資料處理與統計方法

預試研究自101年9月起至101年11月止，以郵寄問卷方式，並利用週休二日採實地調查方 式至台北翡翠灣、宜蘭頭城、花蓮鳳林、台東鹿野高台、屏東賽嘉及南投埔里等飛行場地實 施現地調查。在調查過程中，為避免重覆抽樣的情況發生，實施調查時會先詢問飛行傘飛行 員是否有填答過本研究問卷，確定無填答過才請配合實施調查，結果共發出50份正式問卷，

如附錄五，而回收之有效樣本為50份，問卷回收率為100%。研究調查問卷回收後，經篩選後，

剔除填答不完整的無效問卷後，再以SPSS12.0 for Windows中文版統計套裝軟體進行資料分 析，若統計假設結果達到顯著(

p<

茲將本研究所採用的統計分析方法敘述如下。

一、預試部分

(一)建構效度以相關分析法（correlation analysis）進行項目分析檢核各量表之建構效度。

(二)內部一致性信度分析（reliability analysis）以Cronbach's α內部一致性係數分析各量表、

各構面的穩定性與一致性。

二、正式施測

(一)描述性統計（Descriptive Statistics）

以次數分配表、平均數與標準差等統計量數呈現台灣飛行傘與運動參與者之基本現況與特 性。

(二)結構方程模式分析 (Structural Equation Model,SEM)

結構方程式又稱為共變異數結構分析、共變數結構分析、共變異數構造分析。

(Covariance structure analysis)、共變異數結構模式(Covariance structure modeling)。

1.Likelihood ratio χ² 概度比率卡方考驗值Chi-Square Index：

針對結構方程式的χ² (卡方)統計是屬於差性適配(Badness Of Fit Measure)的指標，在特定的 自由度之下，若χ² (卡方)檢定值顯著時，代表觀察(獲得)矩陣與理論估計矩陣的適配不 良。在結構方程式分析中，期望觀察(獲得)的數值與模式是適配，故χ²(卡方)檢定值必須 為不顯著。一般設定χ² (卡方)檢定的機率需大於0.1，該結構方程式的模式方能夠被接受。

2.為降低樣本大小對χ² (卡方)檢定值的影響，而發展出NCP：

NCP =χ²－df df為自由度。

NCP目的是希望降低樣本數對卡方檢定的影響程度，但是原始的卡方值χ²還是依據樣本 大小計算獲得，故其效益並不高。

      66 

3.Scaled Non-Centrality Parameter (SNCP)尺度化非集中性參數：

同樣是為降低樣本大小對χ² (卡方)檢定值的影響，而繼續發展出SNCP

N為樣本數。

NCP和SNCP皆是希望最小化參數數值。兩種指標皆無統計檢定的絕對準則為依據，只有 在比較不同模式時，才會使用此兩種指標。

4.Normed Fit Index (NFI)規範適配指標、標準化適合度指標：

一般設定此數值必須(推薦)超過0.9為宜。

5.Non Normed Fit Index (NNFI)非規範適配指標：

又稱Tucker-Lewis Index (TLI)與ρ2指標。The Bentler-Bonett Non-Normed Fit Index數值範 圍大約介於0到1區間，結構方程式適合時，此數值會趨近於1。一般設定此數值必須超過 0.9為宜。

6.Root Mean Square Residual(RMR)均方根殘餘、殘差平方平均平方根：

RMR是一種平均殘差共變數。由於RMR受到尺度的影響，故無任何標準可以檢定模式的 適配性。若兩模式利用相同的數值來檢定時，可以利用RMR進行比較，RMR數值較小者，

表示該模式相對較佳。

7.Standardized Root Mean Square Residual(SRMR)標準化均方根殘差：

由於RMR無法建立絕對的標準來檢定模式的適配性。故利用相關矩陣修改公式，成為 SRMR指標。SRMR數值介於0與1之間，數值愈接近0表示模式適配愈佳。一般設定此數

值必須小於0.05為宜。

8.Root Mean Square Error Of Approximation(RMSEA)近似誤差均方根、平均平方誤差：

平方根RMSEA數值小於0.05，表示理論模式可以被接受，此標準訂為「良好適配」；若 RMSEA數值介於0.05到0.08之間，訂為「不錯適配」；0.08到0.10之間，訂為「中度適配」；

RMSEA大於0.1時，則表示「不良適配」。

9.Goodness Of Fit Index(GFI)適配度指標：

CFI數值介於0與1之間，數值愈大表示模式適配愈好。一般設定此數值必須超過0.9為宜。

10.Expected Cross-Validation Index (ECVI)期望複核效度指標：

運用ECVI於評估模式複核效度(Cross Validation)，對相同的研究族群，類似的樣本資料之 間，模式複核效度的評估。複核效度的數值愈高，理論模式愈能夠套用到不同的樣本，

表示該理論模式推論應用性愈高。故，ECVI主要是評估理論模式與觀察(分析)數值的差 異可應用於另一次觀察數值的程度。ECVI一般應用於比較不同的分析模式，並無絕對的 標準來檢定模式可否被接受。一般以相對性的比較法，ECVI數值愈低者，其模式愈佳。

11.Adjusted Goodness Of Fit Index (AGFI)調整後適配度指標：

利用自由度和變數個數的比率來調整GFI。AGFI一般以高於0.9的數值，為決定接受或拒 絕模式的參考。AGFI的數值不會超過GFI的數值。

      67 

12.Comparative Fit Index (CFI)比較適配指標、比較適合度指標：

CFI數值介於0與1之間，數值愈大表示模式適配愈好。一般設定此數值必須超過0.9為宜。

13.Incremental Fit Index (IFI)增值適配指標、增分適合度指標：

又稱△2指標。IFI數值介於0與1之間，數值愈大表示模式適配愈好。一般設定此數值必須 超過0.9為宜。

14.Relative Fit Index (RFI)相對適配指標、相對適合度指標：

RFI數值介於0與1之間，數值愈大表示模式適配愈好。一般設定此數值必須超過0.9為宜。

      68