驗證性因素分析

完成資料蒐集與樣本精簡過程後，便發展出正式量表。本研究將正式的量表，以 線性結構方程模式(Structural Equation Model；SEM) LISREL8.72版的統計軟體，進行 驗證性因素分析(Confirmatory Factor Analysis；CFA)。CFA主要是檢測潛在變項(構面) 與測量變項(題項)之間的關係、及潛在變項(構面)與測量變項(題項)，是否真能代表 目的地品牌權益量表架構，也利用CFA來檢驗潛在變項與測量變項之間的信效度，且 評估整體模式的配適度。

一、驗證性因素分析模型

本研究利用SEM－LISREL8.72版的統計軟體進行CFA。SEM分析是一種以迴歸 為基礎的多變量分析，目的是探討潛在變項與測量變項之間的因果關係，以建立理論 或是驗證理論。SEM的因素負荷量為潛在變項與測量變項之間的關係，根據Anderson et al.(1988)建議每個測量變項之因素負荷量需大於0.7，則表示此題項能夠代表該構 面。

(一)第一次驗證性因素分析

本研究與指導教授討論過後，採取因素負荷量小於0.6的題項予以刪除。故「內 部服務品質」之驗證因素分析模型，如圖4所示。

圖4 第一次驗證因素分析模型

由表50得知，題項J3、J4及K3與構面之間的因素負荷量均小於0.6，表示該題項

題項可以足夠代表該構面。

表50

第一次驗證性因素分析因素負荷量表

題項 ^{A1 A2 A3 A4 A5 A6 A7 C1} 因素負荷量 ^{0.67 0.67 0.70 0.68 0.66 0.66 0.67 0.70}

題項 ^{C2 C3 C4 C5 D3 D4 D5 D6} 因素負荷量 ^{0.70 0.69 0.70 0.68 0.68 0.64 0.69 0.69}

題項 D7 D8 D9 F1 F2 F3 F4 F5 因素負荷量 ^{0.66 0.70 0.69 0.70 0.67 0.67 0.70 0.66}

題項 ^{F6 F7 J3 J4 J5 J6 J7 J8} 因素負荷量 ^{0.66 0.67 0.58 0.59 0.64 0.63 0.65 0.65}

題項 K1 K2 K3 K4 K5 K8 K9 K10 因素負荷量 ^{0.61 0.63 0.59 0.60 0.60 0.67 0.68 0.68}

題項 ^K11 因素負荷量 ^0.60

(二)第二次驗證性因素分析

第一次驗證性因素分析之後，有三個題項沒有達到標準，予以刪除。因此再進行 第二次驗證性因素分析。故「內部服務品質」之第二次驗證因素分析模型，如圖5所 示。

圖5 第二次驗證因素分析模型

由表51得知，題項J8、K5及K11與構面之間的因素負荷量均小於0.6，表示該題項 不足夠代表該構面應予刪除，其餘題項與構面之間的因素負荷量均大於0.6，表示該

表51

第二次驗證性因素分析因素負荷量表

題項 ^{A1 A2 A3 A4 A5 A6 A7 C1} 因素負荷量 ^{0.67 0.67 0.70 0.68 0.66 0.66 0.67 0.70} 修正後因素負荷量 ^{0.67 0.66 0.70 0.68 0.66 0.66 0.67 0.70} 題項 ^{C2 C3 C4 C5 D3 D4 D5 D6} 因素負荷量 ^{0.70 0.69 0.70 0.68 0.68 0.64 0.69 0.69} 修正後因素負荷量 ^{0.70 0.69 0.70 0.68 0.68 0.64 0.69 0.69} 題項 ^{D7 D8 D9 F1 F2 F3 F4 F5} 因素負荷量 ^{0.66 0.70 0.69 0.70 0.67 0.67 0.70 0.66} 修正後因素負荷量 ^{0.67 0.70 0.68 0.70 0.67 0.67 0.71 0.66} 題項 ^{F6 F7 J5 J6 J7 J8 K1 K2} 因素負荷量 ^{0.66 0.67 0.64 0.63 0.65 0.65 0.61 0.63} 修正後因素負荷量 ^{0.66 0.67 0.61 0.66 0.69 0.59 0.65 0.67}

題項 ^{K4 K5 K8 K9 K10 K11} 因素負荷量 ^{0.60 0.60 0.67 0.68 0.68 0.60} 修正後因素負荷量 ^{0.63 0.55 0.67 0.68 0.69 0.59}

