國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第六節 資料統計分析
本研究問卷回收後，將逐一剔除無效問卷後，以有效問卷回收結 果採 SPSS 13.0、LISREL 8.72、Mplus 5.0 等統計軟體進行資料分析，
其中將以次數分配與百分比、平均數與標準差、結構方程模式等統計 方法進行分析，茲論述如下：
壹、次數分配與百分比
本研究將以次數分配及百分比進行不同背景變項之填答者基本 資料分析。其中除可由問卷第四部分「填答者基本資料」填答結果分 別整理出「性別」、「現任職務」、「教育程度」、「服務年資」、「服務地 區」等五個不同背景變項資料外，有關「學校規模」之背景變項資料 則可逕依教育部統計處(2010c、2010d)公布「國民小學校別資料-98 學年度(2009-2010)」及「國民中學校別資料-98 學年度(2009-2010)」
統計資料之「班級數」進行分類後得之。本研究將整理前述 6 個不同 背景變項之填答者人數與百分比，據以瞭解填答者在不同背景變項之 分布情形及其代表性。
貳、平均數與標準差
為瞭解國中小特色學校在學校本位財務管理、學校創新經營及學 校效能之現況，本研究將分別求出問卷第一至三部分的「學校本位財 務管理」、「學校創新經營」、「學校效能」之整體得分及各層面得分的 平均數(M)，且將依平均數由高而低進行排序，據以分析其實施程度 或效能之高低情形。
此外，並附上「標準差」資料，以顯示各題評分結果之意見集中 情形與一致性。標準差越小，表示意見越集中而一致；標準差越大，
則表示意見越分散且意見之間差異越大(施正文，2004)。
參、結構方程模式
本研究採用 LISREL8.72 軟體，以二階測量模式(屬結構方程模式 之次模式) 分別驗證國中小「學校本位財務管理」、「學校創新經營」
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
及「學校效能」之內涵；接著以廣義結構方程模式來進行「學校本位 財務管理」、「學校創新經營」及「學校效能」關係之模式分析，並據 以分析該三個變項之間所可能產生的顯著預測效果。而余民寧(2006) 表示整體結構方程模式(Structural Equation Modeling, SEM)或潛在變 項模式(Latent Variable Models, LVM)是指完整地包括「測量模式」與
「結構模式」在內的一種統計分析方法。其中測量模式是用來說明潛 在變項對其觀察到的測量變項(又稱觀察變項)之間聯結關係的模式 (如驗證性因素分析即是)，它也是迴歸分析和因素分析的綜合應用結 果；而結構模式則是用來說明潛在變項彼此之間聯結關係的模式，它 也是路徑分析的衍生應用結果；它們都是建立在以相關係數矩陣或變 異數－共變數矩陣為分析基礎的一種統計方法。
由於黃芳銘(2004)指出最大概似法(maximum likelihood, ML)是 目前最廣為應用的 SEM 適配函數估計方法；且余民寧(2006)亦表示 近年來許多學者專家(諸如 Bollen、Jöreskog & Sörbom、Raykov
&Widaman 等)皆發現最大概似法具有統計學上的強韌性，即使資料 有些微偏離常態時，最大概似法仍能適用；故本研究將採用「最大概 似法」作為參數估計方法。至有關本研究使用結構方程模式之模式界 定及模式適配度檢定方式如下：
一、模式界定
(一)本研究除將依據文獻探討結果分別界定出「學校本位財務管 理」、「學校創新經營」及「學校效能」之內涵的三種不同理論 模式架構外，並將採用「二階測量模式」(屬結構方程模式之次 模式)來驗證其模式是否可被接受。
(二)另本研究也依據文獻探討結果初步整理出「學校本位財務管 理」、「學校創新經營」及「學校效能」三者之間的關係後，據 以發展出其理論模式架構，並採用「廣義結構方程模式」(指同 時包括測量模式及結構模式)來驗證該模式是否可被接受。
二、模式適配度檢定
‧
定」(test of goodness-of-fit)(余民寧，2006)。而模式的適配度指標主要 可分為「整體適配度指標」、「比較適配度指標」及「精簡適配度指標」 Sugawara(1996)等人的見解後，採用模式適配度檢定標準如表 3-6-1 所示。表3-6-1 本研究模式適配度檢定標準一覽表
類別 適配度指標 接受標準(詮釋) GFI
(Goodness of Fit Index )
> .9
(表示有良好適配程度) RMR
(Root Mean Square Residual)
< .05
(表示殘差較小，具有良好適 配程度)
SRMR
(Standard Root Mean Square Residual)
< .05
(Root Mean Square Error of Approximation)
< .05 緊密適配；.05~.08 不錯
(Non-Normed Fit Index ) (註：又稱 TLI, Tucker-Lewis index )
> .9
(表示有較良好的適配程度) CFI
(Comparative Fit Index)
> .9
(表示有較良好的適配程度) IFI
(Incremental Fit Index)
> .9
(表示有較良好的適配程度) 比較適配
度指標
RFI
(Relative Fit Index )
> .9
(表示有較良好的適配程度)
‧
(Parsimony Goodness of Fit Index)
> .5
(表示模式能以較精簡的參 數個數達到適配)
PNFI
(Parsimony Normed Fit Index)
> .5
(Critical N)
> 200
資料來源：整理自余民寧(2006)、吳明隆(2006)、黃芳銘(2004)、
MacCallum, Browne, and Sugawara(1996)
有關上述表3-6-1 所列「內在適配度指標」當中，因部分指標其 實即為模式信度及效度之分析，茲進一步說明如下：
(一)信度方面
1.個別觀察變項之信度
Bentler & Wu 和 Jöreskog & Sörbom 等人認為個別觀察變項 的 R2 值只要大於.20，就表示個別觀察變項具有信度(引自黃芳 銘，2004)。
‧
(composite reliability，ρC)。吳明隆(2006)認為該組合信度旨在檢 定每一個潛在變項之觀察變項間內部一致性高低的程度，而邱皓 政、林碧芳(2009)更表示其概念非常類似於內部一致性信度係數 (Cronbach’s α)。有關「組合信度」之計算公式如下(余民寧，
2006)：
潛在變項的平均變異抽取量(Average Variance Extracted;ρV) 乃是反映一個潛在變項能被一組觀察變項有效估計的聚斂程度 指標(邱皓政、林碧芳，2009)。潛在變項的平均變異抽取量，其 值需大於.50，才能表示潛在變項受到其觀察變項所貢獻的量確 實比誤差所貢獻的量還大，並可視為具有聚合效度(convergent validity)(黃芳銘，2004)。有關平均變異抽取量之公式如下(余民
「具潛在變項的路徑分析」(path analysis with latent variables, PA-LV) 則加入了結構方程模式(SEM)獨有的統合模型概念與技術，以潛在變 項的模式來進行變項關係的探討，因此超過傳統路徑分析的功能。
本研究將採用Mplus 5.0 軟體及「具潛在變項的路徑分析」方法，
來探討填答者之不同背景變項(包括性別、現任職務、教育程度、服