統計方法

本研究運用 SAS 9.3 及 Stata13.0 軟體進行統計分析。資料蒐集後先 以 SAS 9.3 進行基本的描述性統計，之後運用 Stata13.0 進行雙變項分析，

以及多變項分析。多變項分析部分將依據依變項之特性，運用多元迴歸 模型 (multiple regression analysis)、順序羅吉斯迴歸模型 (ordered logit model)，以及羅吉斯迴歸模型 (logistic regression model) 進行分析。以下 簡述其統計方法：

一、 描述性統計

根據研究對象之社會人口學變項（年齡、家中小孩數、國籍、婚 姻狀況、教育程度、全職工作、現居地、婚姻狀況、家戶收入、計畫 生下一胎）、過去疾病狀況與疫苗使用狀況（曾經有人鼓勵您去補施 打 MMR、醫生的重要性、護理人員的重要性）以「次數分配」與「百 分比」描述。德國麻疹與先天性德國麻疹相關知識，以「答對人數」、

「答對百分比」描述之。願付價格變項，若為連續型則以「平均值」、

「標準差」表示；若為分三類之類別變項以及未來補施打意願分二類，

則以「次數分配」及「百分比」表示。德國麻疹疾病及疫苗相關健康 信念模式與未來德國麻疹疫苗補施打意願（以總分表示）以「平均值」

與「標準差」加以描述。

二、 雙變項分析

在類別變項相關分析中，由於卡方值僅能檢驗兩類別變項是否相 關，卡方值之大小並無法直接進行比較，因此，本研究乃運用其他關 連係數進行變項間關聯強度之分析，Cramer’s V 係數適用於二類以上 名義變項之相關；Tau 係數則用於順序變項與順序變項之相關，以 τc 係數表示 Spearman 等級相關適用於順序變數與連續之相關，η (eta) 係

數則用來檢定名義變項與連續變項之相關，其中 Pearson 相關，其值 若為 0，為兩變項之間無相關性，0<r<1 為正相關，-1<r<0 為負相關（邱 皓政，2012）。

本研究使用Cramer’s V 係數與 Tau 係數來驗證「社會人口學變項」、

「過去疾病狀況與疫苗使用狀況」與「未來補施打意願」、「願付價 格」彼此間是否存在關係。此外，本研究以 Pearson 相關與 Spearman 等級相關探討「德國麻疹與先天性德國麻疹相關知識」及「德國麻疹 疾病及疫苗相關的信念」與「未來補施打意願」、「願付價格」之關 係。此外，在跑多元迴歸模型前，需確認健康信念模式之各構面是否 有共線性之問題，故計算變項之間 variance inflation factor (VIF)、

tolerance (TOL)，VIF 小於 5 代表變項間不會互相干擾影響其與依變項 之關係。Tolerance 與 VIF 是互為倒數，Tolerance 越小，就表示該自變 項與其他自變項間之共線性越高或幾乎是其他自變項的線性組合。

三、 推論性統計

本研究以多元迴歸模型 (multiple regression analysis)、順序羅吉斯 迴 歸 模 型 (ordered logit model) ， 以 及 羅 吉 斯 迴 歸 模 型 (logistic regression model) 分別討影響德國麻疹陰性婦女之未來補施打意願與 願付價格之相關因素。此外，進行推論性統計前，主要自變項之行動 線索中醫生和護理人員重要性細格數太小，故將此二個變項合併成連 續變項，以及考量控制變項（全職工作、婚姻狀況、過去疾病狀況與 疫苗使用狀況）在雙變項分析中並不顯著，故不納入迴歸模式中進行 分析。

(一) 未來補施打意願：本研究以羅吉斯迴歸模型 (logistic regression model) 分析健康信念模式各構面是否影響「未來是否願意施打

MMR」，以及多元迴歸模型 (multiple regression analysis) 探討健 康信念模式各構面是否影響未來補施打意願 之程度。

(二) 願付價格：本研究以多元迴歸模型 (multiple regression analysis) 探討健康信念模式各構面是否影響「願付價格」。此外，以順序 羅吉斯迴歸模型 (ordered logit model)，分析健康信念模式各構面 是否影響願付價格落於某區間價格之可能性。