(三)第三次驗證性因素分析

第二次驗證性因素分析之後，有三個題項沒有達到標準，予以刪除。因此再進行 第三次驗證性因素分析。故「內部服務品質」之第三次驗證因素分析模型，如圖6所 示。

圖6 第三次驗證因素分析模型

由表52得知，每個題項與構面之間的因素負荷量均大於0.6，表示該題項可以足 夠代表該構面。

表52

第三次驗證性因素分析因素負荷量表

題項 ^{A1 A2 A3 A4 A5 A6 A7 C1} 因素負荷量 ^{0.67 0.66 0.70 0.68 0.66 0.66 0.67 0.70} 修正後因素負荷量 ^{0.67 0.67 0.70 0.68 0.66 0.66 0.67 0.70} 題項 ^{C2 C3 C4 C5 D3 D4 D5 D6} 因素負荷量 ^{0.70 0.69 0.70 0.68 0.68 0.64 0.69 0.69} 修正後因素負荷量 ^{0.70 0.69 0.70 0.68 0.68 0.64 0.69 0.69} 題項 ^{D7 D8 D9 F1 F2 F3 F4 F5} 因素負荷量 ^{0.67 0.70 0.68 0.70 0.67 0.67 0.71 0.66} 修正後因素負荷量 ^{0.67 0.70 0.68 0.70 0.67 0.67 0.70 0.66} 題項 ^{F6 F7 J5 J6 J7 K1 K2 K4} 因素負荷量 ^{0.66 0.67 0.61 0.66 0.69 0.65 0.67 0.63} 修正後因素負荷量 ^{0.66 0.67 0.61 0.69 0.72 0.68 0.70 0.70}

題項 ^{K8 K9 K10} 因素負荷量 ^{0.67 0.68 0.68} 修正後因素負荷量 ^{0.70 0.71 0.68}

二、整體配適度評鑑

整體模式適配度是要衡量實際或觀察的投入(共變數或相關)矩陣與模式所預測 的矩陣的一致性程度。本研究參考Hair et al.(1998)提出之整體模式適配度衡量，包含 絕對適配度、增值適配度及精簡適配度三方面的評鑑。經過三次驗證性因素分析的結 果如表53所示，各適配度指標皆符合建議值，因此在適配度評鑑上，各個指標皆能符 合理想值之檢測標準。

表53

整體模型適配度指標

整體模型適配衡量 研究結果 理想標準值 是否符合

絕對適配衡量指標

卡方值(X² test) 112.43，p=1.00 愈小愈好，p>0.1 普通，是

X²/df 0.203 <3.00 是

GFI 0.97 >0.90 是

AGFI 0.96 >0.90 是

RMR 0.064 愈小愈好 是

SRMR 0.032 <0.05 是

RMSEA 0.0 <0.05 是

相對適配衡量指標

NFI 0.99 >0.9 是

NNFI 1.05 >0.9 是

CFI 1.00 >0.9 是

簡效適配衡量指標

PNFI 0.92 >0.50 是

PGFI 0.85 >0.50 是

CN 1090.32 >200 是

由表53得知，絕對適配衡量指標中，卡方檢定(Chi-Square)為112.43，但是卡方檢 定易受樣本數大小的影響，因此Bagozzi et al.,（1988）建議頇將樣本大小的問題加以 考量，以卡方檢定值與其自由度比值來檢定模式配適度，得知 X²/df＝0.203，此值小 於3，表示此模型有良好適配度。

RMR主要是比較同一資料在兩個不同模式的適配度，RMR為0.032，為可接受的標 準；GFI與AGFI較不容易受到樣本與模式複雜度影響，GFI為0.97大於標準0.9，AGFI 為0.96大於標準0.9，故GFI與AGFI在評鑑整體模型適配度評鑑上，皆能符合理想值的 檢測標準。SRMR主要是建立絕對的標準來檢定模式適配度，本研究SRMR為0.032大 於標準值，RMSEA也是用來檢測模型的適配度其標準值為小於0.05，本研究的值為 0.0，也表示此模型有良好的適配度。

相對適配衡量指標中，NFI為0.99、NNFI為1.05皆達到標準0.9，表示模型有不錯 的契合度。CFI 指標可避免受到樣本數目及自由度的影響，結果分析得知，CFI為1.00 大於標準0.9，表示此模式有不錯的配適度。

