貳、驗證性研究之資料分析方法
本研究利用結構方程模式（SEM）來進行家長參與行為意向理論模式的檢證，
使用的統計軟體為 AMOS 7.0。結構方程模式最大的特點是進行模組化的檢驗與分 析，一個典型 SEM 模型包含了測量模式與結構模式兩部份，前者係指實際觀察值 與其背後的潛在特質（或因素）的相互關係，後者則討論潛在特質（或因素）之間 的關係。而在進行檢定研究模式中各構面間的實質關係之前，必須確定獲得可接受 的測量模式，所以要進行信度與效度分析的檢驗，通過檢驗後方可進行下一部的結
構模式分析，這一部份的分析亦是驗證模式與假設的檢定，而評估結構模式是否值 得參考，則必須遵循結構方程模式的各項參考指標，本研究將學者所提出之各項適 配度指標的接受值整理於附錄五（邱皓政，2004；吳明隆，2007；周子敬，2006；
Bagozzi & Yi,1998；Hair et al.,1998）。以下將說明 SEM 資料分析統計方法：
（一）常態分配之考驗
常態性分配與連續性量尺是 SEM 分析的兩大基本假設，因此本研究利用 AMOS7.0 中「tests for normality and outliers」（常態性分配與極端值之考驗）來對 原始資料進行常態分配之考驗。
（二）不良參數估計值之檢查
本研究以最大概似法來做為本模式參數估計的方法。本研究在評鑑模式適配度 之前，需先檢查模式內是否有不良參數估計值，以免獲得不適當的解，一般常發生 的現象有：負誤差變異數、標準化係數超過或接近1、太大的標準誤（黃芳銘，2007）。
（三）組合信度之考驗
由於AMOS 並未提供組合信度（composite reliability; CR）的統計量，欲考驗假 設四，本研究採李茂能（2006）矩陣運算與統計教學軟體「MATRIX_CAI」而求得，
即在該軟體工具列裡的多變項統計項目裡，選取結構方程（SEM），在結構方程
（SEM）項目裡選取組合信度，依照組合信度的要求，輸入各個觀察變項的因素負 荷量，即可求出每個潛在變項的組合信度與潛在變項的平均變異抽取量。CR 值是 其所有測量變項信度的組成，表示構念指標的內部一致性，信度愈高顯示這些指標 的內部一致性愈高，.7 是可接受的門檻（Hair, 1997），Fornell and Larcker（1981）
建議值為.6 以上，Bagozzi 與 Yi（1988）及 Diamantopoulos 與 Siguaw（2000）主張 當潛在變項的組合信度大於.60 時，就表示潛在變項有良好的組合信度；當平均變異 抽取量大於.50，則表示測量指標能代表潛在建構的程度尚佳。
（四）適配度評鑑
本研究之適配度評鑑可分為內在結構適配度評鑑與整體模式適配度評鑑。內在 結構適配度評鑑可分為測量模式適配度評鑑與結構模式適配度評鑑。茲將兩種模式 適配度評鑑分別說明之：
1.測量模式適配度評鑑
測量模式適配度評鑑主要在分析模式中每一個測量模式潛在變項的信、效度。
AMOS7.0 所進行的信度分析，主要為探究觀察變項對潛在變項標準化係數之 R2，
R
2意指潛在變項能解釋觀察變項的變異程度，當R
2愈高，解釋力就愈強；效度分析 主要為探究各個觀察變項在其所反映的因素上之標準化因素負荷量，Bollen（1989）稱此係數為標準化效度係數（引自黃芳銘，2007），若此係數達顯著，即表示這些 觀察變項可以用來反映該因素。
Hair 等人（1998）建議測量模式分析須確定兩件事：(1)在整體模式的考量下，
驗證模式中的測量變項是否正確的測量到其潛在構念；(2)檢驗是否有負荷在不同因 素的複雜測量變項（complex measurement item），亦即檢定模式中兩種重要的建構 效度：收斂效度（convergent validity）及區別效度（discriminant validity）。本研究 根據Bagozzi and Yi（1988）的建議，挑選三項最常用的指標來評鑑測量模式，各指 標分述如下：(1)個別項目的信度（individual item reliability）：各測量指標的信度反 應了測量工具用於衡量研究構念時一致性的程度，運用AMOS 分析時，各觀察變項 的信度指標即為
R
2值，若R
2值皆大於.5，表示整體測量指標有良好信度。(2)潛在 變項的組成信度（composite reliability，CR）：潛在變項的 CR 值是其所有測量變項 之信度所組成，Fornell 與 Larcker（1981）的建議值為.6 以上。(3)潛在構念的平均 變異抽取量（average variance extracted，AVE）：AVE 是計算潛在變項之各測量變 項對該潛在變項的平均解釋能力。若 AVE 越高，表示該潛在變項有越高的信度以 及收斂效度，Fornell 等（1981）建議 AVE 值大於 0.5 表具有良好的信度及收斂效度。2.結構模式適配度評鑑
結構模式評鑑主要是檢查模式結果與所提出的模式之間的一致性為何，看看理 論所提出的主要關係是否獲得模式結果的支持。結構方程式模式中的徑路關係，主 要以標準化係數來呈現，係數愈大表示在因果關係中的重要性愈高。考驗理論模式 所建立的徑路關係是否能夠成立，考驗的內容包含潛在變項與潛在變項之間結構參 數的大小與方向性，若各個結構係數達顯著，代表著有直接效果或間接效果。此外 這些結構參數之標準化徑路係數最好能大於.30，才能有效地反應潛在變項與潛在變 項之間的關係。潛在變項之間是否具有顯著間接效果，需經由統計考驗來加以判斷。
3.整體模式適配度評鑑
整體模式適配度指標分為三類：絕對適配指標、增值適配指標與精簡適配指標。
絕對適配指標的目的是決定理論的整體模式能否預測觀察共變數或相關矩陣的 程度；增值適配指標的目的是用一個比較嚴格的基線模式（baseline model）和理論 模式相比較，測量其適配改進比率的程度，基線模式是假設所有觀察變項之間是相 互獨立的；精簡適配指標的目的在於更正模式是否有過度適配的情形，對模式的複 雜性加以懲罰（黃芳銘，2007）。本研究所採用的絕對適配指標為：χ2、RMR、
SRMR、RMSEA、GFI、AGFI；增值適配指標為：NFI、RFI、IFI、TLI、CFI、；
精簡適配指標為：PGFI、PNFI、PCFI、CN 值、CMIN/DF、AIC 值、CAIC 值，各 項參考指標適配的標準或臨界值參考附錄五所示（李茂能，2006；邱晧政，2005；
黃芳銘，2007）。
（五）模式修正
當模式內之χ2值很大且欲修正的參數是有理論基礎，則可進行模式修正，但每 次僅能修正一個參數，因每一次的修正MI（modification index）估計值都會改變。
AMOS 裡模式修正的統計顯著檢定法為 LM 檢定（lagranian multiplier test），模式 修正主要是評鑑χ2值，修正次序是先選擇MI 值最大且有理論依據來進行修正，如 果沒有理論意義，則選擇次大的MI 值，直至有意義的 MI 值。
（六）效度複核
本研究將施測樣本隨機分配成兩群次樣本進行效度複核(Cross validity)，當兩群 樣本之內在結構適配度評鑑與整體模式之適配指標結果相當接近時，則表示家長參
本研究將施測樣本隨機分配成兩群次樣本進行效度複核(Cross validity)，當兩群 樣本之內在結構適配度評鑑與整體模式之適配指標結果相當接近時，則表示家長參