研究分析

本研究資料分析依各研究變項進行基本分析與整體模式兩部分，問卷回收後 進行資料鍵入資料編碼輸入完成，基本分析以SPSS12.0分析，整體模式以LISRLE87 電腦軟體進行統計，本研究所採取的資料分析方法分別敘述如下:

一、描述性統計（Descriptive Statistics）

對於問卷中李克特量表之回答，經編碼予以量化。算出各問項的平均數與標 準差。本研究利用描述性統計分析中的平均數、次數分配、百分比及標準差等描 述性統計數值，來瞭解調查樣本結構在各問項如顧客消費行為、吸引力、滿意度 與再購意願所呈現出來的分布情形及分析。

二、信度分析（Reliable Analysis）

信度的定義是指對於樣本進行測量，所得一致性的程度。本研究採用 Cronbach’s α係數進行檢定問卷的信度測量。Cuieford(1965)認為當

Cronbach’s α係數大於 0.7 時，是屬於高信度；Cronbach’s α係數在 0.7 至 0.35 之間時，屬於中信度；Cronbach’s α係數在 0.35 以下時，屬於低信度。

三、效度分析

效度是指一份量表能真正的量測到他所要量測能力或功能的程度，也就是要 達到測量目的的量表才能算是有效的。本研究以專家效度來檢定各構面是否具有 足夠的內容效度。

四、 單因子多變量變異數分析（One-way ANOVA）

單因子變異數分析主要在比較二個或二個以上的樣本平均數，以一個因子或 變數為自變數，執行某依變數的變異數分析。研究利用單因子變異數分析，來檢 定消費者的年齡、職業、教育程度、婚姻狀況、個人月平均收入等對消費者滿意 度與再購意願是否有顯著性差異，及探討消費者滿意度對再購意願是否有顯著性 的影響。

56

五、結構方程式（Structure Equation Modeling, SEM）

結構方程式用以處理複雜的多變量研究數據的探究與分析，被歸類為高等統 計學屬於多變量統計(multivariate statistics)的一環（邱皓政，2003），從統 計的語言來說，結構方程式（SEM）是用來檢定有關於觀察變項與潛在變項之間假 設關係，融合因素分析及徑路分析兩種統計取向，一個完整的SEM模型，可分為測 量模型和結構模型兩部分，前者是指實際測量變項與潛在特質的相互關係，結構 模型則在敘述潛在變數間之因果關係（黃芳銘，2008）。

結構方程模式（structural equation modeling，SEM）透過理論模式的建立，

能夠檢定變項之間的相關性，並對整體模式作統計評估，以了解理論模式與實際 蒐集資料的符合度。SEM模型的建立必須以理論為基礎，強調必須通過觀念的釐清、

文獻整理與推理提出有待檢驗的假設模型，且理論是假設模式成立主要的解釋依 據（黃芳銘，2008）。若發現假設模式與觀察資料的適配度不佳，研究者將模式 進行適當修正（吳明隆，2006）。本研究將以LISREL 模型來探討臺東地方小吃吸 引力、滿意度與再購意願的因果關係與影響程度。結構方程式的分析程序如圖 3-4-1所示：

57

本研究建構「臺東地方小吃吸引力、滿意度與再購意願關係」之結構方程模 式，如圖3-4-2 所示。ξ1代表吸引力；η1為滿意度、η2為再購意願。X1為產品 特性、X2為環境特性、X3為服務特性；Y1為產品特性、Y2為環境特性、Y3為服務 特性；Y4至Y5分別重複購買與推薦他人。λx1至λx3分別代表對X1至X3對ξ1的 估計值；λy1至λy5分別代表Y1至Y5對η1及η2的估計值。δ1至δ3分別代表對 X1至X3對ξ的估計殘差；ε1至ε5代表Y1至Y5對η1及η2的估計殘差。

理 論

模 式 界 定

模 式 識 別

選 擇 測 量 變 項 及 蒐 集 資 料

模 式 估 計

適 配 度 評 鑑

解 釋 未達可接受程度

模 式 修 正

達可接受程度

圖3-4-1：SEM分析步驟之路徑圖 資料來源：黃芳銘（2008）

58

針對本研究所提出的研究架構來驗證研究假設並進一步瞭解各構變項間的影 響效果，本研究以LISREL87線性結構分析法來驗證臺東地方小吃吸引力、滿意度 與再購意願之因果關係及檢驗理論模式的適配度；本研究在檢驗模式結構適配度 及內在結構適配度。將評鑑項目整理如表3-4-7所示，並以此標準做為後續分析之 準則。

