第四章 研究方法與實證分析
4.2 實證分析
4.2.2 資料分析方法
問卷分析的內容包含有效樣本的統計、樣本基本資料的敘述統計計算，如 樣本數的背景資料統計、各研究構面衡量指標的平均數與變異數、各研究構面 的相關係數等。此外，問卷的信度與效度分析也是結構模型驗證的首要步驟，
本研究採用SPSS 14.0版套裝軟體進行資料分析，統計方法分別詳述如下。
一、敘述性統計分析
敘述性統計分析包含有效樣本所屬性別、年齡、婚姻、教育程度、國
籍與職業等，以及各研究構面(低廉價格、服務品質、顧客滿意度、移轉行 為意向與忠誠度)衡量指標的平均數、變異數與相關係數等，以檢核各變數 的次數分配、百分比與描述統計量。
二、信度與效度分析
信度（reliability）是指測量的可靠程度（trustworthiness）。本研究為 進一步瞭解問卷的一致性（consistency）與穩定性（stability），採用在Likert 量表法中常用的「Cronbach’s α」係數以進行信度考驗，常見的信度係數值 多半介於0到1之間，當信度係數值愈接近1，表示量表或測驗的信度愈高；
當信度係數值愈接近0，表示信度愈低。根據邱皓政【6】表示信度係數如 果在0.9以上，表示量表的信度甚佳。在社會科學領域中，可接受的最小信 度係數值有些差異，當α值低於0.6完全不接受；介於0.6至0.65之間最好不 要接受；介於0.65至0.7為最小接受值；介於0.7至0.8相當好；介於0.8至0.9 非常好，應以重新修訂研究工具或重新編製較為適宜。
效度（validity）是指測量工具能有效測出所要衡量事物的程度，包含 內容效度與構念效度。內容效度常以題目分佈的合理性來判斷，屬於一種 命題之邏輯分析，因而內容效度也稱為「邏輯效度」（logical validity）。
構念效度是以驗證性因素分析（Confirmatory Factor Analysis, CFA）來檢驗 其收斂效度（convergent validity）與區別效度（discriminant validity）。
結構方程模式之測量模型反應了測量變項與潛在變項之間的關係，若 測量模型所有估計參數皆達顯著水準、構念信度（Construct Reliability; CR）
在邱皓政【6】表示在建議值0.6以上，以及平均變異抽取量（Averagevariance extracted, AVE），在建議值0.5以上，表示量表具有收斂效度；而各研究構 面的平均變異抽取量之平方根若大於該構面與其他構面的相關係數值，表 示量表具有區別效度。
三、結構方程模式建構方法
本研究對於問卷調查所得到的資料採用LISREL 8.0版套裝軟體進行結 構方程模式（Structural Equation Modeling, SEM）分析，欲進行的統計分析 方法包含因素分析與路徑分析以及模型評鑑指標的運用，分別詳述如后。
(一) 因素分析（Factor Analysis, FA）
一套用來簡化、分析變項間的群組關係或尋找變項背後共同的潛 在構面的統計技術。本研究擬進行驗證性因素分析，即用來檢驗構面 或潛在變項(低廉價格、服務品質、顧客滿意度、移轉行為意向及忠誠 度)的存在與否，以考驗測量問卷的信效度，並檢驗特定理論假設下的 因素結構。
驗證性因素分析是用來確認資料的模式是否為研究者所預期的形 式，具有理論檢驗與確認的功能。驗證性因素分析也是結構方程模式 的一種次模型（submodel），可與其他次模型整合，成為完整的結構 方程模型分析，是進行整合性結構方程模式分析的一個前置步驟或基
礎架構，其操作步驟如圖4.4所示。
圖4.4驗證性因素分析的操作步驟 圖 4.4 SEM 操作流程 四、路徑分析（Path Analysis, PA）
