量表的探索性因素分析、項目分析及信度考驗

本節主要以探索性因素分析建立量表的初步因素模式，接著以項目分析進行 分量表的題目考驗，再次以探索性因素分析考驗量表的建構效度，最後進行量表 的信度考驗。

一、施測問卷回收處理過程

施測問卷依全國分為北、中、南、東四區，於四區中分別選取一般公立大學、

一般私立大學、科技大學、師範體系學校各一所，於每校選取三個班級，進行施 測，由於東區學校較少，因而只選取兩所大學，施測班級基本資料列於附錄九，

總計發出問卷1766份，回收份數共1737份，回收率98.4%。在請托各該校教師協助 施測的同時，亦附上施測說明函，如附錄十。

（一）資料整理

回收問卷後進行資料的整理及輸入統計軟體。

（二）刪除無效問卷

無效問卷以回答規律者及超過三題未答者為刪除標準，共刪除135 份。

（三）測謊題檢視

測謊題為問卷中第57 題「我無法感受到身體放鬆與緊繃的不同」與原題 目第15 題「我可以感受到放鬆與緊繃的不同」比較，刪除此二題之回答在同 一端之問卷！此部份共刪除134 份問卷。剩餘有效問卷 1468 份。亦即有效問 卷回收率為83.2%。

（四）尋找錯誤值

利用次數分配檢閱整份問卷，尋找整份問卷中錯誤值（除了 1 至 6 的其 它答案），進行修正，以矯正輸入問卷時的人為疏失。

於有效回收問卷1468 份中，以 SPSS 統計軟體隨機抽取 50%樣本，得到 763 個樣本，以此763 份樣本進行探索性因素分析。

二、樣本特性分析

利用次數分配及百分比統計，對763名有效回收的樣本，進行樣本特性的描 述性統計分析。

（一）樣本區域分配

由表4-1可知，763份樣本中，北區有212人，佔全體樣本27.8%；中區有226 人，佔全體樣本29.6%；南區有211人，佔全體樣本27.7%；東區有114人，佔全 體樣本14.9%。

表 4-1 樣本區域次數分配表 分區 人數 百分比 北區 212 27.8 中區 226 29.6 南區 211 27.7 東區 114 14.9 合計 763 100%

（二）樣本就讀學校類別分配

由表4-2可知，763份樣本中，就讀一般公立大學的有237人，佔全體樣本 31.1%；一般私立大學有164人，佔全體樣本21.5%；公立科技大學有80人，佔全 體樣本10.5%；私立科技大學有61人，佔全體樣本8%；師範體系學校有212人，

佔全體樣本27.8%，其它有9位漏填此項基本資料。

表4-2 樣本就讀學校類別次數分配表

學校類別 人數 百分比

一般公立大學 237 31.1

一般私立大學 164 21.5

公立科技大學 80 10.5

私立科技大學 61 8.0

師範體系學校 212 27.8

合 計 754 98.8

漏填資料 9 1.2

（三）樣本的年齡分配

763份樣本中，有12人漏填此項其本資料，其餘751份樣本的平均年齡為 19.73+1.38歲，詳細資料由表4-3可知，763份樣本中，年齡18歲者有131人，佔全 體樣本的17.2%；年齡19歲者有220人，佔全體樣本28.8%；年齡20歲者有242人，

佔全體樣本31.7%；年齡21歲者有91人，佔全體樣本11.9%；年齡22歲者38人，

佔全體樣本5%；年齡23歲者13人，佔全體樣本1.7%；年齡24歲、25歲、29歲者 分別為8、7、1人，分別佔樣本1%、0.9%、0.1%。

表4-3 樣本的年齡次數分配表

年齡 人數 百分比

18 131 17.2

19 220 28.8

20 242 31.7

21 91 11.9

22 38 5.0

23 13 1.7

24 8 1.0

25 7 .9

29 1 .1

合計 751 98.4

遺漏值 12 1.6

（四）樣本的年級分配

由表4-4可知，763份樣本中，就讀一年級的有214人，佔全體樣本28%；二 年級的有334人，佔全體樣本43.8%；就讀三年級的有135人，佔全體樣本17.7%；

