• 沒有找到結果。

第三章 第一階段研究與結果

3.4 問卷調查

3.5.1 第一次因素分析

利用 KMO 檢定與 Bartlett’s 球形檢定來進行因素分析之適合性檢定,

而分析結所如表 3.7 所示:

表 3.7 第一次因素分析適合度檢定表

Kaiser-Meyer-Olkin 取樣適切性量數。 .902 Bartlett 球形檢定 近似卡方分配 2996.885

自由度 406

顯著性 .000

Kaiser-Meyer-Olkin 取樣適切性量數(KMO 值)為 0.902,代表資料適 宜進行因素分析;此外,經由 Bartlett 球形檢定後可發現顯著機率小於 0.0001,代表母群體的相關矩陣間有共同因素存在,意謂有進一步進行因素 分析之必要。

2. 第一次因素分析結果

第一次因素分析的主要目的在於將二十九個評價項目做篩檢、萃取的動 作,以縮減因子的數量。此次分析採取主軸因子法(Principal axis factoring)來讓變數與潛伏因素之間關係不明顯的問題獲得解決,並且利用 因素轉軸(Factor Rotation)調整因素負荷量,來凸顯因素對總共同性之貢 獻,使關係更加清楚。常見的因素轉軸有兩種,分別為直交轉軸與斜交轉軸,

之間的差異性在於因素之間的相關關係,進行直交轉軸前必須確認因素間沒 有相關關係,斜交轉軸則反之;而根據上述相關分析的分析結果,可以得知 評價項目之間具有相關性,因而採取斜交轉軸。

此次進行之因素分析,將刪除共同性小及因子負荷量小的評價項目。如 何刪除評價項目的標準選擇方面,在共同性的表中必須檢視項目萃取之共同 性是否低於 0.4,而在樣式矩陣的表中必須檢視項目之因子負荷量是否低於 0.5,評價項目若滿足其中之一就予以刪除。

根據因素分析的結果,萃取之共同性低於 0.4 或因子負荷量低於 0.5 之 問項為 2、6、13、31、29、25、19、12、17、5、10、22,故將上述之項目 予以刪除。此階段共計刪除十二個評價項目,分析結果如表 3.8 及表 3.9 所 示。

表 3.8 第一次因素分析評價項目之共同性

問項 初始 萃取

1 公車路線多且完整 .477 .633

2 轉乘方便 .394 .342

5 公車路線直接不繞彎 .427 .430 6 公車站位分佈適當 .483 .397 7 車上提供站名播報及顯示 .500 .499 8 車內提供報紙及雜誌 .458 .530 9 車內提供個人聆聽廣播或音樂 .414 .402

10 車上空調舒適 .504 .496

11 車輛及車站提供方便的無障礙空間 .593 .602 12 提供充足的乘車資訊 .485 .538

13 增加車上座位數 .370 .263

14 候車站提供遮陽擋雨設備 .634 .652 15 車輛內部座椅寬敞舒適 .606 .717 16 車輛內、外及車站設施整齊清潔 .643 .646 17 車上提供放置腳踏車地點 .404 .421

18 以新車提供服務 .493 .461

19 車輛確實定期檢查 .653 .652 20 儲值卡使用及儲值方便 .587 .680 21 儲值卡儲值提供折扣 .571 .630 22 客服專線人員親切 .657 .723 23 乘客投訴迅速改善 .619 .636 24 對行動不便者提供上、下車服務 .606 .629 25 提供準確的公車動態資訊 .634 .623 26 駕駛服務態度良好 .601 .592 27 駕駛注意乘客上、下車安全 .659 .659 28 駕駛遵守交通規則 .641 .659 29 駕駛對於乘客諮詢能提供正確資訊 .657 .684 30 駕駛安排乘客禮讓博愛座 .610 .616 31 駕駛開車時無不良嗜好 .440 .384

表 3.9 第一次因素分析之因子負荷量 因子

問項 1 2 3 4 5 6 7

28 .876 -.135 -.021 .035 .079 -.022 .044 27 .755 -.078 .092 .081 -.018 .049 -.057 26 .668 .066 .079 .009 -.023 .048 -.124 29 .478 .287 -.097 .121 -.079 -.011 .262 31 .430 .199 .147 -.192 .070 -.054 .075 25 .423 .325 .070 -.004 -.168 .139 -.051 24 .048 .895 -.073 -.015 .059 -.114 -.129 11 -.104 .725 -.142 -.139 .209 .232 .054 23 .133 .687 -.014 .090 .101 -.010 -.250 30 .239 .624 -.049 -.136 -.142 .022 .185 13 -.135 .479 .314 -.054 -.072 -.054 -.094 19 .186 .438 .228 .157 -.115 -.108 .087 15 .106 -.221 .873 -.109 .116 .022 .009 14 .008 .153 .731 -.032 .059 .010 -.111 16 .211 -.019 .625 .042 -.110 -.091 .192 18 .002 .083 .533 .116 .214 -.257 .134 12 -.335 .275 .383 .188 -.174 .299 .173 20 .082 -.134 .000 .838 -.001 .053 .011 21 .146 -.138 -.059 .827 .033 -.003 .005 17 -.250 .413 -.046 .492 .084 -.113 .102 8 -.025 -.080 .082 -.033 .717 -.008 .035 9 -.090 .162 .091 .179 .553 -.006 -.007 10 .111 -.007 .303 -.147 .434 .068 .180 5 .189 .256 -.166 .063 .428 .060 .097 1 .029 -.074 -.102 .025 .025 .832 .099 2 .065 .006 -.074 -.043 -.023 .558 .171 6 .159 .093 .036 .040 .098 .336 .138 7 -.010 -.151 .159 .076 .128 .291 .568 22 .265 .412 .142 .071 .015 .159 -.448

3.5.2 第二次因素分析