分析方法

在問卷資料分析方法中包括基本敘述統計分析、因素分析、信度與效度分 析、及迴歸分析，以下將分別進行探討。

3.3.3.1 基本敘述統計分析基本敘述統計分析基本敘述統計分析 基本敘述統計分析

利用基本敘述統計分析來瞭解各項數據，包含問卷回收率、樣本大小、基本 資料、各項指標數據之分析。將問卷中李克特五點尺度量表之回答，經過編碼量 化後，計算各類別之次數分配、百分比、平均數等相關數據。利用平均數來了解 各構面及各項問項間相對程度之看法。

3.3.3.2 因素分析因素分析因素分析 因素分析

因素分析分為探索性因素分析與驗證性因素分析，本研究以探索性因素分析 為主，是屬於互依(Interdependent)的分析方法，也就是變數之間沒有主客關係(無 DV 與 IDV)。用於在一群變數中，找出具有同質性的變數，了解各個變數之間的 同質性，將相同特質的變數聚在一起，縮減變數以轉化成為少數有概念化意義的 因素。

3.3.3.3 信度與效度分析信度與效度分析信度與效度分析 信度與效度分析

信度亦稱可靠性，是用來衡量一致性或穩定性的衡量指標，本研究採用 Cronbach’s α 係數來探討其變數的內部一致性，其 α 係數以 Nunnally (1967)所建 議的 0.6 為門檻值，其超過門檻值即代表具備其內部一致性。

在效度分析部份，採 用建構效度分析方法 ，建構效度可分為收 斂效度 (Convergent validity)與區別效度(Discriminate validity)。收斂效度是探討在相同因 素下，指標的相關性，透過相關分析矩陣，分析其中的變數是否有一半以上達顯 著水準(張紹勳，2000)。

區別效度是指某一因素與其他因素之間的差異程度，透過相關矩陣去進行比 較，以因素為主分別對其他因素進行比較，若是相關違反各數沒有大於臨界值，

則該因素具有區別效度，依此本研究將整理出所有因素是否具有區別效度。

3.3.3.4 迴歸分析迴歸分析迴歸分析 迴歸分析

迴歸分析（Regression analysis）是一種統計分析的方法，主要是希望探討兩 組數據之間是否有一種特定關係，利用一組預測變數(或稱獨立變數或自變數)對 某一準則變數(或稱應變數)建立關係式以便做為預測的依據，其目的在於找出一 個線性方程式，用來說明一組預測變數(X)與準則變數(Y)的關係，以瞭解兩個或 多個變數間是否相關、相關方向與強度，整體關係是否達顯著水準以及這個方程 式的關係強度有多大。

3.4 開發工具與平台 開發工具與平台 開發工具與平台 開發工具與平台

本研究主要以資料探勘技術概念為理論架構，使用關聯規則演算法進行資料 探勘，尋找資料內所隱含之關聯規則。所使用之相關技術還包含行動裝置系統開 發、原始資料轉換、資料前處理之剖析等。本節將介紹研究中所使用之相關開發 工具及執行之環境。

3.4.1 系統開發工具及執行環境系統開發工具及執行環境系統開發工具及執行環境系統開發工具及執行環境

為使本研究能順利進行選擇使用物件導向語言開發為基本需求，並搭配適當 的硬體設備以利系統整體之運作。在本研究中所採用的硬體環境為Intel Core 2 Duo 3.0GHz、2.00GB RAM、320GB 硬碟。所使用之軟體在架構上區分為開發 應用技術、WEB 應用伺服器、資料庫伺服器三方面，以下條列詳細說明之，並 將軟硬體需求整理如表3.3。

一、開發應用技術：採用N-Tiers 模式規劃，針對使用者介面、中間層(Middle-tier) 元件、資料庫程式進行規劃和設計，各項功能以微軟.NET 物件導向技術開發相 關之應用程式，並以Smart Client 模式建置較具彈性，以減輕建置與更新維護負 擔。

二、WEB 應用伺服器：使用Windows server 2003 作業系統，應用伺服器使用 IIS6.0，放置應用程式供使用者存取，並提供Webservice 介面，以XML 做為應 用程式與資料庫間資料傳輸的中介，降低伺服器暴露的風險，並提供彈性的存取 方式。

三、資料庫伺服器：使用MS SQL Server 2005，藉由其親和的管理介面與操作模 式，減低資料庫管理上的負擔，並藉由其內建之商業智慧模組，作為資料探勘的 基礎。

