第四章 研究結果
4.4 人格特質分群模式分析
本研究將以「公眾自我意識」特質區隔，進行樣本分群分析，而分群的方法 有四種：一是事前的分群，若衡量尺度為1~4 時，可將填答 1、2 者分為一群，3、
4 者分為另一群(徐聖智等，1997)；衡量尺度為 1~5 時，亦可同上述作法，但將 填答3 者排除，然而此作法可能導致兩分群的樣本數差異甚大，難以進行分析。
另一種分群的方法是事後的分群，將樣本依據填答分數排序後，採中位數法分群 (Marquis and Filiatrault, 2000、2003)，或依分數均分三群後，只取前三分之一與 後三分之一作分析，而排除中間分數太過相近的三分之一。考量以上方法的適用 性後，本研究決定採取最後一種作法，首先將全部樣本根據問卷中，衡量公眾自 我意識特質之問項的平均數由高到低分作排序，而為了避免中間約三分之一樣本 在分數上太過相近，其人格特質無明顯差異而造成分析上的干擾，因此取平均數 最高分的160 份樣本作為高公眾自我意識特質分群，最低分的 160 分樣本作為低 公眾自我意識特質分群，以分別進行個別模式的分析。相關係數矩陣如附件四與 附件五所示。
一、高公眾自我意識特質分群分析結果 1. 確認性因素分析
由表 4.15 可知，分群衡量模式的χ2(df = 120，N =160) = 188.759，p<0.0001，
而χ2∕df 值為 1.573，屬良好範圍內。在適配度指標方面，除了 GFI 與 AGFI 的表現比一般要求的值 0.9 稍低一些外，其餘指標的表現均達到一般要求的水 準，整體而言，此分析結果已屬於可接受之範圍內，因此本研究將以此衡量模式 之結構模式作為路徑分析的基礎。
表4.15 高公眾自我意識特質分群模式確認性因素分析結果
X2 df X2/df GFI AGFI RMR RMSEA NFI NNFI CFI 188.759 120 1.573 0.886 0.837 0.041 0.060 0.940 0.971 0.977 註：樣本數 = 160。GFI = goodness of fit index; AGFI = GFI adjusted for degrees of
freedom; RMR = root mean square residual; RMSEA = root mean square error of approximation; NFI = normed-fit index; NNFI = non-normed-fit index; CFI = Bentler’s fit index。
2. 衡量模式之信、效度分析
分析結果如表4.16 所示。由表中的 t-value 來看，所有衡量變數的標準化因 素負荷量均達顯著水準，亦即與0 有顯著差異。由於知覺等候時間只有一個衡量 變數，因此標準化因素負荷量為1，而其餘各衡量變數的標準化因素負荷量皆大 於0.8，因此整體來說，模式具有不錯的解釋能力。
此外，表 4.16 中提供了各構面的混和信度(composite reliability)結果，混和 信度與 Cronbach’s α信度係數相同，都是用來分析各構面衡量變數的一致性，
根據分析的結果顯示，所有構面的混和信度結果均大於 0.9，表示各構面衡量變 數的信度很好。在最後一欄則是各構面的變異萃取估計量(variance extracted estimate)，這個指標是用來衡量各構面變異被衡量變數解釋的程度，根據 Fornell 與Larcker(1981)建議變異萃取估計量最好大於 0.5，而本研究所有潛在變數的變 異萃取估計量皆已超過。
而由於知覺等候時間只有一個衡量變數，因此標準化因素負荷量、混和信度 以及變異萃取估計量皆為1。
經由以上結果，可推論模式具有相當不錯之解釋能力。
表4.16 高公眾自我意識特質分群衡量模式之信、效度分析
構念與指標 標準化因素負荷量 t-value 混和信度 變異萃取估計量
等候時間之資訊 0.933 a 0.824
V1 0.881 13.959*** 0.776b
V2 0.927 15.206*** 0.859 V3 0.915 14.884*** 0.837
填補時間 0.917 0.789
V4 0.761 11.223*** 0.579 V5 0.947 15.868*** 0.897 V6 0.944 15.778*** 0.891
知覺等候時間 1.000 1.000
V7 1.000 17.327*** 1.000
情感反應 0.945 0.812
V8 0.853 13.333*** 0.782 V9 0.924 15.244*** 0.854 V10 0.923 15.233*** 0.852 V11 0.904 14.680*** 0.817
知覺擁擠 0.919 0.739
V12 0.828 12.571*** 0.686 V13 0.875 13.721*** 0.766 V14 0.877 13.777*** 0.769 V15 0.859 13.307 0.738
