四、 資料分析
4.2 區別函數檢定分析(Discriminate Analysis)
為更進一步探討與分析 MVPN 服務之流失與未流失群組的行為因素，執 行完前面單元的檢定分析後，再以區別函數檢定分析方法評估流失與未流失 兩群組間是否存在有顯著的行為變數，俾能輔助上述檢定方法或有不足之 處，並多一層分析與驗證。由於本研究所採用的 database 資料之因變數為類 別變數(categorical)，而自變數為區間尺度(metric)，故適合使用區別函數 檢定分析方法。
由於本研究所採用的客戶行為資料在踢除高營收與忠誠度的客戶後，流 失群組與未流失群組數間仍懸疏很大，尤其是大客戶群組流失僅六組而已，
為能順利進行區別函數檢定，先行對資料作整理，而為求資料平均分佈，在 大客戶未流失群組中針對每十萬元作一級距，每一級距取前六個營收最多的 群組，共得三十六個未流失群組，含流失群組共有四十二組。其中二十八組 為分析組，而 host-out 的樣本僅有十四個群組。中小企客群組亦用同樣方法 取樣，只是中小企客群組流失群組較多故取樣比例亦較多，共取未流失群組 三七五組，流失群組廿七組，其中 host-out 驗證組有七十八組。以上僅針對 未流失群組進行取樣，流失群組則全部納入分析。
本檢定的變數與之前的檢定的變數內容相同，指有變數碼有少許變動，
原先的 x1 以 Y 代替，x1 為原來的 x2，依此類推。
4.2.1 大企業客戶 MVPN 群組之區別函數分析
1. 先以 SAS 指令作分組，得到下列敘述統計數值：表 27 大企業客戶 MVPN 群組分類等級資料 Class Level Information Groups Variable
Name
Frequency Weight Proportion Prior Probability
0.3951 16.98 <.0003 0.60493827 <.0003 0.39506173 <.0003
2 2 X16
0.2650 9.02 <.0060 0.44460746 <.0001 0.55539254 <.0001
3. 區別函數的檢定
表 29 標準化的典型區別函數係數（ 大企業客戶）
函數 1
Total-sample Pooled within-class 群外網內平均通信費 (x16)
函數檢定顯示具有顯著的效果，說明此區別函數具有辨別力。
4. 判別分析的正確率
接著進行判別分析的正確率，得到歸類的錯誤率為 14.58%， 表示 這個模型具有不錯的區別效果。
表 31 大客戶 MVPN 群組判別分析之正確率 Number of Observations and Percent Classified into groups From atitude1 churn nochurn Total
Error Count Estimates for groups
churn nochurn Total
Rate 0.2500 0.0417 0.1458
Number of Observations and Percent Classified into groups
From atitude1 churn nochurn Total Error Count Estimates for atitude1
churn nochurn Total
Rate 1.00 0.3333 0.6667
表 33 中小企業客戶 MVPN 群組分類等級資料 Class Level Information
Groups Variable Name Frequency Weight Proportion Prior Probability
churn churn 19 19.0000 0.059375 0.500000
nochurn nochurn 301 301.0000 0.940625 0.500000
2.進行逐步判別分析
Total-sample Pooled within-class MVPN 群內平均分鐘數 (x10)
這個模型具有不算太差的區別效果。
Number of Observations and Percent Classified into groups
From atitude1 churn nochurn Total Error Count Estimates for groups
churn nochurn Total
Rate 0.3684 0.3333 0.3509
Number of Observations and Percent Classified into groups
From atitude1 churn nochurn Total Error Count Estimates for groups
churn nochurn Total
Rate 0.6667 0.2917 0.4792
的t-test檢定所得變數沒有完全相同，但屬性類似。
另外一點值的討論的事，雖然由28個樣本所建立的區別函數具有顯著的判 別能力，且模型的錯誤率只有14.58%，但實際用host-out樣本來測試下，其錯 誤率高達約66.67%，這說明判別的分析在預測大企業客戶群組之流失上會有一 定的限制，當管理者嘗試用判別分析來作大企業客戶流失之顯著區別因素時，
應作較保守的判斷。
另在中小企業客MVPN群組的檢定分析上，將所有群組分為流失與未流失 兩群組的情況下，x3（總支出ARPU）、x6(MVPN支出/總支出)與x10(群內平均分 鐘數)三個變數對於流失與否，能有效的區分。此趨勢與之前所做的t-test非常 相似，表示中小企業客戶的差異分析有較高的效度。
而在分組錯誤率的分析上，分析組與驗證組的錯誤率都比正確率低，雖正 確率沒有高出很多，但也表示中小企業客戶之MVPN群組分析，較適合應用區 別函數分析來做管理上的分析參考。
五、結論與建議
本章先針對研究結果，提出研究結論，再依據結論提出實務上與行銷上之 建議，最後提出後續研究的建議。