簡效適配衡量指標中，PNFI為0.92、PGFI為0.85，大於標準0.05，表示每一估計

及模式適配的合理指標，根據Hair et al.,（1998）建議CN應大於200，分析結果得知，

CN值為1090.32大小於標準200，顯示本研究的樣本數足夠估計模式參數及模式適配。

第五節 量表信效度之檢測

完成配適度的檢測後，本研究進一步評估量表之信效度，以確保量表之一致性與 可靠性。透過SEM進行CFA，檢測個別題項的信度(Individual Item Reliability)、潛在 變數的建構信度(Construct Reliability；CR值)、建構效度(Construct Validity)等，以驗 證模式內估計參數的顯著性以及各題項與潛在變項之信度與效度。

一、信度分析

信度分析主要是用來檢測所衡量的題項間是否具有一致性及穩定性。通常都是使 用Cronbach’s α值來衡量同一個構面下各題項之間的一致性。除此之外，檢測信度的 方 法 還 有 另 一 種 方 法 ， 尌 是 透 過 CFA 來 檢 測 個 別 題 項 的 信 度 (Individual Item Reliability)、潛在變項的組成信度(Composite Reliability)、建構效度(Construct Validity) 等，以驗證模型內估計參數的顯著性以及各題項與潛在變項之信效度。如以下說明：

(一)個別題項的信度

主要是評估測量變項對該潛在變項的因素負荷量(Factor Loading)，由表54所示，

各題項的因素負荷量均大於0.5，皆符合標準，則表示各題項能足夠代表該構面。

表54

量表信效度分析結果

構面 題項 因素負荷量 誤差項 建構信度

（CR值）

平均抽取變異量

（AVE值）

工具

Y1 0.67 0.55

0.85 0.45 Y2 0.67 0.56

Y3 0.70 0.51 Y4 0.68 0.54 Y5 0.66 0.57 Y6 0.66 0.57 Y7 0.67 0.54

表54(續)

構面 題項 因素負荷量 誤差項 建構信度

（CR值）

平均抽取變異量

（AVE值）

政策與程序

Y8 0.70 0.51

0.82 0.48 Y9 0.70 0.51

Y10 0.69 0.53 Y11 0.70 0.51 Y12 0.68 0.54

團隊合作

Y13 0.68 0.53

0.86 0.46 Y14 0.64 0.59

Y15 0.69 0.52 Y16 0.69 0.52 Y17 0.67 0.55 Y18 0.70 0.51 Y19 0.68 0.53

訓練

Y20 0.70 0.51

0.86 0.46 Y21 0.67 0.55

Y22 0.67 0.55 Y23 0.70 0.50 Y24 0.66 0.56 Y25 0.66 0.56 Y26 0.67 0.55 獎酬與褒揚

Y27 0.61 0.62

0.72 0.46 Y28 0.69 0.52

Y29 0.72 0.48 工作自主性

Y30 0.68 0.53

0.74 0.48 Y31 0.70 0.51

Y32 0.70 0.51 管理支持

Y33 0.70 0.51

0.74 0.49 Y34 0.71 0.50

Y35 0.68 0.53

二、效度分析

效度分析主要是想要瞭解所衡量工具是否真正能夠測量出研究主題。故本研究利 用 內容 效度(Content Validity) 、及利用 LISREL 8.72 版統計軟體，檢定建構效 度

Validity)，另外再檢測本研究量表的效標關聯效度(Criterion-Related Validity)。

(一)內容效度

內容效度或稱為表面效度(Face Falidity)通常使用於測驗編製過程之中，是以邏輯 判斷法來決定測驗是否具有內容代表性。此法之主旨是以對所欲測構念範圍素有研究 的專家對測驗編製之過程作詳細之考核，而決定測驗之詴題是否具有適切之代表性

（葛樹人，1996）。本研究所發展之量表，除了各構面及題項的產生皆有文獻支持。

亦找了X名專家學者審查各題意之適切性，並尌量表進行修訂與評估。因此本量表則 可視為具有相當之內容效度。

(二)建構效度

建構效度主要是指測量工具能測量所建構理論的概念或特質的程度。如果所產生 的結構能符合標準，則具有良好的建構效度。本研究在建構效度中，主要是採用收斂 效度(Convergent Validity)和區別效度(Discriminate Validity)來分析判定。

1.收斂效度

收斂效度主要是衡量測量變項是否能夠有效地代表該構面，由表50得知，CR值 皆大於標準0.7以上，則表示其測量變項愈能測出該潛在變項，也尌說測量變項與潛 在變項之間具有高度存在關聯性。

