本研究將利用統計軟體工具協助進行敘述性統計分析與信度驗證，主要的資 料分析方法條列說明如下：
一、 敘述性統計
敘述統計的特性是將資料經由計算、描述等方法以求得各變項的平均值與標 準差，並藉以說明填答者的基本資料以及其在各方面的認知。
二、 信度分析
信度係指測量的工具中內部包含變數誤差之程度，本研究以Cronbach’s α 係 數來衡量問卷各構面間的一致性與穩定性，一般以 0.7 為取捨判斷標準，如係數 高於 0.7，表示問卷內容具備了高信度，亦即各構面間變數誤差小，具備了高度 的一致性（Nunnaly, 1978）。
三、 Kano 品質要素歸類與滿意度分析
要素歸類之目的在於找出個案公司目前提供的服務是否符合消費者期待，歸 類主要是經由正反問項的感受交叉比對而得，歸類方式則依文獻探討列出的二維 品質屬性歸納方式處理（Matzler & Hinterhuber, 1998），以統計上的「顯著多數」
做主要的分類判斷，但若在單一問項中有不同的品質要素累計具有相同次數時，
則判定最終二維品質要素歸類的準則為 M＞O＞A＞I（CQM, 1993）。
本研究以 Berger et al.（1993）提出的顧客滿意度係數（Customer Satisfaction Coefficient）進行服務品質改善排序，此係數共有兩個參考指標，分別為增加滿 意度指標（Satisfaction Increment Index, SII）與降低不滿意度指標（Dissatisfaction Decrement Index, DDI），每項服務品質要素皆可計算出這兩個參考指標，再依計 算所得之值排出品質要素改善的先後順序。
四、 重要度─滿意度模式分析
IPA 不僅用於製造業產品功能的評估，也常用於銀行（Joseph et al, 2005）、 飯店（Zhang & Chow, 2004）等服務業的服務品質探討，所以有些學者把 IPA 其 中的表現指標（Performance）定義為服務屬性表現的滿意程度（盧右梅、 吳信 宏，2010）。實務上 IPA 與 I-S Model 皆可用於服務品質評量，但考慮 I-S Model 源於 IPA 且僅在縱橫軸上具有定義差異，本研究選擇以 IPA 做為重要度─滿意度 模式的分析架構。
五、 Kano 與 IPA 綜合性分析
潘婉茹（2008）提出的 Kano 與 IPA 綜合性分析方式，已被多位國內學者採 用，於餐飲（施文琇，2011）、物業管理（潘睿彬，2012）、流通零售（林燕妮，
2014）等不同的服務性產業之中進行服務品質相關的分析研究，物流產業也同樣 有學者加以運用，如：醫藥物流（陳柏翰，2012）、化學品物流（吳怡慧，2014）…
等等，有鑑於宅配業同屬於物流產業的一環且相當強調其服務特性，本研究亦參 考此項綜合性分析方式，做為品質要素改善排序方式的主要依據，由於潘婉茹僅 提出落於第 I 象限與第 II 象限內的服務品質要素對消費者較為重要，應優先進行 改善，而未說明第 III 與第 IV 象限的改善先後順序，本研究除了以 IPA 提出之象 限論述為基礎外，另參考林燕妮（2014）進行之研究，以象限 II > I > III > IV 做 為排序順序。
本研究另以顧客滿意度係數取代重要度做為相同象限中相同歸類的品質要 素細部排序準則，由於落於第 I（繼續保持）與第 IV 象限（供給過度）者已具 備一定滿意度，企業可著力於提升滿意度以創造更多優勢，因此以 SII 係數做為 排序依據，落於第 II（改善重點）與第 III 象限（低優先順序）者則表示目前的 滿意程度不足，應先設法降低不滿意度，因此採用 DDI 為排序準則。
在無差異品質要素的處理上本研究同樣參考林燕妮（2014）的排序模式，除
了留待到其餘品質要素排序完成後再行對應之外，其排序邏輯完全相同，將先依 IPA 象限順序進行，接著採同象限、同歸類的細部排序方式完成排序處理。
藉由上述方式本研究得以提出完整的服務品質改善順序，用於提供給個案公 司更為完善的改進建議。
第肆章 研究分析與討論
本章首先敘述個案公司之現況，第二至六節則依第三章所述之資料分析方法，
將本研究蒐集到的資料進行一系列的分析與整理，並依所得結果進行探討。