研究方法

一、單變量之信度分析

信度分析是用來做問卷的穩定性與一致性之測試，簡單來說信度高 代表受測者在相同條件下，重複量測可得到相同結果。本研究問卷量表 之信度分析方法採用Cronbach’s α係數。Cronbach’s α係數檢定公式如下：

α=（

κ

−1

κ

）×（1－ ₂

2

t i

σ

∑ σ

_）

其中： K 為構面中所包括的題項數；

2

σ

i 為全部受訪者在第i題項的分數之變異數，i = 1, 2, 3,., k；

2

σ

t 為全部受訪者構面之總分變異數。

Cronbach’s α係數之大小及其所代表的可信程度，根據不同的研究性 質，須達到最低水準。

表3.1 信度檢測係數大小與可信程度

α值 可信程度 不同研究性質之最低α水準

α≦0.3 不可信

0.3＜α≦0.4 初步的研究，勉強可信 沒有參考文獻時

0.4＜α≦0.5 稍微可信 探索性、有關案例很少時 0.5＜α≦0.7 可信(最常見的範圍)

0.7＜α≦0.9 很可信(次常見的範圍) 對研究問題相當了解時 α＞0.9 十分可信

資料來源：【19】

二、肯證式因素分析

肯證式因素分析又稱驗證性因素分析(Confirmation Factor

Analysis，CFA)，主要是於SEM中對信度評估的作法，Bentler(1989)更認 為CFA可以獨立應用在信效度的檢驗與理論有效性之確認上。本研究各 構面之題項是由歐洲與美國顧客滿意度彙整修改而來，所以應具其內容 效度，進行驗證性因素分析是為了確認各題項能否代表各構面的意涵。

本研究的模式定義6個潛在變數，包含「企業形象」、「顧客期望」、

「認知品質」、「認知價值」、「顧客滿意度」及「顧客忠誠度」等變 數，每個潛在變數各自包含其衡量的觀察變數。在LISREL報表中，可以 得到一組多元相關平方(squared multiple correlation，SMC)的數據，此數 據反應個別測量變項受到潛在變項影響的程度，SMC值愈高，表示真實 分數所佔比重愈高，信度愈高。SMC只適用於單維假設基礎的信度估計 量，即為一個測量變項只受到一個潛在變項的影響，如果一個測量變項 受到兩個或以上潛在變項的影響則不適用。

SMC_vari=

ii i

i

Θ +

2 2

λ

λ

λ

i：第i項測量變項之因素負荷量

Θ ：第 i 項潛在變項之第 i 項觀察變項之干擾/誤差項ii

3.5.2 結構方程模式

本 研 究 方 法 採 用 結 構 方 程 模 式 ， 結 構 方 程 模 式(Structural Equation Modeling，SEM)是一門新的統計技術，其為一組變數間相互關係而形成的數 學模式，為處理因果分析的統計研究方法，可以整合路徑分析(Factor Analysis) 與因素分析(Path Analysis)的統計技術，研究的目的不限於現象之描述，主要 是建構一個理論的模式，並分析模式中變項之間的關係，可以處理多變量研 究數據的研究與分析，屬於多變量統計的一環。

SEM 是一個結構方程式體系，包含隨機變項、結構參數及非隨機變項，

隨機變項包含：觀察變項(Observed Variables)、潛在變項(Latent Variables)及 干擾/誤差變項(disturbance/error variables)；觀察變項是可以直接被量測的變 項，潛在變項則是理論或假設建構無法直接被量測。完整的SEM 可分為兩 類次體系：1. 測量模式－使用觀察變項來建構潛在變項的模式稱之，界定變 項可區分為外因觀察變項(或稱獨立觀察變項)及內因觀察變項(或稱依賴觀察 變項兩類)。2. 結構模式－又稱為潛在變項模式或線性結構模式，主要建立 潛在變項與潛在變項的關係。其結構相當類似於路徑分析模式，不同的是路 徑分析使用觀察變數，結構模式使用潛在變項。

SEM分析過程(如圖3.2)中，可略分為模型發展與估計評鑑兩階段，前者 著重發展SEM 分析之原理基礎，使SEM 模型可以符合特定的技術要求，以 概念推導SEM 分析技術原理的考量；後者則在產生計量數據來評估SEM 模 型之優劣好壞，以進行適切或必要的修飾，主要著重分析工具及統計軟體(如 LISREL、EQS、AMOS、MPLUS 等等)的操作與應用。茲將基本程序說明如 下(如圖3.4)【13】：