就讀四年級的有59人，佔全體樣本7.7%；其它有21位漏填此項基本資料。

表 4-4 樣本的年級次數分配表

年級 人數 百分比

1 214 28.0

2 334 43.8

3 135 17.7

4 59 7.7

合計 742 97.2

漏填資料 21 2.8

三、初步探索性因素分析

此初步探索性因素分析以有效樣本763份進行，最初嘗試程式設計以主軸因素 法（principal axis factors）、斜交轉軸（oblique rotation）進行，然而雖然主軸因素 法所求得的因素會最為穩定，但本研究中所求結果難以符合身心學領域實際需 求。根據Nunnally 與 Bernstein所提出，因素分析所得的資料，始終是數學與統計 的產物，在檢視成果的過程仍需反省統計程序與客觀事實間的關係（邱皓政，

2003）；探索性因素分析是一種手段，而非目的，因而研究者考量實際需求與因素 可解釋的程度後，決定改採用另一常用抽取因素的方法-「主成份分析」來檢視題 目。雖然主軸因素的因素相關比主成份分析高，但主軸因素的因素負荷量比主成 份分析的因素負荷量低，其相關的因素組型或大小順序不會改變（李茂能，2006）。

另外，也發現本研究編製的量表因素間的相關較高，而當因素間的相關較高時，

斜交轉軸中的promax較能發現簡單結構（Finch, 2006），promax的目的是希望在因 素間的相關最低之情況下，獲得最佳的結構（李茂能，2006），且嘗試各種轉軸方 法後，發現在本研究中使用promax轉軸，所獲得的因素實用性與可解釋性較高，

因而決定採promax轉軸方法進行初步的探索性因素分析，以獲取本研究的初步因 素架構。

重新進行探索性因素分析，程式設計以主成份分析，斜交轉軸中的promax轉 軸（kappa=4）進行。

（一）第一次探索性因素分析

第一次的探索性因素分析，以KMO（Kaiser-Meyer-Olkin）判定取樣適切性，

而KMO值最好在.80以上（吳明隆、涂金堂，2005）；再以Bartlett的球形檢定，

達顯著（α<.05）者代表母群間有同因素存在，確定適合因素分析後，再進行探 索性因素分析。探索性因素分析程式設計以主成份分析法抽取因素，採用斜交 轉軸中的promax轉軸法，kappa係數為4，且不限定因素數目，題目選取標準採 特徵值大於1者，而刪題標準則以因素組型矩陣（pattern matrix）中因素負荷量

絕對值小於.40及跨因素之負荷量皆大於.40之題目者。

輸出的結果中，KMO取樣適切性量數為.95，該值大於.80，表示變項間的共 同因素多，適合因素分析；Bartlett的球形檢定卡方值為17516.49（df=2145），

達顯著水準，表示母群的相關矩陣間有共同因素存在，適於進行因素分析；轉 軸收斂於24次的反覆迭代估計，抽取出13個因素，初始特徵值分別為：18.98、

2.45、1.97、1.91、1.70、1.60、1.52、1.46、1.25、1.12、1.11、1.08、1.05，累 積解釋變異量為56.34%；但需刪除因總負荷量不足.40者，第54、42、65、61、

39、43、52、51、66、53、48、37、31等13題，剩餘53題，以進行下次的因素 分析。

（二）第二次探索性因素分析

以第一次探索性因素分析刪題後，所剩下的53題，再次進行因素分析，程 式設計如同第一次。輸出結果KMO值為.94，卡方值12945.88（df=1378）達顯著 水準，表適合進行因素分析。轉軸收斂於26次迭代，抽取出10個因素，因素的 初始特徵值分別為：27.54、4.03、3.59、3.31、3.17、2.80、2.68、2.49、2.25、

2.04，累積解釋變異量為53.88%。但仍需刪除因素負荷量絕對值不足.40者，第 32、11、17、64、20、50、33、34、19等9題，剩餘44題，以進行第三次的探索 性因素分析。

（三）第三次探索性因素分析

將前一次因素分析所剩餘的44題，再一次進行因素分析，程式設計如同第 一次探索性因素分析，輸出結果KMO值為.93，卡方值10577.93（df=946）達顯 著水準，表適合進行因素分析。轉軸收斂於13次迭代，抽取出10個因素，因素 的初始特徵值分別為：12.34、1.87、1.76、1.64、1.53、1.36、1.32、1.19、1.16、