服務評估 0.935a 0.828
V16 0.913 14.887 0.834
V17 0.907 14.717 0.823
V18 0.911 14.820 0.830
註：***表示 t 檢定達顯著水準 p<0.001；
a 係指混合信度(composite reliability)；
b 為因素負荷量之平方。
3. 路徑分析
路徑分析的結果如表4.17 所示、結構模式分析結果如圖 4.2 所示，由t-value 值可知，所有變數之間的因果關係皆顯著的存在，其中影響知覺等候時間(F3)較 大的為填補時間(F2)，其次為等候時間之資訊(F1)；影響情感反應(F4)最大的為知 覺等候時間(F3)，其次為填補時間(F5)；而影響服務評估(F6) 最大的是情感反應 (F4)，其次為知覺等候時間(F3)。
由表 4.17 的 R-square 值可發現，等候時間之資訊與填補時間可解釋知覺等 候時間變動程度的67.4％；而等候時間之資訊、填補時間、知覺等候時間與知覺 擁擠可解釋情感反應變動程度的72.3％；填補時間可解釋知覺擁擠的 45.4％；而 知覺等候時間、情感反應與知覺擁擠可解釋服務評估變動程度的80.9％。整體來 說，所有衡量變數對潛在變數之變動程度的解釋能力都相當不錯。
F3 = -0.2559 F1 + -0.6110 F2 + 0.5707 D1 F4 = -0.3829 F3 + -0.1298 F5 + 0.1657 F1 + 0.2775 F2 +0.5261 D2
F5 = -0.6750 F2 + 0.7378 D3 F6 = -0.3620 F3 + 0.5175 F4 + -0.0998 F5 + 0.4373 D4
表4.17 高公眾自我意識特質分群模式路徑係數
應變數/自變數 R-square 標準化路徑係數 t-value
知覺等候時間 (F3) 0.674
二、低公眾自我意識特質分群結果 1. 確認性因素分析
由表 4.18 可知，分群衡量模式的χ2(df = 120，N =160) = 196.091，p<0.0001，
而χ2∕df 值為 1.634，屬良好範圍內。在適配度指標方面，大部份指標的表現 均已十分接近或達到一般要求的水準，整體而言，此分析結果已屬於可接受之範 圍內，因此本研究將以此衡量模式之結構模式作為路徑分析的基礎。
表4.18 低公眾自我意識特質分群模式確認性因素分析結果
X2 df X2/df GFI AGFI RMR RMSEA NFI NNFI CFI 196.091 120 1.634 0.883 0.834 0.048 0.063 0.893 0.942 0.954 註：樣本數 = 160。GFI = goodness of fit index; AGFI = GFI adjusted for degrees of
freedom; RMR = root mean square residual; RMSEA = root mean square error of approximation; NFI = normed-fit index; NNFI = non-normed-fit index; CFI = Bentler’s fit index。
2. 衡量模式之信、效度分析
分析結果如表4.19 所示。由表中的 t-value 來看，所有衡量變數的標準化因 素負荷量均達顯著水準，亦即與0 有顯著差異。由於知覺等候時間只有一個衡量 變數，因此標準化因素負荷量為1，而其餘各衡量變數的標準化因素負荷量皆大 於0.8，因此整體來說，模式具有不錯的解釋能力。
此外，表 4.19 中提供了各構面的混和信度(composite reliability)結果，混和 信度與 Cronbach’s α信度係數相同，都是用來分析各構面衡量變數的一致性，
根據分析的結果顯示，所有構面的混和信度結果均大於 0.8，表示各構面衡量變 數的信度很好。在最後一欄則是各構面的變異萃取估計量(variance extracted estimate)，這個指標是用來衡量各構面變異被衡量變數解釋的程度，根據 Fornell 與Larcker(1981)建議變異萃取估計量最好大於 0.5，而本研究所有潛在變數的變 異萃取估計量皆已超過。
而由於知覺等候時間只有一個衡量變數，因此標準化因素負荷量、混和信度 以及變異萃取估計量皆為1。
經由以上結果，可推論模式具有相當不錯之解釋能力。
表4.19 低公眾自我意識特質分群衡量模式之信、效度分析
構念與指標 標準化因素負荷量 t-value 混和信度 變異萃取估計量
等候時間之資訊 0.910 a 0.771
V1 0.860 13.214*** 0.740b
V2 0.900 14.167*** 0.810 V3 0.875 13.561*** 0.766
填補時間 0.817 0.603
V4 0.626 8.156*** 0.392 V5 0.853 11.651*** 0.728 V6 0.832 11.314*** 0.692