一、理論（Theory）：SEM之變項間關係的呈現，是依據理論來建立，所以 理論是假設模式成立的解釋依據。

二、模式界定（Model Specification）：將理論所呈現之假設以SEM 形式加 以表達。

三、模式識別（Model Identification）：決定模式是否可識別，若模式是可以 識別的，則表示此理論上模式中的每一個參數都可以導出唯一的估計 值。若模式無法識別，則無法對模式做出正確的估計，即表示第二步驟

是失敗的。

四、選擇測量變項及蒐集資料：選擇用於模式中之測量變項。

五、模式估計（Model Estimation）：使用所蒐集的資料估計模式中的參數，

本研究使用LISREL 軟體進行模式估計。

六、配適度評鑑（Assessment of Fit）：決定理論預測模式和所蒐集資料間適 配之程度。適配度評鑑可以分為整理模式適配度檢定、測量模式適配度 檢定與結構模式適配度檢定三種，在整體模式適配度檢定達到可接受程 度之時，才會進行另外兩種檢定，否則即進入模式修正階段。

七、模式修正（Model Modification）：若整體模式適配度未達到可接受程度，

可依據理論假設及統計所呈現的結果，將參數釋放或固定，再重新估計 模式，可重複直到模式達到可接受的程度。

八、解釋（Interpretation）：對模式的統計結果作解釋，可作模式內參數的比 較，使研究者知道哪一個參數影響力較大，哪一個較小。

SEM可作項目分析，精確估計個別項目，並將項目分析的概念融合於因 素結構檢測中，可以檢定個別項目之測量誤差，且可把測量誤差從項目之變 異量抽出，使得因素負荷量具較高的精確度。一個項目可分屬於不同因素，

並設定固定因素負荷量，或設定任何幾個項目的因素負荷量相等。SEM可依 據理論設定某些因素間具相關、不相關或相等之關係，並可對整體因素模式 作統計評估，以瞭解理論所建構的因素模式與所蒐集資料之間的符合程度。

圖3.4 SEM 分析步驟 資料來源：【8】。

3.5.3線性結構關係模式應用

一、基本概念

LISREL線性結構關係模式（Linear Structure Relation；LISREL）是 最早的結構方程模式的分析軟體，由七十年代初期兩位瑞典學者Karl E.

Jöreskog 與Dog Sörbom所發展，用來進行複雜的共變數結構分析。

LISREL整合路徑分析、驗證性因素分析與一般統計的考驗方法，比 一般路徑分析更能分析出複雜的關係現象與構念，也可衡量一系列線性 結構模式的未知係數（即聯立方程式），為一重要工具在研究行為科學 與社會科學理論方面。經過多年不斷的發展與修正，至2004 年6已發展

理 論

模 式 界 定

模 式 識 別

選擇測量變項及蒐集資

模 式 估 計

解 釋 未達可接受程

達可接受程度 階段一

模式發展

階段二 估計與評鑑

模 式 修 正 配適度評鑑

至8.70 版本，本研究即使用LISREL 8.70 進行分析品牌或企業形象、顧 客期望、認知品質、認知價值、顧客滿意度與顧客忠誠度相互間的績效 之關聯模式建構與驗證。

LISREL 模式可解下列三種情形【7】：

(一) 當觀察測量值含括測量誤差時：一般研究採用的衡量變數通常會存 在誤差，主要原因是衡量變數可能被隨機的、無系統性的測量誤差 所影響；另外，一些非隨機的、系統性的誤差，也會影響變數衡量 的結果。

(二) 當觀察變數之間相互影響或具有因果關係時：LISREL 模式可包含 多重指標（ multiple indicators）之潛伏變數，模式中之變數與變數 間可具有互為因果的關係（reciprocal causation），且變數本身也可 以有衡量的誤差，甚至模式中的誤差亦可存在相關性，對於變數間 之因果關係可作較完整的表示。

(三) 當重要的解釋變數沒被觀察到或被遺漏時：LISREL 模式有同時檢 驗多個變數之間複雜之相互因果關係的特性，所以可避免重要之解 釋變數被忽略或未被列入模式中的缺失，造成研究結果有所偏頗。

二、模式的變數（Variables）

LISREL 將所有的變數分類為「潛在變數」、「觀察變數」與「干 擾/誤差變項」，其中觀察變項是可以直接被量測的變項，潛在變數則是 理論或假設建構所以無法直接被量測，必須藉由觀察變數來間接衡量。

