統計分析方法

本研究之資料分析以 SPSS 統計套裝軟體為工具進行分析，以驗證研究假 設。統計方法以敘述性統計分析、信度分析、效度分析、單因子變異數分析、成 對樣本 t 檢定、簡單迴歸分析、虛擬迴歸分析、混合設計多元迴歸分析等進行樣 本分析。

1. 敘述性統計分析：

針對受測樣本基本資料進行敘述性統計分析，以了解樣本的結構分 佈與組成特性。

2. 信度分析：

分析本研究中顧客反應構面的各項變數，並探討前測問卷信度和正 式問卷的信度。本研究採用Cronbach’s α 係數作為信度的判斷指標。

3. 效度分析：

透過效度分析，我們可以用來確認問卷是否有詢問到本研究想要衡 量的概念。而效度可分成：表面效度(face validity)、內容效度(content validity)、效標關聯效度(criterion-related validity)與建構效度(construct validity)。(莊立民等合譯，民 93)

4. 單因子變異數分析(one-way ANOVA)：

主要目的在於考驗三個或三個以上獨立樣本觀察値之各組平均數 彼此間是否相等。其中的自變項為間斷變項，依變項為連續變項，自變 項為三分名義變項或多分類別變項。

ANOVA 分析之 F 値達到顯著，表示組間至少有一對平均數之間有 顯著差異，但想進一步得知是哪兩組，需進行「成對組多重比較」

(pairwise multiple comparisons)分析，即所謂的「多重事後比較」，常以

「post hoc tests」稱之(吳明隆等，民 94)。

5. 成對樣本 t 檢定：

測試有無給予資訊和有無給予補救的回收樣本，對於樣本題項的反 應是否存在顯著差異。即測試無提供延遲原因資訊、提供不可控制延遲 原因資訊、提供可控制延遲原因資訊，認知可控制程度有無差異；在無 提供任何補償下、在提供心理補償下、在提供實質補償下，不同的提供 延遲原因資訊(無、不可控、可控)，顧客反應有無差異。

6. 簡單迴歸分析(Simple Regression Analysis)

當兩個變項之間具有顯著的線性關係，可以用相關係數來反應此 一線性關係的方向與強度，而進一步的將此二連續變項的線性關係以一 最具代表性的直線來表示，建立一個線性方程式，可透過此一方程式代 入特定的X 值，求得一個 Y 的預測值。此種以單一獨變項 X 去預測一 變項Y 的過程，稱為簡單迴歸(邱皓政，民 94)。

a X b Y '

7. 虛擬迴歸分析(Dummy Regression Analysis)

為使類別變項能進行迴歸分析，需進行虛擬化的處理，將類別獨變 項轉換成虛擬變項(dummy variable)，稱為虛擬迴歸。迴歸分析終究不 擅長處理類別變項，如果類別變項真的那麼重要，建議配合變異數分析 或共變數分析來探討該變項的作用(邱皓政，民 94)。

而類別變項的虛擬化處理，最重要的一個步驟是重新編碼，常用的 編碼方式有虛擬編碼(dummy coding)與效果編碼(effect coding)。兩種編 碼操作程序相似，得到的結果也大多相同，兩者的差異在於係數解釋上 有所不同。當類別獨變項的數目不只一個時，使用效果編碼，在解釋上 較具有優勢(Pedhazur,1997)。本研究所需之類別獨變項只有服務補救，

因此採用虛擬編碼。

8. 混合設計多元迴歸分析(Mixed Design of Multiple Regression Analysis) 混合迴歸：

迴歸模型的獨變項同時包含連續變項與類別變項，一方面須針對類

別變項進行虛擬化處理，也必須考慮其他各個連續獨變項的角色，此時 組整體迴歸方程式(overall regression equation)：

a