包裝設計創新性與品牌權益之因素分析

分為包裝設計創新性與品牌權益兩部分之因素分析，最後對因素分析結果進 行因素內部的一致性檢驗。

4.3.3.1 包裝設計創新性因素分析 (1) 探索性因素分析

要檢驗所搜集的資料是否適合進行因素分析，最常使用之檢定方式為

「Kaiser-Meyer-Olkin（KMO）」與「Bartlett 檢定」兩種，KMO 值介於 0 至 1，

當越接近1 表示該資料越適合進行因素分析，Kaiser（1974）建議 KMO 值應大 於0.7。由表 4-17 顯示 KMO 值的檢定結果為 0.96 且 Bartlett 檢定達顯著性，代 表所搜集的資料非常適合進行因素分析。

表4-17、潛在包裝設計創新性之 KMO 與 Bartlett 檢定

Kaiser-Meyer-Olkin 取樣適切性量數。 0.96

Bartlett 的球形檢定

因素萃取數目的準則可依特徵值大於1 者的因素作為萃取數目。第一次因素 萃取時不設定因子數目進行萃取，如表4-19（為簡化表格故僅顯示前 3 項因素的 解說變異量）顯示僅有一個因素特徵值大於1，解釋變異量為 66.3%，若只萃取 一個因素恐造成解釋力不足或低估，且亦有學者認為至少應抽取70%的變異量才 是適合的（Stevens，2002）。另外若被萃取的因素解釋變異量有達到 5%者亦可 考慮列入因素變項，故將因素解釋變異量達5%以上者納入計算，可萃取因素數 目提高至3 項，於第二次萃取時因素數目設定為 3 後，總計解釋變異量達 77.3%。

表4-19、潛在包裝設計創新因素之解說總變異量

因素 初始固有值 旋轉平方和負荷量

特徵值總計 變異的 % 累加 % 總計 變異的 % 累加 % 1 10.601 66.257 66.257 4.766 29.786 29.786 2 0.945 5.904 72.16 4.047 25.293 55.079 3 0.827 5.171 77.331 3.56 22.252 77.331 擷取方法：主成分分析。

(2) 因素分析結果與命名

為釐清所有題項應歸屬於何項因素，可依據因素負荷量的大小來進行判斷，

通常以負荷量大於0.5 作為判別標準，表示有 25%的總變異可被此因素所解釋，

理想的狀況是一變數只在一個因素中負荷量高，其餘皆小，若不足0.5 或在 2 個 因素以上負荷量皆大於 0.5，代表該變數無法歸屬於任何因素或可同時歸屬於 2 個以上因素，建議應刪除之。因素分析結果以主成份分析並使用最大變異轉軸法，

如表4-20 將負荷量進行篩選並排序，僅顯示負荷量高於 0.5 之分數以利判別，由 表4-20 可知，第 1、2、3、6、7、8、9、10、11 題計 9 項在因素一中負荷量最 高，第 12、13、14、15 題計 4 項在因素二中負荷量最高，第 4、5、16 題計 3 項在因素三中負荷量最高，且各項在所屬因素中負荷量皆大於0.5，其中第 1、2、

3、8、10、12 題同時在 2 個因素中負荷量大於 0.5，但因以上題項皆通過信度檢

12 我認為該品牌的包裝讓我想要擁有這個產品 0.598 0.624 .

05 我認為該品牌的包裝表面有特殊加工處理 . . 0.803

04 我認為該品牌的包裝材質很特別 . . 0.768

16 我認為該品牌的包裝具有創新性 . . 0.648

擷取方法：主成分分析。

轉軸方法：使用 Kaiser 正規化的最大變異法。

4.3.3.2 品牌權益因素分析 (1) 探索性因素分析

KMO 值介於 0 至 1，當越接近 1 表示該資料越適合進行因素分析，Kaiser

（1974）建議 KMO 值應大於 0.7。由表 4-21 顯示 KMO 值的檢定結果為 0.93 且 Bartlett 檢定達顯著性，代表所搜集的資料非常適合進行因素分析。

表4-21、品牌權益之 KMO 與 Bartlett 檢定

Kaiser-Meyer-Olkin 取樣適切性量數。 0.93

Bartlett 的球形檢定

近似卡方分配 6737.944

自由度 28

顯著性 0

「共同性」表示該題項可貢獻於因素的程度，最好可大於 0.5，未達者可予 以刪除，表4-22 顯示第一次萃取時所有題項皆大於 0.5，當設定萃取 2 個因素進 行第二次萃取時，所有題項亦皆大於0.5，故所有題項皆保留。

