分析之方法

去思考問題與表達意見，其所得之調查結果也較為可靠，成本上亦較 為經濟。

反應了抽樣誤差的大小，稱為標準誤(standard error of the sample mean)。

當標準誤越大，表示抽樣的誤差越大，標準誤越小，表示抽樣的誤差 越小，標準誤是基於機率理論所建立的一個反應抽樣誤差的統計量，

其統計原理與標準差相同，但意義上更有高度的應用價值，在推論統 計上，標準誤具有相當重要的地位[52]。

在推論統計中，有待檢定的統計量不僅是樣本平均數，樣本的變 異數也可能需要進行統計檢定。X² 分配，是在1976 年，Helmert 首先 提出卡方分配，後由Pearson 於 1900 年將抽樣分配的概念加入後，應 用於假設檢定當中。若有兩個讀立的卡方隨機變項，各自除以自由度 後相除，其比質稱為 F 隨機變項(F radom variable)，此一利用卡方比 值所定義的統計分配，最早是由Fisher 於 1924 年推導得出，後於 1934 年，Snedecor 將此比值分配定名為 Fisher 的所寫 F 分配以推崇其貢獻，

而t 變項的分配模式是由一位工程師 Gosset 於 1980 年推導出來，並以 化名 Student 發表，因此又稱為 Student’s t [52]。應用以上各種抽樣分 配所進行的統計檢定，稱為 X² 檢定、F 檢定及 t 檢定。

獨立性檢定 (Test of Independence) 其目的在於檢測從樣本得到的 兩個變項的觀察值，是否具有特殊的關聯。如果兩個類別變項沒有互 動關係(卡方值不顯著)，稱兩個變項相互獨立；相反的，當兩個變項有 相互作用影響時(當卡方值顯著時)，則可說此兩個變項是不獨立的，或 具有關聯。同質性檢驗(Test for Homogeneity)主要目的在檢定不同人口 體，在某一個變項的反應是否具有顯著差異。獨立性檢定是同一個樣 本的兩個變項的關聯情形的檢定，同質性檢驗則是兩個樣本在同一個 變項的分佈狀況的檢體。同質性檢定的目的在檢測雙樣本在單一變項 的分佈情形，如果兩樣本沒有差異，稱此兩個母群是同質的，反之，

則可說是不同質的[52]。

變異數分析(Analysis of Variance)簡稱 ANOVA，簡單來說，變異 數分析是一套用來分析平均數變異情形的統計檢定技術，前述所介紹 的t 檢定檢定隨然也是在檢驗平均數的意義，但 t 檢定僅能處理兩個平 均數的比較，變異數分析則可以處理超過兩個或兩個以上平均數的比 較。兩個平均數的統計檢定，是以平均數差異與隨機差異的比值來決 定統計顯著性，三個以上的平均數檢定，分子則改為平均數的變異數(組 間變異)，分母則為誤差變異，得到的比值稱為 F 統計量，配合 F 分配 的機率模式，即可檢驗三個平均數相等與否的情形。由於 F 檢定所檢 驗的為變異數的意義，故稱為變異數分析[52]。

相依樣本設計(correlated sample design)變異數分析是指當我們要 進行變異數分析檢驗時，獨變相的不同水準的受試者並非獨立無關的 個體，而是具有關聯的樣本時所進行的變異數分析。相依樣本與獨立 樣本設計的最大差異，在於獨立變項的各水準間最有相關，各水準間 的相關可能來自於受試者的重覆測量、配對的樣本或是再第三個變項 有同樣性質[52]。

3.3.3 信度(Reliability)分析

問卷信度的檢定代表一份問卷受訪者在相同條件下，重複測量是 否得到相同結果(即穩定性)，或相同構念(相同構念、目的相同)以不同 題目測量所得之測量結果其一致性之程度。因此，一份良好的問卷或 量表應具有足夠的信度。根據 Guieford(1965) [52]指出，Cronbach’s α 係數信度參考範圍α值介於 0.4~0.5 為稍微可信、α值介於 0.5~0.6 為可信、α值介於0.7~0.8 為很可信、α值大於 0.9 以上為非常可信。

本研究利用Cronbach’s α係數來檢定各主要構面分項與整體問卷的信 度，充份表示問卷的一致性。

3.3.4 效度(Validity)分析

效度分成三大類：內容效度、效標效度與建構效度。本研究採用 內容效度中的表面效度(Face Validity)，但為避免流於主觀，因此本研 究依據專家學者之意見，檢查並調整問卷內容，使得本研究之問卷具 有良好之效度。

3.3.5 相關分析(Correlation Analysis)

相關(Correlation)是用以檢驗兩個變項線性關係的統計技術，除可 用散佈圖的方式來表達外，另可用相關係數來描述兩變項間的關聯情 形，當相關係數值越接近正負 1 時，表示變項的關聯情形越明顯。本 研究採用Pearson 相關係數分別就「知識重要性」來探討營建專案管理 經理人應具備知識問卷之各知識變數間之相關程度。

3.3.6 重視程度-滿意度分析

一、衡量變項排序分析與繪製「重視度-滿意度分析圖」

本研究採用 Martilla ＆ James 其理論基礎，利用 I.P.A 法(重 視-表現程度法)分析，以滿意度來衡量表現程度的服務績效，改良 繪製成「重視程度- 滿意度分析圖」，此座標圖中(如圖 3.4)，橫 軸為服務績效(滿意度)， 縱軸為重視程度(重視度)，而每個服務屬 性在各象限的分佈，呈現出不同的策略性意義。針對衡量變項以 分數排序三個最重視、最滿意的因素，藉以了解營建專案管理經 理人在具備知識「程度上」、「次序上」的認知差異，能更清楚 了解改善策略。

(一)Ⅰ象限：優秀區

構面重視度高、滿意度高，表示在此象限的構面深得受訪者 之滿意，營建專案管理經理人知識項目若能到此象限中，能達到 受訪者高度滿足與認同。

(二)Ⅱ象限：加強改善區

構面重視度高、滿意度不高，若結果在此象限，表示受訪者 很重視此構面，然營建專案管理所具備之知識，未能達到受訪者 滿意與認同。

圖 3.4 重視程度-滿意度分析圖

(三)Ⅲ象限：逐漸改善區

構面重視度不高，滿意度不高，在此象限的構面受訪者重視 度不高也不滿意，表示營建專案管理經理人應逐漸改善以達受訪 者滿意。

(四)Ⅳ象限→過於重視區

構面重視度不高，滿意度高，在此象限的構面受訪者重視度 不高，但卻得到受訪者的高度滿意與讚許，表示營建專案管理經 理人投入過多的努力在不重視的作業上。

二、整體滿意度計算

使用第二章所述之整體滿意度分數計算之公式(詳如公式 2.5)，

以各構面重視度得分(I)除以重視度之總合(Isum)得到各構面佔整體 滿意度之比例(Ri)，各構面依比例乘以滿意度之得分(Si)，得到各 構面之滿意度分數，將各構面之滿意度分數累加並除以量表最高 分數(Kmax)，便可得到整體滿意度。