統計方法

依據本研究之研究需要所採用之研究假說，擬出本研究之資料分析方 法。各種統計方法原理與敘述如下：

3.5.1 敘述性統計(Descriptive Statistical Analysis)

敘述統計是對回收之樣本資料進行整理，本研究根據樣本資料，進行單 一變數之敘述性統計，主要以次數分配、百分比、平均數與標準差，以瞭解 受訪者的分佈情形，分析樣本之服務便利性、服務環境、價格、品質對車主 滿意度(再回修意願)之影響等變數之基本分佈狀態。

3.5.2 因素分析(Factor Analysis)

將15個影響顧客滿意度(回修意願)的因素，利用因素分析之主成份分析 法(Principle components analysis)以及最大變異數轉軸法(vairmax rotation)萃 取顧客滿意度衡量指標構面。

3.5.3 信度與效度分析（Cronbach’s α）

在進行過因素分析後，為能瞭解問卷的可靠性及有效性。通常得再進行 信度分析。量表之信度越高，代表其穩定性相對越高，常用之信度檢定方法 為「Cronbach’s α」。

3.5.4 相關分析(Correlation Analysis)

相關(correlation)是用以檢定兩個變項線性關係的統計方法，相關係數 (correlation coefficient )即是建立一個用以描述兩個連續變項間關聯情形的 量數。一般的相關分析可分為下列三種：

一、皮爾森相關係數(Pearson coefficient of correlation)

皮爾森相關係數的數值可以反應兩個連續變項關聯情形的強度大小，但 相關係數是否具有統計上的意義，則必須透過統計考驗來判斷。

二、史比爾曼等級相關(Spearman rank order correlation )

史比爾曼等級相關適用於兩個連續變數線性關聯情形的描述，而連續變 項必須使用等距或比例量尺。

三、點二系列相關(point-biserial correlation)

兩變項中一為連續變項，另一為二分類別變項的相關係數稱為點二系列 相關。【8】

本研究採用皮爾森相關係數分析探討因素構面對顧客滿意度(回修意願) 影響變數之間的相關程度，並將相關性高的變數獨立進行迴歸分析，以避免 線性重合之情形發生。

3.5.4 判別分析(Discriminate analysis)

判別分析也有人稱為「區別分析」，其觀念類似迴歸分析，均是以一組自 變數來預測一個依變數，只不過迴歸分析之依變數為連續性之數值資料，而 判別分析之依變數則為不連續性之間斷資料。

判別分析主要目的在計算一組「預測變數」（自變數）的線性組合，對依 變數加以分類，並檢查其再分組的正確性。判別分析的基本假設之一為每一 個群體的共變異矩陣必須大致相等，否則其判別函數將受到扭曲，故於分析 中，得以Box’s M來檢定各群體的共變異矩陣是否相等。

求算判別函數之方法，SPSS使用英國著名統計學家 Fisher 所提之方法

，重點在使組間變異對組內變異之比值為最大。其結果有：

一、Fisher’s判別係數：分為未標準化與標準化，此法會為每一組產生一條 判別函數，用以計算判別函數，還可以將其儲存供後續分析使用。

二、典型判別函數：此法產生之判別函數個數恆比組別數少一，有K組將只 有K-1條典型判別函數（canonical discriminate function），且其判別能力 永遠是第一條最大，然後依序遞減。標準化後之判別函數之係數即表其 重要性，係數絕對值越大，其重要性越高【9】。

本研究旨在探討影響因素構面有顯著影響及解釋能力，探討服務便利 性、服務環境、服務價格及服務品質之屬性變數，比較所有因素對回修意願 影響程度之關聯。