消費者生活型態之集群分析

前一節所做之因素分析已將眾多變數縮減並重分類為少數具有同質性 意義的因素。此節將進行之集群分析，則是將變數再加以分類，將相似的 事物歸屬同類，以達群內同質、群間異質之效。集群分析之進行將使用因 素分析得之三個因素構面，希望能對不同生活型態之消費者予以適當分 群，用以確認及釐清其存在於不同生活型態消費者間之差異。

4.3.1 集群分析法

集群分析法依集群形成後是否會將已形成之集群再打散，可再區分 為階層集群分析法與非階層集群分析法。階層集群分析法易受異常值影 響，而非階層集群分析法則必須事先決定欲分群之組數，兩者間各有優 劣。學者建議可合併使用兩種集群分析法以收最佳分群效果。Pumj 與 Stewart(1983)即建議，可先使用階層式集群法中之華德法(Ward's Method)剔除高異常事物後，求最適集群數目及各集群種子中心值(seed point)，之後再進行非階層式集群分析中之 K-means 法。本研究亦採用 學者建議之二階段分析法，先以階層式集群分析以集群樹狀圖及各集群 凝聚係數增量(between sum-of-square,BSS)，見表 4-10 及表 4-11，找 出最適集群數及起始中心點資料。第二階段再依第一階段執行結果導入 非階層式集群法K-means，將樣本做出適切分群。

4.3.2 集群分析結果

由表4-10 及表 4-11 可以看出，本研究中對於生活型態及功能屬性 兩大因素在2 集群合併為 1 集群時，凝聚係數大增，故此二大因素之最 適集群均為2 群。

表4-10 生活型態集群凝聚係數增量表

階段 集群 凝聚係數 遞增量 最大值

95 7 92.179

96 6 111.035 18.856 97 5 129.957 18.922 98 4 154.372 24.415 99 3 188.327 33.955 100

2

101 1 303 67.611 ●

表4-11 功能屬性集群凝聚係數增量表

階段 集群 凝聚係數 遞增量 最大值

95 7 171.822

96 6 187.706 15.886

97 5 204.341 16.635

98 4 243.739 39.392

99 3 285.633 41.894

100

2

101 1 404 62.557 ●

接下來在非階層式集群分析中，各集群在各構面之分數如表4-12 及表4-13 所示，各集群之命名亦依其在何構面所得分數最多做對應有 意義之命名。生活型態可細分為三個構面對應歸屬至二個消費者集群；

功能屬性則為四個構面對應歸屬至二個消費者集群。

表4-12 生活型態構面與集群分數列表 集群

因素構面 自我族群 嚐新族群

追求嚐新 0.008 -0.019

自我完成 0.480 -1.153

理性購物 0.278 -0.667

生活型態集群中，集群1 在自我完成構面所得分數最高，代表該集 群消費者之共通性為"具有自主選擇性"之消費意識，故將集群 1 命名為

「自我族群」；集群2 則因佔追求嚐新構面分數最高，代表該集群消費 者喜好追求新產品，故將其命名為「嚐新族群」。

表4-13 功能屬性構面與集群分數列表 集群

因素構面 多工族群 玩家族群

商務實用 0.305 -0.493

娛樂影音 0.214 -0.345

附加價值 0.527 -0.851

資訊玩家 -0.033 0.054

功能屬性集群中，集群1 在附加價值構面所得分數最高，代表該集 群內消費者對手機通話以外功能有較高之注重，故將此集群命名為「多 工族群」；集群2 則佔資訊玩家構面分數最高，代表此集群消費者多注 重手機作業系統等多類內部功能與設定，故將其命名為「玩家族群」。

在集群分析完成後，亦可再檢驗集群分析結果是否恰當，如表4-14 所示，即為生活型態集群檢驗結果；功能屬性集群檢驗結果則如表4-15 所示。

表4-14a 生活型態集群適切性檢驗表(Wilks' Lambda 值) 函數檢定 Wilks' Lambda 值 卡方 自由度 顯著性

1 0.253835186 135.05 3 0.00

＊

值

0

、 卡

1

、

自

5

、

顯

0

，

1 0.848443403 12.819 4 0.01

＊

值

0

1

4

0