一種將觀察變項間的關係以模型化的方式來進行分析的一種統計技 術。SEM納入源自於計量經濟學之路徑模式的概念，使藉由因素分析技術 所抽取出來的潛在因素，可以利用迴歸技術來探討進一步的關係與影響模 式。傳統上，路徑分析由一系列的迴歸分析所組成，將不同的方程式加以 組合，形成結構化的模式，又稱為迴歸取向（regression approach）的路徑 分析；自從SEM發展以來，路徑分析可輕易在SEM加以模組與檢驗，因此 路徑分析逐漸改以SEM的方式來處理，此稱為結構方程模式取向（SEM Approach）。迴歸取向與SEM取向的路徑分析主要不同點在於迴歸取向路 徑分析無法處理潛在變項的問題，SEM取向則可以，並可同時進行路徑因 果關係的檢測；另外，SEM取向亦可以處理測量誤差的控制。
本研究的概念是屬於結構方程模式取向，即在處理潛在變項的同時，
也進行路徑因果關係的檢測與測量誤差的控制，並配合所提出的特定假設 模型，以檢驗理論模型與觀察資料的適切性，找出最佳的模型。
五、模型評鑑指標的運用
結構方程模式的文獻提供了多種不同的模型評鑑指標，以評鑑假設的 徑路分析模式與搜集的資料是否相互適配。目前最常見到的適配度評估策
略有卡方值與卡方顯著性、卡方自由度比、CFI與RMSEA等指標，各適配 度指標說明如表4.2所示。
表 4.2 適配度指標表
適配度指標名稱與性質 範圍 判斷值 適用情形
卡方考驗(χ2 test)-理 論 模型與觀察模型的契合 程度
- P>0.05
說明模型解釋力。
卡方值對受試樣本的大小非常敏感，大 樣本雖然提高了觀察資料的穩定性，但 如果樣本數愈大，卡方值愈容易達到顯 著，導致理論模式遭到拒絕的機率愈 大。這也是一般SEM使用者捨卡方而參 考其它契合度指標的主要原因。
卡方自由度比(χ2/df)-考 慮模式複雜度後的卡方 值
- <3 不受模式複雜度影響。
規準適配指數
(Normed Fit Index；NFI) -比較假設模型與獨立 模型的卡方差異
0-1 >0.9 說明模型較虛無模型的改善程度。
NNFI(Non-NormedFit Index)-考慮模式複雜度 後的NFI
0-1 >0.9 不受模式複雜度影響。
數值可能超出範圍外。
CFI(Comparative-Fit Index)-假設模型與獨立 模型的非中央性差異
0-1 >0.9 說明模型較虛無模型的改善程度。
契合度指標 (Goodness-of-Fit Index；GFI)-假設模型可 以解釋觀察資料的比例
0-1 >0.9 說明模型解釋力。
類似於迴歸分析中的R2。
調整後契合度指標 (Adjusted GFI；AGFI)-考 慮 模 式 複 雜 度 後 的 GFI
0-1 >0.9
不受模式複雜度影響。
數值通常會小於GFI，但可能超出0-1的 範圍外。
類似於迴歸分析中的調整後可解釋變 異量(adjusted R2)。
簡約適配度指數 (Parsimony
Goodness-of-Fit Index；
PGFI)-考慮模式的簡約 性
0-1 >0.5 說明模型的簡單程度。
表 4.2 適配度指標表(續)
指標名稱與性質 範圍 判斷值 適用情形
殘差均方根指數 (Root Mean square Residual ； RMR)- 未 標 準化 假設模 型整 體殘差
- 愈小愈好
(<0.05) 瞭解殘差特性。
平 均概 似平方 誤根 係 數 (Root Mean Square Error of Approximation;
RMSEA)- 比 較 理 論 模 式與 飽和模 式的 差距，反映對原始母 體的配適情形
0-1 <0.08
不受樣本數與模式複雜度影響。
數值若>0.1以上，則模式的適配度欠 佳 ； 於 0.08~0.1 ， 則 模 式 尚 可 ； 於 0.05~0.08，表示模式良好；<0.05表示 模式適配度非常優良。
當小樣本時可能有高估的現象，若樣 本數>500以上，以此指標表示較好。
資料來源：本研究整理 4.2.3 實證分析實證分析實證分析實證分析
一、敘述性統計分析
本研究針對有效樣本所屬人口特性、旅次特性，以及各研究構面(低廉價 格、服務品質、顧客滿意度、移轉行為意向及忠誠度)進行敘述性統計分析，以 檢核各變數的次數分配、百分比與描述統計量，分別詳述如下。
(一) 人口特性
1. 搭機旅客之性別
由表4.3可得知，本研究之研究對象搭乘低成本航空公司之搭 機旅客，共計有259人；在性別方面，男性搭機旅客計有144人，
