資料分析方法

一、敘述統計分析(descriptive statistics)

問卷回收完畢後，本研究先透過人工檢查過程剔除無效問卷，再對有效資料進行 敘述統計分析。透過這些分析結果，可瞭解所回收之樣本其分佈情形(陳彥宏，2008)。

二、信度與效度分析

(一)信度分析(reliability analysis)

信度分析主要是用來衡量構面與題項之間是否具有一致性及穩定性。在部份最小 平方法中，檢驗量表的信度(reliability)是以負荷量(loading)來判定，若負荷量都超過 門檻值0.7(Carmines & Zeller, 1979)，表示所衡量的構面與題項間具有一致性及穩定 性。但形成指標沒有負荷量，學者建議呈現權重值(weight)(Chin, 1998)。

(二)效度分析(validity analysis)

效度分析主要在衡量題項內容是否能正確地衡量所欲測量的潛在變項，亦即所衡 量的題項是否具有代表性與正確性。一般而言，效度分析又可分為內容效度分析與建 構效度分析。

1. 內容效度(content validity)

內容效度主要以邏輯判別法來決定測驗是否具有內容代表性，因此相當地主觀。

若問卷的設計能夠以理論為基礎，並參考以往學者類似之研究，加上與實務或專家的 討論，應可達到相當的內容效度。

2. 建構效度(construct validity)

建構效度是指測量工具能測量所建構理論的概念或特質的程度。常見的建構效度 包含收斂效度(convergent validity)和區別效度(discriminate validity)兩種。

(1)收斂效度

收斂效度指的是來自相同潛在變項的觀察變項，彼此之間相關程度要高。一 般衡量收斂效度的方法包含組合信度(construct reliability; CR值)及平均變異抽取 量(average variance extracted; AVE值)。若各構面的CR值均大於0.7，AVE值均大於 0.5，表示模型具有足夠的收斂效度。

(2)區別效度

區別效度指的是不同潛在變項彼此之間相關程度不能太高。因此，區別效度

24

的檢定可以透過潛在變項間的相關係數矩陣加以衡量，只是對角線的元素要用平 均變異抽取量的平方根。若對角線中的元素值大於其對應的列和行中的非對角線 值，表示模型中各潛在變項間具有良好的區別效度。

三、結構方程模式分析(Structural Equation Modeling, SEM)

由於本研究主要研究目的為建立高級房車顧客滿意度模型，因此，本研究進一步 透過結構方程模式進行模型之檢驗。結構方程模式被廣泛使用在行銷學、心理學及社 會學，是一種用來驗證理論模型的統計方法。與傳統統計工具最大的不同在於，結構 方程模式能夠同時衡量潛在變項(latent variable)之間的關係以及潛在變項與觀察變項 (manifest variables)之間的關係。

(一) 結構模型與測量模型

在結構方程模式中包含兩組關係，探討潛在變項(latent variable)之間的關係稱為 結構模型(structural model)；探討潛在變項與觀察變項(manifest variables)之間的關係 稱為測量模型。其中，無法直接及被具體衡量變項尌是潛在變項，且又可分成外衍潛 在變項(即自變項)與內衍潛在變項(即依變項)；而用來衡量潛在變項的尌是觀察變項。

(二) 結構方程模式的統計工具

一般而言，用來估算結構方程模式的統計工具可分為兩大類：第一類是以共變數 結構(covariance structure)為主的軟體，如LISREL統計軟體。第二類是以主成份分析 和迴歸分析為主的部分最小平方法(partial least square, PLS)，如LVPLS統計軟體。

相較於 LISREL 統計軟體，PLS 統計軟體更適合來估算顧客滿意度模型。首先，

部份最小平方法適合在理論模型建構初期使用，符合本研究建立觀光夜市顧客滿意度 模型之需求；其次，PLS 統計軟體可用來同時衡量形成性(formative)指標與反應性指 標(本研究題項包含形成性指標及反應性指標)，但是 LISREL 統計軟體只能處理反應 性指標(黃元鶴，2007)；第三，PLS 統計軟體可進一步估算顧客滿意度分數(Hsu, Chen