1.04，累積解釋變異量為57.30%。需刪除因素負荷量不足.40者，第14、3、9、

40題，共刪除4題，剩餘40題，以進行第四次的探索性因素分析。

（四）第四次探索性因素分析

將前一次因素分析所剩餘的40題，再次進行因素分析，程式設計如同第一 次探索性因素分析，輸出結果KMO值為.93，卡方值9515.06（df=780）達顯著水 準，表適合進行因素分析。轉軸收斂於15次迭代，抽取出9個因素，因素的初始 特徵值分別為：11.37、1.77、1.76、1.48、1.38、1.33、1.21、1.17、1.09，累積 解釋變異量為56.38%。刪除因素負荷量不足.40者：第22題，同時刪除跨其它因 素負荷量亦達.40者，第38、8、47題，前後共刪除4題，剩餘36題，進行下一次 的探索性因素分析。

（五）第五次探索性因素分析

將前一次因素分析所剩餘的36題，再次進行因素分析，程式設計如同第一 次探索性因素分析，輸出結果KMO值為.93，卡方值8420.30（df=630）達顯著水 準，表適合進行因素分析。轉軸收斂於10次迭代，抽取出9個因素，因素的初始 特徵值分別為：10.30、1.75、1.68、1.44、1.28、1.22、1.16、1.12、1.06，累積 解釋變異量為58.33%。刪除因素負荷量不足.40者：第23、44題，同時刪除跨其 它因素負荷量亦達.40者，第5題，前後共刪除3題，剩餘33題，進行下一次的探 索性因素分析。

（六）第六次探索性因素分析

將前一次因素分析所剩餘的33題，再次進行因素分析，程式設計如同第一 次探索性因素分析，輸出結果KMO值為.92，卡方值7732.57（df=528）達顯著水 準，表適合進行因素分析。轉軸收斂於7次迭代，抽取出8個因素，因素的初始 特徵值分別為：9.56、1.74、1.64、1.37、1.26、1.20、1.12、1.06，累積解釋變 異量為57.40%。然而當中第8個因素只含概2個題目，包含的題項太少，無法測 出所要測量的構念（吳明隆，2006a）因而將此二題刪除。剩餘31題，進行下一 次的探索性因素分析。

（七）第七次探索性因素分析

將前一次因素分析所剩餘的31題，再次進行因素分析，程式設計如同第一 次探索性因素分析，輸出結果KMO值為.92，卡方值7392.11（df=465）達顯著水 準，表適合進行因素分析。轉軸收斂於7次迭代，抽取出7個因素，因素的初始 特徵值分別為：9.16、1.74、1.60、1.36、1.26、1.17、1.11，累積解釋變異量為 56.14%。刪除跨其它因素負荷量亦達.40者，第2題，剩餘30題，進行下一次的探 索性因素分析。

（八）第八次探索性因素分析

將前一次因素分析所剩餘的30題，再次進行因素分析，程式設計如同第一 次探索性因素分析，輸出結果KMO值為.92，卡方值7066.55（df=435）達顯著水 準，表適合進行因素分析。轉軸收斂於7次迭代，抽取出7個因素，因素的初始 特徵值分別為：8.86、1.72、1.59、1.35、1.25、1.17、1.07，累積解釋變異量為 56.68%。刪除因素負荷量未達.40者，第4題，剩餘29題，進行下一次的探索性因 素分析。

（九）第九次探索性因素分析

將前一次因素分析所剩餘的29題，再次進行因素分析，程式設計如同第一 次探索性因素分析，輸出結果KMO值為.91，卡方值6975.64（df=406）達顯著水 準，表適合進行因素分析。轉軸收斂於7次迭代，抽取出7個因素，因素的初始 特徵值分別為：8.77、1.71、1.57、1.34、1.22、1.17、1.07，累積解釋變異量為 58.09%。初步探索性因素分析結果如表4-5。而所得結果七個因素間的相關 為.24~.55之間，是為低相關至中相關，因素間的相關如表4-6。

表4-5 身體覺察能力量表第九次因素分析轉軸後組型矩陣摘要表

四、各分量表及全量表項目分析