佔55.6 %；女性搭機旅客計有115人，佔44.4 %。
表 4.3 搭機旅客之性別分析表
性別 有效樣本數 百分比(％)
男性 144 55.6
女性 115 44.4
2. 搭機旅客之年齡層
由表4.4可得知，本研究問卷之搭機旅客年齡層以19歲（含）
以下計有20位，佔7.7 %；20～29歲共計有93位，佔35.9 %；30～
39歲計有73位，佔28.2 %；40～49歲有41位，佔15.8 %；50～59 歲則有24位，佔9.3 %；而60歲（含）以上之搭機旅客則有8位，
佔3.1 %。
表 4.4 搭機旅客之年齡層分析表
年齡 有效樣本數 百分比(％)
19歲（含）以下 20 7.7
20～29歲 93 35.9
30～39歲 73 28.2
40～49歲 41 15.8
50～59歲 24 9.3
60歲（含）以上 8 3.1
3. 搭機旅客的婚姻狀況
由表 4.5 可得知，本研究問卷之搭機旅客之婚姻狀況，未婚 之搭機旅客計有 140 位，佔 54.1 %；已婚的則計有 119 位，佔 45.9
%。
表 4.5 搭機旅客之婚姻狀況分析表
婚姻 有效樣本數 百分比(％)
未婚 140 54.1
已婚 119 45.9
4. 搭機旅客之教育程度
由表 4.6 可得知，本研究問卷之搭機旅客教育程度，以國中
（含）以下計有 5 位，佔 1.9 %；高中（職）共計有 62 位，佔 23.9
%；大學（專）計有 139 位，佔 53.7 %；碩士有 48 位，佔 18.5 %；
博士則計有 5 位，佔 1.9 %。表示教育程度在大學以上之搭機旅 客，願意選擇 LCC 作為前往目的地之航空公司。
表 4.6 搭機旅客之教育程度分析表
教育程度 有效樣本數 百分比(％)
國中（含）以下 5 1.9
高中（職） 62 23.9
大學（專） 139 53.7
碩士 48 18.5
博士 5 1.9
5. 搭機旅客之國籍
由表 4.7 可得知，本研究問卷之搭機旅客國籍為台灣籍的計 有 120 位，佔 46.3 %；新加坡籍共計有 98 位，佔 37.8 %；馬來 西亞籍計有 34 位，佔 13.1 %；印尼籍有 5 位，佔 1.9 %；其他國 籍則計有 2 位，佔 0.8 %，其中一位搭機旅客為美國籍，另一位 搭機旅客為澳洲籍。台灣籍和新加坡籍之搭機旅客佔總數的 74.1
%，與前往目的地有關連。
表 4.7 搭機旅客之國籍分析表
國籍 有效樣本數 百分比(％)
台灣 120 46.3
新加坡 98 37.8
馬來西亞 34 13.1
印尼 5 1.9
其他 2 0.8
6. 搭機旅客之職業
由表 4.8 可得知，本研究問卷之搭機旅客職業為學生的計有 46 位，佔 17.8 %；商業共計有 68 位，佔 26.3 %；工業計有 56 位，佔 21.6 %；公務人員計有 51 位，佔 19.7 %；家管則計有 17 位，佔 6.6 %；退休人員計有 7 位，佔 2.7 %；待業的計有 7 位，
佔 2.7 %；其他計有 7 位，佔 2.7 %；其中四位搭機旅客為運動員，
另兩位搭機旅客為自由業，一位搭機旅客為媒體人員。
表 4.8 搭機旅客之職業分析表
職業 有效樣本數 百分比(％)
學生 46 17.8
商 68 26.3
工 56 21.6
公務人員 51 19.7
家管 17 6.6
退休 7 2.7
待業 7 2.7
其他 7 2.7
(二) 旅次特性
1. 曾經搭乘過FSC之搭機旅客次數
本研究問卷調查結果發現表 4.9，顯示搭機旅客皆曾經搭乘過 FSC。
表 4.9 曾經搭乘過 FSC 之搭機旅客次數分析表
曾經搭乘過FSC 有效樣本數 百分比(％)
有 259 100.0
2. 曾經搭乘過LCC之搭機旅客次數
由表 4.10 可得知，本研究問卷之搭機旅客曾經搭乘 LCC 之 次數，以 1 次的計有 47 位，佔 18.1 %；2 次的共計有 68 位，佔 26.3 %；3 次的計有 47 位，佔 18.1 %；4 次的計有 51 位，佔 19.7
%；搭乘超過 5 次以上的搭機旅客則有 46 位，佔 17.8 %。顯示，
搭機旅客已經有搭乘 LCC 的經驗。