問卷初測結果

在進入問卷正式分析之前，必須先經過初步的測試，判斷問卷的可讀性和有效性，

確保受測者是否對每一個問項都能清楚的掌握，還有受測者對於問項的認知是否和我們 要問的相同。量表量測的結果可由信度大小來判斷其可用性，信度指的是可靠性或是一 致性，若一信度好的量表重複在相同或類似的條件下，皆可以得到類似並且穩定的結 果。根據Henson(2001)的觀點，信度係數在 0.50 至 0.60 之間已經足夠；當以基礎研究 為目的時，信度係數最好在0.80 以上；當測驗分數是用來作為截斷分數(cutoff score)之 用途而扮演重要角色(如：篩選、分組、接受特殊教育…等)，信度係數最好在 0.90 以上，

而0.95 為最適宜的標準；若是以發展量測工具為目的，信度係數應在 0.70 以上。

本研究於民國99 年 4 月 27 日至 5 月 4 日於台北捷運西門站和遠東百貨板橋店進行 問卷初測，初測問卷如附錄一所示。初測階段總共蒐集302 份問卷，其中男性 175 人，

女性127 人，經刪除無效問卷後剩餘 230 份問卷，有效比例佔 76.2%。其中男性 137 人，

女性93 人。將所蒐集的資料透過 Winsteps 軟體進行數據分析，所有搭乘能力得到的問 卷信度為0.97。

本研究針對初測結果進行問卷修改，修改後之問卷如附錄二所示，修改內容如下：

1. 第一部份：個人基本資料的「5.職業」，有許多「 其他 科技業 」的受測者，因此 新增「 科技業」項目。

2. 第一部份：個人基本資料的「7.請問您第一次搭乘捷運至今大約多久了？」，有受測 者誤看成「前一次搭乘捷運至今大約多久」，因此在第一次的文字上以紅色粗體、斜 體並且加底線強調，第8 題題目「請問您近半年內搭乘捷運的頻率為？」的近半年 內文字亦以紅色粗體、斜體加底線表示，避免受測者誤解。

3. 第一部份：個人基本資料的「12.請問您平常搭乘捷運所使用的票證」，新增「 使 用悠遊聯名卡」項目。

4. 第二部份：捷運搭乘能力的前三題，Infit 的 MNSQ 值分別為 1.74、1.89、2.40，對 照Wright(2000)等學者建議 Infit MNSQ 應介於 0.6~1.4 之間為最佳，此三題皆超出標 準。檢討題目後發現，每位受測者分別從不同的地點前往捷運車站，因為每個人所 花費的時間和使用運輸工具皆不同，自然量測出來的結果差異很大，因此不適宜放 在同樣的標準之下去衡量，故將該三道試題予以刪除。

修改後之搭乘台北捷運概念架構如下：

1. 捷運車站附近有足夠的標示讓我可以順利的找到車站入口 2. 我可以輕易地使用電扶梯從車站外進入車站大廳內

3. 我可以輕易的使用樓梯從車站外進入車站大廳內

4. 當有需要時，我可以在車站外輕易的找到進入車站大廳的電梯位置 5. 我可以在車站裡輕易的找到購票機或悠遊卡加值機

6. 我可以輕易的透過購票機上的路線圖找到我想到達的車站 7. 我可以輕易的透過購票機上的路線圖知道我這趟旅程的車資 8. 我可以輕易的操作購票機器購買車票

9. 我可以輕易的操作悠遊卡加值機

10. 當有需要時，我可以輕易的找到車站詢問處

11. 我可以輕易的找到詢問處人員幫忙加值悠遊卡

12. 我可以輕易的感應 IC 單程票或悠遊卡通過驗票閘門進站搭車 13. 我可以輕易地使用電扶梯從車站大廳進入乘車月台

14. 我可以輕易的使用樓梯從車站大廳進入乘車月台

15. 當有需要時，我可以在車站內輕易的找到前往搭車月台之電梯的位置 16. 車站內電梯裡的樓層標示讓我可以很清楚知道正確的乘車月台樓層 17. 我可以輕易的找到正確的搭車月台

