專案執行數據解釋

現今專案管理普遍認為專案執行的困難處，在於專案環境的高度變異會產生 許多突發狀況，造成計畫不可行。當變異發生時，專案計畫的優先順序便很可能 改變而使管理者陷入危機模式管理，最後專案便很可能失控造成專案延誤。不可 否認的，專案環境的高度變異的確會對專案產生影響，但是若決定的交期已經有 相當高可靠度時，交期績效不佳就不能將原因歸咎於變異，而是管理方法的問 題，而此一現象在我們的實驗數據裡，亦可以發現同樣的情形。在此為了進一步 瞭解數據釐清統計上的含意，本實驗運用多變量分析方法來分析實驗數據。

在此我們分析數據的目的是要探討專案執行的影響，所以必須將專案計畫的 影響摒棄。我們將更改原始數據中的交期績效一項，原本是將各組專案執行的結 果與各組實驗參與者自行決定的交期做比較，此時實驗參與者決定之交期將會影 響交期績效。若改以每一組皆以同一可靠的交期最為比較的基準，便可摒棄專案 計畫造成的影響。故我們統一以專案一56 天、專案二 88 天、專案三 104 天為統 一交期日，重新計算實驗組與對照組交期績效，記錄如下表4.12。

46

表4.12 專案執行相關數據(摒棄專案計畫影響) 刪減，所以運用多變量分析中的「主成分分析」（principal component analysis, PCA）【27】方法來降低原始數據的維度。PCA 的最大好處，是可以運用少數幾 個具代表性的新變數來解釋原始變數，且又不失去原始變數的代表性，另外，運 用PCA 找出的新變數彼此之間為相互獨立，故不用去探討變數相關性的問題。

主成分分析依循三步驟將原始變數轉換成新變數，分別為：決定主成分個 數、解釋主成分、轉換主成分計分。

1. 決定主成分個數：

如表 4.13 為Eignvalues of correlation matrix，其中 Eignvalues 代表 經由轉換後的新變數的解釋力，在此的第一主成分 Eignvalues 為

47

3.559068 表示解釋力為原始變數的 3.559068 倍。故當 Eignvalues 小於

「1」時，表示該主成分比原始變數的解釋還低，將予以摒棄(Kaser’s rule)。但是在圖 4.1 Scree plot 裡則呈現當粹取的主成分為一個或三個的 時候才為Break point(顯著坡度趨緩的點)，而考量當粹取的主成分為三 個時，解釋的比例可達到 94.35%的因素，所以我們決定粹取的主成分 個數為 3(Prin1、Prin2、Prin3)。其中 Prin1 解釋原始變數的比例為 59.31%，Prin2 為 18.76%，Prin3 為 16.27%。

表4.13 Eignvalues of correlation matrix

Eigenvalues of correlation matrix, and related statist Active variables only

Value number

Eigenvalue % Total variance

3.559068 59.31780 3.559068 59.3178 1.125719 18.76199 4.684787 78.0798 0.976357 16.27262 5.661144 94.3524 0.215057 3.58428 5.876201 97.9367 0.076267 1.27112 5.952468 99.2078 0.047532 0.79220 6.000000 100.0000

Eigenvalues of correlation matrix Active variables only

59.32%

Eigenvalue number -0.5

2. 解釋主成分：

如表 4.14 的向量相關矩陣(Eigenvectors of correlation matrix)，可 定義粹取出兩主成分與原始變數的線性組合為：

表4.14 Eigenvectors of correlation matrix

Eigenvectors of correlation matrix (論論論論論論.sta) Active variables only

Variable

Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Factor 6 提前開案時間

-0.413290 0.489375 -0.054355 0.734908 0.206912 0.062016 -0.317968 0.700365 -0.066725 -0.617705 -0.134663 0.065116 -0.504377 -0.226290 -0.020792 -0.121255 0.193109 -0.801231 -0.489788 -0.286960 -0.027805 0.121766 -0.793479 0.180422 -0.473518 -0.367427 -0.062260 -0.220498 0.521413 0.562505 0.097881 -0.038010 -0.993736 0.014224 -0.016782 -0.031291