在LISREL模式中，觀察變數以方框表示，潛在變數則是以圓框代表。

(一) 潛在變數：無法直接被量測的變數，可經由觀察變數加以衡量 1. 外因潛在變項（Latent Independent Variable，ξ）：會影響其他潛

在變數的自變項，但潛在自變數之間並不會彼此影響，此研究架 構為；企業形象（

ξ

1）。

2. 內因潛在變項（Latent Dependent Variable，η）：會受到外因潛在

變項影響的變項，也有可能受到模式中其他內因潛在變項的影 響；顧客期望（

η

1）、認知品質（

η

2）、認知價值（

η

3）、顧 客滿意度（

η

4）、顧客忠誠度（

η

5）。

(二) 觀察變數：觀察變數可利用問卷直接測量出來，而觀察變數可依照 其所對應之潛在變數的不同，可分為以下兩類：

1. X變數：屬於外因潛在變項的觀察指標；e1（X1）、e2（X2）、

e3（X3）、e4（X4）。

2. Y變數：屬於內因潛在變項的觀察指標；s5 e6 a7 a8（Y1 Y2 Y3 Y4 顧客期望）、s9 s10 a11 e12 s13 s14 a15 e16（Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12 認知品質）、e17 a18 a19 e20（Y13 Y14 Y15 Y16認知價 值）、s21 s22 s23（Y17 Y18 Y19顧客滿意度）、s26 e28（Y20 Y21 顧客忠誠度）。

LISREL 模式中變數的符號，與代表變數之間關係的符號，整理如 表3.1 所示。而本研究假設為：n 個外因潛在變項數，m 個內因潛在變 項，q 個外因潛在變項之觀察指標，p 個內因潛在變項之觀察指標。

表3.2 SEM在 LISREL 模式的符號定義

符號 名字 矩陣大小 定義

ξ xi n × 1 外因潛在變項 η eta m × 1 內因潛在變項

ζ zeta m × 1 干擾（潛在誤差），內因潛在變項 所無法解釋之誤差

Γ、γ gamma m × n 外因潛在變項間的係數矩陣 Β、β beta m × m 內因潛在變項間的係數矩陣

Φ phi n × n ξ的共變數矩陣 Ψ psi m × m η的共變數矩陣

X q × 1 外因潛在變項ξ的觀察變數

Y p × 1 內因潛在變項η的觀察變數

Λy、λy Lambda Y p × m 連結η與Y 的係數 Λx、λx Lambda X q × n 連結ξ與Y 的係數

ε epsilon p × 1 Y的量測誤差 δ delta q × 1 X的量測誤差 資料來源：【13】

圖3.5 顧客滿意度相關模式與觀察變項

三、數學模式

LISREL 的理論架構是以四個變數之間的關係，發展出兩部分的模 式所建構而成，即結構方程模式（Structural Equation Model）與測量模式

（Measurement Model）。結構方程式模式主要是對外因潛在變項與內因 潛在變項間提出假設性的因果關係式，其結構方程式如下：

η = γ ξ + β η + ζ

形象

期望

認知 品質

認知 價值

顧客 滿意

顧客 忠誠

s5

e6

a7

a8 e1

e2

e3

e4

s9

s10

a11

e12

s13

s14

a15

e16

a18

a19 e17

e20

s22

s21 s23

e28 s26

因為潛在變項無法直接量測，所以需藉由觀察變項間接推測而知，

而測量模式主要用來辨識並說明潛在變項與觀察變項之間的關係，其可 分為兩個方程式來描述，一個方程式說明內因潛在變項與觀察應變數之 間的關係，另一個方程式則是說明外因潛在變項與觀察自變數之間的關 係。

對內因潛在變項而言，其測量方程式如下：

Ｙ = Λy η + ε

對外因潛在變項而言，其測量方程式如下：

Ｘ = Λx ξ + δ 四、分析步驟

在使用LISREL進行模式評估時，其分析步驟如下所示：

(一) 發展研究者之理論基礎模式 (二) 建構變數間之因果關係路徑圖

(三) 將路徑圖轉換為結構方程式以及測量模式

(四) 選擇輸入矩陣類型，而後對研究者所提的理論模式進行評估與驗證 五、模式假設

在進行模式評估前，先針對LISREL 模式中的變數與干擾/誤差項作 基本的假設，如下所示：

(一) η與ε無線性相關 (二) ξ與δ無線性相關 (三) ζ與ξ無線性相關 (四) ε、δ與ξ無線性相關

在文檔中 中 華 大 學 碩 士 論 文 (頁 46-58)