信度分析與效度分析

(一)KMO 值

當變數之間的相關太高或太低時，都不適合做因素分析。統計方法中一般會 使用 KMO(Kaiser-Meyer-Olkin)和 Bartlett’s 球型檢定來判定是否做因素分析。

Kaiser(1974)提出了 KMO 抽樣適配度的判定準則如下表 4.3：

表 4. 3 KMO 值判定準則

0~0.5 0.5~0.59 0.6~0.69 0.7~0.79 0.8~1.0

不可接受的 悲慘的 平凡的 中度的 良好的

資料來源：Kaiser(1974)

而本研究樣本的 KMO 值為 0.944，因此本研究適合做因素分析。整理如下表 4.4：

表 4. 4 KMO 與 Bartlett 球型檢定

Kaiser-Meyer-Olkin 取樣適切性量數 0.94

Bartlett 球型檢定 近似卡方分配 2057.61

自由度 153

顯著性 0.000

資料來源：本研究整理 (二)信度分析

信度分析為測量問卷構面的一致性或穩定程度，最常使用的信度標準為 Cronbach’s α 係數，用來衡量同一構面下各項目間之一致性。Nunnally(1978)建議 組合信度值應在 0.7 以上，以確定測量變項達到內部一致性。收斂效度表示多重 變項所測量皆為同一構念的相符程度。

36

衡量各構念的信度以Cronbach α 值來表示。經使用 SPSS 19.0 計算分析後，結 果顯示，各構面的 Cronbach’s α 值分別為：顧客導向是 0.90、服務創新是 0.88、服 務價值是 0.77 與顧客滿意度是 0.90，由上述得知在各構面的信度值皆達 0.7 以上，

顯示本問卷資料有極佳的信度，資料整理如表 4.5 所示。

表 4. 5 信度分析

Cronbach’s Alpha 值

顧客導向 0.90

服務創新 0.88

服務價值 0.77

顧客滿意度 0.90

資料來源：本研究整理 (三)效度分析

效度分析為檢驗問卷之問項是否能真正的測量到研究所要測量能力與功能的 程度。在建構模式時，須考慮二個重點，一是衡量問卷之問項是否能有效地測量 潛在變數，上述則可經由收斂效度來檢驗；另一則是測量各潛在變項之間是否能 分割，則可藉由區別效度來驗證。以下將說明收斂效度：

Bagozzi & Yi(1988)認為應以下列三個指標最常使用的指標來檢驗收斂效度，

其分別為：個別項目的信度(Individual Item Reliability)、潛在變數組成信度 (Composite Reliability, CR)與潛在變數的平均變異抽取量(Average Variance

Extracted，AVE)。若個別項目的信度值大於 0.5、潛在變數組成信度大於 0.8 與 潛在變數的平均變異抽取量大於 0.5 以上，即表示該資料是具有收斂效度的 (Bagozzi & Yi,1988；Hair et al., 2006)。

1. 個別項目的信度值

個別項目的信度值指標是評估測量變數對該潛在變數的標準化因素負荷量與

37

每個負荷量是否具有顯著性，表 4.6 為所有個別項目的標準化因素負荷量均在 0.5 以上，除了 SV2，在後續分析中將會拿掉 SV2。當 t 值的絕對值大於 1.96 時，就 表示該估計值達到.05 的顯著水準，t 值大於 2.58 時為.01 的顯著水準，t 值大於 3.29 時就表示該估計值達到.001 的顯著水準，本資料之值皆符合 Bagozzi & Yi(1988)所 建議數值，皆達到.001 的顯著水準。整理如下表 4.6：

38

表 4. 6 因素分析結果

構面 題項 因素負荷量 t 值 組成信度 平均變異抽取量 顧客導向 CO1 0.76 20.2 0.93 0.70

CO2 0.86 37.0 CO3 0.76 19.0 CO4 0.78 23.2 CO5 0.80 26.9

服務創新 SI1 0.67 8.9 0.90 0.76 SI2 0.79 20.6

SI3 0.76 17.2 SI4 0.82 34.5 SI5 0.84 32.8

服務價值 SV1 0.85 39.8 0.88 0.66

SV2 0.29 2.09

SV3 0.85 31.9 SV4 0.84 46.3

顧客滿意度 CS1 0.83 30.6 0.91 0.79 CS2 0.93 74.7

CS3 0.81 26.5 CS4 0.79 16.6

註：構面服務價值的組合信度與平均變異抽取量均為去掉 SV2 之結果

資料來源：本研究整理

39

2.潛在變數之組成信度

依據 Fornell 與 Larcker(1981)建議，收斂效度可作為 LISREL 之驗證性因素分 析之衡量依據，其中各別構面之組合信度(CR)應大於 0.70，方達可接受之收斂效 度。當個別變項對於它們所測量的構念之因素荷負量(Factor Loadings)應大於 0.707。

本研究構面均大於 0.7，表示本研究的構面具有良好的一致性，整理如下表 4.7：

表 4. 7 組合信度(CR)

Composite reliability

顧客導向 0.93

服務創新 0.90

服務價值 0.88

顧客滿意度 0.91

資料來源：本研究整理 3.潛在變數的平均變異抽取量

平均變異抽取量是計算潛在變數之各觀察變數對該潛在變數的平均變異解釋 力。若潛在變數之平均變異抽取量越高，則表示潛在變數有越高的收斂效度，Hair et al.(2006)建議潛在變數的平均變異抽取量大於 0.5。本研究 AVE 均大於 0.5，表 示本研究的潛在變數有高的收斂效度，整理如下表 4.8：

表 4. 8 平均變異抽取量(AVE) AVE

顧客導向 0.70

服務創新 0.76

服務價值 0.66

顧客滿意度 0.79

資料來源：本研究整理

40

4.區別效度

在區別效度的檢定上，對角線為構面的平均抽取變異量(AVE)之平方根，非對 角線為各構面的R²值，R²值代表構面的變異量易受其他構面項目解釋的百分比，

應小於 AVE 值之平方根。由於每一個構面的平均抽取變異量均大於各成對構面的 R²值，故有區別效度，整理如下表 4.9：

表 4. 9 區別效度檢定結果

顧客導向 服務創新 服務價值 顧客滿意度

顧客導向 0.83

服務創新 0.64 0.81

服務價值 0.56 0.67 0.88

顧客滿意度 0.63 0.69 0.74 0.87

註：對角線的數據為各構面平均抽取變異量(AVE)的平方根

資料來源：本研究整理 5.適配度結果

利用所得之填答資料進行原始數據的建檔，並進行統計分析，求取各潛在變 項之平均數、標準差，以了解受測者對顧客導向、服務創新、服務價值與顧客滿 意度等相關構念題項的同意程度。我們並進一步應用最大概似估計法的元件式結 構方程式模式分析法，經過上一節對量表的信、效度分析，檢驗後顯示具備良好 的信、效度，因此進行後續的分析，對所建構的正式問卷的測量性質與研究假說 進行檢驗。

本研究研究模式整體適配度的指標，在模型契合度方面由下表 4.10 可知，

GFI=0.87、AGFI=0.80、RMR = 0.042、RMSEA = 0.038、NFI = 0.97、RFI = 0.96、

CFI =0.99、PNFI=0.74、PGFI=0.58，上述指標皆符合學者建議參考值，故本研究 的理論模型應有相當的適配程度。

41

42