一、 敘述性統計(Descriptive Statistics)
敘述性統計分析是用以說明樣本資料結構，是將問卷資料進行單一變數間之 敘述性分析，將受測者對各變數之意見作一概略描述。本研究利用次數分配瞭解 受測顧客之分佈情形，利用人口統計變數(性別、年齡、職業、教育程度、月平 均收入等)來說明統計分析問卷受訪者對於各構面、問項之平均數與分佈狀等。
二、 信度分析(Reliability analysis)
信度即可靠性，指測驗結果的一致性或穩定性，即以同樣的測量工具重複測 量某項特質時，是否可得到相同的結果，且測量之隨機誤差是否很小。而 Cronbach α 信度係數是目前最常用的信度係數，主要是用來衡量同一構面下各項目間之一 致性，Cronbach’s α 值越高，表示一致性愈高。依 Nunnally (1994)的建議，α 值 在 0.70 以上為佳。Cronbach’s α 係數越高，內部一致性也愈高；但若低於 0.35 則 必須予以拒絕。α 值若介於 0.35 與 0.70 之間即可接受；若 α 值若高於 0.70 則 屬於高信度(Guieford,1965)。另外，分項對總項的值則以大於 0.6 以上為最佳，
最低不宜低於 0.3(Guieford,1965)。
三、 因素分析(Factor Analysis)
因素分析的主要目的是對資料找出其結構，以少數幾個因素來解釋一群相互 有關係存在的變數，而又能保有原來最多的資訊，再對找出因素進行其命名，如 此可達到因素分析資料簡化的目標。學者 Kaiser(1974)提出 KMO 值需達 0.6 以 上，且萃取的因素特徵值需大於 1，其解釋累積變異量為 60%以上，才能使各因 素間的意義較為明顯，詳見表 3-14。
‧
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
58
表 3-14：KMO 統計值衡量標準
KMO 統計值 決策標準說明 因素分析適切性
0.9 以上 極適合進行因素分析（Marvelous） 極佳 0.8 以上 適合進行因素分析（Meritorious） 良好 0.7 以上 尚可進行因素分析（Middling） 適中 0.6 以上 勉強進行因素分析（Mediocre） 普通 0.5 以上 不適合進行因素分析（miserable） 欠佳 0.5 以下 非常不適合進行因素分析（unacceptable） 無法接受
資料來源：Kaiser(1974).
四、 單因子變異數分析(One-way ANOVA)
單因子變異數分析是用於檢定三個或三個以上母體平均數是否相等的方法，
或是檢定因子對依變數是否有顯著。若檢定結果為顯著且各組樣本數相同時，可 進一步使用 Tukey HSD 法、LSD 法或 Duncan 法作事後檢定分析，若各組樣本 數不同時，則可使用 Scheffe 法或 Bonferroni 法作事後檢定分析以進行更深入的 分析說明 (吳萬益，2008) 。
五、 獨立樣本 t 檢定(Independent Test Analysis)
獨立樣本 t 檢定用於檢定對於兩組來自獨立母體的樣本，其獨立母體的平均 值或中心位置是否一樣。而本研究將藉此使用 t 檢定來發現人口統計變數之性別 以及是否為會員身分對於 T 購物中心之服務創新對於顧客忠誠之間度存在差 異。
六、 迴歸分析(Regression Analysis)
本研究將透過線性迴歸分析以及階層分析來檢驗所有假設，藉由迴歸分析可 釐清在以存在的解釋變數下，新加入的解釋變異數對依變數的解釋變異量，以檢
‧
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
59
定變異數對依變數是否為有效之解釋變數。
‧
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
60
第肆章 資料分析結果
本章根據回收的問卷進行資料分析，以 SPSS 22 統計軟體做為分析工具，
並依照資料分析的結果驗證研究假說。本章主要分成四節，第一節介紹本研究問 卷回收的狀況，並以敘述性統計來分析了解本研究之樣本結構特性與各研究構面 問項回答之平均值與標準差；第二節以單因子變異數分析以及獨立樣本 T 檢定 分析人口統計部分對於各變項因子間是否存在顯著差異性，同時找出影響依變項 之人口統計變項作為後續研究之控制因子；第三節依據本研究架構進行迴歸分析 以驗證假說，並以階層迴歸分析法了解自變項各構面對於依變項之解釋能力。最 後第四節則是進行本研究假說之彙整。