18. 我可以輕易的由月台上的 LED 看板知道下班列車何時進站 19. 我可以輕易的判斷進站的列車是不是我要搭乘的路線

20. 即使在人潮擁擠的時段，我仍可以輕易的在列車關門前進入車廂

21. 在需要站立的時候，我可以輕易的拉緊拉環或握緊扶手使身體保持平衡 22. 我可以輕易的透過車內廣播知道要下車的車站快到了

23. 我可以輕易的透過車內 LED 看板知道要下車的車站快到了 24. 即使在人潮擁擠的時段，我仍可以輕易的在列車關門前離開車廂 25. 透過車站內的標示，我可以輕易地得到轉換不同路線的乘車資訊 26. 我可以輕易的透過車站內的標示找到出站的閘門

27. 我可以輕易的投入車票或感應悠遊卡通過驗票閘門離站 28. 我可以輕易的透過車站內的標示找到距離目的地最近的出口

29. 藉由車站內的車站周邊環境地圖，我可以很容易就找到我要去的地方 4.4 問卷正式調查

本研究經由初測結果修改後，在民國99 年 5 月 14 日至 6 月 2 日至台北捷運西門站、

新埔站、民權西路站、東湖站和遠東百貨公司板橋店採用適用於大樣本數調查的方便抽 樣進行實際測量，總共抽取900 位受訪者，並根據年齡、性別和居住地區分層來進行抽 樣以符合母體比例，然而扣除掉57 位居住於外縣市地區和 92 位遺漏填答問卷後，總共 回收751 份有效問卷，問卷有效率為 83.4%。

根據內政部戶政司所提供民國99 年 4 月底的人口年齡分佈比例，資料如下表 4.2 所示。

表 4.2 台北地區(台北縣市)人口統計資料－按年齡別分

統計至民國99年4月底 年齡 台北市 台北縣 總數 所佔比例

15-19 159,673 274,308 434,503 9%

20-24 153,403 275,680 429,083 9%

25-29 187,515 345,043 532,558 11%

30-34 200,459 364,479 564,938 12%

35-39 199,701 319,429 519,130 11%

40-44 214,695 318,455 533,150 11%

45-49 221,240 332,637 553,877 11%

50-54 217,587 312,743 530,330 11%

55-59 199,904 265,252 465,156 9%

60-64 130,977 154,926 285,903 6%

總計 1,885,154 2,962,952 4,848,628 100%

資料來源：內政部戶政司

4.5 樣本結構分析

本研究所獲得之751 份有效問卷，經過初步之樣本結構分析，結果如表 4.3 所示。

詳細特性分析如下：

1. 「性別」的分布上，男性受訪者的人數為 300 人，女性受訪者人數為 451 人，男女 比例約為4：6，符合台北捷運旅客男女比率。

2. 受訪者的「年齡」分布範圍為 11 歲到 76 歲，共分成六個類別，最多人次位於 20-29 歲之間，其次為30-39 歲之間，其佔總比率分別為 24.23%與 22.77%；最少人的類別 為60 歲以上，佔總比率的 5.33%。

3. 「居住地」的分布上，居住於台北市的受訪者總共有 438 人，佔總比例的 58.32%，

居住於台北縣的受訪者總共有313 人，佔總比例的 41.68%，符合內政部戶政司所公 佈的台北縣市居住人口比例。

4. 「教育程度」的分布上，大學專科學歷之受訪者最多，總共有 445 位，佔總比例的 59.25%，其次為研究所學歷之受訪者，總共有 217 位，佔總比例的 28.89%。

5. 「職業」類別項目中，受訪者為學生佔最多數，總共有 294 人，佔總比例的 39.15%，

其次是服務業，共有141 人，佔總比例的 18.77%；最少的是農林漁牧業，只有 5 人，

佔總比例的0.67%。

6. 在「使用票種」方面，使用普通悠遊卡者佔最多數，總共有 354 人，佔總比例的 47.14%，其次是使用學生悠遊卡者，總共有 286 人，佔總比例的 38.08%；最少的是 使用愛心悠遊卡者，只有2 人，佔總比例的 0.27%。

7. 在「第一次搭乘台北捷運距離現在多久的時間」之分布上，超過 5 年以上的有 460 人，佔總比例的61.25%；最少的是半年至一年之間，總共有 31 人，佔總比例的 4.13%。

