第四章 實證分析與討論
第五節 影響客戶滿意程度之迴歸分析
三、「產品及服務交換」與「使用行為意圖」之相關係數0.577 為中度相關，並 且為顯著。
四、「財務交換」與「使用行為意圖」之相關係數0.378 為低度相關，並且為顯 著。
五、「適配」與「使用行為意圖」之相關係數0426 為中度相關，並且為顯著。
由以上相關分析獲得的結果，對於使用行為意圖的關聯強度還是以協同合作 及產品及服務交換變項最為密切，但僅為中度相關，依據數據發現財務交換對於 使用行為意圖的關聯強度最弱，顯示客戶於財務的觀點是否獲得顧問等值的服 務，對於使用該ERP 的行為意圖影響並不密切。
第五節 影響客戶滿意程度之迴歸分析
迴歸分析是運用變項間的關係來進行解釋與預測的統計技術，一般來說，兩 個變項的關係先以相關係數去檢驗線性關聯的強度，若相關達到統計顯著水準，
表示線性關係是有意義的，便可以進行迴歸來進行進一步的預測與解釋(邱浩 政，2006)。
本研究以迴歸分析探討以因素萃取後的各個主成份因素產品及服務交換、財 務交換、資訊交換、協同合作、適配等變項，針對研究假設進行單獨預測變項與 依變項客戶滿意度及使用行為意圖進行線性迴歸分析，探討變項間的因果關係。
一、簡單迴歸分析(simple regression)
先期採用簡單迴歸分析探討變項間 R2 (R sequare)值的解釋力及進行 t 檢定獲得的P 值(p value)是否有顯著相關如表 4-29，若變項之間有顯著相關 則代表互相具有顯著因果關係，再以多元迴歸進一步瞭解構面因素間的影 響。
由以下簡單迴歸分析所獲得的結果，所有因素萃取後的成份因素對於依變項
0.776 0.596 10.147 0.000***
財務 0.581 0.328 5.885 0.000***
0.577 0.323 5.826 0.000***
財務 0.378 0.130 3.362 0.001***
資訊 0.480 0.219 4.507 0.000***
協同合作 0.593 0.342 6.069 0.000***
適配 0.426 0.170 3.884 0.000***
資料來源：本研究整理
二、多元迴歸分析(multi regression)
因為在本研究當中，影響依變項的預測變項並不只一個，此時可以進一 步採用多元迴歸分析建立一套包含多個預測變項的模型，同時納入多個預測 變項來對依變項進行解釋(explanation)與預測(prediction)。
在本研究在分析策略上是採用預測型迴歸最常使用的變項選擇方法逐
目的：以最少的預測變項來達成對依變項最大的預測力(邱浩政，2006)。
經過逐步迴歸分析即可以算出 R2值，然後再利用F 考驗來檢驗顯著性，
多元迴歸分析R2值反應了回歸模型的解釋力，若R2值具有統計的顯著性，
則需進行迴歸係數的統計考驗，來決定各個預測變項的解釋力。檢定的原理 與簡單迴歸相同，也是利用t 考驗來檢驗迴歸係數 b 的統計顯著性，並利用 標準化程序將b 係數轉換成迴歸係數(β)是為標準化迴歸係數(standardized regression coefficient)，來說明各個預測變項的相對重要性，迴歸分析的結果 及說明如表4-30 及表 4-31 所示：
表4-30 預測變項對客戶滿意度之多元迴歸分析
調過後的
R 平方 F 檢定 顯著性
標準化
係數 t 顯著性
Beta 分配
(常數) 0.664 46.438 0.000 0.824 0.413
協同合作 0.310 2.861 0.006
產品服務 0.450 4.114 0.000
財務 0.173 2.033 0.046
資料來源：本研究整理
依據逐步迴歸分析法的操作原則，將相關係數最高的預測變數協同合 作、產品及服務交換與財務交換加入迴歸分析當中時：
(一) 得到調整過後的 R2= .664，是為最少預測變項解釋最多依變項變異量的 最佳迴歸模型，F 檢定達到 .000 的顯著性。
(二) 「協同合作」的標準化迴歸係數 β 值為 .310，t 檢定之 P 值為 .006 達 顯著。
(三) 「產品及服務交換」的標準化迴歸係數 β 值為 .450，t 檢定之 P 值為 .000
達顯著。
(四) 「財務交換」的標準化迴歸係數 β 值為 .173，t 檢定之 P 值為 .046 達 顯著。