表 3-3：軟硬體需求表 CPU Intel Core 2 Duo 3.0GHz

記憶體 2.00GB

硬碟 320GB

作業系統 Windows server 2003

Web 伺服器 Internet information services 6 相關應用工具 SQL Server 2005 Analysis services

SQL server business intelligence development Studio Visual studio 2005

.NET framework 2.0

資料庫伺服器 Microsoft SQL Server 2005

求研究所需系統開發效率，期以最少的時間完成最多實作，將多數時間應用 於理論之研究，確保研究方向正確以提昇研究價值。結合前、後端及應用程式，

讓操作或是管理受到適當的保護，而且提供適當的應用程式執行環境，並簡化開 發及部署的作業。實作方面採用n-Tiers 架構，以行動裝置為終端，各項功能採 用微軟的物件導向DOT.NET 技術開發，提供各種應用程式服務，後端為滿足大 量資料交易處理及分析之能力，採用微軟MS SQL 2005 資料庫，整體服務建置 於微軟Windows server 2003 作業系統上。

3.4.2 資料探勘工具資料探勘工具資料探勘工具資料探勘工具

本研究所使用的資料探勘輔助軟體為 SQL server 2005 analysis services，是 由微軟所自行研發的資料探勘工具，可支援的資料探勘技術有關聯規則、決策 樹、貝氏機率分類、時序群集、時間序列、群集、類神經網路、線性迴歸、羅吉 斯迴歸。在SQL Server 2000 中就已經加入決策樹與群集兩個資料探勘的方法，

也是微軟正式的宣告進入資料探勘的市場，然而SQL Server 2005 則是以商業級 的資料探勘工具為目標，大幅的強化之前所不足的地方，在演算法的部份包含了 上述所提到的資料探勘技術，並且由原先的兩種增加到九種，除此之外還包含了 以下幾個特點 (尹相志，2007) ：

一、便利的開發介面可支援客製化：透過Business intelligence development studio 作為資料探勘的開發介面，也就是透過Visual Studio 2005 作為開發後台，經由 屬性視窗來改變模型的參數。提供資料探勘延伸語言 (Data Mining Extension；

DMX) ，透過撰寫.NET 組件來延伸DMX 分析能力。

二、豐富的視覺化呈現：使用視覺化的介面，讓使用者能夠深入了解模型中規則

的內容，在SQL server 2005 中還提供了完整的模型瀏覽器，可經由互動的機制 讓使用者更深入的理解隱涵於模型中的的趨勢。

三、與 OLAP 做全面性的整合：SQL server 2005 把資料探勘結構與多維度OLAP cube 資料結構對應，分析的案例資料表即為維度，而巢狀資料表則為事實資料 表，可經由多維度分析來進行資料探勘預測。

四、提供模型評估：提供了分類矩陣 (Classification matrix) 、增益圖 (Life chart) 、利潤圖 (Profit chart) 及散布圖 (Scatter plot) 等資料模型的評估工具，

便於使用者預先分析資料進行評估。

籍由 SQL server 2005 企業版各項新穎的功能，可應用於企業中進行資料探 勘之輔助工具，此工具提供使用者能更彈性的運用各項探勘指標，並結合了多種 圖形化使用者介面之分析技術，可以協助使用者進行資料庫管理與資料剖析，因 此，本研究選用此工具來做關連法則的探勘。關聯法則的建立目的是要了解學生 在圖書館借閱書籍時，如果借閱了某甲類書籍後，將會再借某乙類書籍時的一個 關聯性，通常有相同興趣的人所借的書籍會很相似，因此探勘出借閱的關連性之 後，便可於讀者在查詢相似書籍時提供讀者一個參考的方向。

隨著資訊系統的需求漸增，然而資料也隨之日益成長，累積越來越多的交易 資料，唯有將各系統的資料整理彙集成資料倉儲後，才能經由分析並做出全面性 正確之決策，因此，需要透過線上即時分析 (On-line analysis process；OLAP) 系 統來協助完成大量的資料分析，並可以經由多樣化的結果呈現，來輔助決策者能 快速的瞭解並進行正確的決策。

3.4.3 行動裝置行動裝置行動裝置行動裝置

本研究選擇 ASUS P3320 PDA 手機做為測試用的行動裝置，有自動對焦、

WiFi 無線網路的功能，其相關規格如表3-4 所示。

表 3-4：測試用行動裝置規格表 CPU TI OMAP 850 200MHz

記憶體 ROM:128 MB、RAM:64 MB

作業系統 Windows mobile 6 smartphone professional 螢幕 65536 色、2.6 吋

解析度 240 x 320 pixels

相機主 200 萬像素CMOS

無線網路模組 WLAN 802.11b/g