生活型態分析

一、生活型態因素分析 (一)因素分析基本理論

根據吳明隆(民 92)提出，因素分析的主要流程，可以分為以下幾個步驟：

1.計算變項間相關矩陣或共變數矩陣

由於本研究以原始資料作為因素分析之數據，電腦通常會自動先轉 化為相關矩陣方式，再進行因素分析。

2.估計因素負荷量

估計因素負荷量(factor loadings)時，最常使用的方法為主成分分析 法(principal components analysis)與主軸法，然而研究者應多採用主成 分分析法來估計因素負荷量。由於主成分分析法，是以線性方程式將所 有變項加以合併，計算所有變項共同解釋的變異量，該線性組合稱為主 要成分，因此適用於單純為簡化大量變項為較少的成分時，以及作為因 素分析的先前預備歷程。故本研究在進行估計因素負荷量時，將採用主 成分分析法。

3.決定轉軸方法(rotation)

轉軸法使得因素負荷量易於解釋。轉軸目的在於改變題項在各因素 之負荷量的大小，轉軸後，每個共同因素的特徵值會改變，與轉軸前不 一樣，但每個變項的共同性不會改變。

Bryman, Cramer(1997)建議，直交轉軸的優點是因素間提供的資訊 不會重疊，觀察體在某一個因素的分數與在其他因素的分數，彼此獨立

它們彼此有相關的可能性很高。因而直交轉軸方法偏向較多人為操控方 式，不需要正確回應現實世界中自然發生的事件。由於本研究假設各因 素之間的相關性為零，因此本研究採用直交轉軸法中的最大變異法 (Varimax)作為轉軸方法。

4.決定因素與命名

轉軸後，要決定因素數目，選取較少因素構面，獲得較大的解釋量。

進行因素分析，因素數目考量與挑選標準，常用的準則有以下三種：

(1)Kaiser’s 準則標準

Stevens(1992)指出，Kaiser’s 準則標準，選取特徵值大於一的 因素，而如果按照此一準則，因素分析的題項數最好不要超過30 題，

題項平均共同性最好在0.70 以上，如果受試樣本數大於 250 位，則 平均共同性應在0.60 以上。

(2)陡坡圖

此圖根據最出抽取因素所能解釋的變異量高低繪製而成，通常陡 坡圖底端的因素不重要性，因此可以捨棄不用。

(3)KMO 值

Kaiser(1974)的觀點指出，題項間是否適合進行因素分析，可從 取 樣 適 切 性 量 數 (Kaiser-Meyer-Olkin measure of sampling adequacy ;KMO)值的大小來判別，其判斷的準則如下表四-3：

表四-3 KMO 判斷準則

KMO 統計量值 因素分析適合性 0.90 以上 極適合進行因素分析 0.80 以上 適合進行因素分析 0.70 以上 尚可進行因素分析 0.60 以上 勉強可進行因素分析 0.50 以上 不適合進行因素分析 0.50 以下 非常不適合進行因素分析

Zaltman, Burger(1975)則認為，只要萃取特徵值大於 1，各變項負 荷量大於0.3，且累積解釋變異量達 40%以上即可。

因此本研究進行生活型態問題的因素分析時，首先判斷 KMO 值是 否大於0.60 以上，以確定題項是否適合進行因素分析；然後以 Kaiser’s 判斷準則為主，保留特徵值大於1 的因素；再者以陡坡圖為輔助判斷保 留的因素數目多寡。最後，取其因素負荷量絕對值大於0.4 以上之變數，

作為因素命名之依據。

(二)因素分析過程

依照以上的判斷準則，本研究萃取生活型態因素構面的過程如下：

1.第一次因素分析

(1)本次因素分析之 KMO 值為 0.789，大於 0.60；近似卡方值為 2966.219；p 值小於 0.05，因此本次生活型態變數適合進行因素分 析。

(2)保留特徵值大於 1 的因素，輔以陡坡圖的判斷，因此總共萃取出七 個因素構面，累計解釋變異量為55.133%，已超過 40%，故保留的 因素是適合的。

(3)經過轉軸分析之後，第六個與第七個因素構面因為所包含的題項只 有二題，根據吳明隆(民 92)表示，一個層面的題數最少應在三題以 上，如此才具代表性，故此二個構面應予以刪除。因此刪除第13、