8. 「近半年內搭乘台北捷運的頻率」部分，每週搭乘約 2-3 次的人有 183 人，佔總比 例的24.37%，幾乎每天搭之受訪者人數為 178 人，佔總比例的 23.7%，兩者人數相 差不多；一年內沒搭幾次的受訪者最少，只有94 人，佔總比例的 12.52%。

9. 受訪者「搭乘捷運之最主要目的」為通勤，總共有 325 人，佔總比例的 43.28%，其 次是休閒旅遊，共有147 人，佔總比例的 19.58%；最少填答之項目為其他，以洽公、

轉乘高鐵台鐵、天氣不好佔大多數，這個部分總共有23 人，佔總比例的 3.06%。

10. 受訪者平時最常以步行的方式「到達捷運車站」，總共有333 人，佔總比例的 44.34%，

其次的方式為搭公車，總共有224 人，佔總比例之 29.83%；最少者為自行開車和搭 計程車前往，分別有5 人，各佔總比例之 5%。

11. 受訪者「最常花費到達捷運車站的時間」的問項，最多人花費 10 分鐘左右的時間，

總共有237 人，佔總比例的 31.56%，其次為 3-10 分鐘，共有 192 人，佔總比例的 25.57%；超過 30 分鐘的人最少，只有 15 人，佔總比例的 2.00%。

表 4.3 問卷樣本結構分析

本研究因素分析採用主成份分析(Principal components factoring, PCF)進行共同因素 分析的萃取。一般科學對於共同因素數量的判斷常以Kaiser’s rule 所建議之特徵質大於 1 者給予保留。首先檢查問項的 KMO(Kaiser-Meyer-Olkin)值，此為判定本研究資料是否 適合做因素分析，通常KMO 值大於 0.8 表示非常適合，但大於 0.6 亦可接受，小於 0.5 表示不適合。在此我們利用SPSS 統計軟體進行因素分析，將搭乘捷運量表總共 29 項試

題進行因素分析，初步得出本研究之KMO 值為 0.942，表示非常適合進行因素分析；

而Bartlett 球形檢定亦達到顯著水準，表示題項間具相關性，其間可能萃取出因素。主 成份分析的結果如表4.4 所示，根據 Guttman(1954)與 Kaiser(1960)建議，特徵值大於 1 的個數為因素數目，因此再經過因素轉軸後，將整體的搭乘捷運量表裡的29 項試題，

總共有五個因素其萃取特徵值大於1，各因素之解釋變異量分別為 43.372%、7.884%、

4.865%、4.122%和 3.677%，五個因素累積之解釋變異量達到 63.919%。

表 4.4 問卷樣本結構分析

轉軸平方和負荷量 因子 萃取特徵值

解釋變異量(%) 累積解釋變異量(%) 1 12.578 43.372 43.372 2 2.286 7.884 51.256 3 1.411 4.865 56.120 4 1.195 4.122 60.242 5 1.066 3.677 63.919

6 0.882 3.042 66.961

以下省略

表4.5 中可看出問項分為五個因素，根據各問項結果，本研究將所得構面分為五個 構面，依照各構面之問項內容，分別將構面命名為：(因素一)票務資訊處理，總共有 8 題；(因素二)進入乘車月台，總共有 6 題；(因素三)捷運車廂，總共有 6 題；(因素四) 離開捷運車站，總共有5 題；(因素五)進入捷運車站，總共有 4 題。

表 4.5 捷運搭乘能力之因素負荷量

因素負荷量 題號與試題內容

1 2 3 4 5 7.我可以輕易的透過購票機上的路線圖知道我這趟旅程的車資 .812 6.我可以輕易的透過購票機上的路線圖找到我想到達的車站 .754

8.我可以輕易的操作購票機器購買車票 .747

9.我可以輕易的操作悠遊卡加值機 .728

5.我可以在車站裡輕易的找到購票機或悠遊卡加值機 .605

11.我可以輕易的找到詢問處人員幫忙加值悠遊卡 .567

10.當有需要時，我可以輕易的找到車站詢問處 .545

12.我可以輕易的感應 IC 單程票或悠遊卡通過驗票閘門進站搭車 .510

12.我可以輕易的感應 IC 單程票或悠遊卡通過驗票閘門進站搭車 .510