本研究主要在討論咖啡店展店選址的參考因素，研究設計變數為「人口密 度」、「交通設施」、「三角窗」、「大學院校」、「政府機關」、「百貨量販」、「醫療院 所」及、「土地使用分區」等八個。
在對變數進行因素分析前，本研究先進行 KMO (Kaiser-Meyer-Olkin)取樣 適當性檢定及巴氏球形檢定(Bartlett Test of Sphericity)，以確定資料的分 析效果及是否適合進行因素分析？
KMO 取樣適當性檢定及巴氏球形檢定結果為：KMO=0.477 小於 0.5，表示樣 本資料進行因素分析的效果不好，惟巴氏球形檢定值 91.400，顯著性=0.000 <
α=O.O1，顯示本研究樣本資料非常適合進行因素分析。
表 31：KMO 與 Bartlett 檢定彙整表(8 變數) Kaiser-Meyer-Olkin 取樣適切性量數。 0.477 Bartlett 的球形檢定 近似卡方分配 91.400
df 28
顯著性 .000
樣本資料通過 Bartlett 的球形檢定後，續以因素分析之主成分分析進行萃 取共同因素，依特徵值大於 1 之標準，將 8 個研究變數濃縮萃取成 4 個共同因素。
第一個因素可解釋全部變異之 24.907%，第二個因素可解釋全部變異之 18.078%，
第三個因素可解釋全部變異之 14.040%，第四個因素可解釋全部變異之 13.580%，
四個因素共可解釋全部變異之 70.604%。因素解釋百分比逐漸遞減，亦即代表越 前面的因素越重要。
表 32：因素解說變異量表(8 變數) 元
件
初始特徵值 平方和負荷量萃取 轉軸平方和負荷量 總數 變異數的 % 累積% 總數 變異數的 % 累積% 總數 變異數的 % 累積%
1 1.993 24.907 24.907 1.993 24.907 24.907 1.908 23.846 23.846 2 1.446 18.078 42.985 1.446 18.078 42.985 1.336 16.705 40.551 3 1.123 14.040 57.024 1.123 14.040 57.024 1.245 15.566 56.117 4 1.086 13.580 70.604 1.086 13.580 70.604 1.159 14.487 70.604 5 .862 10.769 81.374 6 .685 8.564 89.937 7 .487 6.092 96.030 8 .318 3.970 100.000 萃取法：主成份分析。
註：網底部分為特徵值大於 1 者
此外，若以陡坡圖來決定選擇因素個數，吾人將發現特徵值趨於平緩是在因 素四之後，故應選擇前四因素。惟陡坡圖無明確判斷標準，從而 Kaiser 提倡以 特徵值達 1 作為選取標準。
圖21：因素分析陡坡圖
經過最大變異數轉軸法(varimax)對所選出之因素進行轉軸後，選取因素負 荷絕對值大於 0.45 之結果列示如轉軸後之成分矩陣表。
表 33：轉軸後之成分矩陣表(8 變數)
註：網底部分為因素負荷量絕對值大於 0.45 者
由於人口密度同時跨越三因素，將干擾各因素間的分析，故再將人口密度變 數排除，重新進行檢定分析。
KMO 取樣適當性檢定及巴氏球形檢定結果為：KMO=0.489 小於 0.5，表示樣 本資料進行因素分析的效果不好，惟巴氏球形檢定值 91.400，顯著性=0.000 <
α=O.O1，顯示本研究樣本資料非常適合進行因素分析。
表 34：KMO 與 Bartlett 檢定彙整表(7 變數) Kaiser-Meyer-Olkin 取樣適切性量數。 .489 Bartlett 的球形檢定 近似卡方分配 59.218
df 21
顯著性 .000
樣本資料通過 Bartlett 的球形檢定後，續以因素分析之主成分分析進行萃 取共同因素，依特徵值大於 1 之標準，將 7 個研究變數濃縮萃取成 4 個共同因素。
第一個因素可解釋全部變異之 25.998%，第二個因素可解釋全部變異之 18.343%，
第三個因素可解釋全部變異之 15.541%，第四個因素可解釋全部變異之 14.698%，
四個因素共可解釋全部變異由原先之 70.604%增加為 74.581%。
主成分矩陣 元件
1 2 3 4
使用分區 .853 -.219 .113 -.175 大學院校 .710 -.053 .057 .133 交通設施 .616 .463 -.325 -.004 政府機構 .515 .393 .283 .258 醫療院所 -.098 .824 .096 -.146 百貨量販 .076 .094 .907 .075 三角窗 .072 -.162 .108 .875 人口密度 -.099 .451 -.446 .501
表 35：因素解說變異量表(7 變數) 資料進行因素分析的效果可以被接受，且巴氏球形檢定值 53.133，顯著性=0.000
< α=O.O1，顯示本研究樣本資料非常適合進行因素分析。
表 37：KMO 與 Bartlett 檢定彙整表(6 變數) Kaiser-Meyer-Olkin 取樣適切性量數。 .507 Bartlett 的球形檢定 近似卡方分配 53.133
df 15
顯著性 .000
樣本資料通過 Bartlett 的球形檢定後，續以因素分析之主成分分析進行萃 取共同因素，依特徵值大於 1 之標準，將 6 個研究變數濃縮萃取成 3 個共同因素。
第一個因素可解釋全部變異之 29.998%，第二個因素可解釋全部變異之 20.839%，
第三個因素可解釋全部變異之 17.588%，可解釋全部變異雖由原先四個因素之 70.604%增加為 74.581%，再減少為三個因素共 68.426%，但以三個因素可解釋全 部變異卻從最初 57.024%增加為 59.883%，再增加為 68.426%。
表 38：因素解說變異量表(6 變數)
茲將萃取共同因素後之「因素負荷量」、「獨特性」、「特徵值」及「解釋變異 量」整理如主成分分析結果表如下。因素獨特性之計算(1-hi2=ei2 )可以解釋因素 之相對權重，獨特性代表該變數之在該因素解釋力高低，當獨特性越大，則解釋 力越低。
表 40：主成分分析結果表(6 變數)
因素 變數名稱 因素負荷量 獨特性 特徵值 解釋變異量(%) 因素一：
可視性
三角窗 .853 0.147 1.800 29.998 土地分區 .818 0.182
因素二：
人口流動
百貨量販 .759 0.241 1.250 20.839 交通設施 .703 0.297
因素三：
機構設置
政府機構 .865 0.135 1.055 17.588 醫療院所 .484 0.516
圖22：轉軸後空間中的成分圖
將各咖啡品牌設址考量因素經主成分分析後，若要以α<0.05 之顯著水準檢 定各因素之重要程度，是否隨品牌不同而存有顯著差異，本研究再根據主成分分 析之三因素進行單因子變異數分析。
設址考量因素依其重要性程度高低，依序為：人口流動、機構因素與可視性。
再逐一以 F 檢定，依咖啡品牌分組，對其注重程度進行檢定，發現只有人口流動 及可視性之注重程度，將因品牌不同而有顯著差異(α<0.05)，茲將結果臚列如下 表：
表 41：單因子變異數分析結果表
85 度 C 星巴克 路易莎 總和 排名 F 顯著性 <α 可視性 -.4605084 .2852350 -.1528455 -.3281189 3 4.355 .016 * 人口流動 .5799852 -.1554452 -.1885032 .2360368 1 4.464 .014 * 機構因素 -.4508691 .0697005 .2421473 -.1390212 2 2.828 .065 樣本數 19 43 23 85
註：α<0.05 為顯著*