14、16、24 題的題項，再進行第二次因素分析。

2.第二次因素分析

(1)本次因素分析之 KMO 值為 0.803，大於 0.60；近似卡方值為 2558.248；p 值小於 0.05，因此本次生活形態變數適合進行因素分 析。

(2)保留特徵值大於 1 的因素，輔以陡坡圖的判斷，因此總共萃取出六 個因素構面，累計解釋變異量為56.219%，已超過 40%，故保留的 因素是適合的。

(3)經過轉軸分析之後，第六個因素構面因為所包含的題項只有二題，

此一個構面應予以刪除。因此刪除第17、19 題的題項，再進行第三 次因素分析。

3.第三次因素分析

(1)本次因素分析之 KMO 值為 0.800，大於 0.60；近似卡方值為 2326.228；p 值小於 0.05，因此本次生活形態變數適合進行因素分 析。

(2)保留特徵值大於 1 的因素，輔以陡坡圖的判斷，因此總共萃取出五 個因素構面，累計解釋變異量為54.240%，已超過 40%，故保留的 因素是適合的。

(3)經過轉軸分析之後，這五個因素構面所包含的題項分別都超過三個 以上，因此皆能代表各層面的表達特質。

4.信度分析

接著，將第三次因素分析之後的構面進行信度分析，以檢驗構面 的可信度，其結果彙整如下：

因素構面 包含題項 信度 因素一 1、6、7、11、21 0.8161 因素二 4、5、9、22 0.6976 因素三 10、20、23、25 0.6151 因素四 3、8、18 0.4761 因素五 2、12、15 0.0341

其中第四個因素構面中，如果刪除第18 題之後，信度將會增高，

顯示其內部一致性與同一構面之中其他題項並不一致，因此與以刪 除；而第五個因素構面中，如果刪除第15 題之後，信度將會增高，

顯示其內部一致性與同一構面之中其他題項並不一致，因此與以刪 除。接著進行最後一次的因素分析。

5.第四次因素分析

(1)本次因素分析之 KMO 值為 0.799，大於 0.60；近似卡方值為 2215.436；p 值小於 0.05，因此本次生活形態變數適合進行因素分 析。

(2)保留特徵值大於 1 的因素，輔以陡坡圖的判斷，因此總共萃取出五 個因素構面，累計解釋變異量為58.526%，已超過 40%，故保留的 因素是適合的。

(3)經過轉軸分析之後，這五個因素構面所包含的題項分別都超過三個 以上，因此皆能代表各層面的表達特質。

(三)因素分析結果

最後將各因素構面的特徵值與累計解釋變異量整理如表四-4 所示：

表四-4 各因素構面的特徵值與累計解釋變異量

因素構面 特徵值 解釋變異量(%) 累 積 解 釋 變 異 量 (%)

因素一 3.821 22.476 22.476 因素二 2.573 15.137 37.613 因素三 1.318 7.755 45.368 因素四 1.222 7.187 52.554 因素五 1.015 5.971 58.526

二、生活型態因素構面信度分析 (一)信度分析基本理論

1.信度的定義

Kerlinger(1986)指出，「信度」是指一種衡量工具的正確性(accuracy) 或精確性(precision)。

黃 俊 英 ( 民 88) 指 出 ， 信 度 有 兩 方 面 的 意 義 ， 一 是 穩 定 性 (stability)，一是一致性(equivalence 或 consistency)。