表4.15 Factor-variable correlation

Factor-variable correlations (factor loadings), based on corre (論論論 lations

Variable

Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Factor 6 提前開案時間

-0.779693 0.519227 -0.053708 0.340808 0.057142 0.013521 -0.599861 0.743087 -0.065932 -0.286456 -0.037189 0.014196 -0.951532 -0.240093 -0.020544 -0.056231 0.053330 -0.174683 -0.924009 -0.304465 -0.027475 0.056468 -0.219131 0.039335 -0.893314 -0.389839 -0.061520 -0.102254 0.143996 0.122636 0.184657 -0.040328 -0.981918 0.006596 -0.004635 -0.006822

第一主成分(Prin1)：

主成分與原始變數之間的關係則如表 4.15 所示，第一主成分與 Var1、Var2 呈現顯著負相關(factor loading>0.5)，而 Var3、Var4、Var5 則呈現高度負相關(factor loading>0.9)，Var6 則呈現無相關的結果。很

49

明顯的第一主成分最主要的影響變數就是Var3(做錯順序張數)、Var4(關 鍵鏈中斷時間)、Var5(延遲遞延時間)，這三個變數代表的是當管理者陷 入危機模式管理時產生的管理問題，因為混亂的優先順序會造成做錯順 序，使專案無法專注而讓關鍵鏈中斷、任務遞延，使專案延誤；其次的 影響變數Var1(平均專案提前開案時間)與 Var2(不良多工延長時間)，兩 變數則是代表現今管理模式以承諾時間為依據產生的管理問題，當管理 者發現時間緊迫時便會將大量任務投入現場搶奪資源，而造成提前開 案、不良多工，使專案更加混亂。所以我們由相關的程度與正負關係，

將第一主成分解釋為「管理問題影響指標」，可以用來評估專案執行的 好壞，因為變數與第一主成分呈現負相關，所以當指標數值越高代表執 行時發生的管理問題越少。

第二主成分(Prin2)：

第二主成分只與 Var1、Var2 呈現顯著正相關，與其他變數則是呈 現無相關的結果。由於在第二主成分裡，Var1、Var2 兩變數是呈現正相 關，代表的意義是當提前開案與不良多工發生，而使資源爭奪的越嚴重 時，第二主成分數值就越高。所以我們將第二主成分解釋為「資源爭奪 影響指標」，可以用來評估資源爭奪的嚴重程度，因為變數與第二主成 分呈現正相關，所以當指標越高表示資源爭奪的越嚴重越嚴重。

第三主成分(Prin3)：

第三主成分與 Var6 呈現高度負相關，與其他變數則呈現無相關的 結果。由於Var6(任務時間平均值)代表的是實驗的變異參數，所以我們 將第三主成分解釋為「變異影響指標」，可以用來評估專案環境變異影 響的程度，因為變數與第三主成分呈現負相關，所以當指標越高代表變 異越小。

50

3. 轉換主成分計分：

為了做後續分析，所以我們必須將原始數據經由主成分轉換成新變數。

如表4.16 為經由轉換後的主成分計分表，我們將運用新數據來進一步探討 與專案績效的關係。

表4.16 主成分計分表

Factor scores, based on correl Case

Factor 1 Factor 2 Factor 3 1

-0.60921 0.85143 -0.97202 0.24873 1.63767 -1.13242 0.14394 1.04179 -0.07296 1.74122 -0.56236 -0.76694 -1.48166 -1.46153 0.38813 0.07873 0.78798 0.94780 0.09472 1.24487 0.56684 0.58470 1.72279 1.39129 -0.93637 0.28889 -0.41608 1.34115 -0.56130 0.68151 1.59163 -0.70849 0.03363 0.72884 -0.63820 -0.73470 1.29453 -0.56868 2.44652 -0.70506 -1.98187 -0.19583 -0.83459 0.22407 -0.80219 -0.62910 1.43020 -1.50618 -0.02002 0.24413 -0.83830 -1.77052 -1.72662 -0.05578 0.82618 -0.11757 1.52337 -0.36109 1.16421 0.14492 1.29519 -0.71960 -0.42779 -0.46177 -0.16521 1.08142 -0.54521 0.83139 -0.82861 0.06593 -0.95855 -0.60038 -1.24863 0.91147 2.12269 1.02951 -0.10332 -0.64051 -1.89712 -0.12293 0.57419 -0.62050 -1.24694 0.06063 1.10062 -0.28672 -1.22861 -0.04478 -0.45100 -0.74363

51