(五) 被排除的變項為「資訊交換」與「適配」之 β 值各為 .026 及 .055，t 檢定之P 值各為 .808 及 .564 均未達顯著。
緊接著同樣以逐步迴歸分析法對依變項使用行為意圖進行迴歸分析，將 相關係數最高的預測變數協同合作、產品及服務交換加入迴歸分析當中時：
表4-31 預測變項對使用行為意圖之多元迴歸分析
調過後的
R 平方 F 檢定 顯著性
標準化
係數 t 顯著性
Beta 分配
(常數) 0.373 21.535 0.000 2.114 0.038
協同合作 0.366 2.535 0.014
產品服務 0.302 2.097 0.040
資料來源：本研究整理
(一) 得到調整過後的 R2= .373，是為最少預測變項解釋最多依變項變異量的 最佳迴歸模型，F 檢定達到 .000 的顯著性。
(二) 「協同合作」的標準化迴歸係數 β 值為 .366，t 檢定之 P 值為 .014 達 顯著。
(三) 「產品及服務交換」的標準化迴歸係數 β 值為 0.302，t 檢定之 P 值為 .040 達顯著。
(四) 被排除的變項為「財務交換」、「資訊交換」與「適配」之 β 值各 為 .030、 .020 及 .061，t 檢定之 P 值各為 .801、 .893 及 .638 均未達
顯著。
三、路徑分析(Path Analysis)：
路徑分析法最早是由遺傳學者Sewll Wright 於 1921 年所提出， 主要是 用来解釋基因之於人類的因果關係。之後亦用於社會行為科學的研究。
路徑分析主要在於分析變項間的因果關係(causal relationship)；通常我們常 以兩個變項之相關係數來衡量其相關程度，但相關係數並無法說明變項間的 因果關係。路徑分析住要的目的在於評估路徑係數(Path coefficient)，以了解 預測變數對依變數之作用力(Effect)。對於路徑係數的估計，依般採多元迴歸 分析所獲得之標準化迴歸係數β 值做為路徑係數(李祐榮，2001)。
經過針對依變項客戶滿意度及使用行為意圖分別進行多元迴歸之後可 以將本研究架構(圖 3-1)利用路徑分析具體修正及描繪成圖 4-1 ERP 顧問服 務品質影響客戶滿意度之路徑關係圖及圖4-2 ERP 顧問服務品質影響使用 行為意圖路徑關係圖。
圖4-1 ERP 顧問服務品質影響客戶滿意度之路徑關係圖 資料來源：本研究整理
圖4-2 ERP 顧問服務品質影響使用行為意圖路徑關係圖
依據圖4-1 及圖 4-2 的路徑關係圖，經過多元迴歸分析的結果本研究發 現可以歸納如下說明：
(一) 「產品及服務交換」對於「客戶滿意度」的路徑係數(直接效果)為 .450，
經過t 檢定 P 值為 .000 達到顯著水準，即預測變項對於依變項達到顯 著影響。
(二) 「財務交換」對於「客戶滿意度」的路徑係數(直接效果)為 .173，經過 t 檢定 P 值為 .046 達到顯著水準，即預測變項對於依變項達到顯著影響。
(三) 「資訊交換」對於「客戶滿意度」未達顯著影響。
(四) 「協同合作」對於「客戶滿意度」的路徑係數(直接效果)為 .310，經過 t 檢定 P 值為 .006 達到顯著水準，即預測變項對於依變項達到顯著影響。
(五) 「適配」對於「客戶滿意度」未達顯著影響。
(六) 預測變項「產品及服務交換」、「財務交換」及「協同合作」同時作用 於依變項「客戶滿意度」獲得的R2整體解釋力達66.4%，經過 F 檢定 P 值為 .000 達到顯著水準。
(七) 「產品及服務交換」對於「使用行為意圖」的路徑係數(直接效果) 為 .302，經過 t 檢定 P 值為 .040 達到顯著水準，即預測變項對於依變 項達到顯著影響。
(八) 「財務交換」對於「使用行為意圖」未達顯著影響。
(九) 「資訊交換」對於「使用行為意圖」未達顯著影響。
(十) 「協同合作」對於「使用行為意圖」的路徑係數(直接效果)為 .366，經 過t 檢定 P 值為 .014 達到顯著水準，即預測變項對於依變項達到顯著 影響。
(十一) 「適配」對於「使用行為意圖」未達顯著影響。
(十二) 預測變項「產品及服務交換」及「協同合作」同時作用於依變項「使 用行為意圖」獲得的R2整體解釋力達37.3%，經過 F 檢定 P 值為 .000
達到顯著水準。