表4-22、品牌權益各題項之共同性

題項 第一次萃取 第二次萃取（因素增加為2）

17 我認為該品牌是高品質的 0.706 0.821

18 我認為該品牌是彩妝類別中的領導者 0.729 0.859

19 我認為該品牌是受歡迎的 0.778 0.806

20 我認為該品牌具有創新 0.7 0.781

21 我認為該品牌備受尊崇 0.714 0.783 22 我認為比起競爭品牌我更想購買該品牌 0.753 0.766

23 我認為該品牌具有品牌個性 0.629 0.84

24 我認為該品牌具有吸引力 0.805 0.838

擷取方法：主成分分析。

因素萃取數目的準則可依特徵值大於1 者的因素作為萃取數目。第一次因素 萃取時不設定因子數目進行萃取，如表4-23（為簡化表格故僅顯示前 3 項因素的 解說變異量）顯示僅有一個因素特徵值大於1，解釋變異量為 72.7%，故將因素 解釋變異量達5%以上者納入計算，可萃取因素數目提高至 2 項，於第二次萃取 時因素數目設定為2 後，總計解釋變異量達 81.2%。

表4-23、品牌權益因素之解說總變異量

因素 初始固有值 旋轉平方和負荷量

總計 變異的 % 累加 % 總計 變異的 % 累加 % 1 5.815 72.683 72.683 3.344 41.795 41.795 2 0.681 8.509 81.192 3.152 39.397 81.192

3 0.347 4.338 85.53 . . .

擷取方法：主成分分析。

(2) 因素分析結果與命名

因素分析結果以主成份分析並使用最大變異轉軸法，如表 4-24 將負荷量進 行篩選並排序，僅顯示負荷量高於0.5 之分數以利判別。由表 4-24 可知，第 17、

18、21、22 題計 4 項在因素一中負荷量最高，第 19、20、23、24 題計 4 項在因 素二中負荷量最高，且各項在所屬因素中負荷量皆大於0.5，其中第 19、22、24 題因素負荷量分別為0.73、0.71、0.75，同時在 2 個因素中負荷量皆大於 0.5，負 荷量為 0.52 明顯小於前者，又以上題項皆通過信度檢驗，因此仍予以保留，並

歸屬於負荷量最高之因素。

因素一中4 個題項有 3 題（第 17、18、21 題）屬於問卷中「品質認知

／領導力」構面，故將因素一命名為「品質認知與領導力」因子。因素二的 4 個題項中，正好分別屬於「品牌個性」與「聲望」，故將因素二命名為「品牌個 性與聲望」因子。有關題項與命名如表4-24 所示。

表4-24、品牌權益因素負荷量之旋轉成分矩陣

題項 因素一 因素二

品質認知與領導力 品牌個性與聲望

18 我認為該品牌是彩妝類別中的領導者 0.865 .

17 我認為該品牌是高品質的 0.841 .

21 我認為該品牌備受尊崇 0.791 .

22 我認為比起競爭品牌我更想購買該品牌 0.706 0.518

23 我認為該品牌具有品牌個性 . 0.881

20 我認為該品牌具有創新 . 0.785

24 我認為該品牌具有吸引力 0.519 0.754

19 我認為該品牌是受歡迎的 0.518 0.734

擷取方法：主成分分析。

轉軸方法：使用 Kaiser 正規化的最大變異法。

4.3.3.3 因素內部一致性檢驗結果

信度的值介於0 至 1，值越高代表內部一致性越高，至少須高於 0.7（涂津 堂，2009）。依照表 4-25 顯示包裝設計創新性的三項因子中，「吸引注意進而產 生情感」α= .948，「創造個人價值認同」α=.918，「獨特性」α=.846；品牌權益的 兩項因子α 係數分別為，「品質認知與領導力」α=.916；「品牌個性與聲望」α=.918。

代表所有因素皆有良好（α>.8）的內部一致性，故不刪除任何題項並可為後續分 析使用。有關各題項的因素分析結果摘要如表4-26。

表4-25、因素內部一致性檢驗結果

品牌個性 與聲望

19 0.734 0.251 3.143 92.491

0.918 20 0.785 0.238 2.975 95.465

23 0.881 0.201 2.517 97.982 24 0.754 0.161 2.018 100 擷取方法：主成分分析。

轉軸方法：使用 Kaiser 正規化的最大變異法。