李克特尺度與模糊語意尺度

問卷調查是蒐集相關資訊時的一項重要工具，但由於每個人對評估準則的認知不同，

每一語意變數間轉換為數值時，並非等距的，對於複雜或難以定義的情境，很難以傳統 的量化方法來做合理的表達，因此有必要運用與易變數的觀點來處理這類狀況(詹紹華，

2006)。參考文獻中對李克特尺度與模糊語意尺度說明如下(鄧維兆及裴文，2007)：

35

一、 李克特尺度

傳統問卷調查法的設計，受訪者所填的感受與措詞都是利用明確的數值來表示，

其可分為李克特尺度與語意差別尺度兩種型態。感受語意措辭量化的目的是在估計 受訪者心中針對衡量項目所擁有的等級區別，而且此量化數值本質上是個次序變數，

但絕大部份實證研究分析上都用等距變數來表示。採用李克特尺度評量之問卷是假 定各個語意區間的寬度是相等的，但如此假設是容易衍生出有下列缺點：

1. 不同的語意型態受訪者，存在著語意膨脹與貶值之現象(徐村和等人，2001)。

2. 為迎合數字的精確需求，實驗資料常有被過度使用之嫌(徐村和等人，2001)。

3. 為了簡化或降低數學模式的複雜性，卻將實際狀況之相關動態與動態特質忽略(吳 柏林與楊文山，1997)。

二、 模糊語意尺度

模糊語意尺度評量問卷相對於李克特尺度評量問卷，雖然無「建構明確性」及

「應用方便性」的優點，但模糊語意尺度評量問卷有考量到問卷問題答案之語意措 辭模糊性，即受訪者對每一語意措辭之認知是會有所不同的。故對服務品質此類心 理評量項目，模糊語意尺度評量問卷是較為合適且較能掌握真實之受訪者感受或態 度。

近年來國內外利用模糊語意轉換來處理或整合特定較不易量化問題的研究甚多。

Chen and Hwang(1992)及 Hsu,et al.(1999)之研究則是針對「語意變數法」所衍伸之問題 加以改良而先後提出所謂的「模糊語意尺度法(FLS)」。由於語意尺度的決定可為等距的 區間尺度，已可為飛等距的區間尺度，端看應用問題的特性而定。模糊語意尺度為 Chen and Hwang(1992)提出的模糊多屬性決策分析(FMADM)中的一部分(曾國雄等，1997)。

目前模糊數排序法有許多種，Chen and Hwang(1992)將其歸納分類整理之後，如 表 3-2(詹紹華，2006)：

36

Baas & Kwakernaak(1977) Watson et al.(1979)

Baldwin & Guild(1979) Hamming 距離 Yager(1980)

Kerre(1982) Nakamura(1986) Kolodzijezyk(1986) α -cut Adamo(1980)

Buckley & Chanas(1989) Mabuchi(1988)

比較函數 (Comparison

function)

Dubois & Prade(1983) Tsukamoto et al.(1983) Delgado et al.(1988) 模糊平均數及分布幅度

(Fuzzy mean and spread)

機率分配

Chen & Hwang(1989) 中心指標(Centroid

index)

Yager(1980)

Murakami et al.(1983) 面積測量(Area

measurement)

Yager(1981)

語意表示 (Linguistic expression)

直視法(Intuition) Efstathiou & Tong(1980) 語意變數(Linguistic

approximation)

Tong & Bonissone(1984)

(資料來源：Chen and Hwang,1992)

37

針對模糊決策方法，Chen and Hwang(1992)利用八種模糊語意變數表,提出將模糊資 料用模糊語意詞句加以表示,使能將決策者所給予的語意變數值，轉換成相關的模糊數，

如圖 3-1 及表 3-3：

圖 3-1 八種轉換尺度

(資料來源：Chen and Hwang 1992)

38

表 3-3 八種轉換尺度與語意性措辭

Scale 1 2 3 4 5 6 7 8

No. of terms used two three five five six seven nine eleven

None yes

V.low yes yes yes yes yes

Low-V.low yes yes

Low yes yes yes yes yes yes yes

Fairly low yes yes yes

Mol low yes yes

Medium yes yes yes yes yes yes yes

Mol high yes yes

Fairly high yes yes yes

High yes yes yes yes yes yes yes yes

High-V.high yes yes

V.high yes yes yes yes yes

Excellent yes

V:very Mol:more or less (資料來源：Chen and Hwang,1992)

根據陳志堅(1994)表示，模糊數(Fuzzy Number)轉換明確的數(Crisp number)步驟如 下：

1. 先給定一個最大化集合（maximizing set）及一個極小化集合（minimizing set）：

( ) = { ,0 10 , 𝑡 (3-4) _ｍ ( ) = {1 − ,0 10 , 𝑡 (3-5)

2. 假設M為一模糊數，則M的右值（Right Score）和M的左值（Left Score）可從下列 運算得到：

( ) = [ ( ) ∧ _max( )] (3-6) ( ) = [ ( ) ∧ _min( )] (3-7)

3. 將M的右值和左值作處理，可得到M之總值：

( ) = ^{( ) ( )} (3-8)

39

此 ( )即為所謂的明確的數，圖形之解釋如圖 3-2：

圖 3-2 模糊數之轉換

(資料來源：Chen and Hwang 1992) 針對模糊決策方法，Chen and Hwang(1992)利用八種模糊語意變數表,提出將模糊資 料用模糊語意詞句加以表示,使能將決策者所給予的語意變數值，轉換成相關的模糊數，

而經由陳志堅(1994)將其整理之後相對應的數值，如表 3-4：

表 3-4 八個尺度中語意性措詞轉換成明確數值彙總表

Scale 1 2 3 4 5 6 7 8

No. of terms used two three five five six seven nine eleven

None 0.046

V.low 0.091 0.083 0.091 0.083 0.136

Low-V.low 0.125 0.299

Low 0.166 0.283 0.115 0.250 0.227 0.250 0.333

Fairly low 0.300 0.416 0.370

Mol low 0.363 0.410

Medium 0.583 0.500 0.500 0.500 0.500 0.500 0.500

Mol high 0.637 0.590

Fairly high 0.700 0.584 0.630

High 0.750 0.833 0.717 0.885 0.750 0.773 0.750 0.667

High-V.high 0.875 0.701

V.high 0.909 0.917 0.909 0.917 0.864

Excellent 0.954

V:very Mol:more or less (資料來源：Chen and Hwang 1992、陳志堅 1994)

40