第二章 文獻探討
第三節 一般量表製作相關研究之探討
一、初測量表編製
研究者蒐集相關文獻資料，可以參考某一個學者的量表架構，或是綜合數個 學者的理論修改原量表而成初編量表，依受測者答題反應進行刪題。以下是一般 學者製作量表時的程序。
（一）項目分析
為篩選試題主要之依據，其可找出量表中品質較為不良之題項，有助於研究者 提升量表題項之品質，進而提高研究量表之信、效度。以獨立樣本t考驗將各量表 總分依高分組（前27%受試者）和低分組（後27%受試者），在每一題得分的平均 數進行差異性比較，取各題的決斷值（CR值）大於3以上為依據（未達3.0的題 目則予以刪除）；接著並求出各題項與量表總分之積差相關係數大於0.3以上者。
但是就本研究而言，量表主要是屬於調查性質的結構性問卷，每項指標變項都
項目分析刪除變項的作法。
（二）探索性因素分析
目的在求出量表的構念效度（Construct Validity），以測出所欲測心裡或行為 特質的程度，以「Bartlett’s 球形檢定卡方值」與「Kiaiser-Meyer-Olkin measure of
sampling adequacy, KMO」來判定其取樣適切性量數。視Bartlett’s 球形檢定卡方值
是否達顯著水準（*p <.05）；KMO特徵值也要表示具有良好之因素分析適切性，
當KMO值愈大時，表示變項間的共同因素愈多，愈適合進行因素分析。如果KMO 特徵值小於0.5時，則剔除因素負荷量過低以及具有跨因素情形之題項，不宜再進 行因素分析。
（三）因素命名
經過項目分析、因素分析後，題目會刪減變動，整理剩下各題目，依題意內容 共萃取出因素，為其命名其合適的因素（構面）。
（四）信度考驗
求出量表及構面的信度（Reliability）指標值。一份有信度的量表通常具 有一致性（Consistency）、穩定性（Stability）、可靠性（Dependability）及可 預測性（Predictability）等。所以一份穩定可靠的量表，不管經幾次測試，所 得的結果必然有一致致。一般而言，學者大多採用Cronbach’s α考驗量表的內 部一致性（Consistency）。
二、正式量表編製
因素分析依其研究目的可分為探索性因素分析（Exploratory Factor Analysis； EFA）及驗證性因素分析（Confirmatory Factor Analysis；CFA）兩大類。
探索性因素分析研究者在進入研究的初步階段所使用的統計方法，通常是要 探討當觀察變項和潛在變項之關係不知道或不確定時。因此這種分析提供了一個 探索性的方法，而能了解每一個觀察變項所隸屬的因素內。
探索性因素分析和驗證性因素分析差異比較茲整理如下表2-6，從中得知探 索性因素分析有一項缺點往往是被研究者所忽略的，即是探索性因素分析無法對 研究架構進行說明，因為這是僅用因素負荷量統計數字來進行分析，其分類如果 沒有相關理論支撐，分類上的正確性就會有爭議。故本研究只採用驗證性因素分 析，從理論知識中提出觀察變項和潛在變項之間的關係，驗證其結構模式是否適 配並具有建構效度。
表2-6 探索性因素分析及驗證性因素分析差異表
探 索 性 因 素 分 析 驗 證 性 因 素 分 析
使用時機
對觀察變項和潛在變項之關係 不知道或不確定時。
對結構理論之潛在變項有所瞭 解。
使用方式
所有觀察變項均受到所有潛在 變項影響，必須一一進行地毯式 搜尋來分析。
根據理論知識提出觀察變項和潛 在變項之間的關係，並建立一套 結構模式。
使用目的
只能瞭解每一個觀察變項所隸 屬的因素 。
可檢驗觀察變項與潛在變項之間 的關係，其建立之結構模式是否 適配，具建構效度。
對於測 量誤差 之判定
並未考慮測量誤差。測量誤差和 所有的潛在變項之間都視為無 相關存在。
考慮測量誤差和潛在變項可能有 相關存在。
優點
研究初步階段所使用的統計方 法，用來試探、描述、分類。
可建立更多的理論關係及模式，
並且符合實証的數據。
對研究架 構之影響
分類如果沒有相關理論支撐，分 類的正確性會有爭議，無法完整 解釋研究架構。
依相關理論加以分類，能正確針 對研究架構進行說明。
資料來源：本研究整理
驗證性因素分析是指研究者對於結構理論之潛在變項有所了解，根據理論知 識及實證研究，研究者在使用實證的數據驗證時，就已先提出觀察變項與潛在變 項之間的關係，並建立一套結構模式（謝智謀，1999）。
量表的形成由理論形成，學者可能認為是單一面向（Unidimension）的量表，
或是認為量表為多面向性（Multidimension）。單一面向即是測量模式只有一因素 一個潛在變數，而多面向性則有兩個面向以上，形成兩因素以上的測量模式。檢 定量表的面向性，即為理論建構的因素效度檢定，可以檢定出哪一種面向（幾個 因素）比較符合觀察資料，決定理論建構的最有效因素結構。換言之，主要驗證 模式各成份量表之建構效度，依照潛在變項與各個題目之間的標準化測量係數是 否達到統計上之顯著水準，以及適配度評鑑是否達到滿意程度。
以圖2-2來說明，潛在變項ξ1 是由觀察變項 X1 及X2 所測得的，另一潛在 變項ξ2 則由觀察變項X3 及X4 所測得，所有δ值為觀察變項的測量誤差。在兩 個潛在變項ξ1 和ξ2 中只有相關，並沒有因果關係，因此稱為一階驗證性因素 分析（First- Order Confirmatory Factor Analysis）。如果量表是多面向性，形成兩 因素以上的測量模式，探討潛在自變項和潛在依變項的關係，則可以使用如圖2-3 所示的二階驗證性因素分析（Second- Order Confirmatory Factor Analysis），根據 所蒐集到的數據去驗證測量模式。
而驗證性因素分析的結果中，重要的是適合度（Goodness-of-fit）的考驗，
在線性結構關係模式中是用來決定模式被拒絕與否，並且可用來做為修正被拒絕 模式，並建立新模式之依據。在所有的指標中，除了χ2 與統計顯著性（Statistical Test of Significance）有相關外，其他的指標都不是以顯著性來做為評定標準。
圖2-2 一階驗證性因素分析模式圖
圖2-3 二階驗證性因素分析模式圖 ξ1
η1
η2
η3
Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9
ε1
ε2
ε3
ε4
ε5
ε6
ε9 ε8
ε7
二階潛在因素 ㄧ階潛在因素 測驗題目 測驗誤差 λ11
λ21
λ31
λ42
λ52
λ62
λ73
λ83
λ93
γ11
γ21
γ31
δ4
δ3 δ2
δ1