2.區別效度

區別效度是指測量工具中描述某一構念與其他構念的相關性，若相關性愈低表示 不同的構面之間有較大的差異性，亦即代表具有區別效度。在區別效度的檢驗，本研 究採取Fornell et al.,(1981)提出使用平均變異抽取量來驗證本量表是具有良好之區別 效度。

Fornell et al.,(1981)提出使用平均變異抽取量，平均變異抽取量是估算各測量變項 對潛在變項的平均變異解釋力。本研究主要是利用平均變異抽取量的平方根值，來加 以檢測該構面與構面之間的相關性，對角線的值是構面本身平均變異抽取量的平方根 值，而非對角線的值則是構面間的相關係數，若對角線的值大於非對角線的值，表示 構面與構面之間具有區別效度。本研究結果分析如表55得知所有構面皆達標準，因此 本研究之量表已具相當之區別效度。

表55

各變項區別效度檢定

工 具

政 策 與 程 序

團隊 合作

訓 練

獎 酬 與 褒 揚

工 作 自 主 性

管 理 支 持

工具

0.67

政策與程序 0.63

0.69

團隊合作 0.60 0.67

0.68

訓練 0.61

0.68

0.64

0.68

獎酬與褒揚 0.57 0.63 0.60 0.60

0.68

工作自主性 0.57 0.63 0.60 0.60 0.56

0.69

管理支持 0.58 0.64 0.61 0.61 0.57 0.57

0.70

註：對角線為平均變異抽取量的平均根值，非對角線為構面間的相關係數

第六節 迴歸分析

本研究採用迴歸分析方法，來瞭解工具、政策與程序、團隊合作、訓練、獎 酬與褒揚、工作自主性及管理支持對工作滿意度之影響。分析中以工作滿意度為依變 項，工具、政策與程序、團隊合作、訓練、獎酬與褒揚、工作自主性及管理支持為自 變項，瞭解自變項對依變項有無預測能力，以及判斷各自變項之解釋能力是否顯著。

本研究的迴歸式如圖7所示。

圖7 迴歸式

迴歸分析結果，P值為0.000小於0.005，有達顯著水準。因此我們可以推論工具、

政策與程序、團隊合作、訓練、獎酬與褒揚、工作自主性及管理支持等七個構面可以 用來預測工作滿意。調整過後的R平方為0.506，表示本研究的七個構面可以解釋工作 滿意的總變異量為50.6%。

由表56所示，獎酬與褒揚的P值為0.000小於0.05有達到顯著水準，表示獎酬與褒 揚對工作滿意具有統計顯著的影響力；工具、政策與程序、團隊合作、訓練、工作自 主性及管理支持等六個構面的P值皆大於0.05，未達顯著水準，表示工具、政策與程 序、團隊合作、訓練、工作自主性及管理支持等六個構面對工作滿意沒有統計顯著的 影響力。工具、政策與程序、團隊合作、訓練、獎酬與褒揚、工作自主性及管理支持 等七個構面的VIF值皆<10，因此可以推論本迴歸式無共線性的問題。

表56

迴歸分析結果

bata分配 t值

顯著性

VIF

工具  工作滿意 0.092 1.279 0.203 1.859 政策與程序  工作滿意 -0.059 -0.746 0.457 2.270 團隊合作  工作滿意 0.112 1.448 0.139 2.053 訓練  工作滿意 0.114 1.498 0.136 2.087 獎酬與褒揚  工作滿意 0.512 7.025 0.000 1.923 工作自主性  工作滿意 0.112 1.401 0.163 2.322 管理支持  工作滿意 -0.012 -0.145 0.885 2.403

圖8 標準化後之迴歸式

由圖8標準化後的迴歸式可知，內部服務品質量表各構面對工作滿意具有影響力 的構面為獎酬與褒揚，其他的構面則沒有顯著的影響力。

第七節 內部服務品質量表建構完成

本研究運用質性與量化結合的方式編制量表。首先透過蒐尋量表建構的相關文獻 及專家檢視等探索性研究來產生初始的十一項構面及82題問項，再進 行 資 料 收 集 和 量 表 精 簡 分 析 ， 透 過 驗 證 性 因 素 分 析 反覆精簡至剩九項構面(工具、政策與程 序、團隊合作、溝通、訓練、工作滿意、獎酬與褒揚、工作自主性和管理支持)與54 題題項，並且加 以 檢 驗 其 量 表 信 效 度 及適配度， 最 後 發展出內部服務品質量表，

並且皆通過所有檢定，已確立成為正式量表，如表57所示。

在文檔中 中 華 大 學 (頁 88-102)