(1)穩定性

建立信度的一種常用的方法是在二個不同的時間點重複衡量相 同的事物或個人，然後比較兩次衡量分數的相關程度，此即所謂的「再 測信度」(test-retest reliability)的估計。在決定信度時，重要的決策 之一是要決定兩次連續衡量的時間要間隔多久。如果間隔過久，受訪 者的態度可能會改變，從而降低前後分數的相關程度；如果間隔時間 太短，可能會造成試驗偏差─人們可能會記得他們在第一次受訪時所 做的反應，因而導致比他們態度更為一致的結果。

(2)一致性

一個態度尺度常包含若干項目，這些項目都在衡量相同的態度，

故各項目之間應具有一致性。在同一尺度之內，一致性係指該尺度中 各項目的內部一致性(internal consistency)或內部同質性(internal homogeneity)。

2.信度的衡量方法

吳明隆(民 92)提出，目前常用來估計一組項目之內部同質性的方法 是Kuder and Richardson 的 KR20 和 Cronbach’s α 係數。KR20 和 α 係數係同時考量尺度中的所有項目，不用將所有項目分成兩半。如果尺 度中的所有項目都在反映相同的特質，則各項目之間應具有真實的相關 存在。如果某一項目和尺度中的其他項目之間並無相關關係存在，就表 示該項目不屬於該尺度，而應將之剔除。Cronbach’s α 係數對區間水準 的多項目尺度最有用，而KR20 是在估計二選一項目尺度的信度時產生 α 值的方法。

由於本研究為多項目尺度變項的衡量，故採用Cronbach’s α 係數作 為信度分析的方式。Cronbach’s α 係數可簡要地衡量存在於一組項目間 的互相關係，其公式如下：

Crocker, Algina(1986)指出，α 係數是估計信度的最低限度(lower bound)，是為所有可能的折半係數之平均數，估計內部一致性係數，用 α 係數優於折半法，因為任何長度的測驗有許多種的折半方式，相同資 料，不同的折半方式求得的數據，便會產生不同的估計值。

Gay(1992)認為，任何測驗或量表的信度係數如果在 0.90 以上，表 示測驗或量表的信度甚佳，0.80 則為可接受的最小信度。

DeVellis(1998)則認為，信度係數最小應為 0.70 以上。

吳明隆(民 92)則認為，0.70 是 α 值可以接受的下限，但在探索性研

首先，將最後經過因素分析之後的因素構面，分別進行各構面的信度分

表四-6 各構面的因素負荷量

以不希望耗費過多的時間精力在購物上面。因此將此因素命名為「購物便利」

因素。

(四)因素四：品牌忠誠

本構面的因素負荷量之絕對值大於0.4 者共有二題，此因素內的變數多 與「品牌」有關，主要在描述消費者對於品牌知名度越高的產品，會具有越 高的認同感，而且願意比平常多花一些金錢來購買。因此將此因素命名為「品 牌忠誠」因素。

(五)因素五：熱愛社交

本構面的因素負荷量之絕對值大於0.4 者共有二題，其中第十二題及第 二題皆為反向題，若同意程度越高，則分數越低，因此因素內的變數多與「社 交」有關，主要在描述消費者熱衷於參加社交活動，並不喜歡單獨自處的生 活。因此將此因素命名為「熱愛社交」因素。

四、生活型態集群分析 (一)集群分析基本理論

根據吳明隆(民 92)指出，集群分析(cluster analysis)是一種多變量分析 程序，其目的在於將資料分成幾個相異性最大的群組，而群組間的相似程度 最高。集群分析的方法，主要有二種，一為「階層式集群分析法」(hierarchical cluster analysis)，二為「K-Means 集群分析法」，如果觀察值的個數較多或

根據吳明隆(民 92)指出，集群分析(cluster analysis)是一種多變量分析 程序，其目的在於將資料分成幾個相異性最大的群組，而群組間的相似程度 最高。集群分析的方法，主要有二種，一為「階層式集群分析法」(hierarchical cluster analysis)，二為「K-Means 集群分析法」，如果觀察值的個數較多或