& Hsieh, 2005) ；最後，經由文獻探討得知 ACSI 及 ECSI 等顧客滿意度模型皆採用 部份最小平方法來進行模型的估算。因此，本研究採用用來估算最小平方法中 DOS 版的 LVPLS1.8(Lohmoller, 1981)統計軟體，計算出路徑係數及 R^２值以進行高級房車 顧客滿意度模型之檢驗。此外，本研究也進一步分析顧客滿意度的總效果、顧客滿意 度分數以及策略管理矩陣圖，以期瞭解顧客對於高級房車的需求。

25

1. 模型檢驗

本研究透過路徑分析(path analysis)及R^２值進行模型之相關檢驗。

2. 路徑分析

透過路徑分析可以得知外衍潛在變項(自變項)與內衍潛在變項(依變項)之間關係 的強度。如服務品質構面(自變項)對顧客滿意度構面(依變項)影響的程度；此外，本 研究使用Jackknife的方法來計算路徑係數的統計顯著性，以檢驗模型的預測能力。

3. R^２值

代表外衍潛在變項(自變項)對於內衍潛在變項(依變項)所能解釋變異量的百分 比，藉以檢驗模型的預測能力。

4. 總效果(total effect)

本研究進一步透過路徑係數來估算各潛在變項間的效果值，以瞭解潛在變項間之 關係。潛在變項間的效果可分為直接效果(direct effect)、間接效果(indirect effect)與總 效果(total effect)三類。直接效果為外衍潛在變項(自變項)對內衍潛在變項(依變項)之 直接影響力；間接效果為外衍潛在變項(自變項)間接透過另一個內衍潛在變項(其同時 為依變項也為自變項，因此稱之為中介變項)之影響力；此外，直接效果加上所有的 間接效果即為總效果。透過總效果分析可以更清楚地瞭解潛在變項的影響力。

四、顧客滿意度分數

本研究進一步計算顧客滿意度分數，以期瞭解 LEXUS 高級房車業者提供的服務 是否符合顧客的需求。其計算公式如下：

顧客滿意度分數＝

3 3

1 1

3

1

100 9

i i i

i i

i i

w x w w

 





  



^w

五、策略管理矩陣圖

業服務品質的好壞是由顧客所認定的，非由企業所決定的。因此，企業必需以顧 客的角度去檢視其品質上的問題(徐聖訓等，2006)。然而服務的本質無形的，且顧客 對於服務品質的認知也相當地主觀，因此很難加以衡量。但藉由策略管理矩陣圖卻可 以協助企業瞭解其服務品質的表現及改進的優先順序(Hsu et al., 2005)。因此，本研究 加入策略管理矩陣圖分析，以期瞭解顧客對於高級房車的需求。

策略管理矩陣圖的建構是透過部份最小平方法所估算出服務品質問卷題項之權

26

重(x 軸)及服務品質的表現績效(y 軸)。相較於過去的研究只能提供分數而無重要性的 資訊，策略管理矩陣圖更能協助企業專注在立即需要改善的問題上。策略管理矩陣圖 共分成四個區域，分別稱為優勢、改善、教育和不變區域(圖 7)。而區域的大小是由 決策者來決定。如果受測單位只有有限的資源來進行改善的話，它可以設定較高的門 檻值(threshold value)在權重，較低的門檻值在分數上；如此一來落在改善區域內的因 子尌會比較少，而受測單位也能針對重點來進行改善。

所謂優勢區域指的是，該區域中的因子分數及重要性都是較高，構成了該受測單 位的優勢條件，是應繼續保持的項目。改善區域指的是，該區域中的因子分數較低及 重要性較高，為該受測單位必頇立即改善之重點，改善本區域內因子會獲得最大的效 益。教育區域指的是，該區域中的因子分數較高但重要性較低；換言之，雖然該受測 單位在該項目上表現不錯，但這些項目的重要性並不高。該受測單位能藉由“教育”

或與顧客溝通，讓顧客瞭解其重要性，進而將落在教育區域中的因子轉換至優勢區域 中。最後是不變區域，該區域中的因子分數及重要性都是較低的，所以暫時不需要擔 心，因為即使針對這些因子改善，其效益也是相對較低的。

教育區域 優勢區域

不變區域 改善區域

服務 品質 題項 分數

服務品質題項的權重 低

高

高

圖 5 策略管理矩陣圖

27