知覺等候時間 1.000 1.000
V7 1.000 17.914*** 1.000
情感反應 0.868 0.629
V8 0.587 7.831*** 0.345 V9 0.804 11.886*** 0.646 V10 0.919 14.600*** 0.845 V11 0.825 12.368*** 0.681
知覺擁擠 0.879 0.646
V12 0.776 11.155*** 0.602 V13 0.869 13.147*** 0.755 V14 0.820 12.073*** 0.672 V15 0.747 10.599*** 0.558
服務評估 0.894a 0.739
V16 0.806 11.995*** 0.650 V17 0.940 15.248*** 0.884 V18 0.828 12.483*** 0.686 註：***表示 t 檢定達顯著水準 p<0.001；
a 係指混合信度(composite reliability)；
b 為因素負荷量之平方。
3. 路徑分析
根據路徑分析的結果如表4.20 所示、結構模式分析結果如圖 4.3 所示，在影 響知覺等候時間的變數中，填補時間不無顯著的影響，而影響情感反應的變數方 面，等候時間之資訊與填補時間對情感反應均無顯著的影響，此外，填補時間並 無顯著的影響知覺擁擠，而知覺擁擠也不會對服務評估造成顯著的影響。影響情 感反應(F4)最大的為知覺等候時間(F3)，其次為知覺擁擠(F5)；而影響服務評估(F6) 最大的是情感反應(F4)，其次為知覺等候時間(F3)。
由表 4.20 的 R-square 值可發現，等候時間之資訊與填補時間可解釋知覺等 候時間變動程度的16.5％；而等候時間之資訊、填補時間、知覺等候時間與知覺 擁擠可解釋情感反應變動程度的 20.3％；填補時間可解釋知覺擁擠的 0.1％；而 知覺等候時間、情感反應與知覺擁擠可解釋服務評估變動程度的58.3％。整體來 說，除了服務評估的 R-square 值較高之外，其餘變數的 R-square 值都偏低，顯 示可被其影響變數解釋的程度較低，而這也是因為許多變數之間的影響關係並不 顯著所導致的結果。
F3 = -0.3512 F1 + -0.1189 F2 + 0.9136 D1
F4 = -0.3909 F3 + -0.2410 F5 + 0.0834 F1 + 0.0513 F2 + 0.8925 D2
F5 = -0.0.22 F2 + 0.9995 D3
F6 = -0.4314 F3 + 0.4862 F4 + -0.0154 F5 + 0.6460 D4
表4.20 低公眾自我意識特質分群模式路徑係數
三、分群模式與整體模式之比較
由以上分析結果與表 4.21 發現，雖然在整體模式與高公眾自我意識分群中，
等候時間之資訊與填補時間對知覺等候時間都有顯著的影響關係，然而在高公眾 自我意識分群中，是以填補時間有較大的影響，顯示此分群乘客對於等候時間的 知覺，主要會受到等候時間空閒與否的影響，而對低公眾自我意識特質的人而 言，填補等候時間與否並不會影響其知覺等候時間，他們只關注等候時間之資訊 的提供。
在情感反應方面，整體模式中，等候時間之資訊對情感反應無顯著影響，但 在高公眾自我意識分群中，兩變數之間則有顯著的影響關係存在，顯示對於此群 體的人而言，提供訊息告知其需要等候的時間，能夠有效地減少不愉快的感受，
讓心情比較放鬆，而增加正面的情感反應。此外，在低公眾自我意識分群中，乘 客的情感反應主要是受到知覺等候時間與知覺擁擠的影響，並不會因為填補乘客 空白的等候時間，分散他們的注意力，而增加其正面的情感反應。
在知覺擁擠的部份，在低公眾自我意識分群中，填補時間對知覺擁擠無顯著 的影響，顯示出要真正有效地改善此群對週遭環境擁擠程度的感受，並不是避免 乘客空閒地等候搭車，而尚有其它重要的因素需要考量。
在服務評估方面，對於高公眾自我意識與低公眾自我意識的人而言，影響他 們評估一公司服務的差別，即在於其對擁擠程度的反應，當高公眾自我意識的乘 客知覺到環境十分擁擠時，便會直接對公司的服務作出負面的評估，然而低公眾 我的乘客，並無此直接效果，反而是透過情感反應的中介，而對服務評估產生間 接的影響。
此外，由表 4.21 可以發現，與整體模式相比，高公眾自我意識特質分群變 數的R-square 有明顯的提升，知覺等候時間的 R-square 值由 35.5%增加到 67.4%，
而因為情感反應受到等候時間之資訊的影響，因此 R-square 由 52.0%增加到 72.3%，知覺擁擠的 R-square 值由 7.2%大幅增加到 45.6%，顯示對高公我意識分 群的人而言，填補時間是影響知覺擁擠的重要因素之一，而服務評估的R-square 值亦由72.8%提升到 80.9%。在低公眾自我意識特質分群部份，由於許多變數之 間的因果關係並不顯著，因此比整體模式的R-square 值減低許多。