λ y5 λ y4

r2

β1

r1 _{λ y3}

λ y2 λ y1

λ x3 λ x1

λ x2 X1 產品特性

η1 滿意度

X2 環境特性

X3 服務特性

ξ1 吸引力

η2再購意願

Y1 產品特性

Y2 環境特性

Y3 服務特性

Y4 重複購買

Y5 推薦他人

圖3-4-2：臺東地方小吃吸引力、滿意度與再購意願之研究模型 資料來源：研究者整理

ε 5 ε 4 ε 1

ε 2

ε 3 δ 1

δ 2

δ 3

59

60

2.GFI與AGFI

適合度指標（Goodness of Fit Index, GFI）是一種非統計的測量，其範 圍介於0 與1 之間。GFI 愈接近1，代表模型的適配度愈好。一般學者建議 GFI 須大於0.9，模型才能夠被接受。而調整後適合度指標（AGFI），是將 GFI 依自由度的數目加以調整後而得。若此兩指數愈接近1 ，表示整體適 配度愈高，模型的解釋能力愈高。但GFI 與AGFI 也會受到樣本數大小的影 響。

3.RMR

殘差平方根（RMR）是適配殘差變異數/共變數之平均值的平方根，顯示殘 差值的大小。因此，當RMR 值愈小時，表示模式愈容易被接受。

4.SRMR

標準化殘差平方根（SRMR）是平均殘差共變標準化的總合，範圍在0 與1 之 間。SRMR 愈接近0，代表模型的適配度愈好。一般學者建議SRMR須小於0.05，

模型才能夠被接受。

5.RMSEA

RMSEA：為漸近誤差均方根指標，是近年來相當受到重視的一個適配指標，

當RMSEA≦0.05 時，表示理論模式可以被接受，為良好適配；0.05~0.08 則 是中度適配；若大於0.10 則表示不良適配。

6.NFI與NNFI

基準配合指標（Normed Fit Index, NFI）值介於0 與1 之間，愈接近1（通 常需要大於0.9）表示模型的可接受度愈高。但是NFI 會受到某些因素干擾 和影響，包括沒有控制自由度和容易受樣本數大小的影響，因此有些學者 並不認為NFI 是一個評鑑模型適配度的良好指標。於是後來有學者發展非 基準配合指標（Non-Normed Incremental Fit Index,NNFI），其能夠降低 樣本數的影響。NNFI 是一種非規範性指標，是因為其對NFI 做自由度的調 整，結果使其所產生的值可能會超出0 與1 之間。

61

7.CFI

比較配合指標（CFI）是一種非集中卡方分配，即使在小樣本之下，CFI 對 模型適合度的估計表現仍相當好。CFI 值介於0 與1 之間，值愈大表示模 型適配度愈好。一般學者建議要判斷模型是否可以被接受時，CFI 值通常 須大於0.9。

（二）內在結構適配度

在測量模式適配度的評量上，關注的是潛在變項與其指標變相間的關係，

即代表構念之測量的效度與信度的問題。效度反應的是指標變項對於想要測量 的潛在特質，實際測量多少的程度，信度指的是測量的一致性。如果測量模式 中的因素負荷量均達顯著（p＜.05，t的絕對值大於1.96），此種情形表式測量 的指標能有效反映出它所要測量的構念，即表示該測量具有良好的效度。

信度是指測量資料的可靠性，即一個測量工具在測量某持久性心理特質（態 度）的一致性或穩定性，主要在檢定觀察變項於潛在變項間的信度及估計參數 的顯著水準，亦可說是模式之內在品質。本研究依據學者Bogozzi 和Yi在1988 提出的論點，建議以下標準來判斷（吳明隆，2008）：

1.個別觀察變項的項目之信度 （individual item reliability）在.50以上。

2.潛在變項的組合信度 （composite reliability），在 .60以上。

3.所有參數統計量估計值均達顯著水準（t＞1.96；或p＜.05）。

4.標準化殘差（standardized residuals） 之絕對值小於2.58 者。

62