情境的建構

3.4.1 情境建構的分析方法

本研究根據研究目的，為了使收集的情境元素具有意義，並了解各情境元素 間的關係，因此採用以下之統計方法，進行情境元素的資料分析。詳細方法如下 所述：

(1) KMO 取樣適合性檢定和 Bartlett 球面性檢定

為檢定兩個變數間是否具有共同變異的存在，如此資料才值得進行因素分 析。當 KMO 值愈大時，表示變項間的共同因素愈多，愈適合進行因素分析，

其中 KMO 值至少要在 0.6 以上(Tabachinick and Fidell, 1996)，做出來的結果會 比較好，而 KMO 值小於 0.5 則表示此資料不適合做因素分析。在探討相關係 數是否適當的方法，可利用 Bartlett 球面性檢定，它是假設淨相關矩陣為單位矩 陣，若檢定拒絕虛無假設，可確定各變數觀察值間是具有共同變異數存在，表 示此資料可以進行因素分析。

因此在本研究中，將有效之樣本先進行此步驟的分析，以確定是否適合作 進一步的因素分析。

表 3.5：KMO 準則整理表

準則 標準

KMO＜0.5 不能使用

0.5≦KMO＜0.6 不太適合

0.6≦KMO＜0.7 普通

0.7≦KMO＜0.8 還算適合

0.8≦KMO＜0.9 適合

0.9≦KMO 非常適合

資料來源：王保進(民 85)

(2) 因素分析(Factor Analysis)

主要用來將較多觀測變數中，萃取出其中較少之幾個精簡變數，目的在尋找 彼此無關的共同因素來代表原始變數的意義，而能解釋原始資料的最大變異 量。本研究用於日常休閒活動之分析，由日常活動萃取其中共同因素，以達到 變數構面縮減，結果可將日常活動大致歸為幾個構面。

(3) 集群分析(Cluster Analysis)

用於使用者在生活型態上的分群，將相似性高的觀察個體集中在一起，使 得分群後群內個體差異性小，而群與群間的差異性大。集群分析結果可將消費 者根據生活型態大致分為幾個集群，以利後續與其它情境元素關係的探討。

(4) 區別分析(Discriminant Analysis)

上述之集群分析是根據數個分析性準則變數，將所有觀察樣本分成數個集 群。但集群之間差異性是否顯著，集群分析本身並未提供檢定統計量加以檢定。

因此，本研究以典型區別分析之 Wilks’ Lambda 統計量，檢定集群分析後之集 群在準則變數上之差異是否顯著，來確保上述集群分析之正確性與適當性。

(5) 卡方檢定(Chi-square Test)

目的在檢定兩組名目尺度資料，以進一步描述各情境元素的資料收集結 果。本研究用於人口統計變數、產品擁有情況、使用服務的環境與載具、影響 使用者採用數位電視服務意願的因素之情境元素分析。

(6) 單因子變異數檢定(ANOVA Analysis)

分析不同生活型態集群在產品操作困難度是否有顯著差異，以利用此特徵 對各集群進行描述。

本研究使用「SPSS10.0 中文視窗版」統計套裝軟體進行資料分析。

3.4.2 情境建構的分析流程

根據研究目的與 5W 的情境元素之架構，本研究的分析流程，首先定義出 創用者，再由 What 開始，根據生活型態理論，透過日常休閒活動的分析，依

活動類型而將使用者分成不同生活型態的使用族群，這樣的分類法將比一開始 使用人口統計變數(Who)作區隔更具實質意義。在確認出不同的創用者集群 後，才開始探討本研究第二個 What 元素，服務需求。在了解使用者的活動與 服務之後，才依序探討 Who、When、Where、Why 等情境要素，在不同生活型 態的族群間，是否有明顯差異。最後，根據研究分析結果，建構數位電視服務 的使用情境。因此，本研究的資料分析流程與步驟，如下圖 3.3 所示：

日常休閒活動

生活型態活動構面

生活型態分群

N個生活型態集群

產品操作難易度 服務需求

人口特徵

數位產品擁有現況

使用服務環境與載具

影響採用服務的因素

KMO取樣適合性檢定 Bartlett球面性檢定

因素分析 信度分析

集群分析 區別分析

ANOVA

卡方檢定

熱衷於使用產品 或服務之原則

熱衷於追求新事物 的價值觀念原則

創用者

圖3.3：本研究之資料分析流程與步驟